Peramalan Nilai Penjualan Energi Listrik PT.PLN ( Persero ) Cabang Pematang Siantar Untuk Tahun 2011 Berdasarkan Data Tahun 1999-2008
PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PT.PLN
( PERSERO ) CABANG PADANGSIDIMPUAN UNTUK TAHUN
2011
TUGAS AKHIR
ANISAH LUBIS 072407037
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2010
(2)
PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PT.PLN
( PERSERO ) CABANG PADANGSIDIMPUAN UNTUK TAHUN
2011
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
ANISAH LUBIS 072407037
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2010
(3)
DAFTAR ISI Persetujuan Pernyataan Daftar Isi Daftar Tabel Daftar Gambar
Bab 1 Pendahuluan
1.1.Latar Belakang 1.2.Identifikasi Masalah
1.3.Tujuan dan Manfaat Penelitian 1.4.Metodologi Penelitian
1.5.Lokasi Penelitian
1.6.Metode Analisis yang Dikumpulkan 1.7.Sistematika Penulisan
Bab 2 Landasan Teori
2.1. Pengertian Peramalan
2.2. Kegunaan dan Peran Peramalan 2.3. Jenis Peramalan
2.4. Pemilihan Teknik dan Metode Peramalan 2.5. Analisa Deret Berkala
2.6. Penentuan Pola Data
2.7. Metode Pemulusan (Smoothing) 2.8. Metode Smoothing Yang Digunakan 2.9. Ketepatan Ramalan
Bab 3 Sejarah Tempat Riset
3.1. Sejarah Badan Pusat Statistik (BPS) 3.1.1. Masa Pemerintahan Hindia Belanda 3.1.2. Masa Pemerintahan Jepang
3.1.3. Masa Pemerintahan Republik Indonesia 3.1.4. Masa Orde Baru sampai Sekarang 3.2. Program Pengembangan Statistik
3.3. Kegiatan Badan Pusat Statistik
3.3.1. Kedudukan, Tugas, dan Fungsi Badan Pusat Statistik 3.3.2. Tata Kerja Badan Pusat Statistik
(4)
3.3.3. Struktur Organisasi Badan Pusat Statistik
3.4. Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatera Utara
Bab 4 Analisis Data
4.1. Arti Analisis Data
4.2. Analisis Pemulusan Eksponensial Ganda
4.3. Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown 4.3.1. Penaksiran Model Peramalan
4.3.2. Penentuan Bentuk Persamaan Peramalan 4.4. Peramalan Nilai Penjualan Energi Listrik
Bab 5 Implementasi Sistem
5.1. Pengertian Implementasi Sistem 5.2. Microsoft Excel
5.3. Langkah –Langkah Memulai Pengolahan Data dengan Excel 5.4. Menghitung Ketepatan Peramalan
5.5. Hasil Dalam Metode Pemulusan Eksponensial dari Brown 5.6. Pembuatan Grafik
Bab 6 Kesimpulan dan Saran 6.1. Kesimpulan 6.2. Saran
Daftar Pustaka Lampiran
(5)
PERSETUJUAN
Judul : PERAMALAN NILAI PENJUALAN ENERGI
LISTRIK PT.PLN ( PERSERO ) CABANG PEMATANG SIANTAR UNTUK TAHUN 2011 BERDASARKAN DATA TAHUN 1999-2008
Nama : ANISAH LUBIS
Nomor Induk Mahasiswa : 072407037
Program Studi : DIPLOMA (D3) STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM ( FMIPA ) UNIVERSITAS SUMATERA UTARA)
Diluluskan di Medan, Juni 2010
Diketahui/Disetujui oleh Pembimbing
Departemen Matematika FMIPA USU Ketua
NIP.19640109 198803 1 004 NIP.19551228198703 1 003 Dr.Saib Suwilo,M.Sc Drs.Ramli Barus,M.Si .
(6)
BAB 1
PENDAHULUAN
1.1.Latar Belakang
Dalam perekonomian, manusia berperan sebagai produsen sekaligus sebagai
konsumen yang selalu berupaya memenuhi kebutuhan hidupnya melalui alat pemuas
kebutuhan yang tersedia dan beranekaragam. Berbagai macam cara dilakukan
terkhusus bagi konsumen guna mendapatkan kebutuhan hidupnya yaitu primer atau
sekunder, baik itu melalui pemanfaatan Sumber Daya Alam (SDA) yang tersedia
maupun pendaur-ulangan bahan-bahan atau produk-produk yang sudah lama tidak
digunakan lagi. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu alat
pemuas kebutuhan manusia misalnya : tanah, air, energi gas, energi panas, energi
(7)
Listrik merupakan salah satu kebutuhan primer atau penting sebab tidak bisa
dipisahkan dari kehidupan manusia, karena hampir seluruh aspek kegiatan
membutuhkan listrik, khususnya pada era globalisasi dan modernisasi saat ini.
Perkembangan teknologi yang semakin canggih memerlukan banyak hal yang dapat
mendukung kemajuan ilmu pengetahuan dan teknologi tersebut, salah satunya adalah
energi listrik.
Tanpa adanya energi listrik kehidupan manusia pada modernisasi saat ini pasti
sangat jauh berbeda jika dibandingkan pada saat sekarang ini sebab dalam seluruh
aspek kehidupan manusia baik keperluan sehari-hari, dunia usaha, industri,
pemerintahan, pendidikan dan lainnya sangat dibutuhkan energi listrik yang sangat
bermanfaat dalam kelangsungan proses kegiatan masing-masing bidang.
Meskipun saat ini telah tersedia sebuah alat yang dinamakan genset (generator
set) yang dapat tetap mengalirkan listrik dengan menggunakan bahan bakar solar,
namun alat tersebut digunakan hanya sebagai cadangan ketika listrik padam tetapi
dengan menggunakan alat ini juga menghabiskan biaya yang cukup besar. Oleh
karena itu energi listrik tetap sangat diperlukan meskipun alat itu telah ada. Kita
secara bersama-sama mengelola dan menjaga jaringan listrik yang ada di daerah kita
(8)
baik. Kita perlu instropeksi terhadap penggunaan arus listrik sehingga tidak terjadi
pemborosan dan kita juga harus tahu bahwa biaya produksi listrik sangat besar,
karenanya kita harus menghemat penggunaan listrik seefisien mungkin jika tidak
dibutuhkan sebaiknya lampu tersebut dimatikan.
Dari keadaaan dan berbagai alasan tersebut, penulis ingin meneliti salah satu
Sumber Daya Alam (SDA) yang kita miliki yaitu energi listrik. Dalam hal ini, penulis
ingin mengetahui dan meramalkan berapa besar nilai penjualan energi listrik (dalam
rupiah) yang diperoleh khususnya di wilayah PT. PLN (Persero) Cabang Pematang
Siantar. Berdasarkan pemikiran di atas maka penulis memilih judul “PERAMALAN
NILAI PENJUALAN ENERGI LISTRIK PT. PLN (PERSERO) CABANG
PEMATANG SIANTAR UNTUK TAHUN 2011 BERDASARKAN DATA TAHUN
1999-2008”.
1.2. Rumusan Masalah
Listrik sebagai sumber energi yang sangat penting dalam kehidupan manusia.
Demikian halnya kota Pematang Siantar sebagai salah satu kabupaten di Sumatera
Utara yang sekarang ini mengarah kepada industrialisasi dan modernisasi maka besar
kemungkinan kondisi seperti ini juga akan sangat membutuhkan energi khususnya
(9)
tantangan besar sekaligus peluang bisnis dalam mendapatkan keuntungan karena PLN
sebagai satu-satunya instansi yang memonopoli energi listrik.
Adapun yang menjadi masalah dalam tulisan ini yaitu :
1. Bagaimana bentuk persamaan yang dapat dipakai untuk meramalkan besarnya
nilai penjualan energi listrik untuk tahun 2011 ?
2. Berapa besarnya nilai penjualan energi listrik yang diramalkan dimasa yang akan
datang yaitu untuk tahun 2011 ?
3. Pemulusan ditentukan dengan cara coba-coba dan salah (trial and error) dari nilai
parameter (
α
) yang besarnya 0<α
<1. 1.3.Pembatasan MasalahSehubungan dengan keterbatasan waktu dan kemampuan penulis serta untuk
menghindari kesimpangsiuran dalam penulisan Tugas Akhir yang sesusai dengan
judul dan latar belakang masalah yang telah diuraikan, penulis membatasi ruang
lingkup penelitian pada peramalan nilai penjualan listrik (dalam rupiah) yang
diperoleh khususnya di wilayah Pematang Siantar PT. PLN (persero) untuk tahun
2011
(10)
Secara umum penelitian ini bertujuan untuk :
1. Meramalkan besarnya nilai penjualan energi listrik untuk tahun 2011
2. Berapa besar nilai penjualan energi listrik yang diramalkan dimasa yang akan
datang yaitu untuk tahun 2011
Adapun manfaat dari penelitian ini yaitu dapat memberikan masukan dan
menjadi bahan pertimbangan untuk menghadapi naik atau turunnya tingkat
permintaan energi listrik dari masyarakat.
1.5.Metodologi Penelitian
Metode yang penulis gunakan dalam melaksanakan penelitian ini adalah :
1. Studi Kepustakaan (Library Research)
Suatu cara penelitian yang digunakan untuk memperoleh data atau informasi dari
perpustakaan yaitu dengan membaca buku-buku, referensi, bahan-bahan yang
bersifat teoritis yang membantu dalam menyusun Tugas Akhir ini.
2. Pengumpulan Data.
Pengumpulan Data untuk keperluan riset ini penulis melakukan cara dengan
(11)
Data sekunder adalah data yang diperoleh atau dirangkum ulang berdasarkan data
yang telah tersedia atau disusun oleh Badan Pusat Statistik (BPS). Data yang
dikumpulkan tersebut kemudian diatur, disusun, dan disajikan dalam bentuik
angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang data
tersebut.
1.6.Tinjauan Pustaka
Teori penunjang yang digunakan untuk mewujudkan tulisan ini dikutip dari buku
Metode dan Aplikasi Peramalan Edisi ke II oleh Spyros Makridaks. Metode
smoothing (metode pemulusan/pelicin) merupakan teknik meramal dengan cara
mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir nilai pada
periode yang akan datang. Dalam metode ini data historis digunakan untuk
memperoleh angka yang dilicinkan atau diratakan. Dalam metode ini peramalan
dilakukan dengan mengulang perhitungan secara terus-menerus dengan menggunakan
data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih
(12)
Persamaan-persamaan yang dipergunakan dalam penerapan metode pemulusan
(smoothing) eksponensial ganda adalah seperti yang akan diuraikan di bawah ini.
Persamaan ini terkenal dengan nama Metode atau Teknik “Brown’s One Parameter
Linier Exponensial Smoothing” yaitu sebagai berikut :
a. Menentukan pemulusan pertama (Ѕ't)
Ѕ't =
α
X t + (1 -α
) Ѕ't -1 Dimana :Ѕ't = Pemulusan pertama periode t
X t = Nilai periode t
Ѕ't -1 = Pemulusan pertama periode t-1
b. Menentukan pemulusan kedua (Ѕ"t)
Ѕ"t =
α
Ѕ't + (1 -α
) Ѕ"t -1 dimana :Ѕ"t = Pemulusan kedua periode t-1
c. Menentukan besarnya konstanta (
α
t)α
t = 2 Ѕ't - Ѕ"t(13)
α
t = Konstanta pemulusand. Menentukan besarnya slope/koefisien (b t)
dimana :
(
' ")
1 t t
t S S
b −
− = αα b t = Konstanta pemulusan
e. Menentukan besarnya trend peramalan/forecast (F t + m)
F t + m =
α
t + b t (m)dimana :
F t + m = Hasil pengamatan untuk m periode kedepan yang diramalkan
m = Jumlah periode kedepan yang diramalkan.
1.7. Sistematika Penulisan.
Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari
Tugas Akhir ini, yaitu sebagai berikut :
(14)
Pada Bab ini berisi tentang latar belakang masalah, identifikasi
masalah, tujuan dan manfaat, metodologi penelitian, lokasi penelitian,
metode analisis yang digunakan, serta sistematika penulisan.
BAB 2 : TINJAUAN TEORITIS
Pada Bab ini berisi tentang pengertian peramalan, kegunaan dan peran
peramalan, jenis peramalan, pemilihan teknik dan metode peramalan,
analisis deret berkala, penentuan pola data, metode pemulusan yang
digunakan dan ketepatan ramalan.
BAB 3 : SEJARAH TEMPAT RISET.
Pada Bab ini menjelaskan tentang sejarah Kantor Badan Pusat Statistik
(BPS) beserta struktur organisasinya.
BAB 4 : ANALISA DATA
Dalam bab ini dilakukan analisa data dengan perhitungan meramalkan
nilai penjualan energi listrik.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini membahas tentang software yang digunakan dalam analisa
(15)
BAB 6 : KESIMPULAN DAN SARAN
Pada bab ini berisikan tentang kesimpulan dan saran dari hasil
(16)
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan (Forecasting)
Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
terjadi pada masa mendatang. Peramalan penjualan adalah peramalan yang
mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu
diambil serta variable-variabel yang mempengaruhi permasalahan arus penjualan yang
akan terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran
akan dibutuhkan suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut.
Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting
dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa
(17)
Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan
terjadi di masa akan datang. Ramalan tersebut dapat didasarkan atas
bermacam-macam cara yang dikenal dengan metode peramalan. Metode peramalan adalah cara
memperkirakan secara kwantatif apa yang terjadi pada masa depan, berdasarkan data
yang relevan pada masa lalu. Metode peramalan akan membantu dalam mengadakan
pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat
memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan
pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil
ramalan yang dibuat atau disusun.
2.2 Kegunaan dan Peran Peramalan
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. Dalam situasi
diatas peramalan sangat diperlukan untuk menentukan kapan suatu peristiwa akan
terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan tindakan yang
(18)
Dalam perencanaan disuatu instansi baik itu pemerintahan maupun swasta,
peramalan merupakan kebutuhan yang sangat mendasar. Dimana baik maupun
buruknya ramalan dapat mempengaruhi seluruh bagian instansi, karena waktu
tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan
merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.
Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan
keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan
apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang
diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena
masalah pengambilan keputusan merupakan masalah yang selalu dihadapi maka
peramalan juga merupakan masalah yang selalu dihadapi karena peramalan berkaitan
dengan pengambilan suatu keputusan.
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh
metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data
yang digunakan atau ketepatan ramalan yang dibuat. Selama data maupun informasi
yang digunakan tidak dapat maka hasil peramalan yang disusun juga akan sukar
(19)
Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat
penting, walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan,
dimana selalu ada unsure kesalahannya. Sehingga yang penting diperhatikan adalah
untuk memperkecil kesalahannya tersebut.
Di dalam bagian Organisasi terdapat beberapa peran penting dalam peramalan :
1. Penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang
efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan
sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan
tingkat permintaan konsumennya atau si pelanggan, bahan, tenagakerja,
finansial atau jasa pelayanan.
2. Penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk
memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan
peralatan dapat berkisar antara beberapa hari sampai beberapa tahun.
Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa yang
akan datang.
3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan
sumber daya yang ingin dimiliki dalam jangka waktu panjang. Keputusan
semacam ini bergantung kepada kesempatan pasar, faktor-faktor lingkungan
(20)
teknologi.csemua penentuan ini memerlukan ramalan yang baik dan manajer
yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun
tiga kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka
pendek, menengah, dan panjang.
Dari uraian di atas dapat 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 sistematis hingga memberikan
ketepatan hasil analisis.
2.3 Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu :
1. Peramalan Kwalitatif atau Teknologis
peramalan Kwalitatif adalah peramalan yang didasarkan atas data kwalitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang
menyusunnya. hal ini penting karena hasil peramalan tersebut ditentukan
(21)
pengalaman dari orang-orang yang menyusunnya. metode kwalitatif dapat
dibagi menjadi 2 yaitu : metode eksploratoris dan normative.
2. Peramalan Kwantitatif
Peramalan Kwantitatif adalah peramalan yang didasarkan atas data kwantitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang
dipergunakan dalam peramalan tersebut. karena dengan metode yang berbeda
akan diperoleh suatu hasil peramalan yang berbeda pula. Baik tidaknya metode
yang dipergunakan ditentukan oleh perbedaan atau penyimpangan antara hasil
ramalan dengan keyakinan yang terjadi. Semakin kecil penyimpangan antara
hasil ramalan dengan kenyataan yang terjadi berarti metode yang
dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang
dilakukan dengan mengikuti prosedur penyusunan yang baik. Metode
kwantitatif dapat dibagi dalam deret berkala ( time series ) dan metode kausal.
Peramalan kwantitatif dapat digunakan bila terdapat tiga kondisi yaitu :
1. Adanya informasi tentang masa lalu
2. Informasi tersebut dapat dikwantitatifkan dalam bentuk data.
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu
akan terus berlanjut di masa yang akan datang.
Metode-metode peramalan dengan analisis deret waktu yaitu :
(22)
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 dan
jangka panjang
2.4 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui
cirri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan
dalam mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode
peramalan yaitu :
(23)
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing
metode peramalan yaitu : cakupan waktu dimasa yang akan datang daan
jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola
yang didapati di dalam data yang diramalkan akan berkelanjutan.
3. Jenis dari Model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsur yang penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisis keadaan untuk pengambilan
keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada 4 (empat) unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan yaitu 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 erat kaitannya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan.
(24)
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.5 Analisis 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.
Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau
beberapa kejadian serta hubungan kerja lainnya.
Metode time series merupakan metode peramalan kwantitatif didasarkan atas
penggunaan analisis pola hubungan antara variable yang akan diperkirakan dengan
variable 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 terdapat
pertumbuhan/penurunan data. Data secara kasar harus horizontal sepanjang waktu
dengan kata lain fluktuasi data tetap konstan setiap waktu.
(25)
Hal penting yang perlu 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 Horizontal ( H )
Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang
konstan.
2. Pola musiman ( S )
Pola yang menunjukkan perubahan yang berulang-ulang secara periodic dalam
deret waktu. pola yang ini terjadi bial suatu deret dipengaruhi oleh faktor
musiman, misalnya kwartal tahun tertentu, bulanan atau hari-hari pada
mingu-minggu tertentu.
3. Pola Siklis ( C )
Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu
kurva trend. terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti berhubungan dengan siklus bisnis.
4. Pola Trend ( T )
(26)
2.7 Metode Pemulusan ( Smoothing )
Metode Smothing adalah metode peramalan dengan mengadakan penghalusan
terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk
menaksir nilai pada beberapa tahun kedepan.
Secara umum Metode Smoothing 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 Average )
d.Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memenfaatkan data masa lalu untuk
mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari metode pemulusan ekponensial adalah :
F
t+1 =α
X
t+ (1-
α) F
tDimana :
(27)
X
t = Data Aktual pada periode ke-tF
t = Ramalan pada periode ke-tα
= Para meter pemulusanMetode smooting eksponensial terdiri atas :
1. Smoothing eksponensial tunggal
a. Satu parameter
b. Pendekatan adaptif
2. Smoothing Exponensial Ganda
a. Metode linier satu parameter dari Brown
b. Metode dua dari Holt
3. Smoothing Exponensial Tripel
a. Metode kuatratik satu parameter dari brown
b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter
4. Smoothing Exponensial menurut klasifikasi Pegels
2.8 Metode Smooting Yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka
(28)
penjualan energy listrik pada pemecahan masalah ini adalah dengan menggunakan
Metode Smoothing Eksponensial yaitu “Smoothing Eksponensial 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 sebenarnya.
Persamaan yang dipakai dalam persamaan Pemulusan Eksponensial Linier
Satu Parameter dari Brown adalah sebagai berikut :
S't= α Xt+ ( 1 –α ) S't−1 S''t= α S't+ ( 1 - α ) S''t−1
at = S't + ( S't - S''t ) = 2 S't - S''t
bt =
α α −
1 ( S't - S''t)
Ft+m= at+ btm
(29)
dimana : m = Jumlah periode didepan yang diramalkan
S' = Nilai eksponensial smoothing tunggal
S'' = Nilai eksponensial smoothing ganda
α = Parameter Pemulusan Eksponensial at, bt = Konstanta pemulusan
Ft+m = Hasil peramalan untuk m periode ke depan yang akan
diramalkan.
2.9 Ketepatan Ramalan
Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana
mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data
yang diberikan. Ketepatan dipandang sebagaai kreteria penolakan untuk memilih
suatu metode ramalan. 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 ramalan.
Beberapa Kreteria yang digunakan untuk menguji ketepatan ramalan antara lain :
(30)
N e ME N t t
∑
= = 12. M S E ( Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat
N e MSE N t t
∑
= = 1 23. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut
N e MAE N t t
∑
= = 14. S S E (Sum Square Error) / Jumlah Kuadrat Kesalahan
∑
= = N t t e SSE 1 2(31)
N e SDE N t t
∑
= = 1 26. M A P E (Mean Absolut Pencentage Error) / Nilai tengah Kesalahan Persentase
Absolut N PE MAPE N t t
∑
= = 17. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase
N PE MPE N t t
∑
= = 1 Dimana :et = Xt – Ft (kesalahan pada period eke-t)
Xt = data actual pada periode ke-t
Ft = Nilai ramalan pada periode ke-t
N = banyaknya periode waktu
(32)
Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai
M S E yang terkecil.
(33)
BAB 3
SEJARAH TEMPAT RISET
3.1 Sejarah Badan Pusat Statistik
Kantor BPS Propinsi Sumatera Utara merupakan lembaga pemerintahan non
departemen yang berada dibawah dan tanggung jawab langsung kepada
presiden.Adapun sejarah BPS di Indonesia terjadi 4 ( empat ) masa pemerintahan di
Indonesia antara lain :
3.1.1 Masa Pemerintahan Hindia Belanda
Pada masa hindia belanda ini Kantor Statistik pertama didirikan oleh direktur
(34)
Handle ). Pada bulan Februari 1920 yang berkedudukan di Bogor. Kantor ini diserahi
tugas untuk mengolah dan mempublikasikan data statistik.
Pada bulan maret 1923 dibentuk suatu komisi yang bernama komisi untuk
statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut
diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin
untuk mencapai kesatuan dalam kegiatan dibidang statistik di Indonesia. Selain dari
itu, Komisi ini mengurus terutama bagian statistik yang dimuat di dalam Laporan
Indonesia yang sebelumnya disebut laporan kolonial .
Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan
Center Kantor Voor De Statistiek (CKS) atau kantor statistik dan dipindahkan ke
Jakarta. Bersama dengan itu beralih pula pekerjaan Mekanisme Statistik Perdagangan
yang semula dilakukan oleh kantor Invoer Uitvoer en Accijnsen ( IUA ) yang
sekarang disebut Kantor Bea Cukai.
Kantor pusat ststistik selain mencakup bidang administrasi mencakup juga
bagian yang menangani Urusan Umum, Statistik Perdagangan, Statistik Pertanian,
Statistik Kerajinan, Statistik Konjungtor,Statistik Sosial. Kegiatan statistik pada era ini
(35)
Belanda. Komisi ini juga pernah melakukukan suatu kegiatan statistik yang bersifat
monumental yaitu Sensus Penduduk 1930, yang merupakan sensus penduduk yang
pertama kali dilakukan di Indonesia.
3.1.2 Masa Pemerintahan Jepang
Pada bulan Juli 1994 pemerintah Jepang baru mengaktifkan kembali kegiatan statistik
yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Dan tugas
serta fungsi kegiatan statistik pada saat itu lebih terkonsentrasi untuk keperluan
militer. Pada masa ini juga CKS diganti menjadi Shomubu Chosasitsu Gunseikanbu.
3.1.3 Masa Pemerintahan Republik Indonesia
Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945
kegiatan statistik ditandatangani oleh lembaga atau instansi baru yang sesuai dengan
suasana kemerdekaan yaitu Kantor Penyelidikan Perangkaan Umum Republik
Indonesia ( KPPURI ). Tahun 1946 Kantor KPPURI dipindahkan ke Yokjakarta
sebagai sekuensi dari perjanjian Linggar Jati. Sementara itu pemerintahan Belanda
( NICA ) di Jakarta menggaktifkan kembali CKS. Perkembangan berikutnya KPPURI
(36)
KPPURI dan CKS dilebur menjadi Kantor Pusat Statistik ( KPS ) dan berada dibawah
dan bertanggungjawab kepada Mentri Kemakmuran.
Dengan Surat mentri Perekonomian tanggal 1 Maret 1952 No.P/44, lembaga
KPS berada dibawah dan bertanggung jawab kepada Mentri Perekonomian.
Selanjutnya keputusan Mentri Perekonomian tanggal 24 Septembar 1953
No.18.099/M, KPS dibagi menjadi dua bagian yaitu bagian research yang disebut
Afdeling A dan bagian penyelenggara tata usaha ang disebut Afdeling B.Dengan
keputusan Presiden RI No.131 Tahun 1957, kementian perekonomian dipecah
menjadi kementrian perdagangan dan perindustrian.
Untuk selanjutnya keputusan Presiden RI No.172 Tahun 1957, terhitung mulai
1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik dan statistik yang semula
menjadi tanggung jawab dan wewenag Mentri Perekonomian dialihkan menjadi
wewenang dan berada dibawah Perdana Mentri. Berdasarkan Keppres ini pula secara
formal nama Biro Pusat Statistik dipergunakan.
3.1.4 Masa Orde Baru sampai Sekarang
Seiring dengan perkembangan zaman, khususnya pada pemerintahan Orde Baru untuk
(37)
dibutuhkan data statistik. Untuk mendapatkan data secara tepat dan akurat, salah satu
unsurnya adalah pembenahan organisasi BPS.
Dalam masa orde baru ini,BPS telah mengalami empat kali perubahan struktur
organisasi :
1. Peraturan pemerintah No.16 Tahun 1968 tentang organisasi BPS.
2. Peraturan pemerintah No.6 Tahun 1980 tentang organisasi BPS.
3. Peraturan pemerintah No.2 Tahun 1992 tentang kedudukan, tugas, fungsi,
susunan dan tata kerja BPS.
4. Undang-Undang No.16 Tahun 1997 tentang statistik.
5. Keputusan presiden RI No.86 Tahun 1998 tentang BPS.
6. Keputusan kepala BPS No.100 tentang organisasi dan tata kerja BPS.
7. PP No.51 Tahun 1998 tentang penyelenggaraan statistik.
Tahun 1968, ditetapkan peraturan pemerintah No.16 Tahun 1968 yaitu yang
mengatur organisasi dan tata kerja di pusat dan daerah.Tahun 1980, peraturan
pemerintah No.6 Tahun 1980 tentang organisasi sebagai pengganti peaturan
pemerintah No.16 Tahun 1968. Berdasarkan peraturan pemerintah No.6 Tahun 1980
ditiap provinsi terdapat perwakilan BPS dengan nama kantor stastistik provinsi dan di
kabupaten atau kotamadya terdapat cabang perwakilan BPS dengan nama kantor
(38)
statistik sebagai pengganti UU No.6 dan 7 tentang sensus dan statistik. Pada tanggal
17 Juli 1998 dengan keputusan RI No.86 tahun 1998, ditetapkan BPS sekaligus
mengatur tata kerja dan struktur organisasi BPS yang baru.
3.2 Program Pengembangan Statistik
Untuk mewujudkan pembangunan statistik, BPS membagi dalam 4 program yaitu :
1. Program penyempurnaan dan pengembangan statistik.
2. Program penyempurnaan sistem informasi.
3. Program pendidikan dan aparatur negara
4. Program peningkatan saran dan prasarana aparatur Negara.
Adapun visi dari Badan Pusat Statistik adalah menjadi sumber informasi
sebagai tulang punggung informasi pembangunan nasional dan regional, didukung
sumberdaya manusia yang berkualitas, ilmu pengetahuan dan teknologi nformasi yang
mutakhir. Sedangkan misi Badan Pusat statistik adalah untuk menunjang
pembangunan nasional BPS mengembangkan misi mengarahkan pembangunan
statistik pada penyediaan data statistik yang handal dan bermutu, efektif dan efisien,
peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan
(39)
3.3 Kegiatan Badan Pusat Statistik
3.3.1 Kedudukan, Tugas dan Fungsi Badan Pusat Statistik
Badan Pusat Statistik sebagai lembaga pemerintahan non departemen yang berada
dibawah dan bertanggung jawab kepada Presiden ( Keppres No.86 Tahun 1998 ),
dalam melaksanakan tugasnya berdasarkan beberapa ketentuan perundangan :
1. UU No.16 tentang statistik
2. Keputusan Presiden No. 86 Tahun 1998 tentang BPS.
3. Peraturan Pemerintah No.51 tahun 1999 tentang penyelenggaraan statistik.
Berdasarkan Keputusan Presiden No.86 tahun 1999 dalam menyelenggarakan
satistik dasar melakukan koordinasi dan kerjasama, serta mengembangkan dan
membina statistik dengan peraturan perundang-undangan yang berlaku
Fungsi yang diselenggarakan Badan Pusat Statistik adalah:
1. Perumusan kebijaksanaan , perencanaan, pengumpulan, pengolahan,
penyajian data dan analisis dibidang statistik produksi dan
kependudukan serta bidang statistik distribusi dan neraca nasional.
2. Pembinaan pelaksanaan koordinasi kegiatan statisik dengan departemen
(40)
statistik yang diperlukan, serta pelaksanaan kerjasama dibidang statistik
dengan lembaga / organisasi lain baik didalam maupun luar negri.
3. Panyajian data kepada pemerintah dan masyarakat dari hasil kegiatan
statistik produksi dan kependudukan serta statistik distribusi dan neraca
nasional secara berkala baik dari hasil penelitian sendiri maupun dari
data sekunder.
4. Penyebarluasan statistik melalui berbagai cara baik secara langsung
maupun tidak langsung serta pelaksanaan upaya peningkatan dasar
statistik bagi masyarakat.
5. Pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan
pembekalan, sera memberikan pelayanan administrasi dilingkungan
BPS.
Tata Kerja Badan Pusat Statistik
Para deputi wajib melaksanakan koordinasi dan kerjasama teknis statistik di dalam
dan luar negri sesuai dengan bidang dan tugas masing-masing dan harus melaporkan
kepada kepala BPS. Dalam melaksanakan tugasnya wajib menerapkan prinsip
koordinasi, integrasi, sibronisasi dan sinlifikasi, baik dalam lingkungan
masing-masing antara satuan unit organisasi di lingkungan BPS maupun dengan instansi
(41)
Stuktur Organisasi Badan Pusat Statistik
Stuktur organisasi perusahaan merupakan salah satu faktor penting yang
mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang
ditetapkan. Dengan adanya stuktur organisasi maka akan jelaslah pemisahan tugas
dari para pegawai / staf tertentu.
Adapun tujuan dari stuktur organisasi di kantor BPS Propinsi Sumatera Utara
adalah :
1. Pengkordinasian yaitu yang memungkinkan komunikasi integrasi berbagai
departemen dan kegiatan-kegiatan yang saling berhubungan satu sama lain.
2. Pemberian saran yaitu memberikan saran uatu membuat rekomendasi bagi
manajemen .
3. Pembuatan keputusn yaitu membuat kepurtusan-keputusan dan mengamati
bagaimana pelaksanaan dari keputusan tersebut.
Strktur organisasi kantor BPS Provinsi Sumatera Utara dipimpin oleh seorang
kepala yang dibantu oleh bagian tata usaha. Bagian tata usaha terdiri dari :
(42)
2. Sub bagian perlengkapan dan pembekalan
3. Sub bagian keuangan
4. Sub bagian kepegawaian
5. Sub bagian bina potensi / bina program
Uraian tugas bagian Tata Usaha :
1. Menyusun program kerja tahunan bagian.
2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja
tahunan , baik rutin maupun proyek kantor BPS provinsi dam menyimpannya
ke BPS.
3. Mengatur dan melaksanakan urusan dalam yang meliputi surat menyurat ,
pengadaan dan percetakan arsip, rumah tangga, pemeliharaan gedung,
keamanan dan ketertipan lingkungan, serta perjalanan dinas dalam dan luar
negeri.
4. Mengatur dan melaksanakan uusan perlengkapan dan pembekalan yang
meliputi penyusunan rencana kebutuhan, penyaluran dan pengemasan,
penyimpanan pergudangan, inventaris, penghapusan serta pemeliharaan
peralatan dan pelengkapan.
5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha
(43)
6. Mangatur dan melaksanakan urusan dan mutasi pegawai, pembinaan pegawai,
kesejahteraan pegawai, administrasi jabatan dan fungsional, hukum, organisasi
tata laksana serta penyajian.
7. Menyusun laporan kegiatan bagian secara berkala dan sewaktu-waktu.
8. Mengatur dan melaksanakan urusan penyelenggaaan berbagai pelatihan teknis
dan pelatihan administratif.
Sedangkan bidang penunjang BPS ada 5 bidang yaitu :
1. Bidang Statistik Produksi
Mempunyai tugas melaksanakan kegiatan BPS pertanian, industri, serta BPS
konstruksi pertambangan dan energi.
Uraian tugas bidang statistik produksi :
a. Menyusun program tahunan bidang
b. Yang termaksud ruang lingkup tugas bidang BPS Produksi adalah
meliputi pelaksanaan kegiatan statistik pertanian , industri, konstruksi,
pertambangan, energi, dan statistic produksi lainya yang ditentukan.
c. Mengatur keikutsertaan program latihan yang diselenggarakan oleh
(44)
d. Membantu Kepala Kantor BPS Provinsi atau Pimpinan Bagian Proyek
untuk menyiapkan program petugas bagian lapangan.
e. Mangatur dan mengkoordinasi penyelenggaraan pelatihan petugas
lapangan di pusat pelatihan serta mengatur penjatahan pelatihan.
f. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen
hasil pengumpulan data statistik produksi.
g. Bersama-sama dengan bidang pengolahan data, mengatur dan
menyiapkan data statistik produksi melalui komputer sesuai yang
diterapkan .
2. Bidang Statistik Distribusi
Bidang statistik distribusi mempunyai tugas melaksanaan kegiatan BPS harga
konsumen dan perdagangan besar, BPS keuangan dan harga produsen serta
BPS niaga dan jasa.
Uraian tugas Bidang Statistik Distribusi :
a. Menyusun program kerja tahunan
b. Membantu kepala kantor statistik, propinsi atau pemimpin proyek /
(45)
c. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas
lapangan di pusat pelatihan serta mengatur penjatahan pelatihan
d. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan
terhadap pelaksaaan kegiatan statistik distribusi
e. Mengatur dan melaksanakan pemgolahan data statistik secara
sederhana sesuai dengan yang telah ditetapkan
f. Menyusun laporan kegiatan bidang secara berkala dan sewaktu-waktu
3. Bidang Statistik Kependudukan
Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan BPS
demografi dan rumah tangga, BPS tenaga kerja serta BPS kesejahteraan.
Uraian tugas Bidang Statistik kependudukan :
a. Menyusun program kerja tahunan bidang kependudukan.
b. Melaksanakan statistik demografi dan rumah tangga, ketenagakerjaan,
kesejahteraan rakyat dan statistik kependudukan lainnya yang
ditentukan.
c. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan
(46)
d. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan
terhadap pelaksanaan kegiatan statistik kependudukan.
e. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik
kependudukan melalui komputer sesuai dengan jadwal yang
ditentukan.
4. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS) :
Integrasi Pengolahan dan Diseminasi Statistik (IPDS) mempunyai tugas sebagai
penyiapan data, penyusunan sistem dan program serta operasional pengolahan
data, penyusun sistem dan program serta operasional pengolahan data dengan
komputer.
Uraian tugas Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS) :
a. Menusun program kerja tahunan
b. Melaksanakan penyusunan, pemeliharaan, penyelesaian permasalahan dan
pengembangan sistem jaringan komunikasi data sesuai dengan aturan yang
ditentukan serta membantu penyerapan teknologi informasi.
c. Mengatur dan melaksanakan keikutsertaan dalam program latihan yang
diselenggarakan oleh BPS dalam bidang pengolahan, penyajian dan
(47)
d. Melaksanakan koordinasi pengolahan dan pemeliharan perangkat keras
dan perangkat lunak serta menyusun sistem pengolahan data.
e. Mengatur integrasi penggunaan sistem dan program aplikasi pengolahan
data statistik seperti data statistik penduduk, data statistik produksi, data
statistik distribusi termaksuk sarana pendukungnya.
f. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data termaksuk
bahan komputer yang bekerjasama dengan satuan organisasi terkait.
5 . Bidang Neraca Wilayah dan Analisis Statistik
Mempunyai tugas untuk menyusun neraca produksi, neraca konsumsi, dan
akumulasi penyajian analisis serta kegiataan penerapan statistik.
Ruang Lingkup Kegiatan Kantor BPS Provinsi Sumatera Utara
Ruang lingkup kegiatan kantor Badan Pusat Statistik (BPS) di Provinsi Sumatera
Utara yaitu :
a. Melaksanakan kegiatan badan pusat statistik untuk dilaksanakan misalnya
jenis data yang akan dikumpul, kegunaan data dan lain-lain.
b. Mengumpulkan data Badan Pusat Statistik ( BPS)
(48)
Kantor Badan pusat Statistik ( BPS) adalah merupakan suatu sumber atau
pusat informasi yang dapat mempermudah masyarakat untuk mengetahui
tentang perkembangan Negara Indonesia.
d. Menganalisis Data Badan pusat Statistik ( BPS)
Kemudian data tersebut dianalisa atau dibahas terhadap data statistik tersebut
dan juga disebarluaskan.
e. Memasyarakatkan Data Badan pusat Statistik ( BPS)
Sesudah selesai dikerjakan seluruhnya, data tersebut dimasyarakatkan kepada
seluruh lapisan masyarakat ini agar tercipta tujuan yang akan dicapai.
(49)
BAB 4
ANALISIS DATA
4.1 Arti Analisis 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 data nilai penjualan energi listrik di PT. PLN (Persero) Cabang Pematang
Siantar dari tahun 1999-2008. Analisis yang dipakai dalam pengolahan data ini adalah
analisis pemulusan eksponensial ganda.
(50)
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 Perameter 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 α3. Menghitung harga pemulusan esponensial ganda dengan menggunakan
persamaan : " 1 ' " ) 1 ( − − +
= t t
t S S
S
α α4. Menghitung koefisien at dan bt
" ' " ' ' 2 )
( t t t t
t
t S S S S S
a
= + − = −menggunakan persamaan :
( ) 1 " ' t t
t S S
b
= −αα −5. Menghitung trend peramalan (Ft+m) dengan menggunakan rumus :
) (m b
at t
m t
(51)
Tabel 4.1 Nilai Penjualan Energi Listrik pada PT.PLN ( Persero ) Cabang Pematang Siantar
NO Tahun Nilai Penjualan (Milyar Rupiah)
1 1999 185,14
2 2000 171,31
3 2001 172,18
4 2002 225,59
5 2003 291,51
6 2004 332,11
(52)
8 2006 373,66
9 2007 387,43
10 2008 431,24
Sumber : Badan Pusat Statistik ( BPS ) Sumatera Utara
Data Aktual
0 100 200 300 400 500
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Tahun
N
ila
i P
e
njua
la
n
Nilai Penjualan (Milyar Rupiah)
Gambar 4.1 Plot Data Penjualan Energi Listrik dari Tahun 1999- 2008 4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown
(53)
Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel
(4.1) denga 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 :
N e MSE
N t
t
∑
== 1
(54)
Tabel 4.2 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
menggunakan α = 0.1
Xt S't S"t at bt Ft+m
e
t et2
185,14 185,1400 185,1400 - - - - - 171,31 183,7570 185,0017 182,5123 -0,1383 - - - 172,18 182,5993 184,7615 180,4371 -0,2402 182,3740 -10,1940 103,9176 225,59 186,8984 184,9752 188,8216 0,2137 180,1969 45,3931 2060,5335 291,51 197,3595 186,2136 208,5055 1,2384 189,0353 102,4747 10501,0682 332,11 210,8346 188,6757 232,9935 2,4621 209,7439 122,3661 14973,4588 337,00 223,4511 192,1532 254,7490 3,4775 235,4556 101,5444 10311,2712 373,66 238,4720 196,7851 280,1589 4,6319 258,2266 115,4334 13324,8802 387,43 253,3678 202,4434 304,2922 5,6583 284,7908 102,6392 10534,8079 431,24 271,1550 209,3145 332,9955 6,8712 309,9505 121,2895 14711,1409
JUMLAH 700,9465 76521,0784
Sumber : Perhitungan
Untuk α = 0.1 dan N = 8
Maka :
∑
= = N t t e SSE 1 2 = 76521,0784 N e MSE N t t∑
= = 1 2(55)
8 0784 , 76521 = = 9565,135
Tabel 4.3 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
menggunakan α = 0.2
Xt S't S"t at bt Ft+m et et
2
185,14 185,14 185,1400 - - - - - 171,31 182,374 184,5868 180,1612 -0,5532 - - - 172,18 180,3352 183,7365 176,9339 -0,8503 179,6080 -7,4280 55,1752 225,59 189,3862 184,8664 193,9059 1,1299 176,0836 49,5064 2450,8836 291,51 209,8109 189,8553 229,7665 4,9889 195,0358 96,4742 9307,2635 332,11 234,2707 198,7384 269,8031 8,8831 234,7554 97,3546 9477,9104 337,00 254,8166 209,9540 299,6791 11,2156 278,6862 58,3138 3400,5032 373,66 278,5853 223,6803 333,4903 13,7262 310,8948 62,7652 3939,4723 387,43 300,3542 239,0151 361,6934 15,3348 347,2165 40,2135 1617,1249 431,24 326,5314 256,5183 396,5444 17,5033 377,0282 54,2118 2938,9245 JUMLAH 451,4115 33187,2575
Sumber : Perhitungan
Untuk α = 0.2 dan N = 8
Maka :
∑
= = N t t e SSE 1 2(56)
= 33187,2575 N e MSE N t t
∑
= = 1 2 8 2575 , 33187 = = 4148,407Tabel 4.4 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
menggunakan α = 0.3
Xt S't S"t at bt Ft+m et et
2
185,14 185,14 185,1400 - - - - - 171,31 180,991 183,8953 178,0867 -1,2447 - - - 172,18 178,3477 182,2310 174,4644 -1,6643 176,8420 -4,6620 21,7342 225,59 192,5204 185,3178 199,7229 3,0868 172,8001 52,7899 2786,7735 291,51 222,2173 196,3877 248,0469 11,0698 202,8098 88,7002 7867,7326 332,11 255,1851 214,0269 296,3433 17,6392 259,1167 72,9933 5328,0197 337,00 279,7296 233,7377 325,7214 19,7108 313,9825 23,0175 529,8044 373,66 307,9087 255,9890 359,8284 22,2513 345,4322 28,2278 796,8067 387,43 331,7651 278,7218 384,8084 22,7328 382,0797 5,3503 28,6258 431,24 361,6076 303,5875 419,6276 24,8657 407,5412 23,6988 561,6341 JUMLAH 290,1158 17921,1310
(57)
Untuk α = 0.3 dan N = 8 Maka :
∑
= = N t t e SSE 1 2 = 17921,1310 N e MSE N t t∑
= = 1 2 8 1310 , 17921 = = 2240,139Tabel 4.5 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
menggunakan α = 0.4
Xt S't S"t at bt Ft+m et et2
185,14 185,14 185,1400 - - - - - 171,31 179,608 182,9272 176,2888 -2,2128 - - - 172,18 176,6368 180,4110 172,8626 -2,5162 174,0760 -1,8960 3,5948 225,59 196,2181 186,7339 205,7023 6,3228 170,3464 55,2436 3051,8553 291,51 234,3348 205,7743 262,8954 19,0404 212,0251 79,4849 6317,8461 332,11 273,4449 232,8425 314,0473 27,0683 281,9358 50,1742 2517,4463
(58)
337,00 298,8669 259,2523 338,4816 26,4098 341,1156 -4,1156 16,9379 373,66 328,7842 287,0650 370,5033 27,8128 364,8914 8,7686 76,8888 387,43 352,2425 313,1360 391,3490 26,0710 398,3160 -10,8860 118,5060 431,24 383,8415 341,4182 426,2648 28,2822 417,4200 13,8200 190,9935 JUMLAH 190,5937 12294,0688
Sumber : Perhitungan
Untuk α = 0.4 dan N = 8
Maka :
∑
= = N t t e SSE 1 2 = 12294,0688 N e MSE N t t∑
= = 1 2 8 0688 , 12294 = = 1536.759Tabel 4.6 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
(59)
Xt S't S"t at bt Ft+m et et2
185,14 185,14 185,1400 - - - - - 171,31 178,225 181,6825 174,7675 -3,4575 - - - 172,18 175,2025 178,4425 171,9625 -3,2400 171,3100 0,8700 0,7569 225,59 200,3963 189,4194 211,3731 10,9769 168,7225 56,8675 3233,9126 291,51 245,9531 217,6863 274,2200 28,2669 222,3500 69,1600 4783,1056 332,11 289,0316 253,3589 324,7042 35,6727 302,4869 29,6231 877,5295 337,00 313,0158 283,1873 342,8442 29,8284 360,3769 -23,3769 546,4783 373,66 343,3379 313,2626 373,4132 30,0753 372,6727 0,9873 0,9748 387,43 365,3839 339,3233 391,4446 26,0607 403,4884 -16,0584 257,8734 431,24 398,312 368,8176 427,8063 29,4943 417,5053 13,7347 188,6427 JUMLAH 131,8074 9889,2739
Sumber : Perhitungan
Untuk α = 0.5 dan N = 8
Maka :
∑
= = N t t e SSE 1 2 = 9889,2739 N e MSE N t t∑
= = 1 2 8 2739 , 9889 =(60)
= 1236,159
Tabel 4.7 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
menggunakan α = 0.6
Xt S't S"t at bt Ft+m et et2
185,14 185,14 185,1400 - - - - - 171,31 176,842 180,1612 173,5228 -4,9788 - - - 172,18 174,0448 176,4914 171,5982 -3,6698 168,5440 3,6360 13,2205 225,59 204,9719 193,5797 216,3641 17,0883 167,9284 57,6616 3324,8601 291,51 256,8948 231,5687 282,2208 37,9890 233,4525 58,0575 3370,6756 332,11 302,0239 273,8418 330,2060 42,2731 320,2098 11,9002 141,6138 337,00 323,0096 303,3425 342,6767 29,5006 372,4791 -35,4791 1258,7648 373,66 353,3998 333,3769 373,4228 30,0344 372,1773 1,4827 2,1984 387,43 373,8179 357,6415 389,9943 24,2646 403,4572 -16,0272 256,8704 431,24 408,2712 388,0193 428,5230 30,3778 414,2590 16,9810 288,3552 JUMLAH 98,2128 8656,5588
Sumber : Perhitungan
Untuk α = 0.6 dan N = 8
Maka :
∑
== N
t t
e SSE
1 2
(61)
N e MSE N t t
∑
= = 1 2 8 5588 , 8656 = = 1082,07Tabel 4.8 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
menggunakan α = 0.7
Xt S't S"t at bt Ft+m et et
2
185,14 185,14 185,1400 - - - - - 171,31 175,459 178,3633 172,5547 -6,7767 - - - 172,18 173,1637 174,7236 171,6038 -3,6397 165,7780 6,4020 40,9856 225,59 209,8621 199,3206 220,4037 24,5970 167,9641 57,6259 3320,7444 291,51 267,0156 246,7071 287,3242 47,3866 245,0006 46,5094 2163,1206 332,11 312,5817 292,8193 332,3441 46,1122 334,7107 -2,6007 6,7637 337,00 329,6745 318,6179 340,7311 25,7986 378,4563 -41,4563 1718,6224 373,66 360,4644 347,9104 373,0183 29,2925 366,5297 7,1303 50,8412 387,43 379,3403 369,9113 388,7693 22,0009 402,3108 -14,8808 221,4369 431,24 415,6701 401,9425 429,3977 32,0311 410,7702 20,4698 419,0135 JUMLAH 79,1996 7941,5283
(62)
Untuk α = 0.7 dan N = 8 Maka :
∑
= = N t t e SSE 1 2 = 7941,5283 N e MSE N t t∑
= = 1 2 8 5283 , 7941 = = 992,6905Tabel 4.9 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
menggunakan α = 0.8
Xt S't S"t at bt Ft+m et et2
185,14 185,14 185,1400 - - - - - 171,31 174,076 176,2888 171,8632 -8,8512 - - 172,18 172,5592 173,3051 171,8133 -2,9837 163,0120 9,1680 84,0522 225,59 214,9838 206,6481 223,3196 33,3430 168,8296 56,7604 3221,7430 291,51 276,2048 262,2934 290,1161 55,6453 256,6626 34,8474 1214,3441 332,11 320,929 309,2018 332,6561 46,9084 345,7614 -13,6514 186,3618
(63)
337,00 333,7858 328,8690 338,7026 19,6672 379,5645 -42,5645 1811,7344 373,66 365,6852 358,3219 373,0484 29,4529 358,3697 15,2903 233,7923 387,43 383,081 378,1292 388,0329 19,8073 402,5013 -15,0713 227,1445 431,24 421,6082 412,9124 430,3040 34,7832 407,8401 23,3999 547,5536 JUMLAH 68,1787 7526,7260
Sumber : Perhitungan
Untuk α = 0.8 dan N = 8
Maka :
∑
= = N t t e SSE 1 2 = 7526,7260 N e MSE N t t∑
= = 1 2 8 7526,7260 = = 940,8408Tabel 4.10 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
(64)
Xt S't S"t at bt Ft+m
e
t et2185,14 185,14 185,1400 - - - - - 171,31 172,693 173,9377 171,4483 -11,2023 - - - 172,18 172,2313 172,4019 172,0607 -1,5358 160,2460 11,9340 142,4204 225,59 220,2541 215,4689 225,0393 43,0670 170,5249 55,0651 3032,1652 291,51 284,3844 277,4929 291,2760 62,0240 268,1063 23,4037 547,7322 332,11 327,3374 322,3530 332,3219 44,8601 353,2999 -21,1899 449,0125 337,00 336,0337 334,6657 337,4018 12,3127 377,1820 -40,1820 1614,5947 373,66 369,8974 366,3742 373,4205 31,7085 349,7145 23,9455 573,3867 387,43 385,6767 383,7465 387,6070 17,3723 405,1291 -17,6991 313,2575 431,24 426,6837 422,3900 430,9774 38,6435 404,9793 26,2607 689,6259 JUMLAH 61,5380 7362,1951
Sumber : Perhitungan
Untuk α = 0.9 dan N = 8
Maka :
∑
= = N t t e SSE 1 2= 7362,1951
N e MSE N t t
∑
= = 1 2 8 7362,1951 =(65)
= 920,2744
Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai
α yang memberikan MSE yang terkecil / minimum. Perbandingan ukuran ketepatan metode peramalan peningkatan nilai penjualan energi listrik di Kota Pematang Siantar
dengan melihan MSE sebagai berikut :
Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan
A MSE
0.1 9565,135
0.2 4148,407
0.3 2240,139
0.4 1536,759
0.5 1236,159
0.6 1082,070
0.7 992,6905
0.8 940,8408
(66)
Dari tabel 4.11 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang
paling kecil / minimum yaitu pada α = 0,9 yaitu MSE = 920,2744
Tabel 4.12 Peramalan Nilai Penjualan Energi listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan
menggunakan α = 0.9
Xt S't S"t at bt Ft+m et Absolut et2
185,14 185,1400 185,1400 - - - - - - 171,31 172,6930 173,9377 171,4483 -11,2023 - - - - 172,18 172,2313 172,4019 172,0607 -1,5358 160,2460 11,9340 11,9340 142,4204 225,59 220,2541 215,4689 225,0393 43,0670 170,5249 55,0651 55,0651 3032,1652 291,51 284,3844 277,4929 291,2760 62,0240 268,1063 23,4037 23,4037 547,7322 332,11 327,3374 322,3530 332,3219 44,8601 353,2999 -21,1899 21,1899 449,0125 337,00 336,0337 334,6657 337,4018 12,3127 377,1820 -40,1820 40,1820 1614,5947 373,66 369,8974 366,3742 373,4205 31,7085 349,7145 23,9455 23,9455 573,3867 387,43 385,6767 383,7465 387,6070 17,3723 405,1291 -17,6991 17,6991 313,2575 431,24 426,6837 422,3900 430,9774 38,6435 404,9793 26,2607 26,2607 689,6259
(67)
Sumber : Perhitungan
Nilai Aktual dan ramalan Penjualan Energi Listrik
0
100
200
300
400
500
1999
2000
2001
2002
2003
2004
2005
2006
Tahun
N ila i P e n ju a la nData asli
pemulusan pertama
Pemulusan Ganda
Ramalan
Tabel 4.13 Perhitungan Ukuran Relatif Galat ( Data dari tabel 4.12 )
Nilai
Penjualan Ramalan Galat PE APE
Xt Ft+m e
( )
100 − + t m t t X F X
t
( )
100t m t t X F
X − +
185,14 - - - -
(68)
172,18 160,246 11,934 6,9311186 6,931119
225,59 170,5249 55,0651 24,409371 24,40937
291,51 268,1063 23,4037 8,0284381 8,028438
332,11 353,2999 -21,1899 -6,380386 6,380386
337,00 377,182 -40,182 11,923442 11,92344
373,66 349,7145 23,9455 6,4083659 6,408366
387,43 405,1291 -17,6991 -4,5683349 4,568335
431,24 404,9793 26,2607 6,0895789 6,089579
JUMLAH 61,538 28,994709 74,73904
Ukuran ketepatan Metode Peramalan dengan menggunakan α = 0.9 adalah :
1.M E ( Mean Error ) / Nilai Tengah Kesalahan
N e ME
N t
t
∑
== 1
8 61,5380
=
= 7,69225
(69)
N e MSE N t t
∑
= = 1 2 8 7362,1951 == 920,274
3. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut
N e MAE N t t
∑
= = 1 8 219,6800 = = 27,464. S S E (Sum Square Error) / Jumlah Kuadrat Kesalahan
∑
= = N t t e SSE 1 2= 7362,1951
5. S D E (Standard Deviation Of Error) / Devisi Standar Kesalahan
N e SDE N t t
∑
= = 1 2 8 7362,1951 =(70)
920,274
=
= 30,33602
6. M A P E (Mean Absolut Pencentage Error) / Nilai tengah Kesalahan Persentase
Absolut N PE MAPE N t t
∑
= = 1 8 74,73904 == 9,34238 %
7. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase
N PE MPE N t t
∑
= = 1 8 28,994709 == 3,62434 %
(71)
Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0<α<1 dengan cara trial and error didapat perhitungan peramalan smotthing esponensial linier
satu parameter dari Brown dengan α = 0,9
Perhitungan pada tabel 4.12 diatas didasarkan pada α =0,9 dan ramalan untuk suatu periode ke depan yaitu dalam perhitungan periode ke 10. Seperti yang sudah
dijelaskan pada bab 2 ( landasan teori ) persamaan yang dipakai dalam perhitungan
peramalan adalah sebagai berikut :
S't= α Xt+ ( 1 –α ) S't−1 S''t= α S't+ ( 1 - α ) S''t−1 at = S't + ( S't - S''t )
= 2 S't - S''t
bt =
α α −
1 ( S't - S''t)
Ft+m= at+ bt(m)
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya
dengan bentuk persamaan peramalan :
(72)
Ft+m= 430,9774 + 38,6435 (m)
4.4 Peramalan Nilai Penjualan Energi Listrik
Setelah diketahui error yang terdapat pada model peramalan, maka dilakukan
peramalan nilai penjualan energi listrik untuk tahun 2009, 2010, dan 2011 dengan
menggunakan persamaan :
Ft+m= 430,9774 + 38,6435 (m)
Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat
dihitung untuk 3 periode kedepan yaitu untuk tahun 2009, 2010, dan 2011 seperti di
bawah ini :
a. Untuk periode ke 11 ( tahun 2009)
Ft+m= 430,9774 + 38,6435 (m)
F10+1
F
= 430,9774 + 38,6435 ( 1 )
11 = 469,6209
(73)
Ft+m= 430,9774 + 38,6435 (m)
F10+2
F
= 430,9774 + 38,6435 ( 2 )
12 = 508,2644
c. Untuk periode ke 13 ( tahun 2011)
Ft+m= 430,9774 + 38,6435 (m)
F10+3
F
= 430,9774 + 38,6435 ( 3)
13 = 546,9079
Tabel 4.14 Peramalan Nilai Penjualan Energi Listrik PT. PLN ( Persero ) Cabang Pematang Siantar untuk tahun 2011, 2012, dan 2013
Tahun Periode Peramalan
2009 11 469,6209
2010 12 508,2644
2011 13 546,9079
Sumber : Perhitungan
(74)
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru
atau sistem yang diperbaiki.
Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis
kedalam progaming (coding). Dalam pengolahan data pada karya tulis ini penulis
penggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft
(75)
Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia
yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dan dengan adanya
perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya
data-data yang sangat rumit dan banyk itu tidak dapat dikerjakan secara manual atau
dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga
yang sangat banyak untuk mengolah data tersebut , disamping itu faktor kesalahan
yang dilakukan manusia relatif besar.
Dan dengan adanya perangkat lunak komputer, diharapkan pekerjaan tersebut
dapat dilakukan dengan cepat dan tepat, waktu dan tenaga dengan tingkat kesalahan
yang relatif kecil.
5.2 Microsoft Excel
Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet)
dari program paket Microsoft Office. Excel merupakan salah satu sofeware pengolah
angka yang cukup banyk digunakan di dunia. Excel merupakan produk unggulan dari
Microsoft Corporation yang banyak berperan dalam pengolahan infomasi khususnya
(76)
data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi
mulai dari versi 4,versi 5, versi 97, versi 2000,versi 2002, versi 2003.
Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom
diberi nama dengan huruf mulai dai A, B, C,..., Z kemudian dilanjutkan AA, AB, AC,
...sampai kolom IV. Sedangkan kolom baris ditandai dengan angka mulai dari 1, 2, 3,
...,65536. Excel 2003 hadir dengan berbagai penyempurnan, ampil lebih terintegrasi
dengan berbagai sofware lain, salah satunya adalah under window seperti word,
accsess dan power point. Keunggulan program spreadsheet ini adalah mulai dipakai,
fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.
5.3 Langkah-langkah Memulai Pengolahan Data Dengan Excel
Sebelum pengoprasian sofware ini, pastikan pada komputer terpasang program Excel.
Langkah-langkahnya :
a. Klik tombol Start
(77)
(78)
Data tiap tahun pada 2 kolom, pertama untuk tahun dan kolom kedua untuk data nilai
(79)
Dari data diatas kita dapat menentukan besarnya peramalan dengan α = 0.9 dan untuk setiap perhitungan akan diberi nama pada setiap kolom seperti berikut :
1. Pada kolom pertama ditulis keterangan dengan X
2. Pada kolom kedua ditulis keterangan dengan S
t
’
3. Pada kolom ketiga ditulis keterangan dengan S
t
”
4. Pada kolom ke empat ditulis keterangan dengan a
t
5. Pada kolom ke lima ditulis keterangan dengan b
t
6. Pada kolom ke enam ditulis keterangan dengan F
t
7. Pada kolom ke tujuh ditulis keterangan dengan error atau e
(80)
8. Pada kolom k delapan ditulis keterangan dengan e atau absolute error
9. Pada kolom ke sembilan ditulis keterangan dengan e2 ( square error )
Maka perhitungan masing-masing smoothing pertama, smoothing kedua,
konstanta, slope dan forecast sebagai berikut :
1. Smoothing pertama, untuk tahun pertama ditentukan sebesar tahun pertama
dari data historisnya sehingga rumus yang tertera pada sel C4 adalah C4.
Sedangkan untuk tahun kedua dapat dihitung dengan rumus : 0,9*B4+0,1*C3.
Dalam kasus ini menghasilkan angka : 172,6930 untuk tahun-tahun berikutnya
hanya menyalin rumus tersebut.
2. Smoothing kedua, untuk tahun kedua ditentukan sebesar nilai penjualan tahun
pertama dari data historisnya. Sehingga sehingga rumus yang tertera pada sel
D4 adalah D4. Sedangkan untuk tahun kedua dapat dihitung dengan rumus :
0,9*C4+0,1*D3. Dalam kasus ini akan menghasilkan angka 173,9377 dan
untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
3. Nilai at baru bias dicari pada tahun kedua yaitu dengan rumus : 2*C4-D4.
Dalam kasus ini menghasilkan angka 171,4483 dan untuk tahun-tahun
(81)
4. niali bt baru bias dicari pada tahun kedua yaitu
5. Forecast F
dengan rumus yang tertera
pada sel F4 adalah : 0,9/0,1*(C4-D4). Dalam kasus ini menghasilkan angka
-11,2023 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
t+m untuk tahun ketiga yaitu pada sel G5 dapat dicari dengan
menggunakan rumus : E4+F5*(1) dengan hasil angka 160,2460 Dalam kasus
ini menghasilkan angka -11,2023 dan untuk tahun-tahun berikutnya hanya
menyalin rumus tersebut.
Meghitung Ketepatan Peramalan
1 Jumlahkan error,absolute error dan square error dengan rumus :
a. Untuk jumlah error dapat digunakan rumus = SUM (H5:H12)
Maka hasil jumlah error adalah : 61,538
b. Untuk jumlah absolute error dapat digunakan rumus = SUM (I5:I12)
Maka hasil jumlah absolute error adalah : 219,68
c. Untuk jumlah square error dapat digunakan rumus = SUM (J5:J12)
Maka hasil jumlah square error adalah : 7362,195
2 Hitung Mean Error (ME), Mean Absolute Error (MAE), Mean Square
(82)
a. Menghitung ME dengan rumus = H13/8
Maka hasil ME adalah : 7,69225
b. Menghitung MAE dapat menggunakan rumus = I13/8
Maka hasil MAE adalah: 27,46
c. Menghitung MSE dapat menggunakan rumus = J13/8
Maka hasil MSE adalah : 920,274
(83)
(84)
5.6 Pembuatan Grafik
Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar
grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada
Excel bisa menggunakan icon chart wizard yang terdapat pada toolbar.
Adapun langkah-langkah yang diperlukan adalah :
(85)
2. Klik menu Insert, Chart.
3. Klik tipe dan sun tipe grafk misalnya tipe Colum dan sub tipe 3-D.
4. Klik Next.
5. Tentukan sumber data grafik. Jika sel pointer berada pada tabel data maka
otomatis seluruh data tabel akan disorot dan ditandai dengan garis putus-putus.
6. Klik Next.
7. Tentukan keterangn pendukung grafik seperti titles (judul-judul tabel),axis
(sumbu kordinat tabel), gridlines (garis bantu skala tabel), legens (keterangan
tabel), dan labels (nama-nama data tabel), dan data tabel.
8. Klik Next
9. Pilih tempat untuk meletakan grafik ini.
(86)
BAB 6
KESIMPULAN DAN SARAN
6.1. Kesimpulan
Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada
BAB 4 maka kesimpulan yang diperoleh adalah sebagai berikut :
1. Pada hasil analisis Metode Smoothing Eksponensial dengan satu parameter
dari Brown di dapat analisis dengan nilai MSE yang terkecil adalah dengan α =0,9 yakni dengan MSE = 920,274
2. Bentuk persamaan peramalan dari nilai penjualan energi listrik PT.PLN
( Persero) cabang Pematang Siantar:
Ft+m= 430,9774 + 38,6435 (m)
3. Diperkirakan nilai penjualan energi listrik PT. PLN (Persero) Cabang
(87)
Tahun Periode Peramalan
2009 11 469,6209
2010 12 508,2644
2011 13 546,9079
6.2 Saran
Penulis memberika saran yang diharapkan dapat bermanfaat bagi pihak yang terkait,
sebagai berikut :
1. Dalam meramalkan nilai penjualan energi listrik pada PT. PLN ( Persero)
Cabang Pematang Siantar dengan menggunakan Metode Pemulusan
Eksponensial Ganda Linier Satu Parameter dari Brown akan sangat
membantu jika menggunakan alat bantu komputer khususnya program
aplikasi Excel.
2. Dalam menentukan nilai penjualan energi listrik, pihak PT. PLN (Persero)
Cabang Pematang Siantar dapat menggunakan analisis peramalan dengan
menggunakan Metode Pemulusan Eksponensial Ganda Linier Satu
Parameter dari Brown
3. Dengan menganalisis data yang cendrung meningkat tiap tahunnya,
diramalkan nilai penjualan energi listrik PT.PLN (Persero) Cabang Pematang
(88)
bahwa semakin tinggi permintaan energi listrik oleh masyarakat. Untuk
menghadapi kondisi tersebut hendaknya pihak PLN membuat suatu
kebijakan baru dalam mempersipakan berbagai fasilitas yang mendukung.
4. Sebagai bahan pertimbangn dan perbandingan dalam mengambil berbagai
kebijaksanaan, metode peramalanyang dibahas dalam Tugas Akhir ini akan
(89)
DAFTAR PUSTAKA
Makridakis, Spyros, dan Whellwright, Steven C. 1993. Metode Dan Aplikasi
Peramalan Edisi ke II. Jakarta: Erlangga.
Assauri,Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi
Universitas Indonesia.
Badan Pusat Statistik ( BPS ) Propinsi Sumatera Utara. 2000. Sumatera Utara Dalam
Angka 1999. Medan : BPS Propinsi Sumatera Utara.
Badan Pusat Statistik ( BPS ) Propinsi Sumatera Utara. 2003. Sumatera Utara Dalam
Angka 2004. Medan : BPS Propinsi Sumatera Utara
Badan Pusat Statistik ( BPS ) Propinsi Sumatera Utara. 2007. Sumatera Utara Dalam
Angka 2007. Medan : BPS Propinsi Sumatera Utara
Badan Pusat Statistik ( BPS ) Propinsi Sumatera Utara. 2008. Sumatera Utara Dalam
(1)
5.6 Pembuatan Grafik
Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada Excel bisa menggunakan icon chart wizard yang terdapat pada toolbar.
Adapun langkah-langkah yang diperlukan adalah :
(2)
2. Klik menu Insert, Chart.
3. Klik tipe dan sun tipe grafk misalnya tipe Colum dan sub tipe 3-D. 4. Klik Next.
5. Tentukan sumber data grafik. Jika sel pointer berada pada tabel data maka otomatis seluruh data tabel akan disorot dan ditandai dengan garis putus-putus. 6. Klik Next.
7. Tentukan keterangn pendukung grafik seperti titles (judul-judul tabel),axis (sumbu kordinat tabel), gridlines (garis bantu skala tabel), legens (keterangan tabel), dan labels (nama-nama data tabel), dan data tabel.
8. Klik Next
9. Pilih tempat untuk meletakan grafik ini.
(3)
BAB 6
KESIMPULAN DAN SARAN
6.1. Kesimpulan
Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada BAB 4 maka kesimpulan yang diperoleh adalah sebagai berikut :
1. Pada hasil analisis Metode Smoothing Eksponensial dengan satu parameter dari Brown di dapat analisis dengan nilai MSE yang terkecil adalah dengan α =0,9 yakni dengan MSE = 920,274
2. Bentuk persamaan peramalan dari nilai penjualan energi listrik PT.PLN ( Persero) cabang Pematang Siantar:
Ft+m= 430,9774 + 38,6435 (m)
3. Diperkirakan nilai penjualan energi listrik PT. PLN (Persero) Cabang Pematang Siantar untuk 3 periode waktu adalah :
(4)
Tahun Periode Peramalan
2009 11 469,6209
2010 12 508,2644
2011 13 546,9079
6.2 Saran
Penulis memberika saran yang diharapkan dapat bermanfaat bagi pihak yang terkait, sebagai berikut :
1. Dalam meramalkan nilai penjualan energi listrik pada PT. PLN ( Persero) Cabang Pematang Siantar dengan menggunakan Metode Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown akan sangat membantu jika menggunakan alat bantu komputer khususnya program aplikasi Excel.
2. Dalam menentukan nilai penjualan energi listrik, pihak PT. PLN (Persero) Cabang Pematang Siantar dapat menggunakan analisis peramalan dengan menggunakan Metode Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown
3. Dengan menganalisis data yang cendrung meningkat tiap tahunnya, diramalkan nilai penjualan energi listrik PT.PLN (Persero) Cabang Pematang Siantar di masa yang akan datang akan terus meningkat. Hal ini berarti
(5)
bahwa semakin tinggi permintaan energi listrik oleh masyarakat. Untuk menghadapi kondisi tersebut hendaknya pihak PLN membuat suatu kebijakan baru dalam mempersipakan berbagai fasilitas yang mendukung. 4. Sebagai bahan pertimbangn dan perbandingan dalam mengambil berbagai
kebijaksanaan, metode peramalanyang dibahas dalam Tugas Akhir ini akan sangat membantu.
(6)
DAFTAR PUSTAKA
Makridakis, Spyros, dan Whellwright, Steven C. 1993. Metode Dan Aplikasi Peramalan Edisi ke II. Jakarta: Erlangga.
Assauri,Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi Universitas Indonesia.
Badan Pusat Statistik ( BPS ) Propinsi Sumatera Utara. 2000. Sumatera Utara Dalam
Angka 1999. Medan : BPS Propinsi Sumatera Utara.
Badan Pusat Statistik ( BPS ) Propinsi Sumatera Utara. 2003. Sumatera Utara Dalam
Angka 2004. Medan : BPS Propinsi Sumatera Utara
Badan Pusat Statistik ( BPS ) Propinsi Sumatera Utara. 2007. Sumatera Utara Dalam
Angka 2007. Medan : BPS Propinsi Sumatera Utara
Badan Pusat Statistik ( BPS ) Propinsi Sumatera Utara. 2008. Sumatera Utara Dalam