Dimana :
t
S = Pemulusan eksponensial tunggal
t
S
=
Pemulusan eksponensial ganda
t
a
=
Konstanta
t
b
=
Slope
m
=
Periode di depan yang diramalkan
m t
F
=
Nilai peramalan forecast
. 1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah : 1.
Untuk mengetahui dan menganalisis penggunaan metode smoothing exponential linier satu parameter dari Brown untuk meramalkan jumlah penumpang
domestik di Pelabuhan Belawan. 2.
Untuk mengetahui prediksi atau ramalan jumlah penumpag domestik pada tahun 2013 di Pelabuhan Belawan.
1.5 Kontribusi Penelitian
Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut :
Universitas Sumatera Utara
1. Dengan adanya penelitian ini diharapkan dapat berguna dan menambah
perbendaharaan penelitian yang telah ada bahan pustaka serta dapat dijadikan sebagai bahan acuan bagi pengembangan penelitian-penelitian selanjutnya.
2. Penelitian ini diharapkan dapat dijadikan bahan masukan bagi PT.PELNI
Pelayaran Nasional Indonesia sebagai instansi yang memiliki wewenang dalam kegiatan pelabuhan sebagai tempat naik turun penumpang untuk
menentukan kebijakan-kebijakan selanjutnya
.
1.6 Metodologi Penelitian
Metode yang akan digunakan dalam penelitian ini adalah :
1. Metode Pengumpulan Data
Dalam pengumpulan data penulis menggunakan data sekunder yang di dapat dari PT. PELNI Pelayaran Nasional Indonesia Cabang Medan.
2. Studi Literatur
Studi literatur ini meliputi pengambilan teori-teori serta rumus-rumus dari beberapa sumber bacaan yang berkaitan dengan masalah yang sedang diteliti.
3. Metode Analisis Data
Pada metode pemulusan eksponensial sederhana dilakukan peramalan dengan pemulusan sekali saja, sedangkan pada metode pemulusan eksponensial linier
satu parameter dari Brown dilakukan dua kali pemulusan dan kemudian
Universitas Sumatera Utara
dilakukan peramalan. Sehingga metode ini sering disebut metode double exponential smoothing pemulusan eksponensial ganda. Proses yang
dilakukan adalah sebagai berikut :
1. Menentukan smoothing pertama
t
S
1
1
t t
t
S X
S
t
S
=
Smoothing pertama periode t
t
X
=
Nilai pengamatan periode t
1
t
S
=
Smoothing pertama periode t-1
2. Menentukan Smoothing kedua t-1
1
1
t t
t
S S
S
t
S
=
Smoothing kedua periode t-1
3. Menentukan besarnya konstanta
t
a
t t
t t
t t
S S
S S
S a
2
4. Menentukan besarnya slope
t
b
1
t t
t
S S
b
Universitas Sumatera Utara
5. Menentukan besarnya nilai peramalan
m t
F
m b
a F
t t
m t
Dimana
m
adalah periode di depan yang diramalkan
.
1.7 Sistematika Penulisan
Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini, yaitu sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini menerangkan tentang latar belakang, perumusan masalah, tinjauan pustaka, kontribusi penelitian, metodologi penelitian dan
sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini menerangkan tentang segala sesuatu yang mencangkup terhadap penyelesaian masalah sesuai dengan judul yang dibuat.
BAB 3 : ANALISA DATA
Bab ini membahas tentang pengolahan data untuk mencari hasil peramalan.
Universitas Sumatera Utara
BAB 4 : IMPLEMENTASI SISTEM
Bab ini membahas tentang software yang digunakan dalam analisa data serta cara penggunaan dari software yang dipakai.
BAB 5 : KESIMPULAN DAN SARAN
Bab ini memberikan beberapa kesimpulan dan saran dari hasil analisa
yang telah penulis lakukan.
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode peramalan adalah deret waktu. Metode ini disebut sebagai metode peramalan deret
waktu karena memiliki karesteristik bahwa data yang di analisis bersifat deret waktu. Periode waktu dari deret waktu dapat berupa tahunan, mingguan, bulanan, semesteran,
kuartal dan lain-lain. Jenis pola data sangat penting untuk diketahui karena akan berpengaruh terhadap hasil ramalan. Beberapa literatur menyebutkan,bahwa pola data
cenderung akan berulang pada periode waktu mendatang. Identifikasi pola terhadap data deret waktu juga berfungsi untuk menentukan metode yang akan digunakan untuk
menganalisa data tersebut.
Beberapa bentuk analisa deret waktu dapat dikelompokan ke dalam beberapa kategori :
1. Metode pemulusan smoothing, metode pemulusan dapat dilakukan dengan
dua pendekatan yakni metode perataan average dan metode pemulusan eksponensial Exponential Smoothing.
2. Model ARIMA Autoregressive Integrated Average, model ARIMA dapat
digunakan untuk analisis data deret waktu dan peramalan data.
Universitas Sumatera Utara
3. Analisis deret berkala Multivariate Model ARIMA digunakan untuk analisis
data deret waktu pada kategori data berkala tunggal, atau sering dikategorikan model-model univariat.
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa
depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau
tindakan-tindakan yang perlu dilakukan. Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen.
2.2 Kebutuhan Dan Kegunaan Peramalan