Hasil Pencarian  ::  Simpan CSV :: Kembali

"Saat ini peramalan beban listrik hanya menggunakan acuan data historis sebagai masukan pada metode peramalan beban. Berbagai jenis metode digunakan untuk menghasilkan peramalan beban yang akurat dan presisi dengan harapan daya yang disalurkan tepat ukuran sesuai dengan kebutuhan beban listrik konsumen. Skripsi ini membahas teknik kombinasi metode permodelan Auto Regressive Integrated Moving Average (ARIMA) yang dikaitkan dengan metode regresi linear dari hubungan suhu dan beban listrik untuk menghasilkan metode peramalan yang lebih akurat dan presisi dari sekedar peramalan beban yang mengacu pada data historis saja. Berdasarkan hasil, terlihat bahwa MAPE kombinasi peramalan (4,19%) lebih baik dibanding menggunakan metode ARIMA (5,16%) dan Regresi Linear (5,28%) saja.

---

Nowadays electrical load forecasting uses historical data as a reference input on load forecasting method. Various types of this methods used to produce an accurate load forecasting and precision in the hope that appropriate resources are distributed according to the size of electrical load demand of consumers.

This research will discuss combination technique of Auto Regressive Integrated Moving Average (ARIMA), which is associated with linear regression method from the relationship of temperature and electrical load to produce a more accurate and precise than a load forecasting based on historical data only. The final results show that combination technique gives MAPE 4,19%, better than ARIMA (5,16) and Linear Regression (5,28%)."

"Sistem tenaga listrik di seluruh dunia menghadapi masalah teknis dalam pengoperasian, perencanaan, dan pengontrolan agar suplai tenaga listrik menjadi lebih efektif dan efisien. Namun, daya yang dikonsumsi oleh konsumen tidaklah selalu konstan, apalagi khususnya daya yang dipakai oleh pendingin ruangan. Ketika suhu meningkat, tentunya mengakibatkan banyak orang menggunakan pendingin ruangan dengan suhu yang lebih rendah dan ini berarti mengakibatkan daya yang dikonsumsi pun meningkat, begitu juga sebaliknya. Agar mencapai tujuan tersebut, diperlukan suatu peramalan beban yang tepat dengan tingkat kesalahan yang sangat kecil. Peramalan yang akan dilakukan dalam skripsi ini adalah peramalan jangka pendek dengan rentang waktu tiap satu jam dengan membuat pemodelan antara daya yang dikonsumsi konsumen tiap jam sebagai fungsi temperatur dan beban sebelumnya. Data beban dan temperatur yang digunakan untuk membuat pemodelan adalah data selama tahun 2010 yang didapat dari PLN dan BMKG. Pemodelan yang akan dibuat berupa pemodelan linier dengan satu varibel terikat dan empat belas variabel bebas. Koefisien dari pemodelan dicari dengan menggunakan metode kuadrat terkecil analisis regresi berganda. Hasil dari pemodelan yang telah dibuat menunjukan tingkat kesalahan rata-rata yang cukup kecil setiap harinya, yaitu sekitar 2% untuk hari biasa dan 5% untuk libur hari raya.

---

Power system in overall the world is facing technique problems in operating, scheduling, and controlling in order power supply can more effective and efficient. In contrast, power consumed by consumers is not constant, especially power used by air conditioner. When the temperature increase, it makes most people use air conditioner by low temperature and it means that power consumed by the air conditioner is increase, and also the reverse. To achieve the purpose, needed an accurate load forecasting with very low error.

Forecasting that has been done in this undergraduate thesis is short term forecasting with one hour interval by constructing the model between consumer power consumption every hour as the last temperature and load function. Load and temperature data used to make the modeling is data obtained during 2010 from PLN and BMKG. Modeling that will be made is linear modeling with one independent variable and fourteen dependent variable. The coefficients of modeling were searched using the least squares method of multivariate regression analysis. The result of the modeling that has been created showing the average error rate is small enough each day, about 2% for weekdays and 5% for the holiday feast."

"Gas merupakan sumber energi yang sangat besar potensinya di Indonesia. Penelitian ini memodelkan tingkat produksi gas dari tiga perusahaan besar dan juga tingkat produksi Indonesia secara keseluruhan kemudian memprediksi tingkat produksi gas pada periode yang akan datang. Dalam hal ini digunakan analisis deret waktu ARIMA dan data dari periode Januari 2005 ? Desember 2011. Hasilnya model ARIMA yang sesuai untuk meramalkan tingkat produksi Total E&P Indonesia adalah ARIMA (4,2,1) dengan MAPE 4.854 %, Pertamina adalah ARIMA (2,2,2) dengan MAPE 5.864%, dan Conoco Phillips Grissik sesuai dengan ARIMA (4,2,1) dengan MAPE 6.207%. Sedangkan model ARIMA peramalan tingkat produksi gas di Indonesia adalah ARIMA (4,2,1) dengan MAPE 3.607 %.

