scholarly journals Prediksi Jumlah Tamu Menginap di Hotel Karlita International, Tegal, Jawa Tengah

2013 ◽  
Vol 4 (2) ◽  
pp. 661-675
Author(s):  
Haryadi Sarjono ◽  
Irwan Zulkifli
Keyword(s):  
Comparative Analysis ◽  
Linear Regression ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Multiplicative Decomposition ◽  
Additive Decomposition ◽  
Central Java ◽  
Forecasting Methods ◽  
Naive Method ◽  
Weighted Moving Average

Article is forecasting comparative analysis of number of guess room occupancy at Karlita International Hotel, Tegal, Central Java using 11 forecasting methods: linear regression, moving average, weighted moving average, exponential smoothing, exponential smoothing with trend, naïve method, trend analysis, additive decomposition – CMA, additive decomposition – average all, multiplicative decomposition – CMA, multiplicative decomposition – average All. Article used 17 data from January 2012 to Mei 2013, and results after using those 11 methods were the smallest MAD is 101.69 and the smallest MSE is 15,163.95. From additive decomposition – average all method, data showed guess room occupancy forecast at Karlita International Hotel for June 2013 is 960 guess.

scholarly journals PREDIKSI JUMLAH PENERIMAAN SISWA SMK SWASTA TAHUN AJARAN 2011/2012

2012 ◽  
Vol 3 (2) ◽  
pp. 923
Author(s):  
Haryadi Sarjono
Keyword(s):  
Mean Squared Error ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Vocational High School ◽  
Absolute Deviation ◽  
Squared Error ◽  
Forecasting Methods ◽  
Naive Method ◽  
Manual Calculation ◽  
Weighted Moving Average

This study aims to determine prediction number of modern private Vocational High School (SMK) students in a province in Borneo with the approach of six forecasting methods: Linear Regression, Exponential Smoothing with Trend, Exponential Smoothing, Weighted Moving Average, Moving Average, and the Naive Method, besides using Manual calculation, the approach of QM for windows is used as a comparison. The result will be determined by the six forecasting methods which is used as a proper basis for the next calculating based on the smallest MAD (Mean Absolute Deviation) and MSE (Mean Squared Error) approach. The data in this study were made by the writer alone. 

scholarly journals PERAMALAN PENJUALAN AIR MINUM ISI ULANG 19 LITER PADA USAHA DEPOT TIRTA ASRI UNTUK MENINGKATKAN VOLUME PENJUALAN TAHUN 2016 DI DAERAH TAJUR HALANG BOGOR DENGAN METODE FORECASTING

2018 ◽  
Vol 12 (02) ◽  
pp. 60-72
Author(s):  
Rizka Fernanda Rumai Damayanti
Keyword(s):  
Linear Regression ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Naive Method ◽  
Weighted Moving Average

Tujuan penelitian ini untuk mengetahui perkembangan usaha dengan melakukan peramalan penjualan pada depot air minum isi ulang Tirta Asri di Tajur Halang Bogor. Metode yang digunakan dalam penelitian ini adalah pendekatan enam metode forecasting. Penelitian ini menunjukkan hasil peramalan untuk exponential smoothing dengan MAD = 186,9520 dan MSE = 44017,0091, weighted moving average dengan MAD = 192 dan MSE = 52418,2866, moving average dengan MAD = 182,8886 dan MSE = 50966,1063, linear regression dengan MAD =134,2571 dan MSE = 22649,1809, naive method dengan MAD =246,4 dan MSE = 73564,8, exponential smoothing with trend dengan MAD = 177,2625 dan MSE = 46714,1544. Dengan demikian metode linear regression yang paling tepat digunakan untuk melakukan peramalan penjualan, karena hasil kesalahan lebih kecil dibandingkan dengan lima metode lainnya.

scholarly journals INVENTORY CONTROL USING STATISTICS FORECASTING ON MANUFACTURE COMPANY

