ANALISIS DAN PERAMALAN PRODUKSI TANAMAN TEH DENGAN MENGGUNAKAN METODE INDEKS MUSIM
|
|
- Sucianty Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS DAN PERAMALAN PRODUKSI TANAMAN TEH DENGAN MENGGUNAKAN METODE INDEKS MUSIM Alfa Kenedi Mainassy ), Sri Yulianto Joko Prasetyo 2), Alz Danny Wowor 3),2,3) Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Jl. Diponegoro 55-66, Salatiga 507 Telp: (0298)349240, Fax: (0298) ), 2), 3) Abstrak Produksi teh yang tidak menentu dalam jangka waktu yang panjang seiring dengan meningkatnya konsumsi teh dapat menyebabkan permasalahan dalam memenuhi permintaan yang semakin meningkat di masa yang akan datang. Masalah ini dapat didekati menggunakan model matematika yang disesuaikan dengan tipe dari data produksi teh Propinsi Jawa Barat. Indeks musim merupakan salah satu metode peramalan time series yang digunakan dalam penelitian ini. Hasil peramalan yang telah diperoleh selama satu tahun pada tahun 204, bulan September merupakan produksi terendah yaitu 2,675 ton dan bulan mei sebanyak 3,745 ton adalah produksi tertinggi. Pengujian keakuratan metode menggunakan Mean Absolute Percentage Error (MAPE) sebesar 2,45, sehingga model angka indeks musim dapat direkomendasikan untuk meramalkan produksi tanaman teh di Propinsi Jawa Barat. Kata kunci: Metode Indeks Musim, Propinsi Jawa Barat, Mean Absolute Percentage Error(MAPE). Pendahuluan Perkebunan teh menjadi salah satu sektor potensial pembangunan Jawa Barat, karena telah mampu memberikan andil besar dalam kehidupan perekonomian. Sektor perkebunan teh memiliki fungsi ekonomi yaitu sebagai sumber penghasilan masyarakat dan sumber devisa bagi negara. Jawa Barat menjadi salah satu propinsi penghasil teh terbesar di Indonesia. Teh juga merupakan salah satu komoditi yang mempunyai peran strategis dalam perekonomian Indonesia. Dewasa ini persaingan bisnis sangat kuat, agar bisnis dapat terus berkembang dan maju, maka harus didukung oleh banyak komponen. Salah satu ciri komponen organisasi bisnis yang baik terletak pada kemampuan pemimpin organisasi tersebut dalam memutuskan kebijakan-kebijakan strategis demi berkembangnya organisasi tersebut di kemudian hari. Sebagai pimpinan perusahaan yang bertanggung jawab, perlu mengetahui bagaimana perdagangan bergerak dari bulan ke bulan, dari tahun ke tahun termasuk keadaan pada bulanbulan atau tahun-tahun mendatang. Setelah diketahui gambaran permintaan masa depan, maka pimpinan perusahaan dapat menyusun rencana kegiatan perusahaan yang lebih baik dan menghindari hal-hal yang dapat menimbulkan kerugian di masa mendatang, kebutuhan akan mengambil keputusan yang tepat membuat perusahaan menggunakan teknik peramalan. Misalnya pimpinan perusahaan dapat mengambil keputusan untuk membuat keputusan terkait berapa banyak teh yang harus disiapkan apabila produksi teh menurun tetapi meningkatnya konsumsi teh tersebut dalam satu periode produksi. Maka yang harus dilakukan adalah menggunakan teknik peramalan untuk mengurangi resiko yang akan terjadi pada masa yang akan datang. Pada penelitian ini, penulis menggunakan metode indeks musim dalam meramalkan produksi tanaman teh di Propinsi Jawa Barat. Studi Pustaka Penelitian kali ini meramalkan atau memprediksi produksi tanaman teh dengan menggunakan metode indeks musim. Adapun untuk meramalkan produksi teh adalah dengan menggunakan data sekunder yang diperoleh dari data BPS Propinsi Jawa Barat yang diambil dari tahun 2009 sampai tahun 202 (BPS, 20)
