Peramalan Jumlah Konsumsi Kalori Di Provinsi Nanggroe Aceh Darussalam
PERAMALAN JUMLAH KONSUMSI KALORI DI PROVINSI
NANGGROE ACEH DARUSSALAM
TUGAS AKHIR
LILI MAHARANI
112407116
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
(2)
PERAMALAN JUMLAH KONSUMSI KALORI DI PROVINSI
NANGGROE ACEH DARUSSALAM
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
LILI MAHARANI
112407116
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
(3)
Judul : PERAMALAN JUMLAH KONSUMSI KALORI DI PROVINSI NANGGROE ACEH
DARUSSALAM
Kategori : TUGAS AKHIR
Nama : LILI MAHARANI
Nomor Induk Mahasiswa : 112407116
Program Studi : D-3 STATISTIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
Disetujui di Medan, Juli 2014
Disetujui oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing,
Ketua,
Dr. Faigiziduhu Bu’ulӧlӧ, M.Si Dr. Pasukat Sembiring, M.Si NIP. 19531218 198003 1 003 NIP. 19531113 198503 1 002
(4)
PERAMALAN JUMLAH KONSUMSI KALORI DI PROVINSI NANGGROE ACEH DARUSSALAM
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2014
LILI MAHARANI 112407116
(5)
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan tugas akhir ini dengan judul Peramalan Jumlah Konsumsi Kalori di Provinsi Nanggroe Aceh Darussalam.
Terimakasih penulis sampaikan kepada Bapak Dr. Pasukat Sembiring, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ul M.Si dan Bapak Dr. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris program studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayah Darmon, Ibu Marice Situmpol dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
Medan, Juni 2014
(6)
Halaman Persetujuan Pernyataan Penghargaan Daftar Isi Daftar Tabel
Bab 1 Pendahuluan 1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Tujuan Penelitian 1.4 Manfaat Penelitian 1.5 Metodologi Penelitian 1.6 Lokasi Penelitian 1.7 Sistematika Penulisan Bab 2 Landasan Teori
2.1 Pengertian Peramalan 2.2 Jenis-jenis Peramalan 2.3 Langkah-langkah Peramalan 2.4 Metode Peramalan
2.5 Metode Pemulusan Smoothing 2.6 Ketepatan Peramalan
Bab 3 Gambaran Umum Perusahaan 3.1 Sejarah Badan Pusat Statistik
3.1.1 Masa Pemerintahan Hindia Belanda 3.1.2 Masa Pemerintahan Jepang
3.1.3 Masa Kemerdekaan Republik Indonesia 3.1.4 Masa Orde Baru Sampai Sekarang 3.2 Visi dan Misi Badan Pusat Statistik
3.2.1 Visi Badan Pusat Statistik 3.2.2 Misi Badan Pusat Statistik
3.3 Struktur Organisasi Badan Pusat Statistik 3.4 Job Description
Bab 4 Pengolahan Data 4.1 Pengolahan Data
4.2 Analisis Pemulusan Eksponensial 4.3 Peramalan Jumlah Konsumsi Kalori
i ii iii iv vi 1 1 3 3 3 4 7 8 10 10 10 12 13 15 18 20 20 20 21 21 23 24 24 24 25 26 36 36 37 49
(7)
5.3 Langkah-langkah Pengolahan data pada Excel 5.4 Pengambaran Hasil
Bab 6 Penutup
6.1 Kesimpulan 6.2 Saran Daftar Pustaka Lampiran
52 56 58 58 59
(8)
Halaman Tabel 4.1 Data Jumlah Konsumsi Kalori Perkapita (Kkal) di Aceh 34 Tabel 4.2 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 36
Metode Ekponensial Satu Parameter dari Brown dengan = 0,1
Tabel 4.3 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 37 Metode Ekponensial Satu Parameter dari Brown
dengan = 0,2
Tabel 4.4 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 38 Metode Ekponensial Satu Parameter dari Brown
dengan = 0,3
Tabel 4.5 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 39 Metode Ekponensial Satu Parameter dari Brown
dengan = 0,4
Tabel 4.6 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 40 Metode Ekponensial Satu Parameter dari Brown
dengan = 0,5
Tabel 4.7 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 41 Metode Ekponensial Satu Parameter dari Brown
dengan = 0,6
Tabel 4.8 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 42 Metode Ekponensial Satu Parameter dari Brown
dengan = 0,7
Tabel 4.9 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 43 Metode Ekponensial Satu Parameter dari Brown
dengan = 0,8
Tabel 4.10 Peramalan Jumlah Konsumsi Kalori dengan Menggunakan 44 Metode Ekponensial Satu Parameter dari Brown
dengan = 0,9
Tabel 4.11 Perbandingan Ukuran Jumlah Konsumsi Kalori Metode 45 Peramalan
Tabel 4.12 Tabel Perbandingan Jumlah Konsumsi sebenarnya, 46 Peramalan pertama, pemulusan ganda, dan hasil ramalan
(9)
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Salah satu indikator untuk menunjukan tingkat kesejahteraan penduduk adalah tingkat kecukupan Gizi, yang lazim disajikan dalam banyak zat gizi seperti kalori dan protein. Kalori merupakan satuan yang digunakan untuk menyatakan jumlah energi. Yang pada umumnya kalori digunakan untuk menunjukan jumlah energi yang terkandung dalam makanan. Kalori sendiri dapat diperoleh dari asupan makanan yang mengandung nutrisi, seperti karbohidrat, lemak,protein, dan alkohol. Dimana konsumsi kalori dihitung dengan mengalikan kualitas setiap makanan yang dikonsumsi dengan besarnya kandungan kalori dalam setiap jenis makanan, dan jumlah kalori tersebut diperlukan untuk menghitungkan keseimbangan energi.
Tubuh membutuhkan energi atau pun kalori dalam melaksanakan aktivitas sehari-hari. Namun ternyata masih banyak masyarakat yang belum paham mengenai kecukupan kalori yang harus dikonsumsi agar setara dengan energi yang dikeluarkan untuk beraktivitas, dan meskipun kecukupan kalori yang harus dibutuhkan oleh setiap orang berbeda-beda. Departemen kesehatan RI telah menentapkan angka kecukupan kalori penduduk indonesia pada patokan kecukupan konsumsi kalori per kapita masing-masing 2000 kkal/hari. Jika berpedoman pada batas standart kecukupan konsumsi kalori per kapita, yaitu 2000 kkal/hari, maka angka nasional rata-rata konsumsi kalori penduduk
(10)
sebesar 1.852,64 kkal. Sedangkan rata-rata angka kecukupan konsumsi kalori di provinsi Nanggroe Aceh Darussalam pada tahun 2012 adalah 1.851,22 kkal, dan dilihat dari kecukupan gizi yang masih dibawah standart yang artinya jumlah kalori yang dikonsumsi lebih kecil dari kalori yang digunakan, berat badan akan berkurang karena cadangan energi dan lemak akan digunakan untuk beraktivitas. Namun kelebihan energi juga akan disimpan sebagai lemak. Adapun lemak yang berlebihan dapat meningkatkan resiko terjadinya hipertensi, obesitas, stroke, penyakit jantung, dan diabetes. Oleh karena itu, asupan kalori juga perlu dikontrol untuk menjaga berat badan dan mencegah terjadinya penyakit Metabolik.
Kalori dapat diperoleh dari tiga sumber energi utama yang diperoleh dari makanan antara lain karbihidrat, lemak, dan protein. Dengan mengonsumsi 1 gram karbohidrat dan 1 gram protein setara dengan mengkonsumsi 4 kkal. Sedangkan 1 gram lemak akan setara dengan 9 kkal, dan beberapa sumber energi tersebut dapat diperoleh dari berba€gai jenis makanan. Namun ada kalanya semua hal akan menjadi buruk jika dilakukan secara berlebihan. Sama halnya jika mengkonsumsi makanan dengan karbohidrat atapun sumber energi lainnya secara berlebihan justru akan menyebabkan penyakit. Karena itu dianjurkan agar mengkonsumsi sumber energi sesuai dengan yang dibutuhkan.
Pengatur kalori sangatlah penting bagi tubuh dan kesehatan kita. Pengaturan keseimbangan kalori yang baik akan dapat membantu mempertahankan pola hidup sehat, berat badan ideal, dan mencegah penyakit metabolik dikemudian hari. Mengingat konsumsi kalori masyarakat Provinsi Aceh yang juga masih berada dibawah standart kecukupan gizi yang seharusnya, maka
(11)
penulis ingin menganalisis konsumsi kalori yang berada di Aceh dengan Judul, “PERAMALAN JUMLAH KONSUMSI KALORI DI PROVINSI NANGGROE ACEH DARRUSALAM ”
1.2 Rumusan Masalah
Permasalahan yang akan dianalisis dalam penelitian ini adalah untuk mengetahui bagaimana keadaan tingkat konsumsi kalori penduduk di provinsi Nangro Aceh Darusalam setiap tahunnya. Apakah terjadi peningkatan setiap tahunnya atau juga sebaliknya mengalami penurunan. Dilihat dari populasi penduduk provinsi Nangro aceh darusalam yang semakin meningkat setiap tahunnya, tentu akan membawa dampak pada tingkat konsumsi kalori pada tahun-tahun yang akan datang, dan hal ini nantinya akan menunjukan bahwa keseimbangan tingkat konsumsi kalori dengan meningkatkan jumlah populasi penduduk akan setara, serta tidak ada lagi penduduk yang kekurangan konsumsi kalori atau kekurangan nutrisi pada tubuh.
1.3 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah Untuk dapat memberikan gambaran dalam pengambilan keputusan untuk meningkatkan ataupun menstabilkan tingkat kalori yang harus dikonsumsi oleh masyarakat nanggroe aceh darussalam.
1.4 Manfaat Penelitian
Adapun manfaat penelitian ini adalah :
1. Memberikan informasi tentang tingkat konsumsi kalori masyarakat di Provinsi Nangro Aceh Darusalam.
(12)
2. Memberikan gambaran sebagai pendekatan yang akan terjadi dimasa yang akan datang mengenai tingkat konsumsi kalori di Provinsi Nangro Aceh Darusalam.
3. Sebagai salah satu syarat untuk menyelesaikan program studi Diploma III Statistika USU
4. Sebagai salah satu wadah untuk menerapkan ilmu yang diperoleh di bangku perkuliahan.
1.5 Metodologi Penelitian
Untuk memudahkan penulis dalam penyajian Tugas akhir ini, maka penulis memperoleh data melalui riset (pengambilan data) di Badan Pusat Statistik (BPS) yang berlokasi di Jl. Asrama No.179 Medan, Sumut. Di dalam riset data juga digunakan beberapa metode yaitu sebagai berikut:
1. Penelitian Kepustakaan ( Library Research)
Yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan dengan cara membaca buku-buku referensi dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir. 2. Metode Pengumpulan Data
Untuk memperoleh data dan informasi mengenai tingkat konsumsi kalori di Provinsi Nangro Aceh Darusalam dengan cara mengadakan penelitian di Badan Pusat Statistik (BPS) di Provinsi Sumatera Utara dan menulis data yang diperlukan. Metode pengumpulan data yang digunakan adalah Data sekunder yaitu data yang pengumpulannya bukan diusahakan sendiri oleh peneliti. Data sekunder disini ialah data yang diolah/ diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara.
(13)
3. Metode Pengolahan Data
Dalam menganalisis konsumsi kalori di provinsi nanggroe aceh darussalam maka penulis akan melakukan analisis data dengan menggunakan teknik peramalan dengan menggunakan Metode Eksponensial Smooting.
Metode Eksponensial Smooting yang digunakan yaitu Metode pemulusan Eksponensial Linier satu parameter dari Brown (“Brown one parameter Linier Exponensial Smoothing). Dengan persamaan-persamaan sebagai berikut:
a) Menentukan Pemulusan Pertama ( )
Dengan:
=Pemulusan pertama periode t = Nilai periode t
= Pemulusan periode t-1
b) Menentukan Pemulusan Kedua( )
Dengan :
= Pemulusan kedua periode t-1
(14)
Dengan:
= konstanta pemulusan
d) Menentukan besarnya slope/ koefisien ( )
Dengan:
= konstanta pemulusan
e) Menentukan Besarnya Peramalan ( )
Dengan:
= Hasil peramalan untuk periode (m) kedepan yang akan diramalkan
= jumlah periode kedepan yang diramalkan
Hasil proyeksi yang akurat adalah peramalan (forecast) yang biasanya meminimalkan kesalahan peramalan (forecast error). Besarnya kesalahan peramalan (forecast error) dihitung dengan mengurangkan data yang sebenarnya dengan data yang diperoleh dari data hasil peramalan.
Rumusnya:
Error = data yang sebenarnya- data hasil peramalan
Keterangan :
= data sebenarnya pada periode ke-t = hasil ramalan pada periode ke-t
(15)
Dalam menghitung forecast error digunakan: Mean Squared Error (MSE)
Mean Squared error adalah rata-rata kesalahan peramalan dikuadratkan. Dimana artinya bahwa lebih besar 0 dan lebih kecil dari 1 Maka penulis mengusulkan nilai dari 0,1 , 0,2 , 0,3... 0,9 .Setelah nilai MSE yang sudah diperoleh dengan yang telah ditetapkan, maka yang digunakan yaitu pada nilai MSE yang terkecil. Sehingga untuk mencari hasil peramalan digunakan rumus dibawah ini
Menentukan besarnya peramalan ( )
Dengan:
= Hasil peramalan untuk periode (m) kedepan yang akan diramalkan = jumlah periode kedepan yang diramalkan
= Konstanta Pemulusan = Konstanta Pemulusan
1.6 Lokasi Penelitian
Penelitian ataupun pengumpulan Data prediksi jumlah Konsumsi Kalori Di Provinsi Nanggroe Aceh Darussalam sendiri dilaksanakan di Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Jl. Asrama No. 179, Medan.
(16)
1.7 Sistematika Penulisan
BAB 1 : PENDAHULUAN
Bab ini menguraikan tentang latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, lokasi penelitian dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini menjelaskan tentang konsep dasar yang mencakup penyelesaian masalah dengan judul dan permasalahan yang diuraikan.
BAB 3 : GAMBARAN UMUM TEMPAT RISET
Pada bab ini diuraikan tentang gambaran umum instansi tempat penulis mengadakan penelitian dan pengumpulan data yaitu Badan Pusat Statistik (BPS).
BAB 4 : PENGOLAHAN DATA
Bab ini berisikan tentang cara penggunaan rumus dan metode yang telah ditentukan.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menjelaskan tentang program ataupun software yang digunaka sebagai analisa terhadap data yang diperoleh.
(17)
BAB 6 : KESIMPULAN DAN SARAN
Bab ini menjelaskan kesimpulan dari hasil penelitian serta saran-saran dari hasil analisis data.
(18)
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjaan waktu (timelag) antara kesadaran yang dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Jika perbedaan waktu tersebut panjang, maka peran peramalan begitu penting dan sangat dibutuhkan terutama dalam penentuan waktu kapan akan terjadinya sesuatu, sehingga dapat dipersiapkan tindakan yang perlu dilakukan.
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 atas ketepatan hasil ramalan yang dibuat.
2.2 Jenis-Jenis Peramalan
Peramalan (forecasting) : adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa bentuk model matematis.
Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain.
(19)
1. Peramalan berdasarkan jangka waktu :
a. Peramalan jangka pendek ( kurang satu tahun, umumnya kurang tiga bulan : digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat produksi).
b. Peramalan jangka menengah ( tiga bulan hingga tiga tahun : digunakan untuk perencanaan penjualan, perencanaan dan penganggaran produksi dan menganalisis berbagai rencana operasi),
c. Peramalan jangka panjang ( tiga tahun atau lebih, digunakan untuk merencanakan produk baru, penganggaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta pengembangan).
2. Peramalan berdasarkan rencana operasi
a. Ramalan ekonomi : membahas siklus bisnis dengan memprediksi tingkat inflasi dan indikator perencanaan lainnya.
b. Ramalan teknologi : berkaitan dengan tingkat kemajuan teknologi dan produk baru.
c. Ramalan permintaan : berkaitan dengan proyeksi permintaan terhadap produk perusahaan. Ramalan ini disebut juga ramalan penjualan, yang mengarahkan produksi, kapasitas dan siatem penjualan perusahaan.
3. Peramalan berdasarkan metode / pendekatan
a. Peramalan kuantitatif, menggunakan berbagai model matematis atau metode statistik dan data historis dan atau variabel-variabel kausal untuk meramalkan permintaan.
(20)
b. Peramalan kualitatif, menggunakan intuisi, pengalaman pribadi dan berdasarkan pendapat (judment) dari yang melakukan peramalan.
2.3 Langkah-langkah Peramalan
Secara umum untuk memastikan bahwa peramalan yang dilakukan dapat tepat guna serta memenuhi ketepatan yang optimal, maka terdapat beberapa langkah yang harus dilakukan dalam melakukan peramalan ( Teguh Baroto 2005 ). Adapun langkah-langkah tersebut antara lain
1. Penentuan Tujuan
Tujuan peramalan bergantung pada kebutuhan informasi para manager setelah melakukan penentuan tujuan maka dapat selanjutnya melakukan penentuan antara lain :
a. Variabel apa yang diramalkan
b. Siapa yang akan menggunakan hasil peramalan c. Untuk tujuan apa hasil peramalan digunakan
d. Peramalan jangka panjang atau jangka pendek yang diperlukan e. Derajat ketepatan peramalan yang diinginkan
f. Kapan peramalan dilakukan
g. Bagian-bagian peramalan yang dinginkan seperti peramalan untuk kelompok pembeli, kelompok produk atau daerah geografis
2. Pengembangan Model
Model dapat diibaratkan sebagai cara pengolahan dan penyajian data agar lebih sederhana sehingga mudah untuk dianalisis
(21)
3. Pengujian Model
Pengujian Model dilakukan untuk menentukan tingkat akurat,validitas dan reabilitas yang diharapkan. Nilai suatu model ditentukan dengan derajat ketepatan peramalan dengan permintaan aktualnya.
4. Penerapan model atau hasil dari peramalan yang diperoleh.
5. Revisi dan Evaluasi.
2.4 Metode Peramalan
Peramalan adalah kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan dapat didasarkan atas bermacam-macam cara yang kita kenal dengan metode peramalan.
Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang berdasarkan data yang relevan pada masa lalu, dan karena itu maka metode peramalan ini dipergunakan dalam peramalan yang objektif. Metode peramalan ini sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pekerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang disusun.
Seperti yang telah diuraikan pada pembahasan diatas, dimana metode peramalan menggunakan peramalan kuantitatif. Oleh karena itu dalam
(22)
pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas.
1. Metode peramalan yang didasarkan atas penggunaan analisa pada hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series)
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu dan bisa disebut dengan sebab akibat (causal mrthods)
Dengan pembahasan ini penulis membatasi mengenai metode peramalan yang berhubungan deret waktu, karena penulis akan menggunakan salah satu diantara metode-metode peramalan yang berhubungan dengan deret waktu (time serise). Adapun metode-metode tersebut adalah sebagai berikut:
1. Metode Smooting, yaitu yang digunakan untuk mengurangi ketidak-teraturan musiman dari data yang lalu maupun kedua-duanya, dengan membuat rata-rata tertimbang dari sederetan data yang lalu. Ketepatan dari peramalan dengan metode ini akan terdapat pada peramalan jangka pendek,sedangkan untuk peramalan jangka panjang ketepatan akan berkurang. Data yang dibutuhkan untuk penggunaan metode ini minimal selama dua tahun.
2. Metode box jenkins, yaitu dengan menggunakan dasar deret waktu dengan model matematis, agar kesalahan yang terjadi dapat diminimalkan. Oleh karena itu penggunaan metode ini membutuhkan identifikasi model dan
(23)
estimasi parameternya. Metode ini sangat baik ketepatannya untuk peramalan jangka pendek, sedangkan peramalan untuk jangka panjang ketepatannya kurang baik. Data yang dibutuhkan penggunaan metode peramalan ini minimum dua tahun dan lebih baik bila data yang dimiliki lebih dari dua tahun.
3. Metode Proyeksi trend dengan regresi merupakan dasar garis trend untuk persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk masa depan. Untuk peramalan jangka pendek maupun jangka panjang, ketepatan peramalan dengan menggunakan metode ini sangat baik.
Berdasarkan penjelasan diatas dan data yang diperoleh oleh penulis, maka pada tugas akhir ini penulis akan menggunakan metode proyeksi trend dengan regresi yang akan dijelaskan pada pembahasan selanjutnya.
2.5 Metode Pemulusan Smoothing
Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksirkan nilai pada beberapa tahun ke depan.
Secara umum Metode Smoothing di klasifikasikan menjadi dua bagian, yaitu: 1. Metode Rata-rata
Metode rata-rata dibagi menjadi 4 bagian, yaitu: a. Nilai tengah (Mean)
(24)
c. Rata-rata bergerak ganda ( Double Moving Average) d. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari metode pemulusan eksponensial adalah:
Dengan :
= Ramalan satu periode ke depan = Data aktual pada periode ke-t = Ramalan aktual pada periode ke-t = Parameter pemulusan
Metode smoothing Eksponensial Terdiri atas : 1. Smoothing Eksponensial Tunggal
a. Satu Parameter b. Pendekatan adaptif 2. Smoothing Eksponensial Ganda
a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt
3. Smoothing Eksponensial Triple
a. Metode kuadratik satu parameter dari Brown
b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter
(25)
4. Smoothing Eksponensial Menurut Klasifikasi Pegels
Untuk mendapatkan hasil ramalan yang baik dan benar harus diketahui cara peramaan yang tepat. Maka metode pemulusan analisis time series yang digunakan untuk meramalkan atau memprediksi jumlah konsumsi kalori di provinsi Aceh. Pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu “Smooting Eksponensial satu Parameter dari Brown”.
Metode ini merupakan metode yang di kemukakan 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 tepat dipakai dalam pelaksanaan pemulusan eksponensial linier satu parameter dari Brown adalah sebagai berikut:
a) Menentukan Pemulusan Pertama ( )
Dengan:
=Pemulusan pertama periode t = Nilai periode t
= Pemulusan periode t-1
(26)
Dengan :
= Pemulusan kedua periode t-1
c) Menentukan Besarnya Konstanta ( )
Dengan:
= konstanta pemulusan
d) Menentukan besarnya slope/ koefisien ( )
Dengan:
= konstanta pemulusan
e) Menentukan Besarnya trend peramalan/forecast ( )
Dengan:
= Hasil pengamatan untuk m periode kedepan yang akan diramalkan
= jumlah periode kedepan yang diramalkan
2.6 Ketepatan Ramalan
Ketepatan Ramalan adalah satu hal yang mendasarkan dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala (time
(27)
series) dari data masa lalu dapat diramalkan situasi yang akn terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:
1. ME (Mean Error) atau Nilai Tengah Kesalahan
2. MSE (Mean Square Absolut Error) atau Nilai Tengah Kesaahan Kuadrat
(28)
BAB 3
GAMBARAN UMUM TEMPAT RISET
3.1 Sejarah Singkat Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal–hal di atas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi dan ukuran–ukuran lainnya. Berikut ini adalah beberapa masa peralihan pada BPS, yaitu:
3.1.1 Masa Pemerintahan Hindia belanda
Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid en Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan memublikasi data statistik.
Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan nama Centraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme
(29)
statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen (IUA) yang sekarang disebut Kantor Bea Cukai.
3.1.2 Masa Pemerintahan Jepang
Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Pada masa ini CKS diganti namanya menjadi Shomubu Chasasitsu Gunseikanbu.
3.1.3 Masa Kemerdekaan Republik Indonesia
Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945 kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi dari Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.
Berdasarkan surat edaran Kementrian Kemakmuran tanggal 12 Juni 1950 No.219/S.C;KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan berada di bawah Kementrian Kemakmuran.
Dengan surat Mentri perekonomian tanggal 1 Maret 1952 No.P/44, lembaga KPS berada di bawah dan bertanggungjawab kepada Mentri Perekonomian, dan pada tanggal 24 Desember 1953 dengan surat Mentri Perekonomian No. 18.099/M, KPS dibagi menjadi dua bagian yaitu bagian
(30)
research yang disebut Afdeling A, dan bagian penyelenggaraan dan tatausaha yang disebut Afdeling B.
Dengan keputusan Presiden Republik Indonesia No. 131 tahun 1957, Kementrian Perekonomian dipecah menjadi Kementrian perdagangan dan Kementrian Perindustrian. Untuk selanjutnya dengan keputusan Presiden Republik Indonesia No. 172 tahun 1957 KPS diubah menjadi BPS, dan urusan statistik yang semula menjadi tanggungjawab dan wewenang Mentri Perekonomian dialihkan menjadi di bawah dan bertanggungjawab kepada Perdana Mentri. Berdasarkan KEPPRES ini pula secara formal nama BPS dipergunakan.
Memenuhi anjuran PBB agar setiap negara anggota menyelenggarakan sensus penduduk secara serentak, maka pada tanggal 24 September 1960 telah diundangkan UU No. 6 tahun 1960 tentang Sensus, sebagai pengganti Volk Stelling Ordonnantie 1930.
Dalam rangka memperhatikan kebutuhan data bagi perencanaan pembangunan semesta berencana dan mengingat materi statistik ordonnantie 1934 dirasakan sudah tidak sesuai lagi dengan kemajuan – kemajuan yang cepat dicapai oleh Negara kita, maka tanggal 26 September 1960 telah diundangkan UU No. 7 tahun 1960 tentang Statistik.
Berdasarkan keputusan Presidium Kabinet RI No. Aa/C/9 tahun 1965, maka tiap-tiap daerah Tingkat I dan Tingkat II dibentuk kantor-kantor cabang BPS dengan nama Kantor Sensus Statistik Daerah (KKS) yang mempunyai tugas menjalankan kegiatan-kegiatan statistik di daerah-daerah. Di setiap daerah
(31)
administrasi kecamatan, dapat diangkat seorang atau lebih pegawai yang merupakan pegawai KKS ditingkat II dan di bawah pengawasan Kepala Kecamatan.
3.1.4 Masa Orde Baru Sampai Sekarang
Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi BPS.
Dalam masa orde baru ini BPS telah mengalami empat kali perubahan struktur organisasi, yaitu:
1. Peraturan Pemerintah No. 16 tahun 1969 tentang organisasi Biro Pusat Statistik.
2. Peraturan Pemerintah No. 6 tahun 1980 tentang Organisasi Biro Pusat Statistik.
3. Peraturan Pemerintah No. 2 tahun 1992 tentang Organisasi Biro Pusat Statistik dan keputusan Presiden No. 6 tahun 1992 tentang Kedudukan, Tugas, Fungsi, Susunan, Reorganisasi dan tata kerja Biro Pusat Statistik. 4. Undang-Undang No. 16 tahun 1997 tentang Statistik.
5. Keputusan Presiden RI No. 86 tahun 1998 tentang Badan Pusat Statistik. 6. Keputusan Kepala BPS No. 100 tahun 1998 tentang Organisasi dan Tata
Kerja BPS.
(32)
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980, Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968. Berdasarkan Peraturan Pemerintah No. 6 tahun 1988 di tiap provinsi terdapat perwakilan BPS dengan nama Kantor Statistik Provinsi dan di Kabupaten/Kota terdapat cabang perwakilan BPS dengan nama Kantor Statistik Kabupaten/Kota. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan Presiden Republik Indonesia No. 86 tahun 1998 ditetapkan BPS sekaligus mengatur tata kerja dan struktur BPS yang baru.
3.2 Visi dan Misi Badan Pusat Statistik
3.2.1 Visi Badan Pusat Statistik
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.
3.2.2 Misi Badan Pusat Statistik
Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu,
(33)
handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik serta pengembanan ilmu pengetahuan statistik.
3.3 Struktur Organisasi Badan Pusat Statistik
Setiap perusahaan baik perusahaan pemerintah maupaun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi. Dimana organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.
Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain.
Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Propinsi Sumatera Utara adalah struktur organisasi berbentuk Lini dan staff.
1. Bagian Tata Usaha 2. Bidang Statistik Produksi 3. Bidang Statistik Distribusi 4. Bidang Statistik Kependudukan
(34)
3.4 Job Description
Dalam menjalankan suatu organisasi maka diperlukan personal-personal jabatan tertentu dalam organisasi tersebut dimana masing-masing diberi tugas dan fungsi job description atau pembagian kerja.Kepala kantor dibantu bagian tata usaha yang terdiri dari :
1. Sub Bagian Urusan Dalam 2. Sub Bagian Perlengkapan 3. Sub Bagian Keuangan 4. Sub Bagian Kepegawaian 5. Sub Bagian Bina Program
Sedangkan bidang penunjang statistik ada 5 bidang, yaitu: 1. Bidang Statistik Produksi
Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan statistik pertanian, industri, serta statistik konstruksi pertambangan dan energi.
2. Bidang Statistik Distribusi
Bidang Statistik Distribusi mempunyai tugas untuk melaksanakan kegiatan statistik konsumen dan perdagangan besar,statistik keuangan dan harga produsen serta Statistik Kesejahteraan.
3. Bidang Statistik Sosial
Bidang Statistik Kependudukan mempunyai tugas untuk melaksanakan kegiatan statistik demografi dan rumah tangga, statistik ketenagakerjaan, dan statistik kesejahteraan.
(35)
4. Bidang Integrasi Pengolahan dan Distribusi Sosial
Bidang Statistik Pengolahan Data mempunyai tugas yaitu melaksanakan kegiatan dan penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan komputer.
5. Bidang Neraca Wilayah dan Analisis Statistik
Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas yaitu melaksanakan kegiatan penyusunan neraca produksi, neraca konsumen, dan akumulasi penyajian analisis serta kegiatan penerapan statistik.
Uraian tugas dan tanggung jawab masing-masing bagian : 1. Bagian Tata Usaha
a. Menusun program kerja tahunan bidang.
b. Mengatur dan melaksanakan dan menyusun program kerja tahunan rutin maupun proyek kantor statistik propinsi dan menyampaikan ke Badan Pusat statistik.
c. Mengatur dan melaksanakan urusan dalam, yang meliputi syarat-syarat penggandaan/percetakan kearsipan, rumah tangga dan pemeliharaaan gedung keamanan dan lingkungan serta perjalanan dinas maupun diluar negeri.
d. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang meliputi penyusunan, penyimpanan/penggudangan, inventarisasi, dan penghapusan serta pemeliharaan perlengkapan.
e. Mengatur dan melaksanakan urusan kepegawaian yang meliputi tata usaha kepegawaian, penggandaan dan mutasi pegawai, pembinaan
(36)
pegawai, kesejahteraan pegawai, administrasi jabatan dan fungsional, hukum, organisasi tata laksana, serta penyajian.
f. Menyusun laporan kegiatan bagian secara berkala dan waktu-waktu tertentu.
2. Bidang Statistik Produksi
a. Menyusun program kerja tahunan.
b. Mengatur dan menyiapkan dokumen dan bahan yang diperlukan untuk kegiatan pengumpulan statistik produksi yang mencakup kegiatan statistik Pertanian, Industri, Pertambangan, Energi, Konstruksi, dan kegiaan statistik produksi lainnya yang ditentukan.
c. Mengatur dan melaksanakn keikutsertaan dalam program pendidikan dan pelatihan dalam kegiatan statistik produksi.
d. Membantu kepala Badan Pusat Statistik propinsi dan atau pemimpin/proyek dalam menyiapkan program pelatihan lapangan. e. Mengatur dan mengkordinasi penyelenggaraan pelatihan petugas
lapangan di pusat pelatihan serta mengatur pembagian instruktur. f. Mengatur dan melaksanakan pembagian dokumen dan peralatan yang
diperlukan untuk pelaksanaan lapangan kegiatan statistik produksi. g. Melaksanakan pembinaan, pengamatan lanjut, dan pengawasan
lapangan terhadap pelaksanaan kegiatan statistik produksi.
h. Mengatur dan melaksanakan penerimaan dan pemeriksaan dokumen hasil pengumpulan data statistik produksi.
(37)
i. Mengatur dan melaksanakan pengolahan data statistik produksi sesuai dengan sistem dan program yang ditetapkan, bekerjasama dengan organisasi terkait.
j. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik produksi yang akan ke Badan Pusat Statistik sesuai dengan jadwal yang ditetapkan.
k. Mengatur dan melaksanakan evaluasi hasil kegiatan statistik produksi sebagai bahan masukan untuk penyempurnaan selanjutnya.
l. Membantu kepala Badan Pusat Statistik propinsi dalam melaksanakan pembinaan petugas lapangan dalam rangka pengumpulan data statistik produksi baik di produksi Kabupaten/Kota maupun Kecamatan.
m. Membantu kepala Badan Pusat Statistik propinsi dalam dalam penyelenggaraan kordinasi dan kerjasama kegiatan statistik produksi baik dengan Pemerintah daerah maupun Instansi lainnya.
n. Mengatur dan meyiapkan naskah publikasi statistik produksi dan menyampaikan kesatuan organisasi terkait untuk pelaksanaan pencetakan dan penyebarannya.
o. Membantu kepala BPS propinsi dalam melaksanakan pembinaan penyusunan publikasi statitik produksi di BPS Kabupaten/Kota dalam bentuk buku publikasi.
p. Membantu kepala BPS propinsi dalam melaksanakan pembinaan dan pengembangan, pengendalian pelaksanaan kegiatan statistik produksi. q. Menyusun laporan kegiatan statistik produksi secara berkala.
(38)
r. Mengatur dan melaksanakan penghmpunan data cara dan hasil kegiatan yang dilakukan di lingkungan bidang statistik produksi. s. Mengatur dan melaksanakan tugas lain yang diberikan oleh atasan
langsung.
3. Bidang Statistik Distribusi
a. Menyusun program kerja tahunan bidang yang meliputi pelaksanaan kegiatan statistik Pertanian, Industri, Pertambangan, Energi, dan statistik produksi lainnya.
b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di bidang statistik produksi.
c. Membantu kepala BPS propinsi memimpin proyek untuk menyiapkan proyek tugas lapangan.
d. Mengatur dan mengkordinasikan penyelenggaraan petugas lapangan di pusat pelatihan serta mengatur pelatihan.
e. Mengatur dan melaksanakan dokumen yang diperlukan untuk pelaksanaan lapangan. Melakukan pembinaan dan pengawasan lapangan terhadap kegiatan statistik produksi.
f. Melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan terhadap pelaksanaan kegiatan statistik produksi.
g. Mengatur dan melaksanakan penerimaan dan pemeriksaan dokumen hasil pengumpulan data statistik distribusi.
h. Mengatur dan melaksanakan pengolahan data statistik distribusi secara sederhana sesuai yang diterapkan oleh pusat.
(39)
i. Bersama-sama dengan bidang pengolahan statistik distribusi melalui komputer sesuai yang ditetapkan.
j. Mengatur dan mengevaluasi hasil kegiatan statistik distribusi sebagai bahan masukan untuk penyempurnaan selanjutnya.
k. Membantu kepala BPS propinsi melakukan pembinaan secara teratur petugas pencacah, pengawas, dan pemeriksaan pengumpulan data statistik produksi, kabupaten, kotamadya maupun di kecamatan. l. Mengatur dan melaksanakan pengolahan data statistik produksi sesuai
dengan sistem program yang ditetapkan, bekerja sama dengan satuan organisasi terkait.
m. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik produksi yang akan ke badan pusat statistik sesuai dengan jadwal yang ditetapkan.
n. Mengatur dan melaksanakan evaluasi hasil kegiatan statistik produksi sebagai bahan masukan untuk penyempurnaan selanjutnya.
o. Membantu kepala badan pusat statistik propinsi dalam melaksanakan pembinaan petugas lapangan dalam rangka pengumpulan data statistik produksi baik di produksi, Kabupaten/Kota maupun di Kecamatan. p. Membantu kepala badan pusat statistik propinsi dalam melksanakan
pembinaan petugas lapangan dalam rangka pengumpulan data statistik produksi baik dengan pemerintah daerah maupun instansi.
q. Mengatur dan menyiapkan naskah publikasi statistik produksi dan menyampaikan kesatuan organisasi terkait untuk pelaksanaan pencetakan dan penyebarannya.
(40)
r. Membantu kepala BPS propinsi dalam melaksanakan pembinaan penyusunan publikasi statistik produksi di badan pusat statistik Kabupaten/kota dalam bentuk buku publikasi.
s. Membantu kepala BPS propinsi dalam melaksanakan pembinaan dan pengembangan.
t. Pengendalian pelaksanaan kegiatan statistik produksi.
u. Mengatur dan melaksanakan penghimpunan data cara dan hasil kegiatan yang dilakukan di lingkungan bidang statistik produksi. v. Menyusun laporan kegiatan statistik produksi secara berkala.
w. Mengatur dan melaksankan tugas lain yang diberikan oleh atasan langsung.
4. Bidang Statistik Kependudukan
a. Menyusun program kerja tahunan. Bidang yang terutama ruang lingkup bidang statistik kependudukan adalah meliputi pelaksanaan kegiatan statistik demokrasi dan rumah tangga dan statistik kependudukan.
b. Mengatur keikutsertaan program lainnya yang akan diselenggarakan oleh statistik bidang penduduk.
c. Membantu keikutsertaan program lainnya yang akan diselenggarakan oleh statistik bidang penduduk.
d. Mengatur dan mengkoordinasikan penyelenggaraan latihan tugas lapangan dipusat serta mengatur pelatihannya.
e. Mengatur dan melaksanakan penjatahan dokumen untuk melaksanakan tugas lapangan.
(41)
f. Melaksanakan pembinaan dan pengawasan lapangan terhadap pengawasan kegiatan statistik penduduk.
g. Mengatur dan melaksanakan penerimaan dokumen hasil dari pengumpulan data statistik kependudukan.
h. Bersama-sama dengan bidang pengolahan data mengatur dan menyiapkan pengolahan data statistik kependudukan melalui komputer sesuai yang ditetapkan.
i. Mengatur dan menyiapkan pengolahan data statistik kependudukan yang akan dikirim kepusat sesuai dengan jadwal yang ditetapkan. j. Mengatur dan melaksanakan evaluasi hasil pengolahan statistik
kependudukan sebagai bahan untuk penyempurnaan.
5. Bidang Pengolahan dan Pelayanan statistik. a. Menyusun program kerja tahunan.
b. Melaksankan penyusunan, pemeliharaan, penyelesaian permasalahan dan pengembangan sistem jaringan komunikasi data sesuai dengan aturan yang ditetapkan serta membantu penerapan teknologi informasi. c. Mengatur dan melaksanakan keikutsertaan dalam program pelatihan
yang diselenggarakan oleh BPS dalam program pelatihan dalam bidang pengolahan, penyajian, dan pelayanan statistik.
d. Melaksanakan koordinasi pengolahan dan pemeliharaan perangkat keras dan perangkat lunak serta menyusun sistem pengolahan data. e. Mengatur integrasi penggunaan sistem dan program aplikasi
(42)
f. Melaksanakan penyusunan, pemeliharaan serta pengembangan sistem basis data managemen sesuai dengan aturan yang ditetapkan.
g. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data termasuk bahan komputer dengan kerja sama dengan satuan organisasi terkait.
6. Bidang Neraca Wilayah dan Analisis Statistik
a. Menyusun program kerja tahunan bidang neraca wilayah dan analisis statistik.
b. Mengatur dan menyiapkan bahan yang diperlukan untuk menyusun neraca wilayah dan analisis statistik yang mencakup neraca produksi dan neraca konsumen, analisis dan pengembangan statistik serta penyusunan neraca wilayah dan analisis statistik lainnya yang ditentukan.
c. Mengatur dan melaksanakan keikutsertaan dalam program pelatihan yang diselenggarakan oleh BPS dalam bidang neraca wilayah dan analisis statistik.
d. Membantu kepala badan pusat statistik propinsi atau pemimpin bagian proyek dalam penyiapan program pelatihan petugas lapangan.
e. Mengatur dan mengkoordinasikan penyelenggaraan pelatihan petugas dipusat latihan serta mengatur pembagian instruksi.
f. Mengatur dan melaksanakan pembagian dokumen dan peralatan yang diperlukan untuk pelaksanaan lapangan.
(43)
g. Melakukan penggunaan, pengamatan lanjut, dan pengawasan lapangan terhadap pelaksanaan kegiatan penyusunan neraca dan neraca konsumen.
(44)
BAB 4
PENGOLAHAN DATA
4.1 Pengolahan Data
Pengumpulan data dilakukan di kantor Badan Pusat Statistik Sumatera Utara, data yang diambil adalah data jumlah Konsumsi kalori di Provinsi Nanggroe Aceh Darussalam pada tahun 2002-2012.
Tabel 4.1 Data jumlah konsumsi kalori per kapita (Kkal) di Provinsi Aceh
No. Tahun Jumlah konsumsi kalori per kapita (Kkal)
1 2002 2.050,82
2 2003 1.989,89
3 2004 1.986,06
4 2005 1.937,02
5 2006 1.926,78
6 2007 2.210,02
7 2008 2.080,83
8 2009 2.010,37
9 2010 2.075,79
10 2011 1.962,62
11 2012 1.851,22
(45)
4.2 Analisis Pemulusan Eksponensial
Pada bagian ini penulis menentukan nilai parameter yang akan digunakan, dimana nilai parameter ( ) besarnya antara 0 < < 1 dengan cara trial and error.
Adapun langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan Metode Linier satu Parameter dari Brown adalah :
a. Menentukan harga parameter Smoothing eksponensial yang besarnya dari 0 < < 1
b. Menghitung harga pemulusan eskponensial ganda dengan menggunakan persamaan:
c. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan:
d. Menghitung koefisien dan dengan menggunakan persamaan:
(46)
Tabel 4.2 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Satu Parameter Dari Brown dengan = 0,1
Tahun ²
2002 2050,82 2.050,820 2.050,820 - - - - -
2003 1989,89 2.044,727 2.050,211 2.039,243 0,648 - - -
2004 1986,06 1.989,507 2.044,140 1.934,874 5,563 1.940,437 45,623 2.081,458 2005 1937,02 1.981,156 2.037,842 1.924,470 5,769 1.930,239 6,781 45,986 2006 1926,78 1.935,996 2.027,657 1.844,335 9,266 1.853,601 73,179 5.355,192 2007 2210,02 1.955,104 2.020,402 1.889,806 6,630 1.896,436 313,584 98.335,037 2008 2080,83 2.197,101 2.038,072 2.356,130 -15,803 2.340,327 -259,497 67.338,801 2009 2010,37 2.073,784 2.041,643 2.105,925 -3,114 2.102,811 -92,441 8.545,305 2010 2075,79 2.016,912 2.039,170 1.994,654 2,326 1.996,980 78,810 6.211,045 2011 1962,62 2.064,473 2.041,700 2.087,246 -2,177 2.085,068 -122,448 14.993,622 2012 1851,22 1.951,480 2.032,678 1.870,282 8,220 1.878,502 -27,282 744,284
JUMLAH 16,310 203.650,730
Untuk = 0,1 dan N= 11 Maka :
(47)
Tabel 4.3 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Satu Parameter Dari Brown dengan = 0,2
Tahun ²
2002 2050,82 2050,82 2050,82 - - - - -
2003 1989,89 2.038,634 2.048,383 2.028,885 2,150 - - -
2004 1986,06 1.989,124 1.989,737 1.988,511 0,323 1.988,834 -2,774 7,694 2005 1937,02 1.976,252 1.984,098 1.968,406 1,769 1.970,175 -33,155 1.099,246 2006 1926,78 1.934,972 1.936,610 1.933,334 0,528 1.933,861 -7,081 50,145 2007 2210,02 1.983,428 1.938,110 2.028,746 -8,864 2.019,883 -190,137 36.152,185 2008 2080,83 2.184,182 2.204,852 2.163,512 4,334 2.167,846 -87,016 7.571,729 2009 2010,37 2.066,738 2.078,012 2.055,464 2,455 2.057,919 47,549 2.260,919 2010 2075,79 2.023,454 2.012,987 2.033,921 -1,893 2.032,028 -43,762 1.915,134 2011 1962,62 2.053,156 2.071,263 2.035,049 3,821 2.038,870 -76,250 5.814,099 2012 1851,22 1.940,340 1.958,164 1.922,516 3,765 1.926,281 -75,061 5.634,124
JUMLAH -94,986 60.505,273
Untuk = 0,2 dan N= 11 Maka :
=
(48)
Tabel 4.4 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Satu Parameter Dari Brown dengan = 0,3
Tahun ²
2002 2050,82 2.050,820 2.050,820 - - - - -
2003 1989,89 2.032,541 2.045,336 2.019,746 4,139 - - -
2004 1986,06 2.018,597 2.037,314 1.999,879 5,915 2.005,794 -19,734 389,442 2005 1937,02 1.994,124 2.024,357 1.963,890 9,370 1.973,260 -36,240 1.313,354 2006 1926,78 1.973,921 2.009,226 1.938,615 10,892 1.949,507 -22,727 516,500 2007 2210,02 2.044,750 2.019,883 2.069,617 -7,160 2.062,457 147,563 21.774,762 2008 2080,83 2.055,574 2.030,591 2.080,558 -7,195 2.073,363 7,467 55,759 2009 2010,37 2.042,013 2.034,017 2.050,009 -2,099 2.047,910 -37,540 1.409,245 2010 2075,79 2.052,146 2.039,456 2.064,836 -3,507 2.061,329 14,461 209,116 2011 1962,62 2.025,288 2.035,206 2.015,371 3,275 2.018,646 -56,026 3.138,921 2012 1851,22 1.973,068 2.016,564 1.929,571 13,349 1.942,920 -91,700 8.408,930
JUMLAH -94,477 37.216,030
Untuk = 0,3 dan N= 11 Maka :
=
(49)
Tabel 4.5 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Ganda Satu Parameter Dari Brown dengan = 0,4
Tahun ²
2002 2050,82 2050,82 2050,82 - - - - -
2003 1989,89 2.026,448 2.041,071 2.011,825 6,249 - - -
2004 1986,06 1.988,358 1.989,277 1.987,439 0,768 1.988,206 -2,146 4,607 2005 1937,02 1.966,444 1.978,214 1.954,674 5,108 1.959,782 -22,762 518,120 2006 1926,78 1.932,924 1.935,382 1.930,466 1,383 1.931,849 -5,069 25,699 2007 2210,02 2.040,076 1.972,098 2.108,054 -26,791 2.081,263 128,757 16.578,478 2008 2080,83 2.158,344 2.189,350 2.127,338 12,802 2.140,141 -59,311 3.517,752 2009 2010,37 2.052,646 2.069,556 2.035,736 7,164 2.042,900 -32,530 1.058,185 2010 2075,79 2.036,538 2.020,837 2.052,239 -5,880) 2.046,358 29,432 866,214 2011 1962,62 2.030,522 2.057,683 2.003,361 11,264 2.014,626 -52,006 2.704,574 2012 1851,22 1.918,060 1.944,796 1.891,324 11,094 1.902,418 -51,198 2.621,276
JUMLAH -66,834 27.894,906
Untuk = 0,4 dan N= 11 Maka :
=
(50)
Tabel 4.6 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Ganda Satu Parameter Dari Brown dengan = 0,5
Tahun ²
2002 2050,82 2050,82 2050,82 - - - - -
2003 1989,89 2.020,355 2.035,588 2.005,123 8,116 - - -
2004 1986,06 1.987,975 1.988,933 1.987,018 0,979 1.987,996 -1,936 3,749 2005 1937,02 1.961,540 1.973,800 1.949,280 6,630 1.955,910 -18,890 356,832 2006 1926,78 1.931,900 1.934,460 1.929,340 1,780 1.931,120 -4,340 18,836 2007 2210,02 2.068,400 1.997,590 2.139,210 -34,905 2.104,305 105,715 11.175,661 2008 2080,83 2.145,425 2.177,723 2.113,128 16,649 2.129,776 -48,946 2.395,735 2009 2010,37 2.045,600 2.063,215 2.027,985 9,308 2.037,293 -26,922 724,821 2010 2075,79 2.043,080 2.026,725 2.059,435 -7,678 2.051,758 24,033 577,561 2011 1962,62 2.019,205 2.047,498 1.990,913 14,646 2.005,559 -42,939 1.843,736 2012 1851,22 1.906,920 1.934,770 1.879,070 14,425 1.893,495 -42,275 1.787,176
JUMLAH -56,501 18.884,107
Untuk = 0,5 dan N= 11 Maka :
=
(51)
Tabel 4.7 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Ganda Satu Parameter Dari Brown dengan = 0,6
Tahun ²
2002 2050,82 2.050,820 2.050,820 - - - - -
2003 1989,89 2.014,262 2.028,885 1.999,639 9,374 - - -
2004 1986,06 1.987,592 1.988,511 1.986,673 1,152 1.987,824 -1,764 3,113 2005 1937,02 1.956,636 1.968,406 1.944,866 7,662 1.952,528 -15,508 240,503 2006 1926,78 1.930,876 1.933,334 1.928,418 2,075 1.930,493 -3,713 13,786 2007 2210,02 2.096,724 2.028,746 2.164,702 -40,187 2.124,515 85,505 7.311,098 2008 2080,83 2.132,506 2.163,512 2.101,500 19,203 2.120,704 -39,874 1.589,917 2009 2010,37 2.038,554 2.055,464 2.021,644 10,746 2.032,390 -22,020 484,873 2010 2075,79 2.049,622 2.033,921 2.065,323 -8,820 2.056,502 19,288 372,015 2011 1962,62 2.007,888 2.035,049 1.980,727 16,896 1.997,624 -35,004 1.225,258 2012 1851,22 1.895,780 1.922,516 1.869,044 16,642 1.885,686 -34,466 1.187,878
JUMLAH -47,556 12.428,440
Untuk = 0,6 dan N= 11 Maka :
=
(52)
Tabel 4.8 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Ganda Satu Parameter Dari Brown dengan = 0,7
Tahun ²
2002 2050,82 2050,82 2050,82 - - - - -
2003 1989,89 2.008,169 2.020,964 1.995,374 9,657 - - -
2004 1986,06 1.987,209 1.988,013 1.986,405 1,263 1.987,668 -1,608 3.950.822,925 2005 1937,02 1.951,732 1.962,030 1.941,434 7,909 1.949,342 -12,322 3.799.936,104 2006 1926,78 1.929,852 1.932,002 1.927,702 2,205 1.929,907 -3,127 3.724.540,565 2007 2210,02 2.125,048 2.065,568 2.184,528 -40,936 2.143,592 66,428 4.594.987,177 2008 2080,83 2.119,587 2.146,717 2.092,457 19,691 2.112,148 -31,318 4.461.169,301 2009 2010,37 2.031,508 2.046,305 2.016,711 11,058 2.027,769 -17,399 4.111.847,198 2010 2075,79 2.056,164 2.042,426 2.069,902 -8,917 2.060,985 14,805 4.247.661,066 2011 1962,62 1.996,571 2.020,337 1.972,805 17,336 1.990,141 -27,521 3.960.662,354 2012 1851,22 1.884,640 1.908,034 1.861,246 17,076 1.878,322 -27,102 3.528.092,784
JUMLAH -39,165 36.379.719,476
Untuk = 0,7 dan N= 11 Maka :
=
(53)
Tabel 4.9 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Ganda Satu Parameter Dari Brown dengan = 0,8
Tahun ²
2002 2050,82 2050,82 2050,82 - - - - -
2003 1989,89 2.002,076 2.011,825 1.992,327 8,599 - - -
2004 1986,06 1.986,826 1.987,439 1.986,213 1,290 1.987,503 -1,443 2,084 2005 1937,02 1.946,828 1.954,674 1.938,982 7,077 1.946,059 -9,039 81,698 2006 1926,78 1.928,828 1.930,466 1.927,190 2,111 1.929,300 -2,520 6,352 2007 2210,02 2.153,372 2.108,054 2.198,690 -35,455 2.163,236 46,784 2.188,773 2008 2080,83 2.106,668 2.127,338 2.085,998 17,336 2.103,334 -22,504 506,426 2009 2010,37 2.024,462 2.035,736 2.013,188 9,819 2.023,007 -12,637 159,701 2010 2075,79 2.062,706 2.052,239 2.073,173 -7,574 2.065,599 10,191 103,848 2011 1962,62 1.985,254 2.003,361 1.967,147 15,286 1.982,433 -19,813 392,538 2012 1851,22 1.873,500 1.891,324 1.855,676 15,059 1.870,735 -19,515 380,843
JUMLAH -30,497 3.822,262
Untuk = 0,8 dan N= 11 Maka :
=
(54)
Tabel 4.10 Peramalan Jumlah Konsumsi kalori dengan menggunakan Smoothing Eksponensial Ganda Satu Parameter Dari Brown dengan = 0,9
Tahun ²
2002 2050,82 2050,82 2050,82 - - - - -
2003 1989,89 1.995,983 2.001,467 1.990,499 5,835 - - -
2004 1986,06 1.986,443 1.986,788 1.986,098 1,210 1.987,309 -1,249 15.787.657,475 2005 1937,02 1.941,924 1.946,338 1.937,510 4,872 1.942,383 -5,363 15.049.764,843 2006 1926,78 1.927,804 1.928,726 1.926,882 1,729 1.928,612 -1,832 14.864.046,240 2007 2210,02 2.181,696 2.156,204 2.207,188 -22,042 2.185,145 24,875 19.317.476,784 2008 2080,83 2.093,749 2.105,376 2.082,122 11,364 2.093,486 -12,656 17.424.916,489 2009 2010,37 2.017,416 2.023,757 2.011,075 6,607 2.017,682 -7,312 16.225.201,787 2010 2075,79 2.069,248 2.063,360 2.075,136 -4,399 2.070,737 5,053 17.193.684,337 2011 1962,62 1.973,937 1.984,122 1.963,752 10,067 1.973,818 -11,198 15.495.547,828 2012 1851,22 1.862,360 1.872,386 1.852,334 9,923 1.862,257 -11,037 13.789.914,400
JUMLAH -20,719 145.148.210,184
Untuk = 0,9 dan N= 11 Maka :
=
(55)
Kemudian salah satu nilai MSE tersebut dibandingkan untuk mengetahui nilai yng diberikan nilai MSE yang terkecil/minimum. Perbandingan jumlah konsumsi kalori di provinsi Nanggroe Aceh Darussalam dengan melihat MSE sebagai berikut:
Tabel 4.11 Perbandingan Ukuran Jumlah Konsumsi Kalori Metode Peramalan
Alpha ( ) MSE
0.1 18.513,70
0.2 5.500,48
0.3 3.383,275
0.4 2.535,901
0.5 1.716,737
0.6 1.129,858
0.7 3.307.247
0.8 3.474,784
0.9 13.195,29
Dari table 4.11 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil/minimum yaitu pada = 0,6 yaitu dengan MSE = 1.129,858
Ukuran ketepatan Metode Peramalan dengan = 0,6 antara lain: a. ME ( Mean Error) Nilai Tengah Kesalahan
ME
=
=
(56)
MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat MSE =
=
= 1.380,938
b.
MAE ( Mean Absolute Error) atau Nilai Tengah Kesalahan AbsolutMAE
=
=
= 5,284
Setelah dianalisis bahwa nilai MSE yang paling kecil atau minimum dihasilkan oleh = 0,6 maka perbandingan antara Jumlah konsumsi kalori yang sebenarnya.
4.12 Tabel Perbandingan Jumlah Konsumsi Kalori Sebenarnya, Pemulusan Pertama, Pemulusan Ganda dan Hasil Peramalan
Tahun Periode Data Hasil Pemulusan Pertama
pemulusan ganda
Ramalan
2002 1 2050,82 2.050,82 2.050,82 0
2003 2 1989,89 2.014,26 2.028,89 0
2004 3 1986,06 1.987,59 1.988,51 1.987,82
2005 4 1937,02 1.956,64 1.968,41 1.952,53
2006 5 1926,78 1.930,88 1.933,33 1.930,49
2007 6 2210,02 2.096,72 2.028,75 2.124,52
2008 7 2080,83 2.132,51 2.163,51 2.120,70
2009 8 2010,37 2.038,55 2.055,46 2.032,39
2010 9 2075,79 2.049,62 2.033,92 2.056,50
2011 10 1962,62 2.007,89 2.035,05 1.997,62 2012 11 1851,22 1.895,78 1.922,52 1.885,69
(57)
Gambar 4.1 Perbandingan Jumlah Konsumsi Kalori sebenarnya, Pemulusan Pertama, Pemulusan ganda, dan Hasil Peramalan
4.3 Peramalan Jumlah Konsumsi Kalori Tahun 2013 sampai 2015
Peramalan jumlah Konsumsi kalori di Provinsi Nanggroe Aceh Darussalam pada taraf = 0,6 pada tahun 2012 diperoleh nilai-nilai yaitu sebagai berikut:
= 1.869,044 = 16,642
a. Peramalan tahun 2013 untuk m=1
(1) = 1.885,686
b. Peramalan tahun 2014 untuk m= 2 0
500 1000 1500 2000 2500
1 2 3 4 5 6 7 8 9 10 11
Data Hasil
Pemulusan Pertama
pemulusan ganda
(58)
(2) = 1.902,328
c. Peramalan tahun 2015 untuk m= 3
(3) = 5.657,058
Tabel 4.13. Peramalan Jumlah Konsumsi Kalori di Provinsi Nanggroe Aceh Darussalam
Tahun Jumlah Konsumsi Kalori (Kkal)
2013 1.885,69
2014 1.902,33
(59)
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 yang penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data pada karya tulis ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil perhitungan.
Dalam hal ini pengolahan data komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan dan keandalan dalam memproses data. Dengan adanya perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya data-data yang sangat rumit dan banyak 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 oleh manusia relatif besar dan dengan adanya komputer perangkat lunak, diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, waktu dan tenaga dengan tingkat kesalahan yang relatif kecil.
(60)
5.2 Microsoft Excel
Microsoft Excel merupakan progran aplikasi program kerja elektronik (speard sheet) dari program paket Microsoft Excel. Excel merupakan salah satu software pengolahan angka yang cukup banyak digunakan di dunia. Excel merupakan produk unggulan dari microsoft corporation yang banyak berperan dalam pengolahan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai versi 4, Versi 5, versi 97,versi 2000, versi 2003, dan versi 2007.
Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf A,B,C, ... Z kemudian dilanjutkan AA,AB,AC,... sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1,2,3, ... 65536. Excel 2003 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain. Salah satunya adalah under windows seperti word, acces, power point. Keunggulan program sperad sheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.
5.3 Langkah-langkah Memulai Pengolahan Data dengan Excel
Sebelum mengoperasi software ini, pastikan pada computer telah terpasang program excel.
Langkah-langkah menentukan forecast 1. Klik tombol start
(61)
Setelah itu akan muncul tampilan worksheet (lembar kerja) seperti dibawah ini:
Data tiap tahun pada kolom pertama untuk periode, tahun dan data jumlah konsumsi kalori
(62)
Dari data diatas kita dapat menentukan besarnya peramalan. Dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut:
1. Pada kolom pertama (A1) ditulis keterangan dengan Tahun. 2. Pada kolom kedua (B1) ditulis keterangan dengan Xt 3. Pada kolom ketiga (C1) ditulis keterangan dengan S’t 4. Pada kolom keempat (D1) ditulis keterangan dengan S”t 5. Pada kolom kelima (E1) ditulis keterangan dengan at 6. Pada kolom keenam (F1) ditulis keterangan dengan bt 7. Pada kolom ketujuh ( G1) ditulis keterangan dengan Ft+m 8. Pada kolom kedelapan (H1) ditulis keterangan dengan e 9. Pada kolom kesembilan (I1) ditulis keterangan dengan e²
Maka perhitungan masing-masing smoothing pertama, smoothing kedua, konstanta, dan forecast sebagai berikut:
(63)
1. Smoothing pertama S’t untuk tahun pertama ditentukan sebesar tahun pertama dari data historisnya, sehingga rumus yang tertera pada sel C2 adalah C2. Sedangkan untuk tahun kedua dapat dihitung dengan rumus 0.1*B2+(1-0.1)*C2. Dalam kasus ini menghasilkan angka 2044.727 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
2. Smoothing kedua S”t untuk tahun kedua ditentukan besarnya tahun pertama dari data historinya. Sehingga rumus yang tertera pada sel D2 adalah D2. Sedangkan untuk tahun kedua dapat dihitung dengan rumus 0.1*C3+1-0.1*D2. Dalam kasus ini menghasilkan angka 2050.2107 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
3. Nilai at baru bisa dicari pada tahun kedua yaitu rumus 2*C3-D3. Dalam kasus ini menghasilkan angka -10.9674 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
4. Nilai bt baru bisa dicari pada tahun kedua yaitu dengan rums yang tertera pada sel F2 adalah 0.1/1-0.1*(C3-D3). Dalam hal ini menghasilkan angka 0.64837 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 5. Forecast Ft+m untuk tahun ketiga yaitu pada sel G2 dapat dicari dengan
menggunakan rumus E3+(F3*1) dengan hasil angka -10,31903 untuk forecast berikutnya hanya menyalin rumus berikut.
(64)
Hasilnya dapat dilihat pada tampilan berikut:
5. 4 Penggambaran Hasil
langkah-langkah dalam penggambaran hasil adalah sebagai berikut:
1. Pilih insert kemudian pilih chart dan pilih jenis grafik yang ingin digunakan.
2. Klik tipe dan sub tipe grafik misalnya tipe coloum dan sub tipe 3-D coloum.
3. Klik next.
4. Tentukan sumber dan grafik data, jika sel pointer berada pada tabel data maka otomatis seluruh data tabel akan disorot dan ditandai dengan garis putus-putus.
(65)
6. Tentukan keterangan pendukung grafik seperti titles(judul-judul Tabel), axis (sumbu koordinat tabel), gridlines ( garis bantu skala tabel), legends ( keterangan tabel) dan labels ( nama-nama data tabel) dan data tabel.
7. Klik next , lalu akan muncul seperti gambar dibawah ini.
Lalu pilih grafik yang diinginkan, kemudian akan muncul hasil grafik dibawah ini:
(66)
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil pengolahan data yang dilakukan sebelumnya pada bab 4 maka kesimpulan yang diperoleh adalah sebagai berikut :
1. Pada hasil peramalan Metode Smoothing Eksponensial dengan satu parameter dari brown di dapat analisis dengan nilai MSE yang terkecil adalah dengan = 0,6 yaitu dengan MSE = 1.129,858.
2. Bentuk persamaan Peramalan dari data Jumlah Konsumsi Kalori di Provinsi Nanggroe Aceh Darussalam untuk Tahun 2013 sampai 2015 adalah:
3. Diperkirakan Jumlah Konsumsi Kalori per Kapita (Kkal) di Provinsi Nanggroe Aceh Darussalam tahun 2013 sampai 2015.
Tahun periode Jumlah Konsumsi Kalori (Kkal)
2013 12 1.885,69
2014 13 1.902,33
(67)
6.2 Saran
Berdasarkan uraian dan kesimpulan yang telah diperoleh, maka penulis memberikan saran yang diharapkan dapat bermanfaat bagi pihak yang terkait. Saran yang diperoleh adalah sebagai berikut :
1. Adapun peramalan jumlah konsumsi kalori yang diperoleh, diharapkan dapat menjadi suatu bahan masukan atau pertimbangan bagi pihak instansi yang bersangkutan untuk melakukan pembenahan atas belum stabilnya konsumsi kalori sesuai dengan yang telah ditetapkan yaitu rata-rata
2000 Kkal/hari.
2. Dengan adanya angka peramalan pada Metode yang telah digunakan oleh penulis, diharapkan kiranya dapat memberikan gambaran dalam pengambilan keputusan untuk meningkatkan atau pun menstabilkan tingkat kalori yang harus dikonsumsi oleh masyarakat.
3. Melihat jumlah konsumsi kalori yang belum optimal sesuai tingkat kecukupan yang telah ditetapkan, maka diharapkan kepada pihak instansi harus lebih berperan aktif dalam penyuluhan-penyuluhan terhadap masyarakat tentang pentingnya mengetahui kadar setiap makanan yang harus kita konsumsi, manfaatnya untuk sekarang atau pun untuk masa yang akan datang.
(68)
DAFTAR PUSTAKA
Sofyan, Assauri.1984. “Teknik dan Metode Peramalan”. Jakarta : Penerbit Fakultas Ekonomi Universitas Indonesia
Lerbin R Aritonang R. 2002 “ Peramalan Bisnis”, Jakarta : Penerbit Ghalia Indonesia
Makridakis S, Wheelwrigt S.C dan Mc Gee V.E 1993. “ Metode dan Aplikasi
Peramalan” . Jakarta : Penerbit Erlangga
Richard Lungan. 2006 “ Aplikasi Statistika dan Hitung Peluang” . Yogyakarta : Penerbit Graha Ilmu
Sudjana, Prof.DR.M.A.,M.Sc. 1992. “Metode Statistika” . Edisi Kelima. Bandung: Penerbit Tarsito
(1)
1. Smoothing pertama S’t untuk tahun pertama ditentukan sebesar tahun pertama dari data historisnya, sehingga rumus yang tertera pada sel C2 adalah C2. Sedangkan untuk tahun kedua dapat dihitung dengan rumus 0.1*B2+(1-0.1)*C2. Dalam kasus ini menghasilkan angka 2044.727 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
2. Smoothing kedua S”t untuk tahun kedua ditentukan besarnya tahun pertama dari data historinya. Sehingga rumus yang tertera pada sel D2 adalah D2. Sedangkan untuk tahun kedua dapat dihitung dengan rumus 0.1*C3+1-0.1*D2. Dalam kasus ini menghasilkan angka 2050.2107 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
3. Nilai at baru bisa dicari pada tahun kedua yaitu rumus 2*C3-D3. Dalam kasus ini menghasilkan angka -10.9674 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
4. Nilai bt baru bisa dicari pada tahun kedua yaitu dengan rums yang tertera pada sel F2 adalah 0.1/1-0.1*(C3-D3). Dalam hal ini menghasilkan angka 0.64837 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 5. Forecast Ft+m untuk tahun ketiga yaitu pada sel G2 dapat dicari dengan
menggunakan rumus E3+(F3*1) dengan hasil angka -10,31903 untuk forecast berikutnya hanya menyalin rumus berikut.
(2)
Hasilnya dapat dilihat pada tampilan berikut:
5. 4 Penggambaran Hasil
langkah-langkah dalam penggambaran hasil adalah sebagai berikut:
1. Pilih insert kemudian pilih chart dan pilih jenis grafik yang ingin digunakan.
2. Klik tipe dan sub tipe grafik misalnya tipe coloum dan sub tipe 3-D coloum.
3. Klik next.
4. Tentukan sumber dan grafik data, jika sel pointer berada pada tabel data maka otomatis seluruh data tabel akan disorot dan ditandai dengan garis putus-putus.
(3)
6. Tentukan keterangan pendukung grafik seperti titles(judul-judul Tabel), axis (sumbu koordinat tabel), gridlines ( garis bantu skala tabel), legends ( keterangan tabel) dan labels ( nama-nama data tabel) dan data tabel.
7. Klik next , lalu akan muncul seperti gambar dibawah ini.
Lalu pilih grafik yang diinginkan, kemudian akan muncul hasil grafik dibawah ini:
(4)
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil pengolahan data yang dilakukan sebelumnya pada bab 4 maka kesimpulan yang diperoleh adalah sebagai berikut :
1. Pada hasil peramalan Metode Smoothing Eksponensial dengan satu parameter dari brown di dapat analisis dengan nilai MSE yang terkecil adalah dengan = 0,6 yaitu dengan MSE = 1.129,858.
2. Bentuk persamaan Peramalan dari data Jumlah Konsumsi Kalori di Provinsi Nanggroe Aceh Darussalam untuk Tahun 2013 sampai 2015 adalah:
3. Diperkirakan Jumlah Konsumsi Kalori per Kapita (Kkal) di Provinsi Nanggroe Aceh Darussalam tahun 2013 sampai 2015.
Tahun periode Jumlah Konsumsi Kalori (Kkal)
2013 12 1.885,69
2014 13 1.902,33
(5)
6.2 Saran
Berdasarkan uraian dan kesimpulan yang telah diperoleh, maka penulis memberikan saran yang diharapkan dapat bermanfaat bagi pihak yang terkait. Saran yang diperoleh adalah sebagai berikut :
1. Adapun peramalan jumlah konsumsi kalori yang diperoleh, diharapkan dapat menjadi suatu bahan masukan atau pertimbangan bagi pihak instansi yang bersangkutan untuk melakukan pembenahan atas belum stabilnya konsumsi kalori sesuai dengan yang telah ditetapkan yaitu rata-rata
2000 Kkal/hari.
2. Dengan adanya angka peramalan pada Metode yang telah digunakan oleh penulis, diharapkan kiranya dapat memberikan gambaran dalam pengambilan keputusan untuk meningkatkan atau pun menstabilkan tingkat kalori yang harus dikonsumsi oleh masyarakat.
3. Melihat jumlah konsumsi kalori yang belum optimal sesuai tingkat kecukupan yang telah ditetapkan, maka diharapkan kepada pihak instansi harus lebih berperan aktif dalam penyuluhan-penyuluhan terhadap masyarakat tentang pentingnya mengetahui kadar setiap makanan yang harus kita konsumsi, manfaatnya untuk sekarang atau pun untuk masa yang akan datang.
(6)
DAFTAR PUSTAKA
Sofyan, Assauri.1984. “Teknik dan Metode Peramalan”. Jakarta : Penerbit Fakultas Ekonomi Universitas Indonesia
Lerbin R Aritonang R. 2002 “ Peramalan Bisnis”, Jakarta : Penerbit Ghalia Indonesia
Makridakis S, Wheelwrigt S.C dan Mc Gee V.E 1993. “ Metode dan Aplikasi
Peramalan” . Jakarta : Penerbit Erlangga
Richard Lungan. 2006 “ Aplikasi Statistika dan Hitung Peluang” . Yogyakarta : Penerbit Graha Ilmu
Sudjana, Prof.DR.M.A.,M.Sc. 1992. “Metode Statistika” . Edisi Kelima. Bandung: Penerbit Tarsito