PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA
|
|
- Teguh Atmadja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA Iwa Sugkawa; Ries Tri Megasari Mahemaics & Saisics Deparme, School of Compuer Sciece, Bius Uiversiy Jl. K.H. Syahda No. 9, Palmerah, Jakara Bara 480 ABSTRACT Forecasig is performed due o he complexiy ad uceraiy faced by a decisio maker. This aricle discusses he selecio of a appropriae forecasig model wih ime series daa available. A appropriae forecasig model is required o esimae sysemaically abou wha is mos likely o occur i he fuure based o pas daa series, so ha errors (he differeces bewee wha acually happes ad he resuls of he esimaio) ca be miimized. A gauge is required o deec he required he value of forecas accuracy. I his paper ways of forecasig accuracy of deecio are discussed usig he mea square error (MSE) ad he mea absolue perceage error (MAPE). The forecasig mehod uses Movig Average, Expoeial Smoohig, ad Wiers mehod. Wih he hree mehods forecas value is deermied ad he smalles value of MSE ad Mape is seleced. The resuls of daa aalysis showed ha he Expoeial Smoohig is cosidered a appropriae mehod o forecas he sales volume of PT Sariamadiri Ciramulia because i produces he smalles value of MSE ad Mape. Keywords: forecas, ime series daa, Movig Average, Expoeial Smoohig, Wiers, meas square error (MSE), mea absolue perceage error (MAPE) ABSTRAK Peramala dilakuka karea adaya kompleksias da keidakpasia yag dihadapi oleh si pembua kepuusa. Arikel ii membahas pemiliha model peramala yag sesuai dega daa dere waku yag ada. Suau proses uuk memperkiraka secara sisemaik eag apa yag palig mugki erjadi di masa depa berdasarka daa series masa lalu da sekarag memerluka model peramala yag epa/sesuai, agar kekeliruaya (selisih aara apa yag erjadi dega hasil perkiraa) dapa diperkecil. Uuk medapaka meode yag epa diperluka ala ukur uuk medeeksi keepaa ilai ramala. Dalam ulisa ii dibahas cara deeksi keepaa peramala dega mea square error (MSE) da mea absolue perceage error (MAPE). Peramala megguaka meode Movig Average, Expoeial Smoohig, da Wiers. Dega keiga meode di aas dieuka ilai ramala da dipilih ilai MSE da MAPE erkecil. Hasil aalisis daa meujukka bahwa Expoeial Smoohig diaggap meode yag epa uuk meramalka volume pejuala PT Sariamadiri Ciramulia karea meghasilka ilai MSE da MAPE erkecil. Kaa kuci: ramala, daa dere waku, Movig Average, Expoeial Smoohig, Wiers, meas square error (MSE), mea absolue perceage error (MAPE) 636 ComTech Vol.2 No. 2 Desember 20:
2 PENDAHULUAN Persaiga bisis yag semaki kea, megharuska para pelaku bisis uuk meliha peluag pasar yag ada dalam meyusu sraegi da recaa yag aka dilaksaaka agar dapa meigkaka pejuala uuk memperoleh keuuga yag maksimal. Kuci kesuksesa dalam ragka meigkaka pejuala para pelaku bisis perlu memperhaika selera da kebuuha kosume sera selalu melayai/memeuhi permiaa kosume. Yag perlu dilakuka oleh pelaku bisis sebagai pegambil kepuusa dalam suau perusahaa adalah megaur da meigkaka volume pejuala secara berkala. Dalam meigkaka pejualaya di masa yag aka daag maka pegambila kepuusa berkaia era dega peramala (forecasig) (Assauri, 984). Peramala dilakuka karea adaya kompleksias da keidakpasia yag dihadapi oleh si pembua kepuusa berkeaa dega masa depa usaha yag dijalai. Peramala yag dilakuka umumya didasarka pada daa masa lalu yag kemudia diaalisis dega megguaka meode ereu. Daa masa lalu dikumpulka, dipelajari, diaalisis da dihubugka dega berjalaya waku. Ramala yag baik adalah ramala yag medekai keyaaa. Hasil suau ramala idak selalu dapa dipasika kebearaya dalam hiuga 00% mulak, eapi hal ersebu idak berari bahwa peramala yag elah dilakuka mejadi percuma. Dalam kesempaa ii aka dilakuka kajia erhadap volume pejuala PT.Sariamadiri Ciramulia yag merupaka disribuor baja lapis seg merk lokfom. Peramala yag dilakuka dega megguaka iga meode yag ada dalam aalisis dere waku, yaiu meode movig aerage (raa-raa bergerak), Expoeial Smoohig (pemulusa ekspoesial), da meode Wiers (musima). Dega megguaka iga meode ersebu aka dipilih model peramala maa yag diaggap cocok uuk meramalka volume pejuala PT.Sariamadiri Ciramulia. Tujua dari peulisa ii adalah melakuka deeksi erhadap keepaa hasil peramala dega megguaka iga ukura seperi mea square error (MSE), mea absolue perceage error (MAPE), sera uuk meliha keragama dari gala/error dari iga meode peramala yag diguaka dielaah dega saisik durbi waso (D-W). Dega megeahui model/meode yag cocok uuk meramalka pejuala perusahaa diwaku yag aka daag euya aka diperoleh hasil ramala yag eradalka, sehigga aka memudahka dalam megaur produksi aau sok sejeis barag. Sera dapa meeuka kapa waku yag epa uuk memproduksi barag yag dijual oleh perusahaa ersebu. Pejuala merupaka salah sau aspek yag peig bagi PT. Sariamadiri Ciramulia. Peramala volume pejuala ii dilakuka uuk megeahui berapa bayak pejuala yag dilakuka sehigga dapa meramalka pejuala perusahaa pada bula berikuya. Dalam ulisa ii diguaka daa yag bersumber dari Megasari (200) eag volume pejuala PT. Sariamadiri Ciramulia selama bula Sepember 2006 sampai dega Sepember 200. METODE Berdasarka keragka eori dalam aalisis dere waku, dikeahui bahwa meode Wiers memilki keuggula dalam meramalka pola daa yag memiliki pola red da musima sehigga mampu memperkiraka pejuala pada ahu-ahu berikuya dega baik. Namu, meode Wiers saga bergaug pada aksira peramala awal. Meode Expoeial Smoohig memiliki Peerapa Ukura Keepaa (Iwa Sugkawa; Ries Tri Megasari) 637
3 keuggula dalam meguragi masalah peyimpaa daa. Sedagka, meode Movig Average melakuka perhiuga erhadap ilai daa baru da daa lama dihapus eapi meode ii memilki kelemaha yaiu semua memiliki bobo yag sama. Selajuya, uuk megeahui meode maa yag palig baik dari keiga meode ersebu dalam meramalka volume pejuala yag aka daag, dapa dilakuka deeksi erhadap hasil peramala dega meghiug ilai MSE da MAPE, yag merupaka kajia dega meguji error (kekelirua) dari masig-masig meode peramala yag diguaka. Meode peramala dega ilai MSE da MAPE erkecil merupaka meode yag erbaik da aka diguaka uuk melakuka kajia aau aalisis volume pejuala. Movig Average Movig average adalah suau meode peramala umum da mudah uuk megguaka alaala yag ersedia uuk aalisis ekis. Movig average meyediaka meode sederhaa uuk pemulusa daa masa lalu. Meode ii bergua uuk peramala keika idak erjadi re. Jika erdapa re, guaka esimasi berbeda uuk memperimbagkaya. Hal ii disebu dega bergerak karea sebagai daa baru yag ersedia, daa yag erua idak diguaka lagi (Makridakis e all, 999). Tujua uama pegguaa raa-raa bergerak adalah uuk meghilagka aau meguragi acaka dalam dere waku. Tekik raa-raa bergerak dalam dere waku erdiri dari pegambila suau kumpula ilai-ilai yag diobservasi, medapaka raa-raa dari ilai ii, da kemudia megguaka ilai raa-raa ersebu sebagai ramala uuk periode yag aka daag. (Assauri,984, p.23) Peramala dega ekik Movig Average melakuka perhiuga erhadap ilai daa yag palig baru sedagka daa yag lama aka dihapus. Nilai raa-raa dihiug berdasarka jumlah daa yag agka raa-raaya bergerakya dieuka dari harga sampai N daa yag dimiliki. Movig average dihiug dega megguaka rumus sebagai beriku: = () dimaa adalah ilai yag palig akhir da + adalah periode berikuya, uuk periode maa suau ramala dibua. = ramala uuk periode yag beriku, + X,-,-2 = ilai observasi/sebearya dari variabel iu pada periode,-,-2,... N = Jumlah observasi yag diguaka dalam meghiug raa-raa bergerak Dalam model Movig Average dapa diliha bahwa semua daa observasi memiliki bobo yag sama yag membeuk raa-raaya. Padahal daa observasi erbaru seharusya memiliki bobo yag lebih besar dibadigka dega daa observasi di masa lalu. Hal ii dipadag sebagai kelemaha dalam meode Movig Average. Expoeial Smoohig Expoeial smoohig adalah meode yag meujukka pemboboa meuru secara ekspoesial erhadap ilai pegamaa yag lebih ua. Terdapa sau aau lebih parameer peulisa yag dieuka secara eksplisi, da hasil pilha ii meeuka bobo yag dikeaka pada ilai observasi. (Makridakis e all, 999, p.78). Beberapa keuuga dari pegguaa meode Expoeial Smoohig adalah bayak meguragi masalah peyimpaa daa, sehigga idak perlu lagi meyimpa semua daa hisoris aau sebagia; haya pegamaa erakhir, ramala erakhir, da suau ilai kosaa yag harus disimpa. (Makridakis e all, 999, p.03-04). 638 ComTech Vol.2 No. 2 Desember 20:
4 Meode ii diperguaka secara luas didalam peramala karea sederhaa, efisie didalam perhiuga ramala, mudah disesuaika dega perubaha daa, dam keeliia meode ii cukup besar Meode ii diguaka uuk melakuka pemulusa erhadap suau dere berkala dega membua raa-raa erimbag dari sederea daa yag lalu. Meode ii saga efekif uuk peramala jagka pedek da idak membuuhka bayak daa. Meode Expoeial Smoohig cocok uuk daa yag bergerak acak ke aas da ke bawah secara erus meerus berari idak ada re maupu musima. (2) dimaa 0< < adalah fakor pemulusa. Semaki kecil ilai alpha, semaki mulus suau daa. Dega ilai Y () uuk iisial ilai ramala didekai dega ilai raa-raa ( ) aau = + α - ) (3) Wiers Apabila suau daa ime series dikeahui adaya pola musima di sampig pola daa red, meode Wiers merupaka sau-sauya meode pedekaa pemulusa yag bayak diguaka. Meuru Makridakis, Wheelrigh, da McGee (999. P.22-27), meode Wiers merupaka meode yag dapa meagai fakor musima da re secara lagsug. Meode ii didasarka aas iga persamaa pemulusa dega iga paramaer, yaiu sau uuk usur sasioer, sau uuk red, da sau uuk musima. Keuuga dari meode Wiers adalah memiliki kemampua yag saga baik dalam meramalka daa yag memiliki pola red da musima. Meode Wiers diguaka uuk meramalka suau hasil yag disesuaika dega variasi red da musima yag idak dapa diaasi oleh meode Movig Average da meode Expoeial Smoohig. Meode Wiers meyediaka iga parameer uuk memperhalus ilai, yaiu base, red, da musima. Persamaa dasar uuk meode Wiers adalah sebagai beriku: Pemulusa keseluruha. S X α + ( α ) ( S + b ) (4) I = L Pemulusa red Pemulusa musima b I = ( S S ) + ( γ ) b γ (5) X β I L (6) S = + ( β ) Ramala F + m = S + b m) I L+ m ( (7) Peerapa Ukura Keepaa (Iwa Sugkawa; Ries Tri Megasari) 639
5 dimaa L adalah pajag musima (misal: umlah bula aau kuaral dalam suau ahu), b adalah kompoe red, I adalah fakor peyesuaia musima, da F +m adalah ramala uuk m periode ke muka. Persamaa 6 dapa dibadigka dega ideks musima yag merupaka rasio aara ilai sekarag dari dere daa, X, dibagi dega ilai pemulusa uggal yag sekarag uuk dere daa ersebu, S. Jika X lebih besar daripada S, rasio ersebu aka lebih besar daripada. Sedagka jika X lebih kecil daripada S, rasio ersebu aka lebih kecil daripada. Uuk memahami meode ii kia perlu meyadari bahwa S merupaka ilai pemulusa (raa-raa) dari dere daa yag idak ermasuk usur musima. Juga perlu diiga