2 Tabel. Produksi Teh di Propinsi Jawa Barat (Ribu ton) Bulan\Tahun Januari 3 2, 3,7 3,6 Februari 2,9 2 3,5 3,4 Maret 2,9 2 4,3 4, April 3,3 2,3 4, 3,9 Mei 3,7 2,5 4,7 4 Juni 2,8 2,2 3,8 3,7 Juli 2,8,9 3,3 3, Agustus 2,6 2 3,2 3 September 2,6,8 3,2 2,9 Oktober 3,4,8 3,6 3,4 November 3,3 2,3 3,4 3,7 Desember 3,2 2,2 3,5 3,6 Untuk menghitung indeks musiman dari data dalam Tabel. Hal pertama kita cari adalah serial yang terdiri dari weighted moving total 3 bulan, dengan persamaan sebagai berikut: Movingtotalterbobot m= (Y m)+(2*y m)+(2*y m+)+ +(Y m2) () Setelah kita dapatkan nilai moving total, hal yang harus kita lakukan adalah mencari nilai moving averages, dengan persamaan sebagai berikut: Moving averagesterbobot m = Moving Total m / 24 (2) Hal selanjutnya yang perlu dilakukan yaitu mencari rasio terhadap moving averages, dengan persamaan sebagai berikut: Ratio to moving averages = Y Movingaveragesterbobot (3) Setelah ditemukan rasio terhadap moving averages, selanjutnya kita mencari indeks musim dengan persamaan sebagai berikut: S m = Med m Total indeks Total median (4) dimana S m adalah indeks musim pada bulan m, Med m adalah median pada bulan m. Setelah mendapatkan nilai median dan indeks musim, langkah selanjutnya yang dilakukan adalah menghitung nilai trend, dengan persamaan sebagai berikut: Y a bx (5) dimana Y adalah data time series yang akan diperkirakan, X adalah variabel waktu, a dan b adalah nilai konstanta. Setelah mendapatkan nilai trend, maka langkah yang harus kita lakukan adalah menghitung Mean Absolute Percentage Error (MAPE), dengan menggunakan persamaan berikut ini: MAPE n n t At Ft A t 00% (6) 2
3 dimana n adalah banyaknya forecasting, A adalah nilai actual pada bulan tersebut dan F adalah nilai forecasting pada bulan tersebut. Metodologi Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari data BPS Propinsi Jawa Barat yang diambil dari tahun 2009 sampai tahun 202. Penelitian ini memprediksi produksi tanaman teh untuk Propinsi Jawa Barat dengan menggunakan mentode indeks musim. Indeks musim merupakan salah satu contoh peramalan time series berdasarkan data masa lampau dan diproyeksikan ke masa depan dengan memanfaatkan persamaan matematika dan statistika. Langkah analisis yang digunakan untuk mencapai tujuan penelitian ini adalah sebagai berikut:. Membuat plot data untuk mengetahui jenis dari data produksi teh Propinsi Jawa Barat untuk tahun 2009 sampai tahun Menghitung moving total terbobot bulanan, moving average terbobot bulanan, rasio terhadap moving average. 3. Menghitung regresi linier. 4. Menghitung median, indeks musim. 5. Menghitung proyeksi trend. 6. Menghitung nilai ramalan. 7. Menghitung Mean Absolute Percentage Error (MAPE). Gambar. Proses Penelitian (Stewart, 2008) Gambar mengilustrasikan proses pemodelan matematika. Persoalan dunia nyata yang terjadi pada saat ini adalah dengan tidak menentunya tingkat produksi teh terkait dengan berapa banyak teh yang harus disiapkan apabila produksi teh menurun tetapi meningkatnya konsumsi teh tersebut dalam satu periode. Sebagai pimpinan perusahaan/modeling/pakar matematika perlu mengetahui bagaimana gambaran masa depan atau prakiraan sehingga dapat menyusun rencana kegiatan suatu perusahaan atau organisasi/instansi yang lebih baik dan dapat menghindari hal-hal yang dapat menimbulkan kerugian di masa yang akan datang. Hal yang perlu dilakukan adalah merumuskan masalah tersebut dan memodelkan dalam bentuk matematika dengan menggunakan peramalan, dan penelitian ini menggunakan metode peramalan yaitu indeks musim untuk memecahkan persoalan yang terjadi. Setelah meramalkan dengan metode indeks musim, maka hasil peramalan yang telah didapat kita lalu menfasirkan kesimpulan peramalan tersebut di dalam dunia nyata yaitu dengan menguji peramalan tersebut apakah cocok atau tidak dalam menangani dan menjawab persoalan yang terjadi. Hasil dan Pembahasan Data produksi teh di Propinsi Jawa Barat dapat dikatakan sebagai data musiman, oleh karena data musiman menggambarkan pola yang berulang pada setiap periode (Cryer, 986). Tabel 2. Median dan Indeks musim Bulan Median Indeks musim Januari 3 2, 3,7 3,6 3,3, Februari 2,9 2 3,5 3,4 3,5 0,
4 Maret 2,9 2 4,3 4, 3,5, April 3,3 2,3 4, 3,9 3,6, Mei 3,7 2,5 4,7 4 3,85, Juni 2,8 2,2 3,8 3,7 3,25 0, Juli 2,8,9 3,3 3, 2,95 0, Agustus 2,6 2 3,2 3 2,8 0, September 2,6,8 3,2 2,9 2,75 0, Oktober 3,4,8 3,6 3,4 3,4, November 3,3 2,3 3,4 3,7 3,35, Desember 3,2 2,2 3,5 3,6 3,35, Pada Tabel 2 dapat dijelaskan bahwa untuk mendapatkan nilai median bulan tertentu adalah dengan cara mencari nilai tengah (median) bulan tersebut dari tahun 2009 sampai dengan tahun 202. Setelah mendapatkan nilai median, maka kita dapat mencari nilai indeks musim bulan tersebut. Nilai indeks musim didapat dari mengalikan nilai median bulan tertentu dengan jumlah bulan, lalu dibagi dengan total median. Tabel 3. Proyeksi trend dan Error relatif tahun 203 Bulan Proyeksi Indeks Error Hasil trend Musim Relatif Januari 3, , ,234 3,30 Februari 3, , , ,37 Maret 3, , ,3054 7,24 April 3, , , ,39 Mei 3, ,7707 3, ,96 Juni 3, , , ,92 Juli 3, ,909 2, ,80 Agustus 3, , ,64842,72 September 3, , ,609 6,09 Oktober 3, , , ,67 November 3, , , ,47 Desember 3, , , ,47 Dari Tabel 3 dapat dijelaskan bahwa sebelum mendapatkan hasil peramalan, hal yang harus dilakukan adalah mencari nilai proyeksi trend, dan jika kita hendak menggunakan indeks musim sebagai penyesuai untuk tujuan peramalan, yang harus kita lakukan hanyalah mengalikan nilai proyeksi trend dengan indeks musim. Setelah itu, hal yang harus dilakukan adalah mencari nilai error relatif, lalu menghitung nilai MAPE. Nilai MAPE didapat dari persamaan sebagai berikut: MAPE = ER 2 = 49,39 = 2,45 2 Hasil yang diperoleh dan ditunjukkan pada Tabel 3, nampak bahwa hasil yang ditampilkan adalah positif, sehingga peramalan dengan indeks musim ini mungkin dapat digunakan, dan dapat dijadikan referensi untuk meramalkan produksi tanaman teh di Propinsi Jawa Barat. Selain hasil produksi, hasil perhitungan error menggunakan MAPE yang diberikan pada Tabel 3, juga menunjukkan nilai error yang kecil. Jika MAPE < 25% maka hasil simulasi dapat diterima secara memuaskan, sebaliknya jika MAPE > 25% maka hasil simulasi kurang memuaskan (Oktafri, 200). Sehingga metode dengan indeks musim benar-benar dapat digunakan dalam meramalkan produksi teh di Propinsi Jawa Barat. 4
5 Produksi (Ribu Ton) Periode produksi (Bulan) Data Ramalan Data Aktual Gambar 2. Grafik ramalan produksi teh tahun 203 Gambar 2 merupakan grafik ramalan periode produksi teh pada tahun 203 dari bulan Januari sampai dengan bulan Desember, dengan satuan produksi untuk teh adalah ribuan ton. Alur data dengan warna merah menjelaskan data aktual produksi teh dari tahun 2009 sampai dengan tahun 202, sedangkan alur data dengan warna biru menjelaskan data ramalan untuk tahun 203 dari bulan Januari sampai dengan bulan Desember. Setelah itu mencari produksi teh dengan menggunakan data dari lima tahun yaitu dari bulan Januari 2009 sampai dengan Desember 203. Tabel 4. Produksi teh Propinsi Jawa Barat (Ribu ton) Bulan Januari 3 2, 3,7 3,6 3,6 Februari 2,9 2 3,5 3,4 3,4 Maret 2,9 2 4,3 4, 4 April 3,3 23 4, 3,9 3,8 Mei 3,7 2,5 4,7 4 4 Juni 2,8 2,2 3,8 3,7 3,7 Juli 2,8,9 3,3 3, 3,2 Agustus 2,6 2 3,2 3 3 September 2,6,8 3,2 2,9 3, Oktober 3,4,8 3,6 3,4 3,6 November 3,3 2,3 3,4 3,7 3,5 Desember 3,2 2,2 3,5 3,6 3,5 Tabel 5. Proyeksi trend dan Hasil ramalan tahun 204 Indeks Bulan Proyeksi trend musim Hasil Januari 3,866854, ,20040 Februari 3, , ,06429 Maret 3, , , April 3, , ,50862 Mei 3, ,7707 3, Juni 3, , ,6403 Juli 3, ,909 2, Agustus 3, , ,72367 September 3, , , Oktober 3, , ,30735 November 3,866920, ,
