Peramalan Jumlah Pelanggan Energi Gas Pada PT. Perusahaan Gas Negara (Persero) Cabang Medan Tahun 2013 Berdasarkan Data Tahun 2000-2010

(1)

PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT. PERUSAHAAN GAS NEGARA (PERSERO)

CABANG MEDAN TAHUN 2013 BERDASARKAN DATA

TAHUN 2000-2010

TUGAS AKHIR

CHAIRUNNISA 092407021

PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2012

(2)

PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT. PERUSAHAAN GAS NEGARA (PERSERO)

CABANG MEDAN TAHUN 2013 BERDASARKAN DATA

TAHUN 2000-2010

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

CHAIRUNNISA 092407021

PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2012

(3)

PERSETUJUAN

Judul : PERAMALAN JUMLAH PELANGGAN

ENERGI GAS PADA PERUSAHAAN GAS

NEGARA (PERSERO) CABANG MEDAN

TAHUN 2013 BERDASARKAN

DATA TAHUN 2000-2010

Kategori : TUGAS AKHIR

Nama : CHAIRUNNISA

Nomor Induk Mahasiswa : 092407021

Program Studi : DIPLOMA III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2012

Diketahui

Departemen Matematika FMIPA USU Pembimbing,

Ketua,

Prof. Dr. Tulus, M.Si Drs. Rachmad Sitepu, M.Si

(4)

PERNYATAAN

PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT. PERUSAHAAN GAS NEGARA (PERSERO)

CABANG MEDAN TAHUN 2013 BERDASARKAN DATA

TAHUN 2000-2010

TUGAS AKHIR

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

Medan,

CHAIRUNNISA 092407021

(5)

PENGHARGAAN

Segala puji dan syukur penulis ucapkan atas Kehadirat Allah SWT, yang tiada hentinya memberikan nikmat amal, insani dan ilmu, serta semangat dan kekuatan sehingga penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan sebaik-baiknya.

Dalam menyelesaikan Tugas Akhir ini penulis tidak terlepas dari perhatian, bimbingan, fasilitas dan dorongan serta bantuan berbagai pihak secara langsung maupun tidak langsung, pada kesempatan ini penulis dengan segala kerendahan hati serta rasa hormat penulis mengucapkan terima kasih yang sebesar-besarnya kepada :

1. Bapak Drs.Rachmad Sitepu, M.Si, sebagai Pembimbing yang telah memberikan bimbingan kepada penulis sehingga dapat menyelesaikan Tugas Akhir ini dengan sebaik-baiknya.

2. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si sebagai Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU yang telah memberikan dukungan penuh kepada penulis untuk menyelesaiakan penulisan Tugas Akhir ini sehingga dapat diselesaikan tepat pada waktunya. 3. Bapak Prof. Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si sebagai Ketua dan

Sekretaris Departemen Matematika FMIPA USU yang telah mendukung proses penyelesaian Tugas Akhir ini kepada penulis sehingga dapat diselesaikan tepat pada waktunya.

4. Bapak Dr. Sutarman, M.Sc sebagai Dekan FMIPA USU yang telah memberikan izin kepada penulis untuk mengambil data pada salah satu instansi sehubungan dengan rencana judul Tugas Akhir ini.

5. Bapak/Ibu dosen Departemen Matematika dan D3 Statistika FMIPA USU yang telah banyak memberikan ilmu kepada penulis sehingga Tugas Akhir ini dapat diselesaikan tepat pada waktunya.

6. Orang tua saya yang sangat saya cintai, Ayah (Edi Budi Purwanto), Ibu (Dhianti Wulandari), adikku tersayang (Nana dan Fauzan), dan Andry Syahputra yang selalu memberikan dukungan, doa dan semangat dalam menyelesaikan Tugas Akhir ini.

(6)

7. Teman-teman se-angkatan statistika 2009, Mey, Okta , Amel yang turut membantu dalam menyelesaikan Tugas Akhir ini

Penulis menyadari bahwa penyusunan Tugas Akhir ini masih terdapat banyak kekurangan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang bersifat membangun, agar dapat dimanfaatkan bagi kemajukan ilmu pengetahuan demi penyempurnaan Tugas Akhir ini.

Akhir kata penulis mengucapkan terima kasih, semoga Tugas Akhir ini dapat berguna bagi pembaca dan penulis pada khususnya.

Medan, Juni 2012 Penulis

(7)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vi

Daftar Gambar vii

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 4

1.3 Batasan Masalah 4

1.4 Maksud dan Tujuan Penelitian 4 1.5 Tinjauan Pustaka 5

1.6 Metode Penelitian 6

1.7 Sistematika Penulisan 8

Bab 2 Landasan Teori 9

2.1 Pengertian Peramalan 9

2.2 Kegunaan Peramalan 9

2.3 Jenis –jenis Peramalan 13

2.4 Metode Peramalan 15

2.5 Metode Pemulusan (Smoothing) 20

2.6 Ketepatan Ramalan 23

Bab 3 Gambaran Umum BPS Sumatera Utara 26 3.1 Sejarah Badan Pusat Statistik 26

3.2 Visi dan Misi Badan Pusat Statistik 31

Bab 4 Analisis Data 31

4.1Pengertian Analisis Data 31

4.2Analisa Pemulusan Eksponensial Ganda 32

4.3Data yang Dibutuhkan 33

4.4Metode Pemulusan Eksponensial Ganda 35

4.5Perhitungan Ukuran Ketetapan Ramalan dengan α = 0,8 48 4.6Penentuan Bentuk Persamaan dan Nilai Peramalan 49

(8)

Bab 5 Implementasi Sistem

5.1Tahap Implementasi Sistem 51

5.2Microsoft Excel 52

5.3Pengaktifan Microsoft Excel 53

5.4Jendela Lembar Kerja 54

5.5Pengisian Data 55

5.6Implementasi Sistem Peramalan Pelanggan Gas 59

5.7Fungsi Pemulusan Eksponensial 59

5.8Perhit ungan Ket et apan Ramalan dengan α = 0,8 66

5.9Grafik dalam M icrosoft Excel 66

Bab 6 Penutup 70

6.1 Kesimpulan 70

6.2 Saran 71

Daftar Pusataka 73

(9)

DAFTAR TABEL

Halaman Tabel 4.1 Data Jumlah Pelanggan Energi Gas pada PT.Perusahaan

Gas Negara (PERSERO) Cabang Medan 33

Tabel 4.2 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,1 36

Tabel 4.3 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,2 37

Tabel 4.4 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,3 38

Tabel 4.5 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,4 39

Tabel 4.6 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,5 40

Tabel 4.7 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,6 41

Tabel 4.8 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,7 42

Tabel 4.9 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,8 43

Tabel 4.10 Pemulusan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,9 44

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan

atas Dasar Harga Berlaku 45

Tabel 4.12 Perhitungan Peramalan Jumlah Pelanggan Gas atas Dasar Harga

Berlaku α = 0,8 46

Tabel 4.13 Peramalan Jumlah Pelanggan Energi Gas Pada PT. Perusahaan Gas

(10)

DAFTAR GAMBAR

Halaman Gambar 4.1 Grafik Data Jumlah Pelanggan Gas dari Tahun 2000 – 2010 34 Gambar 4.2 Plot Pemulusan Eksponensial Satu Parameter dari Brown

dengan α = 0,8 47

Gambar 5.1 Cara Pengaktifan Microsoft Excel 53

Gambar 5.2 Lembar Kerja Microsoft Excel 2007 54

Gambar 5.3 Tampilan Data Pelanggan Gas 55

Gambar 5.4 Tampian Menu Data Analysis 60

Gambar 5.5 Tampilan Input Range 61

Gambar 5.6 Hasil Exponensial Smoothing Pertama 61

Gambar 5.7 Hasil Exponensial Smoothing Kedua 62

Gambar 5.8 Tampilan Proses Penghitungan Peramalan dengan α = 0,8

pada Microsoft Office Excel 64

Gambar 5.9 Langkah pembuatan grafik pada Microsoft Office Excel 66 Gambar 5.10 Gambar pembuatan grafik pada Microsoft Office Excel 67

(11)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Dalam bidang ekonomi, manusia berperan sebagai konsumen yang selalu berupaya memenuhi kebutuhan primer maupun sekjunder. Berbagai macam usaha dilakukan manusia dalam memenuhi kebutuhan hidupnya,baik melalui pemanfaatan energi sumber daya alam yang sudah tersedia maupun pendaur-ulangan produk-produk yang sudah lama tidak digunakan lagi. Tetapi tidak semua sumber daya alam dapat dimanfaatkan secara terus menerus, maka dari itu sumber daya alam dibedakan menjadi beberapa jenis menurut kemampuan pembaharuannya yaitu :

1. Sumber Daya Alam yang dapat diperbaharui (renewable resources) :Sumber Daya Alam yang digunakan secara terus menerus dan tidak akan habis. Contohnya: tanah, air, udara, tumbuhan, hewan.

2. Sumber daya alam yang tidak dapat diperbaharui (non renewable resources) : Sumber Daya Alam jika digunakan secara terus menerus akan habis karena jumlahnya yang terbatas di muka bumi. Contohnya: barang tambang dan barang galian. Barang tambang seperti: minyak bumi, batu bara, gas alam. Barang galian seperti: emas, timah, nikel, mineral, besi, perak.

3. Sumber Daya Alam yang tidak terbatas jumlahnya contoh : sinar matahari, pasang surut air laut, udara.

(12)

Salah satu sumber daya alam yang tidak dapat diperbaharui yaitu sumber daya alam dari pertambangan, sebernarnya bukan tidak dapat diperbaharui tetapi barang tambang tersebut memerlukan waktu jutaan tahun lamanya untuk pembaharuan sehingga tidak sesuai dengan jangkauan umur manusia. Pertambangan adalah rangkaian kegiatan dalam rangka upaya pencarian, penggalian, pengolahan, pemanfaatan dan penjualan bahan galian. Penjualan bahan galian tersebut seperti, emas, perak, mineral, batubara, minyak bumi dan gas.

Salah satu contoh hasil produksi pertambangan yaitu Gas alam (Nature Gas). Gas alam sering juga disebut sebagai gas bumi atau gas rawa, adalah bahan bakar fosil berbentuk gas yang terdiri dari metana (CH4). Gas dapat ditemukan di ladang minyak, ladang gas bumi dan juga tambang batubara. Gas bumi atau gas alam bukan saja merupakan gas bakar yang paling penting, tetapi juga merupakan bahan baku utama untuk berbagai sintesis kimia. Produk dari gas bumi yang terutama misalnya berbagai hidrokarbon dan LPG (Liquifed Petroleum Gas). Dengan semakin naiknya nilai minyak bumi, maka proses pemulihan hasil gas makin ditingkatkan. Secara garis besar pemanfaatan gas alam terbagi atas 3 kelompok yaitu :

1. Gas alam sebagai bahan bakar

Antara lain sebagai bahan bakar Pembangkit Listrik Tenaga Gas (PLTG), bahan bakar industri, bahan bakar kendaraan bermotor dan sebagai bahan bakar untuk kebutuhan rumah tangga.

2. Gas alam sebagai bahan baku

Antara lain bahan baku pabrik pupuk, petrokimia, metanol, bahan baku plastik, hujan buatan, industri besi tuang, pengelasan dan bahan pemadam api ringan.

(13)

3. Gas alam sebagai komoditas energi untuk ekspor

Gas alam yang paling besar digunakan untuk komoditas ekspor di dunia yaitu LNG (Liquified Natural Gas) atau gas alam cair.

Dewasa ini gas alam termasuk sumber energi utama yang banyak digunakan oleh masyarakat untuk berbagai keperluan, baik untuk rumah tangga, komersial maupun industri dan dari tahun ke tahun penggunaan gas alam selalu meningkat, hal ini karena banyaknya keuntungan yang diperoleh dari penggunaan gas alam dibanding dengan sumber energi lain. Energi yang dihasilkan gas alam lebih efisien. Tidak seperti halnya dengan minyak bumi dan batubara, penggunaannya jauh lebih bersih dan sangat ramah lingkungan sehingga tidak menimbulkan polusi terhadap lingkungan. Disamping itu, gas alam juga mempunyai beberapa keunggulan lain, seperti tidak berwarna, tidak berbau, tidak korosif dan tidak beracun.

Dari pembahasan di atas maka penulis ingin meramalkan banyaknya jumlah pelanggan energi gas pada PT. Perusahaan Gas Negara Cabang Medan untuk tahun 2013. untuk mencapai tujuan yang diinginkan, sehingga penulis membuat Tugas Akhir yang berjudul “PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT. PERUSAHAAN GAS NEGARA (PERSERO) CABANG MEDAN TAHUN 2013 BERDASARKAN DATA TAHUN 2000-2010 ”.

1.2 Perumusan Masalah

Saat ini gas alam telah menjadi sumber daya alam yang banyak dimanfaatkan dalam kehidupan manusia. PT. Perusahaan Gas Negara merupakan sumber pendistribusian

(14)

gas yang di salurkan dari Pertamina kepada pelanggannya dalam tekanan yang cukup tinggi yang kemudian di salurkan kepada pelanggannya untuk berbagai kebutuhan yang semakin meningkat. Yang menjadi masalah dalam penulisan ini adalah meramalkan berapa jumlah pelanggan energi gas pada PT. Perusahaan Gas Negara (PERSERO) Cabang Medan tahun 2013.

1.3 Batasan Masalah

Pembatasan masalah bertujuan untuk memperjelas arah dan tujuan dari suatu masalah yang akan diteliti sehingga tidak menimbulkan kekeliruan. Untuk lebih mengarahkan penguraian, sesuai dengan latar belakang dan tuntutan menetapkan masalahnya sehingga ada yang menjadi arahan sebagai pedoman yang jelas dan tegas dalam mengambil keputusan. Maka dari itu penulis menetapkan pembatasan ruang lingkup permasalahan yaitu berdasarkan “Data Jumlah Pelanggan Energi Gas pada PT. Perusahaan Gas Negara (PERSERO) cabang Medan dari tahun 2000-2010”.

1.4 Maksud dan Tujuan Penelitian

Maksud dari penelitian ini adalah untuk meramalkan jumlah pelanggan energi gas pada PT. Perusahaan Gas Negara (PERSERO) Cabang Medan tahun 2013. Sedangkan tujuannya adalah untuk mengetahui seberapa banyak pelanggan energi gas di masa yang akan datang sehingga dapat menjadi masukkan bagi pembaca maupun PT. Perusahaan Gas Negara cabang Medan.

(15)

1.5 Tinjauan 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 linier satu parameter dari Brown, yaitu metode peramalan yang digunakan penulis untuk mendapatkan hasil penelitian.

Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Ramalan tidak pernah tepat 100%, kalau tepat mungkin karena kebetulan (J. Supranto,1993).

Metode peramalan adalah suatu cara memperkirakan secara kuantitatif maupun kualitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu sehingga dapat memberikan cara pemikiran, pengerjaan, dan pemecahan yang sistematis, serta memberikan tingkat keyakinan yang lebih besar atau ketepatan hasil ramalan yang dibuat (Sofian Assaury, 1984).

Smoothing ekponensial adalah suatu metode peramalan rata-rata yang melakukan pembobotan menurun secara ekponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relative besar dengan nilai observasi yang lebih tua ( Spyros Markridakis, 1999).

(16)

Bahwa metode peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efesien. Metode peramalan ini 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 kedalam metode peramalan kuantitatif karena tersedianya informasi atau data dimasa yang akan datang (Menurut Makridakis, Wheelright dan McGee 1999).

1.6 Metodologi Penelitian

Metode yang digunakan penulis untuk mendapatkan hasil peramalan ini adalah: 1. Penelitian Kepustakaan

Yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan, dengan membaca buku – buku, refrensi dan bahan – bahan yang bersifat teoritis yang ada kaitannya dengan energi gas.

2. Metode Pengumpulan Data

Pengumpulan data yang dilakukan penulis di sini untuk keperluan penelitian dilakukan dengan riset atau pengambilan data dengan menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik ( BPS ) Sumatera Utara Jl. Kapten Muslim No.71 Medan.

Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka – angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

(17)

3. Pengolahan Data

Pengolahan data untuk meramalkan jumlah pelanggan energi gas pada PT. Persahaan Gas Negara (PERSERO) Cabang Medan adalah dengan menggunakan Metode Pemulusan Eksponensial Ganda yaitu Metode Linier Satu Parameter dari Brown. Adapun bentuk umum dari metode eksponensial adalah :





t t

t X 1 F

F   

Dimana,

F : ramalan pertama periode ke depan

X : data aktual pada periode ke-t

F : ramalan pada periode ke-t

α : parameter pemulusan t : periode dalam tahun

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





1 t t

t X 1 S

S    _





'' 1 t ' t ''

t S 1 S

S    _





'' t ' t '' t ' t ' t

t S S S 2S S

a     





t ' t

t S S

1 b      m . b a F_t__m  _t  _t

(18)

Dimana,

' t

S : pemulusan tahap pertama untuk periode t

'' t

S : pemulusan tahap kedua untuk periode t

' 1 t

S_ : pemulusan tahap pertama untuk periode t -1

'' 1 t

S_ : pemulusan tahap kedua untuk periode t - 1 Ft+m : ramalan untuk periode waktu t + m

m : periode waktu yang diramalkan : 1,2,3,4,… t : periode dalam tahun

1.7 Sistematika Penulisan

Sistematika diuraikan untuk memberikan kerangka atau gambaran dari tugas akhir ini, yaitu sebagai berikut:

BAB 1 : PENDAHULUAN

Bab ini menjelaskan tentang latar belakang, perumusan masalah, batasan masalah, maksud dan tujuan, tinjauan pustaka, metodologi penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang konsep-konsep yang di jadikan landasan teori yaitu pengertian peramalan, kegunaan peramalan, jenis- jenis peramalan, pemilihan metode peramalan, metode pemulusan dan metode smoothing yang dipergunakan.

(19)

BAB 3 : GAMBARAN UMUM BADAN PUSAT STATISTIK (BPS) SUMATERA UTARA

Bab ini meguraikan tentang sejarah berdirinya Badan Pusat Statistik (BPS) Sumatera Utara.

BAB 4 : ANALISIS DAN PENGOLAHAN DATA

Bab ini menjelasakan tentang perhitungan yang dilakukan untuk meramalkan jumlah pelanggan energi gas pada tahun 2013 beserta analisisnya.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang di pakai sebagai analisis terhadap data yang di peroleh yaitu dengan menggunakan Program Excel.

BAB 6 : PENUTUP

Bab ini merupakan penutup yang mencakup kesimpulan yang diambil setelah pengolahan dan analisa perhitungan serta saran – saran dari pembahasan di dalam penyelesaian Tugas Akhir ini.

(20)

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Kegiatan manusia senantiasa diarahkan pada kondisi pada waktu yang akan datang dan keberadaannya tidak dapat diketahui secara pasti. Usaha untuk meminimalkan ketidakpastian tersebut lazim dilakukan dengan metode atau teknik peramalan tertentu. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi atau kapan suatu peristiwa itu terjadi, sehingga tindakan atau keputusan yang tepat dapat dilakukan. Dalam peramalan didasarkan pada bermacam- macam cara yaitu, Metode Perataan (Average), Metode Pemulusan (Smoothing) Eksponensial dan Metode Box Jenkins.

Disamping itu, melalui metode atau teknik peramalan diharapkan dapat diidentifikasikan model yang akan digunakan untuk meramalkan kondisi pada waktu yang akan datang. Model peramalan itu secara umum dapat dikemukakan sebagai berikut : = + . Jadi, data dibedakan menjadi komponen yang dapat di identifikasi (pola) dan yang tidak dapat di identifikasi (error). Maka, penggunaan metode peramalan adalah untuk mengidentifikasikan suatu model peramalan sedemikian rupa sehingga error-nya menjadi seminimal mungkin.

(21)

Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi pola data pada waktu-waktu yang lalu guna mengembangkan model yang sesuai dengan pola data dengan menggunakan asumsi bahwa pola data pada waktu yang lalu itu akan berulang lagi untuk waktu yang akan datang dan model ini digunakan untuk meramalkan kondisi pada waktu yangakan datang. Bila uraian mengenai kegiatan peramalan tersebut diamati ada dua dimensi yang tercakup yaitu, waktu yang lalu dimana data tersedia dan waktu yang akan datang dimana data tidak tersedia.

Kegiatan penerapan model yang telah dikembangkan pada waktu lalu dinamakan proyeksi, sedangkan kegiatan penerapan model yang telah dikembangkan pada waktu yang akan datang dinamakan peramalan. Penggunaan metode atau teknik peramalan dengan model yang diidentifikasikan secara tepat juga di dukung oleh baik tidaknya data maupun informasi yang digunakan. Selama data maupun informasi yang digunakan tidak dapat meyakinkan seperti sumber dari data atau informasi yang tidak jelas, maka hasil peramalan yang di susun juga akan sulit dipercaya akan ketepatan dan keakuratannya.

2.2 Kegunaan Peramalan

Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor- faktor yang dapat diketahui, maka perencanaan dapat memegang peranan penting.

(22)

Dalam sebuah instansi pemerintah maupun swasta, perencanaan sangat dibutuhkan untuk pengambilan keputusan untuk beberapa waktu kedepan. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efesien. Apalagi saat ini, telah terjadi kemajuan yang pesat dalam bidang peramalan. Beberapa kegunaan peramalan dalam bagian organisasi yaitu:

1. Penjadwalan sumber daya yang tersedia.

Penggunaan sumber daya yang efesien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaaan untuk produk, bahan, tenaga kerja, financial dan jasa pelayanan.

2. Penyediaan sumber daya tambahan.

Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa mendatang.

3. Penentuan sumber daya yang diinginkan

Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar, faktor-faktor lingkungan, dan pengembangan internal dari sumber daya finansial, manusia, produk, dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.

(23)

Tiga kelompok di atas merupakanbentuk khas dari keperluan peramalan jangka pendek, menengah, dan panjang dari organisasi saat ini selain bidang lainnya. Organisasi dalam membangun suatu sistem peramalan perlu memiliki pengetahuan dan keterampilan yang meliputi paling sedikit empat bidang ; identifikasi dan definisi masalah peramalan ; aplikasi serangkaian metode peramalan ; prosedur pemilihan metode yang tepat untuk situasi tertentu ; dan dukungan organisasi untuk menerapkan dan menggunakan metode peramalan secara formal.

Berdasarkan uraian di atas, maka dapat dikatakan bahwa metode peramalan sangat dibutuhkan dan berguna untuk menganalisis data masa lalu untuk keperluan waktu yang akan datang. Sehingga, dengan metode peramalan akan diperoleh perencanaan yang teratur, terarah, dan sistematis sesuai hasil analisis yang tepat.

2.3 Jenis – Jenis Peramalan

Berdasarkan sifat penyusunannya, teknik peramalan dapat dibagi dlm dua kategori utama yaitu:

1. Peramalan yang subjektif

Peramalan yang subjektif adalah yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

(24)

2. Peramalan yang objektif

Peramalan yang objektif adalah peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.

Berdasarkan jangka waktu disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu:

1. Peramalan Jangka Panjang

Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun. Misalnya, diperlukan penyusunan rencana pembangunan suatu negara atau daerah dan lain sebagainya.

2. Peramalan Jangka Pendek

Peramalan jangka pendek adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya kurang dari satu setengah tahun. Misalnya, peramalan penyusunan rencana produksi, rencana penjualan, rencana persediaan, dan lain sebagainya.

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu:

1. Peramalan yang Kualitatif atau Teknologis

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini sangat penting karna hasilif peramalan tersebut ditentukan

(25)

berdasarkan pemikiran yang bresifat intuisi, pendapat, dan pengetahuan dari orang yang meyusunnya. Metode kualitatif dapat dibagi menjadi dua yaitu metode eksploratoris dan normatif.

2. Peramalan Kuantitatif

Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu . hasil peramalan yang dibuat sangat bergantung kepada metode yang dipergunakan dalam peramalan tersebut dengan metodeyang berbeda akan diperoleh hasil peramalan yang berbeda pula.Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode kuantitatif di bagi dalam berkala (time series) dan metode kausal.

Saat ini telah dikembangkan beberapa metode atau teknik-tenik peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi. Tetapi dalam hal ini penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan tugas akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan secara kuantitatif. Oleh karna itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dibedakan atas:

1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series).

(26)

2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau sebab akibat (causal methods).

Dalam penulisan tugas akhir ini, digunakan metode peramalan yang pertama, yaitu peramalan dengan menggunakan variabel waktu atau yang dikenal dengan “time series”.

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu: 1. Adanya informasi tentang masa lalu

2. informasi tersebut dapat dikuantitatifkan dalam bentuk data

3. informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang.

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (assumtion of mend continuity). Asumsi ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.

2.4 Metode Peramalan

Metode- metode peramalan dengan analisa deret waktu yaitu :

1. Metode Pemulusan Eksponensial dan Rata-Rata Bergerak

Sering digunakan untuk jangka pendek dan jarang dipakai untuk peramalan jangka panjang.

(27)

2. Metode Regresi

Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang. 3. Metode Box-Jenkins

Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang.

2.4.1 Analisa Deret Berkala

Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungannya dengan kejadian lain.

Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan di perkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri itu berarti bahwa tidak ada penurunan data. Data secara kasar harus horizontal sepanjang waktu, dengan kata lain fluktuasi data tetap konstan setiap waktu.

(28)

2.4.2 Pemilihan Teknik dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan.

Ada enam faktor 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. Pertama adalah cakupan waktu di masa yang akan datang. Aspek kedua adalah jumlah periode untuk peramalan yang diinginkan.

2. Pola Data

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

3. Jenis dari Model

Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karna masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.

4. Biaya yang Dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan (storage) data,

(29)

operasi pelaksanaan, dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan.

5. Ketepatan Metode Peramalan

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

6. Kemudahan dalam Penerapan

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

2.4.3 Penentuan Pola Data

Hal penting harus diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut:

1. Pola Data Horizontal

Pola ini terjadi bila berfluktuasi di sekitar nilai rata-rata yang konstan.

2. Pola Data Musiman (seosonal)

Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman, misalnya: kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.

(30)

3. Pola Siklis (cylical)

Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklis bisnis.

4. Pola Data Trend

Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.

2.5 Metode Pemulusan (Smoothing)

Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun lalu untuk menaksir nilai pada beberapa tahun kedepan. Secara umum metode smoothing diklasifikasikan menjadi dua bagian:

1. Metode Rata-rata

Metode rata-rata dibagi atas empat bagian: 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 untuk mengenbangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

(31)





t t

t X 1 F

F_   

Dimana,

F : ramalam pertama periode ke depan

X : data aktual pada periode ke-t

F : ramalan pada periode ke-t

α : parameter pemulusan

Bila bentuk umum tersebut diperluas maka akan berubah menjadi:

) 1 ( 2

2 1

1 (1 )  (1 )  ... (1 )  

         t N

N t

t t

t X X X X

F       

Dari pemulusan bentuk umum di atas dapatlah dikatakan bahwa metode eksponensial smoothing merupakan sekelompok metode yang menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan nilai observasi yang lebih tua. Metode ini terdiri atas:

1. Metode Smoothing Eksponensial Tunggal a. Satu Parameter (One Parameter) b. Pendekatan Aditif

digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola data atau trend.

2. Metode Smoothing Eksponensial Ganda a. Metode Linear Satu Parameter dari Brown

(32)

b. Metode Dua Parameter dari Holt

3. Metode Smoothing Eksponensial Triple

a. Metode Kuadratik Satu Parameter dari Brown

Digunakan untuk pola data kuadratik, kubik, atau orde yang lebih tinggi. b. Metode Kecendrungan dan Musim Tiga Parameter dari Winter

Digunakan untuk data berbentuk trend dan musiman.

2.5.1 Metode yang Digunakan

Untuk mendapatkan hasil ramalan yang baik, maka harus diketahui cara peramalan yang tepat. Maka metode peramalan deret berkala yang digunakan untuk meramalkan jumlah pelanggan energi gas pada pemecahan masalah ini adalah dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda Satu Parameter dari Brown.

Metode ini merupakan metode linear yang dikemukakan oleh Brown. Dasar pemikiran dari metode Smoothing Eksponensial Linear Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linear, karna kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsure trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend.

Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Linear Satu Parameter dari Brown adalah sebagai berikut:

(33)





' 1 t t

t X 1 S

S    





'' 1 t ' t ''

t S 1 S

S    _





'' t ' t '' t ' t ' t

t S S S 2S S

a     





t ' t

t S S

1 b      m . b a F_t__m  _t  _t

Dimana,

' t

S : pemulusan tahap pertama untuk periode t

'' t

S : pemulusan tahap kedua untuk periode t

' 1 t

S_ : pemulusan tahap pertama untuk periode t -1

'' 1 t

S_ : pemulusan tahap kedua untuk periode t - 1 Ft+m : ramalan untuk periode waktu t + m

m : periode waktu yang diramalkan : 1,2,3,4,… t : periode dalam tahun.

2.6 Ketetapan Ramalan

Ketetapan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data

(34)

yang diberikan. Ketetapan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan.dalam permodelan deret berkala (time series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang. Maka untuk menguji kebenaran ramalan digunakan kriteria ketetapan ramalan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah: 1. ME(Mean Error) / Nilai Tengah Kesalahan

n e ME n t t



  1

2. MSE(Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

n e MSE n t t



  1 2

3. MAE(Mean Absolute Error) / Nilai Tengah Kesalahan Absolut

n e MAE n t t



  1

4. MAPE(Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut n PE MAPE n t t



  1

5. MPE(Mean Percentage Error) / Nilai Tengah Kesalahan Persentase

n PE MPE n t t



  1

(35)

6. SSE (Sum Square Error) / Jumlah Kesalahan Kuadrat



  n t t e SSE 1 2

7. Kesalahan Standart Deviasi (Standart Deviation Error)

) 1 ( 1 2  



 n e SDE n t t Dimana, t t

t X F

e  

(kesalahan pada periode ke-t) t

X = data aktual pada periode ke-t

100         t t t t X F X

PE (kesalahan persentase pada periode ke-t)

F= nilai ramalan pada periode ke-t 

n banyaknya periode waktu

(36)

BAB 3

GAMBARAN UMUM BADAN PUSAT STATISTIK (BPS)

3.1 Sejarah Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah Lembaga Non Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan dan keagamaan. Selain hal-hal tersebut Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan ukuran-ukuran lainnya.

3.2 Masa Pemerintahan Hindia Belanda

Pada bulan februari 1920, kantor statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directur Vand Land Bouw Nijeverbeid en Handel), dan berkedudukan di Bogor. Kantor ini ditugaskan untuk mengelola dan mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan tiap-tiap Departemen. Komisi tersebut diberi tugas merencanakan tindakan

(37)

yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga terrsebut diganti dengan nama Central Kantor Vor de Statistik (CKS) atau Kantor Statistik dan dipindahkan ke Jakarta. Bersama dangan itu, beralih juga pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang disebut sekarang Kantor Bea dan Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini juga CKS diganti nama menjadi Shomubu Chosasitu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik

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

(38)

Dengan surat Mentri Perekonomian tanggal 1 Maret 1952 No.P/44, lembaga KPS berada dibawah dan bertanggung jawab kepada Mentri Perekonomian. Selanjutnya, keputusan Mentri Perekonomian tanggal 24 September 1953 No.18.009/M KPS dibagi menjadi 2 (dua) bagian, yaitu bagian research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.

Dengan keputusan Presiden RI No.131 tahun 1957, kementrian perekonomian dipecah menjadi kementrian perdagangan dan kementrian perindustrian. Untuk selanjutnya, Keputusan Presiden RI No.172 tahun 1957, terhitung mulai tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan Organisasi Biro Pusat Statistik.

Dalam masa orde baru ini BPS telah mengalami empat kali perubahan Struktur Organisasi yaitu:

1. Peraturan Pemerintah No.16 tahun 1968 tentang Organisasi BPS. 2. Peraturan Pemerintah No.6 tahun 1980 tentang Organisasi BPS.

3. Peraturan Pemerintah No.2 tahun 1992 tentang kedudukan, tugas, fungsi, suasana, dan tata kerja BPS.

(39)

5. Keputusan Presiden RI No.86 tahun 1998 tentang BPS.

6. Keputusan Kepala BPS No.100 tahun 1998 tentang organisasi dan tata kerja BPS.

7. PP 51 tahun 1999 tentang penyelenggaraan statistik.

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 di tiap Provinsi dan di Kabupaten atau kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti Undang-Undang Nomor:6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan RI No.86 tahunS 1998 ditetapkan Badan Pusat Statistik yang baru.

3.2 Visi dan Misi Badan Pusat Statistik

a. 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.

b. Misi Badan Pusat Statistik

Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan misi mengarahkan pembangunan statistik pada penyajian data statistik yang bermutu

(40)

handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

(41)

BAB 4

ANALISIS DATA

4.1 Pengertian Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengolahan data menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan menguraikan suatu masalah secara parsial atau keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data agar diperoleh hasil yang sesuai dengan yang diinginkan.

Data yang akan diolah adalah data jumlah pelanggan energi gas pada PT.Perusahaan Gas Negara di Medan tahun 2000 -2010. Analisis yang dipakai dalam pengolahan data ini adalah analisis Pemulusan (Smoothing) Eksponensial Ganda: Metode Linier Satu Parameter dari Brown.

4.2 Analisa Pemulusan Eksponensial Ganda

Pada bagian ini dijelaskan nilai parameter (α) yang akan digunakan, yaitu yang

besarnya antara 0 < α < 1 dengan cara trial dan error. Adapun langkah-langkah untuk

membentuk persamaan peramalan dengan menggunakan Metode Linier Satu Parameter dari Brown adalah:

(42)

1. Menentukan harga parameter eksponensial smoothing yang besarnya antara

0 < α < 1.

2. Menentukan harga pemulusan eksponensial tunggal dengan menggunakan persamaan:





' 1 t t '

t X 1 S

S    _

3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan:





'' 1 t ' t ''

t S 1 S

S    _

4. Menghitung konstanta at dan bt dengan menggunakan persamaan:





'' t ' t '' t ' t ' t

t S S S 2S S

a     





t ' t

t S S

1 b     

5. Menghitung trend persamaan Ft+m dengan menggunakan persamaan:

(43)

4.3 Data yang Dibutuhkan

Tabel 4.1 Data Jumlah Pelanggan Energi Gas pada PT.Perusahaan Gas Negara (PERSERO) Cabang Medan

No Tahun Jumlah Pelanggan (Orang)

1 2000 11.221,00

2 2001 12.218,00

3 2002 12.883,00

4 2003 14.400,00

5 2004 17.060,00

6 2005 17.715,00

7 2006 18.628,00

8 2007 19.245,00

9 2008 19.094,00

10 2009 19.201,00

11 2010 19.260,00

(44)

Hubungan harga konstan dan harga berlaku dapat dilihat pada grafik di bawah ini:

Gambar 4.1 Grafik Data Jumlah Pelanggan Gas dari Tahun 2000 - 2010 0

5000 10000 15000 20000 25000

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Tahun

Grafik Data Aktual

Jumlah Pelanggan Tahun

(45)

4.4 Metode Pemulusan Eksponensial Ganda

4.4.1 Penaksiran Model Peramalan

Dalam pengolahan dan lebih penganalisaan data, penulis mengaplikasikan data pada tabel 4.1 dengan peramalan (forecasting) berdasarkan metode linier satu parameter dari Brown.

Untuk memenuhi perhitungan pemulusan eksponensial tunggal, ganda dan

ramalan yang akan datang. Maka terlebih dahulu kita menentukan parameter nilai α

yang biasanya secara coba dan salah (trial dan error).

Suatu nilai α dipilih yang besarnya 0 < α < 1, dihitung mean square error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing kesalahan ke dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.

Untuk menghitung nilai MSE pertama dicari error terlebih dahulu yang merupakan hasil dari data asli dikurangi ramalan kemudian tiap error dikuadratkan dan dibagi banyaknya error. Secara matematis MSE tahap pertama perhitungan ini adalah nilai jumlah pelanggan gas atas dasar harga berlaku, yaitu:

(46)

Tabel 4.2 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,1

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 11.320,70 11.230,97 11.410,43 9,97

2002 12.883,00 11.476,93 11.255,57 11.698,29 24,60 11.420,40 1.462,60 1.462,60 2.139.198,76 2003 14.400,00 11.769,24 11.306,93 12.231,54 51,37 11.722,89 2.677,11 2.677,11 7.166.917,95 2004 17.060,00 12.298,31 11.406,07 13.190,56 99,14 12.282,91 4.777,09 4.777,09 22.820.607,98 2005 17.715,00 12.839,98 11.549,46 14.130,50 143,39 13.289,69 4.425,31 4.425,31 19.583.337,62 2006 18.628,00 13.418,78 11.736,39 15.101,17 186,93 14.273,89 4.354,11 4.354,11 18.958.249,33 2007 19.245,00 14.001,41 11.962,90 16.039,92 226,50 15.288,11 3.956,89 3.956,89 15.657.015,34 2008 19.094,00 14.510,66 12.217,67 16.803,66 254,78 16.266,42 2.827,58 2.827,58 7.995.228,85 2009 19.201,00 14.979,70 12.493,88 17.465,52 276,20 17.058,43 2.142,57 2.142,57 4.590.588,01 2010 19.260,00 15.407,73 12.785,26 18.030,20 291,39 17.741,72 1.518,28 1.518,28 2.305.160,99 Jumlah 101.216.304,83 MSE 11.246.256,09 Sumber : Perhitungan

Untuk α = 0,1 dan n = 9

83 , 304 . 216 . 101 1 2 _ 



 n t t e

SSE 11.246.256,09

9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(47)

Tabel 4.3 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,2

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 11.420,40 11.260,88 11.579,92 39,88

2002 12.883,00 11.712,92 11.351,29 12.074,55 90,41 11.619,80 1.263,20 1.263,20 1.595.674,24 2003 14.400,00 12.250,34 11.531,10 12.969,57 179,81 12.164,96 2.235,04 2.235,04 4.995.403,80 2004 17.060,00 13.212,27 11.867,33 14.557,21 336,23 13.149,38 3.910,62 3.910,62 15.292.917,50 2005 17.715,00 14.112,82 12.316,43 15.909,20 449,10 14.893,44 2.821,56 2.821,56 7.961.200,83 2006 18.628,00 15.015,85 12.856,31 17.175,39 539,88 16.358,30 2.269,70 2.269,70 5.151.546,08 2007 19.245,00 15.861,68 13.457,39 18.265,98 601,07 17.715,28 1.529,72 1.529,72 2.340.056,79 2008 19.094,00 16.508,15 14.067,54 18.948,75 610,15 18.867,05 226,95 226,95 51.506,27 2009 19.201,00 17.046,72 14.663,37 19.430,06 595,84 19.558,90 -357,90 357,90 128.095,08 2010 19.260,00 17.489,37 15.228,57 19.750,17 565,20 20.025,89 -765,89 765,89 586.593,49

Jumlah 38.102.994,09

MSE 4.233.666,01

Sumber : Perhitungan

Untuk α = 0,2 dan n = 9

,09 38.102.994 1 2  



 n t t e

SSE 4.233.666,01

9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(48)

Tabel 4.4 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,3

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 11.520,10 11.310,73 11.729,47 89,73

2002 12.883,00 11.928,97 11.496,20 12.361,74 185,47 11.819,20 1.063,80 1.063,80 1.131.670,44 2003 14.400,00 12.670,28 11.848,43 13.492,13 352,22 12.547,21 1.852,79 1.852,79 3.432.830,78 2004 17.060,00 13.987,20 12.490,06 15.484,33 641,63 13.844,36 3.215,64 3.215,64 10.340.366,33 2005 17.715,00 15.105,54 13.274,70 16.936,37 784,64 16.125,97 1.589,03 1.589,03 2.525.030,64 2006 18.628,00 16.162,28 14.140,97 18.183,58 866,27 17.721,02 906,98 906,98 822.617,69 2007 19.245,00 17.087,09 15.024,81 19.149,38 883,84 19.049,85 195,15 195,15 38.083,11 2008 19.094,00 17.689,17 15.824,12 19.554,21 799,31 20.033,21 -939,21 939,21 882.121,13 2009 19.201,00 18.142,72 16.519,70 19.765,74 695,58 20.353,52 -1.152,52 1.152,52 1.328.305,19 2010 19.260,00 18.477,90 17.107,16 19.848,64 587,46 20.461,32 -1.201,32 1.201,32 1.443.158,53

Jumlah 21.944.183,85

MSE 2.438.242,65

Sumber : Perhitungan

Untuk α = 0,3 dan n = 9

,85 21.944.183 1 2  



 n t t e

SSE 2.438.242,65

9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(49)

Tabel 4.5 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,4

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 11.619,80 11.380,52 11.859,08 159,52

2002 12.883,00 12.125,08 11.678,34 12.571,82 297,82 12.018,60 864,40 864,40 747.187,36 2003 14.400,00 13.035,05 12.221,03 13.849,07 542,68 12.869,64 1530,36 1.530,36 2.342.001,73 2004 17.060,00 14.645,03 13.190,63 16.099,43 969,60 14.391,75 2668,25 2.668,25 7.119.547,39 2005 17.715,00 15.873,02 14.263,58 17.482,45 1072,96 17.069,03 645,97 645,97 417.274,66 2006 18.628,00 16.975,01 15.348,15 18.601,87 1084,57 18.555,41 72,59 72,59 5.269,64 2007 19.245,00 17.883,01 16.362,09 19.403,92 1013,94 19.686,44 -441,44 441,44 194.867,24 2008 19.094,00 18.367,40 17.164,22 19.570,59 802,12 20.417,86 -1323,86 1.323,86 1.752.601,25 2009 19.201,00 18.700,84 17.778,87 19.622,82 614,65 20.372,71 -1171,71 1.171,71 1.372.910,40 2010 19.260,00 18.924,51 18.237,12 19.611,89 458,25 20.237,47 -977,47 977,47 955.439,91

Jumlah 14.907.099,58

MSE 1.656.344,40

Sumber : Perhitungan

Untuk α = 0,4 dan n = 9

,58 14.907.099 1 2  



 n t t e

SSE 1.656.344,40

9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(50)

Tabel 4.6 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,5

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 11.719,50 11.470,25 11.968,75 249,25

2002 12.883,00 12.301,25 11.885,75 12.716,75 415,50 12.218,00 665,00 665,00 442.225,00 2003 14.400,00 13.350,63 12.618,19 14.083,06 732,44 13.132,25 1.267,75 1.267,75 1.607.190,06 2004 17.060,00 15.205,31 13.911,75 16.498,88 1.293,56 14.815,50 2.244,50 2.244,50 5.037.780,25 2005 17.715,00 16.460,16 15.185,95 17.734,36 1.274,20 17.792,44 -77,44 77,44 5.996,57 2006 18.628,00 17.544,08 16.365,02 18.723,14 1.179,06 19.008,56 -380,56 380,56 144.827,82 2007 19.245,00 18.394,54 17.379,78 19.409,30 1.014,76 19.902,20 -657,20 657,20 431.915,95 2008 19.094,00 18.744,27 18.062,02 19.426,52 682,25 20.424,06 -1.330,06 1.330,06 1.769.066,25 2009 19.201,00 18.972,63 18.517,33 19.427,94 455,31 20.108,76 -907,76 907,76 824.031,34 2010 19.260,00 19.116,32 18.816,82 19.415,81 299,49 19.883,25 -623,25 623,25 388.435,69

Jumlah 10.651.468,93

MSE 1.183.496,55

Sumber : Perhitungan

Untuk α = 0,5 dan n = 9

,93 10.651.468 1 2  



 n t t e

SSE 1.183.496,55

9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(51)

Tabel 4.7 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,6

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 11.819,20 11.579,92 12.058,48 358,92

2002 12.883,00 12.457,48 12.106,46 12.808,50 526,54 12.417,40 465,60 465,60 216.783,36 2003 14.400,00 13.622,99 13.016,38 14.229,61 909,92 13.335,04 1.064,96 1.064,96 1.134.139,80 2004 17.060,00 15.685,20 14.617,67 16.752,72 1.601,29 15.139,53 1.920,47 1.920,47 3.688.212,70 2005 17.715,00 16.903,08 15.988,91 17.817,24 1.371,25 18.354,02 -639,02 639,02 408.341,45 2006 18.628,00 17.938,03 17.158,38 18.717,68 1.169,47 19.188,49 -560,49 560,49 314.147,16 2007 19.245,00 18.722,21 18.096,68 19.347,74 938,30 19.887,15 -642,15 642,15 412.354,18 2008 19.094,00 18.945,29 18.605,84 19.284,73 509,16 20.286,04 -1.192,04 1.192,04 1.420.960,19 2009 19.201,00 19.098,71 18.901,57 19.295,86 295,72 19.793,89 -592,89 592,89 351.516,87 2010 19.260,00 19.195,49 19.077,92 19.313,05 176,35 19.591,58 -331,58 331,58 109.948,22

Jumlah 8.056.403,92

MSE 895.155,99

Sumber : Perhitungan

Untuk α = 0,6 dan n = 9

92 8.056.403, 1 2  



 n t t e SSE 895.155,99 9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(52)

Tabel 4.8 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,7

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 11.918,90 11.709,53 12.128,27 488,53

2002 12.883,00 12.593,77 12.328,50 12.859,04 618,97 12.616,80 266,20 266,20 70.862,44 2003 14.400,00 13.858,13 13.399,24 14.317,02 1.070,74 13.478,01 921,99 921,99 850.065,56 2004 17.060,00 16.099,44 15.289,38 16.909,50 1.890,14 15.387,76 1.672,24 1.672,24 2.796.373,24 2005 17.715,00 17.230,33 16.648,05 17.812,62 1.358,67 18.799,64 -1.084,64 1.084,64 1.176.438,51 2006 18.628,00 18.208,70 17.740,50 18.676,90 1.092,46 19.171,28 -543,28 543,28 295.157,22 2007 19.245,00 18.934,11 18.576,03 19.292,19 835,52 19.769,35 -524,35 524,35 274.945,93 2008 19.094,00 19.046,03 18.905,03 19.187,03 329,00 20.127,72 -1.033,72 1.033,72 1.068.569,15 2009 19.201,00 19.154,51 19.079,67 19.229,35 174,63 19.516,04 -315,04 315,04 99.248,91 2010 19.260,00 19.228,35 19.183,75 19.272,96 104,08 19.403,99 -143,99 143,99 20.732,63

Jumlah 6.652.393,60

MSE 739.154,84

Sumber : Perhitungan

Untuk α = 0,7 dan n = 9

60 6.652.393, 1 2  



 n t t e SSE 739.154,84 9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(53)

Tabel 4.9 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,8

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 12.018,60 11.859,08 12.178,12 638,08

2002 12.883,00 12.710,12 12.539,91 12.880,33 680,83 12.816,20 66,80 66.80 4.462,24 2003 14.400,00 14.062,02 13.757,60 14.366,45 1.217,69 13.561,16 838,84 838.84 703.652,55 2004 17.060,00 16.460,40 15.919,84 17.000,97 2.162,24 15.584,14 1.475,86 1.475.86 2.178.174,55 2005 17.715,00 17.464,08 17.155,23 17.772,93 1.235,39 19.163,21 -1.448,21 1.448.21 2.097.306,41 2006 18.628,00 18.395,22 18.147,22 18.643,21 991,99 19.008,32 -380,32 380.32 144.641,60 2007 19.245,00 19.075,04 18.889,48 19.260,61 742,26 19.635,20 -390,20 390.20 152.255,09 2008 19.094,00 19.090,21 19.050,06 19.130,35 160,58 20.002,87 -908,87 908.87 826.038,87 2009 19.201,00 19.178,84 19.153,09 19.204,60 103,02 19.290,94 -89,94 89.94 8.088,98 2010 19.260,00 19.243,77 19.225,63 19.261,90 72,55 19.307,62 -47,62 47.62 2.267,74

Jumlah 6.116.888,03

MSE 679.654,23

Sumber : Perhitungan

Untuk α = 0,8 dan n = 9

03 6.116.888, 1 2 _ 



 n t t e SSE 679.654,23 9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(54)

Tabel 4.10 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,9

Tahun ′ " | | 2

2000 11.221,00 11.221,00 11.221,00

2001 12.218,00 12.118,30 12.028,57 12.208,03 807,57

2002 12.883,00 12.806,53 12.728,73 12.884,33 700,16 13.015,60 -132,60 132,60 17.582,76 2003 14.400,00 14.240,65 14.089,46 14.391,84 1.360,73 13.584,49 815,51 815,51 665.056,56 2004 17.060,00 16.778,07 16.509,20 17.046,93 2.419,74 15.752,57 1.307,43 1.307,43 1.709.367,98 2005 17.715,00 17.621,31 17.510,10 17.732,52 1.000,89 19.466,67 -1.751,67 1.751,67 3.068.346,04 2006 18.628,00 18.527,33 18.425,61 18.629,05 915,51 18.733,41 -105,41 105,41 11.110,88 2007 19.245,00 19.173,23 19.098,47 19.248,00 672,86 19.544,56 -299,56 299,56 89.739,15 2008 19.094,00 19.101,92 19.101,58 19.102,27 3,11 19.920,86 -826,86 826,86 683.695,65 2009 19.201,00 19.191,09 19.182,14 19.200,04 80,56 19.105,38 95,62 95,62 9.143,92 2010 19.260,00 19.253,11 19.246,01 19.260,21 63,87 19.280,61 -20,61 20,61 424,63

Jumlah 6.254.467,58

MSE 694.940,84

Sumber : Perhitungan

Untuk α = 0,9 dan n = 9

58 6.254.467, 1 2  



 n t t e SSE 694.940,84 9 83 , 304 . 216 . 101 1 2   



 n e MSE n t t

(55)

Setelah diperoleh nilai MSE untuk masing-masing nilai α, maka salah satu nilai MSE

tersebut dibandingkan untuk menentukan nilai α yang memberikan MSE terkecil/

minimum. Perbandingan ukuran ketepatan metode peramalan jumlah pelanggan energi gas dengan MSE sebagai berikut:

Tabel 4.11 Perbandingan Ukuran Ketetapan Metode Peramalan

α MSE

0,1 11.246.256,09 0,2 4.233.666,01 0,3 2.438.242,65 0,4 1.656.344,40 0,5 1.183.496,55

0,6 895.155,99

0,7 739.154,84

0,8 679.654,23

0,9 694.940,84

Sumber : Perhitungan

Dari tabel 4.11 diatas dapat dilihat bahwa nilai Mean Square Error (MSE) yang terkecil yaitu pada α = 0,8 dengan MSE = 679.654,23. Maka nilai parameter α yang digunakan untuk menentukan bentuk persamaan peramalan adalah 0,8.

(56)

Tabel 4.12 Perhitungan Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,8

Periode Tahun ′ " | | 2 | |

1 2000 11.221,00 11.221,00 11.221,00

2 2001 12.218,00 12.018,60 11.859,08 12.178,12 638,08

3 2002 12.883,00 12.710,12 12.539,91 12.880,33 680,83 12.816,20 66,80 66,80 4.462,24 0,52 0,52 4 2003 14.400,00 14.062,02 13.757,60 14.366,45 1217,69 13.561,16 838,84 838,84 703.652,55 5,83 5,83 5 2004 17.060,00 16.460,40 15.919,84 17.000,97 2162,24 15.584,14 1.475,86 1.475,86 2.178.174,55 8,65 8,65 6 2005 17.715,00 17.464,08 17.155,23 17.772,93 1235,39 19.163,21 -1.448,21 1.448,21 2.097.306,41 -8,18 8,18 7 2006 18.628,00 18.395,22 18.147,22 18.643,21 991,99 19.008,32 -380,32 380,32 144.641,60 -2,04 2,04 8 2007 19.245,00 19.075,04 18.889,48 19.260,61 742,26 19.635,20 -390,20 390,20 152.255,09 -2,03 2,03 9 2008 19.094,00 19.090,21 19.050,06 19.130,35 160,58 20.002,87 -908,87 908,87 826.038,87 -4,76 4,76 10 2009 19.201,00 19.178,84 19.153,09 19.204,60 103,02 19.290,94 -89,94 89,94 8.088,98 -0,47 0,47 11 2010 19.260,00 19.243,77 19.225,63 19.261,90 72,55 19.307,62 -47,62 47,62 2.267,74 -0,25 0,25

12 2011 19.334,45 -883,65 5.646,65 6.116.888,03 -2,73 32,71

13 2012 19.407,00

14 2013 19.479,54

(57)

Peramalan jumlah pelanggan energi gas atas dasar harga berlaku setiap tahun meningkat. Gambaran mengenai hubungan antara perkembangan data aktual dengan peramalan dapat dilihat pada grafik berikut ini:

Gambar 4.2 Plot Pemulusan Eksponensial Satu Parameter dari Brown dengan α = 0,8 0

5000 10000 15000 20000 25000

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

(

)

Tahun

Nilai Aktual dan Peramalan Pelanggan Energi Gas di PT. PGN

Tahun Dat a akt ual Pem ulusan Tunggal Pem ulusan Ganda Ram alan

(58)

4.5 Perhitungan Ukuran Ketetapan Ramalan dengan α = 0,8

8. ME (Mean Error) / Nilai Tengah Kesalahan

-98,183 9

883,65

-1  





 N e ME N t t

9. MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

679.654,2 9 03 6.116.888, 1 2   



 N e MSE N t t

10.MAE (Mean Absolute Error) / Nilai Tengah Kesalahan Absolut

627,4061 9

5646,65

1  





 N e MAE N t t

11.MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut

3,634961 9

32,71

1  





 N PE MAPE N t t

12.MPE (Mean Percentage Error) / Nilai Tengah Kesalahan Persentase

-0,30278 9

2,73

-1  





 N PE MPE N t t

13.SSE (Sum Square Error) / Jumlah Kesalahan Kuadrat

03 6.116.888, 1 2  



 n t t e SSE

(59)

14.Kesalahan Standart Deviasi (Standart Deviation Error) 874,42038 611 . 764 1 -9 03 6.116.888, ) 1 ( 1 2     



 n e SDE N t t

4.6 Penentuan Bentuk Persamaan dan Nilai Peramalan

Setelah diketahui bahwa error yang didapat pada model peramalan bersifat random maka dilakukan peramalan jumlah pelanggan gas untuk tahun 2010 – 2013 dengan menggunakan persamaan :

Ftm at bt(m)

) ( 72,55

19261,90 m

F_t__m  

Setelah diperoleh bentuk persamaan peramalan maka dapat dihitung untuk periode tiga tahun kedepan yaitu tahun 2011- 2013.

a. Untuk periode ke- 12 ( Tahun 2011) )

( 72,55

19261,90 m

F_t__m  

) 1 ( 72,55 19261,90  m t F 19334,45  m t F

b. Untuk periode ke- 13 ( Tahun 2012) )

( 72,55

19261,90 m

(60)

) 2 ( 72,55 19261,90  m t F 19407,00  m t F

c. Untuk periode ke- 14 ( Tahun 2013) )

( 72,55

19261,90 m

F_t__m  

) 3 ( 72,55 19261,90  m t F 19479,54  m t F

Tabel 4.13 Peramalan Jumlah Pelanggan Energi Gas Pada PT. Perusahaan Gas Negara (Persero) Cabang Medan

Periode Tahun Peramalan (Forecasting)

11 2011 19.334,45

12 2012 19.407,00

13 2013 19.479,54

(61)

BAB 5

IMPLEMENTASI SISTEM

5.1 Tahap Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis kedalam programming (coding) untuk menghasilkan sebuah sistem informasi yang sesuai dengan hasil desain tertentu.

Dalam data peramalan Jumlah Pelanggan Energi Gas pada PT. Perusahaan Gas Negara (PERSERO) Cabang Medan implementasi yang digunakan penulis adalah Microsoft Excel. Selain berfungsi sebagai pengolahan angka atau manipulasi angka, Microsoft Excel juga dapat digunakan untuk manipulasi teks komputer. Untuk dapat mendayagunakan Microsoft Excel dengan maksimal, harus juga menguasai sistem operasi Microsoft Excel.

Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dan dengan adanya perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya

(62)

data-data yang sangat rumit dan banyk itu tidak dapat dikerjakan secara manual atau dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga yang sangat banyak untuk mengolah data tersebut , disamping itu faktor kesalahan yang dilakukan manusia relatif besar. Dan dengan adanya perangkat lunak komputer, diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, waktu dan tenaga dengan tingkat kesalahan yang relatif kecil.

Tujuan dari implementasi sistem adalah sebagai berikut :

1. menyelesaikan desain sistem yang ada dalam dokumen sistem yang disetujui. 2. Menulis, menguji dan mendokumentasikan program- program dan prosedur-

prosedur yang diperlukan oleh dokumen desain sistem yang di penuhi. 3. Memastikan bahwa personal dapat mengoperasikan sistem baru. 4. Memperhitungkan bahwa sistem memenuhi permintaan pemakai.

5. Memastikan bahwa konveksi ke sistem yang baru berjalan dengan benar.

5.2 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. Excel merupakan salah satu software pengolah 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 dari versi 4, versi 5, versi 97, versi 2000, versi 2002, versi 2003, dan yang terakhir versi 2007.

(63)

Sheet (lembar kerja) Excel terdiri dari 256 kolom dab 65536 baris. Kolom diberi nama dengan huruf mulai dari A, B, C, …, Z kemudian dilanjutkan AA, AB, AC, …, sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1, 2, 3, …, 65.536. Excel 2003 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, salah satunya adalah under windows seperti word, access dan power point. Keunggulan program spread sheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows. Sebelum mengoperasikan software ini, pastikan bahwa pada komputer terpasang program Excel.

5.3 Pengaktifan Microsoft Excel

Tahap pertama mengggunakan Microsoft Excel adalah mengaktifkan windows. Pastikan Microsoft Excel berada pada jaringan Microsoft Windows. Kemudian lanjutkan dengan langkah-langkah sebagai berikut:

a. Klik tombol Start

(64)

Gambar 5.1 Cara Pengaktifan Microsoft Excel

5.4 Jendela Lembar Kerja

Setelah pengktifan, akan tampil jendela Microsoft Excel yang siap digunakan. Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf mulai dai A, B, C,..., Z kemudian dilanjutkan AA, AB, AC, ...sampai kolom IV. Sedangkan kolom baris ditandai dengan angka mulai dari 1, 2, 3, ...,65536. Excel 2003 hadir dengan berbagai penyempurnan, ampil lebih terintegrasi dengan berbagai sofware lain, salah satunya adalah under window seperti word, accsess dan power point. Keunggulan program spreadsheet ini adalah mulai dipakai, fleksibel, smudah terintegrasi dengan aplikasi berbasis windows. Adapun lembar kerja Microsoft Excel adalah sebagai berikut:

(65)

Gambar 5.2 Lembar Kerja Microsoft Excel 2007

5.5Pengisian Data

Pengisian data ke dalam lembar kerja Microsoft Excel sama dengan pemasukan atau pengetikan data ke dalamnya. Dalam mengisi data ke lembar kerja dengan keyboard, diperlukan langlah-langlah sebagai berikut:

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

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

Untuk mengolah data peramalan Jumlah Pelanggan Energi Gas pada PT. Perusahaan Gas Negara (PERSERO) Cabang Medan maka data yang telah diperoleh dimasukkan

(66)

ke lembar kerja. Kolom pertama untuk nomor, kolom kedua untuk tahun, dan kolom ketiga untuk jumlah pelanggan.

Gambar 5.3 Tampilan Data Pelanggan Gas

5.5.1 Istilah - Istilah Ms.Excel

1. Worksheet adalah daerah tempat lembaran kerja untuk memasukkan data atau rumus. Normalnya Ms.Excel menyediakan worksheet atau sheet sebanyak 3 sheet.

2. Workbook merupakan buku kerja yang terdiri dari beberapa worksheet. Worbook ini merupakan file penyimpanan worksheet sehingga mempermudah mengorganisasi file-file sesuai kebutuhan.

(67)

3. Ceel merupakan perpotongan baris dan kolom yang ditandai dengan aktifnya pointer ceel pada posisi tertentu. Posisi cell aktif ditunjukkan pada Name Box. 4. Ceel Pointer adalah tanda penunjuk keaktifan sel berupa kotak bingkai tebal. 5. Range adalah kumpulan beberapa sel yang membentuk kelompok area

(ditandai warna hitam saat diblok)

6. Gridlines adalah garis bantu sel pada area kerja. Gridlines ini hanya tampak pada saat bekerja dalam worksheet tetapi bila hasil kerja dicetak atau ditampilkan dengan print preview, maka Gridlines tersebut tidak tampak. 7. File Handle adalah bagian bahwa bagian kanan pointer ceel berfungsi untuk

memindahkan atau mengcopy data dan rumus dengan menggunakan mouse. 8. Mouse Pointer adalah bentuk penunjuk mouse yang tampil pada layar

Ms.Excel.

5.5.2 Jenis Data dalam Ms. Excel

Sebuah sel pada lembar kerja Excel dapat di isi empat jenis data: a. Label / teks

b. Numerik c. Alfanumerik d. Rumus

(68)

5.5.3 Operasi File

5.5.3.1 Menyimpan Worksheet

a. klik menu file, save atau tekan ctrl + S

b. pada pilihan Save in, pilih atau klik drive dan folder tempat penyimpanan file

c. pada bagian file name, ketik nama file yang digunakan d. klik tombol save

5.5.3.2 Membuka worksheet

a. Klik menu file, pilih open.

b. tekan Ctrl + O atau tekan Ctrl + F12

5.5.4 Formula dan Fungsi Statistik

Microsoft Excel menyediakan banyak jenis kategori fungsi seperti funsi statistik, finansial, data base, teks, matematik dan trigonometri, logika, referensi dan pencarian yang dapat digunakan dalam membuat fungsi termasuk fungsi otomatis seperti outosom, currency style, percent style dan sebagainya.

Fungsi – fungsi excel digunakan dalam penulisan formula atau rumus yang dapat dikombinasikan atau gabungan beberapa fungsi.

(69)

5.5.4.1 Fungsi Statistik

Fungsi ini bertujuan untuk menganalisa suatu kumpulan data. Untuk penganalisaan data, beberapa fungsi yang sering digunakan antara lain:

1. SUM (range) : mencari total sekumpulan data angka

2. MAX (range) : mencari nilai tertinggi dari sekumpulan data angka 3. MIN (range) : mencari nilai terendah dari sekumpulan data angka 4. AVERAGE : mencari nilai rata- rata dari sekumpulan data angka 5. COUNT : mencari dari sekumpulan data angka

5.6 Implementasi Sistem Peramalan Pelanggan Gas

Fungsi dalam Microsoft Excel adalah untuk memudahkan pengertian formula yang diperlukan dalam melakukan perhitungan aritmatik dan operasi standar lain yang sering diulangi. Ada banyak fungsi statistik yang disediakan oleh Microsoft Excel, diantaranya adalah fungsia average, standart deviasi, median, mean. Dalam mengolah data peramalan pelanggan gas penulis akan mengguanakan fungsi statistik yaitu pemulusan eksponensial satu parameter dari Brown.

5.7 Fungsi Pemulusan Eksponensial

Pemulusan eksponensial adalah metode peramalan dengan mengadakan penghalusan dan pemulusan terhadap data lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan yang akan datang. Langkah-langkah yang digunakan untuk menentukan pemulusan eksponensial dari

(70)

data-data aktual yang tersedia untuk diolah sehingga dapat dicari ramalan untuk periode selanjutnya adalah sebagai berikut:

a. Pada lembar kerja Microsoft Excel masukkan data-data peramalan pelanggan energi gas dan variabel yang diperlukan untuk setiap perhitungan:

1. Pada kolom C baris 1 ditulis keterangan dengan 2. Pada kolom D baris 1 ditulis keterangan dengan ′ 3. Pada kolom E baris 1 ditulis keterangan dengan _" 4. Pada kolom F baris 1 ditulis keterangan dengan 5. Pada kolom G baris 1 ditulis keterangan dengan 6. Pada kolom H baris 1 ditulis keterangan dengan 7. Pada kolom I baris 1 ditulis keterangan dengan

8. Pada kolom J baris 1 ditulis keterangan dengan | |

9. Pada kolom K baris 1 ditulis keterangan dengan 2 / square error 10.Pada kolom L baris 1 ditulis keterangan dengan

11.Pada kolom M baris 1 ditulis keterangan dengan | |

b. Pilih menu data → data analysis → analysis tools → exponential smoothing

(71)

Kemudian akan muncul tampilan sebagai berikut:

Gambar 5.4 Tampian Menu Data Analysis

Masukkan input pada menu input range dengan memasukkan range pada data aktual yang telah dimasukkan di Microsoft Excel dan damping faktor. Kemudian masukkan output range pada menu output option dengan menentukan hasil output yang ditempatkan.

(72)

Gambar 5.5 Tampilan Input Range

Lalu klik ok, maka akan muncul hasil output pada sel yang ditentukan.

(1)

5.9.2 Menata grafik

Untuk menata grafik dapat dilakukan dengan menggunakan toolbar Chart atau dengan

menggunakan kotak dialog Chart option atau klik menu chart lalu lakukan penataan

pada bagian- bagian grafik.

(2)

BAB 6

PENUTUP

6.1 Kesimpulan

Berdarkan hasil pembahasan dan analisis data yang dilakukan pada Bab 4, maka

kesimpulan yang diperoleh adalah:

1. Bentuk metode peramalan yang dipilih untuk meramalkan data jumlah

pelanggan energi gas pada PT. Perusahaan Gas Negara (PERSERO) Cabang

Medan berdasarkan data tahun 2000 sampai tahun 2010 adalah Metode Linier

Satu Parameter dari Brown berdasarkan kriteria

MSE

(

Mean Square Error

)

terkecil dengan

α

= 0,8 dan

MSE

= 679.654,23.

2. Bentuk persamaan peramalan Jumlah Pelanggan Energi Gas pada PT.

Perusahaan Gas Negara (PERSERO) Cabang Medan berdasarkan data tahun

2000 sampai tahun 2010 adalah:

)

(

m

b

a

F

_t__m





)

(

72,55

19261,90

m

(3)