Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM

RUPIAH) DI PT PLN (PERSERO) CABANG MEDAN UNTUK

TAHUN 2010 BERDASARKAN DATA TAHUN 1997-2007

TUGAS AKHIR

DEVISANTA W M

062407034

PROGRAM STUDI DIII STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNVERSITAS SUMATERA UTARA

MEDAN

2009

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH) DI PT PLN (PERSERO) CABANG MEDAN UNTUK TAHUN 2010

BERDASARKAN DATA TAHUN 1997-2007

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

DEVISANTA W M 062407034

PROGRAM STUDI DIII STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNVERSITAS SUMATERA UTARA

MEDAN 2009

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

PERSETUJUAN

Judul : PERAMALAN NILAI PENJUALAN ENERGI

LISTRIK (DALAM RUPIAH) DI PT PLN

(PERSERO) CABANG MEDAN UNTUK TAHUN 2010 BERDASARKAN DATA TAHUN 1997-2007

Kategori : TUGAS AKHIR

Nama : DEVISANTA W M

Nomor induk mahasiswa : 062407034

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Disahkan di Medan, Juni 2009

Diketahui/Disetujui oleh Pembimbing, Departemen Matematika FMIPA USU

Ketua,

Dra. Rahmawati Pane, M.Si

Dr.Saib Suwilo, M.Sc NIP.131 474 682

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

PERNYATAAN

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH) DI PT PLN (PERSERO) CABANG MEDAN UNTUK TAHUN 2010

BERDASARKAN DATA TAHUN 1997-2007

Tugas Akhir

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

Medan, Juni 2009

DEVISANTA W M 062407034

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

PENGHARGAAN

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena atas berkat dan rahmat-Nya sehingga penulis dapat menyusun dan menyelesaikan Tugas Akhir ini dengan baik.

Terimakasih penulis ucapkan kepada Ibu Dra. Rahmawati Pane M.Si selaku pembimbing pada penyelesaian Tugas Akhir ini yang telah memberikan bimbingan dan masukannya untuk kesempurnaan Tugas Akhir ini. Ucapan terimakasih juga ditujukan kepada Ketua Departemen Matematika Dr. Saib Suwilo, M.Sc., Dekan FMIPA Dr. Edy Marlianto, M.Sc., Pembantu Dekan FMIPA, semua Dosen pada Departemen Matematika FMIPA USU, seluruh Staf Pegawai FMIPA USU, dan rekan-rekan kuliah di D-3 Statistika’06 USU. Ucapan terimakasih juga penulis ucapkan kepada teman-teman satu pelayanan di KMKS (Koordinasi Periode XX dan KPA Salvation ) yang senantiasa setia mendukung saya dalam doa-doa dan semangat. Akhirnya, tidak terlupakan saya mengucapkan terima kasih kepada keluarga yang saya cintai Ayah (M.Munthe), Ibu ( M br Haloho) dan adik-adik saya (Sani dan Hotben) yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa membalasnya.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar isi v

Daftar tabel vii

Daftar gambar viii

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Identifikasi Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penulisan 3

1.5 Tinjauan Pustaka 4

1.6 Metode Penelitian 4

1.7 Sistematika Penulisan 6

Bab 2 Landasan Teori 8

2.1 Pengertian Peramalan (Forecasting) 8

2.2 Kegunaan Peramalan 9

2.3 Jenis Peramalan 11

2.4 Jenis-jenis Metode Peramalan 15

2.4.1 Analisa Deret Berkala 15

2.4.2 Pemilihan teknik dan Metode Peramalan 16

2.4.3 Penentuan Pola Data 18

2.5 Metode Pemulusan (Smoothing) 19

2.5.1 Metode yang digunakan 21

2.6 Ketepatan Ramlan 22

2.7 Penetuan Koefisien Korelasi 24

Bab 3 Sejarah dan Struktur BPS 26

3.1 Sejarah singkat Badan Pusat Statistik 26

3.1.1 Masa Pemerintahan Hindia Belanda 26

3.1.2 Masa Pemerintahan Jepang 27

3.1.3 Masa Kemerdekaan Republik Indonesia 27

3.1.4 Masa Orde Baru Sampai Sekarang 28

3.2 Visi dan Misi Badan Pusat Statistik 30

3.3 Struktur Organisasi Badan Pusat Statistik 32

3.4 Tugas dan wewenang masing-masing bagian 33

di Badan Pusat Statistik

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

3.4.2 Bidang Statistik Produksi 34

3.4.3 Bidang Statistik Distribusi 35

3.4.4 Bidang Pengolahan Data 36

3.4.5 Bidang Statistik Kependudukan 36

3.4.6 Bidang Neraca Wilayah dan Analisa 37

Bab 4 Analisis Data 38

4.1 Data yang dibutuhkan 38

4.2 Analisa Deret Berkala 40

Nilai Penjualan Energi Listrik Cabang Medan

4.3 Identifikasi Model Peramalan 44

4.4 Metode Pemulusan Eksponensial Ganda 44

Satu Parameter dari Brown

4.4.1 Penaksiran Model Peramalan 44

4.4.2 Penentuan Bentuk Persamaan Peramalan 51

4.5 Peramalan Nilai Penjualan Energi Listrik 52

Bab 5 Implementasi Sistem 54

5.1 Microsoft Excel 54

5.2 Langkah-langkah memulai Pengolahan Data dengan Excel 55

5.3 Menggunakan Ketepatan Peramalan 59

5.4 Hasil Dalam Metode Brown 60

Bab 6 Kesimpulan dan Saran 61

6.1 Kesimpulan 61

6.2 Saran 62

Daftar Pustaka Lampiran

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

DAFTAR TABEL

Halaman

Tabel 4.1 Data Penjualan Energi Listrik 38

di PT PLN (PERSERO) Cabang Medan

Tabel 4.2 Pengujian jumlah sampel dan kuadratnya 39

Tabel 4.3 Nilai Autokorelasi Nilai Data Penjualan Listrik 42

Tabel 4.4 Nilai Koefisien Korelasi 42

Tabel 4.5 Menentukan MSE dengan α =0.1 46

Tabel 4.6 Menentukan MSE dengan α= 0.2 47

Tabel 4.7 Perbandingan ukuran ketetapan metode peramalan 48

Tabel 4.8 Pemulusan Eksponensial Linier Satu Parameter dari Brown 49 Menggunakan α = 0.7 pada data nilai penjualan energi listrik

(dalan rupiah) di PT PLN (PERSERO) Cabang Medan

Tabel 4.9 Peramalam Nilai Penjualan Energi Listrik di PT PLN (PERSERO) 53 Cabang Medan untuk tahun 2008-2010

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

DAFTAR GAMBAR

Halaman Gambar 4.1 Plot data Nilai Penjualan Energi Listrik Cabang Medan 39

Gambar 4.2 Distribusi Koefisien Autokorelasi Data Asli 43

Gambar 5.1 Tampilan lembar kerja excel 55

Gambar 5.2 Tampilan lembar kerja excel dalam menentukan besarnya 56 Peramalan

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

BAB 1

PENDAHULUAN

1.1Latar Belakang

Dalam ilmu ekonomi, manusia berperan sebagai produsen sekaligus konsumen yang selalu berupaya memenuhi kebutuhan hidupnya melalui alat pelengkap kebutuhan manusia yang tersedia dan beranekaragam. Berbagai macam usaha dilakukan oleh konsumen untuk memenuhi kebutuhan hidupnya baik itu kebutuhan primer maupun kebutuhan sekunder. Dimulai dari pemanfaatan Sumber Daya Manusia (SDM) sampai pemanfaatan Sumber Daya Alam (SDA) yang tersedia hingga pendaur-ulangan produk-produk yang sudah lama ada yang tidak digunakan lagi. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu alat pelengkap kebutuhan manusia misalnya tanah, air, energi panas, listrik dan sebagainya.

