scholarly journals Prediksi Tingkat Produksi Buah Kelapa Sawit dengan Metode Single Moving Average

2021 ◽  
pp. 251-256
Author(s):  
Feri Irawan ◽  
S Sumijan ◽  
Y Yuhandri
Keyword(s):  
Oil Palm ◽  
Mean Squared Error ◽  
Moving Average ◽  
Fruit Production ◽  
Mean Absolute Deviation ◽  
Absolute Deviation ◽  
Palm Fruit ◽  
Percent Error ◽  
Mean Absolute Percent Error ◽  
Absolute Percent Error

Palm oil is one of the largest agricultural products in Indonesia and has a high economic value and can improve the welfare of oil palm farmers. The amount of oil palm fruit production is not always stable or increasing, but increases up and down which is influenced by many factors. This study aims to estimate the average amount of oil palm fruit production every year and prepare anticipatory steps in the event of a decrease in oil palm fruit production. The image processed in this study was the production of palm fruit in a few years which was generated from the results of oil palm plantations. Furthermore, data is processed using the Single Moving Avarage method. This method is a method of forecasting or predictions using a number of actual data to generate predictive values ​​in the future. The results of testing on the single moving average method can be seen forecasts of oil palm fruit production in 2021 using Moving Averge 3 of 200.749 tons with Mean Absolute Deviation 19.604, Mean Squared Error  456.963.281  and Mean Absolute Percent Error 10,0%. Moving Averge 4 was  206.771 tons with the Mean Absolute Deviation  27.333, Mean Squared Error  752.202.579 and Mean Absolute Percent Error 14,2%. Moving Averge 5 was  210.908 tons with Mean Absolute Deviation  26.890, Mean Squared Error  723.072.100 and Mean Absolute Percent Error 14.1%. The test results using the Single Moving Average method can be concluded that forecasting using Moving Average 3 can be used because the relative error level is smaller than Moving Average 4 and 5, with the value of the Mean Absolute Percent error of 10.0% and Mean Absolute Deviation 19.604.

scholarly journals Peramalan Penerbitan Ijin Mendirikan Bangunan Dengan Single Moving Average Dan Exponential Smoothing

2019 ◽  
Vol 18 (2) ◽  
Author(s):  
Yogha Pramana ◽  
Rukmi Sari Hartati ◽  
Komang Oka Saputra
Keyword(s):  
Mean Square Error ◽  
Moving Average ◽  
Exponential Smoothing ◽  
Mean Absolute Deviation ◽  
Mean Square ◽  
Absolute Deviation ◽  
Percent Error ◽  
Mean Absolute Percent Error ◽  
Mean Error ◽  
Absolute Percent Error

Ijin Mendirikan Bangunan adalah ijin yang diberikan oleh Kepala Daerah pada pemilik bangunan untuk mendirikan bangunan, mengubah, memperluas, mengurangi atau merawat bangunan sesuai dengan persyaratan administratif dan persyaratan teknis yang berlaku. Peramalan adalah merupakan perkiraan mengenai terjadinya suatu kejadian pada masa depan. Peramalan merupakan sebuah alat bantu yang penting dalam perencanaan yang efesien dan efektif. Prosesnya untuk mengetahui kebutuhan di masa datang antara lain kebutuhan ukuran kuantitas, kualitas, waktu dan lokasi untuk pemenuhan permintaan barang ataupun jasa. Peramalan merupakan bagian awal dari pengambilan suatu keputusan akhir. Data Ijin Mendirikan Bangunan (IMB) di hitung dengan metode Simple Moving Average dan Exponential Smoothing untuk mengetahui nilai dari Mean Error, Mean Absolute Deviation, Mean Square Error, Standar Error, Mean Absolute Percent Error.

scholarly journals Analisis Volatilitas Indeks Harga Saham Gabungan dan Individual dengan Exponential Moving Average dalam Menghitung Risiko Saham Melalui Estimasi Beta

2011 ◽  
Vol 2 (2) ◽  
pp. 74
Author(s):  
I Komang Gede Widiarta
Keyword(s):  
Moving Average ◽  
Market Model ◽  
Conditional Volatility ◽  
Cross Sectional ◽  
Percent Error ◽  
Mean Absolute Percent Error ◽  
Absolute Percent Error

Investasi di bursa saham sejak tahun 1998 masih kalah dibandingkan dengan investasi yang lain, karena investor berpendapat bahwa investasi tersebut memiliki tingkat risiko yang tidak dapat diprediksi. Tujuan dari penelitian ini adalah, untuk mengetahui tingkat risiko saham (kasus saham perbankan) di Bursa Efek Indonesia melalui perhitungan estimasi beta dan metode Exponential Moving Average, dan juga untuk mengetahui conditional volatility yang menjelaskan seluruh perbedaan cross-sectional di dalam pengembalian return saham melalui risiko differential saham. Model penelitian ini didasarkan pada model pasar (market model), yaitu return historis saham diregresi dengan return historis suatu proksi portofolio pasar. Return pasar yang digunakan sebagai proksi dalam penelitian ini adalah return dari Indeks Harga Saham Gabungan (IHSG). Sedangkan metode penelitian yang digunakan dalam penelitian ini adalah studi deskriptif yang bertujuan untuk mengetahui dan mampu menjelaskan karakteristik variable yang diteliti dalam suatu situasi. Observasi dilakukan pada 27 bank dari total 34 bank yang terdaftar sebagai emiten di Bursa Efek Indonesia. Enam dari bank tersebut masih dalam proses IPO dan satu bank belum melakukan transaksi yaitu Bank Jabar dan Banten. Periode pengamatan yang dipakai adalah dari bulan januari 2008 hingga bulan Desember 2010. Hasil penelitian ini menunjukan bahwa tingkat risiko saham perbankan di Bursa Efek Indonesia dapat dihitung melalui estimasi beta dan metode rata-rata bergerak Exponential Moving Average dengan hasil uji bias yang menunjukan nilai 0,97 dan tingkat kesalahan estimasi beta melalui metode mean absolute percent error (MAPE) sebesar 5,73%. Conditional volatility dapat menjelaskan seluruh perbedaan cross-sectional di dalam pengembalian return saham melalui risiko differential saham perbankan di Bursa Efek Indonesia 

PERENCANAAN PERSEDIAAN BAHAN BAKU AKAR TANJUNG DENGAN METODE MATERIAL REQUIREMENTS PLANNING (MRP) PADA UPT. MAKARTI POMOSDA

2020 ◽  
Vol 16 (3) ◽  
pp. 1-12
Author(s):  
Khoirul Hidayah ◽  
Sukarni Sukarni ◽  
Achmad Syaichu
Keyword(s):  
Standard Error ◽  
Mean Squared Error ◽  
Moving Average ◽  
Mean Absolute Deviation ◽  
Absolute Deviation ◽  
Material Requirements Planning ◽  
Safety Stock ◽  
Mean Error ◽  
Squared Error ◽  
Material Requirement

Suatu produksi yang direncanakan dengan baik akan menghasilkan efektivitas dan efisiensi produksi bagi perusahaan. Pentingnya perencanaan material pada perusahaan diharapkan dapat menghasilkan sistem yang baik terhadap proses produksi. Tujuan dari penelitian ini adalah untuk mengetahui penerapan Material Requirement Planning (MRP) sehingga kebutuhan bahan baku selama proses produksi di UPT MAKARTI POMOSDA dapat terpenuhi dengan menggunakan metode peramalan forecasting dalam satu tahun yaitu, moving average dan weighted moving average.  Metode ini terpilih untuk mengetahui safety stock nya produk setiap bulan dan setiap tahun. Berdasarkan detail dan analisa kesalahan metode moving average dengan menggunakan program POM QM forWindows Versi 3 Basic (Mean Error) 42,455, MAD (Mean Absolute Deviation) 259,545, MSE (Mean Squared Error) 118490,6, Standard Error (denom=n-2=9) 380,555, MAPE (Mean Absolute Percent Error) 643, dan next period 480. Sedangkan detail dan analisa kesalahan metode ini dengan menggunakan program POM QM For Windows Versi 3 Basic (Mean Error) 38,827, MAD (Mean Absolute Deviation) 212,257, MSE (Mean Squared Error) 83586,58, Standard Error (denom=n-2=9) 323,239, MAPE (Mean Absolute Percent ) 495, dan next period 464,893. Berdasarkan hasil proses diatas juga diketahui (safety stock) pada UPT MAKARTI POMOSDA pada tahun 2017 yaitu sejumlah 5209 unit, setelah dilakukan penelitian mengalami kenaikan sebesar 6758 dengan prosentase sebesar 129,7%, sehingga tidak ada penumpukan barang digudang. Hal ini juga didukung dengan penurunan biaya simpan bahan baku dari Rp 120.850/Periode (bulan) menjadi Rp 109.350/Periode (bulan).

scholarly journals PERAMALAN PERMINTAAN PRODUK SALE PISANG PADA INDUSTRI “SAHABAT” DI DUSUN CIJOHO DESA MARGAJAYA KECAMATAN SUKADANA KABUPATEN CIAMIS

2020 ◽  
Vol 7 (3) ◽  
pp. 634
Author(s):  
Nisa Aprilianti ◽  
Iwan Setiawan ◽  
Muhamad Nurdin Yusuf
Keyword(s):  
Mean Squared Error ◽  
Moving Average ◽  
Mean Absolute Deviation ◽  
Absolute Deviation ◽  
Squared Error

Perkembangan industri sale pisang yang ada di Desa Margajaya cukup penting dan menarik untuk diteliti, Sahabat merupakan industri yang berdiri relatif baru dengan memproduksi sale pisang yang cukup besar, jumlah penjualan produk sale pisang pada industri Sahabat belum efesien, karena produk yang dijual sering dikembalikan dalam jumlah cukup banyak oleh reseller. Penelitian ini bertujuan mengetahui ramalan permintaan produk sale pisang pada industri “Sahabat” di Dusun Cijoho Desa Margajaya Kecamatan Sukadana Kabupaten Ciamis pada bulan Maret samapai Desember tahun 2020. Penelitian ini dilaksanakan pada bulan Februari 2020. Responden dalam penelitian ini adalah pemilik agroindustri “Sahabat”. Jenis penelitian yang digunakan adalah penelitian kuantitatif  dan metode penelitian yang digunakan yaitu data primer dan data sekunder. Analisis yang digunakan adalah Single moving average (Rata-rata bergerak tunggal). Hasil penelitian menunjukkan bahwa dengan metode single moving average (rata-rata bergerak) untuk Forecast adalah 12.744 bungkus, dengan Mean Absolute Deviation sebesar 1.639 dan Mean Squared Error sebesar 7.658. Hasil ramalan pada bulan Maret dapat dihasilkan pula hasil peramalan atau perkiraan pada tahun 2020.

scholarly journals Pengukuran Kapasitas Container Yard Menggunakan Yard Occupancy Ratio dalam Upaya Optimalisasi Penggunaan Lapangan Penumpukan Kontainer di PT XYZ

2020 ◽  
Vol 4 (1) ◽  
pp. 1-11
Author(s):  
Somadi Somadi ◽  
Intan Dewi Permatasari ◽  
Rahmi Chintia
Keyword(s):  
Mean Squared Error ◽  
Forecast Error ◽  
Moving Averages ◽  
Service Company ◽  
Percent Error ◽  
Logistics Service ◽  
Mean Absolute Percent Error ◽  
Squared Error ◽  
Freight Forwarding ◽  
Absolute Percent Error

PT. XYZ is a logistics service company engaged in freight forwarding services for ships / air ships and warehousing. In its operations, the company experienced a problem, namely the flow of containers that entered the company's container yard capacity experienced overcapacity. The purpose of this study was to deter-mine the results of the measurement of container yard capacity using the yard occupancy ratio at PT. XYZ This study uses the Yard Occupancy Ratio (YOR) method to determine the capacity of the container yard, while for forecasting using moving averages and exponential smoothing. Meanwhile, to calculate forecast error using mean squared error and mean absolute percent error. Based on the results of measurements made that the results of forecasting container flows for July 2019 to December 2019 amounted to 1,487 containers, 1,493 con-tainers, 1,614 containers, 1,377 containers, 1,532 containers and 1,495 contain-ers, respectively. Based on the results of the YOR analysis that scenario 3 is the best scenario compared to scenario 1 and scenario 2, because it produces a low-er YOR value, namely for July 2019 at 45%, August 2019 at 45%, September 2019 at 48%, October 2019 at 41%, November 2019 at 46% and December 2019 at 45%. This means that by using the YOR method there will be no overcapasity in the future because the YOR value does not exceed 100%.

PERENCANAAN PERSEDIAAN BAHAN BAKU AKAR TANJUNG DENGAN METODE MATERIAL REQUIREMENTS PLANNING (MRP) PADA UPT. MAKARTI POMOSDA

2020 ◽  
Vol 16 (2) ◽  
pp. 22-33
Author(s):  
Khoirul Hidayah ◽  
Sukarni Sukarni ◽  
Achmad Syaichu
Keyword(s):  
Standard Error ◽  
Mean Squared Error ◽  
Moving Average ◽  
Mean Absolute Deviation ◽  
Absolute Deviation ◽  
Material Requirements Planning ◽  
Safety Stock ◽  
Mean Error ◽  
Squared Error ◽  
Material Requirement

Suatu produksi yang direncanakan dengan baik akan menghasilkan efektivitas dan efisiensi produksi bagi perusahaan. Pentingnya perencanaan material pada perusahaan diharapkan dapat menghasilkan sistem yang baik terhadap proses produksi. Tujuan dari penelitian ini adalah untuk mengetahui penerapan Material Requirement Planning (MRP) sehingga kebutuhan bahan baku selama proses produksi di UPT MAKARTI POMOSDA dapat terpenuhi dengan menggunakan metode peramalan forecasting dalam satu tahun yaitu, moving average dan weighted moving average.  Metode ini terpilih untuk mengetahui safety stock nya produk setiap bulan dan setiap tahun. Berdasarkan detail dan analisa kesalahan metode moving average dengan menggunakan program POM QM forWindows Versi 3 Basic (Mean Error) 42,455, MAD (Mean Absolute Deviation) 259,545, MSE (Mean Squared Error) 118490,6, Standard Error (denom=n-2=9) 380,555, MAPE (Mean Absolute Percent Error) 643, dan next period 480. Sedangkan detail dan analisa kesalahan metode ini dengan menggunakan program POM QM For Windows Versi 3 Basic (Mean Error) 38,827, MAD (Mean Absolute Deviation) 212,257, MSE (Mean Squared Error) 83586,58, Standard Error (denom=n-2=9) 323,239, MAPE (Mean Absolute Percent ) 495, dan next period 464,893. Berdasarkan hasil proses diatas juga diketahui (safety stock) pada UPT MAKARTI POMOSDA pada tahun 2017 yaitu sejumlah 5209 unit, setelah dilakukan penelitian mengalami kenaikan sebesar 6758 dengan prosentase sebesar 129,7%, sehingga tidak ada penumpukan barang digudang. Hal ini juga didukung dengan penurunan biaya simpan bahan baku dari Rp 120.850/Periode (bulan) menjadi Rp 109.350/Periode (bulan).

scholarly journals اقتراح استعمال مبدأ اعظم دالة انتروبي POME على توزيع كاما العام في تقدير احتمالات البقاء للسكان في العراق

2016 ◽  
Vol 22 (93) ◽  
pp. 454
Author(s):  
عمر عبد المحسن علي ◽  
رغدة زياد طارق
Keyword(s):  
Maximum Likelihood ◽  
Root Mean Square Error ◽  
Mean Square Error ◽  
Root Mean Square ◽  
Mean Square ◽  
Percent Error ◽  
Mean Absolute Percent Error ◽  
Generalized Gamma ◽  
Economic Survey ◽  
Absolute Percent Error

المستخلص: تم في هذا البحث تقدير دالة البقاء على قيد الحياة لبيانات تعاني من اضطراب وتشويش للمسح الاجتماعي والاقتصادي للأسرة في العراق 2012 (Iraq Household Socio-Economic Survey: IHSES II 2012) لبيانات فئات خماسية العمر تتبع توزيع كاما العام (Generalized Gamma: GG). واستعملت طريقتين للأغراض التقدير والموائمة fitting وهي طريقة مبدأ اعظم دالة انتروبي Principle of Maximizing Entropy: POME  وطريقة تمهيد لامعلمية بدالة لبّية Kernel ، للتغلب على المشاكل الرياضية التي تعتري التكاملات التي يتضمنها هذا التوزيع بالذات المتمثلة بتكامل دالة كاما الناقص، هذا الى جانب استعمال الطريقة التقليدية وهي الامكان الاعظم Maximum Likelihood: ML حيث تتم المقارنة على اساس اسلوب الجهاز المركزي للإحصاء في احتساب دالة البقاء من خلال برنامج MORTPAK كقيم حقيقية. وبعد ذلك القيام بالمقارنة باستعمال معيار جذر متوسط مربعات الخطأ Root Mean Square Error: RMSE  ، ومعيار متوسط مطلق نسبة الخطأ Mean Absolute Percent Error: MAPE  . وأظهرت النتائج أفضلية طريقة الانتروبي في تقدير دالة البقاء على الطرائق الاخرى.  