bahwa X mecakup adaya keradoma dalam dere daa. Uuk meghaluska keacaka ii, persamaa 6 membobo fakor musima yag dihiug palig akhir dega β da agka musima palig akhir pada musima yag sama dega (- β ). (Fakor musima sebelum ii dihiug pada periode -L, karea L adalah pajag musima). Persamaa 5 epa sama dega persamaa dari Hol uuk pemulusa red, yaiu b γ S S ) + ( γ b (8) = ( ) Persamaa 4 berbeda sediki dari persamaa S α X + α) ( S b ) (9) = ( + dari Hol, dimaa usur peramaya dibagi dega agka musima I -L. Hal ii dilakuka uuk meghilagka musima (megelimiasi flukuasi musima dari) X. Peyesuia ii dapa digambarka dega memperhaika kasus dimaa I -L lebih besar daripada, yag erjadi pada saa ilai periode -L lebih besar daripada raa-raa dalam musimaya. Membagi X dega bilaga yag lebih besar daripada ii meghasilka suau ilai yag lebih kecil daripada ilai semula. Persease peurua ii sama dega bayakya usur musima pada periode -L yag lebih besar daripada ilai raa-raa. Peyesuaia yag sebalikya erjadi bilamaa agka musima lebih kecil daripada. Nilai I -L diguaka dalam perhiuga ii karea I idak dapa dihiug sebelum S dikeahui dari persamaa pemulusa keseluruha. Meode Wiers juga memiliki kelemaha, kelemaha uama yag meghamba pemakaiaya secara luas yaiu membuuhka iga parameer pemulusa (alpha, bea, gamma) yag dapa berilai aara 0 da, sehigga bayak kombiasi yag harus dicobaka sebelum ilai parameer yag opimal dieuka. Meode aleraif yag dapa meguragi keragua eag ilai opimal adalah meacari ilai aksira awal yag lebih baik, lalu meeapka ilai yag kecil uuk keiga parameer pemulusa (sekiar 0, sampai dega 0,3). Nilai 0, membua ramala bersifa erlalu berhai-hai, sedagka ilai 0,3 memberika sisem yag lebih resposif. Karea adaya himpua piliha ilai yag dipersempi ii, meode ii biasaya dipadag sebagai meode yag lebih mudah diguaka (Makridakis e al.,999, p.37). Ukura Keepaa Nilai Peramala Dalam semua siuasi peramala megadug deraja keidakpasia. Kia megeali faka ii dega memasukka usur kesalaha (error) dalam perumusa sebuah peramala dere waku. Sumber peyimpaga dalam peramala buka haya disebabka oleh usur error, eapi keidakmampua suau model peramala megeali usur yag lai dalam dere daa juga mempegaruhi besarya peyimpaga dalam peramala. Jadi besarya peyimpaga hasil peramala bisa disebabka oleh besarya fakor yag idak diduga (ouliers) dimaa idak ada meode peramala yag mampu meghasilka peramala yag akura, aau bisa juga disebabka meode peramala yag diguaka idak dapa memprediksi dega epa kompoe red, kompoe 640 ComTech Vol.2 No. 2 Desember 20:
6 musima, aau kompoe siklus yag mugki erdapa dalam dere daa, yag berari meode yag diguaka idak epa (Bowerma da O Coell, 987, p.2). Jika Xi merupaka daa akual uuk periode i da F i merupaka ramala (aau ilai kecocoka/fied value) uuk periode yag sama, kesalaha didefiisika sebagai e i = X i -F i Jika erdapa ilai pegamaa da ramala uuk periode waku, aka erdapa buah gala da ukura saisik sadar beriku (Makridakis e all, 999) yag dapa didefiisika: Nilai egah gala (mea error) ME = i= ei Nilai egah gala absolu (mea absolue error) MAE = Jumlah kuadra gala (sum of squared error) SSE = I = i= Nilai egah gala kuadra (mea squared error) MSE = Deviasi sadar gala (sadard deviaio of error) SDE = ei I = ei I = 2 ei 2 ei 2 /( ) Ada pula ukura-ukura keepaa lai yag serig diguaka uuk megeahui keepaa suau meode peramala dalam memodelka daa dere waku, yaiu ilai MAPE (Mea Absolue Perceage Error), MSD (MeaN Squared Deviaio), MAD (Mea Absolue Deviaio) MAPE merupaka ukura keepa relaif yag diguaka uuk megeahui persease peyimpaga hasil peramala, dega persamaa sebagai beriku MAPE = PEi i= Gala persease (perceage error) X F PE = 00% X MAD meyaaka peyimpaga ramala dalam ui yag sama pada daa, dega meraaraaka ilai absolu error (peyimpaga) seluruh hasil peramala. Nilai absolu bergua uuk meghidari ilai peyimpaga posiif da peyimpaga egaif salig meiadaka. Persamaaya adalah sebagai beriku: Peerapa Ukura Keepaa (Iwa Sugkawa; Ries Tri Megasari) 64
7 Cara lai uuk meghidari peyimpaga ilai posiif da peyimpaga egaif salig meiadaka adalah dega megkuadraka ilai kesalaha ersebu. MSD merupaka ukura peyimpaga ramala dega meraa-raaka kuadra error (peyimpaga semua ramala). Persamaaya adalah sebagai beriku: MSD = (/) (Y () Y () ) 2 Tujua opimalisasi saisik serigkali dilakuka uuk memilih suau model agar ilai MSD miimal, eapi ukura ii mempuyai dua kelemaha. Perama ukura ii meujukka pecocokka (fiig) suau model erhadap daa hisoris. Pecocoka seperi ii idak selalu megimplikasika peramala yag baik. Suau model yag erlalu cocok (over fiig) dega dere daa berari sama dega memasukka usur radom sebagai bagia proses bagkia, adalah sama burukya dega dega idak berhasil megeai pola o acak dalam daa. Kekuraga kedua dalam MSD sebagai ukura keepaa model adalah berhubuga dega keyaaa bahwa meode berbeda aka megguaka prosedur yag berbeda pula dalam fase pecocoka. Dalam fase peramala pegguaa MSD da MAD sebagai suau ukura keepaa juga dapa meimbulka masalah. Ukura ii idak memudahka perbadiga aar dere berskala yag berbeda da uuk selag waku yag berlaia, karea MSD da MAD merupaka ukura absolu yag saga ergaug pada skala dari daa dere waku. Lagi pula, ierpreasi ilai MSD idak bersifa iuiif, karea ukura ii meyagku pegkuadraa sederea ilai. Karea alasa ersebu dalam hubuga dega keerbaasa MSD da MAD sebagai ukura keepaa peramala, maka dipakai ukura aleraif sebagai salah sau idikasi keepaa dalam peramala, yaiu MAPE. HASIL DAN PEMBAHASAN Daa yag diguaka dalam ulisa ii merupaka daa volume pejuala bulaa baja lokfom ipe 0,5mm/lembar PT. Sariamadiri Ciramulia selama empa ahu mulai bula Sepember 2006 sampai dega Sepember 200 (Megasari, 200). Pejuala selama empa ahu (Sepember 2006 sampai dega Sepember 200) meujukka bahwa jumlah pejuala megalami flukuasi periodik dega pajag kosa yag meujukka adaya usur musima dalam dere daa. Disampig iu juga erdapa usur red dega pegaruh siklus yag meyebabka garis red cukup berflukuasi. Selai iu, erdapa kecederuga keaika yag ampak pada bula Juli. Oleh karea iu, perusahaa dapa mecoba uuk meigkaka produksiya sekiar bula ersebu agar permiaa pasar dapa erpeuhi da perusahaa dapa eap medisribusika hasil produksiya ke masyaraka. Jumlah pejuala erbayak pada bula Juli 2007 yaiu sebayak 5. Daa ersebu dapa disajika dalam Tabel. Hasil plo daa disajika dalam Gambar : 642 ComTech Vol.2 No. 2 Desember 20:
8 Tabel Daa Pejuala Baja Lokfom Tipe 0,5mm/lembar Sepember 2006 Sepember 200 Bula Gambar. Grafik pejuala. Hasil Peramala Hasil peramala daa volume pejuala uuk keiga meode peramala (Movig Average, Expoeial Smoohig da Wiers) dega megguaka empa periode da ilai alpha = 0,, bea = 0,2, da gamma = 0,3, dapa diliha dalam lampira. Uuk medeeksi keepaa dari hasil ilai ramala yag dibadigka dega observasi (daa acual) uuk keiga meode peramala daa dere waku (Movig Average, Expoeial Smoohig, meode Wiers) perlu dieuka ilai MSE da MAPE. Beriku ii adalah abel perbadiga aara ukura keepaa peramala MSE da MAPE sera D-W uuk keiga meode peramala (Tabel 2): Tabel 2 Perbadiga MSE, MAPE da Durbi-Waso Ukura Keepaa Meode Peramala Movig Average Expoeial Smoohig Meode Wiers MSE 74,98 57,5 232,38 MAPE 9,58 8,84,028 Durbi-Waso 0, , , Peerapa Ukura Keepaa (Iwa Sugkawa; Ries Tri Megasari) 643
9 Tabel perbadiga MSE da MAPE sera D-W di aas meujukka meode peramala ekspoeial smoohig meghasilka ilai MSE da MAPE sera D-W yag miimum sehigga meode peramala ersebu diaggap sebagai meode erbaik yag dapa diguaka uuk peramala. Uuk meelaah keepaa dari model peramala, dapa dibadigka dega daa akual yag ada. Uuk ii dapa diguaka daa pejuala pada bula Okober 200 sebesar 03 sebagai pembadig. Uuk periode ersebu (bula Okober 200), hasil peramala yag diperoleh dega meode Movig Average, Expoeial Smoohig da meode Wiers masig-masig sebesar 2, 07, da 05. Jika keiga ilai ersebu dibadigka dega daa akual sebesar 03, erliha bahwa peyimpagaya 9 uuk Movig Average, 4 uuk Expoesial Smoohig da 2 uuk Wiers. Peyimpaga erkecil adalah dega meode Wiers, sehigga ada perbedaa sediki dari hasil kajia dega MSE da MAPE. Namu, uuk hal ii eap disimpulka yag erbaik adalah meode dega MSE da MAPE erkecil, yaiu meode Expoeial Smoohig. Kajia Gala (Error) dapa dilakuka dega mecermai peyimpaga daa akual dega hasil ramala yag dikeal dega ilai gala perlu diperiksa apakah bersifa acak aau idak, uuk ii dapa diguaka Saisik Durbi-Waso dega rumus: D W = = 5 ( e e = 4 e 2 Hasil D-W uuk keiga meode peramala yag erdapa dalam Tabel 2 di aas perlu dikaji. Sebagai pembadig uuk megkaji ilai D-W diguaka keeua sebagai beriku: dega =49, k= da araf yaa 5%, diperoleh ilai d L =.498 da d U =.58, sera 4- d U = Uuk keiga meode peramala yag diguaka ilai D-W < d U < 4- d U maka dapa disimpulka bahwa ilai gala idak bersifa acak baik uuk meode Movig Average, Expoeial Smoohig, maupu meode Wiers. 2 ) PENUTUP Berdasarka hasil kajia dalam meeuka/memilih meode peramala daa dere waku yag diaggap epa uuk diguaka dalam peramala volume pejuala PT Sariamadiri Ciramulia dari iga meode (Movig Average, Expoeial Smoohig, da meode Wiers), dapa diarik kesimpula sebagai beriku: () dega membadigka ilai MSE da MAPE uuk keiga meode, yag ilaiya palig kecil adalah expoesial smoohig sehigga disimpulka bahwa peramala dega megguaka meode ekspoeial smoohig diaggap yag erbaik da dapa diguaka uuk melakuka peramala volume pejuala PT Sariamadiri Ciramulia; (2) dari kajia gala (peyimpaga) hasil peramala uuk keiga meode dega saisik durbi Waso (D-W), dapa disimpulka bahwa keiga meode peramala yag diguaka ilai D-W lebih kecil krieria uji (D- W< d U < 4- d U ) sehigga dapa diaggap bahwa ilai gala idak bersifa acak baik uuk meode Movig Average, Expoeial Smoohig, maupu meode Wiers; (3) uuk meyakika hasil ramala perlu kajia erhadap hasil pegamaa apakah erdapa pecila (ouliers) aau idak. Pecila dari hasil pegamaa aka mempegaruhi flukuasi daa dere waku da dapa meuruka igka keepaa ramala; (4) dalam melakuka peramala daa dere waku secara cerma, ilai alpha dalam Expoeial Smoohig, maupu kombiasi alpha, bea, da gamma dalam meode Wiers perlu dieuka melalui meode coba-coba (rial ad error) agar ilai ramala yag dihasilka lebih epa; (5) igka kehomogea daa saga mempegaruhi ukura peyimpaga. Maki homoge 644 ComTech Vol.2 No. 2 Desember 20:
10 daa pegamaa, maki kecil ilai ukura peyimpagaya da dega sediriya igka keepaa dari pedugaa/peramala maki eradalka. DAFTAR PUSTAKA Assauri, S. (984). Tekik da Meode Peramala Peerapaya Dalam Ekoomi da Duia Usaha. Jakara: Lembaga Peerbi Fakulas Ekoomi UI. Bowerma, B. L. & O Coell, R.T. (987). Time Series Forecasig. Boso: Duxbury Press. Makridakis, S., Wheelrigh, S.C., & McGee, V. E. (999). Meode da Aplikasi Peramala, (U.S. Adriyao da A. Basih, erj.). Jakara: Erlagga. Megasari, Ries Tri. (200). Perbadiga Aara Meode Movig Average, Expoeial Smoohig da Wiers Dalam Peramala Volume Pejuala PT Sariamadiri Ciramulia Berbasiska Kompuer. Skripsi Sraa Program Sudi Saisika FST Uiversias Bia Nusaara, Jakara. Peerapa Ukura Keepaa (Iwa Sugkawa; Ries Tri Megasari) 645
BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu
BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam
Lebih terperinciBAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa
Lebih terperinciBAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak
BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu
Lebih terperinciBAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik
Lebih terperinciSTUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA
Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.
Lebih terperinciPeramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown
Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala
Lebih terperinciUniversitas Sumatera Utara
Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu
Lebih terperinciIII. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data
III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam
Lebih terperinciPENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.
. Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis
Lebih terperinciMENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012
MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor
Lebih terperinciKRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB
KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN)
Widiyarii, Pegguaa Meode Peramala dalam. PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN) Widiyarii Program Sudi Tekik Idusri Fakulas Tekik da MIPA, Uiversias
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN
PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si
Lebih terperinciBAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang
BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)
Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa
Lebih terperinciManajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS
Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciJurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN
Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI
Lebih terperinciBeberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )
33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil
Lebih terperinciRumus-rumus yang Digunakan
Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciPenerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit
Peerapa Meode Opimasi Expoeial moohig Uuk Peramala Debi Oleh: Budi aosa, uharyao 2, Djoko Legoo 3. DT, Program Pascasarjaa Udip, Jl. Hayam Wuruk No. 5-7 emarag, (Depareme Tekik ipil Uiversias Guadarma,
Lebih terperinciBAB METODOLOGI. Bab 2 Metodologi berisikan :
BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag
Lebih terperinciNILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN
NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB TINJAUAN PUSTAKA Tijaua Pusaka Pegguaa meode peramala Forecasig elah dilakuka oleh berbagai macam peeliia dalam berbagai bidag eruama diguaka dalam memprediksi pejuala pada perusahaa Beriku dibawah
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di
8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciB A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan
30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag
Lebih terperinciBAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.
BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau
Lebih terperinciV. PENGUJIAN HIPOTESIS
V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska
Lebih terperinciUniversitas Sumatera Utara
50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEORI. Tijaua Pusaka Bidag percaaa da pegawasa produksi da persediaa dalam orgaisasi-orgaisasi maufacurig da jasa berkaia dega peramala permiaa, perecaaa kapasias keseluruha orgaisasi, peeua
Lebih terperinciALGORITMA DATA MINING
ALGORITMA DATA MINING A. DECISION TREE. Kosep Decisio Tree Megubah daa mejadi poho kepuusa (decisio ree) da aura-aura kepuusa (rule). Sebagai cooh misalya igi membua aura yag dapa diguaka uuk meeuka apakah
Lebih terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER
STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula
Lebih terperinciBAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan
BAB 2 LANDASAN TEORI Pada bab ii aka dijelaska eori-eori yag medukug meode peeliia pada peulisa skripsi ii yag disebu sebagai ladasa eori. Teori yag aka dijelaska aka mecakup meode dari subjek ekik idusri
Lebih terperinciPREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP
Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,
Lebih terperinciAPLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI
Lebih terperinciPrediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Sisem Produksi Proses maufakur dapa digambarka seperi erliha dalam Gambar.., berupa keragka masuka-keluara, dimaa masukaya berupa baha baku, selajuya baha baku dikoversi (dega
Lebih terperinciBAB V METODE PENELITIAN
31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek
Lebih terperinciBAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel
BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka
Lebih terperinciPERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA
PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA DISUSUN OLEH : NAMA : AZIS WIDODO NIM : 41605110061 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinciBAB IV METODOLOGI PENELITIAN
30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa
Lebih terperinciPERAMALAN ORDER INTAKE DI PT.KSB INDONESIA
PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA DISUSUN OLEH : NAMA : BUDIYANTO NIM : 4160511005 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciMODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR
Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciMETODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2
METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas
Lebih terperinciMODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja
Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa
Lebih terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
Lebih terperincikesimpulan yang didapat.
Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciPENGUJIAN HIPOTESIS DUA RATA-RATA
PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciTUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI
MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara
Lebih terperinciIV. METODE PENELITIAN
29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga
Lebih terperinciFORECASTING (Peramalan)
FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa
Lebih terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciMODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA
Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN
Lebih terperinciMODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR
MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT
ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT. LEMINDO ABADI JAYA AREA DISTRIBUSI RIAU DARATAN) Peir Papilo 1, Ramadhail 2 Jurusa
Lebih terperinciPERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.
PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciBAB 4 PENGUMPULAN DAN ANALISA DATA
BAB 4 PENGUMPULAN DAN ANALISA DATA 4.1. Pegumpula da Pegolaha Daa 4.1.1. Daa Permiaa Uuk meeuka meode peramala yag aka dilakuka maka dibuuhka daa permiaa pada periode sebelumya. Tabel 4.1 Jeis Produk No.
Lebih terperinciANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o
ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika
Lebih terperinciII LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).
of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa
Lebih terperinciANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro
ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciTINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES
FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh
Lebih terperinciMETODOLOGI. Waktu dan Tempat. Alat dan Bahan
METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciPENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ
Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI
Lebih terperinciPERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.
PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Kosep Supply Chai Supply chai adalah jariga isasi-isasi yag secara bersama-sama bekerja uuk mecipaka da meghaarka suau produk ke aga pemakai akhir (ed user). Isasi-isasi ersebu
Lebih terperinciANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA
ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial
Lebih terperinciPEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:
PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika
Lebih terperinciBAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak
BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari
Lebih terperinciBAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov
BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha
Lebih terperinciPemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau
Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas
Lebih terperinciBAGIAN 2 TOPIK 5. andhysetiawan
BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag
Lebih terperinciBarekeng, Juni hal Vol. 1. No. 1
Barekeg, Jui 7 hal46-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variace Mulivaria Aalysis for Eperime wih Complee Radom Desig Th PENTURY Jurusa Maemaika FMIPA
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka
Lebih terperinciSistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital
isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),
Lebih terperinciINTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ
INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg
Lebih terperinciPemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinci