BAB IV PEMODELAN SISTEM
|
|
- Ade Suhendra Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV PEMODELAN SISTEM 4.1 ASUMSI PERHITUNGAN MODEL Model pengendalian persediaan galon menggunakan berbagai asumsi untuk memberikan batasan terhadap model yang merepresentasikan sistem sebenarnya. Asumsi-asumsi ini yang digunakan antara lain : 1. Model pengendalian persediaan galon yang dilakukan terhadap satu ukuran galon yaitu galon dengan ukuran 19 liter. 2. Perhitungan hal-hal yang terdapat dalam model antara lain: estimasi jumlah permintaan per periode waktu, tingkat persediaan produk, estimasi kekurangan produk, estimasi produksi, realisasi produksi, pengiriman produk, tingkat pengembalian galon kosong, jumlah galon kosong yang kembali, kekurangan galon kosong, dan penambahan galon kosong serta antisipasi galon kosong 3. Ruang lingkup pemodelan hanya dalam rentang bulan Januari Maret Model pengendalian persediaan galon dikembangkan dalam periode harian. 5. Periode estimasi dilakukkan sebanyak 91 periode mendatang. 6. Pengendalian persediaan galon terbatas pada satu areal pabrik, sedangkan kondisi persediaan di gudang distribusi dan pemasaran tidak dipertimbangkan sebagai kajian dalam model. 7. Mesin-mesin, fasilitas dalam proses produksi, dan keadaan alat transportasi galon diasumsikan tidak terdapat gangguan. 8. Kegiatan produksi dilakukkan satu minggu selama 6 hari waktu kerja. 9. Kegiatan produksi dilakukkan dalam satu shift atau 8 jam waktu kerja, overtime dilakukan maksimal satu shift 10. Kapasitas produksi dalam satu shift kerja yaitu 800 buah galon atau setara dengan 1500 liter. 11. Pengiriman produk dan pengembalian galon kosong dilakukkan setiap hari. 12. Kerusakan atau reject galon diasumsikan 0,1 % dari total produksi yang dihasilkan dalam waktu satu shift kerja. 13. Estimasi penyimpangan pengiriman dari prakiraan permintaan diasumsikan 1%. 4.2 KONFIGURASI MODEL Model pengendalian persediaan galon diberi nama PMIG 1.0 merupakan program aplikasi yang berguna untuk membantu perusahaan dalam mengambil kebijakan pengendalian persediaan galon dengan mempertimbangkan tingkat pengembalian galon dan permintaan terhadap produk. PMIG 1.0 terdiri dari sistem manajemen basis data, sistem manajemen basis model, dan sistem manajemen dialog. Pengembangan bahasa pemrograman menggunakan Borland Delphi 7.0 untuk pengembangan sistem, Microsoft Accsess 2007 untuk pengembangan tabel data, dan menggunakan perangkat lunak easy fit 5.5 untuk mengidentifikasi dan mensimulasikan data. Konfigurasi model dapat dilihat pada Gambar 8. 19
2 Pengguna Sistem Manajemen Dialog Sistem Pengolahan Problematik Sistem Manajemen Basis Data Sistem Manajemen Basis Model 1 Basis 1. Data Pengiriman 2. Data Pengembalian 3. Data Tingkat Pengembalian Galon Kosong 4. Data Persediaan Produk 2 4 Sub Model Tingkat Pengembalian Galon Kosong Konstanta Model Hasil Estimasi EasyFit Sub Model Prakiraan Permintaan Konstanta Model Hasil Prakiraan Dokumentasi Data dan Hasil 3 Sub Model Estimasi Kondisi Persediaan Tingkat Persediaan Hasil Estimasi Gambar 8. Konfigurasi Perangkat Lunak PMIG KERANGKA MODEL Kerangka model terdiri dari sistem manajemen dialog, sistem manajemen basis data dan sistem manajemen model yang terdiri dari beberapa sub model yaitu: Sistem Manajemen Dialog Sistem ini merupakan model yang berfungsi untuk mengatur interaksi antara pengguna dengan perangkat lunak sehingga dalam penggunaannya sesuai dengan fungsi. Pengaturan keluaran perangkat lunak dibuat dalam bentuk tabel dan kotak teks (textbook) yang mudah digunakan oleh pengguna Sistem Manajemen Basis Data Sistem ini berfungsi untuk mengelola data-data yang diperlukan dalam perangkat lunak tersebut. Kelengkapan pengelolaan data, penghapusan data, perubahan data, dan tampilan data. 20
3 4.3.3 Sistem Manajemen Basis Model Sistem ini terdiri dari model-model matematika yang digunakan untuk megelola data sehingga diperoleh solusi akhir yang diinginkan. Model-model tersebut memiliki fungsi tertentu dan saling berhubungan terdiri dari : 1. Model Prakiraan Permintaan Produk Model ini digunakan untuk memprakirakan jumlah permintaan produk selama periode estimasi. Input data dari model ini adalah data pengiriman produk. Teknik estimasi yang disediakan metode peramalan deret waktu (time series). Penggunaan teknik prakiraan disesuaikan dengan pola data dan model prakiraan yang memiliki nilai persentase kesalahan absolut rata-rata (MAPE) terkecil. Output dari model ini menjadi masukan untuk model estimasi keadaan persediaan galon. 2. Model Tingkat Pengembalian Galon Kosong Model ini menggunakan perangkat lunak easy fit 5.5 dengan mensimulasikan rasio tingkat pengembalian galon kosong dengan membandingkan antara pengembalian galon kosong dengan pengiriman produk pada periode tertentu. Model ini dimulai dengan mengidentifikasi jenis sebaran data dari nilai rasio tertentu apakah mengikuti sebaran teoritis tertentu atau tidak lalu disimulasikan berdasarkan sebaran data yang telah teridentifikasi. Input model ini adalah data pengiriman produk dan data pengembalian galon kosong. Output model ini menjadi masukan untuk model estimasi keadaan persediaan galon. 3. Model Estimasi Kondisi Persediaan Galon Model estimasi ini mensimulasikan kondisi persediaan produk dan galon kosong di gudang Perum Perhutani Unit III Jawa Barat dan Banten jika dilakukan kebijakan persediaan tertentu. Input data dari model ini adalah data prakiraan permintaan, hasil estimasi rasio tingkat pengembalian galon kosong, estimasi kebocoran galon, dan estimasi penyimpangan pengiriman dari prakiraan permintaan. Model terdiri dari tujuh sub model yaitu: 3.1 Sub Model Tingkat Persediaan Produk Sub model ini berfungsi untuk menghitung tingkat persediaan produk pada setiap periode estimasi. Hasil perhitungan ini menunjukan jumlah persediaan produk di gudang setelah terpenuhinya permintaan produk pada periode sekarang. Sub model akan memberikan informasi mengenai jumlah persediaan yang tersedia sebagai input untuk mengestimasi kekurangan produk dalam model estimasi kekurangan galon. Apabila tingkat persediaan minus menandakan bahwa stok produk periode sebelumnya tidak mencukupi permintaan pada periode sekarang. Persediaan produk ditentukan oleh banyaknya stok produk yang tersedia di gudang. Pengiriman produk ke gudang distributor dan kebocoran produk saat penyimpanan. 3.2 Sub Model Estimasi Kekurangan Produk Sub model ini berfungsi untuk mengestimasi jumlah produk yang tidak mampu memenuhi permintaan pada periode sekarang atau periode mendatang. Sub model memberikan perintah untuk dilakukan rencana produksi minimal sejumlah kekurangan 21
4 produk tersebut. Output dari sub model akan memberikan masukan kepada model estimasi produksi untuk dilakukkan rencana produksi. 3.3 Sub Model Estimasi Produksi Sub model ini berfungsi sebagai rencana produksi oleh bagian produksi dengan mempertimbangkan estimasi kekurangan produk, jumlah galon kosong yang kembali dan kelebihan galon kosong. Selain itu, sub model memberikan informasi banyaknya jumlah galon kosong yang diperlukan untuk berproduksi. Semakin besar jumlah kekurangan produk maka semakin besar produk yang harus dihasilkan dan semakin banyak pula galon kosong yang diperlukan. Output sub model ini menjadi input untuk sub model realisasi produksi. 3.4 Sub Model Realisasi Produksi Sub model ini berfungsi untuk menyesuaikan antara estimasi produksi dengan kapasitas terpasang. Sub model ini mensimulasikan jumlah produk yang akan dihasilkan bagian produksi. Realisasi produksi ditentukan oleh banyak atau sedikitnya galon kosong yang kembali pada setiap produk. Input sub model ini adalah jumlah produk yang harus diproduksi dari model estimasi produksi dengan jumlah stok galon kosong yang kembali pada periode sebelumnya. Output sub model ini menjadi masukan untuk model pengiriman produk. 3.5 Sub Model Pengiriman Produk Sub model ini menghitung jumlah produk yang siap dikirim per periode. Pertama sub model akan menghitung rencana jumlah pengiriman produk dengan mengalikan prakiraan permintaan dengan estimasi penyimpangan prakiraan permintaan. Setelah itu, sub model akan membandingkan antara nilai rencana jumlah pengiriman produk terhadap stok produk, stok awal ditambah denganproduk dari produksi. Nilai yang lebih kecil akan digunakan sebagai produk yang siap dikirim untuk periode tersebut. Output sub model ini menjadi masukan untuk model stok produk dan sub model estimasi pengembalian galon kosong. 3.6 Sub Model Stok Produk Sub model ini berfungsi untuk menghitung jumlah stok produk pada tiap akhir periode estimasi. Nilai stok diperoleh dari jumlah stok produk di awal periode ditambah dengan hasil produksi dikurangi volume produk yang dikirim ke gudang cabang dan estimasi kerusakana atau kebocoran galon. Output sub model ini menjadi masukan bagi sub model tingkat persediaan dan sub model pengiriman produk. 3.7 Sub Model Estimasi Pengembalian Galon Kosong Sub model ini berfungsi untuk mengestimasi jumlah kosong yang akan kembali pada periode estimasi. Banyak atau kecilnya estimasi galon kosong yang kembali bergantung pada rencana pengiriman produk. Sub model ini didapatkan dari perkalian antara rasio tingkat pengembalian galon kosong dengan jumlah produk yang akan dikirimkan pada periode tersebut. Rasio tingkat pengembalian galon kosong didapatkan dari hasil simulasi dengan sebaran data tertentu yang disimpan dalam basis data yang merupakan output dari sub model tingkat pengembalian galon kosong. 22
5 3.8 Sub Model Kekurangan Galon Kosong Sub model ini berfungsi menghitung kekurangan galon kosong untuk produksi yang didapatkan dari selisih antara volume galon kosong yang dibutuhkan untuk produksi dengan volume galon kosong yang kembali jika volume galon kosong kembali lebih kecil dari volume galon kosong yang dibutuhkan. 3.9 Sub Model Kelebihan Galon Kosong Sub model ini berfungsi untuk menghitung kelebihan galon kosong. Kelebihan galon diperoleh apabila estimasi jumlah produksi melebihi kapasitas pabrik terpasang. Kelebihan galon kosong dihitung dari selisih antara kapasitas produksi yang terpasang dikurangi dengan estimasi jumlah produksi. 4.4 RANCANGAN MODEL Sistem Manajemen Dialog Sistem digunakan untuk mempermudah pengguna dalam melakukan pengolahan data dengan memasukan data-data dari pengguna serta untuk menyampaikan solusi yang dihasilkan pengolahan perangkat lunak kepada pengguna. Dialog dibuat sebaik mungkin agar memudahkan interaksi antara pengguna dengan model. Tampilan program dapat dilihat pada Gambar 9. Gambar 9. Form Utama Perangkat Lunak PMIG
