PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

dokumen-dokumen yang mirip
Pertemuan 2 PERENCANAAN & PENGENDALIAN PRODUKSI 04/07/2014. Example of Simple Moving Average. Example of Exponential Smoothing TIN 4113

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

PENGENDALIAN STOCK CUTTING TOOL DENGAN METODE MATERIAL REQUIREMENT PLANNING (MRP) DI WORKSHOP UNITED CAN COMPANY

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

Rahma Rei Sakura, S.T., M.T. NIP MANAJEMEN OPERASIONAL PRODUKSI

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

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

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

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

LOGO ANALISIS REGRESI LINIER

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

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

MATEMATIKA INTEGRAL RIEMANN

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

Universitas Sumatera Utara

FORECASTING (Peramalan)

BAB 3 METODE PENELITIAN

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

Exponential smoothing

b) Untuk data berfrekuensi fixi Data (Xi)

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

Hidraulika Komputasi

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

BAB 2 LANDASAN TEORI

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

8. MENGANALISIS HASIL EVALUASI

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

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

2.2.3 Ukuran Dispersi

BAB III ISI. x 2. 2πσ

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.

3.1 Biaya Investasi Pipa

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

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

LAPORAN RESMI MODUL VII TIME SERIES FORECASTING

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

NORM VEKTOR DAN NORM MATRIKS

BAB II LANDASAN TEORI

PERAMALAN PERMINTAAN EKSPOR INDUSTRI MEBEL DI PT.SPU JEPARA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

titik tengah kelas ke i k = banyaknya kelas

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB 1 ERROR PERHITUNGAN NUMERIK

S2 MP Oleh ; N. Setyaningsih

Bab II Teori Pendukung

Muniya Alteza

BAB 4 PENGUMPULAN DAN ANALISA DATA

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

BAB 1 STATISTIKA RINGKASAN MATERI

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

PENGARUH PERENCANAAN PEMBELIAN BAHAN BAKU DENGAN MODEL EOQ UNTUK MULTIITEM DENGAN ALL UNIT DISCOUNT

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

KULIAH KE 7. METODA KELOMPOK (COHORT SURVIVAL METHOD) Lanjutan. Melihat pengaruh komponen kematian terhadap perubahan penduduk.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

UKURAN PEMUSATAN & PENYEBARAN

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB II TINJAUAN TEORITIS

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

UKURAN GEJALA PUSAT (UGP)

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

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

EKONOMI TEKNIK. Ekuivalensi

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

MEKANISME KERUNTUHAN LINGKARAN (Circular Failure Mechanisms)

PERAMALAN ORDER INTAKE DI PT.KSB INDONESIA

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

JENIS BUNGA PEMAJEMUKAN KONTINYU

Transkripsi:

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

Peremua 3 Oule: Meode Peramala: Expoeal Smoohg (Sgle) Double Expoeal Smoohg Wer s Mehod for Seasoal Problems Error Forecas MAD, MSE, MAPE, MFE aau Bas Referes: Elsayed, A. Elsayed. Aalss ad Corol of Produco Sysem, Prece Hall Ieraoal, 1994. Terse, Rchard J., Prcples of Iveory ad Maerals Maageme, Prece-Hall, 1994. Pujawa, Demad Forecasg Lecure Noe, IE-ITS, 2011.

Expoeal Smoohg New Forecas = α (curre observao of demad) + (1-α) (las forecas) Or F = α(d -1 ) + (1-α)F -1 Ad F -1 = α(d -2 ) + (1-α)F -2, ds Sehgga pada model, semua daa hsors erwakl pada forecas erakhr dega bobo yag semak kecl (uuk daa yag semak lama)

Expoeal Smoohg Iclude all pas observaos Wegh rece observaos much more heavly ha very old observaos: wegh Decreasg wegh gve o older observaos 0 1 ( 1 ) ( 1 ) ( 1 ) 2 3 oday

Expoeal Smoohg Noes: Oly 2 values (D ad F -1 ) are requred, compared wh for movg average Parameer deermed emprcally (whaever works bes) Rule of humb: < 0.5 = 0.1 o = 0.3 Forecas for k perods o fuure s: F k F

Persamaa MA da ES Sama-sama megasumska demad bersfa saoary Keduaya ergaug pada 1 la parameer, N pada MA da α pada ES. Kalau ada red, kedua-duaya erlamba dalam merespo Keduaya aka meghaslka dsrbus error yag sama apabla α = 2 / (N+1)

Perbedaa MA da ES MA megakomodaska lebh bayak daa ES haya meympa dua daa: forecas erakhr da acual demad erakhr, sedag MA meympa N daa demad erakhr

Double Expoeal Smoohg Wha happes whe here s a defe red? A redy clohg bouque has had he followg sales over he pas 6 mohs: 1 2 3 4 5 6 510 512 528 530 542 552 Demad 560 550 540 530 520 510 500 490 480 Acual Forecas 1 2 3 4 5 6 7 8 9 10 Moh

Double Expoeal Smoohg Ideas behd smoohg wh red: ``De-red'' me-seres by separag seres from red effecs Smooh seres usual maer usg Smooh red forecass usual maer usg Smooh he seres forecas S S D ( 1)( S 1 T 1) Smooh he red forecas T T ( S S 1 ) (1 ) T 1 Forecas k perods o fuure F +k wh base ad red F k S kt

Laha Soal (a = 0,1; b = 0,1; X1 = 40; T1 = 0) Perode Demad Level Tred Forecas 1 47 40 0 2 42 3 16 4 47 5 38 6 34 7 45 8 50 9 47 10 54 11 40 12 43 13

Expoeal Smoohg w/ Tred ad Seasoaly Apabla ka memlk daa yag megadug pola red maupu seasoaly, ka megguaka model. Prspya, daa ddekomposs mejad 3 baga: Daa dasar Kompoe red Ideks musma Masg-masg kemuda dforecas ersedr dega expoeal smoohg, kemuda dgabug kembal

Expoeal Smoohg w/ Tred ad Seasoaly Smooh he seres forecas S D S (1 )(S 1 T 1) C m Smooh he red forecas T T (S S 1 ) (1 ) T 1 Smooh he seasoaly forecas C C D S (1 ) C m

Expoeal Smoohg w/ Tred ad Seasoaly Forecas F wh red ad seasoaly F k (S 1 kt 1 ) C km

Forecas Errors e = F -p, -D Measures of forecas errors: 100% / ) (1/ ) (1/ ) (1/ 1 1 1 x D e MAPE e MSE e MAD

Mea Forecas Error (MFE or Bas) MFE 1 1 ( D F ) Wa MFE o be as close o zero as possble -- mmum bas A large posve (egave) MFE meas ha he forecas s udershoog (overshoog) he acual observaos Noe ha zero MFE does o mply ha forecass are perfec (o error) -- oly ha mea s o arge Also called forecas BIAS

Trackg Sgals Trackg Sgal. Guaya adalah memoor apakah forecas ka bas (cederug ak / uru secara kosse) 1 1 (Acual demad- - Forecas demad) MAD Aleraf laya, guaka MFE (lebh mudah).

Forecas Mejad Lebh Peg Jka Barag harus ada dulu sebelum pelagga membuuhka (producg he produc before here s a defe demad) I adalah kosep saga medasar dar MTS Perusahaa yag memproduks barag aas dasar MTO dak erlalu ergaug pada ramala Lead me pegadaa / produks pajag (lebh pajag dar waku uggu pelagga) Idusr mobl bsa memperpedek lead me sampa yag bsa doleras oleh pelagga dega megubah ssemya mejad assembly o order (ATO)

Peremua 4 - Persapa Tugas Baca: Ssem Persedaa Meode Q Meode P