BAB I PENDAHULUAN. Kemunculan minimarket yang begitu banyak membuat manajemen
|
|
- Teguh Agusalim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1. Pendahuluan Kemunculan minimarket yang begitu banyak membuat manajemen perusahaan minimarket harus berfikir kreatif agar dapat bersaing dengan usaha sejenis dalam merebut pangsa pasar. Salah satu cara untuk merebut pangsa pasar adalah dengan menyediakan barang yang diperlukan oleh konsumen. Pengelolaan sebuah minimarket diperlukan untuk menjaga persediaan barang-barang tetap tersedia karena persediaan barang merupakan bagian yang sangat penting dalam perkembangan sebuah minimarket. Jumlah persediaan sangat erat kaitannya dengan berapa target penjualan pada setiap barang yang dijual. Dapat dibayangkan, apabila pemilik minimarket tidak mengetahui kapan ia harus memesan barang atau bahkan tidak tahu berapa barang yang harus dipesan agar dapat menjaga jumlah persediaan di minimarket. Pemilik minimarket bisa saja memesan banyak barang untuk disimpan pada minimarketnya, namun yang perlu diperhatikan adalah jika barang yang dipesan terlalu banyak dan penjualan yang terjadi sedikit, maka barang yang tersimpan pada minimarket dapat menyebabkan kerugian terhadap pemilik minimarket. Pengelola minimarket harus dapat mengetahui berapa jumlah minimal dan maksimal barang agar persediaan barang di minimarket menjadi optimal. Jumlah minimal dan jumlah maksimal barang ditentukan dengan mengetahui berapa jumlah penjualan periode selanjutnya. 1
2 2 Sebuah metode peramalan diperlukan agar dapat menentukan jumlah penjualan periode selanjutnya. Pengelolaan barang yang terdapat pada minimarket saat ini telah digunakan sistem yang dapat mengatur jumlah minimum dan maksimum barang untuk setiap minimarket. Metode peramalan yang digunakan dalam menentukan jumlah penjualan barang periode selanjutnya untuk setiap minimarket adalah moving average. Hasil peramalan yang didapat dari metode tersebut tidak dapat terjamin karena pola data yang terdapat pada bidang retail adalah pola data non stasioner (Kochak and Sharma, 2015). Suatu metode dibutuhkan untuk dapat meramalkan perilaku data non stasioner agar dapat mengurangi kesalahan yang terjadi. Beberapa penelitian mengenai peramalan telah dilakukan, contohnya pada tahun 2015 Ashvin Kochak melakukan penelitian menggunakan metode Artificial Neural Network (ANN) untuk meramalkan permintaan dan penjualan barang pada Supply Chain Management. Pada peneltian ini disebutkan beberapa metode peramalan misalnya Moving Average, Eksponential Smoothing, Box Jenkins, Regresi, dan Econometric. Kelemahan dari metode-metode tersebut adalah susah untuk mengidentifikasi pola data non stasioner. Metode ANN digunakan untuk mengataasi masalah yang terdapat pada beberapa algoritma diatas. Hasil dari penelitian ini dapat dikatakan bahwa metode ANN menghasilkan akurasi yang lebih baik dari beberapa algoritma yang disebutkan sebelumnya (Kochak and Sharma, 2015).
3 3 Penelitian yang dilakukan oleh Rachmat Hidayat dan Suprato menyebutkan penggunaan metode pembelajaran Extreme Learning Machine (ELM) pada ANN memberikan tingkat akurasi dan kecepatan yang lebih baik dari pada metode pembelajaran lainya (Hidayat and Suprapto, 2012). Untuk mendapatkan hasil yang lebih optimal metode peramalan dapat digabungkan dengan beberapa algoritma optimasi misalnya Genetic Algorithm, Particle Swarm Optimization, atau Ant Colony. Seperti penelitian yang dilakukan oleh Joko S. Dwi Raharjo pada tahun 2013, yaitu menggabungkan metode PSO dan metode ANN Backpropagation untuk peramalan inflasi bulanan Indonesia dari bulan Januari 1979 sampai dengan bulan Mei Pada penelitian ini didapatkan hasil penggabungan metode PSO dan ANN memberikan hasil yang lebih akurat dari pada metode ANN (Raharjo, J.S.D., 2013). Berdasarkan latar belakang dan beberapa penelitian sebelumnya maka penulis melalui penelitian ini mengusulkan metode ELM untuk peramalan jumlah penjualan barang yang dioptimasi dengan metode Particle Swarm Optimization (PSO) Rumusan Masalah Berdasarkan latar belakang di atas, maka dapat dirumuskan masalah dari penelitian ini adalah sebagai berikut : 1) Bagaimana proses optimasi jumlah hidden nodes ELM menggunakan metode optimasi PSO.
4 4 2) Berapa besar akurasi peramalan menggunakan metode ELM yang dioptimasi menggunakan metode PSO, jika dibandingkan dengan tanpa menggunakan metode optimasi particle swarm optimization. Kedua metode tersebut akan diuji menggunakan data uji yang sama Batasan Masalah Batasan-batasan yang perlu diberlakukan pada penelitian ini adalah sebagai berikut : 1) Optimasi jumlah hidden nodes pada ELM menggunakan metode PSO dengan studi kasus peramalan penjualan barang di salah satu minimarket di Bali. 2) Pengujian hasil akan dibandingkan dengan hasil peramalan tanpa menggunakan metode optimasi PSO Tujuan Penelitian Dengan menggabungkan metode ELM dan PSO, akan didapatkan jumlah hidden nodes yang optimal sehingga diharapkan menghasilkan hasil peramalan yang lebih akurat dibanding metode ELM tanpa menggunakan metode optimasi Manfaat Penelitian Manfaat Akademis Memberikan pengetahuan bagi penulis dan peneliti lain mengenai proses serta akurasi peramalan menggunakan metode ELM yang dioptimasi menggunakan metode PSO dan metode peramalan ELM tanpa dioptimasi sehingga dapat dijadikan acuan untuk melakukan penelitian selanjutnya.
5 Manfaat Praktis Mendapatkan jumlah hidden nodes yang optimal, sehingga nantinya dapat menghasilkan hasil peramalan yang lebih akurat dan hasil peramalan tersebut dapat dimanfaatkan oleh pengelola gudang untuk mengatur transfer barang ke minimarket maupun pemesanan barang ke gudang Kebaharuan Penelitian Penelitian mengenai peramalan telah dilakukan menggunakan berbagai macam metode. Mulai dari metode klasik dan metode modern seperti soft computing. Penelitian-penelitian tersebut dilakukan untuk mendapatkan nilai error yang rendah namun tidak mengesampingkan kecepatan dari metode tersebut. Tabel 1.1 menunjukkan beberapa penelitian yang telah dilakukan mengenai peramalan dan Gambar 1.1 merupakan fishbone diagram dari penelitian yang akan dilakukan.
