• Tidak ada hasil yang ditemukan

Prediksi Kebutuhan Bbm Menggunakan Metode Arima Di Pertamina Upms-1 Medan

N/A
N/A
Protected

Academic year: 2017

Membagikan "Prediksi Kebutuhan Bbm Menggunakan Metode Arima Di Pertamina Upms-1 Medan"

Copied!
2
0
0

Teks penuh

(1)

DAFTAR PUSTAKA

Bambang Hariyanto, (2004), Sistem Manajemen Basis Data, Informatika , Bandung.

Chopra, Sunil and Peter Meindl, 2004. Supply Chain Management Strategy, Planning, and Operation. Second Editon.

G. Peter Zhang. Time series forecasting using hybridARIMA and neutral network model. Departement of Management, J . Mack Robinson College of Business, Georgia State University, University Plaza, Atlanta GA 30303, USA.

Hendikawati, P.,2010,AlgoritmaLevenberg-Marquardt UntukTraining Feedforward NeuralNetworkPada PeramalanData Time Series,Tesis, ProgramStudi S2Matematika,UniversitasGadjahMada Yogyakarta, Agustus2010.

Jay Heizer, Barry Rander, 2005, Operation Management, 7th ed., Prentice Hall, New Jarsey.

Julianti Kasih, Mewati Ayub. & Sani Susanto. Predicting Students’ final passing student results using the Apriori Algorithm.

Mardiansyah, Agus.(2010), Ekstraksi Bionutrien dari tanaman MHR dan Aplikasinya pada tanaman kentang (solanum tuberosum L,). SkripsiSarjana pada FPMIPA UPI Bandung.

Prajakta S. Kalekar. 2004. Time series Forecasting using Holt-Winters Exponential Smoothing. Kanwal Renki School of Information Techonology.

Pressman, R.S (2010), Software Engineering : a practioner’s approach, Mc Graw-Hill, New York, 68.

Prof. Rob J Hyandman. Forecasting Time Series Using R. Monash University.

Republik Indonesia. 2001. Undang-Undang No. 22 tahun 2001 tentang Minyak Dan Gas Bumi. Sekretariat Kabinet RI Jakarta.

Tampubolon, Manahan : “Manajemen Operasional”, PT Ghalia Indonesia, Jakarta 2004.

TirtoatmojoRahardjo. 2004,"Peningkatan PerformanceMotorBensin 4 Tak3 SiliderYang Menggunakan Bahan Bakar Gas.

(2)

Wei&WilliamW.S.2006.TimeSeriesAnalysisUnivariateandMultivariateMethods. Addison-WesleyPublishingCompany.

Zahra Mahdavi. & Maryam Khademi. Prediction of Oil Production with : Data Mining, Neuro-Fuzzy, and Linear Regression. International Journal of Computer Theory and Engineering Vol.4, No.3, June 2012.

Referensi

Dokumen terkait

Data time series dalam hal ini data lada merupakan data yang dikelolah untuk melakukan pembentukan model dan melakukan prediksi harga, data tersebut diperoleh dari BAPPEBTI atau

Dengan demikian hasil prediksi menggunakan algoritma time series dari perhitungan model single exponensial smoting yang menggunakan nilai alpa 0,9 yaitu dengan tingkat akurasi

Metode yang di gunakan untuk mengetahui kebutuhan energi pada gardu induk sungai raya ini menggunakan Metode Time Series dengan menggunakan waktu sebagai

Penelitian ini bertujuan untuk mengoptimalkan peramalan penyaluran bahan bakar minyak untuk persedian tahun 2016 berdasarkan data pada tahun 2013-2015 dan menentukan

Pemanfaatan fuzzy time series untuk pertama kali digunakan dalam memprediksi jumlah pendaftaran mahasiswa pada Universitas Alabama yang menggunakan model time-invariant fuzzy

Berdasarkan pengujian yang dilakukan pada model prediksi autoregressive menggunakan algoritma genetika pada data time series produksi dan konsumsi minyak bumi, gas alam

Penelitian ini menggunakan metode Goal Programming untuk mengoptimalkan persediaan bahan bakar minyak pada Pertamina Upms VII Depot Donggala.. Dari hasil penelitian didapatkan

Dari hasil yang sama dapat disimpulkan bahwa model ARIMA terbaik untuk peramalan data IHK Kota Ambon yaitu ARIMA 0,1,1 karena memiliki nilai MSE yang paling terkecil yaitu 26,27