6 Produksi (Ribu Ton) Desember 3,866980, , Pada Tabel 5 dapat dijelaskan bahwa sebelum mendapatkan hasil ramalan, maka hal yang perlu dilakukan dahulu ada mencari nilai proyeksi trend. Setelah mendapatkan nilai trend, maka hasil peramalan untuk bulan tertentu dapat dicari dengan mengalikan nilai indeks musim untuk bulan tersebut dengan nilai proyeksi trend bulan tersebut Periode produksi (Bulan) Data Ramalan Data Aktual Gambar 3. Grafik ramalan produksi teh tahun 204 Kesimpulan Produksi tanaman teh di Propinsi Jawa Barat yang tidak menentu dan bersifat fluktuatif sehingga sangat sulit untuk mendapatkan informasi dalam memenuhi permintaan yang semakin meningkat diwaktu yang akan datang. Permasalahan tersebut dapat dipecahkan dengan menggunakan teknik peramalan. Kesimpulan yang dapat diambil dalam penelitian adalah penggunaan metode indeks musim dapat melakukan prediksi produksi teh Propinsi Jawa Barat, dengan nilai persentase MAPE yang diperoleh kecil dan kurang dari 25%. Metode indeks ini juga dapat meramalkan produksi teh dalam periode lebih datu satu tahun. Oleh karena itu penggunaan metode indeks musim direkomendasikan untuk melakukan peramalan produksi teh propinsi Jawa Barat. Daftar Pustaka Biro Pusat Statistik Indonesia. 20. Statistik Teh Indonesia. Biro Pusat Statistik Indonesia Statistik Teh Indonesia. Cryer, J. D Time Series Analysis. PWS-KENT Publishing Company. Boston. D.C. Montgomery., C.L. Jennings & M. Kulahci Introduction To Time Series Analysis and Forecasting. USA: Wiley Interscience. Hakim, Abdul Statistika Deskriptif untuk Ekonomi dan Bisnis. Yogyakarta: Ekonisia. Oktafri, 200. Aplikasi Metode Simulasi Monte Carlo Untuk Menduga Debit Aliran Sungai. Universitas Lampung. Lampung. Stewart, James Kalkulus, Edisi Keempat Jilid. Jakarta: Erlangga. 6
1. PENDAHULUAN 2. KAJIAN PUSTAKA
1. PENDAHULUAN Perkebunan teh menjadi salah satu sektor potensial pembangunan Jawa Barat, karena telah mampu memberikan andil besar dalam kehidupan perekonomian. Sektor perkebunan teh memiliki fungsi ekonomi
Lebih terperinciAnalisis dan Peramalan Produksi Tanaman Teh Dengan Menggunakan Metode Indeks Musim (Studi Kasus : Propinsi Jawa Barat)
Analisis dan Peramalan Produksi Tanaman Teh Dengan Menggunakan Metode Indeks Musim (Studi Kasus : Propinsi Jawa Barat) Laporan Penelitian Peneliti : Alfa Kenedi Mainassy (672012704) Dr. Sri Yulianto. J.
Lebih terperinciPERAMALAN DATA INFLASI DENGAN KOMBINASI FITTING SINUSOIDS DAN PERAMALAN INDEKS MUSIM
Seminar Nasional Sistem Informasi Indonesia, 1 Nopember 2016 PERAMALAN DATA INFLASI DENGAN KOMBINASI FITTING SINUSOIDS DAN PERAMALAN INDEKS MUSIM Stefan Fernando 1), Arden Bawono 2), Pandu Brillian 3),
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 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 terperinciPERAMALAN PRODUKSI UBI KAYU PROPINSI JAWA TENGAH MENGGUNAKAN ALGORITMA EKSTRAPOLASI POLINOMIAL NEWTON
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PERAMALAN PRODUKSI UBI KAYU PROPINSI JAWA TENGAH MENGGUNAKAN ALGORITMA EKSTRAPOLASI POLINOMIAL NEWTON Brian L. Djumaty 1), Andeka Rocky Tanaamah
Lebih terperinciBAB III PERAMALAN 3.1 Landasan Teori Peramalan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX. Nama : Desty Trisnayannis NPM :
ANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX Nama : Desty Trisnayannis NPM : 21210860 Latar Belakang Dalam dunia usaha, perusahaan harus memperkirakan hal-hal yang terjadi
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan
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 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bisnis pada berbagai kegiatannya selalu melakukan suatu perencanaan untuk kedepannya. Untuk melakukan perencanaan suatu kegiatan yang akan disusun dan dilakukan
Lebih terperinciPERAMALAN PASOKAN BAHAN BAKU DAN PENJUALAN SIR 20 DI PT. PERKEBUNAN NUSANTARA VII UNIT PADANG PELAWI KEC. SUKARAJA KAB. SELUMA
PERAMALAN PASOKAN BAHAN BAKU DAN PENJUALAN SIR 20 DI PT. PERKEBUNAN NUSANTARA VII UNIT PADANG PELAWI KEC. SUKARAJA KAB. SELUMA The Forecasting of Raw Materials Supply and Sales in PT. Perkebunan Nusantara
Lebih terperinciPENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU
PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU Romy Biri ), Yohanes A.R. Langi ), Marline S. Paendong ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl.
Lebih terperinciPERAMALAN PENJUALAN TIKET PESAWAT PADA CV. VIDO JAYA TOUR DAN TRAVEL
PERAMALAN PENJUALAN TIKET PESAWAT PADA CV. VIDO JAYA TOUR DAN TRAVEL Nama : Awalludin Ma rifatullah Idhofi NPM : 11212269 Jurusan : Manajemen Pembimbing : Dr. Dra. Peni Sawitri, MM PENDAHULUAN Latar Belakang
Lebih terperinciFebriyanto, S.E., M.M.
METODE PERAMALAN PERMINTAAN Metode bebas (freehand method) Metode setengah ratarata (semi average method) Metode ratarata bergerak (moving average method) Metode kwadrat terkecil (least quares method)
Lebih terperinciANALISIS PERAMALAN PENDAPATAN JASA WARUNG INTERNET KALFIN.NET NAMA : IMAN ARIF HIDAYAT NPM :
ANALISIS PERAMALAN PENDAPATAN JASA WARUNG INTERNET KALFIN.NET NAMA : IMAN ARIF HIDAYAT NPM : 12209674 Latar Belakang Usaha dibidang warnet sangatlah menjanjikan, karena seiring perkembangan zaman daya
Lebih terperinciBAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciDian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh.
PERAMALAN JUMLAH PENDISTRIBUSIAN BAHAN BAKAR MINYAK DI PT. PERTAMINA (PERSERO) REGION III DEPOT MALANG MENGGUNAKAN METODE WINTER DAN METODE DEKOMPOSISI Dian Kristanti 1) 1 Prodi Pendidikan Matematika,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 1.1 Tempat Penelitian Penelitian ini dilakukan di PT. Aetra Air Jakarta, Jl. Jend. Sudirman Ged. Sampoerna Strategic Square. 1.2 Obyek Penelitian Objek penelitian dilakukan
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 terperinciAPLIKASI PERAMALAN PENGADAAN BARANG DENGAN METODE TREND PROJECTION DAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS DI TOKO PIONIR JAYA)
APLIKASI PERAMALAN PENGADAAN BARANG DENGAN METODE TREND PROJECTION DAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS DI TOKO PIONIR JAYA) Evi Dewi Sri Mulyani 1, Egi Badar Sambani 2, Rian Cahyana 3
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Indonesia merupakan negara agraris karena memiliki tanah yang subur. Karena
BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara agraris karena memiliki tanah yang subur. Karena memiliki tanah yang subur, sebagian besar penduduk Indonesia banyak yang bekerja di bidang
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 terperinciPembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
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 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 terperinciPERAMALAN (FORECASTING)
#3 - Peramalan (Forecasting) #1 1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information
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 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 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 terperinciPERAMALAN (FORECASTING) #2
#4 - Peramalan (Forecasting) #2 1 PERAMALAN (FORECASTING) #2 EMA302 Manajemen Operasional Model Trend Linear Multiplicative 2 Kecenderungan (trend). Komponen musiman (seasonal): rasio untuk model trend.
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengumpulan data yang dilakukan dengan cara pengamatan dari dokumen perusahaan. Data yang di perlukan meliputi data penjualan produk Jamur Shiitake,
Lebih terperinciPENERAPAN METODE EXPONENTIALLY WEIGHTED QUANTILE REGRESSION UNTUK PERAMALAN PENJUALAN MOBIL
PENERAPAN METODE EXPONENTIALLY WEIGHTED QUANTILE REGRESSION UNTUK PERAMALAN PENJUALAN MOBIL Wiwik Anggraeni 1, Indah Sri Wahyuni 2 Jurusan Sistem Informasi, Fakultas Teknologi Informasi, ITS Jl. Raya ITS
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 terperinciPENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG
PENGENDALIAN PERSEDIAAN BAHAN BAKU BAJA MS DI DIREKTORAT PRODUKSI ATMI CIKARANG Siti Rohana Nasution 1, Temotius Agung Lukito 2 1,2) Jurusan Teknik Industri Fakultas Teknik Universitas Pancasila 1) nasutionana@yahoo.co.id,
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciPERAMALAN (Forecast) Disajikan oleh: Bernardus Budi Hartono. Teknik Informatika [Gasal ] FTI - Universitas Stikubank Semarang
PERAMALAN (Forecast) Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009 2010] FTI
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 terperinciAplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
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 terperinciHASIL DAN ANALISIS DATA. Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut.
BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Berikut ini adalah data penjualan besi Wiremesh selama 4 tahun berturutturut. Data berikut merupakan data aktual untuk diramalkan penjualannya
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Setiap Bank menyalurkan Kartu Kredit kepada masyarakat dengan bertujuan untuk memperoleh keuntungan yang diberikan dalam bentuk bunga dan sebagai alat promosi. Dengan
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciPERAMALAN (Forecast) (ii)
PERAMALAN (Forecast) (ii) Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009 2010]
Lebih terperinciPRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :
PRISMA FISIKA, Vol. III, No. (05), Hal. 79-86 ISSN : 7-80 Pemodelan Kebutuhan Daya Listrik Di Pt. PLN (Persero) Area Pontianak dengan Menggunakan Metode Gauss-Newton Mei Sari Soleha ), Joko Sampurno *),
Lebih terperinciBAB 3 METODE PENELITIAN. Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari
BAB 3 METODE PENELITIAN 3.1 Desain Penelitan Dalam skripsi yang penulis lakukan ini menggunakan analisa forecasting dari PT. Honda Dunia Motorindo. Setelah itu dengan analisa tersebut, penulis berusaha
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 terperinciProsiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni
Prosiding Seminar Matematika, Sains dan TI, FMIPA UNSRAT, 14 Juni 2013.27 ANALISIS PERBANDINGAN METODE HOLT-WINTERS, SINGLE EXPONENTIAL SMOOTHING DAN POLINOMIAL NEWTON DALAM MERAMALKAN DATA PRODUKSI UBI
Lebih terperinciANALISA PERAMALAN PENJUALAN PULSA TELKOMSEL PADA JASA TELEKOMUNIKASI SERVER CV. AKBAR PULSA
ANALISA PERAMALAN PENJUALAN PULSA TELKOMSEL PADA JASA TELEKOMUNIKASI SERVER CV. AKBAR PULSA Nama : Safitri Handriyani Npm : 16211546 Jurusan : Manajemen Pembimbing : Supriyo Hartadi. W, SE, MM Latar Belakang
Lebih terperinciBAB 1 PENDAHULUAN. Pertanian memiliki peranan penting dalam perekonomian di Indonesia.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pertanian memiliki peranan penting dalam perekonomian di Indonesia. Berdasarkan data dari Badan Pusat Statistik (BPS) kontribusi pertanian terhadap Produk Domestik
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 terperinciTEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI.
TEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI. PENERAPAN TEKNIK Keakuratan data yang dimiliki Asumsi yang disepakati bersama Kondisi perusahaan yang terdiri dari
Lebih terperinciEMA302 Manajemen Operasional
1 PERAMALAN (FORECASTING) EMA302 Manajemen Operasional Pengertian (1) 2 Oxford Dictionary, Forecast is a statement about what will happen in the future, based on information that is available now. (Peramalan
Lebih terperinciPENERAPAN METODE DESEASONALIZED PADA PERAMALAN BANYAK PENUMPANG KERETA API DI PULAU JAWA. Abstract
PENERAPAN METODE DESEASONALIZED PADA PERAMALAN BANYAK PENUMPANG KERETA API DI PULAU JAWA Guntur Prabowo 1, Supriyono 2, Muhammad Kharis 3 Jurusan Matematika, FMIPA, Universitas Negeri Semarang Gedung D7
Lebih terperinciANALISIS PERAMALAN PENJUALAN KANTOR PERCETAKAN DAN PERDAGANGAN UMUM CV AGUNG BEKASI TIMUR
ANALISIS PERAMALAN PENJUALAN KANTOR PERCETAKAN DAN PERDAGANGAN UMUM CV AGUNG BEKASI TIMUR NAMA : GALANG INDRAS SUWANTO NPM : 12210908 JURUSAN : MANAJEMEN PEMBIMBING : SUPRIYO HARTADI, W. SE. MM LATAR BELAKANG
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Peramalan Dalam melakukan analisa ekonomi atau analisa kegiatan perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dunia usaha pada masa yang
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 IV ANALISIS HASIL PENGOLAHAN DATA
BAB IV ANALISIS HASIL PENGOLAHAN DATA 4.1 Pola Dasar Permintaan Dari hasil pengumpulan data aktual yang telah dilakukan mengenai pertumbuhan jumlah kartu kredit BCA yang dimiliki oleh cardholder BCA Cabang
Lebih terperinciMETODE PENELITIAN. pelanggan rumah tangga, bisnis, sosial, dan industri pada tahun-tahun yang
III. METODE PENELITIAN 3.1 Pendahuluan Tugas akhir ini merupakan survei yang bertujuan untuk mengetahui pengaruh pendapatan konsumen dan jumlah penduduk terhadap kebutuhan/permintaan energi listrik di
Lebih terperinciPERBANDINGAN METODE SETENGAH RATA-RATA DAN METODE KUADRAT TERKECIL UNTUK PERAMALAN PENDAPATAN PERUSAHAAN DI BLU UPTD TERMINAL MANGKANG SEMARANG
Techno.COM, Vol. 15, No. 2, Mei 2016: 132-139 PERBANDINGAN METODE SETENGAH RATA-RATA DAN METODE KUADRAT TERKECIL UNTUK PERAMALAN PENDAPATAN PERUSAHAAN DI BLU UPTD TERMINAL MANGKANG SEMARANG Rachmad Budi
Lebih terperinciBAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI. Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi?
