Peramalan Nilai Penjualan Energi Listrik PT PLN (Persero) Cabang Medan Tahun 2011

PERAMALAN PENJUALAN ENERGI LISTRIK

PT PLN (PERSERO) CABANG MEDAN

TAHUN 2011

TUGAS AKHIR

MONICA ELISABET PANGARIBUAN 072407022

PROGRAM STUDI D-3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMETERA UTARA

MEDAN

2010

PERAMALAN PENJUALAN ENERGI LISTRIK

PT PLN (PERSERO) CABANG MEDAN

TAHUN 2011

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenhi syarat memperoleh Ahli Madya.

MONICA ELISABET PANGARIBUAN 072407022

PROGRAM STUDI D-3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMETERA UTARA

MEDAN

2010

PERSETUJUAN

Judul : PERAMALAN NILAI PENJUALAN ENERGI

LISTRIK PT PLN (PERSERO) CABANG MEDAN TAHUN 2011

Kategori : TUGAS AKHIR

Nama : MONICA ELISABET PANGARIBUAN

Nomor Induk Mahasiswa : 072407022

Program Studi : DIPLOMA-3 STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Mei 2010 Diketahui/ Disetujui oleh

Departemen Matematika FMIPA USU Pembimbing Ketua,

Dr. Saib Suwilo M.Sc Drs.Pengarapen Bangun,M.Si NIP: 19640109 198803 1 004 NIP : 19560815 198503 1 005

PERNYATAAN

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PT PLN (PERSERO) CABANG MEDAN TAHUN 2011

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Mei 2010

MONICA ELISABET NIM : 072407022

PENGHARGAAN

Puji dan syukur penulis panjatkan kehadirat Tuhan Yesus Kristus Yang Maha Kasih, karena kasih karunia dan anugerah-Nya tugas akhir ini dapat diselesaikan pada waktu yang ditetapkan.

Ucapan terima kasih saya sampaikan kepada Bapak Drs. Pengarapen Bangun, M.Si. selaku dosen pembimbing dalam penyelesaian tugas akhir ini yang telah banyak memberikan dukungan bimbingan dan panduan dalam penyempurnaan tugas akhir ini. Ucapan terima kasih saya juga saya tujukan kepada Bapak Prof. Dr. Edi Marlianto, selaku Dekan FMIPA USU. Bapak Drs. Saib Suwilo, M.sc. selaku Ketua Departemen Matematika FMIPA USU, Drs. Henri Rani Sitepu, M.Si selaku Sekretaris Departemen Matematika FMIPA USU. Seluruh Dosen dan Pegawai pada Departemen Matematika FMIPA USU. Secara khusus dan dengan rasa hormat saya mengucapkan terimakasih kepada kedua orang tua saya yang tercinta, Bapak H.Pangaribuan dan Ibu D.Hutauruk atas doa, pengorbanan, bimbingan, dukungan moril dan material mereka selama ini, serta Abang Tulus Pangaribuan dan kedua adik saya Juni Pangaribuan dan Daniel Pangaribuan yang tetap mendukung dalam doa. Terimakasih juga buat teman-teman KTB saya “Blessing” (Kak Hcristina, Anita, Winda, Nova, Vivin, dan Yani) atas dukungan doa dan motivasinya. Terimakasih juga buat teman-teman seperjuangan di Statistika A 2007 yang saling mendukung dan sama-sama berjuang dalam menjalani studi di jurusan Statistika ini. Juga semua pihak yang telah memberikan bantuan dorongan dalam tugas akhir ini. Semoga Tuhan Yang Maha Kasih yang akan membalasnya.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vii

Daftar Gambar viii

Bab 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Tujuan Penelitian 3

1.4 Manfaat Penelitian 3

1.5 Tinjauan Pustaka 4

1.6 Metodologi Penelitian 4

Bab 2 LANDASAN TEORI 6

2.1 Pengertian Peramalan 6

2.2 Jenis-jenis Peramalan 7

2.3 Pemilihan Metode Peramalan 8

2.4 Kegunaan Peramalan 10

2.5 Metode Pemulusan (Smoothing) 10

2.6 Metode Smoothing yang Digunakan 12

Bab 3 SEJARAH DAN STRUKTUR PT PLN PLN (PERSERO)

CABANG MEDAN 14

3.1 Sejarah Berdirinya Perusahaan 14

3.2 Sejarah Berdirinya Perusahaan PT PLN (Persero) 16 3.3 Struktur Organisasi PT PLN (Persero) 19

3.3.1 Bagian Teknik 19

3.3.1.1 Sub Bagian Operasi Distribusi 20 3.3.1.2 Sub Bagian Pemeliharaan Distribusi 20 3.3.1.3 Sub Bagian Scada Dan Telekomunikasi 20 3.3.1.4 Sub Bagian RTU dan Peripheral 20 3.3.1.5 Sub Bagian Perencanaan Distribusi 21 3.3.2 Bagian Pengukuran dan Proteksi 21

3.3.2.1 Sub Bagian Proteksi 21

3.3.2.2 Sub Bagian Metering 21

3.3.2.3 Sub Bagian APP dan Peneraan 22 3.3.3 Bagian Niaga dan Pelayanan Pelanggan 22

3.3.3.1 Sub Bagian Pelayanan Elanggan 22 3.3.3.2 Sub Bagian Sistem Carter 23 3.3.3.3 Sub Bagian Pengolahan Data dan Rekening 23

3.3.3.4 Sub Bagian Penagihan 23

3.3.4 Bagian Keuangan 24

3.3.4.1 Sub Bagian Pengendalian Anggaran dan Keuangan 24 3.3.4.2 Sub Bagian Pengendalian Pendapatan 24

3.3.4.3 Sub Bagian Akuntasi 24

3.3.5 Bagian Sdm dan Administrasi 25

3.3.5.1 Sub Bagian SDM 25

3.3.5.2 Sub Bagian Sekretariat 25

3.3.5.3 Sub Bagian Logistik 25

Bab 4 ANALISIS DATA 26

4.1 Pengertian Analisis Data

4.2 Analisis Data dengan Metode Pemulusan Eksponensial Ganda:

Metode Linier Satu-Parameter dari Brown 26

4.2.1 Penaksiran Model Peramalan 28

4.2.2 Penentuan Bentuk Persamaan Peramalan 41

4.3 Peramalan Nilai Penjualan Listrik 42

Bab 5 IMPLEMENTASI SISTEM 44

5.1 Microsoft Excel 44

5.2 Langkah-langkah Pengolahan Data 45

5.3 Implementasi Sistem Peramalan Nilai Penjualan Listrik 46

5.4 Fungsi Smoothing Eksponensial 46

Bab 6 KESIMPULAN DAN SARAN 49

6.1 Kesimpulan 49

6.2 Saran 50

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman Tabel4.1 Nilai Penjualan Energi listrik PT PLN (Persero) Cabang

Medan Tahun 2000 – 2009 28

Tabel 4.2 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.1 30

Tabel 4.3 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.2 31

Tabel 4.4 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.3 32

Tabel 4.5 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.4 33

Tabel 4.6 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.5 34

Tabel 4.7 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.6 35

Tabel 4.8 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.7 36

Tabel 4.9 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.8 37

Tabel 4.10 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown

dengan α = 0.9 38

Tabel 4.13 Peramalan Nilai Penjualan Energy Listrik Di PT PLN

(Persero) Cabang Medan Untuk Tahun 2010 Dan 2011 40 Tabel 4.13 Peramalan Nilai Penjualan Energy Listrik Di PT PLN

DAFTAR GAMBAR

Halaman Gambar 4.1 Grafik Penjualan Energi listrik PT PLN (Persero)

Cabang Medan 43

Gambar 5.1 Cara pengaktifan Microsoft Excel 45

Gambar 5.3 Tampilan Menu Data Analisis 47

BAB 1

PENDAHULUAN

1.1Latar Belakang

Dalam bidang ekonomi, manusia berperan sebagai produsen sekaligus sebagai konsumen yang selalu berupaya memenuhi kebutuhan hidupnya melalui alat pemuas kebutuhan yang tersedia dan beraneka ragam. Berbagai macam usaha dilakukan manusia dalam memenuhi kebutuhan hidupnya, baik melalui pemanfaatan energi dari sumber daya alam yang tersedia maupun pendaurulangan produk-produk yang sudah lama tidak digunakan lagi.

Dilihat dari sumbernya, energy dapat dibagi menjadi dua bagian, yaitu energy primer dan energy final. Energi primer adalah energy yang belum mengalami pengelolaan teknologi dan biasanya diperlukan sebagai bahan untuk menghasilkan energy final. Misalnya, minyak bumi, gas bumi, batu bara, tenaga air, panas bumi dan lain-lain. Energy final adalah energy yang siap digunakan oleh konsumen akhir. Misalnya, bahan bakar minyak (seperti, minyak tanah, solar, bensin, dan lain-lain), gas/LPG, dan listrik yang siap pakai.

Energy listrik adalah salah satu kebutuhan yang sangat penting dalam kehidupan manusia khususnya pada era globalisasi dan modernisasi saat ini. Perkembangan teknologi yang semakin canggih memerlukan banyak hal yang dapat mendukung kemajuan IPTEK tersebut, salah satunya adalah energy listrik. Tanpa adanya energy listrik kehidupan manusia pasti akan sangat jauh berbeda jika dibandingkan dengan

manusia pada saat sekarang ini yang sudah berkembang pesat seiring dengan berjalannya waktu. Perkembangan kehidupan manusia yang terus meningkat sangat dipengaruhi oleh ketersediaan tenaga listrik, karena dalam seluruh aspek kehidupan manusia seperti keperluan rumah tangga, dunia usaha, industry, pemerintahan, pendidikan dan lainnya sangat membutuhkan energy listrik demi berlangsungnya proses kegiatan masing-masing aspek. Sesuai dengan Abdul Kadir (1996) yang mengatakan bahwa tenaga listrik merupakan landasan bagi kehidupan modern dan ketersediaannya dalam jumlah yang memadai menjadi syarat bagi suatu masyarakat yang memiliki taraf kehidupan yang baik dan perkembangan industry yang maju.

Lembaga yang menangani listrik negara kita, mulai dari produksi, pembelian, hingga pada penjualan energy listrik kepada masyrakat, industri dan pemerintahan adalah PLN (Perusahaan Listrik Negara). Berdasarkan uraian diatas, penulis ingin menduga berapa besar nilai penjualan energy listrik (dalam rupiah) yang diperoleh PT. PLN (Persero) Cabang Medan pada Tahun 2011. Berdasarkan perkiraan di atas maka penulis memberi judul “PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PT PLN (PERSERO) CABANG MEDAN TAHUN 2011”

1.2Rumusan Masalah

PT PLN (Persero) Cabang Medan merupakan ibukota Sumatera Utara yang pertumbuhannya terus meningkat ke area modernisasi seiring dengan berjalannya waktu, kota Medan salah satu kota metropolitan di Indonesia, sehingga tingkat kebutuhanya sangat tinggi. Maka besar kemungkinan kondisi tersebut akan sangat membutuhkan energy listrik dalam kapasitas yang semakin besar pula. Hal ini

merupakan sutu tantangan dan masalah yang cukup penting bagi PT PLN (Persero) dalam mempersiapkan dan menyediakan kapasitas energy listrik bagi para pelanggan listrik untuk masa yang akan datang, mengingat semakin bertambahnya kebutuhan masyarakat akan energy listrik jika dilihat dari jumlah nilai penjualan listrik setiap tahunnya. Oleh karena itu, penulis ingin meramalkan nilai penjualan energy listrik PT PLN (PERSERO) cabang medan tahun 2011.

1.3Tujuan Penelitian

Berdasarkan perumusan masalah di atas, maka yang tujuan penelitian ini adalah untuk meramalkan besarnya nilai penjualan energy listrik di PT. PLN (Persero) Cabang Medan.

1.4Manfaat Penelitian

Penelitian ini sangat diharapkan dapat memberikan manfaat bagi PT. PLN (Persero) Cabang Medan sebagai informasi atau prediksi yang dapat mereka manfaatkan dalam menyediakan dan mempersiapkan kapasitas energy listrik kepada para pelanggan listrik dan dengan pengetahuan besarnya dugaan nilai penjualan listrik untuk waktu yang akan datang, maka penyaluran energy listrik kepada para pelanggan listrik juga semakin baik dan efektif.

1.5Tinjauan Pustaka

Penulis menggunakan buku-buku statistika untuk mendukung serta merangkum penelitian ini, termasuk buku yang memuat informasi mengenai peramalan dengan menggunakan metode pemulusan (smoothing) eksponensial ganda : metode linear satu-parameter dari Born, yaitu metode peramalan yang digunakan penulis untuk mendapatkan hasil penelitian.

Menurut Makridakis, Wheelright, dan McGee (1999), bahwa metode peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Metode peramalan terdiri atas dua metode, yaitu metode peramalan kualitatif dan peramalan kuantitatif. Metode pemulusan eksponensial ganda: metode linier satu-parameter dari Brown yang digunakan penulis termasuk ke dalam metode peramalan kuantitatif karena tersedianya informasi atau data di masa yang akan datang. Sesuai dengan nilai penjualan listrik di waktu lampau yang berbentuk numeric dan akan terus berlanjut untuk waktu yang akan datang.

1.6Metodologi Penelitian

Metode yang digunakan penulis untuk mendapatkan hasil peramalan ini adalah metode peramalan pemulusan eksponensial ganda yaitu metode linier satu parameter dari Brown. Adapun bentuk umum dari metode eksponensial adalah:

Dimana, Ft+1

X

: ramalan satu periode ke depan

t

F

: data actual pada periode ke-t

t

α : parameter pemulusan : ramalan pada periode ke-t

Persamaan yang dipakai dalam metode pemulusan eksponensial ganda linier satu parameyer dari Brown adalah:

St΄ = α Xt + (1- α) S΄

S΄΄

t-1

t = α St + (1- α) S΄΄

a

t-1

t =St΄ + (St΄ - S΄΄t ) =2 S΄t - S΄΄

b t t α α − 1

= (S΄t - S΄΄t

F

)

t+m = at + bt

Dimana,

m

S΄t S΄΄

= nilai pemulusan eksponensial tunggal

t

a

= nilai pemulisan ganda

t, bt

F

= konstanta pemulusan

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Peramalan (forecasting) menurut Sofyan Assauri (1984) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Peramalan penjualan adalah peramalan yang mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara keadaan akan dibutuhkannya suatu kebijakan baru. Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa sehingga dapat dipersiapkan tindakan yang diperlukan.

Kegunaan suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang dialami kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan merupakan masalah yang dihadapi, maka peramalan juga merupakan masalah yang harus dihadapi, karena peramalan berkaitan erat dengan pengambilan.

2.2 Jenis-jenis Peramalan

Menurut Makridakis, Wheelright, dan McGee (1999), teknik peramalan dapat dibagi dalam 2 bagian jika dilihat dari sifatnya, yaitu:

1. Peramalan Kualitatif

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya, karena berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi dua, yaitu metode eksploratoris dan normative.

2. Peramalan Kualitatif

Peramalan kuantitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur peramalan penyusunan dengan baik. Semakin baik kita menggunakan prosedur peramalan, maka penyimpangan antara hasil peramalan dengan kenyataan yang terjadi juga semakin kecil. Metode peramalan kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.

Peramalan kuantitatif dapat digunakan bila memenuhi syarat berikut: 1. Adanya informasi tentang masa lalu.

3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang dan kondisi ini disebut dengan kondisi yang konstan (assumption of constancy).

Metode-metode peramalan dengan analisis deret waktu dibagi tiga yaitu: 1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak

Metode ini sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk ramalan jangka panjang.

2. Metode Regresi

Metode ini biasanya digunakan untuk ramalan jangka menengah dan jangka panjang.

3. Metode Box-Jenkins

Metode ini jarang dipakai, tetapi baik untuk ramalan jangka pendek, menengah, dan panjang.

2.3Pemilihan Metode Peramalan

Dalam memilih metode peramalan, perlu diketahui terlebih dahulu ciri-ciri penting dalam pengalaman keputusan dan analisis keadaan dalam mempersiapkan peramalan.

Ada enam factor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu:

1. Horizon waktu

Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan, yaitu cakupan waktu di masa yang akan datang dan jumlah periode untuk peramalan yang diinginkan.

2. Pola Data

Dasar utama dari metode peramalan adalah anggapan bahwa macam pola yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dam model

Model-model merupakan suatu deret dimana waktudigambarkan sebagai unsure yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisis keadaan untuk pengambilan keputusan.

4. Biaya yang dibutuhkan

Umumnya ada empat unsure biaya yang tercakup dalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya penyimpangan (storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan,

5. Ketepatan peramalan

Tingkat ketepatan yang dibutuhkan sangat erat dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.

Metode-metode yang dapat dimengerti dan mudah diaplikassikan sudah merupakan suatu prinsip umum bagi penampilan keputusan.

2.4 Kegunaan Peramalan

Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi dan kondisi yang akan terjadi dari suatu ang diteliti untuk masa yang akan datang setelah situasi tersebut dianalisis. Peramalan merupakan suatu alat bantu yang penting dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk mencapai tujuan atau sasaran suatu organisasi/lembaga terdapat perbedaan waktu pelaksanaan, dan dilaksanakan oleh siapa. Perencanaan dan peramalan merupakan dua hal yang sangat erat kaitannya, hal ini dapat dilihat dalam penyusunan rencana, dimana dalam penyusunan ini melibatkan peramalan juga.

Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk menyusun rencana karena dapat membantu menganalisi data dari masa lalu, sehingga melalui metode peramalan akan didapat cara pemikiran dan pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketetapan hasil analisis.

2.5Metode Pemulusan (Smoothing)

Metode pemulusan atau smoothing adalah metode peramalan engan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa

tahun untuk menaksir nilai pada beberapa tahun ke depan. Secara umum, metode smoothing diklasifikasikan menjadi dua bagian, yaitu:

1. Metode Rata-rata

Metode rata-rata dibagi atas empat bagian, yaitu: a. Nilai tengah (mean)

b. Rata-rata bergerak tunggal (single moving average)

c. Rata-rata bergerak ganda (double moving average)

d. Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu dalam mengembangkan suatu system peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

3. Bentuk umum dari pemulusan eksponensial adalah:

Ft+1 = α Xt + (1- α) F

Dimana,

t

Ft+1

X

: ramalan satu periode ke depan

t

F

: data actual pada periode ke-t

t

α : parameter pemulusan : ramalan pada periode ke-t

Metode pemulusan atau smoothing eksponensial terdiri atas: 1. Pemulusan atau smoothing ekspnensial tunggal

a. Metode linier satu parameter dari Brown

b. Metode dua parameter dari Holt

2.6Metode Smoothing yang Digunakan

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang cepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan nilai penjualan energy listrik pada pemecahan masalah ini adalah dengan menggunakan metode smoothing eksponensial ganda yaitu metode smoothing eksponensial satu parameter dari Brown.

Metode ini merupakan metode yang digunakan oleh Brown. Dasar pemikiran dari metode smoothing eksponensial linier sati parameter dari Brown adalah dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.

Peramalan yang dapat dipakai dalam pelaksanaan pemulusan eksponensial linear satu parameter dari Brown adalah sebagai berikut:

St΄ = α Xt + (1- α) S΄

S΄΄

t-1

t = α St + (1- α) S΄΄

a

t-1

t =St΄ + (St΄ - S΄΄t ) =2 S΄t - S΄΄

b t t α α − 1

= (S΄t - S΄΄t

F

)

Dimana,

S΄t S΄΄

= nilai pemulusan eksponensial tunggal

t

a

= nilai pemulisan ganda

t, bt

F

= konstanta pemulusan

BAB 3

SEJARAH DAN STRUKTUR PT PLN PLN (PERSERO)

CABANG MEDAN

3.1 Sejarah Berdirinya Perusahaan

Sejarah Kelistrikan di Sumatera Utara bukanlah baru. Kalau listrik mulai ada di Wilayah Indonesia tahun 1893 didaerah Batavia (Jakarta sekarang), maka 30 tahun kemudian (1923) listrik mulai ada di Medan. Sentralnya dibangun ditanah perapakan Kantor PLN Cabang Medan yang sekarang di Jl. Listrik No.12 Medan, dibangun oleh NV NIGEN/OGEM perusahaan swasta Belanda, kemudian menyusul pembangunan kelistrikan di Tanjung Pura dan Pangkalan Brandan (1924), Tebing Tinggi (1927), Sibolga (NV ANIWM) Brastagi tarutung (1929), Tanjung Balai tahun 1931 (milik Gemeenta Kotapraja), Labuhan Bilik (1936) dan Tanjung Tiram (1937). Masa penjajahan Jepang, Jepang hanya mengambil alih pengelolaan perusahaan Listrik milik swasta Belanda tanpa mengadakan penambahan mesin dan perluasan jaringan. Daerah kerjanya dibagi menjadi Perusahaan Listrik Sumatera Utara, Perusahaan Listrik Jawa dan seterusnya sesuai struktur organisasi pemerintahan tentera Jepang waktu itu. Setelah Proklamasi Kemerdekaan RI 17 Agustus 1945, dikumandangkanlah Kesatuan Aksi Karyawan Perusahaan Listrik diseluruh pejuru tanah air untuk mengambil alih perusahaan Listrik bekas milik swasta Belanda dari tangan Jepang. Perusahaan Listrik yang sudah diambil alih itu diserahkan kepada Pemerintah RI

dalam hal ini Departemen Pekerjaan Umum. Untuk mengenang peristiwa ambil alih itu, maka dengan menetapkan Pemerintah no.1 SD/45 ditetapkan tanggal 27 Oktober

sebagai hari Listrik. Sejarah memang membuktikan kemudian bahwa dalam suasana

yang makin memburuk dalam hubungan Indonesia-Belanda, tanggal 3 Oktober 1953 keluar Surat Keputusan Presiden No. 163 yang memuat ketentuan Nasionalisasi perusahaan Listrik milik swasta Belanda sebagai bagian dari perwujudan pasal 33 ayat (2) 1945. Setelah aksi ambil alih itu, sejak tahun 1955 di Medan berdiri Perusahaan Listrik Negara Distribusi Cabang Medan Sumatera Utara (Sumatera Timur dan Tapanuli) yang mula-mula dikepalai R.Sukarno (merangkap Kepala di Aceh), tahun 1959 dikepalai oleh Ahmad Syaifullah. Setelah BPU PLN berdiri dengan SK Menteri PUT No.9/PRT/64 dan dengan Peraturan Menteri No.1/PRT/65 ditetapkan pembagian daerah kerja PLN menjadi 15 Kesatuan Daerah Eksploitasi I. sumatera Utara tetap menjadi Eksploitasi I. sebagai tindak lanjut dari pembentukan PLN Eksploitasi I Sumatera Utara tersebut, maka dengan Keputusan Direksi PLN No.Kpts 009/DIRPLN/66 tanggal 14 April 1966, PLN Eksploitasi I dibagi menjadi empat cabang dan satu ekor, yaitu Cabang Medan, Binjai, Sibolga, P.Siantar (Berkedudukan di Tebing Tinggi). PP No.18 tahun 1972 mempertegas kedudukan PLN sebagai perusahaan Umum Listrik Negara dan hak, wewenang dan tanggung jawab membangkitkan, menyalurkan dan mendistribusikan tenaga listrik keseluruhan wilayah Negara RI. Dalam SK Menteri tersebut PLN Eksploitasi I Sumatera Utara dirubah menjadi PLN Eksploitasi II Sumatera Utar. Kemudian menyusul Peraturan Menteri PUTL No.1013/PRT/75 yang merubah PLN Eksploitasi menjai PLN Wilayah. PLN Eksploitasi II menjadi PLN Wilayah II Sumatera Utara. Sesuai Keputusan Menteri Pertambangan dan Energi No.4564.K/702/M.PE/1993, tanggal 17

Desember 1993 telah dibentuk Tim Pengalihan Bentuk Perusahaan Umum Listrik Negara menjadi PT PLN (Persero) Listrik Negara.

3.2 Sejarah Berdirinya Perusahaan PT PLN (Persero)

Listrik Sebelum Kemerdekaan dan Di Awal Kemerdekaan Sampai 1965

Sejarah listrik di Sumatera Utara bukanlah baru. Kalau listrik mulai ada di wilayah Indonesia tahun 1893 di daerah Batavia (Jakarta sekarang), maka 30 tahun kemudian (1923) listrik mulai ada di Medan. Sentralnya dibangun di tanah pertapakan Kantor PLN cabang Medan yang sekarang di Jl. Listrik no. 12 Medan, dibangun oleh NV NIGEM/OGEM perusahaan swasta Belanda. Kemudian menyusul pembangunan kelistrikan di Tanjung Pura dan Pangkalan Branda (1924), Tebing tinggi (1927), Sibolga (NV ANIWM) Berastagi dan Tarutung (1929), Tanjung Balai tahun 1931 (milik Gemeente-Kotapraja), Labuhan Bilik (1936) dan Tarutung (1937).

Masa penjajahan Jepang, Jepang hanya mengambil alih pengelolaan Perusahaan Listrik milik swasta Belanda tanpa mengadakan penambahan mesin dan perluasan jaringan. Daerah kerjanya dibagi menjadi Perusahaan Listrik Sumatera Utara, Perusahaan Listrik Jawa dan seterusnya sesuai struktur organisasi pemerintahan tentera Jepang waktu itu.

Setelah Proklamasi Kemerdekaan RI Agustus 1945, dikumandangkanlah Kesatuan Aksi Karyawan perusahaan Listrik diseluruh penjuru tanah air untuk mengambil alih Perusahaan Listrik bekas milik swasta Belanda dari tangan terntera jepang. Perusahaan Listrik yang sudah diambil alih itu diserahkan kepada Pemerintah

alih itu, maka dengan Penetapan Pemerintah No. 1 SD/45 ditetapkan tanggal 27 Oktober sebagai hari Listrik. Sejarah memang membuktikan kemudian bahwa dalam suasana yang makin memburuk dalam hubungan Indonesia-Belanda, tanggal 3 Oktober 1953 keluar Surat Keputusan Presiden No. 163 yang memuat ketentuan Nasional Perusahaan Listrik milik swasta Belanda sebagai bagian dari pewujudan pasal 33 ayat (2) UUD 1945.

Setelah aksi ambil alih itu, sejak 1955 di Medan berdiri Perusahaan Listrik Negara Distribusi Cabang Sumatera Utara (Sumatera Timur dan Tapanuli) yang mula-mula dikepalai R. Sukarno (merangkap kepala di Aceh), tahun 1959 dikepalai oleh Ahmad Syaifullah. Setelah BPU PLN berdiri dengan SK Menteri PUT No. 16/1/20 tanggal 20 Mei 1961, maka organisasi kelistrikan dirubah. Sumatera Utara, Aceh, Sumbar dan riau menjadi PLN Eksploitasi I.

Dari Eksploitasi I menjadi Eksploitasi II

Sebagai tindak lanjut dari pembentukan PLN Eksploitasi I Sumatera Utara tersebut, maka dengan Keputusan Direksi PLN No. Kpts 009/DIRPLN/66 tanggal 14 April 1966, PLN Eksploitasi I dibagi menjadi empat cabang dan sector, yaitu Cabang medan, Binjai, Sibolga, Cabang P.Siantar (berkedudukan di Tebing Tinggi). PP No. 18 tahun 1972 mempertegas kedudukan PLN sebagai Perusahaan Umum Listrik Negara dengan hak, wewenang dan tanggungjawab membangkitkan, menyalurkan dan mendistribusikan tenaga listrik keseluruh Wilayah Negara RI. Dalam SK Menteri tersebut PLN Eksploitasi I Sumatera Utara dirubah menjadi PLN Eksploitasi II Sumatera Utara.

Eksploitasi II Menjadi Wilayah II

Kemudian menyusul Peraturan Menteri PUTL No. 013/PRT/75 yang merubah PLN Eksploitasi menjadi PLN Wilayah. PLN Eksploitasi II menjadi PLN Wilayah II Sumatera Utara.

Dari PERUM Menjadi PERSERO

Dengan keluarnya peraturan Pemerintahan No. 23/1994 tanggal 16 Juni 1994 maka ditetapkan status PLN sebagai Pesero. Adapun yang membelakangi perusahaan status tersebut adalah untuk mengantisipasi kebutuhan listrik yang terus meningkat dewasa ini. Dimana pada abad 21 nanti, PLN tidak dapat tidak, harus mampu menghadapi tantangan yang ada. PLN harus mampu menggunakan tolak ukur Intrnasional, dan harus mampu berwaspada tinggi, dengan manajemen yang berani transparan, tebuka, disentralisasi, profit centre dan cost centre.

Untuk mencapai tujuan PLN meningkatkan kesejahteraan masyarakat dan mendorong perkembangan industry pada PJPT II yang tanggungjawabnya cukup besar dan berat, kerjasama dan hubungan yang harmonis dengan instansi dan lembaga yang terkait, perlu dibina dan ditingkatkan terus.

Pemisahan PT PLN (Persero) Wilayah II dan PT PLN (Persero) Pembangkit dan Penyaluran Sumatera Bagian Utara

Perkembangan kelistrikan di Sumatera Utara terus mengalami pertumbuhan dan perkembangan yang begitu pesat, hal ini ditandai dengan semakin bertambahnya jumlah pelanggan, perkembangan fasilitas kelistrikan, kemampuan pasokan listrik dan indikasi-indikasi pertumbuhan lainnya.

Untuk mengatasi pertumbuhan dan perkembangan Kelistrikan Sumatera Utara dimasa-mas mendatang serta sebagian upaya untuk meningkatkan kualitas pelayanan

Tanggal 9 Agustus 1996 dibentuk organisasi baru di bidang jasa pelayanan kelistrikan yaitu PT PLN (Persero) Pembangkitan dan Penyaluran Sumatera Bagian Utara.

Dengan pembentukan organisasi baru PLN Pembangkitan dan Penyaluran Sumatera Bagian Utara yang terpisah dari PLN Wilayah II berpindah tanggungjawab pengelolaannya ke PLN Pembangkit dan Penyaluran Sumbagut. Sementara itu, PLN Wilayah II berkonsentrasi pada distribusi dan penjualan tenaga listrik.

3.3 Struktur Organisasi PT PLN (Persero)

Tugas Pokok dan Tanggung Jawab Unsur Pelaksana Cabang Manajer Cabang

Mengelola dan melaksanakan kegiatan penjualan tenaga listrik, pelayanan pelanggan, pengoperasian dan pemeliharaan jaringan distribusi tenaga listrik di wilayah kerjanya secara efisien sesuai tata kelola perusahaan yang baik berdasarkan kebijakan kantor induk untuk menghasilkan pendapatan perusahaan yang didukung dengan pelayanan, tingkat mutu dan keandalan pasokan yang baik untuk memenuhi kebutuhan pelanggan, serta melakukan pembinaan dan pemberdayaan Unit Asuhan dibawahnya.

3.3.1 Bagian Teknik

Mengkoordinasikan perencanaan, pengoperasian dan pemeliharaan sarana perindustrian tenaga listrik yang efektif, efisien dengan mutu serta keandalan yang baik dan menerapkan tata kelola perusahaan yang baik.

3.3.1.1Sub Bagian Operasi Distribusi

Melaksanakan pengoperasian system pendistribusian tenaga dan penerbitan penggunaan jaringan distribusi tenaga listrik kepada pelanggan

3.3.1.2Sub Bagian Pemeliharaan Distribusi

Melaksanakan pemeliharaan jaringan distribusi (Tenaga Menengah & Rendah), Gardu Distribusi (trafo distribusi), serta peralatan jaringan distribusi.

3.3.1.3Sub Bagian Scada dan Telekomunikasi

Melaksanakan perencanaan perencanaan dan pemeliharaan system SCADA dan teleinformasi dan telekomunikasi.

3.3.1.4Sub Bagian RTU Dan Peripheral

Melaksanakan pemeliharaan RTU,Instalasi RTU dan Power Supply serta peralatan pendukung.

3.3.1.5Sub Bagian Perencanaan Distribusi

Melaksanakan perencanaan pengembangan sarana dan prasarana pendistribusian tenaga listrik, mutu dan kehandalan.

3.3.2 Bagian Pengukuran dan Proteksi

Mengkordinasikan pengoperasian / pemeliharaan peralatan pengukuran, proteksi dan mengawasi pengoperasian / pemeliharaan AMR untuk meningkatkan keandalan penyaluran tenaga listrik yang efektif & efisien kepada masyarakat pelanggan.

3.3.2.1Sub Bagian Proteksi

Melaksanakan pengoperasian dan pemeliharaan system proteksi dan mengkordinasikan system proteksi distribusi, serta dapat mengatasi kegagalan kerja system proteksi.

3.3.2.2Sub Bagian Metering

3.3.2.3Sub Bagian APP dan Peneraan

Melaksanakan pengawasan pelaksanaan pemasangan / pemeliharaan APP dan peneraan kwh meter

3.3.3 Bagian Niaga dan Pelayanan Pelanggan

Melaksanakan upaya pencapaian pendapatan, penyelamatan pendapatan dari penjualan tenaga listrik, dan melaksanakan kebijakan penjualan tenaga listrik serta menerapkan tata kelola perusahaan yang baik.

3.3.3.1Sub Bagian Pelayanan Elanggan

Melaksanakan kegiatan administrasi tata usaha langganan meliputi pelayanan pelanggan, administrasi pelanggan dan kegiatan pemulusan dan penyambungan

3.3.3.2Sub Bagian Sistem Carter

Melaksanakan pembacaan stand kwh sebagai dasar proses pembuatan rekening dan melaksanakan pengawasan pelaksanaan pembaca meter yang dilakukan oleh pihak outsorcing.

3.3.3.3Sub Bagian Pengolahan Data dan Rekening

Melaksanakan kegiatan perencanaan, pengembangan dan pemeliharaan system aplikasi teknologi informasi, dalam rangka menunjang pelayanan penjualan tenaga listrik.

3.3.3.4Sub Bagian Penagihan

Melaksanakan kegiatan inventarisasi, pembukuan dan penagihan rekening listrik ke pelanggan yang menunggak.

3.3.4 Bagian Keuangan

Mengkoordinasi penyelenggaraan pengelolaan anggaran, keuangan, perpajakan, dan asuransi sesuai dengan prinsip manajemen dan membuat laporan keuangan dan akuntansi yang akurat dan tepat waktu.

3.3.4.1Sub Bagian Pengendalian Anggaran dan Keuangan

Menyusun rencana kerja dan anggaran serta melaksanakan pengelolaan dana alur kas.

3.3.4.2Sub Bagian Pengendalian Pendapatan

Melaksanakan pemantauan anggaran belanja dan pendapatan cabang, pengurusan asuransi dan pencatatan pajak perusahaan.

3.3.4.3Sub Bagian Akuntasi

Melaksanakan pencatatan semua transaksi, aktiva tetap, PDP, kas bank, serta inventarisasi aktiva tersebut diatas sesuai dengan standar akuntansi keuangan dan kebijakan direksi.

3.3.5 Bagian Sdm dan Administrasi

Melaksanakan pengelolaan perencanaan sumber daya manusia, administrasi, kesekretariatan dan logistic serta keamanan.

3.3.5.1Sub Bagian SDM

Melaksanakan kegiatan perencanaan sumber daya manusia, memelihara data base pegawai (Sipeg) dan dossier pegawai.

3.3.5.2Sub Bagian Sekretariat

Melaksanakan tata usaha kesekretariatan dan pengurusan rumah tangga serta keamanan lingkungan kerja.

3.3.5.3Sub Bagian Logistik

Melaksanakan kegiatan bidang perbekalan meliputi rencana persediaan, pengadaan dan penyimpanan barang/material, alat tulis kantor, mengelola administrasi perbaikan dan pengundangan.

BAB 4

ANALISIS DATA

4.4 Pengertian Analisis Data

Analisis data dapat diartikan sebagai penjabaran atas pengukuran atau pengolahan data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan suatu masalah secara keseluruhan. Analisis atau pengolahan data sangat diperlukan dalam memecahkan suatu permasalahan. Data yang akan dianalisi oleh penulis adalah sata per tahun nilai penjualan energy listrik PT PLN (Persero) Cabang Medan yang dimulai dari tahun 2000 sampai 2009. Metode yang digunakan untuk menganalisis data tersebut adalah metode peramalan pemulusan eksponensial ganda : metode linier satu-parameter dari Brown.

4.5 Analisis Data dengan Metode Pemulusan Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown

Langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan metode pemulusan eksponensial ganda: metode linier satu-parameter dari Brown adalah:

1. Menentukan harga parameter pemulusan (smoothing) eksponensial ganda yang besarnya 0<α<1.

2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan:

St΄ = α Xt + (1- α) S΄

3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan:

t-1

S΄΄t = α St + (1- α) S΄΄

4. Menghitung koefisien a

t-1

t dan bt

a

dengan menggunakan persamaan:

t =St΄ + (St΄ - S΄΄t ) =2 S΄t - S΄΄

b

t

t

α α − 1

= (S΄t - S΄΄t

5. Menghitung trend peramalan (F )

t+m

F

) dengan menggunakan persamaan:

Tabel 4.1 Nilai Penjualan Energi listrik PT PLN (Persero) Cabang Medan Tahun 2000 - 2009

Periode Tahun Nilai Penjualan

1 2000 631.205

2 2001 801.558

3 2002 1.037.979

4 2003 1.086.555

5 2004 1.244.537

6 2005 1.304.708

7 2006 1.439.858

8 2007 1.519.339

9 2008 1.738.903

10 2009 1.829.358

Sumber : PT PLN (Persero) Cabang Medan

4.5.1Penaksiran Model Peramalan

Dalam mengolah data pada table 4.1, penulis menulis menggunakan metode peramalan dengan metode pemulusan eksponensial satu-parameter dari Brown. Untuk memenuhi perhitungan pemulusan eksponensial tunggal, ganda dan ramalan yang akan datang, maka kita harus menentukan parameter dari nilai α terlebih dahulu yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α yang dipilih

ketepatan perhitungan dengan mengkuadratkan masing-masing elemen dalam sebuah

susunan data dan kemudian dicoba nilai α yang lain.

Untuk menghitung nilai MSE pertama, dicari terlebih dahulu error yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap eror dikuadratkan dan dibagi dengan benyaknya error. Secara matematis rumus MSE adalah sebagai berikut:

∑

₌

= N

t t

N e MSE

1 2

Tabel 4.2 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.1

Xt St΄ St΄΄ at bt F e e2

631.205 631.205,000 631.205,000 - - - - -

801.558 648.240,300 632.908,530 663.572,070 1.703,530 - - -

1.037.979 687.214,170 638.339,094 736.089,246 5.430,564 665.275,600 372.703,400 138.907.824.371,560 1.086.555 727.148,253 647.220,010 807.076,496 8.880,916 741.519,810 345.035,190 119.049.282.338,336 1.244.537 778.887,128 660.386,722 897.387,534 13.166,712 815.957,412 428.579,588 183.680.463.250,250 1.304.708 831.469,215 677.494,971 985.443,459 17.108,249 910.554,246 394.153,755 155.357.182.186,446 1.439.858 892.308,093 698.976,283 1.085.639,904 21.481,312 1.002.551,708 437.306,292 191.236.792.865,359 1.519.339 955.011,184 724.579,773 1.185.442,595 25.603,490 1.107.121,216 412.217,784 169.923.501.553,872 1.738.903 1.033.400,366 755.461,833 1.311.338,899 30.882,059 1.211.046,085 527.856,915 278.632.922.778,349 1.829.358 1.112.996,129 791.215,262 1.434.776,996 35.753,430 1.342.220,958 487.137,042 237.302.497.654,186 3.404.989,965 1.474.090.466.998,360 Sumber: Perhitungan

Untuk α = 0,1 ; N = 8, maka:

MSE =

∑

= N t t N e 1 2 = 8 0 466.998,36 1.474.090.

Tabel 4.3 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.2

Xt St΄ St΄΄ at bt F e e2

631.205 631.205,000 631.205,000 - - - - -

801.558 665.275,600 638.019,120 692.532,080 6.814,120 - - -

1.037.979 739.816,280 658.378,552 821.254,008 20.359,432 699.346,200 338.632,800 114.672.173.235,840 1.086.555 809.164,024 688.535,646 929.792,402 30.157,094 841.613,440 244.941,560 59.996.367.815,234 1.244.537 896.238,619 730.076,241 1.062.400,997 41.540,595 959.949,496 284.587,504 80.990.047.432,950 1.304.708 977.932,495 779.647,492 1.176.217,499 49.571,251 1.103.941,592 200.766,408 40.307.150.581,222 1.439.858 1.070.317,596 837.781,513 1.302.853,680 58.134,021 1.225.788,750 214.069,250 45.825.643.898,316 1.519.339 1.160.121,877 902.249,586 1.417.994,168 64.468,073 1.360.987,701 158.351,299 25.075.133.978,597 1.738.903 1.275.878,102 976.975,289 1.574.780,914 74.725,703 1.482.462,241 256.440,759 65.761.862.706,629 1.829.358 1.386.574,081 1.058.895,047 1.714.253,115 81.919,759 1.649.506,618 179.851,382 32.346.519.730,012 1.877.640,963 464.974.899.378,799 Sumber: Perhitungan

Untuk α = 0,2 ; N = 8, maka:

MSE =

∑

= N t t N e 1 2 = 8 9.378,80 464.974.89

= 58.121.862.422,35

Tabel 4.4 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.3

Xt St΄ St΄΄ at bt F e e2

631.205 631.205,000 631.205,000 - - - - -

801.558 682.310,900 646.536,770 718.085,030 15.331,770 - - -

1.037.979 789.011,330 689.279,138 888.743,522 42.742,368 733.416,800 304.562,200 92.758.133.668,840 1.086.555 878.274,431 745.977,726 1.010.571,136 56.698,588 931.485,890 155.069,110 24.046.428.876,192 1.244.537 988.153,202 818.630,369 1.157.676,035 72.652,643 1.067.269,724 177.267,276 31.423.687.140,460 1.304.708 1.083.119,641 897.977,150 1.268.262,132 79.346,782 1.230.328,678 74.379,323 5.532.283.615,559 1.439.858 1.190.141,149 985.626,350 1.394.655,948 87.649,200 1.347.608,914 92.249,086 8.509.893.915,805 1.519.339 1.288.900,504 1.076.608,596 1.501.192,412 90.982,246 1.482.305,147 37.033,853 1.371.506.248,694 1.738.903 1.423.901,253 1.180.796,393 1.667.006,113 104.187,797 1.592.174,658 146.728,342 21.529.206.219,061 1.829.358 1.545.538,277 1.290.218,958 1.800.857,596 109.422,565 1.771.193,910 58.164,090 3.383.061.406,472 1.045.453,279 188.554.201.091,083 Sumber: Perhitungan

Untuk α = 0,3 ; N = 8, maka:

MSE =

∑

=

N t

t

N e

1 2

=

8

1.091,083 188.554.20

Tabel 4.5 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.4

Xt St΄ St΄΄ at bt F e e2

631.205 631.205,000 631.205,000 - - - - -

801.558 699.346,200 658.461,480 740.230,920 27.256,480 - - -

1.037.979 834.799,320 728.996,616 940.602,024 70.535,136 767.487,400 270.491,600 73.165.705.670,560 1.086.555 935.501,592 811.598,606 1.059.404,578 82.601,990 1.011.137,160 75.417,840 5.687.850.590,266 1.244.537 1.059.115,755 910.605,466 1.207.626,044 99.006,860 1.142.006,568 102.530,432 10.512.489.486,107 1.304.708 1.157.352,653 1.009.304,341 1.305.400,965 98.698,875 1.306.632,904 -1.924,904 3.705.255,409 1.439.858 1.270.354,792 1.113.724,521 1.426.985,063 104.420,180 1.404.099,840 35.758,160 1.278.645.983,700 1.519.339 1.369.948,475 1.216.214,103 1.523.682,847 102.489,582 1.531.405,243 -12.066,243 145.594.218,784 1.738.903 1.517.530,285 1.336.740,576 1.698.319,994 120.526,473 1.626.172,429 112.730,571 12.708.181.634,018 1.829.358 1.642.261,371 1.458.948,894 1.825.573,848 122.208,318 1.818.846,467 10.511,533 110.492.318,415 593.448,988 103.612.665.157,258 Sumber: Perhitungan

Untuk α = 0,4 ; N = 8, maka:

MSE =

∑

=

N t

t

N e

1 2

=

8

5.157,258 103.612.66

Tabel 4.6 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.5

Xt St΄ St΄΄ at bt F e e2

631.205,000 631.205,000 631.205,000 - - - - -

801.558,000 716.381,500 673.793,250 758.969,750 42.588,250 - - -

1.037.979,000 877.180,250 775.486,750 978.873,750 101.693,500 801.558,000 236.421,000 55.894.889.241,000 1.086.555,000 981.867,625 878.677,188 1.085.058,063 103.190,438 1.080.567,250 5.987,750 35.853.150,063 1.244.537,000 1.113.202,313 995.939,750 1.230.464,875 117.262,563 1.188.248,500 56.288,500 3.168.395.232,250 1.304.708,000 1.208.955,156 1.102.447,453 1.315.462,859 106.507,703 1.347.727,438 -43.019,438 1.850.672.002,816 1.439.858,000 1.324.406,578 1.213.427,016 1.435.386,141 110.979,563 1.421.970,563 17.887,438 319.960.420,316 1.519.339,000 1.421.872,789 1.317.649,902 1.526.095,676 104.222,887 1.546.365,703 -27.026,703 730.442.681,807 1.738.903,000 1.580.387,895 1.449.018,898 1.711.756,891 131.368,996 1.630.318,563 108.584,438 11.790.580.067,191 1.829.358,000 1.704.872,947 1.576.945,923 1.832.799,972 127.927,024 1.843.125,887 -13.767,887 189.554.704,700 341.355,098 73.980.347.500,144 Sumber: Perhitungan

Untuk α = 0,5 ; N = 8, maka:

MSE =

∑

= N t t N e 1 2 = 8 .500,144 73.980.347

Tabel 4.7 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.6

Xt St΄ St΄΄ at bt F e e2

631.205 631.205,000 631.205,000 - - - - -

801.558 733.416,800 692.532,080 774.301,520 61.327,080 - - -

1.037.979 916.154,120 826.705,304 1.005.602,936 134.173,224 835.628,600 202.350,400 40.945.684.380,160 1.086.555 1.018.394,648 941.718,910 1.095.070,386 115.013,606 1.139.776,160 -53.221,160 2.832.491.871,746 1.244.537 1.154.080,059 1.069.135,600 1.239.024,519 127.416,689 1.210.083,992 34.453,008 1.187.009.760,248 1.304.708 1.244.456,824 1.174.328,334 1.314.585,313 105.192,734 1.366.441,208 -61.733,208 3.810.988.969,971 1.439.858 1.361.697,529 1.286.749,851 1.436.645,208 112.421,517 1.419.778,048 20.079,952 403.204.485,173 1.519.339 1.456.282,412 1.388.469,388 1.524.095,436 101.719,536 1.549.066,725 -29.727,725 883.737.625,590 1.738.903 1.625.854,765 1.530.900,614 1.720.808,916 142.431,226 1.625.814,972 113.088,028 12.788.902.017,580 1.829.358 1.747.956,706 1.661.134,269 1.834.779,143 130.233,655 1.863.240,142 -33.882,142 1.147.999.535,102 191.407,153 64.000.018.645,570 Sumber: Perhitungan

Untuk α = 0,6 ; N = 8, maka:

MSE =

∑

= N t t N e 1 2 = 8 .645,570 64.000.018

Tabel 4.8 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.7

Xt St΄ St΄΄ at bt F e e2

631.205 631.205,000 631.205,000 - - - - -

801.558 750.452,100 714.677,970 786.226,230 83.472,970 - - -

1.037.979 951.720,930 880.608,042 1.022.833,818 165.930,072 869.699,200 168.279,800 28.318.091.088,040 1.086.555 1.046.104,779 996.455,758 1.095.753,800 115.847,716 1.188.763,890 -102.208,890 10.446.657.195,032 1.244.537 1.185.007,334 1.128.441,861 1.241.572,806 131.986,103 1.211.601,516 32.935,484 1.084.746.106,314 1.304.708 1.268.797,800 1.226.691,018 1.310.904,582 98.249,157 1.373.558,910 -68.850,909 4.740.447.738,977 1.439.858 1.388.539,940 1.339.985,264 1.437.094,617 113.294,245 1.409.153,739 30.704,261 942.751.627,590 1.519.339 1.480.099,282 1.438.065,076 1.522.133,488 98.079,813 1.550.388,862 -31.049,862 964.093.911,651 1.738.903 1.661.261,885 1.594.302,842 1.728.220,927 156.237,766 1.620.213,300 118.689,700 14.087.244.770,439 1.829.358 1.778.929,165 1.723.541,268 1.834.317,062 129.238,426 1.884.458,693 -55.100,693 3.036.086.340,343 93.398,890 63.620.118.778,386 Sumber: Perhitungan

Untuk α = 0,7 ; N = 8, maka:

MSE =

∑

= N t t N e 1 2 = 8 .778,386 63.620.118

Tabel 4.9 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.8

Xt St΄ St΄΄ at bt F e e2

631.205 631.205,000 631.205,000 - - - - -

801.558 767.487,400 740.230,920 794.743,880 109.025,920 - - -

1.037.979 983.880,680 935.150,728 1.032.610,632 194.919,808 903.769,800 134.209,200 18.012.109.364,640 1.086.555 1.066.020,136 1.039.846,254 1.092.194,018 104.695,526 1.227.530,440 -140.975,440 19.874.074.683,194 1.244.537 1.208.833,627 1.175.036,153 1.242.631,102 135.189,898 1.196.889,544 47.647,456 2.270.280.063,272 1.304.708 1.285.533,125 1.263.433,731 1.307.632,520 88.397,578 1.377.821,000 -73.113,000 5.345.510.769,000 1.439.858 1.408.993,025 1.379.881,166 1.438.104,884 116.447,435 1.396.030,098 43.827,902 1.920.884.972,684 1.519.339 1.497.269,805 1.473.792,077 1.520.747,533 93.910,911 1.554.552,319 -35.213,319 1.239.977.855,842 1.738.903 1.690.576,361 1.647.219,504 1.733.933,218 173.427,427 1.614.658,444 124.244,556 15.436.709.748,118 1.829.358 1.801.601,672 1.770.725,239 1.832.478,106 123.505,734 1.907.360,645 -78.002,645 6.084.412.587,009 22.624,710 70.183.960.043,759 Sumber: Perhitungan

Untuk α = 0,8 ; N = 8, maka:

MSE =

∑

= N t t N e 1 2 = 8 .043,759 70.183.960

Tabel 4.10 Peramalan Nilai Penjualan Energy Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown Dengan α = 0.9

Xt St΄ St΄΄ at bt F e e2

631.205 631.205,000 631.205,000 - - - - -

801.558 784.522,700 769.190,930 799.854,470 137.985,930 - - -

1.037.979 1.012.633,370 988.289,126 1.036.977,614 219.098,196 937.840,400 100.138,600 10.027.739.209,960 1.086.555 1.079.162,837 1.070.075,466 1.088.250,208 81.786,340 1.256.075,810 169.520,810 28.737.305.023,056 1.244.537 1.227.999,584 1.212.207,172 1.243.791,995 142.131,706 1.170.036,548 74.500,452 5.550.317.348,204 1.304.708 1.297.037,158 1.288.554,160 1.305.520,157 76.346,988 1.385.923,702 -81.215,701 6.595.990.170,137 1.439.858 1.425.575,916 1.411.873,740 1.439.278,091 123.319,581 1.381.867,145 57.990,855 3.362.939.284,508 1.519.339 1.509.962,692 1.500.153,796 1.519.771,587 88.280,056 1.562.597,672 -43.258,672 1.871.312.698,791 1.738.903 1.716.008,969 1.694.423,452 1.737.594,486 194.269,655 1.608.051,643 130.851,357 17.122.077.644,025 1.829.358 1.818.023,097 1.805.663,132 1.830.383,061 111.239,681 1.931.864,142 102.506,142 10.507.509.120,833 -33.020,061 83.775.190.499,514 Sumber: Perhitungan

Untuk α = 0,9 ; N = 8, maka:

MSE =

∑

= N t t N e 1 2 = 8 .499,514 83.775.190 = 10.471.898.812,44

Kemudian nilai-nilai MSE yang telah diperoleh kita dapat melihat nilai α yang memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan metode peramalan nilai penjualan energy listrik di PT PLN (Persero) Cabang Medan dengan melihat MSE adalah sebagai berikut:

Table 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE

0.1 184.261.308.374,80

0.2 58.121.862.422,35

0.3 23.569.275.136,39

0.4 12.951.583.144,66

0.5 9.247.543.437,52

0.6 8.000.002.330,70

0.7 7.952.514.847,30

0.8 8.772.995.005,47

0.9 10.471.898812,44

Sumber: Perhitungan

Dari table 4.!! Di atas dapat dilihat bahwa MSE yang paling kecil terdapat pada α = 0,7, yaitu dengan MSE = 7.952.514.847,30

Tabel 4.12 Pemulusan Eksponensial Ganda Linier Satu Parameter Dari Brown dengan menggunakan α = 0,7 pada Nilai Penjualan Energi Listrik di PT PLN (Persero) Cabang Medan

Tahun Periode Xt St΄ St΄΄ at bt F

2000 1 631.205 631.205,000 631.205,000 - - -

2001 2 801.558 750.452,100 714.677,970 786.226,230 83.472,970 -

2002 3 1.037.979 951.720,930 880.608,042 1.022.833,818 165.930,072 869.699,200 2003 4 1.086.555 1.046.104,779 996.455,758 1.095.753,800 115.847,716 1.188.763,890 2004 5 1.244.537 1.185.007,334 1.128.441,861 1.241.572,806 131.986,103 1.211.601,516 2005 6 1.304.708 1.268.797,800 1.226.691,018 1.310.904,582 98.249,157 1.373.558,910 2006 7 1.439.858 1.388.539,940 1.339.985,264 1.437.094,617 113.294,245 1.409.153,739 2007 8 1.519.339 1.480.099,282 1.438.065,076 1.522.133,488 98.079,813 1.550.388,862 2008 9 1.738.903 1.661.261,885 1.594.302,842 1.728.220,927 156.237,766 1.620.213,300 2009 10 1.829.358 1.778.929,165 1.723.541,268 1.834.317,062 129.238,426 1.884.458,693

2010 11 1.963.555,489

2011 12 2.092.793,915

4.5.2Penentuan Bentuk Persamaan Peramalan

Melalui cara trial and error dengan 0 < α < 1, telah diperoleh perhitungan peramalan pemulusan eksponensial linier satu-parameter dai Brown dengan α = 0,7, sehingga dapat ditentukan bentuk persamaan peramalan untuk periode-periode berikutnya. Seperti pada BAB 2 tentang landasan teori, persamaan yang dipakai untuk perhitungan adalah sebagai berikut:

S΄t = α Xt + (1- α) S΄

S΄΄

t-1

t = α S΄t + (1- α) S΄΄

a

t-1

t =St΄ + (St΄ - S΄΄t ) =2 S΄t - S΄΄

b t t α α − 1

= (S΄t - S΄΄t

F

)

t+m = at + bt

Berdasarkan perhitungan yang α = 0,7, dapat diperoleh persamaan peramalan untuk periode berikutny yaitu:

m

Ft+m = at + bt

F

m

4.6 Peramalan Nilai Penjualan Listrik

Setelah diperoleh peramalan nilai penjualan listrik, maka dapat dihitung nilai penjualan listrik untuk dua periode berikutnya, yaitu untuk tahun 2010 dan tahun 2011, seperti di bawah ini:

a. Untuk periode ke 11 (tahun 2010) Ft+m

F

= 1.834.317,062 + 129.238,4263 (m)

10+1

F

= 1.834.317,062 + 129.238,4263 (1)

11

b. Untuk periode ke 12 (tahun 2011) = 1.963.555,489

Ft+m

F

= 1.834.317,062 + 129.238,4263 (m)

10+2

F

= 1.834.317,062 + 129.238,4263 (2)

12 = 2.092.793,915

Tabel 4.13 Peramalan Nilai Penjualan Energy Listrik Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Dan 2011

Tahun Periode Peramalan

2010 11 1.963.555,489

2011 12 2.092.793,915

Dalam Grafik dapat dilihat pada grafik berikut :

Gambar 4.1 Grafik Penjualan Energi listrik PT PLN (Persero) Cabang Medan Tahun 2000 - 2011

Berdasarkan perhitungan peramalan di atas, maka besarnya peramalan nilai penjualan listrik PT PLN (Persero) Cabang Medan unutk tahun 2011 yaitu sebesar 2.092.793,915 juta rupiah.

BAB 5

IMPLEMENTASI SISTEM

5.1 Microsoft Excel

Microsoft Ecxcel adalah program lembar kerja atau spreadsheet (pengolah data) yang cukup popular di Indonesia. Program ini merupakan salah satu program aplikasi Microsoft Office. Excel dapat melakukan pengolahan data secara luas pada bidang akuntansi, statistic dan pada bidang-bidang lain yang memerlukan perhitungan dengan cepat dan teliti. Walaupun Excel tidak secara khusus digunakan untuk mengolah data statistic, namun kemampuan dalam mengolah data statistic tidak kalah dengan program yang secara khusus melakukan pengolahan data statistika (seperti SPSS, MINITAB, MAPLE, dll). Hasil pengolahan data statistic menggunakan Excel mempunyai keakuratan dan ketelitian yang sama dengan program yang secara khusus melakukan pengolahan data statistik.

Sheet atau lembar kerja Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf dari A, B, c sampai dengan Z, lalu dilanjutkan dengan AA, AB, AC sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1,2,3 sampai dengan 65536. Excel 2007 hadir dengan tampilan yang lebih praktis dan mudah digunakan, juga

berintegrasi dengan bebagai software lain seperti word, accses, dan powerpoint.

5.2 Langkah-langkah Pengolahan Data

Adapun cara memulai Excel yaitu dengan cara : 1. Klik Start

2. Pilih Program

3. Klik tombol Microsoft Excel

Dapat dilihat seperti pada gambar dibawah ini :

5.3 Implementasi Sistem Peramalan Nilai Penjualan Listrik

Fungsi dalam Excel ditujukan untuk memudahkan pengertian formula yang diperlukan dalam melakukan perhitungan aritmatika dan operasi standard. Terdapat banyak fungsi statistic yang disediakan oleh Microsoft Excel, diantaranya akan menggunakan salah satu fungsi average, Standard Deviasi, Median, Mean. Berikut ini penuis akan menggunakan salah satu fungsi satistik yaitu fungsi smoothing eksponensial.

5.4 Fungsi Smoothing Eksponensial

Langkah-langkah yang digunakan untuk menentukan peramalan dengan smoothing eksponensial.

Dari data actual yang tersedia untuk diolah sehingga dapat dicari ramalan untuk periode selanjutnya sebagai berikut :

1. Memasukkan data nilai penjualan listrik pada lembar kerja Excel

2. Menghitung nilai S΄t

a. Klik tools dan data analisis yaitu :

b. Bila data analisis tidak ada, maka klik tools kemudian Add-Ins dan beri tanda check list pada Analysis Toolpak. Dapat dilihat pada gambar 5.3

Gambar 5.3 Tampilan Menu Data Analisis

3. Setelah di klik Data Analisis, lalu pilih dan klik Exponensial Smoothing sehingga keluar tampilan seperti gambar dibawah ini.

4. Blok angka yang ingin dibuat untuk mendapatkan input range, masukkan

nilai α sebagai damping factor. Nilai damping factor pada kasus ini adalah

0,3, yang artinya akan α = 0,7.

5. Kemudian masukkan Output Range pada Menu Option yang berfungsi sebagai tempat hasil output. Maka hasil output akan muncul pada range yang telah ditentukan.

6. Untuk mencari pemulusan kedua digunakan dengan memasukkan data hasil pemulusan yang pertama sebagai input range pada menu input.

7. Untuk mendapat nilai a, b, nilai peramalan (F), dan nilai kesalahan digunakan data angka (numeric) yaitu karakter nilai konstan dan karakter khusus yang dibaca dalam format data angka yang terdiri dari angka dan tanda-tanda khusu seperti : *, +, -, /, % dan lain-lain.

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data pada bab 4, maka kesimpulan yang dapat diperoleh adalah sebagai berikut :

a. Berdasarkan hasil data tahun 2000 sampai 2009 untuk nilai penjualan energy listrik PT PLN (Persero) Cabang Medan dengan metode pemulusan eksponensial ganda dengan metode linier satu-parameter dari Brown, didapat nilai MSE terkecil yaitu 7.952.514.847,30 dengan α = 0,7. b. Bentuk persamaan peramalan nilai penjualan listrik PT PLN (Persero)

Cabang Medan berdasarkan data tahun 2000 sampai 2009 dengan α = 0,7

adalah :

c. Peramalan nilai penjualan listrik PT PLN (Persero) cabang Medan untuk periode ke-12 yakni tahun 2011 adalah sebesar 2.092.793,915 juta rupiah d. Berdasarkan nilai peramalan penjualan energy listrik yang didapat dari

hasil analisis data, maka dapat disimpulkan bahwa penjualan energy listrik PT PLN (Persero) Cabang Medan terus meningkat, sehingga dapat juga disimpulkan bahwa kebutuhan akan energy listrik yang dibutuhkan oleh masyarakat yang sumber listriknya dari PT PLN (Persero) Cabang Medan sangat meningkat.

6.2 Saran

a. Dalam memperkirakan nilai penjualan energy lisrik untuk waktu-waktu yang akan datang, pihak PT PLN (Persero) Cabang Medan dapat menggunakan metode peramalan eksponensial ganda dengan metode linier alat bantu satu-parameter dari Brown.

b. Dalam meramalkan nilai penjualan energy listrik dengan menggunakan metode peramalan eksponensial ganda dengan metode linier alat bantu parameter dari Brown, pihak PT PLN (Persero) Cabang Medan dapat menggunakan alat bantu computer dengan menggunakan Microsoft excel untuk mempermudah proses perhitungan.

c. Dengan meningkatnya nilai penjualan energy listrik yang didapat dari hasil analisis data, maka kebutuhan masyarakat akan energy listrik juga akan meningkat pula. Untuk menghadapi kondisi tersebut, hendaknya pihak PT PLN (Persero) Cabang Medan mempersiapkan berbagai kebijakan yang baik untuk memenuhi kebutuhan masyarakat akan energy listrik.

DAFTAR PUSTAKA

Assauri Sofyan. 1984. Teknik dan Metode Peramalan. Jakarta: Universitas Indonesia.

Kadir Abdul. 1996. Pembangkit Tenaga Listrik. Jakarta: universitas Indonesia. Makridakis, S. Wheelwright, S, C, McGee, V, E, 1999. Metode dan Aplikasi

Peramalan. Edisi Kedua. Jakarta: Binarupa Aksara.

Manurung, Adler. Haymans. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta.

Ir.Sugiarto,Msc dan Haryono,SE. 2000. Peramalan Bisnis. Jakarta: PT. Gramedia Pustaka Utama

Wicaksono Yudhy. 2005. Aplikasi Excel dalam Menganalisis Data. Jakarta: Alex Media Komputindo.

Gambar 5.3 Tampilan Menu Data Analisis

3. Setelah di klik Data Analisis, lalu pilih dan klik Exponensial Smoothing sehingga keluar tampilan seperti gambar dibawah ini.

4. Blok angka yang ingin dibuat untuk mendapatkan input range, masukkan nilai α sebagai damping factor. Nilai damping factor pada kasus ini adalah 0,3, yang artinya akan α = 0,7.

5. Kemudian masukkan Output Range pada Menu Option yang berfungsi sebagai tempat hasil output. Maka hasil output akan muncul pada range yang telah ditentukan.

6. Untuk mencari pemulusan kedua digunakan dengan memasukkan data hasil pemulusan yang pertama sebagai input range pada menu input.

7. Untuk mendapat nilai a, b, nilai peramalan (F), dan nilai kesalahan digunakan data angka (numeric) yaitu karakter nilai konstan dan karakter khusus yang dibaca dalam format data angka yang terdiri dari angka dan tanda-tanda khusu seperti : *, +, -, /, % dan lain-lain.

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data pada bab 4, maka kesimpulan yang dapat diperoleh adalah sebagai berikut :

a. Berdasarkan hasil data tahun 2000 sampai 2009 untuk nilai penjualan energy listrik PT PLN (Persero) Cabang Medan dengan metode pemulusan eksponensial ganda dengan metode linier satu-parameter dari Brown, didapat nilai MSE terkecil yaitu 7.952.514.847,30 dengan α = 0,7. b. Bentuk persamaan peramalan nilai penjualan listrik PT PLN (Persero)

Cabang Medan berdasarkan data tahun 2000 sampai 2009 dengan α = 0,7 adalah :

c. Peramalan nilai penjualan listrik PT PLN (Persero) cabang Medan untuk periode ke-12 yakni tahun 2011 adalah sebesar 2.092.793,915 juta rupiah d. Berdasarkan nilai peramalan penjualan energy listrik yang didapat dari

hasil analisis data, maka dapat disimpulkan bahwa penjualan energy listrik PT PLN (Persero) Cabang Medan terus meningkat, sehingga dapat juga disimpulkan bahwa kebutuhan akan energy listrik yang dibutuhkan oleh masyarakat yang sumber listriknya dari PT PLN (Persero) Cabang Medan sangat meningkat.

6.2 Saran

a. Dalam memperkirakan nilai penjualan energy lisrik untuk waktu-waktu yang akan datang, pihak PT PLN (Persero) Cabang Medan dapat menggunakan metode peramalan eksponensial ganda dengan metode linier alat bantu satu-parameter dari Brown.

b. Dalam meramalkan nilai penjualan energy listrik dengan menggunakan metode peramalan eksponensial ganda dengan metode linier alat bantu parameter dari Brown, pihak PT PLN (Persero) Cabang Medan dapat menggunakan alat bantu computer dengan menggunakan Microsoft excel untuk mempermudah proses perhitungan.

c. Dengan meningkatnya nilai penjualan energy listrik yang didapat dari hasil analisis data, maka kebutuhan masyarakat akan energy listrik juga akan meningkat pula. Untuk menghadapi kondisi tersebut, hendaknya pihak PT PLN (Persero) Cabang Medan mempersiapkan berbagai kebijakan yang baik untuk memenuhi kebutuhan masyarakat akan energy listrik.

DAFTAR PUSTAKA

Assauri Sofyan. 1984. Teknik dan Metode Peramalan. Jakarta: Universitas Indonesia.

Kadir Abdul. 1996. Pembangkit Tenaga Listrik. Jakarta: universitas Indonesia. Makridakis, S. Wheelwright, S, C, McGee, V, E, 1999. Metode dan Aplikasi

Peramalan. Edisi Kedua. Jakarta: Binarupa Aksara.

Manurung, Adler. Haymans. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta.

Ir.Sugiarto,Msc dan Haryono,SE. 2000. Peramalan Bisnis. Jakarta: PT. Gramedia Pustaka Utama

Wicaksono Yudhy. 2005. Aplikasi Excel dalam Menganalisis Data. Jakarta: Alex Media Komputindo.