Peramalan Penjualan Motor Untuk Tahun 2014 Pada SHOWROOM Motor Dengan Menggunakan Metode TIME SERIES DOUBLE EXPONETIALS SMOOTHING (Studi kasus showroom motor MITRA USAHA JOMBANG)
Penulis Hermawan. PongkiSkripsi
2015
135/UB/fT-Inf/15
Ind
Peramalan Penjualan Motor Untuk Tahun 2014 Pada SHOWROOM Motor Dengan Menggunakan Metode TIME SERIES DOUBLE EXPONETIALS SMOOTHING (Studi kasus showroom motor MITRA USAHA JOMBANG)
#10043145Pengarang: Hermawan. Pongki
Pembimbing Pertama: Rani Purbaningtyas. S.Kom. M.T. Rifky Fahrial Zainal, ST.,M.Kom
Jenis: Skripsi
Penerbit: FTI- UBHARA Surabaya
Tahun Terbit: 2015
Bahasa: Ind
Kode: 135/UB/fT-Inf/15
No. Klasifikasi: 005.4 Her p
Jenis Karya: S1
Jenis
Skripsi
Tahun
2015
Status
Tersedia
Kode
135/UB/fT-Inf/15
Deskripsi Fisik
xii, 65 hal; 30 cm
Subyek
Smoothing
Anotasi
Stemming merupakan suatu proses untuk menemukan kata dasar dari sebuah kata dengan menghilangkan semua imbuhan. Berdasarkan asumsi bahwa term yang memiliki akar kata yang sama akan memiliki makna yang sama, Stemming digunakan pada Information retrieval untuk meningkatkan keakuratan retrieval. Porter stemmer merupakan salah satu algoritma Stemming yang telah lama digunakan. Porter stemmer pertama kali dipublikasi pada tahun 1980. Selain itu porter stemmer merupakan stemmer yang tidak menggunakan kamus, karena berdasarkan kenyataannya recouce seperti kamus digital yang harganya yang sangat mahal. Setiap manusia ingin menyelesaikan permasalahan yang dihadapi dengan secepat-cepatnya dan mendapat keuntungan sebanyak-banyaknya dengan mengefisienkan sumber daya yang dimiliki tcrhadap batasan-batasan yang ditemui pada suatu masalah. Khususnya permasalahan yang selalu terdapat pada bidang informatika adalah pencarian metode atau lebih mangkus untuk mencapai solusi. Oleh karena itu dibutuhkan langkah-langkah tertentu yang dapat dijadikan acuan untuk membantu pemecahan masalah tersebut. Salah satunya adalah pemecahan algoritma runut balik (backtracking) yang sering digunakan untuk membuat program. Algoritma-algoritma selain runut balik pun sebenarnya cukup untuk mencari solusi di antara kemungkinan solusi yang ada. Akan tetapi, waktu komputasi yang dibutuhkan algoritma lain biasanya akan meningkat dengan drastis seiring dengan pertambahan ukuran persoalan yang membesar. Salah satu metode yang dapat digunakan adalah menggunakan metode runut balik. Runut balik itu sendiri adalah algoritma yang DFS untuk mencari solusi persoalan. Dengan metode runut balik, kita tidak perlu memeriksa semua kemungkinan solusi yang ada. Hanya pencarian yang mengarah ke solusi saja selalu dipertimbangkan. Akibatnya, waktu pencarian dapat dihemat.