Hasil Peramalan dengan Menggunakan Software Minitab

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

BAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.

Analisis Deret Waktu

ANALISIS DERET WAKTU

DAFTAR ISI. Halaman KATA PENGANTAR.. ii DAFTAR ISI.. iv DAFTAR TABEL. vi DAFTAR GAMBAR vii DAFTAR LAMPIRAN. viii

ANALISIS PERAMALAN PENJUALAN DAN KAITANNYA DALAM PERAMALAN LABA PADA PD. RAMATEX. Nama : Desty Trisnayannis NPM :

TEKNIK PERAMALAN KUANTITATIF (TEKNIK STATISTIK) Astrid Lestari Tungadi, S.Kom., M.TI.

Estimasi, Pemilihan Model dan Peramalan Hubungan Deret Waktu

PERAMALAN PENJUALAN TIKET PESAWAT PADA CV. VIDO JAYA TOUR DAN TRAVEL

MODUL MINITAB UNTUK PERAMALAN DENGAN METODE ARIMA DAN DOUBLE EXPONENTIAL

Lampiran 1. Hasil Analisa Laboratorium Kualitas Air Sungai

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

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Nama : Rian Surya Aji NPM : Jurusan : Manajemen Pembimbing : Martani, SE, MM.,

ANALISIS PERAMALAN PENJUALAN PAKAIAN PADA TOKO KARTINI BUSANA. Nama : SUCI MUTIARA NPM : Kelas : 3 EA 14

ANALISIS PERAMALAN PENJUALAN PAKAIAN MUSLIM MEREK RABBANI DI NAFA COLLECTION

OPTIMASI PERENCANAAN PENGENDALIAN BAHAN BAKU CAPROLACTAM

BAB 3 LANGKAH PEMECAHAN MASALAH

LAMPIRAN 1. Catylac New, Catylac Exterior Base, Catylac Exterior.

PERAMALAN (FORECASTING) #2

PRESENTASI SIDANG PENULISAN ILMIAH

Peramalan Memprediksi peristiwa masa depan Biasanya memerlukan kebiasaan selama jangka waktu tertentu metode kualitatif

STK511 Analisis Statistika. Pertemuan - 1

ANALISIS PERAMALAN PENJUALAN KANTOR PERCETAKAN DAN PERDAGANGAN UMUM CV AGUNG BEKASI TIMUR

Dian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh.

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI MODUL VIII ( TIME SERIES FORECASTING

UNIVERSITAS GUNADARMA FAKULTAS EKONOMI. Bekasi 2013

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

Enter the Problem (Masukkan Permasalahan)

BAB 4 HASIL DAN PEMBAHASAN

ANALISIS PERAMALAN PENJUALAN JASA PADA BENGKEL SERVICE MOTOR

BAB III PERAMALAN. Praktikum Sistem Produksi ATA 2014/2015

ANALISIS PERAMALAN PENJUALAN SERAGAM PADA KONVEKSI JEDRICO

PERAMALAN PRODUKSI SARUNG TENUN DENGAN MENGGUNAKAN METODE PEMULUSAN DATA

BAB IV METODE PENELITIAN

BAB 3 FORECASTING DAN PENGAMATAN TRAFIK DATA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

BAB 3 METODOLOGI PENELITIAN

PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU

Aplikasi Sistem Informasi Forecasting pada PD. Maha Jaya. Teknik Informatika 1 Teknik Industri 2 Universitas Kristen Petra Surabaya

ANALISIS PENGELOLAAN DAN PENGENDALIAN PERSEDIAAN BBM PADA SPBU PT. MANASRI USMAN *)

PERAMALAN PENJUALAN AYAM POTONG BAPAK ADIT DI PASAR BARU BEKASI

JURNAL MATEMATIKA MANTIK Edisi: Oktober Vol. 02 No. 01 ISSN: E-ISSN:

PERENCANAAN PERSEDIAAN BAHAN BAKU MAJALAH MANGGALA MENGGUNAKAN METODE MATERIAL REQUIREMENTS PLANNING (MRP) (Studi Kasus CV. Aditya Media Yogyakarta)

LAMPIRAN. Lampiran 1 Data Pendukung dari PT. Sebastian Citra Indonesia. Data Penjualan Roti O Outlet Stasuin Kota Jakarta Tahun 2012

PENERAPAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENJUALAN TOPPING EXTRA CHEESE : DWI SEPTIANI NPM :

Pengendalian Persediaan di Distributor Hasil

BAB 3 LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada

PEMODELAN DERET WAKTU MENGGUNAKAN TEKNIK EXPONENSIAL SMOOTHING

(FORECASTING ANALYSIS):

PERBANDINGAN KEEFEKTIFAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN JUMLAH PENGUNJUNG HOTEL MERPATI

Febriyanto, S.E., M.M.

PERAMALAN PENJUALAN GAS LPG PADA TOKO UPAYA TETAP BERKARYA

REGRESI LINEAR SEDERHANA

SALES FORECASTING UNTUK PENGENDALIAN PERSEDIAAN

DISTRIBUTION REQUIREMENT PLANNING

SKRIPSI APLIKASI METODE GOLDEN SECTION UNTUK OPTIMASI PARAMETER PADA METODE EXPONENTIAL SMOOTHING. Disusun oleh: DANI AL MAHKYA

ANALISIS PERAMALAN PENJUALAN PADA USAHA MIE AYAM MAHMURI DI TAMBUN BEKASI AGUS WIDODO / / 3EA26 DP : SRI KURNIASIH AGUSTIN, SE.

Volume 9 Nomor 1 Maret 2015

ABSTRAK. Universitas Kristen Maranatha

ANALISIS PERAMALAN PENJUALAN KEMEJA PADA TOKO G & N DI BEKASI

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

BAB III METODOLOGI PENELITIAN

Harwein et al., Peramalan Data Times Series Kebutuhan Tepung Terigu Sebagai Bahan Baku Pembuatan Roti...

ANALISA PERAMALAN PENJUALAN PULSA TELKOMSEL PADA JASA TELEKOMUNIKASI SERVER CV. AKBAR PULSA

BAB III LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi

Peramalan Harga Beras di Perum BULOG Divre Jatim

ABSTRAK. Universitas Kristen Maranatha

BAB 3 METODOLOGI PENELITIAN

This is a widely used forecasting technique. be especially accurate, www,clt,astate,edu/crbrown/smoothing07,ppt

ANALISIS PERAMALAN PENJUALAN PADA RUMAH MAKAN SOTO MADURA RAWAMANGUN JAKARTA SITI MARIYA / / 3EA08 DP : DR. KOMSI KORANTI

ANALISIS PERAMALAN PENDAPATAN JASA WARUNG INTERNET KALFIN.NET NAMA : IMAN ARIF HIDAYAT NPM :

PENERAPAN ALGORITMA FORECASTING UNTUK PREDIKSI PENDERITA DEMAM BERDARAH DENGUE DI KABUPATEN SRAGEN

LAMPIRAN I. Sejarah Perusahaan

METODE KUANTITATIF, MENGGUNAKAN BERBAGAI MODEL MATEMATIS YANG MENGGUNAKAN DATA HISTORIES DAN ATAU VARIABLE-VARIABEL KAUSAL UNTUK MERAMALKAN

SKRIPSI. Oleh : NOVA YANTI GULTOM JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG

BAB 3 METODE PEMECAHAN MASALAH

KOMENTAR DOSEN PENGUJI

BAB 3 LANGKAH PEMECAHAN MASALAH. Seiring dengan meningkatknya pangsa pasar, permintaan konsumen juga menjadi

ABSTRAK. Universitas Kristen Maranatha

FORECASTING UNIT PENJUALAN MOTOR HONDA PADA PT. HONDA DUNIA MOTORINDO DI DAERAH CIPUTAT PERIODE JUNI 2013

PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI BALI DENGAN MENGGUNAKAN METODE FUZZY TIME SERIES

BAB I PENDAHULUAN. Berikut ini adalah data permintaan produk CJM tipe PU STD periode Januari 2015 sampai Desember 2015.

PERAMALAN (Forecast) Disajikan oleh: Bernardus Budi Hartono. Teknik Informatika [Gasal ] FTI - Universitas Stikubank Semarang

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

METODE PERAMALAN PENJUALAN ONCOM PADA USAHA KECIL MENENGAH (UKM) SONI JAYA

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

ANALISIS PERAMALAN VOLUME PENJUALAN UD. AMER DENGAN METODE SMOOTHING NAMA : MUHAMMAD IQBAL NPM : KELAS : 3EA01 JURUSAN : MANAJEMEN

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

PENENTUAN JADWAL INDUK PRODUKSI DI PT SALIM IVOMAS PRATAMA TBK

BAB 4 HASIL DAN BAHASAN

PREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER

Analisis Peramalan Penjualan Boneka dengan Menggunakan Metode Moving Avarage dan Weight Moving Avarage pada CV.BAAC ABADI.

BAB I PENDAHULUAN. yang ada pada CV. Agung Jaya Cabang Pabean diperoleh dari supplier atau

BAB 3 METODE PENELITIAN

Riza Umami *), Achmad Syaichu **)

BAB 4 HAS IL D AN PEMBAHAS AN

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Sebuah fakta bahwa waktu adalah uang dalam aktivitas penjualan. Pengambilan

Transkripsi:

71 Lampiran 1. Hasil Peramalan dengan Menggunakan Software Minitab Moving Average Data C1 Length 12 NMissing 0 Moving Average Length 4 Accuracy Measures MAPE 25 MAD 54372 MSD 4819232571 Time C1 MA Predict Error 1 180561 * * * 2 123507 * * * 3 175165 * * * 4 187610 166711 * * 5 223799 177520 166711 57088 6 181904 192120 177520 4384 7 116762 177519 192120-75358 8 198092 180139 177519 20573 9 179445 169051 180139-694 10 283372 194418 169051 114321 11 237677 224647 194418 43259 12 343946 261110 224647 119300 Forecasts Period Forecast Lower Upper 13 261110 125048 397172 14 261110 125048 397172 15 261110 125048 397172 16 261110 125048 397172 17 261110 125048 397172 18 261110 125048 397172 19 261110 125048 397172 20 261110 125048 397172 21 261110 125048 397172 22 261110 125048 397172 23 261110 125048 397172 24 261110 125048 397172

72 Single Exponential Smoothing Data C1 Length 12 Smoothing Constant Alpha 0.2 Accuracy Measures MAPE 21 MAD 43246 MSD 3622756580 Forecasts Period Forecast Lower Upper 13 233304 127354 339253 14 233304 127354 339253 15 233304 127354 339253 16 233304 127354 339253 17 233304 127354 339253 18 233304 127354 339253 19 233304 127354 339253 20 233304 127354 339253 21 233304 127354 339253 22 233304 127354 339253 23 233304 127354 339253 24 233304 127354 339253 Double Exponential Smoothing Data C1 Length 12 Smoothing Constants Alpha (level) 0.2 Gamma (trend) 0.2 Accuracy Measures MAPE 22 MAD 39587 MSD 2618394240

73 Forecasts Period Forecast Lower Upper 13 280263 183277 377249 14 293754 194747 392761 15 307245 206062 408428 16 320736 217231 424241 17 334227 228264 440190 18 347718 239170 456266 19 361209 249958 472460 20 374700 260636 488763 21 388191 271213 505168 22 401682 281696 521667 23 415172 292091 538254 24 428663 302405 554922 Winters' Method Multiplicative Method Data C1 Length 12 Smoothing Constants Alpha (level) 0.2 Gamma (trend) 0.2 Delta (seasonal) 0.2 Accuracy Measures MAPE 22 MAD 42468 MSD 2427041768 Forecasts Period Forecast Lower Upper 13 276223 172178 380267 14 283248 177574 388922 15 257193 149701 364685 16 359658 250171 469146 17 326515 214863 438166 18 332574 218600 446549 19 300113 183666 416560 20 417274 298214 536334 21 376807 255003 498611 22 381900 257230 506571 23 343033 215382 470684 24 474890 344152 60562

74 Lampiran 2. Data Produksi Teh 2011

75

76 Lampiran 3. Data Persediaan Awal Teh 2011

77

78 Lampiran 4. Data Persediaan Akhir Teh 2011

79

80 Lampiran 5. Solusi Optimal dengan Menggunakan Software POM QM Hasil Iterasi Terakhir Bulan Januari dengan Menggunakan Software POM QM

81 Solusi Optimal Bulan Januari dengan Menggunakan Software POM QM

82 Hasil Iterasi Terakhir Bulan Februari dengan Menggunakan Software POM QM

83 Solusi Optimal Bulan Februari dengan Menggunakan Software POM QM

84 Hasil Iterasi Terakhir Bulan Maret dengan Menggunakan Software POM QM

85 Solusi Optimal Bulan Maret dengan Menggunakan Software POM QM

86 Hasil Iterasi Terakhir Bulan April dengan Menggunakan Software POM QM

87 Solusi Optimal Bulan April dengan Menggunakan Software POM QM

88 Hasil Iterasi Terakhir Bulan Mei dengan Menggunakan Software POM QM

89 Solusi Optimal Bulan Mei dengan Menggunakan Software POM QM

90 Hasil Iterasi Terakhir Bulan Juni dengan Menggunakan Software POM QM

91 Solusi Optimal Bulan Juni dengan Menggunakan Software POM QM

92 Hasil Iterasi Terakhir Bulan Juli dengan Menggunakan Software POM QM

93 Solusi Optimal Bulan Juli dengan Menggunakan Software POM QM

94 Hasil Iterasi Terakhir Bulan Agustus dengan Menggunakan Software POM QM

95 Solusi Optimal Bulan Agustus dengan Menggunakan Software POM QM

96 Hasil Iterasi Terakhir Bulan September dengan Menggunakan Software POM QM

97 Solusi Optimal Bulan September dengan Menggunakan Software POM QM

98 Hasil Iterasi Terakhir Bulan Oktober dengan Menggunakan Software POM QM

99 Solusi Optimal Bulan Oktober dengan Menggunakan Software POM QM

100 Hasil Iterasi Terakhir Bulan November dengan Menggunakan Software POM QM

101 Solusi Optimal Bulan November dengan Menggunakan Software POM QM

102 Hasil Iterasi Terakhir Bulan Desember dengan Menggunakan Software POM QM

103 Solusi Optimal Bulan Desember dengan Menggunakan Software POM QM

104 Lampiran 6. Tabel Distribusi X 2 Sumber: ssiregar.staff.gunadarma.ac.id/downloads/files/7734/tabel_chi2.pdf