PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
|
|
- Teguh Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( ) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri Wahyuningsih, M.Kes
2 LATAR BELAKANG KEUNTUNGAN MAKSIMAL PENJUALAN MAKSIMAL PERAMALAN KETIDAKPASTIAN FUZZY PRODUKSI TIDAK BERLEBIHAN PERIMNTAAN TERPENUHI MAKSIMAL METODE MAMDANI INPUT: RAMALAN PERMINTAAN & JUMLAH PERSEDIAAN OUTPUT: JUMLAH PRODUK
3 RUMUSAN MASALAH Bagaimana meramalkan jumlah permintaaan pada satu bulan ke depan menggunakan metode Pemulusan Eksponensial. Bagaimana menentukan jumlah produk berdasarkan perkiraan jumlah permintaan satu bulan ke depan dan jumlah persediaan bulan sebelumnya menggunakan metode Fuzzy Mamdani.
4 BATASAN MASALAH Produk yang diteliti adalah produk lantai kayu jati. Faktor-faktor yang mempengaruhi dalam menentukan jumlah produk adalah jumlah permintaan dan jumlah persediaan sehingga data lain tidak diteliti atau dianggap tetap. Penegasan (defuzzyfikasi) menggunakan metode Centroid. Jumlah permintaan pada bulan tertentu diramalkan menggunakan metode Pemulusan Eksponensial.
5 TUJUAN Meramalkan jumlah permintaan pada satu bulan ke depan menggunakan metode Pemulusan Eksponensial. Menentukan jumlah produk pada satu bulan ke depan menggunakan metode Fuzzy Mamdani.
6 MANFAAT Dapat mengetahui aplikasi matematika khususnya Fuzzy dan Peramalan dalam bidang industri. Sebagai masukan atau informasi yang bermanfaat bagi industri dalam merencanakan jumlah produk.
7 SEBELUMNYA Pada penelitian sebelumnya (Djunaidi, 2005), input yang digunakan adalah jumlah permintaan dan jumlah persediaan yang sudah diketahui. Namun, suatu perusahaan pada umumnya membutuhkan keputusan produksi yang lebih cepat agar dapat memenuhi permintaan pasar dengan tepat waktu. Oleh karena itu, tugas akhir kali ini menggunakan input yang berbeda dengan sebelumnya, yaitu: prediksi permintaan satu bulan kedepan dan jumlah persediaan bulan sebelumnya untuk menghasilkan output berupa jumlah produk satu bulan kedepan.
8 METODE PERAMALAN Metode peramalan merupakan suatu prosedur memperkirakan secara kuantitaif apa yang akan terjadi pada masa yang akan datang berdasarkan data yang relevan pada masa lalu.
9 POLA DATA 1. Pola horisontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. 2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman. 3. Pola siklis (C) tejadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. 4. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.
10 JENIS METODE PERAMALAN METODE PERAMALAN KUALITATIF KUANTITATIF EKSPLORATORIS NORMATIF TIME SERIES KAUSAL SALAH SATUNYA: METODE PEMULUSAN EKSPONENSIAL
11 PEMULUSAN EKSPONENSIAL PEMULUSAN EKSPONENSIAL PEMULUSAN EKSPONENSIAL TUNGGAL PEMULUSAN EKSPONENSIAL GANDA PEMULUSAN EKSPONENSIAL TRIPEL PEMULUSAN EKSPONENSIAL GANDA DARI BROWN PEMULUSAN EKSPONENSIAL GANDA DARI HOLT Yang digunakan
12 PEMULUSAN EKSPONENSIAL GANDA Metode ini digunakan ketika data menunjukkan adanya trend. Metode Dua Parameter dari Holt dirumuskan : S b t F t dengan : DARI HOLT X tm S t b t m Ft m t ( 1)( St1 bt 1 ) ( St St1 ) (1 ) bt 1 S t b t m : Pemulusan data : Pemulusan trend : Jumlah periode ke muka yang diramalkan : Nilai peramalan pada periode t+m
13 KETEPATAN METODE PERAMALAN KETEPATAN PERAMALAN UKURAN STATISTIK STANDAR UKURAN-UKURAN RELATIF STATISTIK U DARI THEIL SSE DAN MSE MAPE
14 KETEPATAN METODE PERAMALAN Jumlah Kuadrat Kesalahan (Sum of Squared Error) SSE = Nilai Tengah Kesalahan Kuadrat (Mean Squared Error ) MSE = Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage Error) t t PEt = (100) MAPE = n i1 n i1 X 2 e i 2 / e i n F X t n i1 PE i / n
15 HIMPUNAN FUZZY Jika X adalah koleksi dari obyek-obyek yang dinotasikan secara generik oleh x, maka suatu himpunan fuzzy A ~, dalam X adalah suatu himpunan pasangan berurutan : A ~ {, ( x)) ( x ~ x X A A ~ ( x) Dengan adalah derajat keanggotaan x yang memetakan X ke ruang keanggotaan M yang terletak pada rentang (0,1). (Kusumadewi, 2006). }
16 FUNGSI KEANGGOTAAN Setiap himpunan fuzzy dapat direpresentasikan dengan fungsi keanggotaan. (Ruan, 1995). Bentuk dari fungsi keanggotaan fuzzy, yaitu: 1.Triangular Member Function 2.Trapesium Member Function 3.Z-Member Function 4.S-Member Function 5.Gauss Member Function
17 Bentuk fungsinya: TRIANGULAR MEMBER FUNCTION lainnya c x b c b c x b x a a b a x c b a x f, 0,, ),, ; (
18 Bentuk fungsinya: TRAPESIUM MEMBER FUNCTION lainnya d x c d c d x c x b b x a a b a x d c b a x f, 0,, 1, ),,, ; (
19 SISTEM INFERENSI FUZZY Inferensi Fuzzy merupakan proses dalam memformulasikan pemetaan dari input yang diberikan ke dalam output menggunakan logika fuzzy. Terdapat dua macam dari sistem inferensi fuzzy yang dapat diimplementasikan dalam Fuzzy Logic Toolbox, yaitu: tipe Mamdani dan tipe Sugeno. (Zadeh, 1995). Namun dalam tugas akhir ini menggunakan tipe Mamdani.
20 TAHAPAN MAMDANI Untuk memperoleh output, diperlukan 4 tahapan, yaitu (Sasongko, 2007) : Pembentukan himpunan fuzzy Aplikasi fungsi implikasi Komponen aturan Penegasan (defuzzyfikasi) Defuzzyfikasi adalah sebuah model konversi dari bentuk nilai fuzzy ke dalam besaran yang lebih presisi. (Hidayati, 2009). Salah satu metode dari defuzzyfikasi adalah metode centroid, dimana metode ini yang paling lazim dan paling banyak diusulkan oleh banyak peneliti untuk digunakan. Formulasi matematis metode ini dapat diberikan sebagai berikut: z* dengan fuzzy. z ~ A ~ A ( z) dz ( z) dz A ~ ( z) adalah fungsi keanggotaan dari himpunan
21 DIAGRAM ALIR Mulai Identifikasi masalah Studi literatur dan Pengumpulan Data Peramalan Jumlah Permintaan Penentuan jumlah produk menggunakan metode Fuzzy Mamdani Selesai
22 PENGUMPULAN DATA Bulan Permintaan ( Box ) Persediaan ( Box ) Jumlah Produksi ( Box ) Maret April Mei Juni Juli Agustus September Oktober November Desember Januari
23 Jumlah Permintaan TIME SERIES PLOT JUMLAH PERMINTAAN Data Permintaan Series Bulan Pada plot data permintaan maka dapat disimpulkan bahwa pola data sementara pada data permintaan adalah pola data trend sehingga metode Pemulusan Eksponensial yang cocok untuk meramalkan permintaan adalah metode Pemulusan Eksponensial Ganda dari Holt
24 PENENTUAN PARAMETER DARI SSE DAN MSE TERKECIL Berdasarkan rumusan Pemulusan Eksponensial Ganda dari Holt dengan mengasumsikan S 1 = X 1, b 1 = X 2 X 1, dan m = 1 maka diperoleh :
25 PENENTUAN PARAMETER DARI SSE DAN MSE TERKECIL Dengan perhitungan yang sama diperoleh: Parameter Nilai Peramalan SSE MSE Alpha=0,1 Gamma= 0,2 Alpha = 0,1 Gamma=0,3 Alpha=0,1 Gamma= 0,4 Alpha=0,1 Gamma= 0,5 Alpha=0,1 Gamma= 0,6 Alpha=0,1 Gamma= 0,7 Alpha = 0,1 Gamm=0,8 Alpha= 0,2 Gamma=0,2 Alpha= 0,2 Gamma=0, , , , , , , , , , , , , , , , , , , , , , , , , , , ,38
26 PENENTUAN PARAMETER DARI SSE DAN MSE TERKECIL Berdasarkan tabel maka pada alpha 0,2 dan gamma 0,3 merupakan alpha terkecil kemudian dilakukan pemulusan lagi: Parameter Alpha=0,2 Gamma= 0,301 Alpha=0,2 GAmm= 0,302 Alpha=0,2 Gamma= 0,303 Alpha=0,2 Gamma= 0,304 Alpha=0,2 Gamma= 0,305 Alpha=0,2 Gamma = 0,306 Nilai Peramalan SSE MSE , , , , , , , , , , , , , , , , , ,26
27 PENENTUAN PARAMETER DARI SSE DAN MSE TERKECIL Selanjutnya tetap dilakukan pemulusan lagi hingga SSE dan MSE paling kecil sehingga diperoleh: Parameter Nilai Peramalan SSE MSE Alpha=0,2 Gamma=0, , , ,39
28 HASIL PERAMALAN JUMLAH PERMINTAAN Setelah menemukan parameter dengan SSE dan MSE paling kecil maka hasil peramalan jumlah permintaan pada bulan Februari dengan alpha=0,2 dan gamma=0, sebesar unit.
29 MEAN ABSOLUTE PERCENTAGE ERROR (MAPE) Perhitungan MAPE dalam tugas akhir ini berdasarkan rataan dari peramalan selama 4 bulan, yaitu: m=1 pada bulan Februari, m=2 pada bulan Maret, m=3 pada bulan April, dan m=4 pada bulan Mei. Sedangkan nilai aktual pada bulan Februari, Maret, April, dan Mei berturut-turut sebesar unit, unit, unit, dan unit Perhitungan nilai peramalan pada m=1, m=2, m=3, dan m=4 diperoleh: Untuk m=1 Untuk m=3 Untuk m=2 Untuk m=4
30 MEAN ABSOLUTE PERCENTAGE ERROR (MAPE) Perhitungan MAPE : PE t = X F (100) t t X t PE 12 = (100) = , PE 13 = (100) = 31, , PE 14 = (100)= 38, , PE 15 = (100)=10,08 4 MAPE = PE i / n = = 20,01 i1 0 31,6538,3110,08 4
31 PEMBENTUKAN HIMPUNAN FUZZY Semesta Pembicaraan : Fungsi Variabel Semesta Pembicaraan (unit) Permintaan [ ] Input Persediaan [ ] Output Jumlah Produk [ ]
32 PEMBENTUKAN HIMPUNAN FUZZY Himpunan Fuzzy : Variabel Permintaan Persediaan Jumlah Produk Nama Himpunan Fuzzy Parameter (unit) Sangat Sedikit [ ] Sedikit [ ] Sedang [ ] Banyak [ ] Sangat Banyak [ ] Sangat Sedikit [ ] Sedikit [ ] Sedang [ ] Banyak [ ] Sangat Banyak [ ] Sangat Sedikit [ ] Sedikit [ ] Sedang [ ] Banyak [ ] Sangat Banyak [ ]
33 FUNGSI KEANGGOTAAN PERMINTAAN
34 FUNGSI KEANGGOTAAN PERSEDIAAN
35 FUNGSI KEANGGOTAAN JUMLAH PRODUK
36 PEMBENTUKAN ATURAN (Rule) 1. If (Permintaan is Sangat Sedikit) And (Persediaan is Sangat Sedikit) then (Jumlah Produk is Sangat Sedikit). 2. If (Permintaan is Sangat Sedikit) And (Persediaan is Sedikit) then (Jumlah Produk is Sangat Sedikit). 3. If (Permintaan is Sangat Sedikit) And (Persediaan is Sedang) then (Jumlah Produk is Sangat Sedikit). 4. If (Permintaan is Sangat Sedikit) And (Persediaan is Banyak) then (Jumlah Produk is Sangat Sedikit). 5. If (Permintaan is Sangat Sedikit) And (Persediaan is Sangat Banyak) then (Jumlah Produk is Sangat Sedikit). 6. If (Permintaan is Sedikit) And (Persediaan is Sangat Sedikit) then (Jumlah Produk is Sangat Sedikit). 7. If (Permintaan is Sedikit) And (Persediaan is Sedikit) then (Jumlah Produk is Sangat Sedikit). 8. If (Permintaan is Sedikit) And (Persediaan is Sedang) then (Jumlah Produk is Sangat Sedikit). 9. If (Permintaan is Sedikit) And (Persediaan is Banyak) then (Jumlah Produk is Sangat Sedikit). 10. If (Permintaan is Sedikit) And (Persediaan is Sangat Banyak) then (Jumlah Produk is Sangat Sedikit). 11. If (Permintaan is Sedang) And (Persediaan is Sangat Sedikit) then (Jumlah Produk is Sedang). 12. If (Permintaan is Sedang) And (Persediaan is Sedikit) then (Jumlah Produk is Sedang). 13. If (Permintaan is Sedang) And (Persediaan is Sedang) then (Jumlah Produk is Sedikit). 14. If (Permintaan is Sedang) And (Persediaan is Banyak) then (Jumlah Produk is Sedikit). 15. If (Permintaan is Sedang) And (Persediaan is Sangat Banyak) then (Jumlah Produk is Sedikit). 16. If (Permintaan is Banyak) And (Persediaan is Sangat Sedikit) then (Jumlah Produk is Banyak). 17. If (Permintaan is Banyak) And (Persediaan is Sedikit) then (Jumlah Produk is Banyak). 18. If (Permintaan is Banyak) And (Persediaan is Sedang) then (Jumlah Produk is Banyak). 19. If (Permintaan is Banyak) And (Persediaan is Banyak) then (Jumlah Produk is Sedang). 20. If (Permintaan is Banyak) And (Persediaan is Sangat Banyak) then (Jumlah Produk is Sedang). 21. If (Permintaan is Sangat Banyak) And (Persediaan is Sangat Sedikit) then (Jumlah Produk is Sangat Banyak). 22. If (Permintaan is Sangat Banyak) And (Persediaan is Sedikit) then (Jumlah Produk is Sangat Banyak). 23. If (Permintaan is Sangat Banyak) And (Persediaan is Sedang) then (Jumlah Produk is Banyak). 24. If (Permintaan is Sangat Banyak) And (Persediaan is Banyak) then (Jumlah Produk is Banyak). 25. If (Permintaan is Sangat Banyak) And (Persediaan is Sangat Banyak) then (Jumlah Produk is Sangat Sedang).
37 PENEGASAN (Defuzzyfikasi) Penegasan pada penelitian ini menggunakan bantuan software MATLAB: Dengan input ramalan jumlah permintaan pada bulan Februari sebesar unit dan sisa persediaan pada bulan Januari sebesar 200 unit maka dihasilkan output jumlah produk sebesar unit
38 Berdasarkan analisa dan pembahasan dari perencanaan jumlah produk menggunakan metode Fuzzy Mamdani berdasarkan prediksi permintaan maka diperoleh kesimpulan, yaitu: 1. Pola data sementara pada jumlah permintaan selama 11 bulan merupakan pola data trend. 2. Metode peramalan yang cocok dalam tugas akhir ini adalah metode Pemulusan Eksponensial Ganda dari Holt dengan parameter alpha= 0,2 dan gamma= 0, dengan hasil peramalan bulan Februari sebesar unit. 3. Nilai MAPE (Mean Absolute Percentage Error) dalam empat periode sebesar 20,01% sehingga nilai peramalan pada bulan Februari tergolong cukup baik. 4. Hasil penegasan dari metode Fuzzy Mamdani menggunakan metode Centroid berupa jumlah produk bulan Februari sebesar unit sehingga jumlah persediaan bulan Februari sebesar 160 unit. Saran yang dapat diberikan dalam tugas akhir ini untuk penelitian selanjutnya, yaitu: 1. Peramalan Jumlah Permintaan dapat menggunakan metode lain dengan data masa lalu yang lebih banyak 2. Penentuan jumlah produk dalam akhir ini menggunakan metode Mamdani, untuk penelitian selanjutnya dapat digunakan metode Sugeno.
39 DAFTAR Ariyoso.2009.Statistik4Life.<URL: ial-smoothing/ >. (diakses tanggal 17 Februari 2011) Djunaidi, M., Eko S., & Fajar W.A Penentuan Jumlah Produksi dengan Aplikasi Metode Fuzzy-Mamdani. Jurnal Ilmiah Teknik Industri. Vol. 4, No. 2,, Hidayati, Nuril Aplikasi Teori Permainan Fuzzy dalam Strategi Pemasaran (Studi Kasus : Produk Kosmetik Bedak Sariayu di ITS Surabaya). Tugas Akhir Program Sarjana, Institut Teknologi Sepuluh Nopember Surabaya. Kusumadewi, Sri., Sri H., Agus H., & Retyanto W Fuzzy Multi-Attribute Decision Making (FUZZY MADM). Yogyakarta: Graha Ilmu Makridakis, S., Steven C.W., & Victor E.M Metode dan Aplikasi Peramalan, edisi kedua. Jakarta: Binarupa Aksara Ruan, Da Fuzzy Set Theory and Advanced Mathematical Applications. Boston: Kluwer Academic Publisher Sasongko, P.S Logika Fuzzy. <URL : (diakses tanggal 2 Maret 2011 ) Sutarni, Nani Manajemen Operasional. <URL : com /2010/05/bab-2-peramalan.docx >. (diakses tanggal 16 April 2011) Zadeh, L.A Fuzzy Logic Toolbox for Use with MATLAB. Berkeley, CA: The Math Works, Inc
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Lebih terperinciPENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon
Lebih terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit tanaman pada lahan yang telah disediakan, pemupukan dan perawatan sehingga
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut
Lebih terperinciPENERAPAN LOGIKA FUZZY DALAM MEMPERKIRAKAN JUMLAH PRODUKSI TELUR TERHADAP PERMINTAAN PASAR
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 81-105 PENERAPAN LOGIKA FUZZY DALAM MEMPERKIRAKAN JUMLAH PRODUKSI TELUR TERHADAP PERMINTAAN PASAR Anindita Nurizza
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Produksi Produksi merupakan suatu kegiatan yang dikerjakan untuk menambah nilai guna suatu benda baru sehingga lebih bermanfaat dalam memenuhi kebutuhan. Produksi jahe
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien (Makridakis,1991). Peramalan merupakan studi terhadap data historis untuk menemukan
Lebih terperinciPeramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Peramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential
Lebih terperinciBAB II LANDASAN TEORI. saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan
BAB II LANDASAN TEORI 2.1 Pengertian Sistem Menurut Amsyah (2005), definisi sistem adalah elemen-elemen yang saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan kerja dari prosedur
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
Lebih terperinciOleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T
PERAMALAN JUMLAH MAHASISWA PENDAFTAR PMDK JURUSAN MATEMATIKA MENGGUNAKAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY (STUDI KASUS di INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA) Oleh : Rahanimi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian dan Peranan Peramalan Aktivitas manajerial khususnya dalam proses perencanaan, seringkali membutuhkan pengetahuan tentang kondisi yang akan datang. Pengetahuan
Lebih terperinciPERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ. Rianto Samosir, Iryanto, Rosman Siregar
Saintia Matematika Vol. 1, No. 6 (2013), pp. 517-527. PERBANDINGAN PRODUKSI KOPI OPTIMUM ANTARA METODE F UZZY MAMDANI DENGAN F UZZY SUGENO PADA PT XYZ Rianto Samosir, Iryanto, Rosman Siregar Abstrak: Logika
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciBAB. 1 PENDAHULUAN Latar Belakang
1 BAB. 1 PENDAHULUAN 1.1. Latar Belakang Kain adalah bahan mentah yang dapat dikelola menjadi suatu pakaian yang mempunyai nilai financial dan konsumtif dalam kehidupan, seperti pembuatan baju. Contohnya
Lebih terperinciMODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY LINEAR REGRESSION (FLR)
JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 SIDANG TUGAS AKHIR MODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu
Lebih terperinciPENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN PRODUKSI TANAMAN PANGAN
Jurnal Informatika Polinema ISSN: 2407-070X PENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN PRODUKSI TANAMAN PANGAN Rudy Ariyanto 1, Dwi Puspitasari 2, Fifi Ericawati 3 1,2,3 Program Studi
Lebih terperinciPERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto
PERENCANAAN JUMLAH PRODUKSI MEJA ALUMUNIUM UNTUK MEMINIMALKAN BIAYA PRODUKSI DENGAN METODE FUZZY MAMDANI Di UD. Meubel Alumunium, Mojokerto SKRIPSI Oleh : MUISA OCTAVIA NPM : 0632010185 JURUSAN TEKNIK
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciEvelina Padang, Gim Tarigan, Ujian Sinulingga
Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih terperinciSaintia Matematika ISSN: Vol. 2, No. 2 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 115 126. PERENCANAAN JUMLAH PRODUKSI MIE INSTAN DENGAN PENEGASAN (DEFUZZIFIKASI)CENTROID FUZZY MAMDANI (Studi Kasus: Jumlah Produksi Indomie
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
Lebih terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciPERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 251 258. PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara
Lebih terperinciDwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho Faldiansyah 3
PENERAPAN METODE SINGLE EXPONENTIAL SMOOTHING MENGGUNAKAN PENDEKATAN ADAPTIF PADA PERAMALAN JUMLAH PELANGGAN DAN KEBUTUHAN AIR PADA PDAM KOTA PROBOLINGGO Dwi Puspitasari 1, Mustika Mentari 2, Wildan Ridho
Lebih terperinciPERBANDINGAN METODE PEMULUSAN EKSPONENSIAL GANDA HOLT DENGAN METODE PEMULUSAN EKSPONENSIAL GANDA BROWN
PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL GANDA HOLT DENGAN METODE PEMULUSAN EKSPONENSIAL GANDA BROWN skripsi disajikan sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika
Lebih terperinciPenerapan Metode Fuzzy Mamdani untuk Memprediksi Penjualan Gula
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 T - 23 Penerapan Metode Fuzzy Mamdani untuk Memprediksi Penjualan Gula Nurlia Ningsih, Navila Teguh Pambudi, Agus Maman Abadi Program Studi Matematika,
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi di suatu daerah dalam suatu periode tertentu, baik atas
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, kita perlu melakukan suatu penarikan sampel. Hal ini dikarenakan tidak selamanya kita dapat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinciPENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER
PENGGUNAAN ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER Nama Mahasiswa : Eka Novi Nurhidayati NRP : 1208 100 040 Jurusan : Matematika
Lebih terperinciPERENCANAAN PRODUKSI
PERENCANAAN PRODUKSI Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi
Lebih terperinciBAB 2 LANDASAN TEORI. datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Ramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi di masa yang akan datang dalam waktu yang relatif lama, peramalan tidak
Lebih terperinciUJIAN TUGAS AKHIR EKA NOVI NURHIDAYATI. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2012
UJIAN TUGAS AKHIR APLIKASI ALGORITMA NONLINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PARAMETER α DALAM METODE PEMULUSAN EKSPONENSIAL SATU PARAMETER EKA NOVI NURHIDAYATI 1208 100 040 Jurusan Matematika Fakultas
Lebih terperinciDENIA FADILA RUSMAN
Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA
Lebih terperinciBAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para pimpinan suatu perusahaan atau para pelaku bisnis harus menemukan cara untuk terus
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciBAB 2 TINJAUAN TEORI. akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
BAB 2 TINJAUAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciData Time Series. Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau
Peramalan Data Time Series Data Time Series Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau data yang dikumpulkan dari waktu ke waktu. Waktu yang digunakan dapat berupa
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciPREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER
PREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER Rahmadeni 1, Evi Febriantikasari 2 Jurusan Matematika, Fakultas Sains dan Teknologi,UIN Sultan Syarif Kasim Riau
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan (Forecasting) Menurut Mahmuda (2016), pada dasarnya peramalan merupakan suatu dugaan atau perkiraan atas terjadinya kejadian di waktu mendatang. Ramalan bersifat kualitatif
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciAPLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI
APLIKASI SISTEM INFERENSI FUZZY METODE MAMDANI UNTUK PERENCANAAN JUMLAH PRODUKSI PAKAIAN DI CV CIPTA SARANA MANDIRI Disusun Oleh: Shella Anjani Muhiardi/38412265 Pembimbing: Dr. Emirul Bahar, ACSI. LATAR
Lebih terperinciSTUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)
STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara
Lebih terperinciIMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS
IMPLEMENTASI METODE FUZZY MAMDANI DALAM MEMPREDIKSI TINGKAT KEBISINGAN LALU LINTAS Alfa Saleh Teknik Informatika, Fak Ilmu Komputer Universitas Potensi Utama Jl KL Yos Sudarso KM 65 No3-A, Tanjung Mulia,
Lebih terperinciSISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI
SISTEM PENGENDALIAN PERSEDIAAN DENGAN PERMINTAAN DAN PASOKAN TIDAK PASTI (Studi Kasus pada PT.XYZ) AYU TRI SEPTADIANTI 1209100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciSiska Ernida Wati, Djakaria Sebayang, Rachmad Sitepu
Saintia Matematika Vol. 1, No. 3 (2013), pp. 273 24. PERBANDINGAN METODE FUZZY DENGAN REGRESI LINIER BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (Studi Kasus Produksi Kelapa Sawit di PT. Perkebunan III (PERSERO)
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama ( assaury, 1991). Sedangkan ramalan
Lebih terperinciARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA
ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK
Lebih terperinciAnalisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan
128 ISSN: 2354-5771 Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan Raheliya Br Ginting STT Poliprofesi Meda E-mail: itink_ribu@yahoo.com Abstrak Pengambilan keputusan harus
Lebih terperinciPeramalan Menggunakan Metode Fuzzy Time Series Cheng. Forecasting Using Fuzzy Time Series Cheng Method
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan Menggunakan Metode Fuzzy Time Series Cheng Forecasting Using Fuzzy Time Series Cheng Method Sumartini, Memi Nor Hayati, dan Sri Wahyuningsih
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciPERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT
SIG TUGAS AKHIR PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT Siti Lukmatul Henifa (1210 100 064) Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. Senin, 20 Januari 2014 Matematika - ITS Page
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. PengertianPeramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan,
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciPERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 03 (2014), pp. 253 266. PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciBAB I PENDAHULUAN. yang ada pada CV. Agung Jaya Cabang Pabean diperoleh dari supplier atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah CV. Agung Jaya Cabang Pabean adalah cabang perusahaan CV. Agung Jaya Kalang Anyar Sedati. CV. Agung Jaya Cabang Pabean merupakan distributor alat tulis kantor
Lebih terperinciLOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK
LOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK Deddy Barnabas Lasfeto Abstrak : Selama ini, metode peramalan secara konvensional yang digunakan adalah analisis regresi. Oleh karena itu, dicoba untuk
Lebih terperinciBAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
Lebih terperinciIII KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Permintaan III KERANGKA PEMIKIRAN Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciBAB 2 LANDASAN TEORI
51 BAB 2 LANDASAN TEORI 2.1 Perencanaan Produksi 2.1.1 Arti dan Pentingnya Perencanaan Produksi Perencanaan produksi merupakan penentuan arah awal dari tindakan yang harus dilakukan di masa yang akan datang,
Lebih terperinciFUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR
Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa
Lebih terperinciBAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA
BAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA Forecasting adalah suatu peramalan nilai sebuah atau sekumpulan variabel pada satu titik waktu di masa depan. Dalam melakukan perhitungan peramalan pertumbuhan
Lebih terperinciIII. LANDASAN TEORI A. TEKNIK HEURISTIK
III. LANDASAN TEORI A. TEKNIK HEURISTIK Teknik heuristik adalah suatu cara mendekati permasalahan yang kompleks ke dalam komponen-komponen yang lebih sederhana untuk mendapatkan hubungan-hubungan dalam
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciPenilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com
Lebih terperinciMETODE PEMULUSAN (SMOOTHING)
Logaritma Vol. III, No.01 Januari 2015 29 PERAMALAN JUMLAH MAHASISWA BARU JURUSAN TADRIS MATEMATIKA IAIN PADANGSIDIMPUAN DENGAN MENGGUNAKAN METODE PEMULUSAN (SMOOTHING) Oleh: Anita Adinda, M.Pd 1 Abstract
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 1.1 Landasan Teori 1.1.1 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Menurut kamus besar bahasa indonesia, prediksi adalah hasil dari kegiatan memprediksi atau
Lebih terperinciBAB II LANDASAN TEORI. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada
BAB II LANDASAN TEORI 2.1 Konsep Sistem Informasi Sebelum merancang sistem perlu dikaji konsep dan definisi dari sistem.. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat
Lebih terperinci