Peramalan Permintaan Menggunakan Time Series Forecasting Model Untuk Merancang Resources Yang Dibutuhkan IKM Percetakan

CV Adi Jaya merupakan perusahaan manufaktur yang bergerak dalam industri percetakan. Dalam memastikan kapasitas produksi yang ada dapat memenuhi permintaan konsumen diperlukan metode peramalan yang akurat. Tujuan penelitian ini adalah untuk menentukan metode peramalan terbaik dan meramalkan permintaan konsumen pada tahun 2021. Penelitian ini adalah penelitian deskriptif dengan metode yang digunakan untuk menyelesaikan permasalahan tersebut adalah metode time series dan teknik analisis menggunakan Microsoft Excel. Tingkat error yang dihasilkan dari perhitungan metode peramalan diketahui dengan penghitungan kesalahan mean absolute deviation (MAD), kemudian didapatkan tracking signal. Berdasarkan hasil analisis data, diketahui metode peramalan time series terbaik untuk meramalkan penjualan produk kemasan berbahan plastik adalah metode centered moving average 3 periode. Metode ini dipilih karena memiliki tingkat error paling rendah jika dibandingkan dengan metode lain yang dianalisis, yaitu dengan nilai MAD 65.773,08333 dan nilai tracking signal yang berada dalam batas pengendalian. Sehingga metode CMA 3 periode dapat digunakan dalam peramalan. Dari metode CMA 3 periode didapatkan peramalan permintaan konsumen di bulan Januari sampai Mei 2021 sebanyak 883.780 pcs setiap bulannya. Sehingga diperkirakan perlu adanya overtime yang tidak terlalu banyak untuk memenuhi peramalan permintaan pada bulan Januari-Mei 2021 karena kapasitas perusahaan perbulan hanya 875.000 pcs.

Sistem Peramalan Persediaan Sparepart Menggunakan Metode Weight Moving Average dan Reorder Point

SM Teknik menjual sparepart sepeda motor, perkakas teknik, perkayuan serta jasa perbaikan mesin pertukangan dan mesin bubut corer. SM Teknik mengalami kesulitan dalam mempredikasi jumlah persediaan sparepart untuk pengadaan kembali. Data historis penjualan SM Teknik selama ini masih terdata dengan pencatatan manual. Oleh karena itu perlu dikembangkan suatu sistem berbasis komputer. Pengembangan sistem berbasis komputer menggunakan metode waterfall dengan tahapan analisis sistem, desain sistem, implementasi sistem dan pengujian sistem. Sistem dibangun dengan bahasa pemrograman PHP dengan DBMS mySQL. Metode peramalan menggunakan metode weighted moving average (WMA) untuk prediksi jumlah stok sparepart yang harus dibeli untuk periode selanjutnya. Penentuan batas aman persediaan menggunakan metode Reorder Point (ROP). Data historis dalam penelitian ini adalah data aktual penjualan sparepart dari bulan Januari sampai dengan Desember 2018. Hasil peramalan sparepart untuk produk KLEP SET HGLPRO NEOTECH untuk bulan Januari 2019 adalah sebanyak 24. Sedangakan untuk validasi hasil peramalan diperoleh nilai Mean Absolute Deviation sebesar 4.11 dan nilai tracking signal -0.81 artinya nilai data aktual permintaan lebih kecil dari nilai hasil peramalan, ditunjukkan dengan nilai negatif. Sehingga disimpulkan bahwa sistem peramalan ini telah teruji dengan data dan diperoleh nilai ramalan yang baik.

Neural Network Supervision Control Strategy for Inverted Pendulum Tracking Control

This paper presents several control methods and realizes the stable tracking for the inverted pendulum system. Based on the advantages of RBF and traditional PID, a novel PID controller based on the RBF neural network supervision control method (PID-RBF) is proposed. This method realizes the adaptive adjustment of the stable tracking signal of the system. Furthermore, an improved PID controller based on RBF neural network supervision control strategy (IPID-RBF) is presented. This control strategy adopts the supervision control method of feed-forward and feedback. The response speed of the system is further improved, and the overshoot of the tracking signal is further reduced. The tracking control simulation of the inverted pendulum system under three different signals is given to illustrate the effectiveness of the proposed method.

Eye tracking in human interaction: Possibilities and limitations

There is a long history of interest in looking behavior during human interaction. With the advance of (wearable) video-based eye trackers, it has become possible to measure gaze during many different interactions. We outline the different types of eye-tracking setups that currently exist to investigate gaze during interaction. The setups differ mainly with regard to the nature of the eye-tracking signal (head- or world-centered) and the freedom of movement allowed for the participants. These features place constraints on the research questions that can be answered about human interaction. We end with a decision tree to help researchers judge the appropriateness of specific setups.

Integrating Offline Object Tracking, Signal Processing, and Artificial Intelligence to Classify Relevant Events in Sawmilling Operations

Sawmilling operations are typically one of the most important cells of the wood supply chain as they take the log assortments as inputs to which they add value by processing lumber and other semi-finite products. For this kind of operations, and especially for those developed at a small scale, long-term monitoring data is a prerequisite to make decisions, to increase the operational efficiency and to enable the precision of operations. In many cases, however, collection and handling of such data is limited to a set of options which may come at high costs. In this study, a low-cost solution integrating offline object tracking, signal processing and artificial intelligence was tested to evaluate its capability to correctly classify in the time domain the events specific to the monitoring of wood sawmilling operations. Discrete scalar signals produced from media files by tracking functionalities of the Kinovea® software (13,000 frames) were used to derive a differential signal, then a filtering-to-the-root procedure was applied to them. Both, the raw and filtered signals were used as inputs in the training of an artificial neural network at two levels of operational detail: fully and essentially documented data. While the addition of the derived signal made sense because it improved the outcomes of classification (recall of 92–97%) filtered signals were found to add less contribution to the classification accuracy. The use of essentially documented data has improved substantially the classification outcomes and it could be an excellent solution in monitoring applications requiring a basic level of detail. The tested system could represent a good and cheap solution to monitor sawmilling facilities aiming to develop our understanding on their technical efficiency.

FORECASTING USES DOUBLE EXPONENTIAL SMOOTHING METHOD AND FORECASTING VERIFICATION USES TRACKING SIGNAL CONTROL CHART (CASE STUDY: IHK DATA OF EAST KALIMANTAN PROVINCE)

Abstrak Peramalan merupakan suatu teknik untuk memperkirakan suatu nilai pada masa yang akan datang dengan memperhatikan data masa lalu maupun data saat ini. Data yang menunjukan suatu trend, cocok dengan metode peramalan double exponential smoothing dari Brown atau metode double exponential smoothing dari Holt. Peramalan metode double exponential smoothing pada penelitian ini diaplikasikan pada data IHK Provinsi Kalimantan Timur periode Bulan Januari Tahun 2016 hingga Bulan Februari Tahun 2019 yang berpola trend. Tujuan dari penelitian ini adalah memperoleh hasil perbandingan akurasi metode peramalan double exponential smoothing berdasarkan nilai MAPE terkecil, memperoleh hasil verifikasi metode peramalan double exponential smoothing terbaik berdasarkan grafik pengendali tracking signal, dan memperoleh hasil peramalan menggunakan metode double exponential smoothing terbaik. Hasil penelitian menunjukkan metode peramalan terbaik adalah metode double exponential smoothing dari Holt dengan parameter dan berdasarkan nilai MAPE terkecil sebesar 0,361% dan nilai tracking signal yang keseluruhan terkendali pada grafik pengendali tracking signal. Kata kunci: Double Exponential Smoothing, IHK, MAPE, Tracking signal. Abstract Forecasting is a technique for estimating a value in the future by looking at past and current data. Data that shows a trend, matches the Brown’s exponential smoothing forecasting method or Holt's double exponential smoothing method. Forecasting of double exponential smoothing method in this study was applied to the IHK data of East Kalimantan Province for the period of January 2016 to February of 2019 which has a trend pattern. The purpose of this study was to obtain the results of the accuracy comparison of the double exponential smoothing forecasting method based on the smallest MAPE value, obtain the best verification results of the double exponential smoothing forecasting method based on tracking signal control charts, and obtain the best forecasting results using the double exponential smoothing method. The results showed that the best forecasting method was Holt's double exponential smoothing method with parameters and based on the smallest MAPE value of 0.361% and the overall tracking signal value was controlled on the tracking signal control chart. Keywords: Double Exponential Smoothing , IHK, MAPE, Tracking signal.

ANALISIS BULLWHIP EFFECT DENGAN MENGGUNAKAN METODE PERAMALAN PADA SUPPLY CHAIN DI DISTRIBUTOR PT. SEMEN TONASA (Studi Kasus: Distributor PT. Semen Tonasa)

Bullwhip effect merupakan fenomena pada supply chain, dimana adanya perbedaan jumlah permintaan konsumen ditiap periode baik itu semakin sedikit atau semakin banyak yang dapat berpengaruh pada semua tingkatan dalam supply chain. Hal itu juga yang dialami dari Sub Distributor PT. Padi Mas Prima yang mendistribusikan Produk Semen Tonasa pada tiap ritel di kota ambon yaitu ritel Aneka Guna,Ritel Benua dan Ritel Wayame Adapun tujuan penelitian ini Menganalisis Bullwhip Effect dengan metode peramalan dan meminimalisasi terjadinya bullwhip effect. Perhitungan bullwhip effect menggunakan pendekatan model Moving Average dan Single Exponential Smoothing yang akan dipilih berdasarkan Mean Absolute Deviation dan Tracking Signal Hasil dari penelitian model yang dipilih adalah model Single Exponential Smoothing diperoleh hasil dari peramalan selama 12 periode, dari hasil peramalan tersebut menunjukkan adanya penurunan nilai bullwhip effect pada Sub Distributor PT. Padi Mas Prima, yang sebelumnya 1.02 nilainya menjadi 0.18 dengan tingkat presentase penurunan sebesar 82.4%, Ritel Aneka Guna yang nilainya 1.07 menjadi 0.71 dengan tingkat presentase penurunan sebesar 33.6%, Ritel Benua yang nilainya 1.03 nilainya menurun menjadi 0.86 dengan tingkat presentase penurunan sebesar 16.5%, dan Ritel Wayame yang sebelumnya 1.10 nilainya menurun menjadi 0.96 dengan tingkat presentase penurunan sebesar 12.7%. Dimana nilai bullwhip effect > 1.01 dapat diartikan bahwa terjadi amplifikasi permintaan, sedangkan nilai bullwhip effect < 1.01 dapat diartikan bahawa permintaan masih stabil atau terjadi penghalusan pola permintaan usaha perbaikan dilakukan dengan melakukan pemesanan produk pada supplier dengan memperhatikan jumlah persediaan yang ada, menjaga arus informasi permintaan dan penjualan produk, serta menjaga lead time agar tetap stabil.

Metode Dekomposisi Multiplikatif Rata-rata Bergerak Untuk Peramalan Tingkat Produksi Padi Ladang Sulawesi Tengah

Field rice is a rice plants that is planted in a sedentary or shifting location. This study aims to forecast field rice production using the Multiplicative Decomposition method of moving average, and to determine the size of forecasting accuracy using Tracking signal, data used is the data from Central Sulawesi Province Field rice production in 2008-2016 obtained from the Agriculture Service of Central Sulawesi Province The research procedure is begun by analyzing the components of decomposition, namely the components of trend (T), seasonal (S), cyclic (C) and random components (I) then multiplies the value of these components. Forecasting results using the decomposition method helping by the Minitab 18 application in 2017 show that the pattern of the data contains a declining trend with the equation Yt = 1895.60 - 7.97 × t, and has a strong seasonal pattern with the expected pattern of data that increases or decreases in certain months such as March, April, August and December. The forecasting results obtained are at the control limit of Tracking signal which is between -4 to +4 that means the forecasting of rice production in the province of Central Sulawesi in 2017 using the moving average Multiplicative Decomposition method is valid

PREDIKSI OUTFLOW UANG KARTAL DI KALIMANTAN BARAT DENGAN METODE SINGULAR SPECTRUM ANALYSIS (SSA)

Uang merupakan komponen penting dalam perekonomian yang digunakan sebagai alat pembayaran dalam melakukan transaksi jual dan beli. Banyaknya uang yang beredar di masyarakat berpengaruh pada kondisi perekonomian suatu negara. Dalam kewenangan untuk mengatur transaksi arus keluar/masuk uang kartal, diperlukan Rencana Kebutuhan Uang (RKU). Banyak aspek yang menjadi dasar pembuatan RKU, salah satunya data historis aliran uang masuk (inflow) dan aliran uang keluar (outflow). Agar perencanaan tersebut tepat maka peramalan outflow sangat diperlukan. Data outflow pada umumnya memuat pola musiman dan trend sehingga dapat dimodelkan dengan analisis deret waktu. Metode SSA merupakan metode yang menggunakan pendekatan nonparametrik. Artinya dalam pengaplikasiannya, metode ini tidak membutuhkan uji asumsi-asumsi parametrik. Metode SSA menguraikan data deret waktu ke dalam komponen-komponen, yaitu trend, musiman, siklis dan noise. Pada penelitian ini metode SSA yang digunakan adalah metode recurrent (R-forecasting). Penelitian ini dilakukan dengan mengelompokkan data sebanyak 3 kelompok yang menggambarkan fluktuasi data untuk 9 periode peramalan. Tingkat akurasi peramalan diukur menggunakan kriteria Mean Absolute Percentage Error (MAPE) dan Tracking Signal. MAPE dan Tracking Signal pada peramalan SSA terhadap data aktual sebesar 18,63% dan 0,6377. Hal ini mengakibatkan metode SSA dapat dikatakan baik dan valid untuk meramalkan outflow uang kartal di Kalimantan Barat periode November 2018 sampai Juli 2019.Kata Kunci: singular spectrum analysis, R-forecasting, MAPE, tracking signal