ThesisOpen AccessPDF tersedia
2021•Skripsi, Thesis, Disertasi, dan Tugas Akhir
ARIK AGUSTIAN PRIAUTAMA. Penerapan Single Exponential Smoothing dalam Peramalan Produksi Koran Kaltara (dibimbingan oleh St. Syahdan). Metode Single Exponential Smoothing adalah teknik peramalan rata-rata bergerak dengan pembobotan dimana data diberi bobot oleh sebuah fungsi exponential. Single Exponentia lSmoothing merupakan metode peramalan rata-rata bergerak dengan pembobotan canggih, namun masih mudah digunakan dimana dalam mtode ini sangat sedikit pencatatan data masa lalu (Fachrurrazi, 2015). Rumusan masalah dalam penelitian ini adalah bagaimana penerapan metode Single Exponential Smoothing dalam meramalkan produksi koran kaltara. Adapun tujuan yang di harapkan dalam penelitian ini adalah untuk mengetahui penerapan metode Single Exponential Smoothing dalam meramalkan produksi koran kaltara. Perhitungan manual metode Single Eksponential Smoothing dalam meramalkan produksi koran kaltara dilakukan dengan memilih parameter α terbaik terlebih dahulu (α antara 0 sampai 1). Nilai α terbaik yang terpilih adalah 0,9 untuk selanjutnya digunakan dalam menghitung peramalan. Berdasarkan parameter tersebut diperoleh hasil peramalan pada periode selanjutnya (2 September 2019) 〖sebesar PE〗_28=663,614. Perhitungan yang dilakukan secara manual memberikan hasil peramalan yang sama dengan hasil perhitungan menggunakan software. Nilai MAPE yang diperoleh dari prediksi atau peramalan produksi koran kaltara dengan menggunakan Single Eksponential Smoothing adalah sebesar 1,517. Hal ini menunjukkan bahwa nilai MAPE berada pada kriteria 10% yang berararti nilai MAPE berada pada kriteria sangat baik sehingga dapat dikatakan bahwa metode Single Eksponential Smoothing memiliki tingkat akurasi yang sangat baik dalam mendapatkan nilai taksiran.
ThesisOpen AccessPDF tersedia
2020•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Peramalan adalah suatu cara memperkirakan dengan kuantitatif ataupun kualitatif apa yang akan terjadi di masa depan menurut data yang relevan di masa lalu. Beberapa metode yang digunakan untuk peramalan yaitu metode kuadrat terkecil (Least Squared) dan metode setengah rata-rata (Semi Averaged). Penelitian ini bertujuan untuk mengetahui perbandingan peramalan permintaan produk roti menggunakan metode Least Squared dan metode Semi Averaged. Adapun subjek dalam penelitian ini adlah industri Tiara Rizki di Kelurahan Boyaoge Kecamatan Tatanga Kota Palu. Hasil perbandingan antara metode Least Square dan metode Semi Averaged yaitu untuk peramalan permintaan produk roti menggunakan metode Least Square diperoleh nilai MAPE sebesar 10,26%, dengan nilai MSE sebesar 10.794.730,4 dan RMSE sebesar 13.709,387, sedangkan menggunakan metode Semi Averaged diperoleh nilai MAPE 156,57%, dengan nilai MSE sebesar 4.051.463.753,7 dan RMSE sebesar 63.651,11. Dari hasil tersebut terlihat bahwa nilai MSE, RMSE dan MAPE menunjukkan nilai dari metode Least Squared lebih kecil dari metode Semi Averaged, sehingga dapat dikatakan bahwa metode Least Squared lebih baik dari metode Semi Averaged.
ThesisOpen AccessPDF tersedia
2019•Skripsi, Thesis, Disertasi, dan Tugas Akhir
ABSTRAK Dalam industri, matematika berperan dalam mengidentifikasi permasalahan, membangun model matematika dan menyelesaikanya, kemudian menerapkannya pada hasil. Mebel Khairyah memiliki sumber daya yang terbatas dan berbagai sasaran yang ingin dicapai. Sasaran yang ingin dicapai adalah memaksimalkan jumlah produksi, memaksimalkan keuntungan, meminimumkan jam kerja lembur dan meminimumkan pemakaian bahan baku. Peramlan (forecasting) merupakan teknik yang dapat digunakan untuk menentukan jumlah volume produksi dimasa yang akan datang. Goal programming adalah metode yang bisa menyelesaikan masalah penentuan jumlah produksi yang optimal. Metode ini merupakan pengembangan dari Linier programming. Metode ini digunakan untuk mengoptimalkan sumber daya yang terbatas dengan berbagai sasaran (multi objective) yang ingin dicapai mebel khairyah. Hasil optimasi dilakukan dengan software POM. Jumlah volume produksi optimal secara berturut-turut pada bulan Mei, Juni, dan Juli untuk meja hasilnya sama adalah 71 unit dengan keuntungan Rp. 12.500.000, untuk jumlah volume produksi optimal untuk kursi pada bulan mei, juni, dan juli hasilnya sama adalah 62 unit dengan keuntungan Rp. 12.700.00, sedangkan jumlah volume produksi optimal untuk lemari secara berturut-turut pada bulan mei, juni, dan juli adalah 58 unit, 60 unit, dan 62 unit dengan keuntungan Rp. 12.900.000.
ThesisOpen AccessPDF tersedia
2019•Skripsi, Thesis, Disertasi, dan Tugas Akhir
WINDAH SARI 2015 12 006 Departemen Teknik Sipil Dosen Pembimbing RACHEL ZANDRA SINGAL, ST.,M.T ANALISA CURAH HUJAN MENGGUNAKAN PEMODELAN TIME SERIES DENGAN DATA HUJAN BULANAN WILAYAH KOTA TANJUNG SELOR ABSTRAK Intensitas curah hujan yang tinggi dapat mengakibatkan sungai meluap hingga terjadi banjir. Dampak banjir ini mengakibatkan kesusahan bagi masyarakat karena sarana dan prasana menjadi lumpuh total. Dengan demikian, penting untuk mempelajari informasi dan pengetahuan tentang cuaca khususnya curah hujan. Sehingga informasi tentang kemungkinan terjadinya hujan dengan intensitas tinggi yang dapat menyebabkan banjir dapat diketahui lebih awal. Hal itu dapat mendukung upaya untuk melakukan pencegahan atau penanggulangan terhadap dampak negatif yang ditimbulkan oleh kejadian tersebut sehingga dapat dihindari atau diminimumkan. Salah satu metode yang dapat digunakan untuk meramalkan curah hujan adalah metode time series. Penelitian ini bertujuan untuk mengetahui pemodelan time series yang tepat untuk data curah hujan Kota Tanjung Selor Tahun 2019 dan mengetahui hasil peramalan curah hujan di Kota Tanjung Selor Tahun 2019 menggunakan pemodelan time series dengan data curah hujan bulanan. Data pada penelitian ini berupa data curah hujan bulanan di Kota Tanjung Selor pada 10 tahun terakhir yaitu Tahun 2009 sampai 2018 yang diperoleh dari Badan Meteorologi Klimatologi dan Geofisika Tanjung Harapan Tanjung Selor. Data dianalisis menggunakan pemodelan time series dengan metode ARIMA Box-Jenkins dan dilakukan dengan bantuan software Minitab 18. Berdasarkan hasil analisa data curah hujan diperoleh model yang akan digunakan untuk peramalan yaitu data curah hujan Kota Tanjung Selor Tahun 2009-2018 yang telah di differencing 1 sehingga memperoleh model ARIMA (1,1,1). Hasil peramalan curah hujan bulanan yang diperoleh pada Tahun 2019 di Kota Tanjung Selor pada bulan Januari yaitu 276,2 mm, bulan Februari tahun 2019 yaitu 276,5 mm, bulan Maret tahun 2019 yaitu 276,9 mm, bulan April tahun 2019 yaitu 277,3 mm, bulan Mei tahun 2019 yaitu 277,7 mm, bulan Juni tahun 2019 yaitu 278,1, bulan Juli tahun 2019 yaitu 278,5 mm, bulan Agustus yaitu 278,9 mm, bulan September tahun 2019 yaitu 279,2 mm, bulan Oktober tahun 2019 yaitu 279,6 mm, bulan November 280,0 mm dan bulan Desember tahun 2019 yaitu 280,4 mm. Kata kunci : Peramalan, Curah Hujan, Time Series, ARIMA Box-Jenkins
