Bab 2 Tinjauan Pustaka

Ukuran: px
Mulai penontonan dengan halaman:

Download "Bab 2 Tinjauan Pustaka"

Transkripsi

1 Bab 2 Tijaua Pustaka 2.1. Teori Peramala (Forecastig) Utuk meyelesaika masalah di masa datag yag tidak dapat dipastika, orag seatiasa berupaya meyelesaikaya dega model pedekata-pedekata yag sesuai dega perilaku aktual data, begitu juga dalam melakuka peramala. Peramala (forecastig) permitaa aka produk da jasa di waktu medatag da bagia-bagiaya adalah sagat petig dalam perecaaa da pegawasa produksi. Suatu peramala bayak mempuyai arti, maka peramala tersebut perlu direcaaka da dijadwalka sehigga aka diperluka suatu periode waktu palig sedikit dalam periode waktu yag dibutuhka utuk membuat suatu kebijaksaaa da meetapka beberapa hal yag mempegaruhi kebijaksaaa tersebut. Peramala diperluka disampig utuk memperkiraka apa yag aka terjadi dimasa yag aka datag juga para pegambil keputusa perlu utuk membuat plaig Defiisi Peramala (Forecastig) Peramala adalah suatu perkiraa tigkat permitaa yag diharapka utuk suatu produk atau beberapa produk dalam periode waktu tertetu di masa yag aka datag. Oleh karea itu, peramala pada dasarya merupaka suatu taksira, tetapi dega megguaka cara-cara tertetu peramala dapat lebih daripada haya satu taksira. Dapat dikataka bahwa peramala adalah suatu taksira yag ilmiah meskipu aka terdapat sedikit kesalaha yag disebabka oleh adaya keterbatasa kemampua mausia. Sebelum mejabarka tetag metode peramala ii, maka terlebih dahulu diuraika tetag defiisi dari peramala itu sediri.

2 Meurut Joh E. Biegel: Peramala adalah kegiata memperkiraka tigkat permitaa produk yag diharapka utuk suatu produk atau beberapa produk dalam periode waktu tertetu di masa yag aka datag. (Joh E. Biegel, 1999) Dalam peramala (forecastig) tidak jarag terjadi kesalaha misalya saja pejuala serig tidak sama dega ilai eksak yag diperkiraka. Sedikit variasi dari perkiraa serig dapat diserap oleh kapasitas tambaha, sediaa pejadwala permitaa. Tetapi, variasi perkiraa yag besar dapat merusak operasi. Ada tiga cara utuk megakomodasi perkiraa, yaitu: yag pertama adalah mecoba meguragi kesalaha melakuka pemerakiraa yag lebih baik. Yag kedua adalah, membuat fleksibilitas pada operasi da yag terakhir adalah meguragi waktu tuggu yag dibutuhka dalam prakiraa. Tetapi kemugkia kesalaha terkecil adalah tujua yag kosiste dega biaya prakiraa yag masuk akal. Meurut Buffa: Peramala atau forecastig diartika sebagai pegguaa tekik-tekik statistik dalam betuk gambara masa depa berdasarka pegolaha agka-agka historis. (Buffa S. Elwood, 1996) Meurut Makridakis: Peramala merupaka bagia itegral dari kegiata pegambila keputusa maajeme. (Makridakis, 1988) Orgaisasi selalu meetuka sasara da tujua, berusaha meduga faktor-faktor ligkuga, lalu memilih tidaka yag diharapka aka meghasilka pecapaia sasara da tujua tersebut. Kebutuha aka peramala meigkat sejala dega usaha maajeme utuk meguragi ketergatugaya pada halhal yag belum pasti. Peramala mejadi lebih ilmiah sifatya dalam meghadapi ligkuga maajeme. Karea setiap orgaisasi berkaita satu sama lai, baik burukya ramala dapat mempegaruhi seluruh bagia orgaisasi. (Makridakis, 1988)

3 2.1.2 Peraa da Keguaa Peramala Beberapa bagia orgaisasi dimaa peramala kii memaika peraa yag petig atara lai: (Makridakis, 1988) a. Pejadwala sumber daya yag tersedia pegguaa sumber daya yag efisie memeluka pejadwala produksi, traportasi, kas, persoalia da sebagaiya. b. Peyediaa sumber daya tambaha Waktu teggag (lead time) utuk memperoleh baha baku, meerima pekerja baru, atau membeli mesi da peralata dapat berkisar atara beberapa hari sampai beberapa tahu. Peramala diperluka utuk meetuka kebutuha sumber daya di masa medatag. c. Peetua sumber daya yag diigika Setiap orgaisasi harus meetuka sumber daya yag igi dimiliki dalam jagka pajag. Keputusa semacam itu bergatug pada kesempata pasar, faktor-faktor ligkuga da pegembaga iteral dari sumber daya fiasial, mausia, produk da tekologis. Semua peetua ii memerluka ramala yag baik da maajer dapat meafsirka perkiraa serta membuat keputusa yag tepat. Walaupu terdapat bayak bidag lai yag memerluka peramala amu tiga kelompok di atas merupaka betuk khas dari keperlua peramala jagka pedek, meegah da pajag dari orgaisasi saat ii. Dega adaya seragkaia kebutuha itu, maka perusahaa perlu megembagka pedekata bergada utuk memperkiraka peristiwa yag tiak tetu da membagu suatu sistem peramala. Pada giliraya, orgaisasi perlu memiliki pegetahua da keterampila yag meliputi palig sedikit empat bidag yaitu idetifikasi da defiisi masalah peramala, aplikasi seragkaia metode peramala, prosedur pemiliha metode yag tepat utuk situasi tertetu da dukuga orgaisasi utuk meerapka da megguaka metode peramala secara formal.

4 Tiga keguaa peramala atara lai adalah: 1. Meetuka apa yag dibutuhka utuk perluasa pabrik. 2. Meetuka perecaaa lajuta bagi produk-produk yag ada utuk dikerjaka dega fasilitas yag ada. 3. Meetuka pejadwala jagka pedek produk-produk yag ada utuk dikerjaka berdasarka peralata yag ada Jeis-jeis Peramala Situasi peramala sagat beragam dalam horizo waktu peramala, faktor yag meetuka hasil sebearya, tipe pola da berbagai aspek laiya. Utuk meghadapi pegguaa yag luas seperti itu, beberapa tekik telah dikembagka. Peramala pada umumya dapat dibedaka dari berbagai segi tergatug dalam cara melihatya. Dilihat dari jagka waktu ramala yag disusu, peramala dapat dibedaka atas dua macam, yaitu: a. Peramala jagka pajag, yaitu peramala yag dilakuka utuk peyusua hasil ramala yag jagka waktuya lebih dari satu setegah tahu atau tiga semester. Lebih tegasya peramala jagka pajag ii berorietasi pada dasar atau perecaaa. b. Peramala jagka pedek, yaitu peramala yag dilakuka utuk peyusua hasil ramala yag dilakuka kurag dari satu setegah tahu atau tiga semester. Peetapa jadwal iduk produksi utuk bula yag aka datag atau periode kurag dari satu tahu sagat tergatug pada peramala jagka pedek. Apabila dilihat dari sifat peyusuaya, maka peramala dapat dibedaka mejadi dua macam, yaitu: 1. Peramala subjektif, yaitu peramala yag didasarka atas perasaa atau ituisi dari orag yag meyusuya. Dalam hal ii padaga atau ketajama pikira orag yag meyusuya sagat meetuka baik tidakya hasil peramala.

5 2. Peramala objektif, yaitu peramala yag didasarka atas data yag releva pada masa lalu dega megguaka tekik-tekik da metode-metode dalam pegaalisaa data tersebut. Dilihat dari sifat ramala yag telah disusu, maka peramala dapat dibedaka atas dua macam, yaitu: 1. Peramala kualitatif atau tekologis, yaitu peramala yag didasarka atas data kualitatif masa lalu. Hasil peramala yag ada tergatug pada orag yag meyusuya, karea peramala tersebut sagat ditetuka oleh pemikira yag bersifat ituisi, judgemet (pedapat) da pegetahua serta pegalama dari peyusuya.metoda kualitatif dibagi mejadi dua metode, yaitu: a. Metode eksploratif Pada metoda ii dimulai dega masa lalu da masa kii sebagai awal da bergerak ke arah masa depa secara heuristik, serig kali dega melihat semua kemugkia yag ada. b. Metode ormatif Pada metode ii dimulai dega meetapka sasara tujua yag aka datag, kemudia bekerja mudur utuk melihat apakah hal ii dapat dicapai berdasarka kedala, sumber daya da tekologi yag tersedia. 2. Peramala kuatitatif, yaitu peramala yag didasarka atas data kuatitatif pada masa lalu. Hasil peramala yag dibuat tergatug pada metode yag diguaka dalam peramala tersebut. Metode yag baik adalah metode yag memberika ilai-ilai perbedaa atau peyimpaga yag mugki. Peramala kuatitatif haya dapat diguaka apabila terdapat tiga kodisi sebagai berikut: (Makridakis, 1988) 1. Iformasi tetag keadaa masa lalu. 2. Iformasi tersebut dapat dikuatifikasika dalam betuk data umerik. 3. Dapat diasumsika bahwa beberapa aspek pola masa lalu aka terus berkelajuta pada masa yag aka datag.

6 Metode peramala kuatitatif terbagi atas dua jeis model peramala yag utama, yaitu: 1. Model deret berkala (time series), yaitu: Metode peramala yag didasarka atas pegguaa aalisa pola hubuga atara variabel yag aka diperkiraka dega variabel waktu, yag merupaka deret waktu. 2. Model kausal, yaitu metode peramala yag didasarka atas pegguaa aalisa pola hubuga atara variabel lai yag mempegaruhiya, yag buka waktu yag disebut metode korelasi atau sebab akibat. Model kausal terdiri dari: a. Metode regresi da korelasi b. Metode ekoometri c. Metode iput da output Karakteristik Peramala Yag Baik Karakteristik dari peramala yag baik harus memeuhi beberapa kriteria yaitu dari hal-hal sebagai berikut: a. Ketelitia/ Keakurata Tujua utama peramala adalah meghasilka prediksi yag akurat. Peramala yag terlalu redah megakibatka kekuraga persediaa (ivetory). Peramala yag terlalu tiggi aka meyebabka ivetory yag berlebiha da biaya operasi tambaha. b. Biaya Biaya utuk megembagka model peramala da melakuka peramala aka mejadi sigifika jika jumlah produk da data laiya semaki besar. Megusahaka melakuka peramala jaga sampai meimbulka ogkos yag terlalu besar ataupu terlalu kecil. Keakurata peramala dapat ditigkatka dega megembagka model lebih komplek dega kosekuesi biaya mejadi lebih mahal. Jadi ada ilai tukar atara biaya da keakurata.

7 c. Resposif Ramala harus stabil da tidak terpegaruhi oleh fluktuasi demad. d. Sederhaa Keutuga utama megguaka peramala yag sederhaa yaitu kemudaha utuk melakuka peramala. Jika kesulita terjadi pada metode sederhaa, diagosa dilakuka lebih mudah. Secara umum, lebih baik megguaka metode palig sederhaa yag sesuai dega kebutuha peramala Jeis-jeis Pola Data Lagkah petig dalam memilih suatu metode deret berkala (time series) yag tepat adalah dega mempertimbagka jeis pola data, sehigga metode yag palig tepat dega pola tersebut dapat diuji. Pola data dapat dibedaka mejadi empat jeis, yaitu: (Makridakis, 1988) 1. Pola Horizotal (H) atau Horizotal Data Patter Pola data ii terjadi bilamaa data berfluktuasi di sekitar ilai rata-rata. Suatu produk yag pejualaya tidak meigkat atau meuru selama waktu tertetu termasuk jeis ii. Betuk pola horizotal ditujuka seperti gambar 2.1. Gambar 2.1. Pola Data Horizotal

8 2. Pola Tred (T) atau Tred Data Patter Pola data ii terjadi bilamaa terdapat keaika atau peurua sekuler jagka pajag dalam data. Cotohya pejuala perusahaa, produk bruto asioal (GNP) da berbagai idikator bisis atau ekoomi laiya, selama perubaha sepajag waktu. Betuk pola tred ditujuka seperti gambar 2.2. Gambar 2.2. Pola Data Tred 3. Pola Musima (S) atau Seasioal Data Patter Pola data ii terjadi bilamaa suatu deret dipegaruhi oleh faktor musima (misalya kuartal tahu tertetu, bula atau hari-hari pada miggu tertetu). Pejuala dari produk seperti miuma riga, es krim da baha bakar pemaas ruag semuaya meujuka jeis pola ii. Betuk pola tred ditujuka seperti gambar 2.3. Gambar 2.3. Pola Data Musima

9 4. Pola Siklis (S) atau Cyclied Data Patter Pola data ii terjadi bilamaa dataya dipegaruhi oleh fluktuasi ekoomi jagka pajag seperti yag berhubuga dega siklus bisis. Cotohya pejuala produk seperti mobil, baja. Betuk pola siklis ditujuka seperti gambar 2.4. Gambar 2.4. Pola Data Siklis Tekik Peramala Tekik peramala secara garis besar dapat dikelompokka mejadi 2 yaitu: A. Metode Time Series (Deret Waktu) Secara garis besar metode time series dapat dikelompokka mejadi: 1. Metode Averagig Dipakai utuk kodisi dimaa setiap data pada waktu yag berbeda mempuyai bobot yag sama sehigga fluktasi radom data dapat diredam dega ratarataya, biasaya dipakai utuk peramala jagka pedek. Adapu metode-metode yag termasuk didalamya, atara lai: a. Simple Average Rumus yag diguaka: X T ( 1) i F T X (Rumus 2.1.) i T

10 dimaa: X = F = Hasil ramala T = Periode X i = Demad pada periode t b. Sigle Movig Average Apabila diperoleh data yag stasioer, metode ii cukup baik utuk meramalka keadaa. Rumus yag diguaka: X1 X 2... X FT X (Rumus 2.2.) T dimaa: X = F = Hasil ramala T = Periode X i = Demad pada periode t c. Double Movig Average Jika data tidak stasioer serta megadug pole tred, maka dilakuka movig average terhadap hasil sigle movig average. Rumus yag diguaka: X X.. X S ' t t 1 t 1 (Rumus 2.3.) t N S ' S '.. S ' S " t t 1 t 1 (Rumus 2.4.) t N a 2S ' S " (Rumus 2.5.) t t t F t+m = a t + b t m (Rumus 2.6.)

11 2. Metode Smoothig (Pemulusa) Dipakai pada kodisi dimaa bobot data pada periode yag satu berbeda dega data pada periode sebelumya da membetuk fugsi Expoetial yag biasa disebut Expoetial smoothig. Adapu metode-metode yag termasuk didalamya, atara lai: a. Sigle Expoetial Smoothig Metode ii bayak meguragi masalah peyimpaga data karea tidak perlu lagi meyimpa data historis. Pegaruh besar kecilya a berlawaa arah dega pegaruh memasuka jumlah pegamata. Metode ii selalu megikuti setiap tred dalam data sebearya karea yag dapat dilakukaya tidak lebih dari megatur ramala medatag dega suatu persetase dari kesalaha terakhir. Utuk meetuka a medekati optimal memerluka beberapa kali percobaa. Rumus yag diguaka: Ft 1 Ft (X t Ft ) (Rumus 2.7.) Dimaa: F t+1 = Hasil peramala utuk periode t + 1 a = Kostata pemulusa X t F t = Data demad pada periode t = Periode sebelumya b. Double Expoetial Smoothig satu parameter dari Brows Dasar pemikira dari pemulusa ekspoesial liier dari Brows adalah serupa dega rata-rata bergerak liier, karea kedua ilai pemulusa tuggal da gada ketiggala dari data yag sebearya bilamaa terdapat usur tred. Persamaa yag dipakai dari metode ii adalah sebagai berikut: S t = ax t + (1-a)S t-1 (Rumus 2.8.) S t = as + (1-a)S t-1 (Rumus 2.9.)

12 a t = S + (S t - S t ) = 2S t S t (Rumus 2.10.) bt = 1 (S t S t ) (Rumus 2.11.) F t+m = a t + b t m (Rumus 2.12.) dimaa: X t = Data demad pada periode t S t = Nilai pemulusa I periode t S t = Nilai pemulusa II periode t S t-1 = Nilai pemulusa pertama sebelumya (t-1) S t-1 = Nilai pemulusa kedua sebelumya (t-1) a = Kostata pemulusa a t b t = Itersepsi pada periode t = Nilai tred periode t F t+1 = Hasil peramala utuk periode t+1 m = Jumlah periode waktu kedepa yag diramalka c. Double Expoetial Smoothig Dua Parameter dari Holt Metode pemulusa ekspoesial liier dari Holt pada prisipya serupa dega Brows kecuali bahwa Holt tidak megguaka rumus pemulusa bergada secara lagsug. Sebagai gatiya, Holt memutuska ilai tred dega parameter yag berbeda dari dua parameter yag diguaka pada deret yag asli. Ramala dari pemulusa ekspoesial liier Holt didapat dega megguaka dua kostata pemulusa da tiga persamaa, yaitu: S t = ax t + (1-a)(S t-1 + b t-1 ) (Rumus 2.13.) b = ß(S t S t-1 )+(1-ß)b t-1 (Rumus 2.14.)

13 F t+m = S t + b t m (Rumus 2.15.) d. Regresi Liier Regresi liier diguaka utuk peramala apabila set data yag ada liier, artiya hubuga atara variabel waktu da permitaa berbetuk garis (liier). Metode regresi liier didasarka atas perhituga least square error, yaitu dega memperhitugka jarak terkecil kesuatu titik pada data utuk ditarik garis. Adapu utuk persamaa peramala regresi liier dipakai tiga kostata, yaitu a, b da Y. Dega masig-masig formulasiya adalah sebagai berikut: b = X Y i X i 2 i X i X i 2 Y i (Rumus 2.16.) a = Y i b X i (Rumus 2.17.) y = a + b(t) (Rumus 2.18.) Dimaa: y = Variabel yag diprediksi a,b = Parameter peramala t = Variabel idepede Ukura Statistik Stadar Jika X i merupaka data aktual utuk periode i da F i merupaka ramala (atau ilai kecocoka/fitted value) utuk periode yag sama, maka kesalaha didefiisika sebagai: e i = X i -F i (Rumus 2.19.)

14 Dimaa: Ei : kesalaha pada periode ke i Xi : data aktual periode ke i Fi : ilai peramala periode ke i Jika terdapat ilai pegamata da ramala utuk periode waktu, maka aka terdapat buah kesalaha. Ada 2 macam ukura kesalaha yaitu ukura statistik da Ukura relatif. Dalam meetuka ukura kesalaha secara statistik ada 4 cara, yaitu: a. Mea Error (ME) ME t 1 e t (Rumus 2.20.) b. Mea Absolute Deviatio (MAD) MAD t 1 e t (Rumus 2.21.) c. Mea Squared Error (MSE) MSE memperkuat pegaruh agka-agka kesalaha besar, tetapi memperkecil agka kesalaha peramala yag lebih kecil dari satu uit. Adapu rumus yag diguaka yaitu sebagai berikut: MSE t 1 et 2 (Rumus 2.22.) d. Stadard Deviatio Error (SDE) SDE t 1 et 2 1 (Rumus 2.23.)

15 Sedagka dalam meetuka kesalaha secara relatif ada 3 macam cara, yaitu: a. Percetage Error (PE) X t Ft PE t.100 (Rumus 2.24.) X t b. Mea Percetage Error (MPE) MPE t 1 PE t (Rumus 2.25.) c. Mea Absolute Percetage error (MAPE) MAPE t 1 PE t (Rumus 2.26.) Trackig Sigal Utuk megetahui sejauh maa keadala dari model yag dipilih, seyogiaya kita membagu peta kotrol trackig sigal. Suatu trackig sigal yag baik memiliki RSFE (ruig sum of the forecast errors) yag redah da mempuyai positif error yag sama bayak atau seimbag dega egatif error sehigga pusat dari trackig sigal medekati ol. Apabila trackig sigal telah dihitug, kita dapat membagu peta kotrol trackig sigal sebagaimaa halya dega peta-peta kotrol dalam pegedalia proses statistikal (statistical process cotrol = SPG), yag memiliki batas kotrol atas (upper cotrol limit) da batas kotrol bawah (lower cotrol limit). Beberapa ahli dalam sistem peramala seperti George Plossl da Oliver Wright, dua pakar productio ad ivetory cotrol, meyaraka utuk megguaka ilai trackig sigal maksimum ± 4 sebagai batas-batas pegedalia utuk trackig sigal. Dega demikia apabila trackig sigal telah berada di luar batas-batas pegedalia, modelramala perlu ditijau kembali, karea akurasi peramala tidak dapat diterima.

16 Koefisie Korelasi Selai trackig sigal utuk megetahui keadala suatu peramala, harus diperhatika juga ilai dari korelasi yag dimiliki oleh peramala sebagai batasa yag meegaska adaya suatu keterkaita atara keaika waktu terhadap jumlah permitaa dimasa yag aka datag. Serig sekali terjadi bahwa dua variabel dikaitka satu sama lai, walaupu mugki tidak selalu bear bahwa ilai suatu variabel bergatug pada, atau disebabka oleh perubaha ilai variabel yag lai. Pada setiap kejadia, suatu hubuga dapat diyataka dega perhituga korelasi atara dua variabel. Koefisie korelasi adalah suatu ukura asosiasi relatif atara dua variabel. Dalam koteks peramala, koefisie korelasi sagat serig diguaka. Notasi autokorelasi membetuk basis bagi metode time series (deret waktu). Ada dua hal dalam peafsira korelasi, yaitu tada atau + yag berhubuga dega arah korelasi, serta kuat tidakya korelasi. Berkeaa dega besara agka (ilai), agka korelasi berkisar pada 0 (tidak ada korelasi/ hubuga sama sekali) da 1 (korelasi sempura). Sebearya tidak ada ketetua yag tetap megeai apakah agka korelasi tertetu meujukka tigkat korelasi yag tiggi atau lemah. Namu biasa dijadika pedoma sederhaa, bahwa agka korelasi diatas 0,5 meujukka korelasi yag cukup kuat, sedagka dibawah 0,5 meujukka korelasi lemah. Selai besar korelasi, tada korelasi juga berpegaruh pada peafsira hasil. Tada (egatif) pada output meujukka adaya arah yag berlawaa atara dua variabel, sedagka tada + (positif) meujukka arah yag sama atara dua variabel. Koefisie korelasi diyataka dega r, da biasaya sudah mejadi suatu kebiasaa meyajika korelasi ii dalam betuk kuadrat (R 2 ) da statistik ii dikeal sebagai koefisie determiasi. Dega demikia R 2 (R square) adalah korelasi kuadrat atara variabel bebas Y da ilai taksiraya Ŷ. Koefisie korelasi dihitug dega megguaka rumus sebagai berikut :

17 Cov r = S S X XY Y (X (X i i - X ) - X ) 2 (Y i - Y ) (Y i - Y ) 2 (Rumus 2.27.) dimaa : S X = Stadar deviasi X S Y = Stadar deviasi Y X = Nilai tegah X X = 1 i 1 X i (Rumus 2.28.) Y = Nilai tegah Y Y = 1 i 1 Y i (Rumus 2.29.) Cov XY = Kovarias atara X da Y Cov XY = 1 i 1 (X i - X ) (Y i - Y ) (Rumus 2.30.) 2.2. Perecaaa Produksi Perecaaa produksi dimaksudka utuk meetuka orietasi pasar, jeis produk serta recaa pejuala perusahaa. Perecaaa produksi didasarka pada hasil peramala yag mempertimbagka tigkat persediaa sehigga dihasilka recaa produksi pada tigkat family produksi Defiisi Perecaaa Produksi Perecaaa produksi adalah meyesuaika permitaa (demad) yag berasal dari peramala dega seluruh kemampua yag ada. Ii disebabka kemampua yag terbatas, sehigga tidak dapat begitu saja megikuti ramala permitaa. Hal ii disebabka oleh: a. Ketidakpastia hasil peramala itu sediri. b. Adaya ogkos yag timbul setiap kali megubah tigkat produksi atau jika membuat persediaa.

18 c. Tipe perusahaa maufaktur: (Buffa S. Elwood, 1996) 1. Make to stock compay 2. Make to order compay 3. Make to order ad make to stock compay Perecaaa merupaka suatu fugsi dari maajeme, yag maa dalam perecaaa ditetuka usaha da tidaka-tidaka yag perlu diambil pimpia perusahaa serta mempertimbagka masalah yag aka timbul pada masa yag aka datag. Barag yag aka direcaaka utuk masa yag aka datag harus memeuhi persyarata sebagai berikut: 1. Barag itu harus diproduksi pada masa itu. 2. Barag tersebut harus dapat dikerjaka oleh pabrik. 3. Barag tersebut harus dapat memeuhi keigia pembeli sesuai dega peramala baik megeai harga, kuatitas da waktu yag diperluka. Prosedur peyusua perecaaa produksi atara satu perusahaa dega perusahaa yag lai sagatlah bervariasi, tetapi pada umumya terdiri dari lima lagkah, yaitu: 1. Meetapka uit pegukura Peramala pejuala pada umumya disusu dalam ilai uag, sedagka recaa produksi disusu dalam ilai uit produksi. Karea itu diperluka faktor koversi yag sesuai utuk megkoversika ilai uag tersebut ke dalam uit produk. 2. Meetapka horiso perecaaa Horiso perecaaa meujuka pajagya waktu yag direcaaka utuk melakuka produksi sehigga diperluka pula perecaaa megeai material, kapasitas produksi serta fasilitas produksi yag sesuai dega recaa produksi.

19 3. Meetuka siklus pemeriksaa pelaksaaa perecaaa produksi. Peijaua ii diperluka karea sistem produksi yag berjala adalah suatu sistem yag mudah berubah sebagai akibat adaya perkembaga di berbagai bidag. 4. Medokumetasika perecaaa sebagai prosedur yag formal Recaa produksi harus tersusu secara formal, memiliki tahapa tertetu serta prosedur dokumetasi dalam betuk yag mudah dimegerti. 5. Meetapka pertaggug jawaba yag jelas pada setiap bagia Bagia pemasara bertaggug jawab atas peramala permitaa, bagia produksi bertaggug jawab atas peyusua jadwal produksi da bagia keuaga bertaggug jawab terhadap kebutuha modal. Umumya hambata yag aka terjadi pada peyusua recaa produksi berupa kegagala maajeme dalam memeuhi kebutuha yag dibutuhka dalam peyusua recaa produksi, adaya kesulita dalam megkoversika ilai ke dalam uit produksi serta kuragya perhatia terhadap masalah persediaa da peramala. Bila hambata ii belum bisa diatasi maka perecaaa produksi maufaktur aktifitas berikutya tidak dapat dilakuka secara efektif. Secara garis besarya, dalam melakuka perecaaa produksi ada beberapa lagkah dalam perecaaa produksi setelah diperoleh hasil peramala, yaitu: a. Iput hasil peramala. b. Ubah seluruh variabel mejadi satu satua ukura Meetuka apakah recaa produksi aka dibuat dalam satua ukura uit produksi atau berdasarka jam orag yag tersedia utuk melakuka produksi. c. Tetuka kebijaksaaa perusahaa da pilih salah satu atau beberapa model perecaaa. Ada bayak model perecaaa yag bisa diguaka (metode muri, metode campura, metode trasportasi da lai-lai). d. Tetuka model maa yag aka dipakai sesuai dega kriteria. Periode perecaaa produksi adalah suatu susua waktu dimaa perusahaa megigika utuk melaksaaka recaa produksi. Pajag susua waktu

20 perecaaa adalah tergatug pada ketepata utuk meramalka keadaa pasar da kemampua utuk melakuka peyelesaia terhadap perubaha pasar. Perecaaa agregat adalah hasil perecaaa utuk teaga kerja da tigkat produksi yag dituagka dalam fasilitas perecaaa agregat. Keputusa perecaaa dibuat utuk memiimasi ogkos total gua memeuhi ramala permitaa. Pada dasarya output yag dihasilka dari perecaaa produksi agregat adalah sebagai berikut: a. Kecepata produksi setiap periode Meyataka jumlah produk agregat yag dibuat pada periode perecaaa. b. Jumlah tigkat persediaa Satua produk berupa barag siap jual yag disimpa per periode. c. Jumlah back order (peudaa waktu peyeraha) Bila semua kapasitas yag ada tidak dapat memeuhi semua pesaa pada waktu yag dijajika, sehigga sebagia pesaa dituda waktu peyerahaya. d. Jumlah teaga kerja Dalam hal ii teaga kerja lagsug yag diguaka utuk meghasilka sejumlah produk (yag meetuka bayakya produk yag dibuat). e. Alokasi pemafaata waktu kerja Berupa jam kerja biasa da jam kerja lembur. f. Jumlah pesaa sub kotrak Bila kapasitas pabrik termasuk lembur tidak mampu melayai pesaa, maka diserahka pada perusahaa lai yag sejeis da apabila biaya lembur lebih besar daripada biaya sub kotrak. Lagkah pelaksaaa dalam recaa produksi agregat: a. Tetuka batasa perecaaa produksi yag aka dilakuka. Cari iformasi megeai data yag dibutuhka. b. Tetuka stadar satua yag aka diguaka dalam perecaaa produksi.

21 c. Tetuka teaga kerja yag dibutuhka dalam kuru perecaaa dega kriteria ogkos miimum. d. Recaa jumlah produksi dalam agregat. e. Jika item > 1, lakuka proses disagregasi sesuai dega faktor koversi. Tujua perecaaa produksi yaitu utuk: 1. Megatur strategi produksi a) Memproduksi sesuai demad b) Memproduksi pada kegiata kosta 2. Meetuka kebutuha sumber daya yag meliputi: teaga kerja, material, fasilitas, peralata da daa. 3. Mejadi lagkah awal bagi seluruh kegiata produksi. Dalam meghadapi demad yag berfluktuasi, strategi metode perecaaa produksi agregat yag meghadapi meliputi: 1. Produksi bervariasi megikuti tigkat demad yag terjadi, yaitu: a. Dega meambah atau meguragi teaga kerja, atau megubah jumlah shift. b. Dega melakuka lembur atau meguragi jumlah waktu kerja. 2. Produksi pada tigkat kosta, yaitu: a. Dega meumpuk jumlah teaga kerja, tetapi melakuka lembur atau meguragi jumlah waktu kerja. b. Dega meambah atau meguragi sub-kotrak. 3. Kombiasi strategi-strategi di atas. 4. Metode program liier (Trasprotasi). Ogkos-ogkos dalam perecaaa aggregat 1. Ogkos Peambaha teaga kerja. 2. Ogkos peguraga teaga kerja. 3. Ogkos lembur da peguraga waktu kerja. 4. Ogkos persediaa da kekuraga persediaa. 5. Ogkos subkotrak.

22 Metode yag diguaka perecaaa agregat yaitu sebagai berikut: 1. Metode trial ad error 2. Metode heuristik a. Model Koefisie Maajeme b. Model Parameterik c. Search Decisio Rules 3. Metode matematis a. Model Programa Liier b. Model Trasportasi c. Model Programa Iteger Campura d. Liier Decisio Rule 4. Metode simulasi Model Traspotasi Utuk pegerjaa dega metode trasportasi diguaka metode Least Cost Method (metode ogkos terkecil), dimaa demad harus terpeuhi, sebalikya kapasitas tidak mesti terpeuhi. Prioritas utama yag harus dipeuhi adalah regular time, jika ada sisa dilihat ogkos yag palig kecil lalu simpa kelebiha tersebut tetapi harus disesuaika dega kapasitas periode yag aka terpilih. Format dari tabel trasportasi dapat dilihat pada tabel 2.1. Tabel 2.1. Format trasportasi

23 2.3. Proses Disagregasi Pada perecaaa produksi tidak dibahas produk yag aka diproduksi secara rici melaika dalam betuk agregat yaitu suatu ukura yag mempresetasika kumpula beberapa produk. Agar recaa tersebut dapat diimplemetasika, perlu dilakuka disagregasi dalam jumlah produk masig-masig produk idividu (item). Hasil disagregasi ii mejadi Jadwal Iduk Produksi (Master Productio Schedule). Dega kata lai proses disagregasi adalah proses perecaaa yag dibuat utuk seluruh produk yag megguaka usur yag sama da dirici kedalam masigmasig produk yag berbeda. Hasil yag diperoleh dari proses disagregasi adalah: a) Demad tiap ed item b) O had ed item c) Master Productio Schedule /Jadwal Iduk Produksi Metode yag diguaka utuk melakuka proses disagregasi baik yag bersifat aalitis atau heuritis, atara lai: a. Pedekata Hax da Meal b. Pedekata Brita da Hax c. Recaa yag lebih tiggi mejadi pembatas atau kedala bagi recaa tigkat redah d. Agregat taktis (operasioal) e. Metode Aalitik Yag termasuk ke dalam metode aalitik: a. Liier Programig Method b. Iteger Programig Method c. Family Set Up Method

24 2.3.1 Pedekata Brita da Hax Brita da Hak membagi produk kedalam tiga tigkata: 1. Item Item adalah produk akhir yag diguaka kosume, utuk tigkat teredah dalam struktur produk da suatu jeis produk mugki terdiri atas bayak item yag dibedaka dari wara, kemasa, etiket, merek, dll. 2. Keluarga (family) Family adalah sekelompok item yag meaggug secara bersama-sama ogkos set up. Bila suatu mesi sudah disiapka utuk membuat suatu item dari suatu keluarga, maka semua item dalam keluarga yag sama utuk dapat diproduksi dega melakuka perubaha kecil pada saat set up. 3. Tipe Tipe adalah kelompok beberapa item yag memiliki ogkos produksi persatua yag sama. Adapu ogkos item produksi tersebut adalah ogkos buruh lagsug, ogkos simpa da jumlah prodak atau satua waktu, dsb. Lagkah-lagkah proses disagregasi adalah sebagai berikut : 1. Lagkah pertama pada prosedur ii meetuka family yag aka diproduksi, dega mempertimbagka jumlah permitaa da jumlah produk yag tersedia utuk setiap produk dalam family. Suatu family atau produk aka diproduksi bila salah satu item dari suatu family tersebut memeuhi syarat berikut: q ij,t = I ij,t-1 D ij,t = SS ij (Rumus 2.31.) Dimaa: I ij,t-1 = tigkat persedia pada akhir perioda t-1dari item j family I D ij,t = permitaa item j family I pada perioda t SS ij = cadaga pegama item dalam family i da item yag berjumlah kurag dari safety stock I SS ij harus segera dibuat supaya tidak terjadi kekuraga.

25 2. Meetuka jumlah yag aka diproduksi dari family yag terpilih, dega model kapsack. h.x S i i i Mi. k ij. Dij (Rumus 2.32.) 2 x i j holdig cost set up koversi demad subjek to: Mi x i x (Rumus 2.33.) x i LB i x i UB i dimaa: h i x i S i K ij = Holdig cost utuk item dalam family i = Jumlah uit family i yag diproduksi = Ogkos set up utuk family I = Faktor koversi utuk uit item j dalam family i terhadap uit produk agregat D ij = Demad utuk item j dalam family i selama masa produksi x = Jumlah produksi meurut perecaaa agregat LB i = Batas bawah utuk memproduksi family UB i = Batas atas utuk memproduksi family Z = Kumpula dari family yag aka diproduksi 3. Meetuka batas atas da batas bawah Batas bawah ditetuka oleh kebutuha utuk memeuhi persediaa cadaga berikutya. Perhituga dilakuka dega: LBi = max [ 0,K ij ( D ij I ijt-1 + SS ij ) ] (Rumus 2.34.) vj i Batas atas diperluka utuk mejami persediaa tidak terakumulasi atau dega kata lai bila tidak diigika akumulasi ivetory terlalu bayak

26 sebagai cotoh, suatu kebijaksaaa meetuka tidak lebih dari periode persediaa. Perhituga batas atas adalah: UBi = vj i Kij [( 1 k 0 D ijt+k ) I ijt-1 + SS ij ] (Rumus 2.35.) 4. Ogkos setup utuk tiap item SC D ij K ij (Rumus 2.36.) 5. Algoritma pertama yaitu melakuka disagregasi family. Lagkah-lagkah algoritma, yaitu: Buat :set = 1, P 1 = X * da Z 1 = Z utuk iterasi 1 Lagkah 1 Meghitug jumlah produk utuk setiap family dega mempertimbagka ogkos set up utuk setiap family. SC D Y ij K ij == recaa agregat ( t ) SC D K ij ij (Rumus 2.37.) Lagkah 2 Utuk setiap i z * B Jika LB i = maka buat Y 1 = Y 1 utuk family lai teruska ke lagkah ke-3 Lagkah 3 Bagi family lai kedalam dua kelompok B Z + ={i Z B : Y B B 1 >UBi} set dari semua family dimaa Y 1 > LBi B Z - ={i Z B : Y1B>UBi} set dari semua family dimaa Y B 1 < LBi Hitug: + = i Z B - = i Z B (Y 1 B UB 1 ) (Rumus 2.38.) (LBi - Y 1 B ) (Rumus 2.39.)

27 Lagkah 4 Bila Bila + > + < - *, buat Y i = UBi utuk semua i B Z + - *, buat Y i = LBi utuk semua i B Z - Buat : ß = ß + 1 Z ß+1 = Z ß * {Semua family yag Y i telah diperoleh} P ß+1 = P ß * Y i {Utuk semua i yag dijadwalka dalam iterasi ß} Bila Z ß+1 = 0 stop Bila 0 kembali ke lagkah 1 (iterasi 2) 6. Membagi produksi family mejadi produk idividu, algoritma disagregasi item adalah sebagai berikut: Lagkah 1 Utuk setiap family i yag diproduksi, tetuka jumlah periode N yag memeuhi. N Y i < S K ij { Dij SSij Iij,t 1} (Rumus 2.40.) 1 Lagkah 2 Hitug error dega rumus: = E i j i K ij N 1 D ij. I ij.t 1 SS ij (Rumus 2.41.) Lagkah 3 Utuk semua item di dalam family I, hitug jumlah produksi dega rumus: N * E i.d ijn Y i = ( Dij. Iij.t 1 SSij) (Rumus 2.42.) K.D 1 j i ij ijn Bila y ij < 0 utuk setiap item, misalya: j = g, maka buat y ig = 0. Hilagka item g dari family da persamaa di atas. Ulagi lagkah 3.

28 2.4. Master Productio Schedule (Jadwal Iduk Produksi) Kosep dasar tetag Aktivitas Jadwal Iduk Produksi (MPS) Pada dasarya Jadwal Iduk Produksi (JIP) merupaka suatu peryataa tetag produk akhir dari suatu perusahaa idustri maufaktur yag merecaaka memproduksi output berkaita dega kuatitas da periode waktu. JIP medisagregasika da megimplemetasika recaa produksi. Aktivitas JIP pada dasarya berkaita dega bagaimaa meyusu da memperbaharui JIP, memproses trasakasi dari JIP, memelihara catata-catata, megevaluasi efektivitas dari MPS da memberika lapora evaluasi dalam waktu yag teratur utuk keperlua umpa balik da tijaua. JIP (master productio schedule/mps) pada dasarya berkaita dega aktivitas melakuka empat fugsi utama berikut: 1. Meyediaka atau memberika iput utama kepada sistem perecaaa kebutuha material (material requiremets plaig/mrp). 2. Mejadwalka pesaa-pesaa produksi da pembelia (productio ad purchase orders) utuk item-item MPS. 3. Meetuka ladasa utuk peetua kebutuha sumber daya da kapasitas. 4. Memberika basis utuk pembuata jaji tetag peyeraha produk (delivery promises) kepada pelagga. Tugas da taggug jawab dari peyusu JIP/MPS adalah membuat perubahaperubaha pada catata MPS, medisagregasika recaa produksi utuk meciptaka MPS, mejami bahwa keputusa-keputusa produksi yag ada dalam MPS itu telah sesuai dega recaa produksi da yag terpetig adalah megkomuikasika hal-hal utama dalam MPS itu kepada bagia-bagia lai yag terkait dalam perusahaa. Selajutya sebagai bagia dari proses umpa balik secara umum, peyusu jadwal iduk produksi harus mematau performasi aktual terhadap MPS da recaa produksi da hasil-hasil operasioal utuk diberika kepada maajeme pucak. Berdasarka pemataua ii, peyusu MPS aka mampu melakuka aalisis sebab akibat yag memberika dampak pada MPS apabila terjadi perubaha-perubaha dalam recaa.

29 Jadwal iduk produksi (MPS) dikembagka agak sedikit berbeda, tergatug jeis idustri make to order (MTO) atau make to stock (MTS) da jumlah item yag diproduksi (sedikit atau bayak). JIP pada idustri MTS megguaka data peramala permitaa bersih (peramala bersih dikuragi persediaa ditaga). Jika haya ada beberapa macam produk akhir yag dibuat, maka JIP-ya merupaka suatu peryataa tetag kebutuha-kebutuha aka produk idividu. Bila produk akhir yag dibuat bayak, misalka lebih dari 500 macam, maka tidak praktis bila kita membuat JIP berdasarka produk. Dalam hal ii, biasaya dikelompoka mejadi kelompok-kelompok sejeis kemudia perecaaa tersebut didetailka secara proporsioal mejadi satu jadwal utuk satu item idividu utuk masig-masig kelompok produk sejeis. Utuk idustri bertipe make to order (MTO), pesaa yag belum terpeuhi merupaka data permitaa yag dibutuhka, sehigga pesaa-pesaa dari kosume aka meetuka JIP-ya. Pada idustri dimaa ada sedikit kompoekompoe dasar tersebut da buka utuk produk-produk akhirya sebagai cotohya adalah mobil, dimaa kompoe-kompoe dasarya adalah mesi, trasmisi, kompoe body da lai-lai Horizo Perecaaa, Lead Time da Productio Time Feces Berikut ii aspek yag berkaita dega maajeme waktu dalam proses MPS. a. Pajag horizo perecaaa Horizo perecaaa didefiisika sebagai periode waktu medatag terjauh dari jadwal produksi. Biasaya ditetapka dega memperhatika waktu tuggu kumulatif (cumulative lead time) ditambah waktu utuk lot sizig. b. Waktu tuggu produksi Waktu tuggu didefiisika sebagai lama waktu meuggu sejak peempata pesaa sampai memperoleh pesaa itu. Dalam sistem produksi, waktu tuggu berkaita dega waktu meuggu diproses, bergerak atau berpidah, setup utuk setiap kompoe yag diproduksi.

30 c. Time feces Perubaha-perubaha dalam MPS aka mejadi sulit da mahal (costly) apabila dibuat pada saat medekati waktu peyelesaia produk. Utuk mestabilka jadwal da memberika keyakia bahwa perubaha-perubaha telah dipertimbagka secara tepat sebelum perubaha-perubaha itu disetujui. MPS dapat dibagi ke dalam beberapa zoa waktu dega meetapka prosedur berbeda dalam megatur perubaha-perubaha jadwal dalam setiap zoa waktu (time zoe), time feces memisahka zoa waktu itu. Dega demikia time feces dapat didefiisika sebagai suatu kebijaka atau petujuk yag ditetapka utuk mecatat dimaa (dalam zoa waktu) terdapat berbagai keterbatasa atau perubaha dalam prosedur operasi maufaktur. Batasbatas di atara periode horizo perecaaa aka membatu peyusu MPS dega cara megijika petujuk yag berbeda gua megatur modifikasi jadwal. Perubaha-perubaha terhadap MPS dapat dilakuka dega relatif lebih mudah apabila mereka terjadi melewati waktu tuggu kumulatif. Time feces yag palig umum dikeal adalah demad time feces (DTF) da plaig time feces (PTF). Demad time feces (DTF) didefiisika sebagai periode medatag dari MPS dimaa dalam periode ii perubaha-perubaha terhadap MPS tidak diijika atau tidak diterima karea aka meimbulka kerugia biaya yag besar akibat ketidaksesuaia atau kekacaua jadwal. Sedagka plaig time feces (PTF) didefiisika sebagai periode medatag dari MPS di maa dalam periode ii perubaha-perubaha terhadap MPS dievaluasi gua mecegah ketidaksesuaia atau kekacaua jadwal yag aka meimbulka kerugia dalam biaya. Dalam betuk yag lebih sederhaa, MPS time feces dapat diilustrasika seperti gambar berikut ii:

31 Gambar 2.5. MPS Time Feces Pemiliha Item-item MPS Faktor utama lai yag perlu diperhatika dalam medesai MPS adalah pemiliha item-item MPS. Pemiliha item-item yag dijadwalka melalui MPS juga perlu medapat perhatia khusus. Pemiliha item-item ii petig, karea tidak haya mempegaruhi bagaimaa MPS beroperasi, tetapi juga mempegaruhi bagaimaa sistem perecaaa da pegedalia maufakturig secara keseluruha beroperasi. Terdapat beberapa kriteria dasar yag megatur pemiliha item-item dalam MPS, yaitu: a. Item-item yag dijadwalka seharusya merupaka produk akhir, kecuali ada pertimbaga yag jelas megutugka utuk mejadwalka item-item yag lebih kecil daripada produk akhir. b. Jumlah item-item MPS seharusya sedikit, karea maajeme tidak dapat membuat keputusa yag efektif terhadap MPS apabila jumlah item-item MPS terlalu bayak. c. Seharusya memugkika utuk meramalka permitaa dari item-item MPS. Item-item yag dijadwalka harus berkaita erat dega item-item yag dijual. d. Item-item yag dipilih harus dimasuka dalam perhituga kapasitas produksi yag dibutuhka. e. Item-item MPS harus memudahka dalam peterjemaha pesaa-pesaa pelagga ke dalam pembuata produk yag aka dikirim.

32 2.4.4 Tekik Peyusua MPS Betuk atau format umum dari MPS yaitu sebagai berikut: Tabel 2.2. Betuk Umum dari MPS Item Number : Descriptio : Lead Time : Safety Stock : Order Quatity : DTF : PTF : Periode Past due Forecast Actual Order Project Available Balace Available to Promise (ATP) Master Schedule Plaed Order Berikut ii pejelasa sigkat berkaita dega iformasi yag ada dalam MPS: a) Lead time adalah waktu (bayakya periode) yag dibutuhka utuk memproduksi atau membeli suatu item. b) Order quatity adalah bayakya/jumlah pemesaa. c) Safety stock adalah stok tambaha dari item yag direcaaka utuk berada dalam ivetory yag dijadika sebagai cadaga pegama gua megatasi fluktuasi dalam ramala pejuala, pesaa-pesaa pelagga dalam waktu sigkat. Safety stock merupaka kebijaksaaa maajeme berkaita dega stabilisasi dari sistem maufaktur, dimaa apabila sistem maufaktur semaki stabil kebijaksaaa stok pegama ii dapat dimiimumka. d) Forecast 1. Berupa estimasi terhadap kuatitas ed item yag aka terjual pada setiap periodeya. 2. Iformasi datag dari bagia pemasara. e) Actual Order, berupa pesaa kosume yag sudah diterima sehigga statusya pasti.

33 f) Project Available Balace (proyeksi persediaa/ o had) 1. Diguaka utuk merecaaka jumlah yag harus diproduksi. 2. Dihitug dega aggapa bahwa pejuala aka sesuai dega ramala. g) Available to Promise (ATP) 1. Merupaka alat yag diguaka utuk mejajika jumlah yag bisa dipesa kosume. 2. Merupaka bagia dari persediaa yag belum dijajika. 3. Diguaka oleh bagia pemasara utuk membuat jaji pejuala di masa yag aka datag. h) Master Schedule (jadwal produksi) 1. Berupa keputusa tetag kuatitas yag aka diproduksi da saat produksi itu memasuki stock. 2. Ditetuka dega memperhatika ketersediaa material da kapasitas. 3. Total dari master schedule utuk setiap idividual part harus sama dega total yag diyataka dalam recaa produksi. i) DTF (Demad Time Feces) da PTF (Plaig Time Feces), time feces merupaka perecaaa ke dalam beberapa zoa dimaa setiap zoa mempuyai atura yag berbeda. Rumus-rumus yag diguaka yaitu sebagai berikut: 1. PAB (Project Available Balace) Pada daerah DTF: PAB t = PAB t-1 + MS t - AO t (Rumus 2.43) Pada daerah PTF: PAB t = PAB t-1 + MS t max (AO t,f t ) (Rumus 2.44) Pada daerah setelah PTF: PAB t = PAB t-1 + MS t - F t (Rumus 2.45) 2. ATP (Available to Promise) Pada periode 1:

34 ATP t = PAB ow + MS t -? AO sebelum ada MS berikutya (Rumus 2.46) Pada periode selajutya: ATP t = MS t -? AO sebelum ada MS berikutya (Rumus 2.47) 3. PO (Plaed Order) Dihitug apabila PAB mius (egatif), perhituga kebutuha tergatug pada periode et requiremet Rought Cut Capacity Plaig (RCCP) Rought Cut Capacity Plaig (RCCP)/ perecaaa kapasitas kasar ii termasuk dalam perecaaa kapasitas jagka pajag. Rought Cut Capacity Plaig (RCCP) merupaka kebutuha kapasitas yag diperluka utuk melaksaaka MPS. Horizo waktu sama dega MPS, biasaya 1 sampai dega 3 tahu. Rought Cut Capacity Plaig (RCCP) merupaka uruta kedua dari hierarki perecaaa prioritas kapasitas yag berpera dalam megembagka MPS. Rought Cut Capacity Plaig (RCCP) melakuka validasi terhadap MPS yag juga meempati uruta kedua dalam hierarki perecaaa prioritas produksi. Gua meetapka sumber-sumber spesifik tertetu, khusuya yag diperkiraka aka mejadi hambata potesial (potetial bottleecks) adalah cukup utuk melaksaaka MPS. Dega demikia kita dapat membatu maajeme utuk melaksaaka Rought Cut Capacity Plaig (RCCP), dega memberika iformasi tetag tigkat produksi di masa medatag yag aka memeuhi permitaa total itu. Pada dasarya Rought Cut Capacity Plaig (RCCP) didefiisika sebagai proses koversi dari recaa produksi da atau MPS ke dalam kebutuha kapasitas yag berkaita dega sumber-sumber daya kritis seperti: a. Teaga kerja b. Mesi da peralata

35 c. Kapasitas gudag d. Kapabilitas pemasok material da parts e. Sumber daya keuaga Rought Cut Capacity Plaig (RCCP) adalah serupa dega perecaaa kebutuha sumber daya (Resource Requiremet Plaig = RRP), kecuali bahwa Rought Cut Capacity Plaig (RCCP) adalah lebih terperici daripada RRP dalam beberapa hal, seperti: a) Rought Cut Capacity Plaig (RCCP) didisagregasika ke dalam level item. b) Rought Cut Capacity Plaig (RCCP) didisagregasika berdasarka periode waktu haria atau miggua. c) Rought Cut Capacity Plaig (RCCP) mempertimbagka lebih bayak sumber daya produksi. Pada dasarya terdapat empat lagkah yag diperluka utuk melaksaaka Rought Cut Capacity Plaig (RCCP), yaitu: 1. Memperoleh iformasi tetag recaa produksi dari MPS. Misalka bahwa iformasi yag berkaita dega recaa produksi utuk satu bula tertetu (katakalah dalam miggu-miggu:32, 33, 34, da 35) adalah: kelompok A = 720 uit, kelompok produk B = 240 uit, da kelompok produk C = 160 uit. Selajutya kita aka memfokuska perhatia pada kelompok produk A. Katakalah bahwa kelompok produk A terdiri dari tiga produk assembly (produk 1, produk 2, da produk 3) serta berdasarka iformasi dari MPS diketahui bahwa produk 1, 2, da 3 itu telah dijadwalka. 2. Memperoleh iformasi tetag struktur produk da waktu tuggu (lead time). Iformasi tetag struktur produk biasaya telah ditetapka pada perecaaa kebutuha sumber daya RRP, yag berada pada level lebih tiggi (level 1) dalam hierarki perecaaa kapasitas. Misalka pada iformasi yag berkaita dega struktur produk utuk product family beserta waktu tuggu telah ditetapka.

36 3. Meetuka bill of resources. Perhituga terhadap waktu assembly rata-rata utuk setiap produk dalam kelompok produk A megguaka formula berikut: Waktu assembly rata-rata = uit produk yag diproduksi x (jam stadar assembly/uit). Selajutya hasil Rought Cut Capacity Plaig (RCCP) ditampilka dalam suatu diagram yag dikeal sebagai load capacity profile. Load capacity profile merupaka metode yag umum diperguaka utuk meggambarka kapasitas yag dibutuhka versus kapasitas yag tersedia. Dega demikia load capacity profile didefiisika sebagai tampila dari kebutuha kapasitas di waktu medatag berdasarka pesaa-pesaa yag direcaaka da dikeluarka sepajag suatu periode waktu tertetu. Perecaaa kapasitas (capacity plaig) merupaka salah satu aktivitas maajeme kapasitas. Perecaaa kapasitas adalah proses meetuka tigkat kapasitas yag diperluka utuk melakuka jadwal produksi (MPS), dibadigka terhadap kapasitas yag tersedia da tidaka-tidaka peyesuaia yag diperluka terhadap tigkat kapasitas atau jadwal produksi. Jika terjadi kekuraga kapasitas, hasilya berupa kekuraga pecapaia target produksi, pegirima produk ke kosume terlambat da kehilaga kepercayaa sistem maajeme. Sebalikya, jika kapasitas berlebiha, megakibatka utilitasi sumber redah, operasi pabrik tidak efisie, biaya tiggi da berkuragya margi keutuga. Jeis perecaaa kapasitas ditijau dari horizo waktu perecaaa: 1. Perecaaa kapasitas jagka pajag. Ukura waktu 1-5 tahu ke depa. Isi perecaaa ii adalah: a. Fasilitas yag aka dibagu. b. Mesi yag aka dibeli. c. Produk yag aka dibuat.

37 2. Perecaaa kapasitas jagka meegah. Utuk kuru waktu bulaa sampai dega satu tahu ke depa. Isi dalam perecaaa ii adalah: a. Tambaha toolig b. Lembur, tambah shift c. Sub kotrak d. Alterative routig. 3. Perecaaa kapasitas jagka pedek. Utuk kuru waktu haria sampai satu bula ke depa. Titik beratya lebih pada pegedalia; sudah melihat/megevaluasi apakah pelaksaaa sudah sesuai dega perecaaa yag dibuat, Pegedalia kapasitas adalah moitorig baik work iput maupu productio iput utuk mejami perecaaa kapasitas dapat tercapai.berikut ii aka diperkealka tiga tekik Rought Cut Capacity Plaig (RCCP) yaitu: 1. Pedekata total faktor (Capacity Plaig Usig Overall Factor Approach = CPOF). 2. Pedekata daftar teaga kerja (Bill of Labour Approach = BOLA). 3. Pedekata profil sumber (Resourch Profile Approach = RPA) BOLA (Bill of Labour Approach) Jumlah kebutuha kapasitas yag diperluka diperoleh dega megkalika waktu operasi yag tercatum pada daftar teaga kerja dega jumlah produk dari MPS. Jika perusahaa mempuyai lebih dari satu produk, lead time tiap bagia harus ditetuka. Secara umum, jika adalah jumlah produk, a ik adalah jumlah produk k di stasiu kerja i, b jk adalah jumlah produk k (MPS) pada periode j, maka formula kebutuha kapasitas stasiu kerja kerja pada periode j adalah: Kebutuha kapasitas = k 1 a utuk semua ij (Rumus 2.48) ikb kj CPOF (Capacity Plaig Overall Factor) da BOLA (Bill of Labour Approach) tidak mempertimbagka lead time. Kedua pedekata ii megasumsika bahwa seluruh kompoe dibuat bersamaa dega perakita.

kesimpulan yang didapat.

kesimpulan 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 terperinci

FORECASTING (Peramalan)

FORECASTING (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 terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Perecaaa Produksi 2.1.1 Pegertia Perecaaa Produksi Perecaaa produksi dapat diartika sebagai proses peetua sumber-sumber yag diperluka utuk melaksaaka operasi maufaktur da megalokasikaya

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

BAB II TINJAUAN LITERATUR. Pengendalian persediaan dapat dilakukan dalam berbagai cara, antara lain dengan

BAB II TINJAUAN LITERATUR. Pengendalian persediaan dapat dilakukan dalam berbagai cara, antara lain dengan BAB II TINJAUAN LITERATUR 2.1. Klasifikasi ABC Dalam Persediaa Pegedalia persediaa dapat dilakuka dalam berbagai cara, atara lai dega megguaka aalisis ilai persediaa. Dalam aalisis ii, persediaa dibedajka

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

BAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang

BAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang 8 BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama

Lebih terperinci

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis

BAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala

Lebih terperinci

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,

BAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan, BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data permitaa Dalam meramalka permitaa produk lever cable utuk kebutuha PT. Kyoda Mas Mulia sediri. data yag diambil utuk perhituga peramala permitaa yaitu dega

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 16 III. METODOLOGI PENELITIAN 3.1. Keragka Pemikira Peelitia Perkembaga zama yag meutut setiap idividu baik dari segi kemampua maupu peampila. Boss Parfum yag bergerak di bidag isi ulag miyak wagi didirika

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI PT.Bak Permata merupaka salah satu bak asioal terbesar di Idoesia da dikeal sebagai bak pelayaa terbaik. Bak Permata dibetuk sebagai hasil merger dari 5 bak di bawah Bada Peyehata

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING

PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING Khairu Nisa Ulfa 1, Muhammad Syahrizal 2 Mahasiswa Tekik Iformatika STMIK Budi Darma Meda 1 Dose

Lebih terperinci

Jurnal Ilmiah Universitas Batanghari Jambi Vol.8 N0. 2 Juli 2008 ANALISIS PERENCANAAN PERSEDIAAN BAHAN BAKU (STUDY KASUS PD.

Jurnal Ilmiah Universitas Batanghari Jambi Vol.8 N0. 2 Juli 2008 ANALISIS PERENCANAAN PERSEDIAAN BAHAN BAKU (STUDY KASUS PD. Jural Ilmiah Uiversitas Bataghari Jambi Vol.8 N0. 2 Juli 2008 ANALISIS PERENCANAAN PERSEDIAAN BAHAN BAKU (STUDY KASUS PD. GUNUNG MAS JAMBI) PENDAHULUAN Perusahaa yag didirika pada umumya mempuyai tujua

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

Kata Kunci : Forecasting, Program Perhitungan, Simple Moving Averages, Weighted Moving Averages, Mean Absolute Deviation, Mean Square Error

Kata Kunci : Forecasting, Program Perhitungan, Simple Moving Averages, Weighted Moving Averages, Mean Absolute Deviation, Mean Square Error PREDIKSI PEMINATAN PROGRAM KEAHLIAN CALON SISWA BARU DENGAN METODE SIMPLE MOVING AVERAGES DAN WEIGHTED MOVING AVERAGES (Studi Kasus : SMK TEXMACO SEMARANG) Isa Raa Machilikha Putera Sistem Iformasi, Fakultas

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian

BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian BAB I PENDAHULUAN. Latar Belakag Peelitia Keadaa perekoomia yag terus berubah-ubah aka mempegaruhi tigkat pertumbuha perusahaa-perusahaa yag ada di Idoesia. Utuk itu, perusahaa yag ada di Idoesia harus

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta

Lebih terperinci

Inflasi dan Indeks Harga I

Inflasi dan Indeks Harga I PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya

Lebih terperinci

BAB 3 DATA DAN METODOLOGI PENELITIAN

BAB 3 DATA DAN METODOLOGI PENELITIAN BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai

Lebih terperinci

Lampiran 1 Bukti Kas Masuk

Lampiran 1 Bukti Kas Masuk Lampira 1 Bukti Kas Masuk Lampira 2 Bukti Kas Keluar Lampira 3 Struktur Orgaisasi Lampira 3 Tabel Jawaba Respode Lampira 4 Tabel Hasil Pegujia Data dega SPSS N A1 N A2 N A3 N A4 N A5 N A6 N A7 Pearso TOTAL

Lebih terperinci

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

III. METODOLOGI KAJIAN

III. METODOLOGI KAJIAN 39 III. METODOLOGI KAJIAN A. Lokasi da Waktu Kajia Kajia telah dilakuka di PD. Augerah Hero, suatu idustri kecil sepatu yag beralamat di Kampug Sawah Ilir RT.02 RW.03 Mekarjaya, Kecamata Ciomas, Kabupate

Lebih terperinci

LAPORAN RESMI MODUL VII TIME SERIES FORECASTING

LAPORAN RESMI MODUL VII TIME SERIES FORECASTING LAPORAN RESMI MODUL VII TIME SERIES FORECASTING I. Pedahulua A. Latar Belakag (Mi. 4 Paragraf) B. Rumusa Masalah C. Tujua Praktikum (Mi. 3) D. Mafaat Praktikum (Mi. 3) E. Batasa Masalah II. Tijaua Pustaka

Lebih terperinci

Peramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing

Peramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing Jural Ilmiah Tekologi da Iformasia ASIA (JITIKA) Vol.10, No.1, Februari 2016 ISSN: 0852-730X Peramala Jumlah Stok Alat Tulis Kator Di UD ACHMAD JAYA Megguaka Metode Double Expoetial Smoothig Titaia Dwi

Lebih terperinci

MODUL 3 PERAMALAN. Halaman 3

MODUL 3 PERAMALAN. Halaman 3 MODUL 3 PERAMALAN 1. Deskripsi Peramala merupaka tahapa awal dari keseluruha perecaaa produksi. Adaya ketidak pastia dari permitaa kosume di masa yag aka datag meyebabka aktivitas peramala ii sagat dibutuhka

Lebih terperinci

APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X

APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X APLIKASI PERHITUNGAN METODE PERAMALAN PRODUKSI PADA CV. X Sayuti, M 1* 1 Jurusa Tekik Idustri, Fakultas Tekik, Uiversitas Malikussaleh-NAD *E-mail: Tgk_Sayuti@yahoo.co.uk ABSTRAK CV.X, merupaka perusahaa

Lebih terperinci

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci

IV. METODOLOGI PENELITIAN

IV. METODOLOGI PENELITIAN 49 IV. METODOLOGI PENELITIAN 4.1. Tempat da Waktu Peelitia Ruag ligkup peelitia mecakup perekoomia Provisi NTT utuk megkaji peraa sektor pertaia dalam perekoomia. Kajia ii diaggap perlu utuk dilakuka dega

Lebih terperinci

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.

PERAMALAN 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

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER

APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER Rival Zuaidhi, Wahyu S. J. Saputra da Ni Ketut Sari Jurusa Tekik Iformatika, Fakultas Tekologi Iformasi, UPN Vetera Jawa Timur Email: rivalavista@yahoo.com

Lebih terperinci

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL

MATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham

Lebih terperinci

Model Trend untuk Peramalan Jumlah Penduduk Studi kasus pada Pertumbuhan Penduduk Kabupaten Gowa

Model Trend untuk Peramalan Jumlah Penduduk Studi kasus pada Pertumbuhan Penduduk Kabupaten Gowa JTRISTE, Vol., No., Oktober 015, pp. 46~5 ISSN: 355-3677 Model Tred utuk Peramala Jumlah Peduduk Studi kasus pada Pertumbuha Peduduk Kabupate Gowa Sistem Iformasi, STMIK Kharisma Makassar rahmawati@kharisma.ac.id

Lebih terperinci

III METODE PENELITIAN

III METODE PENELITIAN 28 III METODE PENELITIAN 3.1 Tempat da Waktu Peelitia Peelitia ii dilaksaaka di Giat, Botai Square, Bogor, Jawa Barat. Peelitia dilaksaaka pada bula Februari higga bula Maret tahu 2010. 3.2 Pegumpula Data

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 3 BAB LANDASAN TEORI.1 Dasar Productio Plaig ad Ivetory Cotrol (PPIC).1.1 Pegertia Productio Plaig ad Ivetory Cotrol (PPIC) Productio Plaig ad Ivetory Cotrol (PPIC) adalah sebuah proses pegedalia alira

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Dalam peelitia ii, pegambila da peroleha data dilakuka di UKM. Bakso Solo, Bakauhei, Lampug Selata. Utuk pegukura kualitas pelayaa, objek yag diteliti adalah

Lebih terperinci

Optimasi Rencana Produksi Menggunakan Model Matriks Transportasi Bowman

Optimasi Rencana Produksi Menggunakan Model Matriks Transportasi Bowman Performa (2) Vol., No.: 26-34 Optimasi Recaa Megguaka Model Matriks Trasportasi Bowma (Studi Kasus di PT. X, Magelag) Taufiq Rochma Jurusa Tekik Idustri, Uiversitas Sebelas Maret, Surakarta Abstract Productio

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

Lebih terperinci

ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series and Forecasting) Analisis Tren

ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series and Forecasting) Analisis Tren ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series ad Forecastig) Aalisis Tre P.E.N.D.A.H.U.L.U.A.N Rutut waktu merupaka kumpula data yag tercatat sepajag periode waktu tertetu (cotohya: miggua, bulaa, atau

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

Prosiding Manajemen ISSN:

Prosiding Manajemen ISSN: Prosidig Maajeme ISSN: 2460-7187 Aalisis Peramala Pejuala dega Megguaka Metode Sigle Movig Average, Weighted Movig Average da Expoetial Smoothig Sebagai Dasar Perecaaa Produksi Polo Shirt Pria (Studi Kasus

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Peyajia Data Perumusa ilmu statistik juga bergua dalam pegedalia persediaa, khususya dalam tulisa ii guaya utuk membuat daftar distribusi frekwesiya. Utuk membuat daftar ii, ada

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN Peelitia pejadwala pembagkit termal ii adalah utuk membadigka metode Lagragia Relaxatio yag diajuka peulis dega metode yag diguaka PLN. Di sii aka diuji metode maa yag peramalaya

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

Penerapan Metode Bagi-Dua (Bisection) pada Analisis Pulang-Pokok (Break Even)

Penerapan Metode Bagi-Dua (Bisection) pada Analisis Pulang-Pokok (Break Even) Peerapa Metode Bagi-Dua (Bisectio) pada Aalisis Pulag-Pokok (Break Eve) Oleh: Nur Isai Jurusa Pedidika Matematika FMIPA UNY Yogyakarta Email: urisai001@yahoo.com Abstrak Persoala dalam mecari akar persamaa

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Distribusi Distribusi merupaka suatu proses kegiata alira atau peyalura barag dari produse sampai ke taga kosume. Distribusi memerluka perecaaa, da pegedalia yag baik utuk meciptaka

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 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 terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

BAB II LANDASAN TEORI. kesalahan ramalan (forecast error) yang berbeda pula. Salah satu seni dalam

BAB II LANDASAN TEORI. kesalahan ramalan (forecast error) yang berbeda pula. Salah satu seni dalam BAB II LANDASAN TEORI 2.1 Tekik Peramala Peramala (forecastig) merupaka alat batu yag petig dalam perecaaa yag efektif da efisie. Dalam sistem peramala, pegguaa berbagai model peramala aka memberika ilai

Lebih terperinci

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa

III. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni

BAB II MAKALAH. : Seminar Nasional Sains dan Pendidikan Sains VIII UKSW. : Prosiding Seminar Nasional Matematika VIII UKSW 15 Juni BAB II MAKALAH Makalah I. Judul Dipresetasika : Liear Goal Programmig utuk Optimasi Perecaaa si : Semiar Nasioal Sais da Pedidika Sais VIII UKSW 201 yag diseleggaraka oleh Fakultas Sais da Matematika UKSW

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci