4.3 Penaksiran Model Persamaan
Dalam mengolah data pada tabel 4.1, penulis menggunakan metode peramalan dengan metode pemulusan eksponensial ganda satu parameter dari Brown. Untuk memenuhi
perhitungan eksponensial tunggal, ganda dan ramalan yang akan datang, maka kita harus menentukan parameter nilai
terlebih dahulu yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai
yang dipilih dari 01 yang kemudian dihitung Mean Square Error MSE yang merupakan suatu ukuran ketepatan
perhitungan dengan mengkuadratkan masing- masing elemen dalam sebuah susunan data dan kemudian dicoba nilai
yang lain seperti pada tabel 4.2 sampai dengan tabel 4.10.
Untuk menghitung nilai MSE pertama, dicari terlebih dahulu error yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error dikuadratkan
dan dibagi dengan banyaknya error. Secara matematis rumus MSE adalah sebagai berikut:
n e
MSE
n i
i
1
Universitas Sumatera Utara
Kemudian nilai-nilai MSE yang telah kita peroleh kita dapat melihat nilai yang
memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan metode peramalan nilai penjualan energi listrik di PT. PLN Persero Cabang Binjai dengan
melihat MSE adalah sebagai berikut:
Tabel 4.11 Perbandingan Ukuran ketepatan Metode Peramalan
MSE
0,1 18.964,24 0,2 6510,47
0,3 3078,65 0,4 1950,17
0,5 1.466,15 0,6 1.199,38
0,7 1.019,17 0,8 880,027
0,9 768,39 Sumber: Perhitungan
Dari table 4.11 di atas dapat dinilai bahwa MSE yang paling kecil terdapat pada =
0,9, yaitu dengan MSE = 768, 39
Universitas Sumatera Utara
Dengan demikian maka tabel peramalan nilai penjualan energi listrik yang dipakai adalah pada saat
α = 0,9
TABEL 4.2 Peramalan Nilai Penualan Energi Listrik Dalam Rupiah
Di PT. PLN Persero Cabang Binjai Dengan
α=0,9
Tahun Periode
Xt St
St At
bt Ft+m
e e2
1998 1
72,98 72,98 72,98
1999 2
85,05
83,84 82,76
84,93
9,78
2000 3
118,83
115,33 112,07
118,59
29,32 94,71 24,12
581,97
2001 4
156,50
152,38 148,35
156,41
36,28 147,91 8,59
73,86
2002 5
221,86
214,91 208,26
221,57
59,90 192,69 29,17
850,75
2003 6
306,92
297,72 288,77
306,67
80,52 281,47 25,45
647,58
2004 7
340,05
335,82 331,11
340,52
42,34 387,18 -47,13
2.221,44
2005 8
351,75
350,16 348,25
352,06
17,14 382,86 -31,11
967,89
2006 9
369,61
367,66 365,72
369,61
17,47 369,20 0,41
0,17
2007 10
406,70
402,80 399,09
406,50
33,37 387,08 19,62
385,06
2008 11
474,32
467,17 460,36
473,98
61,27 439,87 34,45
1.186,84
63,57
6.915,55 Sumber: Perhitungan
Untuk
α = 0,9; n = 9
n i
i
e SSE
1 2
dan n
e MSE
n i
i
1 2
= 6.915,55 =
\
Universitas Sumatera Utara
Gambar 4.1 Nilai Penjualan Eenergi Listrik Dalam Milyar Rupiah pada =
0,9
Universitas Sumatera Utara
Dengan demikian kesalahan yang diperoleh dari perincian data ramalan banyaknya energi listrik yang disalurkan pada
= 0,9 diatas adalah :
a. Nilai Tengah Kesalahan Mean Error, dirumuskan dengan :
n e
ME
n i
i
1
n 57
, 63
06 ,
7
b. Nilai Tengah Kesalahan Kuadrat Mean Square Error, dirumuskan dengan:
n e
MSE
n i
i
1
9 55
, 915
. 6
39 ,
768
c. Nilai Tengah Kesalahan Absolute Mean Absolute Error, dirumuskan dengan:
n e
MAE
n i
i
1
9 05
, 220
45 ,
24
Universitas Sumatera Utara
d. Nilai Tengah Kesalahan Persentase Error Mean Absolute Percentage Error, dirumuskan dengan:
n PE
MAPE
n i
i
1
9 12
, 82
12 ,
9
e. Nilai Tengah Kesalahan Persentase Mean Percentage Error, dirumuskan dengan:
n PE
MAPE
n i
i
1
9 72
, 36
08 ,
4
f. Jumlah Kuadrat Kesalahan Sum Square Error, dirumuskan dengan:
n i
i i
F X
SSE
1 2
55 ,
6915
Universitas Sumatera Utara
4.4 Penentuan Bentuk Persamaan Peramalan
Kategori