Show simple item record

dc.contributor.authorARDYANSAH NUR ANGGA
dc.date.accessioned2013-12-20T06:44:11Z
dc.date.available2013-12-20T06:44:11Z
dc.date.issued2013-12-20
dc.identifier.nim070210101098
dc.identifier.urihttp://repository.unej.ac.id/handle/123456789/11234
dc.identifier.uritaufik 6 november 2023
dc.description.abstractHasil suatu analisis dan interpretasi data kuant itatif dalam ilmu matematika mendasari pengambilan keputusan. Forecasting (peramalan) adalah salah satu unsur yang sangat penting dalam proses pengambilan keputusan. Peramalan merupakan alat yang penting dalam perencanaan yang efektif dan efisien. Banyak metode untuk melakukan analisis time series / peramalan tersebut, diantaranya metode smoothing, ARIMA (Autoregressive Integrated Moving Average), ekonometri, regresi, dan metode masukan-keluaran. Untuk meramalkan lama proses pengerjaan tugas akhir mahasiswa digunakan metode Eksponential Smoothing dan ARIMA karena kedua metode ini memiliki kemampuan untuk menganalisis data masa lalu yang bersifat stasioner, trend atau musiman, maupun siklus. Hubungan IPK terhadap lama proses pengerjaan tugas akhir memberikan suatu alternatif dalam prediksi seberapa lama mahasiswa dengan IPK tertentu untuk mengerjakan tugas akhirnya. Untuk mendapatkan hasil peramalan time series dengan metode Triple Exponential Smoothing pertama kali harus menentukan nilai α terlebih dahulu, sehingga dapat ditentukan nilai smoothing awal atau S’, setelah dilakukan smoothing tiga kali didapatkan nilai konstanta a viit, b, t dan c. Selanjutnya dengan menggunakan persamaan Triple Exponential Smoothing maka hasil dari peramalan memberikan keakuratan yang cukup relevan. Demikian halnya untuk mendapatkan hasil peramalan time series dengan metode ARIMA pertama kali adalah menggambar scatter plot yang digunakan untuk mengetahui pola data tersebut mengandung data trend atau musiman, karena untuk analisis forecast ing data ARIMA adalah data stasioner baik dalam mean maupun varian. Dalam penelit ian ini prediksi menggunakan metode Exponential Smoothing lebih akurat dibandingkan dengan metode ARIMA. Penilaian metode yang paling akurat dengan membandingkan nilai error yang terkecil. Nilai error tersebut didapatkan dengan menghitung MAE, MSE, dan MAPE dari masing-masing metode peramalan. Nilai MAE, MSE, dan MAPE dari Exponential Smoothing berturut-turut sebesar 137.834; 413.501; 108.12%. Dengan rata-rata MAE, MSE, dan MAPE dari Exponential Smoothing berturut-turut sebesar 15.315 ; 45.945; 12.01%. Nilai MAE, MSE, dan MAPE dari ARIMA berturut-turut sebesar 141.368; 424.105; 108.21%. Dengan rata-rata MAE, MSE, dan MAPE dari ARIMA berturut-turut sebesar 15.708 ;47.123; 12.02%.en_US
dc.language.isootheren_US
dc.relation.ispartofseries070210101098;
dc.subjectExponential Smoothing dan Metode Autoregressive Integrated Moving Average (ARIMA) untuk Meramalkan Lama Proses Pengerjaan Tugas Akhir Mahasiswa Pendidikan Matematikaen_US
dc.titleAkurasi Metode Exponential Smoothing dan Metode Autoregressive Integrated Moving Average (ARIMA) untuk Meramalkan Lama Proses Pengerjaan Tugas Akhir Mahasiswa Pendidikan Matematika FKIP Universitas Jemberen_US
dc.typeOtheren_US
dc.identifier.validatortaufik 6 november 2023


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record