Menghitung Upah Minimum Regional (UMR) Kota Medan Menurut Lapangan Usaha Pada Sektor Industri Tahun 2011 Berdasarkan Data Dari Tahun 2000-2009

MENGHITUNG UPAH MINIMUM REGIONAL (UMR) KOTA MEDAN

MENURUT LAPANGAN USAHA PADA SEKTOR INDUSTRI

TAHUN 2011 BERDASARKAN DATA

DARI TAHUN 2000-2009

TUGAS AKHIR

OLEH

NURHAYATI

082407016

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

MENGHITUNG UPAH MINIMUM REGIONAL (UMR) KOTA MEDAN

MENURUT LAPANGAN USAHA PADA SEKTOR INDUSTRI

TAHUN 2011 BERDASARKAN DATA

DARI TAHUN 2000-2009

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

NURHAYATI

082407016

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERSETUJUAN

Judul : MENGHITUNG UPAH MINIMUM REGIONAL (UMR) KOTA MEDAN MENURUT LAPANGAN USAHA PADA SEKTOR INDUSTRI TAHUN 2011 BERDASARKAN DATA DARI TAHUN 2000-2009

Kategori : TUGAS AKHIR

Nama : NURHAYATI

Nomor Induk Mahasiswa : 082407016

Program Studi : DIPLOMA III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Disahkan di Diketahui

Ketua Departemen Matematika FMIPA USU Pembimbing I

Prof. Dr. Tulus, M.Si Drs.Djenda Djudjur Ginting, MS NIP. 19620901 198803 1 002 NIP. 19470819 197710 1 001

PERNYATAAN

MENGHITUNG UPAH MINIMUM REGIONAL (UMR) KOTA MEDAN

MENURUT LAPANGAN USAHA PADA SEKTOR INDUSTRI

TAHUN

2011 BERDASARKAN DATA DARI TAHUN 2000-2009

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing - masing disebutkan sumbernya.

Medan, Juni 2011

NURHAYATI 082407016

PENGHARGAAN

Assalamu’alaikum warahmatullahi wabarakatu.

Segala puji dan syukur Penulis ucapkan atas Kehadirat Allah SWT , yang tiada hentinya memberikan nikmat, rahmat dan hidayahnya serta semangat dan kekuatan sehingga Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan sebaik – baiknya.

Adapun tujuan dari penulisan Tugas Akhir ini adalah merupakan salah satu syarat untuk menyelesaikan Program DIII Statistika pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.

Dalam menyelesaikan Tugas Akhir ini Penulis tidak terlepas dari perhatian, bimbingan, fasilitas dan dorongan serta bantuan berbagai pihak secara langsung maupun tidak langsung, pada kesempatan ini Penulis dengan segala kerendahan hati serta rasa hormat perkenankanlah Penulis mengucapkan terima kasih yang sebesar – besarnya kepada :

1. Teristimewa kepada Bapak Wagiono dan Ibu Sainem Tercinta yang selama ini telah memberikan nasehat, arahan dan dukungan kepada Penulis serta Do’a yang tak pernah putus untuk Penulis.

2. Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU

3. Bapak Prof. Dr. Tulus, M.Sc selaku Ketua Pelaksana Program Studi Ilmu Komputer dan Statistika FMIPA USU.

4. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si selaku Ketua Program Studi DIII Statistika FMIPA USU.

5. Bapak Drs. Djenda Djudjur Ginting, MS selaku Dosen Pembimbing yang telah memberikan bimbingan kepada penulis sehingga dapat menyelesaikan Tugas Akhir ini dengan sebaik – baiknya.

6. Seluruh Staff Pengajar di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara khususnya Jurusan Matematika.

7. Seluruh Pegawai di Kantor Camat Medan Belawan yang telah banyak membantu penulis serta memberikan izin kepada penulis untuk riset di Instansi tersebut.

8. Buat kekasih hati dan sahabat – sahabat saya Rien fionita dan Fitria seide yang telah memberikan dukungan, nasehat serta masukan - masukan yang memotivasi Penulis untuk menyelesaikan Tugas Akhir ini.

9. Buat teman – teman DIII Statistika khususnya pada STAT B ‘ 08 yang saling bahu membahu dan saling bertukar ide.

Sekali lagi penulis ucapkan banyak terima kasih kepada semua pihak yang telah banyak membantu penulis dalam menyelesaikan Tugas Akhir ini. Semoga Tugas Akhir ini bermanfaat bagi penulis dan juga bermanfaat bagi para pembaca dan kemajuan ilmu pengetahuan di masa mendatang. Oleh karena itu penulis sangat mengharapkan kritik dan

saran yang bersifat membangun. Kalau ada kata atau ejaan yang kurang lengkap penulis mohon maaf sebab penulis hanya seorang Manusia yang tak luput dari kesalahan dan juga kekhilafan. Sesungguhnya kesempurnaan hanya milik Allah SWT.

Wasalamu’alaikum Warahmatullahi Wabarakatu.

Medan, Juni 2011

DAFTAR ISI PERSETUJUAN PERNYATAAN PENGHARGAAN DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR

BAB 1 PENDAHULUAN

1.1 Latar Belakang

1.2 Identifikasi Masalah

1.3 Batasan Masalah

1.4 Maksud dan Tujuan

1.5 Lokasi Penelitian

1.6 Metodologi Penelitian

1.6.1 Metode Penelitian Kepustakaan

1.6.2 Metode Pengumpulan Data

1.6.3 Metode analisis yang digunakan

1.7 Sistematika Penulisan

BAB 2 TINJAUAN TEORITIS

2.1 Pengertian Peramalan

2.2 Kegunaan Peramalan

2.3 Jenis - Jenis Peramalan

2.4 Metode Peramalan

2.4.1 Analisa Deret Berkala

2.4.2 Pemilihan Teknik dan Metode Peramalan

2.4.3 Penentuan Pola Data

2.5 Metode Pemulusan (Smoothing)

2.5.1 Metode yang Digunakan

2.6 Ketepatan Ramalan

2.7 Penentuan Koefisien Autokorelasi

BAB 3 SEJARAH DAN STRUKTUR BPS

3.1 Sejarah Badan Pusat Statistik (BPS) 3.1.1 Masa Pemerintahan Hindia Belanda

3.1.2 Masa Pemerintahan Jepang

3.1.3 Masa Kemerdekaan Republik

3.1.4 Masa Orde Baru Sampai Sekarang

3.2 Visi dan Misi Badan Pusat Statistik 3.3 Struktur Organisasi Badan Pusat Statistik 3.4 Tugas dan Wewenang Masing - Masing Bagian di BPS

3.4.1 Bidang Tata Usaha

3.4.2 Bidang Statistik Produksi

3.4.4 Bidang Pengolahan Data

3.4.5 Bidang Statistik Kependudukan

3.4.6 Bidang Neraca Wilayah dan Analisa BAB 4 ANALISA DAN PENGOLAHAN DATA

4.1 Data yang Dibutuhkan

4.2 Analisa Deret Berkala Nilai Upah Minimum Regional (UMR) kota Medan 4.3 Metode Smoothing Eksponensial Linear Satu Parameter dari Brown

4.3.1 Penaksiran Model Peramalan

4.4 Peramalan Nilai Upah Minimum Regional (UMR)

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertiana Implementasi Sistem

5.2 Microsoft Excel

5.3 Langkah - Langkah Memulai Pengolahan Data dengan Excel

5.4 Menghitung Ketepatan Peramalan

5.5 Grafik dalam Microsoft Excel

BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan

6.2 Saran

DAFTAR PUSTAKA

DAFTAR TABEL

Tabel 4.1 Data Nilai Upah Minimum Regional (UMR) Kota Medan Tabel 4.2 Nilai Autokorelasi Data Nilai Upah Minimum Regional (UMR) dengan k=1 Tabel 4.3 Nilai Autokorelasi Data Nilai Upah Minimum Regional (UMR) dengan k=2

Tabel 4.4 Nilai Koefisien Autokorelasi

Tabel 4.5 Menentukan Nilai MSE dengan Menggunakan α = 0,1 Tabel 4.6 Menentukan Nilai MSE dengan Menggunakan α = 0,2 Tabel 4.7 Menentukan Nilai MSE dengan Menggunakan α = 0,3 Tabel 4.8 Menentukan Nilai MSE dengan Menggunakan α = 0,4 Tabel 4.9 Menentukan Nilai MSE dengan Menggunakan α = 0,5 Tabel 4.10 Menentukan Nilai MSE dengan Menggunakan α = 0,6 Tabel 4.11 Menentukan Nilai MSE dengan Menggunakan α = 0,7 Tabel 4.12 Menentukan Nilai MSE dengan Menggunakan α = 0,8 Tabel 4.13 Menentukan Nilai MSE dengan Menggunakan α = 0,9 Tabel 4.14 Perbandingan Ukuran Ketepatan Metode Peramalan Tabel 4.15 Aplikasi Pemulusan (Smoothing) Eksponensial Linear

Satu Parameter dari Brown Menggunakan α = 0,7 Pada Data Nilai Upah Minimum

Regional (UMR)

DAFTAR GAMBAR

Gambar 4.1 Plot Data Nilai Upah Minimum Regional (UMR) dari Tahun 2000-2000 Gambar 4.2 Distribusi Koefisien Autokorelasi Data Asli

Gambar 4.3 Plot Pemulusan Peramalan dengan α = 0,7

Gambar 5.1 Langkah - Langkah Membuka Microsoft Office Excel 2007 Gambar 5.2 Tampilan Worksheet Microsoft Office Excel 2007 Gambar 5.3 Pengisian Data Pada Microsoft Office Excel 2007 Gambar 5.4 Aplikasi Pemulusan Eksponensial Linear Satu Parameter

dari Brown Menggunakan α = 0,7Pada Microsoft

Office Excel 2007 Gambar 5.5

Langkah Pembuatan Grafik Pada Microsoft Office Excel 2007 Gambar 5.6 Grafik Pada Microsoft Office Excel 2007

BAB 1

PENDAHULUAN

1.1Latar Belakang

Manusia merupakan makhluk sosial yang memiliki kebutuhan yang berbeda-beda dengan penghasilan yang berbeda-beda pula. Manusia akan berusaha untuk mendapatkan penghasilan yang sebanyak-banyaknya untuk memenuhi kebutuhan sehari-hari dan kebutuhan yang akan datang. Upah Minimun Regional (UMR ) yang berubah setiap tahunnya akan mempengaruhi kesejahteraan manusia atau pekerja.

