Peramalan Produksi Listrik PT.PLN (Persero) Wilayah Sumatera Utara Pada Tahun 2013 Berdasarkan Jumlah Penjualan Listrik Di Sumatera Utara
PERAMALAN PRODUKSI LISTRIK PT.PLN (Persero) WILAYAH
SUMATERA UTARA PADA TAHUN 2013 BERDASARKAN
JUMLAH PENJUALAN LISTRIK
DI SUMATERA UTARA
TUGAS AKHIR
SRI HARTATI SELVIANI HANDAYANI
082407053
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2011
(2)
PERAMALAN PRODUKSI LISTRIK PT.PLN (Persero) WILAYAH
SUMATERA UTARA PADA TAHUN 2013 BERDASARKAN
JUMLAH PENJUALAN LISRTIK
DI SUMATERA UTARA
TUGAS AKHIR
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Ahli Madya
SRI HARATATI SELVIANI HANDAYANI
082407053
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2011
(3)
PERSETUJUAN
Judul : PERAMALAN PRODUKSI LISTRIK PT.PLN (Persero)
WILAYAH SUMATERA UTARA PADA TAHUN 2013
BERDASARKAN JUMLAH PENJUALAN LISTRIK DI
SUMATERA UTARA
Kategori : TUGAS AKHIR
Nama : SRI HARTATI SELVIANI HANDAYANI Nomor Induk Mahasiswa : 082407053
Program Studi : D-3 STATISTIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM
(FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juni 2011
Diketahui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing I
Prof. Dr. Tulus, M.Si Drs. Liling Perangin-angin, M.Si NIP. 19620901 198803 1 002 NIP : 19470714 198403 1 001
(4)
PERNYATAAN
PERAMALAN PRODUKSI LISTRIK PT.PLN (Persero) WILAYAH
SUMATERA UTARA PADA TAHUN 2013 BERDASARKAN
JUMLAH PENJUALAN LISRTIK DI SUMATERA UTARA
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
SRI HARATATI SELVIANI HANDAYANI
082407053
(5)
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah memberikan berkat dan karunia-Nya serta semua hikmat yang diberikan-Nya tugas Akhir ini berhasil diselesaikan dalam waktu yang ditetapkan.
Ucapan terima kasih penulis sampaikan kepada Drs. Liling perangin-angin,
M.Si selaku dosen pembimbing pada penyelesaian Tugas Akhir ini yang telah
memberikan panduan dan kepercayaan kepada penulis untuk menyempurnakan Tugas Akhir ini. Panduan ringkas, jelas dan profesional telah diberikan kepada penulis agar penulis dapat menyelesaikan Tugas Akhir ini. Ucapan terima kasih juga ditujukan kepada ketua dan sekretaris D-III Statistika Drs. Faigiziduhu Bu’ulÖlÖ, M.si dan
Drs. Suwarno Ariswoyo, M.Si. Ketua dan Sekretaris Departemen Matematika
FMIPA USU Prof.Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si. Kepada bapak
Dr.Sutarman, M.Sc selaku Dekan fakultas Matematika dan Ilmu Pengetahuan Alam
Sumatera Utara, Pembantu Dekan dan semua dosen pada Departemen Matematika FMIPA USU beserta staf dan pegawai,serta teman-teman kuliah & alumni jurusan Statistika USU. Kepada orang tua penulis terkasih Bapak N.Ginting dan Ibu R.
Sembiring yang selama ini memberikan doa, semangat dan dukungan sehingga
penulis dapat menyelesaikan Tugas Akhir ini. Serta kepada adik dan abangku tersayang dan semua sanak –keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Allah SWT akan membalasnya.
(6)
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar isi v
Daftar Tabel vii
Daftar Gambar viii
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 3
1.3 Tujuan dan Manfaat Penelitian 3
1.3.1 Tujuan Penelitian 3
1.3.2 Manfaat penelitian 3
1.4 Metodologi Penelitian 4
1.4.1 Lokasi Penelitian dan Metode Pengumpulan Data 4
1.4.2 Analisa Data 5
1.5 Sistematika Penulisan 6
BAB 2 LANDASAN TEORI 8
2.1 Pengertian Peramalan 8
2.2 Jenis-Jenis Peramalan 9
2.3 Langkah-langkah dalam Metode Peramalan 12
2.4 Metodologi Peramalan 13
2.4.1 Analisis Regresi Sederhana 13
2.4.2 Persamaan Garis Regresi Linier Sederhan 13
2.4.3 Koefisien Determinasi (R2) 15
2.5 Uji Koefisien Regresi Linier Sederhana 17
2.5.1 Uji F 17
2.5.2 Uji t 18
BAB 3 ANALISIS DAN EVALUASI 20
3.1 Analisis 20
3.2 Analisis Regresi Linier Sederhana 22
3.3 Uji Koefisien Determinasi (R2) 24 3.4 Uji Koefisien Regresi Linier Sederhana 26
3.4.1 Uji F 26
3.4.2 Uji t 28
(7)
BAB 4 IMPLEMENTASI SISTEM 33
4.1 Perkenalan Software SPSS 33
4.2 Pengolahan Data Dengan Menggunakan SPSS Versi 16.0 34 4.2.1 Membuka Program SPSS Versi 16.0 34 4.2.2 Mengolah Data Dengan Program SPSS Versi 16.0 35 4.2.2.1 Memasukkan Variabel Data Dalam Variabel View 35 4.2.2.2 Memasukkan Data Pada Data View 36
4.2.2.3 Proses Analisis Data 36
BAB 5 KESIMPULAN DAN SARAN 40
5.1 Kesimpulan 40
5.2 Saran 41
DAFTAR PUSTAKA 42
(8)
DAFTAR TABEL
Halaman Tabel 3.1 Jumlah Produksi dan Jumlah Penjualan Listrik pada PT.PLN
(Persero) Wilayah Sumatera Utara Periode 1999 - 2008 20 Tabel 3.2 Data Untuk Uji Regresi Linier Sederhana 22
Tabel 3.3 Model Summary 25
Tabel 3.4 Data Untuk Uji F 26
Tabel 3.5 ANOVAb 27
Tabel 3.6 Coefficientsa 29
Tabel 3.7 Jumlah Penjualan Listrik dengan Kenaikan Sebesar 6% dari Tahun
Sebelumnya 30
Tabel 3.8 Peramalan Jumlah Penjualan Listrik dan Jumlah Produksi Listrik
(9)
DAFTAR GAMBAR
Halaman Gambar 3.1 Grafik Penjualan Listrik dan Produksi Listrik pada
(10)
BAB 1
PENDAHULUAN
1.1Latar Belakang
Energi mempunyai peranan yang sangat penting dalam kehidupan manusia dan dalam proses pembangunan. Oleh sebab itu peningkatan serta pembangunan dalam sektor energi perlu dilaksanakan secara berdaya guna dan berhasil guna. Disisi lain persediaan energi memiliki keterbatasan, oleh karena itu data tentang energi perlu terus dipantau agar kebutuhan akan energi yang terus meningkat dapat dipenuhi.
Dilihat dari sumbernya, energi dapat dikelompokkan menjadi 2 (dua) kategori yaitu Energi Primer dan Energi Final. Energi primer adalah energi yamg belum mengalami pengolahan teknologi dan biasanya diperlukan sebagai bahan untuk menghasilkan energi final. Misalnya: minyak bumi, gas bumi, tenaga air, batu bara, panas bumi, dan lain-lain. Sedangkan energi final adalah energi yang siap digunakan oleh konsumen akhir. Misalnya: Bahan Bakar Minyak (BBM) sepert: solar, bensin, minyak tanah, gas/LPG ,listrik, dan lain-lain.
Energi listrik membawa peranan yang sangat penting bagi masyarakat, industri dan pemerintah. Seperti pada bidang produksi, penelitian atau riset, bidang pertahanan dan keamanan, bidang komunikasi dan mass media, bidang rumah tangga dan lain-lain. Bahkan tingkat produksi dan penjualan listrik telah menjadi salah satu ukuran bagi perkembangan kemajuan suatu Negara.
(11)
Sejak tahun 2003 jumlah cabang PLN (Perusahaan Listrik Negara) Wilayah Sumatera Utara mengalami penambahaan menjadi 7 cabang yaitu cabang Medan, cabang Binjai, cabang Pematang Siantar, cabang Sibolga, cabang Padang Sidempuan, cabang Rantau Parapat, dan cabang Lubuk Pakam. Dari 7 cabang PLN tersebut yang memiliki pembangkit PLTD hanya cabang Binjai dan cabang Sibolga , sedangkan 5 cabang lainnya tidak memiliki pembangkit.
Melihat betapa pentingnya peran yang dijalankan PLN dalam mengalirkan listrik kepada masyarakat luas dari tiap cabang,mendorong minat penulis untuk menganalisa dan meramalkan jumlah produksi listrik oleh PLN untuk mengetahui seberapa besar hubungan jumlah produksi dengan jumlah penjualan listrik di Sumatera Utara melalui PT.PLN (Persero) Wilayah Sumatera Utara Semakin meningkatnya jumlah penjualan listrik yang secara terus menerus akan berpengaruh terhadap produksi listrik. Oleh karena itu penulis memilih judul “PERAMALAN
PRODUKSI LISTRIK PT.PLN (Persero) WILAYAH SUMATERA UTARA PADA TAHUN 2013 BERDASARKAN JUMLAH PENJUALAN LISTRIK DI SUMATERA UTARA”.
(12)
1.2Perumusan Masalah
Adapun rumusan masalah dalam penulisan ini adalah seberapa besar produksi listrik PT.PLN (Persero) Wilayah Sumatera Utara pada tahun 2013 berdasarkan jumlah penjualan listrik di Sumatera Utara.
1.3Tujuan dan Manfaat Penelitian
1.3.1 Tujuan Penelitian
Adapun tujuan dilakukannya penelitian ini adalah untuk mengetahui berapa besar produksi listrik PT.PLN (Persero) Wilayah Sumatera Utara pada tahun 2013 berdasarkan jumlah penjualan listrik di Sumatera Utara..
1.3.2 Manfaat Penelitian
Selain dari tujuan tersebut penelitian ini diharapkan dapat memberi manfaat sebagai berikut:
1. Hasil penenitian ini dapat memberikan gambaran tentang banyaknya produksi listrik yang akan diproduksi oleh PT.PLN (Persero) Wilayah Sumatera Utara pada tahun 2013 berdasarkan jumlah penjualan listrik di Sumatera Utara.
2. Hasil penelitian ini dapat memberikan informasi yang dapat digunakan sebagai acuan pemerintah dalam meningkatkan produksi dan penjualan listrik di tahun berikutnya.
(13)
3. Hasil analisis dan peramalan ini dapat menjadi pertimbangan atau masukan bagi PT.PLN, masyarakat dan pemerintah seiring dengan seringnya pemadaman listrik di provinsi Sumatera Utara ini.
1.4Metodologi Penelitian
Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah mengumpulkan data dan menganalisisnya, adapun penjelasannya sebagai berikut :
1.4.1 Lokasi Penelitian dan Metode Pengumpulan Data
Dalam penyusunan tugas akhir ini data yang digunakan diperoleh dari Badan Pusat Statistika (BPS) Pusat Sumatera Utara yang terletak di Jl.Asrama No. 179 Medan. Data tersebut telah di kumpulkan dalam bentuk buku yang berjudul ” SUMATERA UTARA DALAM ANGKA ”, data tersebut diperoleh dari edisi tahun 1999 sampai edisi 2009.
Pengambilan data untuk penelitian ini penulis lakukan dengan menggunakan data sekunder (data yang telah tersedia) atau data yang telah dikumpulkan. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
(14)
1.4.2 Analisa Data
Adapun pengolahan data dalam meramalkan Produksi Listrik PT.PLN (Persero) Wilayah Sumatera Utara pada tahun 2013 berdasarkan jumlah Penjualan Listrik pada tahun 1999 - 2008 di Sumatera Utara dengan menggunakan analisis Regresi Linier Sederhana .
Regresi Linier Sederhana adalah analisis regresi yang memperkirakan suatu pola hubungan yang berbentuk garis lurus antar satu variabel atau variabel terikat (variabel dependen) yang diramalkan dengan satu variabel yang mempengaruhinya atau variabel bebas (variabe independen).
Bentuk umum persamaan Regresi Linier Sederhana adalah : Ŷ = a + bX
dengan:
Ŷ =Nilai penduga bagi variabel Y (variabel dependen) a = Dugaan bagi parameter konstanta
b = Dugaan bagi parameter koefisien regresi X = Varibel independen
(15)
1.5 Sistematika Penulisan
BAB 1 : PENDAHULUAN
Dalam bab ini dibicarakan tentang latar belakang, perumusan masalah, tujuan dan manfaat penelitian, tinjauan pustaka, metodologi penelitian, dan sistematika penulisan.
BAB 2 : TINJAUAN TEORITIS
Dalam bab ini akan diuraikan secara ringkas teori-teori mengenai isi dari tugas akhir ini. Adapun metode yang akan digunakan untuk menganalisa data tesebut yaitu dengan menggunakan metode analisis regresi sederhana.
BAB 3 : ANALISA DAN PEMBAHASAN
Dalam bab ini diuraikan mengenai pengolahan data yang dikumpulkan, dengan pola analisis Regresi Linier Sederhana. Dari persamaan yang telah diperoleh dan telah diuji hubungannya maka persamaan tersebut digunakan untuk meramalkan jumlah produksi listrik oleh PT.PLN (Persero) Wilayah Sumatera Utara pada tahun yang akan datang.
(16)
BAB 4 : IMPLEMENTASI SISTEMATIKA
Dalam bab ini diberikan tahapan penerapan atau pengaplikasian bahasa program (Software Computer) yang dalam hal ini digunakan Software SPSS untuk menghasilkan data dan menyelesaikan analisa pembahasan dalam penelitian ini.
BAB 5 : KESIMPULAN DAN SARAN
Dalam bab ini berisikan hasil dari penelitian yang berupa kesimpulan serta saran yang diharapkan berguna bagi PT.PLN (Persero) Wilayah Sumatera Utara.
(17)
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Kegunaan peramalan dalam suatu penelitian dapat dilihat ketika memperkirakan situasi dan kondisi yang akan datang setelah situasi tesebut dianalisis. Peramalan merupakan suatu alat bantu yang penting dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk mencapai suatu tujuan, terdapat perbedaan waktu antara kegiatan apa saja yang perlu dilakukan, dan kapan waktu pelaksanaan. Perencanaan dan peramalan sangat erat kaitannya, hal ini dapat dilihat dalam penyusunan rencana, dimana dalam penyusunan ini melibatkan peramalan juga. Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk menyusun rencana karena dapat membantu menganalisis data dari masa lalu, sehingga melalui metode peramalan akan didapat cara pemikiran dan pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.
(18)
2.2 Jenis-jenis Peramalan
Pada umumnya peramalan dapat dibedakan dalam beberapa pembagian tergantung dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas 2 macam, yaitu :
1. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini dipandang dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.
2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan pada masa yang lalu, dengan menggunakan tehnik-tehnik dan metode dalam menganalisa data tersebut.
Disamping itu, jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas 2 macam, yaitu :
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan jangka waktu lebih dari satu setengah tahun atau tiga semester. Peramalan yang seperti ini biasanya diperlukan dalam penyusunan rencana pembangunan suatu Negara atau daerah, corporate planning, rencana investasi atau rencana ekspansi dari suatu perusahaan.
2. Peramalan jangka pendek, yaitu peramalan yang di lakukan 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 dalam penyusunan
(19)
rencana produksi, rencana penjualan, rencana persediaan, anggaran produksi dan anggaran perusahaan.
Berdasarkan sifat peramalan yang telah disusun ,maka peramalan dapat dibedakan atas dua macam, yaitu :
1. Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pendapat dan pengetahuan serta pengalaman orang yang menyusunnya.
2. Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat tergantung kepada hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan yang berbeda. Adapun yang perlu diperhatikan dari penggunaan metode-metode peramalan tersebut adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyatan yang terjadi. (Menurut Makridakis,Wheelright, dan McGee 1999)
Peramalan Kuantitatif dapat digunakan bila memenuhi syarat sebagai berikut: a. Adanya informasi (data) tentang masa lalu.
(20)
c. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa yang lalu akan terus berlanjut dimasa yang akan datang dan kondisi ini disebut dengan kondisi yang konstan.
Peramalan Kuantitatif dibedakan atas:
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang diperkirakan dengan variabel waktu yang merupakan deret berkala (Time Series). Metode peramalan yang termasuk dalam jenis ini adalah:
a. Metode pemulusan ( smooting) b. Metode Box Jenkins
c. Metode Proyeksi trend dengan Regresi
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhiya. Metode peramalan yang termasuk dalam jenis ini adalah : a. Metode Regresi dan Korelasi
b. Metode Ekonometri c. Metode Input Output
Dalam hal ini digunakan Metode Peramalan yang didasarkan pada analisa pola hubungan antar variabel yaitu Metode regresi yang masih dibagi dua yaitu Metode Regresi Linier Sederhana dan Metode Regresi Linier Berganda. Metode peramalan yang dipakai dalam penelitian ini adalah Metode Regresi Linier Sederhana yang digunakan untuk menganalisa data yang telah diperoleh kemudian dari persamaan
(21)
yang akan diperoleh dapat ditentukan rumus untuk peramalan yang juga adalah persamaan regresi tersebut.
2.3 Langkah – langkah Peramalan
Kualitas atau mutu dari hasil suatu peramalan yang di susun sangat ditentukan oleh proses pelaksanaan penyusunannya. 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 di gunakan. Masing-masing metode akan memberikan hasil peramalan yang berbeda. Dimana metode yang menghasilkan peyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin.
3. Memproyeksi data yang lalu dengan menggunakan metode yang dipergunakan, dan mempertimbangkan adanya beberapa faktor perubahan. Faktor-faktor perubahan tersebut antara lain terdiri dari perubahan kebijakan-kebijakan yang terjadi termasuk kebijakan-kebijakan pemerintah.
(22)
2.4Metodologi Penelitian
2.4.1 Analisis Regresi Sederhana
Regresi Linier Sederhana adalah analisis regresi yang memperkirakan suatu pola hubungan yang berbentuk garis lurus antar satu variabel atau variabel terikat (variabel dependen) yang diramalkan dengan satu variabel yang mempengaruhinya atau variabel bebas (variabe independen). Pola hubungan yang ditunjukan oleh analisa regresi sederhana ini diasumsikan bahwa hubungan diantara dua variabel tersebut dinyatakan dengan satu garis lurus.
Dalam penerapan metode ini, dapat dilakukan secara mudah dengan menetapkan atau memplot titik-titik dari data observasi pada kertas gambar atau grafik untuk melihat asumsi yang dapat digunakan bagi analisa regresi linier. Selanjutnya digambarkan atau ditarik suatu garis lurus yang tepat untuk mewakili titik tersebut, yang bentuknya merupakan garis lurus.
2.4.2 Persamaan Garis Regresi Linier Sederhana
Pada perinsipnya teknik dan metode yang ada berdasarkan proses analisanya pada usaha untuk mendapatkan suatu garis lurus yang tepat melalui atau mendekati titik-titik yang berserakan dari data observasi. Bentuk umum persamaan linier sederhana yang menunjukkan hubungan antara dua variabel, yaitu variabel X sebagai variabel independen (bebas) dan variabel Y sebagai variabel dependen (terikat).
(23)
Garis tersebut dinyatakan sebagai :
Ŷ = a + bX
dengan :
Ŷ = Nilai penduga bagi variabel Y a = Dugaan bagi parameter konstanta b = Dugaan bagi parameter koefisien regresi X = Variabel Independen
Kesalahan ramalan (penyimpangan) adalah : ei = Yi – Ŷ
= Yi - a - bXi
Sehingga
Yi = a + bXi + ei
Dengan :
i = 1,2,3,...,n. e = galat (error)
Dalam e terkandung galat yang sifatnya acak dan juga penyimpangan model dari keadaan yang sesungguhnya ( Model Stokhastik). Maka nilai harapannya adalah 0 (nol), dan nilai Y = Ŷ.
Adapun formula umum dari teknik dan metode kuadrat terkecil yaitu : a =
atau
(24)
dan
b =
Sehingga
b =
atau
b =
Dengan :
n = Jumlah data yang digunakan sebagai sampel i = 1,2,3,...,n.
a = Intersep kurva estimasi (menaksir titik potong kurva terhadap sumbu Y) b = Slope kurva estimasi yang baik (menaksir kemiringan kurva)
2.4.3 Koefisien Determinasi (R2)
Koefisien Determinasi (Coefisien of Determination Test) adalah suatu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel. Misalnya nilai R2 pada suatu persamaan regresi yang menunjukkan hubungan pengaruh (fungsional) antara variabel Y sebagai variabel depeden dan variabel X sebagai variabel independen yang di peroleh dari hasil perhitungan tertentu.
Nilai R2 tersebut berkisar 0 sampai dengan 1 atau (0 . Yang artinya bila nilai R2 mendekati 1 maka sangat besar pengaruh variabel X terhadap variabel Y dan sebaliknya, bila nilai R2 mendekati 0 maka semakin kecil pengaruh variabel X
(25)
terhadap variabel Y (R.K Sembiring). R2 biasanya dinyatakan dalam persen (%). Dengan menggunakan koefisien penentu (Coefisient of Determination Test) dapat pula dicari koefisien korelasi determinasi. Dengan koefisien korelasi dapat ditunjukkan kuatnya hubungan antara dua variabel, dimana nilai dari koefisien korelasi (r) terletak antara -1 dan +1.
• Jika r = +1, terjadi korelasi positf sempurna antara variabel X dan Y • Jika r = -1, terjadi korelasi negatif sempurna antara variabel X dan Y • Jika r = 0, tidak terjadi korelasi antara variabel X dan Y
• Jika 0 < r < 1, terjadi korelasi positf variabel X dan Y • Jika -1 r 0, terjadi korelasi negatif variabel X dan Y
Dari koefisien korelasi maka dapat kita cari nilai koefisien determinasi, ada pun rumus untuk mencari koefisien korelasi yaitu:
Rumus untuk menghitung nilai koefisien korelasi (r) adalah :
r
=Dengan:
r = Besarnya nilai koefisien korelasi n = Banyaknya data
Xi = Nilai variabel X ke-i
Yi = Nilai variabel Y ke-i
(26)
2.5 Uji Koefisien Regresi Linier Sederhana
Untuk mengetahui apakah regresi yang dipergunakan dalam penelitian ini benar linier, dimana data observasi tepat berada disekitar garis regresi linier tersebut, maka perlu dilakukan Uji Signifikan yang juga disebut dengan “ Significant Test ”. Kalau ternyata dari hasil test yang telah dilakukan diperoleh hasilnya tidak signifikan, maka kurang tepatlah regresi linier yang dipergunakan dalam penyusunan ramalan tersebut. Dan sebaliknya, kalau ternyata hasil dari test yang telah dilakukan diperoleh hasilnya signifikan, maka tepatlah regresi linier yang dipergunakan dalam penyusunan ramalan tersebut. Dimana dalam hal ini ada 2 cara pengujian yang perlu dilakukan, yaitu :
2.5.1 Uji F
Sistematika Uji F
1. Formula Hipotesis
Ho : Tidak ada hubungan yang linier antara Penjualan Listrik terhadap
Produksi Listrik
H1 : Adanya hubungan yang linier antara Penjualan Listrik terhadap Produksi
Listrik
2. Menghitung nilai F hitung
Formula yang digunakan adalah:
(27)
Dengan :
n = Jumlah Tahun (banyaknya Sampel)
k = Jumlah Variabel (dalam regresi linier sederhana k = 2) 3. Menghitung Ftabel dengan ketentuan sebagai berikut :
Taraf signifikansi 0,05 dan derajat kebebasan (dk) dengan ketentuan (k – 1) untuk pembilang dan derajat kebebasan(dk) untuk penyebut (n- k).
4. Menentukan kriteria uji hipotesis: kriteria pengujiannya :
Jika Fhitung > Ftabel maka H0 ditolak dan H1 diterima
Jika Fhitung≤ Ftabel maka H0 diterima dan H1 ditolak
5. Pengambilan keputusan
2.5.2 Uji t
Sistematika Uji t
1. Formula Hipotesis
Ho : Tidak ada hubungan yang linier antara penjualan listrik terhadap produksi
Listrik.
H1 : Ada hubungan yang linier antara penjualan listrik terhadap produksi listrik
2. Menghitung besarnya nilai thitung
thitung = r
2 1 2 r n − −
3. Menghitung besarnya ttabel dengan ketentuan sebagai berikut
(28)
4. Menentukan Kriteria
• Jika thitung ttabel maka H0 ditolak dan H1 diterima yang artinya analisa
regresi bersifat linier sehingga baik atau tepat dalam peramalan.
• Jika thitung ttabel maka H0 diterima dan H1 ditolak yang artinya analisa
regresi bersifat non linier sehingga tidak baik atau tidak tepat dalam peramalan.
(29)
BAB 3
ANALISA DAN EVALUASI
3.1 Analisis
Dalam menganalisa data terlebih dahulu dilakukan pengumpulan data yang diadakan selama penelitian kemudian menganalisana. Adapun yang akan dianalisia dalam bab ini yaitu hubungan antara jumlah produksi listrik PT.PLN (Persero) Wilayah Sumatera Utara dengan jumlah penjualan listrik yang dilakukan PT.PLN (Persero) Wilayah Sumatera Utara. Data yang digunakan yaitu data yang diperoleh dari Badan Pusat Statstik tentang produksi listrik dan penjualan listrik pada periode 1999 – 2008. Adapun data yang akan diolah adalah sebagai berikut:
Tabel 3.1 Jumlah Produksi dan Jumlah Penjualan Listrik pada PT.PLN (Persero) Wilayah Sumatera Utara
Periode 1999 – 2008
Tahun
Jumlah Penjulan Listrik dalam GWH ( X )
Jumlah Produksi Listrik dalam GWH ( Y )
1999 3407,90 3881,34
2000 3646,30 4142,64
2001 3824,20 4412,62
(30)
Tahun
Jumlah Penjualan Listrik dalam GWH ( X )
Jumlah Produksi Listrik dalam GWH ( Y )
2003 4150,42 5473,02
2004 4439,97 5284,36
2005 4613,37 5472,96
2006 4940,87 5610,91
2007 5163,44 5908,60
2008 5757,85 6469,15
Sumber : BPS Sumatera Utara
Dengan :
X = Jumlah Penjualan Listrik Y = Jumlah Produksi Listrik
Gambar 3.1 Grafik Penjualan Listrik dan Produksi Listrik Pada Tahun 1999 - 2008
Dari data diatas maka data tersebut dapat diolah dengan menggunakan rumus analisis regresi. Secara manual akan dibahas pada subbab berikut ini.
(31)
3.2 Analisis Regresi Linier Sederhana
Untuk melihat bentuk hubungan antara variabel bebas yaitu banyaknya penjualan listrik (X) terhadap variabel tidak bebas yaitu jumlah produksi listrik (Y), dapat dilihat dengan menentukan persamaan regresi linier sederhana.
Dalam proses analisa data dengan menggunakan Metode Regresi Linier Sederhana secara manual disajikan pada tabel 3.2 berikut :
Tabel 3.2 Data Untuk Uji Regresi Linier Sederhana
Tahun X Y XY
1999 3407,90 3881,34 11613782,41 15064800,20 13227218,59 2000 3646,30 4142,64 13295503,69 17161466,17 15105308,23 2001 3824,20 4412,62 14624505,64 19471215,26 16874741,40 2002 4056,63 4761,50 16456246,96 22671882,25 19315643,75 2003 4150,42 5473,02 17225986,18 29953947,92 22715331,67 2004 4439,97 5284,36 19713333,60 27924460,61 23462399,87 2005 4613,37 5472,96 21283182,76 29953291,16 25248789,48 2006 4940,87 5610,91 24412196,36 31482311,03 27722776,89 2007 5163,44 5908,60 26661112,63 34911553,96 30508701,58 2008 5757,85 6469,15 33152836,62 41849901,72 37248395,33
∑ 44000,95 51417,10 198438686,84 270444830,28 231429306,78
Dari tabel 3.2 diperoleh nilai-nilai sebagai berikut :
∑ 44.000,95
∑ 51.417,10
∑ 198.438.686,84
∑ 270.444.830.28
(32)
Untuk mencari persamaan Regresi Linier yang diperlukan maka perlu dicari koefisien regresinya yaitu nilai a dan b. Koefisien regresi a dan b dapat dihitung dengan menggunakan rumus sebagai berikut :
Untuk mencari nilai b :
b =
b =
b =
b =
b = 1,074292159 b = 1,074
Untuk mencari nilai a : a = a = 10 95 , 000 . 44 074 , 1 10 51.417,10 −
a = 5.141,71 – 1,074 (4.400,095) a = 5.141,71 – 4.726,987557 a = 414,7224426
a= 414,722
Dari koefisien a dan b diatas maka p ersamaan regresinya adalah
Ŷ = 414,722 + 1,074X
(33)
Setelah didapat nilai ramalan, maka selanjutnya perlu diadakan pengetesan atau pengujian tehadap persamaan regresi yang dipergunakan dalam penyusunan ramalan tersebut. Dalam hal ini akan dilakukan pembuktian mengenai tepat atau tidaknya variabel yang akan dijadikan persamaan pada peramalan. Pembuktian ini disebut uji koefisien penentu (coefficient of determination test).
Untuk mengetahui hubungan antara penjualan listrik dengan produksi listrik maka digunakan korelasi adapun datanya didapat dari Tabel 3.2 yaitu sebagai berikut:
∑ 44.000,95
∑ 51.417,10
∑ 198.438.686,84
∑ 270.444.830.28
∑ 231.429.306,78
r
=r
=r
=r
=(34)
Dari nilai r = 0,9581 tersebut, dapat dilihat terjadi korelasi positif antara penjualan listrik dengan produksi listrik. Dengan kata lain penjualan listrik mempunyai hubungan yang sangat kuat terhadap produksi listrik, karena mendekati korelasi sempurna yaitu + 1.
Jadi Koefisien Determinasi (R2) = r2 x 100 % R2 = 0,918 x 100 % R2 = 91,8 %
Berdasarkan perhitungan diperoleh nilai R2 (Koefisien Determinasi) antara penjualan listrik dan produksi listrik sebesar 91,8% yang berarti bahwa jumlah penjualan listrik dapat digunakan untuk memperkirakan besarnya ramalan produksi listrik.
Hasil uji dalam SPSS
Tabel 3.3 Model Summary
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics R Square
Change
F
Change df1 df2
Sig. F Change 1 .958a .918 .908 249.57848 .918 89.497 1 8 .000 a. Predictors: (Constant), penjualan listrik
(35)
3.4 Uji Koefisien Regresi Linier Sederhana
3.4.1 Uji F
Tabel 3.4 Data Untuk Uji F
No X Y Ŷ Ŷ - Y -Ŷ (Ŷ - (Y-Ŷ
1 3407.90 3881.34 4074.807 -1066.903 -193.467 1138282.865 37429.325 2 3646.30 4142.64 4330.848 -810.862 -188.208 657496.859 35422.327 3 3824.20 4412.62 4521.913 -619.797 -109.293 384148.569 11944.916 4 4056.63 4761.50 4771.543 -370.167 -10.043 137023.889 100.854 5 4150.42 5473.02 4872.273 -269.437 600.747 72596.254 360896.862 6 4439.97 5284.36 5183.250 41.540 101.110 1725.553 10223.277 7 4613.37 5472.96 5369.481 227.771 103.479 51879.802 10707.825 8 4940.87 5610.91 5721.216 579.506 -110.306 335827.644 12167.497 9 5163.44 5908.60 5960.257 818.547 -51.657 670018.471 2668.400 10 5757.85 6469.15 6598.653 1456.943 -129.503 2122682.614 16771.001
∑ 44000.95 51417.1 51404.240 -12.860 12.860 5571682.520 498332.284
Sistematika Uji F
1. Formula Hipotesis
Ho : Tidak ada hubungan yang linier antara Penjualan Listrik terhadap
Produksi Listrik
H1 : Adanya hubungan yang linier antara Penjualan Listrik terhadap Produksi
Listrik
2. Menghitung nilai F hitung
Maka dapat dicari nilai F hitung sebagai berikut:
(36)
F
=
=
2 10 4 498.332,28 1 2 520 5.571.682, − − = 5355 , 291 . 62 520 , 682 . 571 . 5 = 89,4452589 = 89,445Hasil uji dalam SPSS
Tabel 3.5 ANOVAb
Model Sum of Squares Df Mean Square F Sig. 1 Regression 5574697.706 1 5574697.706 89.497 .000a
Residual 498315.335 8 62289.417
Total 6073013.041 9
a. Predictors: (Constant), penjualan listrik b. Dependent Variable: produksi listrik
3. Menghitung Ftabel dengan ketentuan sebagai berikut :
Taraf signifikansi 0,05 dan derajat kebebasa(dk) dengan ketentuan (k – 1) untuk pembilang 1 dan derajat kebebasan untuk penyebut 8 (n- k). Dari ketentuan tersebut diperoleh Ftabel = 5,32.
(37)
kriteria pengujiannya :
Jika Fhitung > Ftabel maka H0 ditolak dan H1 diterima
Jika Fhitung≤ Ftabel maka H0 diterima dan H1 ditolak
5. Pengambilan keputusan
Dari hasil perhitungan diperoleh angka Fhitung sebesar 89,445 > Ftabel sebesar
5.32 sehingga H0 ditolak dan H1 diterima yang artinya ada hubungan yang
linier antara penjualan listrik terhadap produksi listrik. Dari persamaan yang diperoleh maka model regresi diatas sudah layak dan benar untuk digunakan sebagai persamaan untuk peramalan dan dapat diramalkan jumlah produksi listrik PT. PLN (Persero) Wilayah Sumatera Utara berdasarkan jumlah penjualan Listrik.
3.4.2 Uji t
Sistematika Uji t
1. Formula Hipotesis
Ho : Tidak ada hubungan yang linier antara penjualan listrik terhadap produksi
Listrik.
H1 : Ada hubungan yang linier antara penjualan listrik terhadap produksi listrik
2. Menghitung besarnya nilai thitung
thitung = r
2 1 2 r n − − thitung = 0,9581
2 9581 , 0 1 2 10 − −
thitung = 0,9581
9179 , 0 1 8 − 8
(38)
thitung = 0,9581 (9,8746)
thitung = 9,461
Hasil uji dalam SPSS
Tabel 3.6 Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta
1 (Constant) 414.722 505.862 .820 .436
penjualan listrik 1.074 .114 .958 9.460 .000 a. Dependent Variable: produksi listrik
3. Menghitung besarnya ttabel dengan ketentuan sebagai berikut
Taraf signifikasi diman ttabel = tα/2;n-2 yaitu ttabel = t0,05/2;10-2 ,
t(0.025;8) = 2,31
4. Menentukan kriteria
• Jika thitung ttabel maka H0 ditolak dan H1 diterima yang artinya analisa
regresi bersifat linier sehingga baik atau tepat dalam peramalan.
• Jika thitung ttabel maka H0 diterima dan H1 ditolak yang artinya analisa
regresi bersifat non linier sehingga tidak baik atau tidak tepat dalam peramalan.
5. Pengambilan keputusan
Berdasarkan hasil perhitungan diperoleh thitung sebesar 9,461 > ttabel sebesar
2,31 sehingga H0 ditolak dan H1 diterima yang artinya ada hubungan linier
antara penjualan listrik terhadap produksi listrik. Dari persamaan yang diperoleh maka model regresi diatas sudah layak dan benar untuk digunakan sebagai persamaan untuk peramalan dan dapat diramalkan jumlah produksi
(39)
listrik PT. PLN (Persero) Wilayah Sumatera Utara berdasarkan jumlah penjualan Listrik.
3.5 Peramalan
Dari persamaan Ŷ = 414,722 + 1,074X dapat diramalkan untuk 5 tahun kedepan jumlah produksi listrik yang akan diproduksi oleh PT.PLN (Persero) Wilayah Sumatera Utara. Namun harus dilihat atau dibuat terlebih dahulu jumlah penjualan yang dilakukan oleh PT.PLN (Persero) Wilayah Sumatera Utara tahun berikutnya. Apabila menurut hasil perolehan rata-rata kenaikan penjualan listrik sebesar 6% dari data di atas yang diperoleh dan PT.PLN menargetkan rata-rata kenaikan jumlah penjualan listrik sebesar 6%. Maka penjualan listrik tahun 2009 – 2013 secara berurutan adalah sebagai berikut :
Tabel 3.7 Jumlah Penjualan Listrik dengan Kenaikan Sebesar 6% dari Tahun Sebelumnya
Tahun Penjualan Listrik
2009 6.103.321
2010 6.469,520
2011 6.857,691
2012 7.269,152
2013 7.705.301
Dari Tabel. 3.7 dapat diramalkan jumlah produksi listrik oleh PT.PLN (Persero) Wilayah Sumatera Utara untuk 5 tahun berikutnya dengan menggunakan
(40)
Produksi Listrik Tahun 2009 Y = 414,722 + 1,074(6103,321) = 6.969,689
Produksi Listrik Tahun 2010 Y = 414,722 + 1,074(6469,520) = 7.362,986
Produksi Listrik Tahun 2011 Y = 414,722 + 1,074(6857,691) = 7.779,882
Produksi Listrik Tahun 2012 Y = 414,722 + 1,074(7269,152) = 8.221,791
Produksi Listrik Tahun 2013 Y = 414,722 + 1,074(7705,301) = 8690,215
(41)
Tabel 3.8 Permalan Jumlah Penjualan Listrik dan Jumlah Produksi Listrik Tahun 2009 – 2013
Tahun Penjualan Listrik Ramalan Produksi Listrik
2009 6.103,321 6.969,689
2010 6.469,520 7.362,986
2011 6.857,691 7.779,882
2012 7.269,152 8.221,791
(42)
BAB 4
IMPLEMENTASI SISTEM
Tahapan implementasi system merupakan tahapan penerapan hasil desain tertulis ke dalam programming atau komputerisasi. Dalam pengolahan data yang telah dikumpulkan penulis mengggunakan perangkat lunak sebagai implementasi sistem yaitu software SPSS versi 16.0. Adapun program SPSS ini adalah program yang dapat memberikan koefisien pada persamaan regresi yang akan digunakan pada proses peramalan. Untuk peramalan akan dilakukan secara manual.
4.1 Perkenalan Software SPSS
SPSS merupakan paket dalam program aplikasi komputer untuk menganalisa data yang digunakan pada berbagai disiplin ilmu, terutama analisis statistik. Pada awalnya SPSS (Statistical Package for the Social Science) digunakan untuk proses data statistik, ilmu sosial dan lainnya. Sehingga sekarang SPSS menjadi Statistical
(43)
4.2 Pengolahan Data Dengan Menggunakan SPSS Versi 16.0
Dalam pengolahan data menggunakan SPSS Versi 16.0 harus dipastikan terlebih dahulu di dalam komputer tersebut telah terdapat program SPSS Versi 16.0.
4.2.1 Membuka Program SPSS Versi 16.0
Klik START kemudian pilih SPSS Versi 16.0
(44)
4.2.2 Mengolah data dengan program SPSS Versi 16.0
4.2.2.1 Memasukkan Variabel data dalam variabel view
Dalam proses ini akan dibuat variable yang akan dianalisis. Adapun langkah-langkahnya sebagai berikut :
a. Buka variable view.
b. Tulis nama variable yang digunkan di bawah kolom Name. c. Pada kolom Label, ketikan nama variable yang digunakan. d. Pada kolom Measure, pilih Nominal.
(45)
Di dalam variable view diketik nama-nama variable yang akan dianalisis. Dari analisis diatas ketik X dan Y di bawah kolom Name. Kemudian di bawah kolom Label diperjelas variable X dan Y yaitu Penjualan Listrik dan Produksi Listrik.
4.2.2.2 Memasukkan Data Pada Data View
Pada proses ini data yang diperoleh diketik pada sheet data view. Tampilan Variabel View sebagai berikut:
(46)
4.2.2.3 Proses Analisis Data
Pada proses ini komputer akan menganalisis data yang telah dimasukkan dalam sheet data view. Dari proses ini akan diperoleh persamaan regresi linier yang dibutuhkan. Dari menu utama SPSS pilih Analyze kemudian submenu Regression dan pilih Linier.
(47)
Kemudian akan tampil Taskbar seperti di bawah ini :
Masukkan variabel Penjualan Listrik ke dalam kolom Iependent dan variabel Produksi Listrik ke dalam kolom Dependen.
(48)
Untuk menampilkan perhitungan statistik yaitu ketik statistic dan pilih perhitungan statistik yang dibutuhkan. Dalam hal ini diperlukan Koefisien Determinasi (R2) yang menunjukkan hubungan antar penjualan listrik dengan produksi listrik. Maka pada
taskbar statistics klik kemudian beri tanda contreng pada R squared change.
(49)
Lalu klik Continue dan klik Ok. Akan muncul output SPSS VERSI 16.0 sebagai berikut :
(50)
BAB 5
KESIMPULAN DAN SARAN
5.1Kesimpulan
Setelah dilakukan pengumpulan dan pengolahan data penjualan listrik dan produksi listrik tahun 1999 - 2008, maka diperoleh nilai peramalan jumlah produksi listrik PT.PLN Wilayah Sumatera Utara berdasarkan jumlah penjualan listrik untuk periode 5 tahun kedepan adalah :
Peramalan Jumlah Penjualan Listrik dan Jumlah Produksi Listrik Tahun 2009 – 2013
Tahun Penjualan Listrik Ramalan Produksi Listrik
2009 6.103,321 6.969,689
2010 6.469,520 7.362,986
2011 6.857,691 7.779,882
2012 7.269,152 8.221,791
2013 7.705,301 8.690,215
Dengan persamaan regresi linier sederhana yaitu Ŷ = 414,722 + 1,074X maka dapat diramalkan jumlah produksi listrik tahun 2013 yaitu sebesar 8.690,215 GWH.
(51)
5.2 Saran
Adapun saran yang dapat penulis beri yaitu :
1. Dalam meramalkan ataupun menganalisis jumlah produksi listrik PT.PLN Wilayah Sumatera Utara dengan menggunakan metode analisis regresi akan sangat membantu dan lebih mudah jika menggunakan alat bantu komputer kususnya program SPSS.
2. Dengan menganalisis data yang cenderung meningkat tiap tahunnya diramalkan penjualan energi listrik PT.PLN Wilayah Sumatera Utara di masa yang akan datang akan terus meningkat. Untuk menanggapi kondisi tersebut hendaknya pihak PT.PLN membuat suatu kebijakan baru seperti meningkatkan produksi listrik agar tidak terus terjadi pemadaman listrik di Wilayah Sumatera Utara.
(52)
DAFTAR PUSTAKA
BPS, SUMUT-Indonesia.Survey Tahunan Perusahaan Listrik Negara.Statistik PLN 1999-2008.BPS Pusat Sumatera Utara
Sembiring R.K.1995.Analisis Regresi.Bandung:ITB
Algifari.1997.Analisis Regresi Teori,Kasus dan Solusi.Yogyakarta:BPFE Sudjana,Prof.DR.M.A.M,Sc.1992.Metode Statistika.Bandung.Edisi ke-6:Tarsito Assauri,Sofjan.1984.Teknik & Metode Peramalan,Penerapannya dalam Ekonomi & Dunia Usaha.Jakarta:Penerbit Fakultas Ekonomi UI
(53)
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155
Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290
Medan, 07 Februari 2011 Nomor : /H5.2.1.8/SPB/2011
Lampiran : 1 Lembar
Perihal : Pengumpulan Data Riset Mahasiswa Program Studi D-III Statistika FMIPA USU
Kepada Yth :
Kepala Badan Pusat Statistik (BPS) Provinsi Sumatera Utara
Jalan Kapten Muslim No.17 Medan
Dengan hormat, bersama ini kami sampaikan kepada Bapak, bahwa Mahasiswa Program Studi Diploma III Statistik FMIPA USU Medan, akan melaksanakan Pengumpulan data / riset di kantor yang anda pimpin.
Sehubungan dengan hal tersebut di atas, kami mohon bantuan Saudara agar dapat menerima mahasiswa tersebut di bawah ini untuk melakukan penelitian atau pengumpulan data atas nama :
No. Nama NIM
1. Sri Hartati 082407053
Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Peramalan Produksi Listrik PT.PLN (Persero) wilayah Sumatera Utara pada tahun 2013 berdasarkan Jumlah Penjualan Listrik di Sumatera Utara”, pada Program Studi Diploma III Statistik FMIPA USU.
Demikian kami sampaikan, atas kerjasama dan bantuannya diucapkan terima kasih.
a.n Dekan
Pembantu Dekan I
Dr. Marpongahtun, M.Sc NIP. 19611115 198803 2 002 Tembusan :
(54)
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
DEPARTEMEN MATEMATIKA
Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290 Medan 20155
KARTU BIMBINGAN TUGAS AKHIR MAHASISWA
Nama Mahasiswa : Sri Hartati Selviani Handayani Nomor Induk Mahasiswa : 082407053
Judul Tugas Akhir : Peramalan Produksi Listrik PT.PLN (Persero) Wilayah Sumatera Utara Pada Tahun 2013 Berdasarkan Jumlah Penjualan Listrik di Sumatera Utara
Dosen Pembimbing : Drs. Liling Perangin-angin, M.Si Tanggal Mulai Bimbingan :
Tanggal Selesai Bimbingan :
No. Tanggal Asistensi Bimbingan
Pembahasan Asistensi Pada Bab
Paraf Dosen
Pembimbing Keterangan 1 8 Desember 2010 Pengajuan Proposal
2 9 Desember 2010 ACC Proposal
3 12 Februari 2011 Pengajuan Bab 1,Bab 2 4 4 Maret 2011 Perbaikan Bab1,Bab2 &
5 Pengajuan Bab3-Bab 5
6 8 Maret 2011 Perbaikan Bab3-Bab5 7 9 Maret 2011 ACC Bab 1-Bab 5 8
9 10
*Kartu ini harap dikembalikan ke Jurusan Matematika bila bimbingan mahasiswa telah selesai
Diketahui oleh
Departemen Matematika FMIPA USU
Ketua, Disetujui Dosen Pembimbing
Prof. Dr. Tulus, M.Si Drs. Liling Perangin-angin, M.Si NIP. 19620901 198803 1 002 NIP : 19470714 198403 1 001
(55)
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
DEPARTEMEN MATEMATIKA
Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290 Medan 20155
SURAT KETERANGAN
Hasil Uji Program Tugas Akhir
Yang bertanda tangan dibawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistika :
Nama Mahasiswa : Sri Hartati Selviani Handayani Nomor Induk Mahasiswa : 082407053
Judul Tugas Akhir : Peramalan Produksi Listrik PT.PLN (Persero) Wilayah Sumatera Utara Pada Tahun 2013 Berdasarkan Jumlah Penjualan Listrik di Sumatera Utara
Telah melaksanakan test program Tugas Akhir Mahasiswa tersebut di atas pada tanggal 20 Mei 2011
Dengan Hasil : Sukses / Gagal
Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.
Medan, 20 Mei 2011 Dosen Pembimbing,
(56)
OUTPUT SPSS
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 5574697.706 1 5574697.706 89.497 .000a Residual 498315.335 8 62289.417
Total 6073013.041 9
a. Predictors: (Constant), penjualan listrik b. Dependent Variable: produksi listrik
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta
1 (Constant) 414.722 505.862 .820 .436
penjualan listrik 1.074 .114 .958 9.460 .000 a. Dependent Variable: produksi listrik
Model Summary
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics R Square
Change
F
Change df1 df2
Sig. F Change 1 .958a .918 .908 249.57848 .918 89.497 1 8 .000 a. Predictors: (Constant), penjualan listrik
(1)
5.2 Saran
Adapun saran yang dapat penulis beri yaitu :
1. Dalam meramalkan ataupun menganalisis jumlah produksi listrik PT.PLN
Wilayah Sumatera Utara dengan menggunakan metode analisis regresi akan
sangat membantu dan lebih mudah jika menggunakan alat bantu komputer
kususnya program SPSS.
2. Dengan menganalisis data yang cenderung meningkat tiap tahunnya
diramalkan penjualan energi listrik PT.PLN Wilayah Sumatera Utara di masa
yang akan datang akan terus meningkat. Untuk menanggapi kondisi tersebut
hendaknya pihak PT.PLN membuat suatu kebijakan baru seperti meningkatkan
produksi listrik agar tidak terus terjadi pemadaman listrik di Wilayah Sumatera
(2)
BPS, SUMUT-Indonesia.Survey Tahunan Perusahaan Listrik Negara.Statistik PLN
1999-2008.BPS Pusat Sumatera Utara
Sembiring R.K.1995.Analisis Regresi.Bandung:ITB
Algifari.1997.Analisis Regresi Teori,Kasus dan Solusi.Yogyakarta:BPFE
Sudjana,Prof.DR.M.A.M,Sc.1992.Metode Statistika.Bandung.Edisi ke-6:Tarsito
Assauri,Sofjan.1984.Teknik & Metode Peramalan,Penerapannya dalam Ekonomi &
(3)
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155
Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290
Medan, 07 Februari 2011
Nomor : /H5.2.1.8/SPB/2011
Lampiran : 1 Lembar
Perihal : Pengumpulan Data Riset Mahasiswa Program Studi D-III Statistika FMIPA USU
Kepada Yth :
Kepala Badan Pusat Statistik (BPS) Provinsi Sumatera Utara
Jalan Kapten Muslim No.17 Medan
Dengan hormat, bersama ini kami sampaikan kepada Bapak, bahwa Mahasiswa Program Studi Diploma III Statistik FMIPA USU Medan, akan melaksanakan Pengumpulan data / riset di kantor yang anda pimpin.
Sehubungan dengan hal tersebut di atas, kami mohon bantuan Saudara agar dapat menerima mahasiswa tersebut di bawah ini untuk melakukan penelitian atau pengumpulan data atas nama :
No. Nama NIM
1. Sri Hartati 082407053
Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Peramalan Produksi Listrik PT.PLN (Persero) wilayah Sumatera
Utara pada tahun 2013 berdasarkan Jumlah Penjualan Listrik di Sumatera Utara”,
pada Program Studi Diploma III Statistik FMIPA USU.
Demikian kami sampaikan, atas kerjasama dan bantuannya diucapkan terima kasih.
a.n Dekan
Pembantu Dekan I
Dr. Marpongahtun, M.Sc NIP. 19611115 198803 2 002 Tembusan :
1. Yth. Ketua Program Studi D-III Statistika 2. Arsip
(4)
UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
DEPARTEMEN MATEMATIKA
Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290 Medan 20155
KARTU BIMBINGAN TUGAS AKHIR MAHASISWA
Nama Mahasiswa : Sri Hartati Selviani Handayani Nomor Induk Mahasiswa : 082407053
Judul Tugas Akhir : Peramalan Produksi Listrik PT.PLN (Persero) Wilayah Sumatera Utara Pada Tahun 2013 Berdasarkan Jumlah Penjualan Listrik di Sumatera Utara
Dosen Pembimbing : Drs. Liling Perangin-angin, M.Si Tanggal Mulai Bimbingan :
Tanggal Selesai Bimbingan :
No. Tanggal Asistensi Bimbingan
Pembahasan Asistensi Pada Bab
Paraf Dosen
Pembimbing Keterangan 1 8 Desember 2010 Pengajuan Proposal
2 9 Desember 2010 ACC Proposal
3 12 Februari 2011 Pengajuan Bab 1,Bab 2 4 4 Maret 2011 Perbaikan Bab1,Bab2 &
5 Pengajuan Bab3-Bab 5
6 8 Maret 2011 Perbaikan Bab3-Bab5
7 9 Maret 2011 ACC Bab 1-Bab 5
8 9 10
*Kartu ini harap dikembalikan ke Jurusan Matematika bila bimbingan mahasiswa telah selesai
Diketahui oleh
Departemen Matematika FMIPA USU
Ketua, Disetujui Dosen Pembimbing
Prof. Dr. Tulus, M.Si Drs. Liling Perangin-angin, M.Si
(5)
KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
DEPARTEMEN MATEMATIKA
Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290 Medan 20155
SURAT KETERANGAN
Hasil Uji Program Tugas Akhir
Yang bertanda tangan dibawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistika :
Nama Mahasiswa : Sri Hartati Selviani Handayani Nomor Induk Mahasiswa : 082407053
Judul Tugas Akhir : Peramalan Produksi Listrik PT.PLN (Persero) Wilayah Sumatera Utara Pada Tahun 2013 Berdasarkan Jumlah Penjualan Listrik di Sumatera Utara
Telah melaksanakan test program Tugas Akhir Mahasiswa tersebut di atas pada tanggal 20 Mei 2011
Dengan Hasil : Sukses / Gagal
Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.
Medan, 20 Mei 2011 Dosen Pembimbing,
Drs. Liling Perangin-angin, M.Si NIP. 19470714 198403 1 001
(6)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 5574697.706 1 5574697.706 89.497 .000a
Residual 498315.335 8 62289.417
Total 6073013.041 9
a. Predictors: (Constant), penjualan listrik b. Dependent Variable: produksi listrik
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 414.722 505.862 .820 .436
penjualan listrik 1.074 .114 .958 9.460 .000
a. Dependent Variable: produksi listrik
Model Summary
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics R Square
Change
F
Change df1 df2
Sig. F Change
1 .958a .918 .908 249.57848 .918 89.497 1 8 .000