Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Pada Sektor Industri Di PT. PLN (PERSERO) Cabang Medan

(1)

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK

(DALAM RUPIAH) PADA SEKTOR INDUSTRI

DI PT. PLN (PERSERO) CABANG MEDAN

TUGAS AKHIR

SUPRAYOGI

082407043

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

(2)

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH) PADA SEKTOR INDUSTRI

DI PT. PLN (PERSERO) CABANG MEDAN

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

SUPRAYOGI 082407043

PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

(3)

PERSETUJUAN

Judul : PERAMALAN NILAI PENJUALAN ENERGI

LISTRIK (DALAM RUPIAH) PADA SEKTOR INDUSTRI DI PT. PLN (PERSERO) CABANG MEDAN

Kategori : TUGAS AKHIR

Nama : SUPRAYOGI

Nomor Induk Mahasiswa : 082407043

Program Studi : DIPLOMA (D3) STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2011

Diketahui/Disetujui oleh :

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof. Drs. Tulus, Vordipl, M.Si, Ph.D Drs. Djakaria Sebayang, M.Si NIP. 19620901 198803 1 002 NIP. 19511227 198503 1 002

(4)

PERNYATAAN

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH) PADA SEKTOR INDUSTRI DI PT. PLN (PERSERO) CABANG MEDAN

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini sdalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Mei 2011

SUPRAYOGI 082407043

(5)

PENGHARGAAN

Puji dan syukur penulis ucapkan kehadirat Allah Swt atas Rahmat dan Ridho-Nya akhirnya penulis dapat menyelesaikan Tugas Akhir ini dengan baik dan tepat pada waktunya.

Dalam menyelesaikan Tugas Akhir ini, penulis tidak terlepas dari bantuan dan bimbingan dari berbagai pihak. Oleh karena itu pada kesempatan ini penulis mengucapkan terima kasih kepada:

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

2. Bapak Prof. Drs. Tulus, Vordipl, M.Si, Ph.D selaku Ketua Departemen FMIPA USU

3. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si selaku Ketua Program Studi Statistika 4. Bapak Drs. Djakaria Sebayang, M.Si selaku pembimbing yang telah

membimbing saya dalam menyelesaikan Tugas Akhir ini.

5. Kedua orang tua yang saya cintai yang selalu memberi dukungan, doa, dan semangat dalam menyelesaikan Tugas Akhir ini.

6. Seluruh rekan-rekan mahasiswa D3 Statistika yang turut membantu menyelesaikan Tugas Akhir ini.

7. Seluruh sahabat penulis terutama Uwenk, Eny, Agan yang memberikan dukungan positif kepada penulis dalam menyelesaikan Tugas Akhir ini.

Demikian penulis sampaikan dengan harapan Tugas Akhir ini dapat bermanfaat bagi pembaca dan kemajuan ilmu pengetahuan di masa mendatang.

(6)

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 Tujuan Penulisan 1.5 Tinjauan Pustaka 1.6 Metode Penelitian 1.7 Sistematika Penulisan Bab 2 Tinjauan Teoritis

2.1 Pengertian Peramalan 2.2 Kegunaan Peramalan 2.3 Jenis Peramalan

2.4 Jenis-jenis 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 Peramalan

Bab 3 Sejarah Singkat Tempat Riset

3.1 Sejarah Singkat Badan Pusat Statistik Sumatera Utara 3.2 Visi dan Misi Badan Pusat Statistik

3.2.1 Visi Badan Pusat Statistik 3.2.2 Misi Badan Pusat Statistik

3.3 Struktur Organisasi Badan Pusat Statistik Sumatera Utara 3.4 Tugas, Fungsi dan Kewenangan

Bab 4 Analisa Data

4.1 Data Yang Dibutuhkan

4.2 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown

4.2.1 Penaksiran Model Peramalan

Halaman ii iii iv v vii viii 1 1 2 3 3 3 4 5 7 7 8 9 11 11 12 14 15 16 17 20 20 21 21 21 22 23 25 25 26 26

(7)

4.3 Peramalan Nilai Penjualan Energi Listrik Bab 5 Implementasi Sistem

5.1 Pengertian Implementasi Sistem 5.2 Microsoft Office Excel 2007

5.3 Langkah-langkah Memulai Microsoft Office Excel 2007 5.4 Pembuatan Grafik Dengan Microsoft Office Excel 2007 5.5 Pengolahan Data Dengan Microsoft Office Excel 2007 5.6 Menghitung Ketepatan Peramalan

Bab 6 Kesimpulan dan Saran 6.1 Kesimpulan 6.2 Saran Daftar Pustaka

Lampiran

33 35 35 35 36 38 40 43 46 46 47 48

(8)

DAFTAR TABEL

Tabel 4.1 Data penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan

Tabel 4.2 Menentukan MSE dengan α = 0,1 Tabel 4.3 Menentukan MSE dengan α = 0,2

Tabel 4.4 Perbandingan ukuran ketetapan metode peramalan

Tabel 4.5 Pemulusan eksponensial linier satu perameter dari Brown menggunakan α = 0,5 pada data nilai penjualan energi listrik (dalam rupiah) pada sektor industri di PT. PLN (persero) cabang Medan

Tabel 4.6 Peramalan nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan

Halaman

25 27 28 29

30 34

(9)

DAFTAR GAMBAR

Gambar 4.1 Plot data nilai penjualan energi listrik pada sektor industri cabang Medan dari tahun 2000 sampai dengan 2009

Gambar 5.1 Langkah memulai Microsoft Office Excel 2007 Gambar 5.2 Tampilan lembar kerja Microsoft Office Excel 2007

Gambar 5.3 Tampilan lembar kerja Microsoft Office Excel 2007 dengan data nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan

Gambar 5.4 Tampilan Chart nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan dalam Microsoft Office Excel 2007