2014 ◽  
Vol 1 (2) ◽  
Author(s):  
Rizki Tri Prasetio
Keyword(s):  
Linear Regression ◽  
Inventory Control ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Economic Order Quantity ◽  
Economic Order ◽  
Order Quantity ◽  
Naive Method ◽  
Forecasting Method ◽  
Weighted Moving Average

Abstract - Inventory Control is a main and the most crucial factor for company that can cause an efficient production process. A lot of research use different method to support inventory control. This research use several forecasting method such as, Naïve Method, Exponential Smoothing, Exponential Smoothing with Trend, Moving Average, Weighted Moving Average and Linear Regression. Economic Order Quantity is used to calculate raw materials inventory. This research results suggest that company use Linear Regression as it has the smallest MAD and MSE of the six other methods. The company also has to implement Economic Order Quantity to minimalize loss profit due to excess inventory. Keywords : Inventory Control, Forecasting Method, Economic Order Quantity Abstrak - Pengendalian inventory merupakan salah satu faktor utama dan sangat penting bagi perusahaan karena sangat berpengaruh terhadap terciptanya proses produksi yang efisien. Banyak penelitian yang menggunakan beberapa metode guna mendukung pengendalian inventory. Penelitian ini menggunakan beberapa metode peramalan (forecasting method) diantaranya, Naïve Method, Exponential Smoothing, Exponential Smoothing with Trend, Moving Average, Weighted Moving Average dan Linear Regression. Serta Economic Order Quantity (EOQ) yang digunakan untuk menghitung persediaan bahan baku yang dibutuhkan dalam proses produksi. Hasil penelitian menghasilkan bahwa metode peramalan Linear Regression memiliki tingkat kesalahan yang dihitung menggunakan MAD dan MSE paling kecil diantara 6 metode lainnya. Serta mengimplementasikan Economic Order Quantity untuk meminimalisir kerugian akibat kelebihan persediaan. Kata Kunci : Pengendalian Persediaan, Metode Peramalan, Economic Order Quantity

scholarly journals Analisis Peramalan Permintaan dan Pengendalian Persediaan Bahan Baku Pembantu pada Industri Gula (Studi Kasus PT. XYZ Lampung Utara)

2020 ◽  
Vol 20 (2) ◽  
pp. 148-160
Author(s):  
Dharma Agista Pratama ◽  
Sri Hidayati ◽  
Erdi Suroso ◽  
Dewi Sartika
Keyword(s):  
Linear Regression ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Economic Order ◽  
Weighted Moving Average

Peramalan dan manajemen persedian merupakan salah satu factor penting dalam menentukan keberlanjutan usuatu usaha dalam industri.  Tujuan penelitian yaitu menganalisis metode peramalan penjualan yang paling sesuai untuk industri gula PT. XYZ dan menganalisis teknik pengendalian persediaan  dengan menggunakan metode Economic Order Quantitiy  (EOQ).  Terdapat 5 metode  peramalan yang digunakan yaitu : Linear Regression, Moving Average, Weighted Moving Average, Exponential Smoothing, dan exponential smoothing with trend.  Hasil analisis menunjukkan bahwa metode linear regression merupakan metode forecasting yang paling sesuai digunakan oleh industri gula PT. XYZ dengan nilai MAD, MSE, dan MAPE terkecil dibandingkan metode lainnya yaitu sebesar 7.195, 65.854.060, dan 10%, dengan hasil peramalan pada tahun 2019 sebesar 44.746 ton gula pasir.  Hasil analisis pengendalian persediaan menggunakan metode EOQ  terhadap bahan baku pembantu belerang dan soda kaustik .  Frekuensi pemesanan untuk belerang dilakukan  28 kali per tahun memilikitotal biaya persediaan sebesar Rp. 1.010.908.000 dan biaya penghematan sebesar Rp. 19.581.365.  dan pembantu causatic soda dengan frekuensi pemesanan 27 kali per tahun memiliki total biaya persediaan sebesar Rp. 922.241.500 dan biaya penghematan sebesar Rp. 17.840.930. 

