BAB 3 PENGOLAHAN DATA
|
|
- Verawati Lesmana
- 5 tahun lalu
- Tontonan:
Transkripsi
1 18 BAB 3 PENGOLAHAN DATA 3.1. Pengumpulan Data Data yang akan diolah dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara di Jln. Asrama No. 179 Medan yang merupakan data jumlah penumpang dan barang yang diangkut oleh kereta api dari stasiun besar Medan dari tahun Data tersebut dapat dilihat pada tabel berikut. Tabel 3.1. Data jumlah penumpang yang diangkut kereta api melalui stasiun Medan No Tahun Penumpang (orang) Sumber Data: Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Jumlah Penumpang Grafik Jumlah Penumpang yang diangkut Kereta Api melalui Stasiun Medan Penumpang Gambar 3.1. Grafik Jumlah Penumpang yang diangkut Kereta Api melalui Stasiun Medan Tahun Tahun
2 19 Sementara data jumlah barang yang diangkut oleh kereta api melalui stasiun besar Medan dapat dilihat pada tabel berikut. Tabel 3.2. Data jumlah barang yang diangkut kereta api melalui stasiun Medan No Tahun Barang (ton) Sumber Data: Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Jumlah Barang 1,200,000 1,000, , , , ,000 0 Grafik Jumlah Barang yang diangkut Kereta Api melalui Stasiun Medan Barang (ton) Tahun Gambar 3.2. Grafik Jumlah Barang yang diangkut Kereta Api melalui Stasiun Medan Tahun Pemulusan Eksponensial Ganda Satu Parameter dari Brown Analisis Data Jumlah Penumpang yang diangkut Kereta Api melalui Stasiun Medan Dalam mengolah dan menganalisis data jumlah penumpang yang diangkut oleh kereta api dengan metode peramalan akan digunakan pemulusan eksponensial metode linier satu parameter dari Brown. Pada metode Brown dilakukan dua kali pemulusan yaitu pemulusan eksponensial tunggal, Pemulusan eksponensial ganda, dan peramalan.
3 20 Untuk memenuhi perhitungan pemulusan eksponensial tunggal, ganda dan peramalan, maka harus ditentukan parameter dari nilai α terlebih dahulu yang biasa digunakan dengan cara coba dan salah (trial and error). Nilai α yang dipilih dari 0 < α < 1, lalu dihitung Mean Square Error (MSE). Berikut akan dilakukan analisis data dengan metode pemulusan eksponensial yang dimulai dari parameter α=0,1 sampai α=0,9. Dari hasil analisis tersebut, kesalahan akan dibandingkan dari α=0,1 sampai α=0,9 yang memiliki kesalahan terkecil akan digunakan untuk meramalkan jumlah penumpang yang diangkut kereta api melalui stasiun Medan. Untuk α = 0,1; X 2005 = ; dan X 2006 = maka diperoleh: a. Perhitungan pemulusan eksponensial tunggal untuk jumlah penumpang yang diangkut oleh kereta api tahun 2006 ( ) dan 2007 ( ) adalah sebagai berikut. S ' X (1 ) S ' t t t 1 S ' 0,1( ) 0,9( ) S ' 0,1( ) 0,9( ) ,40 b. Nilai pemulusan eksponensial ganda untuk jumlah penumpang yang diangkut oleh kereta api tahun 2006 ( ) dan 2007 ( ) adalah sebagai berikut. S '' S ' (1 ) S '' t t t 1 S '' 0,1( ) 0,9( ) ,30 S '' 0,1( ,40) 0,9( ,30) ,51 c. Nilai konstanta (a t ) untuk jumlah penumpang yang diangkut oleh kereta api tahun 2006 ( ) dan 2007 ( ) adalah sebagai berikut. a 2 S ' S '' t t t a 2( ) ( ,30) ,70
4 21 a 2( ,40) ( ,51) ,29 d. Nilai slope (b t ) untuk jumlah penumpang yang diangkut oleh kereta api tahun 2006 ( ) dan 2007 ( ) adalah sebagai berikut. b ( S ' S '' ) t t t 1 0,1 b 2006 ( ,30) 0, ,30 0,1 b 2007 ( , ,51) 0, ,21 Dari nilai konstanta (a t ) dan slope (b t ) tersebut maka dapat dihitung peramalan jumlah penumpang yang diangkut oleh kereta api melalui stasiun Medan untuk m tahun berikutnya. Peramalan jumlah penumpang yang daingkut oleh kerta api tahun 2007 adalah sebagai berikut. F a b ( m) t m t t F a b (1) F , ,30(1) 2007 F Untuk mencari nilai Mean Square Error, maka harus ditentukan dahulu nilai dari error atau kesalahan (e) dan kesalahan kuadrat (e 2 ) dengan rumus. e X F t t t Perhitungan kesalahan (e) untuk tahun 2007 ( ) adalah: (3.1) e X F e Perhitungan kesalahan kudrat (e 2 ) untuk tahun 2007 ( ) adalah: e Perhitungan secara lengkap dapat dilihat pada tabel berikut.
5 22 Tabel 3.3 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,1 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,76 Dengan α=0,1 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,22 Jumlah ,75
6 23 Tabel 3.4 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,2 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,69 Dengan α=0,2 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,24 Jumlah ,92
7 24 Tabel 3.5 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,3 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,36 Dengan α=0,3 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,21 Jumlah ,68
8 25 Tabel 3.6 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,4 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,00 Dengan α=0,4 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,29 Jumlah ,33
9 26 Tabel 3.7 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,5 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,54 Dengan α=0,5 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,59 Jumlah ,73
10 27 Tabel 3.8 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,6 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,85 Dengan α=0,6 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,38 Jumlah ,07
11 28 Tabel 3.9 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,7 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,09 Dengan α=0,7 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,29 Jumlah ,29
12 29 Tabel 3.10 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,8 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,56 Dengan α=0,8 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,73 Jumlah ,84
13 30 Tabel 3.11 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,9 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,51 Dengan α=0,9 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,17 Jumlah ,36
14 31 Kemudian bandingkan semua nilai Mean Square Error yang diperoleh dari masing-masing nilai α=0,1;0,2; ;0,9 untuk mendapatkan nilai Mean Square Error terkecil. Perbandingan ukuran ketepatan metode peramalan jumlah penumpang yang diangkut oleh kereta api melalui stasiun Medan dengan melihat Mean Square Error adalah sebagai berikut. Tabel 3.12 Perbandingan Ukuran Ketepatan Metode Peramalan Data Penumpang yang diangkut Melalui Stasiun Medan No α e 2 MSE 1 0, , ,00 2 0, , ,24 3 0, , ,21 4 0, , ,29 5 0, , ,59 6 0, , ,38 7 0, , ,29 8 0, , ,73 9 0, , ,17 Dari tabel 3.12 dapat dilihat bahwa yang menghasilkan nilai Mean Square Error terkecil terdapat pada α=0,2 dengan nilai Mean Square Error= ,24. Hasil olahan datanya dapat dilihat pada tabel berikut.
15 Tabel 3.13 Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter dari Brown dengan α=0,2 Pada Data Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan Periode X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,69 Dengan α=0,2 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,24 Jumlah ,92
16 31 Sehingga dapat dilihat pada grafik berikut. Jumlah Penumpang Pemulusan Peramalan Jumlah Penumpang yang diangkut Kereta Api melalui Stasiun Medan 3,500,000 3,000,000 2,500,000 2,000,000 1,500,000 1,000, ,000 0 Data Aktual Pemulusan Pertama Pemulusan kedua Peramalan Gambar 3.3. Grafik Pemulusan Peramalan Jumlah Penumpang yang diangkut Kereta Api Melalui Stasiun Medan dengan α=0,2 Berdasarkan data terakhir pada tabel (3.13.) maka dapat dibuat model persamaan peramalan jumlah penumpang yang diangkut oleh kereta api melalui stasiun besar Medan untuk satuan tahun berikutnya, dengan rumus. F a b ( m) t m t t (3.2) Dari rumus (3.2.) maka dapat dibentuk model persamaan untuk meramalkan jumlah penumpang yang diangkut oleh kereta api dengan model persamaannya sebagai berikut. F a b ( m ) 2014 m F , ,66( m) 2014m Dari model persamaan peramalan jumlah penumpang yang diangkut kereta api, dapat ditentukan peramalan jumlah penumpang untuk tahun , seperti pada perhitungan berikut: a. Perhitungan peramalan jumlah penumpang yang diangkut oleh kereta api melalui stasiun Medan tahun 2015, dengan m=1 dan t = F a b (1) 2014m F , ,66(1) 2015 F , Tahun
17 32 b. Perhitungan peramalan jumlah penumpang yang diangkut oleh kereta api melalui stasiun Medan tahun 2016, dengan m=2 dan t = F a b (2) F , ,66(2) 2016 F , c. Perhitungan peramalan jumlah penumpang yang diangkut oleh kereta api melalui stasiun Medan tahun 2017, dengan m=3 dan t = F a b (3) F , ,66(3) 2017 F , Tabel Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Tahun dengan menggunakan α = 0,2 dalam Peramalan Jumlah Penumpang yang diangkut Kereta Api melalui Stasiun Medan untuk Tahun X t , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
18 33 Hasil peramalan jumlah penumpang yang diangkut kereta api melalui stasiun Medan dilihat pada gambar berikut. Jumlah Penumpang Peramalan Jumlah Penumpang yang diangkut Kereta Api melalui Stasiun Medan dengan α=0,2 Penumpang Tahun Gambar 3.4. Grafik Jumlah Penumpang yang diangkut Kereta Api melalui Stasiun Medan Analisis Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Seperti pada peramalan jumlah penumpang yang diangkut oleh kereta api melalui stasiun Medan, dalam mengolah dan menganalisis data jumlah barang yang diangkut oleh kereta api melalui stasiun Medan juga menggunakan metode pemulusan eksponensial ganda linier satu parameter dari Brown, dan akan dilakukan dua kali pemulusan yaitu pemulusan eksponensial tunggal, pemulusan eksponensial ganda, dan peramlan. Sebelumnya juga harus ditentukan nilai α yang berkisar antara 0 sampai dengan 1, kemudian dihitung nilai Mean Square Error. Berikut akan dilakukan analisis data dengan metode pemulusan eksponensial yang dimulai dari parameter α=0,1 sampai α=0,9. Dari hasil analisis tersebut, kesalahan akan dibandingkan dari α=0,1 sampai α=0,9 yang memiliki kesalahan terkecil akan digunakan untuk meramalkan jumlah barang yang diangkut kereta api melalui stasiun Medan. Berikut merupakan perhitungan untuk nilai α=0,1; X 2006 = dan X 2007 = maka diperoleh: a. Perhitungan pemulusan eksponensial tunggal untuk jumlah barang yang diangkut oleh kereta api tahun 2007 ( ) dan 2008 ( ) adalah sebagai berikut.
19 34 S ' X (1 ) S ' t t t 1 S ' 0,1( ) 0,9( ) ,40 S ' 0,1( ) 0,9( ,40) ,36 b. Perhitungan pemulusan eksponensial ganda untuk jumlah barang yang diangkut oleh kereta api untuk tahun 2007 ( ) dan 2008 ( ) adalah sebagai berikut. S '' S ' (1 ) S '' t t t 1 S '' 0,1( ,40) 0,9( ,00) ,04 S '' 0,1( ,36) 0,9( ,04) ,87 c. Nilai konstanta (a t ) untuk jumlah barang yang diangkut oleh kereta api tahun 2007 ( ) dan 2008 ( ) adalah sebagai berikut. a 2 S ' S '' t t t a 2( ,40) ( ,04) ,76 a 2(777623,36) (756708,87) ,85 d. Nilai slope (b t ) untuk jumlah barang yang diangkut oleh kereta api tahun 2007 ( ) dan 2008 ( ) adalah sebagai berikut. b ( S ' S '' ) t t t 1 0,1 b 2007 ( , ,04) 0, ,04
20 35 0,1 b 2008 ( , ,87) 0, ,83 Dari nilai konstanta (a t ) dan slope (b t ) tersebut maka dapat dihitung peramalan jumlah barang yang diangkut oleh kereta api melalui stasiun Medan untuk m tahun berikutnya. Peramalan jumlah barang yang diangkut kereta api melalui stasiun Medan tahun 2008 adalah sebagai berikut. F a b ( m) t m t t F a b (1) F , ,04(1) ,80 Untuk mencari nilai Mean Square Error, maka harus ditentukan terlebih dahulu nilai dari error atau kesalahan(e) dan kesalahan kuadrat (e 2 ) dengan rumus (3.1). Perhitungan error atau kesalahan (e) pada peramalan jumlah barang yang diangkut oleh kereta api untuk tahun 2008 ( e X F e , ,20 ) adalah sebagai berikut. Perhitungan error kuadrat atau kesalahan kudrat (e 2 ) pada peramalan jumlah barang yang diangkut oleh kereta api untuk tahun 2008 ( berikut. e , e , Perhitungan secara lengkap dapat dilihat pada tabel berikut. ) adalah sebagai
21 Tabel 3.15 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,1 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,44 672, , , , , , ,09-746, , , ,85 Jumlah ,19 Dengan α=0,1 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,46
22 Tabel 3.16 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,2 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,54 436, , , , , , , , , , , , , , , , , ,18 Jumlah ,26 Dengan α=0,2 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,89
23 Tabel 3.17 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,3 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,49 Jumlah ,57 Dengan α=0,3 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,94
24 Tabel 3.18 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,4 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,18 Jumlah ,18 Dengan α=0,4 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,17
25 Tabel 3.19 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,5 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,69 Jumlah ,63 Dengan α=0,5 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,23
26 Tabel 3.20 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,6 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,23 Jumlah ,76 Dengan α=0,6 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,25
27 Tabel 3.21 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,7 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,18 Jumlah ,58 Dengan α=0,7 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,94
28 Tabel 3.22 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,8 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,74 Jumlah ,35 Dengan α=0,8 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,76
29 Tabel 3.23 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,9 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,89 Jumlah ,26 Dengan α=0,9 dan n=7, analisis kesalahan dari tahun 2008 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,75
30 45 Kemudian bandingkan semua nilai Mean Square Error yang diperoleh dari masing-masing nilai α=0,1;0,2; ;0,9 untuk mendapatkan nilai Mean Square Error terkecil. Perbandingan ukuran ketepatan metode peramalan jumlah barang yang diangkut kereta api melalui stasiun Medan dengan melihat Mean Square Error adalah sebagai berikut. Tabel 3.24 Perbandingan Ukuran Ketepatan Metode Peramalan Data Barang yang diangkut Kereta Api melalui Stasiun Medan No α e 2 MSE 1 0,1 2 0,2 3 0,3 4 0,4 5 0,5 6 0,6 7 0,7 8 0,8 9 0, , , , , , , , , , , , , , , , , , ,75 Dari tabel 3.24 dapat dilihat bahwa yang menghasilkan nilai MSE paling kecil terdapat pada α=0,3 dengan nilai MSE= ,94. Hasil olahan datanya dapat dilihat pada tabel berikut.
31 Tabel 3.25 Pemulusan Esponensial Ganda: Metode Linier Satu Parameter dengan α=0,3 Pada Data Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan Tahun X t S' t S'' t a t b t e e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,49 Jumlah ,57 Dengan α=0,3 dan n=8, analisis kesalahan dari tahun 2007 ke tahun 2014 adalah: MSE n 2 et t 1 n , ,94 46
32 47 Sehingga dapat dilihat pada grafik berikut. Jumlah Barang 1,200,000 1,000, , , , ,000 Pemulusan Peramalan Jumlah Barang yang diangkut Kereta Api melalui Stasiun Medan Data Aktual Pemulusan Pertama Pemulusan kedua Peramalan Gambar 3.5 Grafik Pemulusan Peramalan Jumlah Barang yang diangkut Kereta Api Melalui Stasiun Medan dengan α=0,3 Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya, yaitu sebagai berikut: F a b ( m) t m t t F a b ( m ) 2014 m F , ,82( m) 2014m Dari model peramalan, dapat ditentukan jumlah barang kereta api untuk tahun , seperti pada perhitungan berikut: a. Perhitungan peramalan jumlah barang yang diangkut oleh kereta api melalui stasiun Medan tahun 2015, dengan m=1. F a b (1) F , ,82(1) 2015 F , b. Perhitungan peramalan jumlah barang yang diangkut oleh kereta api melalui stasiun Medan tahun 2016, dengan m=2. F a b (2) F , ,82(2) 2016 F , Tahun
33 48 c. Perhitungan peramalan jumlah barang yang diangkut oleh kereta api melalui stasiun Medan tahun 2017, dengan m=3. F a b (3) F , ,82(3) 2017 F , Tabel Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown dengan menggunakan α = 0,3 dalam Peramalan Jumlah Barang yang diangkut Kereta Api melalui Stasiun Medan untuk Tahun Tahun X t , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,63 Hasil peramalan jumlah barang yang diangkut kereta api melalui stasiun Medan dapat dilihat pada gambar berikut. Jumlah Barang Peramalan Jumlah Barang yang diangkut Kereta Api melalui Stasiun Medan dengan α=0,3 Barang (Ton) Tahun Gambar 3.6. Grafik Peramalan Jumlah Barang yang diangkut Kereta Api melalui Stasiun Medan
34 49 BAB 4 IMPLEMENTASI SISTEM 4.1. Pengertian Implementasi Sistem Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru atau sistem yang akan diperbaiki. Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam progamming (coding). dalam pengolahan data pada karya tulis ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil perhitungan. Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dengan adanya perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya data yang sangat rumit dan banyak tidak dapat dikerjakan secara manual atau dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga yang sangat banyak utuk mengoalh data tersebut, disamping itu faktor kesalahan yang dilakukan manusia relatif besar. Selain itu, dengan adanya perangkat lunak komputer, diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, dan dengan tingkat kesalahan yang relatif kecil.
35 Microsoft Office Excel Microsoft Office Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. Excel merupakan salah satu software pengolahan angka yang cukup banyak digunakan di dunia. Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengolahan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis, dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai dari versi 4, versi 5, versi 97, versi 200, versi 2002, versi 2003, versi 2007 dan versi Sheet (Lembar Kerja) Excel terdiri dari 256 kolom dan baris. Setiap kolom di beri nama dengan huruf mulai dari A, B, C,..., Z kemudian dilanjutkan AA, AB, AC,..., sampai kolom IV. Sedangkan kolom baris ditandai dengan angka mulai dari 1, 2, 3,..., Langkah-Langkah Memulai Pengolahan Data dengan Microsoft Office Excel 2010 Sebelum pengoperasian software ini, pastikan pada komputer terpasang program excel. Adapun cara memulai Microsoft Office Excel 2010 yaitu dengan cara: 1. Double Klik Microsoft Office Excel 2010 pada Desktop
36 51 Gambar 4.1 Cara membuka Microsoft Office Excel Lalu akan muncul tampilan Microsoft Office Excel 2010 Gambar 4.2 Tampilan Microsoft Office Excel Setelah tampilan Microsoft Office Excel 2010 terbuka, maka ketik keterangan pada masing masing kotak sebagai berikut: a. Pada kotak B2 isi keterangan dengan Tahun b. Pada kotak C2 isi keterangan dengan c. Pada kotak D2 isi keterangan dengan d. Pada kotak E2 isi keterangan dengan e. Pada kotak F2 isi keterangan dengan f. Pada kotak G2 isi keterangan dengan
37 52 g. Pada kotak H2 isi keterangan dengan h. Pada kotak I2 isi keterangan dengan i. Pada kotak J2 isi keterangan dengan 4.4. Implementasi Sistem Peramalan Jumlah Penumpang dan Barang yang diangkut Kereta Api melalui Stasiun Medan Fungsi dalam Excel ditujukan untuk memudahkan pengertian formula yang diperlukan dalam melakukan perhitungan aritmatika dan operasi standard. Terdapat banyak fungsi statistik yang disediakan oleh Microsoft Excel, diantaranya dengan menggunakan salah satu fungsi Average, Standard Deviasi, Median, dan Mean. Dalam menyelesaikan tugas akhir ini penulis akan menggunakan salah satu fungsi statistik yaitu fungsi exponential smoothing. Berikut adalah langkah-langkah yang dilakukan dalam pengolahan data dengan fungsi Exponential Smoothing dengan menggunakan Microsoft Office Excel 20010: 1. Masukkan data jumlah penumpang yang daingku kereta api melalui stasiun Medan tahun pada lembar kerja Microsoft Office Excel Lalu hitung ramalan data tersebut dengan menggunakan menu yang ada pada Microsoft Office Excel 2010, yaitu: a. Klik Data lalu Data Analysis b. Setelah itu pilih Exponential Smoothing dari tampilan Data Analysis lalu pilih Ok. (Lihat Gambar 4.3)
38 53 Gambar 4.3 Tampilan Data Analysis c. Lalu akan muncul tampilan Exponential Smoothing, lalu pada Input Range diisi dengan memblok range pada data aktual yang telah dimasukkan sebelumnya. Masukkan nilai untuk α = 0,1, maka Damping Factornya adalah 0,9. d. Kemudian pada bagian Output Range pada Menu Output Option, masukkan range yang berfungsi sebagai tempat hasil output. Lalu Klik OK maka hasil output akan muncul pada range yang telah ditentukan. Dan begitu juga cara untuk mencari pemulusan kedua. (Lihat Gambar 4.4) Gambar 4.4 Tampilan Exponential Smoothing e. Untuk mendapat nilai,, nilai peramalan (F t ), dan nilai kesalahan digunakan data angka (numerik) yaitu karakter nilai konstan dan karakter khusus yang dibaca dalam format data angka yang terdiri dari angka dan tanda-tanda khusus seperti :, *, +, -, /, % dan lain-lain. Contohnya: =F15+G15*(3) lalu tekan Enter. Untuk lebih jelasnya lihat Gambar 4.5 dibawah ini:
39 54 Gambar 4.5 Tampilan Data jumlah penumpang yang diangkut kereta api melalui stasiun Medan tahun Lakukan langkah yang sama untuk melakukan pemulusan dan peramalan pada jumlah barang yang diangkut oleh kereta api melalui stasiun Medan beradasarkan pada data tahun Perhitungan dari Gambar 4.5 dapat dicari dengan cara berikut: 1. Smoothing pertama, untuk tahun pertama ditentukan sebesar tahun pertama dari data historisnya sehingga rumus yang tertera pada sel D3 adalah C3. Sedangkan untuk tahun kedua dapat dihitung dengan rumus =0,1*C4+0,9*D3. Dalam kasus ini menghasilkan angka: Dan untuk tahun- tahun berikutnya hanya menyalin rumus tersebut. 2. Smoothing kedua, untuk tahun pertama ditentukan sebesar nilai tahun pertama dari data historisnya. Sehingga rumus yang tertera pada sel E3 adalah D3. Sedangkan untuk tahun kedua dapat dihitung dengan rumus: =0,1*D4+0,9*E3. Dalam kasus ini akan menghasilkan ,30. Dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
40 55 3. Nilai baru bias dicari pada tahun kedua yaitu dengan rumus =(2*D4) E4. Dalam kasus ini menghasilkan nilai ,70. Dan untuk tahun tahun berikutnya hanya menyalin rumus tersebut. 4. Nilai slope ( ) baru bisa dicari pada tahun kedua yaitu dengan rumus =(0,1/(1-0,1))*(D4-E4). Dalam nilai kasus ini menghasilkan 11044,30. Dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 5. Forecast (F t ) untuk tahun ketiga yaitu pada sel H5 dapat dicari dengan rumus F4+(G4*(1)) dengan hasil Dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut Pembuatan Grafik Untuk membuat grafik pada Microsoft Office Excel 2010 langkah-langkahnya sebagai berikut. 1. Dari data yang sudah ada sebelumnya tadi, tambahkan Tahun Peramalan dan hasil peramalan yang sudah diolah. (Lihat Gambar 4.6) Gambar 4.6 Tampilan data dengan hasil peramalan 2. Klik menu Insert, pilih Line dan pilih salah satu Line yang tersedia dan akan muncul kotak kosong seperti Gambar 4.7 dibawah ini.
41 56 Gambar 4.7 Langkah langkah pembuatan grafik Jumlah penumpang yang diangkut kereta api melalui stasiun Medan 3. Lalu klik kanan pada kotak kosong tersebut, kemudian pilih Select Data dan akan muncul tampilan Select Data Source, pada bagian Legend Entries (Series) pilih add, kemudian pilih data mana saja yang akan ditambahkan kedalam grafik. Untuk menambahkan data X t maka pada Series name pilih C2 dan pada series values pilih C3:C12 dengan cara memblok kolom C3:C12 lalu klik OK. Gambar 4.8 Tampilan Edit series Lakukan langkah yang sama untuk memasukkan data pemulusan pertama, data pemulusan kedua, dan data peramalan ke dalam grafik sehingga menghasilkan gambar 4.9
42 57 Gambar 4.9 Hasil grafik pemulusan jumlah penumpang yang diangkut kereta api melalui stasiun Medan 4. Lakukan langkah yang sama untuk membuat grafik pemulusan peramalan jumlah barang yang diangkut kereta api melalui stasiun Medan.
43 58 BAB 5 KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan hasil pengolahan data jumlah penumpang dan barang yang diangkut kereta api, maka penulis mengambil kesimpulan sebagai berikut: 1. Parameter untuk ketepatan peramalan jumlah penumpang yang diangkut oleh kereta api melalui stasiun Medan terdapat padaα=0,2 dengan nilai Mean Square Error= ,24. Sedangkan parameter untuk ketepatan peramalan jumlah barang yang diangkut oleh kereta api melalui stasiun Medan terdapat pada α =0,3 dengan nilai Mean Square Error= ,94. Bentuk persamaan peramalan jumlah penumpang yang diangkut kereta api melalui stasiun Medan adalah: F , ,66( m) 2104m Bentuk persamaan peramalan jumlah barang yang daingkut kereta api melalui stasiun Medan adalah: F , ,82( m) 2014m 2. Berdasarkan chart data, jumlah peramalan penumpang yang diangkut kereta api cenderung mengalami peningkatan sedangkan jumlah peramalan barang yang daingkut kereta api mengalami penurunan. Hasil peramalannya adalah: No Tahun Peramalan Penumpang (orang) Peramalan Barang (ton) , , ,63 Tabel 5.1. Hasil peramalan jumlah penumpang dan barang yang diangkut kereta api tahun
44 Saran Beberapa saran yang dapat diberikan penulis dari hasil penelitian ini adalah: 1. Dengan meningkatnya jumlah penumpang yang diangkut kereta api menandakan minat masyarakat terhadap jasa transportasi kereta api tinggi, hendaknya diikuti dengan perbaikan pelayanan serta sarana dan prasarana. 2. Perlu digunakan sarana pemasaran yang gencar guna memperkenalkan kepada masyarakat keunggulan menggunakan sarana transportasi Kerta Api sebagai salah satu alat pengangkutan baik penumpang maupun barang.
BAB 3 ANALISA DATA. produksi kelapa sawit dari tahun 2007 sampai dengan tahun Tabel 3.1 Data Produksi Kelapa Sawit di
BAB 3 ANALISA DATA 3.1 Pengumpulan Data Data yang digunakan untuk penganalisaan tugas akhir ini adalah data jumlah hasil produksi kelapa sawit dari tahun 2007 sampai dengan tahun 2014 Tabel 3.1 Data Produksi
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pengertian Pengolahan Data
16 BAB 3 PEMBAHASAN 3.1 Pengertian Pengolahan Data Pengolahan data diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah ditafsirkan dan menguraikan masalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Produksi Kedelai Dalam ketersediaan kedelai sangat diperlukan diberbagai penjuru masyarakat dimana produksi kedelai merupakan suatu hasil dari bercocok tanam dimana dilakukan dengan
Lebih terperinciMengerjakan Latihan dengan Microsoft Office Excel
P10 Mengerjakan Latihan dengan Microsoft Office Excel 10.1 TUJUAN Mahasiswa memahami dan terampil mengerjakan beberapa latihan menggunakan Microsoft Excel. 10.2 PEMBAHASAN Membuat ranking pada table Mengurutkan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Kerata api mempunyai peran penting dalam mobilitas penduduk. Dari grafik jumlah penumpang dan barang yang diangkut oleh kereta api, minat masyarakat terhadap jasa
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciBAB 2 LANDASAN TEORI. sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada
BAB 2 LANDASAN TEORI 2.1 Curah Hujan Hujan sangat diperlukan diberbagai penjuru masyarakat. Curah hujan tidak selalu sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada bulan-bulan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB III SEJARAH DAN STRUKTUR BPS
BAB III SEJARAH DA STRUKTUR BPS 3.1 Sejarah Badan Pusat Statistik (BPS) Badan Pusat Statistik (BPS) adalah Lembaga egara on Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Persiapan Penelitian Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko mitra elektronik yaitu dari tahun 2010 2013 untuk memprediksi penjualan
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 1.1 Landasan Teori 1.1.1 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Menurut kamus besar bahasa indonesia, prediksi adalah hasil dari kegiatan memprediksi atau
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciBAB II TINJAUAN PUSTAKA. masa yang akan datang. Sedangkan ramalan adalah suatu situasi yang diperkirakan
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori. 2.1.1 Pengertian Peramalan. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciBAB 1 PENDAHULUAN. Indonesia merupakan salah satu negara berkembang yang dengan giat melakukan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan salah satu negara berkembang yang dengan giat melakukan pembangunan di segala sektor. Pembangunan tersebut dilakukan dengan cara bertahap dalam
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Sejalan dengan kemajuan dan peningkatan taraf kehidupan, maka jumlah
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sejalan dengan kemajuan dan peningkatan taraf kehidupan, maka jumlah penyediaan air semakin meningkat untuk setiap saat. Air merupakan salah satu faktor yang sangat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinci3. JUMLAH MENU BAR YANG TERDAPAT PADA MICROSOFT EXCEL 2003 SEBANYAK. BUAH A. 7 B. 8 C. 9 D YANG MERUPAKAN ICON SAVE ADALAH. A. B. C.
3. JUMLAH MENU BAR YANG TERDAPAT PADA MICROSOFT EXCEL 2003 SEBANYAK. BUAH A. 7 B. 8 C. 9 D YANG MERUPAKAN ICON SAVE ADALAH. A. B. C. D LATIHAN SOAL TIK KELAS 8. PAKET 1 I. Pilihan Ganda Pilihlah salah
Lebih terperinciBAB 2 LANDASAN TEORI. untuk pergerakannya, dan digunakan untuk transportasi darat. Umumnya
BAB 2 LANDASAN TEORI 2.1 Kendaraan Bermotor Kendaraan bermotor adalah kendaraan yang digerakkan oleh peralatan teknik untuk pergerakannya, dan digunakan untuk transportasi darat. Umumnya kendaraan bermotor
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Pada bab ini akan memaparkan berbagai teori yang melandasi penulis dalam membangun aplikasi yang nantinya akan dibuat. 3.1 Customer Relationship Management (CRM) Menurut Buttle (2004,
Lebih terperinciBAB. 1 PENDAHULUAN Latar Belakang
1 BAB. 1 PENDAHULUAN 1.1. Latar Belakang Kain adalah bahan mentah yang dapat dikelola menjadi suatu pakaian yang mempunyai nilai financial dan konsumtif dalam kehidupan, seperti pembuatan baju. Contohnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, kita perlu melakukan suatu penarikan sampel. Hal ini dikarenakan tidak selamanya kita dapat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. PengertianPeramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan,
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu
Lebih terperinciMembuat keputusan yang baik
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat
BAB 3 PERANCANGAN PROGRAM 3.1 Alasan digunakan Metode Exponential Smoothing Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat penjualan untuk beberapa periode ke depan. Biasanya untuk
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB)
BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto (PDRB) Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) yang dihasilkan oleh setiap kegiatan/lapangan usaha. Dalam
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Semua barang dan jasa sebagai hasil dari kegiatan-kegiatan ekonomi yang beroperasi
BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto (PDRB) Semua barang dan jasa sebagai hasil dari kegiatan-kegiatan ekonomi yang beroperasi diwilayah domestik, tanpa memperhatikan apakah faktor
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Kabupaten Mandailing Natal merupakan daerah yang memiliki potensi sumber daya
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kabupaten Mandailing Natal merupakan daerah yang memiliki potensi sumber daya alam yang cukup besar untuk sektor pertanian, perkebunan dan pertambangan. Salah satu
Lebih terperinciBAB 3 GAMBARAN UMUM KABUPATEN TAPANULI SELATAN
13 BAB 3 GAMBARAN UMUM KABUPATEN TAPANULI SELATAN 3.1 Keadaan Daerah Kabupaten Tapanuli Selatan terletak pada garis 58 35 0-2 07 33 Lintang Utara dan 98 42 50-99 34 16 Bujur Timur. Sebelah utara berbatasan
Lebih terperinciPemrograman Microsoft Excel
Pemrograman Microsoft Excel Dalam pengolahan data, teknologi informasi memiliki berbagai macam bentuk aplikasi perhitungan, salah satunya dengan menggunakan microsoft excel, disini anda akan dijelaskan
Lebih terperinciBAB 2 LANDASAN TEORI. datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Ramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih terperinciBAB 1 PENDAHULUAN. barang yang dimaksud terdiri dari barang dari dalam negeri, barang dari luar negeri,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ekspor adalah kegiatan mengeluarkan barang dari dalam negeri ke luar negeri, dimana barang yang dimaksud terdiri dari barang dari dalam negeri, barang dari luar negeri,
Lebih terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciDeteksi Autokorelasi dengan Metode Grafik Excel
Deteksi Autokorelasi dengan Metode Grafik Excel Junaidi Junaidi A. Pengantar Salah satu asumsi dalam model regresi linear klasik adalah tidak adanya autokorelasi. Autokorelasi adalah kondisi dimana terdapat
Lebih terperinci3. Jumlah menu bar yang terdapat pada Microsoft Excel 2003 sebanyak. Buah a. 7 b. 8 c. 9 d Yang merupakan icon Save adalah. a. b. c. d.
LATIHAN SOAL TIK KELAS 8. PAKET 1 I. Pilihan Ganda Pilihlah salah satu jawaban yang benar. 1. Pengertian dari Microsoft Excel adalah... a. Program (perangkat lunak) pengolah kata b. Program (perangkat
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Lebih terperinciVII. MODEL PRAKIRAAN PERMINTAAN
VII. MODEL PRAKIRAAN PERMINTAAN A. Peramalan (Forecasting) Peramalan merupakan dugaan atau perkiraan mengenai terjadinya suatu peristiwa atau kejadian pada waktu yang akan datang, yang dapat bersifat kualitatif
Lebih terperinciBAB 3 BADAN PUSAT STATISTIK (BPS)
20 BAB 3 BADAN PUSAT STATISTIK (BPS) 3.1 Sejarah Badan Pusat Statistik (BPS) Seiring dengan adanya perkembangan jaman, khususnya pada pemerintahan Orde Baru, untuk memenuhi kebutuhan dalam perencanaan
Lebih terperinciPERAMALAN NILAI PENJUALAN ENERGI LISTRIK DI PT. PLN (PERSERO) CABANG BINJAI UNTUK TAHUN 2008
PERAMALA ILAI PEJUALA EERGI LISTRIK DI PT. PL (PERSERO) CABAG BIJAI UTUK TAHU 2008 TUGAS AKHIR MAGDALEA LUMBATOBIG 052407060 DEPARTEME MATEMATIKA FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM UIVERSITAS SUMATERA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pengangguran merupakan masalah ekonomi makro yang berpengaruh langsung bagi
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengangguran merupakan masalah ekonomi makro yang berpengaruh langsung bagi standart kehidupan masyarakat baik di negara maju maupun negara berkembang yang menjadi
Lebih terperinciMembuat Piramida Penduduk dengan Excel
Membuat Piramida Penduduk dengan Excel dikutip dari: http://junaidichaniago.wordpress.com/2009/04/05/membuat-piramidapenduduk-dengan-excel/ (tanggal 7 Juni 2010) Memahami komposisi penduduk menurut umur
Lebih terperinciPengenalan Microsoft Excel 2007
Pengenalan Microsoft Excel 2007 Microsoft Excel merupakan perangkat lunak untuk mengolah data secara otomatis meliputi perhitungan dasar, penggunaan fungsi-fungsi, pembuatan grafik dan manajemen data.
Lebih terperinciPerkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri
Perbandingan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Klip (Studi Kasus PT. Indoprima Gemilang Engineering) Aditia Rizki Sudrajat 1, Renanda
Lebih terperinciPelatihan Microsoft Excel
Pelatihan Microsoft Excel Advanced Petrus Santoso 13 Isi What-If Analysis... 1 Goal Seek... 1 Data Table... 2 Pivot Table... 5 Persiapan untuk Membuat Pivot Table... 6 Membuat Pivot Table... 7 Advanced
Lebih terperinciMembuat Grafik dengan Microsoft Excel
Pelajaran 7 Membuat Grafik dengan Microsoft Excel Tabel dan grafik merupakan dua bagian yang tidak dapat dipisahkan dalam mengolah data. Dengan adanya grafik menunjukkan bahwa data yang disajikan lebih
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
Lebih terperinciStatistik Deskriptif dengan Microsoft Office Excel
Statistik Deskriptif dengan Microsoft Office Excel Junaidi, Junaidi I. Prosedur Statistik Deskriptif pada Excel Statistik deskriptif adalah statistik yang bertujuan untuk mendeskripsikan atau menggambarkan
Lebih terperinciPERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI KOTA PEMATANG SIANTAR TAHUN DENGAN METODE EKSPONENSIAL SMOOTHING TUGAS AKHIR
PERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI KOTA PEMATANG SIANTAR TAHUN 2015-2017 DENGAN METODE EKSPONENSIAL SMOOTHING TUGAS AKHIR FAZZAR ADE MASSAYU NASUTION 132407109 PROGRAM STUDI D3 STATISTIKA
Lebih terperinciPERENCANAAN PRODUKSI
PERENCANAAN PRODUKSI Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi
Lebih terperinciBAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 TINJAUAN TEORITIS 2.1. Pengertian pengertian Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
Lebih terperinciBAB II LANDASAN TEORI. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada
BAB II LANDASAN TEORI 2.1 Konsep Sistem Informasi Sebelum merancang sistem perlu dikaji konsep dan definisi dari sistem.. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa. situasi dan kondisi di masa yang akan datang.
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan ramalan
Lebih terperinciMembuat Grafik dengan Dua Sumbu (Axis) Vertikal yang Berbeda
Membuat Grafik dengan Dua Sumbu (Axis) Vertikal yang Berbeda Junaidi, Junaidi (Staf Pengajar Fakultas Ekonomi dan Bisnis Universitas Jambi) Dalam penyajian data, sering dibutuhkan grafik dengan dua sumbu
Lebih terperinciModul Praktikum 4 Dasar-Dasar Teknologi Informasi dan Komunikasi
Modul Microsoft Word 2003 (3) Bekerja dengan Tabel dan Grafik (Chart) A. Bekerja Dengan Tabel Dalam suatu dokumen kadang digunakan tabel untuk menampilkan data ataupun hasil analisis yang telah kita buat.
Lebih terperinciKATA PENGANTAR. Ikatlah ilmu dengan menuliskannya.
KATA PENGANTAR M icrosoft Excel adalah program untuk mengolah lembar kerja yang paling populer saat ini. Dengan Excel, kita bisa membuat dan menganalisa berbagai data, menghitung dan membuat grafik. Modul
Lebih terperinciBAB I PENDAHULUAN. Semenjak terjadinya krisis ekonomi, mengakibatkan lumpuhnya sendi-sendi
BAB I PENDAHULUAN 1.1 Latar Belakang Semenjak terjadinya krisis ekonomi, mengakibatkan lumpuhnya sendi-sendi perekonomian nasional. Oleh karena itu, informasi mengenai perkembangan dan kondisi perekonomian
Lebih terperinciMODUL MINITAB UNTUK PERAMALAN DENGAN METODE ARIMA DAN DOUBLE EXPONENTIAL
MODUL MINITAB UNTUK PERAMALAN DENGAN METODE ARIMA DAN DOUBLE EXPONENTIAL Minitab adalah program statistik yang setiap versinya terus dikembangkan. Gambar 1 memperlihatkan kepada anda aspek-aspek utama
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1. Produksi Produksi air bersih adalah pengolahan air sungai menjadi air bersih yang dapat digunakan dalam kebutuhan rumah tanggga, seperti air minum, mencuci, mandi dan kebutuhan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama ( assaury, 1991). Sedangkan ramalan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi merupakan suatu kegiatan yang dikerjakan untuk menambah nilai guna suatu benda baru sehingga lebih bermanfaat dalam memenuhi kebutuhan. Produksi jahe
Lebih terperinciMemulai Menggunakan Microsoft Excel
1 Memulai Menggunakan Microsoft Excel Microsoft Excel atau sering disebut sebagai Ms. Excel merupakan program aplikasi lembar kerja elektronik (spreadsheet), yang dapat dipakai untuk mengelola teks, angka,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien (Makridakis,1991). Peramalan merupakan studi terhadap data historis untuk menemukan
Lebih terperinciPengenalan Aplikasi Lembar Sebar dengan Microsoft Excel Disusun Oleh : Drs. Hendra Lesmana Guru SMA Muhammadiyah Sukabumi
Pengenalan Aplikasi Lembar Sebar dengan Microsoft Excel Disusun Oleh : Drs. Hendra Lesmana Guru SMA Muhammadiyah Sukabumi Excel Microsoft Excel XP 1 1 Dasar-dasar Excel Setelah mempelajari modul ini, peserta
Lebih terperinciBAB 1 PENDAHULUAN dan luas perairannya Indonesia adalah Negara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan Negara maritim yang mempunyai belasan ribu pulau dengan teritori laut yang sangat luas. Wilayah Indonesia terbentang sepanjang 3.977 mil diantara
Lebih terperinciMembuat Grafik Sondir Menggunakan Ms ExCeL 2007
Membuat Grafik Sondir Menggunakan Ms ExCeL 2007 Suatu kemudahan untuk menggunakan buku ini karena menyajikan tampilan instruksi yang akan memudahkan bagi para pembaca untuk mencoba menjalankannya Buku
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel
Estimasi, Pemilihan Model dan Peramalan Deret Waktu dengan Microsoft Office Excel Author: Junaidi Junaidi Terdapat berbagai pola pergerakan data deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Matematika memegang peranan penting dalam kehidupan. Selain sebagai salah satu kajian ilmu utama dalam pendidikan, matematika juga berperan untuk menunjang ilmu-ilmu
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam rangka upaya untuk penyelenggaraan pemerintahan dan pelayanan kepada masyarakat, pemerintah pusat dan pemerintah daerah merupakan suatu kesatuan yang tidak dapat
Lebih terperinciBAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciLatihan 1: Mengoperasikan Excel
Student Exercise Series: Microsoft Office Excel 007l Latihan : Mengoperasikan Excel Buatlah sebuah buku kerja baru, kemudian ketikkan teks-teks berikut ini. Simpan hasilnya dengan nama Lat-0 dalam folder
Lebih terperinciAPLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA BROWN DALAM MERAMALKAN JUMLAH PENDUDUK BERDASARKAN JENIS KELAMIN DI KOTA MEDAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 11 18. APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA BROWN DALAM MERAMALKAN JUMLAH PENDUDUK BERDASARKAN JENIS KELAMIN DI KOTA MEDAN Hotlim P. Sirait, Ujian Sinulingga,
Lebih terperinciMENGENAL MICROSOFT EXCEL 2007
MENGENAL MICROSOFT EXCEL 2007 Microsoft Excel merupakan program dari Microsoft Office yang dikhususkan untuk pengolahan lembar kerja (worksheet) atau biasa dikenal dengan istilah spreadsheet program. Microsoft
Lebih terperinciLangkah-Langkah Perhitungan Berikut diberikan data penjualan mobil Bima selama tahun 2000:
BAB 1 STATISTIK DESKRIPTIF Statistik deskriptif lebih berhubungan dengan pengumpulan dan peringkatan data, serta penyajian hasil peringkasan tersebut. Data statistik yang bisa diperoleh dari hasil sensus,
Lebih terperinciMembuat Grafik Di Microsoft Excel
Membuat Grafik Di Microsoft Excel 1. Pembuatan Grafik dengan Chart Wizard Pembuatan grafik dari data merupakan salah satu cara dalam mempermudah pembacaan, karena gambar diibaratkan bisa melukiskan segala
Lebih terperinci(FORECASTING ANALYSIS):
ANALISIS KUANTITATIF ANALISIS PERAMALAN Hand-out ke-3 ANALISIS PERAMALAN (FORECASTING ANALYSIS): Contoh-contoh sederhana PRODI AGRIBISNIS UNEJ, 2017 PROF DR IR RUDI WIBOWO, MS Contoh aplikasi tehnik peramalan
Lebih terperinciMengoperasikan Piranti Lunak OpenOffice.org Calc
Mengoperasikan Piranti Lunak OpenOffice.org Calc A. Mengatur Format Buku Kerja 1. Buka buku kerja baru dengan mengklik ikon New pada Function Toolbar. 2. Ketik data seperti di bawah ini pada lembar pertama.
Lebih terperinciModul 5 Mengoperasikan Perangkat Lunak Lembar Sebar (Open Source) 1 KEGIATAN BELAJAR 2
Modul 5 Mengoperasikan Perangkat Lunak Lembar Sebar (Open Source) 1 KEGIATAN BELAJAR 2 3.1. Modul 3.1.1. Mengenali Bagian-Bagian, Menu dan Istilah dalam Open Office Calc. Open Office Calc adalah salah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perdagangan antar negara terjadi seiring dengan berkembangnya kehidupan ekonomi manusia. Berkembangnya kebutuhan ekonomi itu sendiri didorong akibat berkembangnya peradaban
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan salah satu hasil bercocok tanam yang dilakukan dengan penanaman bibit padi dan perawatan serta pemupukan secara teratur sehingga menghasilkan
Lebih terperinciMODUL PERKULIAHAN. Aplikasi Komputer. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN Aplikasi Komputer Ms. Excel 2010 Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh Mata Kuliah Ciri Universitas (MKCU) 09 Abstract Modul ini menjelaskan tentang Aplikasi Microsoft
Lebih terperinciPERAMALAN BANYAKNYA JUMLAH SURAT KILAT YANG DIKIRIM DAN DITERIMA KANTOR POS MEDAN DAN BELAWAN TAHUN 2011 TUGAS AKHIR
PERAMALAN BANYAKNYA JUMLAH SURAT KILAT YANG DIKIRIM DAN DITERIMA KANTOR POS MEDAN DAN BELAWAN TAHUN 2011 TUGAS AKHIR Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya FRISKA
Lebih terperinciRumus dan Fungsi I Rumus dan Fungsi
Rumus dan Fungsi I 5.1. Rumus dan Fungsi Microsoft merupakan perangkat lunak spreadsheet yang diposisikan untuk mengolah angka yang mengharuskan pemakai berhadapan dengan penggunaan rumus dan fungsi untuk
Lebih terperinciPROYEKSI TINGKAT PRODUKSI PADI DAN KEBUTUHAN KONSUMSI BERAS PADA TAHUN 2009 DI KABUPATEN ACEH TIMUR TUGAS AKHIR NURMASYITHAH
1 PROYEKSI TINGKAT PRODUKSI PADI DAN KEBUTUHAN KONSUMSI BERAS PADA TAHUN 2009 DI KABUPATEN ACEH TIMUR TUGAS AKHIR NURMASYITHAH 052407016 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPengenalan Ms. Excel 2-6-
Konsep Sistem Informasi A Pengenalan Ms. Excel 2-6- KSI A. Missa Lamsani Hal 1 Microsoft Excell General Purpose Electronic Spreadsheet yang bekerja dibawah Sistem Operasi Windows. Microsoft Excel dapat
Lebih terperinciModul ke: Aplikasi komputer. Microsoft Excel 2010 Bagian 1. 09Fakultas FASILKOM. Wardhana., S.Kom., S.T., MM. Program Studi MKCU
Modul ke: 09Fakultas Ariyani FASILKOM Aplikasi komputer Microsoft Excel 2010 Bagian 1 Wardhana., S.Kom., S.T., MM Program Studi MKCU Microsoft Excel Sebuah program aplikasi lembar kerja spreadsheet yang
Lebih terperinciPetunjuk Praktis Penggunaan Microsoft Excel 2003
Petunjuk Praktis Penggunaan Microsoft Excel 2003 Oleh : Rino A Nugroho, S.Sos,M.T.I Ada beberapa aplikasi perkantoran yang diciptakan oleh Microsoft. Aplikasi ini di jadikan dalam satu program yang bernama
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
Lebih terperinciOpenOffice.org Writer OpenOffice.org Calc OpenOffice.org Impress OpenOffice.org Draw OpenOffice.org Math OpenOffice.org Base OPEN OFFICE CALC
OpenOffice.org adalah seperangkat lunak perkantoran yang didalamnya terdapat fungsi pengolah kata (word processing), pengolah lembar (spreadsheet), pembuatan gambar (drawing), pembuatan presentasi (presentation),
Lebih terperinciSainstech. Dalam. Membuat. Tahap 2: Total Siswa. Jul. Mei. Mar. Feb. Apr. Jun PLC. Rata rata
Sainstech Unisma Bekasi Pertemuan 8 (Grafik 2 y axis dan link antar sheet) Bagian 1 : Membuat Grafik dengan 2 y axis Penjelasan singkat : Dalam latihan ini akan dilakukan pembuatan grafik yang menampilkan
Lebih terperinciPERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN (PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG BERDASARKAN DATA TAHUN TUGAS AKHIR
PERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN (PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG BERDASARKAN DATA TAHUN 2005-2009 TUGAS AKHIR SAHAT MANIK 082407116 PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN
Lebih terperinci