Peramalan Penerimaan Pajak Bumi Dan Bangunan (PBB) Pada Tahun 2011 Di Kabupaten Deli Serdang Berdasarkan Data Tahun 2005-2009

PERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN

(PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG

BERDASARKAN DATA TAHUN 2005-2009

TUGAS AKHIR

SAHAT MANIK

082407116

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN

(PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG

BERDASARKAN DATA TAHUN 2005-2009

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

SAHAT MANIK

082407116

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERSETUJUAN

Judul :PERAMALAN PENERIMAAN PAJAK BUMI DAN

BANGUNAN (PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG BERDASARKAN DATA TAHUN 2005-2009

Nama :SAHAT MANIK

NIM :082407116

Program Studi :D3 STATISTIKA

Fakultas :MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA Diluluskan di

Medan, Juni 2011

Diketahui / Disetujui oleh Pembimbing I Departemen Matematika FMIPA USU

Ketua

Prof. Dr. Tulus, M.Si Drs. Open Darnius, M.Sc NIP. 19620901 198803 1 002 NIP.19641014 199103 1 004

PERNYATAAN

PERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN (PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG BERDASARKAN DATA

TAHUN 2005-2009

TUGAS AKHIR

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

Medan, Juni 2011

SAHAT MANIK 082407116

PENGHARGAAN

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas limpahan, rahmat serta karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir dengan judul “PERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN (PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG BERDASARKAN DATA TAHUN 2005-2009”

Ucapan terima kasih kepada Bapak Drs. Open Darnius, M. Sc. selaku pembimbing saya pada penyelesaian Tugas Akhir ini yang telah memberikan panduan dan kepercayaan kapada saya untuk menyempurnakan Tugas Akhir ini. Panduan ringkas dan padat dan profesional telah diberikan kepada saya agar dapat menyelesaikan tugas akhir. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Departemen Prof. Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si;Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua Dosen dan Pegawai FMIPA USU dan begitu juga dengan Sahabat-sahabat saya selama duduk dimasa perkuliahan dan rekan-rekan kuliah. Akhirnya tidak terlupakan ayah dan ibunda tercinta serta semua keluarga yang selama ini memberikan dukungan dan dorongan mulai sejak awal kuliah hingga penyelesaian study. Semoga Tuhan memberkati dan membalasnya.

Penulis menyadari bahwa baik dalam pengungkapan, pemilihan kata-kata dan penyajian Tugas Akhir ini masih jauh dari sempurna. Oleh karena itu dengan kerendahan hati penulis mengharapkan saran, kritik, dan segala bentuk pengarahan dari semua pihak untuk perbaikan tugas akhir ini. Tanpa adanya bantuan, bimbingan, dan dukungan dari berbagai pihak penulis tidak akan mampu menyelesaikannya.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vi

Daftar Gambar vii

Bab 1 Pendahuluan

1.1 Latar Belakang 1

1.2 Perumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 3

1.5 Tinjauan Pustaka 4

1.5 Metode Penelitian 5

1.6 Sistematika Penulisan 7

Bab 2 Landasan Teori

2.1 Pengertian Peramalan 9

2.2 Kegunaan Peramalan 10

2.3 Jenis Peramalan 12

2.4 Jenis-Jenis Metode Peramalan 16

2.4.1 Analisa Deret Berkala 16

2.4.2 Pemilihan Teknik dan Metode Peramalan 17

2.4.3 Penentuan Pola Data 19

2.5 Metode Pemulusan (Smoothing) 20

2.5.1 Metode yang Digunakan 22

2.6 Ketepatan Peramalan 23

Bab 3 Sejarah Singkat Tempat Riset

3.1 Sejarah Singkat Kabupaten Deli Serdang 26

3.1.1 Latar Belakang Terbentuknya Kabupaten Deli Serdang 26

3.1.2 Lokasi dan Keadaan Geografis 31

3.1.3 Iklim 32

3.1.4 Penduduk 33

3.2 Sejarah Singkat BPS 34

3.2.1 Latar Belakang BPS 34

4.3.1 Penaksiran Model Peramalan 43 4.3.2 Penentuan Bentuk Persamaan Peramalan 79

4.4 Peramalan Nilai Perkiraan Pajak 80

Bab 5 Implementasi Sistem

5.1 Pengertian Implementasi Sistem 87

5.2 Mengaktifkan Microsoft Excel 88

5.3 Langkah-Langkah Memulai Pengolahan Data

Dengan Excel 89

5.4 Pengisian Data 91

5.5 Menghitung Ketepatan Peramalan 94

5.6 Hasil Dalam Pemulusan Eksponensial

Dari Brown 95

5.7 Pembuatan Grafik 95

Bab 6 Kesimpulan dan Saran

6.1 Kesimpulan 97

6.2 Saran 98

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman

Tabel 4.1 Data jumlah nilai penerimaan Pajak Bumi dan Bangunan

di Kabupaten Deli Serdang Tahun 2005-2009 42 Tabel 4.2 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

1

44 Tabel 4.3 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

2

47 Tabel 4.4 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

3

50 Tabel 4.5 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

4

53 Tabel 4.6 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

5

56 Tabel 4.7 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

6

59 Tabel 4.8 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

7

63 Tabel 4.9 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

8

66 Tabel 4.10 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

9

69 Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan 72 Tabel 4.12 Peramalan besar penerimaan Pajak dengan pemulusan

Eksponensial Ganda Satu Parameter Dari Brown

α

=

0

,

1

73 Tabel 4.13 Perhitungan Ukuran Relatif Galat 75 Tabel 4.14 Peramalan penerimaan Pajak Bumi dan Bangunan

DAFTAR GAMBAR

Halaman Gambar 4.1 Plot Data Penerimaan Pajak Tahun 2005-2009 42 Gambar 4.2 Nilai Aktual dan Penerimaan Pajak 74 Gambar 5.1 Tampilan awal layar komputer 89 Gambar 5.2 Tampilan lembar kerja Excel 90 Gambar 5.3 Tampilan lembar kerja Excel dalam menentukan

besarnya perkiraan peramalan 92 Gambar 5.4 Hasil ramalan dalam Metode Brown 95

BAB I

PENDAHULUAN

1.1 Latar Belakang

Saat ini pajak merupakan sumber utama dana untuk pembangunan karena hampir sebagian besar sumber penerimaan dalam Anggaran Pendapatan Belanja Negara (APBN) berasal dari pajak. Pajak telah menjadi tulang punggung penggerak roda pembangunan yang sangat dominan.

Adapun defenisi pajak yang akan diutarakan oleh beberapa ahli yakni :

Defenisi pajak dikemukakan oleh Soemitro, R. Pajak adalah iuran rakyat kepada kas Negara berdasarkan undang-undang (yang dapat dipaksakan) dengan tidak mendapat jasa timbal-balik (kontraprestasi) yang langsung dapat ditunjukkan, dan yang digunakan untuk membayar pengeluaran umum.

Defenisi tersebut kemudian disempurnakan, sehingga berbunyi : Pajak adalah peralihan kekayaan dari pihak rakyat kepada kas negara untuk membiayai pengeluaran

Defenisi pajak yang dikemukakan oleh oleh S. I. Djajadiningrat. Pajak sebagai suatu kewajiban menyerahkan sebagian dari kekayaan ke kas Negara yang disebabkan suatu keadaan, kejadian, dan perbuatan yang memberikan kedudukan tertentu, tetapi bukan sebagai hukuman, menurut peraturan yang ditetapkan pemerintah serta dapat dipaksakan, tetapi tidak ada jasa timbal-balik dari Negara secara langsung, untuk memelihara kesejahteraan secara umum.

Defenisi pajak yang dikemukakan oleh Mr. Dr N. J. Feldmann. Pajak adalah prestasi yang dipaksakan sepihak oleh dan terutang kepada penguasa (menurut norma-norma yang ditetapkannya secara umum), tanpa adanya kontraprestasi, dan semata-mata digunakan untuk menutup pengeluaran-pengeluaran umum.

Dalam menerapkan konsep ramalan tersebut diadakan penelitian di Kantor Badan Pusat Statistik (BPS) Kabupaten Deli Serdang. penelitian dilakukan untuk mendapatkan data penerimaan pajak dari tahun terdahulu kemudian akan dilakukan peramalan penerimaan pajak untuk tahun yang akan datang, sehingga dapat digunakan sebagai acuan bagi Dinas Pendapatan Kabupaten Deli Serdang.

Berdasarkan uraian di atas, maka penulis mengambil judul “PERAMALAN PENERIMAAN PAJAK BUMI DAN BANGUNAN (PBB) PADA TAHUN 2011 DI KABUPATEN DELI SERDANG BERDASARKAN DATA TAHUN 2005-2009”

1.2 Perumusan Masalah

Adapun yang menjadi masalah dalam penelitian ini adalah : Belum adanya model ramalan yang dilakukan dalam menentukan perkiraan besar pajak bumi dan bangunan di Kabupaten Deli Serdang, untuk tahun 2011.

1.3 Batasan Masalah

Dari latar belakang yang telah diuraikan diatas, Maka yang menjadi batasan permasalahan adalah Besarnya penerimaan pajak untuk tahun 2011 pada Dinas pendapatan Kabupaten Deli Serdang berdasarkan data bulanan tahun 2005-2009.

1.4 Tujuan Penelitian

Secara umum penulisan ini bertujuan untuk mengetahui berapa besar perkiraan bagi daerah dari sektor penerimaan pajak pada Dinas Pendapatan Kabupaten Deli Serdang untuk tahun 2011 berdasarkan data bulanan 2005-2009.

Bagi suatu daerah yang ingin meningkatkan atau memajukan pembangunan sangatlah diperlukan sumber keuangan yang dapat memberi pemasukan pada daerah

1.5 Tinjauan Pustaka

Teori penunjang yang digunakan untuk mewujudkan tulisan ini adalah : 1. Metode dan aplikasi Peramalan Edisi ke II oleh Spyros Makridarkis

Peramalan adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama, sedangkan waktu yang relatif singkat tidak dibutuhkan peramalan.

Pada umumnya kegiatan peramalan ini digunakan untuk : - Untuk menentukan sumber daya di masa yang akan datang - Sebagai alat pembantu perencanaan

- Untuk membuat keputusan yang tepat

Dengan menggunakan rumus sebagai berikut :

m

b

a

F

t+m

=

t

+

t

Dengan : ' 1 '

)

1

(

+

₋

+

=

t t

t

X

S

S

α

α

" 1 ' "

)

1

(

+

₋

+

=

t t

t

S

S

S

α

α

" '

2

t t

t

S

S

a

=

−

)

(

1

" ' t t

t

S

S

b

−

−

=

α

α

Dimana :

=

' t

S

Smoothing tunggal periode t

=

"

t

=

t

X

Nilai rill periode t

=

−

' 1

t

S

Smoothing eksponensial tunggal periode t-1

" 1

−

t

S

= Smoothing pemulusan eksponensial ganda periode t-1

=

+m t

F

Ramalan untuk m periode ke muka

2. Pajak Bumi dan Bangunan oleh Soemitro, Rochmad.

Defenisi pajak dikemukakan oleh Prof. DR. Rochmat Soemitro, SH. Pajak adalah iuran rakyat kepada kas Negara berdasarkan undang-undang (yang dapat dipaksakan) dengan tidak mendapat jasa timbal-balik (kontraprestasi) yang langsung dapat ditunjukkan, dan yang digunakan untuk membayar pengeluaran umum.

1.6 Metode Penelitian

Metode yang penulis gunakan untuk melaksanakan penelitian ini adalah: 1. Metode Penelitian Kepustakaan (Studi Literatur)

Dalam hal ini pengumpulan data dilakukan dengan membaca buku-buku ataupun literatur yang berhubungan dengan pajak, ilmu yang didapat pada saat perkuliahan serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

Serdang . Data sekunder adalah data yang diperoleh atau dirangkum ulang berdasarkan data yang telah tersedia atau disusun dan disajikan dalam bentuk angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang sekumpulan data.

3. Pengolahan Data

Adapun pengolahan data dalam meramalkan penerimaan pajak pada tahun 2011 berdasarkan data tahun 2005-2009 dengan menggunakan metode Pemulusan Eksponensial Ganda : Linier Satu-Pameter Brown.

Dengan Rumus:

m

b

a

F

_t+m

=

_t

+

_t

Dimana: ' 1 '

)

1

(

+

₋

+

=

t t

t

X

S

S

α

α

" 1 ' "

)

1

(

+

₋

+

=

t t

t

S

S

S

α

α

" '

2

t t

t

S

S

a

=

−

)

(

1

" ' t t

t

S

S

b

−

−

=

α

α

Dimana:

S

_t'

=

Smoothing tunggal periode t

=

"

t

S

Smoothing eksponensial ganda periode t

=

t

X

Nilai rill periode t

=

−

' 1

t

" 1

−

t

S

= Smoothing pemulusan eksponensial ganda periode t-1

=

+m t

F

Ramalan untuk m periode ke muka

1.7 Sistematika Penulisan

Bab 1 : PENDAHULUAN

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

Bab 2 : TINJAUAN TEORITIS

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

Bab 3 : SEJARAH SINGKAT KABUPATEN DELI SERDANG

Bab ini menjelaskan tentang gambaran umum Kabupaten Deli Serdang dan informasi dari Kabupaten Deli Serdang mengenai situasi dan kondisi yang terjadi pada saat ini.

Bab 4 : ANALISA DAN PENGOLAHAN DATA

Bab 5 : IMPLEMENTASI SISTEM

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

Bab 6 : KESIMPULAN DAN SARAN

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

BAB II

LANDASAN TEORI

2.1 Pengertian peramalan (Forecasting)

Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (Assauri, 1991). Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut didasarkan atas bermacam-macam cara, diantaranya adalah Metode Pemulusan (Smoothing) Eksponensial, Metode perataan (Average), dan Metode Box Jenkins. Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain, metode peramalan ini digunakan dalam peramalan yang bersifat objektif.

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

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

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

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

2.2 Kegunaan Peramalan

Kegunaan peramalan terlihat pada saat pengambilan keputusan, keputusan adalah keputusan yang didasarkan atas pertimbangan-pertimbangan yang akan terjadi pada waktu keputusan itu dilaksanakan.

Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor-faktor yang dapat diketahui, maka perencanaan dapat memegang peranan penting.

Dalam sebuah instansi pemerintah maupun swasta, perencanaan sangat dibutuhkan untuk pengambilan keputusan untuk beberapa waktu kedepan. Apalagi saat ini, telah terjadi kemajuan yang pesat dalam bidang peramalan. beberapa kegunaan peramalan dalam bagian organisasi yaitu :

1. Bagi Dinas Pendapatan Kabupaten Deli Serdang dapat memperkirakan seberapa besar penerimaan pajak untuk tahun mendatang, dimana pajak merupakan nilai tambah bagi pendapatan dearah itu sendiri.

2. Mempermudah Pemerintahan Daerah Deli Serdang dalam perencanaan pembangunan untuk tahun mendatang dengan perkiraan yang telah diramalkan dari sector pajak. Sehingga pelaksanaan otonomi daerah terlaksana diharapkan dan diupayakan dapat menjadi penyangga utama dalam membiayai kegiatan pembangunan daerah.

3. ilmu yang di dapat semenjak mengikuti perkuliahan untuk diterapkan di instansi-instansi pemerintah maupun swasta dalam penyelesaian permasalahan

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

2.3 Jenis Peramalan

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

1. Peramalan yang subjektif

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

2. Peramalan yang objektif

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

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

1. Peramalan jangka panjang

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

2. Peramalan jangka pendek

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

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

1. Peramalan yang Kualitatif atau Teknologis

Peramalan kualitatif adalah peramalan yang didasarkan atas dasar kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang yang menyusunnya. Hal ini sangat penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat instuisi, pendapatan dan pengetahuan dari orang yang menyusunnya. Metode kualitatif dapat dibagi

2. Peramalan Kuantitatif

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

Pada akhir ini telah dikembangkan beberapa metode atau teknik-teknik peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi. Peramalan dibedakan atas peramalan kuantitatif dan kualitatif. Dalam hal ini penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan tugas akhir ini adalah cara memperkirakan sesuatu yang akan terjadi dimasa depan secara kuantitatif. Oleh karena itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif.

Pada dasarnya metode peramalan kuantitatif dibedakan atas :

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

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

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

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu :

1. Adanya informasi tentang masa lalu

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data

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

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan

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

2.4 Jenis-Jenis Metode Peramalan

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

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

2. Metode Regresi

Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang

3. Metode Box-Jenkins

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

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

2.4.1 Analisa Deret Berkala

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

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

2.4.2 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. Horizontal waktu

Ada dua aspek dari horizontal waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu dimasa 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 didalam data yang diramalkan akan berkelanjutan.

3. Jenis dan Model

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

4. Biaya yang dibutuhkan

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

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

5. Ketepatan metode peramalan

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

6. Kemudahan dalam penerapan

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

2.4.3 Penentuan Pola Data

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

1. Pola data Horizontal

Pola ini terjadi bila berfluktasi disekitar nilai rata-rata yang konstan.

2. Pola Data Musiman (Seasonal)

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

3. Pola Siklis (Cyclical)

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

4. Pola Data Trend

2.5 Metode Pemulusan (Smoothing)

Metode pemulusan (Smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun lalu untuk menaksir nilai pada beberapa tahun kedepan. Secara umum metode pemulusan diklasifikasikan menjadi dua bagian yaitu :

1. Metode Rata-rata

Metode rata-rata dibagi atas empat bagian yaitu : a. Nilai tengah (mean)

b. Rata-rata bergerak tunggal (Single Moving Average) c. Rata-rata bergerak ganda (Double Moving Avarage) d. Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial :

t t

t

X

F

F

+1

=

α

+

(

1

−

α

)

Dimana :

1

+

t

F

= ramalan suatu periode ke depan

t

X

= data aktual pada periode ke-t

t

F

= ramalan pada periode ke-t

α

= parameter pemulusan

Bila bentuk umum tersebut diperluas maka akan berbentuk menjadi :

) 1 ( 2

2 1

1

(

1

)

−

(

1

)

−

...

(

1

)

− −

+

=

+

−

+

−

+

+

−

t N

N t

t t

t

X

X

X

X

F

α

α

α

α

α

α

Dari pemulusan bentuk umum diatas dapatlah dikatakan bahwa metode pemulusan eksponensial merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang lebih tua. Metode ini terdiri atas :

1. Metode Eksponensial

a. Satu parameter (One Parameter).

b. Pendekatan Aditif

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

2. Metode smoothing Eksponensial Ganda a. Metode linier satu parameter dari Brown. b. Metode Dua Parameter dari Holt.

3. Metode eksponensial Triple

a. Metode Kuadratik satu parameter dari Brown

Digunakan untuk pola kuadratik, kubik atau orde yang lebih tinggi. b. Metode kecenderungan dan musim tiga parameter dari Winter

2.5.1 Metode yang Digunakan

Untuk menggunakan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan penerimaan pajak. Dengan menggunakan Metode Smoothing Eksponensial Ganda satu parameter dari Brown.

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

Persamaan yang dapat dipakai dalam pelaksanaan Eksponensial Linier satu parameter dari Brown adalah 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

S

S

a

=

−

)

(

1

" ' t t

t

S

S

b

−

−

=

α

α

Dimana :

=

'

t

S

Smoothing tunggal periode t

=

"

t

S

Smoothing eksponensial ganda periode t

α

= Parameter Pemulusan Eksponensial

t

t

b

a

,

= Konstanta pemulusan

m t

F

₊ = Ramalan untuk m periode ke muka

2.6Ketepatan Ramalan

Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah : 1. M E (Mean Error) / Nilai Tengah Kesalahan

ME =

N

e

N t

t

∑

=1

2. M S E (Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat MSE =

N

e

N t t

∑

=1 2

3. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

MAE =

N

e

N t t

∑

=1

4. S S E (Sum Square Error) / Jumlah Kuadrat Kesalahan

SSE =

∑

= N t t

e

1 2

5. S D E (Standard Deviation Of Error) / Devisi Standard Kesalahan

SDE =

N

e

N t t

∑

=1 2

6. M A P E (Mean Absolut Pencentage Error) / Nilai tengah Kesalahan Persentase Absolut MAPE =

N

PE

N t t

∑

=1

7. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase

MPE =

N

PE

N t

t

∑

=1

Dimana :

et = Xt –Ft (Kesalahan pada period ke-t) Xt = data aktual pada periode ke-t

Ft = Nilai ramalan pada periode ke-t N = banyaknya periode waktu

( )

100













−

=

t t t t

X

F

X

PE

(Kesalahan persentase pada periode ke-t)

Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai M S E yang terkecil.

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Singkat Kabupaten Deli Serdang

3.1.1 Latar Belakang Terbentuknya kabupaten Deli Serdang

Sebelum perang dunia II atau tegasnya sebelum Proklamasi Kemerdekaan Republik Indonesia 17 Agustus 1945 kabupaten Deli Serdang adalah merupakan daerah kesultanan Deli dan Serdang. Kesultanan Deli berkedudukan di Medan dan kesultanan Serdang berkedudukan di Perbaungan. Kedua wilayah tersebut dalam masa penjajahan adalah merupakan keresidenan Sumatera Timur sejak proklamasi kemerdekaan Indonesia, kekuasaan kesultanan berakhir dan struktur Pemerintah di sesuaikan dengan Pemerintah Indonesia dan kesultanan Deli dan Serdang dijadikan daerah kabupaten Deli Serdang.

Dalam masa pemerintahan Republik Indonesia Serikat (RIS), keadaan Sumatera Timur mengalami pergolakan yang dilakukan oleh rakyat secara spontan menuntut agar NST (Negara Sumatera Timur) yang dianggap sebagai prakarsa Van Mook (Belanda) dibubarkan dan wilayah Sumatera Timur kembali masuk Negara Republik Indonesia. Para pendukung NST membentuk Permusyawaratan Rakyat se Sumatera Timur menentang Kongres Rakyat Sumatera Timur yang dibentuk oleh Front Nasional.

Negara-negara bagian dan daerah-daerah istimewa lain di Indonesia kemudian bergabung dengan NRI, sedangkan Negara Indonesia Timur (NIT) dan Negara Sumatera Timur (NST) tdak bersedia. Akhirnya Pemerintah NRI meminta kepada Republik Indonesia Serikat (RIS) untuk mencari kata sepakat dan mendapat mandat penuh dari NST dan NIT untuk bermusyawarah dengan NRI tentang pembentukan Negara Kesatuan dengan hasil antara lain Undang-Undang Dasar Sementara Kesatuan yang berasal dari UUD RIS diubah sesuai dengan Undang-Undang Dasar 1945.

Atas dasar tersebut terbentuklah Kabupaten Deli Serdang seperti tercatat dalam sejarah bahwa Sumatera Timur dibagi atas 5 (lima) Afdeling, salah satu diantaranya Deli end Serdang, Afdeling ini dipimpin seorang Asisten Residen beribukota Medan serta terbagi atas 4 (empat) Onder Afdeling yaitu Beneden Deli beribukota Medan, Bovan Deli beribukota Pancur Batu, Serdang beribukota Lubuk Pakam, Padang Bedagai beribukota Tebing Tinggi dan masing-masing dipimpin oleh Kontelir.

Selanjutnya dengan keputusan Dewan Perwakilan Rakyat Sumatera Timur tanggal 19 April 1946, Keresidenan Sumatera Timur dibagi menjadi 6 (enam). Kabupaten ini terdiri atas 6 (enam) Kewedanaan yaitu Deli Hulu, Deli Hilir, Serdang Hulu, Serdang Hilir, Bedagei / Kota Tebing Tinggi pada waktu itu ibukota berkedudukan di Perbaungan. Kemudian dengan Besluit Wali Negara tanggal 21 Desember 1949 wilayah tersebut adalah Deli Serdang dengan ibukota Medan meliputi

Pada tanggal 14 November 1956. Kabupaten Deli dan Serdang ditetapkan menjadi Daerah Otonom dan namanya berubah menjadi Kabupaten Deli Serdang sesuai dengan Undang-Undang Nomor 22 tahun 1948 yaitu Undang-Undang Pokok-pokok Pemerintahan Daerah dengan Undang-Undang Nomor 7 Drt Tahun 1956. Untuk merealisasikannya dibentuklah Dewan Perwakilan Rakyat Daerah (DPRD) dan Dewan Pertimbangan Daerah (DPD).

Tahun demi tahun berlalu setelah melalui berbagai usaha penelitian dan seminar-seminar oleh para pakar sejarah dan pejabat Pemerintah Daerah Tingkat II Deli Serdang pada waktu itu (sekarang Pemerintah Kabupaten Deli Serdang), akhirnya disepakati dan ditetapkanlah bahwa Hari Jadi Kabupaten Deli Serdang adalah tanggal 1 Juli 1946.

Berdasarkan Peraturan Pemerintah Nomor 7 Tahun 1984, ibukota Kabupaten Deli Serdang dipindahkan dari Kota Medan ke Lubuk Pakam dengan lokasi perkantoran di Tanjung Garbus yang diresmikan oleh Gubernur Sumatera Utara tanggal 23 Desember 1986. Demikian pula pergantian pimpinan di daerah inipun telah terjadi beberapa kali. Yakni:

1. Wunar S.Hamidjojo 2. Sampoerno Kolopaking 3. Wan Oemaruddin 4. Abdullah Eteng

5. Abdul Kadir Kendal Keliat 6. H. Baharoeddin Siregar 7. H. Abdul Muis

8. H. Tenteng Ginting 9. H. Wasiman 10. H. Ruslan Mansyur 11. H. Maymaran NS 12. H. Abdul Hafid

13. Drs. H. Amri Tambunan

Sama halnya dengan badan eksekutif maka bidang legislatif, dapat pula diketahui Putra/I ibu pertiwi di daerah yang telah mendapat kesempatan menjadi Ketua DPRD Deli Serdang, yakni:

1. Bonar Ginting 2. H. Machmud Hasan 3. T. A Muhid Arif 4. Kapten M. Selamat 5. Cus Wasiman, BA 6. H. Muhammad Rizam 7. T. Abunawar Sinar Al Haj 8. Iring Sapei

9. Usman DS

10. Kol. Drs. Nusrin Siregar 11. Naik Tarigan

Daerah Kabupaten Deli Serdang juga merupakan daerah yang cukup terkenal di kawasan nusantara, terutama karena devisa Negara yang berasal dari hasil bumi kabupaten Deli Serdang yang sangat potensial seperti karet, tembakau dan kelapa sawit. Di bidang politik pun kabupaten Deli Serdang cukup kritis seperti peristiwa-peristiwa pentraktoran Tanjung Morawa pada masa orde lama yang telah mengakibatkan jatuhnya kabinet di zaman orde baru. Peranan kabupaten daerah Deli Serdang dalam pembangunan sangat menonjol. Melalui pembangunan yang dilakukan oleh pemerintah orde baru telah kelihatan meningkatnya pertumbuhan ekonomi di berbagai sektor di Deli Serdang. Dimana sektor pertanian dan perkebunan menjadi pameran utama dalam meningkatkan pendapatan para petani di kabupaten Deli Serdang.

Kecamatan deli serdang terdiri dari beberapa, yakni: 1. Gunung Meriah

2. STM. Hulu 3. Sibolangit 4. Kutalimbaru 5. Pancur batu 6. Namo rambe 7. Biru-biru 8. STM. Hilir 9. Bangun purba 10. Galang

11. Tanjung morawa 12. Patumbak 13. Deli tua

14. Sunggal

15. Hamparan perak 16. Labuhan deli 17. Percut sei tuan 18. Batang kuis 19. Pantai labu 20. Beringin 21. Lubuk pakam 22. Pagar merbau

Kabupaten Deli Serdang awalnya memiliki 23 kecamatan dimana kecamatan Serdang Bedagai memekarkan diri menjadi Kabupaten baru pada tahun 2003. sehingga kecamatan Deli Serdang sampai saat ini tinggal 22 Kecamatan.

3.1.2 Lokasi dan Keadaan Geografis

Daerah Kabupaten Deli Serdang menempati area seluas 251.937 Hektar yaitu sekitar 3,51% dari luas provinsi Sumatera Utara (7.160.000 Hektar) dimana kabupaten Deli Serdang berada di kawasan pantai timur provinsi Sumatera Utara.

Secara Geografis Kabupaten Deli Serdang berada pada

2

0

57

"

LU,

3

0

16

"

LS dan

98

0

33

"

−

99

0

27

"

BT. Kota Lubuk Pakam adalah ibukota Kabupaten Deli

Kabupaten Deli Serdang terdapat 5 (lima) Daerah Aliran Sungai (DAS) yaitu DAS Belawan, DAS Deli, DAS Belumai, DAS Percut, dan DAS Ular, dengan luas areal 378.841 HA, yang kesemuanya bermuara ke Selat Malaka dengan hulunya berada di Kabupaten Simalungun, dan Karo. Pada umumnya sub DAS ini dimanfaatkan untuk mengairi areal persawahan sebagai upaya peningkatan produksi pertanian.

Kabupaten Deli Serdang yang terletak disebelah pantai timur provinsi Sumatera Utara yang berbatasan dengan: di sebelah utara berbatasan dengan kabupaten Langkat dan selat Malaka, di sebelah selatan berbatasan dengan Kabupaten Karo dan Simalungun, di sebelah barat berbatasan dengan Kabupaten Langkat dan Karo dan di sebelah Timur berbatasan dengan Kabupaten Serdang Bedagai.

3. 1. 3 Iklim

Kabupaten Deli Serdang memiliki iklim tropis. Pengamatan stasiun sampali menunjukkan rata-rata kelembapan udara perbulan sekitar 83 %, curah hujan berkisar antara 51 sampai 502 mm perbulan dengan periode tertinggi pada bulan September dan Oktober 2009. Hari hujan perbulan berkisar 9-23 hari dengan periode hari hujan yang besar pada bulan September sampai Oktober 2009. Rata-rata kecepatan udara berkisar 2,0 m/dt dengan tingkat penguapan sekitar 4,0 mm/hari. Temperatur udara perbulan minimum 0

C

9

,

23

dan maksimum 0

C

4

,

Pengamatan di stasiun Gunung Pamela, dapat dilihat bahwa kelembapan udara rata 83 % curah hujan berkisar antara 45 sampai 287 mm/bulan. Sementara rata-rata kecepatan, tingkat penguapan dan temperatur udara tidak dapat diamati.

3.1.4 Penduduk

Penduduk Kabupaten Deli Serdang terdiri dari berbagai suku bangsa antara lain : Melayu, Karo, Simalungun, Toba, Mandailing, Jawa, Minangkabau dan lain-lain yang pada umumnya memeluk agama Islam, Kristen, Katolik, Hindu dan Budha.

Akibat pemekaran Kabupaten Deli Serdang menjadi dua wilayah pemerintahan, sudah tentu mengalami perubahan kepada pengurangan jumlah penduduk

Jumlah Penduduk yang bermukim di daerah ini sampai dengan tahun 2007 diperkirakan sebanyak 1.686.366 Jiwa.dengan kepadatan rata-rata 675 jiwa/km2 dengan penduduk terpadat di kec. Deli Tua yaitu 6.057 jiwa/km2 dan penduduk terendah/ jarang di kec. Gunung Meriah 33 jiwa/km2.

Jumlah penduduk yang besar dan berkualitas merupakan modal pelaksanaan pembangunan dan potensi bagi peningkatan pembangunan di segala bidang. Namun jumlah penduduk yang besar apabila tidak diupayakan pengembangan kualitasnya

Dampak pembangunan terhadap dinamika kependudukan antara lain dapat dilihat dari aspek kuantitas dan kualitas penduduk yang diindikasikan dari pertumbuhan penduduk, kepadatan penduduk, rasio jenis kelamin, angka ketergantungan umur, median umur, rata-rata anak lahir hidup/rata-rata masih hidup dan angka migrasi, umur perkawinan pertama, pendidikan, dan ketenagakerjaan.

3.2 Sejarah Singkat Badan Pusat Statistika

3.2.1 Latar Belakang BPS

Sejarah Badan Pusat Statistika dibagi dalam tiga masa, yaitu masa sebelum kemerdekaan, masa setelah kemerdekaan dan masa ordde baru. Masa sebelum kemerdekaan dibagi kembali dalam dua masa yaitu masa pemerintahan Belanda dan masa pemerintahan jepang.

1. Masa Pemerintahan Belanda

a. Pada bulan februari 1920, kantor statistik pertama kali dibentuk oleh direktur pertanian, kerajinan, dan perdagangan ( Direktur Van Landbouw Nijerverheeid en Handel) yang berkedudukan di Bogor. Kantor ini diserahi tugas unntuk mengelola dan mempublikasikan data statistik.

b. Pada bulan maret 1923, dibentuk suatu komisi untuk badan statistika yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diserahi tugas merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk

mencapai kesatuan dalam kegiatan di bidang statistika Indonesia.

c. Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama central Kantor Voor de Statistika (CSK) atau kantor statistika dan pindah ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme statistika perdagangan yang semula dilaksanakan oleh kantor Invoer Uitvoer en Accijnsen (IUA) yang sekarang di sebut kantor bea dan cukai.

2. Masa Pemerintahan jepang

a. Pada bulan juni 1944, pemerintahan jepang baru mengaktifkan kembali kegiatan statistika yang utamanya diarahkan untuk memenuhi kebutuhan perang dan militer.

b. Pada masa ini CKS di ganti namanya menjadi Shomobu Chosasitsu Gunseikanbu.

3. Masa Kemerdekaan Republik

a. Setelah proklamasi kemerdekaan Repulik Indonesia tanggal 17 Agustus 1945, kegiatan statistika ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 kantor KAPPURI dipindahkan ke yogyakarta sebagai konsekuensi Linggarjati. Sementara pemerintahan Belanda (NICA) di Jakarta mengaktifkan

kantor Pusat statistika (KPS) dan berada dibawah dan bertanggung jawab kepada menteri kemakmuran.

c. Dengan surat menteri perekonomian tanggal 1 Maret 1952 No. P/44, lembaga KPS berada dibawah tanggung jawab menteri perekonomian. Selanjutnya keputusan menteri perekonomian tanggal 24 Desember 1953 No. 18.009/M KPS dibagi menjadi dua bagian yaitu bagian Research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B. d. Dengan keputusan presiden RI No. 131 Tahun 1957 ,

kementerian perekonomian dipecah menjadi kementerian perdagangan dan perindustrian. Untuk selanjutnya keputusan Presiden RI No. 172 Tahun 1957, terhitung mulai tanggal 1 juni 1957 nama KPS diubah menjadi Biro Pusat Statistika dan urusan statistika yang semula menjadi tanggung jawab dan wewenang berada di bawah perdana Menteri.

4. Masa Orde Baru Sampai Sekarang

a. Pada pemerintahan orde baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistika yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan Organisasi Biro Pusat Statistika.

b. Dalam masa orde baru ini BPS telah mengalami empat kali perubahan stuktur organisasi, yaitu:

1. Peraturan Pemerintahan No. 16 tahun 1968 tentang organisasi BPS

2. Peraturan Pemerintahan No. 16 tahun 1980 tentang organisasi BPS

3. Peraturan Pemerintahan No. 2 Tahun 1992 tentang organisasi BPS dan keputusan Presiden No.6 tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja Biro Pusat Statistika

4. Undang-Undang No. 16 Tahun 1997 tentang statistika 5. Keputusan Presiden RI No. 86 tentang BPS

6. Keputusan Kepala BPS No. 100 Tahun 1998 tentang organisasi dan tata kerja BPS

7. PP No. 51 Tahun !999 tentang penyelenggaraan statistika c. Tahun 1968 ditetapkan peraturan pemerintahan No. 16 tahun

1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan daerah. Tahun1980 peraturan pemerintahan No. 16 1980 tentang organisasi sebagai pengganti peraturan pemerintahan No. 6 tahun 1968. berdasarkan peraturan pemerintahan No.6 tahun 1980 di tiap provinsi terdapat perwakilan BPS dengan nama kantor statistik provinsi. Di kabupaten/Kotamadya terdapat cabang perwakilan BPS dengan nama kantor Statistik Kabupaten/Kotamadya. Pada tanggal 19 mei 1997 menetapkan tentang statistik sebagai pengganti undang-undang No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 juni 1998

3. 2. 2 Struktur Organisasi Badan Pusat Statistik

Badan pusat statistik adalah suatu lembaga pemerintah Non – Departemen yang bertanggung jawab kepada presiden. Ini menjamin BPS tidak tergantung pada instansi pemerintah lainnya dalam menghasilkan data statistik.

Struktur organisasi BPS berlandaskan pada peraturan pemerintah No. 2 Tahun 1992. Didaerah – daerah terdapat 27 kantor perwakilan Badan Pusat Statistik tingkat Provinsi, dan dibawahnya terdapat 302 kantor perwakilan Badan Pusat Statistik tingkat kabupaten / Kotamadya.

Kantor statistik tingkat provinsi dibagi dalam dua kategori yaitu tipe A dan tipe B. tipe kantor statistik tersebut didasarkan atas beban kerja serta pertimbangan lain yang dinilai mempunyai keterkaitan langsung dengan tugas dan fungsi kantor statistik provinsi. Pengumpulan data penulis ini yang dilakukan BPS dan masuk dalam kategori tipe A. Kantor statistik tipe A berlokasi dienam provinsi yaitu : DKI Jakarta, Jawa Barat, Jawa Timur, Jawa Tengah, Sumatera Utara, Sulawesi Utara, Sulawesi Selatan sedangkan kantor statistik diprovinsi lainnya bertipe B.

Mantri statistik adalah aparat Badan Pusat Statistik di Kecamatan yang bertanggung jawab kepada Kepala Kantor Statistik tingkat II. Mereka itu adalah petugas pengumpul data statistik yang secara langsung berhubungan dengan responden. Untuk memperlancar kegiatan statistik dan menghindari kecurigaan diantara responden, undang-undang statistik juga mengatur berbagai ketentuan,

termasuk kewajiban untuk memberikan data, kerahasiaan data individual pelanggaran hukum.

3.2.3 Visi dan Misi Badan Pusat Statistika

1. Visi

Badan Pusat Statistika mempunyai visi untuk menjadikan informasi sebagai tulang punggung pembangunan nasional dan regional, di dukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

2. Misi

Dalam menunjang pembangunan nasional Badan Pusat Statistika mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu dan handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan kegunaan Badan Pusat Statistika dan pengembangan ilmu pengetahuan statistik dalam kehidupan masyarakat.

BAB 4

ANALISA DAN PENGOLAHAN DATA

4.1 Arti dan Kegunaan Analisa Data

Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan menguraikan masalah menjadi parsial maupun keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data. data yang akan diolah adalah data nilai penerimaan pajak di Kabupaten Deli Serdang pada tahun 2005-2009. Analisis yang dipakai dalam pengolahan data ini adalah analisis pemulusan Eksponensial ganda.

4.2 Analisis Pemulusan Ekponensial Ganda

Pada bagian ini penulis menentukan parameter yang akan digunakan, dimana nilai parameter (

α

) besarnya antara 0<

α

<

1

dengan cara trial dan error,

Adapun langkah-langkah yang ditempuh untuk menentukan persamaan peramalan dengan menggunakan Metode Linier satu Parameter dari Brown adalah :

1. Menentukan harga parameter smoothing eksponensial yang besarnya dari 0<

α

<1

2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan : ' 1 '

)

1

(

+

₋

+

=

t t

t

X

S

S

α

α

3. Menghitung harga pemulusan ekponensial ganda dengan menggunakan persamaan : " 1 ' "

)

1

(

+

₋

+

=

t t

t

S

S

S

α

α

4. Menghitung koefisien

a

_tdan

b

_t Menggunakan persamaan :

" '

2

t t

t

S

S

a

=

−

)

(

1

" ' t t

t

S

S

b

−

−

=

α

α

5. Menghitung trend peramalan (

F

_t+m) dengan menggunakan rumus :

m t

Tabel 4.1 Data Jumlah Nilai Penerimaan pajak di Kabupaten Deli Serdang Tahun 2005-2009

BULAN

TAHUN

2005 2006 _{2007 2008 2009} Januari 275,58 214,75 454,12 121,15 1.334,9 Februari _{120,59 120,04 880,55 978,59 393,79} Maret 145,56 199,42 697,11 434,00 1.326,9 April 140,28 86,27 810,68 463,29 891,28 Mei 159,08 9.939,21 416,85 12.564,37 1.705,95 Juni 6.450,53 502,28 782,42 1.483,01 655,26 Juli 7.928,95 2.156,97 14.449,83 15.420,87 12.699,69 Agustus 8.565,57 15.118,59 17.636,42 7.694,67 14.439,83 September 4.352,87 9.228,1 12.891,62 22.025,22 14.095,09 Oktober 7.313,73 14.621,00 14.142,47 13.331,84 15.408,78 November 474,52 680,67 3.676,61 584,40 18.076,38 Desember 20.866,94 19.411,55 17.540,55 7.673,08 13.159,72

Sumber : Dinas Pendapatan Daerah Kabupaten Deli Serdang

0,00 5.000,00 10.000,00 15.000,00 20.000,00 25.000,00 Jan -05 _Mei S ep tem b er Jan -06 _Mei S ep tem b er Jan -07 _Mei S ep tem b er Jan -08 _Mei S ep tem b er Jan -09 _Mei S ep tem b er N ila i Pe n e r im a a n

Data Aktual

Penerimaan Pajak

4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown 4.3.1 Penaksiran Model Peramalan

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

Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang. maka terlebih dahulu kita menentukan parameter nilai

α

yang biasanya secara trial and error ( coba dan salah ).

Suatu nilai

α

dipilih yang besarnya 0<

α

<1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai

α

yang lain.

Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara sistematis rumus MSE (Mean Square Error) adalah sebagai berikut :

MSE =

N

e

N t

t

∑

=1

Tabel 4.1 Data Jumlah Nilai Penerimaan pajak di Kabupaten Deli Serdang Tahun 2005-2009

BULAN

TAHUN

2005 2006 _{2007 2008 2009} Januari 275,58 214,75 454,12 121,15 1.334,9 Februari _{120,59 120,04 880,55 978,59 393,79} Maret 145,56 199,42 697,11 434,00 1.326,9 April 140,28 86,27 810,68 463,29 891,28 Mei 159,08 9.939,21 416,85 12.564,37 1.705,95 Juni 6.450,53 502,28 782,42 1.483,01 655,26 Juli 7.928,95 2.156,97 14.449,83 15.420,87 12.699,69 Agustus 8.565,57 15.118,59 17.636,42 7.694,67 14.439,83 September 4.352,87 9.228,1 12.891,62 22.025,22 14.095,09 Oktober 7.313,73 14.621,00 14.142,47 13.331,84 15.408,78 November 474,52 680,67 3.676,61 584,40 18.076,38 Desember 20.866,94 19.411,55 17.540,55 7.673,08 13.159,72

Sumber : Dinas Pendapatan Daerah Kabupaten Deli Serdang

0,00 5.000,00 10.000,00 15.000,00 20.000,00 25.000,00 Jan -05 _Mei S ep tem b er Jan -06 _Mei S ep tem b er Jan -07 _Mei S ep tem b er Jan -08 _Mei S ep tem b er Jan -09 _Mei S ep tem b er N ila i Pe n e r im a a n

Data Aktual

Penerimaan Pajak

4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown 4.3.1 Penaksiran Model Peramalan

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

Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang. maka terlebih dahulu kita menentukan parameter nilai

α

yang biasanya secara trial and error ( coba dan salah ).

Suatu nilai

α

dipilih yang besarnya 0<

α

<1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai

α

yang lain.

Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara sistematis rumus MSE (Mean Square Error) adalah sebagai berikut :

MSE =

N

e

N t

t

∑

=1

Tabel 4.2 Peramalan Penerimaan Pajak dengan Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan menggunakan

α

=

0

,

1

X t

S

_t' "

t

S

a

t

b

t

F

t+m

e

t

2

t

e

275,58 275,58 275,58

120,59 260,08 274,03 246,1 -1,5499

145,56 248,63 271,49 225,8 -2,5401 244,58 -99,02 9805 140,28 237,79 268,12 207,5 -3,3696 223,23 -82,95 6880 159,08 229,92 264,3 195,5 -3,8198 204,1 -45,02 2027 6450,53 851,98 323,07 1380,9 58,7683 191,72 6258,81 39172642 7928,95 1559,68 446,73 2672,6 123,6611 1439,67 6489,28 42110806 8565,57 2260,27 628,08 3892,5 181,3539 2796,29 5769,28 33284578 4352,87 2469,53 812,23 4126,8 184,1445 4073,81 279,06 77876 7313,73 2953,95 1026,4 4881,5 214,1721 4310,97 3002,76 9016542

474,52 2706,01 1194,36 4217,7 167,9606 5095,67 -4621,15 21355027 20866,94 4522,1 1527,13 7517,1 332,7739 4385,61 16481,33 271634171

214,75 4091,36 1783,56 6399,2 256,423 7849,84 -7635,09 58294572 120,04 3694,23 1974,63 5413,8 191,0674 6655,59 -6535,55 42713472 199,42 3344,75 2111,64 4577,9 137,0126 5604,91 -5405,49 29219285 86,27 3018,9 2202,36 3835,4 90,7265 4714,88 -4628,61 21424000 9939,21 3710,93 2353,22 5068,6 150,8569 3926,17 6013,04 36156675 502,28 3390,07 2456,91 4323,2 103,6847 5219,5 -4717,22 22252191 2156,97 3266,76 2537,89 3995,6 80,9852 4426,92 -2269,95 5152651 15118,59 4451,94 2729,3 6174,6 191,405 4076,61 11041,98 121925304

9228,1 4929,56 2949,32 6909,8 220,0261 6365,99 2862,11 8191663 14621 5898,7 3244,26 8553,1 294,9379 7129,82 7491,18 56117799 680,67 5376,9 3457,52 7296,3 213,2638 8848,08 -8167,41 66706602 19411,55 6780,36 3789,81 9770,9 332,284 7509,54 11902,01 141657921

454,12 6147,74 4025,6 8269,9 235,7931 10103,2 -9649,08 93104806 880,55 5621,02 4185,14 7056,9 159,5419 8505,67 -7625,12 58142462 697,11 5128,63 4279,49 5977,8 94,3486 7216,44 -6519,33 42501657 810,68 4696,83 4321,23 5072,4 41,7343 6072,12 -5261,44 27682704 416,85 4268,84 4315,99 4221,7 -5,239 5114,18 -4697,33 22064881 782,42 3920,19 4276,41 3564 -39,5793 4216,45 -3434,03 11792534 14449,83 4973,16 4346,08 5600,2 69,675 3524,4 10925,43 119364983 17636,42 6239,48 4535,42 7943,5 189,3401 5669,91 11966,51 143197407 12891,62 6904,7 4772,35 9037 236,9275 8132,89 4758,73 22645554 14142,47 7628,47 5057,96 10199 285,6125 9273,97 4868,5 23702268 3676,61 7233,29 5275,5 9191,1 217,5326 10484,6 -6807,99 46348721 17540,55 8264,01 5574,35 10953,7 298,8519 9408,61 8131,94 66128382 121,15 7449,73 5761,89 9137,6 187,5381 11252,53 -11131,38 123907706 978,59 6802,61 5865,96 7739,3 104,0729 9325,11 -8346,52 69664379

434 6165,75 5895,94 6435,6 29,9795 7843,34 -7409,34 54898368 463,29 5595,51 5865,89 5325,1 -30,0431 6465,55 -6002,26 36027095 12564,37 6292,39 5908,54 6676,2 42,6498 5295,08 7269,29 52842643 1483,01 5811,45 5898,84 5724,1 -9,709 6718,89 -5235,88 27414453 15420,87 6772,4 5986,19 7558,6 87,3561 5714,36 9706,51 94216243

7694,67 6864,62 6074,03 7655,2 87,8432 7645,96 48,71 2373 22025,22 8380,68 6304,7 10456,7 230,6648 7743,06 14282,16 203980221

13331,84 8875,8 6561,81 11189,8 257,1099 10687,33 2644,51 6993424 584,4 8046,66 6710,29 9383 148,4849 11446,9 -10862,5 117993867 7673,08 8009,3 6840,2 9178,4 129,9007 9531,51 -1858,43 3453756

1334,9 7341,86 6890,36 7793,4 50,1666 9308,31 -7973,41 63575231 393,79 6647,05 6866,03 6428,1 -24,3308 7843,53 -7449,74 55498579 1326,9 6115,04 6790,93 5439,1 -75,0992 6403,75 -5076,85 25774366 891,28 5592,66 6671,1 4514,2 -119,8269 5364,05 -4472,77 20005636 1705,95 5203,99 6524,39 3883,6 -146,7113 4394,39 -2688,44 7227729

655,26 4749,12 6346,87 3151,4 -177,5275 3736,88 -3081,62 9496369 12699,69 5544,18 6266,6 4821,8 -80,2691 2973,84 9725,85 94592099 14439,83 6433,74 6283,31 6584,2 16,7144 4741,48 9698,35 94057897 14095,09 7199,88 6374,97 8024,8 91,6565 6600,88 7494,21 56163110 15408,78 8020,77 6539,55 9502 164,5798 8116,44 7292,34 53178218 18076,38 9026,33 6788,23 11264,4 248,678 9666,56 8409,82 70724993 13159,72 9439,67 7053,37 11826 265,1441 11513,11 1646,61 2711332

26669,40 3047558935

Untuk

α

=

0

,

1

dan N = 58 Maka :

SSE =

∑

=

N t

t

e

1 2

= 3.047.558.935

MSE =

N

e

N t

t

∑

=1

2

=

58

935

.

558

.

047

.

3

Tabel 4.3 Peramalan Penerimaan Pajak dengan Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan menggunakan

α

=

0

,

2

X t

S

_t' "

t

S

a

t

b

t

F

t+m

e

t

2

t

e

275,58 275,58 275,58

120,59 244,58 269,38 219,8 -6,1996

145,56 224,78 260,46 189,1 -8,9206 213,58 -68,02 4627 140,28 207,88 249,94 165,8 -10,5164 180,17 -39,89 1592 159,08 198,12 239,58 156,7 -10,3650 155,30 3,78 14 6450,53 1448,60 481,38 2415,8 241,8045 146,29 6304,24 39743399 7928,95 2744,67 934,04 4555,3 452,6575 2657,62 5271,33 27786888 8565,57 3908,85 1529,00 6288,7 594,9620 5007,96 3557,61 12656601 4352,87 3997,65 2022,73 5972,6 493,7304 6883,66 -2530,79 6404901 7313,73 4660,87 2550,36 6771,4 527,6273 6466,31 847,42 718127

474,52 3823,60 2805,01 4842,2 254,6479 7299,01 -6824,49 46573611 20866,94 7232,27 3690,46 10774,1 885,4519 5096,84 15770,10 248696085

214,75 5828,76 4118,12 7539,4 427,6608 11659,53 -11444,80 130982928 120,04 4687,02 4231,90 5142,1 113,7797 7967,07 -7847,03 61575853 199,42 3789,50 4143,42 3435,6 -88,4802 5255,92 -5056,50 25568170 86,27 3048,85 3924,51 2173,2 -218,9133 3347,10 -3260,83 10633002 9939,21 4426,92 4024,99 4828,9 100,4836 1954,29 7984,92 63758998 502,28 3642,00 3948,39 3335,6 -76,5989 4929,34 -4427,06 19598885 2156,97 3344,99 3827,71 2862,3 -120,6802 3259,00 -1102,03 1214473 15118,59 5699,71 4202,11 7197,3 374,3998 2741,59 12377,00 153190134

9228,10 6405,39 4642,77 8168,0 440,6554 7571,71 1656,39 2743629 14621,00 8048,51 5323,92 10773,1 681,1488 8608,67 6012,33 36148164

680,67 6574,94 5574,12 7575,8 250,2054 11454,25 -10773,60 116070130 19411,55 9142,26 6287,75 11996,8 713,6286 7825,97 11585,58 134225671 454,12 7404,64 6511,13 8298,1 223,3771 12710,41 -12256,30 150216577 880,55 6099,82 6428,87 5770,8 -82,2617 8521,52 -7640,97 58384438 697,11 5019,28 6146,95 3891,6 -281,9177 5688,51 -4991,40 24914071 810,68 4177,56 5753,07 2602,0 -393,8780 3609,69 -2799,01 7834447 416,85 3425,42 5287,54 1563,3 -465,5307 2208,17 -1791,32 3208817 782,42 2896,82 4809,39 984,2 -478,1444 1097,76 -315,34 99441 14449,83 5207,42 4889,00 5525,8 79,6050 506,09 13943,74 194427755 17636,42 7693,22 5449,84 9936,6 560,8440 5605,44 12030,98 144744373 12891,62 8732,90 6106,45 11359,3 656,6113 10497,44 2394,18 5732099 14142,47 9814,81 6848,13 12781,5 741,6718 12015,96 2126,51 4522062 3676,61 8587,17 7195,94 9978,4 347,8093 13523,17 -9846,56 96954798 17540,55 10377,85 7832,32 12923,4 636,3825 10326,22 7214,33 52046565 121,15 8326,51 7931,16 8721,9 98,8381 13559,76 -13438,60 180596266 978,59 6856,92 7716,31 5997,5 -214,8463 8820,70 -7842,11 61498676 434,00 5572,34 7287,52 3857,2 -428,7940 5782,69 -5348,69 28608523 463,29 4550,53 6740,12 2360,9 -547,3972 3428,37 -2965,08 8791699 12564,37 6153,30 6622,75 5683,8 -117,3642 1813,54 10750,83 115580262

1483,01 5219,24 6342,05 4096,4 -280,7029 5566,48 -4083,47 16674704 15420,87 7259,57 6525,55 7993,6 183,5029 3815,73 11605,14 134679365

22025,22 10282,31 7408,27 13156,4 718,5105 8167,62 13857,60 192033095 13331,84 10892,22 8105,06 13679,4 696,7895 13874,87 -543,03 294877

584,40 8830,66 8250,18 9411,1 145,1188 14376,17 -13791,80 190212814 7673,08 8599,14 8319,97 8878,3 69,7920 9556,25 -1883,17 3546326 1334,90 7146,29 8085,24 6207,3 -234,7360 8948,10 -7613,20 57960819

393,79 5795,79 7627,35 3964,2 -457,8889 5972,61 -5578,82 31123257 1326,90 4902,01 7082,28 2721,7 -545,0668 3506,35 -2179,45 4749991

891,28 4099,87 6485,80 1713,9 -596,4827 2176,68 -1285,40 1652252 1705,95 3621,08 5912,85 1329,3 -572,9429 1117,45 588,50 346329

655,26 3027,92 5335,87 720,0 -576,9872 756,37 -101,11 10223 12699,69 4962,27 5261,15 4663,4 -74,7189 142,98 12556,71 157670901 14439,83 6857,78 5580,48 8135,1 319,3271 4588,68 9851,15 97045189 14095,09 8305,25 6125,43 10485,1 544,9539 8454,42 5640,67 31817157 15408,78 9725,95 6845,53 12606,4 720,1045 11030,02 4378,76 19173581 18076,38 11396,04 7755,63 15036,4 910,1007 13326,48 4749,90 22561597 13159,72 11748,77 8554,26 14943,3 798,6279 15946,54 -2786,82 7766374

20120,69 3246008320

Untuk

α

=

0

,

2

dan N = 58 Maka :

SSE =

∑

= N t t

e

1 2

= 3.246.008.320

MSE =

N

e

N t t

∑

=1 2 =

58

320

.

008

.

246

.

3

Tabel 4.4 Peramalan Penerimaan Pajak dengan Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan menggunakan

α

=

0

,

3

X t

S

_t' "

t

S

a

t

b

t

F

t+m

e

t

2

t

e

275,58 275,58 275,58

120,59 229,08 261,63 196,5 -13,9491

145,56 204,03 244,35 163,7 -17,2814 182,59 -37,03 1371 140,28 184,90 226,52 143,3 -17,8342 146,42 -6,14 38 159,08 177,16 211,71 142,6 -14,8079 125,46 33,62 1131 6450,53 2059,17 765,95 3352,4 554,2382 127,8 6322,73 39976967 7928,95 3820,10 1682,19 5958,0 916,2471 3906,63 4022,32 16179071 8565,57 5243,74 2750,66 7736,8 1068,465 6874,26 1691,31 2860531 4352,87 4976,48 3418,40 6534,6 667,747 8805,29 -4452,42 19824070 7313,73 5677,66 4096,18 7259,1 677,7753 7202,3 111,43 12416

474,52 4116,71 4102,34 4131,1 6,1605 7936,91 -7462,39 55687215 20866,94 9141,78 5614,17 12669,4 1511,833 4137,25 16729,69 279882529

214,75 6463,67 5869,02 7058,3 254,8499 14181,22 -13966,47 195062410 120,04 4560,58 5476,49 3644,7 -392,532 7313,17 -7193,13 51741154 199,42 3252,23 4809,21 1695,3 -667,277 3252,14 -3052,72 9319117

86,27 2302,44 4057,18 547,7 -752,031 1027,98 -941,71 886812 9939,21 4593,47 4218,07 4968,9 160,8874 -204,32 10143,53 102891287

502,28 3366,12 3962,48 2769,7 -255,586 5129,77 -4627,49 21413623 2156,97 3003,37 3674,75 2332,0 -287,734 2514,16 -357,19 127586 15118,59 6637,94 4563,71 8712,2 888,9561 2044,26 13074,33 170938097

9228,1 7414,99 5419,09 9410,9 855,3839 9601,12 -373,02 139147 14621 9576,79 6666,40 12487,2 1247,31 10266,27 4354,73 18963709 680,67 6907,95 6738,87 7077,0 72,46613 13734,49 -13053,82 170402223 19411,55 10659,03 7914,92 13403,1 1176,05 7149,51 12262,04 150357673 454,12 7597,56 7819,71 7375,4 -95,2072 14579,2 -14125,08 199517867 880,55 5582,46 7148,53 4016,4 -671,176 7280,2 -6399,65 40955541 697,11 4116,85 6239,03 1994,7 -909,504 3345,2 -2648,09 7012399 810,68 3125,00 5304,82 945,2 -934,209 1085,17 -274,49 75346 416,85 2312,56 4407,14 218,0 -897,68 10,97 405,88 164737 782,42 1853,51 3641,05 66,0 -766,088 -679,71 1462,13 2137823 14449,83 5632,41 4238,46 7026,4 597,4069 -700,11 15149,94 229520724 17636,42 9233,61 5737,01 12730,2 1498,546 7623,77 10012,65 100253249 12891,62 10331,01 7115,21 13546,8 1378,203 14228,77 -1337,15 1787957 14142,47 11474,45 8422,98 14525,9 1307,773 14925,02 -782,55 612390

3676,61 9135,10 8636,62 9633,6 213,6353 15833,69 -12157,08 147794696 17540,55 11656,73 9542,65 13770,8 906,0353 9847,22 7693,33 59187380

978,59 6030,82 8206,32 3855,3 -932,357 6849,47 -5870,88 34467186 434 4351,77 7049,95 1653,6 -1156,36 2922,96 -2488,96 6194934 463,29 3185,23 5890,54 479,9 -1159,42 497,23 -33,94 1152 12564,37 5998,97 5923,07 6074,9 32,53032 -679,5 13243,87 175400041

1483,01 4644,18 5539,40 3749,0 -383,665 6107,4 -4624,39 21385029 15420,87 7877,19 6240,74 9513,6 701,3362 3365,3 12055,57 145336809

7694,67 7822,43 6715,25 8929,6 474,5087 10214,98 -2520,31 6351943 22025,22 12083,27 8325,65 15840,9 1610,407 9404,13 12621,09 159291946 13331,84 12457,84 9565,31 15350,4 1239,656 17451,29 -4119,45 16969886

584,4 8895,81 9364,46 8427,2 -200,85 16590,03 -16005,63 256180120 7673,08 8528,99 9113,82 7944,2 -250,641 8226,31 -553,23 306060

1334,9 6370,76 8290,90 4450,6 -822,917 7693,52 -6358,62 40432056 393,79 4577,67 7176,93 1978,4 -1113,97 3627,71 -3233,92 10458222 1326,9 3602,44 6104,58 1100,3 -1072,35 864,44 462,46 213869 891,28 2789,09 5109,94 468,2 -994,648 27,95 863,33 745344 1705,95 2464,15 4316,20 612,1 -793,736 -526,4 2232,35 4983391

655,26 1921,48 3597,79 245,2 -718,415 -181,64 836,9 700399 12699,69 5154,94 4064,93 6245,0 467,1479 -473,24 13172,93 173525968 14439,83 7940,41 5227,58 10653,2 1162,643 6712,1 7727,73 59717743 14095,09 9786,81 6595,35 12978,3 1367,771 11815,89 2279,2 5194763 15408,78 11473,40 8058,76 14888,0 1463,417 14346,05 1062,73 1129390 18076,38 13454,30 9677,42 17231,2 1618,66 16351,46 1724,92 2975348 13159,72 13365,92 10783,97 15947,9 1106,55 18849,83 -5690,11 32377341

12449,99 3461895679

Untuk

α

=

0

,

3

dan N = 58 Maka :

SSE =

∑

=

N t

t

e

1 2

=

58

679

.

895

.

461

.

3

= 59.687.857

Tabel 4.5 Peramalan Penerimaan Pajak dengan Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan menggunakan

α

=

0

,

4

X t

S

_t' "

t

S

a

t

b

t

F

t+m

e

t

2

t

e

275,58 275,58 275,58

120,59 213,58 250,78 176,4 -24,7984

145,56 186,37 225,02 147,7 -25,7629 151,59 -6,03 36 140,28 167,94 202,19 133,7 -22,8328 121,97 18,31 335 159,08 164,39 187,07 141,7 -15,1168 110,85 48,23 2326 6450,53 2678,85 1183,78 4173,9 996,7117 126,60 6323,93 39992064 7928,95 4778,89 2621,82 6936,0 1438,0433 5170,63 2758,32 7608342 8565,57 6293,56 4090,52 8496,6 1468,6949 8374,00 191,57 36700 4352,87 5517,28 4661,23 6373,3 570,7063 9965,30 -5612,43 31499356 7313,73 6235,86 5291,08 7180,6 629,8550 6944,05 369,68 136663

474,52 3931,33 4747,18 3115,5 -543,9019 7810,50 -7335,98 53816609 20866,94 10705,57 7130,54 14280,6 2383,3572 2571,57 18295,37 334720523

214,75 6509,24 6882,02 6136,5 -248,5171 16663,96 -16449,21 270576653 120,04 3953,56 5710,64 2196,5 -1171,3827 5887,95 -5767,91 33268786 199,42 2451,91 4407,14 496,7 -1303,4923 1025,10 -825,68 681756

86,27 1505,65 3246,55 -235,2 -1160,5970 -806,83 893,10 797620 9939,21 4879,07 3899,56 5858,6 653,0112 -1395,84 11335,05 128483392

502,28 3128,36 3591,08 2665,6 -308,4804 6511,60 -6009,32 36111959 2156,97 2739,80 3250,57 2229,0 -340,5101 2357,16 -200,19 40074 15118,59 7691,32 5026,87 10355,8 1776,3000 1888,53 13230,06 175034573

9228,1 8306,03 6338,53 10273,5 1311,6652 12132,07 -2903,97 8433026 14621 10832,02 8135,93 13528,1 1797,3943 11585,19 3035,81 9216121 680,67 6771,48 7590,15 5952,8 -545,7791 15325,50 -14644,83 214471161 19411,55 11827,51 9285,09 14369,9 1694,9439 5407,03 14004,52 196126550 454,12 7278,15 8482,32 6074,0 -802,7756 16064,87 -15610,75 243695424 880,55 4719,11 6977,03 2461,2 -1505,2818 5271,21 -4390,66 19277924 697,11 3110,31 5430,34 790,3 -1546,6893 955,91 -258,80 66976 810,68 2190,46 4134,39 246,5 -1295,9545 -756,41 1567,09 2455778 416,85 1481,02 3073,04 -111,0 -1061,3501 -1049,43 1466,28 2149970 782,42 1201,58 2324,45 78,7 -748,5853 -1172,36 1954,78 3821165 14449,83 6500,88 3995,02 9006,7 1670,5693 -669,89 15119,72 228605815 17636,42 10955,09 6779,05 15131,1 2784,0283 10677,30 6959,12 48429330 12891,62 11729,70 8759,31 14700,1 1980,2610 17915,17 -5023,55 25236011 14142,47 12694,81 10333,51 15056,1 1574,1990 16680,36 -2537,89 6440872

3676,61 9087,53 9835,12 8339,9 -498,3928 16630,31 -12953,70 167798303 17540,55 12468,74 10888,57 14048,9 1053,4474 7841,55 9699,00 94070627

978,59 4909,26 7690,72 2127,8 -1854,3055 4170,84 -3192,25 10190453 434 3119,15 5862,09 376,2 -1828,6245 273,49 160,51 25762 463,29 2056,81 4339,98 -226,4 -1522,1131 -1452,41 1915,70 3669894 12564,37 6259,83 5107,92 7411,7 767,9419 -1748,47 14312,84 204857500

1483,01 4349,10 4804,39 3893,8 -303,5266 8179,69 -6696,68 44845498 15420,87 8777,81 6393,76 11161,9 1589,3666 3590,29 11830,58 139962680

7694,67 8344,55 7174,08 9515,0 780,3175 12751,23 -5056,56 25568768 22025,22 13816,82 9831,17 17802,5 2657,0970 10295,35 11729,87 137589897 13331,84 13622,83 11347,84 15897,8 1516,6613 20459,56 -7127,72 50804437

584,4 8407,46 10171,68 6643,2 -1176,1517 17414,48 -16830,08 283251649 7673,08 8113,71 9348,49 6878,9 -823,1914 5467,08 2206,00 4866446

1334,9 5402,18 7769,97 3034,4 -1578,5238 6055,73 -4720,83 22286215 393,79 3398,83 6021,51 776,1 -1748,4573 1455,87 -1062,08 1128023 1326,9 2570,06 4640,93 499,2 -1380,5826 -972,32 2299,22 5286399 891,28 1898,55 3543,98 253,1 -1096,9537 -881,40 1772,68 3142397 1705,95 1821,51 2854,99 788,0 -688,9875 -843,84 2549,79 6501422 655,26 1355,01 2255,00 455,0 -599,9920 99,04 556,22 309382 12699,69 5892,88 3710,15 8075,6 1455,1538 -144,97 12844,66 164985335 14439,83 9311,66 5950,75 12672,6 2240,6041 9530,77 4909,06 24098913 14095,09 11225,03 8060,47 14389,6 2109,7112 14913,17 -818,08 669256 15408,78 12898,53 9995,69 15801,4 1935,2263 16499,31 -1090,53 1189256 18076,38 14969,67 11985,28 17954,1 1989,5916 17736,60 339,78 115452 13159,72 14245,69 12889,45 15601,9 904,1628 19943,65 -6783,93 46021703 5806,01 3788906125

Untuk

α

=

0

,

4

dan N = 58 Maka :

SSE =

∑

= N t t

e

1 2

= 3.788.906.125

MSE =

N

e

N t t

∑

=1 2 =

58

125

.

906

.

788

.

3

Tabel 4.6 Peramalan Penerimaan Pajak dengan Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan menggunakan

α

=

0

,

5

X t

S

_t' "

t

S

a

t

b

t

F

t+m

e

t

2

t

e

275,58 275,58 275,58

120,59 198,09 236,83 159,3 -38,7475

145,56 171,82 204,33 139,3 -32,505 120,6 25,0 624 140,28 156,05 180,19 131,9 -24,1381 106,8 33,5 1120 159,08 157,57 168,88 146,3 -11,3119 107,8 51,3 2632 6450,53 3304,05 1736,46 4871,6 1567,585 134,9 6315,6 39886653 7928,95 5616,50 3676,48 7556,5 1940,018 6439,2 1489,7 2219301 8565,57 7091,03 5383,76 8798,3 1707,277 9496,5 -931,0 866696 4352,87 5721,95 5552,85 5891,0 169,0973 10505,6 -6152,7 37855940 7313,73 6517,84 6035,35 7000,3 482,4931 6060,1 1253,6 1571471

474,52 3496,18 4765,76 2226,6 -1269,58 7482,8 -7008,3 49116371 20866,94 12181,56 8473,66 15889,5 3707,898 957,0 19909,9 396405189

214,75 6198,16 7335,91 5060,4 -1137,75 19597,4 -19382,6 375685426 120,04 3159,10 5247,50 1070,7 -2088,41 3922,6 -3802,6 14459828 199,42 1679,26 3463,38 -104,9 -1784,12 -1017,7 1217,1 1481414

86,27 882,76 2173,07 -407,5 -1290,31 -1889,0 1975,3 3901635 9939,21 5410,99 3792,03 7029,9 1618,957 -1697,9 11637,1 135421216

502,28 2956,63 3374,33 2538,9 -417,698 8648,9 -8146,6 66367445 2156,97 2556,80 2965,57 2148,0 -408,765 2121,2 35,7 1277 15118,59 8837,70 5901,63 11773,8 2936,065 1739,3 13379,3 179006155

9228,1 9032,90 7467,26 10598,5 1565,633 14709,8 -5481,7 30049309 14621 11826,95 9647,11 14006,8 2179,842 12164,2 2456,8 6036040 680,67 6253,81 7950,46 4557,2 -1696,65 16186,6 -15506,0 240434898 19411,55 12832,68 10391,57 15273,8 2441,111 2860,5 16551,0 273936853 454,12 6643,40 8517,48 4769,3 -1874,08 17714,9 -17260,8 297934572 880,55 3761,97 6139,73 1384,2 -2377,75 2895,2 -2014,7 4058939 697,11 2229,54 4184,64 274,4 -1955,09 -993,5 1690,6 2858279 810,68 1520,11 2852,37 187,8 -1332,26 -1680,6 2491,3 6206699 416,85 968,48 1910,43 26,5 -941,947 -1144,4 1561,3 2437544 782,42 875,45 1392,94 358,0 -517,488 -915,4 1697,8 2882635 14449,83 7662,64 4527,79 10797,5 3134,851 -159,5 14609,4 213433298 17636,42 12649,53 8588,66 16710,4 4060,87 13932,3 3704,1 13720197 12891,62 12770,58 10679,62 14861,5 2090,958 20771,3 -7879,7 62088895 14142,47 13456,52 12068,07 14845,0 1388,453 16952,5 -2810,0 7896214

3676,61 8566,57 10317,32 6815,8 -1750,75 16233,4 -12556,8 157673669 17540,55 13053,56 11685,44 14421,7 1368,12 5065,1 12475,5 155637787 121,15 6587,35 9136,40 4038,3 -2549,04 15789,8 -15668,6 245506535 978,59 3782,97 6459,68 1106,3 -2676,71 1489,3 -510,7 260794

434 2108,49 4284,09 -67,1 -2175,6 -1570,5 2004,5 4017828 463,29 1285,89 2784,99 -213,2 -1499,1 -2242,7 2706,0 7322447 12564,37 6925,13 4855,06 8995,2 2070,071 -1712,3 14276,7 203823564

1483,01 4204,07 4529,56 3878,6 -325,494 11065,3 -9582,3 91819735 15420,87 9812,47 7171,02 12453,9 2641,453 3553,1 11867,8 140844410

b. Menghitung MAE dapat menggunakan rumus = L63/58 Maka hasil MAE adalah : 6314,6758

c. Menghitung MSE dapat menggunakan rumus = K63/58 Maka hasil MSE adalah : 52.544.119,568

5.6 Hasil Dalam Metode Pemulusan Eksponensial dari Brown

Gambar 5.4 Hasil Peramalan dalam Metode Brown

5.7 Pembuatan Grafik

Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar grafik tersendiri, namun masih berada pada file yang sama. Untuk membuat grafik

pada Excel, bisa menggunakan icon chart wizard yang terdapat pada toolbar. Adapun langkah-langkah yang diperlukan adalah:

1. Sorot sel atau range yang ingin dibuat grafik pada tabel data

2. Klik menu insert, lalu pilih atau klik chart, maka akan tampil kotak dialog chart tipe

3. Klik tipe grafik yang diinginkan dan klik next, maka kotak dialog chart source data akan tampil

4. pada tampilan akan terlihat range data yang telah di sorot dan klik radio button rows atau kolom yang diinginkan, klik next maka akan tampil kotak dialog chart option

5. pada chart options, ketik judul grafik. Setelah itu klik next, maka kotak dialog chart options akan tampil

6. Anda dapat memilih tempat untuk meletakkan grafik ini, kemudian klik finish. Maka grafik analisis data akan ditempatkan di lembar kerja yang dipilih

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada BAB 4 diperoleh kesimpulan sebagai berikut :

1. Pada hasil analisis Metode Smoothing Eksponensial dengan satu parameter dari Brown di dapat analisis dengan nilai MSE yang terkecil adalah

1

,

0

=

α

yakni MSE = 52.544.119

2. Bentuk persamaan peramalan dari nilai penerimaan Pajak Bumi dan Bangunan di Kabupaten Deli Serdang :

=

+m t

F

11826 + 265,1441 (m)

3. Diperkirakan nilai penerimaan Pajak Bumi dan Bangunan di Kabupaten Deli Serdang untuk Tahun 2010-2011 adalah :

Tahun Bulan Periode Peramalan

2010 Januari 61 12.091,1441

Februari 62 12.356,2882

Maret 63 12.621,4323

April 64 12.886,5764

Mei 65 13.151,7205

Juni 66 13.416,8646

September 69 14.212,2969

Oktober 70 14.477,441

Nopember 71 14.742,5851

Desember 72 15.007,7292

2011 Januari 73 15.272,8733

Februari 74 15.538,0174

Maret 75 15.803,1615

April 76 16.068,3056

Mei 77 16.333,4497

Juni 78 16.598,5938

Juli 79 16.863,7379

Agustus 80 17.128,882

September 81 17.394,0261

Oktober 82 17.659,1702

Nopember 83 17.924,3143

Desember 84 18.189,4584

4. Secara umum Kita dapat lihat bahwa nilai perkiraan penerimaan Pajak Bumi dan Bangunan Pada Tahun 2010-2011 mengalami peningkatan dari bulan ke bulan.

5. Pajak Merupakan salah satu sumber keuangan Negara yang paling besar dalam mendukung pelaksanaan pembangunan, salah satunya berupa Pajak Bumi dan Bangunan.

6.2 Saran

1. Dalam menentukan nilai perkiraan penerimaan Pajak Bumi dan Bangunan di Kabupaten Deli Serdang dapat menggunakan analisis peramalan dengan menggunakan Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown.

2. Umumnya diharapkan bagi Wajib Pajak di Daerah Kabupaten Deli Serdang, kiranya lebih mengerti apa sebenarnya kegunaan bagi Negara dan Daerah dari sektor Pajak yang selama ini pungutan wajib oleh Dinas Perpajakan.

3. Mahasiswa diharapkan mampu menerapkan ilmu pengetahuan dan keterampilan yang didapat pada saat perkuliahan. Sebagai bekal pada saat memasuki lingkungan kerja, dan mampu menjadi tenaga kerja yang siap pakai dan terampil di bidangnya.

DAFTAR PUSTAKA

Soemitro, Rochmad. 1989. Pajak Bumi Dan Bangunan , PT Eresco : Bandung. Assauri, Sofian. 1984. Teknik dan Metode Peramalan, Jakarta : Fakultas

Ekonomi Universitas Indonesia.

Makridarkis, Sypros. 1998. Metode Aplikasi dan Peramalan, Erlangga : Jakarta. BPS, Kabupaten Deli Serdang, 2009. Kabupaten Deli Serdang Dalam Angka.