6 4.4.2 Sistem Manajemen Basis Data Sistem Manjemen basis data terdiri dari dua modul yaitu untuk menyiman data dan untuk menyimpan paramenter evaluasi data Modul Data Modul ini menyimpan data dari jumlah pengiriman produk, jumlah pengembalian galon kosong, data hasil estimasi prakiraan permintaan dan data hasil simulasi tingkat pengembalian galon kosong Modul Parameter Parameter yang dimasukan dalam model ini adalah data terbaru saat dilakukan estimasi, parameter jumlah periode yang akan diestimasi, estimasi kerusakan atau kebocoran galon, dan estimasi penyimpangan pengiriman dari prakiraan permintaan Sistem Manajemen Basis Model Model dikembangkan dalam tiga model yaitu model prakiraan permintaan, model tingkat pengembalian galon kosong dan model estimasi kondisi persediaan galon. Model prakiraaan permintaan berfungsi sebagai acuan untuk menyusun rencana produksi. Prakiraan permintaan dapat dijadikan acuan dalam penentuan tingkat persediaan, pengiriman produk dan kebutuhan galon kosong untuk produksi. Model prakiraan permintaan memberikan beberapa metode untuk menghitung perkiraan jumlah permintaan masa depan dengan menggunakan data historis pengiriman galon isi. Model estimasi kondisi persediaan galon berfungsi untuk menggambarkan keadaan nyata mutasi galon mulai dari kedatangan galon kosong atau penambahan galon baru, produksi, sampai dengan persediaan galon isi. Model ini memperhitungkan tingkat persediaan produk, kekurangan produk, estimasi permintaan produksi, realisasi produksi, pengiriman produk, hasil produksi, estimasi galon kembali, kekurangan galon kosong, dan stok produk. Diagram alir yang menggambarkan keterkaitan antara model dan sub model dapat dilihat pada Gambar Model Prakiraan Permintaan Galon Isi Model ini berfungsi untuk memprediksi jumlah permintaan produksi dari konsumen. Model memprakirakan permintaan dalam periode harian dengan menggunakkan data historis pengiriman sebanyak 91 hari dari tanggal 2 Januari 2011 sampai dengan tanggal 2 April Model akan mengestimasi prakiraan permintaan sebanyak 91 periode mendatang. Dalam model ini akan disediakan beberapa metode pemulusan seperti, perataan bergerak tunggal, eksponensial tunggal, eksponensial ganda dan metode winters. Pemilihan teknik prakiraan permintaan dapat dilihat dari pola data yang terbentuk. Tabel 1 menunjukan cara pemilihan teknik prakiraan permintaan berdasarkan pola data yang terbentuk. 24
7 Tabel 1. Parameter Pemilihan Teknik Prakiraan Permintaan Deret Waktu Pola Data Perataan Bergerak Tunggal Perataan Eksponensial Tunggal Perataan Eksponensial Ganda Metode Winters Kerandoman Acak/Berpola Acak/Berpola Acak / Bepola Berpola/ Dapat Ditentukan Stasioner Non Stasioner Linear Non Stasioner Non Linear Non Stasioner Musiman Pertama, data historis diplotkan dalam grafik lalu dibaca sesuai dengan pola data yang terbentuk. Teknik peramalan perataan bergerak tunggal dipilih apabila pola data yang terbentuk stasioner. Teknik perataan bergerak tunggal dipilih karena mampu mengubah pengaruh data masa lalu terhadap nilai tengah. Setiap muncul nilai observasi baru, nilai ratarata baru dapat dihitung dengan membuang nilai observasi yang paling tua dan memasukkan nilai observasi yang terbaru. Jika pola data menunjukan kecenderungan (trend) atau membentuk deret eksponensial, digunakan peramalan dengan teknik pemulusan eksponensial tunggal dan teknik pemulusan eksponensial ganda. Sedangkan apabila pola data menunjukan pola data tertentu dan adanya pengaruh musiman ataupun tidak dapat ditentukan pola datanya maka metode winters dapat digunakan. Setelah pemilihan teknik peramalan yang sesuai dengan pola data terbentuk maka nilai estimasi X (t) = nilai peramalan F (t+m). 1.1 Metode Perataan Bergerak Tunggal (SMA) Langkah-langkah pemodelan dengan metode perataan bergerak tunggal adalah: a. Penentuan panjang periode perataan bergerak N, banyak data m prakiraan. b. Perhitungan rata-rata data T-n+1 sampai data ke t, S c. Tentukan peramalan data ke t dengan m =1 dengan persamaan Ft 1 ST atau MA T 1.2 Metode Pemulusan Eksponensial Tunggal (SES) Langkah-langkah pemodelan dengan metode pemulusan eksponensial tunggal adalah: a. Penentuan nilai konstanta alfa ( ) antara 0 sampai 1, banyak data m prakiraan X X X... X ST N t t 1 t 2 t N 1 b. Inisiasi X X X X X X F / / 25
8 c. Perhitungan peramalan (F (t) ) : F t = Nilai peramalan = Konstanta Pemulusan t = Kesalahan (error) 1 1 F X F atau F X F t 1 t t t t 1 t 1 F F X F atau F F t 1 t t t t 1 t t 1.3 Metode Pemulusan Eksponensial Ganda (Holt s Method) Langkah-langkah pemodelan dengan merode pemulusan eksponensial (Holt s Method) adalah: a. Penentuan nilai konstanta alfa ( ) dan beta ( ), banyak data m prakiraan b. Inisiasi nilai F 1 =X 1 dan b 1 = X 2 -X 1 c. Perhitungan pemulusan: St = Pemulusan Keseluruhan bt = Pemulusan Trend S X S b t t t t b S S b t t t 1 t 1 d. Perhitungan Peramalan F (t) : Ft m St bt ( m) 1.4 Metode Winters Langkah-langkah pemodelan dengan metode winters adalah : a. Penentuan nilai konstanta alfa ( ), beta ( ),dan gamma ( ), banyak data m prakiraan b. Inisiasi nilai I t t _ X / X, _ X L X i / L, dan i 1 X X X X X X 1 b, S X L L L L c. Perhitungan pemulusan L 1 1 L 2 2 L L 1 awal L 1 L 1 St = Pemulusan Keseluruhan bt = Pemulusan Trend It = Pemulusan Musiaman X S S b 1 t t t 1 t 1 It L 1 b S S b t t t 1 t 1 X t It 1 I S t t L d. Perhitungan Peramalan F ( S b m) I t m t t t L m 26