Menteri Tenaga Kerja ( Menaker ) Republik Indonesia, menimbang :

1. Bahwa peningkatan kesejahteraan pekerja sebagai bagian dari upaya memajukan kesejahteraan masyarakat, sangat penting artinya untuk mendorong peningkatan peran serta pekerja dalam pelaksanaan proses produksi melalui mekanisme penetapan upah minimum;

2. Bahwa kondisi perekonomian pada saat ini telah memungkinkan untuk mewujudkan penetapan upah yang lebih realistis sesuai kondisi daerah dan kemampuan perusahaan secara sektoral, sehingga perlu penetapan Upah Minimum Regional Tingkat I dan Upah Minimum Regional Tingkat II serta Upah Minimum Sektoral Regional Tingkat I dan Upah Minimum Sektoral Regional Tingkat II yang mengacu kepada pemenuhan Kebutuhan Hidup Minimum;

3. Bahwa Keputusan Menteri Tenaga Kerja No. Kep-23/MEN/1999 tanggal 17 Pebruari 1999 tentang Penetapan Upah Minimum Regional pada 27 (dua puluh tujuh) Propinsi di Indonesia dan UpahMinimum Sektoral Regional pada 19 (sembilan belas) Propinsi di Indonesia, Keputusan Menteri Tenaga Kerja No. Kep-26/MEN/1999 tanggal 19 Pebruari 1999 tentang Penetapan Upah Minimum Sektoral Regional Propinsi Jawa Tengah: Keputusan Menteri Tenaga Kerja No. Kep-29/MEN/1999 tanggal 17 Maret 1999 tentang Penetapan Upah Minimum Sektoral Regional Propinsi Kalimantan Selatan, Keputusan Menteri Tenaga Kerja No. Kep-131/M/BWI1999 tanggal 13 April 1999 tentang Ralat Keputusan Menteri Tenaga Kerja No. Kep-23/MEN/1999 tentang Penetapan Upah Minimum Regional pada 27 (dua puluh tujuh) Propinsi di Indonesia dan Upah Minimum Sektoral Regional pada 19 (sembilan belas) Propinsi di Indonesia, Keputusan Menteri Tenaga Kerja No. Kep-110/MEN/1999 tanggal 17 Juni 1999 tentang. Penetapan Upah Minimum Sektoral Regional Propinsi Kalimantan Timur; dan Keputusan Menteri Tenaga Kerja No. Kep-151/MEN/1999 tanggal 16 Agustus 1999 tentang Penetapan Upah Minimum Sektoral Regional Propinsi Riau Untuk Sektor Pertanian, Peternakan, Kehutanan, Perburuan dan Perikanan, Sub Sektor Penebangan Hutan dan Sektor Industri Pengolahan, Sub Sektor Industri Penggergajian dan Pengolahan Kayu serta Sub Sektor Industri Kayu Lapis, sudah tidak sesuai lagi dengan perkembangan sehingga perlu ditinjau kembali;

4. Bahwa berdasarkan pertimbangan sebagaimana dimaksud huruf a, b dan c perlu ditetapkan dengan Keputusan Menteri.

Dari semua sektor yang telah ditetapkan Upah Minimum Regional (UMR) nya, penulis ingin meneliti Upah Minimum Regional (UMR) kota Medan untuk sektor industri. Penulis memilih sektor industri karena dikota Medan terdapat banyak sekali Industri yang

berkembang di kota Medan, mulai dari industri kecil-kecilan sampai industri yang sangat besar. Kemudian banyaknya pekerja yang ingin bekerja pada bidang industri dan berbondong-bondong mengejar untuk sukses dalam bidang industri. Melihat itu semua, pasti para pekerja juga mempertimbangkan Upah Minimum Regional (UMR) yang akan didapat. Semau manusia pasti berusaha mendapatkan upah diatas UMR yang telah ditetapkan Menteri Keuangan Republik Indonesia.

Sesuai dengan pembahasan sebelumnya maka penulis mencoba untuk meramalkan besarnya nilai Upah Minimum Regional ( UMR ) kota Medan pada tahun . Untuk mencapai tujuan yang diinginkan penulis tersebut diatas, maka penulis mencoba membuat sebuah Tugas Akhir yang berjudul “MENGHITUNG UPAH MINIMUM REGIONAL ( UMR ) KOTA MEDAN MENURUT LAPANGAN USAHA PADA SEKTOR INDUSTRI TAHUN 2011 BERDASARKAN DATA DARI TAHUN 2000-2009“.

1.2Identifikasi Masalah

Untuk memperjelas sasaran yang dituju, maka penulis membuat rumusan masalah. Adapun yang menjadi permasalahan dalam tulisan ini adalah bagaimana menghitung Upah Minimum Regional (UMR) kota Medan menurut sektor industri tahun 2011 berdasarkan data dari tahun 2000-2009?

1.3Batasan Masalah

Untuk mengarahkan pembahasan dalam tugas akhir ini agar tidak menyimpang dari sasaran yang dituju, maka perlu membuat batasan ruang lingkup permasalahan. Sebagai pembatasan masalah ini adalah hanya terbatas pada analisa untuk mengetahui Metode Pemulusan (Metode

Smoothing) yang akan digunakan untuk meramalkan Upah Minimum Regional (UMR) kota Medan untuk sektor Industri tahun 2011.

1.4Maksud dan Tujuan

Maksud dari penelitian ini adalah untuk meramalkan Upah Minimum Regional (UMR) kota Medan menurut sektor industri tahun 2011. Adapun tujuan penulis melakukan penelitian ini adalah untuk mengetahui peramalan Upah Minimum Regional (UMR) kota Medan menurut sektor industri tahun 2011, berdasarkan data sekunder yang diperoleh dari BPS Provinsi Sumatera Utara dari tahun 2000-2009.

Adapun manfaat dari penelitian ini adalah untuk tambahan literatur dan pengetahuan pembaca yang sedang mempelajari metode pemulusan (Smoothing) sederhana, semoga penelitian ini bermanfaat bagi pembaca dan penelitian lain yang ingin meneliti masalah yang menggunakan konsep yang sama. Dan secara umum dapat memberikan pengetahuan atau informasi tentang upah minimum regional pada sektor industri.

1.5 Lokasi Penelitian

Penelitian dilakukan dengan mengambil data sekunder dari kantor Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Jl. Asrama No. 179, Medan.

1.6 Metodologi Penelitian

Metode penelitian adalah salah satu cara yang terdiri dari langkah – langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan tugas

akhir sehingga apa yang menjadi tujuan dari penelitian itu terwujud. Penulis melakukan beberapa langkah – langkah untuk menyelesaikan penelitian, antara lain :

1.6.1 Metode Penelitian Kepustakaan

Disini penulis mengadakan penulisan Tugas Akhir dengan membaca buku-buku di perpustakaan di Badan Pusat Statistik (BPS) Medan yang ada kaitannya dengan Upah Minimum Regional (UMR) khususnya di kota Medan.

1.6.2 Metode Pengumpulan Data

Keperluan data untuk keperluan tugas akhir ini penulis lakukan dengan menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara jl. Asrama No. 179, Medan. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.6.3 Metode analisis yang digunakan

Metode Smoothing

Adapun pengolahan data dalam meramalkan Upah Minimum Regional (UMR) pada sektor industri kota Medan menggunakan Metode Pemulusan (Metode Smoothing). Metode Pemulusan (smoothing) dapat digunakan untuk menghilangkan atau mengurangi keteracakan (randomness) dari data deret waktu (time series). Metode yang biasa digunakan untuk

keperluan pemulusan data adalah metode rata-rata bergerak (moving average) dari pengukuran responden dalam periode waktu tertentu atau metode pemulusan eksponensial.

Persamaan yang dipakai dalam Metode Pemulusan (Smoothing) Eksponensial Ganda Satu Parameter dari Brown adalah sebagai berikut:

S't = αXt + (1 - α) S't – 1 S"t = αS't + (1 - α) S"t – 1

at = S't + (S't - S"t) = 2 S't - S"t

bt =

Ft+m = at + btm

Dimana,

S't = nilai pemulusan eksponensial tunggal (single eksponensial smoothing value) S"t = nilai pemulusan eksponensial ganda (double eksponensial smoothing value)

α = parameter pemulusan eksponensial dengan besar 0 < α < 1

at, , bt = konstanta pemulusan

Ft+m = hasil peramalan untuk m periode ke depan yang diramalkan

1.7 Sistematika Penulisan

Adapun sistematika dalam penulisan “ Tugas Akhir “ secara garis besarnya dibagi dalam 6 (enam) bab yang masing – masing bab dibagi atas beberapa sub – sub bab yaitu sebagai berikut :

α α −

BAB 1 : PENDAHULUAN

Bab ini berisi latar belakang masalah, identifikasi masalah, batasan masalah, maksud dan tujuan, metodologi penelitian, dan sistematika penulisan.

