Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAK

Adopsi teknologi Generasi Keempat (4G) mendorong perubahan perilaku subcriber pada pasar Indonesia. Teknologi ini diyakini telah mempermudah subcriber untuk akses data ke media sosial elektronik, layanan pesan daring,  layanan transportasi online, dan e-commerce. Di sisi lain keberadaan layanan Over-The-Top (OTT) yang memungkinkan pelanggan  untuk melakukan panggilan voice over IP, video call, dan chatting telah menggantikan teknologi Generasi Kedua (2G) yang selama ini menjadi ladang penghasilan operator di Indonesia. Teknologi  layanan pesan daring yang marak digunakan pada era 4G dinilai telah menyebabkan penurunan trafik layanan 2G, yaitu layanan suara berbasis Circuit Switch (CS) dan Short Message Services (SMS). Penelitian ini bertujuan  untuk menganalisis  keberlangsungan teknologi 2G pada jaringan seluler  PT Indosat Tbk. Dari sisi ekonomi, pada penelitian ini dilakukan pengamatan terhadap market share dan market growth dari ketiga teknologi seluler (2G, 3G, dan 4G) yang saat ini digelar PT Indosat Tbk berdasarkan revenue dan distribusi trafik dengan menggunakan Matriks Boston Cunsulting Group (BCG). Hal ini bertujuan untuk pengambilan keputusan teknologi mana yang harus dipertahankan dan teknologi mana yang harus diterminasi karena sudah tidak menghasilkan growth. Dari sisi teknis,  pada penelitian ini dilakukan pengamatan dan peramalan trafik voice dan data dari ketiga teknologi tersebut. Peramalan trafik bertujuan untuk mendapatkan periode yang tepat untuk melakukan terminasi layanan 2G. Hasil penelitian ini menunjukan bahwa 4G berada pada kuadran II, 3G berada pada kuadran III dan 2G berada pada kuadran IV dari Matriks BCG.  Hasil ini mengimplikasikan bahwa 2G telah berada pada fase decline dari siklus hidup teknologi, sehingga perlu dilakukan divestasi atau switch off pada teknologi ini. Hasil dari peramalan trafik voice  juga menunjukan bahwa teknologi 2G sudah layak diterminasi dan diprediksi penurunan trafik 93% pada pertengahan 2019. Sementara   trafik data 4G diprediksi akan terus mengalami kenaikan. 

---

ABSTRACT

---

The adoption of The Fourth Generation 4G technology is driving changes in customer behavior in the Indonesian market. This technology is believed to have become an enabler technology for data access to social media, layanan pesan daring, online transportation services and e-commerce. On the other hand, the existence of the Over-The-Top (OTT) service that allows users to make Voice over IP calls, video calls and chat has replaced the 2G technology which has been the operator's main income in Indonesia. Messenger technology that is widely used in the 4G era is considered to have replaced conventional call (Circuit Switch) and Short Message Services (SMS) services. This study aims to analyze the sustainability of The Second Generation (2G) technology on the cellular network of PT Indosat Tbk. From an economic standpoint,  this study an observe the market share and market growth of the three cellular technologies currently held by PT Indosat Tbk is based on revenue and trafik distribution using the Matriks BCG. This is aimed at making technological decisions which must be maintained and which technology must be terminated because it has not showing any growth. From a technical point of view, in this study we observed and forecasted voice and data trafik from 2G, 3G and 4G technologies. This aims to get the right period to terminate 2G services. The results of this study indicate that 4G is in quadrant II, 3G is in quadrant III and 2G is in quadrant IV of Boston Consulting Group (BCG) Matrix. This result implies that 2G has been in the decline phase of the technology lifecycle, so it is necessary to divest or switch off this technology. The results of voice traffic forecasting show that 2G traffic voice will degraded about 93% in mid 2019. While 4G data traffic is predicted to continue to rise.

"

"ABSTRAKUmumnya prakiraan volume lalu lintas pada suatu jalur jalan raya dilakukan dengan teknik land-use transport system model, dimana landuse, transport dan traffic dinyatakan dalam suatu hubungan matematis. Model ini terdiri dari 6 sub-model, yaitu accessibility, trip generation, trip distribution, mode choice, route choice dan dynamics of traffic flow (traffic pada jaringan transport). Sistem model ini merupakan permasalahan matematika, dan statistik serta kadang-kadang diperlukan penyelesaian dengan operation research.Peningkatan skala atau intensitas aktivitas land-use akan menyebabkan pula peningkatan traffic. Traffic yang dihasilkan oleh land-use ( trip generation ) adalah refleksi dari fungsinya dalam tatanan ekonomi dan sosial. Distribusi traffic antara 2 zones bergantung atas banyaknya land-use pada rnasing-masing zone, yang proporsional terhadap travel friction ( jarak, waktu perjalanan dan biaya perjalanan) antara 2 zones tersebut. Traffic ini berlangsung dengan suatu pilihan ragam transport, yaitu private transport atau public transport, melalui suatu route yang terpilih. Baik ragam transport maupun ragam route akan bergantung terhadap besaran travel friction yang dihadapi. Berpedoman kepada beberapa sub-model diatas, maka prakiraan volume lalu lintas dapat dibangun melalui suatu model matematis.Tulisan ini memprakirakan volume lalu lintas dari sisi yang lain. Yaitu mencob a membangun suatu persamaan regresi ( regresi berganda ) yang mengkorelasikan volume laiu lintas dengan pertambahan penduduk, pertumbuhan ekonomi masyarakat ( GRDP/PDRB/GPP ), pertumbuhan pendapatan masyarakat serta pertambahan jumlah kendaraan bermotor. Ruas jalan raya yang diamati adalah jalur ?Cawang-Tanjung Priok?, Jakarta. Jalur ini sengaja dipilih, karena pada jalur ini tersedia 2 alternative jalan, yaitu jalan dengan sistem toll dan arteri ( non-toll ) secara bergandengan. Adanya semacam interaksi antara jalur ini dengan jalur jalan toll lainnya, baik arah kedalam kota maupun arah keluar kota Jakarta, seperti JAGORAWI, jalur Jakarta-Cikampek, jalur 'Cawang-Pluit' dan jalur 'Pluit-Tanjung Priok' (Harbour Road), akan memberikan pengaruh terhadap naik turunnya volume lalu lintas yang terjadi.Kota Jakarta, perkembangan dan pertumbuhannya tidak dapat dilepaskan dari pengaruh daerah-daerah seputarnya, yaitu Bogor, Tangerang dan Bekasi (BOTABEK). Demikian pula dengan laiu lintas, pengaruh daerah seputar ini cukup kuat. Karena dari itu, maka data-data penduduk, pendapatan, GRDP dan kendaraan bermotor yang dipergunakan sebagai independent variable pada analisa regresi ini, merupakan penggabungan dari data untuk kota Jakarta dan BOTABEK. Sumber data utama adalah dari Biro Pusat Statistik, baik nasional maupun regional. Data-data yang dipakai ini sangat bergantung kepada ketersediaannya di BPS atau lembaga lainnya. Beberapa data tersedia untuk periode yang cukup panjang, sedangkan beberapa data yang lain hanya tersedia untuk perioda yang pendek. Dengan demikian, maka masing-masing independent variable ini perlu diproyeksikan terlebih dahulu dengan metoda regresi linear sederhana. Data-data ini juga telah mempertimbangkan proyeksi yang dibuat oieh masing-masing Pemerintah Daerah, sesuai dengan program pembangunan yang direncanakan masing-masing.Prakiraan dengan metoda regresi linear sederhana dan regresi berganda, dilakukan sesuai dengan teori-teori serta rumus yang lazim berlaku. Pengujian dengan hipotesa-hipotesa juga dilakukan, agar hasil yang diperoleh akan mempunyai akurasi serta tingkat keyakinan yan-g tinggi. Sekalipun demikian, hasil prakiraan tetap merupakan aproksimasi. Dimana perbedaan dengan volume aktual masih akan tetap ada.Tidak ada metoda prakiraan volume lalu lintas yang tepat dan sesuai dengan keadaan sebenarnya. Pendekatan yang berdasarkan metoda regresi inipun bukannya tidak memiliki kelemahan. Pada bab 'analisa masalah' telah dijelaskan tentang beberapa kelemahan ini. Sehingga justifikasi atas hasil prakiraan dirasakan perlu, untuk mendapatkan hasil akhir yang mendekati aktual. Namun setidaknya, metoda ini dapat dipakai sebagai perbandingan dengan metoda lain, sedemikian sehingga para decision maker akan mempunyai tingkat keyakinan yang lebih tebal, sebelum investasi dilaksanakan.Sebagai perbandingan, metoda land-use transport system model menghasilkan prakiraan volume Ialu lintas sebesar 45,574, 48,335, dan 51,097 kendaraan, masing-masing pada tahun 1990, 1991 dan 1992, dan metoda regresi menghasilkan volume Ialu lintas sebesar 25,521, 27,017, dan 28,513 kendaraan untuk tahun yang sama, sedangkan volume actual yang dicatat pada perioda antara tanggal 1 sampai 10 Mei, 1990, rata-rata sebesar 28,440 kendaraan saja. Perbedaan antara metoda regresi terhadap metoda land-use transport system model rata-rata adalah 79 %, sedangkan terhadap volume aktual sebesar 11.40 %. Memang belum dapat disimpulkan apakah prosentase perbedaan tersebut dapat dipakai sebagai koefisien penyesuaian, apabila hanya dilihat dari satu kasus pada tulisan ini saja. Studi yang sejenis perlu dilakukan agar dapat diperoleh koefisien penyesuaian yang cukup reliable.Distribusi besaran traffic antara yang menggunakan jalan arteri dengan jalan toll pada jalur 'Cawang-Tg.Priok' ini, didekati dengan traffic diversion curve, dimana fungsi dari perbandingan ( ratio ) waktu perjalanan total pada jalan baru dengan jalan lama yang di-adjust dengan traffic diversion parameter. Dengan formula ini, maka volume lalu lintas yang masuk kejalan toll dapat dihitung, yaitu kurang lebih sebesar 40 % dari total lalu lintas.Interaksi antara jaringan jalan toll di kota Jakarta, merupakan kondisi lain yang berpengaruh terhadap volume lalu lintas pada masing-masing route. Sistem pengoperasian yang separated atau integrated berikut dengan penetapan tarif toll, sangat dominan pengaruhnya terhadap volume lalu lintas serta pertumbuhannya. Sehingga untuk dapat memprakirakan volume lalu lintas secara balk, perlu dikorelasikan dengan sistem operasi serta besaran tarif toll."

"ABSTRAKTrafik dalam telekomunikasi seluler dapat dibedakan menjadi data, smsdan voice. Seiring perkembangan internet yang sangat pesat, trafik selulermengalami konvergensi paradigma dari voice centric menjadi data centric dimanatelekomunikasi tidak lagi digunakan sebatas pembicaraan verbal dari satu lokasike lokasi lain namun kenyataannya sudah beralih menjadi bentuk pertukaran danpenyebaran informasi data.Sehubungan hal tersebut mutlak sebuah operator seluler perlu memilikiinformasi terkait perilaku pelanggan berbasis wilayah sebagai data basic untukpengambilan kebijakan bisnisnya. Adapun wilayah untuk kepentingan penelitiandibedakan menjadi pemukiman mewah dan non mewah serta wilayah usaha, halini didasarkan pada teori Von Thunen tentang diagram cincin pola penggunaantanah perkotaanUntuk mengetahui perbedaan dan dinamika spasial trafik voice seluleryang terjadi pada masing ? masing jenis penggunaan tanah tersebut makapenelitian mengambil studi kasus operator Indosat dengan wilayah studi JakartaSelatanMetode penelitian yang digunakan adalah analisis statistik meliputi ujikesamaam varian, uji normalitas data, dan uji perbandingan berganda. Adapunanalisis spasial yang digunakan yaitu berupa tinjauan perbedaan deliniasi wilayahtrafik voice berdasarkan lokasi dan perbedaan waktuHasil penelitian menunjukan bahwa terdapat perbedaan trafik voiceberdasarkan jenis penggunaan tanah baik pemukiman mewah, non mewahataupun wilayah usaha dimana perbedaan secara signifikan terjadi antarapemukiman non mewah dengan selainnya, sementara perbedaan antarapemukiman mewah dengan wilayah usaha tidak memiliki perbedaan yangsignifikan. Selain itu perbedaan trafik voice pada hari kerja, sabtu-minggu, danhari libur nasional tidak nyata mempengaruhi dinamika kapasitas trafik voicesecara keseluruhan.Hasil lain memperlihatkan bahwa dinamika trafik voice pada jenispenggunaan tanah pemukima non mewah cenderung berpola padat baik siangmalam, hari kerja maupun libur sehingga tidak terpengaruh oleh perbedaan waktuyang terjadi. Sementara trafik voice pada pemukiman mewah dan wilayah usahacenderung berpola rendah kecuali normal hanya di hari kerja waktu siang

---

Abstract Traffic in cellular telecommunications can be divided into data, sms and voice. Asthe rapid development of internet, cellular traffic has the convergence from voicecentric paradigm to a data centric. Respect it, a cellular operator must needsinformation based on customer behavior for the region as a data basic businesspolicy decisions. The area of research can be divided into low class residential,high class residential and business areas, it based on the theory of Von Thunendiagram of the ring patterns of urban landuse. To know the difference and thespatial dynamics of cellular voice traffic that occurs on each type of landuse, theresearch took a case study operator is Indosat with the study area of South Jakarta.The method used is the statistical analysis includes similarity test variants, test fornormality of data, and multiple comparison test. The spatial analysis used is areview of voice traffic delineation of regional differences based on location andtime differences. The results showed there were significant differences occurredamong high class residental with other landuse, while the difference between highclass residential with business areas does not have significant differences. Besideit differences in voice traffic on a workdays, weekend, and national holidays donot affect the dynamics of the overall voice traffic capacity. Other results showthat the dynamics of voice traffic on low class residential tend to be high like dayand night, weekday or holiday, that is not affected by differences time. Whilevoice traffic in high class residential and business areas tend to be lower"

"ABSTRAKPeramalan trafik internet merupakan salah satu pendekatan yang dapat diterapkan oleh penyedia jasa internet dalam menjaga dan meningkatkan kualitas pelayanan internet yang ditawarkan. Pada penelitian ini, digunakan metode peramalan berupa kombinasi algoritma self organizing map (SOM) dan support vector regression (SVR). Metode SOM digunakan untuk membagi data historis trafik internet secara keseluruhan ke dalam beberapa cluster, sedangkan metode SVR digunakan untuk membentuk model peramalan pada setiap cluster yang terbentuk. Hasil peramalan data trafik internet pada penelitian ini menunjukkan bahwa model peramalan dengan metode SOM-SVR dapat memberikan prediksi yang lebih akurat terkait nilai error yang lebih kecil dibandingkan dengan metode SVR tunggal.

---

ABSTRACTTraffic internet forecasting is one kind of approaches which can be implemented by internet service provider in order to keep and improve the offered internet service quality. This research uses the combination of self organizing map (SOM) and support vector regression (SVR) algorithm as forecasting method. SOM is first used to decompose the whole historical data of traffic internet into some clusters, while SVR is used to build a forecasting model in each formed cluster. The forecasting results of internet traffic data in this research show that the forecasting model by using SOM-SVR method can give more accurate prediction in terms of smaller error value compared to single SVR method."

"Forecasting adalah salah satu metode data mining yang digunakan untuk meramalkan atau memperkirakan mengenai sesuatu yang belum terjadi. Pada dunia bisnis, forecasting biasa digunakan dalam menentukan keputusan bisnis untuk masa yang akan datang. Penelitian ini ingin menunjukkan implementasi forecasting untuk data penjualan organisasi yang bersifat irregular, dengan menggunakan dua metode forecasting yaitu simple moving average dan single exponential smoothing. Hasil forecasting kemudian divisualisasikan dalam bentuk dashboard. Penelitian ini menunjukkan secara umum metode single exponential smoothing memberikan prediksi yang lebih baik dibandingkan simple moving average dengan selisih nilai forecast error sebesar 18,62 untuk produk dan 20,46 untuk customer.

---

Forecasting is one of data mining method that is used to predict or estimate something that has not happened. On the business world, forecasting often used to determine business decision for the future. This research would like to show the implementation of forecasting for sales data organization that is irregular, with the use of two methods of forecasting, which are simple moving average and single exponential smoothing.

The forecasting result then visualized in dashboard form. This research shows in general, single exponential smoothing method provides better predictions than simple moving average with the difference between the value of forecast error of 18,62 for products and 20,46 for customers."

"Pada penelitian ini diusulkan peramalan trafik jaringan menggunakan Artificial Neural Network dengan model Nonlinear Autoregressive. Model prediksi beban trafik dilakukan dalam tiga skenario yaitu tanpa input eksogen, dengan input eksogen jumlah pelanggan, dan dengan input eksogen jumlah pelanggan dan inflasi. Hasil penelitian dengan nilai MAPE dan MSE terkecil terdapat pada prediksi beban trafik dengan input eksogen jumlah pelanggan. Pada penelitian diprediksi beban trafik hingga l tahun kedepan untuk dapat merencanakan pembangunan dan peningkatan kapasitas node-b/ BTS 3G. Diharapkan dengan melakukan peramalan penggunaan-jaringan-oleh-pelanggan akan menghasilkan estimasi akurat permintaan kebutuhan pelanggan di masa mendatang sehingga organisasi dapat melakukan strategi yang tepat dalam merencanakan peningkatan kapasitas demi menjaga 4aality ofservice.

---

This research proposed network traffic forecasting using Artificial Neural Network with Nonlinear Autoregressive models. The traffic load prediction model is done in three scenarios: without exogenous input, with the input of exogenous number of customers, and with exogenous inputs the number of subscribers and inflation. The smallest MAPE and MSE values are in the traffrc load prediction with subscribers as exogenous inputs. The traffic load is predicted up to 1 year ahead in order to plan the development and improvement of the capacity of the node-b / 3G base stations. By forecasting the network usage generate by the customer, we expect to have an accurate estimated demand of customer needs in the future so that the organization can perform the right strategy for planning the capacity to maintain the quality of service."

"Peristiwa kebakaran hutan dan lahan (karhutla) merupakan salah satu bencana yang terjadi secara berulang di Indonesia, khususnya saat musim kemarau. Peristiwa ini tentunya menimbulkan banyak kerugian baik secara ekonomi, ekologi, maupun sosial. Oleh karena itu, perlu dilakukan prakiraan di wilayah yang berpotensi mengalami karhutla. Salah satu provinsi yang rawan mengalami karhutla adalah Provinsi Sumatera Selatan. Peristiwa karhutla dapat dipantau oleh satelit yang diindikasikan sebagai titik panas. Penelitian ini menggunakan data hotspot (titik panas) dengan parameter tanggal, tingkat kepercayaan, dan kabupaten-kabupaten di Sumatera Selatan yang tertangkap satelit pada periode tahun 2015-2019. Prediksi potensi karhutla dilakukan di wilayah kabupaten dengan jumlah titik panas tertinggi yaitu Kabupaten Ogan Komering Ilir, Kabupaten Musi Banyuasin, dan Kabupaten Banyuasin. Untuk mencapai tujuan penelitian, penelitian ini menggunakan Prophet Forecasting Model (PFM) yang didasarkan pada model aditif dengan memperhatikan tiga komponen utama yaitu trend, seasonality, dan holiday effects. PFM merupakan metode yang menggunakan pendekatan machine learning dalam melakukan prediksi terhadap deret waktu dimana permasalahan forecasting dilihat sebagai curve-fitting exercise. Hasil analisis menunjukkan bahwa PFM dapat diimplementasikan pada data titik panas dengan penilaian forecast accuracy termasuk dalam kategori baik di Kabupaten Ogan Komering Ilir dengan nilai MAPE 0,1753; kategori layak di Kabupaten Musi Banyuasin dengan nilai MAPE 0,2588; dan kategori baik di Kabupaten Banyuasin dengan nilai MAPE 0,1833.

---

Forest and land fires are one of the recurring disasters in Indonesia, especially during the dry season. This incident certainly caused many losses economically, ecologically, and socially. Therefore, it is necessary to make predictions in high potential areas for forest and land fires to occur. One province that is prone to forest and land fires is South Sumatra Province. Forest and land fires events can be monitored by satellites which are indicated as hotspots. This research uses hotspot data with parameters of date, level of confidence, and regencies in South Sumatra that are caught by satellites in the period 2015-2019. The prediction of the potential for forest and land fires was carried out in districts with the highest number of hotspots, namely Ogan Komering Ilir Regency, Musi Banyuasin Regency, and Banyuasin Regency. To achieve the research objectives, this study uses the Prophet Forecasting Model (PFM) which is based on additive model by taking into account three main components, namely trend, seasonality, and holiday effects. PFM is a method that uses a machine learning approach to predict time series where forecasting problems are seen as curve-fitting exercises. The results show that PFM can be implemented in hotspot data with forecast accuracy in the good category for Ogan Komering Ilir Regency with MAPE value of 0.1753; reasonable category in Musi Banyuasin Regency with MAPE value of 0.2588; and good category in Banyuasin Regency with MAPE value of 0.1833."

"Pemodelan dan peramalan harga saham merupakan hal yang sangat penting bagi seorang investor. Harga saham selalu mengalami perubahan seiring berjalannya waktu. Perubahan ini tidak konstan dan sangat berdampak jika diabaikan karena hal tersebut dapat menimbulkan risiko kerugian. Banyak model yang sudah dibuat dengan tujuan untuk meminimalkan risiko kerugian tersebut. Pada penelitian ini, akan digunakan model ARIMA-GARCH untuk meramalkan volatilitas dalam harga saham. Alasan dari penggunaan gabungan kedua model tersebut adalah karena Model ARIMA saja tidak dapat menangani data dengan volatilitas besar dan yang non-linear. Maka, diharapkan bahwa penggunaan dari model gabungan ini dapat menangani masalah tersebut. Data harga saham yang digunakan pada penelitian ini adalah data harga penutupan dalam dua saham yang termasuk dari indeks LQ45. Pada penelitian ini, data tersebut akan dimasukkan kedalam model gabungan tersebut untuk mendapat peramalan di hari selanjutnya. Setelah itu, akan digunakan metode Walk Forward untuk mendapat semua hasil peramalannya. Dari hasil tersebut, didapat bahwa pengabungan dari ARIMA (1,1,1)-GARCH (1,1) memberikan perdiksi harga saham yang terbaik untuk kedua saham yang dipilih. Lalu, menggunakan hasil MAE dan RMSE dari saham, dapat disimpulkan bahwa model ARIMA-GARCH merupakan model yang dapat memprediksi harga saham dengan baik.

---

For an Investor, modelling and forecasting the stock prices are very important. Stock price fluctuate as time goes and these changes vary from one point of time to another. These changes can be really dangerous if ignored because the risk of loss it might create. Many models have been created with the purpose of minimizing the risk of loss. In this study, the ARIMA-GARCH model will be used to predict closing price in the stock prices which contain volatility. The reason for using the combination of the two models is due to ARIMA model unable to handle large volatility along with non-linear data. Thus, it is hoped the use of this combined model can solve this problem. The data that is used on this study is the closing price of 2 stocks that is part of the LQ45 index. In this research, the data will be used on the combined model to get the forecast price of the next day. Then, the rest of the forecast price will be found using a process called Walk Forward. After acquiring all the forecasted price, it is found that the combination of ARIMA (1,1,1)-GARCH (1,1) yield the best result in forecasting the stock prices. Then, by using MAE and RMSE to check the error of the results, it can be concluded that the ARIMA-GARCH model is a model that is able to predict stock prices well."

"Beberapa metode telah diajukan untuk menggabungkan beberapa hasil forecasting dalam single forecast yang diberi nama simple averaging, pemberian rata-rata dengan bobot pada tahap validasi kinerja, atau skema kombinasi non-parametrik. Metode ini menggunakan kombinasi tetap pada individual forecast untuk mendapatkan hasil final dari forecast. Dalam paper ini, pendekatan berbeda digunakan untuk memilih metode forecasting, di mana setiap titik dihitung dengan menggunakan metode terbaik yang digunakan oleh dataset pelatihan sejenis. Dengan demikian, metode yang dipilih dapat berbeda di setiap titik perkiraan. Similarity measure yang digunakan untuk membandingkan deret waktu untuk pengujian dan validasi adalah Euclidean dan Dynamic Time Warping (DTW), di mana setiap titik yang dibandingkan diberi bobot sesuai dengan keterbaruannya. Dataset yang digunakan dalam percobaan ini adalah data time series yang didesain untuk NN3 Competition dan data time series yang di-generate dari paten-paten USPTO dan publikasi ilmiah PubMed di bidang kesehatan, yaitu pada Apnea, Aritmia, dan Sleep Stages. Hasil percobaan menunjukkan bahwa pemberian kombinasi bobot dari metode yang dipilih berdasarkan kesamaan antara data pelatihan dan data pengujian, dapat menyajikan hasil yang lebih baik dibanding salah satu kombinasi metode unweighted yang dipilih berdasarkan similarity measure atau kombinasi tetap dari individual forecast terbaik.

---

AbstractSeveral methods have been proposed to combine the forecasting results into single forecast namely the simple averaging, weighted average on validation performance, or non-parametric combination schemas. These methods use fixed combination of individual forecast to get the final forecast result. In this paper, quite different approach is employed to select the forecasting methods, in which every point to forecast is calculated by using the best methods used by similar training dataset. Thus, the selected methods may differ at each point to forecast. The similarity measures used to compare the time series for testing and validation are Euclidean and Dynamic Time Warping (DTW), where each point to compare is weighted according to its recentness. The dataset used in the experiment is the time series data designated for NN3 Competition and time series generated from the frequency of USPTO?s patents and PubMed?s scientific publications on the field of health, namely on Apnea, Arrhythmia, and Sleep Stages. The experimental result shows that the weighted combination of methods selected based on the similarity between training and testing data may perform better compared to either the unweighted combination of methods selected based on the similarity measure or the fixed combination of best individual forecast."

"ABSTRAKIndustri otomotif di Indonesia sebagai pelopor proses industrialisasi masih saja menghadapi berbagai kendala terutama ekonomi biaya tinggi dan ineffisiensi . Masalah ini tidak terlepas dan faktor "remote environment" seperti teknologi dan perubahan politik ekonomi dunia dewasa Ini turut mempengaruhi perekonomian secara nasional. Disamping Itu faktor "operating environment" misalnya jumlah pemasok dan pesaing yang membawa konsekwensi besar jumlah persediaan yang tidak dapat dijual baik pada kendaraan penumpang dan niaga.Remote environment akan mempengaruhi operating environment. Banyaknya produk yang tidak dapat dipasarkan menunjukkan perusahaan tidak dapat mengantisipasi pasar dan pengunaan teknik forecasting yang naif. Oleh karena itu menarik penulis untuk menjawab permasalahan tersebut dengan menulis karya ini.Persaingan dalam industri otomotif kendaraan penumpang mengalami tingkat persaingan yang sangat tinggi didalam memperebutkan pangsa pasar terutama dikelas 1000 - 1300cc antara Indomobil dengan produk Suzuki Forsa dan Toyota Astra Motor yang memproduksi Toyota Starlet. Persaingan ini menyulitkan bagi kedua industriawan otomotif dalam melakukan perencanaan -perencanaan penjualan dan investasi.Dalam kaitan tersebut diatas penulis memberikan alternatif dengan memperkenalkan teknik forecasting yang sederhana dan andal. Forecasting akan sangat mempengaruhi keberhasilan dalam perencanaan investasi kini dan masa mendatang.Dari hasil forecasting penulis menyimpulkan, bahwa industri otomotif belum melakukan teknik forecasting yang tepat dan benar dalam melakukan perencanaan - perencanaan baik yang bersifat jangka pendek maupun jangka panjang. Besarnya persediaan kendaraan penumpang yang terjadi dewasa kini dikarenakan kelemahan dalam mengantisipasi pasar."