Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
d. Officer III Pemeliharaan Jaringan dan K3LL e. Officer III Standarisasi dan Informasi Jaringan
f. Inspektor Jaringan g. Tehnisi Protaksi Katodik
h. Tehnisi Pemeliharaan Jaringan dan K3LL
c. Bagian Pemasaran
Bagian ini mengemban tugas menangani hal-hal yang berhubungan dengan kepentingan pelanggan. Bagian ini kegiatanya meliputi survei pelanggan, mencari
pelanggan baru dan pelayanan terhadap pelanggan terhaadap pelanggan yang menguganakan gas bumi. Bagian ini membawahi 2 dua supervisor yang masing-masing
membawahi beberapa seksi sebagai berikut : Supervisor Penjualan
b. Officer III Pengembangan Pasar c. Tehnisi Penjualan
d. Wiraniaga e. Administrator Billing
Supervisor Layanan Pelanggan a. Administrator Layanan Pelanggan
b. Administrator Pemasaran
d. Bagian Keuangan dan Administrator
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Bagian ini mengemban tugas menangani administrasi keuangan perusahaan seperti invoice, gaji pegawai, bonus, tunjangan-tunjangan, pengelola SDM. Bagian
supervisor dimana masing-masing juga membawahi beberapa seksi sebagai berikut : Supervisor Akuntansi dan Keuangan
a. Officer III data Akuntansi b. Pengelola Anggaran
c. Administrator Pembayaran d. Pengelola Akuntansi
e. Pengelola Dana f. Penagih Rekening
g. Pengelola Piutang Supervisor Administrasi dan Layanan Umum
a. Officer III Pengendalian Persediaan b. Officer III Pengendalian Gudang
c. Officer III Layanan Umum d. Administrator Sumber Daya Manusia
e. Administratir Pengadaan Barang dan Jasa f. Administrator Pengendalian Persediaan
g. Administrator Ramunisasi h. Administrator Kesektretariatan
i. Pengelola Fasilitas Umum j. Administrasi Layanan Umum
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
k. Petugas Mess l. Satpam
m. Cleaning Service
BAB IV
ANALISA DAN PENGOLAHAN DATA
Analisa dan pengolahan data dimaksudkan untuk menentukan sifat-sifat statistika dari waktu ke waktu, sehingga dapat ditetapkan suatu model penduga atau peramalan yang
tepat serta dapat digunakan untuk meramalkan jumlah pelanggan Gas di tahun yang akan datang.
4.1 Data Yang Dianalisa Dan Diolah
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Data yang dibutuhkan untuk dianalisa dalam tinjauan ini adalah data Jumlah Pelanggan Gas pada tahun 1998 sampai tahun 2007 untuk wilayah Sumatera Utara. Data
pelanggan tersebut disajikan dalam Tabel 4.1.
Langkah pertama yang baik dilakukan unutk menganalisa data deret berkala adalah dengan memplot data grafik. Dengan mengamati plot data tersebut, dapat dilihat
bahwa gerak data memperkirakan pola data trend Gambar 4-1.
TABEL 4.1. Data Jumlah Pelanggan Gas Pada PT Perusahaan Gas Negara Persero Tbk
SBU Distribusi Wilayah III Sumatera Utara Di Kota Madya Medan
NO TAHUN
JUMLAH PELANGGAN 1
1998 9978
2 1999
10510 3
2000 11221
4 2001
12218 5
2002 12883
6 2003
14400
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
7 2004
17060 8
2005 17715
9 2006
18628 10
2007 19231
TOTAL 143844
Sumber : PT Perusahaan Gas Negara Persero Tbk SBU Distribusi
Wilayah III Sumatera Bagian Utara Distrik Medan Jl. K.L. Yos Sudarso Lorong XII No. 18, Glugur Medan
Jumlah Pelanggan Gas
5000 10000
15000 20000
25000
1996 1998
2000 2002
2004 2006
2008
Periode J
u m
la h
P e
la n
g g
a n
G as
Jumlah Pelanggan
Gambar 4-1 Plot Data Jumlah Pelanggan Gas Di Kota Madya Medan
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
4.2 Metode Smoothing Eksponensial Linear Satu Parameter dari Brown 4.2.1 Estimasi Model Peramalan