PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP
|
|
- Surya Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : ; e-issn : PENENTUAN KONSTANTA PEMULUSAN YANG MEMINIMALKAN MAPE DAN MAD MENGGUNAKAN DATA SEKUNDER BEA DAN CUKAI KPPBC TMP C CILACAP Zulfaul Mukarromah Jurusan Maemaika, Universias Jenderal Soedirman zulfaulmukarromah5@gmail.com Rehana Jurusan Maemaika, Universias Jenderal Soedirman Sii Wasiaur Rohmah Jurusan Maemaika, Universias Jenderal Soedirman Reni Rahmawai Jurusan Maemaika, Universias Jenderal Soedirman Agung Prabowo Jurusan Maemaika, Universias Jenderal Soedirman Agusini Tripena Jurusan Maemaika, Universias Jenderal Soedirman ABSTRACT. Exponenial smoohing mehod has become one of many quaniaive echniques ha very imporan in forecasing. Accuracy of forecasing using his mehod highly depends on a parameer called he smoohing consan. Therefore, he selecion of he opimal smoohing consan becomes very imporan because good forecasing only allow a minimal error. This paper sudy he selecion of he opimal smoohing consan value wih smoohing consan value crieria ha minimizes mean absolue percenage error (MAPE) and he mean absolue deviaion (MAD). Trial and error mehod is used o deermine he opimal value of he smoohing consan based on boh crieria. An example of he daa is sourced from KPPBC TMP C Cilacap presened o discuss he mehod. Keywords: MAD, MAPE, single exponenial smoohing, smoohing consan. ABSTRAK. Meode pemulusan eksponensial menjadi salah sau eknik kuaniaif yang sanga pening dalam peramalan. Tingka akurasi peramalan menggunakan meode ini sanga erganung pada parameer yang disebu konsana pemulusan (smoohing consan). Oleh karena iu, pemilihan konsana pemulusan yang opimal menjadi sanga pening sebab peramalan yang baik hanya mengijinkan erjadinya kesalahan yang minimal. Tulisan ini membahas pemilihan nilai konsana pemulusan yang opimal dengan krieria nilai konsana pemulusan yang meminimalkan mean absolue precenage error (MAPE) dan mean absolue deviaion (MAD). Meode rial and error digunakan unuk menenukan nilai opimal dari konsana pemulusan berdasarkan kedua krieria
2 Penenuan Konsana Pemulusan 104 ersebu. Sebuah conoh dengan daa bersumber dari KPPBC TMP C Cilacap dipaparkan unuk mendiskusikan meode ersebu. Kaa kunci: konsana pemulusan, MAPE, MAD, single exponenial smoohing. 1. PENDAHULUAN Peramalan (forecasing) adalah meode aau eknik unuk membua esimasi (perkiraan) daa masa yang akan daang dengan melibakan penggunaan daa masa lalu dalam suau benuk model maemais (Paul, 2011). Salah sau meode unuk peramalan adalah pemulusan eksponensial unggal (single exponenial smoohing). Dalam meode ini, erdapa sau aau lebih parameer yang harus dienukan nilainya unuk menghasilkan model maemais berupa model ime series (dere waku) unuk seiap meode pemulusan eksponensial yang digunakan. Meode single exponenial smoohing aau penghalusan eksponensial unggal adalah suau prosedur yang secara koninu memperbaiki hasil peramalan dengan meraa-raa aau menghaluskan (smoohing) nilai daa masa lalu dari suau daa dere waku dengan menggunakan nilai konsana yang menurun secara eksponensial. Hal ini berari, daa paling lama akan dikenai nilai konsana yang paling kecil dan daa erbaru akan mendapakan nilai konsana erbesar. Secara filosofis, hal ini menyaakan bahwa daa erbaru menjadi daa yang paling pening unuk menenukan hasil ramalan. Pemikiran common sense yang sanga wajar. Keakuraan hasil ramalan (forecasing) dengan meode single exponenial smoohing sanga erganung pada konsana pemulusan yang digunakan (Mu azu, 2014). Hanya ada sau parameer konsana pemulusan yang harus dievaluasi dalam meode pemulusan eksponensial unggal. Pendekaan unuk memilih nilai yang opimal biasanya dilakukan secara coba-coba (rial and error). Semenara iu, nilai konsana pemulusan erganung pada krieria perhiungan error yang digunakan. Akibanya, nilai-nilai ramalan akan sanga bervariasi, erganung pada nilai-nilai yang digunakan. Oleh karena kesalahan (error) adalah selisih anara nilai daa akual dengan nilai ramalan, dengan demikian besarnya kesalahan juga erganung oleh nilai yang digunakan.
3 105 Z. Mukaromah d.k.k. Banyak penelii yang memfokuskan risenya dalam kajian enang penenuan nilai konsana pemulusan. Dielman (2006) melaporkan digunakannya eknik pemilihan yang meminimumkan Jumlah Kuadra Kesalahan dan Jumlah Kesalahan Absolu. Beberapa ahun sebelumnya, Paul (2001) menggunakan eknik yang sama dengan Dielman namun dipilih yang meminimumkan Raa-Raa Kesalahan Kuadra dan Deviasi Raa-Raa Absolu. Rao (2012) menyarankan agar menggunakan konsana pemulusan 0, 5 dan secara khusus unuk 0, 2 dan 0, 3 dinyaakan akan memberikan hasil yang baik. Marzena dan Toporowski (2012) melaporkan penggunaan konsana pemulusan yang deka 0 akan memberikan hasil baik pada daa dere waku yang idak mengandung daa siklik dan bebas dari komponen irregular. Arinya, pengunaan yang deka 0 akan baik unuk meode single exponenial smoohing. Unuk konsana pemulusan yang deka 1 juga akan menghasilkan peramalan yang baik, namun dalam karakerisik daa yang berbeda. Hasil yang dilaporkan oleh Marzena dan Toporowski, sejalan dengan kesimpulan Chiang beberapa ahun sebelumnya. Chiang (2005) memberikan acuan unuk memilih konsana pemulusan yang deka 0 apabila daa dere waku memiliki variasi yang kecil (bebas siklik dan idak irregular) dan yang deka 1 dapa digunakan jika erdapa perbedaan besar dalam nilai daa akualnya. Dalam bidang pendidikan, Ravinder (2013) membua perbandingan anara konsana pemulusan yang dihasilkan program (sofware) Solver dalam excel dengan nilai yang seharusnya. Perbandingan ersebu memunculkan beberapa hasil yang berbeda sehingga pembelajaran meode single exponenial smoohing dengan menggunakan Solver perlu mendapa perhaian khusus. Dalam arikel ini, akan dibahas mengenai cara menenukan besarnya konsana pemulusan α paling opimal yang digunakan pada meode single exponenial smoohing. Dalam mengevaluasi nilai penenuan konsana pemulusan α yang paling opimal, digunakan dua pembanding ukuran kesalahan peramalan yaiu mean absolue percenage error (MAPE) dan mean absolue deviaion (MAD). Dari kedua ukuran kesalahan peramalan ersebu, akan dibandingkan
4 Penenuan Konsana Pemulusan 106 dianara kedua ukuran aau krieria kesalahan yang memberikan hasil ramalan lebih baik mengacu pada daa yang digunakan. Dari laar belakang ersebu, dapa dirumuskan ujuan dari penulisan arikel ini adalah menenukan nilai konsana pemulusan pada meode single exponenial smoohing berdasarlan ukuran kesalahan peramalan MAPE aau MAD. Dengan menggunakan iga jenis daa (daa bea masuk, bea keluar dan cukai) yang diperoleh dari KPPBC TMP C Cilacap dalam kuliah Kerja Prakik, akan dibandingkan dianara kedua ukuran kesalahan yang memberikan hasil ramalan lebih baik. 2. METODE PENELITIAN Peneliian ini menggunakan daa sekunder yang diperoleh dari arsip Kanor Pelayanan dan Pengawasan Bea dan Cukai Tipe Madya Pabean C (KPPBC TMP C) Cilacap. Daa ersebu diobservasi dan dikumpulkan selama pelaksanaan kuliah Kerja Prakik sejak 18 Januari Februari Unuk kepeningan peneliian ini, dipilih iga jenis daa yang merupakan daa dere waku, melipui daa bea masuk, bea keluar dan cukai. Sebagai daa dere waku, maka meode analisis yang digunakan adalah single exponenial smoohing dengan fokus uama peneliian pada penenuan konsana pemulusan yang meminimalkan dua buah krieria ukuran kesalahan MAPE dan MAD. Dengan mengacu pada masingmasing daa, akan dibandingkan dianara kedua ukuran kesalahan yang memberikan hasil ramalan lebih baik. 3. HASIL DAN PEMBAHASAN Menuru Mongomery and Johnson (1976), peramalan pada periode ke- berdasarkan eknik pemulusan eksponensial unggal (single exponenial smoohing) adalah F ; 1 A 0 F A 2 1 A 3... A0 A ; 1 (1) 1 1
5 107 Z. Mukaromah d.k.k. dengan F peramalan pada periode ke- A nilai akual pada periode ke- ( 1) 1 konsana pemulusan eksponensial Penggunaan berbagai ukuran aau krieria unuk menenukan keakuraan peramalan elah dibahas oleh Menzer dan Kahn (1995). Keakuraan hasil ramalan sanga erganung pada nilai konsana pemulusan yang dipilih. Selanjunya, pemilihan yang opimal dilakukan dengan cara memilih yang meminimalkan krieria kesalahan. Dalam arikel ini akan digunakan dua buah krieria kesalahan mean absolue percenage error (MAPE) dan mean absolue deviaion (MAD). Sebagai nilai persenase, maka 0 MAPE 100 dalam persen dan sebagai nilai absolue (nilai mulak) maka 0 MAD Besarnya nilai kesalahan menuru krieria MAPE dan MAD dihiung menggunakan rumus (3) da (4) beriku (Ryu dan Sanchez, 2003): MAPE 1 i 1 F i A F i 2 i 100 (2) MAD i F i A i 1 (3) Dengan memilih nilai-nilai konsana pemulusan yang berbeda-beda dan erleak anara 0 dan 1, dapa dihiung nilai MAPE dan MAD unuk seiap nilai yang dipilih. Selanjunya, meode rial and error akan digunakan unuk menenukan nilai konsana pemulusan yang meminimumkan MAPE dan MAD. Tabel 1. Daa akual besarnya pendapaan di KPPBC TMP C Cilacap Periode Daa 1 Bea Masuk Daa 2 Bea Keluar Daa 3 Cukai 0 11,3 8,5 13,6 1 7,1 13,1 14,5 2 11,3 12,6 15,3
6 Penenuan Konsana Pemulusan ,7 20,4 18,3 4 23,0 14,4 15,0 5 20,1 13,1 25,6 Meode pemulusan eksponensial unggal akan digunakan dengan menggunakan daa pendapaan bea dan cukai masa lalu yang diambil dari arsip KPPBC TMP C Cilacap unuk beberapa periode seperi yang diberikan pada Tabel 1. Dengan demikian, sejumlah enam daa pada Tabel 1 adalah daa akual (dihiung dalam milyar rupiah) unuk periode ke-0, 1, 2, 3, 4, dan 5. Dari nilai konsana pemulusan yang berbeda-beda, dapa dihiung nilai MAPE dan MAD yang bersesuaian unuk iga jenis daa yang dicobakan. MAPE dihiung dengan menggunakan persamaan (2) dan hasilnya diberikan pada abel 2. Tabel 2. Nilai MAPE unuk seiap konsana pemulusan yang dicobakan Daa ke- MAPE Bea Masuk MAPE Bea Keluar MAPE Cukai 1 0,1 43,468 0,1 18,608 0,1 17, ,2 40,775 0,11 18,523 0,2 17, ,3 38,659 0,12 18,54 0,3 16, ,4 37,975 0,13 18,586 0,31 16, ,5 37,297 0,14 18,632 0,32 16, ,6 36,694 0,15 18,677 0,33 16, ,7 36,212 0,16 18,72 0,34 16, ,8 35,875 0,17 18,762 0,35 16, ,81 36,016 0,18 18,803 0,36 16, ,82 36,229 0,19 18,842 0,37 16, ,83 36,445 0,2 18,88 0,38 16, ,84 36,662 0,3 20,693 0,39 16, ,85 36,882 0,4 23,063 0,4 16, ,86 37,104 0,5 25,158 0,5 16,74603
7 109 Z. Mukaromah d.k.k. 15 0,87 37,329 0,6 26,91 0,6 17, ,88 37,556 0,7 28,288 0,7 17, ,89 37,785 0,8 29,296 0,8 17, ,9 38,017 0,9 30,204 0,9 18,63806 Dari Tabel 2 dapa disarikan informasi beriku. Nilai MAPE unuk daa bea masuk urun seiring dengan perambahan nilai, namun saa mencapai nilai = 0,8 nilai MAPE semakin berambah. Unuk daa bea keluar sediki berbeda, nilai MAPE unuk daa bea keluar urun di = 0,1, namun menjadi naik saa mencapai nilai = 0,11. Sedangkan nilai nilai MAPE unuk daa cukai baru naik saa = 0,37, kemudian semakin berambah seiring berambahnya nilai. Gambar 1 adalah plo nilai MAPE erhadap besaran yang bersesuaian. Sumbu mendaar adalah daa nilai ke-i dengan i = 1, 2,..., 18 dan sumbu egak menyaakan besar nilai MAPE. Berdasarkan Tabel 2 dan Gambar 1, dapa dienukan nilai-nilai yang meminimalkan MAPE, yaiu 0, 80 unuk daa bea masuk, 0, 11 unuk daa bea keluar, dan 0, 37 unuk daa cukai MAPE BEA MASUK MAPE BEA KELUAR MAPE CUKAI Gambar 1. Grafik MAPE unuk nilai ke-1, 2,...,18 pada keiga jenis daa Selanjunya, MAD dihiung dengan menggunakan persamaan (3) dan hasilnya diberikan pada Tabel 3. Dari Tabel 3 dapa disarikan informasi beriku.
8 Penenuan Konsana Pemulusan 110 Nilai MAD unuk daa bea masuk bisa dikaakan menurun seiring perambahan, dan erpilih nilai 0, 8 unuk MAD erkecil unuk daa Bea Masuk. Tabel 3. Nilai MAD unuk seiap konsana pemulusan yang diujicobakan Daa ke- MAPE Bea Masuk MAPE Bea Keluar MAPE Cukai 1 0,1 5, ,01 2, ,1 3, ,2 5, ,02 2, ,2 3, ,3 4, ,03 2, ,3 3, ,4 4, ,04 2, ,31 3, ,5 5, ,05 2, ,32 3, ,6 5, ,06 2, ,33 3, ,7 4, ,07 2, ,34 3, ,71 4, ,08 2, ,35 3, ,72 4, ,09 2, ,36 3, ,73 4, ,1 2, ,37 3, ,74 4, ,2 2, ,38 3, ,75 4, ,3 2, ,39 3, ,76 4, ,4 3, ,4 3, ,77 4, ,5 3, ,5 3, ,78 4, ,6 3, ,6 3, ,79 4, ,7 3, ,7 3, ,8 4, ,8 3, ,8 3, ,9 4, ,9 4, ,9 3,53973 Nilai MAD unuk daa bea keluar berbanding erbalik dengan daa bea masuk yaiu semakin berambahnya nilai maka nilai MAD semakin naik sehingga diperoleh MAD yang paling minimum yaiu 2,41016 dengan 0, 1. Kemudian pada daa cukai, nilai MAD relaif konsan berada pada angka 3, namun
9 111 Z. Mukaromah d.k.k. masih harus kia pilih nilai MAD yang paling minimum yaiu pada α = 0,38 dengan MAD = 3,14718 karena seelah nilai α = 0,38 nilai MAD naik. Gambar 2 adalah plo nilai MAD erhadap besaran yang bersesuaian. Sumbu mendaar adalah daa nilai ke-i dengan i = 1, 2,..., 18 dan sumbu egak menyaakan besar nilai MAD. Berdasarkan Tabel 3 dan Gambar 2, dapa dienukan nilai-nilai yang meminimalkan MAD, yaiu 0, 80 unuk daa bea masuk, 0, 10 unuk daa bea keluar, dan 0, 38 unuk daa cukai MAD BEA MASUK MAD BEA KELUAR MAD CUKAI Gambar 2. Grafik MAD unuk nilai ke-1, 2,...,18 pada keiga jenis daa Unuk menenukan nilai opimum dari konsana pemulusan, dipilih nilai MAD dan MAPE yang erkecil. Dengan demikian, unuk keiga jenis daa yang digunakan, konsana pemulusan yang dipilih sebagai beriku (Tabel 4). Unuk daa bea masuk, digunakan = 0,80 pada kedua krieria MAPE dan MAD. Unuk daa bea keluar, digunakan = 0,10 berdasarkan krieria MAPE dan = 0,11 apabila digunakan krieria MAD. Unuk daa cukai, erpilih konsana pemulusan = 0,38 unuk MAPE dan = 0,37 unuk krieria MAD. Tabel 4. Nilai konsana pemulusan opimum yang meminimumkan MAPE dan MAD unuk masing-masing jenis daa Krieria Minimum Minimum Minimum Bea Masuk Bea Keluar Cukai MAD 4, ,8 2, ,1 3, ,38 MAPE 35,875 0,8 18,523 0,11 16, ,37
10 Penenuan Konsana Pemulusan 112 Secara umum, kedua krieria MAPE dan MAD memberikan hasil nilai konsana pemulusan yang dapa dikaakan sama aau hampir sama unuk masing-masing jenis daa. Dengan kaa lain, kedua krieria MAPE dan MAD dapa digunakan secara berganian dalam peramalan. Dengan demikian, masing-masing nilai konsana pemulusan dapa dipilih unuk membua peramalan. Namun, peramalan manakah yang lebih baik, apakah menggunakan krieria MAPE aau MAD akan diliha lebih lanju dalam analisa beriku ini. Dengan menggunakan nilai yang erpilih, hasil (nilai) ramalan unuk periode ke-1, 2, 3, 4, dan 5 dapa dihiung. Penggunaan dua krieria yang ernyaa menghasilkan lima pilihan yang berbeda (erdapa sau nilai yang sama) menghasilkan lima buah persamaan single exponenial smoohing yang dihiung dengan persamaan (1). Selanjunya, hasil perhiungan dengan persamaan (1) unuk seiap konsana pemulusan disajikan pada abel 5, 6 dan 7, diserai analisisnya. Tabel 5. Nilai ramalam bea masuk sera kesalahan berdasarkan kedua krieria MAD dan MAPE Periode Daa Ramalan Kesalahan Ramalan Kesalahan Bea Masuk MAD MAPE = 0,8 = 0,8 0 11, ,1 11,30 4,20 11,30 4, ,3 8,025 3,275 8,025 3, ,7 10,65 2,95 10,65 2, ,29 14,71 8,29 14, ,1 20,06 0,04 20,06 0,04 Raa-Raa Kesalahan 5,035 5, , , Dari daa pada Tabel 5, pada awalnya nilai pemulusan berbeda sanga signifikan dengan nilai akual. Hal ini disebabkan nilai pemulusan pada periode ke-1 dengan sama dengan nilai akual pada periode ke-0. Seelah periode ke-2,
11 113 Z. Mukaromah d.k.k. nilai ramalan dan nilai akual idak jauh berbeda. Nilai ramalan pada periode keenam unuk kedua krieria MAD dan MAPE adalah sama yaiu 20,0916 (dalam milyar rupiah) Dari daa pada Tabel 6, pada awalnya nilai pemulusan berbeda sanga signifikan dengan nilai akual. Hal ini disebabkan nilai pemulusan pada periode ke-1 dengan sama dengan nilai akual pada periode ke-0. Seelah periode ke-2, nilai ramalan dan nilai akual idak jauh berbeda. Nilai ramalan pada periode keenam unuk kedua krieria MAD dan MAPE adalah hampir sama yaiu 13,8102 dan 13, 8319 (dalam milyar rupiah). Tabel 6. Nilai ramalam bea keluar sera kesalahan berdasarkan kedua krieria MAD dan MAPE Periode Daa Ramalan Kesalahan Ramalan Kesalahan Bea Keluar MAD MAPE = 0,1 = 0,11 0 8, ,1 8,50 4,60 8,50 4, ,6 13,15-0,56 13,11-0, ,4 13,10 7,30 13,06 7, ,4 13,80 0,57 13,86 0, ,1 13,90-0,79 13,92-0,82 Raa-Raa Kesalahan 2,764 2, , ,8319 Dari daa pada Tabel 7, pada awalnya nilai pemulusan berbeda sanga signifikan dengan nilai akual. Hal ini disebabkan nilai pemulusan pada periode ke-1 dengan sama dengan nilai akual pada periode ke-0. Seelah periode ke-2, nilai ramalan dan nilai akual idak jauh berbeda. Nilai ramalan pada periode keenam unuk kedua krieria MAD dan MAPE adalah hampir sama yaiu 19,3563 dan 20,3064 (dalam milyar rupiah).
12 Penenuan Konsana Pemulusan 114 Tabel 7. Nilai ramalan cukai sera kesalahan berdasarkan kedua krieria MAD dan MAPE Periode Daa Ramalan Kesalahan Ramalan Kesalahan Cukai MAD MAPE = 0,38 = 0, , ,5 13,6 0,9 13,6 0,9 2 15,3 15,2 0,09 14,9 0, ,3 15,2 3,05 15,1 3, ,4-2,30 16,6-2, ,6 15,5 10,07 15,4 10,18 Raa-Raa Kesalahan 3,282 3, , , KESIMPULAN Dengan menggunakan keiga jenis daa (bea masuk, bea keluar dan cukai) diperoleh nilai konsana pemulusan yang sama aau hampir sama anara kedua krieria (MAPE dan MAD). Dengan kaa lain, kedua krieria MAPE dan MAD dapa digunakan secara berganian dalam peramalan. Dengan demikian, masingmasing nilai konsana pemulusan dapa dipilih unuk membua peramalan. Unuk peramalan bea masuk, MAPE dan MAD memberikan konsana pemulusan yang sama nilainya. Unuk bea keluar, raa-raa kesalahan hasil ramalan dengan MAD sediki lebih besar dibanding dengan MAPE. Arinya, krieria MAPE dengan = 0,11 lebih disarankan unuk digunakan.unuk cukai, raa-raa kesalahan hasil ramalan dengan MAD sediki lebih kecil dibanding dengan MAPE. Arinya, krieria MAD dengan = 0,36 lebih disarankan unuk digunakan. UCAPAN TERIMA KASIH Penulis mengucapkan erima kasih kepada Bapak Agung Prabowo, S.Si., M.Si., selaku dosen pembimbing. Aas bimbingan beliau, penulis dapa
13 115 Z. Mukaromah d.k.k. menyelesaikan peneliian dan penulisan arikel ilmiah ini. Ucapan erima kasih juga disampaikan kepada KPPBC TMP C Cilacap aas kesempaan kerja prakik selama sau bulan sera konribusi daa sekunder sehingga arikel ini dapa disusun. DAFTAR PUSTAKA Chiang, T.C., Business Condiions & Forecasing Moving Averages and Exponenial Smoohing, 2005, diakses pada 15 Januari Dielman, T.E., Choosing Smoohing Parameers for Exponenial Smoohing: Minimizing Sums of Square Of Squared Versus Sums of Absolue Errors, Journal of Modern Applied Saisical Mehods, 5(1) (2006), Marzena, N., dan Toporowski, W., Smoohing Mehods, Insiu Fur Markeing and Handel Abeilung, 2012, diakses pada 12 Januari Menzer, J.T. dan Kahn, K.B., Forecasing Technique Familiariy, Saisfacion, Usage, and Applicaion, Journal of Forecasing, 14 (1995), Mu azu, H.G., New Approach for Deermining he Smoohing Consan ( ) of A Single Exponenial Smoohing Mehod, Inernaional Journal of Science and Technology, 3(11) (2014), Paul, S.K., Deerminaion of Exponenial Smoohing Consan o Minimize Mean Square Error and Mean Absolue Deviaion, Global Journal of Research in Engineering, 11(3) (2011), Rao, K.S., Demand planning and forecasing, 2012, diakses pada 12 Januari Ravinder, H.V., Deerminaing he Opimal Values of Exponenial Smoohing Consans Does Solver Really Work?, American Journal of Business Educaion. 6(3) (2013), Ryu R, dan Sanchez, A., The Evaluaion of Forecasing Mehods a an Insiusional Foodservice Dining Faciliy, Journal of Hospialiy Financial Managemen, 11(1) (2003),