Listrik adalah salah satu kebutuhan yang sangat penting dalam kehidupan manusia, khususnya pada era globalisasi dan modernisasi saat ini. Perkembangan teknologi yang semakin canggih memerlukan banyak hal yang dapat mendukung kemajuan IPTEK dan salah satu faktor yang sangat mendukung adalah energi listrik. Tanpa adanya energi listrik, kehidupan manusia yang modern dan nyaman ini akan sangat jauh berbeda, mengingat hampir seluruh aspek kehidupan manusia memerlukan energi listrik.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Kegiatan kelistrikan negara dikelola oleh PT PLN (PERSERO) yang menangani listrik mulai dari produksi, pembelian sampai penjualan energi listrik kepada masyarakat, industri, dan pemerintah. Meskipun pada saat ini telah tersedia sebuah alat yang dinamakan Generator Set (Genset) yang tetap dapat mengalirkan listrik dengan menggunakan bahan bakar solar, namun alat tersebut hanya digunakan sebagai cadangan ketika listrik padam karena memerlukan biaya yang cukup besar. Oleh karena itu, energi listik tetap diperlukan meskipun alat itu telah ada dan diharapkan kita juga harus menjaga dan menggunakan listrik dengan baik dan sehemat mungkin agar pihak PLN juga dapat memproduksi listrik dengan baik.

Melihat betapa pentingnya peran yang dijalankan oleh PT. PLN (PERSERO) dalam mengalirkan listrik kepada masyarakat luas dari tiap cabang, mendorong penulis untuk mengadakan penelitian untuk mengetahui berapa besar nilai penjualan energi listrik (dalam rupiah) yang diperoleh oleh PT. PLN (PERSERO) Cabang Medan. Dengan alasan tersebut, penulis mencoba untuk meramalkan besarnya nilai penjualan energi listrik (dalam rupiah) untuk tahun 2010 di PT. PLN (PERSERO) Cabang Medan.

Dari uraian diatas penulis tertarik mengangkat judul “Peramalan Nilai

Penjualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Dari Tahun 1997-2007”

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

1.2 Identifikasi Masalah

Dalam tulisan ini yang menjadi permasalahan adalah : Bagaimana bentuk persamaan yang dapat dipakai untuk meramalkan besarnya nilai penjualan energi listrik (dalam rupiah) pada tahun 2010 berdasarkan data dari tahun 1997-2007 di PT. PLN (Persero) Cabang Medan.

1.3 Batasan Masalah

Dari latar belakang yang telah diuraikan di atas, maka yang menjadi batasan permasalahan adalah besarnya nilai penjualan energi listrik di kotamadya Medan pada tahun 2010 dengan menggunakan data dari tahun 1997-2007.

1.4 Tujuan Penulisan

Secara umum penulisan ini bertujuan untuk mengetahui besarnya nilai penjualan energi listrik (dalam rupiah) di PT PLN (Persero) Cabang Medan untuk tahun 2010.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

1.5 Tinjauan Pusataka

Teori- teori penunjang yang digunakan dalam penulisan ini dikutip dari buku-buku antara lain :

1 Teknik dan Metode Peramalan oleh Sofjan Assauri. Lembaga penerbit Fakultas Ekonomi Universitas Sumatera Indonesia, 1984, Jakarta. Dari buku ini dikutip peramalan dengan menggunakan pemulusan (smoothing ) eksponensial.

2 Metode dan Aplikasi Peramalan, oleh Sypros Makridakis. Lembaga penerbit Erlangga, 1993, Jakarta. Dari buku ini dijelaskan lebih terperinci mengenai langkah-langkah penggunaan metode pemulusan (eksponensial) ganda : metode linier satu parameter dari Brown.

1.6 Metode Penelitian

Metode yang penulis gunakan dalam melaksanakan penelitian ini adalah :

1. Pengumpulan Data

Pengumpulan data untuk penulisan tugas akhir ini penulis lakukan dengan menggunakan data sekunder mengenai nilai penjualan energi listrik (dalam rupiah) di

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

PT PLN (Persero) cabang Medan dari tahun 1997 s/d 2007 yang diperoleh dari BPS (Badan Pusat Stistik) Provinsi Sumatera Utara.

2.Analisis Data

Pengolahan data untuk meramalkan nilai penjualan energi listrik (dalam rupiah) di PT.PLN (PERSERO) Cabang Medan dilakukan dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda : Metode Liniear Satu-Parameter dari Brown .

Dengan Rumus :

F

t + m

= a

t

+ b

t

m

Dengan :

S't = Xt + (1- ) S't-1

S"t = S't + (1- ) S"t-1 at = 2 S't- S"t

bt =

α α

− 1 ( S

'

t- S"t)

Dimana :

S't = Smoothing eksponensial tunggal periode t

S"t = Smoothing eksponensial ganda periode t

Xt = Nilai riil periode t

S't-1 = Smoothing eksponensial tunggal periode t-1

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Ft+m = Ramalan untuk m periode ke muka

1.7 Sistematika Penulisan

BAB 1 PENDAHULUAN

Bab ini menjelaskan latar belakang, perumusan masalah, tujuan penulisan, tinjauan pustaka, metode penulisan dan sistematika penulisan.

BAB 2 TINJAUAN TEORITIS

Bab ini menguraikan tentang konsep dan definisi tentang hal-hal yang menyangkut penyelesaian masalah yang dihadapi dalam Tugas Akhir.

BAB 3 SEJARAH SINGKAT TEMPAT RISET

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

BAB 4 ANALISIS DATA

Bab ini menguraiakan tentang data yang telah diamati dan cara penggunaan rumus yang telah ditentukan untuk analisis data tersebut.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

BAB 5 IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang dipakai sebagai analisis terhadap data yang diperoleh. Dimana program ini berfungsi sebagai pengolah data, sehingga akan menghasilkan informasi yang dibutuhkan. Program yang digunakan adalah Microsoft Excel.

BAB 6 KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan dari pembahasan serta saran penulis berdasarkan kesimpulan yang didapat dari permasalahan.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan (Forecasting)

Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut didasarkan atas bermacam-macam cara, diantaranya adalah Metode Pemulusan Eksponensial atau Rata-rata bergerak dan Metode Box Jenkins. Metode peramalan merupakan 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 ini digunakan dalam peramalan yang bersifat objektif.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang, berdasarkan data yang relevan pada masa lalu. Oleh karena itu, metode peramalan termasuk dalam kegiatan peramalan kuantitatif. Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan teknik tentang informasi lalu yang dibutuhkan yaitu informasi yang bersifat kuantitatif. Serta teknik dan metode peramalannya.

Metode peramalan dapat memberikan cara pengerjaan yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkan penggunaan teknik-teknik penganalisaan yang lebih maju. Dengan pengunaan teknik-teknik tersebut, maka diharapkan dapat memberikan tingkat kepercayaan atau keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah.

Disamping itu, metode peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan. Sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan maka akan didapat dasar pemikiran dan pemecahan yang sama.

Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data yang digunakan. Selama data maupun informasi yang digunakan tidak dapat meyakinkan, maka hasil peramalan yang disusun juga akan sukar dipercaya akan ketepatannya.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

2.2 Kegunaan Peramalan

Sering terjadi sepanjang waktu (time lag ) antara kesadaran akan peristiwa. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi diatas, peramalan sangat diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi, sehingga tindakan yang tepat dapat dilakukan.

Dalam perencanaan di suatu instansi baik instansi pemerintahan maupun swasta, peramalan merupakan kebutuhan yang sangat mendasar. Diamanapun, baik maupun buruknya ramalan dapat mempengaruhi seluruh bagian instansi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Didalam bagian organisasi terdapat beberapa kegunaan peramalan diantaranya:

1. Berguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan konsumennya atau sipelanggan.

2. Berguna dalam penyediaan sumber daya tambahan. Waktu tengang (lead

time) untuk memperoleh bahan baku, menerima pekerja baru atau pembelian

mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam waktu jangka panjang. Keputusan semacam ini bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangannya. Semua penentuan ini memerlukan peramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik.

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

Dari uraian diatas dapat dikatakan bahwa metode peramalan sangat berguna karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Sehingga dengan metode peramalan akan memberikan cara pemikiran, pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.

2.3 Jenis Peramalan

Berdasarkan sifat penyusunannya, teknik peramalan dapat dibagi dalam dua kategori utama yaitu :

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Peramalan yang subjektif adalah peramalan yang didasarkan atas perasaan atau instuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

2. Peramalan yang objektif

Peramalan yang objektif adalah peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.

Berdasarkan jangka waktu disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu :

1. Peramalan jangka panjang

Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun. Misalnya diperlukan penyusunan rencana pembangunan suatu negara atau daerah dan lain sebagainya.

2. Peramalan jangka pendek

Peramalan jangka pendek adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya kurang dari satu setengah tahun. Misalnya peramalan penyusunan rencana produksi, rencana penjualan, rencana persediaan dan lain sebagainya.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu :

1. Peramalan yang Kualitatif atau Teknologis

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang yang menyusunnya. Hal ini sangat penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan dari orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi dua yaitu metode eksploratoris dan normatif.

2. Peramalan Kuantitatif

Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda pula. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.

Pada akhir ini telah dikembangkan beberapa metode atau teknik-teknik peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi. Peramalan dibedakan atas peramalan kuantitatif dan kualitatif. Dalam hal ini penulis

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan tugas akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan secara kuantitatif. Oleh karena itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dibedakan atas:

1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series).

2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau sebab akibat ( causal methods).

Dalam penulisan Tugas Akhir ini, digunakan metode peramalan yang pertama, yaitu metode peramalan dengan menggunakan variabel waktu atau yang dikenal dengan “time series”.

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu : 1. Adanya informasi tentang masa lalu

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data

3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (asumtion of mend continuity). Asumsi ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.

2.4 Jenis-jenis Metode Peramalan

Metode-metode peramalan dengan analisa deret waktu yaitu : 1. Metode pemulusan eksponensial dan rata-rata bergerak

Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk peramalan jangka panjang.

2. Metode Regresi

Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang.

3. Metode Box –Jenkins

Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Dalam penulisan Tugas Akhir ini, yang akan digunakan adalah metode time series yang pertama, yaitu metode pemulusan eksponensial.

2.4.1 Analisa Deret Berkala

Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu . Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungannya dengan kejadian lain.

Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stationer atau tidak dan ekstrapolasi ke masa yang akan datang. Stationer itu sendiri berarti bahwa tidak dapat pertumbuhan atau penurunan data. Data secara kasar harus horizontal sepanjang waktu, dengan kata lain fluktuasi data tetap konstan setiap waktu.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapakan peramalan.

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

1. Horizon waktu

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

2. Pola data

Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari Model

Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.

4. Biaya yang dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

(storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan.

5. Ketepatan metode peramalan

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

6. Kemudahan dalam penerapan

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

2.4.3 Penentuan Pola Data

Hal penting harus diperhatikan dalam metode deret berkala adalah menetukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut:

1. Pola Data Horizontal

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

2. Pola Data Musiman (Seasonal)

Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya : kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.

3. Pola Siklis (Cyclical)

Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklis bisnis.

4. Pola Data Trend

Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.

2.5 Metode Pemulusan ( Smoothing)

Metode Pemulusan (Smoothing) adalah metode peramalan dengan mengadakan pengahalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun lalu untuk menaksir nilai pada beberapa tahun ke depan. Secara umum metode smoothing diklassifikasikan menjadi dua bagian :

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Metode rata-rata dibagi atas empat bagian : 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 memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial :

Ft +1 = α Xt + ( 1 – α ) Ft

Dimana :

Ft +1 : ramalan suatu periode ke depan

Xt : data aktual pada periode ke-t

Ft : ramalan pada periode ke-t

α : parameter pemulusan

Bila bentuk umum tersebut diperluas maka akan berubah menjadi:

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

Dari pemulusan bentuk umum diatas dapatlah dikatakan bahwa metode eksponensial smoothing merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

dengan kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan nilai observasi yang lebih tua. Metode ini terdiri atas :

1. Metode Eksponensial Tunggal

a. Satu Parameter (One Parameter ) b. Pendekatan Aditif

Digunakan untuk data yang bersifat stationer dan tidak menunjukkan pola data atau trend

2. Metode Smoothing Eksponensial Ganda

a. Metode Linier Satu Paremeter dari Brown b. Metode Dua Paremeter dari Holt

3. Metode Ekponensial Triple

a. Metode Kudaratik Satu Paremeter dari Brown

Digunakan untuk pola kudaratik, kubik, atau orde yang lebih tinggi. b. Metode Kecenderungan dan Musim Tiga Paremeter dari Winter Dapat digunakan untuk data berbentuk trend dan musiman.

2.5.1 Metode yang Digunakan

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

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

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

Persamaan yang dapat dipakai dalam pelaksanaan Eksponensial Linier Satu Paremeter dari Brown adalah sebagai berikut :

S't = Xt + (1- ) S’t-1

S"t = S't + (1- ) S"t-1 at = 2 S't- S"t

bt =

α α

− 1 ( S

'

t- S"t)

Ft+ m = at + bt m

Dimana :

S't = Smoothing pemulusan eksponensial tunggal periode t

S"t = Smoothing eksponensial ganda periode t

α = Paremeter Pemulusan Eksponensial

at, ,bt = konstanta pemulusan

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

2.6 Ketepatan Ramalan

Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. 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.

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

ME =

N et

N t

∑

₌₁

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

MSE =

N et

N t

∑

₌₁ 2

c. MAE (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

MAE =

N et

N t

∑

₌₁| |

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

MPE = N PE N t t

∑

₌₁

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

∑

₌₁

f. SSE ( Sum Square Error) / Jumlah Kuadrat Kesalahan

SSE =

∑

= N t t e 1 2 Dimana :

et = Xt –Ft kesalahan pada peride ke-t

Xt = data aktual pada periode ke-t

PEt =

    − t t t X F X

100 (kesalahan persentase pada periode ke-t)

Ft = Nilai ramalan pada periode ke-t

N = Banyaknya periode waktu

Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE yang terkecil.

2.7 Penentuan Koefisien Korelasi

Koefisien autokorelasi berfungsi untuk menunjukkan suatu deret berkala itu sendiri dengan selisih 1, 2 periode atau lebih. Koefisien autokorelasi yang menggambarkan

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

hubungan antar suatu deret berkala dengan deret berkala itu sendiri pada kelambatan waktu ( lag ) k periode.Secara sistematis untuk menghitung koefisien autokorelasi dapat menggunakan rumus sebagai berikut :

rk =

( )(

)

( )

∑

∑

= = + − − − n t n t k t t Y Y Y Y Y Y 1 2 1 Dimana :

Rk = Koefisien autokarelasi

Yk = data aktual pada periode t Y = nilai tengah dari data aktual

Yt + k = data aktual pada periode t dengan kelambatan (time lag) k.

Rumus sederhana yang biasa digunakan adalah untuk menghitung kesalahan standar adalah :

Serk = N

1

Dimana :

N = banyak data asli

Serk = kesalahan standar dari rk

Batas signifikan koefisien autokorelasi adalah :

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Dengan koefisien autokorelasi dapat ditentukan apakah suatu pola data bersifat acak, konstan atau musiman. Koefisien autokorelasi juga dapat memperlihatkan ketidakstasioneran data.

Apabila berada diluar rentang nilai maka koefisien autokorelasi tersebut berada secara signifikan dari nol maka data tersebut menunjukkan pola trend.

BAB 3

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

3.1 Sejarah Singkat Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah lembaga Negara Non Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan dan keagamaan. Selain hal-hal tersebut Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam pengguanaan definisi, klasifikasi dan ukuran-ukuran lainnya. Berikut ini adalah beberapa masa peralihan di BPS yaitu :

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, kantor Statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directur Vand Land Bouw Nijeverheid En

Handel), dan kedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan

mempublikasikan data statistik.

Pada bulan 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Vor De Statistik ( CKS) atau kantor statistik dan dipindahkan ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijsnsen (IUA) yang sekarang disebut kantor Bea Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944 pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanaya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini CKS diganti menjadi Shomubu Chosasitu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamsi Kemerdekaan Republik Indonesia (RI) tanggal 17Agustus 1945, kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI. tahun 1946 kantor KAPPURI dipindahkan ke Yogyakarta sebagai hasil perjanjian Linggar Jati. Sementara ini, pemerinathan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

Dengan surat menteri Perekonomian tanggal 1 Maret 1952 Nomor : P/44, lembaga KPS berada dibawah ini dan tanggung jawab Menteri perekonomian. Selanjutnya keputusan Menteri Perekonomian tnggal 24 Desember 1953 Nomor :

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

18.009/MKPS dibagi menjadi dua bagian yaitu bagian research yaitu disebut sebagai Afdeling A, dan bagian tata usaha yang disebut sebagai Afdeling B.

Dengan keputusan Presiden RI Nomor 131 Tahun 1957, kementerian Ekonomi dipecah menjadi Kementerianan Perdaganagn dan Kementeriaan Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172 Tahun 1957, terhitung sejak tanggak 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada masa pemerintahan Orde Baru khususnya untuk memenuhi kebutuhan perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akaurat dan terpercaya mulai diadakan pembenaran organisasi Biro Pusat Statistik.

Dalam masa orde baru ini Badan Pusat Satistik telah mengalami empat kali perubahan struktur Organisasi yaitu :

a) Peraturan Pemerintah Nomor : 16 tahun 1968 tentang organisasi Badan Pusat Statistik

b) Peraturan Pemerintah Nomor : 6 tahun 1980 tentang organisasi Badan Pusat Statistik

c) Peraturan Pemerintah Nomor : 2 tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja Biro Pusat Statistik

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

d) Undang-undang Nomor : 16 tahun 1997 tentang statistik

e) Keputusan Presiden Indonesia Nomor : 86 tahun 1998 tentang Badan Pusat Statistik

f) Keputusan KEPALA Badan Pusat Statistik Nomor : 100 tahun1998

tentang organisasi dan tenaga kerja Badan Pusat Statistik

g) Peraturan Pemerintah Nomor : 51 tahun 1999 tentang penyelenggaran statistik.

Tahun 1968, ditetapakan Peraturan Pemerintah Nomor 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan didaerah. Tahun 1980 peraturan pemerintah Nomor 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah Nomo: 6 tahun 1980 di tiap provinsi terdapat perwakilan Badan Pusat Statistik dengan nama Kantor Statistik Provinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 menetapakan tentang statistik sebagai pengganti Undang-undang Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan Presiden Nomor 86 tahun 1998 ditetapkan Biro Pusat Statistik sealigus mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

a. Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadiakan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukaung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

b. Misi Badan Pusat Statistik

Dalam perjuangan pembangunan nasioanl Badan Pusat Statistik mengembangkan misi mengarahkan pembangunan statistik pada penyajian dan statistik yang bermutu dan handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu-individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. Struktur organisasi perusahaan merupakan salah satu faktor penting uang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapi suatu tujuan yang ditetapkan.Dengan adanya sturtur organisasi maka akan jelasalah pemisahan tugas dari para pegawai/staf.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah struktur organisasi ini dan staf. Struktur ini mengandung unsur-unsur spesialisasi kerja, standardisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat Statistik (BPS) Propinsi Sumatera Utara adalah :

a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan-kegiatan yang saling berhubungan satu sama lain. b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

c. Pembuatan keputusan yaitu membuat keputusan–keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

Adapun bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut :

Peraturan Presiden Republik Indonesia Nomor: 86 tahun 1998 ditetapkan Badan Pusat Statistik sebagaiman dalam lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin seorang Kepala Kantor.

Kepala kantor dibantu bagian tata usaha yang terdiri dari : a. Sub Bagian Urusan Dalam

b. Sub Bagian Pelengkapan c. Sub Bagian Keuangan

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

d. Sub Bagian Kepegawaian

e. Sub Bagian Bina Potensi/ Bina Program

Sedangkan Bidang Penunjang Statisik terdiri dari lima bidang yaitu :

1. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan Statisik Pertanian, Industri, Komstruksi Pertambangan dan Energi.

2. Bidang Statistik Distribusi

Bidang Statistik Distribusi mentmpunyai tugas untuk melaksanakan kegiatan statistik konsumen dan perdagangan besar, statistik keuanagan dan harga produsen serta niaga dan jasa.

3. Bidang Statistik Sosial

Bidanag Statistik kependudukan mempunyai tugas yaitu melaksanakan kegiatan demogarafi dan rumah tangga, ketenagakerjaan, serta statistik kesejahteraan.

4. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)

Penyiapan data, penyusuanan sistem, dan program serta operasional pengolahan data dengan program komputer.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

5 Bidang Neraca Wilayah dan Analisis Statistik

Mempunyai tugas untuk penyusunan neraca produksi, neraca konsumsi, dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

3.4 Tugas dan Wewenang Masing- masing Bagian di Badan Pusat Statistik

3.4.1 Bidang Tata Usaha

a. Menyusun program kerja tahun bidang

b. Mengatur dan melaksanakan penghimpunan barang dan penyusunan program kerja tahunan baiak rutin maupun proyek kantor statistik propinsi dan menyampaikan ke Badan Pusat Statistik.

c. Mengatur dan melaksanakan urusan dalam yang meliputi surat-surat penggandaan atau percetakan, kearsipan, rumah tangga dan pemeliharaan gedung keamanan dan lingkungan serta perjalanan dinas maupun luar negeri. d. Mengatur dan melaksanakan urusan perlrmgkapan dan pebekalan ynag

meliputi penyusunan, penyimpanan atau penggudangan, invetarisasi dan penghapusan serta pemeliharaan perlengkapan.

e. Mengatur dan melaksankan urusan dan keuangan yang meliputi tata usaha keuangan, perbankan, vertikasi dan pembukuan.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

f. Mengatur dan melaksanakan urusan dan mutasi pegawai, pembinaan pegawai, kesejahteraan pegawai, administrasi jabatan dan fungsional, hukum, organisasi tata laksana serta penyajian.

g. Menyusun laporan kegiatan sevara berkala dan sewaktu-waktu.

h. Mengatur dan melaksanakan urusan penyelenggaraan berbagai pelatihan teknis dan pelatihan administratif.

3.4.2 Bidang Statistik Produksi

a. Menyusun progaram kerja tahuna bidang yang meliputi kegiatan statistik pertanian, industri, konstruksi energi dan statistik produksi lainnya yang ditemuka n.

b. Mengatur keikutsertaan progaram pelatihan yang diselenggarakan oleh pusat di bidang statistik produksi.

c. Mengatur dan mengkoordinasikan penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya.

d. Membantu kepala kantor Badan Pusat Statistik atau pimpinan bagian proyek untuk menyiapkan program pelatihan petugas lapangan.

e. Mengatur dan melaksanakan penjathan dan pengawasan lapangan terhadap lapangan pelaksanaan lapangan produksi.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

f. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil pengumpulan data statistik produksi.

g. Bersama-sama dengan bidang pengolahan data, mengatur dam menyiapkan data statistik produksi melalui komputer sesuai ynag diterapkan.

h. Mengatur dan melaksanakan evaluasi hasil kerja kegiatan statistik produksi. i. Mengatur dan menyiapkan hasil pengolahan statistik produksi yang akan

dikirim ke pusat melalui komputer sesuai dengan jadwal yang ditentukan. j. Menbantu kepala kantor Badan Pusat Statistik melakukan pembinaan secara

teratur petugas pencacah, pengawas dan pemeriksaan pengumpulan data statistik produksi, kabupaten, kotamadya maupun kecamatan.

3.4.3 Bidang Statistik Distribusi

a. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik pertanian, industri, konstruksi energi dan statistik produksi lainnya yang ditemuka n.

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat dibidang statistik produksi.

c. Mengatur dan mengkoordinasikan penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

d. Membantu kepala kantor Badan Pusat Statistik Propinsi atau pimpinan bagian proyek untuk menyiapkan program petugas lapangan.

e. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap pelakasanaan terhadap statistik distribusi.

3.4.4 Bidang Pengolahan Data

a. Menyusun program kerja tahunan bidang

b. Meneliti jenis data yang diolah melalui komputer dan bersama-sama dengan bidang yang bersangkutan serta menentukan sistem pengolahan dengan komputer

c. Mengatur pembuatan sistem dan program pelaksanaan penyiapan data dan operasi pengolahannya.

d. Mengatur dan melaksanakan penerimaan dokumen yang diolah dengan

komputer

e. Mengatur dan melaksanakan tugas yang langsung diberikan atasan.

3.4.5 Bidang Statistik Kependudukan

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

b. Melaksanakan kegiatan statistik demografi dan rumah tangga,

ketengakerjaan, kesejahteraan rakyat dan statistik kependudukan lainnya yang ditentukan.

c. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk pelaksanaan lapangan.

d. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan terhadap pelaksanaan kegiatan statistik kependudukan.

e. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik kependudukan melalui komputer sesuai dengan jadwal yang telah ditentukan.

3.4.6 Bidang Neraca Wilayah dan Analisa

a. Menyusun program kerja tahunan

b. Menyusun dan melaksanakan penerangan kegiatan statistik kepada

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

BAB 4

ANALISIS DATA

4.1 Data yang Dibutuhkan

Tabel 4.1 Data Nilai Penjualan Energi Listrik di PT PLN (Persero) Cabang Medan

No Tahun

Nilai Penjualan (Rp.000.000)

1 1997 320596

2 1998 392358

3 1999 443264

4 2000 631205

5 2001 801558

6 2002 1037979

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

8 2004 1244537

9 2005 1304708

10 2006 1439858

11 2007 1519338

Sumber :BPS

Dari data di atas, maka dapat disusun Tabel Nilai Penjualan Energi Listrik di PT PLN (Persero) Cabang Medan dan Jumlah Kuadratnya Sebagai berikut:

Tabel 4.2 Jumlah Sampel dan Kuadratnya

Sumber : Perhitungan

Untuk memenuhi apakah data yang sudah diperoleh tersebut memenuhi syarat untuk dianalisa, maka dilakukan pengujian sebagai berikut :

∑

Xt = 10.221.956

∑

Xt2 = 11.384.841.048.972

(

∑

Xt

)

2 = 104.488.384.465.936

t Tahun X X2

1 1997 320596 102781795216

2 1998 392358 153944800164

3 1999 443264 196482973696

4 2000 631205 398419752025

5 2001 801558 642495227364

6 2002 1037979 1077400404441

7 2003 1086555 1180601768025

8 2004 31244537 1548872344369

9 2005 1304708 1702262965264

10 2006 1439858 2073191060164

11 2007 1519338 2308387958244

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Time Series Plot

0 200000 400000 600000 800000 1000000 1200000 1400000 1600000

1 2 3 4 5 6 7 8 9 10 11

Periode N ila i P e n ju a la n L is tr ik

Gambar 4.1 Plot Data Jumlah Penjualan Energi Listrik dari tahun 1997 sampai 2007

4.2 Analisa Deret Berkala Nilai Penjualan Energi Listrik Cabang Medan

Untuk menganalisa data deret berkala, pertama kalinya kita harus memplot data pada tabel 4.1 secara grafis, sesudah memplot deret berkala untuk pemeriksaan secara visual, maka alat statistik yang utama adalah koefisien autokorelasi (rk). Statistik ini

menggambarkan hubungan antara suatu deret berkala dengan deret berkala itu sendiri pada kelambatan waktu (lag time) k periode.

Bentuk visual dari suatu plot dari suatu plot deret berkala sering kali cukup untuk meyakinkan para peramal (forecast) bahwa data tersebut adalah stationer atau tidak stationer dengan demikian plot autokorelasi data memperlihatkan ketidakstationeran.

Tampilan plot data nilai penjualan energi listrik diatas menunjukkan bahwa data asli tersebut tidak stationer. Untuk memeperkuat gambar 4.1 ini perlu dihitung

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

koefisien autukorelasi dari data tabel 4.1 pada berbagai time lag. Dengan menggunakan rumus :

rk =

( )(

)

( )

∑

∑

= = + − − − n t n t k t t Y Y Y Y Y Y 1 2 1

Nilai- nilai autokorelasi data nilai penjualan energi listrik :

Untuk r1

r1 =

2 2 ) 73 . 929268 1519338 ( ... ) 73 . 926268 320596 ( ) 73 . 929268 1519338 )( 73 . 929268 1439858 ( ... 73 . 929268 392358 )( 73 . 929268 320596 ( − + + −− + + − − − = ) 33 . 98 3481817433 ( .... ) 65 . 45 3704824922 ( ) 27 . 510589 )( 27 . 375439 ( .... ) 73 . 536910 )( 73 . 608672 ( + ++ + − − = 18 . 614 1885897006 19 . 266 1434815318 = 0.76

Untuk r2

r2 =

2 2 ) 73 . 929268 1519338 ( .... ) 73 . 926268 320596 ( ) 73 . 929268 1439858 )( 73 . 929268 1304708 ( ... ) 73 . 929268 443264 )( 73 . 929268 320596 ( − + + − − − + + − −

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

= ) 33 . 98 3481817433 ( ... ) 65 . 45 3704824922 ( ) 27 . 375439 )( 27 . 315268 ( .... ) 73 . 486004 )( 73 . 608672 ( + ++ + − − = 18 . 614 1885897006 06 . 44 9412618395

= 0.50

Dengan demikian, maka autokorelasi untuk time lag ke 3 dan seterusnya dapat kita peroleh dari persamaan tersebut. Maka dengan cara yang sama akan diperoleh koefisien autokorelasi berikut :

Sumber : Perhitungan

Tabel 4.4 Nilai Koefisien Korelasi

Tabel 4.3 Nilai Autokorelasi Data Penjualan Listrik

No Xt X t+1 Xt -X Xt+1 -X (Xt -X )( Xt+1 -X ) (Xt -X )

2

1 320596 -608672.73 370482492245.65

2 392358 320596 -536910.73 -608672.73 326802919795.39 288273131989.13 3 443264 392358 -486004.73 -536910.73 260941154367.75 236200597582.37 4 631205 443264 -298063.73 -486004.73 144860382621.44 88841987141.51 5 801558 631205 -127710.73 -298063.73 38065936544.82 16310030557.13 6 1037979 801558 108710.27 -127710.73 -13883467940.20 11817922803.47 7 1086555 1037979 157286.27 108710.27 17098632878.99 24738970730.51 8 1244537 1086555 315268.27 157286.27 49587370237.65 99394082068.79 9 1304708 1244537 375439.27 315268.27 118364089142.96 140954645458.13 10 1439858 1304708 510589.27 375439.27 191695262798.63 260701402639.13 11 1519338 1439858 590069.27 510589.27 301283037818.73 348181743398.33 Jumlah 10221956 0 -590069.30 1434815318266.19 1885897006614.18

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Sumber: Perhitungan

Dari data analisis deret berkala

dengan autokorelasi serta nilai-nilai

autokorelasi data nilai penjualan listrik

dapat dilihat bahwa pola trend linier serta

menunjukkan bahwa data tersebut tidak

stationer. Maka dapat diplot autokorelasi

data pertumbuhan nilai penjualan listrik

setelah dicari autokorelasinya.

Time Lag r

1 0.76

2 0.50

3 0.22

4 -0.03

5 -0.22

6 -0.36

7 -0.43

8 -0.42

9 -0.33

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

-0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8

A

u

to

ko

rel

asi

1 2 3 4 5 6 7 8 9 10

Lag Number

Autokorelasi Nilai Penjualan Listrik

Gambar 4.2 Distribusi koefisien autokorelasi data asli

Dari plot autokorelasi data diatas dapat dilihat trend searah diagonal, bersama dengan jumlah time lag dimana nilai-nilai korelasi menurun secara perlahan-perlahan dan berkorelasi satu sama lain. Dan dapat menyakinkan peramal dalam menganalisa adanya kestasioneran atau ketidakstasioneran data.

Adapun kesalahan standar (Se)rk =

11 1

= 0.3015

Dengan tingkat kepercayaan 95% dari seluruh koefisien berdasarkan sampel harus terletak dalam daerah tengah ditambah atau dikurangi 1.96 kali kesalahan standar. Dengan demikian suatu deret data dapat dituliskan dengan :

-1.96 (0.3015) ≤ rk≤ 1.96 (0.3015 )

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Nilai koefisien autokorelasi time lag 1 berada di luar rentang, jadi berbeda secara signifikan dari nol, yang berarti ada hubungan yang signifikan antara nilai suatu variabel dengan nilai varaibel itu sendiri dengan time lag suatu periode yang menunjukkan pola trend.

4.3 Identifikasi Model Peramalan

Berdasarkan analisa deret berkala dengan memplot data serta nilai-nilai autokorelasi dari data Nilai Penjualan Listrik Cabang Medan, maka dapat dilihat plot datanya adalah pola trend dalam data.

Jadi, jika pola menunjukkan trend maka kita dapat menggunakan peramalan Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown.

4.4 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1) dengan peramalan (forecasting) berdasarkan metode pemulusan eksponensial satu paremeter dari Brown.

Untuk memenuhi perhitungan Smoothing pemulusan ganda, tunggal 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 tetapan perhitungan dengan mengkuadratkan masing kesalahan untuk masing-masing item dalam sebuah susunan data dan kemudian memperoleh rata-rata atau nilai tengah kuadrat tersebut dan kemudian dicoba nilai α yang lain.

Untuk menghitung MSE pertama dicari error terlebih dahulu yang merupakan hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadaratkan dan dibagi dengan banyaknya error. Secara matematis rumus MSE (Mean Square Error) sebagai berikut :

MSE =

N et

N t

∑

₌₁ 2

Tabel 4.5 Menentukan MSE dengan menggunakan α = 0.1

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

320596 320596 320596

392358 327772.2 321313.6 334230.8 717.62

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Untuk α = 0.1 N = 9

Maka :

SSE =

∑

=

N t

t

e

1 2

= 1.659.405.736.104,37

MSE =

N et

N t

∑

₌₁ 2

= 184.378.415.122,7

Tabel 4.6 Menentukan MSE dengan menggunakan α = 0.2

631205 368509.7 327653.9 409365.6 4539.535 357329.1 273875.86 75007986690.74 801558 411814.6 336070 487559.1 8416.064 413905.1 387652.912 150274780182.08 1037979 474431 349906.1 598955.9 13836.1 495975.2 542003.795 293768113794.40 1086555 535643.4 368479.8 702807 18573.73 612792 473762.972 224451353903.58 1244537 606532.8 392285.1 820780.4 23805.29 721380.7 523156.276 273692489279.32 1304708 676350.3 420691.6 932008.9 28406.52 844585.7 460122.29 211712521322.70 1439858 752701.1 453892.6 1051510 33200.94 960415.5 479442.537 229865146735.65 1519338 829364.8 491439.8 1167290 37547.22 1084710 434627.513 188901074992.54

Jumlah 1659405736104.37

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

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Untuk α = 0.2 N = 9

Maka :

SSE =

∑

=

N t

t

e

1 2

= 537.723.133.844,12

MSE =

N et

N t

∑

₌₁ 2

= 59.747.014.871,57

Jadi untuk nilai α = 0.3 sampai dengan α = 0.9 dapat dicari dengan persamaan diatas.

392358 334948.4 323466.5 346430.3 2870.48

443264 356611.5 330095.5 383127.6 6629.008 349300.8 93963.2 8829082954.24 631205 411530.2 346382.4 476678 16286.95 389756.6 241448.4 58297349178.43 801558 489535.8 375013.1 604058.4 28630.67 492964.9 308593.1 95229674211.42 1037979 599224.4 419855.4 778593.5 44842.26 632689.1 405289.9 164259893315.05 1086555 696690.5 475222.4 918158.7 55367.03 823435.7 263119.3 69231747593.09 1244537 806259.8 541429.9 1071090 66207.49 973525.7 271011.3 73447122351.46 1304708 905949.5 614333.8 1197565 72903.92 1137297 167410.7 28026357009.49

1439858 1012731 694013.3 1331449 79679.47 1270469 169389 28692619859.21

1519338 1114053 778021.1 1450084 84007.85 1411129 108209.5 11709287371.72

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan α yang memberikan MSE yang terkecil/minimum. Perbandingan ukuran ketepatan metode peramalan peningkatan nilai penjualan listrik di Medan dengan melihat MSE sebagai berikut :

Tabel 4.7 Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE

0.1 184378415122.71

0.2 59747014871.57

0.3 25611738345.94

0.4 14434934247.30

0.5 9800681546.21

0.6 7639548895.71

0.7 6785831240.99

0.8 6866282740.62

0.9 7842471600.47

Sumber : Perhitungan

Dari tabel 4.7 diatas dapat dilihat yang menghasilkan nilai MSE yang paling kecil atau minimum yaitu pada nilai parameter pemulusan α = 0.7 yaitu dengan MSE = 6.785.831.240,99

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Tabel 4.8 Pemulusan Eksponensial Linier Satu Paremeter dari Brown Dengan Menggunakan α = 0.7 Pada Nilai Penjualan Energi Listrik

( Dalam Rupiah) DI PT.PLN Cabang Medan

Sumber : Perhitungan

Ukuran ketepatan Metode Peramalan dengan α = 0.7

g. ME (Mean Error) / Nilai Tengah Kesalahan

ME =

N et

N t

∑

₌₁ =

9 9 , 772 . 128

= 14.308,1

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

320596 320596 320596

392358 370829.4 355759.38 385899.4 35163.38

443264 421533.6 401801.35 441265.9 46041.97 421062.8 22201.2 492893281.44

631205 568303.6 518352.91 618254.3 116551.6 487307.86 143897.1 20706386900.18 801558 731581.7 667613.05 795550.3 149260.1 734805.824 66752.18 4455853000.73 1037979 946059.8 862525.78 1029594 194912.7 944810.437 93168.56 8680381131.48 1086555 1044406 989842.24 1098971 127316.5 1224506.558 -137951.6 19030632365.66 1244537 1184498 1126101.2 1242895 136258.9 1226287.105 18249.89 333058649.48 1304708 1268645 1225881.8 1311408 99780.66 1379153.423 -74445.42 5542121016.49 1439858 1388494 1339710.4 1437278 113828.6 1411188.744 28669.26 821926219.57 1519338 1480085 1437972.5 1522197 98262.1 1551106.359 -31768.36 1009228603.88

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

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

MSE =

N et

N t

∑

₌₁ 2 = 9 92 , 481 . 072 . 61

= 14.308,10

i. MAE (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

MAE =

N et

N t

∑

₌₁| | = 9 57 , 103 . 617

= 68.567,06

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

MPE = N PE N t t

∑

₌₁ = 9 07 , 28 = 3,12

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

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

∑

₌₁ = 9 06 , 69 = 7,67

4.4.2 Penentuan Bentuk Persamaan Peramalan

Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0<α<1 dengan cara trial and error didapat peremeter dari hitungan peramalan pemulusan (smoothing eksponensial linier satu paremeter dari Brown dengan α =0.7)

Perhitungan pada tabel 4.8 di atas didasarkan α =0.7 dan ramalan untuk satu periode kedepan yaitu dalam perhitungan periode ke 12. Seperti yang sudah dijelaskan pada bab 2 (landasan teori) persamaan yang dipakai dalam perhitungan peramalan ini sebagai berikut

S't = Xt + (1- ) S't-1

S"t = S' + (1- ) S"t-1 at = 2 S't- S"t

bt =

α α −

1 ( S

'

t- S"t)

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

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

Ft+ m = 1522197 + 98262,1 (m)

4.5 Peramalan Nilai Penjualan Energi Listrik

Setelah diketahui bahwa error yang terdapat pada model peramalan bersifat random, maka dilakukan peramalan nilai penjualan energi listrik untuk tahun 2008 sampai dengan tahun 2010 dengan menggunakan rumus :

Ft+ m = 1522197 + 98262,1 (m)

Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat dihitung untuk 3 periode ke depan yaitu untuk tahun 2008 sampai dengan tahun 2010 seperti yang tertera dibawah ini.

a. Untuk periode 12 (Tahun 2008)

Ft+ m = 1522197 + 98262,1 (m)

F11+ 1 = 1522197 + 98262,1 (1)

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

b. Untuk periode 12 (Tahun 2009)

Ft+ m = 1522197 + 98262,1 (m)

F11+ 2 = 1522197 + 98262,1 (2)

F13 = 1718721,2

c. Untuk periode 12 (Tahun 2010)

Ft+ m = 1522197 + 98262,1 (m)

F11+ 3 = 1522197 + 98262,1 (3)

F14 = 1816983,3

Tabel 4.9 Peramalan Nilai Penjualan Listrik( Dalam Rupiah ) di PT PLN (PERSERO) Cabang Medan Tahun 2008-2010

Sumber : Perhitungan

Tahun Periode Forecasting (Rp.000.000)

2008 12 1620459.1

2009 13 1718721.2

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

BAB 5

IMPLEMENTASI SISTEM

5.1 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar elektronik (spread sheet) dari program paket Microsoft Office Excel merupakan salah satu software pengolah angka yang cukup digunakan di dunia. Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisa, dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai dari versi4,versi 5, versi 97, versi 2000 dan excel 2003.

Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf mulai A,B, C,…..Z. Kemudian dialanjutkan AA, AB,AC sampai kolom IV. Sedangakan baris ditandai dengan angak mulai dari 1,2,3…sampai angka 65536.

Excel 2003 hadir dengan berbagai penyempuranan, tampil lebih terintegrasi dengan berbagi software lain, salah satunya adalah under windows seperti Word,

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Acces, Powerpoint. Keunggulan program spreadsheet ini adalah mudah dipakai, fleksibel, mudah terintegarasi dengan aplikasi berbasis windows.

5.2 Langkah-langkah Memulai Pengolahan Data dengan Excel

Sebelum mengoperasikan software ini, pastikan bahwa pada komputer terpasang program Excel. Langkah-langkah sebagai berikut :

a. Klik tombol start

b. Pilih program dan klik Microsoft Excel

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Gambar 5.1 Tampilan Lembar Kerja Excel

Data tiap tahun pada tiap kolom pertama untuk periode, tahun dan data nilai penjualan energi listrik di PLN (PERSERO) cabang Medan.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Gambar 5.2 Tampilan Lembar Kerja Excel Dalam Menentukan Besarnya Peramalan

Dari data di atas dapat menentukan besarnya forecast dengan α= 0.7. Dan untuk setiap perhitungan akan diberi nama tiap kolom seperti beikut ini :

1. Pada kolom ke empat ditulis keterangan dengan S't 2. Pada kolom ke lima ditulis keterangan dengan S"t 3. Pada kolom ke enam ditulis keterangan dengan at 4. Pada kolom ke tujuh ditulis keterangan dengan bt

5. Pada kolom ke delapan ditulis keterangan dengan forecast 6. Pada kolom ke sembilan ditulis keterangan dengan error (e)

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

7. Pada kolom ke sepuluh ditulis keterangan dengan e atau absolute e 8. Pada kolom ke sebelas ditulis keterangan dengan error e2 atau square error.

Maka perhitungan masing-masing smoothing pertama, smoothing kedua, konstanata , slope, forecast, error, absolutu error, dan square error sebagai berikut :

1. Untuk tahun pertama yakni tahun 1997, ditentukan sebesar periode pertama dari data historisnya, sehingga rumus yang tertera pada sel D2 adalah : C2

Sedangkan untuk periode ke dua yakni untuk tahun 1998 dapat menggunakan rumus = 0.7*C3 + (1-0.7)*D2

Dalam kasus ini untuk sel D3 menghasilkan angka : 370829,4 untuk periode ke tiga sampai periode 12 kita tinggal menyalin rumus pada sel D3

2. Smoothing Kedua

Untuk tahun pertama yakni tahun 1997, ditentukan sebesar periode pertama dari data historisnya, sehingga rumus yang tertera pada sel E2 adalah C2

Sedangkan untuk periode ke dua yakni untuk tahun 1998 dapat menggunakan rumus =((0.7*C3 )+ (1-0.7)*E2))

Dalam kasus ini untuk sel E3 menghasilkan angka : 355759,38 untuk periode ke tiga sampai periode 12 kita tinggal menyalin rumus pada sel D3.

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

3. Nilai at baru bisa dicari pada periode kedua yaitu pada tahun 1998. Rumus yang digunakan untuk sel F3 adalah = (2*D3)-E3

Sehingga akan menghasilkan angka : 385899,4

Untuk tahun-tahun berikutnya anda tinggal menyalin rumus F3

4. Nilai bt baru bisa dicari pada periode kedua yaitu pada tahun 1998 Rumus yang digunakan untuk sel G3 adalah = ((0.7/0.3)*(D3-E3))

Sehingga akan menghasilkan angka : 35163,38 untuk periode ke tiga sampai periode 12 kita tinggal menyalin rumus pada sel G3

5. Peramalan (Forecast )

Untuk periode ketiga yaitu pada sel H4 dapat dicari dengan menggunakan rumus = F3+G3 sehingga menghasilkan angka : 421062,8 untuk periode ke tiga sampai periode 12 kita tinggal menyalin rumus pada sel H3

6. Error

Untuk periode ketiga yaitu pada sel H4 dapat dicari dengan menggunakan rumus = C4-H4 Sehingga menghasilkan angka : 22201,2 Untuk periode ke tiga sampai periode 12 kita tinggal menyalin rumus pada sel I4

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

1. Jumlah error, absolute error, dan square error dengan rumus: a. Untuk jumlah error dapat digunakan rumus = Sum(I4:I12)

Maka hasil jumlah error adalah 128772,89

b. Untuk jumlah absolute error dapat digunakan rumus = Sum(J4:J12) Maka hasil jumlah absolute error adalah 617103,57

c. Untuk jumlah square error dapat digunakan rumus = Sum(K4:K12) Maka hasil jumlah error adalah 61072481168,92

2. Hitung Mean Error (ME), Mean Absolute Error (MAE), dan Square Error (SE)

a. Menghitung ME dapat menggunakan rumus =I13/9 Maka hasil ME adalah 14308,10

b. Menghitung MAE dapat menggunakan rumus =J13/9 Maka hasil ME adalah 68567,08

c. Menghitung MSE dapat menggunakan rumus =K13/9 Maka hasil MSE adalah 6785831240.99

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Gambar 5.3 Hasil Peramalan Dalam Metode Brown

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

JL.Bioteknologi No.1 Kampus USU Telp.(061) 8211050,8214920 Fax (061)8214290

Medan 20155

Medan, 27 Januari 2009 Nomor : 444 /H5.2.1.8/SPB/2009

Lampiran :

Hal : Pengumpulan Data Riset Mahasiswa

Progarm Diploma D3 Statistika Departemen Matematika FMIPA USU

Kepada Badan Pusat Statistik (BPS) Propinsi Sumatera Utara Jl. Asrama No.179

Medan

Dengan Hormat,

Bersama dengan ini kami mohon kesediaan Bapak/Ibu untuk menerima mahasiswa Program Studi Diploma-3 Statistika FMIPA USU, untuk melakukan penelitian pengumpulan data atas nama:

No Nama NIM Program Studi

1 Devisanta WM 062407034 D-3 Statistika

Data dimaksud untuk diolah dan khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang bersangkutan pada Program Studi Diploma-3 Statistika Departemen Matematika FMIPA USU.

Demikianlah kami sampaikan, atas bantuan dan kerjasama yang baik kami ucapkan terimakasih

A.n Dekam FMIPA USU Pembantu Dekan 1

Dr. Sutarman, M.Sc NIP : 131 945 359 Tembusan :

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

1. Ketua Program Studi Diploma -3 Statistika 2. Arsip

Badan Pusat Statistik

Provinsi Sumatera Utara

Medan, 8 Mei 2009

Nomor : 12.563.098

Lampiran :

Perihal : Surat Riset Pengumpulan Data

Kepada Yth,

Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Di

Medan

Dengan hormat,

Bersama ini diberitahukan bahwa Mahasiswa Program Studi D-3 Di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara (FMIPA USU) Medan, yang tertera di bawah ini :

Nama : DEVISANTA W M

NIM : 062407034

Program Studi : D-3 Statistika

Adalah benar telah melaksanakan penelitian di Badan Pusat Statistika Provinsi Sumatera Utara di Jalan Asrama No.179 Medan sebanyak 3 kali terhitung pada tanggal 3 Februari, 10 Februari dan 6 April 2009. Kegiatan ini dilaksanakan guna menyelesaikan Tugas Akhir pada Program Studi D-3 di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara (FMIPA USU) Medan.

Demikianlah surat ini diperbuat untuk digunakan seperlunya.

A.n Kepala BPS Sumatera Utara

Kepala Seksi Diseminasi dan Layanan Statistik

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

NIP.340015460

Nilai Penjualan

Energi Listrik di PT.PLN (PERSERO

) Cabang Medan

Sumber : BPS Provinsi Sumatera Utara

No Tahun

Nilai Penjualan (Rp.000.000)

1 1997 320596

2 1998 392358

3 1999 443264

4 2000 631205

5 2001 801558

6 2002 1037979

7 2003 1086555

8 2004 1244537

9 2005 1304708

10 2006 1439858

11 2007

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

Yang bertanda tangan di bawah ini, menerangkan bahwa Tugas Akhir Mahasiswa Program D-III Statistika:

Nama : DEVISANTA W M

NIM : 062407034

Program Studi : D-3 Statistika

Judul TA : PERAMALAN NILAI PENJUALAN ENERGI

LISTRIK (DALAM RUPIAH) DI PT PLN (PERSERO) CABANG MEDAN UNTUK TAHUN 2010 BERDASARKAN DATA TAHUN 1997-2007

Telah melaksanakan test program Tugas Akhir dari mahasiswa tersebut di atas pada tanggal 4 Juni 2009 dengan hasil : SUKSES

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan Matematika FMIPA USU Medan.

Medan, Juni 2009 Dosen Pembimbing

Dra. Rahmawati Pane, M.Si NIP. 131 474 682

DEPARTEMEN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA

Jl. Bioteknologi No. 1 kampus USU Telp. (061) 8211298 Fax. (061) 8214298 MEDAN

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama Mahasiswa : DEVISANTA W M

Nomor Induk Mahasiswa : 062407034

Judul Tugas Akhir : PERAMALAN NILAI PENJUALAN ENERGI

LISTRIK (DALAM RUPIAH) DI PT PLN (PERSERO) CABANG MEDAN UNTUK TAHUN 2010 BERDASARKAN DATA TAHUN 1997-2007 Dosen Pembimbing : Dra. Rahmawati Pane, M.Si

Tanggal Mulai Bimbingan : Tanggal Selesai Bimbingan :

NO. TANGGAL

ASISTENSI BIMBINGAN

PEMBAHASAN PADA ASISTENSI PADA

BAB

PARAF DOSEN PEMBIMBING

KETERANGAN

1 16 Jan 2009 Pengajuan Proposal

2 19 Jan 2009 Diskusi Proposal

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

4 27 Jan 2009 Perbaikan Proposal

5 29 Jan 2009 ACC Proposal

6 7 Mei 2009 Pengajuan TA

7 2 Juni 2009 Perbaikan TA

8 3 Juni 2009 Diskusi TA

9 4 Juni 2009 ACC TA

10

• Kartu ini harap dikembalikan ke jurusan Matematika bila bimbingan mahasiswa telah selesai

Diketahui

Ketua Departemen Matematika Dosen Pembimbing,

Dr. Saib Suwilo, M.Sc Dra. Rahmawati Pane, M.Si