6 Tabel 1.1. Penelitian Mengenai Peramalan Judul Pengarang Tahun PSO-Based High Order Time Invariant Fuzzy Time Series Method : Application to Stock Exchange Data Erol Egrioglu 2014 OPTIMASI ANN Metode PSO GA BP FF ELM Fuzzy Time Series Fuzzy Type-2 Demand Forcasting Using Neural Network For Supply Chain Managemnt Ashvin Kochak, Suman Sharma 2015 A Study of Using Back Propagation Neural Network for the Sales Forecasting of the Thin Film Sputtering Process Material Tian Syung Lan, dkk 2012 Pelatihan Feed Forward Neural Network Menggunakan Algoritma Genetika Dengan Metode Seleksi Turnamen Untuk Data Time Series David Yuliandar, dkk 2012 Forecasting Tourism Demad By Fuzzy Time Series Models Kun-Huang Huarng, dkk 2012 Model Artificial Neural Network Berbasis Particle Swarm Optimization untuk prediksi laju inflasi. Joko S. Dwi Raharjo 2013 Aplication Of Short Term Load Forecasting On Special Days Using Interval Type-2 Fuzzy Inference systems : Study Case In Bali Indonesia Agus Dharma, dkk Minimalisasi Nilai Error Peramalan Dengan Algoritma Extreme Learning Machine Rachmad Hidayat, Suprapto
7 Judul Pengarang Tahun Optimasi Jumlah Hidden Layer Extreme Learning Machine Menggunakan Metode Particle Swarm Optimization Untuk Peramalan Jumlah Penjualan Barang I Putu Susila Handika 2015 Metode OPTIMASI ANN PSO GA BP FF ELM Fuzzy Time Series Fuzzy Type-2 7
8 Data Bursa Saham Penjualan Barang Genetic Algorithm Penggunaan Listrik Particle Swarm Optimization Peramalan Artificial Neural Network ARIMA Extreme Learning Machine Mean Square Error Fuzzy Time Series Feedforward Mean Absolute Percentase Error Gambar 1.1. Fishbone Diagram Peramalan 8
BAB II LANDASAN TEORI. Beberapa penelitian yang telah dilakukan sebelumnya terkait dengan
BAB II LANDASAN TEORI 2.1. State of The Art Beberapa penelitian yang telah dilakukan sebelumnya terkait dengan judul yang diangkat adalah : Tian Syung Lan, dkk. melakukan menggunakan metode Neural Network
Lebih terperinci2014 ESTIMASI BEBAN PUNCAK HARIAN BERDASARKAN KLUSTER TIPE HARI BERBASIS ALGORITMA HYBRID SWARM PARTICLE-ARTIFICIAL NEURAL NETWORK
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di negara yang memiliki jumlah populasi penduduknya besar dan perkembangan industrinya mengalami peningkatan, tentunya memiliki tingkat kebutuhan akan sumber
Lebih terperinciOPTIMASI JUMLAH HIDDEN NODES EXTREME LEARNING MACHINE MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION UNTUK PERAMALAN JUMLAH PENJUALAN BARANG
OPTIMASI JUMLAH HIDDEN NODES EXTREME LEARNING MACHINE MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION UNTUK PERAMALAN JUMLAH PENJUALAN BARANG Tesis untuk Memperoleh Gelar Magister pada Program Magister,
Lebih terperinciPerbandingan Metode Extreme Learning Machine dan Particle Swarm Optimization Extreme Learning Machine untuk Peramalan Jumlah Penjualan Barang
84 Teknologi Elektro, Vol.15, No.1, Januari - Juni 2016 Perbandingan Metode Extreme Learning Machine dan Particle Swarm Optimization Extreme Learning Machine untuk Peramalan Jumlah Penjualan Barang I Putu
Lebih terperinci2016 OPTIMAL ANOMALOUS SHORT TERM LOAD FORECASTING BERBASIS ALGORITMA FEED FORWARD BACKPROPAGATION
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Peramalan beban selalu menjadi instrumen penting dalam operasi sistem tenaga. Berbagai keputusan operasi ditentukan oleh peramalan beban, seperti penjadwalan
Lebih terperinciPENDAHULUAN. menjadi lebih efisien dan efektif serta dapat meningkatkan penghematan. Untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Kegiatan ekonomi merupakan kegiatan yang sangat penting dalam kehidupan manusia. Kegiatan ekonomi sangat penting bagi manusia untuk memenuhi kebutuhannya. Kegiatan
Lebih terperinciOptimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization
IJCCS, Vol.8, No.1, January 2014, pp. 25~36 ISSN: 1978-1520 25 Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization Harry Ganda Nugraha* 1 dan Azhari SN 2 1 Mahasiswa Program Pascasarjana
Lebih terperinciBAB I PENDAHULUAN. berbagai variasi prosedur perencanaan. Perencanaan operasi meliputi metodologi
BAB I PENDAHULUAN 1.1 Latar Belakang Operasi sistem tenaga listrik yang modern biasanya berhubungan dengan berbagai variasi prosedur perencanaan. Perencanaan operasi meliputi metodologi dan proses pengambilan
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Penelitian pada karya akhir ini membahas mengenai pengembangan model Artificial Neural Network serta menganalisa kemampuan Artificial Neural Network sebagai alat peramalan. Obyek yang
Lebih terperinciBAB I PENDAHULUAN. Machine learning (ML), bagian dari kecerdasan buatan (artificial
BAB I PENDAHULUAN 1. 1.1. Latar Belakang Machine learning (ML), bagian dari kecerdasan buatan (artificial intelligence), merupakan metode untuk mengoptimalkan performa dari sistem dengan mempelajari data
Lebih terperinciBAB I PENDAHULUAN. yang merupakan keuntungan perusahaan yang dibagikan kepada semua pemegang
BAB I PENDAHULUAN 1.1 Latar Belakang Ekspektasi atau motivasi setiap investor adalah mendapatkan keuntungan dari transaksi investasi yang dilakukan. Para investor yang bertransaksi di pasar modal, khususnya
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciBAB I PENDAHULUAN. berbagai bidang kehidupan, misalnya perekonomian (Siregar, 2005).
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini, perkembangan teknologi informasi dan komunikasi sudah menjadi tren yang tidak terlepas dari kehidupan sehari-hari termasuk pada berbagai bidang kehidupan,
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kabupaten Purworejo adalah daerah agraris karena sebagian besar penggunaan lahannya adalah pertanian. Dalam struktur perekonomian daerah, potensi daya dukung
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan ilmu pengetahuan dan teknologi dewasa ini dapat membantu teknik peramalan suatu kejadian berdasarkan faktor faktor yang sudah diketahui sebelumnya. Hasil peramalan
Lebih terperinciESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2
Vol. 7, No. 2, Desember 2012 ESTIMASI PARAMETER MODEL HYBRIDIZING EXPONENTIAL SMOOTHING DAN NEURAL NETWORK PADA HASIL PENGUKURAN MEAN SEA LEVEL SATELIT ALTIMETRI JASON 2 Novi Mara KODE ARTIKEL : 117-2-12
Lebih terperinciPelatihan Bobot Jaringan Syaraf Tiruan Menggunakan Particle Swarm Optimization untuk Peramalan Tingkat Inflasi
Pelatihan Bobot Jaringan Syaraf Tiruan Menggunakan Particle Swarm Optimization untuk Peramalan Tingkat Inflasi Training the Weight of Neural Network Using Particle Swarm Optimization to Forecast Inflation
Lebih terperinciPERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)
PERAMALAN BEBAN JANGKA PENDEK PADA HA LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK () Juniar Doan Wihardono 1, Agus Dharma 2, I Made Mataram 3 Jurusan Teknik Elektro dan Komputer,
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciBAB I PENDAHULUAN. Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan
BAB I PENDAHULUAN A. Latar Belakang Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini akan membahas tentang latar belakang, rumusan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika penulisan. 1.1 Latar Belakang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tenaga listrik merupakan kebutuhan yang sangat penting bagi manusia dalam melakukan aktifitasnya sehari-hari. Peralatan rumah tangga maupun industri hampir semuanya
Lebih terperinciPeramalan Inflasi dengan Metode Weighted Fuzzy Time Series
Peramalan Inflasi dengan Metode Weighted Fuzzy Time Series Oleh: Dwi Ayu Lusia (1307 100 013) Pembimbing: Dr. Suhartono, M.Sc 1 seminar hasil Tugas Akhir S1 Statistika 24 Juni 2011 Latar belakang masalah
Lebih terperinciBAB 1 PENDAHULUAN. suatu perusahaan dalam sebuah pasar. Dengan semakin majunya teknologi komunikasi
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Faktor kepuasan pelanggan sangat berpengaruh terhadap bertahan atau tidaknya suatu perusahaan dalam sebuah pasar. Dengan semakin majunya teknologi komunikasi
Lebih terperinciProdi S1 Teknik Fisika, Fakultas Teknik, Universitas Telkom 1
PREDIKSI BEBAN LISTRIK JANGKA PENDEK BERBASIS ALGORITMA FEED FORWARD BACK PROPAGATION DENGAN MEMPERTIMBANGKAN VARIASI TIPE HARI SHORT TERM LOAD FORECASTING BASED ON FEED FORWARD BACK PROPAGATION ALGORITHM
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di zaman modern ini, yang didukung dengan kemajuan teknologi yang terus berkembang di Indonesia mengalami peningkatan pesat terhadap pemakaian listrik. Berdasarkan
Lebih terperinciADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii
Muhammad Arif Santoso, 2015. Peramalan Penjualan Produk Menggunakan Jaringan Syaraf Tiruan Metode Extreme Learning Machine. Skripsi ini dibawah bimbingan Auli Damayanti,S.Si, M.Si dan Dr. Herry Suprajitno,
Lebih terperinciPrediksi Pemakaian Listrik Dengan Pendekatan Back Propagation
ISSN: 2089-3787 465 Prediksi Pemakaian Listrik Dengan Pendekatan Back Propagation Ruliah S, Rendy Rolyadely Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A.Yani Km. 33,3 Loktabat Banjarbaru
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sering terdapat tenggang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ini merupakan
Lebih terperinciBAB III. METODOLOGI. kegiatan manusia membuat penelitian dengan domain teknik informatika
BAB III. METODOLOGI 3.1. Kerangka Pikir Teknik informatika yang memiliki andil yang cukup besar dalam berbagai kegiatan manusia membuat penelitian dengan domain teknik informatika merupakan hal yang menarik
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
49 BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Standar Optimasi Dasar evaluasi untuk mengoptimalkan supply chain management pada Honda Tebet (PT. Setianita Megah Motor) dari proses bisnis perusahaan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Peramalan ialah memperkirakan apa yang akan terjadi masa datang (Armstrong, 2001). Peramalan merupakan alat bantu yang penting dalam suatu perencanaan. Peramalan
Lebih terperinciPERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2
PERAMALAN KONSUMSI GAS INDONESIA MENGGUNAKAN ALGORITMA FUZZY TIME SERIES STEVENSON PORTER Muh. Hasbiollah 1, RB. Fajriya Hakim 2 1 Mahasiswa Jurusan Statistika Fakultas MIPA Universitas Islam Indonesia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini kita banyak mendengar banyak berita bahwa Perusahaan Listrik Negara (PLN) mengalami kerugian yang sangat besar setiap tahunnya yang disebabkan faktor-faktor
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Investasi merupakan suatu rangkaian tindakan menanamkan sejumlah dana dengan tujuan mendapatkan nilai tambah berupa keuntungan dimasa yang akan datang. Dalam perkembangannya
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciPeramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Peramalan Deret Waktu Menggunakan S-Curve dan Quadratic Trend Model Ni Kadek Sukerti STMIK STIKOM Bali Jl. Raya Puputan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas dahulu merupakan alat pembayaran transaksi ekonomi yang digunakan di suatu negara dengan negara lainnya. Sebagai alat tukar, emas dahulu memegang pengaruh yang
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciPERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN
PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN MENGGUNAKAN HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE NEURAL NETWORK Disusun oleh : Berta Elvionita Fitriani 24010211120005
Lebih terperinciPREDIKSI RENTET WAKTU JUMLAH PENUMPANG BANDARA MENGGUNAKAN ALGORITMA NEURAL NETWORK BERBASIS GENETIC ALGORITHM
PREDIKSI RENTET WAKTU JUMLAH PENUMPANG BANDARA MENGGUNAKAN ALGORITMA NEURAL NETWORK BERBASIS GENETIC ALGORITHM Mohamad Ilyas Abas 1, Abdul Syukur 2, Moch. Arief Soeleman 3 123 Pascasarjana Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka
BAB I PENDAHULUAN A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka panjang yang dapat diperjualbelikan, baik dalam bentuk utang ataupun modal sendiri. Pasar modal
Lebih terperinciPERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN
PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian di bidang metode peramalan terhadap data runtun waktu keuangan (financial time series forecasting) selalu menjadi bahasan yang menarik. Hal ini disebabkan
Lebih terperinciPREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION
PREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION Imam Shabri, Mike Yuliana, Zaqiatud Darojah Jurusan Telekomunkasi - Politeknik Elektronika Negeri
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
1 BAB 1 PENDAHULUAN Bab ini membahas tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, serta sistematika penulisan. 1.1. Latar Belakang
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI
PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION (Studi Kasus : Harga Penutupan Saham Unilever Indonesia Tbk. Periode September
Lebih terperinciPeramalan Data IHSG Menggunakan Metode Backpropagation
Peramalan Data IHSG Menggunakan Metode Backpropagation Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Diterima 31 Agustus 2012 Disetujui
Lebih terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam sistem perdagangan internasional, setiap negara mempunyai mata uangnya masing-masing sebagai alat tukar atau alat pembayaran yang sah, dalam melakukan pembayaran
Lebih terperinciOptimasi PSO Untuk Peramalan Harga Emas Secara Rentet Waktu
Optimasi PSO Untuk Peramalan Harga Emas Secara Rentet Waktu Iwan Fitriadi Mukhlis Sekolah Tinggi Manajemen dan Informatika (STMIK) Indonesia Banjarmasin Jl. Pangeran Hidayatullah Banua Anyar Telp. (0511)4315530
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN DI INDONESIA
PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY-MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA SKRIPSI Disusun Oleh : LINTANG AFDIANTI NURKHASANAH NIM. 24010211120004 JURUSAN STATISTIKA
Lebih terperinciBAB I PENDAHULUAN. pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung)
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan proses perkiraan tentang sesuatu yang terjadi pada waktu yang akan datang berdasarkan data empiris. Data empiris(terhitung) merupakan data yang
Lebih terperinciBAB I PENDAHULUAN. industri, masyarakat perkotaan serta masyarakat pedesaan. Untuk tetap dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini kebutuhan masyarakat akan tenaga listrik terus meningkat dari tahun ke tahun. Energi listrik merupakan kebutuhan yang sangat vital, baik bagi industri, masyarakat
Lebih terperinciPREDIKSI KONSUMSI LISTRIK BANGUNAN MENGGUNAKAN METODE STASTIK
PREDIKSI KONSUMSI LISTRIK BANGUNAN MENGGUNAKAN METODE STASTIK T. Iqbal Faridiansyah Dosen Teknik Elektro Universitas Malikussaleh Abstrak Persoalan untuk memperoleh prediksi yang akurat dari konsumsi listrik
Lebih terperinciPERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) SKRIPSI ABBAS MUNANDAR RAMBE
PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) SKRIPSI ABBAS MUNANDAR RAMBE 111402054 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciImplementasi Algoritma Genetika dan Neural Network Pada Aplikasi Peramalan Produksi Mie (Studi Kasus : Omega Mie Jaya)
Implementasi Algoritma Genetika dan Neural Network Pada Aplikasi Peramalan Produksi Mie (Studi Kasus : Omega Mie Jaya) ISSN 2085-4552 Adhi Kusnadi 1, Jansen Pratama 2 Fakultas Teknik dan Informatika, Universitas
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi semakin sulit untuk diperkirakan. Selama ini, manajer PT. Focus
Lebih terperinciPERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION
PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION Fitrisia, Adiwijaya, dan Andrian Rakhmatsyah Program Studi S1 Teknik Informatika,
Lebih terperinciPerkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri
Perbandingan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Klip (Studi Kasus PT. Indoprima Gemilang Engineering) Aditia Rizki Sudrajat 1, Renanda
Lebih terperinciUNIVERSITAS INDONESIA PENDEKATAN ARTIFICIAL NEURAL NETWORK METODE BACKPROPAGATION DALAM PEMODELAN PERGERAKAN HARGA SAHAM
UNIVERSITAS INDONESIA PENDEKATAN ARTIFICIAL NEURAL NETWORK METODE BACKPROPAGATION DALAM PEMODELAN PERGERAKAN HARGA SAHAM (STUDI PADA KEMAMPUAN KETEPATAN MEMPREDIKSI PERGERAKAN SAHAM-SAHAM INDEKS LQ45 MENGGUNAKAN
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciOPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK ABSTRAK
OPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK Robby Hidayat, Moses L.Singih, Mahasiswa MMT ITS Manajemen Industri Email : Robbie_First@Yahoo.Com ABSTRAK PT. Siantar Top Tbk adalah
Lebih terperinciMetode Hibrid PSO-JST untuk Peningkatan Akurasi Prediksi Beban Listrik Jangka Pendek
Metode Hibrid PSO-JST untuk Peningkatan Akurasi Prediksi Beban Listrik Jangka Pendek A. G. Abdullah, G. M. Suranegara, D.L. Hakim Program Studi Teknik Elektro, Universitas Pendidikan Indonesia Abstract
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kelangsungan sebuah usaha sangat diperlukan oleh setiap organisasi baik yang berorientasi pada profit ataupun yang nonprofit. Dalam organisasi yang berorientasi pada
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciBAB I PENDAHULUAN. finansial (financial assets) dan investasi pada aset-aset riil (real assets). Investasi pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Investasi pada hakikatnya merupakan komitmen terhadap sejumlah sumber daya pada saat ini dengan tujuan untuk mendapatkan keuntungan di masa depan (Abdul halim,
Lebih terperinciPREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU
PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU 091402118 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciBAB I PENDAHULUAN. menjaga tenggat waktu, dan meminimalkan biaya persediaan. yang harus ditempuh menghadapi suatu kondisi tertentu (Rangkuti, 2004).
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dunia usaha yang terus berubah dengan cepat, mengharuskan perusahaan agar mampu menganalisis lingkungan usaha dan memprediksi berbagai kemungkinan yang terjadi
Lebih terperinciPEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA)
PEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA) Salmawaty Tansa 1, Bambang Panji Asmara 2 Fakultas Teknik, Jurusan Teknik Elektro,
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Indonesia saat ini sudah menghadapi pasar bebas. Hal ini membuat persaingan antara produk produk yang ada di Indonesia semakin ketat terutama produk yang sejenis. Dengan semakin ketatnya persaingan
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu
BAB I PENDAHULUAN A. LATAR BELAKANG Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu variabel berdasarkan nilai yang diketahui dari variabel tersebut pada masa lalu atau variabel yang berhubungan.
