Analisis Jumlah Calon Mahasiswa Baru Tahun 2010 Di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara

(1)

ANALISIS JUMLAH CALON MAHASISWA BARU TAHUN

2010 DI FAKULTAS EKONOMI UNIVERSITAS

MUHAMMADIYAH SUMATERA UTARA.

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

AULIA ZAMZAM

072407044

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2010

(2)

PERSETUJUAN

Judul : PERAMALAN JUMLAH CALON MAHASISWA BARU TAHUN 2010 DI FAKULTAS EKONOMI UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA MEDAN

Kategori : TUGAS AKHIR

Nama : AULIA ZAMZAM

NIM : 072407044

Program Studi : D3 STATISTIK Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN

Diluluskan di Medan, Juni 2010

Diketahui/Disetujui oleh

Departemen Matematika FMIP USU

Ketua, Pembimbing

Dr. Saib Suwilo, M.Sc Drs. Pasukat Sembiring, M.Si NIP. 19640109 198803 1 004 NIP.19531113 198503 1 002

(3)

PERNYATAAN

PERAMALAN JUMLAH CALON MAHASISWA TAHUN 2010 DI FAKULTAS EKONOMI UNIVERSITAS SUMATERA UTARA

MEDAN

TUGAS AKHIR

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

Medan, Juli 2010

AULIA ZAMZAM 072407044

(4)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepeda Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah kurnia-Nya kertas kajian ini berhasil diselesaikan dalam waktu yang telah ditentukan.

Ucapan terima kasih saya sampaikan kepada Drs. Pasukat Sembiring, M.Si selaku pembimbing pada penyelesaian tugas akhir ini yang telah memberikan panduan dan penuh kepercayaan kepada saya untuk menyempurnakan kajian ini. Panduan ringkas dan padat dan profesional telah diberikan kepada saya agar penulis dapat menyelesaikan tugas ini. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Departemen Dr. Saib Suwilo, M.Sc. dan Drs. Henry Rani Sitepu, M.Si, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua dosen pada Departemen Matematika FMIPA USU, pegawai di FMIPA USU, dan rekan-rekan kuliah. Akhirnya, tidak terlupakan kepada bapak, ibu dan semua ahli keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

(5)

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Daftar Isi iii

Bab 1 Pendahuluan 1

1.1. Latar Belakang 1

1.2. Rumusan Masalah 5

1.3. Batasan Masalah 6

1.4. Tujuan Penelitian 6

1.5. Manfaat Penelitian 6

1.6. Tinjauan Pustaka 7

1.7. Sistematika Penulisan 8

Bab 2 Landasan Teori

2.1. Peramalan 10

2.1.1. Hubungan Forecast dengan Rencana 10

2.1.2. Defenisi dan Tujuan Peramalan 10

2.1.3. Proses Peramalan 11

2.2. Gambaran Umum Calon Mahasiswa Baru 13

Dan Bagian Umum UMSU

2.3. Data Time Series 14

2.4. Peramalan Dengan Penghalusan 16

2.5. Peramalan Dengan Rata-rata Bergerak 16

2.6. Peramalan Dengan Metode Penghalusan Eksponensial 18

2.7. Metode Smoothing yang Digunakan 19

2.9. Ketepatan Ramalan 21

Bab 3 Sejarah Tempat Riset

3.1. Sejarah Universitas Muhammadiyah Sumatera Utara 23 3.2. Visi dan Misi

3.2.1 Visi 25

3.2.2 Misi 25

3.3. Tujuan Dan Kompetensi

3.3.1 Tujuan 26

3.3.2 Kompetensi 26

3.4. Staff Dan Dosen 28

3.5 Fasilitas 30

3.6 Lambang UMSU 33

3.7 Struktur Pimpinan 35

Bab 4 Analisis Data

4.1. Arti Analisis Data 40

4.2. Analisis Pemulusan Eksponensial Ganda 40 4.3. Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown 43

4.3.1. Penaksiran Model Peramalan 43

(6)

4.4. Peramalan Jumlah Calon Mahasiswa Baru 59 Bab 5 Implementasi Sistem

5.1. Pengertian Implementasi Sistem 60

5.2. Microsoft Excel 61

5.3. Langkah Langkah Memulai Pengolahan Data dengan Excel 62

5.4. Menghitung Ketepatan Peramalan 65

5.5. Hasil Dalam Metode Pemulusan Eksponensial dari Brown 66

5.6. Pembuatan Grafik 67

Bab 6 Kesimpulan dan Saran

6.1. Kesimpulan 68

6.2. Saran 69

Daftar Pustaka 68

(7)

DAFTAR TABEL

Halaman Tabel 4.1. Data Jumlah Nilai Penjualan Karet Pada PT. Perkebunan

Nusantara III Tahun 2008-2009 (US $) ... 51 Table 4.2 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown = 0,1 ... 53 Table 4.3 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown = 0,2 ... 54 Table 4.4 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu ParameterDari Brown = 0,3 ... 55 Table 4.5 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown = 0,4 ... 57 Table 4.6 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown = 0,5 ... 58 Table 4.7 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown = 0,6 ... 59 Table 4.8 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown = 0,7 ... 61 Table 4.9 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown =0,8 ... 62 Table 4.10 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown = 0,9 ... 63 Table 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan ... 65 Tabel 4.12 Peramalan Volume Penjualan Karet dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari Brown = 0,2 ... 66 Tabel 4.13 Perhitungan Ukuran Relatif Galat ... 67 Tabel 4.14 Peramalan Volume Penjualan Karet Pada PT. Perkebunan

(8)

(9)

(10)

DAFTAR GAMBAR

Halaman

Gambar 4.1 Plot Data Penjualan Karet Tahun 2008-2009 ... 51

Gambar 4.2 Nilai Aktual dan Peramalan Karet ... 67

Gambar 5.1 Tampilan Awal Layar Komputer ... 81

Gambar 5.2 Tampilan Lembar Kerja Excel ... 82

Gambar 5.3 Tampilan Lembar Kerja Excel dalam menentukan besarnya Peramalan ... 82

(11)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Ekomoni adalah salah satu hal yang terpenting untuk dipelajari. Karena ekonomi

merupakan suatu pengetahuan dan ilmu yang menyangkut kehidupan manusia di dunia.

Ekonomi juga menentukan kehidupan manusia, apakah manusia tersebut hidup sejahtera atau

tidak. Semua kalangan harus memahami ilmu ekonomi, baik secara mendalam maupun hanya

secara garis besarnya saja, tergantung kebutuhan individu masing-masing.

Kehidupan di dunia ini tak terlepas dari ekonomi, karena ekonomi yang mengatur

keuangan di dunia ini, dan keuangan juga tidak terlepas dari kehidupan manusia. Setiap

kehidupan berhubungan dengan ekonomi, mulai dari rumah tangga, perusahaan sampai

rumah tangga negara pun mempunyai urusan di bidang ekonomi.

Dalam dunia pendidikan, ekonomi pun termasuk salah satu program bidang studi,

dimulai dari Sekolah Menengah Pertama,Sekolah Menengah Atas\umum dan kejuruan,

sampai Perguruan Tinggi.

Di dalam perguruan tinggi ,ekonomi dipelajari lebih khusus lagi,yang terdapat di satu

fakultas dan terbagi lagi di beberapa jurusan,karena ekonomi terbagi lagi dalam beberapa

bidang. Mahasiswa tinggal memilih jurusan apa yang mau di pelajarinya secara khusus.

Setiap mahasiswa pasti menginginkan masuk perguruan tinggi negeri, namun untuk masuk ke

PTN harus melalui ujian yang lumayan sulit, selain itu juga setiap calon mahasiswa harus

(12)

bersaing dengan beribu-ribu calon mahasiswa lainnya. Sementara yang diterima di PTN

dalam jumlah yang sedikit. Walaupun demikian, PTN bukanlah satu-satunya universitas yang

ada, tentu masih ada Perguruan Tinggi Swasta yang tidak kalah kualitasnya dengan PTN.

Perguruan Tinggi Swasta bukan hanya ada satu di provinsi Sumatera Utara, ada

banyak Perguruan Tinggi Swasta di Provinsi Sumatera Utara, salah satunya adalah

Universitas Muhammadiyah Sumatera Utara. Dan tentu saja UMSU tidak berdiri sendiri

sebagai Perguruan Tinggi Swasta di provinsi Sumatera Utara. Dengan banyaknya jumlah

Perguruan Tinggi Swasta di provinsi Sumatera Utara, besar pula persaingan antara Perguruan

Tinggi Swasta tersebut.

Dalam persaingan tersebut, masing-masing perguruan Tinggi Swasta telah

mempersiapkan segala sesuatunya untuk menghadapi persaingan tersebut, yaitu

meningkatkan kualitas PTS itu sendiri. Universitas Muhammadiyah Sumatera Utara pun

adalah salah satu Perguruan Tinggi Swasta yang memiliki kualitas yang bagus. Banyak calon

mahasiswa yang berminat untuk masuk ke universitas tersebut. Dilihat dari data yang penulis

peroleh dari bagian Umum universitas, jumlah mahasiswa di Universitas tersebut terus

meningkat, khususnya di fakultas Ekonomi.

Dalam ilmu ekonomi, statistika merupakan ilmu pengetahuan yang penting sekali

peranannya dalam melakukan analisis. Dengan menggunakan ilmu statistika untuk

menganalisis peristiawa atau gejala ekonomi maka hubungan-hubungan antara berbagai

faktor ekonomi bisa dinyatakan secara lebih singkat dan jelas, perubahan-perubahan mudah

dilukiskan dan dihitung. Penerapan statistika pada teori ekonomi dapat menunjukkan

kemungkinan-kemungkinan yang ada pada suatu perkembangan perekonomian.

(13)

Teori statistika merupakan cabang matematika terapan (applied mathematic).

Teorinya berakar pada salah satu bidang ilmu matematika murni yang dikenal dengan nama

teori probabilitas.

Perkembangan statistik sebagai metode ilmiah telah mempengaruhi hampir setiap

aspek kehidupan manusia modern. Pada abad ini, manusia sadar atau tidak sadar, suka

berfikir secara kuantitatif. Keputusan-keputusan yang diambil atas dasar hasil analisis dan

interpretasi data kuantitatif. Dalam hal demikian itu, metode statistik mutlak dibutuhkan

sebagai peralatan analisis dan interpretasi data kuantitatif. Peranan metode statistik dalam

pengambilan keputusan secara ekonomis di perguruan tinggi maupun di

perusahaan-perusahaan yang sifatnya nonekonomis makin besar.

Forecasting

(peramalan) adalah suatu unsur yang sangat penting dalam pengambilan

keputusan. Suatu dalil yang dapat diterima menyatakan bahwa semakin baik ramalan tersedia

untuk pimpinan, semakin baik pula prestasi kerja mereka sehubungan dengan keputusan yang

mereka ambil.

Ramalan yang dilakukan umumnya akan berdasarkan pada data masa lampau yang

dianalisis dengan menggunakan cara-cara tertentu. Data masa lampau dikumpulkan,

dipelajari, dan dianalisis dihubungkan dengan perjalanana waktu. Karena adanya faktor

waktu itu, maka dari hasil analisis tersebut kita mencoba mengatakan sesuatu yang akan

terjadi dimasa mendatang. Jelas dalam hal tersebut kita berhadapan dengan ketidakpastian

sehingga akan ada faktor akurasi atau keseksamaan yang harus diperhitungkan. Akurasi suatu

ramalan berbeda untuk setiap persoalan dan berbagai faktor, yang jelas tidak akan selalu

didapatkan hasil ramalan dengan ketepatan 100%.

(14)

Itu tidak berarti bahwa ramalan menjadi percuma. Malahan sebaliknya terbukti,

bahwa ramalan telah banyak digunakan dan membantu dengan baik dalam berbagai

manajemen sebagai dasar-dasar perencanaan, pengawasan, dan penagmbilan keputusan.

Salah satu diantaranya peramalan (forecasting)

jumlah calon mahasiswa baru di suatu

perguruan tinggi.

Untuk keperluan analisis peramalan

(forecasting), ada tiga model yang dikenal, yaitu

model ekonometrika, model deret berkala, dan model ramalan kualitatif. Model ramalan

penghalusan eksponensial

(exponential smoothing)

merupakan salah satu model ramalan data

berkala (time series).

Beberapa keunggulan metode penghalusan eksponensial (exponential smoothing)

dibandingkan dengan metode tradisional adalah :

1. data-data selalu dioperasikan dengan efisien;

2. hanya membutuhkan sedikit data dari satu waktu ke waktu berikutnya;

3. dapat dimodifikasi untuk mengolah data yang berisi trend tertentu atau pola

musiman;

4. dapat digunakan dengan biaya murah baik secara manual maupun dengan komputer.

Dengan makin meningkatnya kualitas masyarakat kampus, makin meningkat pula

kebutuhan masyarakat terhadap pendidikan. Untuk memenuhi peningkatan kebutuhan

masyarakat tersebut, didirikan Perguruan Tinggi Swasta (PTS) yakni Universitas

Muhammadiyah Sumatera Utara.

Kemajuan suatu perguruan tinggi dipengaruhi oleh besar kecilnya kualitas kelulusan.

Dilihat dari jumlah calon mahasiswa baru di Fakultas Ekonomi Universitas Muhammadiyah

(15)

Sumatera Utara mempunyai skala peminat yang cukup besar. Peramalan jumlah calon

mahasiswa baru tahun 2010 merupakan salah satu hal yang sangat penting dalam

pengambilan keputusan di sebuah perguruan tinggi. Bagi pihak perguruan tinggi peramalan

ini berfungsi untuk menentukan prioritas serta berapa jumlah mahasiswa yang akan diterima.

Berdasarkan uraian di atas, maka penulis mengambil judul Peramalan Jumlah Calon Mahasiswa Baru Pada Tahun 2010 di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara .

1.2. Rumusan Masalah

Dari uraian di atas, permasalahan yang diteliti adalah berapa jumlah calon mahasiswa baru pada tahun 2010 di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara pada tahun 2010 jika dianalisis dengan menggunakan metode penghalusan eksponensial (exponential smoothing)?

1.3. Batasan Masalah

Dalam penulisan tugas akhir ini pembahasan dibatasi pada metode

Smoothing

sampai

double exponential smoothing, untuk meramalkan jumlah calon mahasiswa baru tahun 2010

di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara yang diperoleh di Bagian

Umum Fakultas Ekonomi.

1.4. Tujuan Penelitian

Tujuan penelitian ini adalah untuk menganalisis penggunaan metode penghalusan eksponensial (exponential smoothing) untuk peramalan (forecasting) jumlah calon mahasiswa baru tahun 2010 di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara.

(16)

1.5. Manfaat Penelitian

Adapun manfaat dalam penelitian ini adalah :

a. Sebagai sumber ilmu pengetahuan yang dapat dijadikan bahan acuan untuk perluasan wawasan dan mengaplikasikan yang didapat di bangku kuliah.

b. Sebagai bahan studi kasus bagi pembaca dan acuan bagi mahasiswa, terutama bagi yang ingin melakukan penelitian sejenis, juga menambah khasanah perpustakaan yang akan berguna bagi pembaca.

c. Sebagai bahan pertimbangan dalam mengambil suatu keputusan, sehingga dapat digunakan sebagai bahan anlisis, terutama untuk mengetahui seberapa besar jumlah calon mahasiswa baru tahun 2010 di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara.

1.6. Tinjauan Pustaka

Teori penunjang yang digunakan untuk mewujudkan tulisan ini adalah :

1. Metode dan Aplikasi Peramalan Edisi ke II oleh Spyros Makridankis

Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang. Dengan sendirinya terjadi perbedaan antara forecast dengan rencana. Forecast adalah peramalan apa yang akan terjadi, tetapi belum tentu bisa dilaksanakan oleh perguruan tinggi atau perusahaan. Rumus yang digunakan dalam metode Brown s One Parameter Linier Exponensial Smoothing yaitu sebagai berikut :

= _{+ (} ₎

" ₌ _{+ (} ₎ "

= "

= ( "₎

(17)

Dimana :

St= Smoothing pemulusan eksponensial tunggal periode t

S

_{= Smoothing eksponensial ganda periode t}

= Parameter Pemulusan eksponensial

at.bt= Konstanta pemulusan

Ft+m= Ramalan untuk m periode ke muka

1.7. Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini, yaitu sebagai berikut :

BAB I : PENDAHULUAN

Pada Bab ini berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan dan manfaat, lokasi penelitian, metode analisis yang digunakan, serta sistematika penulisan.

BAB 2 : TINJAUAN TEORITIS

Pada Bab ini berisi tentang pengertian peramalan, kegunaan dan peran peramalan, jenis peramalan, pemilihan teknik dan metode peramalan, analisis deret berkala, penentuan pola data, metode pemulusan yang digunakan dan ketepatan ramalan. BAB 3 : SEJARAH TEMPAT RISET.

Pada Bab ini menjelaskan tentang sejarah Universitas Muhammadiyah Sumatera Utara.

BAB 4 : ANALISA DATA

Dalam bab ini dilakukan analisa data dengan perhitungan meramalkan jumlah calon mahasiswa baru.

(18)

BAB 5 : IMPLEMENTASI SISTEM

Bab ini membahas tentang software yang digunakan dalam analisa data serta cara penggunaan dari software yang dipakai

BAB 6 : KESIMPULAN DAN SARAN

Pada bab ini berisikan tentang kesimpulan dan saran dari hasil pembahasan sebelumnya .

(19)

BAB 2

LANDASAN TEORI

2.1 Peramalan

(forecasting)

2.1.1. Hubungan

Forecast

dengan Rencana

Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang,

sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang

(Subagyo, 1986: 3). Dengan sendirinya terjadi perbedaan antara forecast dengan rencana.

Forecast adalah peramalan apa yang akan terjadi, tetapi belum tentu bisa dilaksanakan oleh

perguruan tinggi atau perusahaan.

2.1.2. Definisi dan Tujuan Peramalan (forecasting)

Peramalan (forecasting) adalah suatu usaha untuk meramalkan keadaan dimasa

mendatang melalui pengujian keadaan di masa lalu (Handoko, 1984: 260). Dalam kehidupan

sosial segala sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat. Dalam hal ini perlu

diadakan forecast. Peramalan (forecasting) yang dibuat selalu diupayakan agar dapat

meminimumkan pengaruh ketidakpastian ini terhadap Perguruan Tinggi UMSU.

Dengan kata lain peramalan (forecasting) bertujuan mendapatkan forecast yang bisa

meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan

Mean

Squared Error,

Mean Absolute Error, dan sebagainya (Subagyo, 1986:4).

(20)

Proses peramalan (forecasting) biasanya terdiri dari langkah-langkah sebagai berikut.

(Handoko, 1984: 260).

a. Penentuan Tujuan

Analis mengatakan dengan para pembuat keputusan dalam perguruan tinggi untuk

mengetahui apa kebutuhan-kebutuhan mereka, dan menentukan:

1) variabel-variabel yang akan diestimasi.

2) siapa yang akan menggunakan hasil peramalan.

3) untuk tujuan-tujuan apa hasil peramalan akan digunakan.

4) estimasi jangka panjang atau jangka pendek yang diinginkan.

5) derajat ketepatan estimasi yang diinginkan.

6) kapan estimasi dibutuhkan.

7) bagian-bagian yang diinnginkan, seperti peramalan untuk kelompok pembeli, kelompok

produk atau daerah geografis.

b. Penggunaan Model

Setelah tujuan ditetapkan, langkah berikutnya adalah mengembangkan model, yang

merupakan penyajian secara lebih sederhana sistem yang dipelajari. Dalam peramalan, model

adalah suatu kerangka analitik yang apabila dimasukkan data akan menghasilkan estimasi

jumlah calon mahasiswa baru diwaktu mendatang (atau variabel apa saja yang diramal).

Analis hendaknya memilih suatu model yang menggambarkan secara realitis perilaku

variabel-variabel yang dipertimbangkan.

Sebagai contoh, bila suatu perguruan tinggi ingin meramalkan jumlah calon

mahasiswa baru yang polanya berbentuk linier, model yang dipilih mungkin

Y

= a + bX,

dimana menunjukkan besarnya jumlah calon mahasiswa baru, X menunjukkan unit waktu,

(21)

serta a dan b adalah parameter-parameter yang menggambarkan posisi dan dan kemiringan

garis pada grafik.

Y

c. Pengujian Model

Sebelum diterapkan, model biasanya diuji untuk menentukan tingkat akurasi,

validitas, dan reliabilitas yang diharapkan. Ini sering mencakup penerapannya pada data

historik, dan penyiapan estimasi untuk tahun-tahun sekarang dengan data nyata yang tersedia.

Nilai suatu model ditentukan oleh derajat ketepatan hasil peramalan dengan data aktual.

d. Penerapan Model

Setelah pengujian, analis menerapkan model dalam tahap ini, data historis

dimasukkan dalam model untuk menghasilkan suatu ramalan. Dalam kasus model calon

mahasiswa baru,

Y= a + bX, analis menerapkan teknik-teknik matematika agar diperoleh a

dan b.

e. Revisi dan Evaluasi

Ramalan-ramalan yang telah dibuat harus senantiasa diperbaiki dan ditinjau kembali.

Perbaikan mungkin perlu dilakukan karena adanya perubahan-perubahan dalam perguruan

tinggi atau lingkungan, seperti tingkat biaya masuk perguruan tinggi, jumlah kelulusan di

tingkat SMU, tingakt jumlah perguruan tinggi, jumlah jurusan/program studi baru yang ada di

perguruan tinggi, pengeluaran-pengeluaran pengiklanan atau pamflet, kebijakan moneter dan

kemajuan teknologi.

Evaluasi, di pihak lain, merupakan perbandingan ramalan-ramalan dengan hasil-hasil

nyata untuk menilai ketepatan penggunaan metodelogi atau teknik peramalan. Langkah ini

diperlukan untuk menjaga kualitas estimasi-estimasi diwaktu yang akan datang.

(22)

2.2. Gambaran Umum Tentang Calon Mahasiswa Baru dan Bagian Umum UMSU

1. Calon Mahasiswa Baru

Calon mahasiswa baru merupakan orang yang mendapat hak pedidikan ataupun skill

di suatu perguruan tinggi dengan baik berdasarkan syarat-syarat yang telah ditentukan dari

suatu instansi atau perguruan tinggi.

Jumlah calon mahasiswa baru adalah banyaknya calon mahasiswa baru yang

mendaftar di suatu perguruan tinggi baik perguruan tinggi negeri maupun swasta.

Salah satu tujuan dari calon mahasiswa baru adalah untuk mendapatkan pendidikan yang baik

di perguruan tinggi.

Secara umum tujuan calon mahasiswa pada suatu perguruan tinggi adalah ;

a. Mencerdaskan kehidupan bangsa

b. Mencapai volume dan hasil calon mahasiswa baru

c. Menunjang pertumbuhan perguruan tinggi.

2. Bagian Umum UMSU

Dalam menyusun Tugas Akhir ini pengambilan data dilakukan di Bagian Umum

Universitas Muhammadiyah Sumatera Utara ( UMSU ). Data yang diberikan dari pihak

Bagian Umum kepada peneliti dalam bentuk data kuantitatif dalam hal ini jumlah calon

mahasiswa baru per tahun pada Fakultas Ekonomi Universitas Muhammadiyah Sumatera

Utara.

(23)

Pada penelitian ini data yang diambil untuk dianalisis adalah data jumlah calon

mahasiswa baru di Fakultas Ekonomi Universitas Sumatera Utara sejak tahun 2000 sampai

dengan tahun 2009.

2.3. Data

Time Series

Perencanaan dan pembuatan keputusan membutuhkan dugaan-dugaan tentang apa

yang akan terjadi dimasa yang akan datang. Karena itu analisis diharapkan untuk membuat

ramalan-ramalan, salah satunya adalah dengan model time series.

Time series

adalah serangakain nilai-nilai variabel yang disusun berdasarkan waktu (Sri

Mulyono, 1998:60). Analisis time series mempelajari pola gerakan-gerakan nilai nilai

variabel pada satu interval waktu (misal minggu, bulan, dan tahun) yang teratur. Makridakis

(1992 : 9) mengemukakan bahwa pendugaan masa depan dilakukan berdasarkan nilai masa

lalu. Tujuan metode peramalan deret berkala (time series) seperti ini adalah menemukan pola

dalam deret historis dan mengekstrapolasikan pola tersebut kemasa depan.

Langkah penting dalam memilih suatu deret berkala (time series) yang tepat adalah

dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola

tersebut dapat diuji. Pola data menurut Spyros Makridakis (199 :10) dapat dibedakan menjadi

empat jenis siklis dan trend.

(24)

Terjadi apabila nilai data fluktuasi disekitar nilai rata-rata yang konstan. Suatu calon

mahasiswa baru yang tidak meningkat dan menurun selama waktu tertentu, termasuk

kedalam pola ini.

2. Pola

Musiman

Terjadi apabila suatu deret dipengaruhi oleh musiman (misal kuartal tahun tertentu).

3. Pola

Siklis

Terjadi apabila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang

behubungan siklis bisnis.

4. Pola

Trend

Terjadi apabila terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.

2.4. Peramalan (

forecasting

) dengan Penghalusan (

smoothing

)

Smoothing adalah mengambil rata-rata dari nilai pada beberapa periode untuk

menaksir nilai pada suatu periode (Subagyo, 1986: 7). Smoothing ini dilakukan antara lain

Rata-rata bergerak

(moving average)

atau dengan penghalusan eksponensial

(exponential

smoothing).

(25)

2.5. Peramalan dengan metode Rata-rata bergerak (

moving average

)

Rata-rata bergerak (moving averages) diperoleh melalui penjumlahan dan pencarian

nilai rata-rata dari sejumlah periode tertentu, setiap kali meghilangkan nilai terlama dan

menambah nilai baru. (Subagyo, 1986: 7)

a. Rata-rata Bergerak Orde Satu (single moving average)

Cara membuat peramalan (forecasting) dengan metode Rata-rata bergerak orde satu (single

moving averages) sangat sederhana.

Sifat-sifat

single

Rata-rata Bergerak

Metode single moving average

menurut Subagyo (1986 : 60) mempunyai sifat khusus.

1). Untuk menentukan ramalan pada periode yang akan datang memerlukan data hitoris

selama jangka waktu tertentu.

2). Semakin panjang jangka waktu

moving average,

akan menghasilkan

moving average

yang

semakin halus. Artinya pada

moving averages

yang jangka waktunya lebih panjang,

perbedaan ramalan terkecil dengan ramalan terbesar menjadi kecil.metode Rata-rata bergerak

orde satu (single moving average) ini biasanya lebik cocok digunakan untuk melakukan

forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun,

musiman, dan sebagainya, melainkan sulit diketahui polanya.

Metode ini mudah menghitungnya dan sederhana, tetapi mempunyai

kelemahan-kelemahan sebagai berikut;

1) perlu data historis yang cukup,

(26)

3) kalau fluktuasi data tidak random tidak menghasilkan peramalan (forecasting) yang baik

(Subagyo, 1986: 11).

b. Rata-rata Bergerak Orde Dua (double moving average)

Dalam metode ini pertama-tama dicari rata-rata bergerak (moving average), ditaruh pada

periode terakhir. Kemudian dicari rata-rata bergerak (moving average)

lagi dari rata-rata

bergerak (moving averge) pertama, baru kemudian dibuat

forecast.

2.6 Peramalan (

forecasting

) dengan metode Penghalusan Eksponensial

(

exponential smoothing

)

Penghalusan eksponensial

(exponential smoothing)

adalah suatu tipe teknik peramalan

rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara

eksponensial sehingga data paling akhir mempunyai bobot atau timbangan lebih besar dalam

rata-rata bergerak. (Handoko, 1984: 279).

Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu : 1. Metode Rata-Rata

Metode rata-rata dibagi atas empat bagian, yaitu : a.Nilai tengah ( Mean )

b.Rata-rata bergerak tunggal ( Single moving Average ) c.Rata-rata bergerak ganda ( Double Moving Average ) d.Kombinasi rata-rata bergerak lainnya.

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

(27)

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan ekponensial adalah :

F

t+1=

X

+ (1-

) F

Dimana :

F

t+1 = Ramalan 1 Periode Kedepan

X

t = Data Aktual pada periode ke-t

F

t = Ramalan pada periode ke-t

= Para meter pemulusan

Metode smooting eksponensial terdiri atas :

1. Smoothing eksponensial tunggal

a. Satu parameter

b. Pendekatan adaptif

2. Smoothing Exponensial Ganda

a. Metode linier satu parameter dari Brown

b. Metode dua dari Holt

3. Smoothing Exponensial Tripel

a. Metode kuatratik satu parameter dari brown

b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter

4.

Smoothing Exponensial menurut klasifikasi Pegels

(28)

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

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

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

S't= Xt+ ( 1 ) S't1

S''t= S't+ ( 1 - ) S''t1

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

bt =

_





1 ( S't - S''t) Ftm= at+ btm

Dimana :

m = Jumlah periode didepan yang diramalkan S' = Nilai eksponensial smoothing tunggal S'' = Nilai eksponensial smoothing ganda

= Parameter Pemulusan Eksponensial at, bt = Konstanta pemulusan

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

(29)

2.8 Ketepatan Ramalan

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

Beberapa Kreteria yang digunakan untuk menguji ketepatan ramalan antara lain : 1.M E ( Mean Error ) / Nilai Tengah Kesalahan

N

e

ME

N t t



_



2. M S E ( Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat

N

e

MSE

N t t



_



1 2

3. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

N

e

MAE

N t t



_



(30)



_

 N t et SSE

1 2

5. S D E (Standard Deviation Of Error) / Devisi Standar Kesalahan

N e SDE

N t t



_

 1 2

6. M A P E (Mean Absolut Pencentage Error) / Nilai tengah Kesalahan Persentase Absolut

N

PE

MAPE

t t



_



7. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase

N

PE

MPE

t t



_



Dimana :

et = Xt Ft(kesalahan pada period eke-t) Xt = data actual pada periode ke-t

Ft = Nilai ramalan pada periode ke-t

N = banyaknya periode waktu

(31)

Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai M S E yang terkecil.

BAB 3

SEJARAH TEMPAT RISET

(32)

Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai M S E yang terkecil.

BAB 3

SEJARAH TEMPAT RISET

(33)

Universitas Muhammadiyah Sumatera Utara disingkat dengan UMSU merupakan salah satu dari lembaga pendidikan milik persyarikatan Muhammadiyah, berfungsi menyelenggarakan pendidikan dan pengajaran, penelitian, dan pengabdian masyarakat. UMSU merupakan perguruan tinggi swasta mitra pemerintah dalam memajukan sektor pendidikan untuk menciptakan kualitas sumber daya manusia Indonesia yang unggul, menjadi bangsa yang bermartabat, dan memiliki kedudukan sama dengan bangsa-bangsa lain didunia.

Universitas Muhammadiyah Sumatera Utara didirikan pada tanggal 29 Februari 1957 atas prakarsa beberapa tokoh ulama Muhammadiyah diantara H.M. Bustami Ibrahim, D. Diyar Karim, Rustam Thayib, M. Nur Haitami, Kadarrudin Pasaribu, Dr. Darwis Datuk Batu Besar, H. Syaiful U.A., Abdul Mu thi dan Baharuddin Latif.

Cikal bakal UMSU bermula dari lahirnya Fakultas Falsafah dan Hukum Islam Muhammadiyah (FAFHIM) yang kemudian berkembang menjadi Perguruan Tinggi Muhammadiyah (PTM) Sumatera Utara pada tahun 1968, dengan mengasuh 3 falkultas yakni : Fakultas Ilmu Pendidikan (FIP), fakultas Ilmu Agama Jurusan Dakwah (FIAD), dan Fakultas Syariah. Pada awalnya berdirinya FIP UMSU merupakan cabang/kelas jauh dari FIP Universitas Muhammadiyah Jakarta (UMJ) kemudian tahun 1974 memisahkan diri dan berdiri sendiri. Sedangkan FIAD yang bercabang ke Universitas Muhammadiyah Sumatera Barat berdiri sendiri dengan mengubah nama menjadi Fakultas Ushuluddin.

UMSU dewasa ini merupakan tindak lanjut dari pengembangan PTM yang dikukuhkan dengan Piagam Pendirian oleh PP Muhammadiyah Majelis Pendidikan dan Pengajaran Nomor 2661/0/07/1974 tanggal 28 Mei 1974.

Dalam tahap pengembangannya UMSU juga berhasil memprakarsai lahirnya beberapa Sekolah Tinggi Muhammadiyah, seperti:

(1) STIH dan STISIP kemudian setelah mendapat SK terdaftar dari Mendikbud RI berubah menjadi Universitas Muhammadiyah Tapanuli Selatan (UMTS) di Padang Sidempuan.

(34)

(2) STIE Muhammadiyah Asahan di Kisaran.

Saat ini UMSU adalah perguruan tinggi swasta yang memiliki mahasiswa terbesar di Pulau Sumatera. UMSU pada tahun 2005/2006 memiliki mahasiswa sebanyak 11.751 orang yang terdistribusi ke dalam 7 buah fakultas, diantaranya Fakultas Ekonomi, Fakultas Hukum, Fakultas Teknik, Fakultas Ilmu Sosial dan Ilmu Politik, Fakultas Keguruan dan Ilmu Pendidikan, Fakultas Pertanian, dan Fakultas Agama Islam.

3.2 Visi dan Misi

3.2.1 Visi

Menjadi pusat keunggulan dalam penyelengaraan dan pengembangan keislaman, ilmu pengetahuan dan profesionalitas, kesenian dan teknologi berwawasan global.

3.2.2 Misi

 Menyelenggarakan pendidikan dan pengajaran, penelitian, pengabdian dan pembinaan nilai-nilai hidup islami.

 Mengembangkan kebebasan befikir ilmiah yang dijiwai dengan semangat ketauhidan.

 Mengembangkan jiwa kemandirian dalam berbagai ilmu pengetahuan, keahlian/ketrampilan, teknologi dan seni.

(35)

3.3 Tujuan dan Kompetensi

3.3.1 Tujuan

 Terwujudnya Intelektual yang beriman, berakhlak mulia, percaya pada diri sendiri serta dapat beramal sesuai denga bidang ilmu dengan ikhlas demi terwujudnya masyarakat utama yang diridhai oleh Allah SWT.

 Terwujudnya manusia yang berkualitas secara intelektual, spiritual dan emosional, menguasai ilmu pengetahuan, teknologi dari/atau seni, berdasarkan pada semangat nasionalisme, moral, system nilai dan budaya bangsa. Yang mendukung peningkatan daya saing bangsa.

 Terwujudnya intelektual yang memiliki kemampuan berbahasa dan berkomunikasi dalam rangka penyetaraan dalam pergaulan global.

 Terwujudnya intelektual dalam berbagai bidang yang berjiwa wirausaha dan memiliki keunggulan kompetitif.

 Mewujudkan kader persyarikatan, kader umat, kader bangsa dalam rangka mewujudkan cita-cita Muhammadiyah sebagai gerakan dakwah amar ma ruf nahi munkar yang berpedoman kepada Al-Quran dan Sunnah.

3.3.2 Kompetensi

 Memiliki kualitas keislaman yang baik dan komprehensif sehingga para lulusan akan menjadi sarjana yang jujur dan berakhlaq mulia.

 Memiliki kualitas keilmuan yang akan mengantarkan para lulusan menjadi tenaga professional di bidangnya.

(36)

 Memiliki kualitas kebangsaan, sehingga menjadi perekat yang kuat bagi kehidupan berbangsa, menjadi payung pelindung perpecahan di manapun mereka berada.

 memiliki kualitas kebahasaan, baik bahasa Indonesia maupun bahasa asing seperti Bahasa Inggris dan Bahasa Arab khususnya, sebagai bekal komunikatif yang digunakan untuk mampu bersaing dalam menghadapi era global.

 Memiliki kualitas keterampilan khusus dalam bidang-bidang ilmu popular guna mendukung dunia usaha secar kompetitif.

3.4 Staff dan Dosen

Dukungan Sumber Daya Manusia (SDM) yang berkompeten menjadi UMSU termasuk salah satu perguruan tinggi unggul di Sumatera Utara, SDM utama UMSU terdiri dari para dosen profesional di bidangnnya dan pegawai yang terampil melayani kelancaranprosesakademis. Tenaga pengajar (dosen) UMSU terdiri dari :

a. Dosen Tetap Yayasan

Dosen Tetap Yayasan adalah dosen yang diangkat oleh pimpinan Universitas dan memiliki hak dan kewajiban yang mengikat kepada Universitas, dan berfungsi sebagai pilar utama dalam proses pengembangan dan peningkatan pendidikan di UMSU. Dosen Tetap Yayasan UMSU terdiri dari 114 orang.

b. Dosen Tetap Pegawai Negeri Sipil Diperbantukan (PNS-DPK)

Dosen Tetap PNS-DPK adalah dosen yang diangkat oleh Pemerintah dan memiliki hak dan kewajiban yang mengikat kepada Pemerintah dan Universitas, juga berfungsi sama seperti dosen Tetap Yayasan yakni sebagai pilar utama dalam proses pengembangan dan peningkatan pendidikan UMSU. Dosen

(37)

c. Dosen Tidak Tetap / Dosen Luar Biasa

Dosen Tidak Tetap/Dosen Luar Biasa adalah dosen yang bersifat sementara, memiliki kemampuan dan pengalaman luas, berfungsi sebagai tenaga pendukung proses pendidikan di UMSU. Dosen-dosen tersebut didatangkan dari berbagai Universitas Negeri. UMSU juga menggunakan tenaga pengajar pendukung berasal dari berbagai Instansi Pemerintah dan Swasta, seperti Departemen Pendidikan Nasional, Departemen Agama, Departemen HAM, Perusahaan daerah, Lembaga Perbankan dan lain-lain. UMSU juga menjalin kerjasama dengan Universitas Diponogoro (UNDIP) dan Universitas Negeri Jakarta (UNJ) sebagai Dosen Tamu. Jumlah Dosen Tidak Tetap/Dosen Luar Biasa UMSU sebanyak 475 orang.

Umumnya sebagian besar Dosen UMSU memiliki jenjang Pendidikan S-2 dan S-3, sedangkan sebahagian sedang menjalani proses pendidikan S-2 dan S-3. Kondisi ini terwujud karena dipengaruhi oleh kebijakan Pemerintah yang mewajibkan tenaga pengajar perguruan tinggi minimal berpendidikan S-2, serta kebijakan internal UMSU yang tidak mengijinkan staf pengajar untuk menjadi dosen apabila tidak berpendidikan minimal S-2. Dengan demikian pada tahun 2008 tidak terdapat lagi staf pengajar UMSU yang berpendidikan S-1.

Untuk mendukung aktivitas operasionalnya, UMSU memiliki pegawai sebanyak 175 orang. Untuk proses pelayanan administrasi akademik, para pegawai UMSU memiliki pengalaman lebih dari 5 tahun melayani kepentingan mahasiswa, serta memiliki kemampuan administrasi berbasis komputer yang cukup memadai.

(38)

Dalam menjalankan aktivitas pelayanan akademik, kampus terpadu UMSU dilengkapi dengan sarana dan prasarana yang disesuaikan denga standarisasi perguruan tinggi modern, diantaranya :

a. Perpustakaan

Perpustakaan UMSU adalah perpustakaan terpadu, memiliki koleksi pustaka berupa buku-buku teks sebanyak 4.323 judul (12.090 eksemplar), diktat 10 judul (10 eksemplar), jurnal 151 judul (252 eksemplar), skripsi 3.043 judul (3.043 eksemplar), tesis 3 judul (3 eksemplar), majalah 13 judul (13 eksemplar), buku Referensi 400 judul (542 eksemplar), laporan penelitian 143 judul (143 eksemplar), dan CD-Room 21 buah. UMSU juga akan mengembangkan perpustakaan digital (digital library) yang dilengkapi dengan fasilitas internet. ini ditujukan untuk memperkaya sumber belajar bagi mahasiswa dan dosen UMSU.

b. Laboratorium

c. Pelayanan Administrasi

 Laboratorium Fakultas Pertanian dan Teknik

 Laboratorium Bahasa Fakultas Keguruan dan Ilmu Pendidikan

 Laboratorium Politik dan Otonomi daerah, Laboratarium Komunikasi dan Laboratorium Sosial Development Fakultas Ilmu Sosial dan Ilmu Politik

 Laboratorium Akuntansi, Laboratorium Perpajakan Fakultas Ekonomi

 Laboratorium Hukum Fakultas Hukum

 Laboratorium dan Klinik Kesehatan

Pelayanan administrasi UMSU menggunakan Sistem Informasi Manajemen Akademik (SIMAKAD) berbasis komputer, antara lain untuk pelayanan KRS, KHS, SPP, data mahasiswa, data dosen dan pegawai, kurikulum, dan arsip elektronik. Dengan sistem ini mahasiswa dan pihak-pihak

(39)

menggunakan teknologi komputer. Pelaksanaannya dilakukan oleh pegawai yang seluruhnya menguasai komputer. Pegawai menginput data yang diberikan oleh pegawai dari masing-masing jurusan untuk diinput ke dalam sistem informasi komputer.

Manfaat yang diperoleh dengan adanya sistem informasi akademik ini sangat dirasakan oleh mahasiswa dalam memperoleh layanan akademik yang sangat cepat dan tepat waktu. Selain itu dengan adanya Sistem Informasi Akademik, maka memudahkan jurusan-jurusan dalam memperoleh data untuk kebutuhan akreditasi, hibah, dan kerjasama dengan pihak lain.

Seiring perkembangan dunia informasi dan teknologi, UMSU mengembangkan Sistem Akses Informasi melalui jaringan Internet dan Sistem Pelayanan Administrasi melalui Short Message System (SMS). Kedua sistem ini direncanakan untuk membantu para mahasiswa, orang tua mahasiswa, dosen, pegawai serta stakeholder dalam mencari informasi yang lengkap dan up-to-date tentang sistem pelayanan akademik (KHS, jadwal perkuliahan dan lain-lain) serta perkembangan aktivitas pembelajaran di UMSU setiap saat.

d. Lembaga Bahasa Arab dan Studi Islam

Lembaga ini merupakan kerja sama antara UMSU dengan AMCM, sebuah lembaga dari Abu Dhabi yang memberikan fasilitas "kuliah gratis" bagi mereka yang ingin memperdalam kemampuan bahasa arab dan keislaman. Lembaga ini menyediakan Laboratorium berteknologi modern, sumber-sumber belajar lengkap dan tenaga pengajar handal yang direkrut dengan selektif.

(40)

e. Fasilitas Lainnya :

 Kebun Percobaan Fakultas Pertanian

 Pusat Komputer untuk semua Fakultas

 Radio Kampus Surya Dakwah Muhammadiyah (SDM Radio) FM 92,85

 Mesjid Taqwa Kampus UMSU

 Lapangan Olahraga

 Auditorium

 Policlinic UMSU

 Micro Teaching Halls

 Kafetaria, Warung Internet, Koperasi, Penerbitan Kampus

 Bank Syari'ah Mandiri

 ATM Bank MANDIRI

 Fasilitas SMS Gateway UMSU operator Simpati 9291,9333 operator lain

 Internet Service for Student

 Jaringan WiFi dan Internet UMSUgratis

3.6 Lambang UMSU

Universitas Muhammadiyah Sumatera Utara memiliki lambang yang tergambar sebagai berikut:

1. Gambar Matahari;

e. Fasilitas Lainnya :

 Kebun Percobaan Fakultas Pertanian

 Pusat Komputer untuk semua Fakultas

 Radio Kampus Surya Dakwah Muhammadiyah (SDM Radio) FM 92,85

 Mesjid Taqwa Kampus UMSU

 Lapangan Olahraga

 Auditorium

 Policlinic UMSU

 Micro Teaching Halls

 Kafetaria, Warung Internet, Koperasi, Penerbitan Kampus

 Bank Syari'ah Mandiri

 ATM Bank MANDIRI

 Fasilitas SMS Gateway UMSU operator Simpati 9291,9333 operator lain

 Internet Service for Student

 Jaringan WiFi dan Internet UMSUgratis

3.6 Lambang UMSU

Universitas Muhammadiyah Sumatera Utara memiliki lambang yang tergambar sebagai berikut:

1. Gambar Matahari;

e. Fasilitas Lainnya :

 Kebun Percobaan Fakultas Pertanian

 Pusat Komputer untuk semua Fakultas

 Radio Kampus Surya Dakwah Muhammadiyah (SDM Radio) FM 92,85

 Mesjid Taqwa Kampus UMSU

 Lapangan Olahraga

 Auditorium

 Policlinic UMSU

 Micro Teaching Halls

 Kafetaria, Warung Internet, Koperasi, Penerbitan Kampus

 Bank Syari'ah Mandiri

 ATM Bank MANDIRI

 Fasilitas SMS Gateway UMSU operator Simpati 9291,9333 operator lain

 Internet Service for Student

 Jaringan WiFi dan Internet UMSUgratis

3.6 Lambang UMSU

Universitas Muhammadiyah Sumatera Utara memiliki lambang yang tergambar sebagai berikut:

(41)

2. Perkataan "Muhammadiyah" dalam tulisan Arab; 3. Dua Kalimat Syahadat dalam tulisan Arab; 4. Lukisan Padi dan Kapas;

5. Kalimat Universitas Muhammadiyah Sumatera Utara yang membentuk lingkaran; 6. Lingkaran segi lima.

Arti dan lambang sebagaimana tersebut di atas adalah :

 Matahari: Benda angkasa luar ciptaan Allah SWT, sinarnya sangat berguna bagi kehidupan semua makhluk-Nya. Persyarikatan Muhammadiyah menggambarkan gerak dan manfaatnya bagaikan matahari dengan sinarnya yang selalu memberikan manfaat bagi hidup dan kehidupan manusia.

 Perkataan "Muhammadiyah" dalam tulisan Arab adalah nama Persyarikatan Muhammadiyah.

 Dua Kalimat Syahadat dalam tulisan Arab : bermakna penyaksian bahwa sesungguhnya tidak ada Tuhan kecuali Allah SWT dan bahwa sesungguhnya Nabi Muhammad SAW adalah utusan Allah. Keyakinan ini merupakan aqidah yang paling hakiki bagi setiap muslim. Dengan demikian Persyarikatan Muhammadiyah menyeru kepada ummat manusia agar dengan sadar memeluk agama Islam dan menjadi penolong serta penegak Islam.

 Lukisan Padi dan Kapas: terdiri dari 19 dan 12 tangkai, gabungan keduanya menunjukkan tahun berdirinya Persyarikatan Muhammadiyah di Indonesia yang juga berarti lambang kemakmuran dan kesejahteraan yang menjadi cita-cita bangsa Indonesia.

 Kalimat Universitas Muhammadiyah Sumatera Utara: lembaga pendidikan tinggi dalam Persyarikatan Muhammadiyah yang berkedudukan di Sumatera Utara.

(42)

3.7 Struktur Pimpinan

REKTORAT Rektor

Wakil Rektor I Wakil Rektor II Wakil Rektor III

H. Bahdin Nur Tanjung, S.E., M.M. Drs. H. Armansyah, M.M.

H. Suharwardi K. Lubis, S.H., Sp.N., M.H

Drs. Agussani, M.AP. PASCASARJANA

Direktur Program Pascasarjana Sekretaris Program Pascasarjana

Ketua Program Studi Magister Kenotariatan Ketua Program Studi Magister Manajemen Ketua Program Studi Magister Ilmu Komunikasi Ketua Program Studi Magister Ilmu Hukum Sekretaris Program Studi Magister Kenotariatan Sekretaris Program Studi Magister Manajemen Sekretaris Program Studi Ilmu Komunikasi Sekretaris Program Studi Magister Ilmu Hukum

Prof Edy Warman, SH M.Hum Hj Masitah Pohan, SH M.Hum DR H Surya Perdana, SH M.Hum Drs H Efendy Pakpahan, SE MM DR Iskandar Zulkarnain, M.S DR H Triono Eddy, SH M.Hum Ahmad Fauzi, SH MKn

H Muis Fauzi Rambe, SE MM Rudianto, S.Sos M.Si

H Mhd Arifin, SH M.Hum DEKANAT

Dekan Fakultas Kedokteran

Dekan Fakultas Keguruan dan Ilmu Pendidikan Dekan Fakultas Agama Islam

Dekan Fakultas Ilmu Sosial dan Ilmu Politik Dekan Fakultas Pertanian

Dekan Fakultas Ekonomi Dekan Fakultas Hukum Dekan Fakultas Teknik Wakil Dekan I FKIP Wakil Dekan III FKIP Wakil Dekan I FAI Wakil Dekan III FAI Wakil Dekan I Fisipol Wakil Dekan III Fisipol Wakil Dekan I Faperta Wakil Dekan III Faperta Wakil Dekan I Fekon Wakil Dekan III Fekon Wakil Dekan I Fahum Wakil Dekan III Fahum Wakil Dekan I Fatek Wakil Dekan III Fatek

dr Ade Taufiq, SpOG

Dra. Hj. Nur'ain Lubis, M.AP. Akrim, SPdI M.Pd

Drs R Kusnadi, MAP Ir. Alridiwirsah, MM

Zulaspan Tupti Pasaribu, SE M.Si Farid Wajdi, SH M.Hum

Rahmatullah, ST M.Sc Elfrianto, S.Pd., M.Pd.

Habib Syukri Nasution, S.Pd., M.Hum. Shobrun, S.Ag.

Gunawan, S.Pdl. Drs. Syafrizal, M.Si. Drs. Zulfahmi

Ir. Asritanarni Munar, MP Hadriman Khair, SP M.Sc Januri, SE MM M.Si Sukma Lesmana, S.E., M.Si Hj. Ida Hanifah, SH MH Faisal, SH M.Hum

Munawar Alfansury Siregar, ST MT Randi Gunawan, ST M.Si

KEPALA BIRO Kepala Biro Administrasi Akademik

Kepala Biro Administrasi Keuangan Kepala Biro Administrasi Umum

Yudi Siswandi, S.E., M.M.

Rakhmad Bahagia Siregar, S.E., M.Si. Ahmad Sinaga, S.Sos., M.M.

(43)

Kepala Pustaka

Kepala Biro Data dan Informasi Kepala Biro Kemahasiswaan Kepala Biro Kerumahtanggaan

H. Irfan Bustami, S.H., M.Hum Aswin Bancin, S.E.

Rahmat Kartolo Simanjuntak, S.T Abdul Halim Pulungan, S.H.

NAMA-NAMA KETUA DAN SEKRETARIS PROGRAM STUDI 2009-2013

Fakultas Program Studi Jabatan Nama

AGAMA

ISLAM Pendidikan Agama Islam KetuaSekretaris Akrim, S.Pdl, M.Pd.Junaidi, S Pdl, M.Si. Komunikasi Penyiaran Islam Ketua Akrim, S.Pdl, M Pd.

Sekretaris Junaidi, S.PdI, M.Si.

Pendidikan Guru Raudhatul Athfal Ketua Akrim, S.PdI, M Pd.

Sekretaris Junaidi, S.PdI, M.Si.

KIP Pendidikan Bahasa Indonesia Ketua Dra. Syamsuyurnita, M.Pd.

Sekretaris Juwita Erdaini, S.Pd,

M.Hum.

Pendidikan Bahasa Inggris Ketua Iskandar Zulkarnain, S.Pd.

Sekretaris Erlindawaty, S.Pd.

Pendidikan Akuntansi Ketua Mariati, S.Pd.

Sekretaris Henny Zurika Lubis,

S.E, M.Si.

Pendidikan Matematika Ketua Marah Dolly Nasution, S.Pd, M.Si.

Sekretaris Indra Prasetia, S.Pd,

M.Si.

Pendidikan Pancasila & KN Ketua Hotma Siregar, S.H, M.H.

Sekretaris

-Bimbingan Konseling Ketua Dra. Hj. Latifah Hanum

Sekretaris

-ISIPOL Ilmu Kesejahteraan Sosial Ketua Drs. H. Azamris Chanra, M.AP.

Sekretaris Arifin Siregar, S. Sos.

Ilmu Administrasi Negara Ketua Drs. Tasrif Syam, M.Si.

Sekretaris Rafdinal, S.Sos, M.AP

Ilmu Komunikasi Ketua Irwan Syari Tanjung,

S.Sos, M.AP.

Sekretaris Drs. Zulfahmi

EKONOMI Akuntansi Ketua Dr. Widia Astuti, S.E.,

M.Si. QIA

Sekretaris Azuar Juliandi, S.Sos,

S.E., M.Si.

Manajemen Ketua Hazmanan Khair, SE,

MBA.

Sekretaris Bambang Satriawan,

S.E, M.Si.

Ekonomi Pembangunan Ketua Dra. Hj. Lailan Safina Hsb, M.Si.

(44)

Sekretaris Radiman, S.E., M.Si. Manajemen Perpajakan Ketua Elizar Sinambela, S.E.,

M.Si.

Sekretaris Ade Gunawan, S.E,

M.Si.

TEKNIK Teknik Sipil Ketua Ir. Sri Asfiati, M.T.

Sekretaris Randi Gunawan, S.T,

M.Si.

Teknik Elektro Ketua Rohana, S.T., M.T.

Sekretaris India Roza, S.T

Teknik Mesin Ketua Muharnif, S.T, M.Sc.

Sekretaris Khairul Umurani, S.T.

HUKUM Hukum Perdata Kepala Atikah Rahmi Nst, S.H,

M.H.

Hukum Pidana Kepala Guntur Rambe, S.H.

Hukum Internasional Kepala Mirsa Astuti, S.H, M.H.

Hukum Acara Kepala Faisal, S.H., M.Hum.

Hukum Bisnis Kepala Hj. Ida Hanifah, S.H,

M.H

Hukum HTN/HAN Kepala Farid Wajdi, S.H,

M.Hum.

PERTANIAN SEP/Agrobisnis Ketua Sasmita Siregar, S.P,

M.Si.

Agronomi Ketua Ir. Asritanarni Munar,

M.P.

Ilmu Hama Penyakit Tumbuhan Ketua Nursamsi, S.P M.M.

Teknologi Hasil Pertanian Ketua Syakir Nairn Siregar, S.P, M.Si.

BAB 4

(45)

4.1 Arti Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan menguraikan masalah menjadi parsial maupun keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data. Data yang akan diolah adalah data Jumlah Calon Mahasiswa di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara. Analisis yang dipakai dalam pengolahan data ini adalah analisis pemulusan eksponensial ganda.

4.2 Analisis Pemulusan Eksponensial Ganda

Pada bagian ini penulis menentukan parameter yang akan digunakan, dimana nilai parameter ( ) besarnya antara 0< <1 dengan cara trial dan error,

Adapun langkah-langkah yang ditempuh untuk menentukan persamaan peramalan dengan menggunakan Metode Linier Satu Perameter dari Brown adalah :

1. Menentukan harga parameter smoothing eksponensial yang besarnya dari 0< <1 2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan :

1 ' ' ) 1 (   

 _t t

t X S

S



3. Menghitung harga pemulusan esponensial ganda dengan menggunakan persamaan :

" 1 ' " ) 1 (   

 t t

t S S

S



4. Menghitung koefisien atdan btmenggunakan persamaan : "

' "

₍

₎

₂

t t t

t t

S

a











) (

1 t' t"

t S S

b



 



_

(46)

5. Menghitung trend peramalan (Ft+m) dengan menggunakan rumus :

) (m b at t m

F

_  

TABEL 4.1 JUMLAH MAHASISWA DI FAKULTAS EKONOMI UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA

NO TAHUN JUMLAH MAHASISWA

1 2000 2794

2 2001 2665

3 2002 3232

4 2003 3775

5 2004 3905

6 2005 3174

7 2006 2762

8 2007 3116

9 2008 3397

10 2009 3778

(47)

Gambar 4.1 Plot Data Jumlah Mahasiswa Tahun 2000-2009

4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown 4.3.1 Penaksiran Model Peramalan

Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel (4.1) denga 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 yang biasanya secara trial and error ( coba dan salah ).

0 500 1000 1500 2000 2500 3000 3500 4000 4500

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

JUMLAH MAHASISWA

(48)

Suatu nilai dipilih yang besarnya 0< <1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai 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. Secara sistematis rumus MSE ( Mean Square Error) adalah sebagai berikut :

N

e

MSE

N t t



_



1 2

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.1

TAHUN Xt

2000 2794 2794 2794

2001 2665 2781,10 2792,71 2769,49 -1,29

2002 3232 2826,19 2796,06 2856,322 3,35 2768,20 463,80 215110,44 2003 3775 2921,07 2808,56 3033,5827 12,50 2859,67 915,33 837829,01 2004 3905 3019,46 2829,65 3209,27804 21,09 3046,08 858,92 737736,70 2005 3174 3034,92 2850,18 3219,65849 20,53 3230,37 -56,37 3177,41 2006 2762 3007,63 2865,92 3149,33006 15,74 3240,19 -478,19 228661,14 2007 3116 3018,46 2881,18 3155,75074 15,25 3165,07 -49,07 2408,35 2008 3397 3056,32 2898,69 3213,94398 17,51 3171,00 226,00 51073,78 2009 3778 3128,49 2921,67 3335,30106 22,98 3231,46 546,54 298708,05

JUMLAH 2426,95 2374705,00

Untuk = 0.1 dan N = 10 Maka :



_

 N t et SSE 1 2 = 2374705 ' t S " t

(49)

N

e

MSE

N t t



_



1 2 10 2374705  = 237470,50

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.2

TAHUN Xt

2000 2794 2794 2794

2001 2665 2768,20 2788,84 2747,56 -5,16

2002 3232 2860,96 2803,26 2918,66 14,42 2742,40 489,60 239708,16 2003 3775 3043,77 2851,36 3236,17 48,10 2933,08 841,92 708829,29 2004 3905 3216,01 2924,29 3507,73 72,93 3284,27 620,73 385303,25 2005 3174 3207,61 2980,96 3434,26 56,66 3580,66 -406,66 165375,61 2006 2762 3118,49 3008,46 3228,51 27,51 3490,93 -728,93 531336,50 2007 3116 3117,99 3030,37 3205,61 21,91 3256,02 -140,02 19605,70 2008 3397 3173,79 3059,05 3288,53 28,68 3227,52 169,48 28724,00 2009 3778 3294,63 3106,17 3483,10 47,12 3317,22 460,78 212321,46

JUMLAH 1306,90 2291203,96

Untuk = 0.2 dan N = 10 Maka :



_

 N t et SSE 1 2 = 2291203,96

N

e

MSE

N t t



_



1 2 ' t S " t

(50)

10 ,96 2291203



= 229120,39

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.3

TAHUN Xt

2000 2794 2794 2794

2001 2665 2755,30 2782,39 2728,21 -11,61

2002 3232 2898,31 2817,17 2979,45 34,78 2716,60 515,40 265637,16 2003 3775 3161,32 2920,41 3402,22 103,25 3014,23 760,77 578770,99 2004 3905 3384,42 3059,61 3709,23 139,20 3505,47 399,53 159625,82 2005 3174 3321,30 3138,12 3504,47 78,50 3848,43 -674,43 454859,20 2006 2762 3153,51 3142,74 3164,28 4,62 3582,98 -820,98 674001,89 2007 3116 3142,25 3142,59 3141,92 -0,14 3168,89 -52,89 2797,85 2008 3397 3218,68 3165,42 3271,94 22,83 3141,77 255,23 65140,16 2009 3778 3386,47 3231,73 3541,22 66,32 3294,77 483,23 233515,50

JUMLAH 865,86 2434348,57

Untuk = 0.3 dan N = 10 Maka :



_

 N t et SSE 1 2 = 2434348,57

N

e

MSE

N t t



_



1 2

10 ,57 2434348  = 243434,86 ' t S " t

(51)

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.4

TAHUN Xt

2000 2794 2794 2794

2001 2665 2742,40 2773,36 2711,44 -20,64

2002 3232 2938,24 2839,31 3037,17 65,95 2690,80 541,20 292897,44 2003 3775 3272,94 3012,76 3533,12 173,45 3103,12 671,88 451422,73 2004 3905 3525,77 3217,97 3833,57 205,20 3706,58 198,42 39372,08 2005 3174 3385,06 3284,80 3485,32 66,84 4038,77 -864,77 747823,69 2006 2762 3135,84 3225,22 3046,46 -59,59 3552,15 -790,15 624343,72 2007 3116 3127,90 3186,29 3069,51 -38,93 2986,87 129,13 16674,92 2008 3397 3235,54 3205,99 3265,09 19,70 3030,59 366,41 134258,63 2009 3778 3452,52 3304,60 3600,44 98,61 3284,79 493,21 243254,66

JUMLAH 745,33 2550047,88

Untuk = 0.4 dan N = 10 Maka :



_

 N t et SSE 1 2 = 2550047,88

N

e

MSE

N t t



_



1 2

10 ,88 2550047



= 255004,79

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.5

TAHUN Xt

S "

S at bt

F

tm ei e_i2

S "

(52)

2000 2794 2794 2794

2001 2665 2729,50 2761,75 2697,25 -32,25

2002 3232 2980,75 2871,25 3090,25 109,50 2665,00 567,00 321489,00 2003 3775 3377,88 3124,56 3631,19 253,31 3199,75 575,25 330912,56 2004 3905 3641,44 3383,00 3899,88 258,44 3884,50 20,50 420,25 2005 3174 3407,72 3395,36 3420,08 12,36 4158,31 -984,31 968871,10 2006 2762 3084,86 3240,11 2929,61 -155,25 3432,44 -670,44 449486,44 2007 3116 3100,43 3170,27 3030,59 -69,84 2774,36 341,64 116718,32 2008 3397 3248,71 3209,49 3287,94 39,22 2960,75 436,25 190314,06 2009 3778 3513,36 3361,42 3665,29 151,93 3327,16 450,84 203256,56

JUMLAH 736,73 2581468,30

Untuk = 0.5 dan N = 10 Maka :



_

 N t et SSE 1 2 = 2581468,30

N

e

MSE

N t t



_



1 2

10 ,30 2581468



= 258146,83

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.6

TAHUN Xt

2000 2794 2794 2794

S "

(53)

2002 3232 3025,84 2914,53 3137,15 166,97 2639,20 592,80 351411,84 2003 3775 3475,34 3251,01 3699,66 336,48 3304,12 470,88 221727,97 2004 3905 3733,13 3540,29 3925,98 289,27 4036,14 -131,14 17198,75 2005 3174 3397,65 3454,71 3340,60 -85,58 4215,26 -1041,26 1084214,06 2006 2762 3016,26 3191,64 2840,88 -263,07 3255,02 -493,02 243070,46 2007 3116 3076,10 3122,32 3029,89 -69,32 2577,82 538,18 289642,54 2008 3397 3268,64 3210,11 3327,17 87,79 2960,57 436,43 190471,43 2009 3778 3574,26 3428,60 3719,91 218,49 3414,97 363,03 131794,33

JUMLAH 735,91 2529530,37

Untuk = 0.6 dan N = 10 Maka :



_

 N t et SSE 1 2 = 2529530,37

N

e

MSE

N t t



_



1 2

10 ,37 2529530



= 252953,04

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.7

TAHUN Xt

2000 2794 2794 2794

2001 2665 2703,70 2730,79 2676,61 -63,21

2002 3232 3073,51 2970,69 3176,33 239,90 2613,40 618,60 382665,96 2003 3775 3564,55 3386,40 3742,71 415,70 3416,23 358,77 128715,91 2004 3905 3802,87 3677,92 3927,81 291,53 4158,41 -253,41 64217,64 2005 3174 3362,66 3457,24 3268,08 -220,69 4219,34 -1045,34 1092728,40

2006 2762 2942,20 3096,71 2787,69 -360,53 3047,39 -285,39 81450,20 2007 3116 3063,86 3073,71 3054,00 -23,00 2427,16 688,84 474505,22 2008 3397 3297,06 3230,05 3364,06 156,34 3031,01 365,99 133949,83

S "

(54)

2009 3778 3633,72 3512,62 3754,82 282,56 3520,40 257,60 66357,26

JUMLAH 705,66 2424590,43

Untuk = 0.7 dan N = 10 Maka :



_

 N t et SSE 1 2 = 2424590,43

N

e

MSE

N t t



_



1 2

10 ,43 2424590



= 242459,04

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.8

TAHUN Xt

2000 2794 2794 2794

2001 2665 2690,80 2711,44 2670,16 -82,56

2002 3232 3123,76 3041,30 3206,22 329,86 2587,60 644,40 415251,36 2003 3775 3644,75 3524,06 3765,44 482,76 3536,08 238,92 57082,77 2004 3905 3852,95 3787,17 3918,73 263,11 4248,21 -343,21 117791,73 2005 3174 3309,79 3405,27 3214,31 -381,91 4181,84 -1007,84 1015741,47 2006 2762 2871,56 2978,30 2764,82 -426,97 2832,41 -70,41 4957,24 2007 3116 3067,11 3049,35 3084,87 71,05 2337,85 778,15 605518,24 2008 3397 3331,02 3274,69 3387,36 225,34 3155,92 241,08 58117,89 2009 3778 3688,60 3605,82 3771,39 331,13 3612,70 165,30 27325,61

JUMLAH 646,40 2301786,30

Untuk = 0.8 dan N = 10

S "

(55)



_

 N t et SSE 1 2 = 2301786,30

N

e

MSE

N t t



_



1 2 10 2301786,30  = 230178,63

Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.9

TAHUN Xt

2000 2794 2794 2794

2001 2665 2677,90 2689,51 2666,29 -104,49

2002 3232 3176,59 3127,88 3225,30 438,37 2561,80 670,20 449168,04 2003 3775 3715,16 3656,43 3773,89 528,55 3663,67 111,33 12394,37 2004 3905 3886,02 3863,06 3908,97 206,63 4302,44 -397,44 157955,37 2005 3174 3245,20 3306,99 3183,42 -556,07 4115,60 -941,60 886611,50 2006 2762 2810,32 2859,99 2760,65 -447,00 2627,35 134,65 18131,77 2007 3116 3085,43 3062,89 3107,98 202,90 2313,65 802,35 643760,48 2008 3397 3365,84 3335,55 3396,14 272,66 3310,88 86,12 7417,14 2009 3778 3736,78 3696,66 3776,91 361,11 3668,80 109,20 11924,88

JUMLAH 574,82 2187363,55

Untuk = 0.9 dan N = 10 Maka :



_

 N t et SSE 1 2 = 2187363,55 ' t S " t

(56)

N

e

MSE

N t t



_



1 2

10 2187363,55



= 218736,35

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai yang memberikan MSE yang terkecil / minimum. Perbandingan ukuran ketepatan metode peramalan peningkatan Jumlah Calon Mahasiswa dengan melihan MSE sebagai berikut :

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan

A MSE

0.1 237470,50

0.2 229120,39

0.3 243434,86

0.4 255004,79

0.5 258146,83

0.6 252953,04

0.7 242459,04

0.8 230178,63

0.9 218736,35

Dari tabel 4.11 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil / minimum yaitu pada = 0,9 yaitu MSE = 21876,36

(57)

Tabel 4.12 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.9

Xt Absolut

2794 2794 2794

2665 2677,90 2689,51 2666,29 -104,49

3232 3176,59 3127,88 3225,30 438,37 2561,80 670,20 670,20 449168,04

3775 3715,16 3656,43 3773,89 528,55 3663,67 111,33 111,33 12394,37

3905 3886,02 3863,06 3908,97 206,63 4302,44 -397,44 397,44 157955,37 3174 3245,20 3306,99 3183,42 -556,07 4115,60 -941,60 941,60 886611,50

2762 2810,32 2859,99 2760,65 -447,00 2627,35 134,65 134,65 18131,77

3116 3085,43 3062,89 3107,98 202,90 2313,65 802,35 802,35 643760,48

3397 3365,84 3335,55 3396,14 272,66 3310,88 86,12 86,12 7417,14

3778 3736,78 3696,66 3776,91 361,11 3668,80 109,20 109,20 11924,88

JUMLAH 574,82 3252,89 2187363,55

4.2 Grafik nilai aktual dan ramalan jumlah calon mahasiswa baru

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

2002 2003 2004 2005 2006 2007 2008 2009

DATA ASLI PERAMALAN

S "

(58)

Tabel 4.13 Perhitungan Ukuran Relatif Galat ( Data dari tabel 4.12 )

Nilai

Penjualan Ramalan Galat PE APE

Xt Ft+m et













 

100

t m t t

X

F

X

_{ }

₁₀₀

t m t t

X

F

X





2794 - - -

-2665 - - -

-3232 2561,80 670,20 14,35 14,35

3775 3663,67 111,33 24,25 24,25

3905 4302,44 -397,44 22,00 22,00

3174 4115,60 -941,60 -1,78 1,78

2762 2627,35 134,65 -17,31 17,31

3116 2313,65 802,35 -1,57 1,57

3397 3310,88 86,12 6,65 6,65

3778 3668,80 109,20 14,47 14,47

JUMLAH 574,82 61,05 102,38

Ukuran ketepatan Metode Peramalan dengan menggunakan = 0.9 adalah : 1.M E ( Mean Error ) / Nilai Tengah Kesalahan

N

e

ME

N t t



_



1 8 574,82  =71,85

2. M S E ( Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat

N

e

MSE

N t t



_



1 2

(59)

8 2187363,55



= 273420,44

3. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

N

e

MAE

N t t



_



1 8 584,02  = 73,002

4. S S E (Sum Square Error) / Jumlah Kuadrat Kesalahan



_

 N t et SSE

1 2

= 2187363,55

5. S D E (Standard Deviation Of Error) / Devisi Standar Kesalahan

N e SDE N t t



_  1 2

8 2187363,55



273420,44



= 52,90

(60)

N

PE

MAPE

t t



_



8 102,38



=12,80%

7. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase

N

PE

MPE

t t



_



8 61,05

 =7,63%

4.3.2 Penentuan Bentuk Persamaan Peramalan

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

Perhitungan pada tabel 4.12 diatas didasarkan pada =0,9 dan ramalan untuk suatu periode ke depan yaitu dalam perhitungan periode ke 10. Seperti yang sudah dijelaskan pada bab 2 ( landasan teori ) persamaan yang dipakai dalam perhitungan peramalan adalah sebagai berikut :

S't= Xt+ ( 1 ) S't1

S''t= S't+ ( 1 - ) S''t1

(61)

bt =

_





1 ( S't - S''t) Ftm= at+ bt(m)

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

Ftm= at+ bt(m)

Ftm= 3776,91 + 331,13 (m)

4.4 Peramalan Jumlah Calon Mahasiswa Baru

Setelah diketahui error yang terdapat pada model peramalan, maka dilakukan peramalan nilai penjualan energi listrik untuk tahun 2010 dengan menggunakan persamaan :

Ftm= 3776,91 + 331,13 (m)

Setelah diperoleh model peramalan Jumlah calon Mahasiswa baru, maka dapat dihitung untuk periode tahun 2010 seperti di bawah ini :

a. Untuk periode ke 11 ( tahun 2010) Ftm= 3776,91 + 331,13 (m) F10+1= 3776,91 + 331,13 ( 1 )

F11= 4108,04

Tabel 4.14 Peramalan Jumlah Calon Mahasiswa Baru Di Fakultas Ekonomi UMSU untuk tahun 2010 .

(62)

Tahun Periode Peramalan

2010 11 4108

BAB 5

IMPLEMENTASI SISTEM

(63)

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

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis kedalam progaming (coding). Dalam pengolahan data pada karya tulis ini penulis penggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil pehitungan.

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 banyk 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 manusia relatif besar.

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

5.2 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. Excel merupakan salah satu sofeware pengolah angka yang cukup banyk digunakan di dunia. Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengolahan infomasi 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.

(64)

Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf mulai dai A, B, C,..., Z kemudian dilanjutkan AA, AB, AC, ...sampai kolom IV. Sedangkan kolom baris ditandai dengan angka mulai dari 1, 2, 3, ...,65536. Excel 2003 hadir dengan berbagai penyempurnan, ampil lebih terintegrasi dengan berbagai sofware lain, salah satunya adalah under window seperti word, accsess dan power point. Keunggulan program spreadsheet ini adalah mulai dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.

5.3 Langkah-langkah Memulai Pengolahan Data Dengan Excel

Sebelum pengoprasian sofware ini, pastikan pada komputer terpasang program Excel. Langkah-langkahnya :

a. Klik tombol Start

(65)

(66)

Data tiap tahun pada 2 kolom, pertama untuk tahun dan kolom kedua untuk data Jumlah Mahasiswa Fakultas Ekonomi UMSU.

Dari data diatas kita dapat menentukan besarnya peramalan dengan = 0.9 dan untuk setiap perhitungan akan diberi nama pada setiap kolom seperti berikut :

(67)

1. Pada kolom pertama ditulis keterangan dengan Xt

2. Pada kolom kedua ditulis keterangan dengan St

3. Pada kolom ketiga ditulis keterangan dengan S t

4. Pada kolom ke empat ditulis keterangan dengan at

5. Pada kolom ke lima ditulis keterangan dengan bt

6. Pada kolom ke enam ditulis keterangan dengan Ft+m

7. Pada kolom ke tujuh ditulis keterangan dengan error atau e

8. Pada kolom k delapan ditulis keterangan dengan

e

atau absolute error 9. Pada kolom ke sembilan ditulis keterangan dengan e2_{( square error )}

Maka perhitungan masing-masing smoothing pertama, smoothing kedua, konstanta, slope dan forecast sebagai berikut :

1. Smoothing pertama, untuk tahun pertama ditentukan sebesar tahun pertama dari data historisnya sehingga rumus yang tertera pada sel C4 adalah C4. Sedangkan untuk tahun kedua dapat dihitung dengan rumus : 0,9*B4+0,1*C3. Dalam kasus ini menghasilkan angka : 2677,90 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

2. Smoothing kedua, untuk tahun kedua ditentukan sebesar nilai penjualan tahun pertama dari data historisnya. Sehingga sehingga rumus yang tertera pada sel D4 adalah D4. Sedangkan untuk tahun kedua dapat dihitung dengan rumus : 0,9*C4+0,1*D3. Dalam kasus ini akan menghasilkan angka 2689,81 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

3. Nilai at baru bias dicari pada tahun kedua yaitu dengan rumus : 2*C4-D4. Dalam kasus ini

menghasilkan angka 2666,29 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

4. niali btbaru bias dicari pada tahun kedua yaitu dengan rumus yang tertera pada sel F4 adalah

: 0,9/0,1*(C4-D4). Dalam kasus ini menghasilkan angka -104,49 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

(1)

1. Pada kolom pertama ditulis keterangan dengan Xt 2. Pada kolom kedua ditulis keterangan dengan St 3. Pada kolom ketiga ditulis keterangan dengan S t 4. Pada kolom ke empat ditulis keterangan dengan at 5. Pada kolom ke lima ditulis keterangan dengan bt 6. Pada kolom ke enam ditulis keterangan dengan Ft+m 7. Pada kolom ke tujuh ditulis keterangan dengan error atau e

8. Pada kolom k delapan ditulis keterangan dengan

e

atau absolute error 9. Pada kolom ke sembilan ditulis keterangan dengan e2_{( square error )}

Maka perhitungan masing-masing smoothing pertama, smoothing kedua, konstanta, slope dan forecast sebagai berikut :

3. Nilai at baru bias dicari pada tahun kedua yaitu dengan rumus : 2*C4-D4. Dalam kasus ini menghasilkan angka 2666,29 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

4. niali btbaru bias dicari pada tahun kedua yaitu dengan rumus yang tertera pada sel F4 adalah : 0,9/0,1*(C4-D4). Dalam kasus ini menghasilkan angka -104,49 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

(2)

5. Forecast Ft+muntuk tahun ketiga yaitu pada sel G5 dapat dicari dengan menggunakan rumus : E4+F5*(1). Dalam kasus ini menghasilkan angka 2561,80 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

5.4 Meghitung Ketepatan Peramalan

1 Jumlahkan error,absolute error dan square error dengan rumus : a. Untuk jumlah error dapat digunakan rumus = SUM (H5:H12)

Maka hasil jumlah error adalah : 574,82

b. Untuk jumlah absolute error dapat digunakan rumus = SUM (I5:I12) Maka hasil jumlah absolute error adalah : 3252,89

c. Untuk jumlah square error dapat digunakan rumus = SUM (J5:J12) Maka hasil jumlah square error adalah : 218736,35

2 Hitung Mean Error (ME), Mean Absolute Error (MAE), Mean Square Absolute Error (MSE) : a. Menghitung ME dengan rumus = H13/8

Maka hasil ME adalah : 71,85

b. Menghitung MAE dapat menggunakan rumus = I13/8 Maka hasil MAE adalah: 73,002

c. Menghitung MSE dapat menggunakan rumus = J13/8 Maka hasil MSE adalah : 273420,44

(3)

5.6 Pembuatan Grafik

Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada Excel bisa menggunakan icon chart wizard yang terdapat pada toolbar.

Adapun langkah-langkah yang diperlukan adalah :

(4)

2. Klik menu Insert, Chart.

3. Klik tipe dan sun tipe grafk misalnya tipe Colum dan sub tipe 3-D. 4. Klik Next.

5. Tentukan sumber data grafik. Jika sel pointer berada pada tabel data maka otomatis seluruh data tabel akan disorot dan ditandai dengan garis putus-putus.

6. Klik Next.

7. Tentukan keterangn pendukung grafik seperti titles (judul-judul tabel),axis (sumbu kordinat tabel), gridlines (garis bantu skala tabel), legens (keterangan tabel), dan labels (nama-nama data tabel), dan data tabel.

8. Klik Next

9. Pilih tempat untuk meletakan grafik ini.

10. Klik finish maka akan menghasilkan grafik baru.

BAB 6

KESIMPULAN DAN SARAN

(5)

Berdasarkan pembahasan yang telah dilakukan pada bab sebelumnya, maka dapat ditarik

simpulan dari penelitian yang dilakukan di Fakultas Ekonomi Universitas Muhammadiyah

Sumatera Utara ( UMSU ) sebagai berikut :

1. Pada hasil analisis Metode Smoothing Eksponensial dengan satu parameter dari Brown di dapat analisis dengan nilai MSE yang terkecil adalah dengan =0,9 yakni dengan MSE = 273420,44

2. Bentuk persamaan peramalan dari jumlah calon mahasiswa baru tahun 2010 di fakultas Ekonomi UMSU adalah :

Ftm= 3776,91 + 331,13 (m)

Pada

forecast

tahun selanjutnya diperkirakan pada tahun 2010 yaitu untuk jumlah

calon mahasiswa baru sebesar 4108 orang.

B. Saran

1. Dari hasil penelitian di atas disarankan kepada pengambil kebijakan di Fakultas

Ekonomi Universitas Muhammadiyah Sumatera Utara agar menggunakan metode

single exponential smoothing

untuk peramalan jumlah calon mahasiswa baru.

2. Diperlukan penelitian lebih lanjut tentang penggunaan metode

smoothing

untuk

forecasting

jumlah calon mahasiswa baru.

3. Diperlukan penelitian lebih lanjut tentang metode-metode

forecasting

yang lebih

praktis dan efisien serta menghasilkan

forecast error

yang lebih kecil.

(6)

DAFTAR PUSTAKA

Makridakis, Spyros, dan Whellwright, Steven C. 1993. Metode Dan Aplikasi Peramalan Edisi ke II. Jakarta: Erlangga.

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