BAB 2 : TINJAUAN TEORITIS

Bab ini menguraikan tentang teori-teori yang digunakan yang menyangkut terhadap penyelesaian masalah yang dihadapi, sesuai dengan judul yang diutarakan.

BAB 3 : SEJARAH DAN STRUKTUR BPS

Bab ini menjelaskan/menceritakan tentang sejarah singkat berdirinya BPS Propinsi Sumatera Utara.

BAB 4 : ANALISIS DAN PEMBAHASAN DATA

Bab ini menganalisa data yang telah dikumpulkan beserta pembahasannya.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menguraikan tentang program atau software yang dipakai sebagai analisis terhadap data yang diperoleh yaitu dengan menggunakan Program Excel.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini memuat kesimpulan dan saran dari hasil pembahasan di dalam penyelesaian Tugas Akhir ini.

BAB 2

TINJAUAN TEORITIS

2.1 Pengertian Peramalan

Kegiatan manusia senantiasa diarahkan pada kondisi pada waktu yang akan datang, yang keberadaannya tidak dapat diketahui secara pasti. Usaha untuk meminimalkan ketidakpastian tersebut lazim dilakukan dengan metode atau teknik peramalan tertentu (teknik merupakan bagian dari metode). Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi atau kapan suatu peristiwa akan terjadi/timbul, sehingga tindakan atau keputusan yang tepat dapat dilakukan. Dalam peramalan didasarkan pada bermacam – macam cara yaitu Metode Perataan (Average), Metode Pemulusan (Smoothing) Eksponensial, dan Metode Box Jenkins.

Disamping itu, melalui metode atau teknik peramalan diharapkan dapat diidentifikasikan model yang akan digunakan untuk meramalkan kondisi pada waktu yang akan datang. Model peramalan itu secara umum dapat dikemukakan sebagai :

Yt = pola + error. Jadi, data dibedakan menjadi komponen yang dapat diidentifikasi (pola) dan yang tidak dapat diidentifikasi (error). Maka, penggunaan metode peramalan adalah untuk mengidentifikasikan suatu model peramalan sedemikian rupa sehingga error-nya menjadi seminimal mungkin.

Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi (pola data) pada waktu – waktu yang lalu guna mengembangkan model yang sesuai dengan pola data

dengan menggunakan asumsi bahwa pola data pada waktu yang lalu itu akan berulang lagi pada waktu yang akan datang. Selanjutnya, model itu digunakan untuk meramalkan kondisi – kondisi pada waktu – waktu yang akan datang. Bila uraian mengenai kegiatan peramalan tersebut diamati, ada dua dimensi waktu yang tercakup, yaitu waktu yang lalu dimana data tersedia dan waktu yang akan datang dimana data tidak tersedia.

Kegiatan penerapan model yang telah dikembangkan pada waktu lalu dinamakan proyeksi, sedangkan kegiatan penerapan model yang telah dikembangkan pada waktu yang akan datang dinamakan peramalan. Penggunaan metode atau teknik peramalan dengan model yang diidentifikasikan secara tepat juga didukung oleh baik tidaknya data maupun informasi yang digunakan. Selama data maupun informasi yang digunakan tidak dapat meyakinkan seperti sumber dari data atau informasi yang tidak jelas, maka hasil peramalan yang disusun juga akan sulit dipercaya akan ketepatan dan keakuratannya.

2.2 Kegunaan Peramalan

Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor – faktor yang dapat diketahui, maka perencanaan dapat memegang peranan penting.

Dalam sebuah instansi pemerintah maupun swasta, perencanaan sangat dibutuhkan untuk pengambilan keputusan untuk beberapa waktu kedepan. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Apalagi saat ini, telah terjadi

kemajuan yang pesat dalam bidang peramalan. Beberapa kegunaan peramalan dalam bagian organisasi yaitu :

1. Penjadwalan sumber daya yang tersedia.

Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan untuk produk, bahan, tenaga kerja, finansial, atau jasa pelayanan.

2. Penyediaan sumber daya tambahan.

Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru, atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa mendatang. 3. Penentuan sumber daya yang diinginkan.

Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar, faktor – faktor lingkungan, dan pengembangan internal dari sumber daya finansial, manusia, produk, dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.

Tiga kelompok di atas merupakan bentuk khas dari keperluan peramalan jangka pendek, menengah, dan panjang dari organisasi saat ini selain bidang lainnya.Organisasi dalam membangun suatu sistem peramalan perlu memiliki pengetahuan dan keterampilan yang meliputi paling sedikit empat bidang : identifikasi dan definisi masalah peramalan ; aplikasi serangkaian metode peramalan ; prosedur pemilihan metode yang tepat untuk situasi tertentu ; dan dukungan organisasi untuk menerapkan dan menggunakan metode peramalan secara formal.

Berdasarkan uraian di atas, maka dapat dikatakan bahwa metode peramalan sangat dibutuhkan dan berguna untuk menganalisis data masa lalu untuk keperluan waktu yang akan datang. Sehingga, dengan metode peramalan akan diperoleh perencanaan yang teratur, terarah, dan sistematis sesuai hasil analisis yang tepat.

2.3 Jenis – Jenis Peramalan

Berdasarkan sifat penyusunannya, teknik peramalan dapat dibagi dalam dua kategori utama yaitu :

1. Peramalan yang subjektif

Peramalan yang subjektif adalah yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

2. Peramalan yang objektif

Peramalan yang objektif adalah peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik – teknik dan metode – metode dalam penganalisaan data tersebut.

Berdasarkan jangka waktu disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu :

1. Peramalan Jangka Panjang

Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun. Misalnya, diperlukan penyusunan rencana pembangunan suatu negara atau daerah dan lain sebagainya.

2. Peramalan Jangka Pendek

Peramalan jangka pendek adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya kurang dari satu setengah tahun. Misalnya, peramalan penyusunan rencana produksi, rencana penjualan, rencana persediaan, dan lain sebagainya.

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu :

1. Peramalan Kualitatif

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini sangat penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat, dan pengetahuan dari orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi dua yaitu metode eksploratoris dan normatif.

2. Peramalan Kuantitatif

Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda pula. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan hasil ramalan dengan kenyataan yang tejadi. Semakin kecil penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.

Saat ini telah dikembangkan beberapa metode atau teknik – teknik peramalan untuk menghadapi bermacam – macam keadaan yang akan terjadi. Tetapi dalam hal ini penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan Tugas Akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan secara kuantitatif. Oleh karena itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dibedakan atas :

1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series).

2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau sebab akibat (causal methods).

Dalam penulisan Tugas Akhir ini, digunakan metode peramalan yang pertama, yaitu peramalan dengan menggunakan variabel waktu atau yang dikenal dengan “time series”.

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu : 1. Adanya informasi tentang masa lalu

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data

3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang.

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (assumtion of mend continuity). Asumsi ini merupakan modal yang mendasari dari semua metode

peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.

2.4 Metode Peramalan

Metode – metode peramalan dengan analisa deret waktu yaitu : 1. Metode Pemulusan Eksponensial dan Rata – Rata Bergerak

Sering digunakan untuk jangka pendek dan jarang dipakai untuk peramalan jangka panjang.

2. Metode Regresi

Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang. 3. Metode Box-Jenkins

Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang.

2.4.1 Analisa Deret Berkala

Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis data berkala memungkinkan untuk mengetahui perkembangan satu atau beberapa kejadian serta hubungannya dengan kejadian lain.

Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak dapat pertumbuhan atau penurunan data.

Data secara kasar harus horizontal sepanjang waktu, dengan kata lain fluktuasi data tetap konstan setiap waktu.

2.4.2 Pemilihan Teknik dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, pertama – tama perlu diketahui ciri– ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan.

Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu :

1. Horizon Waktu

Ada dua aspek dari horizon waktu yang berhubungan dengan masing – masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang. Aspek kedua adalah jumlah periode untuk peramalan yang diinginkan.

2. Pola Data

Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari Model

Model – model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan – perubahan dalam pola. Model – model perlu diperhatikan karena masing – masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.

4. Biaya yang Dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya – biaya pengembangan, penyimpanan (storage) data, operasi pelaksanaan, dan kesempatan dalam penggunaan teknik – teknik dan metode peramalan.

5. Ketepatan Metode Peramalan

Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.

6. Kemudahan dalam Penerapan

Metode – metode yang dapat dimengerti dan mudah dialokasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.

2.4.3 Penentuan Pola Data

Hal penting harus diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :

1. Pola Data Horizontal

Pola ini terjadi bila berfluktuasi di sekitar nilai rata – rata yang konstan.

2. Pola Data Musiman (Seosonal)

Pola yang menunjukkan perubahan yang berulang – ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya : kuartal tahun tertentu, bulanan, atau hari – hari pada minggu tertentu.

3. Pola Siklis (Cyclical)

Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklis bisnis.

4. Pola Data Trend

Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.

2.5 Metode Pemulusan (Smoothing)

Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata – rata dari nilai beberapa tahun lalu untuk menaksir nilai pada beberapa tahun ke depan. Secara umum metode pemulusan (smoothing) diklasifikasikan menjadi dua bagian :

1. Metode Rata - Rata

Metode rata – rata dibagi atas empat bagian : a. Nilai rata-rata (mean)

b. Rata – rata bergerak tunggal (single moving average) c. Rata – rata bergerak ganda (double moving average) d. Kombinasi rata – rata bergerak lainnya.

Metode rata – rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

Bentuk umum dari metode pemulusan eksponensial :

Ft+1= α Xt + (1-α) Ft

Dimana :

Ft+1 = ramalan suatu periode ke depan Xt = data aktual pada periode ke-t Ft = ramalan pada periode ke-t

α = parameter pemulusan

Metode pemulusan (smoothing) eksponensial merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain nilai observasi yang baru diberikan bobot yang relatif lebih besar dibandingkan nilai observasi yang lebih tua. Metode ini terdiri atas :

1. Metode Pemulusan (Smoothing) Eksponensial Tunggal a. Satu Parameter (One Parameter)

b. Pendekatan Aditif

Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola data atau trend.

2. Metode Pemulusan (Smoothing) Eksponensial Ganda a. Metode Linear Satu Parameter dari Brown b. Metode Dua Parameter dari Holt

3. Metode Pemulusan (Smoothing) Eksponensial Triple a. Metode Kuadratik Satu Parameter dari Brown

Digunakan untuk pola data kuadratik, kubik, atau orde yang lebih tinggi. b. Metode Kecendrungan dan Musim Tiga Parameter dari Winter

Digunakan untuk data berbentuk trend dan musiman.

4. Metode Pemulusan (Smoothing) Eksponensial Menurut Klasifikasi Pegels.

2.5.1 Metode yang Digunakan

Untuk mendapatkan hasil ramalan yang baik, maka harus diketahui cara peramalan yang tepat. Data nilai UMR ke dalam grafis menunjukkan pola data trend linear yang dapat dilihat dari plot autokorelasi nilai - nilai autokorelasi yang menunjukkan pola data trend linear. Maka metode peramalan deret berkala yang digunakan untuk meramalkan nilai penjualan energi gas pada pemecahan masalah ini adalah dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda Satu Parameter dari Brown.

Metode ini merupakan metode linear yang dikemukakan oleh Brown. Dasar pemikiran dari Metode Pemulusan (Smoothing) Eksponensial Linear Satu Parameter dari Brown adalah serupa dengan rata - rata bergerak linear, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan tunggal dan disesuaikan untuk trend.

Persamaan yang dipakai dalam pelaksanaan metode Pemulusan (Smoothing) Ekponensial Linear Satu Parameter dari Brown adalah sebagai berikut :

S't = αXt + (1 - α) S't – 1 S"t = αS't + (1 - α) S"t – 1

at = S't + (S't - S"t) = 2 S't - S"t

bt =

Ft+m = at + btm Dimana,

S't = nilai pemulusan eksponensial tunggal (single eksponensial smoothing value) S"t = nilai pemulusan eksponensial ganda (double eksponensial smoothing value)

α = parameter pemulusan eksponensial dengan besar 0 < α < 1

at, , bt = konstanta pemulusan

Ft+m = hasil peramalan untuk m periode ke depan yang diramalkan

2.6 Ketepatan Ramalan

Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang. Maka untuk menguji kebenaran ramalan digunakan kriteria ketepatan ramalan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah : 1. ME (Mean Error) / Nilai Tengah Kesalahan

ME =

2. MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat α

α −

1

(

S't−S ''t

)

N e N

t t

MSE =

3. MAE (Mean Absolute Error) / Nilai Tengah Kesalahan Absolut

MAE =

4. MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut

MAPE =

5. MPE (Mean Percentage Error) / Nilai Tengah Kesalahan Persentase

MPE =

Dimana :

et = Xt - Ft (kesalahan pada periode ke-t) Xt = data aktual pada periode ke-t

PEt = 100 (kesalahan persentase pada periode ke-t)

Ft = nilai ramalan pada periode ke-t N = banyaknya periode waktu

Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE yang terkecil. N e N t t

∑

₌₁ 2

N e N

t t

∑

₌₁

N PE N

t t

∑

₌₁

N PE N

t t

∑

₌₁

    − t t t X F X

2.7 Penentuan Koefisien Autokorelasi

Koefisien autokorelasi berfungsi untuk menunjukkan suatu deret berkala itu sendiri dengan selisih 1,2 periode atau lebih. Koefisien autokorelasi yang menggambarkan hubungan antar suatu deret berkala dengan deret berkala itu sendiri pada kelambatan waktu (lag) k periode. Secara sistematis untuk menghitung koefisien autokorelasi dapat menggunakan rumus sebagai berikut :

rk =

Dimana :

rk = koefisien autokorelasi Yt = data aktual pada periode ke-t

= nilai tengah dari data aktual

Yt+k = data aktual pada periode ke-t dengan kelambatan (time lag) k

Rumus sederhana yang biasa digunakan untuk menghitung kesalahan standar adalah :

Serk =

Dimana :

n = banyak data asli

Serk = kesalahan standar dari rk

Batas signifikan koefisien autokorelasi adalah : -1,96 Serk ≤ rk ≤ +1,96 Serk

( )(

)

( )

∑

∑

= − = − − − − n t t k n t k t t Y Y Y Y Y Y 1 2 1 Y n 1

Dengan koefisien autokorelasi dapat ditentukan apakah suatu pola data bersifat acak, konstan, atau musiman. Koefisien autokorelasi juga dapat memperlihatkan ketidakstasioneran data.

Apabila berada di luar rentang nilai maka koefisien autokorelasi tersebut berada secara signifikan dari nol maka data tersebut menunjukkan pola trend.

BAB 3

SEJARAH DAN STRUKTUR BPS

3.1 Sejarah Badan Pusat Statistik (BPS)

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal - hal tersebut Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan ukuran - ukuran lainnya. Berikut ini beberapa masa peralihan di BPS yaitu :

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directur Vand Land Bouw Nijeverbeid en Handel), dan berkedudukan di Bogor. Kantor ini ditugaskan untuk mengelola dan mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu Komisi untuk statistik yang anggotanya merupakan tiap – tiap Departemen. Komisi tersebut diberi tugas merencanakan tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Vor de Statistik (CKS) atau Kantor Statistik dan dipindahkan ke Jakarta. Bersama dengan itu, beralih juga pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang disebut sekarang Kantor Bea dan Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini juga CKS diganti nama menjadi Shomubu Chosasitu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik

Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KPPURI (Kantor Penyelidikan Perangkaan Umum Republik Indonesia). Tahun 1946, kantor KPPURI dipindahkan ke Yogyakarta sebagai hasil dari perjanjian Linggarjati. Sementara itu, pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44, lembaga KPS berada di bawah dan bertanggung jawab kepada Menteri Perekonomian. Selanjutnya, keputusan Menteri Perekonomian tanggal 24 September 1953 No. 18.009/M KPS dibagi

menjadi 2 (dua) bagian, yaitu bagian research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.

Dengan Keputusan Presiden RI No. 131 tahun 1957, kementerian perekonomian dipecah menjadi kementerian perdagangan dan kementerian perindustrian. Untuk selanjutnya, Keputusan Presiden RI No. 172 tahun 1957, terhitung mulai tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan Organisasi Biro Pusat Statistik.

Dalam masa orde baru ini BPS telah mengalami empat kali perubahan Struktur Organisasi yaitu :

1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi BPS. 2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi BPS.

3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi, suasana, dan tata kerja BPS.

4. Undang – Undang No. 16 tahun 1997 tentang Statistik. 5. Keputusan Presiden RI No. 86 tahun 1998 tentang BPS.

6. Keputusan Kepala BPS No. 100 tahun 1998 tentang organisasi dan tata kerja BPS. 7. PP 51 tahun 1999 tentang penyelenggaraan statistik.

Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980, Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968 di

tiap Propinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti Undang - Undang Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.

3.2 Visi dan Misi Badan Pusat Statistik

3.2.1 Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

3.2.2 Misi Badan Pusat Statistik

Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan misi mengarahkan pembangunan statistik pada penyajian data statistik yang bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung dengan instansi sosial yang terjadi di antara individu - individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. Struktur organisasi perusahaan

merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai suatu tujuan yang ditetapkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai/staf.

Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah struktur organisasi ini dan staf. Struktur ini mengandung unsur - unsur spesialisasi kerja, standardisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan keputusan, dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat Statistik (BPS) Propinsi Sumatera Utara adalah :

a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan - kegiatan yang saling berhubungan satu sama lain.

b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi manajemen. c. Pembuatan keputusan yaitu membuat keputusan - keputusan dan mengamati bagaimana

pelaksanaan dari keputusan tersebut.

Adapun bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut :

Peraturan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan Badan Pusat Statistik sebagaimana lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor.

Kepala Kantor dibantu tata usaha yang terdiri dari : a. Sub Bagian Urusan Dalam

b. Sub Bagian Perlengkapan c. Sub Bagian Keuangan

d. Sub Bagian Kepegawaian

e. Sub Bagian Bina Potensi/Bina Program

Sedangkan Bidang Penunjang Statistik terdiri dari 5(lima) bidang yaitu : 1. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan statistik pertanian, industri, konstruksi pertambangan dan energi.

2. Bidang Statistik Distibusi

Bidang Statistik Distribusi mempunyai tugas melaksanakan kegiatan statistik konsumen, perdagangan besar, statistik keuangan dan harga produsen serta niaga dan jasa.

3. Bidang Statistik Kependudukan

Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan statistik demografi dan rumah tangga, statistik tenaga kerja, serta statistik kesejahteran.

4. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)

Bidang IPDS mempunyai tugas untuk penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan program komputer.

5. Bidang Neraca Wilayah dan Analisis Statistik

Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas untuk penyusunan neraca produksi, neraca konsumsi, dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

3.4 Tugas dan Wewenang Masing - Masing Bagian di Badan Pusat Statistik

3.4.1 Bidang Tata Usaha

1. Menyusun program kerja tahunan bidang.

2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja tahunan, baik rutin maupun proyek kantor BPS propinsi dan menyampaikan ke BPS.

3. Mengatur dan melaksanakan urusan dalam yang meliputi surat - surat penggandaan atau percetakan, kearsipan, rumah tangga, pemeliharaan gedung, keamanan dan ketertiban lingkungan serta perjalanan dinas dalam dan luar negeri.

4. Mengatur dan melaksanakan urusan perlengkapan dan pembekalan yang meliputi penyusunan rencana kebutuhan, penyaluran, dan pengemasan penyimpanan pergudangan, iventarisasi, penghapusan serta pemeliharaan peralatan dan perlengkapan.

5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha keuangan, pembendaharaan, verifikasi, dan pembukuan.

6. Mengatur dan melaksanakan urusan dan mutasi pegawai, pembinaan pegawai, kesejahteraan pegawai, administrasi jabatan fungsional, hukum, organisasi tata laksana serta penyajian.

7. Menyusun laporan kegiatan sevara berkala dan sewaktu - waktu.

8. Mengatur dan melaksanakan urusan penyelenggaraan berbagai pelatihan teknis dan pelatihan administratif.

1. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik pertanian, industri, konstruksi energi, dan statistik produksi lainnya yang ditemukan.

2. Mengatur keikutsertaan program latihan yang diselenggarakan oleh pusat bidang statistik produksi.

3. Membantu kepala kantor BPS atau pimpinan proyek atau bagian proyek untuk menyiapkan program petugas bagian lapangan.

4. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihan.

5. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap pelaksanaan lapangan produksi.

6. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil pengumpulan data statistik produksi.

7. Bersama - sama dengan bidang pengolahan data, mengatur dan menyiapkan data statistik produksi melalui komputer sesuai yang diterapkan.

8. Mengatur dan melaksanakan evaluasi hasil kerja kegiatan statistik produksi.

9. Mengatur dan menyiapkan hasil pengolahan statistik produksi yang akan dikirim ke pusat melalui komputer sesuai dengan jadwal yang ditentukan.

10.Membantu Kepala Kantor Badan Pusat Statistik melakukan pembinaan secara teratur petugas pencacah, pengawas, dan pemeriksaan pengumpulan data statistik produksi, kabupaten, kotamadya maupun kecamatan.

3.4.3 Bidang Statistik Ditribusi

1. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik pertanian, industri, konstruksi energi, dan statistik produksi lainnya yang ditemukan.

2. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di bidang statistik ditribusi.

3. Membantu kepala kantor BPS propinsi atau pimpinan proyek untuk menyiapkan program tugas lapangan.

4. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya.

5. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap pelaksanaan lapangan statistik distribusi.

3.4.4 Bidang Pengolahan Data

1. Menyusun program kerja tahunan bidang.

2. Meneliti jenis data yang diolah melalui komputer dan bersama - sama dengan bidang yang bersangkutan serta menentukan sistem pengolahan dengan komputer.

3. Mengatur pembuatan sistem dan program pelaksanaan penyiapan data dan operasi pengolahannya.

4. Mengatur dan melaksanakan penerimaan dokumen yang diolah dengan komputer. 5. Mengatur dan melaksanakan tugas yang langsung diberikan atasan.

3.4.5 Bidang Statistik Kependudukan

1. Menyusun program kerja tahunan bidang.

2. Melaksanakan kegiatan statistik demografi dan rumah tangga, ketenagakerjaan, kesejahteraan rakyat dan statistik kependudukan lainnya yang ditentukan.

3. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk pelaksanaan lapangan.

4. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan terhadap pelaksanaan kegiatan statistik kependudukan.

5. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik kependudukan melalui komputer sesuai dengan jadwal yang telah ditentukan.

3.4.6 Bidang Neraca Wilayah dan Analisa

1. Menyusun program kerja tahunan.

2. Menyusun dan melaksanakan penerangan kegiatan statistik kepada masyarakat, instansi lainnya maupun media massa.

BAB 4

ANALISIS DAN PEMBAHASAN DATA

4.1 Data yang Dibutuhkan

Tabel 4.1 Data Upah Minimum Regional ( UMR ) Menurut Lapangan Usaha Pada Sektor Industri Kota Medan 2000-2009

PERIODE TAHUN NILAI UMR (Rp.)

1 2000

2 2001

3 2002

4 2003

5 2004

6 2005

7 2006

8 2007

9 2008

10 2009

Gambar 4.1 Grafik Plot Data Nilai UMR (Upah Minimum Regional) dari Tahun 2000 – 2009

4.2 Analisa Deret Berkala Nilai UMR ( Upah Minimum Regional) kota Medan

Untuk menganalisa data deret berkala. terlebih dahulu kita harus melakukan plot data pada tabel 4.1 secara grafis. seperti yang terlihat pada gambar 4.1. Sesudah melakukan plot data deret berkala untuk pemeriksaan secara visual. maka alat statistik yang utama adalah koefisien autokorelasi (rk). Statistik ini menggambarkan hubungan antara suatu deret berkala dengan deret berkala itu sendiri pada kelambatan waktu (lag time) k periode.

Bentuk visual dari suatu plot deret berkala sering kali cukup untuk meyakinkan orang yang melakukan peramalan terhadap suatu data deret berkala tertentu bahwa data tersebut adalah stasioner atau tidak stasioner. Dengan demikian plot data autokorelasi data memperlihatkan ketidakstasioneran.

Tampilan plot data nilai Upah Minimum Regional (UMR) di atas menunjukkan bahwa data asli tersebut tidak stasioner. Untuk memperkuat gambar 4.1 ini perlu dihitung koefisien

1 2 3 4 5 6 7 8 9 10 0

200000 400000 600000 800000 1000000 1200000

periode

N

il

a

i

U

M

R

(

R

p

.)

Time Series Plot UMR

Nilai UMR (Rp.)

autokorelasi dari data tabel 4.1 pada berbagai time lag. Nilai autokorelasi ini sangat berpengaruh dalam peramalan deret berkala. Dari table 4.1 dapat dicari nilai autokorelasinya dengan menggunakan rumus dibawah ini:

rk =

( )(

)

( )

∑

∑

= − = − − − − n t t k n t k t t Y Y Y Y Y Y 1 2 1

Tabel 4.2 Nilai - nilai autokorelasi data nilai upah minimum regional kota Medan dengan k=1

Sumber : Perhitungan

t Tahun Yt Yt-1

Y

Y_t − Yt−1−Y

( )(

Yt −Y Yt−1 −Y

)

( )

2 Y Y_t −

1 2000 271.800 - -428.166,50 - - 183.326.551.722,25 2 2001 364.335 271.800 -335.631,50 -428.166,50 143.706.164.644,75 112.648.503.792,25 3 2002 496.480 364.335 -203.486,50 -335.631,50 68.296.479.224,75 41.406.755.682,25 4 2003 540.350 496.480 -159.616,50 -203.486,50 32.479.802.927,25 25.477.427.072,25 5 2004 660.000 540.350 -39.966,50 -159.616,50 6.379.312.847,25 1.597.321.122,25 6 2005 802.500 660.000 102.533,50 -39.966,50 -4.097.905.127,75 10.513.118.622,25 7 2006 861.000 802.500 161.033,50 102.533,50 16.511.328.372,25 25.931.788.122,25 8 2007 902.000 861.000 202.033,50 161.033,50 32.534.161.622,25 40.817.535.122,25 9 2008 1.009.800 902.000 309.833,50 202.033,50 62.596.746.422,25 95.996.797.722,25 10 2009 1.091.400 1.009.800 391.433,50 309.833,50 121.279.211.322,25 153.220.184.922,25 jumlah

6.999.665 0.00 -391.433,50 479.685.302.255,25 690.935.983.902,50

(

)

(

)

5 , 966 . 699 10 665 . 999 . 6 10 1.091.400 1.009.800 902.000 861.000 802.500 660.000 540.350 496.480 364.335 271.800 10 10 9 8 7 6 5 4 3 2 1 1 = = + + + + + + + + + = + + + + + + + + + = =

∑

= Y Y Y Y Y Y Y Y Y Y Y Y Y Y n Y Y n t t

Maka untuk r1 .dengan kelambatan (k) 1 periode

r1 =

( )(

)

( )

∑

∑

= − = − − − − 10 1 2 1 10 1 1 t t t t t Y Y Y Y Y Y

r1 =

( )(

)

( )

∑

∑

= = − − − − 10 1 2 9 1 1 t t t t t Y Y Y Y Y Y r1 = 2 2 _{... (1.091.400 699.966,5)}

) 5 , 966 . 699 800 . 271 ( ) 5 , 966 . 699 400 . 091 . 1 )( 5 , 966 . 699 800 . 009 . 1 ( ... ) 5 , 966 . 699 335 . 364 )( 5 , 966 . 699 800 . 271 ( − + + − − − + + − − r1= 2 2 _{... (391.433,5)} ) 5 , 166 . 428 ( ) 391.433,5 )( 309.833,5 ( ... ) -335.631,5 )( -428.166,5 ( + + − + +

r1=

3.902,5 690.935.98

2.255,25 479.685.30

r1 = 0.69

Tabel 4.3 Nilai - nilai autokorelasi data nilai upah minimum regional kota Medan dengan k=2

Sumber : Perhitungan

t Tahun Yt Yt-2

Y

Y_t − Yt−2−Y

( )(

Yt −Y Yt−2 −Y

)

( )

2 Y Y_t −

1 2000 271.800 - -428.166,50 - - 183.326.551.722,25 2 2001 364.335 - -335.631,50 - - 112.648.503.792,25 3 2002 496.480 271.800 -203.486,50 -428.166,50 87.126.102.502,25 41.406.755.682,25 4 2003 540.350 364.335 -159.616,50 -335.631,50 53.572.325.319,75 25.477.427.072,25 5 2004 660.000 496.480 -39.966,50 -203.486,50 8.132.643.202,25 1.597.321.122,25 6 2005 802.500 540.350 102.533,50 -159.616,50 -16.366.038.402,75 10.513.118.622,25 7 2006 861.000 660.000 161.033,50 -39.966,50 -6.435.945.377,75 25.931.788.122,25 8 2007 902.000 802.500 202.033,50 102.533,50 20.715.201.872,25 40.817.535.122,25 9 2008 1.009.800 861.000 309.833,50 161.033,50 49.893.572.922,25 95.996.797.722,25 10 2009 1.091.400 902.000 391.433,50 202.033,50 79.082.680.022,25 153.220.184.922,25

jumlah

Maka untuk r2 , dengan kelambatan (k) 2 periode

r2 =

( )(

)

( )

∑

∑

= − = − − − − 10 1 2 2 10 1 2 t t t t t Y Y Y Y Y Y

r2 =

( )(

)

( )

∑

∑

= = − − − − 10 1 2 8 1 2 t t t t t Y Y Y Y Y Y r2 = 2 2 _{... (1.091.400 699.966,5)}

) 5 , 966 . 699 800 . 271 ( ) 5 , 966 . 699 400 . 091 . 1 )( 5 , 966 . 699 902.000 ( ... ) 5 , 966 . 699 496.480 )( 5 , 966 . 699 800 . 271 ( − + + − − − + + − − r2 = 2 2 _{... (391.433,5)} ) 5 , 166 . 428 ( ) 391.433,5 )( 202.033,5 ( ... ) -203.486,5 )( -428.166,5 ( + + − + +

r2 =

3.902,5 690.935.98

2.060,5 275.720.54

r2 = 0,40

Dengan demikian, maka autokorelasi untuk time lag ke-3 dan seterusnya dapat kita peroleh dari persamaan tersebut dengan menggunakan data dalam table untuk mempermudah penulis dalam mengolah data tersebut dengan tepat dan akurat. Maka dengan cara yang sama akan diperoleh koefisien autokorelasi yang selanjutnya. Dari cara datas diperoleh data nilai autokorelasi sebagai berikut :

Tabel 4.4 Nilai Koefisien Autokorelasi

Time Lag r

1 0.69

2 0.40

3 0.18

4 -0.08

5 -0.30

6 -0.38

7 -0.39

8 -0.38

9 -0.24

Sumber : Perhitungan

Dari data analisis deret berkala dengan autokorelasi serta nilai - nilai autokorelasi data nilai Upah Minimum Regional ( UMR ) dapat dilihat bahwa pola trend linear menunjukkan bahwa data tersebut tidak stasioner. Maka dapat diplot autokorelasi data pertumbuhan nilai Upah Minimum Regional ( UMR ) setelah dicari autokorelasinya.

Gambar 4.2 Diagram Batang Koefisien Autokorelasi Data Asli

Dari plot autokorelasi data di atas dapat dilihat trend searah diagonal. bersama dengan jumlah time lag dimana nilai - nilai autokorelasi menurun secara perlahan - lahan. Dan dapat meyakinkan peramalan dalam menganalisa adanya kestasioneran atau ketidakstasioneran data.

Adapun kesalahan standar (Se)rk = n 1

= 10 1

= 0.3162

Dengan tingkat kepercayaan 95% dari seluruh koefisien berdasarkan sampel harus terletak dalam daerah tengah ditambah atau dikurangi 1.96 kali kesalahan standar. Dengan demikian suatu deret data dapat dituliskan dengan :

-1.96(0.3162) ≤ rk ≤ 1.96(0.3162) -0.619752 ≤ rk ≤ 0.619752

-0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8

1 2 3 4 5 6 7 8 9

N

il

a

i

r

Time lag

Nilai koefisien autokorelasi time lag 1 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 suatu periode yang menunjukkan pola trend.

4.3 Metode Pemulusan (Smoothing) Eksponensial Linear Satu Parameter dari Brown

4.3.1 Penaksiran Model Peramalan

Dalam pengolahan dan penganalisaan data. penulis mengaplikasikan data (tabel 4.1) dengan metode peramalan (forecasting) berdasarkan metode pemulusan (smoothing) eksponensial linear satu parameter dari Brown. Persamaan yang dipakai dalam Metode Pemulusan (Smoothing) Eksponensial Ganda Satu Parameter dari Brown adalah sebagai berikut:

• Nilai Pemulusan Eksponensial Tunggal

S't = αXt + (1 - α) S't – 1

Agar dapat menggunakan rumus tersebut, karena nilai S't – 1 tidak diketahui, maka nilainya dapat ditetepakan dari nilai rata-rata Xt atau nilai X pada saat t=1 sebagai titik awal. Dari data yang telah diperoleh maka nilai S't dimana t mulai dari 1 samapai 10, dan α mulai dari 0,1 samapai 0,9 (namun yang dijelaskan penulis hanya menggunakan α=0,1) adalah sebagai berikut:

Untuk t=1

S'1 = nilai X1 = 271.800

Untuk mendapatkan nilai S' yang selanjutnya.

S'2 = 0,1 X2 + (1 – 0,1) S'2- 1 S'2 = 0,1 (364.335) + (1 – 0,1) S'1 S'2 = 0,1 (364.335)+ (0,9) (271.800) S'2 = 36433,5 + 244.620

S'2 = 281.053,5

Untuk t=3

S'3 = 0,1 X3 + (1 – 0,1) S'3- 1 S'3 = 0,1 (496.480) + (1 – 0,1) S'2 S'3 = 0,1 (496.480)+ (0,9) (281.053,5) S'3 = 49.648 + 252.948,15

S'3 = 302.596,15

Untuk S't mulai dari t=3 sampai t=10 dapat dilihat pada table selanjutnya.

• Nilai Pemulusan Eksponensial Ganda

S"t = αS't + (1 - α) S"t – 1

Sama dengan S't, Agar dapat menggunakan rumus tersebut, karena nilai S"t – 1 tidak diketahui, maka nilainya dapat ditetepakan dari nilai rata-rata Xt atau nilai X pada saat t=1 sebagai titik awal. Dari data yang telah diperoleh maka nilai S't dimana t mulai dari 1 samapai 10, dan α

mulai dari 0,1 samapai 0,9 (namun yang dijelaskan penulis hanya menggunakan α=0,1)

adalah sebagai berikut:

S"1 = nilai S'1 = 271.800

Untuk mendapatkan nilai S yang selanjutnya.

Untuk t=2

S"2 = 0,1 S'2 + (1 – 0,1) S"2 – 1 S"2 = 0,1 (281.053,5) + (1 – 0,1) S"1 S"2 = 0,1 (281.053,5) + (0,9) (271.800) S"2 = 28.105,35+ 244.620

S"2 = 272.725,35

Untuk t=3

S"3 = 0,1 S'3 + (1 – 0,1) S"3-1

S"3 = 0,1 (302.596,15) + (1 – 0,1) S"2 S"3 = 0,1 (302.596,15)+ (0,9) (272.725,35) S"3 = 30.259,615+ 245.452,815

S"3 = 275.712,43

Untuk S't mulai dari t=3 sampai t=10 dapat dilihat pada table selanjutnya.

• Konstanta Pemulusan at dan bt

at = S't + (S't - S"t) = 2 S't - S"t

Untuk t=1

a1 = 2 S'1 - S"1

b1 =

untuk nilai a dan b pada saat t=1 nilainya tidak ada karena nilai pemulusan tunggal dan ganda memakai nilai pada X untuk t=1.

Untuk t=2

a2 = 2 S'2 - S"2

a2 = 2 (281.053,5) - (272.725,35) a2 = 562.107 - 272.725,35

a2 = 289.381,65

b2 = b2 = b2 =

b2 = 925,35

untuk t=3

a3 = 2 S'3 - S"3

a3 = 2 (302.596,15) - (275.712,43) a3 = 605.192,3 - 275.712,43 a3 = 329.479,87

b3 = b3 =

b3 =

b3 = 2.987,08

Untuk a dan bmulai dari t=4 sampai t=10 dapat dilihat pada table selanjutnya.

• Hasil Peramalan Untuk m Periode Kedepan

Ft+m = at + btm

Untuk nilai Ft+m , dapat ditentukan dengan melihat nilai m ( selisih waktu peramalan dimana m=1,2,3,…). Namun penulis membuat nilai ramalan untuk tahun berikutnya dipakai 1 tahun sebelumnya. Maka untuk nilai F dapat dicari mulai dari t=2 untuk memperoleh nilai F3 karena nilai a dan b dimulai dari t=2. Dengan menggunakan rumus diatas diperoleh sebagai berikut:

Untuk t=2

F2+1 = a2 + b2(1)

F3 = 289.381,65 + 925,35 (1) F3 = 289.381,65 + 925,35 F3 = 290.307

Untuk t=3

F3+1 = a3 + b3(1)

F4 = 329.479,87 + 2.987,08 (1) F4 = 329.479,87 + 2.987,08 F4 = 332.466,95

Untuk memenuhi perhitungan smoothing eksponensial ganda. tunggal. dan ramalan yang akan datang maka terlebih dahulu penulis akan menentukan parameter nilai α yang biasanya dihitung secara trial and error (coba dan salah). Suatu nilai α dipilih yang besarnya

0<α<1. dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan

perhitungan dengan mengkuadratkan masing - masing kesalahan untuk masing - masing item

dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.

Untuk menghitung MSE pertama kali dicari error terlebih dahulu. yang merupakan hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara matematik rumus MSE (Mean Square Error) sebagai berikut :

MSE =

N e

N

t t

∑

₌₁ 2

Dari rumus tersebut maka dapat di cari nilainya dengan menggunakan tabel yang diolah dengan microsoft excel. Dengan menggunakan nilai α= 0,1 sampai α=0,9 diperoleh dalam tabel sebagai berikut:

Tabel 4.5 Menentukan Nilai MSE dengan Menggunakan α = 0.1

Sumber : Perhitungan

Untuk α = 0.1 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

1.838,08 728.852.71

= 91.106.588.979.76

t Xt S't S"t at bt Ft+m et et 2

1 271800 271800.00 271800.00 - - - - -

2 364335 281053.50 272725.35 289381.65 925.35 - - -

3 496480 302596.15 275712.43 329479.87 2987.08 290307.00 206173.00 42507305929.00 4 540350 326371.54 280778.34 371964.73 5065.91 332466.95 207883.05 43215362477.30 5 660000 359734.38 288673.94 430794.82 7895.60 377030.64 282969.36 80071658698.81 6 802500 404010.94 300207.64 507814.24 11533.70 438690.42 363809.58 132357408680.73 7 861000 449709.85 315157.86 584261.83 14950.22 519347.94 341652.06 116726128667.31 8 902000 494938.86 333135.96 656741.76 17978.10 599212.05 302787.95 91680540512.38 9 1009800 546424.98 354464.87 738385.09 21328.90 674719.86 335080.14 112278698012.23 10 1091400 600922.48 379110.63 822734.33 24645.76 759713.99 331686.01 110015608860.32

Tabel 4.6 Menentukan Nilai MSE dengan Menggunakan α = 0.2

t Xt S't S"t at bt Ft+m et et 2

1 271800 271800.00 271800.00 - - - - -

2 364335 290307.00 275501.40 305112.60 3701.40 - - -

3 496480 331541.60 286709.44 376373.76 11208.04 308814.00 187666.00 35218527556.00 4 540350 373303.28 304028.21 442578.35 17318.77 387581.80 152768.20 23338122931.24 5 660000 430642.62 329351.09 531934.16 25322.88 459897.12 200102.88 40041162584.29 6 802500 505014.10 364483.69 645544.51 35132.60 557257.04 245242.96 60144109429.56 7 861000 576211.28 406829.21 745593.35 42345.52 680677.11 180322.89 32516345667.76 8 902000 641369.02 453737.17 829000.87 46907.96 787938.87 114061.13 13009942307.62 9 1009800 715055.22 506000.78 924109.66 52263.61 875908.84 133891.16 17926843565.91 10 1091400 790324.18 562865.46 1017782.89 56864.68 976373.26 115026.74 13231149812.24

Jumlah 235426203854.63

Sumber : Perhitungan

Untuk α = 0.2 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

3.854,63 235.426.20

Tabel 4.7 Menentukan Nilai MSE dengan Menggunakan α = 0.3

Sumber : Perhitungan

Untuk α = 0.3 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

.102,28 94.747.172

= 11.843.396.512.79

t Xt S't S"t at bt Ft+m et et 2

1 271800 271800.00 271800.00 - - - - -

2 364335 299560.50 280128.15 318992.85 8328.15 - - -

3 496480 358636.35 303680.61 413592.09 23552.46 327321.00 169159.00 28614767281.00 4 540350 413150.45 336521.56 489779.33 32840.95 437144.55 103205.45 10651364909.70 5 660000 487205.31 381726.69 592683.94 45205.13 522620.28 137379.72 18873187467.28 6 802500 581793.72 441746.80 721840.64 60020.11 637889.06 164610.94 27096760744.63 7 861000 665555.60 508889.44 822221.77 67142.64 781860.75 79139.25 6263020843.08 8 902000 736488.92 577169.28 895808.56 68279.85 889364.41 12635.59 159658139.83 9 1009800 818482.25 649563.17 987401.32 72393.89 964088.41 45711.59 2089549819.99 10 1091400 900357.57 724801.49 1075913.65 75238.32 1059795.21 31604.79 998862896.78

Tabel 4.8 Menentukan Nilai MSE dengan Menggunakan α = 0.4

t Xt S't S"t at bt Ft+m et et 2

1 271800 271800.00 271800.00 - - - - -

2 364335 308814.00 286605.60 331022.40 14805.60 - - -

3 496480 383880.40 325515.52 442245.28 38909.92 345828.00 150652.00 22696025104.00 4 540350 446468.24 373896.61 519039.87 48381.09 481155.20 59194.80 3504024347.04 5 660000 531880.94 437090.34 626671.55 63193.73 567420.96 92579.04 8570878647.32 6 802500 640128.57 518305.63 761951.50 81215.29 689865.28 112634.72 12686580149.48 7 861000 728477.14 602374.24 854580.04 84068.60 843166.79 17833.21 318023364.64 8 902000 797886.28 680579.05 915193.51 78204.82 938648.65 -36648.65 1343123376.77 9 1009800 882651.77 761408.14 1003895.40 80829.09 993398.33 16401.67 269014691.14 10 1091400 966151.06 843305.31 1088996.81 81897.17 1084724.49 6675.51 44562486.61

Jumlah 49432232167.00

Sumber : Perhitungan

Untuk α = 0.4 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

.167,00 49.432.232

Tabel 4.9 Menentukan Nilai MSE dengan Menggunakan α = 0.5

t Xt S't S"t at bt Ft+m et et 2

1 271800 271800.00 271800.00 - - - - -

2 364335 318067.50 294933.75 341201.25 23133.75 - - -

3 496480 407273.75 351103.75 463443.75 56170.00 364335.00 132145.00 17462301025.00 4 540350 473811.88 412457.81 535165.94 61354.06 519613.75 20736.25 429992064.06 5 660000 566905.94 489681.88 644130.00 77224.06 596520.00 63480.00 4029710400.00 6 802500 684702.97 587192.42 782213.52 97510.55 721354.06 81145.94 6584663172.75 7 861000 772851.48 680021.95 865681.02 92829.53 879724.06 -18724.06 350590516.50 8 902000 837425.74 758723.85 916127.64 78701.89 958510.55 -56510.55 3193441908.11 9 1009800 923612.87 841168.36 1006057.38 82444.51 994829.53 14970.47 224114934.59 10 1091400 1007506.44 924337.40 1090675.47 83169.04 1088501.89 2898.11 8399015.31

Jumlah 32283213036.33

Sumber : Perhitungan

Untuk α = 0.5 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

.036,33 32.283.213

Tabel 4.10 Menentukan Nilai MSE dengan Menggunakan α = 0.6

t Xt S't S"t at bt Ft+m et et 2

1 271800 271800.00 271800.00 - - - - -

2 364335 327321.00 305112.60 349529.40 33312.60 - - -

3 496480 428816.40 379334.88 478297.92 74222.28 382842.00 113638.00 12913595044.00 4 540350 495736.56 449175.89 542297.23 69841.01 552520.20 -12170.20 148113768.04 5 660000 594294.62 536247.13 652342.12 87071.24 612138.24 47861.76 2290748070.30 6 802500 719217.85 646029.56 792406.14 109782.43 739413.36 63086.64 3979924146.49 7 861000 804287.14 740984.11 867590.17 94954.55 902188.57 -41188.57 1696498265.69 8 902000 862914.86 814142.56 911687.15 73158.45 962544.72 -60544.72 3665662887.39 9 1009800 951045.94 896284.59 1005807.30 82142.03 984845.60 24954.40 622721913.26 10 1091400 1035258.38 979668.86 1090847.89 83384.27 1087949.33 3450.67 11907138.84

Jumlah 25329171234.01

Sumber : Perhitungan

Untuk α = 0.6 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

.234,01 25.329.171

Tabel 4.11 Menentukan Nilai MSE dengan Menggunakan α = 0.7

Sumber : Perhitungan

Untuk α = 0.7 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

.845,75 23.052.988

= 2.881.623.605.72

t Xt S't S"t at bt Ft+m et et 2

1 271800 271800.00 271800.00 - - - - -

2 364335 336574.50 317142.15 356006.85 45342.15 - - -

3 496480 448508.35 409098.49 487918.21 91956.34 401349.00 95131.00 9049907161.00 4 540350 512797.51 481687.80 543907.21 72589.31 579874.55 -39524.55 1562190052.70 5 660000 615839.25 575593.82 656084.69 93906.02 616496.52 43503.48 1892552772.11 6 802500 746501.78 695229.39 797774.16 119635.57 749990.70 52509.30 2757226323.94 7 861000 826650.53 787224.19 866076.88 91994.80 917409.73 -56409.73 3182058168.92 8 902000 879395.16 851743.87 907046.45 64519.68 958071.68 -56071.68 3144033028.32 9 1009800 970678.55 934998.14 1006358.95 83254.28 971566.13 38233.87 1461828781.99 10 1091400 1055183.56 1019127.94 1091239.19 84129.79 1089613.23 1786.77 3192556.76