Gambar 5.5 Hasil peramalan dalam metode pemulusan eksponensial ganda satu parameter dari Brown

Gambar 5.6 Hasil peramalan dalam metode pemulusan eksponensial ganda satu parameter dari Brown dengan ukuran ketepatan peramalan

Halaman

26 37 37

39 42

(10)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Dalam Perekonomian, manusia berperan sebagai produsen sekaligus sebagai konsumen yang selalu berupaya memenuhi kebutuhan hidupnya melalui alat pemuas kebutuhan yang tersedia dan beraneka ragam. Berbagai macam cara dilakukan oleh konsumen guna mendapatkan kebutuhan hidupnya yaitu primer atau sekunder, baik itu melalui pemanfaatan Sumber Daya Alam (SDA) yang tersedia maupun pendaur-ulangan bahan-bahan atau produk-produk yang sudah lama tidak digunakan lagi. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu alat pemuas kebutuhan manusia misalnya : tanah, air, energi gas, energi panas, energi listrik dan sebagainya.

Listrik merupakan salah satu kebutuhan primer atau penting sebab tidak bisa dipisahkan dari kehidupan manusia, karena hampir seluruh aspek kegiatan membutuhkan listrik. Pada era globalisasi dan modernisasi saat ini, khususnya pada sektor industri yang semakin berkembang, didukung dengan perkembangan teknologi yang semakin canggih memerlukan banyak hal yang dapat mendukung kemajuan ilmu pengetahuan dan teknologi tersebut, salah satunya adalah energi listrik.

(11)

Meskipun saat ini telah tersedia sebuah alat yang dinamakan genset (generator set) yang dapat mengalirkan listrik dengan menggunakan bahan bakar minyak, namun alat tersebut digunakan hanya sebagai cadangan ketika listrik padam dan dengan menggunakan alat ini juga menghabiskan biaya yang cukup besar. Oleh karena itu energi listrik tetap sangat diperlukan meskipun alat itu telah ada. Masyarakat diharapkan secara bersama-sama mengelola dan menjaga jaringan listrik yang ada dengan menjadikannya sebagai harta yang harus dirawat dan diperhatikan dengan baik. Dalam hal ini diperlukan kesadaran oleh setiap kalangan masyarakat terhadap penggunaan arus listrik sehingga tidak terjadi pemborosan dan juga harus tahu bahwa biaya produksi listrik sangat besar, oleh karena itu penggunaan listrik harus di hemat dan digunakan seefisien mungkin.

Dari keadaan dan berbagai alasan tersebut, penulis ingin meneliti salah satu Sumber Daya Alam (SDA) yaitu energi listrik. Dalam hal ini, penulis ingin mengetahui dan meramalkan berapa besar nilai penjualan energi listrik (Dalam Rupiah) yang diperoleh khususnya pada sektor industri di wilayah PT. PLN (Persero) Cabang Medan. Berdasarkan pemikiran diatas maka penulis memilih judul “Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Pada Sektor Industri Di PT.PLN (Persero) Cabang Medan”.

1.2 Identifikasi Masalah

Dalam tulisan ini yang menjadi permasalahan adalah : Bagaimana bentuk persamaan yang dapat dipakai untuk meramalkan besarnya nilai penjualan energi listrik (dalam

(12)

rupiah) pada sektor industri berdasarkan data dari tahun 2000-2009 di PT.PLN (Persero) cabang Medan untuk meramalkan .

1.3 Batasan Masalah

Yang menjadi batasan permasalahan adalah besarnya nilai penjualan energi listrik pada sektor industri di PT. PLN (Persero) cabang Medan dengan menggunakan data dari tahun 2000-2009.

1.4 Tujuan Penulisan

Maksud dari penelitian ini adalah untuk meramalkan nilai penjualan energi listrik (dalam rupiah) pada sektor indutri di PT. PLN (Persero) Cabang Medan berdasarkan data tahun 2000-2009. Adapun tujuannya adalah untuk mengetahui besarnya nilai penjualan energi listrik (dalam rupiah) pada sektor industri di PT. PLN (Persero) Cabang Medan.

1.5 Tinjauan Pustaka

Teori-teori penunjang yang digunakan dalam penulisan ini dikutip dari buku-buku antara lain:

(13)

1. Teknik dan Metode Peramalan, oleh Sofjan Assauri. Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, 1984, Jakarta. Dari buku ini dikutip peramalan dengan menggunakan pemulusan (smoothing) eksponensial.

2. Metode dan Aplikasi Peramalan, oleh Spyros Makridakis. Lembaga Penerbit Erlangga, 1993, Jakarta. Dari buku ini dijelaskan lebih terperinci mengenai langkah-langkah penggunaan metode pemulusan (smoothing) eksponensial ganda: metode linier satu parameter dari Brown.

1.6 Metode Penelitian

Metode penelitian dalam penyusunan Tugas Akhir ini adalah: 1. Pengumpulan Data

Pengumpulan data untuk penulisan tugas akhir penulis dilakukan dengan menggunakan data sekunder mengenai nilai penjualan energi listrik (dalam rupiah) pada sektor industri di PT. PLN (Persero) Cabang Medan dari tahun 2000-2009 yang diperoleh dari BPS (Badan Pusat Statistik) Provinsi Sumatera Utara.

2. Analisis Data

Pengolahan data untuk meramalkan nilai penjualan energi listrik (dalam rupiah) pada sektor industri di PT. PLN (Persero) Cabang Medan dilakukan dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda : Satu Parameter dari Brown.

