Proyeksi Jumlah Nasabah Britama Periode 2008 – 2010 Pada PT Bank Rakyat Indonesia Cabang Binjai

PROYEKSI JUMLAH NASABAH BRITAMA PERIODE 2008 – 2010 PADA PT BANK RAKYAT INDONESIA

CABANG BINJAI

TUGAS AKHIR

WULAN DEVI SIRAIT 052407040

PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2008

PROYEKSI JUMLAH NASABAH BRITAMA PERIODE 2008 -2010 PADA PT BANK RAKYAT INDONESIA

CABANG BINJAI

PROPOSAL TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

WULAN DEVI SIRAIT 052407040

PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2008

PERSETUJUAN

Judul : PROYEKSI JUMLAH NASABAH BRITAMA

PERIODE

2008 -2010 PADA PT BANK RAKYAT INDONESIA

CABANG BINJAI

Kategori : TUGAS AKHIR

Nama : WULAN DEVI SIRAIT

Nomor Induk Mahasiswa : 052407040

Program Studi : DIPLOMA 3 (D-3) STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM

(FMIPA) UNIVERSITAS SUMATERA UTARA

Disetujui di

Medan, Mei 2008

Departement Matematika FMIPA USU

Ketua Pembimbing

Dr. Saib Suwilo, M.Si Dra. Elly

Rosmaini, M.Si

PERNYATAAN

PROYEKSI JUMLAH NASABAH BRITAMA PERIODE 2008 -2010 PADA PT BANK RAKYAT INDONESIA

CABANG BINJAI

TUGAS AKHIR

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

Medan, Mei 2008

WULAN DEVI SIRAIT 052407040

PENGHARGAAN

Puji dan syukur penulis ucapkan kepada YESUS KRISTUS Juru Selamat-ku yang hidup karena berkat-Nyalah penulis dapat menyelesaikan Tugas Akhir ini sesuai dengan waktu yang ditentukan.

Penulis menyadari sepenunya bahwa Tugas Akhir ini masih banyak kekurangannya baik dari isi maupun tata bahasanya. Oleh karena itu dengan segala kerendahan hati penulis menerima kritik maupun saran yang bersifat membangun dari semua pihak demi mencapai kesempurnaan Tugas Akhir ini dimasa yang akan datang.

Ucapan terima kasih saya sampaikan kepada Bapak Dr. Sutarman , M.Sc selaku Dekan Fakultas MIPA, Bapak Dr. Saib Suwilo, M.Sc selaku Ketua Jurusan Departemen Matematika Program Studi D-3 Statistika FMIPA Universitas Sumatera Utara, Dra. Elly Rosmaini, M.Si selaku Dosen Pembimbing 1 yang telah membimbing dan mengarahkan penulis dalam menyelesaikan Tugas Akhir saya ini.

Akhirnya, tidak terlupakan kepada kedua Orang Tua saya Bapak (Ir. Heber Sirait) dan Mama ku tercinta (Rehulina Bagun) yang telah memberikan bantuan berupa motivasi, doa, semangat dan material yang sangat membantu dalam menyelesaikan Tugas Akhir ini. Iin Andy Sitompul, penyemangat terbaik penulis yang selalu memberikan waktu dan kesabarannya dalam menyelesaikan Tugas Akhir ini. Kakak dan adik tersayang penulis yang selalu memberikan dukungan semangat dan tempat berbagi penulis. Semoga penulis bisa jadi kebanggaan buat kalian semua.

Penulis berharap semoga Tugas Akhir ini bermanfaat bagi penulis dan pembaca. Semoga TUHAN YESUS akan membalasnya.

DAFTAR ISI

Halaman

Persetujuan ii Pernyataan

iii Penghargaan

iv Daftar Isi

v Daftar Tabel

vii

Daftar Gambar viii

BAB 1 PENDAHULUAN 1.1 Latar Belakang 1

1.2 Identifikasi Masalah 3

1.3 Pembatasan Masalah 4

1.4 Maksud dan Tujuan Penelitian 4

1.6 Metode Penelitian 5

1.7 Tinjauan Pustaka 6

1.8 Sistematika Penulisan 7

BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan 9

2.2 Jenis-jenis Peramalan 10

2.3 Langkah-langkah Peramalan 12

2.4 Metode Peramalan 13

2.5 Smoothing Exponensial Linier Satu Parameter dari Brown 13

BAB 3 GAMBARAN UMUM PERUSAHAAN

3.1 Sejarah Singkat Perusahaan 16

3.2 Visi dan Misi Perusahaan 18

3.3 Struktur Organisasi Perusahaan 22

4.1 Analisis 24

4.2 Forecast dgn Double Exponensial Smoothing (α = 0,1) 26

4.3 Forecast dgn Double Exponensial Smoothing (α = 0,2) 29

4.4 Forecast dgn Double Exponensial Smoothing (α = 0,3) 31

4.5 Forecast dgn Double Exponensial Smoothing (α = 0,4) 33

4.6 Forecast dgn Double Exponensial Smoothing (α = 0,5) 35

4.7 Forecast dgn Double Exponensial Smoothing (α = 0,6) 37

4.8 Forecast dgn Double Exponensial Smoothing (α = 0,7) 39

4.9 Forecast dgn Double Exponensial Smoothing (α = 0,8) 41

4.10 Forecast dgn Double Exponensial Smoothing (α = 0,9) 43

4.11 Nilai Rata-rata Kesalahan (Mean Square error) 45

BAB 5 IMPLEMENTASI SISTEM 5.1 Tahapan Implementasi 54

5.2 Microsoft Excel 54

5.3 Langkah-langkah Memulai Pengolahan Data dgn Excel 55

5.4 Penggambaran Hasil 58

BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 60

6.2 Saran 61

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman

TABEL 4.1 Jumlah Nasabah Britama PT BRI (Persero) Tbk. Cab. Binjai 24 TABEL 4.2 Jumlah Nasabah Britama Pada PT BRI Cab. Binjai Periode

2005-2007 (α = 0,1) 28

TABEL 4.3 Jumlah Nasabah Britama Pada PT BRI Cab. Binjai Periode 2005-2007 (α = 0,2)

30

TABEL 4.4 Jumlah Nasabah Britama Pada PT BRI Cab. Binjai Periode 2005-2007 (α = 0,3)

32

TABEL 4.5 Jumlah Nasabah Britama Pada PT BRI Cab. Binjai Periode 2005-2007 (α = 0,4)

34

TABEL 4.6 Jumlah Nasabah Britama Pada PT BRI Cab. Binjai Periode 2005-2007 (α = 0,5)

36

TABEL 4.7 Jumlah Nasabah Britama Pada PT BRI Cab. Binjai Periode 2005-2007 (α = 0,6)

38

2005-2007 (α = 0,7) 40

TABEL 4.9 Jumlah Nasabah Britama Pada PT BRI Cab. Binjai Periode 2005-2007 (α = 0,8)

42

TABEL 4.10 Jumlah Nasabah Britama Pada PT BRI Cab. Binjai Periode 2005-2007 (α = 0,9)

44

TABEL 4.11 Nilai Pemulusan Exponensial 48

DAFTAR GAMBAR

Halaman

GAMBAR 4.1 Jumlah Nasabah Britama 25

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Perkembangan perekonomian di Binjai sangat erat dengan keberhasilan Pemerintah dalam memasyarakatkan kegiatan perbankan. Perkembangan perbankan yang begitu pesat akhir-akhir ini telah membuka prospek yang menguntungkan bagi

pengembangan usaha, baik usaha kecil maupun menengah. Lembaga bank pada dasarnya merupakan inti dari sistem keuangan dari setiap Negara. Bank juga

merupakan lembaga keuangan dimana bank dijadikan sebagai wadah bagi masyarakat baik secara perorangan maupun kelompok seperti perusahaan, lembaga-lembaga pemerintah maupun swasta, untuk meyimpan dan meminjam.

Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting baik itu didalam pekerjaan di perkantoran maupun pada kehidupan sehari-hari. Ilmu statistik sekarang telah melaju dengan pesat. Dikarenakan didalam pengolahan data, statistik maupun membantu meningkatkan kreatifitas dan

produktifitas. Bank adalah sebuah tempat dimana uang disimpan dan dipinjamkan. Menurut Undang-Undang Negara Republik Indonesia Nomor 10 Tahun 1998 Tanggal 10 November 1998 tentang perbankan, yang dimaksud dengan bank adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk kredit dan atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak.

Dari pengertian di atas dapat dijelaskan secara luas lagi bahwa bank merupakan perusahaan yang bergerak dalam bidang keuangan, artinya aktivitas perbankan selalu berkaitan dalam bidang keuangan. Fungsi utama bank adalah menyediakan jasa menyangkut penyimpanan nilai dan perluasan kredit. Evolusi bank berawal dari awal tulisan, dan berlanjut sampai sekarang di mana bank sebagai institusi keuangan yang menyediakan jasa keuangan. Sekarang ini bank adalah institusi yang memegang lisensi bank. Lisensi bank diberikan oleh otoriter supervisi keuangan dan memberikan hak untuk melakukan jasa perbankan dasar, seperti menerima tabungan dan

memberikan pinjaman.

Kata bank berasal dari bahasa italia buncu. Biasanya bank menghasilkan untung dari biaya transaksi atas jasa yang diberikan dan bunga dari pinjaman.Nasabah adalah orang yang menyimpan uangnya di bank. Sedangkan Tabungan adalah produk

Hampir setiap orang merasa wajib memiliki tabungan di bank. Tidak hanya di satu bank, tetapi juga didua bank atau tiga sekaligus.

Kenapa bisa beitu? Jawabannya adalah karena saat ini Nasabah/Orang lebih percaya menyimpan uang meraka di bank dari pada di rumah sendiri. Disamping aman, banyak penarik yang di buat bank untuk menarik perhatian orang/nasabah untuk menabung karena bank memberikan bunga yang besar dan banyaknya undian yang memberikan hadiah yang menarik perhatian nasabah/orang. Bank tidak hanya digunakan sebagai sarana menyimpan uang saja, tetapi bank juga menambah fasilitas lain yang sebetulnya sudah agak diluar dari maksud menabung itu sendiri. Contohnya seperti fasilitas debet, fasilitas ATM, Transfer, dan lain sebagainya. Oleh karena itu, nasabah menjadi suatu masalah yang perlu diselidiki, seberapa banyak para

masyarakat untuk menabung di bank.

Meningkatkan jumlah nasabah dan jumlah tabungannya secara terus menerus sangat berpengaruh terhadap pendapatan daerah disuatu wilayah. Jumlah nasabah dan jumlah tabungannya di teliti dari setiap tahunnya, apakah mengalami penurunan atau mengalami peningkatan. Untuk mengimplementasikan keadaan diatas penulis

Periode 2008 – 2010 Pada PT BRI Cabang Binjai dengan menggunakan Metode Smoothing Eksponensial Linier Satu – Parameter dari Brown.