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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciBAB 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 terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciJurusan 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 terperinciAPLIKASI 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 terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciSISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi
S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) 80-95 SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program
Lebih terperinciBAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja
BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengerian Supply Chain Managemen Supply chain managemen merupakan pendekaan aau meode dalam memanajemen hubungan perusahaan dengan supplier dan konsumen yang erjadi pada pengendalian
Lebih terperinciJurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN
Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciPerancangan 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 terperinciBAB 5 HASIL DAN PEMBAHASAN. Disini tujuan akhir yang ingin dicapai penulis adalah pembuatan suatu aplikasi
BAB 5 HASIL DAN PEMBAHASAN Disini ujuan akhir yang ingin dicapai penulis adalah pembuaan suau aplikasi program yang digunakan unuk membanu perusahaan dalam menenukan jumlah produksi demand. Disini ada
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciSISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal Informaika Polinema ISSN: 2407-070X SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING Mansyur, Erfan Rohadi Program Sudi Teknik Informaika,
Lebih terperinciExponential smoothing
Exponenial smoohing This is a widely used forecasing echnique in reailing, even hough i has no proven o be especially accurae, www,cl,asae,edu/crbrown/smoohing07,pp 1 Exponenial Smoohing n Period Moving
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciPemulusan Eksponensial dengan Metode Holt Winter Additive Damped
Pemulusan Eksponensial dengan Meode Hol Winer Addiive Damped Hurul in 1),Dr. Erna Tri Herdiani, M.Si 2), Andi Kresna Jaya, S.Si., M.Si 3) Program Sudi Saisika Jurusan Maemaika FMIPA Unhas Jln. Perinis
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciBAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera
BAB 1 PENDAHULUAN 1.1 Laar Belakang Kabupaen Labuhan Bau merupakan pusa perkebunan kelapa sawi di Sumaera Uara, baik yang dikelola oleh perusahaan negara / swasa maupun perkebunan rakya. Kabupaen Labuhan
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciAPLIKASI PERAMALAN PENENTUAN JUMLAH PERMINTAAN KONSUMEN TERHADAP PRODUK BORDIR PADA KOTA TASIKMALAYA
APLIKASI PERAMALAN PENENTUAN JUMLAH PERMINTAAN KONSUMEN TERHADAP PRODUK BORDIR PADA KOTA TASIKMALAYA Lies Sunarminyasui 1, Salman Alfarisi 2, Firia Sari Hasanusi 3 1,2,3 Program Sudi Teknik Informaika,
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciBAB 2 DASAR TEORI. Studi mengenai aspek teknis dan produksi ini sifatnya sangat strategis, sebab
13 BAB 2 DASAR TEORI 2.1 Aspek Teknis Sudi mengenai aspek eknis dan produksi ini sifanya sanga sraegis, sebab berkaian dengan kapasias proyek, lokasi, aa leak ala produksi, kajian aas bahan dan sumbernya,
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciRANCANG BANGUN APLIKASI SISTEM PERAMALAN HARGA EMAS DENGAN METODE PEMULUSAN EKSPONENSIAL WINTER
