Perbandingan metode Markov Chains dengan Compositional Exponential Smoothing (CES) untuk peramalan data komposit

Tanujaya, Kurniadi (2009) Perbandingan metode Markov Chains dengan Compositional Exponential Smoothing (CES) untuk peramalan data komposit. Undergraduate thesis, Widya Mandala Catholic University Surabaya.

[thumbnail of ABSTRAK]
Preview
Text (ABSTRAK)
ABSTRAK.pdf

Download (259kB) | Preview
[thumbnail of BAB 1]
Preview
Text (BAB 1)
BAB 1.pdf

Download (100kB) | Preview
[thumbnail of BAB 2] Text (BAB 2)
BAB 2.pdf
Restricted to Registered users only

Download (167kB)
[thumbnail of BAB 3] Text (BAB 3)
BAB 3.pdf
Restricted to Registered users only

Download (150kB)
[thumbnail of BAB 4] Text (BAB 4)
BAB 4.pdf
Restricted to Registered users only

Download (418kB)
[thumbnail of BAB 5] Text (BAB 5)
BAB 5.pdf
Restricted to Registered users only

Download (180kB)
[thumbnail of BAB 6]
Preview
Text (BAB 6)
BAB 6.pdf

Download (94kB) | Preview
[thumbnail of LAMPIRAN]
Preview
Text (LAMPIRAN)
LAMPIRAN.pdf

Download (367kB) | Preview

Abstract

Dalam setiap masalah pengambilan keputusan, manusia selalu dihadapkan pada fenomena ketidakpastian (uncertainty). Meskipun demikian, keadaan ini dapat dimodelkan secara matematis sehingga masalah dapat diselesaikan. Data probabilitas transisi ini dapat dipandang sebagai suatu data komposit. Data komposit adalah suatu jenis data yang merupakan gabungan dari data lain dan dapat didekomposisi menjadi bagian-bagian yang lebih kecil. Pada data komposit, terdapat beberapa metode untuk mengestimasi nilai dari komposisi data di masa mendatang, antara lain Compositional Single Exponential Smoothing (CSES) dan Compositional Double Exponential Smoothing (CDES). Dengan demikian, baik markov chains maupun CSES atau CDES dapat digunakan sebagai metode untuk mengestimasi nilai probabilitas di masa mendatang pada data komposit. Tujuan dari penelitian ini adalah membandingkan metode CSES, CDES dan Markov Chains untuk mendapatkan metode yang menghasilkan kesalahan estimasi terkecil. Penelitian ini menggunakan data simulasi yang di-generate sesuai kasus tertentu dengan faktor yang diteliti berupa kuantitas data, banyak variabel serta parameter lambda. Pengolahan data dilakukan dengan menggunakan ketiga metode tersebut. Hasil dari penelitian ini menyatakan bahwa faktor yang berpengaruh terhadap perbandingan metode adalah parameter lambda. Untuk parameter lambda tiga dan empat, metode markov chains memiliki kemampuan estimasi yang baik sedangkan untuk nilai lambda lima dan enam, metode CES (CSES dan CDES) memiliki kemampuan estimasi yang lebih baik daripada markov chains.

Item Type: Thesis (Undergraduate)
Department: ["eprint_fieldopt_department_Faculty of Engineering" not defined]
Uncontrolled Keywords: Data Komposit, Markov Chains, Compositional Exponential Smoothing (CSES dan (CDES), estimasi Probabilitas.
Subjects: Engineering
Engineering > Industrial Engineering
Divisions: Faculty of Engineering > Industrial Engineering Study Program
Depositing User: Users 32 not found.
Date Deposited: 10 Jun 2015 01:43
Last Modified: 10 Jun 2015 01:43
URI: http://repository.ukwms.ac.id/id/eprint/2355

Actions (login required)

View Item View Item