---

Gas is an enormous sourceenergy potential in Indonesia. This study is to model gas production rate of three major companies and the production of Indonesia as a whole and then predict the gas production rate in the next period. For the purpose, the data used are from the period January 2005 - December 2011. The result is the appropriate ARIMA models to forecast the gas production rate of Total E & P Indonesia is ARIMA (4,2,1) with MAPE 4.854%, Pertamina is ARIMA (2,2,2) with MAPE 5.864%, and Conoco Phillips Grissik according to ARIMA (4,2,1) with MAPE 6.207%. While ARIMA model forecasting gas production rate in Indonesia is appropriate ARIMA (4,2,1) with MAPE 3.607%."

"Peramalan merupakan salah satu hal yang dibutuhkan untuk mencapai tingkat manajemen rantai pasok yang baik. Peramalan dapat mencegah kelebihan pembelian dan juga menjaga ketersediaan barang dengan baik. Peramalan dapat menjadi salah satu metode untuk melakukan menjaga ketersediaan obat di rumah sakit. Obat sendiri merupakan salah satu barang yang sensitif dan reaktif, hal ini menyebabkan obat harus memiliki penyimpanan khusus dan tidak bisa disimpan dalam waktu lama. Dilain pihak, pada industri rumah sakit, ketersediaan obat harus selalu ada. Hal tersebut membuat rumah sakit harus memiliki peramalan obat yang akurat untuk menjaga ketersediaan obat dan mengurangi kelebihan pembelian dan penyimpanan obat dalam waktu lama. Penelitian kali ini akan membandingkan metode tiga metode peramalan, yaitu single exponential smoothing, autoregressive integrated moving average (ARIMA), dan artificial neural network (ANN). Penelitian ini bertujuan untuk melihat dan menganalisa metode peramalan yang paling baik dari ketiga metode yang ada. Penelitian kali ini akan mengambil data penjualan sebanyak 62 periode dari 3 jenis obat dengan kategori obat fast-moving, yaitu Rhinofed, Simvastatin, dan Betahistin. Berdasarkan hasil penelitian, peramalan dengan metode artificial neural network (ANN) memiliki nilai error yang kecil, sehingga nilai ketepatannya cukup besar. Jika dibandingkan dengan kedua metode lainnya peramalan dengan menggunakan metode artificial neural network masih memiliki nilai error yang paling kecil sehingga nilai ketepatan peramalannya yang paling besar. Hal tersebut menyimpulkan bahwa peramalan dengan metode artificial neural network (ANN) merupakan metode peramalan paling baik dari ketiga metode peramalan yang ada dan baik diimplementasikan di rumah sakit.

---

A forecast is one of the important aspects of a company to achieve a good supply chain management system. The forecast could help a company to avoid overstock conditions and ensure the availability of the product. Based on that concept, forecasts could also be used to ensuring the availability of medicine stock in hospitals. The medicine itself is one of the sensitive and reactive materials that make medicines need a very intense inventory condition and couldn't keep in a long period of time. On the other hand, hospitals need to ensure the availability of each medicine. Based on that condition, it is undoubtedly true that the forecast is needed in the hospital supply chain to ensure medicine availability and avoid overstocking. This research will compare three different methods of forecasting, that is single exponential smoothing (SES), autoregressive integrated moving average (ARIMA), and artificial neural network (ANN). The goal of this research is to find and analyze the best forecasting method suitable for the hospital supply chain. Three medicines that will be analyzed in this research are Rhinofed, Simvastatin, and Betahistin based on their title as fast-moving drugs using 62 periods of historical sales. As a result, the artificial neural network method has the smallest error and creates a better accuracy compared to another two methods. Even if every single method has its own strengths and weaknesses, the artificial neural network is the best method among the three methods that been proposed and could be implemented in the hospital supply chain."

"ABSTRAK

Peningkatan jumlah kendaraan di Indonesia terbilang cukup tinggi dari tahun ke tahun memiliki dampak pada berbagai aspek seperti kemacetan, polusi udara, kecelakaan lalu lintas dll. Penelitian ini bertujuan untuk mendapatkan model terbaik dan hasil peramalan untuk pertumbuhan kendaraan bermotor berupa mobil dan motor dalam 11 tahun ke depan. Data yang digunakan dalam penelitian ini adalah data

jumlah mobil dan jumlah motor dari tahun 2005 sampai 2019. Metode yang digunakan adalah metode Multi Linear Regression dan ARIMA. Variabel yang digunakan dalam metode Multi Linear Regression adalah jumlah mobil, jumlah motor, harga premium, harga solar, jumlah rumah tangga, indeks harga konsumen, produk domestik bruto, jumlah penduduk, pertumbuhan jalan, jumlah pekerja dan pendapatan perkapita Dengan menggunakan Multi Linear Regression didapatkan

nilai MAPE yang lebih kecil dibandingkan dengan nilai MAPE ARIMA.

---

ABSTRACT

The number of vehicles in Indonesia has increased quite high from year to year having an impact on various aspects such as traffic jams, air pollution, traffic accidents etc. The purpose of this study is to obtain the best model and the results of forecasting an increase in the number of cars and the number of motorcycles in the next 11 years. The data used in this study are data on the number of cars and the number of motorcycles from 2005 to 2019. The method used is the Multi Linear

Regression and ARIMA methods. The variables used in the Multi Linear Regression method are the number of cars, number of motorcycles, premium prices, diesel prices, number of households, consumer price index, gross domestic product, population, road growth, number of workers and per capita income. By using Multi Linear Regression obtained MAPE value is smaller than the MAPE ARIMA value."

"

Seiring dengan meningkatnya taraf hidup dan konsumsi masyarakat di Indonesia, permintaan produk Fast Moving Consumer Goods (FMCG) pun mengalami peningkatan khususnya produk FMCG pada kategori Nutrisi. Hal ini tentunya menjadi potensi keuntungan bagi perusahaan jika bisa memanfaatkan kondisi dengan baik. Untuk mengoptimalkan potensi yang ada, perusahaan perlu memastikan bahwa produknya bisa menjangkau masyarakat luas dengan tepat waktu, hal ini perlu didukung oleh rencana produksi yang baik. Hal utama yang menjadi acuan perusahaan memproduksi sebuah produk adalah peramalan permintaan di waktu yang akan datang. Peramalan akan menjadi acuan perusahaan untuk menentukan seberapa banyak produk yang harus diproduksi dalam kurun waktu tertentu. Peramalan yang baik akan membantu perusahaan untuk meningkatkan keuntungan dan meminimalisasi kerugian yang timbul akibat kesalahan dalam perhitungan produksi. Selain peramalan, perusahaan pun perlu menentukan jumlah safety stock dan reorder point untuk membantu perusahaan dalam memastikan bahwa stok yang dimiliki bisa terus memenuhi permintaan pasar.

---

Along with the increasing standard of living and public consumption in Indonesia, the demand for Fast Moving Consumer Goods (FMCG) products has also increased, especially for FMCG products in the Nutrition category. This is a great potential profit for the company if it can take the advantages of the conditions properly. To optimize the potential that exists, companies need to ensure that their products can reach the wider community at the right time, this needs to be supported by a good production plan. The main thing that becomes a reference for producing a product is forecasting demand in the future. Forecasting will be a reference for the company to determine how many products must be produced within a certain time. Good forecasting will help companies to increase profits and minimize losses arising from errors in production calculations. In addition to forecasting, companies also need to determine the amount of safety stock and reorder points to help companies ensure that their stock can continue to meet market demand.

"

"Peramalan merupakan bagian dari pengelolaan permintaan sebagai fungsi dalam perencanaan produksi sehingga dapat berguna dalam memberikan gambaran kegiatan produksi yang akan dilaksanakan. Tujuan dari penelitian ini adalah untuk memperoleh model peramalan yang akurat guna memproyeksikan permintaan produk sebagai fungsi dari perencanaan produksi. Oleh karena peramalan tidak mutlak benar dan akurat, pendekatan kesalahan peramalan merupakan kunci utama untuk menetapkan penentuan tingkat persediaan minimum (safety stock). Sehingga peramalan permintaan dapat diprediksi dan jumlah persediaan dapat ditentukan guna mengantisipasi jumlah permintaan yang variatif dan fluktuatif. Menggunakan analisis runtun waktu dengan metode ARIMA, didapatkanlah model peramalan permintaan dimana kesalahan peramalan turun hingga 19%.

---

Forecasting is part of demand management as production planning functions that could be useful in giving the description of production activities to be carried out. The purpose of this research is to obtain an accurate forecasting model to project the demand for the product as a function of production planning. Because forecasting is not absolutely true and accurate, the forecast error approach is a key to determine the set minimum inventory levels (safety stock). Thus the forecast demand can be predicted and the amount of inventory can be determined to anticipate the number of variety and fluctuative demand. Using time series analysis with ARIMA method, it is concluded that the demand forecasting model in which the forecast error falls to 19%."

"Konsumsi daya listrik mempunyai peranan penting dalam pelaksanaan pembangunan untuk peningkatan kesejahteraan dan kegiatan ekonomi. Sehingga, diperlukan peramalan beban listrik untuk menyelenggarakan usaha penyediaan daya listrik dalam jumlah merata. Tujuan dari peramalan beban listrik tersebut adalah untuk melakukan analisa nilai beban mingguan dan harian pada tahun 2009 menggunakan metode koefisien energi. Dari hasil analisa didapat nilai error beban mingguan 2009 4,525% dan beban harian 2009 5,234%.

---

Electrical power consumption plays important role in developing our country, especially in economic and welfare. Load forecast is needed to distribute the electrical power evenly. By using load forecasting method, we want to analyze the 2009 weekly and daily load value using energy coefficient. From calculation the error percentage of 2009 weekly load is 4.525% and the 2009 daily load is 5.234%"