Peramalan Jumlah Produksi Beras Di Kabupaten Simalungun Tahun 2013

(1)

PERAMALAN JUMLAH PRODUKSI BERAS DI KABUPATEN SIMALUNGUN

TAHUN 2013 TUGAS AKHIR

SEPTY RIAYANTI SARAGIH 082407031

PROGRAM STUDI DIII STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

(2)

PERAMALAN JUMLAH PRODUKSI BERAS DI KABUPATEN SIMALUNGUN

TAHUN 2013 TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

SEPTY RIAYANTI SARAGIH 082407031

PROGRAM STUDI DIII STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

(3)

PERSETUJUAN

Judul : PERAMALAN JUMLAH PRODUKSI BERAS DI

KABUPATEN SIMALUNGUN TAHUN 2013

Kategori : TUGAS AKHIR

Nama : SEPTY RIAYANTI SARAGIH

Nim : 082407031

Program Studi : DIII STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA)

UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Juni 2011

Diketahui/ Disetujui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof.Drs. Tulus, Vordipl, M.Si, Ph.D Drs. Ujian Sinulingga, M.Si NIP 19620901 198803 1 002 NIP. 19560303 198403 1 004

(4)

PERNYATAAN

PERAMALAN JUMLAH PRODUKSI BERAS DI KABUPATEN SUMALUNGUN

TAHUN 2013

TUGAS AKHIR

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

Medan, Juni 2011

SEPTY RIAYANTI SARAGIH 082407031

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah memberikan berkat dan karunia-Nya serta semua hikmat yang diberikan-Nya Tugas Akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan.

Ucapan terima kasih penulis sampaikan kepada Drs. Ujian Sinulingga, M.Si selaku dosen pembimbing pada penyelesaian Tugas Akhir ini yang telah memberikan panduan dan kepercayaan kepada penulis untuk menyempurnakan Tugas Akhir ini. Panduan ringkas, jelas dan profesional telah diberikan kepada penulis agar penulis dapat menyelesaikan Tugas Akhir ini. Ucapan terima kasih juga ditujukan kepada ketua dan sekretaris Prodi D-III Statistika Drs. Faigiziduhu Bu’ulÖlÖ, M.Si dan Drs.

Suwarno Ariswoyo, M.Si. Ketua dan Sekretaris Departemen Matematika FMIPA USU Prof.Drs. Tulus, M.Si, Ph.D dan Dra. Mardiningsih, M.Si. Kepada bapak Dr.

Sutarman, M.Sc selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Sumatera Utara, Pembantu Dekan dan semua dosen pada Departemen Matematika FMIPA USU beserta staf dan pegawai, serta teman-teman kuliah stambuk 2008. Kepada orangtua penulis yang terkasih Bapak J. Saragih dan Ibu S. Manurung yang selama ini memberikan doa, semangat dan dukungan sehingga penulis dapat menyelesaikan Tugas Akhir ini. Serta kepada semua teman-teman pemuda yang selama ini setia untuk mendoakan penulis dalam penyelesaian Tugas Akhir ini. Semoga Tuhan Yang Maha Esa akan membalasnya.

(6)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vii

Daftar Grafik ix

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Tinjauan Pustaka 3

1.4 Tujuan Penelitian 5

1.5 Manfaat Penelitian 5

1.6 Batasan Masalah 5

1.7 Metodologi Penelitian 6

1.8 Sistematika Penulisan 8

BAB 2 LANDASAN TEORI

2.1 Pengertian Peramalan 10

2.2 Kebutuhan dan Kegunaan Peramalan 11

2.3 Peranan Teknik Peramalan Dewasa ini 12

2.4 Metode Pemulusan (Smoothing) 15

2.5 Metode Pemulusan Yang Digunakan 15

2.5.1 Metode Pemulusan (smoothing) Ekpsonensial Ganda:

Metode Linear Satu- Parameter dari Brown 16 2.5.2 Beberapa Kriteria untuk Menguji ketepatan Ramalan 18 BAB 3 DESKRIPSI UMUM

3.1 Sejarah Singkat Badan Ketahanan Pangan ( BKP )

Propinsi Sumatera Utara 19

3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan

Propinsi Sumatera Utara, Medan 19

3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan

untuk Peningkatan Pangan 21

BAB 4 ANALISIS DATA

4.1 Pengumpulan Data 25

4.2 Pemulusan (Smoothing) Eksponensial Ganda: Metode

(7)

BAB 5 IMPLEMENTASI SISTEM

5.1 Tahapan Implementasi 41

5.2 Microsoft Excel 41

5.3 Langkah-langkah Memulai Pengolahan Data Dengan Excel 42

5.4 Penggambaran Hasil 45

BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 47

6.2 Saran 48

DAFTAR PUSTAKA LAMPIRAN

(8)

DAFTAR TABEL

Halaman

Tabel 4.1 Data Jumlah Produksi Beras pada Kantor Badan Ketahanan

Pangan Medan Tahun 2000-2008 25

Tabel 4.2 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.1 Pada Data Jumlah Produksi

Beras Di Kabupaten Simalungun 28

Tabel 4.3 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.2 Pada Data Jumlah Produksi

Beras Di Kabupaten Simalungun 29

Tabel 4.4 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.3 Pada Data Jumlah Produksi

Beras Di Kabupaten Simalungun 30

Tabel 4.5 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.4 Pada Data Jumlah Produksi

Beras Di Kabupaten Simalungun 31

Tabel 4.6 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.5 Pada Data Jumlah Produksi

Beras Di Kabupaten Simalungun 32

Tabel 4.7 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.6 Pada Data Jumlah Produksi

(9)

Beras Di Kabupaten Simalungun 33 Tabel 4.8 Aplikasi Pemulusan Eksponensial Linier Satu Parameter

Dari Brown Menggunakan = 0.7 Pada Data Jumlah Produksi

Beras Di Kabupaten Simalungun 34

Tabel 4.9 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.8 Pada Data Jumlah Produksi

Beras Di Kabupaten Simalungun 35 Tabel 4.10 Aplikasi Pemulusan Eksponensial Linier Satu Parameter

Dari Brown Menggunakan = 0.9 Pada Data Jumlah Produksi

Beras Di Kabupaten Simalungun 36

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan 37 Tabel 4.12 Nilai Ramalan (Forecast) Jumlah Produksi Beras

Di Kabupaten Simalungun 39

(10)

DAFTAR GRAFIK

Halaman

Grafik 4.1 Jumlah Produksi Beras Di Kabupaten Simalungun 26 Grafik 4.2 : Nilai Peramalan Jumlah Produksi Beras 40

(11)

BAB 1

PENDAHULUAN

1.1 Latar Belakang Masalah

Setiap manusia membutuhkan pangan dan kecukupan gizi dalam kehidupan sehari-hari. Pemenuhan kebutuhan pangan dan gizi yang cukup merupakan salah satu hak bagi manusia. Dengan rendahnya pemenuhan kebutuhan pangan akan mengakibatkan terganggunya terhadap pertumbuhan organ dan jaringan tubuh, lemahnya daya tahan tubuh terhadap serangan penyakit, serta menurunnya aktivitas dan produktivitas kerja. Oleh karena itu pangan dengan jumlah dan mutu yang memadai harus selalu tersedia dan dapat diakses oleh semua orang pada setiap saat. Salah satunya bahan pangan yang sangat dibutuhkan adalah beras.

Bagi negara Indonesia, khususnya di Kabupaten Simalungun beras merupakan bahan pangan pokok yang sangat dibutuhkan. Dengan melihat peningkatan pertumbuhan penduduk pada saat ini maka kebutuhan beras juga akan meningkat. Hal inilah yang membuat masyarakat banyak menimbun beras sehingga ketersediaan beras sangat terbatas di pasaran sehingga memicu kenaikan harga beras. Bagi masyarakat kecil sangat sulit untuk mendapatkan beras karena mahal. Untuk menghindari hal tersebut dapat dilakukan dengan melakukan tindakan penyediaan beras. Penyediaan beras dapat dilakukan melalui dua cara yaitu memproduksi sendiri dengan memanfaatkan Sumber Daya Manusia dan teknologi yang ada dan mengimport.

(12)

Penduduk Indonesia khususnya Kabupaten Simalungun sangat bergantung pada nasi sebagai makanan pokok. Ketergantungan yang sangat besar ini merupakan tantangan bagi negara yang mengkonsumsi nasi sebagai makanan pokok.

Daerah Simalungun merupakan daerah yang lahan pertaniannya daratan dan persawahan. Tapi di daerah Simalungun masih banyak penduduk yang tidak memiliki lahan pertanian sendiri. Hal inilah yang mempengaruhi berkurangnya produksi padi di Kabupaten Simalungun sehingga akan mengakibatkan kurangnya persedian beras. Hal lain dapat juga disebabkan oleh gagal panen akibat cuaca yang tidak mendukung, diserang hama/ penyakit yang tak terduga, padi yang sudah berbunga pun dapat diterpa angin sehingga pembuahan tidak sempurna dan padi yang masak pun akan dimakan burung atau tikus.

Berdasarkan uraian di atas, penulis ingin mengadakan penelitian tentang peramalan produksi beras dengan judul: “PERAMALAN JUMLAH PRODUKSI

BERAS DI KABUPATEN SIMALUNGUN TAHUN 2013”.

1.2 Perumusan Masalah

Adapun rumusan masalahnya adalah sebagai berikut:

1. Bagaimana penggunaan metode Pemulusan (Smoothing) Eksponensial Ganda : Metode Linier Satu - Parameter dari Brown untuk meramalkan jumlah produksi beras di Kabupaten Simalungun?

(13)

2. Meramalkan jumlah produksi beras di Kabupaten Simalungun tahun 2013 dengan menggunakan Pemulusan (Smoothing) Eksponensial Ganda: Metode Linier Satu - Parameter dari Brown.

1.3 Tinjauan Pustaka

Lerbin R. Aritonang R menguraikan bahwa kegiatan penerapan model yang telah

dikembangkan pada waktu yang akan datang dinamakan peramala n. Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi (pola data)

pada waktu-waktu yang lalu guna mengembangkan model yang sesuai dengan pola data itu dengan menggunakan asumsi bahwa pola data waktu yang lalu itu akan berulang lagi pada waktu yang akan datang. Selanjutnya, model itu digunakan untuk meramalkan kondisi pada waktu-waktu yang akan datang. Penggunaan metode peramalan adalah untuk mengidentifikasi suatu model peramalan sedemikian rupa sehingga error-nya menjadi seminimal mungkin.

H. Indriyo Gitosudarmo menguraikan Teknik peramalan merupakan cara atau pendekatan untuk menentukan ramalan (perkiraan) mengenai sesuatu di masa yang akan datang. Proyeksi (forcast) menjadi sangat penting karena penyusunan suatu rencana di antaranya didasarkan pada suatu proyeksi atau forcast. Hasil peramalan yang mendekati kenyataan merupakan ramalan yang memiliki kesalahan (error) minimal. Hasil ramalan tersebut merupakan ramalan yang akurat dan akan bermanfaat bagi penyusunan rencana selanjutnya.

(14)

Makridakis, S menguraikan bahwa dasar pemikiran dari pemulusan eksponensial linier satu parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan eksponensial tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend. Perbedaan antara nilai pemulusan tunggal dan ganda ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi Pemulusan Eksponensial Ganda: Metode Linier Satu – Parameter dari Brown adalah sebagai berikut:

= + m

Dimana :

= Pemulusan eksponensial tunggal = Pemulusan eksponensial ganda

= Konstanta

= Slope

= Periode di depan yang diramalkan = Nilai Peramalan (forcast)

(15)

1.4 Tujuan Penelitian

Tujuan diadakannya penelitian ini adalah

1. Untuk mengetahui bagaimana penggunaan Pemulusan (smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown untuk meramalkan jumlah produksi beras di Kabupaten Simalungun.

2. Untuk meramalkan jumlah produk beras di Kabupaten Simalungun tahun 2013 dengan menggunakan Pemulusan (smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah:

1. Bagi pihak Badan Ketahanan Pangan, dapat bermanfaat sebagai masukan dalam pengambilan kebijakan.

2. Sebagai penerapan ilmu yang diperoleh selama duduk di perkuliahan.

3. Sebagai referensi bagi peneliti lain yang melakukan penelitian dengan metode yang sama.

4. Menambah ilmu pengetahuan peneliti dalam penelitian.

5. Sebagai sarana informasi bagi masyarakat untuk dapat mengetahui bagaimana kondisi jumlah produksi beras tahun yang akan datang.

(16)

1.6 Batasan Masalah

Untuk menghindari penyimpangan pembahasan dan tujuan sebenarnya, perlu kiranya penulis membatasi permasalahan yang akan dibahas sehingga jenis-jenis pokok permasalahannya, yang menjadi batasan masalah pada tugas akhir ini adalah:

1. Untuk mengetahui bagaimana penggunaan Pemulusan (smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown untuk meramalkan jumlah produksi beras di Kabupaten Simalungun.

2. Untuk meramalkan jumlah produk beras di Kabupaten Simalungun tahun 2013 dengan menggunakan Pemulusan (smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown.

1.7 Metode Penelitian

Dalam penelitian ini, data yang akan digunakan adalah data sekunder yaitu data yang diambil dari kantor Badan Ketahanan Pangan (BKP) Propinsi Sumatera Utara. Dari data tersebut peneliti dapat mengetahui berapa jumlah produksi beras pada tahun 2013.

Dalam melakukan penelitian ini, peneliti menggunakan peramalan. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa akan datang. Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa akan datang berdasarkan data yang ada dan relevan.

Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah serupa dengan rata-rata bergerak linier karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend.

(17)

Perbedaan anatara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam pemulusan (Smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown adalah:

= + m 1. Menentukan nilai pemulusan eksponensial tunggal ( )

2. Menentukan nilai pemulusan ekponensial ganda ( )

3. Menentukan nilai

4. Menentukan nilai

Dimana: = nilai peramalan untuk m periode ke depan = besarnya konstanta periode t = besarnya slope periode t

= jumlah periode yang diramalkan = nilai rill periode t

= nilai parameter pemulusan

= nilai pemulusan eksponensial tunggal periode t = nilai pemulusan eksponensial ganda periode t = nilai pemulusan eksponensial tunggal peroide t-1 = nilai pemulusan eksponensial ganda periode t-1

(18)

1.8 Sistematika Penulisan

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

BAB 1 : PENDAHULUAN

Bab ini berisi latar belakang masalah, rumusan masalah, tinjauan pustaka, tujuan dan manfaat penelitian, metodologi penelitian dan sistematika penulisan.

BAB 2 : TINJAUAN TEORITIS

Bab ini menjelaskan sesuatu yang mencakup penyelesaian masalah sesuai dengan judul dan permasalahan yang di buat.

BAB 3 : DESKRIPSI UMUM

Bab ini menjelaskan gambaran umum tentang tempat ( instansi ) pengumpulan data.

BAB 4 : ANALISIS DATA

Bab ini membahas tentang pengolahan data untuk mencari hasil peramalan.

(19)

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang langkah-langkah pengolahan data dengan menggunakan sistem komputerisasi.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini berisikan tentang kesimpulan dan saran dari hasil pembahasan.

(20)

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Peramalan berasal dari kata ramalan yang artinya adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Sedangkan peramalan adalah bentuk kegiatannya. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yaitu Metode Pemulusan Eksponensial atau Rata-Rata Bergerak, Metode Box-Jenkins dan Metode Regresi. Semua itu disebut metode peramalan.

Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain Metode Peramalan yang bersifat objektif. Disamping itu Metode Peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan, akan dapat dasar pemikiran dan pemecahan yang sama.

Baik tidaknya suatu peramalan yang disusun selain ditentukan oleh metode peramalan yang digunakan, juga ditentukan oleh baik tidaknya informasi yang digunakan. Selama informasi yang digunakan tidak dapat meyakinkan untuk mendapatkan hasil yang bagus maka hasil peramalan yang disusun juga sukar untuk dipercaya ketepatannya.

(21)

2.2 Kebutuhan dan Kegunaan Peramalan

Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi seperti itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.

Dalam perencanaan di organisasi atau perusahaan, peramalan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun sampai beberapa hari atau bahkan beberapa jam. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Di dalam bagian organisasi terdapat kegunaan peramalan, yaitu:

1. Berguna untuk penjadwalan sumberdaya yang tersedia. Penggunaan sumberdaya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan untuk produk, bahan, tenaga kerja, finansial, atau jasa pelayanan.

2. Berguna untuk penyediaan sumberdaya tambahan. Waktu tenggang ( lead time ) untuk memperoleh bahan baku, menerima pekerja baru, atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumberdaya di masa mendatang.

3. Berguna untuk penentuan sumberdaya yang diinginkan. Setiap organisasi harus menentukan sumberdaya yang ingin dimiliki dalam jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar, faktor-faktor lingkungan, dan

(22)

pengembangan internal dari sumberdaya finansial, manusia, produk dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.

Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun 3 (tiga) kelompok di atas merupakan bentuk khas dari keperluan peramalan jangka pendek, menengah dan panjang.

Dari uraian yang sudah dijelaskan, dapat dikatakan metode peramalan sangat berguna karena akan membantu dalam mengadakan analisis terhadap data masa lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan yang sistematis serta memberikan ketepatan hasil peramalan yang dibuat atau disusun.

2.3 Peranan Teknik Peramalan Dewasa ini

Sejak awal 1960-an, semua tipe organisasi telah menunjukkan keinginan yang meningkat untuk mendapatkan ramalan dan menggunakan sumberdaya peramalan secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor. Yang pertama adalah karena meningkatnya kompleksitas organisasi dan lingkungannya; hal ini menjadikan semakin sulit bagi pengambil keputusan untuk mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula; lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat.

(23)

Keterkaitan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan memungkinkan bagi organisasi untuk mempelajari keterkaitan yang baru secara lebih cepat. Keempat, pengambilan keputusan telah semakin sistematis yang melibatkan justifikasi tindakan individu secara gamblang (eksplisit). Peramalan formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil. Kelima, dan mungkin ini yang terpenting adalah bahwa pengembangan metode peramalan dan pengetahuan yang menyangkut aplikasinya telah lebih memungkinkan adanya penerapan secara langsung oleh para praktisi daripada hanya dilakukan oleh para teknisi ahli.

Dengan adanya sejumlah besar metode peramalan yang tersedia, maka masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu.

Situasi peramalan sangat beragam dalam horizon waktu peramalan, faktor yang menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk menghadapi penggunaan yang luas seperti itu, beberapa teknik telah dikembangkan. Teknik tersebut dibagi kedalam dua kategori utama, yaitu metode kuantitatif dan metode kualitatif atau teknologis. Metode kuantitatif dapat dibagi kedalam deret berkala (time series) dan metode kausal, sedangkan metode kualitatif atau teknologis dapat dibagi menjadi metode eksploratoris dan normatif.

Suatu dimensi tambahan untuk mengklasifikasikan metode peramalan kuantitatif adalah dengan memperhatikan model peramalan yang mendasarinya. Terdapat dua jenis model peramalan yang utama, yaitu: model deret berkala (time

(24)

series) dan model regresi (kausal). Pada jenis pertama, pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan kesalahan masa lalu. Tujuan metode peramalan deret berkala seperti itu adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan.

Model kausal di pihak lain mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas. Kedua model deret berkala (time series) dan kausal mempunyai keuntungan dalam situasi tertentu. Model deret berkala seringkali dapat dengan mudah untuk meramal, sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari waktu atau sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting dalam memilih suatu metode deret berkala (time series) yang tepat adalah dengan mempertimbangkan jenin pola data, sehingga metode paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis siklis (cyclical) dan trend, yaitu:

1. Pola horizontal (H) terjadi bilamana nilai data berfluktuasi disekitar nilai rata-rata yang konstan. Deret seperti itu adalah stasioner tehadap nilai rata-rata-rata-ratanya. Contoh: suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu.

2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Contoh: penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang.

(25)

3. Pola siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contoh: seperti penjualan produk mobil, baja dan peralatan lainnya.

4. Pola trend (T) terjai bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: penjualan banyak perusahaan produk bruto nasional dan berbagai indikator bisnis atau ekonomi lainnya.

2.4 Metode Pemulusan (smoothing)

Metode smoothing adalah suatu metode peramalan dengan mendakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun kedepan. Dasar metode pemulusan adalah pembobotan sederhana atau pemulusan observasi masa lalu dalam suatu deret berkala untuk memperoleh ramalan masa mendatang.

Keuntungan utama dari metode pemulusan adalah biayanya yang rendah, kemudian dalam penerapannya, dan kecepatannya untuk diterima. Karakteristik ini membuatnya menarik terutama bila ingin meramalkan sejumlah besar item, seperti kasus dalam banyak keadaan persediaan (inventory), dan bilamana horizon waktunya relatif pendek (kurang dari 1 tahun).

(26)

2.5Metode Pemulusan Yang Digunakan

Untuk mendapatkan hasil yang baik, harus diketahui cara peramalan yang tepat. Data jumlah produksi beras ke dalam grafis menunjukkan pola data trend linier yang dapat juga dilihat dari plot autokorelasi.

Oleh karena itu metode peramalan analisis time series yang digunakan untuk meramalkan jumlah produksi beras pada penelitian ini adalah metode Pemulusan (Smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown.

2.5.1 Metode pemulusan (smoothing) ekpsonensial ganda: metode

linear satu- parameter dari Brown

Dengan cara analogi yang dipakai pada waktu berangkat dari rata-rata bergerak tunggal ke pemulusan (smoothing) eksponensial tunggal, kita dapat juga berangkat dari rata-rata bergerak ganda ke pemulusan ganda. Perpindahan seperti itu mungkin menarik karena salah satu keterbatasan dari rata-rata bergerak tunggal yaitu perlunya menyimpan N nilai terakhir. Masih terdapat pada rata-rata bergerak linier, kecuali bahwa jumlah nilai data yang diperlukan sekarang adalah 2N-1. Pemulusan eksponensial linear dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk . Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi pada masa lalu. Dengan alasan ini pemulusan eksponensial linear lebih disukai daripada rata-rata bergerak linear sebagai suatu metode peramalan dalam berbagai kasus utama.

(27)

Dasar pemikiran dari peramalan eksponensial linear dari Brown adalah serupa dengan rata-rata bergerak linear; karena kedua nilai pemlusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend. Perbedaan antara nilai pemulusan tunggal dan pemulusan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan dengan trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linear satu – parameter dari Brown sebagai berikut:

= + m

Dimana : = nilai peramalan untuk m periode ke depan = besarnya konstanta periode t

= besarnya slope periode t

= jumlah periode yang diramalkan = nilai rill periode t

= nilai parameter pemulusan

= nilai pemulusan eksponensial tunggal periode t = nilai pemulusan eksponensial ganda periode t

(28)

BAB 3

DESKRIPSI UMUM

3.1Sejarah Singkat Perusahaan

Badan Ketahanan Pangan Propinsi Sumatera Utara adalah lembaga pemerintah yang didirikan pada tanggal 16 mei 2000 di Jalan Jendral Besar Abdul Haris Nasution No.24 Medan.

Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara Medan berlandaskan pada visi dan misi berikut:

1. Visi kantor Badan Ketahanan Pangan Propinsi Sumatera Utara :

Terwujudnya ketahanan pangan masyarakat yang berbasis kepada sumber daya lokal yang dimiliki secara efisien dan berkelanjutan menuju masyarakat yang berkualitas dan sejahtera.

2. Misi kantor Badan ketahanan Pangan Propinsi Sumatera Utara :

a. Meningkatkan pemberdayaan dan kemandirian masyarakat untuk mewujudkan ketahanan pangan yang berbasis sumber daya lokal yang dimiliki.

(30)

3.2 Tugas dan Fungsi Pokok Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara, Medan

Tugas dan Fungsi Pokok kantor Badan Ketahanan Pangan Propinsi Sumatera Utara, Medan adalah :

1. Menyiapkan bahan dalam perumusan kebijakan teknis dalam lingkup ketahanan pangan.

2. Menyelenggarakan evaluasi dan pengkajian ketahanan pangan, pembinaan, kewaspadaan dan gizi serta pembinaan penyeragaman konsumsi pangan sumber daya dalam ketahanan pangan.

3. Melaksanakan tugas lain yang terkait dengan kehanan pangan sesuai dengan ketetapan kepala daerah.

4. Mengkoordinasikan perumusan kebijakan dan perencanaan program peningkatan ketahanan pangan daerah yang meliputi aspek-aspek sebagai berikut :

a. Aspek ketersediaan yang bersumber dari produksi, cadangan dan import.

b. Aspek distribusi yang berbasis kepada stabilitas harga pangan, aman dan terjangkau.

c. Aspek konsumsi yang berbasis kepada penganekaragaman konsumsi non beras, bermutu / bergizi dan aman.

5. Mengkoordinasikan monitoring program peningkatan ketahanan pangan melalui rapat Dewan Ketahanan Pangan dan rapat Pokja guna mengantisipasi dan memecahkan masalah yang dihadapi melalui hal-hal sebagai berikut :

a. Monitoring pelaksanaan kegiatan tani.

b. Monitoring eksport / inport bahan pangan strategis. c. Monitoring harga bahan pangan strategi dan lokal.

(31)

e. Monitoring daerah rawan pangan.

f. Monitoring kewaspadaan pangan ( bencana alam dan gangguan OPT ). g. Monitoring panganekaragaman konsumsi bahan pangan.

h. Monitoring mutu dan keamanan pangan. i. Supervisi yang terkoordinasi ke lapangan.

6. Melaksanakan pengkajian, analisis dan pembinaan terhadap aspek-aspek ketahanan pangan ( ketersediaan, distribusi, penganekaragaman konsumsi dan kewaspadaan atau keamanan pangan).

7. Memantau dan mengendalikan ketersediaan dan distribusi bahan pangan, terutama sembilan bahan pangan pokok.

8. Mengkoordinasikan palaporan dan evaluasi program peningkatan ketahanan pangan yang meliputi aspek ketersediaan, mutu dan keamanan pangan.

3.3 Kebijakan-Kebijakan Kantor Badan Ketahanan Pangan untuk Peningkatan Pangan

Kebijakan kantor Badan Ketahanan Pangan untuk peningkatan pangan meliputi berbagai aspek diantaranya adalah :

1. Kebijakan dalam aspek ketahanan pangan :

1. Menjaga ketersediaan pangan malalui upaya-upaya paningkatan produksi dan produktivitas bahan nabati dan hewani sesuai potensi wilayah masing-masing yang diwujudkan malalui 4 (empat) usaha pokok yaitu intensivikasi, ekstensivikasi, diversivikasi dan rehabilitasi dangan 8 (delapan) langkah kegiatan utama yaitu :

(32)

• Pemberdayaan kelompok tani dan kelembagaan kelompok ekonomi petani ( KUD, Koptan dan lain-lain ).

• Pemantapan penyediaan dan penyaluran sarana produksi ( benih, pupuk, obat - obatan dan alsintan ).

• Penyediaan dan penyaluran kredit modal. • Peningkatan mutu teknologi.

• Peningkatan kinerja penyuluh.

• Mengembangkan kemitraan dalam pemasaran hasil. • Peningkatan mutu koordinasi.

• Peningkatan dan pengembangan jaringan irigasi.

2. Perlunya menata ulang kembali mekanisme/tata cara pengadaan dan penyaluran pupuk yang sudah ada secara terkoordinasi dengan pemerintah daerah sehingga pupuk betul-betul tersedia di tengah-tengah petani yang memenuhi prinsip 6 (enam) tepat.

3. Tingkat ketersediaan bahan pangan yang bersumber dari produksi lokal harus diupayakan secara bertahap mencapai titik ideal yaitu sesuai dengan tingkat kebutuhan dan jika terjadi kelebihan (surplus) diprioritaskan untuk perdagangan antar propinsi maupun eksport.

4. Mendukung kebijakan pemerintah untuk tetap melaksanakan larangan import beras pada tahun 2005 dan tahun 2006, mengingat cadangan dan produksi cukup tinggi.

5. Untuk memantapkan ketersediaan gula pemerintah dihimbau nutuk memberikan kepercayaan kepada pemerintah daerah untuk melaksanakan import gula melalui importir daerah sehingga lebih memudahkan dalam pengawasan.

(33)

2. Kebijakan dalam aspek distribusi :

1. Mengembangkan kerja sama jaringan distribusi dan informasi pangan dalam daerah dan antar daerah untuk mewujudkan ketersediaan dan stabilitas harga. 2. Peningkatan efisiensi kelancaran distribusi bahan pangan melalui reformasi

berbagai peraturan yang menghambat lalulintas perdagangan, pengembangan saranan dan prasaranan distribusi serta pelayanan teknologi pasca panen.

3. Peningkatan kemampuan masyarakat dan pemerintah daerah dalam menstabilkan harga bahan pangan antar waktu maupun antar wilayah.

4. Penguatan pangsa pasar yang bukan saja antar propinsi tetapi juga eksport serta mengembangkan kemitraan pemasaran hasil.

3. Kebijakan dalam aspek penganekaragaman konsumsi :

1. Melakukan upaya-upaya diversifikasi konsumsi pangan yang beragam, bergizi dan berimbang serta aman, sesuai dengan kondisi dan situasi daerah, dengan mengutamakan sumber pangan lokal untuk mencegah ketergantungan terhadap satu jenis pangan tertentu sesuai dengan Pola Pangan Harapan (PPH).

2. Penurunan konsumsi beras sebagai bahan pangan pokok masyarakat.

3. Peningkatan penganekaragaman konsumsi bahan pangan yang seimbang baik jenis nabati, atau hewani maupun mutu dan gizi.

4. Peningkatan konsumsi bahan pangan lokal sebagai basis pada non beras. 4. Kebijakan Dalam Aspek Kewaspadaan dan Keamanan Pangan

1. Melaksanakan pengamatan dini kerawanan pangan serta mengembangkan cadangan pangan daerah untuk mengantisipasi kondisi darurat (bencana alam, kerawanan pangan kronis dan lain-lain) yang mampu memenuhi kebutuhan masyarakat dalam 3 (tiga) bulan.

(34)

2. Peningkatan kemampuan fungsi Sistem Kewaspadaan Pangan dan Gizi (SKPG).

3. Peningkatan keberdayaan masyarakat miskin yang berada dalam kondisi kerawanan pangan kronis serta pengembangan jaringan pengamanan pangan bagi kelompok rawan pangan transien (mendadak) karena bencana alam dan sosial.

4. Peningkatan pengembangan keamanan mutu dan gizi pangan. 5. Kebijakan dalam upaya pengentasan kemiskinan :

1. Mengurangi jumlah penduduk yang kelaparan sekurang-kurangnya 1% per tahun dimulai tahun 2005 sebagai komitmen Indonesia dalam deklarasi Roma Tahuh 1996 pada KKT Pangan Dunia melalui Pembangunan Ketahanan Pangan di pedesaan dan perkotaan.

2. Mengembangkan desa mandiri pangan dan menggalang sumber-sumber dana masyarakat yang memadai yang dimulai pada tahun 2005.

6. Kebijakan dalam pemberdayaan masyarakat dalam ketahanan pangan :

Meningkatkan pemberian bantuan langsung masyarakat baik berupa dana penguatan modal bagi lembaga ekonomi pedesaan maupun bantuan dana berupa penguatan modal usaha kelompok petani di pendesaan.

(35)

BAB 4

ANALISIS DATA

4.1 Pengumpulan Data

Untuk kebutuhan peramalan diperlukan data yang bersifat akurat, validity, kecukupan data dan dapat menggambarkan time series. Data diperoleh dari kantor Badan Ketahanan Pangan Propinsi Sumatera Utara Medan.

Pengumpulan data yang diperoleh merupakan data dari tahun 2000-2008, yaitu data jumlah produksi beras.

Tabel 4.1 Data Jumlah Produksi Beras pada Kantor Badan Ketahanan Pangan Medan Tahun 2000-2008

No. Tahun Jumlah Produksi

1 2000 287.979

2 2001 299.201

3 2002 294.433

4 2003 318.951

5 2004 324.649

6 2005 241.334

7 2006 232.445

8 2007 269.757

(36)

Grafik 4.1 : Jumlah Produksi Beras Di Kabupaten Simalungun

4.2 Pemulusan (Smoothing) Eksponensial Ganda: Metode Linear - Satu

Parameter Dari Brown

Pada metode smoothing eksponensial tunggal dilakukan peramalan dengan pemulusan sekali saja. Sedangkan pada metode smoothing eksponensial satu parameter dari Brown dilakukan dua kali pemulusan metode ini sering juga disebut metode pemulusan eksponensial berganda (Double Exponential Smoothing).

Untuk memenuhi perhitungan smoothing eksponential satu parameter dari Brown maka terlebih dahulu kita menentukan parameter yang biasanya secara trial and error ( coba dan salah). Suatu nilai yang dipilih yang besarnya 0 < < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran perhitungan dengan mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai yang lain.

0 50.000 100.000 150.000 200.000 250.000 300.000 350.000

Jum

h P

duk

Tahun

Tabel 4.2 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.1 Pada Data Jumlah Produksi Beras Di Kabupaten Simalungun

untuk

= 0.1 danN= 7 diperoleh

N e MSE

t i

∑

= 1

= 1.272.091.780 Tahun

2000 287.979 287.979,00 287.979,00

2001 299.201 289.101,20 288.091,22 290.111,18 112,22

2002 294.433 289.634,38 288.245,54 291.023,22 154,32 290.223,40 4.209,60 17.720.732,16 2003 318.951 292.566,04 288.677,59 296.454,50 432,05 291.177,54 27.773,46 771.365.080,37 2004 324.649 295.774,34 289.387,26 302.161,41 709,68 296.886,55 27.762,45 770.753.741,05 2005 241.334 290.330,30 289.481,57 291.179,04 94,30 302.871,09 -61.537,09 3.786.813.322,59 2006 232.445 284.541,77 288.987,59 280.095,96 -493,98 291.273,35 -58.828,35 3.460.774.330,75 2007 269.757 283.063,30 288.395,16 277.731,43 -592,43 279.601,98 -9.844,98 96.923.656,52 2008 277.679 282.524,87 287.808,13 277.241,60 -587,03 277.139,01 539,99 291.593,74

(39)

Tabel 4.3 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan = 0.2 Pada Data Jumlah Produksi Beras Di Kabupaten Simalungun

Tahun

2000 287.979 287.979,00 287.979,00

2001 299.201 290.223,40 288.427,88 292.018,92 448,88

2002 294.433 291.065,32 288.955,37 293.175,27 527,49 292.467,80 1.965,20 3.862.011,04 2003 318.951 296.642,46 290.492,79 302.792,13 1.537,42 293.702,76 25.248,24 637.473.623,10 2004 324.649 302.243,76 292.842,98 311.644,55 2.350,20 304.329,54 20.319,46 412.880.292,14 2005 241.334 290.061,81 292.286,75 287.836,88 -556,23 313.994,74 -72.660,74 5.279.583.718,63 2006 232.445 278.538,45 289.537,09 267.539,81 -2.749,66 287.280,64 -54.835,64 3.006.947.659,87 2007 269.757 276.782,16 286.986,10 266.578,22 -2.550,99 264.790,15 4.966,85 24.669.584,78 2008 277.679 276.961,53 284.981,19 268.941,87 -2.004,91 264.027,23 13.651,77 186.370.790,15

Jumlah -61.344,87 9.551.787.679,70

Untuk = 0.2 dan N= 7 diperoleh

N e MSE

t i

∑

= 1

(47)

Dari hasil perhitungan maka kemudian salah satu nilai MSE dibandingkan untuk menentukan nilai yang memberikan MSE terkecil. Perbandingan ukuran ketepatan metode peramalan jumlah produksi jumlah beras di Kabupaten Simalungun adalah sebagai berikut:

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan

MSE

0,1 1.272.091.780

0,2 1.364.541.097

0,3 1.484.755.294

0,4 1.626.620.887

0,5 1.765.987.491

0,6 1.893.591.527

0,7 2.020.304.757

0,8 2.165.923.384

0,9 2.345.296.251

Dari Tabel 4.11 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil (minimum) adalah nilai parameter pemulusan = 0,1 untuk data jumlah produksi beras di Kabupaten Simalungun dengan nilai MSE = 1.272.091.780.

Peramalan jumlah produksi beras di Kabupaten Simalungun pada taraf = 0,1

Dari tabel 4.2 pada tahun 2008 diperoleh nilai-nilai yaitu sebagai berikut: = 277.241,60

(48)

= -587,03

1. Peramalan tahun 2009 untuk m=1 = + m

= 277.241,60 + (-587,03)(1) = 277.241,60 - 587,03

= 276.654,57 = 276.655

2. Peramalan tahun 2010 untuk m=2 = + m

= 277.241,60 + (-587,03)(2) = 277.241,60 – 1.174,06 = 276.067,54

= 276.068

3. Peramalan tahun 2011 untuk m=3 = + m

= 277.241,60 + (-587,03)(3) = 277.241,60 – 1.761,09 = 275.480,51

= 275.481

4. Peramalan tahun 2012 untuk m=4 = + m

(49)

= 277.241,60 + (-587,03)(4) = 277.241,60 – 2.348,12 = 274.893,48

= 274.893

5. Peramalan untuk tahun 2013 untuk m=5 = + m

= 277.241,60 + (-587,03)(5) = 277.241,60 – 2.935,15 = 274.306,45

=274.306

Tabel 4.12 Nilai Ramalan (Forecast) Jumlah Produksi Beras Di Kabupaten Simalungun

Tahun Jumlah Produksi Beras

2009 276.654,57

2010 276.067,54

2011 275.480,51

2012 274.893,48

(50)

Tabel 4.13 Pemulusan Eksponensial Untuk Jumlah Produksi Beras

Tahun Jumlah Produksi Beras Nilai Peramalan

2000 287.979 -

2001 299.201 -

2002 294.433

290.223,40

2003 318.951

291.177,54

2004 324.649

296.886,55

2005 241.334

302.871,09

2006 232.445

291.273,35

2007 269.757

279.601,98

2008 277.679

277.139,01

Grafik 4.2 : Nilai Peramalan Jumlah Produksi Beras

0 50.000 100.000 150.000 200.000 250.000 300.000 350.000

2000 2001 2002 2003 2004 2005 2006 2007 2008

Jumlah Produksi Beras

(51)

BAB 5

IMPLEMENTASI SISTEM

5.1Tahapan Implementasi

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis kedalam programming. Pada tahapan inilah seluruh hasil desain dituangkan kedalam bahasa pemograman tertentu untuk menghasilkan sebuah sistem informasi yang sesuai dengan hasil desain tertentu.

Tahapan implementasi harus dapat menentukan basis apa yang akan diterapkan dalam menuangkan hasil desain yang tertulis sehingga sistem yang dibentuk memiliki kelebihan-kelebihan tersendiri.

Implementasi yang sudah selesai harus diuji coba kehandalannya sehingga dapat diketahui kehandalan dari sistem yang ada dan telah selesai dengan apa yang diinginkan.

Selain berfungsi sebagai pengolah data atau manipulasi data, excel merupakan program yang digunakan untuk pengolahan data dan manipulasi data.

(52)

Microsoft Excel merupakan program aplikasi lembar kerja elektronik dari program paket Microsoft Office. Microsoft Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengolahan informasi khususnya data-data yang berbentuk angka yang dihitung, diproyeksikan, dianalisa dan dipresentasikan pada lembar kerja.

5.3 Langkah-langkah Memulai Pengolahan Data Dengan Excel

Cara-cara yang dilakukan adalah sebagai berikut: a. Klik Start

(53)

c. Setelah itu akan muncul tampilan lembar kerja seperti di bawah ini:

e. Data di entri ke dalam setiap sel seperti tampilan berikut:

Dari data di atas dapat ditentukan besarnya forecast dengan 0 < < 1 dan setiap perhitungan akan diberi nama untuk setiap kolom. Contoh untuk = 0,1 seperti berikut:

(54)

2. Pada kolom keempat ditulis keterangan dengan 3. Pada kolom kelima ditulis keterangan dengan 4. Pada kolom keenam ditulis keterangan dengan

5. Pada kolo ketujuh ditulis keterangan dengan untuk nilai forcast 6. Pada kolom kedelapan ditulis keterangan dengan e untuk besarnya error 7. Pada kolo kesembilan ditulis keterangan dengan untuk besarnya nilai

error kuadrat

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

1. Smoothing pertama untuk bulan pertama ditentukan sebesar bulan pertama dari data aktual, sehingga rumus untuk bulan kedua adalah =0,1*B3+0,9*C2 yang menghasilkan angka = 289.101,20 dan untuk bulan berikutnya hanya mengcopy rumus tersebut.

2. Smoothing pertama untuk bulan pertama ditentukan sebesar bulan pertama dari data aktual, sehingga rumus untuk bulan kedua adalah =0,1*C3+0,9*D2 yang menghasilkan angka = 288.091,22 dan untuk bulan berikutnya hanya mengcopy rumus tersebut.

3. Nilai dicari pada bulan ke dua pada sel E3 dengan rumus =2*C3-D3 sehingga menghasilkan angka= 290.111,18 dan untuk bulan berikutnya hanya mengcopy rumus tersebut.

4. Nilai dicari pada bulan ke dua pada sel F3 dengan rumus =M3/N3*(C3-D3) sehingga menghasilkan angka = 112,22 dan untuk bulan berikutnya hanya mengcopy rumus tersebut.

(55)

5. Forecast dicari untuk bulan ketiga yaitu pada sel G4 dengan rumus = E3+F3 sehingga menghasilkan angka = 290.223,40 dan untuk bulan berikutnya hanya mengcopy rumus tersebut.

Hasilnya dapat dilihat pada tampilan berikut:

5.4 Penggambaran Hasil

Langkah-langkah dalam penggambaran hasil adalah sebagai berikut:

a. Pilih insert kemudian pilih chart dan pilih jenis grafik yang ingin digunakan, tampilannya sebagai berikut:

(56)

0 50.000 100.000 150.000 200.000 250.000 300.000 350.000

2000 2001 2002 2003 2004 2005 2006 2007 2008

h P

Tahun

(57)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan analisa dan evaluasi pada data jumlah produksi beras di Kabupaten Simalungun pada tahun 2000-2008 dan hasil peramalan untuk tahun 2009-2013 maka penulis mengambil kesimpulan:

1. Jumlah produksi beras di Kabupaten Simalungun mengalami penurunan pada tahun 2002 kemudian mengalami peningkatan pada tahun 2003-2004 kemudian mengalami penurunan pada tahun 2005-2006 dan pada tahun 2007-2008 kembali mengalami peningkatan.

2. Dari hasil analisis data diperoleh parameter untuk ketepatan peramalan pada = 0,1.

3. Jumlah produksi beras pada tahun 2009 diramalkan sebesar 276.655, tahun 2010 sebesar 276.068, tahun 2011 sebesar 275.481, tahun 2012 sebesar 274.893 dan tahun 2013 sebesar 274.306.

(58)

4. Berdasarkan perhitungan menggunakan Metode Pemulusan Eksponensial Ganda: Metode Linier Satu - Parameter dari Brown nilai ramalan jumlah produksi beras dari tahun 2009-2013 mengalami penurunan.

6.2Saran

1. Dalam meramalkan jumlah produksi beras di Kabupaten Simalungun dapat menggunakan metode Pemulusan (smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown. Akan sangat membantu jika kita mengolah data dengan menggunakan alat bantu komputer khususnya program aplikasi Excel.

2. Berdasarkan perhitungan menggunakan Metode Pemulusan Eksponensial Ganda: Metode Linier Satu - Parameter dari Brown nilai ramalan jumlah produksi beras dari tahun 2009-20013 mengalami penurunan. Untuk itu pemerintah harus cepat bergerak untuk mengambil tindakan mengatasi permasalah tersebut.

3. Metode yang dibahas dalam Tugas Akhir ini akan sangat membantu sebagai bahan pertimbangan dan perbandingan dalam mengambil berbagai tindakan.

(59)

DAFTAR PUSTAKA

Makridakis S, Wheelwright S.C dan Mc Gee V.E. 1993. Metode dan aplikasi peramalan, edisi kedua jilid satu. Jakarta: Penerbit Erlangga.

Aritonang R, Lerbin R. 2009. Peramalan Bisnis, edisi kedua.Jakarta: Penerbit Ghalia Indonesia.

Gitosudarmo, H. Indriyo dan Mohamad Najmudin. 2001. Teknik Proyeksi Bisnis, edisi Pertama. Yogyakarta:BPFE.

Sutantyo, Winardi. 2004. Microsoft Office Excel 2003. Jakarta: Penerbit PT Elex Media Komputindo kelompok Gramedia.

(1)

2. Pada kolom keempat ditulis keterangan dengan 3. Pada kolom kelima ditulis keterangan dengan 4. Pada kolom keenam ditulis keterangan dengan

error kuadrat

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

3. Nilai dicari pada bulan ke dua pada sel E3 dengan rumus =2*C3-D3 sehingga menghasilkan angka= 290.111,18 dan untuk bulan berikutnya hanya mengcopy rumus tersebut.

4. Nilai dicari pada bulan ke dua pada sel F3 dengan rumus =M3/N3*(C3-D3) sehingga menghasilkan angka = 112,22 dan untuk bulan berikutnya hanya mengcopy rumus tersebut.

(2)

5. Forecast dicari untuk bulan ketiga yaitu pada sel G4 dengan rumus = E3+F3 sehingga menghasilkan angka = 290.223,40 dan untuk bulan berikutnya hanya mengcopy rumus tersebut.

Hasilnya dapat dilihat pada tampilan berikut:

5.4 Penggambaran Hasil

Langkah-langkah dalam penggambaran hasil adalah sebagai berikut:

a. Pilih insert kemudian pilih chart dan pilih jenis grafik yang ingin digunakan, tampilannya sebagai berikut:

(3)

0 50.000 100.000 150.000 200.000 250.000 300.000 350.000

2000 2001 2002 2003 2004 2005 2006 2007 2008

h P

Tahun

(4)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan analisa dan evaluasi pada data jumlah produksi beras di Kabupaten Simalungun pada tahun 2000-2008 dan hasil peramalan untuk tahun 2009-2013 maka penulis mengambil kesimpulan:

2. Dari hasil analisis data diperoleh parameter untuk ketepatan peramalan pada = 0,1.

3. Jumlah produksi beras pada tahun 2009 diramalkan sebesar 276.655, tahun 2010 sebesar 276.068, tahun 2011 sebesar 275.481, tahun 2012 sebesar 274.893 dan tahun 2013 sebesar 274.306.

(5)

4. Berdasarkan perhitungan menggunakan Metode Pemulusan Eksponensial Ganda: Metode Linier Satu - Parameter dari Brown nilai ramalan jumlah produksi beras dari tahun 2009-2013 mengalami penurunan.

6.2Saran

1. Dalam meramalkan jumlah produksi beras di Kabupaten Simalungun dapat menggunakan metode Pemulusan (smoothing) Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown. Akan sangat membantu jika kita mengolah data dengan menggunakan alat bantu komputer khususnya program aplikasi Excel.

3. Metode yang dibahas dalam Tugas Akhir ini akan sangat membantu sebagai bahan pertimbangan dan perbandingan dalam mengambil berbagai tindakan.

(6)

DAFTAR PUSTAKA

Makridakis S, Wheelwright S.C dan Mc Gee V.E. 1993. Metode dan aplikasi peramalan, edisi kedua jilid satu. Jakarta: Penerbit Erlangga.

Aritonang R, Lerbin R. 2009. Peramalan Bisnis, edisi kedua.Jakarta: Penerbit Ghalia Indonesia.

Gitosudarmo, H. Indriyo dan Mohamad Najmudin. 2001. Teknik Proyeksi Bisnis, edisi Pertama. Yogyakarta:BPFE.

Sutantyo, Winardi. 2004. Microsoft Office Excel 2003. Jakarta: Penerbit PT Elex Media Komputindo kelompok Gramedia.

Peramalan Jumlah Produksi Beras Di Kabupaten Simalungun Tahun 2013

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

=

∑

=

∑

=

∑

=

∑

=

∑

=

∑

=

Parts

Dokumen yang terkait

Peramalan Jumlah Kebutuhan Beras dan Produksi Padi di Kabupaten Simalungun Tahun 2013-2017 dengan Metode Smoothing Eksponensial Ganda Brown

Peramalan Jumlah Produksi Padi dan Kebutuhan Beras Di Kabupaten Deli Serdang Pada Tahun 2013-2017 Berdasarkan Data Tahun 2002-2011

Peramalan Jumlah Beras Yang Dibutuhkan Penduduk Dan Jumlah Produksi Padi Di Sumatera Utara Untuk Tahun 2009-2013

Peramalan Jumlah Penduduk Kabupaten Dairi Tahun 2010-2012 DENGAN Menggunakan Pertumbuhan Eksponensial.

Peramalan Jumlah Produksi Padi Dan Kebutuhan Beras Di Kabupaten Deli Serdang Pada Tahun 2010-2014 Berdasarkan Data Tahun 1999-2008

Peramalan Jumlah Penduduk Kabupaten Samosir Tahun 2008-2012 Dengan Menggunakan Pertumbuhan Eksponensial

Peramalan Jumlah Produksi Beras Di Sumatera Utara Tahun 2012

Peramalan Jumlah Kebutuhan Beras Dan Produksi Padi Di Kabupaten Simalungun Pada Tahun 2008-2012

Peramalan Jumlah Produksi Jahe di Kabupaten Simalungun Dengan Metode Eksponensial Tahun 2016-2020

BAB 2 LANDASAN TEORI - Peramalan Jumlah Kebutuhan Beras dan Produksi Padi di Kabupaten Simalungun Tahun 2013-2017 dengan Metode Smoothing Eksponensial Ganda Brown

Dokumen yang Anda mencari sudah siap untuk unduhkan