RANCANG BANGUN APLIKASI SISTEM PERAMALAN HARGA EMAS DENGAN METODE PEMULUSAN EKSPONENSIAL WINTER Moh Afwan 1) S1 / Jurusan Sisem Informasi, Sekolah Tinggi Manajemen Kompuer & Teknik Kompuer Surabaya, email
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Manajemen Perminaan 2.1.1. Konsep Dasar Manajemen Perminaan Pada dasarnya manajemen perminaan (demand managemen) didefinisikan sebagai suau fungsi pengelolaan dari semua perminaan
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciIMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING ADDITIVE UNTUK PREDIKSI PENJUALAN ALAT TULIS KANTOR (ATK) PADA X STATIONERY
IMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING ADDITIVE UNTUK PREDIKSI PENJUALAN ALAT TULIS KANTOR (ATK) PADA X STATIONERY Ruli Uami 1, Suryo Amojo 2 1, Universias Wijaya Pura 2 e-mail: ruli.uami@ias.ac.id,
Lebih terperinciBAB 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 terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. mempunyai efek menekan atau menghentikan suatu proses biokimia di dalam
BAB II TINJAUAN PUSTAKA 2.1 Anibioik 2.1.1 Defenisi Anibioik adalah segolongan senyawa, baik alami maupun sineik, yang mempunyai efek menekan aau menghenikan suau proses biokimia di dalam organisme, khususnya
Lebih terperinciLANDASAN TEORI. Untuk membantu tercapainya suatu keputusan yang efisien, diperlukan adanya
BAB 3 LANDASAN TEORI 3.1 Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien, diperlukan adanya suau cara yang epa, sisemais dan dapa diperanggungjawabkan. Salah sau ala yang diperlukan
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciBab 2 Landasan Teori
Bab 2 Landasan Teori 2.1 Keseimbangan Lini 2.1.1 Definisi Keseimbangan Lini Penjadwalan dari pekerjaan lini produksi yang menyeimbangkan kerja yang dilakukan pada seiap sasiun kerja. Keseimbangan lini
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciMETODE PENELITIAN. yang digunakan untuk mengetahui dan pembahasannya mengenai biaya - biaya
III. METODE PENELITIAN A. Meode Dasar Peneliian Meode yang digunakan dalam peneliian ini adalah meode kuaniaif, yang digunakan unuk mengeahui dan pembahasannya mengenai biaya - biaya usaha melipui biaya
Lebih terperinciBab 2 Tinjauan Pustaka 2.1 Penelitian Sebelumnya
5 Bab 2 Tinjauan Pusaka 2.1 Peneliian Sebelumnya Dalam skripsi peneliian yang berjudul Pemodelan dinamis pola anam berbasis meode LVQ (Learning Vecor Quanizaion) (Bursa, 2010), menghasilkan sisem informasi
Lebih terperinciANALISIS PERAMALAN PENJUALAN PRODUK KERIPIK PISANG KEMASAN BUNGKUS (Studi Kasus : Home Industry Arwana Food Tembilahan)
ANALISIS PERAMALAN PENJUALAN PRODUK KERIPIK PISANG KEMASAN BUNGKUS (Sudi Kasus : Home Indusry Arwana Food Tembilahan) Sii Wardah *), Iskandar Jurusan Teknik Indusri, Fakulas Teknik dan Ilmu Kompuer, Universias
Lebih terperinciMinggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING. Peramalan Data Time Series
Minggu 4 RATA-RATA BERGERAK DAN EXPONENTIAL SMOOTHING Bab ini memperkenalkan model berlaku unuk daa ime series dengan musiman, ren, aau keduana komponen musiman dan ren dan daa sasioner. Meode peramalan
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciFORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1
FORECASTING & ARIMA Dwi Marani /26/200 Saisik unuk Bisnis 9 DERET BERKALA (TIME SERIES) Suau dere berkala merupakan suau himpunan observasi dimana variabel yang digunakan diukur dalam uruan periode waku,
Lebih terperinciKOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING
Komparasi Meode Peramalan (Beik E.) KOMPARASI METODE PERAMALAN AUTOMATIC CLUSTERING TECHNIQUE AND FUZZY LOGICAL RELATIONSHIPS DENGAN SINGLE EXPONENTIAL SMOOTHING Beik Endaryai 1, Rober Kurniawan 2 1,2
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Deskripsi Teori 3.1.1. Pengerian Peramalan Unuk membanu ercapainya suau kepuusan yang efisien unuk penjualan produknya, perusahaan memerlukan suau cara yang epa, sisemais dan
