Peramalan Produk Domestik Regional Bruto (PDRB) Sektor Industri Di Kota Sibolga Tahun 2012

PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO

(PDRB) SEKTOR INDUSTRI DI KOTA SIBOLGA TAHUN 2012

TUGAS AKHIR

RYAN WAHYUDI

082407105

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO

(PDRB) SEKTOR INDUSTRI DI KOTA SIBOLGA TAHUN 2012

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

RYAN WAHYUDI

082407105

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERSETUJUAN

Judul : PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR INDUSTRI DI KOTA SIBOLGA TAHUN 2012

Kategori : TUGAS AKHIR

Nama : ARFIANDA SIMANJUNTAK

Nomor Induk Mahasiswa : 082407105

Program Studi : DIPLOMA III STATISTIKA

Departemen : MATEMATIKA

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

Diluluskan di Medan, Juni 2011

Diketahui, Disetujui,

Ketua Departemen Matematika Dosen Pembimbing

Prof. Dr. Tulus, M.Si Drs. Pangarapen Bangun, M.Si

PERNYATAAN

PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR INDUSTRI DI KOTA SIBOLGA TAHUN 2012

TUGAS AKHIR

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

Medan, Juni 2011

RYAN WAHYUDI 082407105

PENGHARGAAN

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, yang telah melimpahkan rahmat dan berkat serta petunjuk Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini.

Tugas Akhir ini penulis persembahkan kepada kedua orang tua tercinta Ayah dan Ibu atas doa dan restunya yang tidak terhingga, beserta dukungan yang diberikan baik secara moral maupun materil, sehingga penulis dapat menyelesaikan Tugas Akhir ini. Pada kesempatan ini, dengan segala kerendahan hati penulis juga menghaturkan terima kasih yang sebesar – besarnya kepada Dekan FMIPA USU Dr. Sutarman, Msc yang telah memberikan fasilitas perkuliahan selama perkuliahan hingga selesainya Tugas Akhir ini, dan kepada Bapak Ketua Departemen Matematika Prof. Dr. Tulus, Msi. Terkhusus kepada Bapak Drs. Pangarapen Bangun, M.si selaku Dosen Pembimbing yang telah memberikan bimbingan dan motivasi dengan penuh perhatian dan kesabaran, kepada penulis selama mengerjakan Tugas Akhir ini. Saya juga mengucapkan terima kasih kepada Bapak dan Ibu Dosen yang mengajar di Jurusan Statistika FMIPA USU yang telah mendidik penulis selama masa pendidikan. Serta tidak lupa saya mengucapkan terima kasih kepada teman – teman yang selalu mendukung saya Arfianda, Rudi, Latersia, dan Sahat dan teman- teman lain di kelas Stat A, B, C Stat ’08.

DAFTAR ISI PERSETUJUAN PERNYATAAN PENGHARGAAN DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR BAB I PENDAHULUAN

1.1 Latar Belakang

1.2 Identifikasi Masalah

1.3 Batasan Masalah

1.4 Tujuan dan Manfaat

1.5 Lokasi Penelitian

1.6 Metodologi Penelitian

1.7 Sistematika Penulisan

BAB II TINJAUAN TEORITIS

2.1 Peramalan (Forecasting)

2.1.1 Pengertian Peramalan

2.1.2 Kebutuhan dan Kegunaan Peramalan 2.1.3 Langkah-langkah Peramalan

2.1.4 Jenis-jenis Metode Peramalan

2.1.5 Pemilihan Teknik dan Metode Peramalan 2.1.6 Metode Smothing yang Digunakan

2.1.7 Beberapa Kriteria yang Digunakan untuk Menguji Ketepatan

Peramalan

BAB III 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

3.4.3 Bidang Statistik Distribusi

3.4.4 Bidang Pengolahan Data

3.4.5 Bidang Statistik Kependudukan

3.4.6 Bidang Neraca Wilayah dan Analisa

BAB IV ANALISIS DAN PENGOLAHAN DATA

4.1 Arti danKegunaan Analisis Data

4.2 Analisis Pemulusan Eksponensial Ganda Satu Parameter dari Brown 4.3 Penentuan Bentuk Persamaan Peramalan

4.4 Peramalan PDRB Kota Sibolga Sektor

Industri Pengolahan Berdasarkan Harga Berlaku

BAB V Implementasi Sistem

5.1 Pengertian Implementasi Sistem 5.2 Microsoft Excel

5.3 Membuka Microsoft Excel 5.4 Lembar Kerja Microsoft Excel

5.5 Implementasi Sistem Peramalan PDRB Sektor

Industri Pengolahn Kota Sibolga BAB IV KESIMPULAN DAN SARAN

6.1 Kesimpulan

6.2 Saran

DAFTAR PUSTAKA

DAFTAR TABEL

Tabel 4.1 Produk Domestik Regional Bruto (PDRB) Sektor Industri Kota Sibolga Tahun 2005-2009 (Jutaan Rupiah)

Tabel 4.2 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,1 Tabel 4.3 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α =0,2 Tabel 4.4 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α =0,3 Tabel 4.5 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,4 Tabel 4.6 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,5 Tabel 4.7 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,6 Tabel 4.8 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,7 Tabel 4.9 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,8 Tabel 4.10 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α=0,9 Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan Tabel 4.12 Aplikasi Pemulusan (Smoothing) Eksponensial Linear Satu Parameter dari

Brown Menggunakan α = 0,9 Pada Data PDRB Kota Sibolga Sektor Industri Pengolahan Berdasarkan Harga Berlaku

Tabel 4.13 Peramalan PDRB Kota Sibolga Sektor Industri Pengolahan Berdasarkan Harga Berlaku

DAFTAR GAMBAR

Gambar 4.1 Grafik PDRB Kota Sibolga Sektor Industri Pengolahan Berdasarkan

Harga Berlaku Tahun 2005-2009

Gambar 4.2 Plot Pemulusan Peramalan dengan α = 0,9 Gambar 5.1 Tampilan Cara Mengaktifkan Microsoft Excel Gambar 5.2 Tampilan Lembar Kerja Microsoft Office Excel 2007 Gambar 5.3 Tampilan Data PDRB Dalam Microsoft Excel Gambar 5.4 Tampilan Hasil Pengolahan Data

BAB I

PENDAHULUAN

1.1Latar Belakang

Semenjak terjadinya krisis ekonomi, mengakibatkan lumpuhnya sendi-sendi perekonomian nasional. Oleh karena itu, informasi mengenai perkembangan dan kondisi perekonomian di Indonesia sangat penting. Sampai saat ini masalah kesejahteraan rakyat dan perekonomian rakyat menjadi prioritas utama yang perlu diperhatikan pemerintah, karena kesejahteraan rakyat merupakan indikator tingkat keberhasilan pembangunan. Untuk mencapai tujuan ini, pemerintah sudah berkali-kali membuat rencana dan melaksanakan pembangunan berjangka sehinga sedikit demi sedikit tingkat kemakmuran semakin bertambah.

Pemulihan perekonomian daerah harus didukung oleh peran aktif antara rakyat dan pemerintah yang dapat menghasilkan suatu keadaan perekonomian yang lebih baik. Hal ini juga didukung dengan adanya informasi data statistik yang berguna untuk membantu dalam merencanakan suatu kebijakan yaitu sebagai bahan pertimbangan dalam pengambilan keputusan yang akan datang.

Kebijakan pemerintah dapat diambil secara tepat apabila berdasar pada informasi statistik yang akurat dan tepat waktu. Informasi tersebut selain menunjukkan perkembangan hasil pembangunan juga merupakan masalah dan tantangan yang harus diahadapi. Salah satu alat yang digunakan sebagai alat ukur yang dapat menggambarkan tingkat keberhasilan pembangunan adalah Produk Domestik Regional Bruto (PDRB).

PDRB didefenisikan sebagai jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau merupakan jumlah seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit usaha. PDRB dapat dikelompokkan atas dasar harga berlaku dan atas dasar harga konstan.

Perhitungan PDRB dapat dilakukan melalui beberapa pendekatan seperti pendekatan produksi dan pendekatan pengeluaran. PDRB yang dihitung melalui pendekatan produksi menjelaskan bagaimana PDRB dihasilkan oleh berbagai sektor ekonomi yang beroperasi di suatu wilayah. Sementara untuk PDRB yang dihitung melalui pendekatan pengeluaran menjelaskan bagaimana PDRB suatu wilayah dimanfaatkan. Diharapkan data statistik tentang PDRB tersebut dapat dimanfaatkan untuk membantu dalam mempertimbangakan perencanaan pembangunan khususnya sebagai informasi analisis, dari hasil pembangunan.

Sektor-sektor PDRB yang menjadi kontributor utama dalam perekonomian di setiap daerah itu, berbeda-beda. Seperti halnya di Kota sibolga, terdapat tiga sektor yang menjadi kontributor utama yang menggerakan perekonomian daerah yaitu, sektor pertanian, sektor industri pengolahan, dan sektor jasa.

Berdasarkan uraian di atas, maka penulis bermaksud mengambil judul:

“PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR INDUSTRI DI KOTA SIBOLGA TAHUN 2012”

1.2Identifikasi Masalah

Berdasarkan latar belakang di atas, dapat disimpulkan sebagai berikut:

1. Berapa ramalan jumlah Produk Domestik Regional Bruto (PDRB) di kota Sibolga?.

1. Adakah peningkatan kontribusi yang diberikan sektor industri bagi Produk Domestik Regional Bruto (PDRB) di kota Sibolga?.

1.3Batasan Masalah

Produk Domestik Regional Bruto terbagi atas berbagai sektor, maka penulis membatasi pokok permasalahan hanya pada sektor industri. Hal ini dikarenakan penulis menganggap sektor industri memberikan kontribusi yang lebih besar dibandingkan sektor lain dalam Produk Domestik Regional Bruto (PDRB) Atas Dasar Harga Berlaku Menurut Lapangan Usaha DI Kota Sibolga pada tahun 2005-2009.

Tujuan dari penulisan Tugas Akhir ini adalah:

1. Mengetahui berapa ramalan jumlah Produk Domestik Regional Bruto (PDRB) di kota Sibolga

2. Untuk mengetahui besar PDRB di kota Sibolga.

3. Mengetahui relevansi sektor industri dijadikan sebagai komoditas utama penopang perekonomian di kota Sibolga.

Manfaat dari penulisan Tugas Akhir ini adalah: Bagi penulis:

1. Sebagai syarat untuk menyelesaikan program studi D3 Statistika. 2. Sebagai penerapan ilmu dari mata kuliah yang diperoleh.

Bagi lembaga/Instansi dan masyarakat pada umumnya 1. Dapat mengetahui gambaran PDRB di kota Sibolga.

1. Sebagai pertimbangan pada pengambilan kebijakan dalam masalah pengembangan sektor industri bagi pemeritah daerah yang bersangkutan.

1.5Lokasi Penelitian

Penelitian atau pengumpulan data mengenai Produk Domestik Regional Bruto (PDRB) Kota Sibolga sektor industri pengolahan diperoleh dari Badan Pusat Statistik (BPS) Sumatera Utara, Jl. Kapten Muslim No.71.

Beberapa metode penelitian yang dilakukan penulis dalam penyusunan Tugas Akhir ini adalah:

1. Metode penelitian kepustakaan (studi literatur)

Melalui metode ini, pengumpulan data serta keterangan-keterangan yang mendukung Tugas Akhir ini, dilakukan dengan membaca serta mempelajari buku-buku literatur yang didapat dari perkuliahan ataupun dari buku-buku yang tersedia di perpustakaan. Selain itu, kutipan-kutipan atau informasi yang relevan dengan judul juga diambil dari internet.

2. Metode Pengumpulan Data

Untuk memperoleh data yang dibutuhkan, penulis melakukan riset di Badan Pusat Statistik dengan mengambil data sekunder PDRB Sibolga. Data yang diperoleh kemudian disajikan dan disusun dalam bentuk angaka-angka agar gambaran yang jelas dari sekumpulan data yang diperoleh dapat diambil yang kemudian dapat ditarik kesimpulannya.

3. Metode Analisa

Adapun pengolahan data dalam menganalisa data PDRB kota Sibolga adalah dengan menggunakan Pemulusan (smoothing) Eksponensial ganda : Metode Linear Satu- Parameter dari Brown.

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

disesuaikan untuk trend. Persamaan yang dipakai dalam Smoothing Eksponensial 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 = 1 −

αα

(

S't−S ''t

)

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

Sistematika Penulisan diuraikan untuk memberika kerangka atau gambaran dari tugas akhir ini, yaitu sebagai berikut:

Pada bab ini, berisi Latar Belakang Masalah, Identifikasi Masalah, Batasan Masalah, Tujuan dan Manfaat, Metodologi Penelitian, serta Sistematika Penulisan.

BAB 2 : TINJAUAN TEORITIS

Pada bab ini, terdapat pengertian-pengertian PDRB, dan teori-teori yang berhubungan dengan PDRB.

BAB 3 : SEJARAH SINGKAT TEMPAT RISET

Bab ini menjelaskan/menceritakan tentang sejarah singkat berdirinya Badan Pusat Statistik (BPS) Sumatera Utara.

BAB 4 : ANALISIS DAN PENGOLAHAN DATA

Pada bab ini diuraikan tentang pengolahan data dan analisis data dengan menggunakan pemulusan eksponensial ganda satu parameter dari Brown untuk meramalkan PDRB sektor industri pengolahan Kota Sibolga.

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 : PENUTUP

Bab ini berisikan kesimpulan dan saran dari hasil pembahasan sebelumnya.

BAB II

TINJAUAN TEORITIS

2.1 Peramalan (Forecasting)

2.1.1 Pengertian Peramalan

Peramalan dapat diartikan sebagai berikut:

a. Perkiraan atau dugaan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang.

b. Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang sistematis. Apabila direnungkan secara mendalam, banyak orang akan terkejut karena menyadari bahwa pada kenyataannya banyak keputusan penting yang yang dilakukan secara pribadi maupun perusahaan yang mengarah kepada kejadian-kejadian di masa yang akan datang sehingga memerlukan ramalan tentang keadaan lingkungan masa depan tersebut.

Dalam dunia ekonomi, hasil peramalan mampu memberikan gambaran tentang masa depan perekonomian suatu daerah yang memungkinkan manajemen ekonomi

untuk membuat perencanaan, demi perbaikan dan perkembangan pertumbuhan ekonomi di daerah yang bersangkutan.

2.1.2 Kebutuhan dan Kegunaan Peramalan.

Sering terdapat waktu senjang antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang 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 situasi seperti itu, peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.

Selain hal di atas, kegunaan dari peramalan dapat terlihat pada saat pengambilan keputusan. Setiap orang selalu dihadapkan pada masalah pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita susun atau yang kita buat, maka kurang baiklah keputusan yang kita ambil. Walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, di mana selalu ada unsur kesalahan. Sehingga yang paling diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahan tersebut.

2.1.3 Langkah-langkah Peramalan

Lagkah-langkah dalam metode peramalan adalah: a. Mengumpulkan data

b. Menyeleksi dan memilih data

Data-data yang kurang relevan harus di buang supaya tidak memepengaruhi akurasi peramalan

c. Menganalisa data

d. Menentukan metode yang digunakan

e. Memproyeksikan data dengan menggunakan metode yang dipergunakan, dan mempertimbangakan adanya beberapa faktor perubahan.

2.1.4 Jenis-jenis Metode Peramalan

Metode-metode peramalan dengan menggunkan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, atau analisa deret waktu, terdiri dari:

a. Metode pemulusan (smoothing)

Metode smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap data pada masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun kedepan. Secara umum metode smoothing diklasifikasikan menjadi dua bagian yaitu: 1. Metode Rata-rata, yang terdiri dari :

a. Rata-rata Bergerak Tunggal (Single Moving Average) b. Rata-rata Bergerak Ganda (Double Moving Average)

c. Kombinasi Rata-rata bergerak lainnya. 2. Metode Pemulusan Eksponensial.

Bentuk umum dari metode pemulusan eksponensial adalah: Ft+1= αXt + (1-α) Ft

Keterangan:

Ft+1 = ramalan satu periode ke depan

Xt = data aktual pada periode ke t

Ft = ramalan pada periode ke t

α = parameter pemulusan

bentuk umum tersebut diperluas, akaan berubah menjadi:

Ft+1 = αXt + α(1- α)Xt-1 + α(1- α)2Xt-2+…+α (1- α)N-1 Xt-(N-1) + (1-α)NFt-(N-1)

Dari perluasan bentuk umum di atas dapatlah dikatakan bahwa Metode Smoothing Eksponensial merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relatif besar dengan nilai observasi yang lebih tua. Metode ini terdiri dari:

1. Pemulusan Eksponensial Tunggal

2. Pemulusan Eksponensial Ganda Metode Linear Satu Parameter dari Brown

3. Pemulusan Eksponensial Ganda Dua Parameter dari Holt 4. Pemulusan Eksponensial Klasifikasi Pagels

Metode Box Jenkis menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat sekecil mungkin yang membutuhkan identifikasi model estimasi parameternya. Jarang dipakai, namun baik untuk ramalan jangka panjang, menengah, dan jangka pendek.

c. Metode proyeksi trend dengan regresi.

Metode proyeksi trend dengan regresi, merupakan dasar garis trend untuk suatu persamaan matematik, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan.

2.1.5 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 analisis keadaan dalam mempersiapkan peramalan.

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

a. Horizon Waktu

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

b. Pola Data

Hal penting yang harus diperhatikan dalam metode peramalan adalah menentukan jenis pola data historisnya, sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji.

c. Jenis dari Model

Model-model merupakan suatu deret di mana 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.

d. 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 atau metode peramalan.

e. Ketepatan Metode Peramalan

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

f. Kemudahan dalam Penerapan

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

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode meramalkan PDRB sektor industri pengolahan Kota Sibolga pada pemecahan masalah ini adalah dengan menggunakan Metode pemulusan yaitu “Smoothing Eksponensial Ganda Satu Parameter dari Brown”

Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari metode Smoothing Eksponensial Linear satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linear, karena nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.

Persamaan yang dipakai dalam pelaksanaan Pemulusan Eksponensial Satu Parameter dari Brown adalah sebagai berikut:

a. Menentukan Smoothing Pertama S't = αX t + (1-α)S't-1

b. Menentukan Smoothing Kedua S"t= αS't + (1-α)S"t-1

c. Menentukan Besarnya Konstanta (at)

at = 2S't -S"t

d. Menentukan Besarnya Slope (bt)

bt = (S't -S"t)

e. Menentukan Besarnya Forecast (Ft+m)

2.1.7 Beberapa Kriteria yang Digunakan Untuk Menguji Ketepatan Ramalan

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

ME =

N

e

N t t

∑

₌₁

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

MSE =

N

e

N t t

∑

₌₁ 2

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

MAE =

n

e

N t t

∑

₌₁

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

MAPE =

N

PE

N t t

∑

₌₁

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

MPE =

N

PE

N t t

∑

₌₁

t

e = X_t −F_t( kesalahan pada periode ke-t)

t

X = data aktual pada periode ke t

=

  

 −

t t t

X F X

100 ( kesalahan persentase pada periode ke-t)

t

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

Parameter α yang digunakan adalah α yang memberikan nilai MSE yang terkecil yang nilai α berkisar 0,1 sampai 0,9

t

BAB III

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.

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.

a. 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.

b. 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

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.

3.4.1 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.

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.

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 IV

ANALISIS DAN PENGOLAHAN DATA

4.1 Arti dan Kegunaan Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai berikut:

a. Membandingkan dua hal atau lebih variabel untuk mengetahui selisih atau rasionya, kemudian diambil kesimpulan.

b. Menguraikan atau memecahkan suatu keseluruhan menjadi komponen-komponen yang lebih kecil, untuk:

1. Mengetahui komponen yang menonjol.

2. Membandingkan antara komponen yang satu dengan komponen yang lain. 3. Membandingkan salah satu komponen dengan keseluruhan.

Analisa data dilakukan agar diperoleh hasil sesuai dengan yang diinginkan. Adapun data yang digunakan dalam peramalan ini adalah data PDRB Kota Sibolga Sektor Industri Pengolahan pada tahun 2005-2009. Untuk menganalisis data tersebut digunakan metode pemulusan (smoothing) eksponensial ganda satu parameter dari Brown, di mana datanya adalah sebagai berikut:

TABEL 4.1 Produk Domestik Regional Bruto (PDRB) Sektor Industri Kota Sibolga Tahun 2005-2009 (Jutaan Rupiah)

Tahun PDRB

2005

76.500,21 2006

84.843,77 2007

96.465,33 2008

110.039,28 2009

119.416,74 Sumber : Badan Pusat Statistik (BPS) Medan

Gambar 4.1 Grafik PDRB Kota Sibolga Sektor Industri Pengolahan Berdasarkan Harga Berlaku Tahun 2005-2009

0 20000 40000 60000 80000 100000 120000 140000

1 2 3 4 5

Grafik PRDB Kota Sibolga Sektor Industri Pengolahan Berdasarkan Harga Berlaku Tahun 2005 - 2009

Periode PDRB

4.2 Analisis Pemulusan Eksponensial Ganda Satu Parameter dari Brown

Dasar pemikiran dari pemulusan eksponensial dari Brown ini, hampir sama dengan rata-rata bergerak linear karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linear satu parameter dari Brown ini adalah:

S't = αX t + (1-α)S't -1

St" = αS't + (1-α)St"-1

at = 2S't - St"

bt = (S't - St")

Ft+m = at + btm

Jenis masalah ini muncul dalam setiap metode pemulusan (smoothing) eksponensial. Jika parameter pemulusan α tidak mendekati nol, pengaruh dari proses ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika α mendekati nol, proses inisialisasi tersebut dapat memainkan peranan nyata selama periode waktu yang panjang. Berikut ini akan dilakukan analisis data dengan metode pemulusan (smoothing) eksponensial dimulai dari parameter α = 0,1 sampai α = 0,9. Dari hasil analisis tersebut, galat atau kesalahannya (error) akan dibandingkan satu per satu dari α = 0,1 sampai α = 0,9, sehingga parameter α, yaitu antara α = 0,1 sampai α = 0,9 yang memiliki kesalahan (error) terkecil yang akan digunakan untuk meramalkan PDRB Kota Sibolga.

Tabel 4.2 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,1

Xt S't S"t at bt Ft+m e e2

76,500.21 76,500.21 76,500.21

84,843.77 77,334.57 76,583.65 78,085.49 83.44

96,465.33 79,247.64 76,850.05 81,645.24 266.40 78,168.92 18,296.41 334,758,516.43 110,039.28 82,326.81 77,397.72 87,255.89 547.68 81,911.64 28,127.64 791,164,141.53 119,416.76 86,035.80 78,261.53 93,810.07 863.81 87,803.57 31,613.19 999,393,938.40

TOTAL 2.125.316.596,36

Sumber : Perhitungan Untuk α = 0,1 , N = 5

Maka :

MSE = N

e

N t

t

∑

₌₁ 2

=

5

596,36 2.125.316.

= 425.063.319,27

Tabel 4.3 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,2

Xt S't S"t at bt Ft+m e e2

76,500.21 76,500.21 76,500.21

84,843.77 78,168.92 76,833.95 79,503.89 333.74

96,465.33 81,828.20 77,832.80 85,823.60 998.85 79,837.63 16,627.70 276,480,274.27 110,039.28 87,470.42 79,760.33 95,180.51 1,927.52 86,822.45 23,216.83 539,020,972.37

119,416.76 93,859.69 82,580.20 105,139.18 2,819.87 97,108.04 22,308.72 497,679,205.77

TOTAL 1.313.180.452,41

Sumber : Perhitungan Untuk α = 0,2 , N = 5

Maka :

MSE = N

e

N t

t

∑

₌₁ 2

=

5

452,41 1.313.180.

= 262.636.090,48

Tabel 4.4 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,3

Xt S't S"t at bt Ft+m e e2

76,500.21 76,500.21 76,500.21

84,843.77 79,003.28 77,251.13 80,755.43 750.92

96,465.33 84,241.89 79,348.36 89,135.43 2,097.23 81,506.35 14,958.98 223,771,202.31 110,039.28 91,981.11 83,138.18 100,824.03 3,789.83 91,232.66 18,806.62 353,689,076.19 119,416.76 100,211.80 88,260.27 112,163.34 5,122.09 104,613.86 14,802.90 219,125,857.88

TOTAL 796.586.136,38

Sumber : Perhitungan Untuk α = 0,3 , N = 5

Maka :

MSE = N

e

N t

t

∑

₌₁ 2

= 5 38 , 136 . 586 . 796

= 159.317.227,28

Tabel 4.5 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,4

Xt S't S"t at bt Ft+m e e2

76,500.21 76,500.21 76,500.21

84,843.77 79,837.63 77,835.18 81,840.09 1,334.97

96,465.33 86,488.71 81,296.59 91,680.83 3,461.41 83,175.06 13,290.27 176,631,329.83 110,039.28 95,908.94 87,141.53 104,676.35 5,844.94 95,142.25 14,897.03 221,921,645.83 119,416.76 105,312.07 94,409.75 116,214.39 7,268.21 110,521.29 8,895.47 79,129,454.84

TOTAL

477,682,430.50 Sumber : Perhitungan

Untuk α = 0,4 , N = 5 Maka :

MSE = N

e

N t

t

∑

₌₁ 2

=

5

0,50 477.682.43

= 95.536.486,10

Tabel 4.6 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,5

Xt S't S"t at bt Ft+m e e2

84,843.77 80,671.99 78,586.10 82,757.88 2,085.89

96,465.33 88,568.66 83,577.38 93,559.94 4,991.28 84,843.77 11,621.56 135,060,656.83 110,039.28 99,303.97 91,440.68 107,167.27 7,863.30 98,551.22 11,488.06 131,975,522.56 119,416.76 109,360.37 100,400.52 118,320.21 8,959.85 115,030.56 4,386.20 19,238,750.44

TOTAL 286.274.929,84

Sumber : Perhitungan Untuk α = 0,5 , N = 5

Maka :

MSE = N

e

N t

t

∑

₌₁ 2

=

5

9,84 286.274.92

= 57.254.985,97

Tabel 4.7 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,6

Xt S't S"t at bt Ft+m e e2

76,500.21 76,500.21 76,500.21

84,843.77 81,506.35 79,503.89 83,508.80 3,003.68

96,465.33 90,481.74 86,090.60 94,872.87 6,586.71 86,512.48 9,952.85 99,059,183.31 110,039.28 102,216.26 95,766.00 108,666.53 9,675.40 101,459.58 8,579.70 73,611,231.50 119,416.76 112,536.56 105,828.34 119,244.79 10,062.34 118,341.93 1,074.83 1,155,266.75

TOTAL 173.825.681,56

Sumber : Perhitungan Untuk α = 0,6 , N = 5

MSE = N e N t t

∑

₌₁ 2

=

5

1,56 173.825.68

= 34.765.136,31

Tabel 4.8 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,7

Xt S't S"t at bt Ft+m e e2

76,500.21 76,500.21 76,500.21

84,843.77 82,340.70 80,588.55 84,092.85 4,088.34

96,465.33 92,227.94 88,736.13 95,719.76 8,147.57 88,181.19 8,284.14 68,626,909.27 110,039.28 104,695.88 99,907.95 109,483.80 11,171.83 103,867.33 6,171.95 38,092,981.62 119,416.76 115,000.50 110,472.73 119,528.26 10,564.78 120,655.63 -1,238.87 1,534,802.64

TOTAL 108,254,693.52

Sumber : Perhitungan Untuk α = 0,7 , N = 5

Maka :

MSE = N

e

N t

t

∑

₌₁ 2

= 5 3,52 108.254.69 = 21.650.938,70

Tabel 4.9 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,8

Xt S't S"t at bt Ft+m e e2

76,500.21 76,500.21 76,500.21

84,843.77 83,175.06 81,840.09 84,510.03 5,339.88

96,465.33 93,807.28 91,413.84 96,200.71 9,573.75 89,849.91 6,615.42 43,763,834.70 110,039.28 106,792.88 103,717.07 109,868.69 12,303.23 105,774.46 4,264.82 18,188,665.75 119,416.76 116,891.98 114,257.00 119,526.97 10,539.93 122,171.92 -2,755.16 7,590,907.07

TOTAL 69,543,407.52

Sumber : Perhitungan Untuk α = 0,8 , N = 5

Maka :

MSE = N

e

N t

t

∑

₌₁ 2

=

5 ,52 69.543.407

= 13.908.681,50

Tabel 4.10 Pemulusan PDRB Kota Sibolga Berdasarkan Harga Berlaku Pada α = 0,9

Xt S't S"t at bt Ft+m e e2

76,500.21 76,500.21 76,500.21

84,843.77 84,009.41 83,258.49 84,760.33 6,758.28

96,465.33 95,219.74 94,023.61 96,415.86 10,765.12 91,518.62 4,946.71 24,469,959.61 110,039.28 108,557.33 107,103.95 110,010.70 13,080.34 107,180.98 2,858.30 8,169,860.60 119,416.76 118,330.82 117,208.13 119,453.50 10,104.18 123,091.04 -3,674.28 13,500,317.06

Sumber : Perhitungan Untuk α = 0,9 , N = 5

Maka :

MSE = N

e

N t

t

∑

₌₁ 2

=

5 ,27 46.140.137

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang memberikan MSE yang terkecil atau yang minimum. Perbandingan ukuran ketepatan metode peramalan PDRB sektor industri pengolahan Kota Sibolga dapat dilihat dari daftar MSE sebagai berikut:

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE

0,1

425.063.319,27

0,2 262.636.090,48

0,3 159.317.227,28

0,4 95.536.486,10

0,5 57.254.985,97

0,6 34.765.136,31

0,7 21.650.938,70

0,8

13.908.681,50

0,9 9.228.027,45

Sumber : Perhitungan

Dari tabel di atas, dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil atau yang paling minimum yaitu pada α = 0,9 yaitu dengan MSE = 9.228.027,45. Dan untuk meramalkan PDRB sektor industri pengolahan berdasarkan harga berlaku Kota Sibolga 2011 digunakan α =0,9

Tabel 4.12 Aplikasi Pemulusan (Smoothing) Eksponensial Linear Satu Parameter dari Brown

Menggunakan α = 0,9 pada Data PDRB Kota Sibolga Sektor Industri Pengolahan Berdasarkan Harga Berlaku

Periode Tahun Xt S't S"t at bt Ft+m e abs e e2

1 2000

76,500.21 76,500.21 76,500.21

2 2001

84,843.77 83,175.06 81,840.09 84,510.03 5,339.88

3 2002

96,465.33 93,807.28 91,413.84 96,200.71 9,573.75 89,849.91 6,615.42 6,615.42 43,763,834.70

4 2003

110,039.28 106,792.88 103,717.07 109,868.69 12,303.23 105,774.46 4,264.82 4,264.82 18,188,665.75

5 2004

119,416.76 116,891.98 114,257.00 119,526.97 10,539.93 122,171.92 -2,755.16 2,755.16 7,590,907.07

Total 8,125.08 13,635.40 69,543,407.52

Ukuran ketepatan Metode Peramalan dengan α = 0,9 : 1. ME (Mean Error) / Nilai Tengah Kesalahan

ME = N e N t t

∑

₌₁

= 5 73 , 130 . 4 = 826,15

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

MSE = N e N t t

∑

₌₁ 2 =

5 ,27 46.140.137

= 9.228.027,45

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

MAE = N e N t t

∑

₌₁

= 5 29 , 479 . 11 = 2.295,86

4. MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut MAPE = N PE N t t

∑

₌₁

, PEt = 100

    − t t t X F X

=

5 18 , 16

= 3,24

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

MPE = N

PE

N t

t

∑

₌₁

=

5 01 , 5

= 1,003

4.3 Penentuan Bentuk Persamaan Peramalan

Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0<α<1 dengan cara trial and error didapat perhitungan peramalan smoothing eksponensial linear satu parameter dari Brown dengan α = 0,9.

Perhitungan pada tabel 4.12 di atas didasarkan pada α = 0,9 dan ramalan untuk satu periode ke depan yaitu dalam perhitungan periode ke-6, serta gambar smoothing eksponensial linear satu parameter dari Brown.

Gambar 4.2 Plot Pemulusan Peramalan dengan α = 0,9

Seperti yang sudah dijelaskan pada bab 2 (tinjauan teoritis) persamaan yang dipakai dalam perhitungan peramalan ini 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 = 1 −

αα

(

S't−S ''t

)

Ft+m = at + btm

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

Ft+m = 119.453,50 + (10.104,18) (m)

4.4 Peramalan PDRB Kota Sibolga Sektor Industri Pengolahan Berdasarkan Harga Berlaku

-20.000,00 40.000,00 60.000,00 80.000,00 100.000,00 120.000,00 140.000,00

1 2 3 4 5

Data Asli

Pemulusan Pertama Pemulusan Kedua Ramalan

Setelah diketahui bahwa error yang didapat pada model peramalan bersifat random maka dilakukan Peramalan PDRB Kota Sibolga Sektor Industri 2010-2012 dengan menggunakan persamaan :

Ft+m = 19.204,61 + (103,07) (m)

Setelah diperoleh model peramalan PDRB Kota Sibolga Sektor Industri maka dapat dihitung untuk 3 periode ke depan, yaitu untuk tahun 2010-2012 seperti di bawah ini :

a. Untuk Periode 6 (tahun 2010)

Ft+m = 119.453,50 + (10.104,18) (m)

F5+1 = 119.453,50 + (10.104,18) (1)

F6 = 129.557,68

b. Untuk Periode 7 (tahun 2011)

Ft+m = 119.453,50 + (10.104,18) (m)

F5+2 = 119.453,50 + (10.104,18) (2)

F7 = 139.661,86

c. Untuk Periode 8 (tahun 2012)

Ft+m = 119.453,50 + (10.104,18) (m)

F5+3 = 119.453,50 + (10.104,18) (3)

Tabel 4.13 Peramalan PDRB Kota Sibolga Sektor Industri Pengolahan Berdasarkan Harga Berlaku

Tahun Periode Peramalan (Forecasting)

2010 11 129.557,68

2011 12 139.661,86

2012 13 149.766,04

Sumber : Perhitungan

BAB V

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 baru yang diperbaiki

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data dalam karya tulis ini, penulis menggunakan satu software (perangkat lunak) sebagai implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil perhitungan.

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.

Dan dengan adanya software (perangkat lunak), diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, menghemat waktu dan tenaga dengan tingkat kesalahan yang relatif kecil.

5.2 Micrrosoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. Excel merupakan salah satu software pengolah angka yang cukup banyak digunakan di dunia. Excel merupakan program unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai dari versi 4, versi 5, versi 97, versi 2000, versi 2002, versi 2003, dan versi 2007.

Sheet atau lembar kerja Excel terdiri dari 256 kolom dan 65.536 baris. Kolom diberi nama dengan huruf mulai dari A, B, C, … , Z kemudian dilanjutkan AA, AB, AC, … , sampai kolom IV. Sedangkan baris ditandai dengan angka mulai 1, 2, 3, … , 65.536.

5.3 Membuka Microsoft Excel

Langlah – langakah untuk masuk ke program Ms. Excel, adalah: a. Klik Start yang ada pada taskbar

b. Klik Menu All programs c. Klik menu Microsoft Office d. Klik Microsft Office Excel 2007

e. Maka, tampilan Microsoft Excel akan muncul

Tampilan Microsoft Excel dapat dilihat pada gambar 5.1

Gambar 5.1 Tampilan Cara Mengaktifkan Microsoft Excel

5.4 Lembar Kerja Microsoft Excel

Setelah masuk ke dalam program Ms. Excel 2007, maka akan tampil lingkungan kerja (workspace) Microsoft Excel, seperti pada gambar berikut:

Gambar 5.2 Tampilan Lembar Kerja Microsoft Excel 2007

Gambar 5.2 Tampilan Lembar Kerja Microsoft Excel 2007

1.5 Implementasi Sistem Peramalan PDRB Sektor Industri Pengolahan Kota Sibolga

Melalui Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown data - data tiap tahun PDRB Kota Sibolga diolah dalam Microsoft Excel. Oleh karena itu, data-data tersebut harus diketik pada worksheet atau lembar kerja Excel dengan langkah-langkah sebagai berikut :

a. Pada kolom pertama atau sel A1 ketik Tahun

b. Isi kolom dibawah sel A1 dengan tahun 2005 -2009 yakni pada sel A2 sampai sel A6

c. Pada kolom kedua atau sel B1 ketik PDRB

d. Isi kolom di bawah sel B1dengan data-data PDRB Kota Sibolga berdasarkan harga berlaku.

Tampilannya adalah sebagai berikut :

Gambar 5.3 Tampilan Data PDRB Dalam Microsoft Excel

Gambar 5.3 Tampilan Data PDRB dalam Microsoft Excel

Dan untuk perhitungan peramalan PDRB tersebut, tabel di atas harus dilengkapi dengan pemberian nama tiap kolom sebagai berikut:

a. Pada kolom ketiga ketik (Sel C1) diketik S't b. Pada kolom keempat (sel D1) ketik S"t c. Pada kolom kelima (sel E1) ketik at

d. Pada kolom keenam (sel F1) ketik bt

e. Pada kolom ketujuh (sel G1) ketik Ft+m

f. Pada kolom kedelapan (sel H1) ketik e g. Pada kolom kesembilan (sel I1) ketik e2

Maka perhitungan masing masing untuk pemulusan pertama (S't), pemulusan kedua (S"t), at , bt, peramalan (Ft+m), error (e), dan e2 adalah sebagai berikut:

a. Pemulusan Pertama (S't)

Untuk tahun pertama (tahun 2005), pemulusan pertamanya sama dengan tahun pertama (tahun 2005) data sebenarnya. Atau dengan kata lain pemulusan pertama tahun 2005 sama besar dengan data sebenarnya untuk tahun 2005. Sedangkan untuk periode kedua (tahun 2006) yaitu pada sel C3 dapat dihitung dengan rumus = 0,9 * B3 + (1 – 0,9) * C2.

Dalam kasus ini, pada sel C3 dihasilkan angka : 84.009,41. Untuk periode ketiga sampai periode sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel C3.

Untuk tahun pertama (tahun 2005), pemulusan keduanya sama dengan tahun pertama (tahun 2005) data sebenarnya. Atau dengan kata lain pemulusan kedua tahun 2005 sama besar dengan data sebenarnya untuk tahun 2005. Sedangkan untuk periode kedua (tahun 2006) yaitu pada sel D3 dapat dihitung dengan rumus = 0,9 * C3 + (1 – 0,9) * D2.

Dalam kasus ini, pada sel D3 dihasilkan angka : 83.258,49. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel D3.

c. Perhitungan Nilai at

Nilai a yang dicari adalah nilai a mulai periode kedua (sel E3) yaitu pada tahun 2006. Rumus yang di gunakan untuk sel E3 (nilai a pada tahun 2006) adalah = (2*C3)-D3

Dalam kasus ini, pada sel E3 dihasilkan angka 84.760,33. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel E3.

d. Perhitungan Nilai bt

Nilai b yang dicari adalah nilai b mulai periode kedua (sel F3) yaitu pada tahun 2006. Rumus yang di gunakan untuk sel F3 (nilai b pada tahun 2006) adalah =

Dalam kasus ini, pada sel F3 dihasilkan angka 6.758,28. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel F3.

Nilai Ramalan yang dicari adalah nilai ramalan mulai periode ketiga (sel G4) yaitu pada tahun 2006. Rumus yang di gunakan untuk sel G4 (nilai Ramalan pada tahun 2007) adalah = E3 + F3

Dalam kasus ini, pada sel G4 dihasilkan angka 91.518,62. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel G4.

f. Perhitungan Error (e)

Nilai Error yang dicari adalah nilai error mulai periode ketiga (sel H4) yaitu pada tahun 2006. Rumus yang di gunakan untuk sel H4 (e pada tahun 2007) adalah = B4 – G4.

Dalam kasus ini, pada sel H4 dihasilkan angka 49.46,71 . Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel H4.

g. Perhitungan Square Error (e2)

Nilai e2 yang dicari adalah nilai e2 mulai periode ketiga (sel I4) yaitu pada tahun 2001. Rumus yang di gunakan untuk sel I4 (e2 pada tahun 2002) adalah = H4 ^2.

Dalam kasus ini, pada sel I4 dihasilkan angka 8.375.657.440,63. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel I4.

BAB VI

PENUTUP

6.1 Kesimpulan

Kesimpulan yang dapat dikemukakan dalam perhitungan peralaman PDRB sektor industri pengelohan Kota Sibolga adalah sebagai berikut :

1. Dari plot data dapat dilihat bahwa nilai PDRB sektor industri pengolahan Kota Sibolga cenderung meningkat dari tahun ke tahun.

2. Nilai ramalan PDRB sektor industri pengolahan berdasarkan harga berlaku Kota Sibolga pada tahun 2012 adalah sebesar 149.766,04

3. Dari hasil peramalan PDRB kota Sibolga, maka masih sangat releavan apabila sektor industri pengolahan dijadikan sebagai kontributor utama yang menggerakkan perekonomian Kota Sibolga karena nilainya cenderung naik dari tahun ke tahun.

6.2 Saran

Ada pun saran yang dapat dikemukakan penulis adalah :

1. Seiring dengan peningkatan PDRB sektor industri pengolahan diharapkan dapat meningkatkkan pendapatan perkapita masyarakat sehingga taraf hidup masyarakan Kota Sibolga akan meningkat pula.

2. Dengan adanya peramalan PDRB sektor industri pengolahan Kota Sibolga diharapkan Pemerintah maupun Swasta dapat memacu pertumbuhan pendapatan PDRB khususnya sektor industri pengolahan.

3. Diharapkan kepada Badan Pusat Statistik (BPS) agar dapat memberikan data-data mengenai PDRB yang lebih akurat dan terpercaya untuk kepentingan masyarakat luas.

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

BPS. 2006. Sibolga Dalam Angka 2006. Badan Pusat Statistik. BPS. 2009. Sibolga Dalam Angka 2009. Badan Pusat Statistik.

Makridakis, Spyros. 1993. Metode dan Aplikasi Peramalan. Jakarta : Erlangga Sugiarto, Harijono.2000. Peramalan Bisnis. Jakarta: PT Gramedia Pustaka Utama

Untuk tahun pertama (tahun 2005), pemulusan keduanya sama dengan tahun pertama (tahun 2005) data sebenarnya. Atau dengan kata lain pemulusan kedua tahun 2005 sama besar dengan data sebenarnya untuk tahun 2005. Sedangkan untuk periode kedua (tahun 2006) yaitu pada sel D3 dapat dihitung dengan rumus = 0,9 * C3 + (1 – 0,9) * D2.

Dalam kasus ini, pada sel D3 dihasilkan angka : 83.258,49. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel D3.

c. Perhitungan Nilai at

Nilai a yang dicari adalah nilai a mulai periode kedua (sel E3) yaitu pada tahun 2006. Rumus yang di gunakan untuk sel E3 (nilai a pada tahun 2006) adalah = (2*C3)-D3

Dalam kasus ini, pada sel E3 dihasilkan angka 84.760,33. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel E3.

d. Perhitungan Nilai bt

Nilai b yang dicari adalah nilai b mulai periode kedua (sel F3) yaitu pada tahun 2006. Rumus yang di gunakan untuk sel F3 (nilai b pada tahun 2006) adalah =

Dalam kasus ini, pada sel F3 dihasilkan angka 6.758,28. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel F3.

Nilai Ramalan yang dicari adalah nilai ramalan mulai periode ketiga (sel G4) yaitu pada tahun 2006. Rumus yang di gunakan untuk sel G4 (nilai Ramalan pada tahun 2007) adalah = E3 + F3

Dalam kasus ini, pada sel G4 dihasilkan angka 91.518,62. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel G4.

f. Perhitungan Error (e)

Nilai Error yang dicari adalah nilai error mulai periode ketiga (sel H4) yaitu pada tahun 2006. Rumus yang di gunakan untuk sel H4 (e pada tahun 2007) adalah = B4 – G4.

Dalam kasus ini, pada sel H4 dihasilkan angka 49.46,71 . Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel H4.

g. Perhitungan Square Error (e2)

Nilai e2 yang dicari adalah nilai e2 mulai periode ketiga (sel I4) yaitu pada tahun 2001. Rumus yang di gunakan untuk sel I4 (e2 pada tahun 2002) adalah = H4 ^2.

Dalam kasus ini, pada sel I4 dihasilkan angka 8.375.657.440,63. Untuk periode ketiga sampai periode Sembilan yang perlu dilakukan adalah menyalin rumus yang ada pada sel I4.

BAB VI

PENUTUP

6.1 Kesimpulan

Kesimpulan yang dapat dikemukakan dalam perhitungan peralaman PDRB sektor industri pengelohan Kota Sibolga adalah sebagai berikut :

1. Dari plot data dapat dilihat bahwa nilai PDRB sektor industri pengolahan Kota Sibolga cenderung meningkat dari tahun ke tahun.

2. Nilai ramalan PDRB sektor industri pengolahan berdasarkan harga berlaku Kota Sibolga pada tahun 2012 adalah sebesar 149.766,04

3. Dari hasil peramalan PDRB kota Sibolga, maka masih sangat releavan apabila sektor industri pengolahan dijadikan sebagai kontributor utama yang menggerakkan perekonomian Kota Sibolga karena nilainya cenderung naik dari tahun ke tahun.

6.2 Saran

Ada pun saran yang dapat dikemukakan penulis adalah :

1. Seiring dengan peningkatan PDRB sektor industri pengolahan diharapkan dapat meningkatkkan pendapatan perkapita masyarakat sehingga taraf hidup masyarakan Kota Sibolga akan meningkat pula.

2. Dengan adanya peramalan PDRB sektor industri pengolahan Kota Sibolga diharapkan Pemerintah maupun Swasta dapat memacu pertumbuhan pendapatan PDRB khususnya sektor industri pengolahan.

3. Diharapkan kepada Badan Pusat Statistik (BPS) agar dapat memberikan data-data mengenai PDRB yang lebih akurat dan terpercaya untuk kepentingan masyarakat luas.

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

BPS. 2006. Sibolga Dalam Angka 2006. Badan Pusat Statistik. BPS. 2009. Sibolga Dalam Angka 2009. Badan Pusat Statistik.

Makridakis, Spyros. 1993. Metode dan Aplikasi Peramalan. Jakarta : Erlangga Sugiarto, Harijono.2000. Peramalan Bisnis. Jakarta: PT Gramedia Pustaka Utama