9 2. Model Tingkat Pengembalian Galon Kosong Model ini akan mensimulasikan rasio tingkat pengembalian yang didapatkan dari perbandingan antara jumlah galon kosong yang kembali dengan jumlah produk yang dikirim. Pertama hitung rasio tingkat pengembalian dari data historis jumlah pengembalian galon kosong dari konsumen atau distributor dan data historis jumlah pengiriman produk. Setelah dihitung nilai rasio dari data historis maka nilai tersebut diidentifikasi menurut sebaran teoritis tertentu. Kemudian pembangkitan data menggunakan teori simulasi monte carlo dengan menggunakan bantuan program EasyFit 5.5 sebanyak data yang diperlukan. 3. Model Kondisi Persediaan Galon Model Kondisi Persediaan galon terdiri dari banyak sub bab yaitu : 3.1 Sub Model Tingkat Persediaaan Sub model berfungsi untuk mengetahui tingkat persediaan yang ada di gudang apabila kebutuhan permintaan periode sekarang telah terpenuhi. Input dari sub model ini adalah prakiraan permintaan pada setiap periode dan jumlah persediaan produk pada periode sebelumnya. Output yang dihasilkan merupakan selisih antara jumlah persediaan produk pada periode sebelumnya dengan jumlah prakiraan permintaan pada periode sekarang. Kondisi persediaan tingkat persediaan diperoleh dengan menggunakan persamaan 1. TPP (t) = SGI (t-1) PP (t)...(1) TPP (t) = Tingkat persediaan galon isi pada periode ke-t SGI (t-1) = Volume stok galon isi satu periode sebelum periode ke-t = Prakiraan permintaan periode pada periode ke-t (galon/hari) PP (t) 3.2 Sub Model Estimasi Kekurangan Produk Sub model ini berfungsi untuk mengetahui kekurangan sejumlah produk yang tidak mampu mencukupi permintaan pada periode estimasi. Estimasi kekurangan produk dibagi ke dalam dua kondisi. Kondisi pertama untuk periode 6, 13, 20 dan kelipatannya, dimana periode estimasi pada hari sabtu. Kondisi kedua untuk periode selain 6, 13, 20 dan kelipatannya, dimana periode estimasi berada pada hari senin, selasa, rabu, kamis, dan jumat. Output sub model ini akan menjadi input bagi sub model estimasi permintaan produksi. Sub model dapat ditulis pada persamaan 2, 3, 4, dan 5. Untuk t < > 6, 13, 20 dst. Jika TPP (t) >= 0 maka EKP(t) = 0...(2) Jika TPP (t) < 0 maka EKP (t) = TPP (t)...(3) Untuk t = 6, 13, 20 dst. Jika TPP (t) >= PP (t+1) maka EKP (t) = 0...(4) Jika TPP (t) < PP (t+1) maka EKP (t) = PP (t+1) TPP (t)...(5) EKP(t) = Estimasi kekurangan produk pada periode ke-t PP (t+1) = Prakiraan permintaan pada satu periode setelah periode ke-t 27
10 3.3 Sub Model Estimasi Permintaan Produksi Sub model ini berfungsi untuk memberikan perintah kepada bagian produksi untuk memproduksi minimal sejumlah produk berdasarkan kekurangan produk, jumlah galon kosong yang kembali dan kelebihan galon kosong. Pada periode ke 7 dan kelipatannya, dimana tidak ada aktivitas produksi karena bertepatan dengan hari minggu sehingga estimasi produksi tidak dilakukan atau bernilai nol. Output model ini akan menjadi input bagi model realisasi produksi. Sub model ini dituliskan dengan persamaan 6, 7, dan 8. Untuk t = 7, 14, 21 dst. EPP (t) = 0...(6) Untuk t < > 7, 14, 21 dst. Jika EKP (t) > = GKK (t-1) + KeGK (t-1) maka EPP (t) =EKP (t)...(7) Jika EKP (t) < GKK (t-1) + KeGK (t-1) maka EPP (t) = GKK (t-1) + KeGK (t-1)...(8) EPP (t) = Estimasi permintaan produksi periode ke-t EKP (t) = Estimasi kekurangan produk periode ke-t GKK (t-1) = Galon kosong yang kembali satu periode sebelum periode ke-t KeGK (t-1) = Estimasi kelebihan galon kosong satu periode sebelum periode ke-t 3.4 Sub Model Realisasi Produksi Sub model ini berfungsi untuk menyesuaikan antara estimasi produksi dengan kapasitas terpasang. Setelah dilakukkan penyesuaian maka jumlah produk yang harus diproduksi sesuai dengan penyesuaian tersebut. Pada periode ke 7, 14 dan kelipatannya, dimana tidak ada aktivitas produksi karena bertepatan dengan hari minggu sehingga realisasi produksi tidak dilakukan. Sedangkan periode ke 8, 15, 22 dan kelipatannya merupakan hari senin. Output sub model ini merupakan jumlah produk yang akan dihasilkan dan akan menjadi masukan bagi sub model pengiriman produk dan pengiriman produk. Sub model ini dapat dituliskan dengan persamaan 9, 10, 11, 12, dan 13. Untuk t = 7, 14, 21 dst. RP (t) = 0...(9) Untuk t = 8, 15, 22 dst. Jika EPP (t) > = 1600 maka RP (t) = (10) Jika EPP (t) < 1600 maka RP (t) = EPP (t) + GKK (t-2)...(11) Untuk t < > 7, 14, 21 dst dan t < > 8, 15, 22 dst. Jika EPP (t) > = 1600 maka RP (t) = (12) Jika EPP (t) < 1600 maka RP (t) = EPP (t)...(13) RP (t) = Realisasi produksi pada periode ke-t GKK (t-2) = Estimasi galon kosong kembali dua periode sebelum periode ke- t 28
11 3.5 Sub Model Pengiriman Produk Sub model ini berfungsi untuk pengiriman produk yang siap untuk dikirim ke distributor atau konsumen. Sub model ini bergantung pada jumlah prakiraan permintaan dan kecukupan stok akhir setelah produksi untuk memenuhi jumlah permintaan pengiriman. Sub model ini dapat dituliskan dengan persamaan 14 dan 15. Jika PP (t) * (1-Est. Pen) > = RP (t) + SGI (t-1) maka MPP (t) = RP (t) + SGI (t-1)...(14) Jika PP (t) * (1-Est. Pen) < RP (t) + SGI (t-1) maka MPP (t) = PP (t) *(1- Est. Pen)... (15) MPP (t) = Model pengiriman produk pada periode ke-t SGI (t) = Stok Produk pada periode ke-t Est. Pen = Persentase penyimpangan pengiriman produk dari prakiraan permintaan. 3.6 Sub Model Stok Produk Sub model ini berfungsi untuk menghitung total stok produk akhir setelah penambahan produk yang dihasilkan dengan stok produk periode sebelumnya dan dikurangi dengan pengiriman produk. Sub model ini dapat dituliskan dengan persamaan 16. SGI (t) = (SGI (t-1) + RP (t) MPP (t) ) *(1- Est. Bocor)...(16) SGI (t) = Stok produk pada periode ke-t RP (t) = Relalisasi produksi pada periode ke-t Est.Bocor = Persentase kemungkinan produk akan bocor selama penyimpanan. 3.7 Sub Model Estimasi Pengembalian Galon Kosong Sub model ini berfungsi untuk memprakirakan galon kosong yang akan kembali ke pabrik. Pengembalian galon kosong sangat bergantung pada hasil simulasi dari tingkat pengembalian galon kosong. Sub model ini dapat dituliskan dengan persamaan 17. GKK (t) = TP (t) *( PP (t) *(1- Est. Pen))...(17) GKK (t) = Galon Kosong yang kembali pada periode ke-t TP (t) = Tingkat pengembalian galon kosong pada periode ke-t 3.8 Sub Model Kekurangan Galon Kosong Sub model ini berfungsi untuk menghitung kekurangan galon kosong berdasarkan estimasi permintaan produksi. Pada periode 7, 14 dan kelipatannya tidak ada aktivitas produksi, sehingga tidak ada kekurangan galon kosong untuk produksi. Sub model ini dapat dituliskan dengan persamaan 18 dan 19. Untuk t <> 7, 14, 21 dst. KGK (t) = EPP (t) - GKK (t-1)...(18) Untuk t = 7, 14, 21 dst. KGK (t) = 0...(19) KGK (t) = Kekurangan galon kosong pada periode ke-t EPP (t) = Estimasi produksi pada periode ke-t 29
