Perbandingan Metode Double Exponential Smoothing dan Triple Exponential Smoothing dalam Memprediksi pendapatan Perusahaan Daerah Air Minum (studi Kasus PDAM Tirta Kencana Samarinda)
PDAM (Perusahaan Daerah Air Minum) adalah badan usaha milik pemerintah yang memiliki cakupan usaha dalam pengelolaan air minum dan pengelolaan sarana air kotor untuk meningkatkan kesejahteraan masyarakat yang mencakup aspek sosial, kesehatan dan pelayanan umum. PDAM memiliki peran yang sangat penting bagi masyarakat dalam hal mendukung kelancaran pembangunan daerah, sehingga keberhasilan PDAM harus selalu diupayakan. Penetapan target pendapatan PDAM saat ini menggunakan metode perhitungan manual sehingga ketepatan dan efektifitas dari penetapan target pendapatan tidak akurat. Oleh karena itu diperlukan metode matematis yang dikomputerisasi untuk membantu dalam menetapkan target pendapatan PDAM. Tujuan penelitian ini adalah membandingkan metode Double Exponential Smoothing dan Triple Exponential Smoothing dalam meramal target pendapatan PDAM untuk 1 tahun mendatang. Peramalan ini menggunakan 48 data dari bulan januari 2015 hingga desember 2019. Dari hasil pengujian, metode Double Exponential Smoothing memberikan hasil peramalan optimal pada alpha 0,5 dengan nilai MAPE sebesar 11,40319546%, dengan nilai error dibawah 20%, metode Double Exponential Smoothing dinilai baik dalam meramalkan target pendapatan PDAM.
Kata Kunci : Peramalan, Double Exponential Smoothing, Triple Exponential Smoothing, Mean Absolute Percentage Error.
Ketersediaan
Detail Information
Judul | Perbandingan Metode Double Exponential Smoothing dan Triple Exponential Smoothing dalam Memprediksi pendapatan Perusahaan Daerah Air Minum (studi Kasus PDAM Tirta Kencana Samarinda) |
---|---|
Pengarang | Yulius Daniel - Personal Name |
No. Panggil | SKRIPSI YUL p 2020 |
Subyek | Peramalan, Double Exponential Smoothing, Triple Ex |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2020 |
Penerbit | Fakultas Teknik |
Jurusan | Ilmu Komputer |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY