Hasil Pencarian  ::  Simpan CSV :: Kembali

"Anggaran yang selama ini dibuat secara tahunan merupakan bagian sumber informasi utama dalam melakukan manajemen kontrol system. Namun dalam perjalanan waktu muncul ketidak sesuaian yang ekstrem antara anggaran dengan aktual yang mencapai perbedaan 50% (aktual dibanding anggaran). Hal ini dikarenakan anggaran yang dibuat berdasarkan ekstrapolasi dari periode sebelumnya dan target merupakan hasil "adjustment" eksekutif perusahaan. Dengan keadaan seperti itu maka evaluasi kinerja perusahaan dapat menimbulkan ketidakakuratan bahkan kesalahan dalam pengambilan keputusan oleh manajemen maupun dalam melakukan review kinerja perusahaan, dikarenakan terjadinya penyimpangan (variance)baik positif maupun negatif selalu dievaluasi terhadap anggaran yang sifatnya tetap (fixed).Berdasarkan kondisi tersebut diperlukan suatu model manajemen alternatif untuk mendukung proses anggaran yang selama ini telah berjalan, yakni melalui suatu model "Rolling Forecast". Prinsip-prinsip dari rolling forecast secara umum adalah dengan melakukan proyeksi setiap tiga bulan (quarterly) atau jika sumber daya yang mencukupi dan kompeten dapat dilakukan setiap bulan. Proyeksi (forecasting) yang dilakukan bukanlah suatu pekerjaan sederhana yang hanya melakukan ekstrapolasi terhadap anggaran yang Blab disusun dan melakukan pembaruan (update) terhadap sisa bulan berjalan, melainkan melibatkan proses yang dimulai dari bawah (bottom -up) dari pemegang anggaran untuk menyesuaikan kembali asumsi-asumsi yang telah dipakai dalam anggaran sebelumnya dengan kondisi aktual yang terjadi. Dengan implementasi ini maka pemegang budget dapat melakukan persetujuan kembali untuk kebutuhan-kebutuhan atau antisipasi perkiraan yang akan datang, yang sebelumnya belum diasumsikan pada saat menyusun anggaran tahunan. Penggunaan rolling forecast sebagai alternatif untuk mengurangi kelemahan sistem anggaran yang sifatnya tetap pada PT "X" diharapkan mampu mengurangi kelemahan-kelemahan sistem anggaran tradisional."

"Penelitian ini membahas secara rinci mengenai alternatif penerapan Model auto regressive integrated moving average (ARIMA) dalam melakukan forecasting terhadap trafik. Model ARIMA dapat digunakan dalam rangka mengurangi deviasi yang sangat besar antara anggaran dan realisasi. Model penganggaran yang digunakan saat ini adalah menggunakan metode judgmental yang mengandalkan keahlian manajer atau Top Management dalam menentukan target RKAP. Terbatasnya keahlian manajer dalam menentukan target anggaran tesebut mengakibatkan deviasi yang besar antara target dan anggaran. Penelitian ini menyarankan kepada Manajemen untuk mengimplementasikan penggunaan model ARIMA dalam melakukan forecasting terhadap trafik maupun variabel lain dalam RKAP.

---

This study discusses in detail the alternative application of the auto regressive integrated moving average (ARIMA) Model in the conduct of the traffic forecasting. ARIMA model can be used in order to reduce the very large deviations between budget and actual. Budgeting models in use today are using judgmental methods that rely on managers or top management expertise in determining the target (RKAP). Limited expertise of managers in determining proficiency level budget targets resulted in a large deviation between the target and budget. This study suggests the management to implement the use of ARIMA models in the conduct of the traffic forecasting and other variables in the RKAP."