(14)

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

S’t = α Xt + (1 - α) S’t-1 S”t = α S’t + (1 - α) S”t-1

α t = S”t + ( S’t – S”t ) = 2 S’t – S”t bt = ( S’t – S”t )

Ft+m = at + bt m

Dengan:

m = Jumlah periode di depan yang diramalkan S’ = Nilai eksponensial smoothing tunggal S” = Nilai eksponensial smoothing ganda α = Parameter pemulusan eksponensial αt = Nilai konstanta pada priode ke t bt = Nilai slope

Ft+m = Hasil peramalan untuk m periode ke depan yang akan diramalkan

1.6 Sistematika Penulisan

Adapun sistematika penulisan Tugas Akhir ini secara garis besarnya dibagi dalam 6 Bab yang masing-masing bab dibagi atas beberapa sub-sub bab yaitu :

(15)

BAB 1 : PENDAHULUAN

Bab ini menjelaskan latar belakang, identifikasi masalah , batasan masalah, maksud dan tujuan, tinjauan pustaka, metodologi penelitian serta sistematika penulisan.

BAB 2 : TINJAUAN TEORITIS

Bab ini menguraikan tentang konsep dan defenisi tentang hal-hal yang menyangkut penyelesaian masalah yang dihadapi dalam Tugas Akhir.

BAB 3 : SEJARAH SINGKAT TEMPAT RISET

Bab ini menjelaskan tentang sejarah singkat berdirinya Badan Pusat Statistik (BPS) Provinsi Sumatera Utara, visi, misi, dan struktur organisasinya.

BAB 4 : ANALISA DATA

Bab ini menguraikan tentang data yang telah diamati dan cara penggunaan rumus yang telah ditentukan untuk analisis data tersebut.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang dipakai sebagai analisis terhadap data yang diperoleh. Dimana program ini berfungsi sebagai pengolah data, sehingga akan menghasilkan informasi yang dibutuhkan.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan serta saran penulis berdasarkan kesimpulan yang didapat dari permasalahan.

(16)

BAB 2

TINJAUAN TEORITIS

2.1 Pengertian Peramalan

Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain, metode peramalan ini digunakan dalam peramalan yang bersifat objektif.

Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Oleh karena itu, metode peramalan termasuk dalam kegiatan peramalan kuantitatif. Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan teknik tentang informasi lalu yang dibutuhkan yaitu informasi yang bersifat kuantitatif. Serta teknik dan metode peramalannya.

(17)

2.2 Kegunaan Peramalan

Di dalam bagian organisasi terdapat beberapa kegunan peramalan diantaranya:

1. Berguna untuk 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 tingkat permintaan konsumennya atau si pelanggan.

2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau pembelian mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang.

3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya alam yang dimiliki dalam waktu jangka panjang. Keputusan semacam ini bergantung kepada faktor-faktor lingkungan, manusia, dan pengembangan sumber daya keuangannya. Semua penentuan ini memerlukan peramalan yang baik dan menajer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik.

Walaupun banyak bidang lain yang memerlukan peramalan, namun tiga kelompok diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah, dan panjang.

(18)

2.3 Jenis Peramalan

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

1. Peramalan yang kualitatif atau teknologis

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang yang menyusunnya. Hal ini sangat penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat, dan pengetahuan dari orang yang menyusunnya.

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. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.

Dalam hal ini penulis membatasi bahwa metode peramalan yang 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 peramalan kuantitatif dibedakan atas:

(19)

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 antar 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 metode 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 dimasa yang akan datang.

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (asumption 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.

(20)

2.4 Jenis-Jenis Metode Peramalan

Metode-metode peramalan dengan analisa deret waktu yaitu:

1. Metode pemulusan eksponensial dan rata-rata bergerak

Sering digunakan untuk ramalan 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.

Dalam penulisan Tugas Akhir ini, yang akan digunakan adalah metode time series yang pertama, yaitu metode pemulusan eksponensial.

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.

(21)

Analisa deret berkala memungkinkan untuk mengetahui perkembangan suatu 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. Stasioner itu sendiri berarti bahwa tidak terdapat 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 pengambil 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.

(22)

2. Pola data

Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang di dapati 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 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 perinsip umum bagi pengambil keputusan.

(23)

2.4.3 Penentuan Pola Data

Hal penting yang 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 disekitar nilai rata-rata yang konstan.

2. Pola Data Musiman (Seasonal)

Pola yang menunjukan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola 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

(24)

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 smoothing diklarifikasikan menjadi dua bagian:

1. Metode Rata-rata

Metode rata-rata dibagi atas empat bagian: a. Rata-rata sederhana

b. Rata-rata bergerak tunggal (Single moving average) c. Rata-rata bergerak ganda (Doubel 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.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial:

Ft+1 = α Xt + (1-α) Ft

Dimana:

Ft+1 : Ramalan suatu periode ke depan Xt : Data aktual periode ke depan Ft : Ramalan pada periode ke-t

(25)

Metode ini terdiri atas :

1. Pemulusan Eksponensial Tunggal a. Satu Parameter (One Parameter) b. Parameter Adaptif

2. Pemulusan Eksponensial Ganda

a. Satu Parameter (Metode Linier) dari Brown b. Dua Parameter dari Holt

3. Pemulusan Eksponensial Triple

a. Satu Parameter (Metode Kuadratik) dari Brown

Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi. b. Metode Kecendrungan Dan Musim Tiga Parameter Dari Winter

Dapat digunakan untuk data berbentuk trend dan musiman.

2.5.1 Metode Yang Digunakan

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis deret berkala yang digunakan untuk meramalkan nilai penjualan energi listrik pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda Satu Parameter dari Brown.

(26)

Persamaan yang dapat dipakai dalam pelaksanaan Eksponensial Linier Satu Perameter dari Brown adalah sebagai berikut:

S’t = α Xt + (1 - α) S’t-1 S”t = α S’t + (1 - α) S”t-1

α t = S”t + ( S’t – S”t ) = 2 S’t – S”t bt = ( S’t – S”t )

Ft+m = at + bt m

Dengan:

m = Jumlah periode di depan yang diramalkan S’ = Nilai eksponensial smoothing tunggal S” = Nilai eksponensial smoothing ganda α = Parameter pemulusan eksponensial α t = Nilai konstanta pada priode ke t bt = Nilai slope

Ft+m = Hasil peramalan untuk m periode ke depan yang akan 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. Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan

(27)

1. Nilai Tengah Kesalahan (Mean Error)

ME = n e n t t

∑

2. Nilai Tengah Kesalahan Kuadrat (Mean Square Error)

MSE = n e n t t

∑

=1 2

3. Nilai Tengah Kesalahan Absolut (Mean Absolute Error)

MAE = n e n t t

∑

=1 | |

4. Nilai Tengah Kesalahan Persentase (Mean Percentage Error)

MPE = n PE n t t

∑

5. Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Persentage Error)

MAPE = n PE n t t

∑

=1 | | Dengan:

et = kesalahan pada periode ke t Xt = data aktual pada periode ke t

(28)

Ft = nilai ramalan pada periode ke t

PEt = kesalahan persentase pada periode ke t n = banyaknya periode waktu

Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE yang terkecil.

(29)

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Singkat Badan Pusat Statistik Sumatera Utara

Tahun 1968, ditetapkan peraturan pemerintah No. 16 tahun 1968, yang mengatur Organisasi dan Tata Kerja BPS (di Pusat dan Daerah).

Tahun 1980,ditetapkan Peraturan Pemerintah No.6 tahun 1980, tentang Organisasi BPS sebagai pengganti PP No. 16 tahun 1968. Berdasarkan PP No. 6/1980 di setiap provinsi terdapat kantor statistik dengan nama KANTOR STATISTIK PROVINSI dan begitu juga di setiap Kabupaten/Kotamadya terdapat kantor statistik dengan nama KANTOR STATISTIK KABUPATEN/KOTAMADYA. Dengan demikian mulai saat itu kantor statistik Provinsi secara resmi ada diseluruh Indonesia, tidak terkecuali di Provinsi Sumatera Utara dengan nama kantor statistik Provinsi Sumatera Utara. Demikian juga untuk Kabupaten/Kotamadya seluruh Provinsi Sumatera Utara berdiri Perwakilan BPS Kantor Statistik Kabupaten/Kotamadya pada saat itu.

Tahun 1992, ditetapkan Peraturan Pemerintah No. 2 tahun 1992, tentang Organisasi BPS sebagai pengganti PP No. 6/1980. Kedudukan, tugas, fungsi, susunan

(30)

organisasi, dan tata kerja Biro Pusat Statistik selanjutnya diatur dengan Keputusan Presiden.

Tahun 1997, ditetapkan Undang-undang No. 16 tahun 1997 tentang Statistik sebagai pengganti undang No. 6 tahun 1960 tentang Sensus dan Undang-undang No.7 tahun 1960 tentang Statistik.

Tahun 1998, ditetapkan Keputusan Presiden No. 86 tahun 1998 tentang Badan Pusat Statistik sebagai pengganti Keputusan Presiden No. 6 tahun 1992 tentang kedudukan, tugas, fungsi, susunan organisasi, dan tata kerja Biro Pusat Statitik. Berdasarkan Keputusan Presiden ini “Kantor Statistik Sumatera Utara” berubah menjadi BADAN PUSAT STATISTIK ( BPS) PROVINSI SUMATERA UTARA.

3.2 Visi dan Misi Badan Pusat Statistik

3.2.1 Visi Badan Pusat Statistik

Visi Badan Pusat Statistik adalah sebagai penyedia data statistik berkualitas.

3.2.2 Misi Badan Pusat Statistik

(31)

1. Menyediakan informasi statistik yang berkualitas: lengkap, akurat, relevan, mutakhir, dan berkesinambungan.

2. Meningkatkan upaya koordinasi, integrasi, sinkronisasi, dan standarisasi kegiatan statistik dalam kerangka Sistem Statistik Nasional (SSN) yang andal, efektif, dan efisien

3. Meningkatkan kapasitas sumber daya secara optimal sesuai dengan perkembangan ilmu pengetahuan dan teknologi informasi mutakhir.

3.3 Struktur Organisasi Badan Pusat Statistik Sumatera Utara

(32)

3.4 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik

Tugas, fungsi, dan kewenangan BPS telah ditetapkan dalam Keputusan Presiden RI (Keppres) Nomor 103 Tahun 2001. Dalam menjalankan tugas, fungsi, dan kewenangannya seperti tercantum dibawah ini, BPS juga dibatasi oleh 10 prinsip etika perstatistikan yang tercantum dalam United National Fundamental Principles of Official Statistics.

1. Tugas

Melaksanakan tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

2. Fungsi

a. Pengkajian dan penyusunan kebijakan nasional di bidang kegiatan statistik;

b. Penyelenggaraan statistik dasar;

c. Koordinasi kegiatan fungsional dalam pelaksanaan tugas BPS;

d. Fasilitas pembinaan terhadap kegiatan instansi pemerintah di bidang kegiatan statistik; dan

e. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang perencanaan umum, ketatausahaan, organisasi dan tatalaksana, kepegawaian, keuangan, kearsipan, hukum, persandian, perlengkapan, dan rumah tangga.

(33)

3. Kewenangan

a. Penyusunan rencana nasional secara makro di bidangnya;

b. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro;

c. Penetapan sistem informasi di bidangnya;

d. Penetapan dan penyelenggaraan statistik nasional;

e. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku, yaitu:

i. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik;

ii. Penyusun pedoman penyelenggaraan survei statistik sektoral.

(34)

BAB 4

ANALISA DATA

4.1 Data Yang Dibutuhkan

Tabel 4.1 Data Nilai Penjualan Energi Listrik Pada Sektor Industri Di PT. PLN (Persero) Cabang Medan

No. Tahun Nilai Penjualan

(Dalam Milyar)

1 2000 309,04

2 2001 382,82

3 2002 491,41

4 2003 463,21

5 2004 498,59

6 2005 501,33

7 2006 543,35

8 2007 588,39

9 2008 617,05

10 2009 568,28

Sumber : Badan Pusat Statistik (BPS) Provinsi Sumatera Utara

(35)

Gambar 4.1 Data Jumlah Penjualan Energi Listrik Pada Sektor Industri di PT. PLN (Persero) Cabang Medan

Dari gambar 4.1 dapat dilihat bahwa plot data jumlah penjualan energi listrik pada sektor industri di PT. PLN (Persero) Cabang Medan dari tahun 2000 sampai tahun 2009 stasioner atau menunjukkan pola trend, sehingga dapat menggunakan Metode Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter dari Brown.

4.2 Metode Pemulusan Eksponensial Ganda Satu Parameter Dari Brown

4.2.1 Penaksiran Model Peramalan

Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1) dengan peramalan berdasarkan metode pemulusan eksponensial satu parameter dari Brown. Untuk memenuhi perhitungan pemulusan ganda, tunggal dan ramalan yang

0,00 100,00 200,00 300,00 400,00 500,00 600,00 700,00

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

N il a i P en ju a la n L is tr ik Tahun

(36)

akan datang, maka terlebih dahulu ditentukan parameter nilai α 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 tetapan perhitungan dengan mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam sebuah susunan data dan kemudian memperoleh rata-rata atau nilai tengah kuadrat tersebut dan kemudian dicoba nilai α yang lain.

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 metematis rumus MSE (Mean Square Error) sebagai berikut:

MSE = n e n t t

∑

=1 2

Tabel 4.2 Menentukan MSE dengan menggunakan α = 0,1

t Xt S't S''t αt bt Ft+m e e²

1 309,04 309,04 309,04

2 382,82 316,42 309,78 323,06 0,74

3 491,41 333,92 312,19 355,64 2,41 323,80 167,61 28.094,45 4 463,21 346,85 315,66 378,04 3,47 358,06 105,15 11.057,24 5 498,59 362,02 320,29 403,75 4,64 381,50 117,09 13.709,78 6 501,33 375,95 325,86 426,04 5,57 408,38 92,95 8.638,88 7 543,35 392,69 332,54 452,84 6,68 431,61 111,74 12.485,85 8 588,39 412,26 340,51 484,01 7,97 459,52 128,87 16.606,51 9 617,05 432,74 349,74 515,74 9,22 491,98 125,07 15.642,45 10 568,28 446,29 359,39 533,20 9,66 524,97 43,31 1.876,10

(37)

Untuk: α = 0,1 ; n = 8

Maka: MSE = n e n t t

∑

=1 2

MSE =

8 25 , 111 . 108

MSE = 13.513,91

Tabel 4.3 Menentukan MSE dengan menggunakan α = 0,2

t Xt S't S''t αt bt Ft+m e e²

1 309,04 309,04 309,04

2 382,82 323,80 311,99 335,60 2,95

3 491,41 357,32 321,06 393,58 9,07 338,55 152,86 23.365,57 4 463,21 378,50 332,54 424,45 11,49 402,65 60,56 3.667,95 5 498,59 402,52 346,54 458,49 13,99 435,94 62,65 3.925,35 6 501,33 422,28 361,69 482,87 15,15 472,49 28,84 831,95 7 543,35 446,49 378,65 514,34 16,96 498,02 45,33 2.054,99 8 588,39 474,87 397,89 551,85 19,24 531,30 57,09 3.259,41 9 617,05 503,31 418,98 587,64 21,08 571,10 45,95 2.111,73 10 568,28 516,30 438,44 594,16 19,47 608,72 -40,44 1.635,61

Jumlah 40.852,56

Untuk: α = 0,2 ; n = 8

Maka: MSE = n e n t t

∑

=1 2

MSE = 8 56 , 852 . 40

(38)

Jadi untuk α = 0,3 sampai dengan α = 0,9 dapat dicari dengan persamaan diatas.

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan α yang memberikan MSE yang terkecil/minimum. Perbandingan ukuran ketetapan metode peramalan peningkatan nilai penjualan listrik pada sektor industri Cabang Medan dengan melihat MSE sebagai berikut:

Tabel 4.4 Perbandingan Ukuran Ketetapan Metode Peramalan

α MSE

0,1 13.513,91 0,2 5.106,57 0,3 3.275,51 0,4 2.830,85 0,5 2.760,58 0,6 2.841,30 0,7 3.005,46 0,8 3.242,62 0,9 3.585,10

Dari tabel 4.4 diatas dapat dilihat yang menghasilkan nilai MSE yang paling kecil atau minimum yaitu pada nilai parameter pemulusan α = 0,5 yaitu dengan MSE = 2.760,58. Jadi α yang dipakai adalah α = 0,5.

(39)

Tabel 4.5 Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter dari Brown dengan menggunakan α = 0,5 pada Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) pada Sektor Industri di PT. PLN (Persero) Cabang Medan

t Xt S't S''t αt bt Ft+m et |et| et² PEt |PEt|

1 309,04 309,04 309,04

2 382,82 345,93 327,49 364,38 18,45

3 491,41 418,67 373,08 464,26 45,59 382,82 108,59 108,59 11.791,79 22,10 22,10 4 463,21 440,94 407,01 474,87 33,93 509,86 -46,65 46,65 2.175,76 -10,07 10,07 5 498,59 469,77 438,39 501,14 31,38 508,80 -10,21 10,21 104,30 -2,05 2,05 6 501,33 485,55 461,97 509,13 23,58 532,52 -31,19 31,19 972,89 -6,22 6,22 7 543,35 514,45 488,21 540,69 26,24 532,71 10,64 10,64 113,25 1,96 1,96 8 588,39 551,42 519,81 583,03 31,61 566,93 21,46 21,46 460,52 3,65 3,65 9 617,05 584,23 552,02 616,45 32,21 614,63 2,42 2,42 5,85 0,39 0,39 10 568,28 576,26 564,14 588,37 12,12 648,66 -80,38 80,38 6.460,25 -14,14 14,14

(40)

Ukuran Ketetapan Metode Peramalan dengan α = 0,5 dari tabel 4.5:

1. Nilai tengah kesalahan (Mean Error)

ME = n e n t t

∑

ME = 8

31 , 25 − ME = -3,16

2. Nilai tengah kesalahan kuadrat (Mean Squared Error)

MSE = n e n t t

∑

=1 2 MSE = 8 61 , 084 . 22

MSE = 2.760,58

3. Nilai tengah kesalahan absolut (Mean Absolute Error)

MAE = n e n t t

∑

=1 | | MAE = 8 54 , 311

(41)

4. Nilai tengah kesalahan persentase (Mean Percentage Error)

MPE = n PE n t t

∑

=1 MPE = 8 39 , 4 −

MPE = -0,55

5. Nilai tengah kesalahan persentase absolut (Mean Absolute Persentage Error)

MAPE = n PE n t t

∑

=1 | | MAPE = 8 58 , 60

MAPE = 7,57

4.2.2 Penentuan Bentuk Persamaan Peramalan

Perhitungan pada tabel 4.5 diatas didasarkan α = 0,5 dan ramalan untuk satu periode kedepan yaitu dalam perhitungan periode ke 9. Perhitungan peramalan:

S’t = α Xt + (1-α) S’t-1 S”t = α S’t + (1-α) S”t-1

at = S’t + ( S’t - S”t ) = 2 S’t - S”t bt = S’t - S”t )

(42)

Berdasarkan data terakhir dapat dibuat peramalan untuk satu tahun berikutnya dengan bentuk persamaan peramalan:

Ft+m = 588,37 + 12,12 (m)

4.3 Peramalan Nilai Penjualan Energi Listrik

Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat dihitung untuk 3 periode ke depan yaitu untuk tahun 2010, 2011, dan 2012 seperti tertera dibawah ini:

a. Untuk periode 11 (tahun 2010)

Ft+m = 588,37 + 12,12 (m)

F10+1 = 588,37 + 12,12 (1)

F11 = 600,49

b. Untuk periode 12 (tahun 2011)

Ft+m = 588,37 + 12,12 (m)

F11+1 = 588,37 + 12,12 (2)

F12 = 612,61

c. Untuk periode 13 (tahun 2012)

Ft+m = 588,37 + 12,12 (m)

F12+1 = 588,37 + 12,12 (3)

(43)

Tabel 4.6 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) Pada Sektor Industri Di PT. PLN (Persero) Cabang Medan

Tahun 2010 sampai 2012

Tahun Periode Forecasting (Milyar Rupiah)

2010 11 600,49

2011 12 612,61

(44)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru atau sistem yang diperbaiki.

Dalam pengolahan data pada Tugas Akhir ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft Office Excel 2007 dalam menyelesaikan masalah untuk memperoleh hasil perhitungan. Karena dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan dalam memperoses data.

5.2 Microsoft Office Excel 2007

Microsoft Office Excel 2007 merupakan program aplikasi lembar kerja elektronik dari paket program Microsoft Office. Microsoft Office Excel banyak berperan dalam pengolahan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan,

(45)

Excel dalam berbagai versi mulai dari versi 4, versi 5, versi 97, versi 2000, versi XP (2002), versi 2003, versi 2007. Versi 2010.

Dalam pengolahan data Tugas Akhir ini, penulis sebagian mengolah dengan menggunakan Microsoft Office Excel 2007 karena Microsoft Office Excel 2007 hadir dengan berbagai penyempurnaan, lebih mudah digunakan, lebih terintegrasi dengan berbagai software lain, seperti Microsoft Word, SPSS, dan lain-lain. Keunggulan program spreadsheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbagai windows.

5.3 Langkah-langkah Memulai Microsoft Office Excel 2007

Sebelum mengoperasikan software ini, pastikan bahwa pada komputer telah terpasang program Microsoft Office Excel. Langkahnya sebagai berikut:

1. Klik tombol start, klik All Programs, klik Microsoft Office dan klik Microsoft Office Excel 2007, seperti gambar berikut ini:

(46)

Gambar 5.1 Langkah Memulai Microsoft Office Excel 2007

2. Setelah itu muncul tampilan worksheet (lembar kerja) seperti dibawah ini:

(47)

5.4 Pembuatan Grafik Dengan Microsoft Office Excel 2007

1. Input data tiap tahun pada kolom pertama untuk periode, kolom kedua untuk tahun dan kolom ketiga untuk data nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan, seperti gambar berikut:

Gambar 5.3 Tampilan Lembar Kerja Microsoft Office Excel dengan data nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang

Medan

2. Kemudian blok data yang akan dijadikan chart, dalam hal ini yaitu C2:C14. 3. Lalu klik menu Insert, pada submenu Chart klik Line dan pilih Line With

Markers.

4. Lalu untuk mengubah koordinat garis horizontal menjadi tahun, maka klik pada Chart tersebut, lalu klik menu Chart Tools, klik Design, dan klik Select Data.

(48)

5. Dan pada kotak dialog Horizontal (Category) Axis Label, klik Edit, dan blok data yang akan dijadikan sebagai tahun, dalam hal ini B2:B14, klik Ok, lalu Ok.

6. Untuk keterangan pendukung grafik seperti Titles (judul grafik), dan Axis Title maka klik Chart Tools, Layout, dan klik pada Chart Titles dan Axis Titles, lalu pilih tata letak yang diinginkan, setelah itu ubah judul menjadi judul yang diinginkan dengan mengklik dua kali pada title tersebut.

7. Maka akan tampil seperti gambar dibawah ini:

Gambar 5.4 Tampilan Chart Nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan dalam Microsoft Office Excel 2007

(49)

5.5 Pengolahan Data Dengan Microsoft Office Excel 2007

Dari data diatas dapat ditentukan besarnya peramalan dengan α = 0,5. Dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini:

1. Pada kolom pertama ditulis keterangan dengan t 2. Pada kolom ke dua ditulis keterangan dengan Xt 3. Pada kolom ke tiga ditulis keterangan dengan S’t 4. Pada kolom ke empat ditulis keterangan dengan S”t 5. Pada kolom ke lima ditulis keterangan dengan αt 6. Pada kolom ke enam ditulis keterangan dengan bt 7. Pada kolom ke tujuh ditulis keterangan dengan Ft+m 8. Pada kolom ke delapan ditulis keterangan dengan et 9. Pada kolom ke sembilan ditulis keterangan dengan |et| 10.Pada kolom ke sepuluh ditulis keterangan dengan et2 11.Pada kolom ke sebelas ditulis keterangan dengan PEt 12.Pada kolom ke duabelas ditulis keterangan dengan |PEt|

Maka perhitungan masing-masing untuk periode, data aktual, pemulusan eksponensial tunggal, pemulusan eksponensial ganda, konstanta, slope, forecast, dan error adalah sebagai berikut :

1. Periode ( t )

Periode dalam kasus ini adalah tahun, dari 2000 sampai dengan tahun 2009, yang kemudian digantikan dengan periode 1 sampai 10.

(50)

2. Data aktual ( Xt )

Data aktualnya adalah nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan dari tahun 2000 sampai dengan 2009.

3. Pemulusan Eksponensial Tunggal ( S’ )

Untuk periode pertama yakni tahun 2000, adalah sebesar periode pertama dari data historisnya, sehingga rumus yang tertera pada sel C2 adalah = B2.

Sedangkan untuk periode kedua yakni untuk tahun 2000 dapat menggunakan rumus = (0,5*B3)+((1-0,5)*C2). Dalam kasus ini untuk sel C3 menghasilkan angka 345,93. Untuk periode ketiga sampai periode ke sepuluh kita tinggal menyalin rumus pada sel C3.

4. Pemulusan Eksponensial Ganda ( S” )

Untuk periode pertama yakni tahun 2000, adalah sebesar periode pertama dari data historisnya, sehingga rumus yang tertera pada sel D2 adalah = B2.

Sedangkan untuk periode kedua yakni untuk tahun 2001 dapat menggunakan rumus =(0,5*C3)+((1-0,5)*D2). Dalam kasus ini untuk sel D3 menghasilkan angka 327,49. Untuk periode ketiga sampai periode ke sepuluh kita tunggal menyalin rumus pada sel D3.

5. Nilai konstanta peda periode ke t (αt )

Dicari peda periode kedua, dengan rumus pada sel E3 adalah =(2*C3)-D3, sehingga menghasilkan angka 364,38. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel E3.

(51)

6. Nilai slope ( bt )

Dicari pada periode kedua, dengan rumus pada sel F3 adalah =(0,5/(1-0,5))*(C3-D3), sehingga menghasilkan angka 18,45. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel F3.

7. Peramalan (Ft+m )

Dicari pada periode ketiga, dengan rumus pada sel G4 adalah =E3+F3, sehingga menghasilkan angka 382,82. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel G4.

Dan rumus untuk peramalan pada periode ke sebelas atau tahun 2010 adalah =E11+F11 yang menghasilkan 600,49. Dan untuk periode ke duabelas atau tahun 2011 adalah =E11+(F11*2) yang menghasilkan 612,61.

Setelah selesai akan tampil seperti gambar dibawah ini:

Gambar 5.5 Hasil Peramalan dalam Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown

(52)

5.6 Menghitung Ketepatan Peramalan

1. Error ( et )

Dicari pada periode ketiga, dengan rumus pada sel H4 adalah =B4-G4 sehingga menghasilkan angka 108,59. . Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel H4. Untuk jumlah Error pada sel H14 digunakan rumus =SUM(H4:H11). Maka hasil jumlah Error adalah -25,31.

Untuk Mean Error (ME) pada sel H15 digunakan rumus =H14/8 yang hasilnya adalah -3,16.

2. Absolut Error ( |et| )

Dicari pada periode ketiga, dengan rumus pada sel I4 adalah =ABS(H4) sehingga menghasilkan angka 108,59. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel I4. Untuk jumlah Absolute Error pada sel I14 digunakan rumus =SUM(I4:I11). Dan hasilnya adalah 311,54.

Untuk Mean Absolute Error (MSE) pada sel I16 digunakan rumus =I14/8 yang hasilnya adalah 38,94.

3. Square Error ( et2 )

Dicari pada periode ketiga, dengan rumus pada sel J4 adalah =H4^2 sehingga menghasilkan angka 11.791,79. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel J4. Untuk jumlah Square Error pada sel J14 digunakan rumus =SUM(J4:J11). Dan hasilnya adalah 22.084,61.

(53)

4. Percentage Error ( PEt )

Dicari pada periode ketiga, dengan rumus pada sel K4 adalah =(H4/B4)*100 sehingga menghasilkan angka 22,10. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel K4. Untuk jumlah Percentage Error pada sel K14 digunakan rumus =SUM(K4:K11). Dan hasilnya adalah -4,39.

Untuk MeanPercentage Error (MPE) pada sel K18 digunakan rumus =K14/8 yang hasilnya adalah -0,55.

5. Absolute Percentage Error ( | PEt | )

Dicari pada periode ketiga, dengan rumus pada sel L4 adalah =ABS(K4) sehingga menghasilkan angka 22,10. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel L4. Untuk jumlah Percentage Error pada sel L14 digunakan rumus =SUM(L4:L11). Dan hasilnya adalah 60,58.

Untuk Mean Absolute Percentage Error (MAPE) pada sel L19 digunakan rumus =L14/8 yang hasilnya adalah 7,57.

(54)

Gambar 5.5 Hasil Peramalan dalam Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan Ukuran Ketepatan Peramalan

(55)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisis data yang dilakukan sebelumnya pada Bab 4, maka kesimpulan yang diperoleh adalah sebagai berikut:

1. Dengan metode Smoothing Eksponensial Ganda Satu Parameter dari Brown di dapat nilai MSE yang terkecil adalah dengan α = 0,5 yaitu MSE = 2.760,58.

2. Bentuk persamaan peramalan dari nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan berdasarkan data dari tahun 2000 sampai dengan tahun 2009 adalah:

Ft+m = 588,37 + 12,12 (m)

3. Diperkirakan nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan tahun 2010 sampai tahun 2012:

Tahun Periode Forecasting (Milyar Rupiah)

2010 11 600,49

2011 12 612,61

(56)

6.1 Saran

Saran dari penulis adalah:

1. Dalam meramalkan nilai penjualan energi listrik, pihak PT. PLN (persero) cabang Medan dapat menggunakan analisis peramalan dengan menggunakan Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown.

2. Dalam meramalkan nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan dengan menggunakan Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown akan sangat membantu jika menggunakan alat bantu komputer khususnya program Microsoft Office Excel 2007.

3. Dari hasil peramalan dan dari data yang ada. Nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan diperkirakan akan terus mengalami peningkatan, hal ini berarti bahwa semakin tinggi permintaan energi listrik pada sektor industri. Untuk menghadapi kondisi tersebut sebaiknya PT. PLN (persero) cabang Medan terus menyiapkan dan meningkatkan pasokan energi listrik. Sehingga kegiatan perindustrian di Medan akan terus maju dan berkembang.

(57)

DAFTAR PUSTAKA

Assauri, S. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi Universitas Indonesia.

Makridakis, S. 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga.

Badan Pusat Statistik (BPS) Propinsi Sumatera Utara. Sumatera Utara Dalam Angka 2000 s/d 2009. Medan: BPS Propinsi Sumatera Utara.

Manurung, A. H. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta. Arifin, J. 2008. Statistik Bisnis Terapan Dengan Microsoft Excel 2007. Jakarta: Elex

Media Komputer.

(58)

Data Nilai Penjualan Energi Listrik (Dalam Rupiah) Pada Sektor Industri Di PT. PLN (Persero) Cabang Medan

Dari Tahun 2000 sampai 2009

No. Tahun Nilai Penjualan

(Dalam Milyar)

1 2000 309,04

2 2001 382,82

3 2002 491,41

4 2003 463,21

5 2004 498,59

6 2005 501,33

7 2006 543,35

8 2007 588,39

9 2008 617,05

10 2009 568,28

Sumber : Badan Pusat Statistik (BPS) Provinsi Sumatera Utara

(59)

t Xt S't S''t αt bt Ft+m et |et| et² PEt |PEt|

1 309,04 309,04 309,04

2 382,82 345,93 327,49 364,38 18,45

Jumlah -25,31 311,54 22.084,61 -4,39 60,58

ME -3,16

MAE 38,94

MSE 2760,58

MPE -0,55

(1)

Gambar 5.5 Hasil Peramalan dalam Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan Ukuran Ketepatan Peramalan

(2)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisis data yang dilakukan sebelumnya pada Bab 4, maka kesimpulan yang diperoleh adalah sebagai berikut:

1. Dengan metode Smoothing Eksponensial Ganda Satu Parameter dari Brown di dapat nilai MSE yang terkecil adalah dengan α = 0,5 yaitu MSE = 2.760,58.

2. Bentuk persamaan peramalan dari nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan berdasarkan data dari tahun 2000 sampai dengan tahun 2009 adalah:

Ft+m = 588,37 + 12,12 (m)

3. Diperkirakan nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan tahun 2010 sampai tahun 2012:

Tahun Periode Forecasting (Milyar Rupiah)

(3)

6.1 Saran

Saran dari penulis adalah:

(4)

DAFTAR PUSTAKA

Assauri, S. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi Universitas Indonesia.

Makridakis, S. 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga.

Badan Pusat Statistik (BPS) Propinsi Sumatera Utara. Sumatera Utara Dalam Angka

2000 s/d 2009. Medan: BPS Propinsi Sumatera Utara.

Manurung, A. H. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta. Arifin, J. 2008. Statistik Bisnis Terapan Dengan Microsoft Excel 2007. Jakarta: Elex

Media Komputer.

(5)

Data Nilai Penjualan Energi Listrik (Dalam Rupiah) Pada Sektor Industri Di PT. PLN (Persero) Cabang Medan

Dari Tahun 2000 sampai 2009

No. Tahun Nilai Penjualan

(Dalam Milyar)

1 2000 309,04

2 2001 382,82

3 2002 491,41

4 2003 463,21

5 2004 498,59

6 2005 501,33

7 2006 543,35

8 2007 588,39

9 2008 617,05

10 2009 568,28

Sumber : Badan Pusat Statistik (BPS) Provinsi Sumatera Utara

(6)

t Xt S't S''t αt bt Ft+m et |et| et² PEt |PEt|

1 309,04 309,04 309,04

2 382,82 345,93 327,49 364,38 18,45

Jumlah -25,31 311,54 22.084,61 -4,39 60,58

ME -3,16

MAE 38,94

MSE 2760,58

MPE -0,55

Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Pada Sektor Industri Di PT. PLN (PERSERO) Cabang Medan