12 3.9 Sub Model Kelebihan Galon Kosong Sub model ini berfungsi untuk menghitung kelebihan galon kosong apabila estimasi jumlah produksi melebihi kapasitas pabrik terpasang. Kapasitas pabrik yang terpasang adalah Sub model ini dapat dituliskan dengan persamaan 20 dan 21 Jika EPP (t) >1600 maka KeGK (t) = EPP (t) (20) Jika EPP (t) < 1600 maka KeGK (t) = 0...(21) KeGK (t) = Kelebihan galon kosong pada periode ke-t EPP (t) = Estimasi produksi pada periode ke-t 30
13 Mulai Data Permintaan Produk Analisis Pola Data : Plot Data per periode hari Data Pengembalian Galon Kosong Tingkat Pengembalian TP= Data Pengembalian/ Data Pengiriman Pemilihan Teknik Perkiraan Uji Distribusi Data (EasyFit 5.5) Model Peramalan Permintaan H0: data berdistribusi teoritis tertentu Hasil Prakiraan Permintaan Uji Kolmogrov Sminorv Terima H0 Terima Nilai Error (MAPE) Uji Anderson Darling Terima H0 TIdak Model Estimasi Prakiraan Permintaan Estimasi Prakiraan Permintaan menggunakan Pemulusan Eksponensial Tunggal Model Estimasi Kondisi Persediaan Estimasi Tingkat Pengembalian Galon Menggunakan Simulasi Teoritis Estimasi Tingkat Pengembalian Galon Meggunakan Simulasi empiris A 31
14 A Mulai Stok Awal Produk Jumlah Galon Kosong Kembali Estimasi Kerusakan Galon Estimasi Penyimpangan Pengiriman Data Permintaan Produk PP(t) Periksa Tingkat Persediaan Produk TPP (t) = SGI (t-1) PP (t) Estimasi Kekurangan Produk (t mod 7) = 6 TPP (t) < PP (t+1) TPP (t) < 0 EKP = TPP (t) EKP = 0" EKP (t) = PP (t+1) TPP (t) Est. Permintaan Produksi If (t mod 7)=0 then EPP (t) = 0 EKP (t) > = GKK (t-1) + KeGK (t-1) EPP (t) =EKP (t). EPP (t) = GKK (t-1) + KeGK (t-1) RP (t) = 0" Realisasi Produksi If (t mod 7)=0 Realisasi Produksi If (t mod 7)=1 EPP (t) > = 1600 EPP (t) > = 1600 RP (t) = 1600 RP (t) = EPP (t) + GKK (t-2) RP (t) =EPP (t) C B 32
15 C B Pengiriman Produk PP (t) * (1-Est. penyimpangan) > = RP (t) + SGI (t-1) MPP (t) = PP (t) *(1- Est. penyimpangan) MPP (t) = RP (t) + SGI (t-1) Galon Kosong Kembali GKK (t) = TP (t) *( PP (t) *(1- Est. penyimpangan)) Next t Stok Galon SGI (t) = (SGI (t-1) + RP (t) MPP (t) ) *(1- Est. Kebocoran Galon) Selesai Gambar 10. Diagram Alir Deskriptif Model Pengendalian Persediaan Galon 33
BAB V HASIL DAN PEMBAHASAN 5.1 OBSERVASI LAPANG
BAB V HASIL DAN PEMBAHASAN 5.1 OBSERVASI LAPANG Perum Perhutani Unit III Jawa Barat dan Banten merupakan salah satu perusahaan yang memproduksi air minum dalam kemasan. Perusahaan memproduksi berbagai
Lebih terperinciBAB III METODOLOGI 3.1 KERANGKA PEMIKIRAN
BAB III METODOLOGI 3.1 KERANGKA PEMIKIRAN Manajemen rantai pasok merupakan salah satu alat bersaing di industri, mulai dari pasokan bahan baku, bahan tambahan, kemasan, pasokan produk akhir ke tangan konsumen
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para pimpinan suatu perusahaan atau para pelaku bisnis harus menemukan cara untuk terus
Lebih terperinciBAB I PENDAHULUAN. yang ada pada CV. Agung Jaya Cabang Pabean diperoleh dari supplier atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah CV. Agung Jaya Cabang Pabean adalah cabang perusahaan CV. Agung Jaya Kalang Anyar Sedati. CV. Agung Jaya Cabang Pabean merupakan distributor alat tulis kantor
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciIII KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Permintaan III KERANGKA PEMIKIRAN Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Penelitian Pada dasarnya setiap perusahaan memiliki tujuan yang sama yaitu mendapatkan keuntungan untuk kelancaraan kontinuitas usahanya dan mampu bersaing
Lebih terperinciBAB 1 PENDAHULUAN. Pasar global dewasa ini tanpa disadari telah membuat kompetisi di dalam dunia
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Pasar global dewasa ini tanpa disadari telah membuat kompetisi di dalam dunia perindustrian menjadi hal yang lebih penting. Pasar yang dulunya pada masa Perang
Lebih terperinciIII. LANDASAN TEORI A. TEKNIK HEURISTIK
III. LANDASAN TEORI A. TEKNIK HEURISTIK Teknik heuristik adalah suatu cara mendekati permasalahan yang kompleks ke dalam komponen-komponen yang lebih sederhana untuk mendapatkan hubungan-hubungan dalam
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1. Peramalan 2.1.1. Pengertian dan Kegunaan Peramalan Peramalan (forecasting) menurut Sofjan Assauri (1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
13 BAB 1 PENDAHULUAN 1.1 Latar Belakang Era globalisasi saat ini, perkembangan zaman semankin maju dan berkembang pesat, di antaranya banyak pernikahan dini yang menyebabkan salah satu faktor bertambahnya
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )
TUGAS AKHIR PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati (1207 100 031) Dosen Pembimbing: Drs. I G Ngurah Rai Usadha, M.Si Dra. Nuri
Lebih terperinci2015 RANCANG BANGUN SISTEM APLIKASI PERAMALAN JUMLAH MUATAN KAPAL RO-RO DENGAN METODE WINTER S TIGA PARAMETER
BAB I PENDAHULUAN Dalam bab ini akan dibahas latar belakang dilakukannya penelitian, rumusan masalah, batasan masalah, manfaat penelitian, metodologi penelitian, serta sistematika penulisan. 1.1. Latar
