Peramalan Banyaknya Energi Listrik Yang Disalurkan Dan Dijual Tahun 2010 PT. PLN (Persero) Cabang Medan

PERAMALAN BANYAKNYA ENERGI LISTRIK YANG

DISALURKAN DAN DIJUAL TAHUN 2010

PT. PLN (Persero) CABANG MEDAN

TUGAS AKHIR

SYAHRIZA MELINA POHAN

062407032

PROGRAM STUDI D – III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2009

PERAMALAN BANYAKNYA ENERGI LISTRIK YANG

DISALURKAN DAN DIJUAL TAHUN 2010

PT. PLN (Persero) CABANG MEDAN

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

SYAHRIZA MELINA POHAN

062407032

PROGRAM STUDI D – III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2009

PERSETUJUAN

Judul : PERAMALAN BANYAKNYA ENERGI LISTRIK

YANG DISALURKAN DAN DIJUAL TAHUN 2010 PT. PLN (Persero) CABANG MEDAN

Kategori : TUGAS AKHIR

Nama : SYAHRIZA MELINA POHAN

Nomor Induk Mahasiswa : 062407032

Program Studi : DIPLOMA-3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA)

UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2009

Diketahui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Dr. Saib Suwilo, M.Sc Drs. Faigiziduhu Bu’ulolo, M.Si

PERNYATAAN

PERAMALAN BANYAKNYA ENERGI LISTRIK YANG DISALURKAN DAN DIJUAL TAHUN 2010

PT. PLN (Persero) CABANG MEDAN

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 2009

SYAHRIZA MELINA POHAN 062407032

PENGHARGAAN

Puji dan syukur penulis panjatkan atas Kehadirat Allah SWT yang telah melimpahkan segala Rahmat dan KaruniaNya sehingga penulis dapat menyelesaikan Tugas Akhir ini dalam waktu yang telah ditetapkan.

Ucapan terima kasih penulis ucapkan terutama kepada Drs. Faigiziduhu

bu’ulolo, 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 Departemen Dr. Saib Suwilo, M.Sc dan Drs. Henri

Rani Sitepu, Msi, dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu

Pengetahuan Alam Sumatera Utara, semua dosen pada Departemen Matematika

FMIPA USU, Pegawai di FMIPA USU. Kepada orang tua yang paling tersayang Hj. Zahriati SP.d dan Syahrial Pohan yang selama ini memberikan doa, semangat dan

dukungan sehingga penulis dapat menyelesaikan Tugas Akhir ini. Kepada abang penulis M. Emil Zikri Pohan dan kakak sepupu penulis Firza Umayra yang selalu membantu dan memberikan saran kepada Penulis. Serta kepada adik penulis M. Rozi

Abda’o Pohan dan adik sepupu penulis Elsya Soraya yang selalu memberikan

hiburan kepada penulis.Teman-teman kuliah terdekat Putri, Yuni, Ayu, Novia, Riska yang selalu memberikan motivasi, dukungan dan kepercayaanya kepada penulis, dan semangatnya dalam menjalani lika-liku kehidupan, dan Teman-teman Statistik Stambuk 2006 atas kerja samanya, Wish All The Best. Semoga Allah SWT akan membalasnya, amin ya robbal alamin.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vi

Daftar Gambar viii

Bab 1 Pendahuluan 1

1.1 Latar Belakang 2

1.2 Identifikasi Masalah 3

1.3 Batasan Masalah 4

1.4 Maksud dan Tujuan 5

1.5 Metode Penelitian 5

1.6 Tinjauan Pustaka 5

1.7 Sistematika Penulisan 7

Bab 2 Sejarah Singkat Tempat Riset 9

2.1 Sejarah Singkat Badan Pusat Statistik di Indonesia 9 2.1.1 Masa Pemerintahan Hindia Belanda 9

2.1.2 Masa Pemerintahan Jepang 10

2.1.3 Masa Kemerdekaan Republik Indonesia 10 2.1.4 Masa Orde Baru Sampai Sekarang 11 2.1.5 Visi dan Misi Biro Pusat Statistik 13 2.1.6 Program Pengembangan Statistik 13 2.2 Ruang Lingkup Kegiatan Biro Pusat Statistik 14 2.2.1 Kedudukan, Tugas dan Fungsi Biro Pusat Statistik 14 2.2.2 Tata Kerja Biro Pusat Statistik 15 2.2.3 Alasan Pemakaian Komputer di Biro Pusat Statistik 15 2.3 Struktur Organisasi Biro Pusat Statistik 16

2.3.1 Tugas Bagian Tata Usaha 17

2.3.2 Tugas Bidang Statistik Produksi 18 2.3.3 Tugas Bidang Statistik Distribusi 18

2.3.4 Tugas Bidang Pengolahan Data 19

2.3.5 Tugas Bidang Statistik Kependudukan 19 2.3.6 Tugas Bidang Neraca Wilayah dan Analisa 20

3.1 Pengertian Peramalan 21

3.2 Jenis-jenis Peramalan 22

3.3 Metode Peramalan 23

3.3.1 Pengertian Metode Peramalan 23

3.3.2 Jenis-jenis Metode Peramalan 23

3.3.3 Metode Pemulusan (Smoothing) 24

3.4 Metode Peramalan yang Digunakan 27

Bab 4 Analisa Data 33

4.1 Data yang Akan Diolah 33

4.1.1 Metode Pemulusan Eksponensial Tunggal dan 34 Metode Pemulusan Eksponensial Ganda Untuk

Energi Listrik Yang Disalurkan

4.1.2 Metode Pemulusan Eksponensial Tunggal dan 53 Metode PemulusanEksponensial Ganda Untuk

Energi Listrik Yang Dijual

Bab 5 Implementasi Sistem 72

5.1 Pengenalan Microsoft Excel 72

5.2 Langkah-langkah memulai Microsoft Excel 73

5.2.1 Mengaktifkan Microsoft Excel 73

5.2.2 Tampilan Microsoft Excel 74

5.3 Implementasi Sistem Peramalan 75

5.3.1 Pengisian Data 75

5.4 Pembentukan Grafik 76

Bab 6 Kesimpulan dan Saran 81

6.1 Kesimpulan 81

6.2 Saran 82

Daftar Pustaka 84

Lampiran

DAFTAR TABEL

Halaman

Tabel 4.1 Data Banyaknya Energi Listrik 33

Tabel 4.2 Peramalan Banyaknya Energi Listrik Yang Disalurkan 39 PT. PLN (Persero) Cabang Medan α = 0,1

Tabel 4.3 Peramalan Banyaknya Energi Listrik Yang Disalurkan 40 PT. PLN (Persero) Cabang Medan α =0,2

Tabel 4.4 Peramalan Banyaknya Energi Listrik Yang Disalurkan 41 PT. PLN (Persero) Cabang Medan α = 0,3

Tabel 4.5 Peramalan Banyaknya Energi Listrik Yang Disalurkan 42 PT. PLN (Persero) Cabang Medan α = 0,4

Tabel 4.6 Peramalan Banyaknya Energi Listrik Yang Disalurkan 43 PT. PLN (Persero) Cabang Medan α = 0,5

Tabel 4.7 Peramalan Banyaknya Energi Listrik Yang Disalurkan 44 PT. PLN (Persero) Cabang Medan α = 0,6

Tabel 4.8 Peramalan Banyaknya Energi Listrik Yang Disalurkan 45 PT. PLN (Persero) Cabang Medan α = 0,7

Tabel 4.9 Peramalan Banyaknya Energi Listrik Yang Disalurkan 46 PT. PLN (Persero) Cabang Medan α = 0,8

Tabel 4.10 Peramalan Banyaknya Energi Listrik Yang Disalurkan 47 PT. PLN (Persero) Cabang Medan α = 0,9

Tabel 4.11 Peramalan Banyaknya Energi Listrik Yang Disalurkan 49 PT. PLN (Persero) Cabang Medan Tahun 2007-2010

Tabel 4.12 Nilai Kesalahan 52

Tabel 4.13 Peramalan Banyaknya Energi Listrik Yang Dijual 58 PT. PLN (Persero) Cabang Medan α = 0,1

Tabel 4.14 Peramalan Banyaknya Energi Listrik Yang Dijual 59 PT. PLN (Persero) Cabang Medan α = 0,2

Tabel 4.15 Peramalan Banyaknya Energi Listrik Yang Dijual 60 PT. PLN (Persero) Cabang Medan α = 0,3

Tabel 4.16 Peramalan Banyaknya Energi Listrik Yang Dijual 61 PT. PLN (Persero) Cabang Medan α = 0,4

Tabel 4.17 Peramalan Banyaknya Energi Listrik Yang Disalurkan 62 PT. PLN (Persero) Cabang Medan α = 0,5

Tabel 4.18 Peramalan Banyaknya Energi Listrik Yang Dijual 63 PT. PLN (Persero) Cabang Medan α = 0,6

Tabel 4.19 Peramalan Banyaknya Energi Listrik Yang Dijual 64 PT. PLN (Persero) Cabang Medan α = 0,7

Tabel 4.20 Peramalan Banyaknya Energi Listrik Yang Dijual 65 PT. PLN (Persero) Cabang Medan α = 0,8

Tabel 4.21 Peramalan Banyaknya Energi Listrik Yang Dijual 66 PT. PLN (Persero) Cabang Medan α = 0,9

Tabel 4.22 Peramalan Banyaknya Energi Listrik Yang Dijual 68 PT. PLN (Persero) Cabang Medan Tahun 2007-2010

DAFTAR GAMBAR

Halaman

Gambar 5.1 Awal Microsoft Excel 73

Gambar 5.2 Tampilan Microsoft Excel 74

Gambar 5.3 Tampilan Microsoft Excel Pengisian Data 76

Gambar 5.4 Tampilan Chart 77

Gambar 5.5 Chart untuk memilih Range Data 78

Gambar 5.6 Pemberian Title 79

BAB 1

PENDAHULUAN

1.1Latar Belakang

Kelistrikan adalah sifat benda yang muncul dari adanya juga diartikan sebagai berikut: Listrik adalah kondisi dari partikel subatomik tertentu, seperti antaranya. Dan juga merupakan sumber listrik timbul karena muatan listrik mengalir dari saluran positif ke saluran negatif.

Bersama dengan dikenal sebagai fenomena fisika yang dikenal luas, seperti digunakan dengan luas di dalam aplikasi-aplikasi industri seperti

Listrik memberi kenaikan terhada dalam juga dengan frase "muatan listrik" dan juga "jumlah muatan". Ada 2 jenis muatan listrik: positif dan negatif. Melalui eksperimen, muatan-sejenis saling menolak dan muatan-lawan jenis saling menarik satu sama lain. Besarnya gaya menarik dan

menolak ini ditetapkan oleh dalam

Satuan unit Simbol Q digunakan dalam persamaan untuk mewakili kuantitas listrik atau muatan. Contohnya, "Q=0,5 C" berarti "kuantitas muatan listrik adalah 0,5 coulomb".

Jika listrik mengalir melalui bahan khusus, misalnya dari cahaya pijar akan dipancarkan oleh bola lampu (bulblamp atau

Setiap kali listrik mengalir melalui bahan yang mempunya akan dilepaskan panas. Semakin besar arus listrik, maka panas yang timbul akan berlipat. Sifat ini dipakai pada elemen setrika dan kompor listrik.

Listrik mengalir dari saluran positif ke saluran negatif. Dengan tidak akan mengalir ke tubuh kita (kita tidak terkena strum). Demikian pula jika kita hanya memegang saluran negatif.

Sistem listrik yang masuk ke rumah pelanggan, jika menggunakan sistem

Pertama adalah dan negatifnya berbolak-balik terus menerus). Kabel ini adalah kabel yang membawa tegangan dari pembangkit tenaga listrik (PLN misalnya); kabel ini biasanya dinamakan kabel panas (hot), dapat dibandingkan seperti kutub positif pada sistem listrik arus searah (walaupun secara fisika adalah tidak tepat).

Kedua adalah nol, yang biasanya disambungkan ke tanah di pembangkit tenaga listrik (di kantor PLN misalnya); dapat dibandingkan seperti kutub negatif pada sistem listrik arus searah; jadi jika listrik ingin dialirkan ke lampu misalnya, maka satu kaki lampu harus dihubungkan ke kabel fase dan kaki lampu yang lain dihubungkan ke kabel netral; jika dipegang, kabel netral biasanya tidak menimbulkan efek strum yang berbahaya, namun karena ada kemungkinan perbedaan tegangan antara acuan nol di kantor PLN dengan acuan nol di lokasi kita, ada kemungkinan si pemegang merasakan kejutan listrik.

Ketiga adalah pemakai, yang biasanya disambungkan ke tanah di rumah pemakai; kabel ini benar-benar berasal dari logam yang ditanam di tanah dekat rumah; kabel ini merupakan kabel pengamanan yang biasanya disambungkan ke badan (chassis) alat2 listrik di rumah untuk memastikan bahwa pemakai alat tersebut tidak akan mengalami kejutan listrik.

Untuk itu penulis mengambil judul yaitu “Peramalan Banyaknya Energi

Listrik Yang Disalurkan dan Dijual Tahun 2010 PT. PLN (Persero) Cabang Medan”

1.2Identifikasi Masalah

Peramalan banyaknya energi listrik yang disalurkan dan dijual sangatlah penting untuk diobservasi. Hal ini mengingat bahwa semakin banyaknya jumlah pelanggan

perkembangan fasilitas listrik, kemampuan pasokan listrik dan indikasi-indikasi pertumbuhan lain.

Untuk mengantisipasi pertumbuhan dan perkembangan kelistrikan di Sumatera Utara sebagai upaya meningkatkan kualitas pelayanan jasa kelistrikan, maka berdasarkan surat keputusan Nomor 078.K/023/DIR/1996 tanggal 8 agustus 1996 dibentuk organisasi baru bidang jasa pelayanan kelistrikan yaitu PT. PLN (persero) Pembangkitan dan Penyaluran Sumatera Utara.

Dari beberapa masalah diatas, penulis mengangkat satu permasahan yang akan dibahas dalam penelitian ini yaitu untuk meramalkan banyaknya energi listrik yang disalurkan dan dijual tahun 2010 PT. PLN (Persero) Cabang Medan.

1.3Batasan Masalah

Adapun permasalahan yang dirangkum dalam Tugas Akhir ini hanya dibatasi pada perhitungan banyaknya energi listrik yang disalurkan dan dijual tahun 2010 PT. PLN (Persero) Cabang Medan dapat diramalkan pada penyaluran dan penjualan untuk 4 tahun ke depan berdasarkan data yang ada. Agar pembahasan yang akan dilakukan lebih terarah, maka perlu ditentukan beberapa pembatasan permasalahan, yaitu :

1. Pada banyaknya energi listrik yang disalurkan dan dijual Tahun 2010 PT. PLN (Persero) Cabang Medan diramalkan pada penyaluran dan penjualan untuk 4 tahun ke depan berdasarkan data yang ada.

2. Data yang dibutuhkan yaitu data banyaknya energi listrik yang disalurkan dan dijual Tahun 1990 – 2006 PT. PLN (Persero) Cabang Medan .

1.4Maksud dan Tujuan

Maksud dan Tujuan penelitian ini adalah untuk memberikan ramalan gambaran umum tentang banyaknya energi listrik yang disalurkan dan dijual Tahun 2010 PT. PLN (Persero) Cabang Medan.

1.5Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini yaitu: 1. Lokasi Penelitian

Penelitian dilakukan di Badan Pusat Statistika Medan yang beralamat di Jl. Asrama No. 179 Medan.

2. Penelitian Kepustakaan

Suatu cara penelitian yang digunakan untuk memperoleh data dan informasi dari perpustakaan, yaitu dengan membaca buku-buku, referensi dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir ini.

1.6Tinjauan Pustaka

Pemulusan (Smoothing) Eksponensial Ganda : Metode Linier Satu – Parameter dari Brown.

Metode ini merupakan model linier 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. Bila terdapat unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan unutk trend. Persamaan yang dipakai dalam Smoothing Eksponensial Satu Parameter dari Brown adalah sebagai berikut :

S't = αXt +(1−α)S't−1

S"_t = αS't +(1−α)S"_t−1

a_t = S'_t + ( S' _t - S"_t ) = 2 S'_t - S"_t

b_t =

α α

−

1 (S

' t- S

" t) F_t+m = a_t + b_tm dengan :

t

S' = Nilai pemulusan Eksponensial tunggal (singgle eksponensial

smoothing value)

t

S '' = Nilai eksponensial ganda (double eksponensial smoothing

value)

α = Parameter pemulusan eksponensial yang besarnya 0<α<1 t

tb

a_, = Konstanta pemulusan

m t

1.7Sistematika Penulisan

Sistematika Penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini yaitu sebagai berikut:

BAB 1 : PENDAHULUAN

Pada Bab ini berisi tentang latar belakang masalah, identifikasi masalah, batasan masalah, maksud dan tujuan, metode penelitian, tinjauan pustaka serta sistematika penulisan.

BAB 2 : SEJARAH TEMPAT RISET

Pada Bab ini menguraikan tentang sejarah Badan Pusat Statistika Medan

BAB 3 : TINJAUAN TEORITIS

Pada Bab ini berisi tentang hal-hal yang berhubungan dengan permasalahan tugas akhir.

BAB 4 : ANALISA DATA

Pada Bab ini berisi tentang cara penggunaan rumus yang telah ditentukan penulis.

BAB 5 : IMPLEMENTASI SISTEM

Pada Bab ini berisi tentang cara memasukkan data dan menganalisa data tersebut dengan menggunakan Program Excel.

BAB 6 : KESIMPULAN DAN SARAN

Pada Bab ini berisi tentang kesimpulan dan saran untuk permasalahan tersebut.

BAB 2

SEJARAH SINGKAT TEMPAT RISET

2.1 Sejarah Singkat Badan Pusat Statistik di Indonesia

Sejarah Badan Pusat Statistik dibagi dalam tiga masa, yaitu masa sebelum kemerdekaan, masa setelah kemerdekaan dan masa orde baru. Masa sebelum kemerdekaan dibagi kembali dalam dua masa yaitu : masa pemerintahan Belanda dan masa pemerintahan Jepang.

2.1.1 Masa Pemerintahan Hindia Belanda

1. Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan, dan Kependudukan di Bogor. Kantor diserahi tugas untuk mengolah dan mempublikasikan data statistika.

2. Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberikan tugas merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan dibidang Statistik Indonesia.

3. Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Voor Statistik (CKS) atau kantor statistik yang dipindahkan di Jakarta. Bersama dengan itu beralih juga pekerjaan Mekanisme Statistik Perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA)

2.1.2 Masa Pemerintahan Jepang

1. Pada bulan Juni 1944, pemerintah Jepang baru mengaktifkan kembali kegiatan Statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang dan militer.

2. Pada masa itu Central Kantor Voor Statistik (CKS) diganti menjadi

Shomubu Chosasitsu Gunseikanbu.

2.1.3 Masa Kemerdekaan Republik Indonesia

1. Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 kantor KAPPURI dipindahkan ke Yogyakarta sebagai hasil dari perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

2. Berdasarkan Surat Edaran Kementrian Kemakmuran tanggal 12 Juni 1950 Nomor 219/S.C. KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik dan berada di bawah pertanggung jawaban menteri kemakmuran.

3. Dengan Surat Menteri Perekonomian tanggal 1 maret 1952 Nomor P/44, lembaga PKS berada di bawah ini dan tanggung jawab Menteri Perekonomian. Selanjutnya Keputusan Menteri Perekonomian tanggal 24 Desember 1953 Nomor 18.099/MKPS dibagi menjadi 2 bagian yaitu disebut sebagai Afdeling A, dan bagian Tata Usaha yang disebut sebagai Afdeling B.

4. Dengan Keputusan Presiden RI Nomor 131 Tahun 1957, Kementrian Ekonomi dipecah menjadi Kementrian Perdagangan dan Kementrian Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172 Tahun 1957, terhitung sejak tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistika.

2.1.4 Masa Orde Baru Sampai Sekarang

1. Pada pemerintahan Orde Baru khususnya untuk memenuhi kebutuhan perencanaan dan evaluasi pembangunan, untuk mendapatkan statistik yang handal, lengkap, akurat dan terpercaya mulai diadakan pembenahan organisasi Biro Pusat Statistika.

2. Dalam masa Orde Baru ini Biro Pusat Statistika telah mengalami 4 (empat) kali perubahan struktur organisasi.

b. Peraturan Pemerintah Nomor 6 Tahun 1980 tentamg organisasi BPS

c. Peraturan Pemerintah Nomor 2 Tahun 1992 tentang kedudukan, tugas dan fungsi, susunan dan tata kerja Biro Pusat Statistik.

d. Undang-undang Nomor 16 Tahun 1997 tentang statistik

e. Keputusan Presiden RI Nomor 86 Tahun 1998 tentang Biro Pusat Statistik

f. Keputusan kepala BPS Nomor 100 Tahun 1998 tentang organisasi dan tata kerja BPS

g. Peraturan Pemerintah Nomor 51 Tahun 1999 tentang penyelenggaraan statistik

3. Tahun 1968, ditetapkan Peraturan Pemerintah Nomor 16 Tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Peraturan Pemerintah Nomor 6 Tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah Nomor 6 tahun 1980 di tiap propinsi terdapat perwakilan BPS. Pada tanggal 17 Juni 1988 dengan Keputusan Presiden nomor 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus mengatur tata kerja dan struktur organisasi BPS yang baru.

2.1.5 Visi Dan Misi Biro Pusat Statistik

a. Visi Biro Pusat Statistik

Biro Pusat Statistik mempunyai misi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional,

didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

b. Misi Biro Pusat Statistik

Dalam perjuangan pembangunan nasional Biro Pusat Statistik mengembangkan misi mengarahkan pembangunan statistik pada penyajian dan statistik yang bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

2.1.6 Program pengembangan Statistik

Untuk mewujudkan pembangunan statistik, Biro Pusat Statistik membagi ke dalam 4 pokok, yaitu :

1. Program penyempurnaan dan pengembangan statistik

2. Program penyempurnaan sistem informasi

3. Program pendidikan dan pelatihan aparatur negara

4. Progran peningkatan sarana dan prasarana aparatur negara.

2.2 Ruang Lingkup Kegiatan Biro Pusat Statistik

2.2.1 Kedudukan , Tugas dan Fungsi Biro Pusat Statistik

Biro Pusat Stastistik sebagai lembaga pemerintahan non departemen yang berada dibawah dan bertanggung jawab kepada Presiden (kepres Nomor 86 Tahun 1998),

dalam melaksanakan tugasnya berdasarkan kepada beberapa ketentuan perundang - undangan :

1. Undang – undang Nomor 16 Tahun 1997 tentang statistik

2. Keputusan Presiden Nomor 86 Tahun 1998 Biro Pusat Statistik

3. Peraturan Pemerintah Nomor 51 Tahun 1991 tentang penyelenggaraan statistik

Berdasarkan Keputusan Presiden Nomor 86 tahun 1998 dalam menyelenggarakan statistik dasar melaksanakan koordinasi dan kerja sama serta mengembangkan dan membina statistik sesuai dengan peraturan perundang-undangan yang berlaku.

Fungsi yang diselenggarakan Biro Pusat Statistik :

1. Perumusan kebijaksanaan nasional di bidang statistik

2. Penyelenggaraan statistik dasar

3. Menyusun rencana dan program nasional di bidang statistik

4. Koordinasi dan kerja sama statistik dengan instansi pemerintah, lembaga, organisasi, perorangan, dan unsur masyarakat lainnya.

5. Pelayanan data dan informasi serta hasil statistik kepada pemerintah masyarakat secara berkala dan sewaktu – waktu baik dari hasil penyelenggara statistik

6. Pembinaan penyelenggaraan statistik, responden dan penggunaan statistik

7. Pembinaan sumber daya manusia di lingkungan BPS, pembinaan, pengendalian dan pengawasan administrasi dan di lingkungan BPS.

2.2.2 Tata Kerja Biro Pusat Statistik

Para deputi wajib melaksanakan koordinasi dan kerja sama teknis statistik di dalam dan di luar negeri sesuai dengan bidang dan tugas mereka masing – masing. Kemudian para deputi melaporkan kepada kepala BPS. Setiap pimpinan satuan unit organisasi kelompok jabatan fungsional lingkungan BPS dalam melaksanakan tugas wajib menerapkan prinsip koordinasi, integrasi, baik dalam lingkungan masing -masing satuan unit organisasi di lingkungan BPS, maupun dengan instansi lain dari luar BPS sesuai dengan bidang dan tugasnya masing – masing.

2.2.3 Alasan Pemakaian Komputer di Biro Pusat Statitik

Mengingat semakin meningkatnya jumlah data yang diolah, sehingga perlu dibantu oleh suatu alat pengolahan data yaitu komputer. BPS adalah suatu instansi pemerintah Indonesia yang menggunakan komputer sebagai alat bantu. Dengan semakin beragamnya jenis statistik yang diperlukan BPS secara lanjut harus meremajakan pengolahan data baik perangkat lunak maupun pengolahan.

2.3 Struktur Organisasi Biro Pusat Statistik

Sebagaimana dimuat dalam lampiran struktur organisasi kantor pada Biro Pusat Statistik Sumatera Utara dipimpin oleh seorang kepala yang dibantu oleh bagian tata usaha.

Di samping itu kepala dibagi oleh bagian tata usaha yang terdiri dari: 1. Sub Bagian Urusan Dalam

2. Sub Bagian Perlengkapan

3. Sub Bagian Keuangan

4. Sub Bagian Kepegawaian

Sedangkan bidang penunjang statistik dibagi menjadi 5 bagian: 1. Bidang Statistik Produksi

2. Bidang Statistik Distribusi

3. Bidang Statistik Pengolahan Data

4. Bidang Statistik Kependudukan

5. Neraca Wilayah dan Analis

Setiap bidang mempunyai tugas – tugas yaitu :

a. Bidang Statistik produksi mempunyai tugas melaksanakan statistik pertanian, Industri serta Statistik Konstruksi Pertambangan dan Energi

b. Bidang Statistik Kependudukan mempunyai tugas melaksanakan kegiatan statistik Demografi dan rumah tangga, statistik ketenagakerjaan serta statistik kesejahteraan

c. Bidang Statistik Pengolahan Data mempunyai tugas melaksanakan kegiatan Penyediaan Data, Penyusunan Sistem dan Program serta Operasi Pengolahan Data dengan Komputer

d. Sedangkan Bidang Wilayah dan Analisa mempunyai tugas melaksanakan kegiatan penyusunan Neraca Produksi, Neraca Konsumsi, dan Akutansi Penyajian dan Analisis serta Kegiatan Penerangan Statistik

Dalam pembagian tugas yang diketahui dapat diuraikan menurut tugas masing-masing bagian yaitu:

2.3.1 Tugas Bagian Tata Usaha

1. Menyusun program tahunan

2. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha keuangan, perbendaharaan, verifikasi dan pembukuan

3. Mengatur dan melaksanakan urusan penyelenggaraan berbagai pelatihan teknis dan pelatihan administrasi

4. Mengatur dan melaksanakan urusan pelayanan administrasi lainnya kepada semua pihak satuan kerja di lingkungan Kantor Statistik Propinsi

5. Membantu Kepala Kantor Statistik Propinsi dalam Pengendalian kegiatan dan Pengendalian anggaran

6. Menyusun laporan kegiatan secara berkala

7. Menyelesaikan tugas yang diberikan secara langsung oleh atasan

2.3.2 Tugas Bidang Statistik Produksi

1. Menyusun program tahunan

2. Mengatur keikutsertaan program latihan yang diselenggarakan oleh pusat di Bidang Statistik Produksi

3. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk pelaksanaan lapangan

4. Mengatur dan melaksanakan penerimaan pemeriksaan dokumen hasil pengumpulan data statistik produksi

5. Mengatur dan mengkoordinasikan penyelenggaraan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihan

6. Bersama- sama dengan bidang pengolahan data mengatur menyiapkan pengolahan data statistik produksi melalui komputer sesuai dengan yang ditetapkan

2.3.3 Tugas Bidang Statistik Distribusi

1. Menyusun program kerja tahunan

2. Membantu kepala kantor statistik, propinsi atau pemimpin proyek / pimpinan bagi proyek statistik

3. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihan

4. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan terhadap pelaksanaan kegiatan statistik distribusi

5. Mengatur dan melaksankan pengolahan data statistik secara sederhana sesuai dengan yang telah ditetapkan

2.3.4 Tugas Bidang Pengolahan Data

1. Menyusun program kerja tahunan

2. Meneliti jenis data yang diolah melalui komputer dan bersama – sama dengan bidang yang bersangkutan serta menentukan sistem pengolahan dengan komputer

3. Mengatur pembuatan sistem program pelaksanaan penyiapan data dan operasi pengolahannnya

4. Mengatur dan melaksankan penerimaan dokumen yang diolah dengan komputer

5. Mengatur dan melaksanakan tugas yang lansung diberikan oleh atasan

2.3.5 Tugas Bidang Statistik Kependudukan

1. Menyusun program kerja tahunan

2. Melaksanakan stastistik demografi dan rumah tangga, ketenagakerjaaan, kesehjahteraan rakyat dan statistik kependudukan lainnya yang ditentukan

3. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk pelaksanaan lapangan

4. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan terhadap pelaksanaan kegiatan statistik kependudukan

5. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik kependudukan melalui komputer sesuai dengan jadwal yang ditentukan

2.3.6 Tugas Bidang Neraca Wilayah Dan Analisa

1. Menyusun program kerja tahunan

2. Menyusun dan melaksanakan penerangan kegiatan statistik baik kepada masyarakat, instansi lainnya maupun media massa.

BAB 3

TINJAUAN TEORITIS

3.1 Pengertian Peramalan

Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Untuk memprediksikan hal tersebut diperlukan data yang akurat di masa lalu, sehingga dapat melihat prospek situasi dan kondisi di masa yang akan datang.

Pada umumnya kegunaan peramalan adalah sebagai berikut: 1. Sebagai alat bantu dalam perencanaan yang efektif dan efisien. 2. Untuk menentukan kebutuhan sumber daya di masa mendatang. 3. Untuk membuat keputusan yang tepat.

Kegunaan peramalan terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan dalam berbagai kegiatan perusahaan. Baik tidaknya hasil dari suatu penelitian sangat ditentukan oleh ketetapan ramalan yang dibuat. Walaupun demikian perlu diketahui bahwa ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan tersebut.

3.2 Jenis-jenis Peramalan

Berdasarkan sifatnya peramalan dibedakan atas dua macam yaitu: 1. Peramalan Kualitatif

Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pendapat dan pengetahuan serta pengamalan penyusunnya.

2. Peramalan Kuantitatif

Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.

Baik tidaknya metode yang dipergunakan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan

antara hasil ramalan dengan kenyataan yang terjadi maka semakin baik pula metode yang digunakan.

Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut: a. Tersedia informasi (data) tentang masa lalu

b. Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data numerik c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut

pada masa yang akan datang.

Pada penyusunan Tugas Akhir ini, peramalan yang digunakan penulis adalah peramalan kuantitatif.

3.3 Metode Peramalan

3.3.1 Pengertian Metode Peramalan

Metode Peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang terjadi pada masa depan berdasarkan data yang relevan pada masa lalu.

Kegunaan Metode Peramalan ini adalah untuk memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa lalu. Dengan demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih besar.

1. Metode peramalan yang didasarkan atas penggunaan analisa hubungan antar variabel yang diperkirakan dengan variabel waktu merupakan deret berkala (Time Series). Metode Peramalan yang termasuk pada jenis ini yaitu:

a. Metode Pemulusan (smoothing) 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 mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab akibat (metode causal). Metode peramalan yang termasuk dalam jenis ini adalah:

a. Metode Regresi dan Korelasi b. Metode Ekonometri

c. Metode Input Output

3.3.3 Metode Pemulusan ( Smoothing )

Metode pemulusan ( smoothing ) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang.

Secara umum metode pemulusan ( smoothing ) dapat digolongkan menjadi beberapa bagian:

1. Metode Perataan ( Average ) a. Nilai Tengah ( Mean )

c. Rata-rata Bergerak Ganda ( Double Moving Average) d. Kombinasi Rata-rata Bergerak Lainnya

2. Metode Pemulusan ( Smoothing ) Eksponensial a Pemulusan Eksponensial Tunggal

1. Satu parameter 2. Pendekatan Adaptif

Pendekatan ini memiliki kelebihan yang nyata dalam hal nilai α yang dapat berubah secara terkendali, dengan adanya perubahan dalam pola datanya.

b. Pemulusan Eksponensial Ganda

1. Metode Linear Satu-Parameter dari Brown

S'_t = αXt +(1−α)S't₋₁ S"_t = ' ₁

" ) 1 ( − ₋ + t t S S α α

at = S '

t + ( S '

t - S "

t ) = 2 S '

t - S "

t b_t =

α α

−

1 (S

' t- S

" t) F_t+m = a_t + b_tm

S't = nilai Pemulusan Eksponensial Tunggal (Single Eksponensial

Smoothing Value)

S"_t = nilai Pemulusan Eksponensial Ganda (Double Eksponensial

Smoothing Value)

α = parameter Pemulusan Eksponensial a_t, b_t= konstanta pemulusan

F_t+m = hasil peramalan untuk m periode ke depan yang akan diramalkan

2. Metode Dua Parameter dari Holt

Metode ini digunakan untuk peramalan data yang bersifat trend. S_t = α X_t + (1-α)(S_t−1 + b_t−1),

b_t = γ (S_t - S_t−1) + (1 - γ ) b_t−1, F_t+m= S_t + b_tm

c. Pemulusan Eksponensial Triple

1. Pemulusan Kwadratik Satu Parameter dari Brown

Dapat digunakan untuk meramalkan data dengan suatu pola trend dasar, bentuk pemulusan yang lebih tinggi dapat digunakan bila dasar pola datanya adalah kuadratik, kubik atau orde yang lebih tinggi.

2. Metode Kecendrungan dan Musiman Tiga-Parameter dari Winter

Metode ini merupakan salah satu dari beberapa metode pemulusan eksponensial yang dapat menangani musiman.

Bentuk umum dari metode pemulusan eksponensial adalah: di mana:

F_t+1 = Ramalan untuk periode mendatang

α = Parameter eksponensial yang besarnya 0<α<1 X_t = Nilai aktual pada periode-t

F_t = Ramalan pada periode-t

3.4 Metode Peramalan Yang Digunakan

Untuk mendapatkan hasil yang baik dan tepat maka harus diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan banyaknya energi listrik yang disalurkan dan dijual tahun 2010 berdasarkan Data Tahun 1990 – 2006 PT. PLN ( Persero) Cabang Medan, maka penulis menggunakan Metode Smoothing

Eksponensial Ganda yaitu” Smoothing Eksponensial Linier Satu Parameter dari Brown”.

Secara umum prosedur Metode Smoothing Eksponensial Ganda yaitu Smoothing Eksponensial Linier Satu Parameter dari Brown dapat diterangkan melalui persamaan berikut ini:

S'_t =αX_t +(1−α)S'_t−1 ... (3-1) S"_t =αS't +(1−α)S"_t−1 ... (3-2)

a_t = S'_t + (S' _t- S"_t) = 2 S' _t - S"_t ... (3-3) F_t+1 = α X_t + ( 1 - α ) F_t

bt =

1

−

αα (S't- S "

t) ... (3-4) F_t+m = a_t + b_tm ... (3-5)

Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan rumus dibawah ini:

e = Xt+1 - Ft+1 ... (3-6)

e2 = (Xt+1 - Ft+1) 2

... (3-7)

Akhir Persamaan (2-5) menunjukkan bagaimana memperoleh ramalan untuk m periode ke muka dari t. Ramalan untuk m periode kemuka adalah a_t di mana merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m kali komponen kecendrungan b_t. Bila semua hasil hitungan telah didapat, maka semua hasilnya dimasukkan ke dalam contoh tabel pemulusan eksponensial ganda berikut ini:

Metode Smoothing Eksponensial Ganda

Smoothing Eksponensial Linier Satu Parameter dari Brown

Sebagai Peramalan Banyaknya Energi Listrik Yang Disalurkan dan Dijual PT. PLN (Persero) Cabang Medan

(1) tahun (2) Periode (tahun) (3) Banyaknya energi listrik yang disalurkan dan dijual (4) Pemulusan eksponensial tunggal tahunan dari (1) (5) Pemulusan eksponensial ganda tahunan dari (2) (6) Nilai t a (7) Nilai t b (8) Nilai F = at +bt(m)

bila m=1

1990 1 X₁ - - - - -

1991 2 X2 - - - - -

1992 3 X₃ (3-1) - - - -

1993 4 X₄ ... - - - -

1994 5 X₅ ... (3-2) (3-3) (3-4) -

- - - ... ... ... ... (3-5)

- - - ... ... ... ... ...

Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketepatan ramalan. Kriteria ini berupa Mean

Squared Error (MSE), Mean Absolute Percentage Error (MAPE), dan Mean Absolute Deviation (MAD).

Berikut ini adalah Ketepatan Ramalan Beberapa Kriteria yang digunakan untuk menguji nilai ramalan yaitu:

a. Nilai tengah kesalahan (Mean Error) dirumuskan dengan :

b. Nilai Tengah Kesalahan Kuadrat (Mean Square Error) dirumuskan dengan:

c. Nilai Tengah Kesalahan Absolute (Mean Absolute Error) dirumuskan dengan: MSE = n F X n i i i

∑

₌ − 1 2 ) ( ME = n e n i i

∑

₌₁

MAE = n e n i i

d. Nilai Tengah Kesalahan Persentase Absolute (Mean Absolute Percentage

Error), dirumuskan dengan:

e. Kesalahan Persentase (Percentage Error) dirumuskan dengan:

f. Jumlah Kuadrat Kesalahan (Sum Square Error), dirumuskan dengan:

di mana:

X_i - F_i= kesalahan pada periode ke-i X_i= data aktual pada periode ke- Fi = nilai ramalan pada periode ke-i n = banyaknya periode waktu

MAPE = n PE n i i

∑

₌₁

PE =     − i i i X F X x 100

SSE =

∑

= − n i i i F X 1 2 ) (

Sedangkan untuk mengetahui nilai kesalahannya dapat dilihat dalam tabel berikut ini: Nilai Kesalahan Peri ode (1) Peramalan banyaknya energi listrik yang disalurkan dan dijual

(Xi)

(2)

Peramalan

(F_i)

(3)

Kesalahan

(X_i- F_i)

(4) Kesalahan Absolute i i F X − (5) Kesalahan Kuadrat

(X_i- F_i)2

(6) Kesalahan Persentase (PE) (7) Kesalahan Persentase Absolute (MAPE) (8)

1 X₁ F₁ ... ... ... ... ...

2 X2 F2 ... ... ... ... ...

3 X₃ F₃ ... ... ... ... ...

4 X₄ F₄ ... ... ... ... ...

5 X₅ F₅ ... ... ... ... ...

6 X₆ F₆ ... ... ... ... ...

7 X₇ F₇ ... ... ... ... ..

BAB 4

ANALISA DATA

Analisa dimaksudkan untuk menentukan sifat-sifat statistika dari waktu ke waktu, sehingga dapat ditetapkan suatu model penduga atau peramalan yang tepat serta dapat digunakan untuk meramalkan banyaknya energi listrik yang disalurkan dan dijual tahun 2010 PT. PLN (Persero) Cabang Medan.

4.1Data Yang Akan Diolah

Data yang dibutuhkan dalam menganalisis pada Tugas Akhir ini adalah data banyaknya energi listrik yang disalurkan dan dijual PT. PLN (Persero) Cabang Medan berdasarkan tahun 1990 - 2006 Data tersebut yaitu sebagai berikut :

Tabel 4-1 Data banyaknya Energi Listrik yang Disalurkan dan Dijual PT. PLN (Persero) Cabang Medan

Tahun 1990 - 2006

TAHUN

BANYAKNYA ENERGI LISTIK Number of Electricity Power YANG DISALURKAN

Distributed

(KWH)

YANG DIJUAL

Sold

(KWH)

1990 1.227.855.311 1.032.864.024

1991 1.322.874.203 1.111.131.240

1992 1.471.603.792 1.222.699.217

1993 1.508.770.000 1.285.144.166

1994 1.570.314.060 1.344.456.511

1995 1.788.079.661 1.551.585.653

1996 1.919.389.000 1.671.851.245

1997 2.102.967.648 1.860.590.673

1998 2.044.708.991 1.771.130.515

1999 2.190.902.211 1.908.932.548

2000 2.400.537.453 2.117.172.556

2001 2.582.003.882 2.265.794.263

2002 2.770.736.907 2.427.813.402

2003 2.489.987.989 2.109.967.696

2004 2.342.787.328 2.035.757.755

2005 2.466.322.426 2.131.697.918

2006 2.549.229.019 2.284.844.551

Jumlah / Total 34.749.069.881 30.133.433.933

Dari data di atas banyaknya energi listrik yang disalurkan dan dijual PT. PLN (Persero) Cabang Medan untuk tahun 2010 penulis menggunakan metode pemulusan (smoothing) yaitu metode pemulusan (smoothing) exponensial Ganda dengan Smoothing Eksponensial Linier Satu Parameter dari Brown.

4.1.1 Metode Pemulusan Eksponensial Tunggal Dan Metode Pemulusan Eksponensial Ganda Untuk Energi Listrik Yang Disalurkan.

Tahap pertama untuk menghitung peramalan banyaknya energi listrik yang disalurkan dalam perhitungan ini adalah perhitungan Pemulusan Eksponensial Tunggal dengan

1 , 0

=

α menggunakan rumus persamaan ( 3-1) yaitu :

Maka dari rumus diatas maka dapat dihitung :

Tahun 1991 = (0,1) (1.322.874.203) + (1-0,1) (1.227.855.311,00) = 1.237.357.200,20

Tahun 1992 = (0,1) (1.471.603.792) + (1-0,1) (1.237.357.200,20) = 1.260.781.859,38

Tahun 1993 = (0,1) (1.508.770.000) + (1-0,1) (1.260.781.859,38) = 1.285.580.673,44

...

Hasil dapat dilihat pada tabel 4.2

Dan tahap selanjutnya untuk menghitung peramalan banyaknya energi listrik yang disalurkan yaitu mencari pemulusan Eksponensial Ganda dengan α =0,1 menggunakan rumus persamaan (3-2) yaitu :

Maka dapat di hitung :

Tahun 1991 = (0,1) (1.237.357.200,00) + (1-0,1) (1.227.855.311) = 1.228.805.499,92

Tahun 1992 = (0,1) (1.260.781.859,38) + (1-0,1) (1.228.805.499,92) = 1.232.003.135,87

Tahun 1993 = (0,1) (1.285.580.673,44) + (1-0,1) (1.232.003.135,87) = 1.237.360.889,62

...

Hasil dapat dilihat pada tabel 4.2

Selanjutnya dicari nilai at dengan α =0,1 menggunakan rumus pada

persamaan (3-3) yaitu:

Maka nilai a dapat di hitung :

Tahun 1991 = 2 (1.237.357.200,20) – (1.228.805.499,92) S" _t = αS't +(1−α)S"_t−1

= 1.245.908.900,48

Tahun 1992 = 2 (1.260.781.859,38) – (1.232.003.135,87) = 1.289.560.582,89

Tahun 1993 = 2 (1.285.580.673,44) – (1.237.360.889,62) = 1.333.800.457,26

...

Hasil dapat dilihat pada tabel 4.2

Tahap selanjutnya adalah menghitung nilai b_t dengan α =0,1 menggunakan rumus pada persamaan (3-4) yaitu:

Maka nilai bt dapat di hitung :

Tahun 1991 = 1 , 0 1 1 , 0

− (1.237.357.200,20) – (1.288.805.499,92)

= 940.687,03

Tahun 1992 =

1 , 0 1 1 , 0

− (1.260.781.859.38) – (1.232.003.135,87)

= 3.165.659,59

Tahun 1993 =

1 , 0 1 1 , 0

− (1.285.580.673,44) – (1.237.360.889,62)

= 5.304.176,22 b_t =

1

−

αα (S't- S "

...

Hasil dapat dilihat pada tabel 4.2

Dari perhitungan a_t dan b_t di atas dapat ditentukan ramalan banyaknya energi listrik yang disalurakan PT. PLN (Persero) Cabang Medan untuk tahun 2007-2010. Untuk itu tahap selanjutnya adalah menghitung banyak energi listrik yang disalurkan dengan menggunakan persamaan (3-5) untuk α =0,1

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan membentuk persamaan peramalan :

Ft+m = 2.503.343.263,47 + 46.738.155,68 (m)

Setelah diketahui model peramalan banyak energi listrik yang disalurkan dapat dihitung 4 tahun kedepan seperti tertera di bawah ini :

Tahun 2007 untuk m = 1 = 2.503.343.263,47 + 46.738.155,68 (1) = 2.550.081.419,15

Tahun 2008 untuk m = 2 = 2.503.343.263,47 + 46.738.155,68 (2) = 2.596.819.574,83

Tahun 2009 untuk m = 3 = 2.503.343.263,47 + 46.738.155,68 (3) = 2.643.557.730,51

Tahun 2010 untuk m = 4 = 2.503.343.263,47 + 46.738.155,68 (4) = 2.690.295.886,19

Dari perbandingan dengan nilai α = 0,1, 0,2 , 0,3, 0,4 , 0,6 , 0,7 , 0,8 , 0,9 ketahui bahwa peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan untuk tahun 2007-2010 diperoleh Nilai kuadrat Kesalahan (MSE) yang paling kecil adalah dengan nilai α = 0,6. untuk itu tahap untuk menghitung banyak energi listrik yang disalurkan dengan menggunakan persamaan (3-5) untuk α =0,6

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan membentuk persamaan peramalan :

F_t+m = 2.529.667.056,45 + 29.830.973,59 (m)

Setelah diketahui model peramalan banyak energi listrik yang dijual dapat dihitung 4 tahun kedepan seperti tertera di bawah ini :

Tahun 2007 untuk m = 1 = 2.529.667.056,45 + 29.830.973,59 (1) = 2.559.498.030,04

Tahun 2008 untuk m = 2 =2.529.667.056,45 + 29.830.973,59 (2) = 2.589.329.003,63

Tahun 2009 untuk m = 3 = 2.529.667.056,45 + 29.830.973,59 (3) = 2.619.159.977,22

Tahun 2010 untuk m = 4 = 2.529.667.056,45 + 29.830.973,59 (4) = 2.648.990.950,81

Oleh karena itu maka peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan tahun 2007-2010 berdasarkan data tahun 1990-2006 demgan Nilai Kesalahan Kuadrat ( MSE) yang paling kecil adalah dengan nilai α = 0,6 adalah sebagai berikut :

Tabel - 4.11 Peramalan Banyaknya Energi Listrik Yang Disalurkan PT. PLN (Persero) Cabang Medan Tahun 2007-2008

TAHUN YANG DISALURKAN

2007 2.559.498.030,04

2008 2.589.329.003,63

2009 2.619.159.977,22

Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi listrik yang disalurkan diatas adalah:

1. Nilai Tengah Kesalahan (Mean Error) adalah :

ME = n e n i i

∑

₌₁

= 15 46 , 076 . 155 . 12 = -810.338,43

2. Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah:

MSE = n F X n i i i

∑

₌ − 1 2 ) ( = 15 000 . 546 . 147 . 592 . 000 . 401 =26.733.372.809.836.400

3. Nilai Tengah Kesalahan Absolute (Mean Absolute Error) adalah :

MAE = n e n i i

∑

₌₁

= 15 14 , 517 . 227 . 827 . 1 = 121.815.167,81

4. Nilai Tengah Kesalahan Persentase Absolute (Mean Absolute Percentage Error) adalah MAPE = n PE n i i

∑

₌₁

= 15 54 , 83 = 5,569

5. Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah :

MPE = n PE n i i

∑

₌₁

= 15 04 , 3 = 0,202

6. Jumlah Kuadrat Kesalahan (Sum Square Error) adalah:

SSE =

∑

= − n i i i F X 1 2 ) ( =401.000.592.147.546.000

4.1.3 Metode Pemulusan Eksponensial Tunggal Dan Metode Pemulusan Eksponensial Ganda Untuk Energi Listrik Yang Dijual.

Tahap pertama untuk menghitung peramalan banyaknya energi listik yang dijual dalam perhitungan ini adalah perhitungan Pemulusan Eksponensial Tunggal dengan α =0,1 menggunakan rumus persamaan ( 3-1) yaitu :

Maka dari rumus diatas maka dapat dihitung :

Tahun 1991 = (0,1) (1.111.131.240) + (1-0,1) (1.032.864.024) = 1.040.690.745,60

Tahun 1992 = (0,1) (1.222.699.217) + (1-0,1) (1.040.690.745,60) = 1.058.891.592,74

Tahun 1993 = (0,1) (1.285.144.160) + (1-0,1) (1.058.891.592,74) = 1.081.516.850,07

...

Hasil dapat dilihat pada tabel 4.13

Dan tahap selanjutnya untuk menghitung peramalan banyaknya energi listrik yang disalurkan yaitu mencari pemulusan Eksponensial Ganda dengan α =0,1 menggunakan rumus persamaan (3-2) yaitu :

Maka dapat di hitung :

Tahun 1991 = (0,1) (1.040.690.745,60) + (1-0,1) (1.032.864.024,00) = 1.033.646.696,16

Tahun 1992 = (0,1) (1.058.891.592,74) + (1-0,1) (1.033.646.696,16) = 1.036.171.185,82

Tahun 1993 = (0,1) (1.081.516.850,07) + (1-0,1) (1.036.171.185,82) = 1.040.705.752,24

...

Hasil dapat dilihat pada tabel 4.13

Selanjutnya dicari nilai at dengan α =0,1 menggunakan rumus pada

persamaan (3-3) yaitu:

S" _t = αS't +(1−α)S"_t−1

Maka nilai a dapat di hitung :

Tahun 1991 = 2 (1.040.690.745,60) – (1.033.646.696,16) = 1.047.734.795,04

Tahun 1992 = 2 (1.058.891.592,74) – (1.036.171.185,82) = 1.081.611.999,66

Tahun 1993 = 2 (1.081.516.850,07) – (1.040.705.752,24) = 1.122.327.947,89

...

Hasil dapat dilihat pada tabel 4.13

Tahap selanjutnya adalah menghitung nilai b_t dengan α =0,1 menggunakan rumus pada persamaan (3-4) yaitu:

Maka nilai b dapat di hitung :

Tahun 1991 = 1 , 0 1 1 , 0

− (1.040.690.745,60) – (1.033.646.696,16)

= 774.845,44

Tahun 1992 =

1 , 0 1 1 , 0

− (1.058.891.592,74) – (1.036.171.185,82)

= 2.499.244,76 b_t =

1

−

αα (S't- S "

Tahun 1993 = 1 , 0 1

1 , 0

− (1.081.516.850,07) – (1.040.705.752,24)

= 4.489.220,76

...

Hasil dapat dilihat pada tabel 4.13

Dari perhitungan a dan b di atas dapat ditentukan ramalan banyaknya energi listrik yang dijual PT. PLN (Persero) Cabang Medan untuk tahun 2007-2010. untuk itu tahap selanjutnya adalah menghitung banyak energi listrik yang dijual dengan menggunakan persamaan (3-5) untuk α =0,1

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan membentuk persamaan peramalan :

F_t+m = 2.109.810.364,32 + 42.423.949,38 (m)

Setelah diketahui model peramalan banyak energi listrik yang dijual dapat dihitung 4 tahun kedepan seperti tertera di bawah ini :

Tahun 2007 untuk m = 1 = 2.109.810.364,32 + 42.423.949,38 (1) = 2.152.234.313,70

Tahun 2008 untuk m = 2 = 2.109.810.364,32 + 42.423.949,38 (2) = 2.194.658.263,08

Tahun 2009 untuk m = 3 = 2.109.810.364,32 + 42.423.949,38 (3) = 2.237.082.212,46

Tahun 2010 untuk m = 4 = 2.109.810.364,32 + 42.423.949,38 (4) = 2.279.506.161,84

Dari perbandingan dengan nilai α = 0,1, 0,2 , 0,3, 0,4 , 0,6 , 0,7 , 0,8 , 0,9 ketahui bahwa peramalan banyaknya energi listrik yang dijual PT. PLN (Persero) Cabang Medan untuk tahun 2007-2010 diperoleh Nilai kuadrat Kesalahan (MSE) yang paling kecil adalah dengan nilai α = 0,5. untuk itu tahap untuk menghitung banyak energi listrik yang dijual dengan menggunakan persamaan (3-5) untuk α = 0,5

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan membentuk persamaan peramalan :

F_t+m = 2.240.711.543,99 + 36.968.759,22 (m)

Setelah diketahui model peramalan banyak energi listrik yang dijual dapat dihitung 4 tahun kedepan seperti tertera di bawah ini :

Tahun 2007 untuk m = 1 = 2.240.711.543,99 + 36.968.759,22 (1) = 2.277.680.303,21

Tahun 2008 untuk m = 2 = 2.240.711.543,99 + 36.968.759,22 (2) = 2.314.649.062,43

Tahun 2009 untuk m = 3 = 2.240.711.543,99 + 36.968.759,22 (3) = 2.351.617.821,65

Tahun 2010 untuk m = 4 = 2.240.711.543,99 + 36.968.759,22 (4) = 2.388.586.580,87

Oleh karena itu maka peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan tahun 2007-2010 berdasarkan data tahun 1990-2006 dengan Nilai Kesalahan Kuadrat ( MSE) yang paling kecil adalah dengan nilai α = 0,5 adalah sebagai berikut :

Tabel - 4.22 Peramalan Banyaknya Energi Listrik Yang Dijual PT. PLN (Persero) Cabang Medan Tahun 2007-2008

TAHUN YANG DIJUAL

2007 2.277.680.303,21

2008 2.314.649.062,43

2009 2.351.617.821,65

Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi listrik yang dijual diatas adalah:

1. Nilai Tengah Kesalahan (Mean Error) adalah :

ME = n e n i i

∑

₌₁

= 15 39 , 607820 . 69 = 4.640.521,39

2. Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah:

MSE = n F X n i i i

∑

₌ − 1 2 ) ( = 15 000 . 437 . 813 . 387 . 838 . 395 =26.389.225.854.229.100

3. Nilai Tengah Kesalahan Absolute (Mean Absolute Error) adalah :

MAE = n e n i i

∑

₌₁

= 15 61 , 560 . 363 . 810 . 1 = 120.690.904

4. Nilai Tengah Kesalahan Persentase Absolute (Mean Absolute Percentage Error) adalah MAPE = n PE n i i

∑

₌₁

= 15 17 , 96 = 6,411

5. Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah :

MPE = n PE n i i

∑

₌₁

= 15 23 , 9 = 0,615

6. Jumlah Kuadrat Kesalahan (Sum Square Error) adalah:

SSE =

∑

= − n i i i F X 1 2 ) ( =395.838.387.813.437.000

BAB 5

IMPLEMENTASI SISTEM

5.1Pengenalan Microsoft Excel

Pada penyusunan Tugas Akhir ini, dalam pengolahan data penulis menggunakan program Microsoft Excel. Di mana Microsoft Excel adalah aplikasi pengolah angka (spread sheet) yang sangat populer dan canggih saat ini yang dapat digunakan untuk mengatur, menyediakan maupun menganalisa data dan mempresentasikan dalam bentuk tabel, grafik atau diagram.

Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka. Dihitung, diproyeksikan, dianalisa dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai versi 4, versi 5, versi 97, versi 2000 dan sekarang Microsoft Excel 2003 atau Microsoft Excel XP.

Lembar Kerja (Sheet) Excel terdiri dari 256 kolom dan 65536 baris. Perpotongan baris dan kolom disebut sel (cell). Sel diberi nama menurut posisi kolom dan baris dilokasi sel tersebut berada. Kolom diberi nama dengan huruf mulai dari

A,B,C...,Z. Kemudian dilanjutkan AA, AB, AC sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1,2,3...sampai angka 65536.

5.2Langkah-langkah Memulai Microsoft Excel

5.2.1 Mengaktifkan Microsoft Excel

Sebelum mengoperasikan software ini, pastikan bahwa pada komputer terpasang pada program excel. Langkah-langkahnya adalah sebagai berikut:

a. Klik tombol start b. Pilih dan klik program

c. Pilih dan klik Microsoft Office, Microsoft Excel

5.2.2 Tampilan Microsoft Excel

Setelah pengaktifan, akan tampil lembar kerja excel yang siap digunakan, lembar kerja adalah kumpulan kolom dan baris, di mana kolom berurutan dari atas ke bawah dan baris berurutan dari kiri ke kanan. Excel memiliki 256 kolom dan 65.536 baris pada setiap lembar kerja.

Pada setiap lembar kolom dan baris terdapat sel. Sel ini di identifikasikan dengan alamat yang merupakan kombinasi antara abjad untuk kolom dan angka untuk baris. Pada lembar kerja Excel terdapat banyak elemen yang memiliki fungsi yang tersendiri.

5.3Implementasi Sistem Peramalan Banyaknya Energi Listrik yang Disalurkan dan Dijual PT. PLN (Persero) Cabang Medan

Fungsi dalam excel ditujukan untuk memudahkan pengetikan formula yang lazim diperlukan dalam melakukan perhitungan aritmatik dan operasi standart lazim yang sering diulangi.

Terdapat banyak fungsi-fungsi statistik yang disediakan oleh Microsoft Excel, diantaranya adalah fungsi average, fungsi standart deviasi, fungsi median, fungsi mean dan masih banyak fungsi statistika lainnya.

5.3.1 Pengisian Data

Pengisian data kedalam lembar kerja Excel adalah sama dengan pemasukan atau penelitian data ke dalamnya. Ada dua alternatif pengisian data, yakni menggunakan keybord atau melalui sub-menu yang terdapat pada menu Excel.

Dalam mengisi data ke dalam lembar kerja dengan keybord, diperlukan langkah – langkah sebagai berikut :

a. Letakkan pointer pada sel yang ingin diisi data. b. Ketik data yang diinginkan

c. Tekan enter atau klik tombol kiri mouse pada sel yang lain untuk konfirmasi atau mengakhirinya.

Sedangkan alternatif kedua dalam mengisi data adalah menggunakan sub menu pada menu edit di Excel. Dengan alternatif ini, maka memiliki lebih banyak pilihan, yaitu: Down, up, right, left, dan series (autofiil).

Gambar 5.3: Tampilan Microsoft Excel Pengisian Data

Untuk menghitung nilai a , nilai peramalan (F) dan nilai kesalahan _t b_t

digunakan data angka (numerik) yaitu karakter nilai konstanta dan karakter khusus yang dibaca dalam format data angka (numerik) yaitu terdiri dari angka dan tanda-tanda khusus seperti *, +, -, /, % dan lain-lain.

5.4Pembentukan Grafik

Chart adalah grafik yang dibentuk berdasarkan data pada worksheet. Microsoft Excel menyediakan fasilitas yang sangat lengkap untuk membuat aneka bentuk grafik. Langkah-langkahnya:

1. Blok seluruh tabel yang akan dijadikan grafik.

Gambar 5.4: Tampilan chart

3. Lalu pilih jenis chart yang akan ditentukan. Pada bagian ini juga dapat mengedit, menambah atau mengurangi data.

Gambar 5.5: chart untuk memilih range data

4. Setelah itu pemberian Title, Axis, Gridlines, Legend dan Data Labels pada grafik. Selain itu Ms. Excel juga memberikan fasilitas untuk menampilkan data tabel pada grafik dengan Data Table Tab.

Gambar 5.6: Pemberian Title

5. Langkah terakhir ini berguna untuk menentukan lokasi grafik, apakah pada satu sheet (embedded Chart) tersendiri atau pada worksheet tempat data table (stand alone Chart).

Gambar 5.7: Menentukan Lokasi Grafik

Grafik yang terbentuk berhubungan langsung dengan data pada worksheet, artinya jika terjadi perubahan pada data, secara otomatis grafik akan berubah sesuai dengan perubahan data tersebut.

Setelah selesai bekerja dengan excel dan ingin keluar dari excel pilih exit dari menu File atau close (X) dalam jendela Excel.

BAB 6

KESIMPULAN DAN SARAN

Setelah penulis menyelesaikan Tugas Akhir ini maka penulis mengambil beberapa kesimpulan dan saran. Adapun kesimpulan dan saran tersebut adalah:

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari Tugas Akhir ini adalah:

1. Dari plot data tahun 1990-2006 dapat dilihat bahwa terdapat kenaikan energi listrik yang disalurkan dan dijual dari tahun ke tahun oleh PT. PLN (Persero) Cabang Medan.

2. Dari data yang telah diramalkan dapat diketahui bahwa peramalan banyaknya energi listrik yang disalurkan dan dijual oleh PT. PLN (Persero) Cabang Medan meningkat dari tahun 2007-2010.

3. Dilihat dari nilai-nilai yang diperoleh seberapa besar kesalahan peramalan yang dihitung, di mana dari perhitungan data banyak energi listrik yang disalurkan diatas telah didapat Nilai Tengah Kesalahan (ME) adalah -810.338,43. Nilai Tengah Kesalahan Kuadrat (MSE) adalah 26.733.372.809.836.400. Nilai Tengah Kesalahan Absolute adalah 121.815.167,81. Nilai Tengah Kesalahan Persentase Absolute (MAPE) yang diperoleh adalah 5,569 dan Nilai Tengah Kesalahan Persentase (MPE) adalah

0,202. Sedangkan perhitungan data banyak energi listrik yang dijual diatas telah didapat Nilai Tengah Kesalahan (ME) adalah 4.640521,39. Nilai Tengah Kesalahan Kuadrat (MSE) adalah 26.389.225.854.229.100. Nilai Tengah Kesalahan Absolute (MAE) adalah 120.690.904. Nilai Tengah Kesalahan Persentase Absolute (MAPE) yang diperoleh adalah 6,411 dan Nilai Tengah Kesalahan Persentase (MPE) adalah 0,615.

4. Dari persamaan peramalan banyaknya energi listrik yang disalurkan yaitu: F_t+m = 2.529.667.056,45 + 29.830.973,59 (m) maka nilai α yang diambil untuk hasil peramalan terakhir yaitu peramalan banyaknya energi listrik yang disalurkan dengan nilai α = 0,6. Dan persamaan peramalan banyaknya energi listrik yang dijual yaitu : F_t+m = 2.240.711.543,99 + 36.968.759,22 (m), maka nilaiα yang diambil untuk hasil peramalan terakhir yaitu peramalan banyaknya energi listrik yang dijual adalah dengan nilaiα = 0,5. Karena nilai kuadrat kesalahan MSE (Mean Square Error) lebih kecil dari nilai α yang lain.

6.2 Saran

Adapun saran yang penulis ingin sampaikan adalah

1. Diharapkan pada PT. PLN (Persero) Cabang Medan dapat menambah daya energi listrik agar masyarakat merasa puas dalam penggunaan energi listrik. 2. Diharapkan kepada PT. PLN (Persero) Cabang Medan lebih meningkatkan

pemakaian energi listrik yang disalurkan dan yang dijual agar tidak terjadi masalah yang membuat masyarakat merasa di rugikan.

3. Diharapkan kepada Kantor Badan Pusat Statistika agar dapat mengumpulkan data - data mengenai banyaknya jumlah air minum yang lebih akurat dan terpercaya.

DAFTAR PUSTAKA

Assauri, Sofian. 1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi UI

Marganda, Klirent Simarmata M.Sc dan Dra. Normalina Napitupulu. 2006. Microsoft Excel-PowerPoint Serta Contoh Soal-Soal. Medan

Makridakis, Spyros. 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga Tosin, Rijanto 1999. Microsoft Excel 2000, Kilat 24 jurus, edisi ke – 1,

Jakarta : Dinastindo

Suliyanto, SE, M.Si 2006. Metode Riset Bisnis, edisi ke – 1, yogyakarta: Andi BPS.1990. Medan Dalam Angka 1990. Badan Pusat Statistik

BPS.1995. Medan Dalam Angka 1995. Badan Pusat Statistik BPS.2000. Medan Dalam Angka 2000. Badan Pusat Statistik BPS.2004. Medan Dalam Angka 2004. Badan Pusat Statistik www.google.com

L

A

M

P

I

R

A

N

GRAFIK BANYAKNYA ENERGI LISTRIK YANG DISALURKAN TAHUN 1990 - 2006

0 500.000.000 1.000.000.000 1.500.000.000 2.000.000.000 2.500.000.000 3.000.000.000 19 90 19 91 19 92 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05 20 06 TAHUN E N E R G I L IS T R IK Y A N G D IS A L U R K A N disalurkan

GRAFIK BANYAKNYA ENERGI LISTRIK YANG DISALURKAN

TAHUN 1990 - 2006

0 500.000.000 1.000.000.000 1.500.000.000 2.000.000.000 2.500.000.000 3.000.000.000 199 0 199 2 199 4 199 6 199 8 200 0 200 2 200 4 200 6 TAHUN E N E R G I L IS T R IK Y A N G D IJ U A DIJUAL

Data banyaknya Energi Listrik yang Disalurkan dan Dijual PT. PLN (Persero) Cabang Medan

Tahun 1990 - 2006

Sumber : PLN (Persero) Cabang Medan TAHUN

BANYAKNYA ENERGI LISTIK Number of Electricity Power YANG DISALURKAN

Distributed

(KWH)

YANG DIJUAL

Sold

(KWH)

1990 1.227.855.311 1.032.864.024

1991 1.322.874.203 1.111.131.240

1992 1.471.603.792 1.222.699.217

1993 1.508.770.000 1.285.144.166

1994 1.570.314.060 1.344.456.511

1995 1.788.079.661 1.551.585.653

1996 1.919.389.000 1.671.851.245

1997 2.102.967.648 1.860.590.673

1998 2.044.708.991 1.771.130.515

1999 2.190.902.211 1.908.932.548

2000 2.400.537.453 2.117.172.556

2001 2.582.003.882 2.265.794.263

2002 2.770.736.907 2.427.813.402

2003 2.489.987.989 2.109.967.696

2004 2.342.787.328 2.035.757.755

2005 2.466.322.426 2.131.697.918

1990 1

1.032.864.024

1.032.864.024,00

1.032.864.024,00

- - - -1991 2

1.111.131.240

1.071.997.632,00 1.052.430.828,00 1.091.564.436,00 19.566.804,00 -

-1992 3

1.222.699.217

1.147.348.424,50 1.099.889.626,25 1.194.807.222,75 47.458.798,25 1.111.131.240,00 111.567.977,00 12.447.413.491.872.500 1993 4

1.285.144.166

1.216.246.295,25 1.158.067.960,75 1.274.424.629,75 58.178.334,50 1.242.266.021,00 42.878.145,00 1.838.535.318.641.020 1994 5

1.344.456.511

1.280.351.403,13 1.219.209.681,94 1.341.493.124,31 61.141.721,19 1.332.602.964,25 11.853.546,75 140.506.570.554.436 1995 6

1.551.585.653

1.415.968.528,06 1.317.589.105,00 1.514.347.951,13 98.379.423,06 1.402.634.845,50 148.950.807,50 22.186.343.054.902.100 1996 7

1.671.851.245

1.543.909.886,53 1.430.749.495,77 1.657.070.277,30 113.160.390,77 1.612.727.374,19 59.123.870,81 3.495.632.099.853.190 1997 8

1.860.590.673

1.702.250.279,77 1.566.499.887,77 1.838.000.671,77 135.750.392,00 1.770.230.668,06 90.360.004,94 8.164.930.492.305.020 1998 9

1.771.130.515

1.736.690.397,38 1.651.595.142,57 1.821.785.652,19 85.095.254,81 1.973.751.063,77 -202.620.548,77 41.055.086.782.083.000 1999 10

1.908.932.548

1.822.811.472,69 1.737.203.307,63 1.908.419.637,75 85.608.165,06 1.906.880.907,00 2.051.641,00 4.209.230.792.881 2000 11

2.117.172.556

1.969.992.014,35 1.853.597.660,99 2.086.386.367,70 116.394.353,36 1.994.027.802,81 123.144.753,19 15.164.630.238.572.400 2001 12

2.265.794.263

2.117.893.138,67 1.985.745.399,83 2.250.040.877,51 132.147.738,84 2.202.780.721,06 63.013.541,94 3.970.706.468.001.360 2002 13

2.427.813.402

2.272.853.270,34 2.129.299.335,08 2.416.407.205,59 143.553.935,25 2.382.188.616,36 45.624.785,64 2.081.621.065.020.310 2003 14

2.109.967.696

2.191.410.483,17 2.160.354.909,13 2.222.466.057,21 31.055.574,04 2.559.961.140,84 -449.993.444,84 202.494.100.400.587.000 2004 15

2.035.757.755

2.113.584.119,08 2.136.969.514,11 2.090.198.724,06 -23.385.395,02 2.253.521.631,25 -217.763.876,25 47.421.105.800.594.900 2005 16

2.131.697.918

2.122.641.018,54 2.129.805.266,32 2.115.476.770,76 -7.164.247,78 2.066.813.329,04 64.884.588,96 4.210.009.884.217.950 2006 17

2.284.844.551

2.203.742.784,77 2.166.774.025,55 2.240.711.543,99 36.968.759,22 2.108.312.522,98 176.532.028,02 31.163.556.917.184.200 Jumlah 30.133.433.933 28.962.555.172,23 27.828.645.170,68 29.063.601.149,78 1.133.910.001,55 27.919.830.848,11 69.607.820,89 395.838.387.815.183.000

MSE 26.389.225.854.345.500

Error (e) Square Error TAH

UN PERI ODE

ENERGI LISTRIK

1990 1

1.032.864.024

1.032.864.024,00

1.032.864.024,00

- - - -1991 2

1.111.131.240

1.079.824.353,60 1.061.040.221,76 1.098.608.485,44 28.176.197,76 -

-1992 3

1.222.699.217

1.165.549.271,64 1.123.745.651,69 1.207.352.891,59 62.705.429,93 1.126.784.683,20 95.914.533,80 9.199.597.794.071.380 1993 4

1.285.144.166

1.237.306.208,26 1.191.881.985,63 1.282.730.430,88 68.136.333,94 1.270.058.321,52 15.085.844,48 227.582.703.674.740 1994 5

1.344.456.511

1.301.596.389,90 1.257.710.628,19 1.345.482.151,61 65.828.642,56 1.350.866.764,82 -6.410.253,82 41.091.354.088.111 1995 6

1.551.585.653

1.451.589.947,76 1.374.038.219,93 1.529.141.675,59 116.327.591,74 1.411.310.794,18 140.274.858,82 19.677.036.018.093.100 1996 7

1.671.851.245

1.583.746.726,10 1.499.863.323,64 1.667.630.128,57 125.825.103,70 1.645.469.267,33 26.381.977,67 696.008.745.835.256 1997 8

1.860.590.673

1.749.853.094,24 1.649.857.186,00 1.849.849.002,48 149.993.862,36 1.793.455.232,28 67.135.440,72 4.507.167.401.338.950 1998 9

1.771.130.515

1.762.619.546,70 1.717.514.602,42 1.807.724.490,98 67.657.416,42 1.999.842.864,85 -228.712.349,85 52.309.338.972.706.900 1999 10

1.908.932.548

1.850.407.347,48 1.797.250.249,45 1.903.564.445,50 79.735.647,04 1.875.381.907,39 33.550.640,61 1.125.645.485.079.880 2000 11

2.117.172.556

2.010.466.472,59 1.925.179.983,34 2.095.752.961,85 127.929.733,88 1.983.300.092,54 133.872.463,46 17.921.836.472.972.700 2001 12

2.265.794.263

2.163.663.146,84 2.068.269.881,44 2.259.056.412,24 143.089.898,10 2.223.682.695,73 42.111.567,27 1.773.384.098.053.120 2002 13

2.427.813.402

2.322.153.299,93 2.220.599.932,54 2.423.706.667,33 152.330.051,10 2.402.146.310,34 25.667.091,66 658.799.594.459.467 2003 14

2.109.967.696

2.194.841.937,57 2.205.145.135,56 2.184.538.739,59 -15.454.796,98 2.576.036.718,43 -466.069.022,43 217.220.333.671.346.000 2004 15

2.035.757.755

2.099.391.428,03 2.141.692.911,04 2.057.089.945,02 -63.452.224,52 2.169.083.942,61 -133.326.187,61 17.775.872.303.226.900 2005 16

2.131.697.918

2.118.775.322,01 2.127.942.357,62 2.109.608.286,40 -13.750.553,42 1.993.637.720,50 138.060.197,50 19.060.618.133.572.600 2006 17

2.284.844.551

2.218.416.859,40 2.182.227.058,69 2.254.606.660,12 54.284.701,07 2.095.857.732,98 188.986.818,02 35.716.017.384.373.700 Jumlah 30.133.433.933 29.343.065.376,06 28.576.823.352,94 29.076.443.375,19 1.149.363.034,69 27.916.915.048,70 72.523.620,30 397.910.330.132.893.000

MSE 26.527.355.342.192.900

PT. PLN ( Persero ) Cabang Medan

α = 0,6

Error (e) Square Error TAH

UN PERI ODE

ENERGI LISTRIK

1990 1

1.032.864.024

1.032.864.024,00

1.032.864.024,00

- - - - -1991 2

1.111.131.240

1.087.651.075,20 1.071.214.959,84 1.104.087.190,56 38.296.148,79 - -

-1992 3

1.222.699.217

1.182.184.774,46 1.148.893.830,07 1.215.475.718,85 77.567.900,42 1.142.383.339,35 80.315.877,65 6.450.640.202.882.460 1993 4

1.285.144.166

1.254.256.348,54 1.222.647.593,00 1.285.865.104,08 73.648.400,41 1.293.043.619,27 -7.899.453,27 62.401.361.891.933 1994 5

1.344.456.511

1.317.396.462,26 1.288.971.801,48 1.345.821.123,04 66.229.459,61 1.359.513.504,48 -15.056.993,48 226.713.052.763.246 1995 6

1.551.585.653

1.481.328.895,78 1.423.621.767,49 1.539.036.024,07 134.457.608,91 1.412.050.582,65 139.535.070,35 19.470.035.856.257.500 1996 7

1.671.851.245

1.614.694.540,23 1.557.372.708,41 1.672.016.372,06 133.559.868,15 1.673.493.632,98 -1.642.387,98 2.697.438.276.600 1997 8

1.860.590.673

1.786.821.833,17 1.717.987.095,74 1.855.656.570,60 160.384.938,21 1.805.576.240,20 55.014.432,80 3.026.587.815.796.420 1998 9

1.771.130.515

1.775.837.910,45 1.758.482.666,04 1.793.193.154,86 40.437.719,48 2.016.041.508,80 -244.910.993,80 59.981.394.886.545.000 1999 10

1.908.932.548

1.869.004.156,74 1.835.847.709,53 1.902.160.603,94 77.254.522,00 1.833.630.874,35 75.301.673,65 5.670.342.055.217.800 2000 11

2.117.172.556

2.042.722.036,22 1.980.659.738,21 2.104.784.334,23 144.605.154,36 1.979.415.125,94 137.757.430,06 18.977.109.536.307.200 2001 12

2.265.794.263

2.198.872.594,97 2.133.408.737,94 2.264.336.451,99 152.530.786,87 2.249.389.488,59 16.404.774,41 269.116.623.499.792 2002 13

2.427.813.402

2.359.131.159,89 2.291.414.433,30 2.426.847.886,47 157.779.972,94 2.416.867.238,86 10.946.163,14 119.818.487.414.794 2003 14

2.109.967.696

2.184.716.735,17 2.216.726.044,61 2.152.707.425,73 -74.581.691,00 2.584.627.859,42 -474.660.163,42 225.302.270.735.764.000 2004 15

2.035.757.755

2.080.445.449,05 2.121.329.627,72 2.039.561.270,38 -95.260.136,30 2.078.125.734,73 -42.367.979,73 1.795.045.706.160.270 2005 16

2.131.697.918

2.116.322.177,32 2.117.824.412,44 2.114.819.942,19 -3.500.207,83 1.944.301.134,09 187.396.783,91 35.117.554.620.788.100 2006 17

2.284.844.551

2.234.287.838,89 2.199.348.810,96 2.269.226.866,83 81.407.935,09 2.111.319.734,36 173.524.816,64 30.110.861.988.942.000 Jumlah 30.133.433.933 29.618.538.012,33 29.118.615.960,78 29.085.596.039,88 1.164.818.380,12 27.899.779.618,08 89.659.050,92 406.582.590.368.507.000

MSE 27.105.506.024.567.100

TAH UN

PERI ODE

ENERGI LISTRIK

1990 1

1.032.864.024

1.032.864.024,00 1.032.864.024,00

- - - - -1991 2

1.111.131.240

1.095.477.796,80 1.082.955.042,24 1.108.000.551,36 50.091.018,24 - -

-1992 3

1.222.699.217

1.197.254.932,96 1.174.394.954,82 1.220.114.911,10 91.439.912,58 1.158.091.569,60 64.607.647,40 4.174.148.102.562.770 1993 4

1.285.144.166

1.267.566.319,39 1.248.932.046,48 1.286.200.592,31 74.537.091,66 1.311.554.823,68 -26.410.657,68 697.522.839.090.159 1994 5

1.344.456.511

1.329.078.472,68 1.313.049.187,44 1.345.107.757,92 64.117.140,96 1.360.737.683,97 -16.281.172,97 265.076.593.213.940 1995 6

1.551.585.653

1.507.084.216,94 1.468.277.211,04 1.545.891.222,84 155.228.023,60 1.409.224.898,88 142.360.754,12 20.266.584.313.615.100 1996 7

1.671.851.245

1.638.897.839,39 1.604.773.713,72 1.673.021.965,06 136.496.502,68 1.701.119.246,43 -29.268.001,43 856.615.907.898.466 1997 8

1.860.590.673

1.816.252.106,28 1.773.956.427,77 1.858.547.784,79 169.182.714,05 1.809.518.467,74 51.072.205,26 2.608.370.150.312.470 1998 9

1.771.130.515

1.780.154.833,26 1.778.915.152,16 1.781.394.514,35 4.958.724,39 2.027.730.498,84 -256.599.983,84 65.843.551.705.617.100 1999 10

1.908.932.548

1.883.177.005,05 1.862.324.634,47 1.904.029.375,63 83.409.482,31 1.786.353.238,75 122.579.309,25 15.025.687.057.275.800 2000 11

2.117.172.556

2.070.373.445,81 2.028.763.683,54 2.111.983.208,08 166.439.049,07 1.987.438.857,94 129.733.698,06 16.830.832.411.093.500 2001 12

2.265.794.263

2.226.710.099,56 2.187.120.816,36 2.266.299.382,77 158.357.132,82 2.278.422.257,15 -12.627.994,15 159.466.236.203.687 2002 13

2.427.813.402

2.387.592.741,51 2.347.498.356,48 2.427.687.126,54 160.377.540,12 2.424.656.515,58 3.156.886,42 9.965.931.859.698 2003 14

2.109.967.696

2.165.492.705,10 2.201.893.835,38 2.129.091.574,83 -145.604.521,10 2.588.064.666,67 -478.096.970,67 228.576.713.360.629.000 2004 15

2.035.757.755

2.061.704.745,02 2.089.742.563,09 2.033.666.926,95 -112.151.272,29 1.983.487.053,72 52.270.701,28 2.732.226.211.947.340 2005 16

2.131.697.918

2.117.699.283,40 2.112.107.939,34 2.123.290.627,47 22.365.376,25 1.921.515.654,66 210.182.263,34 44.176.583.821.592.500 2006 17

2.284.844.551

2.251.415.497,48 2.223.553.985,85 2.279.277.009,11 111.446.046,51 2.145.656.003,72 139.188.547,28 19.373.451.694.990.900 Jumlah 30.133.433.933 29.828.796.064,63 29.531.123.574,17 29.093.604.531,09 1.190.689.961,85 27.893.571.437,33 95.867.231,67 421.596.796.337.903.000

MSE 28.106.453.089.193.500

PT. PLN ( Persero ) Cabang Medan

α = 0,8

TAH UN

PERI ODE

ENERGI LISTRIK

1990 1

1.032.864.024

1.032.864.024,00 1.032.864.024,00

- - - - -1991 2

1.111.131.240

1.103.304.518,40 1.096.260.468,96 1.110.348.567,84 63.396.444,96 - -

-1992 3

1.222.699.217

1.210.759.747,14 1.199.309.819,32 1.222.209.674,96 103.049.350,36 1.173.745.012,80 48.954.204,20 2.396.514.108.855.230 1993 4

1.285.144.166

1.277.705.724,11 1.269.866.133,63 1.285.545.314,59 70.556.314,31 1.325.259.025,32 -40.114.859,32 1.609.201.938.263.440 1994 5

1.344.456.511

1.337.781.432,31 1.330.989.902,44 1.344.572.962,18 61.123.768,81 1.356.101.628,91 -11.645.117,91 135.608.771.044.673 1995 6

1.551.585.653

1.530.205.230,93 1.510.283.698,08 1.550.126.763,78 179.293.795,64 1.405.696.730,99 145.888.922,01 21.283.577.565.823.900 1996 7

1.671.851.245

1.657.686.643,59 1.642.946.349,04 1.672.426.938,14 132.662.650,96 1.729.420.559,42 -57.569.314,42 3.314.225.962.620.550 1997 8

1.860.590.673

1.840.300.270,06 1.820.564.877,96 1.860.035.662,16 177.618.528,92 1.805.089.589,10 55.501.083,90 3.080.370.313.649.930 1998 9

1.771.130.515

1.778.047.490,51 1.782.299.229,25 1.773.795.751,76 -38.265.648,71 2.037.654.191,08 -266.523.676,08 71.034.869.909.374.500 1999 10

1.908.932.548

1.895.844.042,25 1.884.489.560,95 1.907.198.523,55 102.190.331,70 1.735.530.103,05 173.402.444,95 30.068.407.913.154.300 2000 11

2.117.172.556

2.095.039.704,63 2.073.984.690,26 2.116.094.718,99 189.495.129,31 2.009.388.855,25 107.783.700,75 11.617.326.147.346.200 2001 12

2.265.794.263

2.248.718.807,16 2.231.245.395,47 2.266.192.218,85 157.260.705,21 2.305.589.848,30 -39.795.585,30 1.583.688.609.327.690 2002 13

2.427.813.402

2.409.903.942,52 2.392.038.087,81 2.427.769.797,22 160.792.692,34 2.423.452.924,07 4.360.477,93 19.013.767.800.742 2003 14

2.109.967.696

2.139.961.320,65 2.165.168.997,37 2.114.753.643,94 -226.869.090,44 2.588.562.489,56 -478.594.793,56 229.052.976.423.203.000 2004 15

2.035.757.755

2.046.178.111,57 2.058.077.200,15 2.034.279.022,98 -107.091.797,22 1.887.884.553,49 147.873.201,51 21.866.483.724.395.900 2005 16

2.131.697.918

2.123.145.937,36 2.116.639.063,64 2.129.652.811,08 58.561.863,49 1.927.187.225,76 204.510.692,24 41.824.623.239.388.200 2006 17

2.284.844.551

2.268.674.689,64 2.253.471.127,04 2.283.878.252,24 136.832.063,40 2.188.214.674,57 96.629.876,43 9.337.333.019.337.070 Jumlah 30.133.433.933 29.996.121.636,82 29.860.498.625,37 29.098.880.624,27 1.220.607.103,04 27.898.777.411,67 90.661.257,33 448.224.221.413.586.000

MSE 29.881.614.760.905.700

Error (e) Square Error TAH

UN PERI ODE

ENERGI LISTRIK

Periode Energi listrik Peramalan Kesalahan Kesalahan Kesalahan Kesalahan Kesalahan Persentase

yang dijual Absolute Kuadrat Persentase Absolute

1

1.222.699.217

1.111.131.240,00 111.567.977,00 111.567.977,00 12.447.413.491.872.500 9,12 9,12 2

1.285.144.166

1.242.266.021,00 42.878.145,00 42.878.145,00 1.838.535.318.641.020 3,34 3,34 3

1.344.456.511

1.332.602.964,25 11.853.546,75 11.853.546,75 140.506.570.554.436 0,88 0,88 4

1.551.585.653

1.402.634.845,50 148.950.807,50 148.950.807,50 22.186.343.054.902.100 9,60 9,60 5

1.671.851.245

1.612.727.374,19 59.123.870,81 59.123.870,81 3.495.632.099.557.560 3,54 3,54 6

1.860.590.673

1.770.230.668,06 90.360.004,94 90.360.004,94 8.164.930.492.756.830 4,86 4,86 7

1.771.130.515

1.973.751.063,77 -202.620.548,77 202.620.548,77 41.055.086.783.855.900 -11,44 11,44 8

1.908.932.548

1.906.880.907,00 2.051.641,00 2.051.641,00 4.209.230.792.881 0,11 0,11 9

2.117.172.556

1.994.027.802,81 123.144.753,19 123.144.753,19 15.164.630.238.226.000 5,82 5,82 10

2.265.794.263

2.202.780.721,06 63.013.541,94 63.013.541,94 3.970.706.467.824.150 2,78 2,78 11

2.427.813.402

2.382.188.616,36 45.624.785,64 45.624.785,64 2.081.621.064.695.940 1,88 1,88 12

2.109.967.696

2.559.961.140,84 -449.993.444,84 449.993.444,84 202.494.100.398.970.000 -21,33 21,33 13

2.035.757.755

2.253.521.631,25 -217.763.876,25 217.763.876,25 47.421.105.799.425.300 -10,70 10,70 14

2.131.697.918

2.066.813.329,04 64.884.588,96 64.884.588,96 4.210.009.884.508.160 3,04 3,04 15

2.284.844.551

2.108.312.522,98 176.532.028,02 176.532.028,02 31.163.556.916.854.100 7,73 7,73

jumlah 69.607.820,89 1.810.363.560,61 395.838.387.813.437.000 9,23 96,17

ME 4.640.521,39

MSE 26.389.225.854.229.100

MAE 120.690.904

MAPE 6,411