1.2 Identifikasi Masalah

Suatu metode ada kelebihan dan kekurangannya. Untuk mendapatkan hasil yang labih baik dan tepat waktu tidak cukup hanya dari metode yang baik saja, tetapi juga

memperhatikan faktor-faktor yang lain, diantaranya sarana dan prasarana yang ada.

Pada umumnya bank mempunyai berbagai masalah yang terjadi baik

permasalahan besar maupun permasalahan kecil yang dapat menghambat kelancaran kegiatan pada instalasi tersebut sehingga mengurangi efektifitas dari karyawan maupun pimpinan perusahaan tersebut. Salah satu masalah yang didapat oleh penulis adalah cara untuk meningkatkan jumlah nasabah britama pada PT BRI Cabang Binjai dan di dalam Proposal ini penulis ingin meramalkan jumlah nasabah britama untuk tahun 2008 – 2010.

1.3 Pembatasan Masalah

Untuk lebih mudah penelitian dan agar lebih terarah serta karena keterbatasan waktu, dana, dan ilmu yang dimiliki penulis maka penelitian ini hanya pada masalah dengan mengumpulkan data berdasarkan penelitian yang dilakukan penulis dengan metode Smoothing eksponensial linier satu – parameter dari Brown.

1.4 Maksud dan Tujuan Penelitian

Adapun maksud dari pada penulis untuk meramalkan banyaknya jumlah nasabah britama di PT BRI Cabang Binjai untuk tahun 2008-2010 berdasarkan data tahun 2005-2007, adalah untuk mengetahui tingkat atau perkembangan jumlah nasabah britama yang diperoleh PT BRI Cabang Binjai pada tahun yang akan datang.

Tujuan utama dari penulis adalah sebagai berikut :

1. Untuk melihat peningkatan atau penurunan jumlah nasabah britama di PT BRI Cabang Binjai dari tahun 2005 sampai pada tahun 2007 dan meramalkan dimasa yang akan datang.

2. Memberikan gambaran terhadap perubahan dalam peningkatan dan penurunan jumlah nasabah britama di PT BRI Cabang Binjai.

1.5 Manfaat Penelitian

Adapun manfaat penelitian yang dilakukan adalah :

1. Untuk menambah ilmu pengetahuan bagi penulis khususnya peramalan.

2. Untuk memberikan masukan dan sumbangan pemikiran berupa saran yang mungkin berguna bagi PT BRI Cabang Binjai.

3. Sebagai bahan perbandingan bagi pihak lain yang ingin melaksanakan penelitian selanjutnya dan sebagai wahana pelatihan penulisan karya ilmiah bagi penulis.

1.6 Metode Penelitian

1.6.1 Lokasi Penelitian

Dalam penulisan tugas akhir ini data yang akan diolah diperoleh dari PT BRI Cabang Binjai, dimana data tersebut telah dikumpulkan dalam bentuk buku tahunan PT BRI Cabang Binjai.

Dengan adanya data yang diperoleh penulis dari PT BRI Cabang Binjai mengenai banyaknya jumlah nasabah britama. Penulis mengamati perkembangan dari data tersebut pada tiap-tiap tahunnya yang makin meningkat. Oleh karena itu penulis mencoba memproyeksi data tersebut dengan menggunakan Smoothing Exponensial Linier Satu – parameter dari Brown.

Dengan Rumus :

S_t' = α Xt + ( 1 – α ) S't−1

S"_t = α S'_t + (1 – α ) S"_t−1

a

t = 2 S't - S

"

t

b

t = α α

−

1 ( S

'

t - S

"

t)

F_t+m = a_t

+ b_t (m)

Dimana :

S"t = Smoothing eksponensial ganda periode t

Xt = Nilai riil periode t

a

t , bt = Konstanta pemulusan

St'−1 = Smoothing tunggal periode t-1

S"_t−1 = Smoothing ganda periode t-1

Ft+m = Ramalan untuk m periode ke muka

1.7 Tinjauan Pustaka

Teori-teori penunjang yang digunakan untuk mewujudkan penelitian dikutip dari buku-buku antara lain :

1. Teknik dan Metode Peramalan, oleh Sofjan Assauri. Lembaga penerbit Fakultas Ekonomi Universitas Indonesia, 1984, Jakarta. Dari buku ini di kutip rumus peramalan dengan menggunakan metode eksponensial smoothing.

2. Metode dan Aplikasi Peramalan, oleh Sypros Makri Dakis. Lembaga penerbit Erlangga, 1993, Jakarta. Dari buku ini dijelaskan bahwa metode eksponensial smoothing juga memiliki kesalahan didalam penggunaannya.

3. Teknik Proyeksi Bisnis, oleh Drs. H Indriyo Gitosodarmo. M.Com. Lembaga penerbit Fakultas Ekonomi Universitas Gajah Mada, 2000, Yogyakarta. Dari buku ini dijelaskan lebih terperinci mengenai langkah-langkah penggunaan eksponensial smoothing.

1.8 Sistematika Penulisan

Adapun sistematika penulisan “Tugas Akhir” secara garis besar dibagi dalam 6 BAB masing-masing BAB dibagi atas beberapa sub-sub bab yaitu :

BAB 1 : PENDAHULUAN

Bab ini menjelaskan latar belakang, identifikasi masalah, pembatasan masalah, maksud dan tujuan penelitian, manfaat penelitian, metode penelitian, tinjauan pustaka, sistematika penulisan tugas akhir.

BAB 2 : TINJAUAN TEORITIS

Bab ini merupakan tentang teori-teori dan tinjauan tentang segala sesuatu yang menyangkut terhadap penyelesaian masalah yang dihadapi, sesuai judul yang diutarakan.

BAB 3 : GAMBARAN UMUM PERUSAHAAN

Bab ini menguraikan tentang organisasi perusahaan dimana dilakukan penelitian berupa sejarah singkat perusahaan, visi dan misi, dan struktur organisasi.

BAB 4 : ANALISA DAN PEMBAHASAN

Bab ini menguraikan tentang pengolahan data dengan menggunakan metode Smoothing Exponensial linier satu – parameter untuk

memproyeksikan pada tahun yang akan datang.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menguraikan tentang penerapan hasil disain tertulis kedalam programing. Program yang digunakan microsoft excel.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini berisikan kesimpulan dari pembahasan didalam penyelesaian Proposal Tugas Akhir serta saran-saran yang mungkin berguna bagi

kemajuan bank di masa yang akan datang, didalam menghadapi persaingan.

BAB 2

TINJAUAN TEORITIS

2.1 Pengertian Peramalan

Dalam melakukan analisa ekonomi atau analisa kegiatan perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dalam dunia usaha pada masa yang akan datang. Kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang, kita kenal dengan sebutan peramalan (forecasting).

Peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara, diantaranya adalah Metode Pemulusan

Exponensial 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 data dasar yang relevan pada masa lalu. Dengan kata lain metode paramalan ini digunakan dalam peramalan yang bersifat objektif.

Setiap kebijakan ekonomi maupun kebijakan perusahaan tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat atau meningkatkan keberhasilan perusahaan untuk mencapai tujuan pada masa yang akan datang dimana kebijakan tersebut dilaksanakan. Usaha untuk melihat dan mengkaji situasi dan kondisi tersebut tidak terlepas dari kegiatan peramalan.

2.2 Jenis - Jenis Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunnya, maka peramalan dapat dibedakan atas dua macam, yaitu :

1. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau “judgement” dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

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

Disamping itu, jika dilihat dari jangka waktu ramalan yang disusun. Maka peramalan dapat dibedakan atas dua macam pula, yaitu :

1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana pembangunan suatu negara atau suatu daerah, corporate planning, rencana investi atau rencana ekspansi dari suatu perusahaan.

2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dalam jangka waktu yang kurang dari satu setengah tahun, atau tiga semester. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional, dan anggaran contoh penyusunan rencana produksi, rencana penjualan, rencana persediaan, anggaran produksi, dan anggaran perusahaan.

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

1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas dua kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pandapat, dan

pengetahuan serta pengalaman dari penyusunannya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan.

2. Peramalan kuantitatif, yaitu peramalan didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang digunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan yang berbeda. Adapun yang perlu diperhatikan dari penggunaan metode-metode tersebut, adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin terjadi. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut :

1. Adanya informasi tentang keadaan yang lain.

2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.

3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.

Dari uraian diatas dapatlah diketahui bahwa jenis-jenis peramalan sangat tergantung dari segi mana kita memandangnya.

Langkah - Langkah Peramalan

Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh proses pelaksanaan penyusunnya. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang baik.

Pada dasarnya ada tiga langkah peramalan yang penting yaitu :

1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat diketahui pola data tersebut.

2. Menentukan metode yang digunakan. Masing-masing metode akan memberikan hasil peramalan yang berbeda. Dimana metode peramalan yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin.

3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan, dan mempertimbangkan adanya beberapa factor perubahan. Factor-factor perubahan tersebut antara lain terdiri dari perubahan kabijakan-kebijakan yang mungkin terjadi, termasuk kebijakan pemerintah.

Proyeksi adalah adanya suatu kecenderungan sesuatu hal pada masa yang akan datang yang masih belum diketahui dan mempunyai nilai pada masa yang akan datang

yang merupakan petunjuk tentang jumlah sesuatu hal tersebut di masa yang akan datang.

Metode Peramalan

Peramalan adalah kegiatan 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. Metode peramalan adalah cara

memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Oleh karena metode peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan ini dipergunakan dalam

peramalan yang objektif. Perlu diketahui bahwa, keberhasilan peramalan didasarkan atas :

1. Pengetahuan teknik tentang informasi yang lalu yang dibutuhkan. 2. Teknik dan metode peramalan.

Smoothing Exponensial Linier Satu– Parameter dari Brown

Dalam urusan bisnis dan ekonomi sering sekali diperlukan data untuk mengikuti rata-rata persentase tingkat perubahan sepanjang waktu, misalnya rata-rata-rata-rata persentasi jumlah nasabah menurut besar arus yang menabung selama beberapa tahun mendatang.

Berapa banyaknya jumlah nasabah britama yang akan didapat Bank Rakyat Indonesia Cabang Binjai dimasa yang akan datang? pertanyaan ini merupakan partanyaan yang paling penting didalam dunia perbisnisan. Jumlah tersebut dapat diperoleh dengan menggunakan rumus smoothing eksponensial linier satu – parameter dari Brown.

S'

t = α Xt + ( 1 – α ) S

' 1

−

t

Dimana :

S'_t = Smoothing pertama periode

Xt = Nilai riil periode t

Pada metode ini proses penentuan ramalan dimulai dengan menentukan besarnya

α. Sedangkan tahap-tahap dalam menentukan ramalan adalah sebagai berikut :

1. Menentukan smoothing pertama (S't)

St' = α Xt + ( 1 – α ) S

' 1

−

t

S'_t = Smoothing pertama periode Xt = Nilai riil periode t

St'−1 = Smoothing pertama periode t-1 2. Menentukan smooting kedua (S"t)

S"_t = α S'_t + ( 1- α ) S"_t−1

S"_t−1 = Smoothing kedua periode t-1 3. Menentukan besarnya konstanta (at)

at

= 2 S'_t - S"_t

4. Menentukan besarnya slope (bt)

bt

= α α

−

1 (S

'

t - S

"

t)

5. Menentukan besarnya forcast (Ft+m) Ft+m = at + bt (m)

BAB 3

GAMBARAN UMUM PERUSAHAAN

3.1 Sejarah Singkat Perusahaan

Pada awalnya Bank Rakyat Indonesia (BRI) didirikan di Purwokerto, Jawa Tengah oleh Raden Aria Wirjaatmadja dengan nama Hulp-en Spaarbank der Inlandasche Bestuurs Ambtenaraen atau Bank Bantuan dan Simpanan Milik Kaum Priyayi yang berkebangsaan Indonesia (pribumi). Berdiri tanggal 16 Desember 1895, yang kemudian dijadikan sebagai hari kelahiran BRI.

Pendiri Bank Rakyat Indonesia Raden Aria Wirjaatmadja pada periode setelah kemerdekaan RI, berdasarkan Peraturan Pemerintah No. 1 tahun 1946 Pasal 1 disebutkan bahwa BRI adalah sebagai Bank Pemerintah pertama di Republik Indonesia. Adanya situasi perang mempertahankan kemerdekaan pada tahun 1948, kegiatan BRI sempat terhenti untuk sementara waktu dan baru mulai aktif kembali setelah perjanjian Renville pada tahun 1949 dengan berubah nama menjadi Bank Rakyat Indonesia Serikat. Pada waktu itu melalui PERPU No. 41 Tahun 1960 dibentuk Bank Koperasi Tani dan Nelayan (BKTN) yang merupakan peleburan dari

BRI, Bank Tani Nelayan dan Nederlandsche Maatcshappij (NHM). Kemudian berdasarkan Penetapan Presiden (Penpres) No. 9 Tahun 1965, BKTN diintegrasikan ke dalam Bank Indonesia dengan nama Bank Indonesia Urusan Koperasi Tani dan Nelayan.

Setelah berjalan selama satu bulan keluar Penpres No. 17 Tahun 1965 tentang pembentukan Bank tunggal dengan nama Bank Negara Indonesia. Dalam ketentuan baru itu Bank Indonesia Urusan Koperasai, Tani dan Nelayan (eks BKTN) diintegrasikan dengan nama Bank Negara Indonesia unit II bidang Rural, sedangkan NHM menjadi Bank Negara Indonesia unit II bidang Ekspor Impor (Exim).

Berdasarkan Undang–Undang No. 14 Tahun 1967 tentang Undang–Undang Pokok Perbankan dan Undang–Undang No. 21 Tahun 1968 tentang Undang–Undang Bank Sentral yang intinya mengembalikan fungsi Bank Indonesia sebagai Bank Sentral dan Bank Negara Indonesia unit II bidang Rural dan Ekspor Impor dipisahkan masing-masing menjadi dua Bank yaitu Bank Rakyat Indonesia dan Bank Ekspor Impor Indonesia. Selanjutnya berdasarkan Undand-Undang No.21 Tahun 1968 menetapkan kembali tugas-tugas pokok BRI sebagai Bank Umum.

Sejak 1 Agustus 1992 berdasarka Undang-Undang Perbankan No. 7 Tahun 1992 dan Peraturan Pemarintah RI No. 21 Tahun 1992 status BRI berugah menjadi PT.

Bank Rakyat Indonesia (Persero) yang kepemilikannya masih 100% dtangani pemerintah.

PT. BRI (Persero) yang didirikan sejak tahun 1895 didasarkan pelayanan pada masyarakat kecil sampai sekarang tetap konsisten yaitu dengan fokus pemberian fasilitas kredit pada golongan pegusaha kecil. Hal ini antara lain tercermin pada perkembangan penyaluran KUK pada tahun 1994 sebesar Rp. 6.419,8 milyar yang meningkat menjadi Rp. 8.231,1 milyar pada tahun 1995 dan pada tahun 1999 sampai dengan bulan September sebesar Rp. 20.466 milyar.

Seiring dengan perkembangan dunia perbankan yang semakin pesat maka sampai saat ini Bank Rakyat Indonesia mempunyai Unit kerja yang berjumlah 4.447 buah, yang terdiri 1 Kantor Pusat BRI, 12 Kantor Wilayah, 12 Kantor Inspeksi/SPI, 170 Kantor Cabang (Dalam Negeri), 145 Kantor Cabang Pembantu, 1 Kantor Cabang Khusus, 1 New York Agency, 1 Caymand Island Agency, 1 Kantor Perwakilan Hongkong, 40 Kantor Kas Bayar, 6 Kantor Mobil Bank, 193 P.POINT, 3.705 BRI UNIT, dan 357 Pos Pelayanan Desa.

3.2 Visi dan Misi Perusahaan

Sejalan dengan transformasi BRI dalam menuju BRI baru diperlukan strategi bisnis baru yang dilandasi oleh tata nilai baru dalam bentuk perilaku-perilaku bisnis baru. Perilaku-perilaku ini harus dimengerti, dihayati dan dilaksanakan oleh setiap insan BRI tanpa kecuali. Dengan demikian diharapkan dapat tercipta suatu budaya kerja yang mendorong tercapainya tujuan yang diinginkan. Dalam hal ini BRI mempunyai Visi dan Misi yang menjadi pedoman dari setiap langkah organisasi.

3.2.1 Visi BRI

Menjadi Bank komersial terkemuka yang selalu mengutamakan kepuasan nasabah.

3.2.2 Misi BRI

Adapun Misi BRI yaitu meliputi:

1. Melakukan kegiatan perbankan yang terbaik dengan mengutamakan pelayanan kepada usaha mikro, kecil, dan menengah untuk menunjang peningkatan perekonomian masyarakat.

2. Memberikan pelayanan prima kepada nasabah melalui jaringan kerja yang tersebar luas dan didukung oleh sumber daya manusia yang profesional dengan melaksanakan praktek good corporate governance.

3. Memberikan keuntungan manfaat yang optimal kepada pihak-pihak yang berkepentingan.

Sasaran Jangka Panjang BRI (Tahun 2005):

1. Menjadi bank sehat dan salah satu dari lima bank terbesar dalam asset dan keuntungan

2. Menjadi bank terbesar dan terbaik dalam perkembangan usaha mikro, kecil, dan menengah

3. Menjadi bank terbesar dan terbaik dalam pengembangan agribisnis 4. Menjadi salah satu bank go publik terbaik

5. Menjadi bank yang melaksanakan good corporate governance secara konsisten 6. Menjadi budya kerja BRI sebagai sikap dan perilaku semua insan BRI

Dengan itu BRI mempunyai budaya “Semangat Kerja BRI” yaitu budaya yang memiliki pengaruh yang besar dalam membentuk perasaan, pikiran, pembicaraan, sikap kerja dan tindakan karyawan dalam bekerja. Budaya semangat kerja BRI akan menyelaraskan tata usaha pribadi dengan tata nilai perusahaan melalui 5 nilai semangat BRI yaitu:

Maksudnya bahwa bankir yang dapat dipercaya haruslah bertaqwa, penuh dedikasi, jujur, selalu menjaga kehormatan dan nama baik, serta taat pada kode etik perbankan dan peraturan yang berlaku.

2. Profesional

Maksudnya bankir yang handal dan haruslah bertanggung jawab, efektif, efisien, disiplin dan berorietasi ke masa depan dalam mengantisipasi perkembangan, tantangan dan kesempatan.

3. Kepuasan Nasabah

Keberhasilan BRI sangat dipengaruhi oleh Kepuasan Nasabah karena karyawan harus memenuhi kebutuhan dan memuaskan nasabah dengan memberikan pelayanan yang terbaik dengan tetap memperhatikan keperluan perusahaan dengan dukungan sumber daya manusia yang terampil, ramah dalam melayani serta didukung oleh teknologi yang tinggi.

4. Keteladanan

Bankir sebagai panutan yang konsisten, bertindak adil, bersikap tegas dan berjiwa besar karena itu tidak memberikan toleransi terhadap tindakan-tindakan yang tidak memberikan keteladanan.

Maksudnya seorang bankir harus menghargai SDM sebagai Asset utama perusahaan, karena itu BRI selalu merekrut, mengembangkan dan mempertahankan Sumber Daya Manusia (SDM) yang berkualitas.

Selain itu sikap kerja karyawan BRI selalu dikaitkan pada upaya mendorong pertumbuhan bisnis BRI dan ini terdiri dari 10 sikap:

1. Fokus

Memusatkan perhatian kepada dan usaha untuk mencapai target kerja dan kepuasan nasabah internal dan eksternal.

2. Antisipasi dan Responsif

Mengantisipasi peluang, tantangan dan selalu bertindak cepat dalam merespon peristiwa atau keadaan.

3. Koordinasi

Saling bekerja sama dan mendukung untuk mencapai tujuan perusahaan. 4. Pemberdayaan

Mendayagunakan potensi pegawai secara optimal untuk mencapai tujuan dari perusahaan.

5. Pertanggung Jawaban

Bertanggung jawab atas resiko dan tata kerja sesuai dengan budayanya. 6. Keteladanan

Memberi contoh yang baik didalam maupun di luar lingkungan pekerjaan. 7. Efektif dan Efisien

Mencapai tuluan usaha dengan memperhatikan biaya dan manfaat yang dapat dihasilkan.

8. Kemauan Berubah

Tekad untuk berubah menjadi baik dan mencoba hal-hal yang baru. 9. Peningkatan Kemampuan

Mengembangkan potensi sumber daya untuk meningkatkan kinerja perusahaan. 10.Konsisten

Tata asas dalam melaksanakan prosedur dan peraturan yang ada.

3.3 Struktur Organisasi Perusahaan

Apabila suatu usaha semakin berkembang, maka akan semakin banyaklah persoalan yang dihadapi serta kegiatan yang harus dilakukan. Dalam hal ini sudah tentu Pimpinan tidak mungkin dapat mengatasi sendiri segala masalah serta kegiatan yang dihadapi perusahaan tersebut sehingga perlu adanya kebijaksanaan dan pemakaian sistem organisasi yang tepat dengan mengadakan pembagian kerja dalam bidang-bidang tertentu bagi setiap pegawai di perusahaan tersebut.

Hal ini dimaksudkan agar segala kegiatan yang menyangkut kepentingan perusahaan dapat dilaksanakan dengan efektif dan efisien. Untuk itu Pimpinan perusahaan tersebut harus mengarahkan para bawahannya untuk mencapai tujuan perusahaan dalam struktur organisasi yaitu hubungan antar para karyawan dan aktifitas mereka satu sama lain serta terhadap keseluruhan, dimana bagian-bagiannya adalah pekerjaan ataupun fungsi daripada masing-masing anggota dari kelompok pegawai yang mengerjakannya.

Dengan demikian dapat dikatakan bahwa tujuan suatu organisasi ialah mempermudah pekerjaan, karena organisasi itu sendiri dapat diartikan sebagai suatu sistem kerja sama/kelompok orang dan proses pembagian kerja. Struktur organisasi bukanlah merupakan tujuan badan usaha, tetapi suatu struktur yang efisien akan dapat membantu perusahaan untuk mencapai suatu tujuan yang diinginkan.

Oleh karena itu struktur organisasi harus dirancang sesuai dengan perkembangan organisasi dan sumber-sumber daya, biasanya dipihak pimpinan karena kebijaksanaan hanyalah suatu badan usaha mengalami kemajuan, juga seorang pimpinan yang bijaksana dapat menggerakkan para bawahannya untuk bekerja dengan sungguh-sungguh dan rajin. Sekalipun dalam suatu perusahaan banyak pegawai yang bekerja dengan rajin, namun jika pimpinan tidak bijaksana maka keadaan yang menguntungkan seperti ini malah berbalik atau menyimpang dari yang dirancangkan.

BAB 4

ANALISIS DAN PEMBAHASAN

4.1 Analisis

Analisis data dilakukan agar diperoleh hasil sesuai dengan yang diinginkan. Dalam bab ini akan dicoba menganalisis tentang perkembangan jumlah nasabah britama untuk periode tahun 2008-2010 berdasarkan tahun 2005-2007 di PT BRI cabang BINJAI.

Tabel 4.1 Jumlah Nasabah Britama PT Bank Rakyat Indonesia (Persero) Tbk Kantor Cabang BINJAI

Periode 2005 2006 2007

Januari 6895 6873 6878

Februari 6812 6914 6752

Maret 6730 6920 6817

Mei 6919 6799 6949

Juni 6820 6768 6922

Juli 6912 6595 6890

Agustus 6764 6606 6953

September 6814 6635 6869

Oktober 6902 6788 6795

November 6955 6794 6815

Desember 6962 6820 6985

Dari table diatas dapat kita lihat bahwa jumlah nasabah britama meningkat setiap bulannya. Ada juga yang menurun tetapi tidak terlalu jauh, dibulan kedepannya meningkat kembali. Diawal tahun erring mengalami kemerootan didalam menghimpun tabungan. Ini dikarenakan Bank Rakyat Indonesia setiap awal tahun selalu memulai dengan nol. Dapat kita lihat melalui grafik dibawah ini :

Gambar 4.1 Jumlah Nasabah Britama

Dalam proses analisa data ini secara sistematis akan dilakukan langkah-langkah sebagai berikut :

Besarnya forecast bila ditentukan α sebesar 0,1 adalah sebagai berikut :

Bulan 1 : S'_t ditentukan sebesar jumlah nasabah bulan pertama, yaitu sebesar 6895

S"_t Ditentukan sebesar jumlah nasabah bulan pertama, yaitu sebesar 6895

a

_t Belum bisa ditentukan

b

_t Belum ditentukan

Ft+m Forecast bulan ketiga ditentukan sebesar jumlah nasabah bulan kedua, yaitu

sebesar 6812

4.2 Forecast dengan Double Exponensial Smoothing (α = 0,1)

Untuk α=0,1 kita ambil sebagai sampel pada bulan kedua dan bulan ketiga, dengan menggunakan langkah-langkah seperti diatas. Sehingga dapat dihitung :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 0,1(6812) + (1-0,1)6895

= 6886,7

2. S"_t = α S '

t + ( 1 – α ) S

" 1

−

t

= 0,1(6886,7) + (1-0,1)6895

= 6894,17

3

. a

_t = 2 S '

t - S

"

t

= 2(6886,7) – (6894,17)

= 6878,23

4

. b

_t = α α

−

1 (S

'

t - S

" t) = 1 , 0 1 1 , 0

− (6886,7 – 6894,17)

= -0,83

Ft+m = at

+ bt (m)

= 6879,23 + (-0,83)(1)

= 6878,4

Bulan 3 :

Xt = 6730

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 0,1(6730) + (1-0,1)6886,7

= 6871,03

2. S"_t = α S '

t + ( 1 – α ) S

" 1

−

t

= 0,1(6871,03) + (1-0,1)6894,17

= 6891,856

3

. a

_t = 2 S

'

t - S

"

t

= 2(6871,03) – (6891,856)

4

. b

_t = α α

−

1 (S

'

t - S

"

t)

= 1 , 0 1

1 , 0

− (6871,03 – 6891,856)

= -2,314

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6850,204 + (-2,314)(1)

= 6847,89

Tabel 4.2 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6886.7 6894.17 6879.23 -0.83 - Maret 3 6730 6871.03 6891.856 6850.204 -2.314 6847.89 April 4 6815 6865.427 6889.213 6841.6409 -2.643 6838.998 Mei 5 6919 6870.784 6887.370 6854.198 -1.843 6852.356 Juni 6 6820 6865.706 6885.204 6846.208 -2.166 6844.042 Juli 7 6912 6870.335 6883.717 6856.954 -1.487 6855.467 Agustus 8 6764 6859.702 6881.315 6838.088 -2.402 6835.687 September 9 6814 6855.132 6878.697 6831.566 -2.618 6828.948 Oktober 10 6902 6859.818 6876.809 6842.828 -1.888 6840.94 November 11 6955 6869.337 6876.062 6862.611 -0.747 6861.864 Desember 12 6962 6878.603 6876.316 6880.890 0.254 6881.144 Januari 13 6873 6878.043 6876.489 6879.597 0.173 6879.769 Februari 14 6914 6881.638 6877.004 6886.273 0.515 6886.788 Maret 15 6920 6885.475 6877.851 6893.098 0.847 6893.945 April 16 6838 6880.727 6878.138 6883.316 0.288 6883.603 Mei 17 6799 6872.554 6877.580 6867.529 -0.558 6866.97

Juni 18 6768 6862.099 6876.032 6848.166 -1.548 6846.618 Juli 19 6595 6835.389 6871.968 6798.810 -4.064 6794.746 Agustus 20 6606 6812.450 6866.016 6758.884 -5.952 6752.933 September 21 6635 6794.705 6858.885 6730.525 -7.131 6723.394 Oktober 22 6788 6794.035 6852.400 6735.669 -6.485 6729.184 November 23 6794 6794.031 6846.563 6741.499 -5.837 6735.663 Desember 24 6820 6796.628 6841.569 6751.687 -4.993 6746.693 Januari 25 6878 6804.765 6837.889 6771.641 -3.680 6767.961 Februari 26 6752 6799.489 6834.049 6764.928 -3.840 6761.088 Maret 27 6817 6801.240 6830.768 6771.712 -3.281 6768.431 April 28 6897 6810.816 6828.773 6792.859 -1.995 6790.864 Mei 29 6949 6824.634 6828.359 6820.910 -0.414 6820.496 Juni 30 6922 6834.371 6828.960 6839.782 0.601 6840.383 Juli 31 6890 6839.934 6830.058 6849.810 1.097 6850.907 Agustus 32 6953 6851.240 6832.176 6870.305 2.118 6872.423 September 33 6869 6853.016 6834.260 6871.773 2.084 6873.857 Oktober 34 6795 6847.215 6835.555 6858.874 1.295 6860.17 November 35 6815 6843.993 6836.399 6851.587 0.844 6852.431 Desember 36 6985 6858.094 6838.569 6877.619 2.169 6879.789

Langkah-langkah yang dilakukan sama dengan langkah-langkah sebelumnya, perbedaannya hanya penggunaan α sebesar 0,2. Sehingga dapat dihitung :

Bulan 2 :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 0,2(6812) + (1-0,2)6895

= 6878,4

2. S"_t = α S

'

t + ( 1 – α ) S

" 1

−

t

= 0,2(6878,4) + (1-0,2)6895

= 6891,68

3

. a

_t = 2 S

'

t - S

"

t

= 2(6878,4) – (6891,69)

= 6865,12

4

. b

_t = α α − 1 (S

'

t - S

"

= 2 , 0 1

2 , 0

− (6878,4 – 6891,69)

= -3,32

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6865,12 + (-3,32)(1)

= 6867,976

Tabel 4.3 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6878.4 6891.68 6865.12 -3.32 - Maret 3 6730 6848.72 6883.088 6814.352 -8.592 6805.76 April 4 6815 6841.976 6874.866 6809.086 -8.222 6800.864

Mei 5 6919 6857.381 6871.369 6843.393 -3.497 6839.896 Juni 6 6820 6849.905 6867.076 6832.733 -4.293 6828.441 Juli 7 6912 6862.324 6866.125 6858.522 -0.950 6857.572 Agustus 8 6764 6842.659 6861.432 6823.886 -4.693 6819.193 September 9 6814 6836.927 6856.531 6817.323 -4.901 6812.422 Oktober 10 6902 6849.942 6855.213 6844.670 -1.318 6843.352 November 11 6955 6870.953 6858.361 6883.546 3.148 6886.694 Desember 12 6962 6889.163 6864.522 6913.804 6.160 6919.964 Januari 13 6873 6885.930 6868.803 6903.057 4.282 6907.339 Februari 14 6914 6891.544 6873.351 6909.737 4.548 6914.285 Maret 15 6920 6897.235 6878.128 6916.342 4.777 6921.119 April 16 6838 6885.388 6879.580 6891.196 1.452 6892.648 Mei 17 6799 6868.111 6877.286 6858.935 -2.294 6856.641 Juni 18 6768 6848.088 6871.447 6824.730 -5.840 6818.891

Juli 19 6595 6797.471 6856.652 6738.290

-14.795 6723.495

Agustus 20 6606 6759.177 6837.157 6681.197

-19.495 6661.702

September 21 6635 6734.341 6816.594 6652.089

-20.563 6631.526

Oktober 22 6788 6745.073 6802.289 6687.857

-14.304 6673.553 November 23 6794 6754.858 6792.803 6716.914 -9.486 6707.427 Desember 24 6820 6767.887 6787.820 6747.954 -4.983 6742.970

Januari 25 6878 6789.909 6788.238 6791.581 0.418 6791.999 Februari 26 6752 6782.328 6787.056 6777.599 -1.182 6776.417 Maret 27 6817 6789.262 6787.497 6791.027 0.441 6791.468 April 28 6897 6810.810 6792.160 6829.460 4.663 6834.122 Mei 29 6949 6838.448 6801.417 6875.478 9.258 6884.736 Juni 30 6922 6855.158 6812.165 6898.151 10.748 6908.899 Juli 31 6890 6862.127 6822.158 6902.095 9.992 6912.088 Agustus 32 6953 6880.301 6833.786 6926.816 11.629 6938.445 September 33 6869 6878.041 6842.637 6913.445 8.851 6922.296 Oktober 34 6795 6861.433 6846.396 6876.469 3.759 6880.228 November 35 6815 6852.146 6847.546 6856.746 1.150 6857.896 Desember 36 6985 6878.717 6853.780 6903.653 6.234 6909.888

4.4 Forecast dengan Double Exponensial Smoothing (α = 0,3)

Langkah-langkah yang dilakukan sama dengan langkah-langkah sebelumnya, perbedaannya hanya penggunaan α sebesar 0,3. Sehingga dapat dihitung :

Bulan 2 :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 6870,1

2. S"_t = α S'_t+ ( 1 – α ) S"_t−1

= 0,3(6870,1) + (1-0,3)6895

= 6887,53

3

. a

_t = 2 S '

t - S

"

t

= 2(6870,1) – (6887,53)

= 6852,67

4

. b

_t = α α

−

1 (S

'

t - S

" t) = 3 , 0 1 3 , 0

− (6870,1 – 6887,53)

= -7,47

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6852,67 + (-7,47)(1)

Tabel 4.4 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6870.1 6887.53 6852.67 -7.47 - Maret 3 6730 6828.07 6869.692 6786.448 -17.838 6768.61 April 4 6815 6824.149 6856.029 6792.269 -13.663 6778.606 Mei 5 6919 6852.604 6855.002 6850.207 -1.027 6849.180 Juni 6 6820 6842.823 6851.348 6834.298 -3.654 6830.644 Juli 7 6912 6863.576 6855.016 6872.136 3.668 6875.804 Agustus 8 6764 6833.703 6848.623 6818.784 -6.394 6812.390 September 9 6814 6827.792 6842.373 6813.211 -6.249 6806.962 Oktober 10 6902 6850.055 6844.678 6855.431 2.304 6857.736 November 11 6955 6881.538 6855.736 6907.341 11.058 6918.399 Desember 12 6962 6905.677 6870.718 6940.635 14.982 6955.618 Januari 13 6873 6895.874 6878.265 6913.483 7.547 6921.029 Februari 14 6914 6901.312 6885.179 6917.444 6.914 6924.358 Maret 15 6920 6906.918 6891.701 6922.136 6.522 6928.657 April 16 6838 6886.243 6890.063 6882.422 -1.637 6880.785 Mei 17 6799 6860.070 6881.065 6839.075 -8.998 6830.077

Juni 18 6768 6832.449 6866.480 6798.417 -14.585 6783.833 Juli 19 6595 6761.214 6834.901 6687.528 -31.580 6655.948 Agustus 20 6606 6714.650 6798.825 6630.475 -36.075 6594.399 September 21 6635 6690.755 6766.404 6615.106 -32.421 6582.685 Oktober 22 6788 6719.928 6752.462 6687.395 -13.943 6673.453 November 23 6794 6742.150 6749.368 6734.932 -3.093 6731.838 Desember 24 6820 6765.505 6754.209 6776.801 4.841 6781.642 Januari 25 6878 6799.253 6767.722 6830.785 13.513 6844.298 Februari 26 6752 6785.077 6772.929 6797.226 5.207 6802.432 Maret 27 6817 6794.654 6779.447 6809.862 6.518 6816.379 April 28 6897 6825.358 6793.220 6857.496 13.773 6871.269 Mei 29 6949 6862.451 6813.989 6910.912 20.769 6931.681 Juni 30 6922 6880.315 6833.887 6926.744 19.898 6946.642 Juli 31 6890 6883.221 6848.687 6917.754 14.800 6932.555 Agustus 32 6953 6904.155 6865.327 6942.982 16.640 6959.622 September 33 6869 6893.608 6873.812 6913.405 8.484 6921.889 Oktober 34 6795 6864.026 6870.876 6857.176 -2.936 6854.240 November 35 6815 6849.318 6864.408 6834.228 -6.467 6827.760 Desember 36 6985 6890.023 6872.093 6907.952 7.684 6915.637

Langkah-langkah yang dilakukan sama dengan langkah-langkah sebelumnya, perbedaannya hanya penggunaan α sebesar 0,4. Sehingga dapat dihitung :

Bulan 2 :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 0,4(6812) + (1-0,4)6895

= 6861,8

2. S"_t = α S

'

t + ( 1 – α ) S

" 1

−

t

= 0,4(6861,8) + (1-0,4)6895

= 6881,72

3

. a

_t = 2 S '

t - S

"

t

= 2(6861,8) – (6881,72)

= 6841,88

4

. b

_t = α α −

1 (S

'

t - S

"

= 4 , 0 1

4 , 0

− (6861,8 – 6881,72)

= -13,28

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6841,88 + (-13,28)(1)

= 6828,6

Tabel 4.5 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6861.8 6881.72 6841.88 -13.28 - Maret 3 6730 6809.08 6852.664 6765.496 -29.056 6736.44 April 4 6815 6811.448 6836.178 6786.718 -16.486 6770.23

Mei 5 6919 6854.469 6843.494 6865.444 7.316 6872.76 Juni 6 6820 6840.681 6842.369 6838.994 -1.125 6837.868 Juli 7 6912 6869.209 6853.105 6885.313 10.736 6896.049 Agustus 8 6764 6827.125 6842.713 6811.537 -10.392 6801.146 September 9 6814 6821.875 6834.378 6809.372 -8.335 6801.037 Oktober 10 6902 6853.925 6842.197 6865.653 7.819 6873.472 November 11 6955 6894.355 6863.060 6925.650 20.863 6946.513 Desember 12 6962 6921.413 6886.401 6956.425 23.341 6979.766 Januari 13 6873 6902.048 6892.660 6911.436 6.259 6917.694 Februari 14 6914 6906.829 6898.327 6915.330 5.668 6920.997 Maret 15 6920 6912.097 6903.835 6920.359 5.508 6925.867 April 16 6838 6882.458 6895.285 6869.632 -8.551 6861.081 Mei 17 6799 6849.075 6876.801 6821.349 -18.484 6802.865 Juni 18 6768 6816.645 6852.738 6780.552 -24.062 6756.489 Juli 19 6595 6727.987 6802.838 6653.136 -49.901 6603.236 Agustus 20 6606 6679.192 6753.380 6605.005 -49.458 6555.547 September 21 6635 6661.515 6716.634 6606.397 -36.746 6569.651 Oktober 22 6788 6712.109 6714.824 6709.394 -1.810 6707.584 November 23 6794 6744.866 6726.841 6762.890 12.017 6774.907 Desember 24 6820 6774.919 6746.072 6803.767 19.231 6822.998 Januari 25 6878 6816.152 6774.104 6858.199 28.032 6886.231 Februari 26 6752 6790.491 6780.659 6800.323 6.555 6806.878

Maret 27 6817 6801.095 6788.833 6813.356 8.174 6821.530 April 28 6897 6839.457 6809.083 6869.831 20.249 6890.080 Mei 29 6949 6883.274 6838.759 6927.789 29.677 6957.466 Juni 30 6922 6898.764 6862.761 6934.768 24.002 6958.770 Juli 31 6890 6895.259 6875.760 6914.757 12.999 6927.756 Agustus 32 6953 6918.355 6892.798 6943.912 17.038 6960.950 September 33 6869 6898.613 6895.124 6902.102 2.326 6904.428 Oktober 34 6795 6857.168 6879.942 6834.394 -15.183 6819.212 November 35 6815 6840.301 6864.085 6816.516 -15.856 6800.660 Desember 36 6985 6898.180 6877.723 6918.638 13.638 6932.276

4.6 Forecast dengan Double Exponensial Smoothing (α = 0,5)

Langkah-langkah yang dilakukan sama dengan langkah-langkah sebelumnya, perbedaannya hanya penggunaan α sebesar 0,5. Sehingga dapat dihitung :

Bulan 2 :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 0,5(6812) + (1-0,5)6895

2. S"_t = α S '

t + ( 1 – α ) S

" 1

−

t

= 0,5(6853,5) + (1-0,5)6895

= 6874,25

3

. a

_t = 2 S '

t - S

"

t

= 2(6853,5) – (6874,25)

= 6832,75

4

. b

_t = α α − 1 (S

'

t - S

" t) = 5 , 0 1 5 , 0

− (6853,5 – 6874,25)

= -20,75

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6832,75 + (-20,75)(1)

Tabel 4.6 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6853.5 6874.25 6832.75 -20.75 - Maret 3 6730 6791.75 6833 6750.5 -41.25 6709.25 April 4 6815 6803.375 6818.188 6788.563 -14.813 6773.75 Mei 5 6919 6861.188 6839.688 6882.688 21.5 6904.188 Juni 6 6820 6840.594 6840.141 6841.047 0.453 6841.5 Juli 7 6912 6876.297 6858.219 6894.375 18.078 6912.453 Agustus 8 6764 6820.148 6839.184 6801.113 -19.035 6782.078 September 9 6814 6817.074 6828.129 6806.020 -11.055 6794.965 Oktober 10 6902 6859.537 6843.833 6875.241 15.704 6890.945 November 11 6955 6907.269 6875.551 6938.986 31.718 6970.704 Desember 12 6962 6934.634 6905.093 6964.176 29.542 6993.718 Januari 13 6873 6903.817 6904.455 6903.179 -0.638 6902.542 Februari 14 6914 6908.909 6906.682 6911.135 2.227 6913.362 Maret 15 6920 6914.454 6910.568 6918.341 3.886 6922.227 April 16 6838 6876.227 6893.398 6859.057 -17.170 6841.886 Mei 17 6799 6837.614 6865.506 6809.722 -27.892 6781.830

Juni 18 6768 6802.807 6834.156 6771.457 -31.349 6740.108 Juli 19 6595 6698.903 6766.530 6631.277 -67.626 6563.651 Agustus 20 6606 6652.452 6709.491 6595.413 -57.039 6538.374 September 21 6635 6643.726 6676.608 6610.843 -32.882 6577.961 Oktober 22 6788 6715.863 6696.236 6735.490 19.627 6755.118 November 23 6794 6754.931 6725.584 6784.279 29.348 6813.627 Desember 24 6820 6787.466 6756.525 6818.407 30.941 6849.348 Januari 25 6878 6832.733 6794.629 6870.837 38.104 6908.941 Februari 26 6752 6792.366 6793.498 6791.235 -1.131 6790.104 Maret 27 6817 6804.683 6799.090 6810.276 5.593 6815.869 April 28 6897 6850.842 6824.966 6876.717 25.876 6902.593 Mei 29 6949 6899.921 6862.443 6937.398 37.477 6974.876 Juni 30 6922 6910.960 6886.702 6935.219 24.258 6959.477 Juli 31 6890 6900.480 6893.591 6907.369 6.889 6914.258 Agustus 32 6953 6926.740 6910.166 6943.315 16.575 6959.889 September 33 6869 6897.870 6904.018 6891.722 -6.148 6885.575 Oktober 34 6795 6846.435 6875.226 6817.644 -28.791 6788.852 November 35 6815 6830.718 6852.972 6808.463 -22.254 6786.209 Desember 36 6985 6907.859 6880.415 6935.302 27.443 6962.746

Langkah-langkah yang dilakukan sama dengan langkah-langkah sebelumnya, perbedaannya hanya penggunaan α sebesar 0,6. Sehingga dapat dihitung :

Bulan 2 :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

t

= 0,6(6812) + (1-0,6)6895

= 6845,2

2. S"_t = α S '

t + ( 1 – α ) S

" 1

−

t

= 0,6(6845,2) + (1-0,6)6895

= 6865,12

3

. a

_t = 2 S '

t - S

"

t

= 2(6845,2) – (6865,12)

= 6825,28

4

. b

_t = α α − 1 (S

'

t - S

"

= 6 , 0 1

6 , 0

− (6845,2 – 6865,12)

= -29,88

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6825,28 + (-29,88)(1)

= 6795,4

Tabel 4.7 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6845.2 6865.12 6825.28 -29.88 - Maret 3 6730 6776.08 6811.696 6740.464 -53.424 6687.04 April 4 6815 6799.432 6804.338 6794.526 -7.358 6787.17

Mei 5 6919 6871.173 6844.439 6897.907 40.101 6938.01 Juni 6 6820 6840.469 6842.057 6838.881 -2.382 6836.500 Juli 7 6912 6883.388 6866.855 6899.920 24.798 6924.718 Agustus 8 6764 6811.755 6833.795 6789.715 -33.060 6756.655 September 9 6814 6813.102 6821.379 6804.825 -12.416 6792.409 Oktober 10 6902 6866.441 6848.416 6884.465 27.037 6911.502 November 11 6955 6919.576 6891.112 6948.040 42.696 6990.736 Desember 12 6962 6945.031 6923.463 6966.598 32.351 6998.949 Januari 13 6873 6901.812 6910.473 6893.152 -12.991 6880.161 Februari 14 6914 6909.125 6909.664 6908.586 -0.809 6907.777 Maret 15 6920 6915.650 6913.256 6918.044 3.592 6921.636 April 16 6838 6869.060 6886.738 6851.382 -26.517 6824.864 Mei 17 6799 6827.024 6850.910 6803.138 -35.829 6767.310 Juni 18 6768 6791.610 6815.330 6767.890 -35.580 6732.310 Juli 19 6595 6673.644 6730.318 6616.970 -85.011 6531.958 Agustus 20 6606 6633.058 6671.962 6594.153 -58.356 6535.797 September 21 6635 6634.223 6649.319 6619.128 -22.643 6596.484 Oktober 22 6788 6726.489 6695.621 6757.357 46.302 6803.660 November 23 6794 6766.996 6738.446 6795.546 42.825 6838.370 Desember 24 6820 6798.798 6774.657 6822.939 36.211 6859.151 Januari 25 6878 6846.319 6817.654 6874.984 42.997 6917.981 Februari 26 6752 6789.728 6800.898 6778.557 -16.756 6761.801

Maret 27 6817 6806.091 6804.014 6808.168 3.116 6811.284 April 28 6897 6860.636 6837.987 6883.285 33.973 6917.259 Mei 29 6949 6913.655 6883.388 6943.921 45.400 6989.322 Juni 30 6922 6918.662 6904.552 6932.771 21.164 6953.936 Juli 31 6890 6901.465 6902.700 6900.230 -1.852 6898.377 Agustus 32 6953 6932.386 6920.511 6944.260 17.812 6962.072 September 33 6869 6894.354 6904.817 6883.892 -15.694 6868.197 Oktober 34 6795 6834.742 6862.772 6806.712 -42.045 6764.666 November 35 6815 6822.897 6838.847 6806.947 -23.925 6783.021 Desember 36 6985 6920.159 6887.634 6952.683 48.787 7001.471

4.8 Forecast dengan Double Exponensial Smoothing (α = 0,7)

Langkah-langkah yang dilakukan sama dengan langkah-langkah sebelumnya, perbedaannya hanya penggunaan α sebesar 0,7. Sehingga dapat dihitung :

Bulan 2 :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 0,7(6812) + (1-0,7)6895

2. S"_t = α+ ( 1 – α ) S

" 1

−

t

= 0,7(6836,9) + (1-0,7)6895

= 6854,33

3

. a

_t = 2 S '

t - S

"

t

= 2(6836,9) – (6854,33)

= 6819,47

4

. b

_t = α α − 1 ( S

'

t - S

" t) = 7 , 0 1 7 , 0

− (6836,9 – 6854,33)

= -40,67

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6819,47 + (-40,67)(1)

Tabel 4.8 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6836.9 6854.33 6819.47 -40.67 - Maret 3 6730 6762.07 6789.748 6734.392 -64.582 6669.81 April 4 6815 6799.121 6796.309 6801.933 6.561 6808.494 Mei 5 6919 6883.036 6857.018 6909.054 60.709 6969.764 Juni 6 6820 6838.911 6844.343 6833.479 -12.675 6820.804 Juli 7 6912 6890.073 6876.354 6903.792 32.011 6935.803 Agustus 8 6764 6801.822 6824.182 6779.462 -52.173 6727.290 Septembe

r 9 6814 6810.347 6814.497 6806.196 -9.685 6796.512 Oktober 10 6902 6874.504 6856.502 6892.506 42.005 6934.511 November 11 6955 6930.851 6908.546 6953.156 52.044 7005.200 Desember 12 6962 6952.655 6939.423 6965.888 30.876 6996.764 Januari 13 6873 6896.897 6909.654 6884.139 -29.768 6854.371 Februari 14 6914 6908.869 6909.105 6908.633 -0.550 6908.084 Maret 15 6920 6916.661 6914.394 6918.928 5.289 6924.217

April 16 6838 6861.598 6877.437 6845.760 -36.957 6808.803 Mei 17 6799 6817.779 6835.677 6799.882 -41.760 6758.122 Juni 18 6768 6782.934 6798.757 6767.111 -36.920 6730.191 Juli 19 6595 6651.380 6695.593 6607.167 -103.164 6504.004 Agustus 20 6606 6619.614 6642.408 6596.820 -53.185 6543.635 Septembe

r 21 6635 6630.384 6633.991 6626.777 -8.416 6618.361 Oktober 22 6788 6740.715 6708.698 6772.732 74.707 6847.439 November 23 6794 6778.015 6757.220 6798.810 48.522 6847.331 Desember 24 6820 6807.404 6792.349 6822.460 35.129 6857.589 Januari 25 6878 6856.821 6837.480 6876.163 45.131 6921.294 Februari 26 6752 6783.446 6799.656 6767.236 -37.823 6729.413 Maret 27 6817 6806.934 6804.751 6809.117 5.094 6814.211 April 28 6897 6869.980 6850.411 6889.549 45.661 6935.210 Mei 29 6949 6925.294 6902.829 6947.759 52.418 7000.177 Juni 30 6922 6922.988 6916.941 6929.036 14.111 6943.147 Juli 31 6890 6899.896 6905.010 6894.783 -11.931 6882.852 Agustus 32 6953 6937.069 6927.451 6946.687 22.441 6969.128 Septembe

r 33 6869 6889.421 6900.830 6878.012 -26.621 6851.390 Oktober 34 6795 6823.326 6846.577 6800.075 -54.253 6745.823 November 35 6815 6817.498 6826.222 6808.774 -20.356 6788.418 Desember 36 6985 6934.749 6902.191 6967.308 75.969 7043.277

4.9 Forecast dengan Double Exponensial Smoothing (α = 0,8)

Langkah-langkah yang dilakukan sama dengan langkah-langkah sebelumnya, perbedaannya hanya penggunaan α sebesar 0,8. Sehingga dapat dihitung :

Bulan 2 :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 0,8(6812) + (1-0,8)6895

= 6828,6

2. S"_t = α S '

t + ( 1 – α ) S

" 1

−

t

= 0,8(6828,6) + (1-0,8)6895

= 6841,88

3

. a

_t = 2 S '

t - S

"

t

= 2(6828,6) – (6841,88)

= 6815,32

4

. b

_t = α α

−

1 (S

'

t - S

"

= 8 , 0 1

8 , 0

− (6828,6 – 6841,88)

= -53,12

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6815,32 + (-53,12)(1)

= 6762,2

Tabel 4.9 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6828.6 6841.88 6815.32 -53.12 - Maret 3 6730 6749.72 6768.152 6731.288 -73.728 6657.56 April 4 6815 6801.944 6795.186 6808.702 27.034 6835.736

Mei 5 6919 6895.589 6875.508 6915.669 80.323 6995.992 Juni 6 6820 6835.118 6843.196 6827.040 -32.312 6794.727 Juli 7 6912 6896.624 6885.938 6907.309 42.742 6950.051 Agustus 8 6764 6790.525 6809.607 6771.442 -76.331 6695.111 Septembe

r 9 6814 6809.305 6809.365 6809.244 -0.242 6809.003 Oktober 10 6902 6883.461 6868.642 6898.280 59.276 6957.557 November 11 6955 6940.692 6926.282 6955.102 57.640 7012.743 Desember 12 6962 6957.738 6951.447 6964.030 25.165 6989.195 Januari 13 6873 6889.948 6902.248 6877.648 -49.200 6828.448 Februari 14 6914 6909.190 6907.801 6910.578 5.554 6916.131 Maret 15 6920 6917.838 6915.831 6919.845 8.029 6927.875 April 16 6838 6853.968 6866.340 6841.595 -49.490 6792.105 Mei 17 6799 6809.994 6821.263 6798.724 -45.077 6753.647 Juni 18 6768 6776.399 6785.372 6767.426 -35.891 6731.535 Juli 19 6595 6631.280 6662.098 6600.461 -123.273 6477.188 Agustus 20 6606 6611.056 6621.264 6600.848 -40.834 6560.014 Septembe

r 21 6635 6630.211 6628.422 6632.001 7.157 6639.158 Oktober 22 6788 6756.442 6730.838 6782.046 102.416 6884.463 November 23 6794 6786.488 6775.358 6797.619 44.520 6842.139 Desember 24 6820 6813.298 6805.710 6820.886 30.351 6851.237 Januari 25 6878 6865.060 6853.190 6876.929 47.480 6924.409

Februari 26 6752 6774.612 6790.327 6758.896 -62.862 6696.034 Maret 27 6817 6808.522 6804.883 6812.161 14.556 6826.717 April 28 6897 6879.304 6864.420 6894.189 59.537 6953.726 Mei 29 6949 6935.061 6920.933 6949.189 56.513 7005.702 Juni 30 6922 6924.612 6923.876 6925.348 2.944 6928.292 Juli 31 6890 6896.922 6902.313 6891.532 -21.563 6869.969 Agustus 32 6953 6941.784 6933.890 6949.679 31.577 6981.256 Septembe

r 33 6869 6883.557 6893.624 6873.490 -40.267 6833.224 Oktober 34 6795 6812.711 6828.894 6796.529 -64.730 6731.799 November 35 6815 6814.542 6817.413 6811.672 -11.481 6800.191 Desember 36 6985 6950.908 6924.209 6977.608 106.797 7084.404

4.10 Forecast dengan Double Exponensial Smoothing (α = 0,9)

Langkah-langkah yang dilakukan sama dengan langkah-langkah sebelumnya, perbedaannya hanya penggunaan α sebesar 0,9. Sehingga dapat dihitung :

Bulan 2 :

Xt = 6812

1. S'_t = α Xt + ( 1 – α ) S '

1

−

t

= 6820,3

2. S"_t = α S '

t + ( 1 – α ) S

" 1

−

t

= 0,9(6820,3) + (1-0,9)6895

= 6827,77

3

. a

_t = 2 S '

t - S

"

t

= 2(6820,3) – (6827,77)

= 6812,83

4

. b

_t = α α

−

1 (S

'

t - S

" t) = 9 , 0 1 9 , 0

− (6820,3 – 6827,77)

= -67,23

5. Forecast bulan ke 2 (m=1)

Ft+m = at

+ bt (m)

= 6812,83 + (-67,23)(1)

Tabel 4.10 Jumlah Nasabah Britama di PT BRI Cabang BINJAI Periode 2005 – 2007

Bulan Periode Jumlah

Nasabah S

'

t S

"

t at bt

Forecast (m=1)

Januari 1 6895 6895 6895 - - -

Februari 2 6812 6820.3 6827.77 6812.83 -67.23 - Maret 3 6730 6739.03 6747.904 6730.156 -79.866 6650.29 April 4 6815 6807.403 6801.453 6813.353 53.549 6866.902 Mei 5 6919 6907.840 6897.202 6918.479 95.748 7014.228 Juni 6 6820 6828.784 6835.626 6821.942 -61.576 6760.366 Juli 7 6912 6903.678 6896.873 6910.484 61.247 6971.731 Agustus 8 6764 6777.968 6789.858 6766.077 -107.015 6659.063 Septembe

r 9 6814 6810.397 6808.343 6812.451 18.485 6830.935 Oktober 10 6902 6892.840 6884.390 6901.289 76.047 6977.336 Novembe

r 11 6955 6948.784 6942.345 6955.223 57.955 7013.178 Desember 12 6962 6960.678 6958.845 6962.512 16.500 6979.012 Januari 13 6873 6881.768 6889.476 6874.060 -69.369 6804.691 Februari 14 6914 6910.777 6908.647 6912.907 19.171 6932.078 Maret 15 6920 6919.078 6918.035 6920.121 9.388 6929.509 April 16 6838 6846.108 6853.300 6838.915 -64.734 6774.181

Mei 17 6799 6803.711 6808.670 6798.752 -44.631 6754.121 Juni 18 6768 6771.571 6775.281 6767.861 -33.389 6734.472 Juli 19 6595 6612.657 6628.919 6596.395 -146.361 6450.033 Agustus 20 6606 6606.666 6608.891 6604.440 -20.028 6584.412 Septembe

r 21 6635 6632.167 6629.839 6634.494 20.948 6655.442 Oktober 22 6788 6772.417 6758.159 6786.674 128.320 6914.994 Novembe

r 23 6794 6791.842 6788.473 6795.210 30.314 6825.524 Desember 24 6820 6817.184 6814.313 6820.055 25.840 6845.895 Januari 25 6878 6871.918 6866.158 6877.679 51.845 6929.524 Februari 26 6752 6763.992 6774.208 6753.775 -91.949 6661.826 Maret 27 6817 6811.699 6807.950 6815.448 33.742 6849.190 April 28 6897 6888.470 6880.418 6896.522 72.468 6968.990 Mei 29 6949 6942.947 6936.694 6949.200 56.276 7005.476 Juni 30 6922 6924.095 6925.355 6922.835 -11.339 6911.495 Juli 31 6890 6893.409 6896.604 6890.215 -28.751 6861.464 Agustus 32 6953 6947.041 6941.997 6952.085 45.393 6997.478 Septembe

r 33 6869 6876.804 6883.323 6870.285 -58.674 6811.611 Oktober 34 6795 6803.180 6811.195 6795.166 -72.129 6723.037 Novembe

r 35 6815 6813.818 6813.556 6814.080 2.361 6816.441 Desember 36 6985 6967.882 6952.449 6983.314 138.893 7122.208

4.11 Nilai Rata-rata Kesalahan (Mean Square Error)

MSE =

n

e_i

∑

2

1. Maka untuk α = 0,1

MSE =

n

e_i

∑

2

=

34 063 , 216627

= 6371,384

2. Maka untuk α = 0,2

MSE =

n

e_i

∑

2

=

34 504 , 119568

= 3516,720

MSE = n ei

∑

2 = 34 2303 , 63807 = 1876,683

4. Maka untuk α = 0,4

MSE = n ei

∑

2 = 34 2305 , 34879 = 1025,859

5. Maka untuk α = 0,5

MSE = n e_i

∑

2 = 34 6979 , 24769 = 728,520

MSE = n ei

∑

2 = 34 0195 , 30495 = 896,912

7. Maka untuk α = 0,7

MSE = n ei

∑

2 = 34 9486 , 51898 = 1526,439

8. Maka untuk α = 0,8

MSE = n e_i

∑

2 = 34 5913 , 90204 = 2653,076

MSE =

n

ei

∑

2

=

34 258 , 148271

= 4360,919

Untuk menentukan nilai α yang optimal, maka diambil dari nilai MSE yang paling minimum yaitu pada α = 0,5.

Tabel 4.11 Nilai Pemulusan Eksponensial

Periode Jumlah Nasabah

α = 0,1 α = 0,2 α = 0,3

Forecast e

2

i Forecast e

2

i Forecast e

2

i

1 6895 - - - -

2 6812 - - - -

3 6730 6847.89 13898.0521 6805.76 5739.5776 6768.61 1490.7321 4 6815 6839 575.904004 6800.864 199.826496 6778.606 1324.52324 5 6919 6852.36 4441.42274 6839.896 6257.44282 6849.18 4874.8324 6 6820 6844.04 578.017764 6828.441 71.250481 6830.644 113.294736 7 6912 6855.47 3195.98009 6857.572 2962.40718 6875.804 1310.15042 8 6764 6835.69 5139.02597 6819.193 3046.26725 6812.39 2341.5921 9 6814 6828.95 223.442704 6812.422 2.490084 6806.962 49.533444 10 6902 6840.94 3728.3236 6843.352 3439.5879 6857.736 1959.3017 11 6955 6861.86 8674.3145 6886.694 4665.70964 6918.399 1339.6332 12 6962 6881.14 6537.69274 6919.964 1767.0253 6955.618 40.729924 13 6873 6879.77 45.819361 6907.339 1179.16692 6921.029 2306.78484 14 6914 6886.79 740.492944 6914.285 0.081225 6924.358 107.288164 15 6920 6893.95 678.863025 6921.119 1.252161 6928.657 74.943649 16 6838 6883.6 2079.63361 6892.648 2986.4039 6880.785 1830.55622 17 6799 6866.97 4619.9209 6856.641 3322.48488 6830.077 965.779929 18 6768 6846.62 6180.78992 6818.891 2589.89388 6783.833 250.683889

19 6595 6794.75 39898.4645 6723.495 16510.965 6655.948 3714.6587 20 6606 6752.93 21589.3065 6661.702 3102.7128 6594.399 134.583201 21 6635 6723.39 7813.49924 6631.526 12.068676 6582.685 2736.85922 22 6788 6729.18 3459.32186 6673.553 13098.1158 6673.453 13121.0152 23 6794 6735.66 3403.20557 6707.427 7494.88433 6731.838 3864.11424 24 6820 6746.69 5373.91625 6742.97 5933.6209 6781.642 1471.33616 25 6878 6767.96 12108.5815 6791.999 7396.172 6844.298 1135.8248 26 6752 6761.09 82.591744 6776.417 596.189889 6802.432 2543.38662 27 6817 6768.43 2358.94776 6791.468 651.883024 6816.379 0.385641 28 6897 6790.86 11264.8505 6834.122 3953.64288 6871.269 662.084361 29 6949 6820.5 16513.278 6884.736 4129.8617 6931.681 299.947761 30 6922 6840.38 6661.33469 6908.899 171.636201 6946.642 607.228164 31 6890 6850.91 1528.26265 6912.088 487.879744 6932.555 1810.92803 32 6953 6872.42 6492.65293 6938.445 211.848025 6959.622 43.850884 33 6869 6873.86 23.590449 6922.296 2840.46362 6921.889 2797.24632 34 6795 6860.17 4247.1289 6880.228 7263.81198 6854.24 3509.3776 35 6815 6852.43 1401.07976 6857.896 1840.06682 6827.76 162.8176 36 6985 6879.79 11069.3545 6909.888 5641.81254 6915.637 4811.22577

Jumlah

- 216627.063 - 119568.504 - 63807.2303

Nasabah

Forecast e

2

i Forecast e

2

i Forecast e

2

i

1 6895 - - - -

2 6812 - - - -

3 6730 6736.44 41.4736 6709.25 430.5625 6687.04 1845.5616 4 6815 6770.23 2004.3529 6773.75 1701.5625 6787.17 774.5089 5 6919 6872.76 2138.1376 6904.188 219.395344 6938.01 361.3801 6 6820 6837.87 319.265424 6841.5 462.25 6836.5 272.25 7 6912 6896.05 254.434401 6912.453 0.205209 6924.718 161.747524 8 6764 6801.15 1379.82532 6782.078 326.814084 6756.655 53.949025 9 6814 6801.04 168.039369 6794.965 362.331225 6792.409 466.171281 10 6902 6873.47 813.846784 6890.945 122.213025 6911.502 90.288004 11 6955 6946.51 72.029169 6970.704 246.615616 6990.736 1277.0617 12 6962 6979.77 315.630756 6993.718 1006.03152 6998.949 1365.2286 13 6873 6917.69 1997.55364 6902.542 872.729764 6880.161 51.279921 14 6914 6921 48.958009 6913.362 0.407044 6907.777 38.725729 15 6920 6925.87 34.421689 6922.227 4.959529 6921.636 2.676496 16 6838 6861.08 532.732561 6841.886 15.100996 6824.864 172.554496 17 6799 6802.87 14.938225 6781.83 294.8089 6767.31 1004.2561 18 6768 6756.49 132.503121 6740.108 777.963664 6732.31 1273.7761 19 6595 6603.24 67.831696 6563.651 982.759801 6531.958 3974.29376 20 6606 6555.55 2545.50521 6538.374 4573.27588 6535.797 4928.46121 21 6635 6569.65 4270.4918 6577.961 3253.44752 6596.484 1483.48226

22 6788 6707.58 6466.73306 6755.118 1081.22592 6803.66 245.2356 23 6794 6774.91 364.542649 6813.627 385.219129 6838.37 1968.6969 24 6820 6823 8.988004 6849.348 861.305104 6859.151 1532.8008 25 6878 6886.23 67.749361 6908.941 957.345481 6917.981 1598.48036 26 6752 6806.88 3011.59488 6790.104 1451.91482 6761.801 96.059601 27 6817 6821.53 20.5209 6815.869 1.279161 6811.284 32.672656 28 6897 6890.08 47.8864 6902.593 31.281649 6917.259 410.427081 29 6949 6957.47 71.673156 6974.876 669.567376 6989.322 1625.86368 30 6922 6958.77 1352.0329 6959.477 1404.52553 6953.936 1019.9081 31 6890 6927.76 1425.51554 6914.258 588.450564 6898.377 70.174129 32 6953 6960.95 63.2025 6959.889 47.458321 6962.072 82.301184 33 6869 6904.43 1255.14318 6885.575 274.730625 6868.197 0.644809 34 6795 6819.21 586.220944 6788.852 37.797904 6764.666 920.151556 35 6815 6800.66 205.6356 6786.209 828.921681 6783.021 1022.65644 36 6985 6932.28 2779.82018 6962.746 495.240516 7001.471 271.293841

Jumlah

Periode Jumlah Nasabah

α = 0,7 α = 0,8 α = 0,9

Forecast e2i Forecast e

2

i Forecast e

2

i

1 6895 - - - -

2 6812 - - - -

3 6730 6669.81 3622.8361 6657.56 5247.5536 6650.29 6353.6841 4 6815 6808.49 42.328036 6835.736 429.981696 6866.902 2693.8176

5 6919 6969.76 2576.9837 6995.992 5927.76806 7014.228

9068.3719 8

6 6820 6820.8 0.646416 6794.727 638.724529 6760.366

3556.2139 6

7 6912 6935.8 566.582809 6950.051 1447.8786 6971.731

3567.7923 6 8 6764 6727.29 1347.6241 6695.111 4745.69432 6659.063 11011.774

9 6814 6796.51 305.830144 6809.003 24.970009 6830.935

286.79422 5 10 6902 6934.51 1056.96512 6957.557 3086.58025 6977.336 5675.5129

11 6955 7005.2 2520.04 7012.743 3334.25405 7013.178

3384.6796 8

12 6962 6996.76 1208.5357 6989.195 739.568025 6979.012

289.40814 4

13 6873 6854.37 347.039641 6828.448 1984.8807 6804.691

4666.1194 8

14 6914 6908.08 34.999056 6916.131 4.541161 6932.078

326.81408 4 15 6920 6924.22 17.783089 6927.875 62.015625 6929.509 90.421081

16 6838 6808.8 852.464809 6792.105 2106.35103 6774.181

4072.8647 6

17 6799 6758.12 1671.01088 6753.647 2056.89461 6754.121

2014.1246 4

18 6768 6730.19 1429.52048 6731.535 1329.69623 6734.472

1124.1267 8

19 6595 6504 8280.27202 6477.188 13879.6673 6450.033

21015.431 1

20 6606 6543.64 3889.39322 6560.014 2114.7122 6584.412

466.04174 4

21 6635 6618.36 276.856321 6639.158 17.288964 6655.442

417.87536 4 22 6788 6847.44 3532.99472 6884.463 9305.11037 6914.994 16127.476

23 6794 6847.33 2844.19556 6842.139 2317.36332 6825.524

993.76257 6

24 6820 6857.59 1412.93292 6851.237 975.750169 6845.895

670.55102 5

25 6878 6921.29 1874.37044 6924.409 2153.79528 6929.524

2654.7225 8

26 6752 6729.41 510.172569 6696.034 3132.19316 6661.826

8131.3502 8 27 6817 6814.21 7.778521 6826.717 94.420089 6849.19 1036.1961 28 6897 6935.21 1460.0041 6953.726 3217.83908 6968.99 5182.5601

29 6949 7000.18 2619.08533 7005.702 3215.1168 7005.476

3189.5385 8

30 6922 6943.15 447.195609 6928.292 39.589264 6911.495

110.35502 5

31 6890 6882.85 51.093904 6869.969 401.240961 6861.464

814.30329 6

32 6953 6969.13 260.112384 6981.256 798.401536 6997.478

1978.2924 8

33 6869 6851.39 310.1121 6833.224 1279.92218 6811.611

3293.4973 2

34 6795 6745.82 2418.37733 6731.799 3994.3664 6723.037

5178.6733 7 35 6815 6788.42 706.602724 6800.191 219.306481 6816.441 2.076481

36 6985 7043.28 3396.20873 7084.404 9881.15522 7122.208

18826.035 3

Jumlah

- 51898.9486 - 90204.5913 -

148271.25 8 6000 6200 6400 6600 6800 7000 7200

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33

Periode Ju m lah N asab ah

0,1 0,2 0,3 0,4 0,5 0,6 0,7

Gambar 4.2 Grafik Pemulusan Eksponensial

Forecast untuk 2008 :

Bulan 1 = 6935,302 + 27,443 (1) = 6962,745 Bulan 2 = 6935,302 + 27,443 (2) = 6990,188

Bulan 3 = 6935,302 + 27,443 (3) = 7017,631

Bulan 4 = 6935,302 + 27,443 (4) = 7045,074

Bulan 5 = 6935,302 + 27,443 (5) = 7072,517

Bulan 6 = 6935,302 + 27,443 (6) = 7099,96

Bulan 7 = 6935,302 + 27,443 (7) = 7127,403

Bulan 8 = 6935,302 + 27,443 (8) = 7154,846

Bulan 9 = 6935,302 + 27,443 (9) = 7182,289

Bulan 10 = 6935,302 + 27,443 (10) = 7209,732

Bulan 11 = 6935,302 + 27,443 (11) = 7237.175

Untuk forecast tahun 2009, maka m yang digunakan adalah m=13 karena untuk satu kali peramalan m merupakan nilai berkelanjutan dari m sebelumnya.

Bulan 1 = 6935,302 + 27,443 (13) = 7292,061

Bulan 2 = 6935,302 + 27,443 (14) = 7319,504

Bulan 3 = 6935,302 + 27,443 (15) = 7346,947

Bulan 4 = 6935,302 + 27,443 (16) = 7374,39

Bulan 5 = 6935,302 + 27,443 (17) = 7401,833

Bulan 6 = 6935,302 + 27,443 (18) = 7429,276

Bulan 7 = 6935,302 + 27,443 (19) = 7456,719

Bulan 8 = 6935,302 + 27,443 (20) = 7484,162 Bulan 9 = 6935,302 + 27,443 (21) = 7511,605

Bulan 10 = 6935,302 + 27,443 (22) = 7539,048

Bulan 11 = 6935,302 + 27,443 (23) = 7566,491

Dan untuk forecast tahun 2010, maka m yang digunakan adalah m = 25. Dapat kita hitung sebagai berikut :

Bulan 1 = 6935,302 + 27,443 (25) = 7621,377

Bulan 2 = 6935,302 + 27,443 (26) = 7648,82

Bulan 3 = 6935,302 + 27,443 (27) = 7676,263

Bulan 4 = 6935,302 + 27,443 (28) = 7703,706

Bulan 5 = 6935,302 + 27,443 (29) = 7731,149

Bulan 6 = 6935,302 + 27,443 (30) = 7758,592

Bulan 7 = 6935,302 + 27,443 (31) = 7786,035

Bulan 8 = 6935,302 + 27,443 (32) = 7813,478

Bulan 9 = 6935,302 + 27,443 (33) = 7840,921

Bulan 10 = 6935,302 + 27,443 (34) = 7868,364

Bulan 11 = 6935,302 + 27,443 (35) = 7895,807

Data tiap tahun ditulis pada kolom pertama untuk Bulan, periode dan Jumlah Nasabah. Seperti di bawah ini

Dari data diatas dapat ditentukan besarnya forecast dengan 0<α <1. Dan setiap perhitungan akan diberi nama untuk tiap kolom. Kita ambil contoh α = 0,5 seperti berikut ini :

1. Pada kolom keempat ditulis keterangan dengan S'

t

2. Pada kolom kelima ditulis keterangan dengan S"t

3. Pada kolom keenam ditulis keterangan dengan

a

t 4. Pada kolom ketujuh ditulis keterangan dengan

b

t

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

1. Smoothing pertama (S't) untuk bulan pertama ditentukan sebesar bulan pertama

dari data histories, sehingga rumus yang tertera pada set D6 adalah = C6. Sedangkan untuk bulan kedua rumus yang tertera adalah = 0,5*C7+0,5*D6. Dalam kasus ini menghasilkan angka = 6853,5. Untuk bulan berikut tinggal mengcopy remus tersebut.

2. Smoothing pertama (S"_t) untuk bulan pertama ditentukan sebesar bulan pertama dari data histories, sehingga rumus yang tertera pada set E6 adalah = D6. Sedangkan untuk bulan kedua rumus yang tertera adalah = 0,5*D7+0,5*E6. Dalam kasus ini menghasilkan angka = 6874,25. Untuk bulan berikut tinggal mengcopy remus tersebut.

3. Nilai

a

t baru bisa dicapai pada bulan kedua yaitu dengan rumus yang tertera pada set F7 adalah = 2*D7-E7. Sehingga akan menghasilkan angka = 6832,75, untuk bulan-bulan berikutnya tinggal mengcopy saja.

4. Nilai

b

t baru bisa dicapai pada bulan kedua yaitu dengan rumus yang tertera pada set G7 adalah = 0,5/0,5(D7-E7). Sehingga akan menghasilkan angka = -20,75, untuk bulan-bulan berikutnya tinggal mengcopy saja.

5. Forecast untuk bulan ketiga yaitu pada sel H8 dapat dicari dengan menggunakan rumus = F8+G8*1 dengan hasil angka = 6709,25 , untuk bulan forecast berikutnya tinggal mengcopy dari rumus tersebut.

Penggambaran Hasil

Grafik pada Excel dapat ditulis menjadi satu dengan data atau terpisah pada lembar grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada Excel, biasa menggunakan icon chart wizard yang terdapat pada toolbar.

Adapun langkah-langkah yang diperlukan sebagai berikut : 1. Sorot sel atau range yang ingin dibuat grafik

2. Klik icon Insert lalu pilih Chart Type

3. Klik tipe grafik yang diinginkan dan klik next.

4. Pada tampilan akan terlihat range data yang telah disorot dan klik ratio button row atau colom yang diinginkan, klik next. Tampil kotak dialog titles.

5. Pada cart titles, ketik judul grafik. Setelah itu klik Next. Tampil kotak dialog Chart Location

BAB 6

KESIMPULAN DAN SARAN

Berdasarkan uraian proyeksi yang telah dikemukakan pada bab-bab sebelumnya maka dapat disimpulkan dan disarankan hal-hal berikut :

6.1 Kesimpulan

Berdasarkan analisa dan evaluasi pada Jumlah Nasabah Britama di PT BRI Cabang BINJAI pada tahun 2005-2007 dan membuat ramalan Jumlah tabungan Britama pada tahun 2008-2010 maka Penulis dapat membut suatu kesimpulan, yaitu :

1. Jumlah Nasabah dari tahun 2008-2010 yang akan dating semakin meningkat 2. Nilai koefisien proyeksi yang paling tepat digunakan adalah α = 0,5

3. Jumlah Nasabah Britama dari tahun 2008-2010 di PT BRI Caban BINJAI diproyeksikan meningkat

4. Bank merupakan lembaga keuangan yang kegiatan utamanya adalah menghimpun laba dari masyarakat dan menyalurkannya kembali kepada masyarakat serta memberikan jasa-jasa lain

DAFTAR PUSTAKA

Assauri, S. 1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi Universitas Indonesia.

Makridakis, Sypros. 1993. Metode dan Aplikasi Peramalan. Jakarta : Airlangga.

Gitosudarmoa, Idriyo.2000. Teknik Proyeksi Bisnis. Yogyakarta : Fakultas Ekonomi Universitas Gajah Mada.