BAB 3 PRAKIRAAAN dan PERAMALAN PRODUKSI Dalam Manajemen Operasional, mengapa perlu ada peramalan produksi? a. Ada ketidak-pastian aktivitas produksi di masa yag akan datang b. Kemampuan & sumber daya perusahaan
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 terperinciSALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN
BAB IV SALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN A. Identifikasi Peramalan Penjualan oleh UD. Jaya Abadi Dari hasil wawancara yang menyebutkan bahwa setiap pengambilan keputusan untuk estimasi penjualan
Lebih terperinciIII. METODE PENELITIAN
38 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan definisi opresional mencakup pengertian yang dipergunakan untuk mendapatkan dan menganalisis data sesuai dengan tujuan
Lebih terperinciUniversitas Gunadarma PERAMALAN
PERAMALAN PERAMALAN Kebutuhan Peramalan dalam Manajemen Produksi dan Operasi Manajemen Operasi/produksi menggunakan hasil-hasil peramalan dalam pembuatan keputusan-keputusan yang menyangkut pemilihan proses,
Lebih terperinciJURNAL MATEMATIKA MANTIK Edisi: Oktober Vol. 02 No. 01 ISSN: E-ISSN:
ISSN: 25273159 EISSN: 25273167 PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH KLAIM DI BPJS KESEHATAN PAMEKASAN Faisol 1, Sitti Aisah 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciKuliah 2 Metode Peramalan Deret Waktu
Kuliah 2 Metode Peramalan Deret Waktu rahmaanisa@apps.ipb.ac.id REVIEW Tentukan pola dari data deret waktu berikut: Gambar (1) Gambar (2) Gambar (3) Gambar (4) 2 Kriteria kebaikan peramalan data deret
Lebih terperinciANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI.
ANALISIS PERAMALAN PENJUALAN PRODUK KECAP PADA PERUSAHAAN KECAP MANALAGI DENPASAR BALI Ni Putu Lisna Padma Yanti 1, I.A Mahatma Tuningrat 2, A.A.P. Agung Suryawan Wiranatha 2 1 Mahasiswa Jurusan Teknologi
Lebih terperinciPeramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Lebih terperinciAnalisis Peramalan Penjualan Boneka dengan Menggunakan Metode Moving Avarage dan Weight Moving Avarage pada CV.BAAC ABADI.
Analisis Peramalan Penjualan Boneka dengan Menggunakan Metode Moving Avarage dan Weight Moving Avarage pada CV.BAAC ABADI. Nama :Eri Putra Deva NPM :12212518 Jurusan :Manajemen Pembimbing :Dr. Dra. Peni
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 terperinciPEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN
PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN 1962 1975 Jantini Trianasari Natangku dan Fitria Puspitoningrum Mahasiswa Program Studi Matematika Fakultas Sains dan Matematika
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 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sebuah perusahaan baik pada bidang barang atau jasa, selalu melakukan perencanaan kedepannya. Dalam perencanan suatu kegiatan yang akan disusun dan dilakukan
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN APLIKASI PERAMALAN JUMLAH PERMINTAAN PRODUK DENGAN METODE TIME SERIES EXPONENTIAL SMOOTHING HOLTS WINTER DI PT. TELEKOMUNIKASI INDONESIA Tbk.
