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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida by Usig Brow s Double ad Triple Expoeial Smoohig Mehod Reyham Nopriadi Guriao, Ika Puramasari, Desi Yuiari Mahasiswa Program Sudi Saisika FMIPA Uiversias Mulawarma, Dose Program Sudi Saisika FMIPA Uiversias Mulawarma Reyham.ewi9@gmail.com Absrac Forecasig is a process or mehod o predic a eve ha will occur i he fuure. Expoeial smoohig is a mehod of movig average forecasig ha coduc weighig decreases expoeially oward he value of he older observaios. I his sudy discusses he Brow s double expoeial smoohig ad Brow s riple expoeial smoohig mehod i predicig he populaio of he ciy of Samarida i 04, 05 ad 06 are very ecessary for he goverme o deermie he populaio of he ciy of Samarida. Double expoeial smoohig mehod ad riple from Brow is a mehod of exrapolaio or by usig a ime series of pas hisory i makig he forecas for he fuure which used as a guide i decisio-makig processes. Resuls obaied usig he mehod of Brows double expoeial smoohig usig he parameer alpha of 0,5 was obaied ha he forecas of oal populaio i 04 was resides, i 05 was resides, ad i 06 was resides wih a average value deviaio absolue (MAD) is.97 ad he average -raa absolue perceage error (MAPE) is,4548. I he riple expoeial smoohig mehod Brow s usig parameers alpha 0,4 obaied resuls forecas he oal populaio i 04 was resides, i 05 was resides, ad i 06 was resides wih a average value deviaio absolue (MAD) is ad he average perceage The absolue error (MAPE) is,7589. Keywords MAD, MAPE, Brow s Double Expoeial Smoohig Mehod, Brow s Triple Expoeial Smoohig Mehod. Pedahulua Peramala adalah suau hal yag saga peig dalam era moder saa ii, khususya dalam megambil sebuah kepuusa (Awa, 990). Peramala merupaka ala bau yag peig dalam perecaaa yag efekif da efisie. Peramala merupaka meode yag diguaka uuk memprediksi keidakpasia masa depa sebagai upaya uuk megambil suau kepuusa yag lebih baik. Berkembagya ekik peramala yag lebih caggih da seirig dega kemajua peragka luak compuer, membua ekik peramala juga semaki bayak da berkembag sesuai dega kebuuha yag diperluka (Makridakis, 99). Firdaus (006) meyaaka bahwa meode pemulusa ( smoohig) diklasifikasika mejadi dua yaiu meode pemulusa raa-raa (average) da meode pemulusa ekspoesial (expoeial smoohig). Meode pemulusa raa-raa (average) merupaka suau ekik pemulusa berdasarka raaa suau daa dere waku. Sedagka uuk pemulusa ekpoesial (expoeial smoohig) merupaka suau ekik peramala yag meujukka pemboboa secara ekspoesial erhadap ilai pegamaa yag lebih lama. Dalam meode pemulusa ekspoesial gada dari Brow ii dilakuka proses pemulusa dua kali. Meode pemulusa ekspoesial gada dari Brow dapa diguaka uuk meramalka daa yag memiliki pola daa red, sama halya dega meode pemulusa ekspoesial ripel dari Brow yag megalami igka pemulusa iga kali da dapa diguaka uuk meramalka pola daa red bahka pemulusa yag lebih iggi bilamaa pola daaya megadug usur red kudraik, kubik da igka yag lebih suli (Makridakis, Wheelwrigh da McGee, 999). Peramala dapa dilakuka pada perkiraa yag didasarka pada daa hisoris da pegalama. Umumya meode peramala diguaka dalam bidag ekoomi diaaraya keuaga, igka laju iflasi, peduduk da bayak hal laiya (Subagyo, 986). Di era globalisasi sekarag ii perkembaga zama semaki maju dega pesa, seirig dega perumbuha peduduk yag begiu cepa. Peduduk Koa Samarida dari ahu ke ahu mecaa keaika yag cukup berari. Koa Samarida merupaka ibu koa provisi Kalimaa Timur dega luas wilayah Km. Pada ahu 0, jumlah peduduk Koa Samarida sebayak jiwa. Kepadaa Program Sudi Saisika FMIPA Uiversias Mulawarma

2 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN peduduk pada seiap kecamaa meggambarka pola persebara peduduk secara keseluruha. Berdasarka pola persebara da luas wilayahya, erliha belum meraa sehigga erliha adaya perbedaa kepadaa peduduk yag mecolok aar kecamaa. Peeliia ii berujua uuk megeahui hasil ramala jumlah peduduk Koa Samarida pada ahu 04 sampai dega 06 dega megguaka meode pemulusa ekpoesial gada da ripel dari brow sera megeahui ilai MAD da MAPE dari masig-masig meode. Kosep Dasar Ruu Waku Suau ruu waku adalah himpua observasi beruru dalam dimesi waku, aaupu dalam dimesi yag lai. Ciri-ciri aalisis ruu waku yag meojol adalah bahwa derea observasi dalam suau variabel dipadag sebagai realisasi dari variabel radom yag berdisribusi sama. Ruu waku erbagi ke dalam dua jeis, yaiu ruu waku diskri da ruu waku koiu. Suau daa dikaaka daa ruu waku diskri apabila observasiya adalah X pada waku,,,...,. Sedagka suau ruu waku dikaaka daa ruu waku koiu apabila observasiya bersifa koiu (erbagi dalam ierval). Jika ruu waku asliya berupa ruu waku koiu, maka masih dapa diperoleh daa ruu waku diskri dega cara megambil observasi pada waku-waku ereu. Cara lai uuk memperoleh ruu waku waku diskri adalah dega cara megakumulasika observasi uuk periode ereu (Soejai, 987). Salah sau aspek erpeig dari pemiliha meode peramala yag sesuai dari daa dere waku adalah dega memperlihaka jeis pola daa yag berbeda (Makridakis, Wheelwrigh da McGee, 999). Ada empa jeis pola daa yaiu:. Pola Horisoal, erjadi bilamaa daa berflukuasi di sekiar ilai raa-raa yag kosa aau sasioer erhadap ilai raaraaya.. Pola Tred, adalah suau kecedruga aik uruya daa dalam waku ereu. Pola red ii bergua uuk membua ramala yag diperluka uuk perecaaa.. Pola Siklus, adalah suau gerak kecederuga ak beraura dalam jagka pajag pada suau frekuesi yag hampir pasi. Gerak siklus ii biasa erdapa dalam hal yag berhubuga dega bisis, ekoomi. 4. Pola Musima, adalah suau gerak kecederuga aik uruya daa yag erjadi secara periodik (berulag dalam waku yag sama). Peramala Dega Meode Pemulusa Ekspoesial Pemulusa ekspoesial adalah suau meode peramala raa-raa bergerak yag melakuka pemboboa meuru secara ekspoesial erhadap ilai observasi yag lebih ua (Makridakis, 99). Meode Pemulusa Ekspoesial Tuggal Meuru Makridakis (99), jika suau dere daa hisoris X uuk,,,..., maka daa ramala ekspoesial uuk daa waku adalah F. Meode pemulusa ekspoesial uggal dikembagka dari persamaa raa-raa bergerak uggal, yaiu sebagai beriku: X X N F F () Bila ilai observasi X N idak ersedia maka harus digai dega ilai pedekaaya. Da salah sau peggai yag mugki adalah ilai ramala periode, yaiu F sehigga diperoleh persamaa : X F F F () F X F () Jadi ilai ramala pada waku + ergaug pada pemboboa ilai observasi saa, yaiu /N da pada pemboboa ilai ramala saa yaiu [-(/N)] berilai aara 0 da. Bila /N= α maka diperoleh persamaa : F X F (4) Persamaa (. ) disebu pemulusa ekspoesial uggal. Kesalaha ramala pada periode adalah e yaiu X F (ilai sebearya dikuragi ilai ramala). Jadi persamaa () dapa diulis : F + =F + α(e ) (5) Meode Pemulusa Ekspoesial Gada dari Brow Meode pemulusa ekspoesial gada merupaka model liier yag dikemukaka oleh Brow. Model ii sesuai jika daa yag ada meujukka sifa red aau dipegaruhi usur red. Dega cara aalogi yag dipakai dari raaraa bergerak uggal ke pemulusa ekspoesial uggal kia dapa juga beragka dari raa-raa bergerak gada ke pemulusa ekspoesial gada. Perpidaha seperi iu mugki mearik karea salah sau keerbaasa dari raa-raa bergerak uggal yaiu perlu meyimpa ilai erakhir masih erdapa pada raa-raa bergerak liear, kecuali bahwa jumlah ilai daa yag diperluka sekarag adalah. Pemulusa ekspoesial liear dapa dihiug haya dega iga ilai daa da sau ilai uuk α. Pedekaa ii juga memberika bobo yag semaki 4 Program Sudi Saisika FMIPA Uiversias Mulawarma

3 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN meuru pada observasi masa lalu. Dega alasa ii pemulusa liear lebih disukai dari pada raaraa bergerak liear sebagai suau meode peramala dalam berbagai kasus uama (Makridakis, Wheelwrigh da McGee, 999). Dasar pemikira dari pemulusa ekspoesial liear dari Brow adalah serupa dega raa-raa bergerak liear, karea kedua ilai pemulusa uggal da gada keiggala dari daa yag sebearya bilamaa erdapa usur red, perbedaa aara ilai pemulusa uggal da gada dapa diambahka kepada ilai pemulusa uggal da disesuaika uuk red (Makridakis, 99). Di dalam meode pemulusa ekspoesial gada dari Brow ii dilakuka proses pemulusa dua kali sebagai beriku : S S ( ) S ( ) S S X (6) S (7) a S S S S (8) b S Dimaa : S S X S (9) = Nilai pemulusa ekspoesial perama = Nilai pemulusa ekspoesial kedua = Nilai akual pada periode ke- a da b = Kosaa pemulusa α = Nilai parameer pemulusa yag besarya 0 < α < Persamaa yag dipakai dalam implemeasi pemulusa ekspoesial gada diujukka oleh persamaa beriku : F m a b m (0) Dimaa m adalah jumlah periode ke depa yag diramalka. Meode Pemulusa Ekspoesial Tripel dari Brow Meode Ekspoesial ripel dari Brow merupaka Meode yag megguaka beuk pemulusa iga kali. Adapu kelebiha dari meode ii adalah dalam aalisis dilakuka iga kali pemulusa sehigga diperoleh hasil peramala yag baik. Sedagka kelemaha dari meode ii adalah karea pada meode ii dilakuka pemulusa sebayak iga kali, jika dalam pemulusa yag perama salah dalam perhiuga maka uuk selajuya aka salah da medapaka hasil pemulusa yag idak baik (Makridakis, 99). Sebagaimaa halya dega pemulusa ekspoesial gada yag dapa diguaka uuk meramalka daa dega suau pola red dasar, dalam pemulusa ekspoesial ripel juga dapa megguaka pola daa red, bahka dalam beuk pemulusa yag lebih iggi dapa diguaka bila dasar pola daaya adalah red kuadraik, kubik, aau-orde yag lebih iggi. Uuk beragka dari pemulusa kuadraik, pedekaa dasarya adalah memasukka igka pemulusa ambaha (pemulusa ripel) da memberlakuka persamaa peramala kuadraik (Makridakis, Wheelwrigh da McGee, 999). Meode ii merupaka peramala yag dikemukaka oleh Brow. Dega megguaka persamaa kuadra, meode ii lebih cocok jika dipakai uuk membua peramala hal yag berflukuasi aau megalami gelombag pasag suru. Di dalam meode ekspoesial ripel ii dilakuka proses pemulusa iga kali, sebagai beriku (Makridakis, Wheelwrigh da McGee, 999) : S X ) S () S S S S a S b ( ( ) S ( ) S S S. () () (4) 6 5 S 0 8 S 4 S (5) c Dimaa : S S S a, α b da S S S (6) = Nilai pemulusa ekspoesial perama = Nilai pemulusa ekspoesial kedua = Nilai pemulusa ekspoesial keiga c = Kosaa pemulusa = Nilai parameer pemulusa yag besarya 0 < α < Persamaa yag dibuuhka kuadraik jauh lebih rumi dari pada persamaa uuk pemulusa uggal da liear. Walaupu demikia pedekaaya dalam meyusuaika ilai ramala sehigga ramala ersebu dapa megikui perubaha red yag kuadraik adalah sama. Persamaa yag dipakai dalam implemeasi pemulusa ekspoesial ripel diujukka oleh persamaa beriku : F m a b m cm (7) Dimaa m adalah jumlah periode ke depa yag diramalka (Makridakis, Wheelwrigh da McGee, 999). Peeua Nilai Awal Iisialisasi adalah peeua ilai awal yag diguaka dalam peramala pemulusa ekspoesial. Proses iisialisasi uuk meode pemulusa ekspoesial gada da ripel dari Brow peeapa ilai awal adalah sebagai Program Sudi Saisika FMIPA Uiversias Mulawarma 5

4 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN beriku (Makridakis, Wheelwrigh da McGee, 999): a. Pemulusa ekspoesial gada dari Brow S S X a X (8) (9) (X X ) (X 4 X ) b (0) b. Pemulusa ekspoesial ripel dari Brow S S S X () a () () X X b X X X X 4 X c X X (4) Peeua Nilai Parameer α Peeua parameer (α) pada meode pemulusa ekspoesial dari Brow ilai parameer ii di dalam prakek haya megambil kisara ilai yag erbaas, walaupu secara eoriis α dapa diaggap berilai aara 0 da yag besar kecil ilaiya mempegaruhi seluruh proses peramala. Cara meeuka ilai parameer α erbaik dapa dilakuka dega megguaka rial ad error (Makridakis, Wheelwrigh da McGee, 999). Pegukura Keepaa Dalam Model Peramala keepaa model peramala dapa dihiug dega megguaka MAD da MAPE uuk megukur keepaa model peramala ersebu (Makridakis, Wheelwrigh da McGee, 999). a. Mea Absolue deviasi (MAD) adalah raaraa peyimpaga absolu yag megukur keakuraa ramala melalui raa-raa keadaa gala ramala aau ilai absolu seiap gala. Raa-raa peyimpaga absolu diyaaka dega persamaa sebagai beriku. MAD X F (5) Dimaa X = ilai akual pada periode ke- F = ilai ramala pada periode ke- = bayakya pegamaa b. Mea Absolue Perceage Error (MAPE) adalah raa-raa persease kesalaha absolu yag dihiug dega mecari ilai absolu gala di seiap periode, kemudia membagiya dega ilai pegamaa akual da kemudia absolu gala persease. Raa-raa persease kesalaha absolu diyaaka dega persamaa sebagai beriku. MAPE X F 00% X Dimaa X = ilai akual pada periode ke- F = ilai ramala pada periode ke- = bayakya pegamaa (6) Peduduk Peduduk adalah orag yag mediami suau wilayah ereu, meeap dalam suau wilayah, umbuh da berkembag dalam wilayah ereu. Peduduk meuru Purba (00) adalah orag yag maraya sebagai diri pribadi, aggoa keluarga, aggoa masyaraka, warga egara da himpua kuaias yag berempa iggal di suau empa dalam baas wilayah egara pada waku ereu. Tiggiya perumbuha peduduk disebabka karea hubuga kelami aara lakilaki da perempua idak bisa diheika. Di sampig iu, mausia uuk hidup memerluka baha makaa, sedagka laju perumbuha baha makaa jauh lebih lamba dibadigka dega laju perumbuha peduduk. Apabila idak diadaka pembaasa erhadap perumbuha peduduk, maka mausia aka megalami kekuraga baha makaa. Iilah sumber dari kemelaraa da kemiskia mausia. Meode Peeliia Daa yag diguaka dalam peeliia ii adalah Jumlah Peduduk Koa Samarida Provisi Kalimaa Timur yag bersumber dari daa dokumeasi hasil lapaga Koa Samarida. Variabel peeliia yag diguaka adalah jumlah peduduk Koa Samarida ahu 985 sampai dega ahu 0 yag merupaka rekapiulasi daa dari Bada Pusa Saisik (BPS ) Koa Samarida. Adapu eik aalisis daa dalam peeliia ii adalah:. Membua Scaer Diagram Uuk meliha pola daa peduduk Koa Samarida dari daa ime series yag ada, dilakuka dega meggambarka suau diagram yag diamaka scaer diagram.. Pemulusa ekspoesial gada dari Brow, adapu lagkah-lagkah dari pemulusa ekspoesial gada dari Brow adalah : a. Peeua Nilai Parameer Pada ahap ii adalah meeuka ilai parameer α yag diguaka sebagai kosaa dalam pemulusa ekspoesial gada dari Brow. b. Perhiuga Nilai Pemulusa Pada perhiuga ilai pemulusa dieuka ilai awal erlebih dahulu dega megguaka persamaa ( 8), (9) da (0), kemudia dilakuka perhiuga uuk mecari ilai pemulusa ekspoesial gada 6 Program Sudi Saisika FMIPA Uiversias Mulawarma

5 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN dari Brow dega megguaka kedua persamaa ( 6) da (7 ). Kemudia ilai kosaa uuk model peramala yaiu dega persamaa (8) da (9). c. Pegukur Kesalaha Ramala Ukura kesalaha yag diguaka uuk meliha keeliia pada peeliia ii adalah MAD da MAPE, dihiumg berdasarka persamaa (5) da (6).. Pemulusa ekspoesial ripel dari Brow, adapu lagkah-lagkah dari pemulusa ekspoesial ripel dari brow adalah : a. Peeua Nilai Parameer Pada ahap ii adalah meeuka ilai parameer α yag diguaka sebagai kosaa dalam pemulusa ekspoesial gada dari Brow. b. Perhiuga Nilai Pemulusa Pada perhiuga ilai pemulusa dieuka ilai awal erlebih dahulu dega megguaka persamaa ( ), (), () da (4 ), kemudia dilakuka perhiuga uuk mecari ilai pemulusa ekspoesial ripel dari Brow dega megguaka persamaa ( ), ( ) da (). Kemudia ilai kosaa uuk model peramala yaiu dega persamaa (4), (5) da (6). c. Pegukur Kesalaha Ramala Ukura kesalaha yag diguaka uuk meliha keeliia pada peeliia ii adalah MAD da MAPE, dihiumg berdasarka persamaa (5) da (6). 4. Peramala pemulusa ekspoesial gada da ripel dari Brow Seelah diaalisis dega megguaka meode pemulusa ekspoesial, maka aka dilakuka ramala uuk ahu 04, 05 da 06. Ramala uuk masa yag aka daag pada meode pemulusa ekspoesial gada dari Brow dapa dihiug dega megguaka persamaa (0 ) da ramala uuk meode pemulusa ekspoesial ripel dari Brow dapa dihiug dega megguaka persamaa (7) Hasil da Pembahasa Tabel. Daa Peduduk Koa Samarida Tahu 985 sampai dega 0 No Tahu Peduduk Tabel. Daa Peduduk Koa Samarida Tahu 985 sampai dega 0 (Lajua) No Tahu Peduduk Membua Scaer Diagram Adapu hasil aalisis daa peramala adalah membua daa ersebu secara grafik. Pada daa peduduk Koa Samarida pada ahu 985 sampai dega ahu 0 adalah sebagai beriku: Peduduk Time Series Plo of Peduduk Periode Gambar. Grafik Daa Peduduk Koa Samarida Pada Gambar 4. juga meujukka bahwa pada periode perama ahu 985 sampai dega periode ke dua puluh sembila ahu 0 memiliki peduduk yag cederug meigka dari ahu ke ahu, sehigga daa ersebu memiliki pola daa red aik pada peduduk Koa Samarida, sehigga dapa disimpulka peduduk Koa Samarida ersebu dapa diguaka dalam peramala dega megguaka meode pemulusa ekspoesial gada da ripel dari Brow. 4 7 Program Sudi Saisika FMIPA Uiversias Mulawarma 7

6 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN Meode Ekspoesial Gada dari Brow Pada peeliia ii peulis megguaka megguaka sofware Excel, dimaa ilai kosaa parameer α megguaka rial ad error uuk medapaka ilai MAD da MAPE erkecil. Adapu hasil perhiuga uuk ilai α dapa diliha pada Tabel. Tabel. Rigkasa Nilai MAD da MAPE Uuk α = 0, s/d 0,9 0, ,799 0,.590 4,98 0, 6.5, ,4.70,68 5 0,5.95, ,6.0, ,7 4.8, ,8 6.56, ,9 7.56,606 Berdasarka Tabel diperoleh ilai MAD da MAPE erkecil yaiu dega ilai α = 0,5. Selajuya aka dilakuka pecaria ilai MAD da MAPE erkecil pada α = 0,5 sampai dega α = 0,59. Adapu hasil perhiuga dapa diliha pada Tabel Tabel. Rigkasa Nilai MAD da MAPE Uuk α = 0,5 s/d 0,59 0,5.97,4559 0,5.97,4548 0,5.946, ,54.960, ,55.97, ,56.979, ,57.98, ,58.98, ,59.989,4706 Berdasarka Tabel diperoleh ilai MAD da MAPE erkecil yaiu dega ilai α = 0,5, di maa ilai MAD da MAPE pada α = 0,5 lebih kecil dari pada ilai MAD da MAPE pada α = 0,5. Selajuya aka dilakuka pecaria ilai MAD da MAPE erkecil pada α = 0,5 sampai α = 0,59. Adapu hasil perhiuga dapa diliha pada Tabel 4. Tabel 4. Rigkasa Nilai MAD da MAPE Uuk α = 0,5 s/d 0,59 0,5.98,4549 0,5.99,455 0,5.940, ,54.94,455 Tabel 4. Rigkasa Nilai MAD da MAPE Uuk α = 0,5 s/d 0,59 (Lajua) 5 0,55.94, ,56.94, ,57.944, ,58.944, ,59.945,4559 Seelah dilakuka uji coba erhadap beberapa ilai α, maka diperoleh ilai MAD da MAPE erkecil yaiu eap pada ilai α = 0,5, karea pada ilai α = 0,5 sampai α = 0,59 eap memiliki ilai MAD da MAPE yag lebih besar dari pada ilai MAD da MAPE pada α = 0,5. Perhiuga Nilai Pemulusa Pada perhiuga ilai pemulusa dieuka ilai awal erlebih dahulu dega cara pedekaa uuk meaksir dega megguaka persamaa ( 8), ( 9) da (0). Sehigga diperoleh ilai awal periode perama sebagai beriku : Peeua ilai awal pemulusa S S X S S Peeua ilai awal koaa a. a X Peeua ilai awal koaa b. X X X X 4 S da S. b ( )+( ) 7.96 Seelah diperoleh ilai awal, maka ilai ersebu diguaka uuk perhiuga pemulusa yag erdiri dari pemulusa perama da pemulusa kedua. Pada pemulusa perama dapa megguaka persamaa (6). Perhiuga ilai S X S (0, ) 9.98,7 S uuk periode kedua adalah : + ( - 0,5) Seerusya perhiuga sampai dega S 9. S 9 X 9 S 8 (0, ) + ( - 0,5) , 778.,6 Seelah diperoleh ilai pemulusa perama maka dilajuka pada perhiuga pemulusa kedua dega megguaka persamaa (7). Perhiuga ilai S uuk periode kedua adalah: 8 Program Sudi Saisika FMIPA Uiversias Mulawarma

7 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN S ) S ( S (0,5 9.98,7) ( 0,5) ,6 Seerusya perhiuga sampai dega S 9 S 9 ) ( S 8 (0,5 778.,6) , S 9. + ( - 0,5) 7.80, Seelah didapa hasil perhiuga pemulusa perama da kedua, maka dapa disajika dalam beuk grafik pada Gambar. Pe duduk Pe riode Variab le Daa Peduduk P emu lu sa p erama P emu lu sa k ed u a Gambar. Grafik Pemulusa Perama da Kedua pada Meode Pemulusa Ekspoesial Gada dari Brow Seelah diperoleh ilai pemulusa kemudia aalisis aka dihiug ilai kosaa uuk model peramala dega megguaka persamaa (8). Perhiuga ilai kosaa a uuk periode kedua adalah : a S S 9.98, , ,8 Seerusya perhiuga sampai dega a 9. a 9 S 9 S , , Kemudia dieuka ilai kosaa uuk dega megguaka persamaa (9). Perhiuga ilai kosaa b uuk periode kedua adalah : α b (S S ) α 0,5 (9.98, ,6) 0, 6.870,6 Seerusya perhiuga sampai dega b 9. α b 9 (S9 S 9 ) α 0,5 (778., ,) 0, b Keepaa Model Peramala Ukura kesalaha yag diguaka peulis pada peeliia ii adalah Mea Absolue Deviasi (MAD) da Mea Absolue Perceage Error (MAPE). Akurasi peramala aka semaki iggi apabila ilai MAD da MAPE semaki kecil dega α = 0,5 diperoleh ilai MAD erkecil yaiu :. Mea Absolue Deviasi (MAD) dega Megguaka persamaa (5) adalah : MAD X F MAD MAD.97. Mea Absolue Perceage Error (MAPE) dega megguaka persamaa (6) adalah: MAPE X F X MAPE 68,744 8 MAPE, % Meode Ekspoesial Tripel dari Brow Pada peeliia ii peulis megguaka parameer α megguaka rial error maa yag meghasilka ukura kesalaha peramala yag kecil. Adapu hasil perhiuga uuk ilai α dapa diliha pada Tabel 5. Tabel 5. Rigkasa ilai MAD da MAPE uuk α = 0, s/d 0,9 0, ,488 0, 8.6,5764 0, 4.898, , , , , ,6 9.40, , , , ,64 9 0, ,88 Berdasarka Tabel 5 diperoleh ilai MAD da MAPE erkecil yaiu dega ilai α = 0,4. Selajuya aka dilakuka pecaria ilai MAD da MAPE erkecil pada α = 0,4 sampai dega α = 0,49. Adapu hasil perhiuga dapa diliha pada Tabel 6. Program Sudi Saisika FMIPA Uiversias Mulawarma 9

8 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN Tabel 6. Rigkasa ilai MAD da MAPE uuk α = 0,4 s/d 0,49 0, , , , , , ,46 6.9, , , ,48 6.9,6 9 0, ,50 Seelah dilakuka uji coba erhadap beberapa ilai α, maka diperoleh ilai α dega ilai MAD da MAPE erkecil yaiu eap pada α = 0.4, karea ilai α = 0,4 sampai α = 0,49 eap memiliki ilai MAD da MAPE yag lebih besar dari pada α = 0,4. Perhiuga Nilai Pemulusa Pada perhiuga ilai pemulusa dieuka ilai awal erlebih dahulu dega cara pedekaa uuk meaksir dega megguaka persamaa ( ) sampai (4 ). Sehigga diperoleh ilai awal periode perama sebagai beriku : Peeua ilai awal pemulusa S, S S S S X S S S Peeua ilai awal Kosaa a a X Peeua ilai awal kosaa b. X X X X X b 4 X da S. = Peeua ilai awal kosaa c X X c Seelah diperoleh ilai awal, maka ilai ersebu diguaka uuk perhiuga ilai pemulusa ekspoesial ripel dari Brow pada α = 0,4 maka aka dihiug ilai pemulusa perama, pemulusa kedua da pemulusa keiga. Pada pemulusa perama dapa megguaka persamaa ( ). Perhiuga ilai periode kedua adalah : X ( S S ) S uuk 0, ( 0,4) ,6 Seerusya perhiuga sampai dega S 9 9 ( ) S8 S 9. X 0, ( 0,4) 77.48, ,4 Seelah diperoleh ilai pemulusa perama maka dilajuka pada perhiuga pemulusa kedua dega megguaka persamaa ( ). Perhiuga ilai S S ( ) S uuk periode kedua adalah: S 0, ,6 ( 0,4) ,4 S 9 Seerusya perhiuga sampai dega adalah : S 9 S 9 ( ) S 8 0, ,4 ( 0,4) , , Seelah diperoleh ilai pemulusa perama da kedua maka dilajuka pada perhiuga pemulusa keiga dega megguaka persamaa ( ). Perhiuga ilai periode kedua adalah : S ( ) S 0, ,4 ( 0,4) , S Seerusya perhiuga sampai dega S 9 9 ) 8 S uuk S 9. S ( S 0, , ( 0,4) 65.80, , Seelah didapa hasil perhiuga pemulusa perama, kedua da keiga, maka dapa disajika dalam beuk grafik pada Gambar. Peduduk Periode 4 7 Variable Daa Peduduk Pemulusa perama Pemulusa kedua Pemulusa keiga Gambar. Grafik Pemulusa Perama, Kedua da keiga pada Meode Pemulusa Ekspoesial Tripel dari Brow Seelah diperoleh ilai pemulusa kemudia aalisis aka dihiug ilai kosaa uuk model peramala dega megguaka persamaa ( 4). 0 Program Sudi Saisika FMIPA Uiversias Mulawarma

9 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN Perhiuga ilai kosaa a uuk periode kedua adalah : a S S S 90.49, ,4 8.6, ,7 Seerusya perhiuga sampai dega a 9 a S S S , , , 8.07,7 Kemudia dieuka ilai kosaa uuk dega megguaka persamaa ( 5). Perhiuga ilai kosaa b uuk periode kedua adalah : b 6 5 S 0 8 S , Seerusya perhiuga sampai dega b 9. 9 S b 6 5 S 0 8 S Kemudia dieuka ilai kosaa uuk 9 b S9 dega megguaka persamaa ( 6). Perhiuga ilai kosaa c uuk periode kedua adalah : c S S S 0,4 0,4.66 Seerusya perhiuga sampai dega c 9 c , ,4 8.6, S 9 S 9 S 9 0,4 0, , , , Keepaa Model Peramala Ukura kesalaha yag diguaka peulis pada peeliia ii adalah Mea Absolue Deviasi (MAD) da Mea Absolue Perceage Error (MAPE).. Nilai MAD megguaka persamaa ( 5) adalah : MAD X F MAD MAD Nilai MAPE megguaka persamaa ( 6) adalah : c MAPE X F X MAPE 77,499 8 MAPE, % Peramala Meode Pemulusa Ekspoesial Gada da Tripel dari Brow. Peramala Meode Pemulusa ekspoesial Gada Dari Brow Nilai ramala uuk ahu 04, 05 da 06 aau didefiisika dalam periode daa yaiu 0,, da. Adapu hasil ramala yag diperoleh adalah : Ramala periode 0 dimaa m= yaiu uuk ahu 04 : F b m 9 a9 9 F , Ramala periode dimaa m= yaiu uuk ahu 05 : F b m 9 a9 9 F , Ramala periode dimaa m= yaiu uuk ahu 06 : F b m 9 a9 9 F , Peramala Meode Pemulusa Ekspoesial Tripel dari Brow Nilai ramala uuk 04, 05 da 06 aau didefiisika dalam periode daa yaiu 0,, da. Adapu hasil ramala yag diperoleh adalah : Ramala periode 0 dimaa m= yaiu uuk ahu 04 : F 9 a9 b9m c9m F ,7 (40.599) , Ramala periode dimaa m= yaiu uuk ahu 05 : F 9 a9 b9m c9m F 8.07,7 ( ) , Ramala periode dimaa m= yaiu uuk ahu 06 : F 9 a9 b9m c9m Program Sudi Saisika FMIPA Uiversias Mulawarma

10 Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN F 8.07,7 ( ) , Seelah didapa hasil perhiuga peramala uuk periode ke depa pada meode pemulusa ekspoesial gada da ripel dari Brow, maka dapa disajika dalam beuk grafik pada Gambar 4: Peduduk Time Series Plo of Daa Peduduk, Ekspoesial Gada da Tripel Periode 7 0 Variable Daa Peduduk Ekspoesial Gada Ekspoesial Tripel Gambar 4.6. Grafik Daa Peramala Peduduk Koa Samarida dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel dari Brow Seelah medapaka peramala dega megguaka meode pemulusa ekspoesial gada da ripel dari Brow, maka diperoleh residual, beriku hasil perhiuga keepaa model peramala MAD da MAPE pada meode pemulusa ekspoesial gada da ripel dari Brow, disajika dalam Tabel 7. Tabel 7. Nilai Keepaa Model Peramala Meode MAD MAPE Pemulusa Ekspoesial.97,4548 Gada dari Brow Pemulusa Ekspoesial Tripel dari Brow 4.709,7589 Dega demikia uuk peramala Peduduk Koa samarida lebih epa megguaka meode pemulusa ekspoesial gada dari Brow uuk Peduduk Koa Samarida, karea meghasilka ilai MAD da MAPE yag lebih kecil dibadigka MAD da MAPE yag dihasilka pada meode pemulusa ekspoesial ripel dari Brow. ahu 06 adalah 9.69 jiwa. Sedagka Uuk Jumlah peduduk Koa Samarida megguaka meode pemulusa ekspoesial ripel dari Brow dega α opimal sebesar 0,4 dega jumlah peduduk Koa Samarida pada ahu 04 adalah jiwa, ahu 05 adalah jiwa, da ahu 06 adalah jiwa.. Peramala jumlah peduduk Koa Samarida dega megguaka meode pemulusa gada dari Brow meghasilka ilai keepaa peramala MAD (.97) da MAPE (,4548). Sedagka dega meode pemulusa ekspoesial ripel dari Brow meghasilka ilai keepaa peramala MAD (4.709 ) da MAPE (,7589). Dega demikia dapa disimpulka bahwa peramala pada Koa Samarida dega meode pemulusa ekspoesial gada dari Brow meghasilka ilai MAD da MAPE lebih kecil daripada meode pemulusa ekspoesial ripel dari Brow. Dafar Pusaka Awa, N. J Meode Peramala Kuaiaif. Yogyakara: Libery. Firdaus, M., 006. Aalisis Dere Waku Sau Ragam. Bogor : IPB. Makridakis, Spyrus. 99. Meode da Aplikasi Peramala. Jakara: Peerbi Erlagga. Makridakis, S., Wheelwrigh, S.C., & McGee, V.E Meode da Aplikasi Peramala, Jilid Edisi Revisi (erj.), Alih Bahasa: Hari Sumio. Jakara: Biarupa Aksara. Subagyo, Pagesu 986 Forecasig Kosep da Aplikasi. Yogyakara: BPFE Yogyakara Purba, Joy (ed).00. Pegelolaa Ligkuga Sosial. Jakara: Yayasa Obor Idoesia Soejai, Zazawi Aalisis Ruu Waku. Jakara: Peerbi Kauika Uiversias Terbuka. Kesimpula Berdasarka hasil peeliia yag diperoleh, maka peulis dapa mearik kesimpula sebagai beriku :. Jumlah peduduk Koa Samarida dega megguaka meode pemulusa ekspoesial gada dari Brow dega α opimal sebesar 0,5 dega jumlah peduduk pada ahu 04 adalah jiwa, ahu 05 adalah jiwa, da Program Sudi Saisika FMIPA Uiversias Mulawarma

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 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 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 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

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

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

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

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

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

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

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

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

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

PENERAPAN METODE EXPONENTIAL SMOOTHING DALAM MEMPREDIKSI JUMLAH SISWA BARU (STUDI KASUS: SMK PEMDA LUBUK PAKAM) Jural Pelia Iformaika, Volume 16, Nomor 3, Juli 2017 IN 2301-9425 (Media Ceak) PENERAPAN METODE EXPONENTIAL MOOTHING DALAM MEMPREDIKI JUMLAH IWA BARU (TUDI KAU: MK PEMDA LUBUK PAKAM) Kuriagara Mahasiswa

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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 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

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 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

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

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

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

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

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 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

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

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

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

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

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

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

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

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI

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

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

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN Peramalan Dengan Meode Smoohing dan Verifikasi Meode Peramalan Dengan Grafik Pengendali Moving Range () (Sudi Kasus: Produksi Air Bersih di PDAM Tira Kencana Samarinda) Forecasing wih Smoohing and Verificaion

Lebih 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

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

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

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 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 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

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau

Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas

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

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

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

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih 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

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup

Lebih 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

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa

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

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

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

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

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

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 TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi

Lebih 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

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

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR

MODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR MODEL ARIMA(0,,) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika Oleh:

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 20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive

Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.

BAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral. BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

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

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

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa

Lebih terperinci

Analisis Rangkaian Listrik Di Kawasan Waktu

Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryao Sudirham Aalisis Ragkaia Lisrik Di Kawasa Waku 3- Sudaryao Sudirham, Aalisis Ragkaia Lisrik () BAB 3 Peryaaa Siyal da Spekrum Siyal Dega mempelajari lajua eag model siyal ii, kia aka memahami

Lebih terperinci

Perancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing

Perancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria

Lebih 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 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 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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan

Lebih 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 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

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih 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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Pada bab ii aka dibahas megeai eori-eori dasar yag berhubuga dega ivesasi, persamaa diferesial sokasik da simulasi yag mejadi ladasa berpikir uuk mempermudah dalam pembahasa pada bab

Lebih terperinci

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,

Lebih terperinci