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1 Teori Dunia industri biasanya tak lepas dari suatu peramalan, hal ini disebabkan bahwa peramalan dapat memprediksi kejadian di masa yang akan datang untuk mengambil keputusan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Sejarah Umum Perusahaan Saputra Plastik adalah perusahaan yang bergerak dalam bidang pemasaran berbagai jenis plastik seperti PP, PE, HD, dan Tali Plastik ; didirikan pada
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto
18 BAB 2 TINJAUAN TEORITIS 2.1 Produk Domestik Regional Bruto Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Sedangkan ramalan adalah
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Untuk menunjang kegiatan penelitian, dalam bab ini akan dijabarkan desain penelitian, alat dan bahan, dan bahan penelitian. 3.1 Desain Penelitian Desain penelitian yang digunakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciBAB IV METODE PERAMALAN
Metode Peramalan 15 BAB METODE PERAMALAN 4.1 Model Sederhana Data deret waktu Nilai-nilai yang disusun dari waktu ke waktu tersebut disebut dengan data deret waktu (time series). Di dunia bisnis, data
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciPEMODELAN SISTEM Asumsi Penyusunan Model Rancang Bangun Sistem Penunjang Keputusan
PEMODELAN SISTEM Asumsi Penyusunan Model Perencanaan produksi agregat dan jadwal induk produksi jus berbahan baku buah segar menggunakan beberapa asumsi untuk mendukung penyusunan model. Asumsi-asumsi
Lebih terperinciPENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN
PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN Ryan Putranda Kristianto 1), Ema Utami 2), Emha Taufiq Lutfi 3) 1, 2,3) Magister Teknik informatika STMIK
Lebih terperinciBAB II LANDASAN TEORI. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada
BAB II LANDASAN TEORI 2.1 Konsep Sistem Informasi Sebelum merancang sistem perlu dikaji konsep dan definisi dari sistem.. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Teoritis 3.1.1. Konsep Harga Harga yang terjadi di pasar merupakan nilai yang harus dibayarkan konsumen untuk mendapatkan suatu produk yang diinginkannya.
Lebih terperinciUniversitas Gunadarma PERAMALAN
PERAMALAN PERAMALAN Kebutuhan Peramalan dalam Manajemen Produksi dan Operasi Manajemen Operasi/produksi menggunakan hasil-hasil peramalan dalam pembuatan keputusan-keputusan yang menyangkut pemilihan proses,
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Dari uraian latar belakang masalah, penelitian ini dikategorikan ke dalam penelitian kasus dan penelitian lapangan. Menurut Rianse dan Abdi dalam Surip (2012:33)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Peramalan Peramalan ( forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan
Lebih terperinciBAB I PENDAHULUAN. Sedangkan untuk galvalum reng memiliki beberapa tipe yaitu Reng I A, Reng
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah PT. Indoberka Investama merupakan perusahaan nasional yang bergerak dalam bidang kontruksi, fabrikasi, dan distributor rangka atap baja ringan. Lokasi kantor
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA y (x 3,y 3 ) d 3 (x 5,y 5 ) d 5 d 2 (x 2,y 2 ) d (x 1 1,y 1 ) d 4 (x 4,y 4 ) x Definisi: Dari semua kurva pendekatan terhadap satu set data, kurva yang memenuhi sifat bahwa nilai
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB I PENDAHULUAN. PT. Baba Rafi Indonesia merupakan perusahaan waralaba (franchise)
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah PT. Baba Rafi Indonesia merupakan perusahaan waralaba (franchise) makanan cepat saji khas Timur Tengah yang kini semakin dikenal luas. PT. Baba Rafi Indonesia
Lebih terperinciPERANCANGAN SIMULASI PENGACAKAN SOAL TRYOUT UNTUK MEMBENTUK PAKET SOAL UJIAN NASIONAL MENGGUNAKAN LINEAR CONGRUENT METHOD (LCM)
PERANCANGAN SIMULASI PENGACAKAN SOAL TRYOUT UNTUK MEMBENTUK PAKET SOAL UJIAN NASIONAL MENGGUNAKAN LINEAR CONGRUENT METHOD (LCM) Darma Perwira Hasibuan (0911467) Mahasiswa Jurusan Teknik Informatika, STMIK
Lebih terperinciBAB II LANDASAN TEORI. dan bekerja sama untuk memproses masukan atau input yang ditunjukkan kepada
BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Informasi Menurut Kristanto (2003:2), sistem adalah kumpulan elemen elemen dan bekerja sama untuk memproses masukan atau input yang ditunjukkan kepada sistem
Lebih terperinciTOOLS SIMULASI INVENTORI PADA SUPERMARKET
TOOLS SIMULASI INVENTORI PADA SUPERMARKET 1) Benny Santoso 2) Liliana 3) Imelda Yapitro Jurusan Teknik Informatika Fakultas Teknik Universitas Surabaya Raya Kalirungkut Surabaya 60293 (031) 298 1395 email
Lebih terperinciMETODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN
METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN Peramalan kuantitatif hanya dapat digunakan apabila terdapat
Lebih terperinciBAB III PERAMALAN DENGAN METODE DEKOMPOSISI. (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi masingmasing
BAB III PERAMALAN DENGAN METODE DEKOMPOSISI 3.1 Metode Dekomposisi Prinsip dasar dari metode dekomposisi deret berkala adalah mendekomposisi (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
BAB 2 LADASA TEORI 2.1 Pengertian Peramalan (Forecasting) Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan
Lebih terperinciBAB I PENDAHULUAN I.1
BAB I PENDAHULUAN I.1 Latar Belakang Pengguna jasa transportasi (penumpang) menginginkan pelayanan yang prima, baik dalam hal keselamatan, kenyamanan, maupun harga yang ditawarkan. Saat ini penumpang memiliki
Lebih terperinciPERAMALAN PERMINTAAN. Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M.
PERAMALAN PERMINTAAN Disiapkan oleh: Bambang Sutrisno, S.E., M.S.M. PENTINGNYA PERAMALAN EKONOMI Tujuan Peramalan Ekonomi adalah untuk mengurangi risiko atau ketidakpastian yang dihadapi perusahaan dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Untuk menunjang kegiatan penelitian dalam bab ini akan dijabarkan desain penelitian, alat dan bahan, dan bahan penelitian. 3.1 Desain Penelitian Desain Penelitian merupakan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Vanissa Hapsari,2013
BAB I PENDAHULUAN 1.1. Latar Belakang Tingkat pencemaran udara di beberapa kota besar cenderung meningkat dari tahun ke tahun. Hal ini disebabkan oleh beberapa faktor diantaranya jumlah transportasi terus
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Matematika memegang peranan penting dalam kehidupan. Selain sebagai salah satu kajian ilmu utama dalam pendidikan, matematika juga berperan untuk menunjang ilmu-ilmu
Lebih terperinciEvelina Padang, Gim Tarigan, Ujian Sinulingga
Saintia Matematika Vol. 1, No. 2 (2013), pp. 161 174. PERAMALAN JUMLAH PENUMPANG KERETA API MEDAN-RANTAU PRAPAT DENGAN METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS Evelina Padang, Gim Tarigan, Ujian Sinulingga
Lebih terperinciBAB II LANDASAN TEORI. Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang
7 BAB II LANDASAN TEORI 2.1 Sistem Informasi 2.1.1 Sistem Suatu sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan meramalkan atau memprediksi apa yang akan terjadi dimasa yang akan datang dengan waktu tenggang (lead time) yang relative lama,
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 1.1 Landasan Teori 1.1.1 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Menurut kamus besar bahasa indonesia, prediksi adalah hasil dari kegiatan memprediksi atau
Lebih terperinciBAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA
BAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA Forecasting adalah suatu peramalan nilai sebuah atau sekumpulan variabel pada satu titik waktu di masa depan. Dalam melakukan perhitungan peramalan pertumbuhan
Lebih terperinciHASIL DAN PEMBAHASAN Kondisi Produksi Proses Produksi
HASIL DAN PEMBAHASAN Kondisi Produksi Proses Produksi Proses produksi adalah suatu rangkaian operasi yang dilalui bahan baku baik secara fisik maupun kimia untuk meningkatkan nilai tambah dan nilai jualnya.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan adalah alat bantu yang penting dalam perencanaan yang efektif dan efisien (Makridakis,1991). Peramalan merupakan studi terhadap data historis untuk menemukan
Lebih terperinciAPLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI
APLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI Robi Irsamukhti dan Nurita Putri Hardiani Program Studi Magister Terapan Teknik Panas Bumi Institut Teknologi
Lebih terperinciBAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT
BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan
Lebih terperinciPembahasan Materi #7
1 EMA402 Manajemen Rantai Pasokan Pembahasan 2 Pengertian Moving Average Alasan Tujuan Jenis Validitas Taksonomi Metode Kualitatif Metode Kuantitatif Time Series Metode Peramalan Permintaan Weighted Woving
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian terhadap populasi yang sangat besar, kita perlu melakukan suatu penarikan sampel. Hal ini dikarenakan tidak selamanya kita dapat
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB 2 LANDASAN TEORITIS 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
Lebih terperinciPeramalan (Forecasting)
Peramalan (Forecasting) Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama ( assaury, 1991). Sedangkan ramalan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
Lebih terperinciBAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI. Metode peramalan yang biasanya dilakukan didasarkan atas konsep
BAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI Metode peramalan yang biasanya dilakukan didasarkan atas konsep bahwa apabila terdapat pola yang mendasari suatu deret data, maka pola tersebut dapat
Lebih terperinciBAB 2 LANDASAN TEORI
20 BAB 2 LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Lebih terperinciV. ANALISA DAN PEMBAHASAN. A. Analisa Penentuan Pemesanan Biro Fajar Antang. sehingga mengakibatkan timbulnya return yang masih tinggi.
77 V. ANALISA DAN PEMBAHASAN A. Analisa Penentuan Pemesanan Biro Fajar Antang Dari hasil wawancara dengan manager Sirkulasi dan pimpinan Biro Fajar Antang, selama ini Biro Fajar Antang melakukan pemesanan
Lebih terperinciSKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA
APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING SKRIPSI Disusun oleh: DANI AL MAHKYA 24010210141025 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB 2 LANDASAN TEORI. variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Peramalan Merupakan bagian
Lebih terperinciMODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE
MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE Data yang digunakan adalah data M2Trend.wf1 (buku rujukan pertama, bab-8). Model analisisnya adalah Xt = M2 diregresikan dengan t = waktu. Model yang akan
Lebih terperinciBAB 2 TINJAUAN TEORI. akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
BAB 2 TINJAUAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi di masa yang akan datang dalam waktu yang relatif lama, peramalan tidak
Lebih terperinciBAB 1 PENDAHULUAN. Perekonomian dewasa ini telah menimbulkan persaingan yang ketat antara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perekonomian dewasa ini telah menimbulkan persaingan yang ketat antara setiap perusahaan dalam mengembangkan usahanya. Kondisi ini menuntut setiap perusahaan
Lebih terperinciSISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara (0911011) Mahasiswa Program Studi Teknik Informatika,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB II LANDASAN TEORI. saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan
BAB II LANDASAN TEORI 2.1 Pengertian Sistem Menurut Amsyah (2005), definisi sistem adalah elemen-elemen yang saling berhubungan membentuk suatu kesatuan atau organisasi atau suatu jaringan kerja dari prosedur
Lebih terperinciSebelah Utara dengan Kabupaten Asahan dan Selat Malaka. Sebelah Timur dengan Provinsi Riau. Sebelah Selatan dengan Kabupaten Tapanuli Selatan.
20 BAB 2 LANDASAN TEORI 2.1 Demografi Penduduk Demografi adalah uraian tentang penduduk, terutama tentang kelahiran, perkawinan, kematian dan migrasi. Demografi meliputi studi ilmiah tentang jumlah penduduk,
Lebih terperinciBAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015
BAB III PERAMALAN 3.1 Landasan Teori Peramalan merupakan suatu bentuk usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa
Lebih terperinciBAB IV PENGUJIAN DAN EVALUASI SISTEM. keras dan perangkat lunak yang telah dibuat. Berdasarkan data-data dan bukti
62 BAB IV PENGUJIAN DAN EVALUASI SISTEM Pada bab pengujian sistem ini akan dibahas tentang hasil pengujian perangkat keras dan perangkat lunak yang telah dibuat. Berdasarkan data-data dan bukti pengujian
Lebih terperinciAplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya
Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya Rudy Adipranata 1, Tanti Octavia 2, Andi Irawan 1 Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya Pendahuluan Pentingnya
Lebih terperinciIII. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING
III. MATEMATIKA DAN STATISTIKA APLIKASI (S.1) EFEK PERUBAHAN POLA CUACA PADA DEBIT AIR MASUK DI WADUK SAGULING Yurian Yudanto (yurian.yudanto@yahoo.com) Jurusan Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciPENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA
SISTEM PENDUKUNG KEPUTUSAN PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT TELKOMSEL Divre 3 SURABAYA Alda Raharja - 5206 100 008! Wiwik Anggraeni, S.Si, M.Kom! Retno
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Peramalan (forecasting) 2.1.1. Hubungan Forecast dengan Rencana Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa
Lebih terperinciBAB I PENDAHULUAN. bagaimana iklim dapat berbeda pada suatu tempat dengan tempat lainya dan
BAB I PENDAHULUAN 1.1 Latar Belakang Klimatologi adalah ilmu yang membahas dan menerangkan tentang iklim, bagaimana iklim dapat berbeda pada suatu tempat dengan tempat lainya dan bagaimana kaitan antara
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
Lebih terperinciSistem Infornasi Estimasi Penjualan Dengan Menggunakan Metode Exponential. Abstraksi
Sistem Infornasi Estimasi Penjualan Dengan Menggunakan Metode Exponential Smoothing (Studi Kasus : PT. Sumber Bening Lestari) 1)Krisna Setya Wardana2)Antok Supriyanto3)M. Arifin 1)Program Studi Sistem
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM Bab ini menguraikan tentang analisa dan perancangan sistem untuk mengimplementasikan metode Double Exponential Smoothing (DES) pada aplikasi prediksi jumlah pasien
Lebih terperinciBAB I PENDAHULUAN. untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993).
BAB I PENDAHULUAN 1.1 Latar Belakang Prediksi terhadap kejadian di masa depan disebut ramalan, dan tindakan untuk membuat prediksi tersebut disebut peramalan (Bowerman, 1993). Peramalan diperlukan untuk
Lebih terperinciBAB 4 PEMBAHASAN. PT. PLN (Persero) Udiklat Jakarta merupakan lembaga pendidikan yang
BAB 4 PEMBAHASAN P. PLN (Persero Udiklat Jakarta merupakan lembaga pendidikan yang memiliki fungsi untuk meningkatkan kompetensi SM Pegawai P. PLN (Persero. Selayaknya tempat pelatihan dan pembelajaran,
Lebih terperinciMembuat keputusan yang baik
Membuat keputusan yang baik Apakah yang dapat membuat suatu perusahaan sukses? Keputusan yang dibuat baik Bagaimana kita dapat yakin bahwa keputusan yang dibuat baik? Akurasi prediksi masa yang akan datang
Lebih terperinciLECTURE 12 Analisis Dekomposisi dan Model Runtut Waktu
LECTURE 12 Analisis Dekomposisi dan Model Runtut Waktu DR. MUDRAJAD KUNCORO, M.Soc.Sc Fakultas Ekonomi & Pascasarjana UGM Outline: Akar Unit Exponential Smoothing Moving Average Trend Proyeksi Apa Arti
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciBab III PERANCANGAN PROGRAM APLIKASI
35 Bab III PERANCANGAN PROGRAM APLIKASI 3.1 Spesifikasi Rumusan Rancangan Perancangan program aplikasi ini terbagi menjadi dua bagian yaitu proses, yaitu : proses input dan hasil keluaran atau output Proses
Lebih terperinciBAB III PERAMALAN 3.1 Landasan Teori Peramalan
BAB III PERAMALAN 3.1 Landasan Teori Peramalan Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk
Lebih terperinciBAB 4 IMPLEMENTASI HASIL PENELITIAN
45 BAB 4 IMPLEMENTASI HASIL PENELITIAN 4.1 Spesifikasi Hardware dan Software Rancangan ini dibuat dan dites pada konfigurasi hardware sebagai berikut: Processor : Intel Pentium 4 CPU 1500 MHz. Memory :
Lebih terperinciSIMULASI DISTRIBUSI PELUMAS PT.PERTAMINA UPms V
SIMULASI DISTRIBUSI PELUMAS PT.PERTAMINA UPms V Rasky Sahnan Pilpala, Abdullah Shahab Program Studi Magister Manajemen Teknologi ITS email: rasky_mmt_its@yahoo.co.id ABSTRAK Sejak awal berdirinya PT.PERTAMINA
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Gambaran Umum Objek 3.1.1 Sejarah Perusahaan Perusahaan yang dijadikan penelitian oleh penulis adalah PT. Satriamandiri Citramulia yang berlokasi di Jl. Pangeran Tubagus
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinci