Tahun Nilai Penjualan KWH
1999 1824308
2000 1846784
2001 1998076
2002 2056783
2003 2102376
2004 2289521
2005 2306256
2006 2378965
2007 2472786
2008 2637320
Sumber : BPS Propinsi Sumatera Utara
grafik data aktual
500000 1000000
1500000 2000000
2500000 3000000
1999 2000
2001 2002
2003 2004
2005 2006
2007 2008
tahun
p e
n ju
a la
n
penjualan
Gambar 3.1 grafik data aktual
3.3 Metode Pemulusan Eksponensial Ganda satu Parameter Dari Brown
3.3.1 Penaksiran Model Peramalan
Universitas Sumatera Utara
Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel 3.1 dengan metode peramalan forecasting berdasarkan metode pemulusan
eksponensial satu parameter dari Brown. Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda, dan ramalan yang akan datang, maka terlebih dahulu
kita menentukan parameter nilai α yang biasanya secara trial dan error coba dan
salah. Suatu nilai α dipilih yang besarnya 0α 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 nilai MSE pertama dicari Error terlebih dahulu yang merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error
dikuadratkan dan dibagi dengan banyaknya error.
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
Universitas Sumatera Utara
a
Universitas Sumatera Utara
Tabel 3.11 Perbandingan Ukuran Ketepatan Metode Peramalan
α MSE
0,1 64891174078,80
0,2 23514722967,49
0,3 10697986731,96
0,4 6576669664,38
0,5 5279603368,80
0,6 5046303097,02
0,7 5325403853,88
0,8 5954011303,72
0,9 6921032525,83
Dari tabel 3.11 diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecilminimum yaitu pada
α = 0.6 dengan MSE = 5046303097,02
Universitas Sumatera Utara
Universitas Sumatera Utara
Grafik Pemulusan
500000 1000000
1500000 2000000
2500000 3000000
1999 2000
2001 2002
2003 2004
2005 2006
2007 2008
Tahun
N il
a i
P e
n ju
a la
n
Xt S
′t S
″t
Gambar 3.2 Grafik Pemulusan
Berdasarkan tabel 3.12 dengan α = 0.6 maka didapat persamaan peramalan:
m t
F
+
= 2623348,08 + 111358,77 m
3.4 Peramalan Nilai Penjualan Energi Listrik
Setelah diperoleh bentuk persamaan peramalan, maka dapat dhitung untuk empat periode kedepan yaitu tahun 2009-2012.
a. untuk periode ke 11 tahun 2009
m t
F
+
= 2623348,08 + 111358,77 m
1 10
+
F = 2623348,08 + 111358,77 1
11
F = 2734706,85
Universitas Sumatera Utara
b. untuk periode ke 12 tahun 2010
m t
F
+
= 2623348,08 + 111358,77 m
2 10
+
F = 2623348,08 + 111358,77 2
12
F = 2846065,61
c. untuk periode ke 13 tahun 2011
m t
F
+
= 2623348,08 + 111358,77 m
3 10
+
F = 2623348,08 + 111358,77 3
13
F = 2957424,38
d. untuk periode ke 14 tahun 2012
m t
F
+
= 2623348,08 + 111358,77 m
4 10
+
F = 2623348,08 + 111358,77 4
14
F = 3068783,15
Universitas Sumatera Utara
BAB 4 IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dan dengan adanya
perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya data-data yang sangat rumit dan banyak itu tidak dapat dikerjakan secara manual atau
dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga yang sangat banyak untuk mengolah data tersebut, disamping itu faktor kesalahan
yang dilakukan oleh manusia relatif besar.
Implementasi merupakan penerapan hasil desain tertulis kedalam sebuah program yang mana dalam hal ini penulis menggunakan Microsoft Excel untuk