scholarly journals STRATEGI PERENCANAAN AGREGAT SEBAGAI PILIHAN KAPASITAS PRODUKSI

2018 ◽  
Vol 5 (1) ◽  
Author(s):  
Harry Indra
Keyword(s):  
Linear Regression ◽  
Mixed Strategy ◽  
Consumer Demand ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Timely Manner ◽  
Alternative Strategies ◽  
Total Cost ◽  
Planning Methods ◽  
Weighted Moving Average

The purpose of this research is to provide solutions that can be given to firm to face the problems and to provide recommendations that can be given to the company to fulfill the order request number in a timely manner and achieve a level of production that the company expected. In this research, these problems can be resolved with 2 steps. First, forecasting consumer demand in the future with 4 methods, Linear Regression, Moving Average, Weighted Moving Average and Exponential Smoothing based on previous demand data and Second, using aggregate planning methods with 3 alternative strategies, there are Chase Strategy, Level Strategy and Mixed Strategy. Advice can be given to company is where firm can implement Mixed strategy, because this strategy has the most minimal total cost of production compared to 2 others strategies

scholarly journals USULAN PERMINTAAN PRODUK SN 5 ML DI PT. XYZ DENGAN METODE TIME SERIES

2021 ◽  
Vol 8 (2) ◽  
pp. 117-122
Author(s):  
Sambas Sundana ◽  
Destri Zahra Al Gufronny
Keyword(s):  
Time Series ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Double Exponential ◽  
Double Exponential Smoothing ◽  
Single Exponential ◽  
Weighted Moving Average

Permasalahan yang dihadapi PT. XYZ yaitu kesulitan dalam menentukan jumlah permintaan produk yang harus tersedia untuk periode berikutnya agar tetap dapat memenuhi kebutuhan pelanggan dan tidak menyebabkan penumpukan barang dalam jangka waktu yang lama terutama produk SN 5 ML yang memiliki permintaan jumlah paling besar dari produk lainnya. Tujuan dari penelitian ini yaitu menentukan metode peramalan yang tepat untuk meramalkan jumlah permintaan produk SN 5 ml periode Januari sampai dengan Desember 2021 Metode yang digunakan dalam penelitian ini yaitu metode peramalan Moving Average (MA), Weighted Moving Average (WMA), Single Exponential Smoothing (SES), dan Double Exponential Smoothing (DES). Adapun langkah langkah peramalan yang dilakukan yaitu menentukan tujuan peramalan,memilih unsur apa yang akan diramal, menentukan horizon waktu peramalan (pendek, menengah, atau panjang), memilih tipe model peramalan, mengumpulkan data yang di perlukan untuk melakukan peramalan, memvalidasi dan menerapkan hasil peramalan Berdasarkan perhitungan didapat metode peramalan dengan persentase tingkat kesalahan terkecil dibandingkan dengan metode lainnya yaitu  metode Moving Average (MA) dengan hasil yang diperoleh permintaan produk SN 5 ML pada bulan Januari sampai dengan Desember 2021 yaitu sebanyak 22.844.583 unit

scholarly journals Kajian Peramalan dan Pengaruh Profitabilitas terhadap Harga Saham pada Perusahaan Makanan dan Minuman Tahun 2011-2016

2017 ◽  
Vol 8 (1) ◽  
pp. 75-88
Author(s):  
Octaviani Hutahaean ◽  
Abdul Basith
Keyword(s):  
Moving Average ◽  
Exponential Smoothing ◽  
Profit Margin ◽  
Moving Averages ◽  
Return On Assets ◽  
Return On Equity ◽  
Purposive Sampling ◽  
Net Profit ◽  
Weighted Moving Average

Laju pertumbuhan industri terbesar selama tahun 2011-2015 yaitu 8,48 persen terhadap Produk Domestik Bruto (PDB) mencerminkan perusahaan yang termasuk dalam industri makanan dan minuman memiliki kinerja bisnis yang baik. Penelitian ini bertujuan untuk mengetahui kondisi harga saham dan profitabilitas pada tahun 2011-2015, mengetahui peramalan harga saham dan profitabilitas pada tahun 2016 dan untuk menganalisis pengaruh profitabilitas terhadap harga saham pada tahun 2011-2016. Analisis profitabilitas dipresentasikan oleh beberapa rasio keuangan yaitu Return On Equity (ROE), Return On Assets (ROA), Net Profit Margin (NPM), dan Earning Per Share (EPS). Penelitian ini menggunakan teknik purposive sampling dan data yang digunakan merupakan data sekunder. Peramalan menggunakan metode moving averages, weighted moving average, dan exponential smoothing dengan nilai MAD terkecil menggunakan aplikasi POM-QM for windows-3. Model analisis yang digunakan dalam penelitian ini adalah regresi linier berganda dengan menggunakan SPSS 18. Hasil penelitian menunjukkan bahwa PT Delta Djakarta, Tbk (DLTA) memiliki kondisi harga saham, ROE, ROA, dan EPS dengan rata-rata tertinggi selama 2011-2015. PT Tiga Pilar Sejahtera Food, Tbk (AISA) memiliki rata-rata NPM tertinggi selama 2011-2015. PT Delta Djakarta, Tbk (DLTA) dan PT Indofood Sukses Makmur, Tbk (INDF) menunjukkan peramalan tahun 2016 terhadap harga saham dan profitabilitas mengalami peningkatan dari tahun sebelumnya. Profitabilitas berpengaruh simultan dan signifikan terhadap harga saham dan secara parsial menunjukkan bahwa ROE dan EPS berpengaruh dan signifikan terhadap harga saham.

scholarly journals CAPACITY AVAILABILITY ANALYSIS TO HP SERVER PROLIANT DL380P GEN8 AT PT. AERO SYSTEM INDONESIA

2020 ◽  
Vol 2 (1) ◽  
pp. 141-148
Author(s):  
Naufal Rizki Rinditayoga ◽  
Dewi Nusraningrum
Keyword(s):  
Time Series ◽  
Data Analysis ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Time Series Forecasting ◽  
Flight Data ◽  
Availability Analysis ◽  
Capacity Limit ◽  
Single Exponential ◽  
Weighted Moving Average

There has Servers who used for Keeping some domestic flight data at Soekarno-Hatta airport and its often experience downtime or servers inconnected, because these server capacity exceeds those maximum server limit. This research aims to examine and analyze capacity from HP Proliant DL380P Gen8 server that used for domestic flight data at PT. Aero Systems Indonesia. The population here used 3 servers with research sample is 1 server, HP Proliant DL380P Gen8 server. Data analysis exert time series forecasting used comparison from Moving Average, Single Exponential Smoothing and Weighted Moving Average methods. These results which using Moving Average shows that the use of server capacity exceeds those server capacity limit with highest usage up to 3,568 GB from total available capacity of 2,930 GB, so it needs to change immediately by other server capacity which more balanced with usage at PT. Aero Systems Indonesia.

scholarly journals Komparasi Metode Peramalan Jumlah Permintaan Kamar Hotel

2019 ◽  
Vol 9 (2) ◽  
Author(s):  
Rendra Gustriansyah ◽  
Wilza Nadia ◽  
Mitha Sofiana
Keyword(s):  
Moving Average ◽  
Exponential Smoothing ◽  
Standard Type ◽  
The Public ◽  
Forecasting Methods ◽  
Forecasting Method ◽  
Double Exponential ◽  
Double Exponential Smoothing ◽  
Exponential Smoothing Method ◽  
Single Exponential

<p class="SammaryHeader" align="center"><strong><em>Abstract</em></strong></p><p><em>Hotel is  a type of accommodation that uses most or all of the buildings to provide lodging, dining and drinking services, and other services for the public, which are managed commercially so that each hotel will strive to optimize its functions in order to obtain maximum profits. One such effort is to have the ability to forecast the number of requests for hotel rooms in the coming period. Therefore, this study aims to forecast the number of requests for hotel rooms in the future by using five forecasting methods, namely linear regression, single moving average, double moving average, single exponential smoothing, and double exponential smoothing, as well as to compare forecasting results with these five methods so that the best forecasting method is obtained. The data used in this study is data on the number of requests for standard type rooms from January to November in 2018, which were obtained from the Bestskip hotel in Palembang. The results showed that the single exponential smoothing method was the best forecasting method for data patterns as in this study because it produced the smallest MAPE value of 41.2%.</em></p><p><strong><em>Keywords</em></strong><em>: forecasting, linier regression, moving average, exponential smoothing.</em></p><p align="center"><strong><em>Abstrak</em></strong></p><p><em>Hotel merupakan jenis akomodasi yang mempergunakan sebagian besar atau seluruh bangunan untuk menyediakan jasa penginapan, makan dan minum serta jasa lainnya bagi umum, yang dikelola secara komersial, sehingga setiap hotel akan berupaya untuk mengoptimalkan fungsinya agar memperoleh keuntungan maksimum. Salah satu upaya tersebut adalah memiliki kemampuan untuk meramalkan jumlah permintaan terhadap kamar hotel pada periode mendatang. Oleh karena itu, penelitian ini bertujuan untuk meramalkan jumlah permintaan terhadap kamar hotel di  masa mendatang dengan menggunakan lima metode peramalan, yaitu regresi linier, single moving average, double moving average, single exponential smoothing, dan double exponential smoothing, serta untuk mengetahui perbandingan hasil peramalan dengan kelima metode tersebut sehingga diperoleh metode peramalan terbaik. Adapun data yang digunakan dalam penelitian ini merupakan data jumlah permintaan kamar tipe standar dari bulan Januari hingga November tahun 2018, yang diperoleh dari hotel Bestskip Palembang. Hasil penelitian menunjukkan bahwa metode single exponential smoothing merupakan metode peramalan terbaik untuk pola data seperti pada penelitian ini karena menghasilkan nilai MAPE paling kecil sebesar 41.2%.</em></p><strong><em>Kata kunci</em></strong><em>: peramalan, regeresi linier, moving average, exponential smoothing.</em>

scholarly journals Sales forecasting in a mechanical component manufacturer: comparison between monte carlo simulation and time series analysis

2019 ◽  
Vol 10 (4) ◽  
pp. 1324
Author(s):  
Kevin William Matos Paixão ◽  
Adriano Maniçoba da Silva
Keyword(s):  
Decision Making ◽  
Time Series ◽  
Monte Carlo Simulation ◽  
Monte Carlo ◽  
Moving Average ◽  
Prediction Methods ◽  
Future Scenario ◽  
Sales Forecast ◽  
Forecasting Methods ◽  
Weighted Moving Average

Organizations today are required to be prepared for future situations. This preparation can generate a significant competitive advantage. In order to maximize benefits, several companies are investing more in techniques that simulate a future scenario and enable more precise and assertive decision making. Among these techniques are the sales forecasting methods. The comparison between the known techniques is an important factor to increase the assertiveness of the forecast. The objective of this study was to compare the sales forecast results of a mechanical components manufacturing company obtained through five different techniques, divided into two groups, the first one, which uses the fundamentals of the time series, and the second one is the Monte Carlo simulation. The following prediction methods were compared: moving average, weighted moving average, least squares, holt winter and Monte Carlo simulation. The results indicated that the methods that obtained the best performance were the moving average and the weighted moving average attaining 94% accuracy.

Sign in / Sign up

Export Citation Format

Share Document