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciDAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII
Bulein Ilmiah Mah. Sa. dan Terapannya (Bimaser) Volume 6, No. 3 (27), hal 83 2. MODEL SPACE-TIME DAN PENERAPANNYA PADA PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA XIII Ella Kurniawai, Naomi Nessyana
Lebih terperinciBAB II LANDASAN TEORI. bahasa Yunani Sustema yang berarti satu kesatuan yang atas komponen atau
BAB II LANDASAN TEORI 2.1 Sisem Aplikasi Menuru Jogiano (2004), sisem berasal dari bahasa lain Sysema dan bahasa Yunani Susema yang berari sau kesauan yang aas komponen aau elemen-elemen yang dihubungkan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1. Model Rumusan Masalah dan Pengambilan Kepuusan Model rumusan masalah dan pengambilan kepuusan yang digunakan dalam menyelesaikan skripsi ini dimulai dari observasi lapangan
Lebih terperinciBAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi
Lebih terperinciHUMAN CAPITAL. Minggu 16
HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan
Lebih terperinciSISTEM PERAMALAN MENGGUNAKAN METODE TRIPLE EXPONENTIAL SMOTHING UNTUK STOK BAHAN SPARE PART MOTOR DI GARUDA MOTOR JAJAG
ITEM PERAMALAN MENGGUNAKAN METODE TRIPLE EXPONENTIAL MOTHING UNTUK TOK BAHAN PARE PART MOTOR DI GARUDA MOTOR JAJAG 1 Muhammad Iqbal (1110651220) 2 Bagus eya R,.Kom M.Kom, 3 Heny Wahyu,.Kom Jurusan Teknik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2. Pengerian Peramalan Di dalam melakukan suau kegiaan dan analisis usaha aau produksi di bidang manufakur aau perekonomian, suau peramalan aau yang lebih kia kenal dengan forecasing
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1 Waku dan Meode Peneliian Pada bab sebelumnya elah dibahas bahwa cadangan adalah sejumlah uang yang harus disediakan oleh pihak perusahaan asuransi dalam waku peranggungan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciPERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1
PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciPERAMALAN PERMINTAAN GREEN TEA PE PT HPS DENGAN METODE TIME SERIES
PERAMALAN PERMINTAAN GREEN TEA PE PT HPS DENGAN METODE TIME SERIES SKRIPSI Diajukan unuk Memenuhi Syara Tugas Akhir Program Sraa Sau (S1) Teknik Indusri Oleh : JOKO SUPRIYANTO NIM : 41605110059 JURUSAN
Lebih terperinciMetode Peramalan Deret Waktu
6//5 Meode Peramalan Dere Waku Dr. Fari M. Afendi, M.Si Pika Silviani, M.Si Wha is a forecas? Why Forecas? Forecasing How o Forecas Forecas Types 6//5 enables us o do somehing abou i. o discern wha is
Lebih terperinciJumlah penjualan bulanan Produk X
BAB 4 HASIL DAN PEMBAHASAN 4.1 Eksraksi Hasil Pengumpulan Daa Hasil pengumpulan daa yang didapa pada periode Januari 006 sampai dengan Desember 009 disajikan dalam benuk abel seperi di bawah ini. Daa yang
Lebih terperinciPROYEKSI BISNIS. Dadad Zainal, S.E., M.Kom Fakultas Ekonomi Universitas Wiyana Mukti
PROYEKSI BISNIS Dadad Zainal, S.E., M.Kom Fakulas Ekonomi Universias Wiyana Muki PENDAHULUAN Teknik Proyeksi Bisnis merupakan suau cara/pendekaan u menenukan ramalan (perkiraan) mengenai sesuau di masa
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI
ADOPSI REGRESI BEDA UNTUK MENGATASI BIAS VARIABEL TEROMISI DALAM REGRESI DERET WAKTU: MODEL KEHILANGAN AIR DISTRIBUSI DI PDAM SUKABUMI Yusep Suparman Universias Padjadjaran yusep.suparman@unpad.ac.id ABSTRAK.
Lebih terperinciProyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran
Saisika, Vol. 10 No. 2, 129 138 Nopember 2010 Proyeksi Penduduk Provinsi Riau 2010-2015 Menggunakan Meode Campuran Ari Budi Uomo, Yaya Karyana, Tei Sofia Yani Program Sudi Saisika, Universias Islam Bandung
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinci