Proyeksi Produksi Padi Di Sumatera Utara Tahun 2008-2009 Dengan Menggunakan Metode Pemulusan (Smoothing)Eksponensial Ganda Satu Parameter Dari Brown

EKSPONENSIAL GANDA SATU

PARAMETER DARI BROWN

TUGAS AKHIR

MISDARWANA NASUTION

052407028

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2008

PROYEKSI PRODUKSI PADI DI SUMATERA UTARA TAHUN 2008-2009

DENGAN MENGGUNAKAN METODE PEMULUSAN (SMOOTHING)

EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

MISDARWANA NASUTION 052407028

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2008

PERSETUJUAN

Judul : PROYEKSI PRODUKSI PADI DI SUMATERA

UTARA TAHUN 2008-2009 DENGAN MENGGUNAKAN METODE PEMULUSAN

(SMOOTHING) EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN

Kategori : TUGAS AKHIR

Nama : MISDARWANA NASUTION

Nomor Induk Mahasiswa 052407028

Program Studi : DIPLOMA-3 STATISTIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2008

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU Pembimbing

Dr. Saib Suwilo, M.Sc. Drs. Marwan Harahap, M.Eng

PERNYATAAN

PROYEKSI PRODUKSI PADI DI SUMATERA UTARA TAHUN 2008-2009

DENGAN MENGGUNAKAN METODE PEMULUSAN (SMOOTHING)

EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN

TUGAS AKHIR

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

Medan, Juni 2008

MISDARWANA NASUTION 052407028

PENGHARGAAN

Bismillahirrahmanirrahim,

Puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya kepada seluruh alam semesta beserta seluruh isinya dan berkat kekuatan iman

dari-Nya, maka Tugas Akhir dengan judul “PROYEKSI PRODUKSI PADI DI

SUMATERA UTARA TAHUN 2008-2009 DENGAN MENGGUNAKAN

METODE METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL SATU

PARAMETER DARI BROWN” dapat diselesaikan tepat pada waktunya. Kemudian seiring Shalawat dan salam penulis ucapkan kepada junjungan Nabi besar Muhammad SAW yang membawa umatnya ke jalan yang benar dan kesejahteraan hidup.

Penulis menyadari bahwa Tugas Akhir ini masih banyak kekurangan dan kelemahan dengan demikian penulis harapkan saran dan kritik yang sifatnya membangun demi peningkatan mutu penulisan Tugas Akhir di masa yang akan datang.

Pada kesempatan ini penulis menghanturkan terima kasih atas petunjuk dan bimbingan yang berharga yang telah diberikan kepada penulis sehingga akhirnya penulis dapat menyelesaikan Tugas Akhir ini. Maka dengan ini penulis mengucapkan terima kasih sebesar-besarnya kepada:

1. Ayahanda Drs.Musahab Nasution dan Ibunda tercinta Masnia Dalimunthe, yang membesarkan dan mendidik penulis dengan penuh kasih sayang dan cinta dari kecil hingga saat ini memberi motivasi dan restu serta materi yang tak ternilai dengan apapun.

2. Bapak Dr.Eddy Marlianto, M.Sc, selaku Dekan FMIPA USU 3. Bapak Dr.Saib Suwilo, M.Sc, selaku ketua Departemen Matematika

4. Bapak Drs.Marwan Harahap, M.Eng, selaku pembimbing yang telah memberikan bimbingan dan pengarahan dan pengalaman kepada penulis.

5. Bapak Drs.Suwarno Ariswoyo, M.Si, selaku ketua jurusan Statistika

6. Teristimewa buat saudara-saudaraku yang tercinta terima kasih telah membantu dan menjadi penopang setiap langkahku.

7. Untuk sahabatku, Nurmasyithah, Renny Triana, Nur Halimah Lubis, Pittriani Harahap, Ratna Eka Putri, Lilis Suryani, dan Pramudita Rizki Siregar terima kasih telah membantu dan memahamiku selama ini, Azwaruddin dan Abdi Gunawan terimakasih sudah membantu saya dalam pengumpulan data Riset.

Atas segala bantuan dan budi baik semua pihak penulis ucapkan terima kasih, semoga Allah SWT memberikan rahmat dan hidayah-Nya kepada kita semua. Amin ya rabbal’alamin.

Akhirnya penulis berharap semoga Tugas Akhir ini dapat memberikan manfaat kepada semua pihak yang memerlukan.

Medan, Mei 2008 Penulis

Misdarwana Nasution 052407028

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaa n iv

Daftar Isi vi

Daftar Tabel viii

Daftar Grafik xi

BAB 1 PENDAHULUAN

1.1. Latar Belakang 1

1.2. Perumusan Masalah 5

1.3. Tinjauan Pustaka 7

1.4. Tujuan Penelitian 7

1.5. Kontribusi Penelitian 7

1.6. Metode Penelitian 8

1.7. Sistematika Penulisan 9

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 Ganda (metode linier satu parameter

dari Brown) 14

2.5. Metode Peramalan 17

2.5.1 Pemilihan Teknik dan Metode Peramalan 19

BAB 3 SEJARAH SINGKAT BADAN KETAHANAN PANGAN

3.1. Sejarah Ringkas Perkembangan Badan Ketahanan

Pangan 21

3.1.1 Visi Badan Ketahanan Pangan Propinsi Sumatera

Utara 22

3.1.2 Misi Badan Ketahanan Pangan Propinsi Sumatera

Utara 23

3.1.3 Tugas Badan Ketahanan Pangan Propinsi Sumatera

Utara 23

3.1.4 Fungsi Badan Ketahanan Pangan Propinsi Sumatera

Utara 23

3.1.5 Lokasi Badan Ketahanan Pangan 25

3.2. Struktur Organisasi Badan Ketahanan Pangan 25

3.3. Kegiatan dan Jaringan Kerja Badan Ketahanan Pangan 26

3.3.1 Kegiatan Badan Ketahanan Pangan 26

3.3.2 Jaringan Kerja Badan Ketahanan Pangan 28

BAB 4 ANALISIS DATA

4.1. Pengumpulan Data 31

4.2. Metode Smoothing Eksponensial Satu Parameter dari

4.3. Pemilihan Metode 33

4.3.1 Statistik Uji yang Berguna 33

4.4. Peramalan Dengan Metode Pemulusan Eksponensial Ganda

(Alpa = 0.5) 37

BAB 5 IMPLEMENTASI SISTEM

5.1. Pengenalan Excel 44

5.1.1 Mengaktifkan Microsoft Excel 44

5.1.2 Tampilan Microsoft Excel 45

5.1.3 Istilah-Istilah Dalam Microsoft Excel 47

5.1.4 Jenis Data Dalam Microsoft Excel 48

5.2. Operasi File

5.2.1 Menyimpan Work Sheet 49

5.2.2 Membuka Work Sheet 49

5.2.3 Menyimpan Work Sheet ke Nama Lain 49

5.2.4 Keluar Dari Microsoft Excel 49

5.2.5 Membuka Lembar Kerja Baru 49

5.3. Formula dan Fungsi Statistik

5.3.1 Fungsi Statistik 50

5.4. Grafik Dalam Microsoft Excel

5.4.1 Membuat Grafik 51

5.4.2 Menata Grafik 52

BAB 6 KESIMPULAN DAN SARAN

6.1. Kesimpulan 53

6.2. Saran 54

DAFTAR TABEL

Data Hasil Produksi Padi Sumatera Utara Tahun 1993-2007 31

Aplikasi Nilai MSE Untuk Memilih Nilai α 34

Perbandingan Ukuran Ketepatan Metode Peramalan 35

Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown

Menggunakan α =0.5 Pada data Jumlah Produksi Padi di Sumatera Utara 40 Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown

DAFTAR GAMBAR

Grafik Jumlah Produksi Padi Sumatera Utara 32

Grafik Nilai MSE 37

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Ketahanan pangan (food security) di negara kita tampaknya cukup rapuh. Sejak awal tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami penurunan sehingga dalam 15 tahun terakhir hampir setiap tahun kita harus mengimpor beras. Disamping itu, harga beraspun naik turun. Meski tampak ada spekulasi dalam fluktuasi harga, bagaimanapun fluktuasi harga itu terkait juga dengan fluktuasi persediaan beras di pasaran.

Beberapa kalangan mensinyalir, sejak dua dekade lalu telah terjadi konversi lahan pertanian subur dengan sistem irigasi baik, khususnya di Jawa, secara luas untuk kepentingan industri dan pemukiman. Ini mengakibatkan areal persawahan menjadi berkurang dan tentunya berpengaruh besar pada penurunan jumlah produksi padi. Sinyal elemen tersebut tampaknya ada benarnya karena berkurangnya produksi beras memang bersamaan dengan terjadinya alih fungsi lahan persawahan secara besar-besaran.

Faktor lain yang mempengaruhi penurunan jumlah padi di luar konversi lahan tersebut adalah:

a. Luas areal usaha tani yang kecil

c. Subsidi harga sarana produksi, seperti pupuk dan obat-obatan pemberantasan hama, telah dikurangi

d. Ada kecenderungan diantara petani untuk menanam ladangnya dengan melakukan diversifikasi tanaman pangan

e. Ketenagakerjaan

Dalam konteks itulah implementasinya, negara kita akan selalu dihadapkan pada krisis pangan yang terus menerus. Suatu keadaan dimana jumlah produksi pangan tidak mencukupi untuk memenuhi kebutuhan penduduk. Tampaknya kini kita sudah tidak memiliki ketahanan pangan yang berasal dari kekuatan produksi pertanian dalam negeri, tetapi bentuk “Ketahanan Pangan yang Tergantung”.

Sumbangan sektor pertanian dalam perekonomian cenderung menurun dari tahun ke tahun sejalan dengan perkembangan kegiatan ekonomi di sektor-sektor lain di luar pertanian. Pada tahun 1987 sektor pertanian masih memberikan sumbangan sekitar 38 persen dari Produk Domestik Bruto (PDB). Untuk kelompok non-migas dan sepuluh tahun kemudian (1997) menurun menjadi 16 persen, atau terjadi penurunan rata-rata 2,2 persen per tahun.

Dari sisi perdagangan dunia atau ekspor, peranan ekspor pertanian dan sektor agribisnis akan terlihat lebih jelas. Dalam tahun 1992, sektor agribisnis memberikan sumbangan sebesar US$ 6,24 milyar dan meningkat menjadi US% 12,96 milyar pada tahun 1997, atau kenaikan sekitar 21% per tahun. Pesatnya laju perkembangan di atas tidak terlepas dari kebijakan ekonomi makro yang ditempuh pemerintah, termasuk kebijakan di sektor moneter.

Sektor pertanian berada di urutan ketiga dalam memberikan sumbangan terhadap PDB nasional, yakni berkisar antara 14,8% sampai 17,36%, dengan kecenderungan yang menurun sebelum krisis ekonomi pada tahun 1997. Namum sejak terjadinya krisis, sumbangan terhadap PDB mengalami peningkatan.

Selama periode 1983-1998 areal panen padi di Indonesia memiliki laju pertumbuhan sebesar 1,38% per tahun, dan produksi sebesar 2,21% per tahun. Provinsi Sumatera Utara merupakan sentra produksi padi dengan pangsa produksi masing-masing 7% dan 18% terhadap produksi nasional pada tahun 1998 mengalami pertumbuhan areal panen dan produksi masing-masing sebesar 2,58% dan 3,71% untuk Sumatera Utara.

Nilai ekspor hasil pertanian mempunyai hubungan jangka panjang dengan beberapa indikator moneter seperti nilai tukar Dolar, nilai tukar Yen, jumlah uang beredar, suku bunga deposito, dan posisi kredit pertanian. Artinya, apabila salah satu indikator moneter ini mengalami suatu kejutan, maka dalam jangka panjang nilai ekspor pertanian akan menyesuaikan diri sehingga timbul suatu keseimbangan baru, namun bentuk hubungannya perlu dikaji lebih lanjut.

Pencabutan subsidi pupuk dan penurunan harga produk pertanian selama dua tahun terakhir, telah menurunkan keuntungan usaha tani tanaman pangan dan hortikultura. Untuk merangsang petani dalam kegiatan produksi, diperlukan jaminan bahwa produk yang dihasilkan dapat dijual dengan harga yang layak. Dalam kaitan ini perlu dikembangkan sistem kuota produksi dan penerapan tarif impor, khususnya untuk komuditas andalan yang melibatkan banyak petani.

Untuk meningkatkan lagi sumbangan sektor pertanian terhadap PDB nasional atau agar sektor pertanian dapat mendorong roda perekonomian lebih cepat lagi, maka sebaiknya dipertimbangkan kebijakan yang dapat meningkatkan keuntungan relatif sektor pertanian atau komoditas pertanian, atau melakukan kebijakan ketat dan peningkatan suku bunga. Upaya ini yang dapat meningkatkan sumbangan sektor pertanian terutama produksi beberapa komoditas andalan adalah dengan penyediaan kredit pertanian.

Jadi sasaran ideal pembangunan sektor pertanian kita saat ini adalah terwujudnya sistem pertanian yang berkelanjutan. Sasaran yang saat ini sering didengungkan adalah terwujudnya sistem pertanian berbasis agribisnis dan agroindustri.

Berbagai bentuk ilmu pengetahuan dan teknologi yang mendasar dan ekspansif menerobos semua kegiatan pertanian. Strategi dan rumusan kebijaksanaan pengembangan pertanian terus dikembangkan dari berbagai bidang ilmu, seperti sistem informasi, perencanaan dan manajemen, penerapan teknologi, peranan penanaman modal, serta problema lingkungan yang mungkin terjadi.

Pembangunan pertanian merupakan suatu bagian integral dari pembangunan nasional. Dalam rangka pembangunan nasional itu, tujuan pembangunan pertanian itu untuk meningkatkan pendapatan dan kesejahteraan petani dan nelayan khususnya serta masyarakat pertanian pada umumnya melalui peningkatan produksi pertanian baik kualitas maupun kuantitasnya.

Produksi padi di Indonesia sangat fluktuatif. Ketajaman fluktuasi akan berdampak luas terhadap sistem tatanan negara yang sebagian besar rakyatnya memilih padi sebagai makanan pokok.

Padi juga bersifat politis karena cukup padi berarti cukup pangan. Dalam negara yang cukup pangan gejolak politik jarang terjadi.

Didorong oleh keadaan di atas, maka penulis ingin mengadakan penelitian mengenai faktor-faktor yang mempengaruhi produksi padi, dengan judul:

“PROYEKSI PRODUKSI PADI DI SUMATERA UTARA TAHUN 2008-2009

DENGAN MENGGUNAKAN METODE PEMULUSAN (SMOOTHING)

EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN”.

1.2. Perumusan Masalah

Sumatera Utara merupakan sentra produksi padi terhadap produksi nasional. Namun untuk setiap tahunnya produksi padi di Sumatera Utara ini tidak stabil. Hal ini dapat terjadi karena kuantitas faktor-faktor yang mempengaruhinya senantiasa berubah.

Produksi padi dipengaruhi oleh beberapa faktor yang tidak tetap, namun sangatlah penting untuk mengetahui jumlah produksi padi dan untuk melihat jumlah produksi di masa yang akan datang dengan menggunakan Pemulusan (Smoothing)

Eksponensial Ganda Metode Linier Satu Parameter dari Brown.

1.3. Tinjauan Pustaka

Pemulusan Eksponensial Linier dapat dihitung hanya dengan tiga nilai data dan satu nilai α. Pendekatan ini memberikan bobot yang semakin menurun pada observasi masa lalu. Dengan alasan ini pemulusan eksponensial linier lebih disukai daripada rata-rata bergerak linier sebagai suatu metode peramalan dalam berbagai kasus utama.

Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah sama dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linier satu parameter dari Brown sebagai berikut:

(

)

' 1 ' ₁ − − +

= _{t t}

t X S

S α α

(

)

" 1 ' '' ₁ − − +

= _{t t}

t S S

S α α

(

' "

)

' " '

2 t t

t t t

t S S S S S

a = + − = −

(

' "

)

1 t t

t S S

b − − = α α m b a F_t+m = _t + _t

Dimana:

'

t

"

t

S adalah nilai pemulusan eksponensial ganda m adalah jumlah periode ke depan yang diramalkan

1.4. Tujuan Penelitian

Mengetahui jumlah produksi padi tahun 2009 dari data produksi padi tahun sebelumnya yaitu dengan meramalkan dari data produksi padi tahun sebelumnya.

1.5. Kontribusi Penelitian

Penelitian ini diharapkan bermanfaat sebagai:

a. Dasar bagi peneliti dalam menyusun metode peramalan tentang Pemulusan (Smoothing) Eksponensial Ganda Metode Linier Satu Parameter dari Brown. b. Sebagai masukan bagi dinas ketahanan pangan dalam hal peningkatan hasil

produksi padi dengan melihat faktor-faktor apa saja yang lebih relevan yang mempengaruhi hasil produksi.

1.6. Metode Penelitian

Metode penelitian adalah suatu cara yang terdiri dari langkah-langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu terwujud.

Model yang digunakan dalam penelitian ini adalah metode peramalan Pemulusan (Smoothing) Eksponensial Ganda Metode Linier Satu Parameter dari Brown.

Adapun data yang diperoleh untuk penelitian ini merupakan data sekunder dari Kantor Badan Ketahanan Pangan di Jl. Jenderal Besar Abd. Haris Nasution No. 24.

• Metode pengumpulan data

Metode pengumpulan data berdasarkan sumbernya dibedakan menjadi: a. Data primer

b. Data sekunder

Data primer adalah data yang diperoleh langsung sumbernya, diamati, dicatat untuk pengamatannya.

Data sekunder adalah data yang bukan diusahakan sendiri pengumpulannya oleh peneliti, misalnya dari Badan Pusat Statistik (BPS), majalah, internet, keterangan-keterangan atau publikasi lainnya.

1.7. Sistematika Penulisan

BAB 1 PENDAHULUAN

Bab ini menerangkan tentang latar belakang, perumusan masalah tinjauan pustaka, tujuan penelitian, kontribusi penelitian, metode penelitian dan sistematika penulisan.

BAB 2 LANDASAN TEORI

Bab ini menerangkan tentang segala sesuatu yang mencakup terhadap penyelesaian masalah sesuai dengan judul yang dibuat

BAB 3 SEJARAH SINGKAT BADAN KETAHAN PANGAN

Bab ini menerangkan keadaan Badan Ketahanan Pangan

BAB 4 ANALISA DATA

Bab ini membahas tentang pengolahan data untuk mencari hasil peramalan

BAB 5 IMPLEMENTASI SISTEM

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

BAB 6 KESIMPULAN DAN SARAN

Bab ini menerangkan kesimpulan atas data yang telah diamati juga saran yang dapat berupa masukan bagi Ketahana Pangan, Pemerintah maupun swasta serta pihak-pihak lain yang membutuhkan hasil dari penelitian ini.

BAB 2

LANDASAN TEORI

2.1. Pengertian Peramalan

Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode peramalan adalah deret waktu. Metode ini disebut sebagai metode peramalan deret waktu karena memiliki karakteristik bahwa data yang dianalisis bersifat deret waktu. Periode waktu dari deret waktu dapat berupa tahunan, mingguan , bulanan, semester, kuartal dan lain-lain. Jenis pola data sangat penting untuk diketahui karena akan berpengaruh terhadap hasil ramalan. Beberapa literatur menyebutkan, bahwa pola data cenderung akan berulang pada periode waktu mendatang. Identifikasi pola terhadap data deret waktu juga berfungsi untuk menentukan metode yang akan digunakan untuk menganalisis data tersebut.

Beberapa bentuk analisis data deret waktu dapat dikelompokkan ke dalam beberapa kategori:

• Metode pemulusan (smoothing), metode pemulusan dapat dilakukan dengan dua pendekatan yakni metode perataan (average) dan metode pemulusan eksponensial (Eksponential Smoothing).

• Model ARIMA (Autoregressive Integrated Moving Average), model ARIMA dapat digunakan untuk analisis data deret waktu dan peramalan data. Pada model ARIMA diperlukan penetapan karakteristik data deret berkala seperti stasioner, musimam, dan sebagainya., yang memerlukan suatu pendekatan

sistematis, dan akhirnya akan membantu umtuk mendapatkan gambaran yang jelas mengenai model-model dasar yang ditangani.

• Analisis Deret Berkala Multivariate Model ARIMA digunakan untuk analisis data deret waktu pada kategori data berkala tunggal, atau sering dikategorikan model-model univariate. Untuk data-data dengan katagori deret berkala ganda

(multiple), tidak bisa dilakukan analisis menggunakan model ARIMA, oleh karena itu diperlukan model-model multivariate

Peramalan (Assauri, 1991) adalah kegiatan untuk memeperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan yang perlu dilakukan. Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen.

2.2. Kebutuhan dan Kegunaan Peramalan

Sering terdapat waktu senjang (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. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir tergantung pada faktor-faktor yang dapat diketahui, maka perencenaan dapat memegang peranan penting. Dalam situasi seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.

Dalam hal menajemen dan administrasi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun (untuk kasus penanaman modal) sampai beberapa hari atau bahkan beberapa jam (untuk penjadwalan produksi dan transportasi).

2.3. Peranan Teknik Peramalan Dewasa Ini

Sejak awal tahun 1960-an, semua jenis 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 membuat pengambil keputusan semakin sulit 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. Hubungan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan memungkinkan organisasi mempelajari hubungan yang baru secara lebih cepat. Keempat, pengambilan keputusan telah semakin sistematis yang mencakup pembenaran tindakan individu secara eksplisit. Peramalan formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil. Kelima dan mungkin ini yang terpenting, 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 horison 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 dalam dua kategori utama, yaitu metode kuantitatif dan metode kualitatif atau teknologis. Metode kuantitatif dapat dibagi menjadi deret berkala dan metode kausal, sedangkan metode kualitatif atau teknologis dapat dibagi menjadi metode eksploratoris dan normatif.

Model deret berkala seringkali dapat digunakan 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 yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis siklis dan trend yaitu:

• Pola horisontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. (deret seperti itu “stasioner” terhadap nilai rata-rata-rata-ratanya). Suatu produk penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis itu.

• Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini.

• Pola siklis (S) terjadi bilaman datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja, dan peralatan utama lainnya.

• Pola trend (T) terjadi bilaman terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional (GNP) dan berbagai indikator bisnis atau ekonomi lainnya mengikuti suatu pola trend selama perubahannya sepanjang waktu.

2.4. Metode Pemulusan Eksponensial Ganda (Metode Linier Satu Parameter

Dari Brown)

Kelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai pengamatan yang lebih tua disebut prosedur pemulusan eksponensial. Seperti halnya dengan rata-rata bergerak, metode eksponensial terdiri atas tunggal, ganda, dan metode yang lebih rumit. Semuanya mempunyai sifat yang sama, yaitu nilai yang lebih baru diberikan bobot yang relatif besar dibanding nilai pengamatan yang lebih lama.

Dalam kasus rata-rata bergerak, bobot yang dikenakan pada nilai-nilai pengamatan merupakan hasil sampingan dari sistem MA tertentu yang diambil. Tetapi dalam pemulusan eksponensial, terdapat satu atau lebih parameter pemulusan yang

ditentukan secara eksplisit, dan hasil pilihan ini menentukan bobot yang dikenakan pada nilai observasi.

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

Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah sama dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linier satu parameter dari Brown sebagai berikut:

(

)

' 1

' ₁

− − +

= _{t t}

t X S

S α α

(

)

" 1 '

''

1− ₋

+

= t t

t S S

(

' "

)

' " ' ₂ t t t t t

t S S S S S

a = + − = −

(

' "

)

1 t t

t S S

b − − = α α m b a F_t+m = _t + _t

Dimana:

'

t

S adalah nilai pemulusan eksponensial tunggal

"

t

S adalah nilai pemulusan eksponensial ganda m adalah jumlah periode ke depan yang diramalkan

Jenis inisialisasi muncul dalam setiap metode pemulusan eksponensial. Jika parameter pemulusan α tidak mendekati nol, pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika α mendekati nol, proses inisialisasi tersebut dapat memainkan peranan yang nyata selama periode waktu ke depan yang panjang.

Beberapa kriteria untuk menguji ketepatan ramalan yaitu: 1. ME (Mean Error) / nilai tengah kesalahan

∑

= = N i i N e ME 1

2. MSE (Mean Square Error) / nilai tengah kesalahan kuadrat

∑

= = N i i N e MSE 1 2

∑

= = N i i N e MAE 1

4. MAPE (Mean Absolut Percentage Error) / nilai tengah kesalahan persentase absolut

∑

= = N i i N PE MAPE 1

5. MPE (Mean Percentage Error) / nilai tengah kesalahan persentase

∑

= = N i i N PE MPE 1 Dimana: i

e = Xt −Ft ( kesalahan pada periode ke t)

t

X = data aktual pada periode ke t

i

PE = x100

X F X t t t       −

( kesalahan persentase pada periode ke t)

t

F = nilai ramalan pada periode ke t N = banyaknya periode waktu

2.5. Metode Peramalan

Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori utama yaitu: 1. Metode peramalan 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 penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan dari

orang yang menyusunnya. Metode kualitatif ini sendiri dapat dibagi menjadi metode eksploratoris dan normatif.

2. Metode peramalan kantitatif

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 dipergunakan ditentukan oleh perbedaan atau penyimpangan antara 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.

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

2. Informasi tersebut dapat dikuntitatifkan dalam bentuk data

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

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

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.

2.5.1 Pemilihan Teknik dan Metode Peramalan

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

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

5. Kemudahan dalam Penerapan

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

6. Biaya yang Dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan

BAB 3

SEJARAH SINGKAT BADAN KETAHAN PANGAN

3.1. Sejarah Ringkas dan Perkembangan Badan Ketahanan Pangan

Pada orde baru program intensifikasi pertanian bertujuan untuk meningkatkan produktivitas dan produksi beras menuju swasembada pangan. Untuk mewujudkan swasembada pangan dibentuk suatu wadah koordinasi yang bersifat fungsional dari berbagai dinas instansi terkait baik ditingkat pusat, propinsi, kabupaten kota dan sampai ketingkat desa yang disebut Badan Pengendali BIMAS (Bimbingan Massal) ditingkat pusat, satuan pembina BIMAS ditingkat propinsi dan satuan pelaksanaan BIMAS ditingkat Kabupaten, dan satuan penggerak BIMAS ditingkat Kecamatan dan desa. Wadah koordinasi ini ditetapkan berdasarkan keputusan Presiden ditingkat pusat, keputusan Gubernur ditingkat Propinsi, keputusan Bupati/Walikota ditingkat Kabupaten, Kecamatan, dan Desa. Untuk mendukung wadah koordinasi yang bersifat fungsional tersebut, maka ditetapkan adanya Sekretariat Pembina BIMAS ditingkat Propinsi dan Sekretariat pelaksanaan BIMAS ditingkat Kabupaten/Kota yang dipimpin oleh seorang Sekretaris.

Seiring perkembangan otonomi daerah maka seluruh lembaga struktural yang bersifat vertikal, bergabung dan menyatu ke dalam lembaga struktural dinas daerah. Sehingga dengan demikian lembaga struktural yang bersifat vertikal yang ada, tetapi sekarang ini tidak ada lagi kecuali Lembaga Struktural yang menangani keuangan, kehakiman, agama dan pertahanan.

Mengingat wadah koordinasi yang bersifat fungsional yaitu satuan pembinaan BIMAS ditingkat Propinsi, satuan pelaksanaan BIMAS ditingkat Kabupaten, dipandang tugas-tugasnya masih diperlukan dalam rangka peningkatan produktivitas dan produksi bahan pangan pokok dan strategis secara luas, maka pemerintah pusat dan pemerintah daerah (PEMDA) Sumatera Utara membentuk suatu badan yang disebut bengan Badan Ketahanan Pangan (BKP) oleh karena itu Badan Ketahanan Pangan ini berperan sebagai Sekretariat Dewan Ketahanan Pangan yang sekaligus merupakan transparansi dari satuan pembina BIMAS.

Badan Ketahanan Pangan mempunyai tugas dan fungsi yang bersifat koordinatif yang merupakan kesinambungan dari tugas dan fungsi koordinasi yang ditanggung oleh satuan pembina BIMAS dan satuan pelaksana BIMAS pada pemerintah orde baru. Seluruh institusi Badan Ketahanan Pangan menempati kantor lama Kanwil Departemen Pertanian Propinsi Sumatera Utara dan kantor lama BIMAS dan pegawainya berasal dari pegawai sekretariat satuan pembinaan BIMAS dan pegawai Kanwil Departemen Pertanian Sumatera Utara.

3.1.1 Visi Badan Ketahanan Pangan Propinsi Sumatera Utara

Visi Badan Ketahanan Pangan Propinsi Sumatera Utara yaitu: “Terwujudnya ketahanan pangan masyarakat yang berbasis kepada sumber daya lokal yang dimiliki secara efisien dan berkelanjutan menuju masyarakat yang berkualitas dan sejahtera”. 3.1.2 Misi Badan Ketahanan Pangan Pangan Propinsi Sumatera Utara

1. Meningkatkan kebudayaan dan kemandirian masyarakat untuk mewujudkan ketahanan pangan yang berbasis sumber daya lokal yang dimiliki

2. Meningkatkan kualitas sumber daya manusia dan kesejahteraan masyarakat.

3.1.3 Tugas Badan Ketahanan Pangan Propinsi Sumatera Utara

Tugas Badan Ketahanan Pangan Propinsi Sumatera Utara:

1. Sebagai salah satu lembaga teknis daerah Perda No. 4 Tahun 2001, membantu kepala daerah dalam pemeliharaan ketahanan pangan

2. Sebagai Sekretariat Dewan Ketahanan Pangan SK GUBSU

No.188/44/250/K/Thn 2002, membantu Gubernur dalam fasilitas pelaksanaan koordinasi perumusan kebijakan dan program dibidang ketahan pangan yang meliputi aspek ketersediaan, distribusi, konsumsi keamanan pangan, dan melaksanakan pengendalian, monitoring, dan evaluasi ketahanan pangan daerah.

3.1.4 Fungsi Badan Ketahanan Pangan Propinsi Sumatera Utara

Fungsi Badan Ketahanan Pangan Propinsi Sumatera Utara:

1. 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 impor b. Aspek distribusi yang berbasis kepada stabilitas harga pangan, aman

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

2. Mengkoordinasikan monitoring program peningkatan ketahanan pangan melalui rapat Dewan Ketahanan Pangan, rapat kelompok kerja guna mengantisipasi dan memecahkan masalah yang dihadapi meliputi hal-hal sebagai berikut:

a. Monitoring pelaksanaan kegiatan usaha tani b. Monitoring ekspor / impor bahan pangan strategis c. Monitoring harga bahan pangan strategis dan lokal

d. Monitoring pengadaan / penyimpanan / penyaluran cadangan makanan e. Monitoring kewaspadaan pangan ( Bencana alam dan gangguan OPT) f. Monitoring daerah rawan pangan

g. Monitoring penganekaragaman konsumsi bahan pangan h. Monitoring mutu dan keamanan pangan

i. Survei yang terkoordinasi ke lapangan

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

4. Mengkoordinasi pelaporan dan evaluasi program peningkatan ketahanan pangan yang meliputi aspek ketersediaan, mutu dan keamanan pangan.

3.1.5 Lokasi Badan Ketahanan Pangan

Bangunan Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara seluas ± 1.276m di atas tanah seluas 14.271m yang terletak di Jl. Jenderal Besar Dr. Abdul Haris Nasution No. 24 Medan.

3.2 Struktur Organisasi Badan Ketahanan Pangan

Struktur Organisasi Badan Ketahanan Pangan yaitu:

Badan Ketahanan Pangan Sumatera Utara dipimpin oleh seorang Kepala Badan (Eselon II/a) dan dibantu oleh empat orang Pejabat Struktural Eselon III/a dan 14 orang pejabat Eselon IV/a serta kelompok Jabatan Fungsional (KJF) yakni:

1. Sekretariat

a. Sub Bagian Keuangan b. Sub Bagian Umum

c. Sub Bagian Hukum Dan Organisasi 2. Bidang Pengkajian Pangan

a. Sub Bidang Pengadaan dan Cadangan Makanan b. Sub bidang mutu pangan dan gizi

c. Sub Bidang Pemberdayaan Kelembagaan Pangan d. Sub Bidang Analisis Harga Pangan

3. Bidang Kewaspadaan Pangan dan Gizi

a. Sub Bidang Monitoring dan Evaluasi Pangan b. Sub Bidang Sistem Informasi Manajemen Pangan c. Sub Bidang Rawan Pangan

4. Bidang Penganekaragaman Konsumsi Pangan dan Sumber Daya a. Sub Bidang Pola Konsumsi Pangan

b. Sub Bidang Pemberdayaan Masyarakat dan Sumber Daya c. Sub Bidang Penganekaragaman Pangan Lokal

5. Kelompok Jabatan Fungsional

3.3 Kegiatan dan Jaringan Kerja Badan Ketahanan Pangan

3.3.1 Kegiatan Badan Ketahanan Pangan

Program kerja Badan Ketahanan Pangan terdiri dari berbagai kegiatan yang dilaksanakan setiap tahun yaitu antara lain:

1. Memfasilitasi Koordinasi Perencanaan Kebijakan dan Program peningkatan ketahanan pangan Propinsi Sumatera Utara

2. Melaksanakan pemantauan dan monitoring terhadap ketersediaan bahan pangan pokok dan strategis setiap bulan yang terdiri dari produksi, ekspor, impor, keluar masuk Propinsi, kebutuhan konsumsi dan lain-lain, serta stok atau cadangan pangan

3. Melaksanakan pemantauan atau monitoring terhadap harga harian bahan pokok, dan strategi untuk koordinasi dengan Dinas Instansi terkait apabila terjadi fluktuasi harga

4. Melaksanakan sosialisasi dan pembinaan masyarakat tentang diversifikasi konsumsi pangan melalui pemasyarakatan konsumsi pangan yang beragam, bergizi dan berimbang (3B) untuk mengurangi konsumsi beras dan meningkatkan konsumsi daging, telur dan sayur-sayuran

5. Melaksanakan pengawasan terhadap mutu dan keamanan bahan pangan segar, seperti buah dan sayur melalui otoritas kompetensi

6. Melaksanakan pendeteksian dini dan karawanan pangan melalui Sistem Kewaspadaan Pangan dan Gizi (SKPG)

7. Menyusun peta rawan pangan setiap Kabupaten/ Kota (Food Insecurity Atlas), guna dijadikan acuan dalam mengatasi kerawanpanganan

8. Melaksanakan berbagai kegiatan pemberdayaan terhadap masyarakat melalui kelompok-kelompok masyarakat dengan menmberikan bantuan dana penguatan modal usaha kelompok/ bantuan langsung masyarakat yaitu:

a. Bantuan dana penguatan modal bagi lembaga usaha ekonomi pedesaan (DPM-LUEP) untuk stabilisasi harga gabah/ padi ditingkat petani

b. Bantuan penguatan modal usaha kelompok (PMUK) bagi kelompok lembaga pangan untuk memantapkan cadangan pangan kelompok

c. Bantuan PMUK bagi kelompok tunda jual untuk stabilisasi harga pangan ditingkat kelompok

d. Bantuan PMUK untuk pengembangan lokal atau tradisional bagi kelompok-kelompok pangan lokal

e. Bantuan PMUK untuk pengembangan dan pemantapan pekarangan bagi kelompok masyarakat untuk meningkatkan mutu dan gizi keluarga

f. Bantuan PMUK bagi kelompok dalam pemberdayaan daerah rawan pangan 9. Melaksanakan pameran pangan dan pemberian penghargaan bagi aparat dan

3.3.2 Jaringan Kerja Badan Ketahanan Pangan

Jaringan Kerja Badan Ketahanan Pangan melalui Sekretariat Dewan Ketahanan Pangan Propinsi Sumatera Utara meliputi:

1. Dinas Pertanian, Dinas Perkebunan, Dinas Peternakan dan Dinas Perikanan dan Kelautan beserta UPT nya mempunyai tugas dan tanggung jawab dalam kebijakan teknis dan pelaksanaannya yaitu:

a. Menetapkan sasaran, proyeksi areal, populasi/ produktivitas, produksi komuditas rencana kebutuhan

b. Memberikan dan menetapkan rekomendasi teknologi penyebarannya c. Mengatur penyiapan dan pengawasan benih/ bibit

d. Memonitor dan mengawasi penerapan paket teknologi yang direkomendasi e. Mengendalikan OPT, hama dan penyakit ternak serta ikan

f. Mengisi materi program penyuluhan pertanian serta penyelenggaraannya g. Menyiapkan petunjuk teknis teknik kegiatan intensifikasi, ekstensifikasi,

diversifikasi dan rehabilitas masing-masing sub sektor dan sektor

h. Menyampaikan informasi secara teratur dan berkesinambungan sekali sebulan pada awal bulan kepada Sekretariat Dewan tentang perkembangan pelaksanaan kegiatan intensifikasi, ekstensifikasi, diversifikasi dan rehabilitas.

2. Asisten Teritorial Kodam I BB, mempunyai tugas dan tanggung jawab bagi perlindungan dan keamanan bahan pangan yang meliputi aspek ketersediaan produksi, distribusi, konsumsi dan mutu sesuai kewenangan

3. Kepala Biro Bina Mitra Poldasu, mempunyai tugas dan tanggung jawab dalam memberikan perlindungan keamanan bahan pangan yang meliputi aspek ketersediaan produksi, distribusi, konsumsi, dan mutu sesuai kewenangannya 4. Badan Perencanaan Pembangunan Daerah, mempunyai tugas dan tanggung

jawab dalam memberikan masukan bagi program peningkatan ketahanan pangan sesuai dengan rencana pembangunan jangka menengah pemerintah Propinsi Sumatera Utara

5. Badan Investasi dan Promsi mempunyai tugas dan tanggung jawab dalam memberikan informasi kepada para calon investor PMA/PMDN yang meliputi aspek ketersediaan, distribusi, konsumsi dan kewaspadaan bahan pangan nabati dan hewani

6. Badan Penelitian dan Pengembangan mempunyai tugas dan tanggung jawab dalam kerja sama pengembangan bahan pangan yang meliputi aspek ketersediaan, distribusi, konsumsi dan kewaspadaan, mutu dan keamanan

7. Badan Pemberdayaan Masyarakat mempunyai tugas dan tanggung jawab dalam koordinasi pemberdayaan masyarakat di dalam peningkatan ketahanan pangan

8. Badan Informasi dan Komunikasi mempunyai tugas dan ketahana pangan dan hasil yang dicapai kepada masyarakat luas

9. Badan Koordinasi Keluarga Berencana, mempunyai tugas dan tanggung jawab dalam memberikan masukan informasi jumlah tahapan kelaurga serta perkembangannya guna masukan dalam investasi untuk mencegah dan mengatasi rawan pangan serta memberikan masukan bagi Program Peningkatan Ketahanan Pangan

10.Dinas Sosial mempunyai tugas dan tanggung jawab dalam menyampaikan data daerah rawan pangan, bencana alam guna mendapatkan penanganan mengatasi masalah ketahanan pangan serta memberikan masukan bagi Program Peningkatan Ketahanan Pangan

11.Dinas Kesehatan beserta UPT nya mempunyai tugas dan tanggung jawab dalam menyediakan data tingkat konsumsi bahan pangan dan status gizi masyarakat serta masukan bagi Program Peningkatan Ketahanan Pangan

BAB 4

ANALISIS DATA

4.1 Pengumpulan Data

Untuk kebutuhan Peramalan diperlukan data yang bersifat akurat, Validity, reability, kecukupan data dan dapat menggambarkan time series. Data diperoleh dari Kantor Badan Ketahanan Pangan di Jl. Jenderal Besar Abd. Haris Nasution No. 24 Medan.

Pengumpulan data yang diperoleh merupakan data dari tahun 1993 – 2007, yaitu data jumlah produksi padi.

Tabel 4.1 Data Hasil Produksi Padi Sumatera Utara Tahun 1993 – 2007

No Tahun Produksi

(Ton)

1 1993 2.918.152

2 1994 3.079.960

3 1995 3.134.533

4 1996 3.136.760

5 1997 3.212.206

6 1998 3.321.049

7 1999 3.451.430

8 2000 3.514.253

9 2001 3.291.605

10 2002 3.153.305

11 2003 3.403.075

12 2004 3.418.782

13 2005 3.447.393

14 2006 3.007.636

15 2007 3.257.823

Nilai Aktual Produksi Padi Sumatera Utara 0 500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000 19 93 19 95 19 97 19 99 20 01 20 03 20 05 20 07 Tahun P ro d u k s i Nilai Aktual

Gambar 4.1 Grafik Jumlah Produksi Padi Sumatera Utara

4.2 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

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

Menurut Assauri (1984), dasar pemikiran dari metode pemulusan eksponensial tunggal maupun ganda adalah bahwa nilai pemulusan akan terdapat pada waktu sebelum data sebenarnya apabila pada data tersebut terdapat komponen tren. Oleh karena itu untuk nilai-nilai pemulusan tunggal perlu ditambahkan nilai pemulusan ganda guna menyesuaikan tren. Metode itu dikenal dengan nama metode Brown.

Pada metode Brown hanya terdapat satu parameter saja dan estimasi nilai tren masih sangat sensitif sekali terhadap fluktuasi random. Pemulusan eksponensial ganda pada metode Brown dan Holt hanya bisa dipergunakan untuk data yang tidak

mengandung faktor musiman. Jika data yang akan dianalisis merupakan data musiman maka diperlukan sebuah metode pemulusan yang dapat menangani faktor musiman secara langsung. Metode tersebut adalah metode Winters.

4.3. Pemilihan Metode

4.3.1 Statistik Uji yang Berguna

Menurut Reitsch dan Hanke (1981), dalam banyak situasi peramalan, ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Guna mengukur ketepatan ramalan, maka dibutuhkan uji-uji ketepatan ramalan. Beberapa uji ketepatan ramalan yang sering diguakan antara lain adalah:

• Kesalahan Kuadrat Rata-rata (MSE)

∑

=

= N

i i

N e MSE

1 2

Dengan ei

• Kesalahan persentase absolut rata-rata (MAPE)

adalah nilai sisa atau selisih antara data aktual dengan ramalan.

∑

=

= N

i i

N PE MAPE

1

Kegunaan dari kedua ukuran ketepatan peramalan tersebut adalah:

• Untuk membandingkan ketepatan ramalan yang dilakukan dengan dua metode yang berbeda

Tabel 4.3 Aplikasi Nilai MSE Untuk Memilih Nilai α

Tahun Xt

'

t

S St" at bt ft+m e e2

1993 2918152 2918152.00 2918152.00

1994 3079960 2999056.00 2958604.00 3039508.00 40452.00

1995 3134533 3066794.50 3012699.25 3120889.75 54095.25 3079960.00 54573.00 2978212329.00 1996 3136760 3101777.25 3057238.25 3146316.25 44539.00 3174985.00 -38225.00 1461150625.00 1997 3212206 3156991.63 3107114.94 3206868.31 49876.69 3190855.25 21350.75 455854525.56 1998 3321049 3239020.31 3173067.63 3304973.00 65952.69 3256745.00 64304.00 4135004416.00 1999 3451430 3345225.16 3259146.39 3431303.92 86078.77 3370925.69 80504.31 6480944331.10 2000 3514253 3429739.08 3344442.73 3515035.42 85296.34 3517382.69 -3129.69 9794943.85 2001 3291605 3360672.04 3352557.39 3368786.69 8114.65 3600331.77 -308726.77 95312215813.27 2002 3153305 3256988.52 3304772.95 3209204.09 -47784.43 3376901.34 -223596.34 49995324938.37 2003 3403075 3330031.76 3317402.36 3342661.16 12629.40 3161419.65 241655.35 58397307050.86 2004 3418782 3374406.88 3345904.62 3402909.14 28502.26 3355290.57 63491.43 4031162139.79 2005 3447393 3410899.94 3378402.28 3443397.60 32497.66 3431411.40 15981.60 255411432.43 2006 3007636 3209267.97 3293835.12 3124700.82 -84567.15 3475895.26 -468259.26 219266736185.39 2007 3257823 3233545.48 3263690.30 3203400.67 -30144.82 3040133.66 217689.34 47388648362.73

490167767093.35

Sumber: Perhitungan

Tabel di atas memakai nilai α =0.5

Maka :

∑

=

= N

i i

N e MSE

1 2

= 32677851139.56

Jadi untuk nilai α =0,1 sampai dengan α =0,9 dapat dicari dengan persamaan diatas.

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menemukan nilai α yang memberikan MSE yang tekecil. Perbandingan ukuran ketepatan metode peramalan jumlah produksi padi di Sumatera Utara sebagai berikut:

Tabel 4.3 Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE

0,1 38040148065.23

0,2 30445695261.48

0,3 28495941855.22

0,4 29507311770.55

0,5 32677851139.56

0,6 37310920551.44

0,7 57127822361.29

0,8 49901280758.93

0,9 413293087769.61

Sumber : Perhitungan

Dari tabel 4.3 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang minimum atau terkecil yaitu pada nilai parameter pemulusanα =0,3, yaitu dengan nilai MSE = 28495941855.22, sehingga dapat ditentukan nilai-nilai dari persamaan pemulusan satu parameter dari Brown yaitu:

Tahun 1993:

Xt

'

' _{(1 )}

t t

t X S

S =α + −α

= 3.079.960 2918152 ) 3 , 0 1 ( 2918152 3 , 0

1993 x x

S = + −

= 2918152 '' ' '' ) 1 ( t t

t S S

S =α + −α

2918152 ) 3 , 0 1 ( 2918152 3 , 0 "

1993 x x

S = + −

= 2918152

1993

a = belum bisa ditentukan

1993

Tahun 1994: Xt 2918152 ) 3 , 0 1 ( 3079960 3 , 0 '

1994 x x

S = + −

= 3079960 = 2966694.40 2918152 ) 3 , 0 1 ( 2999056 3 , 0 "

1994 x x

S = + −

= 2932714.72

" '

2 t t

t S S

a = −

72 . 29632714 40 . 2966694 2

1994 = x −

a = 3000674.08 ) ( 1 " ' t t

t S S

b − − = α α ) 2958604 2999056 ( 3 , 0 1 3 , 0

1994 = ₋ −

b = 14562.72 Tahun 1995: Xt 2999056 ) 3 , 0 1 ( 3134538 3 , 0 '

1995 x x

S = + −

= 3134538 = 3017045.98 2958604 ) 3 , 0 1 ( 50 , 3066794 3 , 0 "

1995 x x

S = + −

= 2958014.10 10 . 2958014 98 . 3017045 2

1995 = x −

a = 3076077.86 ) 25 , 3012699 50 , 3066794 ( 3 , 0 1 3 , 0

1995 = ₋ −

b

m b a f_t+m= _t + _t

) 1 ( ₁₉₉₄

1994 1

1994 a b x

f ₊ = +

) 1 38 . 25299 ( 8 . 3076077 1995 x

f = +

= 3015236.80

Aplikasi Nilai MSE

2700000.00 2800000.00 2900000.00 3000000.00 3100000.00 3200000.00 3300000.00 3400000.00 3500000.00 3600000.00 3700000.00 19 93 19 95 19 97 19 99 20 01 20 03 20 05 Tahun P ro d u k s i ramalan

Gambar 4.3 Grafik Nilai MSE

4.4. Peramalan dengan Metode Pemulusan Eksponensial Ganda (α =0.5)

Untuk α=0.5 kita ambil sebagai sampel pada tahun ke 2 dan tahun ke tiga, dengan langkah-langkah sebagai berikut:

Tahun 1993: Xt ' ' ) 1 ( t t

t X S

S =α + −α

2918152 ) 5 , 0 1 ( 2918152 5 , 0

1993 x x

S = + −

= 2918152

'' '

'' _{(1 )}

t t

t S S

S =α + −α

2918152 ) 5 , 0 1 ( 2918152 5 , 0 "

1993 x x

S = + −

= 2918152

1993

a = belum bisa ditentukan

1993

b = belum bisa ditentukan

Tahun 1994: Xt 2918152 ) 5 , 0 1 ( 3079960 5 , 0 '

1994 x x

S = + −

= 3079960 = 2999056 2918152 ) 5 , 0 1 ( 2999056 5 , 0 "

1994 x x

S = + −

= 2958604

" '

2 _{t t}

t S S

a = −

2958604 2999056

2

1994 = x − a = 3039508 ) ( 1 " ' t t

t S S

b − − = α α ) 2958604 2999056 ( 5 , 0 1 5 , 0

1994 = ₋ −

b

Tahun 1995: Xt 2999056 ) 5 , 0 1 ( 3134538 5 , 0 '

1995 x x

S = + −

= 3134538 = 3066794,50 2958604 ) 5 , 0 1 ( 50 , 3066794 5 , 0 "

1995 x x

S = + −

= 3012699,25 25 , 3012699 50 , 3066794 2

1995 = x −

a = 3120889.75 ) 25 , 3012699 50 , 3066794 ( 5 , 0 1 5 , 0

1995 = ₋ −

b

= 54095,25

m b a ft+m= t + t

) 1 ( ₁₉₉₄

1994 1

1994 a b x

f ₊ = +

) 1 40452 ( 3039508 1995 x

f = +

= 3079960

Untuk Ramalan tahun 2008: Untuk Ramalan tahun 2009:

m b a

f_t+m= _t + _t f_t+m=a_t +b_tm

) 1 ( ₂₀₀₇

2007 1

2007 a b x

f ₊ = + f₂₀₀₈₊₁ =a₂₀₀₇ +(b₂₀₀₇x2) ) 1 2 . 301448 ( 67 . 3203400 2008 x

f = + − f₂₀₀₉ =3203400.67+(−301448.2x2)

= 3173255,85 = 3143111,03

Tabel 4.4 Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown

Menggunakan α= 0,5 Pada Data Jumlah Produksi Padi di Sumatera Utara

TAHUN Xt

'

t

S S_t'' a_t b_t f_{t+m e} 2

e ei Pei Pei

1993 2918152 2918152.00 2918152.00

1994 3079960 2999056.00 2958604.00 3039508.00 40452.00

1995 3134533 3066794.50 3012699.25 3120889.75 54095.25 3079960.00 54573.00 2978212329.00 54573.00 1.74 1.74

1996 3136760 3101777.25 3057238.25 3146316.25 44539.00 3174985.00 -38225.00 1461150625.00 38225.00 -1.22 1.22

1997 3212206 3156991.63 3107114.94 3206868.31 49876.69 3190855.25 21350.75 455854525.56 21350.75 0.66 0.66

1998 3321049 3239020.31 3173067.63 3304973.00 65952.69 3256745.00 64304.00 4135004416.00 64304.00 1.94 1.94

1999 3451430 3345225.16 3259146.39 3431303.92 86078.77 3370925.69 80504.31 6480944331.10 80504.31 2.33 2.33

2000 3514253 3429739.08 3344442.73 3515035.42 85296.34 3517382.69 -3129.69 9794943.85 3129.69 -0.09 0.09

2001 3291605 3360672.04 3352557.39 3368786.69 8114.65 3600331.77 -308726.77 95312215813.27 308726.77 -9.38 9.38

2002 3153305 3256988.52 3304772.95 3209204.09 -47784.43 3376901.34 -223596.34 49995324938.37 223596.34 -7.09 7.09

2003 3403075 3330031.76 3317402.36 3342661.16 12629.40 3161419.65 241655.35 58397307050.86 241655.35 7.10 7.10

2004 3418782 3374406.88 3345904.62 3402909.14 28502.26 3355290.57 63491.43 4031162139.79 63491.43 1.86 1.86

2005 3447393 3410899.94 3378402.28 3443397.60 32497.66 3431411.40 15981.60 255411432.43 15981.60 0.46 0.46

2006 3007636 3209267.97 3293835.12 3124700.82 -84567.15 3475895.26 -468259.26 219266736185.39 468259.26 -15.57 15.57

2007 3257823 3233545.48 3263690.30 3203400.67 -30144.82 3040133.66 217689.34 47388648362.73 217689.34 6.68 6.68

-282387.28 490167767093.35 1801486.84 -10.57 56.13

2008 3173255.85

2009 3143111.03

Sumber : Perhitungan

Tabel 4.5 Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown

Menggunakan α= 0,3 Pada Data Jumlah Produksi Padi di Sumatera Utara

Tahun Xt

'

t

S S_t" a_t b_t f_{t+m e} 2

e e PEi PEi

1993 2918152 2918152.00 2918152.00

1994 3079960 2966694.40 2932714.72 3000674.08 14562.72

1995 3134533 3017045.98 2958014.10 3076077.86 25299.38 3015236.80 119296.20 14231583334.44 119296.20 3.81 3.81

1996 3136760 3052960.19 2986497.92 3119422.45 28483.83 3101377.24 35382.76 1251939705.22 38225.00 1.13 1.13

1997 3212206 3100733.93 3020768.73 3180699.13 34270.80 3147906.27 64299.73 4134454763.68 64299.73 2.00 2.00

1998 3321049 3166828.45 3064586.64 3269070.26 43817.92 3214969.94 106079.06 11252767819.12 106079.06 3.19 3.19

1999 3451430 3252208.92 3120873.33 3383544.51 56286.68 3312888.18 138541.82 19193836958.46 138541.82 4.01 4.01

2000 3514253 3330822.14 3183857.97 3477786.31 62984.64 3439831.19 74421.81 5538606107.91 3129.69 2.12 2.12

2001 3291605 3319057.00 3224417.68 3413696.32 40559.71 3540770.96 -249165.96 62083674042.91 308726.77 -7.57 7.57

2002 3153305 3269331.40 3237891.79 3300771.00 13474.12 3454256.03 -300951.03 90571520931.20 223596.34 -9.54 9.54

2003 3403075 3309454.48 3259360.60 3359548.36 21468.81 3314245.12 88829.88 7890747651.52 88829.88 2.61 2.61

2004 3418782 3342252.74 3284228.24 3400277.23 24867.64 3381017.16 37764.84 1426182839.18 37764.84 1.10 1.10

2005 3447393 3373794.81 3311098.21 3436491.42 26869.97 3425144.87 22248.13 494979245.11 22248.13 0.65 0.65

2006 3007636 3263947.17 3296952.90 3230941.44 -14145.31 3463361.39 -455725.39 207685630190.26 468259.26 -15.15 15.15

2007 3257823 3262109.92 3286500.01 3237719.83 -10452.89 3216796.13 41026.87 1683204239.30 41026.87 1.26 1.26

2008 3227266.94 -277951.27 427439127828.30 1660023.59 -10.38

2009 3216814.04

Sumber : Perhitungan

Ukuran ketepatan Metode Peramalan dengan Alpha = 0.5

1.

∑

= = N i i N e ME 1 = 15 28 . 282387 − = -18825,8186

2.

∑

= = N i i N e MSE 1 2 = 15 35 . 93 4901677670 = 32.607.851.139,56

3.

∑

= = N i i N e MAE 1 = 15 84 . 1801486 = 120.099,1226

4.

∑

= = N i i N PE MPE 1 = 15 57 . 10 − = -0,70456349

5.

∑

= = N i i N PE MAPE 1 = 15 13 , 56 = 3,741887068

Nilai Aktual dan Ramalan Produksi Padi di Sumatera Utara

0 500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000

19 93

19 95

19 97

19 99

20 01

20 03

20 05

20 07

Tahun

P

ro

d

u

k

s

i

Nilai Aktual Nilai Ramalan

BAB 5

IMPLEMENTASI SISTEM

5.1. Pengenalan Excel

Microsoft Excel adalah aplikasi pengolahan angka (Spread sheet) yang sangat populer dan mampu untuk mengatur, menyediakan maupun menganalisa data dan mempresentasikan dalam bentuk tabel, grafik atau diagram.

5.1.1 Mengaktifkan Microsoft Excel

Cara I

• Klik tombol Start

• Pilih dan klik Program, Microsoft Office, Microsoft Excel Cara II

• Klik tombol Start

• Pilih dan klik Run

• Ketik pada bagian Open: Excel, klik OK Cara III

• Klik tombol Start

• Pilih dan klik Open, klik ganda pada Program File, Microsoft Office, Office, Excel.exe (biasanya folder program file berada di direktory C:\)

5.1.3 Istilah-istilah MS. Excel

• Worksheet adalah daerah tempat lembaran kerja untuk memasukkan data atau rumus. Normalnya MS. Excel menyediakan worksheet atau sheet sebanyak 3 sheet

• Workbook merupakan buku kerja yang terdiri dari beberapa worksheet. Workbook ini merupakan file penyimpanan worksheet sehingga

mempermudah mengorganisasi file-file sesuai dengan kebutuhan yang diperlukan

• Cell merupakan perpotongan baris dan kolom yang ditandai dengan aktifnya pointer cell pada posisi tertentu. Posisis cell aktif ditunjukkan pada Name Box

• Cell Pointer adalah tanda penunjuk keaktifan sel berupa kotak bingkai tebal

• Range adalah kumpulan beberapa sel yang membentuk kelompok area (ditandai dengan warna hitam saat diblok)

• Gridlines adalah garis bantu sel pada area kerja. Gridlines ini hanya tampak pada saat bekerja dalam worksheet tetapi bila hasil kerja dicetak atau ditampilkan dengan print preview, maka Gridlines tersebut tidak tampak

• Fill Handle adalah bagian bawah kanan pointer cell berfungsi untuk memindah atau mengcopy data dan rumus dengan menggunakan mouse

• Mouse Pointer adalah bentuk penunjuk mouse yang tampil pada layar MS. Excel

5.1.4 Jenis Data dalam MS. Excel

Sebuah sel pada lembar kerja Excel dapat diisi empat jenis data:

• Label/teks

• Numerik

• Alfanumerik

5.2. Operasi File

5.2.1 Menyimpan Worksheet

• Klik menu File, Save atau tekan Ctrl + S

• Pada pilihan Save in, pilih atau klik drive dan folder tempat menyimpan file

• Pada bagian File Name, ketik nama file yang diinginkan

• Klik tombol Save

5.2.2 Membuka Worksheet

• Klik menu File, Open atau tekan Ctrl + O atau tekan tombol Ctrl + F12

• Pada bagian Look in, pilih dan klik drive dan folder file yang akan dibuka

• Pada daftar file, pilih nama file yang ingin dibuka

• Klik tombol Open

5.2.3 Menyimpan Worksheet ke Nama Lain

• Klik menu File, Save As atau tekan tombol F12

• Pada pilihan Save in, pilih atau klik drive dan folder tempat simpan file

• Pada bagian File Name, ketik nama file yang diinginkan

• Klik tombol Save

5.2.4 Keluar dari MS. Excel

Klik menu File, Exit atau tekan Alt + F4 pada keyboard, pilih Yes atau No

5.2.5 Membuka Lembar Kerja Baru

Formula dan Fungsi Statistik

Microsof Excel menyediakan banyak jenis kategori fungsi seperti fungsi statistik, finansial, data base, teks, matematika dan trigonometri, logika, referensi dan pencarian yang dapat digunakan dalam membuat fungsi termasuk fungsi otomatis seperti autosum, currency style, percent style dan sebagainya.

Fungsi-fungsi Excel digunakan dalam penulisan formula atau rumus yang dapat dikomendasi dengan alamat sel, range, data konstanta atau gabungan beberapa fungsi.

5.3.1 Fungsi Statistik

Fungsi ini bertujuan untuk menganalisa suatu kumpulan data. Untuk penganalisaan data, beberapa fungsi yang sering digunakan antara lain:

• SUM(range) : mencari total sekumpulan data angka

• MAX(range) : mencari nilai tertinggi dari sekumpulan data angka

• MIN(range) : mencari nilai terendah dari sekumpulan data angka

• AVERAGE : mencari nilai rata-rata dari sekumpulan data angka

• COUNT : mencari banyak data dari sekumpulan data angka

5.4. Grafik dalam Microsoft Excel

Salah satu fasilitas MS. Excel adalah kemampuan untuk membuat grafik (chart)

dipresentasikan ke dalam bentuk yang lebih menarik yakni dalam grafik bentuk batang, garis, kolom, lingkaran dan bentuk grafik lainnya. Grafik ini sering digunakan untuk menunjukkan persentasi dari sebuah penelitian atau menampilkan hasil data.

5.4.1 Membuat Grafik

Langkah -langkah membuat grafik:

• Arahkan pointer sel pada tabel data

• Klik menu Insert, Chart

• Tentukan tipe dan sub tipe grafik misalnya tipe Column dan sub tipe 3-D Column

• Klik Next

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

• Klik Next

• Tentukan keterangan pendukung grafik seperti titles (judul-judul tabel), axis

(sumbu koordinat tabel), gridlines (garis bantu skala tabel), legends

(keterangan tambahan), data labels (nama-nama data tabel) dan data tabel.

• Klik Next

• Tentukan lokasi penempatan grafik

5.4.2 Menata Grafik

Untuk menata grafik dapat dilakukan dengan menggunakan toolbar Chart atau dengan menggunakan kotak dialog Chart Option atau klik menu Chart lalu lakukan penataan pada bagian-bagian grafik.

BAB 6

KESIMPULAN DAN SARAN

6.1. Kesimpulan

Dari hasil Analisis data pada perhitungan jumlah produksi padi di Sumatera Utara dengan menggunakan Pemulusan Eksponensial Satu Parameter dari Brown didapat kesimpulan:

1. Dari data yang disajikan dapat dilihat perkembangan produksi padi di Sumatera Utara tidak tetap, kadang naik dan kadang turun. Hal ini disebabkan kurangnya lahan pertanian sekarang ini karena banyak lahan pertanian dijadikan sebagai bangunan untuk perumahan, hotel, dan lain-lain. Selain itu adanya musim atau cuaca yang tidak tetap dan kurangnya penyaluran kebutuhan pertanian seperti pupuk, pestisida, alat-alat yang digunakan, dan lain-lain.

2. Dari perhitungan pada tabel 4.4, angka-angka peramalan produksi padi dapat dipakai sebagai bahan informasi yang mampu menjadikan acuan perencanaan pembangunan ketahanan pangan.

3. Dari perhitungan pada Analisis Data dapat dilihat metode pemulusan

(smoothing) satu parameter dari Brown baik digunakan karena nilai kesalahan nya tidak terlalu besar dan dari grafik juga dapat dilihat bahwa data aktual dan peramalan yang di sajikan memiliki perbedaan yang tidak mencolok.

4. Pada perhitungan Nilai MSE dapat dilihat bahwa nilai alpha yang baik digunakan untuk peramalan produksi padi di Sumatera Utara adalah 0,3 karena pada alpha 0,3 inilah nilai MSE terkecil

6.2 Saran

Dari kesimpulan yang sudah didapat maka saran untuk perkembangan produksi padi di Sumatera Utara adalah sebagai berikut:

1. Dari perkembangan produksi padi yang tidak tetap diharapkan pemerintah dapat menanggulanginya agar negara kita tidak kekurangan pangan dengan jumlah penduduknya yang banyak, karena apabila jumlah produksi padi tidak seimbang dengan jumlah penduduk maka akan terjadi krisis pangan yang mengakibatkan negara kita akan dilanda kelaparan.

2. Dengan adanya angka peramalan tersebut, diharapkan dapat memberikan gambaran dalam pengambilan keputusan untuk jumlah produksi padi di masa yang akan datang agar negara kita tidak terjadi krisis pangan.

3. Dengan metode pemulusan (smoothing) satu parameter dari Brown, diharapkan dapat mempermudah untuk menentukan ramalan produksi padi di masa yang akan datang.

4. Dari nilai alpha 0,3 tersebut diharapkan dapat membantu dalam penentuan nilai MSE, karena MSE tersebut merupakan ukuran ketepatan peramalan yang digunakan.

DAFTAR PUSTAKA

Arikunto S. 1998. Prosedur penelitian. Jakarta : Rineka cipta.

Assauri, Sofyan. 1991. Teknik dan Metoda Peramalan Penerapannya dalam Ekonomi dan Dunia Usaha. Jakarta: Penerbit LPFE UI

Badan Ketahanan Pangan Sumatera Utara, Jumlah Produksi Padi Tahun 1993-2007.

Gujarati Damodar. 1999. Ekonometrika Dasar. Jakarta : Erlangga.

http://www Wordpress.com/Metode Peramalan Bisnis dan Upaya Memperoleh Akurasi yang Lebih baik. Diakses tanggal 6 Mei 2008

htt : //www. Deptan.go.id. pusdatin/ statistik/ time series. Diakses tanggal 6 Mei 2008 Makridakis, Wheelwhright. and McGee. 1999. Metode dan Aplikasi Peramalan edisi

2. Jakarta: Binarupa Aksara.

Napitupulu, Normalina. 2006. Microsoft Excel dan Power Point. Medan

Ps, Djarwanto dan Subagyo, Pangestu. 1993 Statistik Induktif Edisi Empat. Yogyakarta: BPFE.

Formula dan Fungsi Statistik

Microsof Excel menyediakan banyak jenis kategori fungsi seperti fungsi statistik, finansial, data base, teks, matematika dan trigonometri, logika, referensi dan pencarian yang dapat digunakan dalam membuat fungsi termasuk fungsi otomatis seperti autosum, currency style, percent style dan sebagainya.

Fungsi-fungsi Excel digunakan dalam penulisan formula atau rumus yang dapat dikomendasi dengan alamat sel, range, data konstanta atau gabungan beberapa fungsi.

5.3.1 Fungsi Statistik

Fungsi ini bertujuan untuk menganalisa suatu kumpulan data. Untuk penganalisaan data, beberapa fungsi yang sering digunakan antara lain:

• SUM(range) : mencari total sekumpulan data angka

• MAX(range) : mencari nilai tertinggi dari sekumpulan data angka • MIN(range) : mencari nilai terendah dari sekumpulan data angka • AVERAGE : mencari nilai rata-rata dari sekumpulan data angka • COUNT : mencari banyak data dari sekumpulan data angka

5.4. Grafik dalam Microsoft Excel

Salah satu fasilitas MS. Excel adalah kemampuan untuk membuat grafik (chart) sehingga data-data dalam bentuk angka-angka yang tersusun dalam tabel dapat

dipresentasikan ke dalam bentuk yang lebih menarik yakni dalam grafik bentuk batang, garis, kolom, lingkaran dan bentuk grafik lainnya. Grafik ini sering digunakan untuk menunjukkan persentasi dari sebuah penelitian atau menampilkan hasil data.

5.4.1 Membuat Grafik

Langkah -langkah membuat grafik:

• Arahkan pointer sel pada tabel data • Klik menu Insert, Chart

• Tentukan tipe dan sub tipe grafik misalnya tipe Column dan sub tipe 3-D Column

• Klik Next

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

• Tentukan keterangan pendukung grafik seperti titles (judul-judul tabel), axis (sumbu koordinat tabel), gridlines (garis bantu skala tabel), legends (keterangan tambahan), data labels (nama-nama data tabel) dan data tabel. • Klik Next

• Tentukan lokasi penempatan grafik

• Klik Finish untuk menghasilkan grafik baru

5.4.2 Menata Grafik

Untuk menata grafik dapat dilakukan dengan menggunakan toolbar Chart atau dengan menggunakan kotak dialog Chart Option atau klik menu Chart lalu lakukan penataan pada bagian-bagian grafik.

BAB 6

KESIMPULAN DAN SARAN

6.1. Kesimpulan

Dari hasil Analisis data pada perhitungan jumlah produksi padi di Sumatera Utara dengan menggunakan Pemulusan Eksponensial Satu Parameter dari Brown didapat kesimpulan:

1. Dari data yang disajikan dapat dilihat perkembangan produksi padi di Sumatera Utara tidak tetap, kadang naik dan kadang turun. Hal ini disebabkan kurangnya lahan pertanian sekarang ini karena banyak lahan pertanian dijadikan sebagai bangunan untuk perumahan, hotel, dan lain-lain. Selain itu adanya musim atau cuaca yang tidak tetap dan kurangnya penyaluran kebutuhan pertanian seperti pupuk, pestisida, alat-alat yang digunakan, dan lain-lain.

2. Dari perhitungan pada tabel 4.4, angka-angka peramalan produksi padi dapat dipakai sebagai bahan informasi yang mampu menjadikan acuan perencanaan pembangunan ketahanan pangan.

3. Dari perhitungan pada Analisis Data dapat dilihat metode pemulusan (smoothing) satu parameter dari Brown baik digunakan karena nilai kesalahan nya tidak terlalu besar dan dari grafik juga dapat dilihat bahwa data aktual dan peramalan yang di sajikan memiliki perbedaan yang tidak mencolok.

4. Pada perhitungan Nilai MSE dapat dilihat bahwa nilai alpha yang baik digunakan untuk peramalan produksi padi di Sumatera Utara adalah 0,3 karena pada alpha 0,3 inilah nilai MSE terkecil

6.2 Saran

Dari kesimpulan yang sudah didapat maka saran untuk perkembangan produksi padi di Sumatera Utara adalah sebagai berikut:

1. Dari perkembangan produksi padi yang tidak tetap diharapkan pemerintah dapat menanggulanginya agar negara kita tidak kekurangan pangan dengan jumlah penduduknya yang banyak, karena apabila jumlah produksi padi tidak seimbang dengan jumlah penduduk maka akan terjadi krisis pangan yang mengakibatkan negara kita akan dilanda kelaparan.

2. Dengan adanya angka peramalan tersebut, diharapkan dapat memberikan gambaran dalam pengambilan keputusan untuk jumlah produksi padi di masa yang akan datang agar negara kita tidak terjadi krisis pangan.

3. Dengan metode pemulusan (smoothing) satu parameter dari Brown, diharapkan dapat mempermudah untuk menentukan ramalan produksi padi di masa yang akan datang.

4. Dari nilai alpha 0,3 tersebut diharapkan dapat membantu dalam penentuan nilai MSE, karena MSE tersebut merupakan ukuran ketepatan peramalan yang digunakan.

DAFTAR PUSTAKA

Arikunto S. 1998. Prosedur penelitian. Jakarta : Rineka cipta.

Assauri, Sofyan. 1991. Teknik dan Metoda Peramalan Penerapannya dalam Ekonomi dan Dunia Usaha. Jakarta: Penerbit LPFE UI

Badan Ketahanan Pangan Sumatera Utara, Jumlah Produksi Padi Tahun 1993-2007. Gujarati Damodar. 1999. Ekonometrika Dasar. Jakarta : Erlangga.

http://www Wordpress.com/Metode Peramalan Bisnis dan Upaya Memperoleh Akurasi yang Lebih baik. Diakses tanggal 6 Mei 2008

htt : //www. Deptan.go.id. pusdatin/ statistik/ time series. Diakses tanggal 6 Mei 2008 Makridakis, Wheelwhright. and McGee. 1999. Metode dan Aplikasi Peramalan edisi

2. Jakarta: Binarupa Aksara.

Napitupulu, Normalina. 2006. Microsoft Excel dan Power Point. Medan

Ps, Djarwanto dan Subagyo, Pangestu. 1993 Statistik Induktif Edisi Empat. Yogyakarta: BPFE.

Sudjana. 1992. Metode Statistika edisi 5, Tarsito: Bandung