Lebih terperinciBAB I PENDAHULUAN. penduduknya bekerja di bidang pertanian. Datanya dapat diakses pada tabel
BAB I PENDAHULUAN 1 Pendahuluan 1.1. Latar Belakang Indonesia merupakan negara agraris, dikarenakan sebagian besar penduduknya bekerja di bidang pertanian. Datanya dapat diakses pada tabel statistik data
Lebih terperinciOptimalisasi Neural Network dengan Bootstrap Aggregating (Bagging) untuk Penentuan Prediksi Harga Listrik
Scientific Journal of Informatics Vol. 1, No. 2, November 2014 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Optimalisasi Neural Network dengan Bootstrap Aggregating (Bagging)
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Semua negara mempunyai mata uang sebagai alat tukar. Pertukaran uang dengan barang yang terjadi disetiap negara tidak akan menimbulkan masalah mengingat nilai uang
Lebih terperinciANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)
ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM) Hanura Ian Pratowo¹, Retno Novi Dayawati², Agung Toto Wibowo³ ¹Teknik Informatika,,
Lebih terperinciJurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:
Perbandingan Penggunaan Metode Radial Basis Function Network () Dari Metode Fuzzy Neural Netwotk () Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan Rory Asrial, Almizan Abdullah,
Lebih terperinciPENGGUNAAN JARINGAN SYARAF TIRUAN DENGAN METODE BACKPROPAGATION DALAM MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN (IHSG)
PENGGUNAAN JARINGAN SYARAF TIRUAN DENGAN METODE BACKPROPAGATION DALAM MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN (IHSG) Oleh: Wisnu HendroMartono, Dian Hartanti Teknik Informatika STT-PLN ABSTRAK Peramalan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciBAB I PENDAHULUAN. perdagangan saham secara maksimal (Wang et al, 2009). semakin berkembang. Dengan memanfaatkan model model peramalan dari
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan indeks harga saham merupakan sebuah peramalan deret waktu yang cukup sulit dilakukan (Kara et al, 2011). Banyak faktor yang mempengaruhi pergerakan harga
Lebih terperinciPengaruh Dataset Ekuatorial Terhadap Akurasi Evolving Neural Network Prediksi Curah Hujan
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Pengaruh Dataset Ekuatorial Terhadap Akurasi Evolving Neural Network Prediksi Curah Hujan Liliana Swastina 1), Bambang Lareno
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 441-450 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL
Lebih terperinciPeramalan Beban Listrik Jangka Pendek Menggunakan Optimally Pruned Extreme Learning Machine (OPELM) pada Sistem Kelistrikan Jawa Timur
JURNAL EKNIK IS Vol. 1, No. 1 (Sept. 2012) ISSN: 2301-9271 B-64 Peramalan Beban Listrik Jangka Pendek Menggunakan Optimally Pruned Extreme Learning Machine () pada Sistem Kelistrikan Jawa imur Januar Adi
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang
BAB 3 PERANCANGAN SISTEM Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang diimplementasikan sebagai model estimasi harga saham. Analisis yang dilakukan adalah menguraikan penjelasan
Lebih terperinciBAB 1 PENDAHULUAN. Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang
BAB 1 PENDAHULUAN Sebagai pembuka dari penulisan skripsi, pada bab ini berisikan hal-hal yang langsung berkaitan dengan penelitian meliputi latar belakang masalah, rumusan masalah, pembatasan masalah,
Lebih terperinci1. Pendahuluan 1.1 Latar belakang masalah
1. Pendahuluan 1.1 Latar belakang masalah Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: 'aurum') dan nomor atom 79. Emas digunakan sebagai standar keuangan di banyak
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciKATA PENGANTAR. Puji Syukur peneliti sampaikan kehadirat Tuhan Yang Maha Esa atas segala
KATA PENGANTAR Puji Syukur peneliti sampaikan kehadirat Tuhan Yang Maha Esa atas segala berkat, tuntunan, inspirasi, dan pendampingan-nya sehingga peneliti dapat menyelesaikan skripsi dalam bentuk dan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Banyak data runtun waktu yang memiliki pola musiman dan tren. Pola ini sering terjadi pada data bisnis dan ekonomi (Makridakis, 1999). Data-data dalam bidang
Lebih terperinci1. BAB I PENDAHULUAN 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia menganut ekonomi terbuka, jadi pertumbuhan ekonomi Indonesia dipengaruhi pertumbuhan ekonomi Internasional. Oleh karena itu, jika terjadi fluktuasi pada
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinci