DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

dokumen-dokumen yang mirip
HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

BAB II LANDASAN TEORI

Universitas Bina Nusantara. Program Studi Ganda Teknik Informatika-Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007

MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

BAB 2 LANDASAN TEORI

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

PERAMALAN JUMLAH PERMINTAAN DARAH UDD PMI KABUPATEN BANYUMAS DENGAN METODE PERAMALAN KOMBINASI

KATA PENGANTAR. Puji Syukur peneliti sampaikan kehadirat Tuhan Yang Maha Esa atas segala

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

BAB 2 TINJAUAN TEORITIS

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

BAB I PENDAHULUAN. 1.1 Latar Belakang. PMI merupakan sebuah organisasi perhimpunan nasional di Indonesia

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap

Perkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)

ANGGA NUR ARDYANSAH NIM

BAB 5 HASIL DAN PEMBAHASAN. Tabel 5.1 Total Hasil Penjualan

Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

BAB I PENDAHULUAN. Peramalan merupakan suatu kegiatan memprediksi nilai dari suatu

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

PEMODELAN SARIMAX DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) V PURWOKERTO

PEMBANDINGAN METODE PENGHALUSAN EKSPONENSIAL GANDA DUA PARAMETER HOLT

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

III. METODE PENELITIAN

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan

DAFTAR ISI. HALAMAN JUDUL. i. LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Teknologi informasi telah berkembang dengan relatif pesat. Di era

Prediksi Harga Saham dengan ARIMA

Pemodelan ARIMA Non- Musim Musi am

PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.

BAB III METODE PENELITIAN. dikumpulkan oleh pihak lain selain dari penelitian itu sendiri. Jenis data yang dipakai

BAB 2 LANDASAN TEORI

Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode

Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins

DAFTAR ISI. Halaman Konsep Ketersediaan Air dan Model Prakiraan Kesesuaian Model ARIMA untuk Prakiraan Ketersediaan Air 10

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

ANGGA NUR ARDYANSAH NIM

PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) TERTINGGI BULAN DESEMBER disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP

BAB 2 LANDASAN TEORI

PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA MUSIMAN GANDA ABSTRAK

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

III. METODE PENELITIAN

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)

Peramalan Penjualan Pipa di PT X

Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD

PERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA

Program Studi Matematika, Institut Teknologi Kalimantan, Balikpapan

PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

AKURANSI ARIMA DALAM PERAMALAN INFLASI KOTA BANDUNG

MODEL AUTOREGRESSIVE (AR) ATAU MODEL UNIVARIATE

BAB 3 PERANCANGAN PROGRAM. 3.1 Alasan digunakan Metode Exponential Smoothing. Banyak metode peramalan yang dapat digunakan dalam memprediksi tingkat

PERENCANAAN PRODUKSI AGREGAT BLOK REM KERETA API: STUDI PADA KOPERASI BATUR JAYA, KABUPATEN KLATEN, PROVINSI JAWA TENGAH

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA

BAB 2 LANDASAN TEORI

MODUL MINITAB UNTUK PERAMALAN DENGAN METODE ARIMA DAN DOUBLE EXPONENTIAL

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

ANALISIS PERAMALAN ARIMA BOX-JENKINS PADA DATA PENGIRIMAN BARANG

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007

BAB 2 LANDASAN TEORI

Artikel Ilmiah. Peneliti : Auditya Gianina Bernadine Amaheka ( ) Michael Bezaleel Wenas, S.Kom., M.Cs.

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

PERAMALAN PENJUALAN TEH HIJAU DENGAN METODE ARIMA (STUDI KASUS PADA PT. MK)

Peramalan Gabungan Rantai Markov dan Model Deret Waktu Pada Kasus Peramalan Kurs Nilai Mata Uang

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

BAB I PENDAHULUAN. berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara

BAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit

Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer

PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. datang. Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.

BAB III METODE PENELITIAN. merupakan suatu proses, mencari kebenaran dan menghasilkan kebenaran.

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK

Transkripsi:

DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii DAFTAR ISI... x DAFTAR GAMBAR... xiii DAFTAR TABEL... xiv DAFTAR LAMPIRAN... xv DAFTAR NOTASI DAN SINGKATAN... xvi BAB I PENDAHULUAN... 1 1.1 Latar Belakang Masalah... 1 1.2 Rumusan Masalah... 6 1.3 Batasan Masalah... 6 1.4 Tujuan Penelitian... 7 1.5 Manfaat Penelitian... 7 BAB II TINJAUAN PUSTAKA... 9 BAB III LANDASAN TEORI... 13 3.1 Pengertian Peramalan... 13 3.2 Jenis-jenis Peramalan... 15 3.3 Identifikasi Pola Data... 16 3.4 Uji Normalitas Kolmogorov-Smirnov... 16 x

3.5 Metode Peramalan... 18 3.6 Metode Peramalan Time Series... 19 3.6.1 Metode Naive... 19 3.6.2 Metode Moving Averages... 19 3.6.3 Metode Exponential Smoothing... 20 3.6.3.1 Single Exponential Smoothing... 21 3.6.3.2 Holt s Method... 22 3.6.3.3 Metode Winter... 23 3.6.4 Metode Box-Jenkins (ARIMA)... 25 3.6.4.1 Strategi Membangun Model... 26 3.7 Pengukuran Kesalahan Peramalan... 29 BAB IV METODE PENELITIAN... 32 4.1 Objek Penelitian... 32 4.2 Alat Penelitian... 32 4.3 Metode Pengumpulan Data... 33 4.4 Tahapan Penelitian... 33 BAB V HASIL DAN PEMBAHASAN... 37 5.1 Gambaran Produk... 37 5.2 Sistem Persediaan Produk Darah... 41 5.3 Sistem Peramalan Produk Darah... 43 5.4 Karakteristik Permintaan Darah... 44 5.5 Karakteristik Penerimaan Darah... 46 5.6 Uji Normalitas Kolmogorov-Smirnov... 48 5.7 Identifikasi Pola Data... 49 5.8 Pemilihan Metode Peramalan... 49 xi

5.9 Peramalan Permintaan Produk Darah... 52 5.10 Penentuan Metode Peramalan... 56 5.11 Hasil Peramalan Permintaan Produk Darah... 58 5.11 Kesalahan Hasil Peramalan Permintaan Produk Darah... 64 BAB VI PENUTUP... 67 6.1 Kesimpulan... 67 6.2 Saran... 67 DAFTAR PUSTAKA... 69 LAMPIRAN... 73 xii

DAFTAR GAMBAR Gambar 1.1 Sistem Rantai Pasok PMI UDD Kota Yogyakarta... 4 Gambar 3.1 Jarak Vertikal D Pada Grafik Uji Kolmogorov-Smirnov... 17 Gambar 3.2 Diagram Alir Strategi Pembangunan Model Box-Jenkins... 27 Gambar 4.1 Tahapan Penelitian... 35 Gambar 4.2 Tahapan Pengolahan Data... 36 Gambar 5.1 Prosedur Pengambilan Darah Dari Pendonor... 39 Gambar 5.2 Alur Sistem Persediaan Darah... 43 Gambar 5.3 Grafik Permintaan Produk Darah... 45 Gambar 5.4 Grafik Penerimaan Produk Darah... 47 Gambar 5.5 Plot Data Hasil Peramalan Produk Darah Lengkap... 58 Gambar 5.6 Plot Data Hasil Peramalan Produk Sel Darah Merah Pekat... 59 Gambar 5.7 Plot Data Hasil Peramalan Produk Sel Darah Merah Cuci... 60 Gambar 5.8 Plot Data Hasil Peramalan Produk Plasma Segar Beku... 61 Gambar 5.9 Plot Data Hasil Peramalan Produk Plasma Cair... 62 Gambar 5.10 Plot Data Hasil Peramalan Produk Trombosit... 63 xiii

DAFTAR TABEL Tabel 2.1 Penelitian Relevan Mengenai Persediaan Darah... 12 Tabel 3.1 Kriteria Penentuan Orde ARIMA... 26 Tabel 5.1 Nilai Signifikan Data Permintaan Produk Darah... 48 Tabel 5.2 Pola Data Untuk Setiap Produk Darah... 50 Tabel 5.3 Klasifikasi Metode Peramalan... 51 Tabel 5.4 Orde ARIMA Untuk Setiap Produk Darah... 53 Tabel 5.5 Hasil Uji Residual Untuk Semua Model ARIMA... 55 Tabel 5.6 Hasil Perbandingan MAPE Untuk Setiap Metode... 57 Tabel 5.7 Hasil Peramalan Produk Darah... 64 Tabel 5.8 Hasil Kesalahan Peramalan Produk Darah... 65 xiv

DAFTAR LAMPIRAN Lampiran 1. Data permintaan produk darah... 71 Lampiran 2. Uji kenormalan Kolmogorov-Smirnov untuk setiap produk darah... 78 Lampiran 3. Analisis autokorelasi untuk setiap produk darah... 82 Lampiran 4. Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF) untuk setiap produk darah... 88 Lampiran 5. Autocorrelation Function (ACF) dari difference dan residual dalam pembangunan model Box-Jenkins ARIMA... 94 Lampiran 6. Uji kenormalan Kolmogorov-Smirnov untuk setiap residual model ARIMA... 101 xv

DAFTAR NOTASI DAN SINGKATAN α μ Φ γ ACF AR ARIMA BDRS MA MAPE MPE MSE PACF PMI r k UDD UTDRS = Konstanta penghalus atau koefisien smoothing = Konstanta rata-rata pada proses = Koefisien estimasi = Konstanta smoothing untuk estimasi trend = Autocorrelation Function = Auto Regressive = Auto Regressive Integrated Moving Average = Bank Darah Rumah Sakit = Moving Average = Mean Absolute Percentage Error = Mean Percentage Error = Mean Square Error = Partial Autocorrelation Function = Palang Merah Indonesia = Koefisien autokorelasi untuk lag k = Unit Donor Darah = Unit Transfusi Darah Rumah Sakit = Nilai rata-rata data xvi