BAB 4
ANALISA DAN PENGOLAHAN DATA
4.1 Pengumpulan data
Data yang digunakan adalah data dari jumlah pengangguran di Sumatera Utara pada tahun 1997 hingga tahun 2008. Data tersebut dapat ditunjukkan pada tabel berikut:
Tabel 4.1 Data Jumlah Pengangguran Provinsi Sumatera Utara Pada Tahun 1997 sampai 2008
No. Tahun Jumlah
Pengangguran 1 1997
262.530 2 1998
371.720 3 1999
326.520 4 2000
335.729 5 2001
229.212 6 2002
355.504 7 2003
404.117 8 2004
758.092
Universitas Sumatera Utara
9 2005 636.980
10 2006 632.049
11 2007 571.334
12 2008 554.539
Sumber : : Badan Pusat Statistik BPS Provinsi Sumatera Utara
Jumlah Pengangguran
200000 400000
600000 800000
19 97
19 98
19 99
20 00
20 01
20 02
20 03
20 04
20 05
20 06
20 07
20 08
Gambar 4.1 Grafik Jumlah Pengangguran Sumatera Utara Pada Tahun 1997 sampai 2008
4.2 Analisis Pemulusan Eksponensial Ganda
Pada bagian ini penulis menentukan parameter yang akan digunakan, dimana nilai parameter
α besarnya antara 0 α 1 dengan cara trial dan error,
Adapun langkah-langkah yang ditempuh untuk menentukan persamaan peramalan dengan menggunakan Metode Linier Satu Perameter dari Brown adalah :
Universitas Sumatera Utara
1. Menentukan harga parameter smoothing eksponensial yang besarnya dari
α1 2.
Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan :
1
1
t t
t
S X
S
3. Menghitung harga pemulusan esponensial ganda dengan menggunakan
persamaan :
1
1
t t
t
S S
S
4. Menghitung koefisien a
t
dan b
t
menggunakan persamaan :
2
t t
t t
t t
S S
S S
S
a
1
t t
t
S S
b
5. Menghitung trend peramalan F
t+m
dengan menggunakan rumus : m
b a
t t
m t
F
4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown
Universitas Sumatera Utara
4.3.1 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel
4.1 dengan metode peramalan forecasting berdasarkan metode pemulusan
eksponensial satu parameter dari Brown.
Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang. Maka terlebih dahulu kita menentukan parameter nilai
α yang biasanya secara trial and error coba dan salah.
Suatu nilai
α dipilih yang besarnya 0 α 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 α yang
lain.
Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error
dikuadratkan dan dibagi dengan banyaknya error. Secara sistematis rumus MSE Mean Square Error adalah sebagai berikut :
Universitas Sumatera Utara
N e
MSE
N t
t
1 2
Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang memberikan MSE yang terkecil minimum. Perbandingan ukuran ketepatan
metode peramalan peningkatan jumlah pengangguran di Sumatera Utara dengan melihat MSE sebagai berikut :
Tabel 4.2 Perbandingan Ukuran Ketepatan Metode Peramalan α MSE
0,1 28.976.794.829,56 0,2 20.623.619.970,77
0,3 19.940.132.885,44 0,4 20.471.234.109,11
0,5 21.197.458.404,19 0,6 22.371.163.173,46
0,7 24.474.583.474,43 0,8 28.082.345.124,92
0,9 34.039.789.092,32
Dari tabel 4.2 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil minimum yaitu pada
α = 0,3 yaitu MSE = 19.940.132.885,44
Universitas Sumatera Utara
Tabel 4.3 Peramalan Jumlah Pengangguran dengan Pemulusan Eksponensial
Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.3
t
X S
t
S
t
a
t
b
t
F
t+m
e
t
e
t 2
262530 262530,00
262530,00 - - - -
- 371720 295287,00 272357,10 318216,90 9827,10
- -
- 326520 304656,90 282047,04 327266,76 9689,94 328044,00 -1524,00
2322576,00 335729 313978,53 291626,49 336330,57 9579,45 336956,70 -1227,70
1507247,29
229212 288548,57 290703,11 286394,03 -923,37 345910,02 -
116698,02 13618427871,92 355504 308635,20 296082,74 321187,66 5379,63 285470,66 70033,35 4904669411,89
404117 337279,74 308441,84 366117,64 12359,10 326567,29 77549,71 6013957955,36 758092 463523,42 354966,31 572080,52 46524,47 378476,74 379615,26 144107744766,94
636980 515560,39 403144,54 627976,25 48178,22 618605,00 18375,00 337640740,62 632049 550506,97 447353,27 653660,68 44208,73 676154,47 -44105,47 1945292699,32
571334 556755,08 480173,81 633336,35 32820,54 697869,41 -
126535,41 16011210733,01
554539 556090,26 502948,75 609231,77 22774,93 666156,90 -
111617,90 12458554852,07 JUMLAH 143864,82 199401328854,41
Sumber : Perhitungan
Universitas Sumatera Utara
200000 400000
600000 800000
19 97
19 98
19 99
20 00
20 01
20 02
20 03
20 04
20 05
20 06
20 07
20 08
Tahun
Data Asli Pemulusan Pertama
Pemulusan Kedua Ramalan
Gambar 4.2 Grafik Jumlah Pengangguran Sumatera Utara Pada Tahun 1997 sampai 2008 dengan Peramalan
4.3.2 Penentuan Bentuk Persamaan Peramalan
Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0 α1
dengan cara trial and error didapat perhitungan peramalan smoothing esponensial linier satu parameter dari Brown dengan
α = 0,3 Perhitungan
pada tabel
diatas didasarkan pada α =0,3 dan ramalan untuk suatu
periode ke depan yaitu dalam perhitungan periode ke 12 persamaan yang dipakai dalam perhitungan peramalan adalah sebagai berikut :
S
t
= α X
t
+ 1 – α S
1
t
S
t
= α S
t
+ 1 - α S
1
t
Universitas Sumatera Utara
a
t
= S
t
+ S
t
- S
t
= 2 S
t
- S
t
b
t
=
1 S
t
- S
t
F
m t
= a
t
+ b
t
m
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan bentuk persamaan peramalan :
F
m t
= a
t
+ b
t
m F
m t
= 609231,77 + 22774,93m
4.4 Peramalan Jumlah Pengangguran
