Peramalan ekspor minyak kelapa sawit pada pt. Perkebunan Nusantara III (Persero) Sumatera Utara Tahun 2010
PERAMALAN EKSPOR MINYAK KELAPA SAWIT PADA
PT. PERKEBUNAN NUSANTARA III (PERSERO)
SUMATERA UTARA TAHUN 2010
TUGAS AKHIR
KIKI FAJRI
072407005
PROGRAM STUDI DIII STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2010
(2)
PERAMALAN EKSPOR MINYAK KELAPA SAWIT PADA
PT. PERKEBUNAN NUSANTARA III (PERSERO)
SUMATERA UTARA TAHUN 2010
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
KIKI FAJRI
072407005
PROGRAM STUDI DIII STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2010
(3)
PERSETUJUAN
Judul : PERAMALAN EKSPOR MINYAK KELAPA
SAWIT PADA PT. PERKEBUNAN NUSANTARA III (PERSERO) SUMATERA UTARA TAHUN 2010
Kategori : TUGAS AKHIR
Nama : KIKI FAJRI
Nomor Induk Mahasiswa : 072407005
Program Studi : DIII STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Juni 2010
Komisi Pembimbing : Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
Dr. Saib Suwilo, M.Sc Drs. H. Haluddin Panjaitan NIP. 19640109 198803 1 004 NIP. 19460309 197902 1 001
(4)
PERNYATAAN
PERAMALAN EKSPOR MINYAK KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA III (PERSERO) SUMATERA UTARA
TAHUN 2010 TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Mei 2010
KIKI FAJRI 072407005
(5)
PENGHARGAAN
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpahan karunia-Nya akhirnya Tugas Akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan.
Ucapan terima kasih saya sampaikan kepada Bapak Drs. H. Haluddin Panjaitan sebagai pembimbing saya pada penyelesaian Tugas Akhir ini yang telah memberikan panduan dan penuh kepercayaan kepada saya untuk menyempurnakan Tugas Akhir ini. Panduan ringkas, padat dan profesional telah diberikan kepada saya agar penulis dapat menyelesaikan tugas ini. Begitu pula Bapak Dr. Saib Suwilo, M.Sc selaku Ketua Departemen Matematika FMIPA USU, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua Dosen dan pegawai pada Departemen Matematika FMIPA USU. Yang paling saya sayangi Ayahanda Ujang Surahman dan Ibunda Jasmani karena dengan dorongan dan motivasinya sehingga terselesaikan Tugas Akhir ini, begitu juga dengan Helen Sonita, Terri, Izasolla dan semua keluarga yang mendukung. Tak lupa juga terima kasih kepada teman-teman yang turut membantu penulis dalam menyelesaikan Tugas Akhir ini. Semoga saya bisa membalas kebaikan dan perhatian kalian semua, dan apabila terkendala semoga Allah SWT yang dapat membalasnya.
(6)
DAFTAR ISI
Halaman Persetujuan ii Pernyataan iii Penghargaan iv
Daftar Isi v
Daftar Tabel vii
Daftar Gambar viii
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah 2
1.4 Manfaat dan Tujuan 3
1.5 Metode Penelitian 4
1.6 Tinjauan Pustaka 5
1.7 Sistematika Penulisan 6
Bab 2 Tinjauan Teoritis 8
2.1 Pengertian dan Manfaat Peramalan 8
2.2 Jenis-jenis Peramalan 9
2.3 Langkah-langkah Peramalan 10
2.4 Penentuan Koefisien Autokorelasi 10
2.5 Metodologi Penelitian 12
2.6 Ketepatan Metode Peramalan 13
Bab 3 Analisis dan Pengolahan Data 14
3.1 Pengumpulan Data 14
3.2 Koefisien Autokorelasi 15
3.3 Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter
Dari Brown 18
3.3.1 Penaksiran Model Peramalan 18
3.3.2 Penentuan Bentuk Persamaan Peramalan 22 3.4 Peramalan Volume Ekspor Minyak Kelapa Sawit 23
Bab 4 Implementasi Sistem 26
4.1 Pengertian Implementasi Sistem 26
4.2 Microsoft Excel 26
4.3 Pengoperasian Microsoft Excel 27
4.4 Pembuatan Grafik 32
4.5 SPSS 16.0 For Windows 33
(7)
Bab 5 Kesimpulan dan Saran 36
5.1 Kesimpulan 36
5.2 Saran 37
Daftar Pustaka 39
(8)
DAFTAR TABEL
Halaman Tabel 3.1 Data Volume Ekspor Minyak Kelapa Sawit Pada PT. Perkebunan
Nusantara III (Persero) Sumatera Utara Bulan Januari – Desember
Tahun 2009 14
Tabel 3.2 Nilai Autokorelasi Data Volume Ekspor Minyak Kelapa Sawit 16 Tabel 3.3 Menentukan Nilai MSE Dengan α = 0,1 19 Tabel 3.4 Perbandingan Ukuran Ketepatan Metode Peramalan 20 Tabel 3.5 Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter Dari
Brown Menggunakan α = 0,6 Pada Data Volume Ekspor Minyak
Kelapa Sawit 21
Tabel 3.6 Peramalan Volume Ekspor Minyak Kelapa Sawit Pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara tahun 2010 25
(9)
DAFTAR GAMBAR
Halaman Gambar 3.1 Grafik Volume Ekspor Minyak Kelapa Sawit Tahun 2009 15 Gambar 3.2 Plot Koefisien Autokorelasi Dengan SPSS 17 Gambar 3.3 Plot Pemulusan Peramalan Dengan α = 0,6 22
Gambar 4.1 Tampilan Microsoft Excel 27
Gambar 4.2 Mengaktifkan Microsoft Excel 28
Gambar 4.3 Menyimpan File Pada Microsoft Excel 29
Gambar 4.4 Analisis Pada Microsoft Excel 31
Gambar 4.5 Proses Pembuatan Grafik 32
Gambar 4.6 Grafik Yang Dihasilkan Pada Microsoft Excel 33
Gambar 4.7 Tampilan SPSS 16.0 For Windows 34
(10)
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Ekspor adalah kegiatan mengeluarkan barang dari dalam negeri ke luar negeri, dimana barang yang dimaksud terdiri dari barang dari dalam negeri, barang dari luar negeri, barang bekas atau baru. Barang-barang yang diperdagangkan ke luar negeri atau diekspor terdiri dari bermacam-macam jenis hasil bumi seperti karet, kopi, lada, rotan, kayu, tapioka di samping hasil-hasil tambang dan hasil-hasil laut seperti minyak mentah, timah, udang, ikan, agar-agar laut, kulit kerang dan lain-lainnya.
Minyak kelapa sawit merupakan salah satu komoditi yang sangat penting dalam perekonomian Indonesia. Pentingnya kelapa sawit bagi ekonomi Indonesia bukan saja disebabkan karena kelapa sawit merupakan salah satu sumber pendapatan negara tetapi kelapa sawit juga merupakan sumber makanan bagi rakyat Indonesia yaitu sebagai bahan baku industri minyak goreng. Untuk menjamin ketersediaan bahan baku industri minyak goreng dalam negeri, pajak ekspor terhadap minyak kelapa sawit digunakan sebagai instrumen untuk memonitor keluar masuknya minyak kelapa sawit ke pasar ekspor yang relatif lebih menguntungkan setiap saat.
(11)
PT. Perkebunan Nusantara III (Persero) Sumatera Utara yang bergerak dalam bidang usaha perkebunan komoditas sawit dan karet. Selain hal itu, PT. Perkebunan Nusantara III (Persero) juga merupakan salah satu pengekspor minyak kelapa sawit yang menghasilkan pajak bagi negara. Untuk itu dibutuhkan pengolahan data yang menghasilkan informasi yang tingkat ketelitian dan ketepatannya tinggi.
Melihat semua hal-hal diatas, penulis mencoba membuat tugas akhir yang berjudul “PERAMALAN EKSPOR MINYAK KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA III (PERSERO) SUMATERA UTARA TAHUN 2010”.
1.2 Rumusan masalah.
Masalah yang dibahas dalam penelitian ini adalah :
1. Bagaimana bentuk persamaan yang dapat dipakai untuk meramalkan volume ekspor minyak kelapa sawit pada tahun 2010.
2. Berapa volume ekspor minyak kelapa sawit yang diramalkan pada tahun 2010.
1.3 Batasan Masalah
Agar pembahasan dalam penelitian ini tidak menyimpang dari apa yang telah dirumuskan serta untuk menyederhanakan masalah yang dihadapi, maka diperlukan batasan-batasan. Batasan-batasan dalam penelitian ini adalah:
(12)
1. Hanya volume ekspor minyak kelapa sawit bulan Januari – Juli tahun 2010 yang diramalkan.
2. Data yang digunakan adalah data volume ekspor bulan Januari - Desember tahun 2009.
3. Metode yang digunakan adalah pemulusan eksponensial ganda: metode linear satu parameter dari Brown.
4. Ekspor yang dimaksud adalah minyak kelapa sawit dalam satuan ton yang dijual ke luar negeri yang dilakukan PT. Perkebunan Nusantara III (Persero) Sumatera Utara.
5. Penulis tidak menganalisa tentang faktor-faktor yang mempengaruhi ekspor minyak kelapa sawit.
1.4 Manfaat dan Tujuan.
Manfaat yang diperoleh dari pelaksanaan penelitian ini adalah sebagai berikut:
1. Tugas akhir peneliti untuk melengkapi tugas dan memenuhi persyaratan dalam menyelesaikan pendidikan di program studi D-3 Statistika FMIPA USU.
2. Sebagai bahan pertimbangan dalam mengambil keputusan atau kebijakan terhadap suatu masalah.
(13)
3. Sebagai referensi atau sumber informasi untuk penelitian-penelitian selanjutnya yang berhubungan dengan peramalan dengan metode pemulusan eksponensial ganda.
4. Untuk menambah wawasan dan ilmu pengetahuan bagi penulis.
Tujuan penulis melakukan penelitian ini adalah sebagai berikut :
1. Mengetahui bentuk persamaan yang dapat dipakai untuk meramalkan volume ekspor minyak kelapa sawit pada tahun 2010
2. Mengetahui volume ekspor minyak kelapa sawit pada tahun 2010.
1.5 Metode Penelitian
Dalam penelitian “Tugas Akhir” ini metode yang penulis gunakan adalah :
1. Study kepustakaan (library Research).
Penulis mengadakan penulisan dengan membaca, menelaah serta mengkaji buku-buku dan literatur yang berkaitan dengan masalah yang diperlukan.
2. Metode pengumpulan data.
Pengumpulan data dilakukan penulis dengan menggunakan data sekunder yang diperoleh dari data ekspor minyak kelapa sawit pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara tahun 2009. Data sekunder adalah data yang diperoleh atau dirangkum ulang berdasarkan data yang telah tersedia.
(14)
Kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
3. Pengolahan data.
Pengolahan data dilakukan dengan menentukan koefisien autokorelasi dari deret berkala tersebut, kemudian melakukan peramalan dengan menggunakan pemulusan eksponensial ganda: metode linier satu parameter dari Brown. Untuk menganalisa data yang diperoleh, maka digunakan software Microsoft Excel 2003 dan SPSS versi 16.
1.6 Tinjauan Pustaka
Kegiatan penerapan model yang telah dikembangkan pada waktu yang lalu dinamakan proyeksi, sedangkan, kegiatan penerapan model yang telah dikembangkan pada waktu yang akan datang dinamakan peramalan (Aritonang,L.R. 2002: 12).
Peramalan merupakan suatu alat bantu yang penting pada perencanaan yang efektif dan efisien.Peramalan juga penting dalam mengambil suatu keputusan. Aspek-aspek yang menggunakan peramalan cukup luas baik secara waktu, faktor-faktor penentu kejadian sebenarnya, jenis-jenis pola data dan beberapa hal lain ( Manurung, A.H, 1990: 2).
Peramalan dengan menggunakan metode exponensial smoothing yang linier dapat dilakukan dengan perhitungan yang hanya membutuhkan tiga buah nilai data
(15)
dan satu nilai α. Dasar pemikiran dari metode ini adalah, baik nilai pelicin tunggal maupun ganda terdapat pada waktu sebelum data sebenarnya, bila pada data itu ada trend ( Assauri, Sofjan. 1984: 39 ).
1.7 Sistematika Penulisan
Sistematika dalam penulisan “Tugas Akhir” ini secara garis besarnya dibagi dalam 5 bab, yaitu sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, manfaat dan tujuan, tinjauan pustaka, metode penelitian, dan sistematika penulisan.
BAB 2 : TINJAUAN TEORITIS
Bab ini menjelaskan tentang segala sesuatu yang menyangkut terhadap penyelesaian masalah yang dihadapi, sesuai dengan judul yang diutarakan.
BAB 3 : ANALISA DAN EVALUASI
Bab ini menguraikan tentang proses pengolahan data, penjelasan secara terinci hasil yang diperoleh berdasarkan pengamatan yang dilakukan.
BAB 4 : IMPLEMENTASI SISTEM
Bab ini menguraikan tentang program atau software yang dipakai sebagai analisis terhadap data yang diperoleh.
(16)
BAB 5 : KESIMPULAN DAN SARAN
Bab ini menjelaskan tentang ringkasan dan kesimpulan dari pembahasan didalam penyelesaian tugas akhir serta saran-sarannya.
(17)
BAB 2
TINJAUAN TEORITIS
2.1 Pengertian dan Manfaat Peramalan
Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang disebut peramalan (forecasting). Sedangkan ramalan adalah suatu kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Waktu tenggang (lead time) merupakan suatu alasan untuk perencanaan (planning) dan peramalan (forecast). Bila waktu tenggang ini besarnya nol atau sangat kecil, maka tidak dibutuhkan peramalan. Bila waktu tenggang tersebut panjang dan hasil yang diperoleh membutuhkan faktor-faktor yang menyatakan bahwa perencanaan dapat dibentuk memiliki peranan penting, maka peramalan terjadi atau dibutuhkan sehingga tindakan yang tepat dapat dilakukan.
Penggunaan metode peramalan adalah untuk mengidentifikasi suatu model peramalan sedemikian rupa sehingga kesalahannya menjadi seminimal mungkin. Pada dasarnya, teknik peramalan dapat diterapkan dalam setiap kegiatan bisnis yang diorientasikan pada waktu yang akan datang, baik pada bidang sumber daya manusia, operasional (produksi), pemasaran, keuangan maupun kegiatan perekonomian secara besar.
(18)
2.2 Jenis-jenis Peramalan
Jenis-jenis peramalan dapat dibedakan berdasarkan jangka waktu, ruang lingkup, dan metode yang digunakan. Berdasarkan jangka waktu, peramalan dibedakan menjadi peramalan jangka panjang dan jangka pendek. Peramalan jangka panjang biasanya dilakukan oleh para pimpinan puncak suatu perusahaan dan bersifat umum. Peramalan jangka pendek biasanya dilakukan pimpinan pada tingkat menengah maupun bawah dan lebih bersifat operasional.
Berdasarkan ruang lingkupnya, peramalan dibedakan menjadi peramalan mikro dan peramalan makro. Contohnya adalah peramalan kondisi perekonomian dalam lima tahun yang akan datang (sebagai makro) dan peramalan kondisi perusahaan dalam lima tahun yang akan datang (sebagai mikro).
Berdasarkan metode peramalan yang digunakan, peramalan dibedakan menjadi metode kualitatif dan kuantitatif. Metode kualitatif lebih didasarkan pada intuisi dan penilaian orang yang melakukan peramalan daripada pemanipulasian data historis yang tersedia. Ini dilakukan karena tidak ada atau tidak cukup tersedia data historis. Teknik-teknik pada metode kualitatif terdiri atas penulisan skenario, penelitian pasar, dan lain-lain. Metode Kuantitatif didasarkan pada pemanipulasian atas data yang tersedia secara memadai dan tanpa intuisi maupun penilaian dari orang yang melakukan peramalan. Menurut Makridakis, Wheelwright, dan Mcgee (1983, h. 8-9), peramalan kuantitatif dapat diterapkan bila tiga kondisi berikut terpenuhi, yaitu:
- Tersedia informasi tentang masa lalu,
(19)
- Beberapa aspek dari pola di waktu yang lalu akan berlanjut ke waktu yang akan datang (disebut asumsi kontinuitas).
2.3 Langkah-langkah Peramalan
Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah-langkah peramalan yang penting, yaitu:
1. Menganalisa data yang lalu, tahap ini berguna untuk pola yang terjadi pada masa yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut.
2. Menentukan metode yang digunakan. Metode peramalan yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin.
3. Meramalkan data yang akan datang dengan menggunakan metode yang telah ditentukan.
2.4 Penentuan Koefisien Autokorelasi
Autokorelasi adalah hubungan yang terjadi diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (seperti pada data runtut waktu
(20)
atau time series). Koefisien autokorelasi dapat dipergunakan untuk menentukan apakah suatu himpunan data mengandung pola yang bersifat acakan (random), stasioner, nonstasioner, musiman, ataupun siklis. Secara sistematis untuk menghitung koefisien autokorelasi dapat menggunakan rumus sebagai berikut:
k
r =
n t t k n t k t t X X X X X X 1 2 1 dengan:rk = koefisien autokorelasi Xt = data aktual pada periode ke t
X = nilai tengah dari data aktual k
t
X = data aktual pada periode ke t dengan keterlambatan (time lags) k
Rumus sederhana yang biasa digunakan untuk menghitung kesalahan standar adalah: rk se = N 1 dengan:
N = banyak data asli rk
se = kesalahan standar dari r k
Batas signifikansi koefisien autokorelasi adalah:
(21)
2.5 Metodologi Penelitian
Pemulusan eksponensial ganda: metode linier satu parameter dari Brown digunakan untuk data runtut waktu yang memiliki komponen trend yang linier. Pada teknik ini, jika parameternya (α) tidak mendekati nol, pengaruh proses awalnya secara cepat menjadi kurang berarti begitu waktu berlalu. Jika parameternya mendekati nol, proses awalnya dapat berperan penting untuk beberapa periode.
Teknik ini dapat digunakan untuk memodel trend runtut waktu dan cara perhitungannya lebih efektif bila dibandingkan dengan rata-rata bergerak ganda serta membutuhkan lebih sedikit data karena hanya satu parameter yang digunakan. Selain itu, pencarian nilai parameter yang optimal tergolong sederhana.
Tahap-tahap dalam menentukan ramalan adalah sebagai berikut: a. Menentukan pemulusan pertama ( S't )
S't = α Xt + ( 1- α ) S't -1
b. Menentukan pemulusan kedua ( S''t ) S''t = α S't + ( 1- α ) S''t -1
c. Menentukan besarnya konstanta ( at ) t
a = S't + ( S't – S''t ) = 2 S't - S''t
d. Menentukan besarnya slope / nilai trend dari data yang sesuai ( bt ) t
b =
1 ( S't – S''t )
e. Menentukan besarnya peramalan ( Ft+m ) m
t
(22)
dengan:
m = jumlah periode di depan yang diramalkan, α = parameter pemulusan eksponensial
2.6 Ketepatan Metode Peramalan
Kata “ketepatan” dapat diartikan sebagai penunjukan seberapa jauh model peramalan tersebut mampu mereproduksi data yang telah diketahui. Dalam pemodelan deret-berkala, sebagian data yang diketahui dapat digunakan untuk meramalkan sisa data berikutnya sehingga memungkinkan orang untuk mempelajari ketepatan ramalan secara lebih langsung.
Ukuran yang digunakan untuk menguji ketepatan metode peramalan adalah nilai tengah kesalahan kuadrat (Mean Squared Error), dengan pedoman bahwa semakin kecil MSE, berarti model itu semakin tepat digunakan. MSE dapat dicari dengan rumus sebagai berikut:
MSE =
n e n
i i
1 2 dengan:et = Xt – Ft ( kesalahan pada periode ke t ) Xt = data aktual pada periode ke t
Ft = nilai ramalan pada periode ke t
(23)
BAB 3
ANALISIS DAN PENGOLAHAN DATA
3.1 Pengumpulan data
Data yang digunakan adalah data volume ekspor minyak kelapa sawit bulan Januari – Desember tahun 2009. Data tersebut dapat ditunjukkan pada tabel berikut:
Tabel 3.1 Data Volume Ekspor Minyak Kelapa Sawit Pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara Bulan Januari – Desember Tahun 2009
No. Bulan Volume (ton)
1. Januari 12.058
2. Februari 27.002
3. Maret 31.202
4. April 42.703
5. Mei 57.723
6. Juni 61.723
7. Juli 62.423
8. Agustus 80.723
9. September 84.722
10. Oktober 96.719
11. Nopember 108.719
12. Desember 113.719
(24)
Volume Ekspor Minyak Kelapa Sawit Tahun 2009
0 20.000 40.000 60.000 80.000 100.000 120.0001 2 3 4 5 6 7 8 9 10 11 12
Periode Vo lu m e Data Aktual
Gambar 3.1 Grafik Volume Ekspor Minyak Kelapa Sawit Tahun 2009
3.2 Koefisien Autokorelasi
Nilai dari koefisien autokorelasi data deret berkala yang penulis teliti dapat dilakukan dengan menggunakan rumus:
k
r =
n t t k n t k t t X X X X X X 1 2 1Nilai autokorelasi data volume ekspor minyak kelapa sawit:
1
r =
2
264978 113719 ... 64978 12058 64978 113719 64978 108719 ... 64978 27002 64978 12058 = 0,729
(25)
Dengan demikian autokorelasi untuk time lag ke-2 dan seterusnya dapat diperoleh dengan persamaan diatas. Dengan cara yang sama penulis mencari nilai koefisien autokorelasi dengan menggunakan software SPSS 16.0 for Windows. sehingga diperoleh hasil sebagai berikut:
Tabel 3.2 Nilai Autokorelasi Data Volume Ekspor Minyak Kelapa Sawit
Time lag rk
1 0,729 2 0,487 3 0,254 4 0,055 5 -0,101 6 -0,196 7 -0,335 8 -0,405 9 -0,420 10 -0,351
Dari data analisis deret berkala dengan autokorelasi serta nilai-nilai autokorelasi data volume ekspor minyak kelapa sawit dapat dilihat bahwa pola data trend linier serta menunjukkan data tersebut tidak stasioner. Maka dapat diperkuat dengan ditunjukkan plot autokorelasi sebagai berikut:
(26)
Gambar 3.2 Plot Koefisien Autokorelasi Dengan SPSS
Kesalahan standar: rk se =
N
1
= 12 1
= 0,2887
Dengan tingkat kepercayaaan 95% dari seluruh koefisien korelasi berdasarkan sampel harus terletak di dalam daerah nilai tengah ditambah atau dikurangi 1,96 kali kesalahan standar. Dengan demikian suatu deret data dapat dituliskan dengan:
-1,96 ( serk ) ≤ rk ≤ +1,96 ( serk ) -1,96 ( 0,2887 ) ≤ rk ≤ +1,96 ( 0,2887 ) - 0,5658 ≤ rk ≤ 0,5658
(27)
Nilai koefisien autokorelasi time lag satu berada di luar rentang, jadi berbeda secara signifikan dari nol, yang berarti ada hubungan yang signifikan antara nilai suatu variabel dengan nilai variabel itu sendiri dengan time lag satu periode yang menunjukkan tidak stasioner. Berdasarkan analisa data deret berkala dengan memplot data serta nilai-nilai autokorelasi data volume ekspor minyak kalapa sawit dapat dilihat bahwa plot datanya adalah pola trend. Jadi kita dapat menggunakan pemulusan eksponensial ganda: metode linier satu parameter dari Brown
3.3 Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter Dari Brown 3.3.1 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisaaan data, penulis mengaplikasikan data (tabel 3.1) dengan metode peramalan (forecasting) berdasarkan pemulusan eksponensial ganda: metode linier satu parameter dari Brown. Terlebih dahulu kita akan menentukan parameter nilai α yang secara coba dan salah (trial and error).
Suatu nilai α dipilih yang besarnya 0 < α < 1, dihitung MSE (Mean Square Error) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing kesalahan. Untuk menghitung MSE pertama dicari error terlebih dahulu, yang merupakan hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara matematis rumus MSE sebagai berikut:
MSE =
n e n
t t
1 2(28)
Tabel 3.3 Menentukan Nilai MSE Dengan α = 0,1
Xt S't S''t at bt ftm
2 t
e
12.058 12.058 12.058
27.002 13.552,40 12.207,44 14.897,36 149,44
31.202 15.317,36 12.518,43 18.116,29 310,99 15.046,80 260.990.487,04 42.703 18.055,92 13.072,18 23.039,67 553,75 18.427,28 589.310.581,52 57.723 22.022,63 13.967,23 30.078,04 895,05 23.593,42 1.164.828.504,01 61.723 25.992,67 15.169,77 36.815,57 1.202,54 30.973,08 945.557.457,01 62.723 29.665,70 16.619,36 42.712,04 1.449,59 38.018,11 610.331.558,29 80.723 34.771,43 18.434,57 51.108,29 1.815,21 44.161,63 1.336.733.576,51 84.722 39.766,49 20.567,76 58.965,21 2.133,19 52.923,50 1.011.144.646,82 96.719 45.461,74 23.057,16 67.866,32 2.489,40 61.098,41 1.268.826.700,84 108.719 51.787,47 25.930,19 77.644,74 2.873,03 70.355,72 1.471.741.499,89 113.719 57.980,62 29.135,23 86.826,00 3.205,04 80.517,77 1.102.321.597,15 Total 9.761.786.609,07 Analisis kesalahan dari periode 3 ke periode 12. maka nilai MSE adalah:
MSE =
n e n
t t
1 2
=
10
609,07 9.761.786.
= 976.178.660,91
Kemudian salah satu nilai MSE tersebut dibandingkan untuk menemukan nilai α yang memberikan MSE yang minimum. Perbandingan ukuran ketepatan metode peramalan volume ekspor minyak kelapa sawit PT. Perkebunan Nusantara III (Persero) dengan melihat MSE sebagai berikut:
(29)
Tabel 3.4 Perbandingan Ukuran Ketepatan Metode Peramalan
α e2 MSE
0,1 9.761.786.609,07 976.178.660,91 0,2 2.567.208.897,92 256.720.889,79
0,3 947.347.931,27 94.734.793,13
0,4 514.468.231,65 51.446.823,17
0,5 393.465.654,42 39.346.565,44
0,6 385.944.818,68 38.594.481,87
0,7 439.977.217,35 43.997.721,74
0,8 542.978.275,11 54.297.827,51
0,9 696.422.825,00 69.642.282,50
Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang minimum atau terkecil yaitu pada nilai α = 0,6 dengan nilai MSE = 38.594.481,87.
(30)
Tabel 3.5 Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter Dari Brown Menggunakan α = 0,6 Pada Data Volume Ekspor Minyak Kelapa Sawit
Xt S't S''t at bt ftm
2 t
e
12.058 12.058 12.058
27.002 21.024,40 17.437,84 24.610,96 5.379,84
31.202 27.130,96 23.253,71 31.008,21 5.815,87 29.990,80 1.467.005,44 42.703 36.474,18 31.186,00 41.762,37 7.932,28 36.824,08 34.561.700,37 57.723 49.223,47 42.008,48 56.438,46 10.822,49 49.694,66 64.454.307,38 61.723 56.723,19 50.837,31 62.609,07 8.828,82 67.260,95 30.668.912,35 62.723 60.323,08 56.528,77 64.117,38 5.691,46 71.437,90 75.949.423,45 80.723 72.563,03 66.149,33 78.976,74 9.620,56 69.808,84 119.118.779,54 84.722 79.858,41 74.374,78 85.342,05 8.225,45 88.597,29 15.017.892,20 96.719 89.974,76 83.734,77 96.214,76 9.359,99 93.567,50 9.931.959,65 108.719 101.221,31 94.226,69 108.215,92 10.491,92 105.574,75 9.886.293,88 113.719 108.719,92 102.922,63 114.517,21 8.695,94 118.707,84 24.888.544,43
Total 385.944.818,68
Ukuran ketepatan metode peramalan dengan α = 0,6
MSE =
n e n
t t
1 2 =10 8,68 385.944.81
(31)
Sehingga dapat dilihat pada grafik berikut:
Peramalan Volume Ekspor Minyak Kelapa Sawit
0 20.000 40.000 60.000 80.000 100.000 120.000 140.000
1 2 3 4 5 6 7 8 9 10 11 12 Periode
Vo
lu
m
e Data Aktual
Pemulusan Pertama Pemulusan Kedua Peramalan
Gambar 3.3 Plot Pemulusan Peramalan Dengan α = 0,6
3.3.2 Penentuan Bentuk Persamaan Peramalan
Setelah ditentukan harga parameter pemulusan eksponensial yang besarnya 0 < α < 1 dengan cara coba dan salah didapat perhitungan peramalan pemulusan eksponensial ganda: metode linier satu parameter dari Brown dengan α = 0,6. Perhitungan pada tabel 3.4 di atas didasarkan pada α = 0,6 dan ramalan untuk tujuh periode ke depan yaitu dalam perhitungan periode ke-13 sampai periode ke-20.
Seperti yang telah dijelaskan pada bab 2 (tinjauan teoritis) persamaan yang dipakai dalam perhitungan peramalan ini adalah sebagai berikut:
(32)
S’t = α Xt + (1- α) S’t -1 S”t = α S’t + (1- α)S”t -1
t
a = S’t + (S’t – S’’t) = 2S’t - S”t bt =
1 (S’t – S”t) Ft+ m = at + bt .m
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan bulanan berikutnya dengan bentuk persamaan sebagai berikut:
Ft+m = 114.517,21 + 8.695,94 (m)
3.4 Peramalan volume ekspor minyak kelapa sawit
Setelah diketahui bahwa error yang terdapat pada model peramalan bersifat random maka dilakukan peramalan volume ekspor minyak kelapa sawit untuk bulan Januari – Juli tahun 2010 dengan persamaan sebagai berikut:
Ft+m = 114.517,21 + 8.695,94 (m)
Setelah diperoleh model peramalan maka dapat dihitung untuk 7 periode kedepan sebagai berikut:
a. Untuk periode ke 13 ( bulan Januari tahun 2010 ) Ft+1 = 114.517,21 + 8.695,94 (m) = 114.517,21 + 8.695,94 (1)
(33)
b. Untuk periode ke 14 ( bulan Februari tahun 2010 ) Ft+2 = 114.517,21 + 8.695,94 (m) = 114.517,21 + 8.695,94 (2)
= 131.909,09
c. Untuk periode ke 15 ( bulan Maret tahun 2010 ) Ft+3 = 114.517,21 + 8.695,94 (m) = 114.517,21 + 8.695,94 (3)
= 140.605,03
d. Untuk periode ke 16 ( bulan April tahun 2010 ) Ft+4 = 114.517,21 + 8.695,94 (m) = 114.517,21 + 8.695,94 (4)
= 149.300,97
e. Untuk periode ke 17 ( bulan Mei tahun 2010 ) Ft+5 = 114.517,21 + 8.695,94 (m) = 114.517,21 + 8.695,94 (5)
= 157.996,91
f. Untuk periode ke 18 ( bulan Juni tahun 2010 ) Ft+6 = 114.517,21 + 8.695,94 (m) = 114.517,21 + 8.695,94 (6)
(34)
g. Untuk periode ke 19 ( bulan Juli tahun 2010 ) Ft+7 = 114.517,21 + 8.695,94 (m) = 114.517,21 + 8.695,94 (7)
= 175.388,78
Tabel 3.6 Peramalan Volume Ekspor Minyak Kelapa Sawit Pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara tahun 2010
Bulan Periode Peramalan
Januari 13 123.213,15
Februari 14 131.909,09
Maret 15 140.605,03
April 16 149.300,97
Mei 17 157.996,91 Juni 18 166.692,85 Juli 19 175.388,78
(35)
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem adalah suatu prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam dokumen yang telah disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.
Di dalam sistem data tersebut terdapat suatu perangkat lunak yang dinamakan dengan software, dan dalam tugas akhir ini penulis menggunakan MS. Word XP Compatible, MS. Excel XP Compatible dan SPSS 16.0 for Windows dalam penerapan pengolahan data.
4.2 Microsoft Excel
Microsoft Excel adalah sebuah program aplikasi lembar kerja pada Microsft Office yang digunakan dalam pengolahan angka. Aplikasi ini memiliki fitur kalkulasi dan pembuatan grafik. Program ini sering digunakan oleh para akuntan untuk menulis atau mencatat pengeluaran dan pemasukan dalam perusahaan. Microsoft Excel dapat membantu penyelesaian tugas-tugas mulai dari perencanaan anggaran belanja,
(36)
pembuatan grafik 3-dimensi sampai mengelola buku besar akuntansi untuk sebuah perusahaan tingkat menengah.
Tampilan layar Microsoft Excel berupa bentuk standard dari menu bar, toolbars, formula bar, status bar dan sebuah buku kerja (workbook) baru. Workbook ini memuat minimum 1 atau maksimum 255 kertas kerja (worksheet). Jumlah worksheet dalam keadaan biasa ada tiga dan worksheet yang aktif bernama “sheet 1” alamat sel kiri atas dan alamat sel kanan bawah. Sedangkan “Pointer” adalah petunjuk sel yang aktif. Untuk lebih jelasnya, tampilan layarnya adalah sebagai berikut:
Gambar 4.1 Tampilan Microsoft Excel
4.3 Pengoperasian Microsoft Excel
Cara mengaktifkan Microsoft Excel sama dengan program-program aplikasi umumnya yang ada di dalam Microsoft Office, yaitu:
1. Klik tombol “start” yang ada pada taskbar 2. Bawa pointer mouse ke “program” , kemudian
(37)
3. Klik Microsoft Excel untuk memulai program, selanjutnya excel akan menampilkan buku kerja yang kosong.
Gambar 4.2 Mengaktifkan Microsoft Excel
Setelah aktif di dalam Microsoft Excel, akan tampil lembar kerja baru yang tersusun atas sel-sel yang terbentuk dalam baris dan kolom. Satu lembar kerja dapat memuat 65536 baris dan 256 kolom yaitu dari kolom A-IV, sedangkan 1 sel dapat memuat sebanyak 32000 karakter.
Sel aktif memiliki border gelap disekelilingnya, dan alamat sel aktif ditampilkan pada kotok di atas tepi kiri lembar kerja. Sewaktu mengetik teks atau rumus, karakter akan terlihat pada formula bar. Tanda + (plus) yang terlihat pada lembar kerja menandakan keberadaan mouse.
Rumus selalu dimulai dengan tanda sama dengan (=), misalnya: =Sum(range) digunakan untuk menjumlahkan renge tertentu. Nilai yang dihasilkan dapat berubah apabila rangkaian nilai dalam rumus berubah.
(38)
4. Kita dapat memasukkan data lembar kerja dengan langkah sebagai berikut: a. Tempatkan petunjuk sel tempat data tersebut akan ditempatkan.
b. Ketik data yang akan dimasukkan.
c. Untuk mengakhiri tekan enter atau tanda panah untuk berpindah sel atau dengan menggerakkan mouse ke tempat lain.
5. Menyimpan data
Setelah lembar kerja diisi dalam Microsoft Excel disimpan dengan nama file ekspor. Langkah-langkah dalam menyimpan lembar kerja adalah sebagai berikut:
a. Ketik file
b. Save as data c. Klik OK atau enter
Eksistensi penyimpanan data akan tersimpan secara otomatis sehingga nama file data akan bertambah menjadi Microsoft Excel-Ekspor.
(39)
6. Pemrosesan data
Selanjutnya adalah pemrosesan data dengan langkah sebagai berikut:
a. Pemulusan pertama ( S't ), untuk bulan pertama ditentukan sebesar bulan pertama dari data historisnya sehingga rumus yang tertera pada sel D2 adalah = C2. Sedangkan untuk bulan kedua dapat dihitung dengan rumus = ($K$1*C3)+(1-$K$1)*D2.Dalam kasus ini menghasilkan angka 21.024,40 dan untuk bulan-bulan berikutnya hanya menyalin rumus tersebut.
b. Pemulusan kedua ( S''t ), untuk bulan pertama ditentukan sebesar bulan pertama dari data historisnya sehingga rumus yang tertera pada sel E2 adalah = C2. Sedangkan untuk bulan kedua dapat dihitung dengan rumus = ($K$1*D3)+(1-$K$1)*E2. Dalam kasus ini menghasilkan angka 17.437,84 dan untuk bulan-bulan berikutnya hanya menyalin rumus tersebut.
c. Nilai at baru bisa dicari pada bulan kedua yaitu dengan rumus yang tertera pada sel F3 = (2*D3)-E3. Dalam kasus ini menghasilkan angka 24.610,96 dan untuk bulan-bulan berikutnya hanya menyalin rumus tersebut.
d. Nilai bt baru bisa dicari pada bulan kedua yaitu dengan rumus yang tertera pada sel G3 = ($K$1/(1-$K$1))*(D3-E3). Dalam kasus ini menghasilkan angka 5.379,84 dan untuk bulan-bulan berikutnya hanya menyalin rumus tersebut.
(40)
e. Forecast (Ftm) untuk bulan ketiga yaitu pada sel H4 dapat dicari dengan menggunakan rumus = F3+G3*(1) dengan hasil 29.990,80 dan untuk forecast berikutnya hanya menyalin rumus tersebut.
f. Nilai Error kuadrat dapat dicari dengan rumus pada sel I4 = (C4-H4)^2 dengan hasil 1.467.005,44 dan untuk berikutnya hanya menyalin rumus tersebut.
g. Menghitung MSE dapat menggunakan rumus pada sel = B29/10 dengan hasil 38.594.481,87.
(41)
4.4 Pembuatan Grafik
Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada excel dapat menggunakan chart wizard yang terdapat pada toolbar. Langkah-langkah yang perlu dilakukan adalah sebagai berikut:
1. Sorot sel yang ingin dibuat grafik pada tabel data 2. Klik menu Insert, chart
3. Klik type dan sub type grafik misalnya tipe Line dan subtipe line with markers
Gambar 4.5 Proses Pembuatan Grafik 4. Klik Next
5. Klik Next
6. Tentukan keterangan pendukung grafik seperti title (judul tabel), axes (sumbu koordinat tabel), gridlines (garis bantu skala tabel), legends (keterangan tabel) data labels (mnama data label) dan data table
(42)
8. Pilih tempat untuk meletakkan grafik ini 9. Klik Finish.
Gambar 4.6 Grafik Yang Dihasilkan Pada Microsoft Excel
4.5 SPSS 16.0 For Windows
SPSS atau Statistical Package for Social Science, merupakan sebuah program aplikasi yang memiliki kemampuan analisa statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan cara pengoperasian yang cukup sederhana sehingga mudah untuk dipahami. Aplikasi tersebut merupakan salah satu aplikasi perangkat lunak yang banyak digunakan seiring dengan perkembangan ilmu pengetahuan dan teknologi dimana banyak institusi yang menginginkan adanya penelitian di berbagai bidang, penelitian yang banyak berhubungan dengan data-data yang akan diolah menggunakan suatu metode analisis statistik.
(43)
4.6 Pengoperasian SPSS 16.0 For Windows
Cara mengaktifkan program SPSS adalah sebagai berikut: 1. Klik menu Start, pilih All Programs
2. Pilih item SPSS Inc, kemudian SPSS 16.0
3. Jika baru pertama kali masuk, klik tombol Cancel pada kotak dialog yang muncul supaya langsung masuk ke data editor seperti gambar berikut:
Gambar 4.7 Tampilan SPSS 16.0 For Windows
Langkah-langkah mencari nilai autokorelasi adalah sebagai berikut: 1. Masukkan data yang akan diolah pada data view
2. Klik Analyze, pilih Time series, kemudian pilih Autocorrelations
(44)
4. Kemudian klik OK.
(45)
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada bab 3 maka kesimpulan yang diperoleh adalah sebagai berikut:
a. Pada hasil analisis Pemulusan eksponensial ganda: metode linier satu parameter dari Brown diperoleh MSE yang terkecil adalah pada α = 0,6 dengan nilai MSE = 38.594.481,87.
b. Bentuk persamaan peramalan volume ekspor minyak kelapa sawit pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara bulan Januari – Juli tahun 2010 adalah:
Ft+m = 114.517,21 + 8.695,94 (m)
c. Diperkirakan volume ekspor minyak kelapa sawit pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara bulan Januari – Juli tahun 2010 adalah:
(46)
Bulan Periode Peramalan
Januari 13 123.213,15
Februari 14 131.909,09
Maret 15 140.605,03
April 16 149.300,97
Mei 17 157.996,91
Juni 18 166.692,85
Juli 19 175.388,78
5.2 Saran
a. Dalam menentukan volume ekspor minyak kelapa sawit pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara dapat menggunakan pemulusan eksponensial ganda: metode linier satu parameter dari Brown.
b. Dalam menentukan volume ekspor minyak kelapa sawit pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara dengan menggunakan pemulusan eksponensial ganda: metode linier satu parameter dari Brown akan sangat membantu jika menggunakan alat bantu komputer khususnya program aplikasi Microsoft Excel dan SPSS.
c. Dengan menganalisis data yang cenderung meningkat tiap bulannya, diramalkan volume ekspor minyak kelapa sawit pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara di masa yang akan datang akan terus meningkat. Untuk menghadapi kondisi tersebut hendaknya pihak PTPN 3 membuat suatu kebijakan dalam mempersiapkan berbagai fasilitas yang mendukung.
(47)
d. Sebagai bahan pertimbangan dan perbandingan dalam mengambil berbagai kebijakan, metode peramalan yang dibahas dalam Tugas Akhir ini akan sangat membantu.
(48)
DAFTAR PUSTAKA
Amir, M. S. 2003. Ekspor Impor: Teori dan Penerapannya. Cetakan ke-8. Jakarta: PPM.
Aritonang, L. R. 2002. Peramalan Bisnis. Jakarta: Ghalia Indonesia.
Aritonang, L. R. 2009. Peramalan Bisnis. Edisi kedua. Jakarta: Ghalia Indonesia. Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi
Universitas Indonesia.
Gutosudarmo, H. I., dan M. Najmudin. 2001. Teknik Proyeksi Bisnis. Yogyakarta: BPFE – Yogyakarta.
http://www.anneahira.com/artikel-umum/ekspor-impor.htm. Diakses tanggal 4 Februari, 2010.
Makridakis, S., S. Wheelwright., dan V. E. McGee. 1999. Metode dan Aplikasi Peramalan. Edisi kedua. Jilit satu. Jakarta: Binarupa Aksara.
Manurung, A. H. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta..
Munadi, E. Penurunan Pajak Ekspor dan Dampaknya terhadap ekspor minyak sawit Indonesia ke India (Pendekatan Error Correction Model). Diakses tanggal 5 Februari, 2010. http://www.litbang.deptan.go.id/warta-ip/pdf-file/3. ernawati_ ipvol16 -2-2007.pdf.
Wahyono, Teguh. 2008. Belajar Sendiri SPSS 16 Menjadi Mahir Tanpa Guru. Jakarta: PT Elex Media Komputindo.
(49)
(50)
Lampiran 1. Nilai Autokorelasi data volume ekspor minyak kelapa sawit dengan SPSS
Autocorrelations
Series : Autokorelasi volume ekspor minyak kelapa sawit Lag Autocorrelation Std. Errora
Box-Ljung Statistic Value df Sig.b
1 .729 .256 8.112 1 .004
2 .487 .244 12.090 2 .002
3 .254 .231 13.292 3 .004
4 .055 .218 13.356 4 .010
5 -.101 .204 13.599 5 .018
6 -.196 .189 14.675 6 .023
7 -.335 .173 18.450 7 .010
8 -.405 .154 25.342 8 .001
9 -.420 .134 35.207 9 .000
10 -.351 .109 45.532 10 .000
a. The underlying process assumed is independence (white noise). b. Based on the asymptotic chi-square approximation.
(51)
DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Jl. Bioteknologi No.1 Kampus USU, Telp.(061) 8211050, Fax (061) 8214290
Medan 20155
Medan, Februari 2010 Nomor : / H5.2.1.8/SPB/2010
Lampiran : -
Hal : Pengumpulan Data Riset Mahasiswa Program Studi Diploma-3 Statistika Departemen Matematika FMIPA USU Kepada Yth:
Pimpinan PT. Perkebunan Nusantara III (Persero) Jl. Sei Batang Hari No.2
Medan
Dengan hormat,
Bersama ini kami mohon kesediaan Bapak/Ibu untuk menerima mahasiswa Program Studi Diploma-3 Statistika FMIPA USU, untuk melakukan penelitian/pengumpulan data atas nama:
No. Nama NIM Program Studi
1. Kiki Fajri 072407005 D-3 Statistika
Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Peramalan Ekspor Minyak Kelapa Sawit pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara tahun 2010” pada Program Studi Diploma-3 Statistika Departemen Matematika FMIPA USU.
Demikian kami sampaikan, atas bantuan dan kerja sama yang baik kami ucapkan terimakasih
a.n. Dekan FMIPA USU Pembantu Dekan I
Dr. Sutarman, M.Sc
NIP. 19631026 199103 1 001 Tembusan:
1. Ketua Program Studi D-3 Statistika 2. Arsip
(52)
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Jl. Bioteknologi No.1 Kampus USU, Telp.(061) 8211050, Fax (061) 8214290
Medan 20155
KARTU BIMBINGAN TUGAS AKHIR MAHASISWA Nama Mahasiswa : KIKI FAJRI
Nomor Induk Mahasiswa : 072407005
Judul Tugas Akhir : Peramalan Ekspor Minyak Kelapa Sawit Pada
PT. Perkebunan Nusantara III (Persero) Sumatera
Utara Tahun 2010.
Dosen Pembimbing : Drs. H. Haluddin Panjaitan Tanggal Mulai Bimbingan : Februari 2010
Tanggal Selesai Bimbingan : Mei 2010
*Kartu ini harap dikembalikan ke Jurusan Matematika bila bimbingan mahasiswa telah selesai.
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
Dr. Saib Suwilo M.Si Drs. H. Haluddin Panjaitan NIP. 19640109 198803 1 004 NIP. 19460309 197902 1 001 No TANGGAL ASISTEN BIMBINGAN PEMBAHASAN PADA ASISTENSI MENGENAI, PADA BAB PARAF DOSEN
PEMBIMBING KETERANGAN 1.
2. 3. 4. 5.
(53)
SURAT KETERANGAN Hasil Uji Program Tugas Akhir
Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistika:
Nama : Kiki Fajri
NIM : 072407005
Program Studi : DIII Statistika
Judul Tugas Akhir : Peramalan Ekspor Minyak Kelapa Sawit Pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara Tahun 2010.
Telah melaksanakan test program tugas akhir Mahasiswa tersebut diatas pada tanggal Mei 2010.
Dengan hasil: Sukses/Gagal
Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.
Medan,
Dosen Pembimbing/Kepala Lab,
Komputer Program DIII Ilmu Komputer / Statistika
Drs. H. Haluddin Panjaitan NIP. 19460309 197902 1 001
(1)
DAFTAR PUSTAKA
Amir, M. S. 2003. Ekspor Impor: Teori dan Penerapannya. Cetakan ke-8. Jakarta: PPM.
Aritonang, L. R. 2002. Peramalan Bisnis. Jakarta: Ghalia Indonesia.
Aritonang, L. R. 2009. Peramalan Bisnis. Edisi kedua. Jakarta: Ghalia Indonesia. Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi
Universitas Indonesia.
Gutosudarmo, H. I., dan M. Najmudin. 2001. Teknik Proyeksi Bisnis. Yogyakarta: BPFE – Yogyakarta.
http://www.anneahira.com/artikel-umum/ekspor-impor.htm. Diakses tanggal 4 Februari, 2010.
Makridakis, S., S. Wheelwright., dan V. E. McGee. 1999. Metode dan Aplikasi Peramalan. Edisi kedua. Jilit satu. Jakarta: Binarupa Aksara.
Manurung, A. H. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta..
Munadi, E. Penurunan Pajak Ekspor dan Dampaknya terhadap ekspor minyak sawit Indonesia ke India (Pendekatan Error Correction Model). Diakses tanggal 5 Februari, 2010. http://www.litbang.deptan.go.id/warta-ip/pdf-file/3. ernawati_ ipvol16 -2-2007.pdf.
Wahyono, Teguh. 2008. Belajar Sendiri SPSS 16 Menjadi Mahir Tanpa Guru. Jakarta: PT Elex Media Komputindo.
(2)
(3)
Lampiran 1. Nilai Autokorelasi data volume ekspor minyak kelapa sawit dengan SPSS
Autocorrelations
Series : Autokorelasi volume ekspor minyak kelapa sawit Lag Autocorrelation Std. Errora
Box-Ljung Statistic
Value df Sig.b
1 .729 .256 8.112 1 .004
2 .487 .244 12.090 2 .002
3 .254 .231 13.292 3 .004
4 .055 .218 13.356 4 .010
5 -.101 .204 13.599 5 .018
6 -.196 .189 14.675 6 .023
7 -.335 .173 18.450 7 .010
8 -.405 .154 25.342 8 .001
9 -.420 .134 35.207 9 .000
10 -.351 .109 45.532 10 .000
a. The underlying process assumed is independence (white noise). b. Based on the asymptotic chi-square approximation.
(4)
DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Jl. Bioteknologi No.1 Kampus USU, Telp.(061) 8211050, Fax (061) 8214290
Medan 20155
Medan, Februari 2010 Nomor : / H5.2.1.8/SPB/2010
Lampiran : -
Hal : Pengumpulan Data Riset Mahasiswa Program Studi Diploma-3 Statistika Departemen Matematika FMIPA USU Kepada Yth:
Pimpinan PT. Perkebunan Nusantara III (Persero) Jl. Sei Batang Hari No.2
Medan
Dengan hormat,
Bersama ini kami mohon kesediaan Bapak/Ibu untuk menerima mahasiswa Program Studi Diploma-3 Statistika FMIPA USU, untuk melakukan penelitian/pengumpulan data atas nama:
No. Nama NIM Program Studi
1. Kiki Fajri 072407005 D-3 Statistika
Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Peramalan Ekspor Minyak Kelapa Sawit pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara tahun 2010” pada Program Studi Diploma-3 Statistika Departemen Matematika FMIPA USU.
Demikian kami sampaikan, atas bantuan dan kerja sama yang baik kami ucapkan terimakasih
a.n. Dekan FMIPA USU Pembantu Dekan I
Dr. Sutarman, M.Sc
NIP. 19631026 199103 1 001 Tembusan:
(5)
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Jl. Bioteknologi No.1 Kampus USU, Telp.(061) 8211050, Fax (061) 8214290
Medan 20155
KARTU BIMBINGAN TUGAS AKHIR MAHASISWA
Nama Mahasiswa : KIKI FAJRI
Nomor Induk Mahasiswa : 072407005
Judul Tugas Akhir : Peramalan Ekspor Minyak Kelapa Sawit Pada
PT. Perkebunan Nusantara III (Persero) Sumatera
Utara Tahun 2010.
Dosen Pembimbing : Drs. H. Haluddin Panjaitan Tanggal Mulai Bimbingan : Februari 2010
Tanggal Selesai Bimbingan : Mei 2010
*Kartu ini harap dikembalikan ke Jurusan Matematika bila bimbingan mahasiswa telah selesai.
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
Dr. Saib Suwilo M.Si Drs. H. Haluddin Panjaitan NIP. 19640109 198803 1 004 NIP. 19460309 197902 1 001 No TANGGAL ASISTEN BIMBINGAN PEMBAHASAN PADA ASISTENSI MENGENAI, PADA BAB PARAF DOSEN
PEMBIMBING KETERANGAN 1.
2. 3. 4. 5.
(6)
SURAT KETERANGAN Hasil Uji Program Tugas Akhir
Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistika:
Nama : Kiki Fajri
NIM : 072407005
Program Studi : DIII Statistika
Judul Tugas Akhir : Peramalan Ekspor Minyak Kelapa Sawit Pada PT. Perkebunan Nusantara III (Persero) Sumatera Utara Tahun 2010.
Telah melaksanakan test program tugas akhir Mahasiswa tersebut diatas pada tanggal Mei 2010.
Dengan hasil: Sukses/Gagal
Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.
Medan,
Dosen Pembimbing/Kepala Lab,
Komputer Program DIII Ilmu Komputer / Statistika
Drs. H. Haluddin Panjaitan NIP. 19460309 197902 1 001