Tabel 4.12 Menentukan Nilai MSE dengan Menggunakan α = 0.8

Sumber : Perhitungan

Untuk α = 0.8 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

.387,08 23.350.599

= 2.918.824.923.39

t Xt S't S"t at bt Ft+m et et 2

1 271800 271800.00 271800.00 - - - - -

2 364335 345828.00 331022.40 360633.60 59222.40 - - -

3 496480 466349.60 439284.16 493415.04 108261.76 419856.00 76624.00 5871237376.00 4 540350 525549.92 508296.77 542803.07 69012.61 601676.80 -61326.80 3760976398.24 5 660000 633109.98 608147.34 658072.63 99850.57 611815.68 48184.32 2321728693.86 6 802500 768622.00 736527.07 800716.93 128379.72 757923.20 44576.80 1987091098.24 7 861000 842524.40 821324.93 863723.87 84797.87 929096.65 -68096.65 4637154122.56 8 902000 890104.88 876348.89 903860.87 55023.96 948521.73 -46521.73 2164271652.49 9 1009800 985860.98 963958.56 1007763.39 87609.67 958884.83 50915.17 2592354827.77 10 1091400 1070292.20 1049025.47 1091558.92 85066.91 1095373.06 -3973.06 15785217.92

Tabel 4.13 Menentukan Nilai MSE Menggunakan α = 0.9

Sumber : Perhitungan

Untuk α = 0.9 . N = 8

Maka :

MSE =

N e

N

t t

∑

₌₁ 2

=

8

.478,11 25.235.417

= 3.154.427.184.76

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang

memberikan nilai MSE yang terkecil / minimum. Perbandingan ukuran ketepatan metode t Xt S't S"t at bt Ft+m et et

2

1 271800 271800.00 271800.00 - - - - -

2 364335 355081.50 346753.35 363409.65 74953.35 - - -

3 496480 482340.15 468781.47 495898.83 122028.12 438363.00 58117.00 3377585689.00 4 540350 534549.02 527972.26 541125.77 59190.79 617926.95 -77576.95 6018183171.30 5 660000 647454.90 635506.64 659403.17 107534.38 600316.56 59683.44 3562113010.23 6 802500 786995.49 771846.60 802144.38 136339.97 766937.54 35562.46 1264688383.44 7 861000 853599.55 845424.25 861774.84 73577.65 938484.34 -77484.34 6003823394.64 8 902000 897159.95 891986.38 902333.52 46562.13 935352.49 -33352.49 1112388799.65 9 1009800 998536.00 987881.03 1009190.96 95894.65 948895.66 60904.34 3709339215.27 10 1091400 1082113.60 1072690.34 1091536.86 84809.31 1105085.61 -13685.61 187295814.57

peramalan peningkatan nilai Upah Minimum Regional ( UMR ) kota Medan dengan melihat MSE sebagai berikut :

Tabel 4.14 Perbandingan Ukuran Ketepatan Metode Peramalan

Α _∑e

t2 MSE

0.1 728.852.711.838.08 91.106.588.979.76

0.2 235.426.203.854.63 29.428.275.481.83

0.3 94.747.172.102.28 11.843.396.512.79

0.4 49.432.232.167.00 6.179.029.020.87

0.5 32.283.213.036.33 4.035.401.629.54

0.6 25.329.171.234.01 3.166.146.404.25

0.7 23.052.988.845.75 2.881.623.605.72

0.8 23.350.599.387.08 2.918.824.923.39

0.9 25.235.417.478.11 3.154.427.184.76

Sumber : Perhitungan

Dari Tabel 4.13 di atas. dapat dilihat bahwa yang menghasilkan nilai MSE yang paling

L

A

M

P

I

R

A

N

STRUKTUR ORGANISASI BADAN PUSAT STATISTIK (BPS) KEPALA WAKIL KEPALA DEPUTI ADMINISTRASI DEPUTI Perencanaan dan Analisis Statistik DEPUTI Statistik Produksi dan Kependudukan DEPUTI Statistik Distribusi dan Neraca Nasional

Pusat Pendidikan dan Pelatihan Statistik dan

Komputer

Biro Umum Biro Perencanaan Biro Statistik Peretanian Biro Statistik Harga dan Keuangan Biro Kepegawaian dan Hukum Biro Metodologi Statistik Biro Statistik Industri Biro Statistik Perdagangan dan Jasa Biro Perlengkapan dan Penggandaan Biro Penyajian dan Pelayanan Statistik Biro Statistik Demografi dan Tenaga Kerja Biro Neraca Produksi Biro Analisis dan Pengembangan Statistik Biro Statistik Kesejahteraan Rakyat Biro Neraca Konsultasi Biro Sistem Informasi Statistik

Perwakilan BPS di Daerah

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

Medan, Februari 2010 Nomor : /H5.2.1.8/SPB/2010

Lampiran : 1 Lembar

Perihal : Pengumpulan Data Riset Mahasiswa Program Studi D - III Statistik FMIPA USU

Kepada Yth :

Bapak Pimpinan Badan Pusat Statistik (BPS) Sumatera Utara

Jl. Asrama No. 179 Medan

Dengan hormat, bersama ini kami sampaikan kepada Bapak, bahwa Mahasiswa Program Studi Diploma III Statistik FMIPA USU Medan, akan melaksanakan Pengumpulan data / riset di sekolah yang anda pimpin.

Sehubungan dengan hal tersebut di atas, kami mohon bantuan Saudara agar dapat menerima mahasiswa tersebut di bawah ini untuk melakukan penelitian atau pengumpulan data atas nama :

No. Nama NIM

1. NURHAYATI 082407016

Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Menghitung Upah Minimum Regional ( UMR ) Kota Medan Menurut Lapangan

Usaha Pada Sektor Industri Tahun 2011 Berdasarkan Data Dari Tahun 2000-2009”, pada

Program Studi Diploma III Statistik FMIPA USU.

Demikian kami sampaikan, atas kerjasama dan bantuannya diucapkan terima kasih.

a.n Dekan

Pembantu Dekan I

Dr. Marpongahtun, M.Sc NIP. 19611115 198803 2 002 Tembusan :

1. Yth. Ketua Program Studi D-III Statistik 2. Arsip

BADAN PUSAT STATISTIK

PROVINSI SUMATERA UTARA

Medan, April 2011 Nomor : 12.563.055

Lampiran :

Perihal : Surat Riset Pengumpulan Data

Kepada Yth,

Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Di

Medan Dengan Hormat,

Bersama ini diberitahukan bahwa Mahasiswa Program Diploma III Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera utara, yang tertera di bawah ini:

Nama : Nurhayati NIM : 082407016

Program studi : Diploma III Statistika

Adalah benar telah melaksanakan penelitian di Badan Pusat Statistik Provinsi Sumatera Utara Jalan Asrama No.179 Medan, Pada tanggal 21 Februari, 28 Februari, dan 21 Maret 2011. Kegiatan ini dilaksanakan guna menyelesaikan Tugas Akhir pada Program Studi D III Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara. Demikianlah surat ini diperbuat untuk dapat dipergunakan seperlunya.

A.n Kepala BPS Provinsi Sumatera Utara Kepala Seksi Diseminasi dan Layanan Statistik

PENDI DEWANTO NIP. 19760502 199712 1 001

Jalan Asrama No. 179 Telp. 8452343 (Hunting), 8459966, Fax. 8452773 Medan 20113

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

SURAT KETERANGAN Hasil Uji Program Tugas Akhir

Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistka :

Nama : Nurhayati

NIM : 082407016

Program Studi : Statistika

Judul Tugas Akhir : Menghitung Upah Minimum Regional ( UMR ) Kota Medan Menurut Lapangan Usaha Pada Sektor Industri Tahun 2011 Berdasarkan Data Dari Tahun 2000-2009

.

Telah melaksanakan test program tugas akhir mahasiswa tersebut di atas pada tanggal ...

Dengan Hasil : Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan Matematika FMIPA USU Medan.

Medan, Juni 2011

Dosen Pembimbing

Drs. Djenda Djudjur Ginting, MS NIP : 19470819 197710 1 001

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

KARTU BIIMBINGAN TUGAS AKHIR MAHASISWA

Nama : Nurhayati

NIM : 082407016

Judul Tugas Akhir : Menghitung Upah Minimum Regional ( UMR ) Kota Medan Menurut Lapangan Usaha Pada Sektor Industri Tahun 2011 Berdasarkan Data Dari Tahun 2000-2009 Dosen Pembimbing : Drs. Djenda Djudjur Ginting, MS

Tanggal Mulai Bimbingan : ……….. Tanggal Selesai Bimbingan : ………..

No. Tanggal Asistensi Bimbingan

Pembahasan Asistensi Mengenai,

Pada BAB

Paraf Dosen Pembimbing

Keterangan

1. 2. 3. 4. 5. 6. 7.

Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan mahasiswa telah selesai

Diketahui Disetujui

Ketua Departemen Matematika FMIPA USU Pembimbing Utama

Prof. Dr. Tulus, M.Si Drs. Djenda Djudjur Ginting NIP. 19620901 198803 1 002 NIP. 19470819 197710 1 001