"Dengan hanya menggunakan kurva-s, kita tidak dapat memprediksi produktivitas pada suatu pekerjaan yang berulang maka dari itulah, diperlukan sebuah metode penjadwalan yang tepat yaitu learning curve. Tujuan dari penelitian ini adalah untuk menentukan apakah learning curve dapat digunakan secara akurat untuk memprediksi produktivitas kerja dari unit selanjutnya dengan mengaplikasikan prinsip tersebut kepada pengecoran kolom pada pembangunan proyek apartemen L.A City. Hasil yang didapatkan menunjukkan bahwa teori learning curve ini tidak sesuai dengan kenyataan yang terdapat di lapangan. Banyak faktor-faktor yang mempengaruhi teori tersebut termasuk kondisi cuaca, kombinasi pekerja dan penundaan yang terjadi.

---

By simply using the s-curve, productivity on a repetitive work cannot be predicted, and because of that, a proper scheduling method like learning curve is required. The goal of this research is to determine whether the learning curve can be used to accurately predict the next unit of work productivity by applying those principles to the column casting in the development of L.A City. The result of this survey shows that this learning curve theory does not correspond to the reality in the field. Many factors that affect the theory including weather condition, crew members and delays."

"Penulisan skripsi ini merupakan penambahan analisis dari simulasi forecasting pertumbuhan subscriber, sites, dan biaya untuk pembangunan sites LTE rel. 8 dan LTE rel. 10 pada referensi [1-2]. Pengembangan yang dilakukan adalah menganalisis dampak penggelaran teknologi 4G dengan pertumbuhan ekonomi di Indonesia. Dengan menggunakan GMM estimator dapat dilihat pengaruh laju dan besar dari GDP per Kapita yang didapatkan dari pengaruh penetrasi pengguna teknologi 4G. Dengan mengikuti fungsi Gompertz, ada tiga skenario yang dilakukan pada skripsi ini untuk penerapan 4G, yang disimulasikan menggunakan MATLAB. Skenario cepat, dengan jangka waktu perkembangan LTE rel. 8 selama tiga tahun kemudian digantikan oleh LTE rel. 10 menuntut cepatnya proses penggelaran dan adaptasi teknologi 4G, sehingga kenaikan GDP per Kapita mencapai 211,98% pada tahun awal. Pada skenario lambat, dengan nilai variabel c yang hanya -0,1 (mengindikasikan accelerated growth yang lambat), pertumbuhan GDP per Kapita hanya memperoleh kenaikan 53% pada tahun awal,dan juga dikhawatirkan 4G sudah termasuk teknologi kuno pada periode terakhir forecasting dan segera digantikan dengan teknologi berikutnya. Skenario sedang, memungkinkan dilakukan meskipun terjadi penurunan GDP per Kapita sebesar 6,5% dengan antisipasi pengembangan LTE rel. 10 saat masuk fase terminasi LTE rel. 8, sehingga pengguna dapat segera beradaptasi dengan pengembangan LTE rel. 10 untuk meningkatkan GDP per Kapita.

---

This undergraduate thesis is a development of software forecasting simulation for subscriber and sites growth and also cost to build LTE‟s rel 8 and LTE‟s rel 10 sites [1-2]. The adjustment is to analyze the impact of development of 4G technology with economic growth in Indonesia. By using the GMM estimator can be seen the influence of 4G penetration and GDP per capita. By following Gompertz function, there are three scenarios that build for this undergraduate thesis for 4G implementation, rapid scenario with three years development of LTE rel. 8 and then changing to LTE rel. 10 is forcing the process and adaptation of 4G technology must be quick. In slow scenario with value of variable c is -0,1 (indicating slow accelerated growth) GDP per capita growth only earn 53% increase in the early year and also 4G technology has possibilities become obsolete because of their slow growth process and would be change by the newest technology later. Intermediate growth is also possible to conduct, otherwise GDP percapita decline of 6.5%. However it needs anticipation when developing LTE rel. 10 when entering termination phase of LTE rel. 8. Therefore subscriber can catch up to adapting the development of LTE rel. 10 to improving GDP per capita."

"PT. Metalock Indonesia sebagai salah satu perusahaan domestik yang bergerak dl bidang perbaikan kapal, sejak tahun 1989 telah memperoleh lisensi langsung dan resmi menjadi anggo ta Metalock International Associated, Ltd. Sebagal perusahaan keluarga, alih generasi pimpinan peru sahaan diharapkan merupakan salah satu cara untuk membawa perusahaan ke tingkat pertumbuhan yang lebih baik. Namun demi kian, dapat dikatakan perusahaan ini belum menjamah pasar yang menjadi sasarannya. Sebagian besar operasinya (kurang lebih 99 %) masih melayani perusahaan induk dan perusahaan anggota resmi lainnya serta dilakukan di luar negeri. Hal ini menyebabkan peluang yang dimiliki hilang begitu saja dan kemampuan - terutama dilihat dari segi waktu - perusahaan untuk mengembangkan pasarnya menjadi sangat terbatas. Dengan demikian tujuan utama menerima lisensi agar dapat memasarkan produk teknologi pengelasan dengan sistem ?Metalock? di Indone sia belum sepenuhnya dapat dìlaksanakan. Masalah utama yang dihadapi untuk pemasarari dalam negeri adalah perusahaan tidak mampu menerapkan strategi biaya terken dali (overall cost leadership) secara konsisten. Strategj ini sulit diterapkan karena perusahaan induk mendominasi penen tuan barga bahan baku. Jika dikaji lebih mendala, perusahaan dapat disebut seba gai pemimpin dalam hal teknologi dl bidangnya yaitu di pasar Industri perbaikan kapal, khususnya pada repairing Engine of Ships?. Di dalam, negeri tidak ada perusahaan lain yang memiliki teknologi yang dapat disamakan. Ketergantungan perusahaan akan rekomendasi perusahaan induk dan perusahaan anggota resmi lainnya, merupakan risiko besar yang mengandung ketidakpastian di masa yang akan datang. Oleh karena itu, perusahaan perlu melakukan forecasting yang bertujuan agar forecastnya bisa meminimumkan pengaruh ketidak pastian terhadap perusahaan. Masalah yang timbul adalah bagai mana memilih metoda forecast yang paling cocok untuk kondisi perusahaan. Dari berbagai analisis yang telah dilakukan maka dengan basis data historis dapat disimpulkan bahwa metoda dekomposisi merupakan metoda yang balk digunakan. Kondisi data histor-js menunjukkan bahwa pola demand perusahaan mempunyai pola yang agak kompleks, misalnya ada unsur kenaikan, berfiuk tuasi, dan tidak teratur. Untuk dianalisa dan diforecast seka ligus sangat sulit, sehfngga sebaiknya dilakukan dekomposisi (pemecahan) ke dalam 4 komponen (pola) perubahan yaltu trend, fluktuasi musiman, fluktuasi siklus, dan perubahan yang bersi fat random. Masing-masing pola perubahan dianalisis satu per satu, setelah ditemukan dlgabungkan menjadi nilal, taksiran, atau ramalan. Metoda ini cukup kompleks tetapi untuk kondisi perusahaan seperti ini cukup akurat untuk menghasilkan forecast mendekati apa yang akan terjadi. Selanjutnya untuk implementasi forecast ing perlu dilaksanakan strategi atau program pemasaran jangka pendek misalnya promosi yang efisien dan efektif serta program jangka panjang misalnya perluasan segmen pasar serta struk turisasi harga."

"ABSTRAKMakalah ini membahas tentang analisa dan prakira dampak dari komponen siklis padamakroekonomi indikator data Australia 1978-2015 yang diambil dari situs web RBA.Makalah ini dilakukan dengan detrending masing-masing seri dengan mendapatkankomponen siklus untuk menyelidiki siklus bisnis mengenai amplitudo fluktuasi dan derajatco-movement dengan output riil GDP Riil . Makalah ini juga membandingkan fakta-faktasiklus bisnis yang didokumentasikan di Stock dan Watson 1999 untuk ekonomi AS, dimana beberapa seri dapat tidak konsisten saat dibandingkan dengan data seri Australia.Makalah ini juga menyajikan time series beberapa komponen siklis untuk dibandingkanbesarnya fluktuasi dan pola. Makalah ini juga mengenalkan intervensi pemerintah dalambentuk sistem jaminan sosial PAYG dalam analisis serta prakira untuk melihat lebih jauhpola dan dampaknya terhadap kesejahteraan masyarakat.

---

ABSTRACTThis report aims to analyze and forecast the effects of cyclical components onmacroeconomics indicators of the Australia data series 1978 2015 taken from the RBA rsquo swebsite. This is done by detrending each series in order to obtain the cyclical components toinvestigate the business cycle regarding the amplitude of fluctuation and degree of comovementwith real output Real GDP . This report also compares the facts of business cycledocumented in Stock and Watson 1999 for US economy, where some series can beinconsistent when comparing with the Australia data series. It also presents the time paths ofsome cyclical components to compare the magnitude of fluctuation and patterns. It alsointroduces government intervention in the form of PAYG social security system in theanalysis as well as forecast to further foresee patterns and impact to the welfare of thesociety."

"Peramalan permintaan akurat merupakan salah satu tantangan terbesar bagi UMKM. Hal ini disebabkan kebanyakan dari pelaku usaha masih menggunakan metode peramalan tradisional seperti intuisi dan pengalaman masa lalu yang belum mampu menghasilkan estimasi akurat akan permintaan di pasar yang dinamis seperti e-commerce. Salah satu usaha yang mengalami tantangan serupa yaitu UKM Pink Fashion yang merupakan usaha online pakaian muslim asal Jakarta yang berkembang pesat pada platform e-commerce sejak tahun 2019. Untuk mengatasi tantangan tersebut, penelitian dilakukan pada berbagai metode peramalan deret waktu sederhana seperti moving average (MA), weighted moving average (WMA), simple exponential smoothing (SES), holt’s model, dan seasonal index. Peramalan dilakukan selama satu tahun terakhir yakni sejak April 2021 hingga Maret 2022 menggunakan data tiga tahun terakhir yaitu data penjualan April 2019 hingga Maret 2022 pada dua produk terlaris, yaitu baju koko dan baju setelan olahraga. Hasil penelitian menunjukkan bahwa metode SES dengan konstanta 0,7 dan WMA merupakan metode yang paling cocok untuk digunakan untuk peramalan baju koko karena memiliki nilai MAPE terkecil, yaitu 28,43% dan 28,44% secara berurutan. Metode yang sama serta holt’s model juga terpilih sebagai metode terbaik untuk peramalan permintaan baju setelan training karena menghasilkan nilai MAPE terendah, yaitu 30,85%, 30,91%, dan 30,95%. Ini menunjukkan bahwa metode terpilih paling cocok untuk digunakan dalam melakukan peramalan jangka pendek, khususnya dalam unit waktu harian produk pakaian di e-commerce. Dengan memanfaatkan metode peramalan terpilih, UKM Pink Fashion diprediksi akan mendapat 282 dan 283 permintaan baju koko dan 116 dan 115 permintaan baju setelan training pada 1 April 2022.

---

Accurate demand forecasting is one of the biggest challenge for SME in e-commerce, including for Pink Fashion which is an online muslim fashion store from Jakarta. Thus, this study is analysing various simple time series demand forecasting methods such as moving average (MA), weighted moving average (WMA), simple exponential smoothing (SES), holt’s model, and seasonal index. Forecasting is done for the last one year, April 2021 to March 2022 using the last three years data on two of the store’s most best selling products, baju koko and training set. The result shows that SES with constant of 0,7 and WMA are the most suitable methods to forecast baju koko since they have the smallest MAPE score, 28,43% and 28,44% consecutively. The same methods as well as holt’s model are also chosen as the best methods to forecast the training set because they have the lowest MAPE score of 30,85%, 30,91%, and 30,95%. This shows that these two methods are proven as the best methods to estimate daily demand of fashion product in e-commerce. Using the chosen forecasting methods, Pink Fashion is predicted to get 282 and 283 demand of baju koko and 116, 115 and 115 demand of the training set in 1 April 2022."