Muhammad A.B., - (2014) Implementasi algoritma genetika untuk minimasi galat pada metode peramalan seasonal autoregressive integrated moving average pada PT. XYZ. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5210100069-Undergraduate_Thesis.pdf Download (2MB) | Preview |
Abstract
Peramalan jumlah permintaan produk merupakan hal
yang sangat penting dilakukan bagi PT. XYZ. Selama ini,
PT. XYZ masih melakukan perencanaan produksinya
berdasarkan jumlah produksi periode sebelumnya. Saat
tepat untuk meramalkan banyaknya permintaan inilah yang
harus diidentifikasi oleh pihak perusahaan agar keputusan
yang diambil tepat mengenai sasaran sebelum pangsa
pasarnya mengalami penurunan. Berangkat dari
permasalahan itulah PT. XYZ memerlukan sebuah optimasi
untuk perencanaan yang mereka lakukan. Sehingga hasil
dari perencanaan perusahaan tersebut menjadi optimal.
Pada optimasi peramalan kali ini akan digunakan
Algoritma Genetika dengan menggunakan metode Seasonal
ARIMA (SARIMA) sebagai metode peramalannya, dimana
data yang digunakan dalam penelitian ini adalah data
penjualan/realisasi penjualan dari tahun 2011 – 2012 yang
bersifat musiman. Algoritma Genetika dipilih karena
merupakan algoritma yang dapat mengkombinasikan
kromosom-kromosom atau variabel autoregressive (p), difference (d), moving average (q) dan juga seasonal
autoregressive (P), seasonal difference (D), seasonal
moving average (Q) yang merupakan parameter dari
metode peramalan SARIMA untuk meminimasi galat pada
metode ini. Akhir dari penelitian ini adalah dengan
kombinasi nilai parameter yang optimal tersebut akan
dilakukan peramalan beberapa periode kedepan. Hal ini
dilakukan agar memudahkan sebuah PT. XYZ dalam
pengoperasian peramalan nantinya.
Hasil dari tugas akhir berupa sebuah sistem yang
dapat menentukan nilai parameter pada metode peramalan
SARIMA secara optimal untuk menunjang peramalan data
PT. XYZ yang bersifat musiman yang mana hasil tersebut
akan digunakan dalam penentuan produksi oleh PT. XYZ
tersebut. Dengan menerapkan sistem ini diharapkan dapat
mempermudah pengguna dalam melakukan penentuan
kombinasi nilai parameter pada saat menggunakan
Algoritma Genetika. Sehingga sistem tersebut dapat
menunjang dalam peramalan pada PT. XYZ berdasarkan
pola data yang sudah ada dengan optimal dan perusahaan
dapat meraih tingkat keuntungan yang maksimal.
==========================================================================================================
Forecasting product demand is very important for PT.
XYZ. During this time, PT. XYZ is still doing production
planning based on the amount of production of the previous
period. The appropriate time to predict the number of
requests is what must be identified by the company in order
to take the appropriate decisions regarding the target before
its market share decline. Departing from the problems that
PT. XYZ requires an optimization for the planning they do.
So the results of the company planning to be optimal.
At this time forecasting optimization will be used
Genetic Algorithm using Seasonal ARIMA (SARIMA) as
forecasting method, where the data used in this study is data
sales / sales realization from the year 2011 to 2012 which is
seasonal. Genetic Algorithms have been an algorithm that
can combine chromosomes or variable autoregressive (p),
difference (d), moving average (q) and also seasonal
autoregressive (P), seasonal difference (D), seasonal
moving average (Q) which is a parameter SARIMA
forecasting method to minimize the error in this method.
End of the study was the combination of the optimal
parameter values will be forecasting future periods. This is done in order to facilitate a PT. XYZ in forecasting future
operations.
The results of the final project in the form of a system
that can determine the value of the parameter at optimal
SARIMA forecasting methods to support data forecasting
PT. XYZ is seasonal which these results will be used in the
determination of production by PT. The XYZ. By
implementing this system is expected to facilitate the user in
making the determination of the combination of parameter
values when using Genetic Algorithms. So that the system
can support in forecasting at. XYZ based on the pattern of
existing data with the company to achieve optimal and
maximum benefit levels.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 519.536 Muh i |
| Uncontrolled Keywords: | Algoritma genetika; java; musiman; peramalan; SARIMA |
| Subjects: | Q Science > QA Mathematics > QA402.5 Genetic algorithms. |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | - Taufiq Rahmanu |
| Date Deposited: | 06 Aug 2019 02:27 |
| Last Modified: | 06 Aug 2019 02:27 |
| URI: | http://repository.its.ac.id/id/eprint/69801 |
Actions (login required)
 |
View Item |