Lebih terperinciPERAMALAN PENJUALAN GAS LPG PADA TOKO UPAYA TETAP BERKARYA
PERAMALAN PENJUALAN GAS LPG PADA TOKO UPAYA TETAP BERKARYA Nama : Liza Indriani NPM : 14210058 Jurusan : Manajemen Pembimbing : Lies Handrijaningsih, SE,.MM LATAR BELAKANG MASALAH Perkembangan penggunaan
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat
BAB 3 PERANCANGAN PROGRAM 3.1 Alasan digunakan Metode Exponential Smoothing Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat penjualan untuk beberapa periode ke depan. Biasanya untuk
Lebih terperinciPENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN
PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN Ryan Putranda Kristianto 1), Ema Utami 2), Emha Taufiq Lutfi 3) 1, 2,3) Magister Teknik informatika STMIK
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi semakin sulit untuk diperkirakan. Selama ini, manajer PT. Focus
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 terperinciPERAMALAN PENGGUNA INDIHOME DI PT.TELEKOMUNIKASI TBK PALEMBANG
PERAMALAN PENGGUNA INDIHOME DI PT.TELEKOMUNIKASI TBK PALEMBANG Oktariani 1*, Sopian Soim 2, Adewasti 3 1 Program Studi Teknik Telekomunikasi, Jurusan Teknik Elektro, Politeknik Negeri Sriwijaya Bukit Besar,
Lebih terperinci(FORECASTING ANALYSIS):
ANALISIS KUANTITATIF ANALISIS PERAMALAN Hand-out ke-3 ANALISIS PERAMALAN (FORECASTING ANALYSIS): Contoh-contoh sederhana PRODI AGRIBISNIS UNEJ, 2017 PROF DR IR RUDI WIBOWO, MS Contoh aplikasi tehnik peramalan
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 terperinciMembuat keputusan yang baik
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang
Lebih terperinciBAB 4 PEMBAHASAN. PT. PLN (Persero) Udiklat Jakarta merupakan lembaga pendidikan yang
BAB 4 PEMBAHASAN P. PLN (Persero Udiklat Jakarta merupakan lembaga pendidikan yang memiliki fungsi untuk meningkatkan kompetensi SM Pegawai P. PLN (Persero. Selayaknya tempat pelatihan dan pembelajaran,
Lebih terperinciMETODE PERAMALAN PENJUALAN ONCOM PADA USAHA KECIL MENENGAH (UKM) SONI JAYA
METODE PERAMALAN PENJUALAN ONCOM PADA USAHA KECIL MENENGAH (UKM) SONI JAYA NAMA : ERIKA SEKTI PUTRI KINASIH NPM :12210395 KELAS :3EA16 JURUSAN : MANAJEMEN (S-1) PEMBIMBING : SRI KURNIASIH AGUSTIN, SE.,
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan ilmu pengetahuan dan teknologi dewasa ini dapat membantu teknik peramalan suatu kejadian berdasarkan faktor faktor yang sudah diketahui sebelumnya. Hasil peramalan
Lebih terperinciBAB I PENDAHULUAN I.1
BAB I PENDAHULUAN I.1 Latar Belakang Pengguna jasa transportasi (penumpang) menginginkan pelayanan yang prima, baik dalam hal keselamatan, kenyamanan, maupun harga yang ditawarkan. Saat ini penumpang memiliki
Lebih terperinciPERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING
PERAMALAN JUMLAH SISWA/I SEKOLAH MENENGAH ATAS SWASTA MENGGUNAKAN ENAM METODE FORECASTING Lim Sanny 1, Haryadi Sarjono 1 1 Department of Management, Binus University Jln. KH. Syahdan No. 9, Kemanggisan,
Lebih terperinciSI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu melakukan perencanaan untuk memastikan kelancaran operasi rantai pasok 1. Peramalan dalam organisasi 2. Pola permintaan 3. Metode peramalan
Lebih terperinciPenerapan Metode Smoothing Untuk Peramalan Penghasilan Retribusi Toko
ISSN: 0216-3284 1133 Penerapan Metode Smoothing Untuk Peramalan Penghasilan Retribusi Toko Muhammad Abduh Jadid, Taufiq, Rustati R. STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru jadidmuhammad@gmail.com,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi regional pada hakekatnya adalah serangkaian usaha dan kebijaksanaan yang bertujuan untuk meningkatkan hubungan ekonomi dari sektor primer ke sektor
Lebih terperinciMETODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU ABSTRACT
METODE PERAMALAN HOLT-WINTER UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG PERPUSTAKAAN UNIVERSITAS RIAU Encik Rosalina 1, Sigit Sugiarto 2, M.D.H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan
Lebih terperinciANALISIS PERAMALAN VOLUME PENJUALAN UD. AMER DENGAN METODE SMOOTHING NAMA : MUHAMMAD IQBAL NPM : KELAS : 3EA01 JURUSAN : MANAJEMEN
ANALISIS PERAMALAN VOLUME PENJUALAN UD. AMER DENGAN METODE SMOOTHING NAMA : MUHAMMAD IQBAL NPM : 11209226 KELAS : 3EA01 JURUSAN : MANAJEMEN LATAR BELAKANG MASALAH Perkembangan usaha dalam bidang sandang
Lebih terperinciANALISIS DERET WAKTU
ANALISIS DERET WAKTU JENIS DATA Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciMODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia
MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA Adi Nugroho 1, Bistok Hasiholan Simanjuntak 2 1 Staf pengajar di Fakultas Teknologi Informasi
Lebih terperinci