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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa Tekik Iformaika TMIK Budi Darma Jl. isigamagaraja No. 338 impaglimu Meda ABTRAK Permasalaha dalam peeliia ii adalah berapa jumlah calo siswa dega megguaka meode peghalusa ekspoesial (expoeial smoohig) uuk peramala (forecasig) jumlah calo siswa baru. Tujua dari peeliia ii dalakuka uuk megeahui da megaalisis pegguaa meode peghalusa ekspoesial (expoeial smoohig) uuk peramala (forecasig) jumlah calo mahasiswa baru pada jurusa maemaika Fakulas Maemaika da Ilmu Pegeahua Alam (FMIPA) Uiversias Negeri emarag (UNNE) ahu Pegambila daa dalam peeliia ii dalakuka dega observasi. Daa yag diambil adalah lapora calo siswa baru mulai ahu 2011 sampai dega ahu eelah iu dilakuka aalisis daa uuk meeuka model peghalusa ekspoesial (expoeial smoohig) yag sesuai uuk peramala (forecasig) jumlah calo siswa baru dari daa yag ersedia. Uuk meeuka model yag sesuai uuk peramala (forecasig) dari daa yag ersedia dihiug seiap meode smoohig sera dicari meode yag memberi kesalaha peramala (forecasig) yag palig kecil. Kemudia seelah dilakuka aalisis daa, uuk peramala (forecasig) jumlah calo mahasiswa baru dipilih meode sigle expoeial smoohig dega alpha = 0,9. Kaa Kuci: prediksi siswa MK Pemda Lubuk Pakam, Expoeial moohig I. PENDAHULUAN ekolah Meegah Kejurua (MK) merupaka salah sau lembaga pedidika yag berupaya mecipaka sumber daya mausia yag memiliki kemampua, keerampila, da keahlia sehigga lulusaya dapa megembagka keerampilaya agar dapa erju dalam duia kerja maupu uuk melajuka ke jejag pedidika yag lebih iggi. Meuru Peraura Pemeriah No. 29 Tahu 1990 pasal 2 aya (1) meyebuka bahwa sekolah kejurua berujua uuk meigkaka pegeahua siswa dalam pegemba- ga diri da uuk meigkaka kemampua siswa sebagai aggoa masyaraka. Meuru Peraura Pemeriah No. 29 Tahu 1990 pasal 3 aya (2) disebuka bahwa sekolah kejurua berujua uuk meyiapka siswa dalam memeuhi lapaga kerja, meyiapka siswa agar mampu memiliki karir, da meyiapka amaa agar mejadi warga Negara yag produkif, adapif, da ormaif. MK pemda lubuk pakam merupaka salah sau MK yag berada di daerah lubuk pakam kab. Deli serdag. Kemajua suau sekolah dipegaruhi oleh besar kecilya kualias kelulusa. Diliha dari jumlah calo siswa baru di MK Pemda mempuyai pemia yag besar dari dalam aau luar daerah dikareaka seiap ahuya MK Pemda melakuka pegeala sekolah ke sekolah meegah perama diluar maupu didalam daerah. Peramala jumlah calo siswa baru merupaka salah sau hal yag saga peig dalam pegambila kepuusa di smk pemda lubuk pakam. Bagi pihak smk peramala ii berfugsi uuk meeuka priorias berapa jumlah siswa yag aka dierima. Didasari pada kebuuha smk pemda uuk meramalka jumlah calo siswa baru, maka sagalah peig uuk meracag sebuah sisem. isem yag aka dibagu dapa meghasilka jumlah prediksi dega memafaaka perhiuga dari meode Expoeial moohig. Dari meode dicari seberapa besar kesalaha. Meode peramala erbaik adalah meode yag mempuyai ilai kesalaha yag palig kecil. Meode expoeial smoohig merupaka pegembaga dari meode movig averages. Dalam meode ii peramala dilakuka dega megulag perhiuga secara erus meerus dega megguaka daa erbaru. eiap daa diberi bobo, daa yag lebih baru diberi bobo yag lebih besar. Dua meode dalam expoeial smoohig diaaraya sigle expoeial smoohig da double expoeial smoohig(upriaa, Uci, 2010). II. TEORITI A. Peramala Peramala (forecasig) merupaka ala bau yag peig dalam perecaaa yag efekif da efisie khususya dalam bidag ekoomi. Dalam orgaisasi modere megeahui keadaa yag aka daag idak saja peig uuk meliha yag baik aau buruk eapi juga berujua uuk melakuka persiapa peramala(yami, Zulia, 2003).Peramala adalah prediksi, proyeksi aau esimasi igka kejadia yag idak pasi dimasa yag aka daag. Keepaa secara mulak dalam memprediksi perisiwa da igka kegiaa yag aka daag adalah idak mugki dicapai, oleh karea iu keika perusahaa idak dapa meliha kejadia yag aka daag secara pasi, diperluka waku da eaga yag besar agar mereka dapa memiliki kekuaa uuk mearik kesimpula erhadap kejadia yag aka daag. 214

2 Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN (Media Ceak) B. Meode Expoeial moohig Meode expoeial smoohig merupaka pegembaga dari meode movig averages. Dalam meode ii peramala dilakuka dega megulag perhiuga secara erus meerus dega megguaka daa erbaru. eiap daa diberi bobo, daa yag lebih baru diberi bobo yag lebih besar. Dua meode dalam expoeial smoohig diaaraya sigle expoeial smoohig da double expoeial smoohig(upriaa, Uci, 2010) 1. igle Expoeial moohig Meode ii adalah pegembaga dari meode movig average (MA) megguaka rumus sebagai beriku: F+1 = X1 + X2+...+XT T Keeraga : F+1 : Ramala uuk periode ke + 1 XT : Nilai riil periode ke T : Jagka waku raa raa bergerak Meode movig average memag mudah meghiugya aka eapi meode ii memberika bobo yag sama pada seiap daa. Uuk megaasi hal ii maka diguaka meode sigle expoeial smoohig. Pada meode sigle expoeial smoohig bobo yag diberika pada daa yag ada adalah sebesar α uuk daa yag erbaru, α(1-α) uuk daa yag lama, α(1-α) 2 uuk daa yag lebih lama, da seerusya. Besarya α adalah aara 0 da 1. emaki medekai 1 berari daa erbaru lebih diperhaika. ecara maemais besarya Peramala adalah: F+1 = α X + (1 α) F F+1 : Ramala uuk periode ke +1 X : Nilai riil periode ke F : Ramala uuk periode ke Dega demikia dapa dikaaka bahwa peramala pada periode yag aka daag adalah ramala sebelumya diambah α (alpha) dikalika dega kesalaha ramala periode sebelumya. Dalam melakuka peramala dega megguaka meode sigle expoeial smoohig (E), besarya α (alpha) dieuka secara rial da error sampai diemuka α (alpha) yag meghasilka forecas error erkecil. Meode ii lebih cocok diguaka uuk meramal daa-daa yag flukuaif secara radom (idak eraur)(upriaa, Uci, 2010). 2. Double Expoeial moohig Pada meode ii proses peeua ramala dimulai dega meeuka besarya alpha secara rial da error. edagka ahapahap dalam meeuka ramala adalah sebagai beriku. a. Meeuka moohig perama ( ) = α X + (1- α) -1, b. Meeuka moohig kedua ( ) = α + (1- α) -1, c. Meeuka besarya kosaa (α) α = + ( ) d. Meeuka besarya slope (b) B = α ( ) 1 - α e. Meeuka besarya forecas (F+m) F+m = α m, Dimaa m adalah jumlah periode kemuka yag diramalka. Meode double expoeial smoohig ii biasaya lebih epa uuk meramalka daa yag megalami red keaika(upriaa, Uci, 2010) III. ANALIA da PEMBAHAAN Jumlah siswa dalam sekolah merupaka sesuau hal yag saga peig eruama sekolah swasa. Bayak kepuusa yag dapa dilakuka bergaug pada jumlah siswa yag dimiliki diaaraya rasio jumlah guru da siswa, gedug uuk proses belajar megajar sera fasilias-fasilias lai didalam sekolah ersebu. MK Pemda Lubuk Pakam merupaka salah sau sekolah swasa di kabupae deli serdag yag jumlah siswa meigka seiap ahuya, di sekolah smk ersebu belum ada suau aplikasi prediksi, maka dari iu uuk meujag kierja smk ersebu uuk pegambila kepuusa yag dalam kepuusa ersebu salah sau fakorya adalah jumlah siswa. Dalam pegumpula daa diambil berdasarka daa siswa yag medafar 6 ahu erakhir dimulai ahu ajara 2011 sampai ahu ajara 2016 di MK Pemda Lubuk Pakam. Daa-daa ersebu dapa diliha pada abel-abel beriku : Tabel 1. Peerimaa iswa/i Baru MK Pemd Lubuk Pakam Tahu Ajara Peerimaa umber : mk Pemda Lubuk Pakam Aalisis Meode Peramala 215

