TUGAS INDIVIDU 1
5C
Kelebihan : Latar belakang masalah yang penulis buat sudah jelas dan
rinci sehingga pembaca mudah memahami apa sebenarnya
latar belakang penulis sehingga melakukan penelitian di PT.
Sinar Niaga Sejahtera Surakarta. Penulis ingin memperbaiki
sistem yang ada pada PT. Sinar Niaga Sejahtera karena pada
PT tersebut sering terjadi retur atau pengembalian barang yang
disebabkan oleh konsumen memesan lebih banyak dari pada
biasanya dan akan menyebabkan barang yang telah diorder
akan menumpuk di gudang sehingga akan mengakibatkan
kadaluarsa. Jika sudah kadaluarsa maka barang tersebut
dikembalikan kepada PT. Sinar Niaga Sejahtera dan akan
mengakibatkan kerugian. Selain latar belakang yang sudah
jelas, pada bab 2 tinjauan pustaka juga sudah mencakup semua
pembahasan dan sudah bisa di jadikan sebagai acuan. Menurut
pembaca, analisa yang telah di buat oleh penulis sudah valid.
Karena sistem yang digunakan dapat mengakomodir kebutuhan
dalam merencanakan pengadaan barang yaitu menggunakan
data penjualan outlet sebagai data historis penjualan,
menggunakan metode peramalan yang valid. Untuk
meramalkan pengadaan barang penulis menggunakan metode
moving average.
2. Tugas Akhir 2
IDENTITAS SKRIPSI
Kelebihan : Latar belakang penulis sudah cukup jelas. Pada penelitian kali
ini penulis ingin membandingkan antara metode artificial
neural network dan support vector regression dengan metode
tradisional. Karena penulis menganggap bahwa metode moving
average dan exponential smoothing mempunyai tingkat akurasi
yang rendah untuk meramamalkan sebuah permintaan. Metode
yang digunakan adalah metode artificial neural network dan
support vector regression dimana metode ini adalah metode
peramalan terbaru. Penulis melakukan peramalan dengan
software MATLAB.
4. Tugas Akhir 4
IDENTITAS SKRIPSI
Kelebihan : Latar belakang yang di buat oleh penulis sudah baik dan
akurat karena penulis memberikan data perkembangan
penerimaan pajak sehingga mampu meyakinkan pembaca
bahwa data tersebut benar adanya. Metode yang digunakan
penulis adalah metode autoregressive integrated moving
average (ARIMA). Berdasarkan landasan teori yang terdapat
pada bab 2, penulis mengatakan bahwa metode tersebut adalah
metode yang sangat akurat unutk analisis time series. Rumus
yang penulis sajikan pada bab 2 landasan teori kurang jelas
sehingga sulit untuk di pahami oleh pembaca. Penulis
memisahkan antara pengumpulan data dan pengolahan data.
Menurut pembaca, pengumpulan dan pengolahan data harus
sejalan agar mudah di pahami oleh pembaca.
5. Tugas Akhir 5
IDENTITAS SKRIPSI
TUGAS INDIVIDU 1
5C