PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN"

Transkripsi

1 PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si Dra. Nuri W, M.Kes bsrak Kepuusa perusahaa dalam meeuka jumlah produk pada sau periode selajuya bergaug pada sisa persediaa dari sau periode sebelumya da juga perkiraa jumlah permiaa pada sau periode selajuya. Jumlah permiaa da persediaa merupaka suau keidakpasia. Logika Fuzzy merupaka salah sau ilmu yag dapa megaalisa keidakpasia, begiu juga dega meode Pemulusa Ekspoesial yag dapa diguaka meramalka jumlah permiaa pada periode selajuya keika di dukug daa permiaa pada periode sebelumya. Peeliia ii megguaka meode Pemulusa Ekspoesial Gada dari Hol dalam meramalka jumlah permiaa sau bula kedepa kemudia megguaka meode Fuzzy-Mamdai dalam meeuka jumlah produk berdasarka daa persediaa da prediksi permiaa. Hasil peeliia dega ipu berupa ramala jumlah permiaa dega parameer = 0,2 da = 0, pada bula Februari sebesar ui da sisa persediaa bula Jauari sebesar 200 ui diperoleh oupu berupa jumlah produk pada bula Februari sebesar ui sehigga sisa persediaa pada bula Februari sebesar 160 ui. Kaa Kuci : Jumlah Produk, Pemulusa Ekspoesial, Fuzzy Mamdai 1. Pedahulua Keuuga yag maksimal diperoleh dari pejuala yag maksimal. Pejuala yag maksimal ariya dapa memeuhi permiaapermiaa yag ada pabila jumlah produk yag diproduksi oleh perusahaa kurag dari jumlah permiaa maka perusahaa aka kehilaga peluag uuk medapaka keuuga yag maksimal. Sebalikya, apabila jumlah produk yag diproduksi jauh lebih bayak dari jumlah permiaa maka perusahaa aka megalami kerugia. Oleh karea iu, Perecaaa jumlah produk dalam suau perusahaa sagalah peig agar dapa memeuhi permiaa pasar dega epa da dega jumlah yag sesuai. Fakor-fakor yag perlu diperhaika dalam meeuka jumlah produk, aara lai: sisa persediaa sau periode sebelumya da perkiraa jumlah permiaa sau periode selajuya. Logika Fuzzy merupaka ilmu yag mempelajari megeai keidakpasia. Jumlah permiaa pada sau periode ke depa merupaka perkiraa yag megadug usur keidakpasia yag aka diramalka dega megguaka meode Pemulusa Ekspoesial berdasarka daa yag diperoleh dari beberapa periode sebelumya. Oleh karea iu, peeliia ii megguaka salah sau aplikasi dari logika Fuzzy yaiu meode Mamdai aau biasa disebu meode Mi-Max. Sedagka, meode Pemulusa Ekspoesial diguaka sesuai dega pola daa da jumlah daa masa lalu yag elah diperoleh berdasarka survey awal. Meode Pemulusa Ekspoesial megguaka saga sediki pecaaa daa masa lalu. (Suari, 2010). Permasalaha yag dibahas dalam peeliia ii adalah bagaimaa meramalka jumlah permiaaa pada sau bula ke depa megguaka meode Pemulusa Ekspoesial da bagaimaa meeuka jumlah produk berdasarka perkiraa jumlah permiaa sau bula kedepa da jumlah persediaa bula sebelumya megguaka meode Fuzzy Mamdai. Baasa masalah dalam peeliia ii adalah : 1. Produk yag dielii adalah produk laai kayu jai. 2. Fakor-fakor yag mempegaruhi dalam meeuka jumlah produk adalah jumlah permiaa da jumlah persediaa sehigga daa lai idak dielii aau diaggap eap. 3. Peegasa (defuzzyfikasi) megguaka meode Ceroid. 1

2 4. Jumlah permiaa pada bula ereu diramalka megguaka meode Pemulusa Ekspoesial. Tujua dari peeliia ii adalah Meramalka jumlah permiaa pada sau bula ke depa megguaka meode Pemulusa Ekspoesial da meeuka jumlah produk pada sau bula ke depa megguaka meode Fuzzy Mamdai. Mafaa yag diharapka dari ugas akhir ii adalah dapa megeahui aplikasi maemaika khususya Fuzzy da Peramala dalam bidag idusri da sebagai masuka aau iformasi yag bermafaa bagi Idusri dalam merecaaka jumlah produk. 2. Tijaua Pusaka 2.1 Peeliia Sebelumya Pada peeliia sebelumya (Djuaidi, 2005), ipu yag diguaka adalah jumlah permiaa da jumlah persediaa yag sudah dikeahui. Namu, suau perusahaa pada umumya membuuhka kepuusa produksi yag lebih cepa agar dapa memeuhi permiaa pasar dega epa waku. Oleh karea iu, ugas akhir kali ii megguaka ipu yag berbeda dega sebelumya, yaiu: prediksi permiaa sau bula ke depa da jumlah persediaa bula sebelumya uuk meghasilka oupu berupa jumlah produk sau bula ke depa. 2.2 Meode Pemulusa Ekspoesial Gada Meode Pemulusa Ekspoesial merupaka salah sau dari meode dere berkala (ime series) dega prosedur perbaika erusmeerus pada peramala erhadap objek pegamaa erbaru. Meode Pemulusa Ekspoesial meiikberaka pada peurua priorias secara ekspoesial pada objek pegamaa yag lebih ua. Dega kaa lai, observasi erbaru aka diberika priorias lebih iggi bagi peramala daripada observasi yag lebih lama. (riyoso, 2009). Salah sau dari meode Pemulusa Ekspoesial adalah meode Pemulusa Ekspoesial Gada. Terdapa dua macam dari meode Pemulusa Ekspoesial Gada, yaiu: Pemulusa Ekspoesial Gada Liear Sau Parameer dari Brow da Pemulusa Ekspoesial Gada Dua Parameer dari Hol. Meode Pemulusa Ekspoesial Gada diguaka keika daa meujukka adaya red. Rumus Pemulusa Ekspoesial Gada adalah sebagai beriku: Meode Liear Sau Parameer dari Brow dirumuska : S' X (1 ) S' (2.1) S 1 " S' (1 ) S" 1 (2.2) a 2S' S" (2.3) b ( S' S" ) 1 (2.4) F m a b m (2.5) dega : m :Jumlah periode ke muka yag diramalka S' : Nilai pemulusa ekspoesial uggal S" : Nilai pemulusa ekspoesial gada F m : Nilai peramala pada periode +m Meode Dua Parameer dari Hol dirumuska : S X 1)( S b ) (2.6) ( 1 1 b (2.7) ( S S1 ) (1 ) b 1 F m S b m (2.8) dega : S : Pemulusa daa b : Pemulusa red m :Jumlah periode ke muka yag diramalka F : Nilai peramala pada periode +m m 2.3 Himpua Fuzzy Teori himpua fuzzy diperkealka oleh Lofi. Zadeh pada ahu Zadeh memberika defiisi eag himpua fuzzy ~, yaiu: Jika X adalah koleksi dari obyek-obyek yag dioasika secara geerik oleh x, maka suau himpua fuzzy ~, dalam X adalah suau himpua pasaga berurua : ~ { ( x, ~ ( x)) x X} (2.9) dega ~ ( x) adalah deraja keaggoaa x yag memeaka X ke ruag keaggoaa M yag erleak pada reag (0,1). (Kusumadewi, 2006). 2

3 2.4 Fugsi Keaggoaa Fuzzy Seiap himpua fuzzy dapa direpreseasika dega fugsi keaggoaa. Jika himpua fuzzy erbaas maka ilai keaggoaa merupaka ilai diskri dalam reag [0,1]. Namu, jika himpua fuzzy idak erbaas maka dapa direpreseasika sebagai fugsi keaggoaa koiu. (Rua, 1995). Beuk dari fugsi keaggoaa adalah sebagai beriku: 1. Triagular Member Fucio 2. Trapesium Member Fucio 3. Z-Member Fucio 4. S-Member Fucio 5. Gauss Member Fucio 2.5 Sisem Iferesi Fuzzy Iferesi Fuzzy merupaka proses dalam memformulasika pemeaa dari ipu yag diberika ke dalam oupu megguaka logika fuzzy. Terdapa dua macam dari sisem iferesi fuzzy yag dapa diimplemeasika dalam Fuzzy Logic Toolbox, yaiu: ipe Mamdai da ipe Sugeo. ( Zadeh, 1995). Namu dalam ugas akhir ii megguaka ipe Mamdai. Uuk memperoleh oupu diperluka 4 ahapa, yaiu (Sasogko, 2007): 1. Pembeuka himpua fuzzy Pada meode Mamdai, baik variabel ipu maupu variabel oupu dibagi mejadi sau aau lebih himpua fuzzy. 2. plikasi fugsi implikasi Pada meode mamdai, fugsi implikasi yag diguaka adalah mi. 3. Kompoe aura (rule) Pada ahapa ii sisem erdiri dari beberapa aura, maka iferesi diperoleh dari kumpula da korelasi aar aura. 4. Peegasa (defuzzyfikasi) Defuzzyfikasi adalah sebuah model koversi dari beuk ilai fuzzy ke dalam besara yag lebih presisi. (Hidayai, 2009). Salah sau meode dari defuzzyfikasi adalah meode ceroid. Meode Ceroid dapa disebu Ceer of rea (Ceer of Graviy) adalah meode yag palig lazim da palig bayak diusulka oleh bayak peelii uuk diguaka. Formulasi maemais meode ii dapa diberika sebagai beriku: z* z ~ ( z) dz ~ ( z) dz (2.10) dega ~ ( z) adalah fugsi keaggoaa dari himpua fuzzy. 3. Meode Peeliia Tahap-ahap yag dilakuka dalam ugas akhir ii adalah ideifikasi masalah, sudi lieraur da pegumpula daa, peramala jumlah permiaa, da peeua jumlah produk. Pada ahap Ideifikasi masalah, permasalaha yag dibahas dalam usula ugas akhir ii adalah meeuka jumlah produk megguaka meode Fuzzy Mamdai berdasarka perkiraa jumlah permiaa sau bula kedepa yag diramalka megguaka meode Pemulusa Ekspoesial da jumlah persediaa bula sebelumya. Pada ahap sudi lieraur da pegumpula daa dilakuka pegumpula daa sekuder dari perusahaa produksi da sudi lieraur. Sudi ii melipui hal-hal yag berkaia dega Fuzzy Mamdai da juga meode Pemulusa Ekspoesial. Pembelajara ii didapa baik dari buku-buku lieraur, jural, paper, maupu beberapa arikel di iere. Pada ahap selajuya aka dilakuka peramala jumlah permiaa megguaka meode Pemulusa Ekspoesial sebagai ipu dari meode Fuzzy Mamdai. Lagkah-lagkah yag harus dilakuka dalam peramala jumlah permiaa, yaiu: 1. Megeahui pola daa. 2. Meeuka meode Pemulusa Ekspoesial berdasarka pola daa. 3. Meeuka parameer dega megguaka ilai SSE (Sum of Squared Error) da MSE (Mea Squared Error) erkecil. 4. Meghiug Error pada ilai peramala megguaka MPE (Mea bsolue Perceage Error). Tahap peeua jumlah produk merupaka proses perecaaa Jumlah Produk dega ipu berupa perkiraa jumlah permiaa da jumlah persediaa yag aka diselesaika megguaka sofware MTLB. Lagkah-lagkah dalam meeuka jumlah produk megguaka Fuzzy Mamdai, yaiu: 1. Pembeuka himpua fuzzy. 2. plikasi fugsi implikasi. 3. Kompoe aura (rule). 4. Peegasa (defuzzyfikasi) megguaka meode Ceroid. 3

4 Jumlah Permiaa 3. alisa da Pembahasa Daa yag dielii dalam ugas akhir ii merupaka daa produk laai kayu yag erdiri dari daa permiaa iap bula, daa persediaa iap bula, da daa jumlah produk iap bula. Daa jumlah permiaa iap bula dalam saua coaier dapa diliha pada Tabel 1. Sedagka daa jumlah permiaa iap bula, jumlah persediaa iap bula, da jumlah produk iap bula dalam saua box(1 coaier = 816 box) dapa diliha pada Tabel 2. Tabel 1. Jumlah permiaa iap bula Bula Permiaa Permiaa (coaier) Mare pril Mei Jui Juli gusus Sepember Okober November Desember Jauari Tabel 2. Jumlah Permiaa, Persediaa, da Produk iap bula Bula Permiaa ( Box ) Persediaa ( Box ) Jumlah Produksi ( Box ) Mar pr Mei Ju Jul gus Sep Ok Nov Des Ja Peramala Jumlah Permiaa Sebelum meeuka meode peramala yag palig cocok uuk meramalka jumlah permiaa pada bula ereu, lagkah perama yag harus dilakuka adalah megeahui pola daa. Namu, daa peeliia yag diperoleh dalam ugas akhir ii idak erlalu bayak sehigga saga suli uuk meeuka pola daa dari periode awal higga periode-periode selajuya maka dilakuka peeua pola daa semeara. Berdasarka plo daa pada Gambar 1, dapa diliha bahwa jumlah permiaa pada periode ke-1 higga periode ke-8 cederug aik kemudia pada periode ke- 9 uru ajam da pada periode ke-10 higga periode ke-11 cederug aik lagi sehigga dapa disimpulka bahwa pola daa semeara yag diperoleh sesuai dega pola daa red. Berdasarka Pola daa yag diperoleh maka meode peramala yag cocok uuk pola daa red adalah meode Pemulusa Ekspoesial Gada. Namu, erdapa dua rumusa dari meode Pemulusa Ekspoesial Gada yaiu meode Pemulusa Ekspoesial Gada sau parameer dari Brow da meode Pemulusa Ekspoesial Gada dua parameer dari Hol. Pemulusa Ekspoesial Gada dua parameer mempuyai dua pemulusa, yaiu: pemulusa daa da pemulusa red sehigga memugkika uuk daa yag masih mempuyai sediki keradoma. Oleh karea iu peeliia ii meggguaka meode Pemulusa Ekspoesial Gada dua parameer dari Hol Daa Permiaa Bula Series1 Gambar 1.Time Series Plo Jumlah Permiaa Seelah meeuka meode peramala berdasarka pola daa semeara, lagkah selajuya adalah meeuka parameer dega ilai SSE (Sum of Squared Error) da MSE (Mea Squared Error) dega cara megambil ilai da secara sembarag dalam reag 0 sampai 1 seelah iu dipermulus sampai medapaka ilai SSE da MSE erkecil. Berdasarka persamaa 2.6, persamaa 2.7, da persamaa 2.8 dega megasumsika S 1= X 1, b 1 = X 2 X1, da m = 1 maka diperoleh : Uuk ilai = 0,1, da = 0,2 S 1 = b 1 = =

5 S = X (1 )( S 1 b 1 ) S 2 = X 2 (1 )( S 1 b 1 ) S 2 = 0,1(12.240)+(1-0,1)( ) = b b 2 = ( S S 1 ) (1 ) b 1 ( S S ) (1 b = 2 1 ) 1 = 0,1( )+(1-0,2) = F m = S b m F 3 = S2 b 2 *1 F 3 = (1) = F 12 = S11 b 11 *1 = , ,44(1) = ,73 Nilai ramala uuk = 0,1 da = 0,2 adalah ,73. Namu, ilai ramala dega = 0,1 da = 0,2 belum eu merupaka ramala dega error yag palig kecil sehigga peeua parameer harus sesuai dega ilai SSE da MSE yag erkecil. SSE = i1 e 2 i = ( i1 2 X i F i ) = ,66 MSE= e 2 2 i / = ( X i Fi ) / i1 i1 = ,52 Nilai peramala, SSE (Sum of Squared Error), da MSE (Mea Squared Error) uuk parameer lai megguaka perhiuga yag sama diperoleh pada Tabel 3. Dalam pemodela dere berkala, sebagia daa yag dikeahui dapa diguaka uuk meramalka sisa daa berikuya sehigga memugkika orag uuk mempelajari keepaa ramala secara lagsug. Bagi pemakai ramala, keepaa ramala yag aka daag adalah yag lebih peig. (Makridakis, 1999). Pada Tabel 3 dapa diperhaika ilai SSE da MSE yag palig kecil adalah pada ilai peramala dega parameer = 0,2 da = 0,3. Hal ii meujukka ilai akual medekai hasil dari ramala dega parameer ersebu. Pedekaa ilai peramala dega ilai akual idak berhei sampai pada parameer = 0,2 da = 0,3. Parameer ersebu harus dilakuka pemulusa lagi dega error yag palig kecil. Leak dari = 0,3 masih dapa dipermulus sehigga didapaka parameer = 0,2 da = 0, yag mempuyai ilai SSE da MSE palig kecil. Berdasarka perhiuga yag sama maka ilai peramala dega parameer = 0,2 da = 0, adalah dega SSE sebesar ,47 da MSE sebesar ,39. Tabel 3. Nilai Peramala, SSE, da MSE Nilai Parameer SSE Peramala = 0,1 = 0,2 = 0,1 = 0,3 = 0,1 = 0,4 = 0,1 = 0,5 = 0,1 = 0,6 = 0,1 = 0,7 = 0,1 = 0,8 = 0,2 = 0,2 = 0,2 = 0,3 MSE , , , , , , , , , , , , , , , , , , , , , , , , , , ,38 Perhiuga MPE (Mea bsolue Perceage Error) dalam ugas akhir ii berdasarka raaa dari permala selama 4 bula, yaiu: m=1 pada bula Februari, m=2 pada bula Mare, m=3 pada bula pril, da m=4 pada bula Mei. Berdasarka persamaa 2.8 perhiuga ilai peramala pada m=1, m=2, m=3, da m=4 diperoleh: Uuk m=1 pada bula Februari : F 12 = S11 b 11 *1 = ,94+(-1.084,03)(1) = Uuk m=2 pada bula Mare : 5

6 F 13 = S11 b 11 * 2 = ,94+(-1.084,03)(2) = ,05 Uuk m=3 pada bula pril : F 14 = S11 b 11 *3 = ,94+(-1.084,03)(3) = ,11 Uuk m=2 pada bula Mare : F 15 = S11 b 11 * 4 = ,94+(-1.084,03)(4) = 8.982,17 Nilai akual pada bula Februari, Mare, pril, da Mei beruru-uru sebesar , , , da Perhiuga MPE pada peramala dalam ugas akhir ii adalah sebagai beriku : X F PE = (100) X X 12 F12 PE 12 = (100) X = (100) = 0 X 13 F13 PE 13 = (100) X ,05 = (100) = 31,65 X 14 F14 PE 14 = (100) X ,05 = (100) = 38,31 X 15 F15 PE 15 = (100) X ,17 = (100) = 10,08 MPE = PE i / i1 4 = PE i1 i / 0 31,6538,3110,08 MPE = 4 = 20,01 Berdasarka perhiuga ilai MPE uuk empa periode sebesar 20,01% sehigga ilai peramala uuk bula Februari ergolog baik. Oleh karea iu, ilai peramala pada bula Februari dapa diguaka sebagai ipu pada meode Mamdai. 4.2 Peeua Jumlah Produk Perecaaa Jumlah Produk mempuyai ipu berupa perkiraa jumlah permiaa da jumlah persediaa yag aka diselesaika megguaka sofware MTLB. Pembeuka himpua fuzzy merupaka lagkah perama yag dilakuka saa megguaka meode Mamdai. Himpua fuzzy dapa diliha pada Tabel 4 da Tabel 5, aplikasi himpua fuzzy da fugsi keaggoaa pada sofware MTLB dapa diliha pada Gambar 2, Gambar 3, da Gambar 4. Tabel 4. Semesa Pembicaraa pada Himpua Fuzzy Fugsi Ipu Variabel Semesa Pembicaraa (ui) Permiaa [ ] Persediaa [ ] Oupu Jumlah Produk [ ] Tabel 5. Himpua Fuzzy Variabel Permiaa Persediaa Jumlah Produk Nama Himpua Fuzzy Parameer (ui) Saga Sediki [ ] Sediki [ ] Sedag [ ] Bayak [ ] Saga Bayak [ ] Saga Sediki [ ] Sediki [ ] Sedag [ ] Bayak [ ] Saga Bayak [ ] Saga Sediki [ ] Sediki [ ] Sedag [ ] Bayak [ ] Saga Bayak [ ] 6

7 Gambar 2. Fugsi Keaggoaa dari Permiaa Gambar 3. Fugsi Keaggoaa dari Persediaa Gambar 4. Fugsi Keaggoaa dari Jumlah Produk Lagkah selajuya adalah membeuk aura da fugsi implikasi. Pembeuka aura dalam ugas akhir ii berdasarka kemugkia daa iap bula sehigga dapa diperoleh fugsi implikasi da aura sebagai beriku: 1. If (Permiaa is Saga Sediki) d (Persediaa is Saga Sediki) he (Jumlah Produk is Saga Sediki). 2. If (Permiaa is Saga Sediki) d (Persediaa is Sediki) he (Jumlah Produk is Saga Sediki). 3. If (Permiaa is Saga Sediki) d (Persediaa is Sedag) he (Jumlah Produk is Saga Sediki). 4. If (Permiaa is Saga Sediki) d (Persediaa is Bayak) he (Jumlah Produk is Saga Sediki). 5. If (Permiaa is Saga Sediki) d (Persediaa is Saga Bayak) he (Jumlah Produk is Saga Sediki). 6. If (Permiaa is Sediki) d (Persediaa is Saga Sediki) he (Jumlah Produk is Saga Sediki). 7. If (Permiaa is Sediki) d (Persediaa is Sediki) he (Jumlah Produk is Saga Sediki). 8. If (Permiaa is Sediki) d (Persediaa is Sedag) he (Jumlah Produk is Saga Sediki). 9. If (Permiaa is Sediki) d (Persediaa is Bayak) he (Jumlah Produk is Saga Sediki). 10. If (Permiaa is Sediki) d (Persediaa is Saga Bayak) he (Jumlah Produk is Saga Sediki). 11. If (Permiaa is Sedag) d (Persediaa is Saga Sediki) he (Jumlah Produk is Sedag). 12. If (Permiaa is Sedag) d (Persediaa is Sediki) he (Jumlah Produk is Sedag). 13. If (Permiaa is Sedag) d (Persediaa is Sedag) he (Jumlah Produk is Sediki). 14. If (Permiaa is Sedag) d (Persediaa is Bayak) he (Jumlah Produk is Sediki). 15. If (Permiaa is Sedag) d (Persediaa is Saga Bayak) he (Jumlah Produk is Sediki). 16. If (Permiaa is Bayak) d (Persediaa is Saga Sediki) he (Jumlah Produk is Bayak). 17. If (Permiaa is Bayak) d (Persediaa is Sediki) he (Jumlah Produk is Bayak). 18. If (Permiaa is Bayak) d (Persediaa is Sedag) he (Jumlah Produk is Bayak). 19. If (Permiaa is Bayak) d (Persediaa is Bayak) he (Jumlah Produk is Sedag). 7

8 20. If (Permiaa is Bayak) d (Persediaa is Saga Bayak) he (Jumlah Produk is Sedag). 21. If (Permiaa is Saga Bayak) d (Persediaa is Saga Sediki) he (Jumlah Produk is Saga Bayak). 22. If (Permiaa is Saga Bayak) d (Persediaa is Sediki) he (Jumlah Produk is Saga Bayak). 23. If (Permiaa is Saga Bayak) d (Persediaa is Sedag) he (Jumlah Produk is Bayak). 24. If (Permiaa is Saga Bayak) d (Persediaa is Bayak) he (Jumlah Produk is Bayak). 25. If (Permiaa is Saga Bayak) d (Persediaa is Saga Bayak) he (Jumlah Produk is Saga Sedag). Fugsi ipu da oupu yag erdiri dari jumlah permiaa, jumlah persediaa, da jumlah produk mempuyai 25 kemugkia sehigga membeuk aura (rule) da fugsi implikasi yag memiliki 25 aesede da 25 kosekue. Pada meode mamdai, fugsi implikasi yag diguaka adalah mi. plikasi fugsi implikasi ii diaplikasika megguaka sofware MTLB dapa dliha pada Gambar 5 da Gambar 6. Lagkah erakhir dari peeua jumlah produk megguaka meode Mamdai adalah peegasa. Peegasa dalam ugas akhir ii megguaka meode ceroid. Namu proses pegerjaaya megguaka baua sofware MTLB. Perhiuga peegasa megguaka sofware MTLB dega ipu berupa prediksi permiaa bula Februari sebesar da jumlah persediaa pada bula Jauari sebesar 200 meghasilka oupu jumlah produk bula Februari sebesar sehigga jumlah persediaa pada bula Februari merupaka peguraga dari jumlah produk bula Februari dega jumlah permiaa akual bula Februari maka jumlah persediaa bula Februari diperoleh : Gambar 5. ura (Rule) da Fugsi Implikasi Gambar 6. ura (Rule) da Fugsi Implikasi Lajua Jumlah Persediaa = = 160. Perhiuga peegasa megguaka sofware MTLB dapa diliha pada Gambar 7. Gambar 7. Peegasa (Deffuzyfikasi) dega MTLB 8

9 5. Peuup Berdasarka aalisa da pembahasa dari peeua jumlah produk megguaka meode Fuzzy Mamdai berdasarka prediksi permiaa maka diperoleh kesimpula, yaiu: 1. Pola daa semeara pada jumlah permiaa selama 11 bula merupaka pola daa red. 2. Meode peramala yag cocok dalam ugas akhir ii adalah meode Pemulusa Ekspoesial Gada dari Hol dega parameer = 0,2 da = 0, dega hasil peramala bula Februari sebesar ui. 3. Nilai MPE (Mea bsolue Perceage Error) dalam empa periode sebesar 20,01% sehigga ilai peramala pada bula Februari ergolog cukup baik. 4. Hasil peegasa dari meode Fuzzy Mamdai megguaka meode Ceroid berupa jumlah produk bula Februari sebesar ui sehigga jumlah persediaa bula Februari sebesar 160 ui. Sara yag diajuka dalam ugas akhir ii uuk peeliia selajuya, yaiu: 1. Peramala Jumlah Permiaa dapa megguaka meode lai dega daa masa lalu yag lebih bayak 2. Peeua jumlah produk dalam akhir ii megguaka meode Mamdai, uuk peeliia selajuya dapa diguaka meode Sugeo. Pemasara (Sudi Kasus : Produk Kosmeik Bedak Sariayu di ITS Surabaya). Tugas khir Program Sarjaa, Isiu Tekologi Sepuluh Nopember Surabaya. Kusumadewi, Sri., Sri H., gus H., & Reyao W Fuzzy Muli-ribue Decisio Makig (FUZZY MDM). Yogyakara: Graha Ilmu Makridakis, S., Seve C.W., & Vicor E.M Meode da plikasi Peramala, edisi kedua. Jakara: Biarupa ksara Rua, Da Fuzzy Se Theory ad dvaced Mahemaical pplicaios. Boso: Kluwer cademic Publisher Sasogko, P.S Logika Fuzzy. <URL : hp://logikafuzzy.blogspo.com/>. (diakses aggal 2 Mare 2011 ) Suari, Nai Maajeme Operasioal. <URL : hp://syukroali.files.wordpress. com /2010/05/bab-2-peramala.docx >. (diakses aggal 16 pril 2011) Zadeh, L Fuzzy Logic Toolbox for Use wih MTLB. Berkeley, C: The Mah Works,Ic DFTR PUSTK riyoso Saisik 4 Life. <URL: hp://ariyoso.wordpress.com/2009 /11/04/meode-expoeial-smoohig/ >. (diakses aggal 17 Februari 2011) Djuaidi, M., Eko S., & Fajar W Peeua Jumlah Produksi dega plikasi Meode Fuzzy-Mamdai. Jural Ilmiah Tekik Idusri. Vol. 4, No. 2,, Hidayai, Nuril plikasi Teori Permaia Fuzzy dalam Sraegi 9

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

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA

PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA Iwa Sugkawa; Ries Tri Megasari Mahemaics & Saisics Deparme, School of

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor

Lebih terperinci

PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN)

PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN) Widiyarii, Pegguaa Meode Peramala dalam. PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN) Widiyarii Program Sudi Tekik Idusri Fakulas Tekik da MIPA, Uiversias

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM)

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR

MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

METODOLOGI. Waktu dan Tempat. Alat dan Bahan METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI

TUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara

Lebih terperinci

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN

Jurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI

Lebih terperinci

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.

BAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang. BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau

Lebih terperinci

BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN 30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa

Lebih terperinci

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2 METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas

Lebih terperinci

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE Eli Trisiai Hasriai Rola Pae Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua Alam Uierias Riau Kampus Bia Widya

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja

MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES

TINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Tijaua Pusaka Pegguaa meode peramala Forecasig elah dilakuka oleh berbagai macam peeliia dalam berbagai bidag eruama diguaka dalam memprediksi pejuala pada perusahaa Beriku dibawah

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit Peerapa Meode Opimasi Expoeial moohig Uuk Peramala Debi Oleh: Budi aosa, uharyao 2, Djoko Legoo 3. DT, Program Pascasarjaa Udip, Jl. Hayam Wuruk No. 5-7 emarag, (Depareme Tekik ipil Uiversias Guadarma,

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:

PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh: PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida Jural Maemaika Muri da Terapa Vol. 3 No. Desember 009: 39-50 PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR Muhammad Ahsar K. da Yui Yulida Program Sudi Maemaika Uiversias Lambug Magkura Jl. Jed. A.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih 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

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000). of Porfolio Trasaios (Almgre & Chriss 000 14 Sisemaika Peulisa Karya ilmiah ii erdiri aas eam bagia Bagia perama berupa pedahulua, erdiri aas laar belakag, ujua peulisa, meode peulisa, da sisemaika peulisa

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI. Tijaua Pusaka Bidag percaaa da pegawasa produksi da persediaa dalam orgaisasi-orgaisasi maufacurig da jasa berkaia dega peramala permiaa, perecaaa kapasias keseluruha orgaisasi, peeua

Lebih terperinci

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR MODEL ARIMA(0,,) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika Oleh:

Lebih terperinci

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL FOKKER-PLANCK DENGAN METODE GARIS Sii Muyassaroh Mahasiswa Jurusa Maemaika Fakulas Sais da Tekologi UIN Maulaa Malik Ibrahim Malag e-mail: muy.sms@gmail.com ABSTRAK

Lebih terperinci

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA DISUSUN OLEH : NAMA : AZIS WIDODO NIM : 41605110061 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS

Lebih terperinci

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

Lebih terperinci

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.

PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR. PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan

Lebih terperinci

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,

Lebih terperinci

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4

OPTIMASI INVENTORY COST PADA MODEL MATEMATIKA EPQ (ECONOMIC PRODUCTION QUANTITY) DENGAN BACKORDER DAN VARIASI SET UP COST Rofila El Maghfiroh 4 JURNAL ILMU-ILMU EKNIK - SISEM Vol. 3 No. OPIMASI INVENORY COS PAA MOEL MAEMAIKA EP (ECONOMIC PROUCION UANIY) ENGAN ACKORER AN VARIASI SE UP COS Rofila El Maghfiroh 4 Absrak: Masalah pegedalia persediaa

Lebih terperinci

ALGORITMA DATA MINING

ALGORITMA DATA MINING ALGORITMA DATA MINING A. DECISION TREE. Kosep Decisio Tree Megubah daa mejadi poho kepuusa (decisio ree) da aura-aura kepuusa (rule). Sebagai cooh misalya igi membua aura yag dapa diguaka uuk meeuka apakah

Lebih terperinci

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA DISUSUN OLEH : NAMA : BUDIYANTO NIM : 4160511005 JURUSAN : TEKNIK INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Pada bab ii aka dibahas megeai eori-eori dasar yag berhubuga dega ivesasi, persamaa diferesial sokasik da simulasi yag mejadi ladasa berpikir uuk mempermudah dalam pembahasa pada bab

Lebih terperinci

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT

ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT ANALISIS KELAYAKAN INVESTASI PENAMBAHAN ARMADA TRANSPORTASI DAN PERBAIKAN SISTEM PERSEDIAAN PERGUDANGAN (STUDY KASUS PT. LEMINDO ABADI JAYA AREA DISTRIBUSI RIAU DARATAN) Peir Papilo 1, Ramadhail 2 Jurusa

Lebih terperinci

BAB 4 PENGUMPULAN DAN ANALISA DATA

BAB 4 PENGUMPULAN DAN ANALISA DATA BAB 4 PENGUMPULAN DAN ANALISA DATA 4.1. Pegumpula da Pegolaha Daa 4.1.1. Daa Permiaa Uuk meeuka meode peramala yag aka dilakuka maka dibuuhka daa permiaa pada periode sebelumya. Tabel 4.1 Jeis Produk No.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan

BAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan BAB 2 LANDASAN TEORI Pada bab ii aka dijelaska eori-eori yag medukug meode peeliia pada peulisa skripsi ii yag disebu sebagai ladasa eori. Teori yag aka dijelaska aka mecakup meode dari subjek ekik idusri

Lebih terperinci

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI.

ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI. ANALISIS NUMERIK MODEL EPIDEMIK SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) PADA PENYEBARAN PENYAKIT TUBERCULOSIS DI YOGYAKARTA SKRIPSI Diajuka Kepada Fakulas Maemaika Da Ilmu Pegeahua Alam Uiversias Negeri

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

Perancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing

Perancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria

Lebih terperinci

ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL

ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL Aalisa Sisem Aria Dega Meode Kompuasi Turbo Pascal ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL RINA OKTAVIYANTHI Uiversias Serag Raya, riaoka@usera.ac.id Absrak. Sisem aria yag erjadi di

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

Perancangan Sistem Informasi Perbankan di PT. Bank Pembangunan Kalteng Palangkaraya Menggunakan Skema Galaksi

Perancangan Sistem Informasi Perbankan di PT. Bank Pembangunan Kalteng Palangkaraya Menggunakan Skema Galaksi Peracaga Sisem Iformasi Perbaka di PT. Bak Pembagua Kaleg Palagkaraya Megguaka Skema Galaksi ) Melia Pujiai, ) Krisoko Dwi Haromo, 3) Ahoy Y. M. Tumimomor Fakulas Tekologi Iformasi Uiversias Krise Saya

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

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Sisem Produksi Proses maufakur dapa digambarka seperi erliha dalam Gambar.., berupa keragka masuka-keluara, dimaa masukaya berupa baha baku, selajuya baha baku dikoversi (dega

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

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

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi

Lebih terperinci

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009

Gambar 2.2. Mesin 5-Aksis [11] Pengembangan metode..., Agung Premono, FT UI, 2009 BAB II TEORI DASAR 2.1. Proses Pemesia Muli-Ais Proses pemesia muli-ais didefiisika sebagai proses pemesia ag dilakuka dega mesi frais/millig (CNC) dega pergeraka lima-ais (5- ais), aau biasa disebu pemesia

Lebih terperinci

APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI

APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI

Lebih terperinci