3 Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN (Media Ceak) Lagkah perama da peig dalam memilih meode suau dere berkala yag epa yaiu dega memperimbagka jeis pola daa, sehigga meode yag palig epa dega pola ersebu dapa diuji. Meode yag aka diguaka dalam memprediksi siswa baru di MK Pemda adalah meode peramala kuaiaif yaiu Meode Forecasig Expoeial moohig. Meode peramala Expoeial moohig ii diguaka karea meliha pola geraka yag di ujuka pada sejumlah daa sampel, dimaa erliha pola geraka yag meujuka pola flukuaif (radom) secara idak eraur. Meode Forecasig igle Expoeial moohig lebih cocok diguaka uuk meramalka daa dega pola flukuaif ersebu. Ada dua klasifikasi meode dalam meode pemulusa (smoohig) diaaraya Movig Average aau Expoeial moohig. Meode expoeial smoohig merupaka pegembaga dari meode movig averages. Pada kedua meode ii peramala dilakuka dega megulag perhiuga secara erus meerus dega megguaka daa erbaru, dimaa seiap daa diberi bobo. Aka eapi kekuraga pada meode Movig Average adalah bobo diberika sama pada seiap daaya, sedagka kelebiha pada meode Expoeial moohig adalah daa yag lebih baru diberi bobo yag lebih besar, sehigga daa erbaru lebih diperhaika ilaiya. Bobo yag erdapa pada meode igle Expoeial moohig adalah ilai bobo (α) alpha. Bobo ii berfugsi uuk melakuka peghalusa erhadap ilai peramala. Besara α (alpha) dieuka secara acak (rial ad error) sampai diemuka α (alpha) yag meghasilka forecas error erkecil. Besarya α adalah aara 0 da 1. Meode ME (Mea quare Error) diguaka sebagai meode uuk megukur kesalaha peramala (forecas error). Mea quared Error (ME) adalah meode aleraif uuk megevaluasi ekik peramala masig-masig kesalaha. Meode ME merupaka idikaor yag bergua da memberika ilai absolu sabagai kebalika dari iformasi relaif dalam meode MAPE. Daa yag aka diaalisis haya diambil beberapa ipe sebagai sample uuk peerapa meode Forecasig igle Expoeial moohig. Aalisis Meode Forecasig igle Expoeial moohig Meode igle Expoeial moohig ii aka dierapka pada perhiuga dalam meeuka persediaa ui mobil uuk periode bulaa kedepa. Beriku rumus uuk Meode Forecasig igle Expoeial moohig : +1 = α X + (1 α) +1 : Ramala uuk periode ke +1 X : Nilai riil periode ke : Ramala uuk periode ke α : bobo yag meujuka kosaa peghalus igle Expoeial moohig Dalam melakuka peramala dega meode sigle expoeial smoohig, besarya alpha (α) yag dierapka adalah 0.1, 0.5, da 0.9. Dega ujua uuk meramalka α yag meghasilka forecas error erkecil. Dega meeuka α (alpha) sebesar 0.1, perhaika ramala adalah sebagai beriku : Tahu 2011: belum bisa dieuka Tahu 2012 : dieuka besarya jumlah calo siswa baru ahu 2011 yaiu sebesar 459. Tahu 2013 : +1 = (0.1 x 499) + (1 0.1) 459 = 49, ,1 = 463 Tahu 2014 : +1 = (0.1 x 486) + (1 0.1) 499 = 48, ,1 = 497,7 Tahu 2015 : +1 = (0.1 x 300) + (1 0.1) 486 = ,4 = 467,4 Tahu 2016 : +1 = (0.1 x 482) + (1 0.1) 300 = 48, = 318,2 Tahu 2017 : +1 = (0.1 x 466) + (1 0.1) 482 = 46,6 +433,8 = 480,4 Meghiug kesalaha / error dega meguaka mea absolue error (MAE) Tahu 2011: belum bisa dieuka Tahu 2012 : MAE = X F = /5 = 8 Tahu 2013 : MAE = X F = /5 = 4,6 Tahu 2014 : MAE = X F = ,7/5 = -39,54 216

4 Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN (Media Ceak) Tahu 2015 : MAE = X F = ,4/5 = 2,92 Tahu 2016 : MAE = X F = ,2,2/5 = 49,56 Bila α dieuka sebesar 0.5, perhiuga ramala adalah sebagai beriku. Tahu 2011: belum bisa dieuka Tahu 2012 : dieuka besarya jumlah calo mahasiswa baru ahu 2011 yaiu sebesar 459. Tahu 2013 : +1 = (0.5 x 499) + (1 0.5) 459 = 249, ,5 = 479 Tahu 2014 : +1 = (0.5 x 486) + (1 0.5) 499 = ,5 = 492,5 Tahu 2015 : +1 = (0.5 x 300) + (1 0.5) 486 = = 393 Tahu 2016 : +1 = (0.5 x 482) + (1 0.5) 300 = = 391 Meghiug kesalaha / error dega meguaka mea absolue error (MAE) Tahu 2011: belum bisa dieuka Tahu 2012 : MAE = X F = /5 = 8 Tahu 2013 : MAE = X F = /5 = 1,4 Tahu 2014 : MAE = X F = ,5/5 = -38,5 Tahu 2015 : MAE = _ F = /5 = 17,8 Tahu 2016 : MAE = X F = /5 = 15 Bila α dieuka sebesar 0.9 perhiuga ramala adalah sebagai beriku. Tahu 2011: belum bisa dieuka Tahu 2012 : dieuka besarya jumlah calo mahasiswa baru ahu 2011 yaiu sebesar 459. Tahu 2013 : +1 = (0.9 x 499) + (1 0.9) 459 = 449,1 + 45,9 = 495 Tahu 2014 : +1 = (0.9 x 486) + (1 0.9) 499 = 437,4 + 49,9 = 487,3 Tahu 2015 : +1 = (0.9 x300) + (1 0.9)486 = ,6 = 318,6 Tahu 2016 : +1 = (0.9 x482) + (1 0.9)300 = 433, = 463,8 Meghiug kesalaha / error dega meguaka mea absolue error (MAE) Tahu 2011: belum bisa dieuka Tahu 2012 : MAE = X F = /5 = 8 Tahu 2013 : MAE = X F = /5 = -1,8 Tahu 2014 : MAE = X F = ,3/5 = -37,46 Tahu 2015 : MAE = X F = ,6/5 = 163,4 Tahu 2016 : MAE = X F = ,8/5 = 0,44 217

5 Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN (Media Ceak) Perhiuga selegkapya pada abel beriku ii Tabel 2. Forecasig Dega alpha = 0.1 Da Hiuga Eror Tahu Ajara Calo Baru Forecas Alpha = 0,1 MAE ME , ,7-39,54-79, ,4 2,92 5, ,2 49,56 99,12 Jumlah Eror 25,54 33,08 Tabel 3. Forecasig Dega alpha = 0.5 Da Hiuga Eror Tahu Ajara Calo Baru Forecas Alpha = 0,5 MAE ME ,4 2, ,5-38, ,8 35, Jumlah Eror 2,7 7,4 Tabel 4. Forecasig Dega alpha = 0.9 Da Hiuga Eror Tahu Ajara Calo Baru Forecas Alpha = 0,9 MAE ME Tabel 5. Forecasig Dega alpha = 0.9 Da Hiuga Eror Lajua Tahu Calo Forecas Ajara Alpha MAE ME Baru = 0, ,8-3, ,3 37,46 74, ,6 163,4 326, ,8 0,44 0,88 Jumlah Eror 207,5 415 Double Expoeial moohig Pada meode ii proses peramala dega keeuka alpha sebesar 0.1, 0.5, da Besarya forecas uuk alpha 0.1 maka perhiugaya sebagai beriku : Tahu 2011 I : dieuka jumlah calo mahasiswa baru ahu perama, yaiu sebesar 459 II : : dieuka jumlah calo mahasiswa baru ahu perama, yaiu sebesar 459 a : belum bisa dieuka b : belum bisa dieuka +m : forecas ahu kedua ( 2012 ) dieuka jumlah calo siswa baru ahu perama yaiu sebesar 459 Tahu 2012 = α + (1-α) +1 X (1 0,1)499 = 49, ,1 = 498,6 A = 2 - = (2x459) = 413 B = α ( 1 α I - II ) ( ,6) = -4,3956 forecas ahu 2013 (m = 1 ahu) +m = 491,4 (-4,3956) +m = 495,7956 Tahu 2013 = α + (1-α) +1 X (1 0,1)486 = 49, ,4 = 522,9 A = 2 - = (2x495) 522,9 = 467,1 B = α ( 1 α I - II ) ( ,9) = -3,0996 forecas ahu 2014 (m = 1 ahu) +m = 467,1 (-3,0996) +m = 464,0004 Tahu 2014 = α + (1-α) +1 X 487,3 + (1 0,1)300 = 48, = 318,73 A = 2 - = (2x487,3) 318,73 = 655,87 218

6 Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN (Media Ceak) B = α ( 1 α I - II ) (487,3 318,73) = 18,728 forecas ahu 2015 (m = 1 ahu) +m = 655,87 18,728 +m = 637,142 Tahu 2015 = α + (1-α) +1 X 467,4 + (1 0,1)482 = 46, ,8 = 480,54 A = 2 - = (2x467,4) 480,54 = 454,26 B = α ( 1 α I - II ) (467,4 480,54) = -1,4598 forecas ahu 2016 (m = 1 ahu) +m = 454,26-(-1,4598) +m = 455,7198 Tahu 2016 = α + (1-α) +1 X 318,2 + (1 0,1)466 = 31, ,4 = 451,22 A = 2 - = (2x318,2) 451,22 = 185,18 B = α ( 1 α I - II ) (318,2 451,22) = -14,7785 forecas ahu 2017 (m = 1 ahu) +m = 185,18-(-14,7785) +m = 199,9585 Tahu 2017 = α + (1-α) +1 X 467,4 + (1 0,1)482 = 46, ,8 = 480,54 A = 2 - = (2x467,4) 480,54 = 454,26 B = α ( 1 α I - II ) (467,4 480,54) = -1,4598 IV. IMPLEMENTAI Form Meu Uama Gambar 1. Form Meu Uama Form Daa Pedafara Form Daa Pedafara adalah sebuah form yag diracag uuk meampilka daa Pedafara pada ahu ereu sera daa peramala pejuala sekolah pada ahu berikuya. Gambar 2. Hasil Form Daa Pedafara Pegujia Form Proses Peramala Form Proses Peramala adalah sebuah form yag diracag uuk meampilka daa hasil peramala pejuala sera melakuka proses peramala pejuala pada periode berikuya, sera jumlah siswa miimal yag harus disediaka perusahaa megguaka meode expoeial smoohig. ebelum melakuka proses peramala maka peggua erlebih dahulu melakuka pemiliha ipu ahu masuk, ahu peramala sera ilai alpha (α). Gambar 3. Hasil Pegujia Daa Proses Form Hasil Pegujia Daa Proses Peramala V. KEIMPULAN Adapu kesimpula yag peulis peroleh berdasarka hasil peracaga aplikasi ii adalah sebagai beriku : 219

7 Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN (Media Ceak) 1. Perusahaa dalam meeuka meode peramala jumlah siswa baru palig cocok dierapka pada periode berikuya dega melakuka perbadiga peramala uuk beberapa ilai alpha (α) sehigga dapa diperoleh ilai error palig kecil pada ilai α berapa, dalam hal ii megguaka Mea Absolue Deviaio (MAD). 2. Lapora jumlah siswa baru dalam sau periode diperluka uuk melakuka peramala jumlah siswa baru pada periode berikuya. Daa siswa baru ii aiya aka di aalisa dega Meode Expoeial moohig uuk meghasilka peramala jumlah siswa baru pada periode berikuya. 3. Aplikasi ii dapa diguaka uuk melakuka peramala jumlah siswa baru sekaligus uuk seiap ahu ajara baru sesuai dega lapora daa siswa baru akual sekolah sehigga bisa meghema waku dalam proses peramala sera hasil yag cukup akura da dapa diperaggug jawabka. DAFTAR PUTAKA 1. Jogiyao H.M.2004 Aalisis Da Desai isem Iformasi, Yogyakara, Adi 2. Krisie Margi, ofia Pedawa, emiar NATIF ke 2 Tahu 2015, Jakara. 3. Puu H. Arjaa, Tri Puji Rahayu,Yakub, Hariyao emiar Nasioal Tekologi Iformasi da Komuikasi 2012 (ENTIKA 2012). Yogyakara 4. Edy Irwasyah 5. Widu Gaa, Grace Gaa ukses Membagu Aplikasi Pejuala dega Java. Jakara. PT Elex Media Kompuido 6. F.X.Wisu Yudo Uoro Algorima Pemograma dega Bahasa Java. Yogyakara, GRAHA ILMU 7. Wahaa Kompuer, 2008, Visual Basic.Ne emarag, Adi 220

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

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

Lebih terperinci

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

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

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

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

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Universitas Sumatera Utara

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

Lebih terperinci

Penerapan Metode Optimasi Exponential Smoothing Untuk Peramalan Debit

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

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

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

Lebih terperinci

BAB III TINJAUAN PUSTAKA

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

Lebih terperinci

BAB V METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Rumus-rumus yang Digunakan

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si

Lebih terperinci

Universitas Sumatera Utara

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

V. PENGUJIAN HIPOTESIS

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN TEORITIS

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

Lebih terperinci

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

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

Lebih terperinci

IV. METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

ALGORITMA DATA MINING

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK

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

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

PENERAPAN 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 terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 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 terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

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

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

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

Lebih terperinci

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING. PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta

Lebih terperinci

LAPORAN RESMI MODUL VII TIME SERIES FORECASTING

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 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 terperinci

BAB IV METODOLOGI PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

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

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

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

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

Lebih terperinci

PENERAPAN METODE TUTOR SEBAYA UNTUK MENINGKATKAN PRESTASI BELAJAR KIMIA SISWA PADA POKOK BAHASAN REAKSI OKSIDASI DAN REDUKSI DI KELAS X SMAN 1 UKUI

PENERAPAN METODE TUTOR SEBAYA UNTUK MENINGKATKAN PRESTASI BELAJAR KIMIA SISWA PADA POKOK BAHASAN REAKSI OKSIDASI DAN REDUKSI DI KELAS X SMAN 1 UKUI PENERAPAN METODE TUTOR EBAYA UNTUK MENINGKATKAN PRETAI BELAJAR KIMIA IWA PADA POKOK BAHAAN REAKI OKIDAI DAN REDUKI DI KELA X MAN UKUI Asrida Mulyai ), Asmadi M. Noer ), Erviyei 3) ) Mahasiswa Program udi

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1. Peramala.1.1. Kosep Dasar Peramala Peramala merupaka bagia dari suau proses pegambila suau kepuusa. Sebelum melakuka peramala harus dikeahui erlebih dahulu apa sebearya persoala

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB 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 terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

BAB 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 terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

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

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI 3.1. Kosep Supply Chai Supply chai adalah jariga isasi-isasi yag secara bersama-sama bekerja uuk mecipaka da meghaarka suau produk ke aga pemakai akhir (ed user). Isasi-isasi ersebu

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun 47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka

Lebih terperinci

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

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

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di

IV. METODOLOGI PENELITIAN. mencakup penyusunan proposal hingga penyusunan draft skripsi dilaksanakan di IV. METODOLOGI PENELITIAN 4.1 Lokasi da Waku Peeliia Peeliia yag dilakuka pada Bula Jauari higga Mei 2008 yag mecakup peyusua proposal higga peyusua draf skripsi dilaksaaka di empa kecamaa di Kabupae Garu,

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA

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

Lebih terperinci

Prosiding Manajemen ISSN:

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil BAB III METODOLOGI PENELITIAN 3.1 Tempa da Waku Peeliia 3.1.1 Tempa Peeliia Pada peeliia ii, peelii meeapka objek pada aak kelompok B TK Damhil Kecamaa Koa elaa Koa Goroalo. Peeapa lokasi ersebu berdasarka

Lebih terperinci

METODOLOGI. Waktu dan Tempat. Alat dan Bahan

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

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

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

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,

Lebih terperinci

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

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

Lebih terperinci

ANALISA SISTEM ANTRIAN DENGAN METODE KOMPUTASI TURBO PASCAL

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

Lebih terperinci

PERANCANGAN APLIKASIFORECASTING PERTUMBUHAN PENDUDUK PADA KECAMATAN TEBING TINGGIDENGAN MENGGUNAKAN METODE LEAST SQUARE

PERANCANGAN APLIKASIFORECASTING PERTUMBUHAN PENDUDUK PADA KECAMATAN TEBING TINGGIDENGAN MENGGUNAKAN METODE LEAST SQUARE Jural Riset Komputer (JURIKOM), Volume : 3, Nomor: 1, Februari 2016 ISSN : 2407-389X PERANCANGAN APLIKASIFORECASTING PERTUMBUHAN PENDUDUK PADA KECAMATAN TEBING TINGGIDENGAN MENGGUNAKAN METODE LEAST SQUARE

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Teknik Industri Peramalan

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

Lebih terperinci

BAB 4 PENGUMPULAN DAN ANALISA DATA

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

Lebih terperinci

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 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 terperinci