PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
|
|
|
- Hartono Sanjaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja ! Wiwik Anggraeni, S.Si, M.Kom! Retno Aulia Vinarti, S.Kom!
2 Latar Belakang!! Kemajuan teknologi, contoh nyata yang ada adalah Telekomunikasi! Telekomunikasi merupakan bentuk sarana komunikasi yang cepat dan praktis, salah satu penyedia (provider) yang ada adalah TELKOMSEL Divre 3 Surabaya! Peramalan digunakan untuk mengetahui tingkat penggunaan telepon oleh pelanggan pada saat tertentu! Exponential Smoothing lebih unggul dalam peramalan untuk karakteristik linier yaitu sifat stasioner dan tidak mengandung trend. K.K. Lai et al (2006)
3 Permasalahan!! Bagaimana mendapatkan nilai parameter yang optimal dengan menggunakan OLS pada metode exponential smoothing?! Bagaimana mengetahui tingkat akurasi / ketepatan dari hasil peramalan yang telah dilakukan?
4 Batasan Masalah!! Metode peramalan yang digunakan untuk menyelesaikan permasalahan yaitu metode exponential smoothing dengan mendapatkan nilai parameter yang optimal terlebih dahulu! Data yang akan dianalisa pada tugas akhir ini adalah data yang berupa lama waktu telepon oleh pengguna kartu HALO dalam satuan detik sebanyak 4 tahun, mulai dari tahun
5 Tujuan!! Mendapatkan nilai parameter yang optimal sehingga mendapatkan hasil peramalan dengan error yang kecil.! Meramalkan jumlah pemakaian kartu HALO khususnya dalam penggunaan telepon.
6 METODOLOGI!
7 Rancangan Data!! Data yang digunakan adalah Data Penggunaan Telepon Pelanggan Kartu HALO!
8 Rancangan Data!! Data Pelanggan Sesudah di Rata-rata, Script Matlab!
9 2006 Jenis Pola Data!! Dalam Desain dan Perancangan juga harus mengetahui pola data yang ada. Untuk mengetahui, hasil rata-rata harus di plot dalam bentuk grafik.!
10 Data Training dan Tester!! Setelah melakukan peramalan, ada pembagian data yaitu data training dan tester!
11 Rancangan Data!! Dari 300 data, 2/3 dari jumlah data digunakan untuk training.!! Sisanya (1/3) digunakan untuk testing yang akan dimasukkan ke RMSE (Root Mean Square Error)!
12 Implementasi!! Data Masukan!! Kumpulan training data. Kumpulan data terdiri dari data pelanggan dari bulan Januari 2005 sampai dengan bulan Agustus 2007 dengan N = 32 observasi! Kumpulan tester data. Kumpulan data ini yang akan digunakan dalam proses evaluasi data, yatiu RMSE dan MAPE. Kumpulan data ini terdiri dari bulan September 2007 sampai dengan bulan Desember 2008 dengan N = 16 observasi
13 Implementasi!! Model DES! St = α * Yt + (1 α) * (St bt - 1) (2.2) bt = γ * (St St - 1) + (1 γ) * bt 1 (2.3) Ft + m = St + bt m (2.4) dimana: St = peramalan untuk periode t. Yt + (1-α) = Nilai aktual time series bt = trend pada periodeke - t α = parameter pertama perataan antara nol dan 1, untuk pemulusan nilai observasi = parameter kedua, untuk pemulusan trend Ft+m = hasil peramalan ke - m m = jumlah periode ke muka yang akan diramalkan
14 Implementasi!! Model Ordinary Least Square! (2.5) Di mana : β = nilai parameter Xi = nilai aktual pada periode ke i Yi = nilai prediksi pada periode ke i i = periode, i n = jumlah periode
15 Implementasi!! Model RMSE dan MAPE! (2.5) Dimana: MSE = Mean Square Error N = Jumlah Sampel = Nilai Aktual Indeks = Nilai Prediksi Indeks
16 Implementasi!! Model MAPE! Galat Persentase (Percentage Error) (2.7) Nilai Tengah Galat Persentase (Mean Percentage Error) (2.8) Nilai Tengah Galat Persentase Absolut (Mean Absolut Percentage Error) (2.9) Dimana Xt Ft n t = periode ke - t = Data history atau Data aktual pada periode ke - t = Data hasil ramalan pada periode ke - t = jumlah data yang digunakan
17 Implementasi!! Parameter yang digunakan kisaran 0.01 s/d 0.3!! alpha = 0.25!! betha = 0.3!
18 Uji Coba & Analisa Hasil (2005)!
19 Uji Coba & Analisa Hasil!
20 Uji Coba & Analisa Hasil!
21 Uji Coba & Analisa Hasil!
22 Uji Coba & Analisa Hasil!
23 Uji Coba & Analisa Hasil!
24 Uji Coba & Analisa Hasil!
25 Uji Coba & Analisa Hasil!
26 Analisa Hasil & Validasi!
27 ! Beberapa hal yang dapat disimpulkan berkaitan dengan metode peramalan Double Exponential Smoothing adalah sebagai berikut : Kesimpulan! 1.Untuk melakukan peramalan data yang bersifat time series dengan tipe data yang stationer bisa digunakan metode Double Exponential Smoothing. Hasil yang ditunjukkan cukup baik. 2.Dalam mendapatkan parameter yang optimal, menggunakan Metode Ordinary Least Square terbukti mampu memberikan kinarja yang bagus. Seihngga mendapatkan nilai evaluasi kesalahan di bawah 10%.
28 Kesimpulan! 3. Evaluasi hasil peramalan dilakukan menggunakan metode perhitungan kesalahan peramalan MAPE dan RMSE. Kedua metode ini terbukti dapat mengukur kinerja model dalam melakukan peramalan. 4. Meskipun peramalan menggunakan model Double Exponential Smoothing, nilai evaluasi kesalahan peramalan tetap berada pada interval tertentu, yaitu 2% - 3% untuk nilai MAPE. 5. Model Double Exponential Smoothing mempunyai kinerja yang sangat bagus dalam meramalkan data dengan nilai perhitungan kesalahan MAPE berada di bawah 10%.
29 Saran!! Untuk menghasilkan akurasi yang tinggi dalam metode peramalan Double Exponential Smoothing, sebaiknya memperhatikan pola data dengan baik, karena Double Exponential Smoothing untuk pola data yang mengandung trend meskipun stasioner bisa diramal dengan metode ini.
30 Terima Kasih!
PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA
PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL
PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA
PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA Alda Raharja, Wiwik Angraeni, S.Si, M.Kom, Retno Aulia Vinarti, S.Kom Sistem Informasi, Fakultas
BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Sebuah fakta bahwa waktu adalah uang dalam aktivitas penjualan. Pengambilan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sebuah fakta bahwa waktu adalah uang dalam aktivitas penjualan. Pengambilan keputusan merupakan hal yang penting untuk kesuksesan penjualan. Dalam hal ini seseorang
S (t)=ax(t)+(1-a)s t-1 (2) S (t)=asn(t)+(1-a)s t-1 (3) F(t+m)=S(t)+mb(t) (4)
Ju rnal)lm iah. %2O 6ol.,. o. data ini terjadi jika terdapat data yang berfluktuasi di sekitar nilai rata-rata yang konstan. Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu
Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation
Jurnal Ilmiah NERO Vol. 1 No. 1 2014 Prediksi Persediaan Ikan Teri Menggunakan Exponential Smoothing Berbasis Ordered Weighted Aggregation Bain Khusnul Khotimah 1, Moh. Laili 2, Budi Dwi Satoto 3 1,2)
ABSTRAK. Kata Kunci :Single Exponential Smoothing,Double Exponential Smoothing,Mean Absolute Percentage Error.
PERBANDINGAN TINGKAT AKURASI METODE SES (SINGLE EXPONENTIAL SMOOTHING) DAN DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN STUDY KASUS PERAMALAN PEMINJAMAN BUKU DI PERPUSTAKAAN DAERAH JEMBER Yuldania (1110651134)
PERBANDINGAN METODE SETENGAH RATA-RATA DAN METODE KUADRAT TERKECIL UNTUK PERAMALAN PENDAPATAN PERUSAHAAN DI BLU UPTD TERMINAL MANGKANG SEMARANG
Techno.COM, Vol. 15, No. 2, Mei 2016: 132-139 PERBANDINGAN METODE SETENGAH RATA-RATA DAN METODE KUADRAT TERKECIL UNTUK PERAMALAN PENDAPATAN PERUSAHAAN DI BLU UPTD TERMINAL MANGKANG SEMARANG Rachmad Budi
PENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG
PENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG Wendi Wirasta, Muhamad Luthfi Ashari 2 Program Studi Teknik Informatika, STMIK & Ilmu Komputer LPKIA Jl. Soekarno Hatta 456,
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
IMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING DALAM PERAMALAN PENJUALAN PULSA ELEKTRIK
IMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING DALAM PERAMALAN PENJUALAN PULSA ELEKTRIK Sugiyanto 1, Rinci Kembang Hapsari 2 1,2 Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi
BAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Peramalan 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
1. Pendahuluan Laporan Sensus Penduduk menunjukkan adanya peningkatan laju pertumbuhan penduduk yang melebihi proyeksi banyak kalangan.
1. Pendahuluan Laporan Sensus Penduduk menunjukkan adanya peningkatan laju pertumbuhan penduduk yang melebihi proyeksi banyak kalangan. Pertumbuhan penduduk yang tinggi di Indonesia menimbulkan permasalahan
JURNAL MATEMATIKA MANTIK Edisi: Oktober Vol. 02 No. 01 ISSN: E-ISSN:
ISSN: 25273159 EISSN: 25273167 PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH KLAIM DI BPJS KESEHATAN PAMEKASAN Faisol 1, Sitti Aisah 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan
SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi Teknik Informatika
PERBANDINGAN METODE DOUBLE EXPONENTIAL SMOOTHING DAN FUZZY TIME SERIES PADA PERAMALAN PENJUALAN SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program
BAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.
Bab 3 Metodologi Penelitian dan Percobaan Pendahuluan
Bab 3 Metodologi Penelitian dan Percobaan Pendahuluan 3.1 Tahapan Penelitian Tahapan penelitian untuk membuat model prediksi dilakukan dalam 3 (tiga) tahap kegiatan yang ditunjukkan Gambar 3.1. Gambar
Implementasi Metode Time Series Arima dan Arimax pada Pemodelan Data Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana
Implementasi Metode Time Series Arima dan Arimax pada Pemodelan Data Jumlah Permintaan Busana Muslim Anak di Perusahaan Habibah Busana Dosen Pembimbing I : Wiwik Anggraeni, S.Si, M.Kom Dosen Pembimbing
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 1.1 Tempat Penelitian Penelitian ini dilakukan di PT. Aetra Air Jakarta, Jl. Jend. Sudirman Ged. Sampoerna Strategic Square. 1.2 Obyek Penelitian Objek penelitian dilakukan
BAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
ANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI.
ANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI Ni Putu Lisna Padma Yanti 1, I.A Mahatma Tuningrat 2, A.A.P. Agung Suryawan Wiranatha 2 1 Mahasiswa Jurusan Teknologi
PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER Nama Mahasiswa : Eka Novi Nurhidayati NRP : 1208 100 040 Jurusan : Matematika
Kenyo Puspito Rini 1), Ir. Usman Effendi, MS. 2), Dhita Morita Ikasari, STP, MP. 2)
PERAMALAN PERMINTAAN MINUMAN KESEHATAN INSTAN JAHE MENGGUNAKAN JARINGAN SYARAF TIRUAN dan METODE TIME SERIES (Studi Kasus di Agroindustri Minuman Kesehatan Instan DIA Malang) Kenyo Puspito Rini 1), Ir.
ANALISIS PERAMALAN PENJUALAN SEMEN NON-CURAH (ZAK) PT SEMEN INDONESIA (PERSERO) TBK PADA AREA JAWA TIMUR
ANALISIS PERAMALAN PENJUALAN SEMEN NON-CURAH (ZAK) PT SEMEN INDONESIA (PERSERO) TBK PADA AREA JAWA TIMUR Feby Artwodini Muqtadiroh 1, Avia Riska Syofiani 2, Terry Safiria Ramadhani 3 Jurusan Sistem Informasi,
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien (Makridakis,1991). Peramalan merupakan studi terhadap data historis untuk menemukan
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
HASIL DAN ANALISIS DATA. Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut.
BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut. Data berikut merupakan data aktual untuk diramalkan penjualannya
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Untuk menunjang kegiatan penelitian dalam bab ini akan dijabarkan desain penelitian, alat dan bahan, dan bahan penelitian. 3.1 Desain Penelitian Desain Penelitian merupakan
SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara (0911011) Mahasiswa Program Studi Teknik Informatika,
BAB II TINJAUAN PUSTAKA. masa yang akan datang. Sedangkan ramalan adalah suatu situasi yang diperkirakan
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori. 2.1.1 Pengertian Peramalan. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi
BAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan proses perkiraan tentang sesuatu yang terjadi pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) merupakan data yang
BAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Untuk menunjang kegiatan penelitian, dalam bab ini akan dijabarkan desain penelitian, alat dan bahan, dan bahan penelitian. 3.1 Desain Penelitian Desain penelitian yang digunakan
BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
APLIKASI PREDIKSI JUMLAH PASIEN RAWAT INAP BERBASIS WEB MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING (DES) DI RSUD SUMBAWA BESAR HALAMAN JUDUL TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih
TEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI.
TEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI. PENERAPAN TEKNIK Keakuratan data yang dimiliki Asumsi yang disepakati bersama Kondisi perusahaan yang terdiri dari
Evelina Padang, Gim Tarigan, Ujian Sinulingga
Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga
BAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
BAB 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
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data Perusahaan PT.YPP adalah salah satu perusahaan nasional yang bergerak di bidang obatobatan (Jamu). Terletak di jalan Pulo Buaran Raya Blok X no.6 Kawasan
BAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
BAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
BAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para pimpinan suatu perusahaan atau para pelaku bisnis harus menemukan cara untuk terus
PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH
ISBN: 978-602-71798-1-3 PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN PERSEDIAAN BERAS PADA BULOG DIVRE ACEH Nurmaulidar, Asep Rusyana, Rizka Maqfirah 1 Fakultas MIPA, Universitas Syiah Kuala,
RANCANG BANGUN APLIKASI PREDIKSI PENJUALAN MENGGUNAKAN ALGORITMA DOUBLE EXPONENTIAL SMOOTHING BERBASIS WEB (STUDI KASUS: PT.
Jurnal Informatika, Vol. 14, No. 1, Mei 2017, 28-35 ISSN 1411-0105 / e-issn 2528-5823 DOI: 10.9744/informatika.14.1.28-35 RANCANG BANGUN APLIKASI PREDIKSI PENJUALAN MENGGUNAKAN ALGORITMA DOUBLE EXPONENTIAL
SKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA
APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING SKRIPSI Disusun oleh: DANI AL MAHKYA 24010210141025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
BAB V ANALISA HASIL Perbandingan Akurasi Hasil Peramalan MC Tire IRC Tube Type. menganalisa produk MC Tire IRC Tube Type, sebagai berikut :
BAB V ANALISA HASIL 5.1. Perbandingan Akurasi Hasil Peramalan MC Tire IRC Tube Type Berdasarkan hasil pengolahan data, maka dapat dibandingkan seluruh ukuran kesalahan peramalan atas metode peramalan yang
BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
BAB. 1 PENDAHULUAN Latar Belakang
1 BAB. 1 PENDAHULUAN 1.1. Latar Belakang Kain adalah bahan mentah yang dapat dikelola menjadi suatu pakaian yang mempunyai nilai financial dan konsumtif dalam kehidupan, seperti pembuatan baju. Contohnya
VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER
VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER 6.1. Analisis Pola Data Penjualan Ayam Broiler Data penjualan ayam broiler adalah data bulanan yang diperoleh dari bulan Januari 2006
BAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Membuat keputusan yang baik
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang
BAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
UJIAN TUGAS AKHIR EKA NOVI NURHIDAYATI. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2012
UJIAN TUGAS AKHIR APLIKASI ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER α DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER EKA NOVI NURHIDAYATI 1208 100 040 Jurusan Matematika Fakultas
BAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
BAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 Definisi Peramalan Peramalan adalah suatu proses dalam menggunakan data historis yang telah dimiliki untuk diproyeksikan ke dalam suatu model peramalan. Dengan model peramalan
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas merupakan logam mulia yang sering dijadikan sebagai alat tukar dalam perdagangan maupun sebagai standar keuangan berbagai negara. Nilai emas yang tidak pernah
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem Informasi
PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING PADA TOKO OBAT BINTANG GEURUGOK
PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING PADA TOKO OBAT BINTANG GEURUGOK Sayed Fachrurrazi, S.Si., M.Kom Program Studi Teknik Informatika, Universitas Malikussaleh Reuleut,
PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN
PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN Ryan Putranda Kristianto 1), Ema Utami 2), Emha Taufiq Lutfi 3) 1, 2,3) Magister Teknik informatika STMIK
OPTIMASI 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,
Pembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
BAB 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
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Universitas Gunadarma PERAMALAN
PERAMALAN PERAMALAN Kebutuhan Peramalan dalam Manajemen Produksi dan Operasi Manajemen Operasi/produksi menggunakan hasil-hasil peramalan dalam pembuatan keputusan-keputusan yang menyangkut pemilihan proses,
SISTEM PERAMALAN STOK OBAT MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 SISTEM PERAMALAN STOK OBAT MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Eka Mala Sari R 1), Yeni Kustiyahningsih 2), Rizki
MATHunesa 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
BAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Setiap Bank menyalurkan Kartu Kredit kepada masyarakat dengan bertujuan untuk memperoleh keuntungan yang diberikan dalam bentuk bunga dan sebagai alat promosi. Dengan
Analisis Deret Waktu
Analisis Deret Waktu Jenis Data Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS WINTER DI PT. TELEKOMUNIKASI INDONESIA Tbk.
PERANCANGAN APLIKASI PERAMALAN JUMLAH CALON MAHASISWA BARU YANG MENDAFTAR MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOTHING
PERANCANGAN APLIKASI PERAMALAN JUMLAH CALON MAHASISWA BARU YANG MENDAFTAR MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOTHING (Studi Kasus : Fakultas Agama Islam UISU) Agustinawati Purba Mahasiswa Teknik Informatika
BAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan
PERAMALAN PERSEDIAAN BARANG MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal PILAR Nusa Mandiri Vol. 13, No. 2, September 2017 217 PERAMALAN PERSEDIAAN BARANG MENGGUNAKAN METODE WEIGHTED MOVING AVERAGE DAN METODE DOUBLE EXPONENTIAL SMOOTHING Ratih Yulia Hayuningtyas Teknik
BAB I PENDAHULUAN. bagaimana iklim dapat berbeda pada suatu tempat dengan tempat lainya dan
BAB I PENDAHULUAN 1.1 Latar Belakang Klimatologi adalah ilmu yang membahas dan menerangkan tentang iklim, bagaimana iklim dapat berbeda pada suatu tempat dengan tempat lainya dan bagaimana kaitan antara
PENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG
PENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG Siti Rohana Nasution 1, Temotius Agung Lukito 2 1,2) Jurusan Teknik Industri Fakultas Teknik Universitas Pancasila 1) nasutionana@yahoo.co.id,
PERAMALAN PENGGUNA INDIHOME DI PT.TELEKOMUNIKASI TBK PALEMBANG
PERAMALAN PENGGUNA INDIHOME DI PT.TELEKOMUNIKASI TBK PALEMBANG Oktariani 1*, Sopian Soim 2, Adewasti 3 1 Program Studi Teknik Telekomunikasi, Jurusan Teknik Elektro, Politeknik Negeri Sriwijaya Bukit Besar,
BAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Bab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 605-614 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA
Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
PENGEMBANGAN 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
1. Pendahuluan Pembangkit Listrik Tenaga Air (PLTA) Jelok terletak di Kabupaten Semarang 45 km dari Kota Semarang, tepatnya di Desa Delik Kecamatan
1. Pendahuluan Pembangkit Listrik Tenaga Air (PLTA) Jelok terletak di Kabupaten Semarang 45 km dari Kota Semarang, tepatnya di Desa Delik Kecamatan Tuntang. PLTA Jelok menggunakan air yang berasal dari
Analisis 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
PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
BAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN 5.1 Ekstraksi Hasil Pengumpulan Data 5.1.1 Data Umum Produk Perusahaan menggunakan batch sebagai satuan dalam produksi, dimana 1 batch adalah sebesar : 1. Spon untuk ukuran 9
BAB 4 PENGUMPULAN DAN ANALISA DATA
BAB 4 PENGUMPULAN DAN ANALISA DATA 4.1 Pengumpulan Data 4.1.1 Data untuk Peramalan Permintaan Untuk peramalan permintaan pada bulan Januari April 2007 diperlukan data penjualan selama bulan Mei 2005 Desember
BAB I PENDAHULUAN. yang ada pada CV. Agung Jaya Cabang Pabean diperoleh dari supplier atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah CV. Agung Jaya Cabang Pabean adalah cabang perusahaan CV. Agung Jaya Kalang Anyar Sedati. CV. Agung Jaya Cabang Pabean merupakan distributor alat tulis kantor
Peramalan Permintaan Susu Pasteurisasi Menggunakan Metode Jaringan Syaraf Tiruan dan Time Series (Studi Kasus di Koperasi Susu SAE Pujon, Malang)
Peramalan Permintaan Susu Pasteurisasi Menggunakan Metode Jaringan Syaraf Tiruan dan Time Series (Studi Kasus di Koperasi Susu SAE Pujon, Malang) Forecasting of Pasteurized Milk Demand By Using Artificial
U K D W BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam pengelolaan suatu minimarket tidak pernah lepas dari yang namanya persediaan barang. Persediaan barang menjadi bagian yang sangat vital dalam tumbuh kembangnya
Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
BAB III PERAMALAN 3.1 Landasan Teori Peramalan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk
BAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA
BAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA Forecasting adalah suatu peramalan nilai sebuah atau sekumpulan variabel pada satu titik waktu di masa depan. Dalam melakukan perhitungan peramalan pertumbuhan
Perkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri
Perbandingan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Klip (Studi Kasus PT. Indoprima Gemilang Engineering) Aditia Rizki Sudrajat 1, Renanda
EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN
EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika
Dian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh.
PERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI PT. PERTAMINA (PERSERO) REGION III DEPOT MALANG MENGGUNAKAN METODE WINTER DAN METODE DEKOMPOSISI Dian Kristanti 1) 1 Prodi Pendidikan Matematika,
BAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 1.1 Landasan Teori 1.1.1 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Menurut kamus besar bahasa indonesia, prediksi adalah hasil dari kegiatan memprediksi atau