BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM
|
|
- Lanny Hartono
- 5 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM Implementasi sistem adalah bentuk dari perancangan sistem yang dilakukan sebelumnya. Pada bab ini akan dijelaskan mengenai implementasi dan pengujian dari aplikasi sistem peramalan penjualan kain majun perperiode (bulan) di UD. Farrel Mulya Industri dengan menggunakan metode Trend Moment untuk mengetahui tingkat penjualan pada bulan berikutnya yang akan digunakan untuk menentukan target penjualan kain majun kedepan. 4.1 Implementasi Aplikasi Sistem Peramalan Penjualan Kain Majun Perbulan UD. Farrel Mulya Industri dengan Metode Trend Moment Pada implementasi sistem ini akan membahas algoritma yang telah dirancang pada bab 3, yaitu tahap processing dengan metode Trend Moment, Mean Absolute Deviation (MAD) dan Mean Absolute Persentage Error (MAPE). Dalam mengimplementasikan sistem ini dibangun dengan menggunakan bahasa pemrograman (PHP) Proses Trend Moment Dalam proses perhitungan Trend Moment terdapat beberapa langkah perhitungan antara lain yaitu menentukan data yang akan diramalkan kemudian menghitung nilai x, x 2, xy, y, xy, x 2. Setelah nilai dari tiap variabel tersebut di temukan selanjutnya menghitung nilai b (koefisien garis trend) dari nilai b dapat digunakan untuk menghitung nilai a (bilangan konstanta) yang akan digunakan untuk meramalkan data sampel penjualan aktual yang terdiri dari 38 periode (bulan). Source code pada Gambar 4.1 digunakan untuk memasukkan data pembeli kain majun yang nantinya digunakan untuk pengelompokan data hasil penjualan berdasarkan data pembeli untuk diprediksi penjualan pada peride selanjutnya. 56
2 57 Kode program 4.1 Source code Data Pembeli $op filter_input(input_post, "op"); if($op"baca"){ $sql"select id_pembeli,nama_pt FROM `pembeli` ORDER BY id_pembeli asc"; $query mysqli_query($link, $sql); $dataarray(); $no0; while ($row mysqli_fetch_array($query)) { $data[$no][0]($no+1); $data[$no][1]$row["nama_pt"]; $data[$no][2]'<button type"button" class"btn btn-round btnwarning p_edit_pembeli" data-id"'.$row["id_pembeli"].'"><i class"fa fa-edit"></i> Ubah</button>'.'<button type"button" class"btn btn-round btndanger p_hapus_pembeli" data-id"'.$row["id_pembeli"].'"><i class"fa fa-trash"></i> Hapus</button>'; $no++; $kirimarray( "data">$data ); echo json_encode($kirim); else if ($op "tambah") { $nama_pt addslashes(filter_input(input_post, "nama")); $sql_ins "INSERT INTO pembeli set nama_pt'". $nama_pt. "'"; $query_in mysqli_query($link, $sql_ins); if($query_in){ echo json_encode("ok"); else{ echo json_encode("gagal");
3 58 else if ($op "ubah") { $id_edit addslashes(filter_input(input_post, "id_edit")); $nama addslashes(filter_input(input_post, "nama2")); $sql_up "UPDATE pembeli set nama_pt'". $nama. "' WHERE id_pembeli'". $id_edit. "'"; $query_up mysqli_query($link, $sql_up); if($query_up){ echo json_encode("ok"); else{ echo json_encode("gagal"); //end untuk edit data ke db //start untuk hapus data dari db else if ($op "hapus") { $id_hapus filter_input(input_post, "id_hapus"); $sql_del "DELETE FROM pembeli WHERE id_pembeli'".$id_hapus."'"; $query_del mysqli_query($link, $sql_del); if($query_del){ echo json_encode("ok"); else{ echo json_encode("gagal");
4 59 Kode program 4.2 Source code Data Penjualan $op filter_input(input_post, "op"); if($op"baca"){ $sql"select p.id_penjualan,p.id_pembeli,b.nama_pt,p.periode,date_format(p.periode, '%b-%y') as tgl,p.jml_penjualan FROM penjualan as p,pembeli as b WHERE p.id_pembelib.id_pembeli ORDER BY p.id_penjualan asc"; $query mysqli_query($link, $sql); $dataarray(); $no0; while ($row mysqli_fetch_array($query)) { $data[$no][0]($no+1); $data[$no][1]$row["nama_pt"]; $data[$no][2]$row["tgl"]; $data[$no][3]$row["jml_penjualan"]; $data[$no][4]'<button type"button" class"btn btn-round btnwarning p_edit_penjualan" data-id"'.$row["id_penjualan"].'" dataid_pembeli"'.$row["id_pembeli"].'" dataperiode"'.$row["periode"].'"><i class"fa fa-edit"></i> Ubah</button>'.'<button type"button" class"btn btn-round btndanger p_hapus_penjualan" data-id"'.$row["id_penjualan"].'"><i class"fa fa-trash"></i> Hapus</button>'; $no++; $kirimarray( "data">$data ); echo json_encode($kirim); else if($op"baca_pembeli"){ $sql"select id_pembeli,nama_pt FROM pembeli"; $query mysqli_query($link, $sql); $dataarray(); $no0; while ($row1 mysqli_fetch_assoc($query)) { $data[$no][0]$row1["id_pembeli"]; $data[$no][1]$row1["nama_pt"]; $no++; echo json_encode($data);
5 60 else if ($op "tambah") { $id_pembeli addslashes(filter_input(input_post, "id_pembeli")); $periode filter_input(input_post, "bulan")."-". filter_input(input_post, "tahun"); $jumlah addslashes(filter_input(input_post, "jumlah")); $sql_ins "INSERT INTO penjualan set id_pembeli'". $id_pembeli. "', periodestr_to_date('01-". $periode. "','%d-%b-%y'), jml_penjualan'". $jumlah. "'"; $query_in mysqli_query($link, $sql_ins); if($query_in){ echo json_encode("ok"); else{ echo json_encode("gagal"); else if ($op "ubah") { $id_edit addslashes(filter_input(input_post, "id_edit")); $periode filter_input(input_post, "bulan2")."-". filter_input(input_post, "tahun2"); $jumlah addslashes(filter_input(input_post, "jumlah2")); $id_pembeli addslashes(filter_input(input_post, "id_pembeli2")); $sql_up "UPDATE penjualan set id_pembeli'". $id_pembeli. "', periodestr_to_date('01-". $periode. "','%d-%b-%y'), jml_penjualan'". $jumlah. "' WHERE id_penjualan'". $id_edit. "'"; $query_up mysqli_query($link, $sql_up); if($query_up){ echo json_encode("ok"); else{ echo json_encode("gagal"); else if ($op "hapus") { $id_hapus filter_input(input_post, "id_hapus"); $sql_del "DELETE from penjualan WHERE id_penjualan'".$id_hapus."'"; $query_del mysqli_query($link, $sql_del); if($query_del){ echo json_encode("ok"); else{ echo json_encode("gagal");
6 61 Kode program 4.3 Source code Pengujian data $op filter_input(input_post, "op"); //start baca pembeli dan tahun if ($op "baca_pembeli") { //start baca pembeli $sql "SELECT id_pembeli,nama_pt FROM pembeli"; $query mysqli_query($link, $sql); $data array(); $no 0; while ($row1 mysqli_fetch_assoc($query)) { $data[$no][0] $row1["id_pembeli"]; $data[$no][1] $row1["nama_pt"]; $no++; //end baca pembeli //start baca tahun $sql2 "SELECT date_format(periode,'%y') as tahun FROM penjualan GROUP BY tahun"; $query2 mysqli_query($link, $sql2); $data2 array(); $no2 0; while ($row2 mysqli_fetch_assoc($query2)) { $data2[$no2] $row2["tahun"]; $no2++; //end baca tahun $kirim array( "pembeli" > $data, "tahun" > $data2 ); echo json_encode($kirim);
7 62 elseif ($op "prediksi") { $id_pembeli filter_input(input_post, "id_pembeli"); $data_acuan filter_input(input_post, "data_acuan"); $data_uji filter_input(input_post, "data_uji"); $sql "SELECT id_penjualan,date_format(periode,'%b-%y') as tgl,jml_penjualan FROM penjualan WHERE id_pembeli'".$id_pembeli."' ORDER by periode asc"; $query mysqli_query($link, $sql); $data array(); $no 0; while ($row mysqli_fetch_assoc($query)) { $data[$no][0] ($no + 1); $data[$no][1] $row["tgl"]; $data[$no][2] $row["jml_penjualan"]; //y $data[$no][3] 0; //Ey $data[$no][4] 0; //Ex $data[$no][5] 0; //Exy $data[$no][6] 0; //Ex2 $data[$no][7] 0; //b $data[$no][8] 0; //a $data[$no][9] 0; //forecast $no++; $t_y 0; $t_x 0; $t_xy 0; $t_x2 0; $b 0; $a 0; $y 0; $musim 0; $rt2 0; $ymusim; for ($i 0; $i < count($data); $i++) { //start data acuan ramalan! semua if ($data_acuan! "semua") { if ($i > $data_acuan) { $hitung hitung_periode($i, $data, $data_acuan); $data[$i][3] $hitung[0]; //Ey $data[$i][4] $hitung[1]; //Ex $data[$i][5] $hitung[2]; //Exy $data[$i][6] $hitung[3]; //Ex2 $data[$i][7] $hitung[4]; //b $data[$i][8] $hitung[5]; //a $data[$i][9] $hitung[6]; //forecast
8 63 else { $xy ($i * $data[$i][2]);//xy $x2 p2($i);//x2 $data[$i][3] $t_y; //Ey $data[$i][4] $t_x; //Ex $data[$i][5] $t_xy; //Exy $data[$i][6] $t_x2; //Ex2 $data[$i][7] $b; //b $data[$i][8] $a; //a $data[$i][9] $y; //forecast $t_y + $data[$i][2]; $t_x + $i; $t_xy + $xy; $t_x2 + $x2; if (((($i + 1) * $i) - ($t_x * 2) + ($t_x * $i) - ($t_x2 * 2)) 0) { $b ""; $a ""; $y ""; else { $b (($t_y * $i) - ($t_xy * 2)) / ((($i + 1) * $i) - ($t_x * 2) + ($t_x * $i) - ($t_x2 * 2)); $a (($t_y - ($t_x * $b)) / ($i + 1)); $y $a + ($b * ($i + 1)); $data_mad_mape array(); $ne 0; $t_selisih 0; $t_error 0; for ($p 0; $p < count($data); $p++) { if (strpos($data[$p][1], $data_uji)! false) { $data_mad_mape[$ne][0] $ne + 1; $data_mad_mape[$ne][1] $data[$p][1]; $data_mad_mape[$ne][2] $data[$p][2]; //y $data_mad_mape[$ne][3] $data[$p][3]; //Ey $data_mad_mape[$ne][4] $data[$p][4]; //Ex $data_mad_mape[$ne][5] $data[$p][5]; //Exy $data_mad_mape[$ne][6] $data[$p][6]; //Ex2 $data_mad_mape[$ne][7] $data[$p][7]; //b $data_mad_mape[$ne][8] $data[$p][8]; //a $data_mad_mape[$ne][9] $data[$p][9]; //forecast if ($data_uji "0") { if ($p < $data_acuan) { $data_mad_mape[$ne][10] 0; //selisih $data_mad_mape[$ne][11] 0; //error else { $data_mad_mape[$ne][10] abs($data[$p][2] - $data[$p][9]); //selisih $data_mad_mape[$ne][11] $data_mad_mape[$ne][10] / $data[$p][2]; //error else { $data_mad_mape[$ne][10] abs($data[$p][2] - $data[$p][9]); //selisih $data_mad_mape[$ne][11] $data_mad_mape[$ne][10] / $data[$p][2]; //error $t_selisih + $data_mad_mape[$ne][10]; $t_error + $data_mad_mape[$ne][11]; $ne++; $mad $t_selisih / $ne; $mape $t_error / $ne; $kirim array( "data" > $data_mad_mape, "t_selisih" > $t_selisih, "t_error" > $t_error, "mad" > $mad, "mape" > $mape ); echo json_encode($kirim);
9 64 function hitung_periode($ke, $data, $periode) { $dt array(); $no 0; $t_y 0; $t_x 0; $t_xy 0; $t_x2 0; $b 0; $a 0; $y 0; for ($i ($ke - $periode); $i < $ke; $i++) { $xy ($no * $data[$i][2]); $x2 p2($no); $t_y + $data[$i][2]; $t_x + $no; $t_xy + $xy; $t_x2 + $x2; $b (($t_y * $no) - ($t_xy * 2)) / ((($no + 1) * $no) - ($t_x * 2) + ($t_x * $no) - ($t_x2 * 2)); $a (($t_y - ($t_x * $b)) / ($no + 1)); $y $a + ($b * ($no + 1)); $no++; $dt[0] $t_y; $dt[1] $t_x; $dt[2] $t_xy; $dt[3] $t_x2; $dt[4] $b; $dt[5] $a; $dt[6] $y; return $dt; function p2($nilai) { $hasil $nilai * $nilai; return $hasil;
10 65 Kode program 4.4 Source code Peramalan Penjualan Musim $op filter_input(input_post, "op"); if ($op "baca") { $sql "SELECT p.id_hslperamalan,i.nama_pt,date_format(p.periode,'%b-%y') as tgl,p.hsl_forecast,p.mad,p.mape FROM peramalan as p,pembeli as i WHERE p.id_pembelii.id_pembeli ORDER BY p.id_hslperamalan asc"; $query mysqli_query($link, $sql); $data array(); $no 0; while ($row mysqli_fetch_array($query)) { $data[$no][0] ($no + 1); $data[$no][1] $row["nama_pt"]; $data[$no][2] $row["tgl"]; $data[$no][3] $row["hsl_forecast"]; $data[$no][4] $row["mad"]; $data[$no][5] $row["mape"]; $data[$no][6] '<button type"button" class"btn btn-round btn-danger p_hapus_peramalan" data-id"'. $row["id_hslperamalan"]. '"><i class"fa fa-trash"></i> Hapus</button>'; $no++; $kirim array( "data" > $data ); echo json_encode($kirim); else if ($op "baca_pembeli") { $sql "SELECT id_pembeli,nama_pt FROM pembeli"; $query mysqli_query($link, $sql); $data array(); $no 0; while ($row1 mysqli_fetch_assoc($query)) { $data[$no][0] $row1["id_pembeli"]; $data[$no][1] $row1["nama_pt"]; $no++; echo json_encode($data);
11 66 elseif ($op "bulan_selanjutnya") { $id_pembeli filter_input(input_post, "id_pembeli"); $sql "SELECT DATE_FORMAT(DATE_ADD(max(periode), INTERVAL 1 MONTH),'%b-%Y') as next_bulan FROM penjualan WHERE id_pembeli'". $id_pembeli. "'"; $query mysqli_query($link, $sql); $bln ""; while ($row mysqli_fetch_assoc($query)) { $bln $row["next_bulan"]; echo json_encode($bln); //end baca bulan selanjutnya //start prediksi trend moment elseif ($op "prediksi") { $id_pembeli filter_input(input_post, "id_pembeli"); $bulan_selanjutnya filter_input(input_post, "bulan_selanjutnya"); //baca semua data $sql "SELECT id_penjualan,date_format(periode,'%b-%y') as tgl,jml_penjualan FROM penjualan WHERE id_pembeli'". $id_pembeli. "' ORDER by periode asc"; $query mysqli_query($link, $sql); // echo $sql; $data array(); $no 0; $data_musim array(); $no_m 0; $t_y 0; $t_x 0; $t_xy 0; $t_x2 0; $b 0; $a 0; $y 0; $t_selisih 0; $t_error 0;
12 67 while ($row mysqli_fetch_assoc($query)) { $data[$no][0] ($no + 1); $data[$no][1] $row["tgl"]; $data[$no][2] $row["jml_penjualan"]; //y $data[$no][3] $no; //x $xy ($no * $data[$no][2]); $data[$no][4] $xy; //xy $x2 p2($no); $data[$no][5] $x2; //x2 $data[$no][6] $t_y; //Ey $data[$no][7] $t_x; //Ex $data[$no][8] $t_xy; //Exy $data[$no][9] $t_x2; //Ex2 $data[$no][10] $b; //b $data[$no][11] $a; //a $data[$no][12] $y; //forecast //index musim if ($no > 11) { $data_musim[$no_m][0] ($no_m + 1); //nomer $data_musim[$no_m][1] $data[$no][1]; //periode $data_musim[$no_m][2] $data[$no][12]; //forecast $rt2 ($t_y / $no); $data_musim[$no_m][3] $rt2; //rata2 if ($no < 24) { $musim ($data[($no - 12)][2] / $rt2); $data_musim[$no_m][4] $musim; //index_musim else { $musim (($data[($no - 12)][2] + $data[($no - 24)][2]) / 2) / $rt2; $data_musim[$no_m][4] $musim; //index_musim $ymusim $musim * $y; $data_musim[$no_m][5] $ymusim; //y_musim $data_musim[$no_m][6] abs($data[$no][2] - $data_musim[$no_m][5]); //selisih $data_musim[$no_m][7] $data_musim[$no_m][6] / $data_musim[$no_m][2]; //error $t_selisih_m + $data_musim[$no_m][6]; $t_error_m + $data_musim[$no_m][7]; //start grafik $grafik[] array( "year" > $data_musim[$no_m][1], "aktual" > $data[$no][2], "forecast" > $data_musim[$no_m][5] ); //end grafik $no_m++;
13 68 $t_y + $data[$no][2]; $t_x + $no; $t_xy + $xy; $t_x2 + $x2; if (((($no + 1) * $no) - ($t_x * 2) + ($t_x * $no) - ($t_x2 * 2)) 0) { $b ""; $a ""; $y ""; else { $b (($t_y * $no) - ($t_xy * 2)) / ((($no + 1) * $no) - ($t_x * 2) + ($t_x * $no) - ($t_x2 * 2)); $a (($t_y - ($t_x * $b)) / ($no + 1)); $y $a + ($b * ($no + 1)); if ($no 0) { $data[$no][13] 0; //selisih $data[$no][14] 0; //error else { $data[$no][13] abs($data[$no][2] - $data[$no][12]); //selisih $data[$no][14] $data[$no][13] / $data[$no][2]; //error $t_selisih + $data[$no][13]; $t_error + $data[$no][14]; $no++; $mad $t_selisih / $no; $mape $t_error / $no; $data[$no][0] $no + 1; $data[$no][1] $bulan_selanjutnya; $data[$no][2] ""; //y $data[$no][3] ""; //x $data[$no][4] ""; //xy $data[$no][5] ""; //x2 $data[$no][6] $t_y; //Ey $data[$no][7] $t_x; //Ex $data[$no][8] $t_xy; //Exy $data[$no][9] $t_x2; //Ex2 $data[$no][10] $b; //b $data[$no][11] $a; //a $data[$no][12] $y; //forecast $data[$no][13] ""; //selisih $data[$no][14] ""; //error //index musim $mad_m $t_selisih_m / $no_m; $mape_m $t_error_m / $no_m; $data_musim[$no_m][0] ($no_m + 1); //nomer $data_musim[$no_m][1] $bulan_selanjutnya; //periode $data_musim[$no_m][2] $data[$no][12]; //forecast $rt2 ($t_y / $no); $data_musim[$no_m][3] $rt2; //rata2 if ($no < 24) { $musim ($data[($no - 12)][2] / $rt2); $data_musim[$no_m][4] $musim; //index_musim else { $musim (($data[($no - 12)][2] + $data[($no - 24)][2]) / 2) / $rt2; $data_musim[$no_m][4] $musim; //index_musim $ymusim $musim * $y; $data_musim[$no_m][5] $ymusim; //y_musim $data_musim[$no_m][6] ""; //selisih $data_musim[$no_m][7] ""; //error
14 69 $kirim array( "data" > $data, "t_selisih" > $t_selisih, "t_error" > $t_error, "mad" > $mad, "mape" > $mape, "data_musim" > $data_musim, "t_selisih_m" > $t_selisih_m, "t_error_m" > $t_error_m, "mad_m" > $mad_m, "mape_m" > $mape_m, "forecast" > $data_musim[$no_m][5], "grafik">$grafik ); echo json_encode($kirim); elseif ($op "tambah") { $id_pembeli addslashes(filter_input(input_post, "id_pembeli")); $periode "01-". addslashes(filter_input(input_post, "bulan_selanjutnya")); $mad addslashes(filter_input(input_post, "mad")); $mape addslashes(filter_input(input_post, "mape")); $forecast addslashes(filter_input(input_post, "forecast")); $sql_ins "INSERT INTO peramalan set id_pembeli'". $id_pembeli. "', mad'". $mad. "', mape'". $mape. "', periodestr_to_date('". $periode. "','%d-%b-%y'), hsl_forecast'". $forecast. "'"; $query_in mysqli_query($link, $sql_ins); if ($query_in) { echo json_encode("ok"); else { echo json_encode("gagal"); else if ($op "hapus") { $id_hapus filter_input(input_post, "id_hapus"); $sql_del "DELETE from peramalan WHERE id_hslperamalan'". $id_hapus. "'"; $query_del mysqli_query($link, $sql_del); if ($query_del) { echo json_encode("ok"); else { echo json_encode("gagal"); function p2($nilai) { $hasil $nilai * $nilai; return $hasil;
15 Pengujian Sistem Uji coba sistem dilakukan untuk menghitung data aktual penjualan kain majun di UD. Farrel Mulya Industri yang sudah ada dan telah digunakan dalam representasi model pada bab sebelumnya. Uji coba ini dilakukan bertujuan untuk melihat sejauh mana sistem yang telah dibuat apakah sesuai dengan representasi model dan rancangan sistem yang telah dibuat Halaman Login Tampilan awal pada saat user (pengguna) membuka sistem adalah tampilan login. Tampilan login ini digunakan untuk membatasi hak akses dari pemakaian sistem peramalan agar tidak digunakan divisi divisi yang lainnya. Gambar 4.1 berikut ini adalah tampilan login pada sistem peramalan yang telah dibangun. Gambar 4.1 Halaman Login Pada Gambar 4.1 Halaman Login sistem di bagi menjadi 2 antara lain yaitu bagian penjualan dan manager tiap user memiliki hak akses yang berbeda untuk bagian penjulan memasukkan data aktual penjualan dan mengoperasikan sistem peramalan. Sedangkan manager hanya menerima hasil output sistem peramalan.
16 Halaman Awal (Home) Setelah User (Pengguna) berhasil melakukan login kedalam sistem, maka akan muncul tampilan awal seperti Gambar 4.2 sebagai berikut : Gambar 4.2 Halaman Awal (Home) Halaman Data Pembeli Halaman seperti pada Gambar 4.3 berikut ini adalah halaman data pembeli digunakan untuk menyimpan data-data pembeli kain majun. Gambar 4.3 Halaman Data Pembeli
17 Halaman Data Penjualan Halaman seperti Gambar 4.4 berikut ini berisi data aktual penjualan kain majun dan juga pada halaman ini digunakan mengubah, menghapus dan menambahkan data penjualan kain majun. Gambar 4.4 Halaman Data Aktual Penjualan Kain Majun Halaman Pengujian Halaman yang ada pada Gambar 4.5 digunakan untuk meramalkan hasil penjualan kain majun pada setiap pembeli (Nama PT) yang telah membeli kain majun. Gambar 4.5 Halaman Pengujian Data
18 73 Pada Gambar 4.5 Halaman Pengujian Data terdapat form input pembeli atau nama PT. yang membeli kain majun jadidapat di kelompokkan dari beberapa pembeli untuk di prediksi, dan form input data acuan ramalan digunakan untuk memilih data acuan yang akan diramalkan antara lain 3 bulan, 6 bulan, 9 bulan, 12 bulan dan semua data. Seperti yang terlihat pada Gambar 4.6 hasil pengujian dari data acuan 3 bulan untuk forecasting data aktual penjualan kain majun. Gambar 4.6 Hasil Forecast data acuan 3 bulan Pada Gambar 4.6 Hasil perhitungan forecasting pengujian data acuan 3 bulan yang digunakan untuk meramalkan data penjualan kain majun untuk mengukur nilai akurasi peramalan yaitu digunakan MAD (Mean Absolut Deviation) didapat dari data aktual dikurangi forecast kemudian di rata-rata dengan jumlah data yang di cari nilai errornya, sedangkan hasil MAPE (Mean Absolute Percentage Error) didapat dari hasil absolut dari error dibagi dengan data aktual.
19 Halaman Peramalan Penjualan Halaman yang ada pada Gambar 4.7 digunakan untuk meramalkan data keseluruhan yang dipengaruhi indek musim dari data aktual Mei 2014 sampai dengan Juni 2017 dapat dihitung forecast indek musim mulai periode Mei 2015 sampai Juni Halaman ini akan secara otomatis meramalkan secara urut dari data aktual penjualan yang telah tersimpan, jadi tinggal memilih nama pembeli kemudian mengklik tombol prediksi maka proses akan dimulai. Gambar 4.7 Halaman Peramalan Penjualan Gambar 4.8 Grafik Penjualan Aktual dan Forecast Musim
20 75 Pada Gambar 4.8 merupakan grafik penjualan aktual kain majun ke PT. Rollent Indonesia yang digambarkan dengan garis merah sedangkan untuk forecast indek musim digambarkan dengan garis warna biru dari grafik tersebut dapat dilihat perbandingan antara penjualan aktual dan hasil forecast penjualan Halaman Data User Halaman yang ada pada Gambar 4.9 berikut ini adalah halaman pengguna (user) digunakan untuk membatasi hak akses pengguna sistem. Fungsi utama halaman ini yaitu mengubah atau menghapus dan menambahkan user baru yang dapat login kedalam sistem. Gambar 4.9 Halaman User Pada halaman user yang dapat mengakses halaman tersebut adalah manager. Sedangkan untuk login sistem sendiri dibagi menjadi dua yaitu level penjualan dan level manager.
21 Halaman Laporan Penjualan Halaman yang ada pada Gambar 4.10 adalah halaman laporan hasil peramalan dan penjualan aktual untuk manager yang digunakan sebagai acuan untuk menentukan penjualan pada periode selanjutnya. Gambar 4.10 Halaman Laporan Manager Gambar 4.11 Grafik Penjualan Aktual Kain Majun
22 Analisa Hasil Pengujian Sistem Analisis hasil pengujian sistem penulis menggunakan data aktual penjualan kain majun di UD. Farrel Mulya Industri selama 38 periode (bulan). Didalam pengujian sistem menggunakan data acuan peramalan yaitu dengan data acuan 3 bulan, 6 bulan, 9 bulan, 12 bulan dan semua data aktual. Data acuan yang digunakan sebagai sampel perhitungan mulai dari bulan Mei 2014 Desember Pada pengujian ini 5 tahapan pengujian dengan kriteria sebagai berikut : 1. Kriteria pertama meramalkan penjualan kain majun menggunakan data acuan 3 bulan, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE). 2. Kriteria kedua meramalkan penjualan kain majun menggunakan data acuan 6 bulan, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE). 3. Kriteria ketiga meramalkan penjualan kain majun menggunakan data acuan 9 bulan, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE). 4. Kriteria keempat meramalkan penjualan kain majun menggunakan data acuan 12 bulan, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE).
23 78 5. Kriteria kelima meramalkan penjualan kain majun menggunakan data acuan semua data, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE). Pada pengujian menggunakan acuan semua data di uji lagi menggunakan indek musim untuk mendapatkan peramalan berdasarkan musim digunakan data minimal satu tahun keatas Kriteria Pengujian Pertama Dengan Data Acuan 3 Bulan Tabel 4.1 Forecast Data Acuan 3 Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May
24 79 Periode Jumlah y x xy x 2 b a Y Selisih Error Jun Total MAD MAPE * 100 % % Tabel 4.2 Forecast Data Acuan 3 Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata Indek Musim Y* musim Selisih Error Data May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct
25 80 Periode Forecast Rata-rata Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total MAD MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan 3 bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar % Kriteria Pengujian Kedua Dengan Data Acuan 6 Bulan Tabel 4.3 Forecast Data Acuan 6 Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul
26 81 Periode Jumlah y x xy x 2 b a Y Selisih Error Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar , Apr May Jun Total MAD MAPE * 100 % %
27 82 Tabel 4.4 Forecast Data Acuan 6 Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Jul-16 Aug-16 Sep-16 Oct-16 Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total MAD
28 83 MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan 6 bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar % Kriteria Pengujian Ketiga Dengan Data Acuan 9 Bulan Tabel 4.5 Forecast Data Acuan 9 Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov
29 84 Periode Jumlah y x xy x 2 b a Y Selisih Error Dec Jan Feb Mar Apr May Jun Total MAD MAPE * 100 % % Tabel 4.6 Forecast Data Acuan 9 Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata Indek Musim Y* musim Selisih Error Data May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr
30 85 Periode Forecast Rata-rata May-16 Jun-16 Jul-16 Aug-16 Sep-16 Oct-16 Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total MAD MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan 9 bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar %.
31 Kriteria Pengujian Keempat Dengan Data Acuan 12 Bulan Tabel 4.7 Forecast Data Acuan 12 Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Total MAD
32 87 MAPE * 100 % % Tabel 4.8 Forecast Data Acuan 12 Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Jul-16 Aug-16 Sep-16 Oct-16 Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total
33 88 MAD MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan 12 bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar % Kriteria Pengujian Keempat Dengan Data Acuan Semua Bulan Tabel 4.9 Forecast Data Acuan semua Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun ,1070 Jul
34 89 Periode Jumlah y x xy x 2 b a Y Selisih Error Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Total MAD MAPE * 100 % % Tabel 4.10 Forecast Data Acuan semua Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata Indek Musim Y* musim Selisih Error Data May Jun Jul Aug Sep Oct Nov
35 90 Periode Forecast Rata-rata Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Jul-16 Aug-16 Sep-16 Oct-16 Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total MAD MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan semua bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika
36 91 menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar %. 4.4 Perbandingan Peramalan Perbandingan hasil peramalan penjualan kain majun untuk meramalkan data penjualan aktual menggunakan data acuan 3 bulan, 6 bulan, 9 bulan, 12 bulan, dan semua data peramalan (indek musim) dapat dilihat pada Tabel 4.7 sebagai berikut : Tabel 4.11 Perbandingan Kesalahan Peramalan (MAD) dan (MAPE) Forecast Data tahun Perbandingan Pengujian I ( 3 Bulan) Pengujian II (6 Bulan) Pengujian III (9 Bulan) Pengujian IV (12 Bulan) Pengujian V (Semua Bulan) 2016 Forecast MAD MAPE % % % % % Forecast Indek Musim MAD MAPE % 16.44% % % % Pada Tabel 4.11 Hasil pengujian sistem peramalan menggunakan data sampel aktual penjualan mulai periode Mei 2014 Juni 2017 untuk meramalkan data penjulan dari hasil perbandingan akurasi peramalan terbaik menggunakan data acuan 3 bulan yang mendapat hasil MAD sebesar dan MAPE sebesar % sedangkan untu forecast indek peramalan terbaik menggunakan data acuan semua bulan yang mendapat hasil MAD sebesar dan MAPE sebesar % dari data uji Mei 2014 Juni 2017.
2. Adanya resiko pemumpukan barang pada gudang.
BAB 3 PROSEDUR DAN METODOLOGI 3.1. Analisis Masalah 3.1.1. Deskripsi Masalah Pemenuhan keinginan atau permintaan pasar merupakan hal yang krusial bagi setiap perusahaan. Perusahaan yang siap berkompetisi
Lebih terperinciBAB 4 HASIL DAN BAHASAN
BAB 4 HASIL DAN BAHASAN 4.1 Hasil dan Bahasan 4.1.1 Penentuan Suku Cadang Prioritas Untuk menentukan suku cadang prioritas pada penulisan tugas akhir ini diperlukan data aktual permintaan filter fleetguard
Lebih terperinciBab Implementasi Sistem
37 Bab 4 Hasil dan Pembahasan 4.1 Implementasi Sistem Basis Data Implementasi model sistem basis data merupakan implementasi dari perancangan basis data yang telah dibuat pada bab sebelumnya. Berdasarkan
Lebih terperinciAnalisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based
14 Analisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based Anggri Sartika Wiguna Abstrak -Kemacetan saat ini menjadi persoalan serius di Kodya Malang. Berbagai penelitian yang
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. AnalisisMasalah Berdasakan analisis dan hasil penelitian yang dilakukan terhadap sistem yang sedang berjalan yang dibutuhkan dalam membangun aplikasi peramalan
Lebih terperinciPERTUMBUHAN SIMPANAN *) BANK UMUM POSISI JANUARI 2012
Jan-07 Apr-07 Jul-07 Oct-07 Jan-08 Apr-08 Jul-08 Oct-08 Jan-09 Apr-09 Jul-09 Oct-09 Jan-10 Apr-10 Jul-10 Oct-10 Jan-11 Apr-11 Jul-11 Oct-11 PERTUMBUHAN SIMPANAN *) BANK UMUM POSISI JANUARI 2012 I. TOTAL
Lebih terperinciTeknik Proyeksi Bisnis (Forecasting)
Halaman Judul MODUL PERKULIAHAN Teknik Proyeksi Bisnis (Forecasting) Oleh: Andi Ratna Sari Dewi Ratna_fe@unhas.ac.id a.ratnasaridewi@gmail.com DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS
Lebih terperinciDisusun oleh : Catra Aldino
Disusun oleh : Catra Aldino 5208 100 069 Kondisi saat ini yang ada di perusahaan adalah, perusahaan masih kesusahan untuk membadingkan lokasi mana saja yang harusnya dapat perhatian lebih. Oleh karena
Lebih terperinciSTATISTIKA. Tabel dan Grafik
STATISTIKA Organisasi Data Koleksi data statistik perlu disusun (diorganisir) sedemikian hingga dapat dibaca dengan jelas. Salah satu pengorganisasian data statistik adalah dengan: tabel grafik Organisasi
Lebih terperinciSISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN
SISTEM PERAMALAN PENJUALAN PRODUK USAHA KECIL MENENGAH BERDASARKAN POLA DATA RIWAYAT PENJUALAN [1] Abdi Pandu Kusuma, [2] Indyah Hartami Santi, dan [3] Dennys Setiawan [1],[2,[3] Universitas Islam Balitar
Lebih terperinciMATHunesa Jurnal Ilmiah Matematika Volume 3 No.6 Tahun 2017 ISSN
MATHunesa Jurnal Ilmiah Matematika Volume 3 No.6 Tahun 2017 ISSN 2301-9115 FORECASTING FITNESS GYM MEMBERSHIP PADA PUSAT KEBUGARAN THE BODY ART FITNESS, AEROBIC & POOL MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sumber data utama yang digunakan dalam penelitian ini berasal dari data
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Penelitian dan Pengumpulan Data Sumber data utama yang digunakan dalam penelitian ini berasal dari data penjualan motor merek Yamaha tahun 2011 sampai
Lebih terperinciBAB I PENDAHULUAN. menjaga tenggat waktu, dan meminimalkan biaya persediaan. yang harus ditempuh menghadapi suatu kondisi tertentu (Rangkuti, 2004).
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dunia usaha yang terus berubah dengan cepat, mengharuskan perusahaan agar mampu menganalisis lingkungan usaha dan memprediksi berbagai kemungkinan yang terjadi
Lebih terperinciBAB V ANALISA DAN PEMBAHASAN
BAB V ANALISA DAN PEMBAHASAN 5.1 Peramalan Kebutuhan Bahan Baku Pada bab ini berisikan tentang analisa hasil dari pengolahan data dalam perhitungan Forecasting dan MRP tepung terigu untuk 12 bulan yang
Lebih terperinciPENGESAHAN PEMBIMBING...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PENGESAHAN PENGUJI... iii ABSTRAK... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xii DAFTAR MODUL
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN. Pada saat ini masih ada perusahaan perusahaan dagang yang menggunakan data dan
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem 3.1.1 Analisis Masalah Pada saat ini masih ada perusahaan perusahaan dagang yang menggunakan data dan menghitung data secara manual dan prediksi subjektif
Lebih terperinciMagister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. Statistika Teknik.
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik Tabel dan Grafik Organisasi Data Koleksi data statistik perlu disusun (diorganisir) sedemikian hingga dapat dibaca dengan
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 I PENDAHULUAN. menyebabkan persaingan dalam dunia bisnis semakin berkembang, karena
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan industri di Indonesia yang sekarang ini sedang berlangsung, menyebabkan persaingan dalam dunia bisnis semakin berkembang, karena banyaknya perusahaan baru
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM Bab ini menguraikan tentang analisa dan perancangan sistem untuk mengimplementasikan metode Double Exponential Smoothing (DES) pada aplikasi prediksi jumlah pasien
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Pengumpulan Data Data aktual konsumsi bahan bakar minyak solar oleh alat-alat berat dan produksi yang dipergunakan PT. Pamapersada Nusantara adalah data konsumsi bahan bakar
Lebih terperinciMETODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU ABSTRACT
METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU Encik Rosalina 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data 4.1.1 Sejarah Perusahaan CV. Kurnia Teknik adalah sebuah CV spesialis moulding dan juga menerima jasa CNC, EDM, INJECT, dan DIGIT. CV. Kurnia
Lebih terperinciX-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR
X-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR Tanggal Laporan 2-Nov-15 UNTUK KETERANGAN LEBIH LANJUT: Call Center CIMB NIAGA 101 www.cimbniaga.com Kode Produk MLD12 28-Sep-12 28-Sep-17 MLD126
Lebih terperinciX-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR
X-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR Tanggal Laporan -Nov-15 UNTUK KETERANGAN LEBIH LANJUT: Call Center CIMB NIAGA 101 www.cimbniaga.com PERFORMA Kode Produk Tanggal Penerbitan Tanggal
Lebih terperinciX-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR
X-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR Tanggal Laporan -Nov-15 UNTUK KETERANGAN LEBIH LANJUT: Call Center CIMB NIAGA 101 www.cimbniaga.com PERFORMA Kode Produk Tanggal Penerbitan Tanggal
Lebih terperinciExponential Smoothing with Damped Trend Arum H. Primandari
ALLPPT.com _ Free PowerPoint Templates, Diagrams and Charts Exponential Smoothing with Damped Trend Arum H. Primandari Rob J. Hyndman https://robjhyndman.com/ Pendahuluan Klasifikasi Pegels yang terdiri
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
53 BAB 4 HASIL DAN PEMBAHASAN Pembahasan pada bab ini menjelaskan mengenai hasil pengumpulan data, hasil analisis data, pembahasan dan hasil perancangan layar. Setelah hasil perancangan layar juga terdapat
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 917-96 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 SISTEM PERAMALAN DAN MONITORING PERSEDIAAN OBAT DI RSPG CISARUA BOGOR DENGAN MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING DAN REORDER POINT Nendang
Lebih terperinciBAB I PENDAHULUAN. untuk item yang diproduksi. Peramalan ini berguna sebagai dasar untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Tahap pertama dalam perencanaan dan pengendalian produksi bila produksi bertipe made to stock adalah menentukan suatu peramalan akurat dari permintaan untuk
Lebih terperinciPertumbuhan Simpanan BPR dan BPRS
Pertumbuhan Simpanan BPR dan BPRS Semester II Tahun 2014 Divisi Statistik, Kepesertaan, dan Premi Penjaminan Direktorat Penjaminan dan Manajemen Risiko DAFTAR ISI Jumlah BPR/BPRS Peserta Penjaminan Grafik
Lebih terperinciPemrograman Web PRAKTIKUM 6. Query Data 2. TUJUAN BELAJAR Mahasiswa dapat menggunakan PHP dan MySQL untuk mengupdate data
PRAKTIKUM 6 Query Data 2 TUJUAN BELAJAR Mahasiswa dapat menggunakan PHP dan MySQL untuk mengupdate data MATERI Program edit dan hapus TUGAS Menambahkan fitur edit dan hapus untuk semua form input data
Lebih terperinciBAB IV ANALISIS HASIL PENGOLAHAN DATA
BAB IV ANALISIS HASIL PENGOLAHAN DATA 4.1 Pola Dasar Permintaan Dari hasil pengumpulan data aktual yang telah dilakukan mengenai pertumbuhan jumlah kartu kredit BCA yang dimiliki oleh cardholder BCA Cabang
Lebih terperinciMateri Komputer 2. Mahasiswa menuliskan contoh soal / kasus distribusi frekuensi berikut dengan microsoft excel pada sheet 1
Pertemuan 3 (frekuensi dan korelasi) Bagian 1 : Menentukan distribusi frekuensi Penjelasan singkat : Dalam latihan ini akan dilakukan penghitungan distribusi frekuensi atau seberapa sering kemunculan suatu
Lebih terperinciPemrograman Web Lanjut 2017
Praktikum 9 9.1. CRUD Operasi CRUD (Create, Read, Update, Delete) merupakan operasi dasar yang sering digunakan di dalam database. Fungsi dari operasi ini adalah mengolah data secara dinamis pada aplikasi
Lebih terperinciPENGEMBANGAN SI STOK BARANG DENGAN PERAMALAN MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT. TOMAH JAYA ELEKTRIKAL)
PENGEMBANGAN SI STOK BARANG DENGAN PERAMALAN MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING (STUDI KASUS : PT. TOMAH JAYA ELEKTRIKAL) Cahyarizki Adi Utama, Yan Watequlis S. Teknologi Informasi, Teknik
Lebih terperinciVISUALISASI PENJUALAN DAN LOKASI PENJUALAN MENGGUNAKAN GOOGLE MAP SERTA PROYEKSI PERMINTAAN FLEXY DAN MODEM DI MASA MENDATANG (STUDI KASUS: PT
VISUALISASI PENJUALAN DAN LOKASI PENJUALAN MENGGUNAKAN GOOGLE MAP SERTA PROYEKSI PERMINTAAN FLEXY DAN MODEM DI MASA MENDATANG (STUDI KASUS: PT. TELKOM INDONESIA) Rully A Hendrawan, Catra Aldino, Erma Suryani
Lebih terperinciBab V Metode Peramalan Produksi Usulan Dan Studi Kasus
3 25 2 15 1 5 Minyak Air Gas 15-Jun-94 28-Oct-95 11-Mar-97 24-Jul-98 6-Dec-99 19-Apr-1 1-Sep-2 14-Jan-4 28-May-5 14 12 1 8 6 4 2 Bab V Metode Peramalan Produksi Usulan Dan Studi Kasus V.1. Metode Peramalan
Lebih terperinciKuliah 2 Metode Peramalan Deret Waktu
Kuliah 2 Metode Peramalan Deret Waktu rahmaanisa@apps.ipb.ac.id REVIEW Tentukan pola dari data deret waktu berikut: Gambar (1) Gambar (2) Gambar (3) Gambar (4) 2 Kriteria kebaikan peramalan data deret
Lebih terperinciBAB IV IMPLEMENTASI DAN PEMBAHASAN. Dalam pembuatan program diperlukan beberapa spesifikasi perangkat
BAB IV IMPLEMENTASI DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Perancangan Dalam pembuatan program diperlukan beberapa spesifikasi perangkat keras (hardware) dan juga perangkat lunak (software)
Lebih terperinciTINGKAT KUPON pa gross (PER TAHUN)
X-TRA FIXED RATE Untuk keterangan lebih lanjut dapat menghubungi 14041 www.cimbniaga.com : MINGGU 05/ 2018 DENOMINASI IDR MLD1654IDR 14-Nov-16 3 Tahun 7.15% 7.15% 7.15% NA NA 2 8.9375% 97.60% MLD17008IDR
Lebih terperinciTIB18 - PEMROGRAMAN WEB. Pemrograman Web Pertemuan & 21-22
TIB18 - PEMROGRAMAN WEB Pemrograman Web Pertemuan 19-20 & 21-22 Kompetensi Khusus Mahasiswa dapat membuat aplikasi berbasiskan web dengan menggunakan Data ManipulaIon Language (DML) melalui PHP yang terkoneksi
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Tabel dan Grafik Organisasi Data Koleksi data sta;s;k perlu disusun (diorganisir)
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN. Dalam pembuatan program ini penulis menggunakan Visual Basic. Net
BAB IV IMPLEMENTASI DAN PENGUJIAN 4. 1 Instalasi Software Dalam pembuatan program ini penulis menggunakan Visual Basic. Net dalam menjalankan program aplikasi ini dan menggunakan aplikasi Crystal Report
Lebih terperinciBAB III METODE PENELITIAN. Gambar 3.1 ini merupakan desain penelitian yang akan digunakan. Exponential Smoothing
30 BAB III METODE PENELITIAN 3.1 Desain Penelitian Gambar 3.1 ini merupakan desain penelitian yang akan digunakan. Rumusan Masalah Pengumpulan Data Curah (Skotlandia Bagian Barat) Studi Literatur : Peramalan,
Lebih terperinciMATERI 3 PER E AM A AL A AN
MATERI 3 PERAMALAN APAKAH PERAMALAN ITU? Peramalan (Forecasting) : Seni dan ilmu memprediksi peristiwa- peristiwa masa depan. Peramalan memerlukan pengambilan data historis dan memproyeksikannya ke masa
Lebih terperinciLAPORAN PRAKTIKUM MODUL I PERAMALAN
LAPORAN PRAKTIKUM MODUL I PERAMALAN Disusun oleh: Kelompok II 1. Ari Handayani (4409216094) 2. Caecilia Eka A.W.S. (4409216097) 3. Dwi Darmawan Saputra (4409216100) LABORATORIUM SISTEM PRODUKSI FAKULTAS
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengumpulan Data Dari hasil pengumpulan data yang didapat dari divisi produksi PT. Indotek Jaya, maka data tersebut diperlukan untuk membuat rancangan MRP (Material
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Permintaan (Forecast Demand) Peramalan permintaan atau forecast demand (FD) adalah peramalan kuantitas permintaan sesuatu (barang atau jasa) dimasa yang akan
Lebih terperinciPENGORGANISASIAN DATA DAN PENYAJIAN DATA
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PENGORGANISASIAN DATA DAN PENYAJIAN DATA Statistika dan Probabilitas Pengorganisasian dan Penyajian Data Koleksi data statistika
Lebih terperinciTINGKAT KUPON pa gross (PER TAHUN)
LAPORAN PERIODIK STRUCTURED PRODUCT X-TRA FIXED RATE - MARKET LINKED DEPOSIT LAPORAN : MINGGU 18 / 2017 Untuk keterangan lebih lanjut dapat menghubungi 14041 www.cimbniaga.com DENOMINASI IDR Kode Produk
Lebih terperinciX-TRA Fixed Rate Market Linked Deposit Denomination USD & IDR
X-TRA Fixed Rate Market Linked Deposit Denomination USD & IDR Tanggal Laporan 2-Nov-15 FOR MORE INFORMATION: Call Center CIMB NIAGA 14041 www.cimbniaga.com PERFORMANCE Product Code Issue Date Maturity
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Berdasarkan hasil analisa dan perancangan sistem yang telah dilakukan pada bab sebelumnya maka dilanjutkan ke tingkat implementasi, implementasi menggunakan
Lebih terperinciPemrograman Web Lanjut 2017
Praktikum 9 9.1. CRUD Operasi CRUD (Create, Read, Update, Delete) merupakan operasi dasar yang sering digunakan di dalam database. Fungsi dari operasi ini adalah mengolah data secara dinamis pada aplikasi
Lebih terperinciSeminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 7 ISSN : Pekanbaru, 11 November 2015
Analisa Perbandingan Metode Exponensial Smoothing dan Metode Tredn Analysis Terhadap Parameter Tingkat Error Pada Peramalan Permintaan Produk Ready Mix Concrete (Studi Kasus: Pt. Iga Bina Mix Pekanbaru)
Lebih terperinciBAB III METODE PENELITIAN. untuk memahami, memecahkan dan mengantisipasi masalah. adalah penelitian secara deskriptif dan komparatif.
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif dan komparatif. Melalui penelitian, manusia dapat menggunakan hasilnya, secara
Lebih terperinciSISTEM INFORMASI PERAMALAN PENJULAN JAMUR MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING BERBASIS WEB PADA PT AGARICUS SIDO MAKMUR SENTOSA
SISTEM INFORMASI PERAMALAN PENJULAN JAMUR MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING BERBASIS WEB PADA PT AGARICUS SIDO MAKMUR SENTOSA Febryan Ezar Pratama 1), Jauharul Maknunah 2), Mohamad As ad
Lebih terperinciBAB I PENDAHULUAN. I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang PT NYZ merupakan perusahaan divisi pelumas dari perusahaan minyak nasional PT ABC (Persero) yang berbentuk perseroan terbatas (PT) dan dicetuskan pada bulan November
Lebih terperinciKLUSTERISASI DAN KLASIFIKASI PELANGGAN BERDASARKAN PENGGUNAAN DAYA LISTRIK DAN PERAMALAN KEBUTUHAN DAYA LISTRIK TAHUN 2015
KLUSTERISASI DAN KLASIFIKASI PELANGGAN BERDASARKAN PENGGUNAAN DAYA LISTRIK DAN PERAMALAN KEBUTUHAN DAYA LISTRIK TAHUN 2015 YUANDRI TRISAPUTRA 1 & OKTARINA SAFAR NIDA 2 (SIAP 16) 1 DEPARTEMEN LMU KOMPUTER
Lebih terperinciPRAKTIKUM. Rekayasa Web. Modul 3: CRUD Part II. Laboratorium Teknik Informatika Universitas Pasundan
PRAKTIKUM Rekayasa Web Modul 3: CRUD Part II Laboratorium Teknik Informatika Universitas Pasundan Konten modul: 1. Update Data 2. Search Data Tujuan praktikum: 1. Praktikan diharapkan mampu memahami proses
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Masalah Mini market adalah sebuah toko yang menjual segala macam barang dan makanan, seperti perlengkapan rumah sehari hari dan juga makanan pokok. Berbeda
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI SISTEM. menggunakan metode Single Exponential Smoothing. Hasil perancangan tersebut
BAB IV IMPLEMENTASI DAN EVALUASI SISTEM Pada bab empat ini menjelaskan mengenai hasil analisis dan perancangan aplikasi peramalan persediaan bahan baku pada CV Lintas Nusa Surabaya dengan menggunakan metode
Lebih terperinciBAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi?
BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? a. Ada ketidak-pastian aktivitas produksi di masa yag akan datang b. Kemampuan & sumber daya perusahaan
Lebih terperinciSatuan (orang, Paket, pcs, dll.) Satuan Jumlah. Satuan (hari, bulan, kali, dll.) Frekuen si. (hari, bulan, kali, dll.)
LAMPIRAN C Nama Organisasi:. Perjanjian Hibah: Judul Proyek: Periode Proyek: PENGELUARAN PROGRAM: Paket, pcs, Frekuen si Proyek Mitra Penerima Hibah Donor Lain TOTAL 1 Kegiatan Pengembangan Organisasi
Lebih terperinciBAB IV HASIL DAN UJI COBA
82 BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Pada bagian ini akan menunjukkan tampilan-tampilan form yang ada pada perancangan sistem informasi yang di bangun oleh penulis, beberapa form tersebut
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGGUNA
BAB IV IMPLEMENTASI DAN PENGGUNA Aplikasi RANCANGAN SISTEM PENGELOLAAN DANA BANTUAN OPERASIONAL (BOS) pada SLB Negri 6 Jakarta ini, dirancang dan dibuat untuk memenuhi kebutuhan pengelola dana BOS, dalam
Lebih terperinciPERAMALAN PENENTUAN JUMLAH PERMINTAAN KONSUMEN BERBASIS TEKNOLOGI INFORMASI TERHADAP PRODUK BORDIR PADA KOTA TASIKMALAYA
PERAMALAN PENENTUAN JUMLAH PERMINTAAN KONSUMEN BERBASIS TEKNOLOGI INFORMASI TERHADAP PRODUK BORDIR PADA KOTA TASIKMALAYA Lies Sunarmintyastuti 1, Salman Alfarisi 2, Fitria Sari Hasanusi 3 Program Studi
Lebih terperinciBAB V ANALISA HASIL. Pada bab sebelumnya telah dilakukan pengolahan data-data yang
BAB V ANALISA HASIL Pada bab sebelumnya telah dilakukan pengolahan data-data yang dikumpulkan untuk pembuatan perencanaan kebutuhan material (MRP). Kemudian dalam bab ini berisikan analisa berdasarkan
Lebih terperinciPERAMALAN PENJUALAN BERAS DI TOKO WIDODO MAKMUR MENGGUNAKAN METODE MOVING AVERAGE
PERAMALAN PENJUALAN BERAS DI TOKO WIDODO MAKMUR MENGGUNAKAN METODE MOVING AVERAGE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.kom) Program Studi Sistem Informasi
Lebih terperinciBAB I PENDAHULUAN. pengendalian kualitas juga harus dijadikan prioritas utama. juga menjamin kualitas produk hingga masa akhir penggunaannya.
BAB I PENDAHULUAN A. Latar Belakang Penelitian Di era globalisasi saat ini, dunia industri semakin berkembang.seiring dengan itu, maka persaingan bisnis khususnya di bidang manufaktur juga semakin ketat.setiap
Lebih terperinciMETODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN ABSTRACT
METODE MOVING AVERAGE DAN METODE WINTER DALAM PERAMALAN Widya Risnawati Siagian 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika FMIPA Universitas Riau 2 Dosen Fakultas Matematika
Lebih terperinci1. PENDAHULUAN 2. KAJIAN PUSTAKA
1. PENDAHULUAN Perkebunan teh menjadi salah satu sektor potensial pembangunan Jawa Barat, karena telah mampu memberikan andil besar dalam kehidupan perekonomian. Sektor perkebunan teh memiliki fungsi ekonomi
Lebih terperinciPeramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Peramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential
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 terperinciBab 4 Hasil dan Pembahasan
Bab 4 Hasil dan Pembahasan 4.1 Versi Aplikasi Versi aplikasi telah mengalami proses empat kali evaluasi berdasarkan tanggal yang tercantum pada tabel 4.1. Proses evaluasi yang dilalui bertahap, mulai dari
Lebih terperinciHalaman Login Halaman Staff
1. Pada saat aplikasi dijalankan, maka pertama kali akan muncul halaman login, dimana user harus memasukkan kode staff dan password untuk dapat masuk ke halaman utama. Halaman Login 2. Halaman Login merupakan
Lebih terperinciBAB V ANALISA. kuantitas terhadap jumlah barang yang diproduksi khususnya dimesin extruder
BAB V ANALISA 5.1. Analisa Kapasitas Dari kondisi forecast di tahun 2012 menunjukan adanya peningkatan kuantitas terhadap jumlah barang yang diproduksi khususnya dimesin extruder double layer. Dengan adanya
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan Dari hasil penelitian yang telah dilakukan di PT. Kalbe Farma mengenai proses perencanaan produksi dalam menentukan nilai allowance dan mengetahui kapasitas yang
Lebih terperinciBAB IV IMPLEMENTASI DAN SISTEM
BAB IV IMPLEMENTASI DAN SISTEM Sebelum program diterapkan, program harus terlebih dahulu tidak memiliki kesalahankesalahan yang berakibat sistem tidak dapat berjalan dengan baik. Namun ketika pengujian
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. dengan rancangan atau desain sistem yang telah dibuat. Aplikasi yang dibuat akan
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Sistem Tahap ini merupakan pembuatan perangkat lunak yang disesuaikan dengan rancangan atau desain sistem yang telah dibuat. Aplikasi yang dibuat akan
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Berikut dibawah ini adalah data yang didapat dari GK AUTO. Tabel 5.1 Data Variabel
BAB 5 HASIL DAN PEMBAHASAN 5.1 Penyajian Data Berikut dibawah ini adalah data yang didapat dari GK AUTO. Tabel 5.1 Data Variabel Tanggal Laba (Y) Kurs Dollar (X1) Penjualan (X2) Advertise (X3) Jan-03 184,002,000
Lebih terperinciBAB III. PERANCANGAN SISTEM
BAB III. PERANCANGAN SISTEM 3.1 Analisa Kebutuhan Sebagaima dijelaskan pada bab satu tentang konsep point of sales berbasis website yang mampu memudahkan pencatatan data produk penjualan. Penulis dalam
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Tabel 5.1 Total Hasil Penjualan
BAB 5 HASIL DAN PEMBAHASAN 5. Penyajian Data Tabel 5. Total Hasil Penjualan Total Hasil Penjualan Bulan (dalam jutaan rupiah) Jan-04 59.2 Feb-04 49.2 Mar-04 57.7 Apr-04 53.2 May-04 56.3 Jun-04 60.2 Jul-04
Lebih terperinciDAFTAR PUSTAKA. Adisasmita, Rahardjo Pengelolaan Pendapatan & Anggaran Daerah. Yogyakarta: Graha Ilmu.
DAFTAR PUSTAKA Adisasmita, Rahardjo. 2011. Pengelolaan Pendapatan & Anggaran Daerah. Yogyakarta: Graha Ilmu. Anggarini, Yunita dan Puranto, Hendra. 2012. Anggaran Berbasis Kinerja Penyusunan APBD Secara
Lebih terperinciCARA MENJALANKAN PROGRAM. Langkah awal membuka Aplikasi Perhitungan Anggaran Penjualan
CARA MENJALANKAN PROGRAM 1. CARA MEMBUKA APLIKASI Langkah awal membuka Aplikasi Perhitungan Anggaran Penjualan dengan Metode Least Square yaitu buka web browser, kemudian ketikkan alamat http://localhost/ta/.
Lebih terperinciV. ANALISA DAN PEMBAHASAN. A. Analisa Penentuan Pemesanan Biro Fajar Antang. sehingga mengakibatkan timbulnya return yang masih tinggi.
77 V. ANALISA DAN PEMBAHASAN A. Analisa Penentuan Pemesanan Biro Fajar Antang Dari hasil wawancara dengan manager Sirkulasi dan pimpinan Biro Fajar Antang, selama ini Biro Fajar Antang melakukan pemesanan
Lebih terperinciBab III PERANCANGAN PROGRAM APLIKASI
35 Bab III PERANCANGAN PROGRAM APLIKASI 3.1 Spesifikasi Rumusan Rancangan Perancangan program aplikasi ini terbagi menjadi dua bagian yaitu proses, yaitu : proses input dan hasil keluaran atau output Proses
Lebih terperinciAnalisis Metode Peramalan Permintaan Terbaik Produk Oxycan pada PT. Samator Gresik
Analisis Metode Peramalan Permintaan Terbaik Produk Oxycan pada PT. Samator Gresik Eucharistia Yacoba Nugraha* ) dan I Wayan Suletra 2) ) Mahasiswa program Studi Teknik Industri, Fakultas Teknik, Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pengolahan buah dan sayuran menjadi produk siap saji memiliki nilai tambah tersendiri bagi pasar. Salah satunya adalah pengolahan buah dan sayuran menjadi makanan ringan
Lebih terperinciTINGKAT KUPON. Bila USD LIBOR 3M diantara Floor & Cap
X-TRA BALANCE Untuk keterangan lebih lanjut dapat menghubungi 14041 www.cimbniaga.com LAPORAN : MINGGU 16 / 2018 DENOMINASI USD Tenor Bila USD LIBOR 3M dibawah TINGKAT KUPON Bila USD LIBOR 3M diantara
Lebih terperinciPENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN GUNA MENENTUKAN KEBUTUHAN BAHAN BAKU PUPUK MENGGUNAKAN METODE TRIPLE EXPONENTIAL SMOOTHING
Jurnal Informatika Polinema ISSN: 2407-070X PENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN GUNA MENENTUKAN KEBUTUHAN BAHAN BAKU PUPUK MENGGUNAKAN METODE TRIPLE EXPONENTIAL SMOOTHING Ely Setyo Astuti
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciTINGKAT KUPON pa gross (PER TAHUN)
LAPORAN PERIODIK STRUCTURED PRODUCT X-TRA FIXED RATE - MARKET LINKED DEPOSIT LAPORAN : MINGGU 31 / 2017 Untuk keterangan lebih lanjut dapat menghubungi 14041 www.cimbniaga.com DENOMINASI IDR Kode Produk
Lebih terperinciEstimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu
Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu Author: Junaidi Junaidi Terdapat berbagai jenis model/metode peramalan hubungan deret waktu. Diantaranya adalah: 1) Model Linear; 2) Model Quadratic;
Lebih terperinciTINGKAT KUPON pa gross (PER TAHUN)
LAPORAN PERIODIK STRUCTURED PRODUCT X-TRA FIXED RATE - MARKET LINKED DEPOSIT LAPORAN : MINGGU 27 / 2017 Untuk keterangan lebih lanjut dapat menghubungi 14041 www.cimbniaga.com DENOMINASI IDR Kode Produk
Lebih terperinciBAB I Pendahuluan I-1
I-1 BAB I Pendahuluan 1.1. Latar Belakang Masalah Persaingan yang ketat antar industri manufaktur di bidang elektronik dan permintaan konsumen yang terus menigkat setiap tahunnya, membuat para pelaku industri
Lebih terperinciSistem Peramalan Harga Emas Antam Menggunakan Double Exponential Smoothing
Sistem Peramalan Harga Emas Antam Menggunakan Double Exponential Smoothing Teguh Andriyanto Sistem Informasi Universitas Nusantara PGRI Kediri Kediri, Indonesia E-mail: teguh@ unpkediri.ac.id Abstrak Emas
Lebih terperinciJURNAL MEMPREDIKSI HARGA KEBUTUHAN BAHAN MAKANAN POKOK BERDASARKAN HARGA SEBELUMNYA DENGAN MENGGUNAKAN METODE LEAST SQUARE
JURNAL MEMPREDIKSI HARGA KEBUTUHAN BAHAN MAKANAN POKOK BERDASARKAN HARGA SEBELUMNYA DENGAN MENGGUNAKAN METODE LEAST SQUARE PREDICTING MATERIAL NEEDS FOOD PRICES BASED ON THE PRICE PREVIOUSLY SUBJECT USING
Lebih terperinci