Evaluating Forecasting Procedures for Predicting Pacific Herring (Clupea harengus pallasi) Recruitment in British Columbia

1988 ◽  
Vol 45 (6) ◽  
pp. 928-935 ◽  
Author(s):  
M. Stocker ◽  
D. J. Noakes
Keyword(s):  
Time Series ◽  
Clupea Harengus ◽  
Environmental Data ◽  
Forecast Errors ◽  
Pacific Herring ◽  
Time Step ◽  
Absolute Deviation ◽  
Percent Error ◽  
One Step ◽  
Absolute Percent Error

The ability of four forecasting methods to generate one-step-ahead forecasts of Pacific herring (Clupea harengus pillasi) recruitment is considered in this paper. Recruitment time series for five coastal stocks and various environmental time series are employed in the analyses. Information up to and including time t is employed to estimate the parameters of each model used to forecast recruitment in year t + 1. Parameter estimates are then updated after each time step with a total of seven one-step-ahead forecasts being generated by each model for each stock. The forecast errors are compared using the five criteria: (1) root mean squared error, (2) mean absolute deviation, (3) mean absolute percent error, (4) median absolute deviation, and (5) median absolute percent error. The results of the study indicate that time series models may provide better forecasts of recruitment for the Strait of Georgia/Johnstone Strait stocks than the other competing procedures. A Ricker stock–recruitment model that takes into account environmental data appears to produce marginally better forecasts for the Central Coast and Queen Charlotte Island stocks, while all models produced equally good/bad forecasts for the Prince Rupert district stocks.

DELAY PREDICTION IN IOT AND TACTILE INTERNET USING MACHINE LEARNING APPROACH

2021 ◽  
Author(s):  
А.Р. АБДЕЛЛАХ ◽  
О.А. МАХМУД ◽  
А.И. ПАРАМОНОВ ◽  
А.Е. КУЧЕРЯВЫЙ
Keyword(s):  
Root Mean Square Error ◽  
Mean Square Error ◽  
Root Mean Square ◽  
Single Step ◽  
Mean Square ◽  
Percent Error ◽  
Mean Absolute Percent Error ◽  
Accuracy Measure ◽  
Delay Prediction ◽  
Absolute Percent Error

Предложены методы прогнозирования задержки в сетях интернета вещей и тактильного интернета при прогнозировании вперед на несколько шагов MSP (Multi-step ahead Prediction) и один шаг SSP (Single-step ahead Prediction). Использованы нелинейные авторегресионные рекуррентные нейронные сети с внешними входами NARX(NonlinearAutoregressive with Exogenous inputs) для временных рядов. Проведена оценка точности прогнозирования с помощью трех алгоритмов обучения нейронной сети (Trainlm, Traincgf, Trainrp) при использовании в качестве оценок точности прогнозирования среднеквадратичной ошибки RMSE(Root Mean Square Error) и средней абсолютной ошибки в процентах MAPE(Mean Absolute Percent Error). In this paper, we perform the delay prediction in IoT and tactile Internet communication networks using a multistep ahead prediction (MSP) and single-step ahead prediction (SSP) with Time Series NARX (Nonlinear AutoRegressive with eXogenous inputs) Recurrent Neural Networks. The prediction accuracy has been evaluated using three neural network training algorithms (Trainlm, Traincgf, Trainrp) using the RMSE (Root Mean Square Error) and MAPE (Mean Absolute Percent Error) as predictive accuracy measure.

scholarly journals Application of Monetary Models of Exchange Rate Determination for Poland

2008 ◽  
Vol 3 (2) ◽  
pp. 19-24 ◽  
Author(s):  
Yu Hsing
Keyword(s):  
Exchange Rate ◽  
Inflation Rate ◽  
Mean Squared Error ◽  
Nominal Exchange Rate ◽  
Exchange Rate Determination ◽  
Mean Absolute Percent Error ◽  
Expected Inflation ◽  
Squared Error ◽  
Monetary Models ◽  
Absolute Percent Error

Application of Monetary Models of Exchange Rate Determination for PolandThe zloty/USD exchange rate is examined based on the Dornbusch model, the Bilson model, the Frenkel model, and the Frankel model. Empirical results show that the coefficient of the relative money supply is positive and significant, that the coefficient of the relative output is negative and significant, and that the Bilson model or the Frenkel model applies to Poland. Hence, the nominal exchange rate is positively affected by the relative interest rate and the relative expected inflation rate. The Balassa-Samuelson effect is confirmed in both models. The Bilson model has a smaller root mean squared error or mean absolute percent error than the Frenkel model.

Sign in / Sign up

Export Citation Format

Share Document