Peramalan Jumlah Produksi Padi di Kabupaten Tapanuli Utara Tahun 2013 dengan Metode Smoothing

PERSETUJUAN

Judul : PERAMALAN JUMLAH PRODUKSI PADI DI

KABUPATEN TAPANULI UTARA TAHUN 2013 DENGAN METODE SMOOTHING

Kategori : TUGAS AKHIR

Nama : SUSI MARDI ANCE LUMBAN TOBING

Nomor Induk Mahasiswa : 112407118

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Disetujui di Medan, Juli 2014

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing, Ketua,

Drs. FaigiziduhuBu’ulölö, M.Si Drs. Pengarapen Bangun, M.Si

PERNYATAAN

PERAMALAN JUMLAH PRODUKSI PADI DI KABUPATEN TAPANULI UTARA TAHUN 2013 DENGAN METODE SMOOTHING

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2014

SUSI MARDI ANCE LUMBAN TOBING 112407118

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha

Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan

tugas akhir ini dengan judul Peramalan Jumlah Produksi Padi di Kabupaten

Tapanuli Utara Tahun 2013 dengan Metode Smoothing.

Terima kasih penulis sampaikan kepada Bapak Drs. Pengarapen Bangun,

M.Si selaku dosen pembimbing yang telah meluangkan waktunya selama

penyusunan tugas akhir ini. Terima kasih kepada Bapak Drs. Faigiziduhu

Bu’ulölö, M.Si dan Bapak Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 STATISTIKA FMIPA USU, Bapak Prof. Dr. Tulus, M.Si dan

Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika

FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU

Medan, seluruh staf dan dosen Program Studi D3 STATISTIKA FMIPA USU,

pegawai FMIPA USU, dan rekan-rekan kuliah. Akhirnya tak terlupakan Bapak

Leonard Lumban Tobing, Ibu Ida Risma Sipahutar dan keluarga yang selama ini

memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha

Esa membalasnya.

Penulis,

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Grafik vii

Daftar Gambar viii

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Tujuan dan Manfaat Penelitian 3

1.4 Lokasi Penelitian 3

1.5 Metodologi Penelitian 4

1.6 Metode Analisa yang Digunakan 4

1.7 Sistematika Penulisan 6

Bab 2 Landasan Teori 9

2.1 Pengertian Peramalan 9

2.2 Langkah-Langkah Peramalan 10

2.3 Jenis-jenis Metode Peramalan 11

2.4 Pemilihan Tehnik dan Metode Peramalan 13

2.5 Metode Pemulusan (Smoothing) 14

2.6 Metode Smoothing yang Digunakan 15

2.7 Ketepatan Ramalan 17

Bab 3 Gambaran Umum Badan Pusat Statistik 19

3.1 Sejarah Badan Pusat Statistika 19

3.1.1 Masa Pemerintahan Hindia Belanda 19

3.1.2 Masa Pemerintahan Jepang 20

3.1.3 Masa Pemerintahan Republik Indonesia 20

3.1.4 Masa Orde Baru Sampai Sekarang 22

3.2 Visi dan Misi Badan Pusat Statistik 23

3.2.1 Visi Badan Pusat Statistik 23

3.2.2 Misi Badan Pusat Statistika 23

3.3 Struktur Organisasi Badan Pusat Statistika 24

3.4 Job Description 25

Bab 4 Analisis dan Pengolahan Data 36

4.1 Arti Analisis Data 36

4.2 Data yang Dibutuhkan 37

Bab 5 Implementasi Sistem 49

5.1 Pengertian Implementasi Sistem 49

5.2 Microsoft Excel 50

5.3 Langkah-Langkah Pengolahan Data dengan Excel 50

Bab 6 Kesimpulan dan Saran 56

6.1 Kesimpulan 56

6.2 Saran 57

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman Tabel 4.1 Data Jumlah Produksi Padi di Kabupaten Tapanuli Utara Tahun

1998-2012 37

Tabel 4.3 Peramalan Jumlah Produksi Padi dengan Pemulusan eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,1

39 Tabel 4.4 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,2

40 Tabel 4.5 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,3

41 Tabel 4.6 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,4

42 Tabel 4.7 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,5

43 Tabel 4.8 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,6

44 Tabel 4.9 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,7

45 Tabel 4.10 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,8

46 Tabel 4.11 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,9

47 Tabel 4.12 Peramalan Jumlah Produksi Padi dengan Pemulusan

eksponensial Ganda Linier Satu Parameter dari Brown dengan

Menggunakan α = 0,2

DAFTAR GRAFIK

Grafik 4.1 Grafik Jumlah Produksi Padi di Kabupaten Tapanuli Utara

DAFTAR GAMBAR

Halaman Gambar 5.1 Tampilan Proses Pengaktifan Microsoft Excel 51

Gambar 5.2 Tampilan Worksheet Microsoft Excel 51

Gambar 5.3 Tampilan Tabel Produksi Padi dalam Microsoft Excel 52

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Padi merupakan salah satu tanaman budidaya terpenting dalam peradaban.

Meskipun terutama mengacu pada jenis tanaman budidaya, padi juga digunakan

untuk mengacu pada beberapa jenis marga (genus) yang sama, yang biasa disebut

padi liar. Produksi padi di dunia menempati urutan ketiga dari semua seleria,

setelah jagung dan gandum. Namun demikian, padi sumber karbohidrat utama

abagi mayoritas penduduk dunia. Hasil pengolahan dari padi dinamakan beras.

Untuk itu pemerintah selalu berupaya meningkatkan produksi beras untuk dapat

memenuhi kebutuhan pokok masyarakat kita.

Sejak tahun 1990-an, jumlah produksi padi cenderung mengalami

penurunan sehingga dalam 15 tahun belakangan ini hampir setiap tahun kita

mengimpor beras. Disamping itu harga beraspun relatif tidak stabil. Meski tampak

spekulasi dalam fluktuasi harga, bagaimanapun fluktuasi harga ituterkait juga

dengan fluktuasi persediaan beras di pasar

Komoditi padi merupakan komoditi yang strategis, karena dibutuhkan

setiap penduduk sebagai bahan sumber kalori utama. Karena sangat pentingnya

komoditi ini perlu dipantau terus agar dapat diantisipasi permasalahan yang

Masalah ketersedian padi tidak hanya menyangkut jumlah yang tersedia

saja, tetapi juga tentang kebutuhan yang daat memenuhi permintaan dari waktu ke

waktu. Untuk itu diperlukan indikator yang dapat melihat peningkatan produksi

terhadap kebutuhan yang diinginkan.

Selain dapat melihat peningkatan jumlah produksi komoditi padi, perlu

juga dilakukan peninjauan terhadap perkembangan penduduk yang terus menerus

bertambah. Semakin bertambahnya penduduk mengakibatkan bertambahnya juga

permintaan akan beras sehingga membutuhkan peningkatan produksi padi dan

kebutuhannya pada masa mendatang.

Dari latarbelakang diatas penulis tertrik untuk meneliti jumlah produksi

padi di Kabupaten Tapanuli Utara dengan judul “PERAMALAN JUMLAH

PRODUKSI PADI DI KABUPATEN TAPANULI UTARA UNTUK TAHUN 2013 DENGAN METODE SMOOTHING”.

1.2. Perumusan Masalah

Tapanuli Utara merupakan salah satu sentral produksi padi terhadap produksi

nasional. Namun untuk setiap tahunnya produksi padi di Kabupaten Tapanuli

Utara ini tidak stabil. Hal ini terjadi karenaa dipengaruhi oleh beberapa faktor

yang tidak tepat, sehingga sangatlah penting untuk mengetahui jumlah produksi

padi yang akan datang dengan menggunakan metode pemulusan (smoothing)

1.3. Tujuan dan Manfaat Penelitian

Adapun tujuan dilakukannya penelitian ini adalah untuk meramalkan jumlah

produksi padi pada tahun 2013 dengan menganalisa data jumlah produksi padi

pada tahun-tahun sebelumnya

Adapun manfaat penelitian ini agar penulis dapat mengaplikasikan ilmu

pengetahuan dengan menggunakan teori–teori yang diperoleh selama duduk di bangku perkuliahan, serta dapat memberikan masukkan dan menjadi bahan

pertimbangan kepada pihak-pahak nyang bersangkutan

1.4. Lokasi Penelitian

Adapun lokasi penelitian atau pengambilan data dilaksanakan di Badan Pusat

1.5. Metodologi Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian diantaranya

adalah :

1. Metode Penelitian Kepustakaan (Studi Literatur)

Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari

buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun

umum, serta sumber informasi lainnya yang berhubungan dengan objek

yang diteliti.

2. Metode Pengumpulan Data

Metode pengumpulan data dapat dibedakan berdasarkan sumbernya yaitu:

a) Data Primer

b) Data Sekunder

Data primer adalah data yang diperoleh langsung dari sumbernya, diamati dan

dicatat untuk pertama kalinya. Data sekunder adalah data yang bukan diusahakan

sendiri pengumpulannya oleh peneliti

1.6. Metode Analisa yang Digunakan

Adapun pengolahan data dalam meramalkan jumlah produksi padi di Kabupaten

Tapanuli Utara pada tahun 2013 yaitu dengan menggunakan metode Pemulusan

Metode Pemulusan (Smoothing) merupakan tehnik meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir nilai

pada periode yang akan datang. Dalam metode ini data historis digunakan untuk

memperoleh angka yang dilicinkan atau diratakan. Dalam metode ini peramalan

dilakukan dengan mengulang perhitungan secara terus menerus dengan

menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi

bobot yang lebih besar.

Peramalan produksi padi yang menggunakan metode peramalan

Pemulusan (Smoothing) Eksponensial Ganda memiliki tahap-tahap dalam

menentukan ramalan. Persamaan ini dikenal dengan dengan nama “Metode Brown’s one Parameter Linier Eksponensial Smoothing” yaitu sebagai berikut :

1. MenentukanSmoothingpertama (St

’

)

St

’

= α Xt+ (1-α)St

’

St’ =Smoothingpertama periodet Xt = Nilai Real periodet

S’t-1 =Smoothing pertama periodet-1

2. MenentukanSmoothingkeduat-1 St” = αSt”+ (1-α)S”t-1

St

’

=Smoothingpertama periodet St” =Smoothingkedua periodet

3. Menentukan Besarnya Konstanta (at) at = 2St’-St”

St

’

=Smoothingpertama periodet St” =Smoothingkedua periodet-1

4. Menentukan Besarnya Slope (b1) b1 = (St

’

-St”)

St’ =Smoothingpertama periodet

St” =Smoothingkedua periodet-1

5. Menentukan Besarnya Forecast (Ft+m) Ft+m =at+ btm

bt = Slope at = Konstanta

1.7. Sistematika Penulisan

Adapun sistematika penulisan yang diuraikan oleh penulis antara lain :

BAB 1 : PENDAHULUAN

Bab ini menguraikan tentang latar belakang, rumusan masalah,

tujuan penelitan, manfaat penelitian, lokasi penelitian, metode

penelitian, metode analisis yang digunakan, dan sistematika

penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang segala sesuatu yang mencakup

penyelesaian masalah sesuai dengan judul dan permasalahan yang

diutarakan.

BAB 3 : GAMBARAN UMUM TEMPAT RISET

Bab ini menguraikan tentang sejarah singkat Kabupaten Tapanuli

Utara

BAB 4 : ANALISIS DATA

Bab ini menguraikan proses analisis data pada Brown’s one

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menguraikan proses pengolahan data dengan program

ataupun software yang digunakan sebagai analisis terhadap data

yang diperoleh

BAB 6 : PENUTUP

Bab ini terdiri atas kesimpulan dari hasil analisis yang telah

dilakukan serta saran berdasarkan kesimpulan yang diperoleh yang

tentunya bermanfaat bagi pembaca dan pihak yang

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

yang akan datang. Peramalan dilakukan karena adanya perbedaan waktu

pelaksanaan kegiatan tersebut. Sedangkan ramalan adalah suatu situasi atau

kondisi yang diperkirakan akan terjadi pada masa datang. Metode peramalan

adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada

masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan

kata lain metode peramalan ini digunakan dalam peramalan yang bersifat objektif.

Disamping itu metode peramalan memberikan urutan pengerjaan dan

pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila

digunakan pendekatan yang sama atas permasalahan dalam suatu kegiatan

peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama.

Baik tidaknya suatu peramalan yang disusun, ditentukan oleh metode dan

informasi yang digunakan. Selama informasi yang digunakan tidak dapat

meyakinkan, maka keputusan yang akan dihasilkan dari peramalan akan sukar

untuk dipercaya ketepatannya.

Ada dua jenis model peramalan yang utama, yaitu model deret berkala dan

mempunyai keuntungan dalam situasi tertentu. Model deret berkala sering kali

dapat digunakan dengan mudah untuk meramalkan, sedangkan model regresi

(kausal) dapat digunakan dengan keberhasilan yang lebih besar untuk

pengambilan keputusan dan kebijaksanaan.

2.2 Langkah-Langkah Peramalan

Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh

proses pelaksanaan penyusunannya. Peramalan yang baik adalah peramalan yang

dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang

baik. Pada dasarnya ada tiga langkah peramalan yang penting, yaitu :

1. Menganalisa data yang lalu

Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu,

sehingga akan diketahui pola dari data tersebut.

2. Menentukan Metode yang akan digunakan

Masing-masing metode akan memberikan hasil peramaln yang berbeda.

Metode peramalan yang baik adalah metode yang memberiakan hasil

peramalan yang tidak jauh berbeda dengan kenyataan yang terjadi.

3. Memproyeksikan data yang lalu dengan menggunakan metode yang

2.3 Jenis-Jenis Metode Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari

cara melihatnya

Dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas

dua macam, yaitu:

1. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas

perasaan atau intuisi dari orang yang menyusunnya

2. Peramalan yang objektif, yaitu peramalan yang didasarkan atas data

yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan

metode-metode dalam penganalisaan data tersebut.

Dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat

dibedakan atas dua macam , yaitu:

1. Peramalan jangka panjang, yaitu peramalan yang dilakunanuntuk

penyusuna hasil ramalan yang jangka waktunya lebih dari satu

setengah tahun atau tiga semester.

2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk

penyusunan hasil ramalan dengan jangka waktu kurang dari satu

Dilihat dari sifat ramalan yang telah disusun, maka peramalan dapat

dibedakan menjadi dua macam, yaitu :

1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data

kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat

bergantung pada orang yang menyusunnya.

2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data

kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat

bergantung pada metode yang dipergunakan dalam ramalan

tersebut.Dengan metode yang berbeda akan diperoleh hasil

pengamatan yang berbeeda pula.

Pada dasarnya, metode peramalan kuantitatif dapat dibedakan atas:

1. Metode peramalan yang didasarkan ats penggunaan analisa pola

hubungan antara variabel yang akan diperkirakan dengan variabel

waktu atau analisa deret waktu (time series) Metode ini terdiri dari:

a. Metode Smoothing,

b. Metode Box-Jenkins,

c. Metode Proyeksi Trend dengan Regresi

2. Metode peramalan yang didasarkan atas penggunaan analisa pola

hubungan antar variabel yang akan diperkirakan dengan variabel lain

yang mempengaruhinya, yang bukan waktu, yang disebut dengan

Metode ini terdiri dari :

a. Metode regresi dan korelasi

b. Metode ekonometri,

c. Metode input output.

2.4 Pemilihan Tehnik dan Metode Peramalan

Dalam pemilihan tehnik dan metode peramalan, pertama-tama yang diketahui

ciri-ciri penting yang perlu diperhatikan dalam mengambil keputusan dan analisis

keadaan dalam mempersiapkan peramalan,

Ada enam faktor utama yang diidentifikasikan sebagai tehnik dan metode

peramalan, yaitu :

1. Horizon Waktu

Ada dua aspek horizon waktu yang bergubungan dengan

masing-masing metode peramalan, yaitu cakupan di masa yang akan datang dan

jumlah periode untuk peramalan yang diinginkan.

2. Pola data

Dasar utama dari metode peramalan adalah anggapan bahwa

macam-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 penting untuk menentukan perubahan-perubahan dalam

mempunyai kemampuan yang berbeda dalam menganalisa keadaan

untuk pengambilan keputusaan,

4. Biaya yang dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan

suatu prosedur peramalan, yaiti biaya-biaya pengembangan,

penyimpanan data, operasi pelaksanaan, dan kesempatan dalam

penggunaan tehnik-tehnik dan metode peramalan lainnya.

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 diaplikasikan

merupakan suatu prinsip umum bagi pengambilan keputusan.

2.5 Metode Pemulusan (Smoothing)

Metode Smoothing dalah metode peramalan dengan menggunakan penghalusan terhadap masa lalu, yaitu dengan mengambil nilai rata-rata dari nilai berapa tahun

untuk menaksir nilai beberapa tahun kedepan. Secara umum metode Smoothing

diklasifikasikan menjadi dua bagian, yaitu :

1. Metode Rata-rata

Tujuan dari metode rata-rata adalah untuk memanfaatkan data masa lalu

Metode rata-rata terdiri dari :

1. Nilai Tengah (mean)

2. Rata-rata bergerak tunggal (Single Moving Average) 3. Rata-rata bergerak ganda (Double Moving Average) 4. Kombinasi rata-rata bergerak lainnya.

2. Metode Pemulusan (Smoothing) Eksponensial

Dalam pemulusan eksponensial terdapat satu atau lebih parameter

pemulusan yang ditentukan secara eksplisit, dan hasil pemilihan ini menentukan

bobot yang dikenakan pada nilai observasi.

Metode Pemulusan Eksponensial terdiri dari :

1. Smoothing Eksponensial Tunggal

2. Smoothing Eksponential Ganda

a. Metode linear satu parameter dari Brown

b. Metode dua parameter dari Holt

3. Smoothing Eksponential Triple

a. Metode kuadratik satu parameter dari Brown

b. Metode kecenderungan dan musiman tiga parameter dari Winter

2.6 Metode Smoothing yang digunakan

Dasar pemikiran dari pemulusan linear dari Brown adalah sama dengan rata-rata

bergerak linear karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari

data yang sebenarnya. Bila terdapat unsur trend, perbedaan antara nilai pemulusan

disesuaikan intuk trend. Persamaan yang dipakai dalam pemulusan (Smoothing)

Eksponensial Ganda:

Metode linear Satu-Parameter dari Brown adalah:

F1+m= a1+ b1m

a. Menentukan nila pemulusn eksponensial tunggal (S’t) S’t= αXt+ (1-α) S

’

t-1

b. Menentukan nilai pemulusan eksponensial ganda (St”) St

”

=α S’t+ (1-α) S

”

t-1

c. Menentukan nilaiat

at = S’t + (S’t- S”t) at= 2 S

’

t- S

”

t

d. Menentukan nilaibt

bt = (S

’

t- S

”

t)

Dimana :

F1+m = Nilai peramalan untuk periode m peeriode ke depan

at = Besarnya konstanta periode t

bt = Besarnya slope periode t

m = Jumlah periode yang diramalkan

Xt = Nilai riil periode t

S’t = Nilai pemulusan eksponensial smoothing tunggal periode t

S”t = Nilai pemulusan eksponensial smoothing ganda periode t

S’t-1 = Nilai pemulusan eksponensial smoothing tunggal periode t-1

S”t-1 = Nilai pemulusan eksponensial smoothing ganda periode t-1

2.7 Ketepatan Ramalan

Ketepatan ramalan adalah suatu hal mendasar dalam peramalan, yaitu bagaimana

mengukur kesesuaian dalam metode peramalan tertentu untuk suatu kumpulan

data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk

memilih suatu metode peramalan. Dalam pemodelan deret berkala ( time series) dari data masa lalu yang siramalkan situasi yang akan terjadi di masa yang akan

datang. Untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara

lain :

a. ME (Mean Error)

ME =

b. MSE (Mean Square Error)

MSE =

c. MAE (Mean Absolute Error)

d. MAPE (Mean Absolute Percentage Error)

MAPE = | |

, dengan

=

× 100

e. MPE (Mean Percentage Error)

MPE =

Dimana:

et = Xt- Ft

Xt =data aktual periode t

Pet = × 100; kesalahan persentase pada periode t

Ft =nilai ramalan periode t N = banyak periode

Metode peramalan yang dipilih adalah metode peramalan yang

BAB 3

GAMBARAN UMUM BADAN PUSAT STATISTIK

3.1 Sejarah Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS

melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian,

agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,

pendapatan, dan keagamaan. Selain hal – hal di atas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik

di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang

serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan

definisi, klasifikasi dan ukuran–ukuran lainnya.

Berikut ini adalah beberapa masa peralihan pada BPS, yaitu:

3.1.1 Masa pemerintahan Hindia Belanda

Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur

pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid en Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan memublikasi data statistik.

Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan

nama Centraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme

statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen

(IUA) yang sekarang disebut Kantor Bea Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali kegiatan

statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer.

Pada masa ini CKS diganti namanya menjadiShomubu Chasasitsu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945

kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan

yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia).

Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi

dari Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di

Jakarta mengaktifkan kembali CKS.

Berdasarkan surat edaran Kementrian Kemakmuran tanggal 12 Juni 1950

No.219/S.C;KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS)

dan berada di bawah Kementrian Kemakmuran.

Dengan surat Mentri perekonomian tanggal 1 Maret 1952 No.P/44,

lembaga KPS berada di bawah dan bertanggungjawab kepada Mentri

Perekonomian, dan pada tanggal 24 Desember 1953 dengan surat Mentri

research yang disebut Afdeling A, dan bagian penyelenggaraan dan tatausaha

yang disebut Afdeling B.

Dengan keputusan Presiden Republik Indonesia No. 131 tahun 1957,

Kementrian Perekonomian dipecah menjadi Kementrian perdagangan dan

Kementrian Perindustrian. Untuk selanjutnya dengan keputusan Presiden

Republik Indonesia No. 172 tahun 1957 KPS diubah menjadi BPS, dan urusan

statistik yang semula menjadi tanggungjawab dan wewenang Mentri

Perekonomian dialihkan menjadi di bawah dan bertanggungjawab kepada Perdana

Mentri. Berdasarkan KEPPRES ini pula secara formal nama BPS dipergunakan.

Memenuhi anjuran PBB agar setiap negara anggota menyelenggarakan

sensus penduduk secara serentak, maka pada tanggal 24 September 1960 telah

diundangkan UU No. 6 tahun 1960 tentang Sensus, sebagai pengganti Volk Stelling Ordonnantie1930.

Dalam rangka memperhatikan kebutuhan data bagi perencanaan

pembangunan semesta berencana dan mengingat materi statistik ordonnantie 1934

dirasakan sudah tidak sesuai lagi dengan kemajuan–kemajuan yang cepat dicapai oleh Negara kita, maka tanggal 26 September 1960 telah diundangkan UU No. 7

tahun 1960 tentang Statistik.

Berdasarkan keputusan Presidium Kabinet RI No. Aa/C/9 tahun 1965,

maka tiap-tiap daerah Tingkat I dan Tingkat II dibentuk kantor-kantor cabang

BPS dengan nama Kantor Sensus Statistik Daerah (KKS) yang mempunyai tugas

menjalankan kegiatan-kegiatan statistik di daerah-daerah. Di setiap daerah

merupakan pegawai KKS ditingkat II dan di bawah pengawasan Kepala

Kecamatan.

3.1.4 Masa Orde Baru sampai sekarang

Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam

perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang

handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan

organisasi BPS.

Dalam masa orde baru ini BPS telah mengalami empat kali perubahan

struktur organisasi, yaitu:

1. Peraturan Pemerintah No. 16 tahun 1969 tentang organisasi Biro Pusat

Statistik.

2. Peraturan Pemerintah No. 6 tahun 1980 tentang Organisasi Biro Pusat

Statistik.

3. Peraturan Pemerintah No. 2 tahun 1992 tentang Organisasi Biro Pusat

Statistik dan keputusan Presiden No. 6 tahun 1992 tentang Kedudukan,

Tugas, Fungsi, Susunan, Reorganisasi dan tata kerja Biro Pusat Statistik.

4. Undang-Undang No. 16 tahun 1997 tentang Statistik.

5. Keputusan Presiden RI No. 86 tahun 1998 tentang Badan Pusat Statistik.

6. Keputusan Kepala BPS No. 100 tahun 1998 tentang Organisasi dan Tata

Kerja BPS.

Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yaitu

yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980,

Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti

Peraturan Pemerintah No. 16 tahun 1968. Berdasarkan Peraturan Pemerintah No.

6 tahun 1988 di tiap provinsi terdapat perwakilan BPS dengan nama Kantor

Statistik Provinsi dan di Kabupaten/Kota terdapat cabang perwakilan BPS dengan

nama Kantor Statistik Kabupaten/Kota. Pada tanggal 19 Mei 1997 menetapkan

tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik.

Pada tanggal 17 Juni 1998 dengan Keputusan Presiden Republik Indonesia No. 86

tahun 1998 ditetapkan BPS sekaligus mengatur tata kerja dan struktur BPS yang

baru.

3.2 Visi dan Misi Badan Pusat Statistik (BPS)

3.2.1 Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai

tulang punggung informasi pembangunan nasional dan regional,didukung Sumber

Daya Manusia yang berkualitas,ilmu pengetahuan dan teknologi informasi yang

mutakhir.

3.2.2 Misi Badan Pusat Statistik

Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi

bermutu,handal,efektif, dan efisien,peningkatan kesadaran masyarakat akan arti

dan kegunaan statistik serta pengembanan ilmu pengetahuan statistik.

3.3 Struktur Organisasi BPS

Setiap perusahaan baik perusahaan pemerintah maupaun swasta mempunyai

struktur organisasi,karena perusahaan juga merupakan organisasi.Dimana

organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir,yang

dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas,wewenang dan tanggung

jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana

hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik,maka dapat

diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan.

Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Propinsi

Sumatera Utara adalah struktur organisasi berbentuk Lini dan staff.

1. Bagian Tata Usaha

2. Bidang Statistik Produksi

3. Bidang Statistik Distribusi

4. Bidang Statistik Kependudukan

5. Bidang Pengolahan,Penyajian, dan Pelayanan Statistik

3.4 Job Description

Dalam menjalankan suatu organisasi maka diperlukan personal-personal

jabatan tertentu dalam organisasi tersebut dimana masing-masing diberi tugas dan

fungsi job description atau pembagian kerja.Kepala kantor dibantu bagian tata

usaha yang terdiri dari :

1. Sub Bagian Urusan Dalam

2. Sub Bagian Perlengkapan

3. Sub Bagian Keuangan

4. Sub Bagian Kepegawaian

5. Sub Bagian Bina Program

Sedangkan bidang penunjang statistik ada 5 bidang,yaitu:

1. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan

statistik pertanian,industri, serta statistik konstruksi pertambangan dan

energi.

2. Bidang Statistik Distribusi

Bidang Statistik Distribusi mempunyai tugas untuk melaksanakan kegiatan

statistik konsumen dan perdagangan besar,statistik keuangan dan harga

produsen serta Statistik Kesejahteraan.

3. Bidang Statistik Sosial

Bidang Statistik Kependudukan mempunyai tugas untuk melaksanakan

kegiatan statistik demografi dan rumah tangga, statistik ketenagakerjaan,

4. Bidang Integrasi Pengolahan dan Distribusi Sosial

Bidang Statistik Pengolahan Data mempunyai tugas yaitu melaksanakan

kegiatan dan penyiapan data,penyusunan sistem,dan program serta

operasional pengolahan data dengan komputer.

5. Bidang Neraca Wilayah dan Analisis Statistik

Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas yaitu

melaksanakan kegiatan penyusunan neraca produksi,neraca konsumen,

dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

Uraian tugas dan tanggung jawab masing-masing bagian :

1. Bagian Tata Usaha

a. Menusun program kerja tahunan bidang.

b. Mengatur dan melaksanakan dan menyusun program kerja tahunan

rutin maupun proyek kantor statistik propinsi dan menyampaikan ke

Badan Pusat statistik.

c. Mengatur dan melaksanakan urusan dalam,yang meliputi syarat-syarat

penggandaan/percetakan kearsipan,rumah tangga dan pemeliharaaan

gedung keamanan dan lingkungan serta perjalanan dinas maupun

diluar negeri.

d. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang

meliputi penyusunan,penyimpanan/penggudangan, inventarisasi, dan

penghapusan serta pemeliharaan perlengkapan.

e. Mengatur dan melaksanakan urusan kepegawaian yang meliputi tata

pegawai, kesejahteraan pegawai, administrasi jabatan dan fungsional,

hukum, organisasi tata laksana, serta penyajian.

f. Menyusun laporan kegiatan bagian secara berkala dan waktu-waktu

tertentu.

2. Bidang Statistik Produksi

a. Menyusun program kerja tahunan.

b. Mengatur dan menyiapkan dokumen dan bahan yang diperlukan untuk

kegiatan pengumpulan statistik produksi yang mencakup kegiatan

statistik Pertanian, Industri, Pertambangan, Energi, Konstruksi, dan

kegiaan statistik produksi lainnya yang ditentukan.

c. Mengatur dan melaksanakn keikutsertaan dalam program pendidikan

dan pelatihan dalam kegiatan statistik produksi.

d. Membantu kepala Badan Pusat Statistik propinsi dan atau

pemimpin/proyek dalam menyiapkan program pelatihan lapangan.

e. Mengatur dan mengkordinasi penyelenggaraan pelatihan petugas

lapangan di pusat pelatihan serta mengatur pembagian instruktur.

f. Mengatur dan melaksanakan pembagian dokumen dan peralatan yang

diperlukan untuk pelaksanaan lapangan kegiatan statistik produksi.

g. Melaksanakan pembinaan,pengamatan lanjut, dan pengawasan

lapangan terhadap pelaksanaan kegiatan statistik produksi.

h. Mengatur dan melaksanakan penerimaan dan pemeriksaan dokumen

i. Mengatur dan melaksanakan pengolahan data statistik produksi sesuai

dengan sistem dan program yang ditetapkan, bekerjasama dengan

organisasi terkait.

j. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik

produksi yang akan ke Badan Pusat Statistik sesuai dengan jadwal

yang ditetapkan.

k. Mengatur dan melaksanakan evaluasi hasil kegiatan statistik produksi

sebagai bahan masukan untuk penyempurnaan selanjutnya.

l. Membantu kepala Badan Pusat Statistik propinsi dalam melaksanakan

pembinaan petugas lapangan dalam rangka pengumpulan data statistik

produksi baik di produksi Kabupaten/Kota maupun Kecamatan.

m. Membantu kepala Badan Pusat Statistik propinsi dalam dalam

penyelenggaraan kordinasi dan kerjasama kegiatan statistik produksi

baik dengan Pemerintah daerah maupun Instansi lainnya.

n. Mengatur dan meyiapkan naskah publikasi statistik produksi dan

menyampaikan kesatuan organisasi terkait untuk pelaksanaan

pencetakan dan penyebarannya.

o. Membantu kepala BPS propinsi dalam melaksanakan pembinaan

penyusunan publikasi statitik produksi di BPS Kabupaten/Kota dalam

bentuk buku publikasi.

p. Membantu kepala BPS propinsi dalam melaksanakan pembinaan dan

pengembangan,pengendalian pelaksanaan kegiatan statistik produksi.

r. Mengatur dan melaksanakan penghmpunan data cara dan hasil

kegiatan yang dilakukan di lingkungan bidang statistik produksi.

s. Mengatur dan melaksanakan tugas lain yang diberikan oleh atasan

langsung.

3. Bidang Statistik Distribusi

a. Menyusun program kerja tahunan bidang yang meliputi pelaksanaan

kegiatan statistik Pertanian,Industri,Pertambangan,Energi, dan statistik

produksi lainnya.

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh

pusat di bidang statistik produksi.

c. Membantu kepala BPS propinsi memimpin proyek untuk menyiapkan

proyek tugas lapangan.

d. Mengatur dan mengkordinasikan penyelenggaraan petugas lapangan di

pusat pelatihan serta mengatur pelatihan.

e. Mengatur dan melaksanakan dokumen yang diperlukan untuk

pelaksanaan lapangan. Melakukan pembinaan dan pengawasan

lapangan terhadap kegiatan statistik produksi.

f. Melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan

terhadap pelaksanaan kegiatan statistik produksi.

g. Mengatur dan melaksanakan penerimaan dan pemeriksaan dokumen

hasil pengumpulan data statistik distribusi.

h. Mengatur dan melaksanakan pengolahan data statistik distribusi secara

i. Bersama-sama dengan bidang pengolahan statistik distribusi melalui

komputer sesuai yang ditetapkan.

j. Mengatur dan mengevaluasi hasil kegiatan statistik distribusi sebagai

bahan masukan untuk penyempurnaan selanjutnya.

k. Membantu kepala BPS propinsi melakukan pembinaan secara teratur

petugas pencacah,pengawas, dan pemeriksaan pengumpulan data

statistik produksi,kabupaten,kotamadya maupun di kecamatan.

l. Mengatur dan melaksanakan pengolahan data statistik produksi sesuai

dengan sistem program yang ditetapkan, bekerja sama dengan satuan

organisasi terkait.

m. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik

produksi yang akan ke badan pusat statistik sesuai dengan jadwal

yang ditetapkan.

n. Mengatur dan melaksanakan evaluasi hasil kegiatan statistik produksi

sebagai bahan masukan untuk penyempurnaan selanjutnya.

o. Membantu kepala badan pusat statistik propinsi dalam melaksanakan

pembinaan petugas lapangan dalam rangka pengumpulan data

statistik produksi baik di produksi, Kabupaten/Kota maupun di

Kecamatan.

p. Membantu kepala badan pusat statistik propinsi dalam melksanakan

pembinaan petugas lapangan dalam rangka pengumpulan data

q. Mengatur dan menyiapkan naskah publikasi statistik produksi dan

menyampaikan kesatuan organisasi terkait untuk pelaksanaan

pencetakan dan penyebarannya.

r. Membantu kepala BPS propinsi dalam melaksanakan pembinaan

penyusunan publikasi statistik produksi di badan pusat statistik

Kabupaten/kota dalam bentuk buku publikasi.

s. Membantu kepala BPS propinsi dalam melaksanakan pembinaan dan

pengembangan.

t. Pengendalian pelaksanaan kegiatan statistik produksi.

u. Mengatur dan melaksanakan penghimpunan data cara dan hasil

kegiatan yang dilakukan di lingkungan bidang statistik produksi.

v. Menyusun laporan kegiatan statistik produksi secara berkala.

w. Mengatur dan melaksankan tugas lain yang diberikan oleh atasan

langsung.

4. Bidang Statistik Kependudukan

a. Menyusun program kerja tahunan. Bidang yang terutama ruang

lingkup bidang statistik kependudukan adalah meliputi pelaksanaan

kegiatan statistik demokrasi dan rumah tangga dan statistik

kependudukan.

b. Mengatur keikutsertaan program lainnya yang akan diselenggarakan

oleh statistik bidang penduduk.

c. Membantu keikutsertaan program lainnya yang akan diselenggarakan

d. Mengatur dan mengkoordinasikan penyelenggaraan latihan tugas

lapangan dipusat serta mengatur pelatihannya.

e. Mengatur dan melaksanakan penjatahan dokumen untuk melaksanakan

tugas lapangan.

f. Melaksanakan pembinaan dan pengawasan lapangan terhadap

pengawasan kegiatan statistik penduduk.

g. Mengatur dan melaksanakan penerimaan dokumen hasil dari

pengumpulan data statistik kependudukan.

h. Bersama-sama dengan bidang pengolahan data mengatur dan

menyiapkan pengolahan data statistik kependudukan melalui komputer

sesuai yang ditetapkan.

i. Mengatur dan menyiapkan pengolahan data statistik kependudukan

yang akan dikirim kepusat sesuai dengan jadwal yang ditetapkan.

j. Mengatur dan melaksanakan evaluasi hasil pengolahan statistik

kependudukan sebagai bahan untuk penyempurnaan.

5. Bidang Pengolahan dan Pelayanan statistik.

a. Menyusun program kerja tahunan.

b. Melaksankan penyusunan, pemeliharaan, penyelesaian permasalahan

dan pengembangan sistem jaringan komunikasi data sesuai dengan

aturan yang ditetapkan serta membantu penerapan teknologi informasi.

c. Mengatur dan melaksanakan keikutsertaan dalam program pelatihan

yang diselenggarakan oleh BPS dalam program pelatihan dalam

d. Melaksanakan koordinasi pengolahan dan pemeliharaan perangkat

keras dan perangkat lunak serta menyusun sistem pengolahan data.

e. Mengatur integrasi penggunaan sistem dan program aplikasi

pengolahan data statistik distribusi termasuk sarana pendukungnya.

f. Melaksanakan penyusunan, pemeliharaan serta pengembangan sistem

basis data managemen sesuai dengan aturan yang ditetapkan.

g. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data

termasuk bahan komputer dengan kerja sama dengan satuan organisasi

terkait.

6. Bidang Neraca Wilayah dan Analisis Statistik

a. Menyusun program kerja tahunan bidang neraca wilayah dan analisis

statistik.

b. Mengatur dan menyiapkan bahan yang diperlukan untuk menyusun

neraca wilayah dan analisis statistik yang mencakup neraca produksi

dan neraca konsumen, analisis dan pengembangan statistik serta

penyusunan neraca wilayah dan analisis statistik lainnya yang

ditentukan.

c. Mengatur dan melaksanakan keikutsertaan dalam program pelatihan

yang diselenggarakan oleh BPS dalam bidang neraca wilayah dan

analisis statistik.

d. Membantu kepala badan pusat statistik propinsi atau pemimpin bagian

e. Mengatur dan mengkoordinasikan penyelenggaraan pelatihan petugas

dipusat latihan serta mengatur pembagian instruksi.

f. Mengatur dan melaksanakan pembagian dokumen dan peralatan yang

diperlukan untuk pelaksanaan lapangan.

g. Melakukan penggunaan, pengamatan lanjut, dan pengawasan lapangan

terhadap pelaksanaan kegiatan penyusunan neraca dan neraca

BAB 4

ANALISIS DATA

4.1 Arti Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai pebjabaran 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 dengaan yang diinginkan.

Data yang akan diolah adalah jumlah produksi padi di Kabupaten Tapanuli

Utara tahun 1998-2012. Analisis yang dipakai dalam pengolahan data ini adalah

analisis Pemulusan (smoothing) Eksponensial Ganda yaitu Metode Linier Satu

4.2 Data yang Dibutuhkan

Tabel 4.1 Data Jumlah Produksi Padi di Kabupaten Tapanuli Utara

No Tahun Jumlah (Ton)

1 1998 161.600

2 1999 194.956

3 2000 181.688

4 2001 227.220

5 2002 229.698

6 2003 135.712

7 2004 142.018

8 2005 143.418

9 2006 152.013

10 2007 149.447

11 2008 150.269

12 2009 144.530

13 2010 144.618

14 2011 140.881

0 50000 100000 150000 200000 250000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

ju

m

la

h

P

ro

d

u

k

si

(

to

n

)

4.3 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,1

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998

161600 161600 161600 1999

194956 164935,6 161933,6 167937,6 333,56 2000

181688 166610,84 162401,3 170820,4 467,728 168271,2 13416,8 13416,8 180010522,2 7,384527 7,384527 2001

227220 172671,756 163428,3 181915,2 1027,047 171288,1 55931,88 55931,88 3128375200 24,61574 24,61574 2002

229698 178374,3804 164922,9 191825,8 1494,605 182942,2 46755,78 46755,78 2186102589 20,35533 20,35533 2003

135712 174108,1424 165841,5 182374,8 918,5203 193320,4 -57608,4 57608,43 3318730746 -42,449 42,44903 2004

142018 170899,1281 166347,2 175451 505,7668 183293,3 -41275,3 41275,35 1703654135 -29,0635 29,06346 2005

143418 168151,0153 166527,6 169774,4 180,3789 175956,8 -32538,8 32538,8 1058773283 -22,6881 22,68808 2006

152013 166537,2138 166528,6 166545,9 0,960839 169954,8 -17941,8 17941,8 321908335 -11,8028 11,80281 2007

149447 164828,1924 166358,5 163297,9 -170,037 166546,8 -17099,8 17099,82 292403918,4 -11,4421 11,44206 2008

150269 163372,2732 166059,9 160684,6 -298,626 163127,8 -12858,8 12858,82 165349215,2 -8,5572 8,5572 2009

144530 161488,0458 165602,7 157373,4 -457,186 160386 -15856 15856,02 251413290,3 -10,9707 10,97074 2010

144618 159801,0413 165022,5 154579,5 -580,168 156916,2 -12298,2 12298,19 151245438,3 -8,50391 8,503913 2011

140881 157909,0371 164311,2 151506,9 -711,351 153999,4 -13118,4 13118,36 172091500 -9,31166 9,311664 2012

149728 157090,9334 163589,2 150592,7 -722,027 150795,5 -1067,52 1067,524 1139608,27 -0,71298 0,712976 jumlah 12931197782

4.4 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,2

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998 _{161600 161600 161600}

1999 _{194956 164935,6 161933,6 167937,6 333,56}

2000 _{181688 166610,84 162401,3 170820,4 467,728 168271,2 13416,8 6745,6 45503119,36 3,712738 3,712738}

2001 _{227220 172671,756 163428,3 181915,2 1027,047 171288,1 55931,88 48245,12 2327591604 21,23278 21,23278}

2002 _{229698 178374,3804 164922,9 191825,8 1494,605 182942,2 46755,78 29821,01 889292518,1 12,9827 12,9827}

2003 _{135712 174108,1424 165841,5 182374,8 918,5203 193320,4 -57608,4 79627,26 6340501172 -58,6737 58,67371}

2004 _{142018 170899,1281 166347,2 175451 505,7668 183293,3 -41275,3 46197,07 2134169047 -32,529 32,52902}

2005 _{143418 168151,0153 166527,6 169774,4 180,3789 175956,8 -32538,8 27859,86 776171747,5 -19,4256 19,42564}

2006 _{152013 166537,2138 166528,6 166545,9 0,960839 169954,8 -17941,8 7814,651 61068774,98 -5,14078 5,140778}

2007 _{149447 164828,1924 166358,5 163297,9 -170,037 166546,8 -17099,8 5834,132 34037099,43 -3,90381 3,903814}

2008 _{150269 163372,2732 166059,9 160684,6 -298,626 163127,8 -12858,8 945,2348 893468,8477 -0,62903 0,629028}

2009 _{144530 161488,0458 165602,7 157373,4 -457,186 160386 -15856 4339,531 18831529,64 -3,00251 3,002512}

2010 _{144618 159801,0413 165022,5 154579,5 -580,168 156916,2 -12298,2 511,2994 261427,0606 -0,35355 0,353552}

2011 _{140881 157909,0371 164311,2 151506,9 -711,351 153999,4 -13118,4 1865,779 3481131,836 -1,32437 1,324365}

2012 _{149728 157090,9334 163589,2 150592,7 -722,027 150795,5 -1067,52 9925,985 98525177,55 6,629345 6,629345}

jumlah 12730327818 MSE 979255986

4.5 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,3

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998 161600 161600 161600

1999 194956 171606,8 164602 178611,6 3002,04

2000 181688 174631,16 167610,8 181651,5 3008,736 181613,6 74,4 74,4 5535,36 0,040949 0,040949

2001 227220 190407,812 174449,9 206365,7 6839,111 184660,3 42559,72 42559,72 1811329766 18,73062 18,73062

2002 229698 202194,8684 182773,4 221616,4 8323,494 213204,8 16493,15 16493,15 272024062,9 7,180364 7,180364

2003 135712 182250,0079 182616,4 181883,6 -157,012 229939,9 -94227,9 94227,85 8878887716 -69,4322 69,43222

2004 142018 170180,4055 178885,6 161475,2 -3730,79 181726,6 -39708,6 39708,63 1576775652 -27,9603 27,96028

2005 143418 162151,6839 173865,4 150438 -5020,17 157744,4 -14326,4 14326,44 205246933,8 -9,98929 9,989291

2006 152013 159110,0787 169438,8 148781,3 -4426,6 145417,8 6595,212 6595,212 43496826,79 4,338584 -4,33858

2007 149447 156211,1551 165470,5 146951,8 -3968,3 144354,7 5092,254 5092,254 25931049,26 3,407398 -3,4074

2008 150269 154428,5086 162157,9 146699,1 -3312,6 142983,5 7285,501 7285,501 53078529,26 4,848306 -4,84831

2009 144530 151458,956 158948,2 143969,7 -3209,69 143386,5 1143,497 1143,497 1307586,397 0,791183 -0,79118

2010 144618 149406,6692 156085,8 142727,6 -2862,47 140760 3858,001 3858,001 14884170 2,667718 -2,66772

2011 140881 146848,9684 153314,7 140383,2 -2771,04 139865,1 1015,887 1015,887 1032027,094 0,721096 -0,7211

2012 149728 147712,6779 151634,1 143791,2 -1680,61 137612,2 12115,82 12115,82 146793140,3 8,091888 8,091888

jumlah 13030792996 MSE 1002368692

4.6. Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,4

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998 _{161600 161600 161600}

1999 _{194956 174942,4 166937 182947,8 5336,96}

2000 _{181688 177640,64 171218,4 184062,8 4281,472 188284,8 -6596,8 6596,8 43517770,24 -3,63084 -3,63084}

2001 _{227220 197472,384 181720 213224,8 10501,58 188344,3 38875,68 38875,68 1511318495 17,10927 17,10927}

2002 _{229698 210362,6304 193177,1 227548,2 11457,05 223726,3 5971,664 5971,664 35660770,93 2,599789 2,599789}

2003 _{135712 180502,3782 188107,2 172897,6 -5069,87 239005,2 -103293 103293,2 10669495082 -76,1121 76,1121}

2004 _{142018 165108,6269 178907,8 151309,5 -9199,42 167827,7 -25809,7 25809,7 666140440,6 -18,1735 18,17354}

2005 _{143418 156432,3762 169917,6 142947,1 -8990,15 142110,1 1307,933 1307,933 1710689,549 0,911973 0,91197}

2006 _{152013 154664,6257 163816,4 145512,8 -6101,19 133957 18056,01 18056,01 326019524,7 11,87794 11,8779}

2007 _{149447 152577,5754 159320,9 145834,3 -4495,54 139411,6 10035,36 10035,36 100708388,6 6,714994 6,71499}

2008 _{150269 151654,1453 156254,2 147054,1 -3066,69 141338,7 8930,264 8930,264 79749622,88 5,942852 5,94285}

2009 _{144530 148804,4872 153274,3 144334,7 -2979,88 143987,4 542,5888 542,5888 294402,6374 0,375416 0,37542}

2010 _{144618 147129,8923 150816,5 143443,2 -2457,77 141354,8 3263,211 3263,211 10648548,63 2,256435 2,25644}

2011 _{140881 144630,3354 148342,1 140918,6 -2474,48 140985,5 -104,478 104,4783 10915,7153 -0,07416 0,074161}

2012 _{149728 146669,4012 147673 145665,8 -669,063 138444,1 11283,87 11283,87 127325720,7 7,536246 7,536246}

jumlah 13572600373 MSE 1044046183

4.6 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,5

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998

161600 161600 161600 1999

194956 178278 169939 186617 8339 2000

181688 179983 174961 185005 5022 194956 -13268 13268 176039824 -7,30263 7,302629 2001

227220 203601,5 189281,3 217921,8 14320,25 190027 37193 37193 1383319249 16,36872 16,36872 2002

229698 216649,75 202965,5 230334 13684,25 232242 -2544 2544 6471936 -1,10754 1,107541 2003

135712 176180,875 189573,2 162788,6 -13392,3 244018,3 -108306 108306,3 11730243789 -79,8059 79,80595 2004

142018 159099,4375 174336,3 143862,6 -15236,9 149396,3 -7378,25 7378,25 54438573,06 -5,19529 5,195292 2005

143418 151258,7188 162797,5 139719,9 -11538,8 128625,7 14792,31 14792,31 218812509,1 10,31413 10,31413 2006

152013 151635,8594 157216,7 146055 -5580,83 128181,1 23831,88 23831,88 567958266 15,67752 15,67752 2007

149447 150541,4297 153879,1 147203,8 -3337,63 140474,2 8972,797 8972,797 80511083,76 6,003999 6,003999 2008

150269 150405,2148 152142,1 148668,3 -1736,92 143866,2 6402,828 6402,828 40996208 4,260911 4,260911 2009

144530 147467,6074 149804,9 145130,3 -2337,26 146931,4 -2401,37 2401,371 5766583,13 -1,6615 1,661504 2010

144618 146042,8037 147923,8 144161,8 -1881,03 142793,1 1824,922 1824,922 3330339,85 1,261891 1,261891 2011

140881 143461,9019 145692,9 141230,9 -2230,97 142280,7 -1399,74 1399,735 1959259,054 -0,99356 0,993559 2012

149728 146594,9509 146143,9 147046 451,0405 139000 10728,03 10728,03 115090717,4 7,165015 7,165015 jumlah 14384938337

4.7 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,6

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998

161600 161600 161600 1999

194956 181613,6 173608,2 189619 12008,16 2000

181688 181658,24 178438,2 184878,3 4830,048 201627,2 -19939,2 19939,2 397571696,6 -10,9744 10,97442 2001

227220 208995,296 196772,5 221218,1 18334,25 189708,3 37511,68 37511,68 1407126136 16,50897 16,50897 2002

229698 221416,9184 211559,1 231274,7 14786,67 239552,4 -9854,38 9854,384 97108884,02 -4,29015 4,290148 2003

135712 169993,9674 186620 153367,9 -24939,1 246061,4 -110349 110349,4 12176984784 -81,3114 81,31144 2004

142018 153208,3869 166573 139843,7 -20047 128428,8 13589,2 13589,2 184666374 9,568647 9,568647 2005

143418 147334,1548 155029,7 139638,6 -11543,3 119796,7 23621,26 23621,26 557963955,7 16,47022 16,47022 2006

152013 150141,4619 152096,8 148186,2 -2932,95 128095,3 23917,74 23917,74 572058116,2 15,73401 15,73401 2007

149447 149724,7848 150673,6 148776 -1423,19 145253,2 4193,787 4193,787 17587853,1 2,806204 2,806204 2008

150269 150051,3139 150300,2 149802,4 -373,357 147352,8 2916,192 2916,192 8504176,498 1,940648 1,940648 2009

144530 146738,5256 148163,2 145313,8 -2137,02 149429,1 -4899,05 4899,052 24000713,36 -3,38964 3,389644 2010

144618 145466,2102 146545 144387,4 -1618,2 143176,8 1441,167 1441,167 2076963,551 0,996534 0,996534 2011

140881 142715,0841 144247,1 141183,1 -2297,95 142769,2 -1888,22 1888,218 3565366,052 -1,34029 1,340293 2012

149728 146922,8336 145852,5 147993,1 1605,468 138885,2 10842,84 10842,84 117567158,8 7,241691 7,241691 jumlah 15566782178

4.8 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,7

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998

161600 161600 161600 1999

194956 184949,2 177944,4 191954 16344,44 2000

181688 182666,36 181249,8 184082,9 3305,344 208298,4 -26610,4 26610,4 708113388,2 -14,6462 14,64621 2001

227220 213853,908 204072,7 223635,1 22822,89 187388,3 39831,72 39831,72 1586565918 17,53002 17,53002 2002

229698 224944,7724 218683,1 231206,4 14610,47 246458 -16760 16760,03 280898672,6 -7,29655 7,296551 2003

135712 162481,8317 179342,2 145621,4 -39340,9 245816,9 -110105 110104,9 12123083279 -81,1313 81,13127 2004

142018 148157,1495 157512,7 138801,6 -21829,6 106280,5 35737,48 35737,48 1277167368 25,16405 25,16405 2005

143418 144839,7449 148641,6 141037,9 -8871,05 116972,1 26445,93 26445,93 699386988,7 18,43975 18,43975 2006

152013 149861,0235 149495,2 150226,8 853,5803 132166,8 19846,18 19846,18 393870955,3 13,05558 13,05558 2007

149447 149571,207 149548,4 149594 53,2026 151080,4 -1633,42 1633,424 2668073,591 -1,09298 1,092979 2008

150269 150059,6621 149906,3 150213 357,8793 149647,2 621,7893 621,7893 386621,876 0,413784 0,413784 2009

144530 146188,8986 147304,1 145073,7 -2602,17 150570,9 -6040,92 6040,918 36492693,88 -4,1797 4,179699 2010

144618 145089,2696 145753,7 144424,8 -1550,39 142471,5 2146,488 2146,488 4607410,684 1,484247 1,484247 2011

140881 142143,4809 143226,6 141060,4 -2527,17 142874,4 -1993,42 1993,425 3973741,477 -1,41497 1,41497 2012

149728 147452,6443 146184,8 148720,5 2958,264 138533,2 11194,76 11194,76 125322681,6 7,476732 7,476732 jumlah 17242537793

4.9 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,8

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998

161600 161600 161600 1999

194956 188284,8 182947,8 193621,8 21347,84 2000

181688 183007,36 182995,5 183019,3 47,616 214969,6 -33281,6 33281,6 1107664899 -18,318 18,318 2001

227220 218377,472 211301,1 225453,9 28305,61 183066,9 44153,12 44153,12 1949498006 19,43188 19,43188 2002

229698 227433,8944 224207,3 230660,5 12906,26 253759,5 -24061,5 24061,49 578955204,8 -10,4753 10,47527 2003

135712 154056,3789 168086,6 140026,2 -56120,8 243566,7 -107855 107854,7 11632640626 -79,4732 79,47324 2004

142018 144425,6758 149157,9 139693,5 -18928,7 83905,43 58112,57 58112,57 3377070969 40,91916 40,91916 2005

143418 143619,5352 144727,2 142511,9 -4430,66 120764,8 22653,22 22653,22 513168258,9 15,79524 15,79524 2006

152013 150334,307 149212,9 151455,7 4485,686 138081,2 13931,78 13931,78 194094608,3 9,164864 9,164864 2007

149447 149624,4614 149542,1 149706,8 329,2608 155941,4 -6494,42 6494,415 42177426,91 -4,34563 4,345631 2008

150269 150140,0923 150020,5 150259,7 478,3569 150036 232,9626 232,9626 54271,57941 0,15503 0,15503 2009

144530 145652,0185 146525,7 144778,3 -3494,79 150738 -6208,04 6208,038 38539740,18 -4,29533 4,295329 2010

144618 144824,8037 145165 144484,6 -1360,73 141283,5 3334,466 3334,466 11118664,54 2,305706 2,305706 2011

140881 141669,7607 142368,8 140970,7 -2796,18 143123,9 -2242,89 2242,892 5030564,542 -1,59205 1,592047 2012

149728 148116,3521 146966,8 149265,9 4598,037 138174,5 11553,46 11553,46 133482543,2 7,716302 7,716302 jumlah 19583495782

4.10 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,9

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998

161600 161600 161600 1999

194956 191620,4 188618,4 194622,4 27018,36 2000

181688 182681,24 183275 182087,5 -5343,41 221640,8 -39952,8 39952,8 1596226228 -21,9898 21,98978 2001

227220 222766,124 218817 226715,2 35542,05 176744,1 50475,88 50475,88 2547814462 22,21454 22,21454 2002

229698 229004,8124 227986 230023,6 9169,025 262257,3 -32559,3 32559,3 1060107756 -14,1748 14,17483 2003

135712 145041,2812 153335,8 136746,8 -74650,3 239192,6 -103481 103480,6 10708238302 -76,2502 76,25016 2004

142018 142320,3281 143421,9 141218,8 -9913,89 62096,53 79921,47 79921,47 6387441265 56,27559 56,27559 2005

143418 143308,2328 143319,6 143296,9 -102,274 131304,9 12113,1 12113,1 146727192,9 8,446011 8,446011 2006

152013 151142,5233 150360,2 151924,8 7040,634 143194,6 8818,405 8818,405 77764272,33 5,801086 5,801086 2007

149447 149616,5523 149690,9 149542,2 -669,31 158965,4 -9518,45 9518,45 90600889,21 -6,36911 6,369114 2008

150269 150203,7552 150152,5 150255 461,5516 148872,9 1396,126 1396,126 1949167,695 0,929084 0,929084 2009

144530 145097,3755 145602,9 144591,9 -4549,59 150716,6 -6186,59 6186,59 38273899,65 -4,28049 4,280489 2010

144618 144665,9376 144759,6 144572,2 -843,253 140042,3 4575,721 4575,721 20937219,73 3,164005 3,164005 2011

140881 141259,4938 141609,5 140909,5 -3150,12 143729 -2847,99 2847,99 8111046,819 -2,02156 2,021557 2012

149728 148881,1494 148154 149608,3 6544,478 137759,4 11968,64 11968,64 143248458,4 7,993592 7,993592 jumlah 22827440159

4.11 Peramalan Jumlah Produksi Padi dengan Pemulusan Eksponensian Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,2

Tahun Xt S’t S”t at bt F1+m et |et| et2 Pet |Pet| 1998 _{161600 161600 161600}

1999 _{194956 164935,6 161933,6 167937,6 333,56}

2000 _{181688 166610,84 162401,3 170820,4 467,728 168271,2 13416,8 13416,8 180010522,2 7,384527 7,384527}

2001 _{227220 172671,756 163428,3 181915,2 1027,047 171288,1 55931,88 55931,88 3128375200 24,61574 24,61574}

2002 _{229698 178374,3804 164922,9 191825,8 1494,605 182942,2 46755,78 46755,78 2186102589 20,35533 20,35533}

2003 _{135712 174108,1424 165841,5 182374,8 918,5203 193320,4 -57608,4 57608,43 3318730746 -42,449 42,44903}

2004 _{142018 170899,1281 166347,2 175451 505,7668 183293,3 -41275,3 41275,35 1703654135 -29,0635 29,06346}

2005 _{143418 168151,0153 166527,6 169774,4 180,3789 175956,8 -32538,8 32538,8 1058773283 -22,6881 22,68808}

2006 _{152013 166537,2138 166528,6 166545,9 0,960839 169954,8 -17941,8 17941,8 321908335 -11,8028 11,80281}

2007 _{149447 164828,1924 166358,5 163297,9 -170,037 166546,8 -17099,8 17099,82 292403918,4 -11,4421 11,44206}

2008 _{150269 163372,2732 166059,9 160684,6 -298,626 163127,8 -12858,8 12858,82 165349215,2 -8,5572 8,5572}

2009 _{144530 161488,0458 165602,7 157373,4 -457,186 160386 -15856 15856,02 251413290,3 -10,9707 10,97074}

2010 _{144618 159801,0413 165022,5 154579,5 -580,168 156916,2 -12298,2 12298,19 151245438,3 -8,50391 8,503913}

2011 _{140881 157909,0371 164311,2 151506,9 -711,351 153999,4 -13118,4 13118,36 172091500 -9,31166 9,311664}

2012 _{149728 157090,9334 163589,2 150592,7 -722,027 150795,5 -1067,52 1067,524 1139608,27 -0,71298 0,712976}

149870,7 jumlah 12931197782 149148,7 _{MSE 994707521,7}

BAB 5

IMPLEMENTASI SISTEM

5.1. Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain

sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem

baru atau sistem yang akan diperbaiki.

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis

ke dalam progamming (coding). dalam pengolahan data pada karya tulis ini

penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu

Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil

perhitungan.

Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia

yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dengan adanya

perangkat lunak komputer tersebut kita sangat terbantu karena memang ada

kalanya data yang sangat rumit dan banyak tidak dapat dikerjakan secara manual

atau dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu

dan tenaga yang sangat banyak utuk mengoalh data tersebut, disamping itu faktor

Selain itu, dengan adanya perangkat lunak komputer, diharapkan

pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, dan dengan tingkat

kesalahan yang relatif kecil.

5.2. Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread

sheet) dari program paket Microsoft Office. Excel merupakn salah satu software

pengolahan angka yang cukup banyak digunakan di dunia. Excel merupakan

produk unggulan dari Microsoft Corporation yang banyak berperan dalam

pengolahan informasi khususnya data yang berbentuk angka, dihitung,

diproyeksikan, dianalisis, dan dipresentasikan data pada lembar kerja. Microsoft

telah mengeluarkan Excel dalam berbagai dari versi 4, versi 5, versi 97, versi 200,

versi 2002, versi 2003, versi 2007 dan versi 2010.

Sheet (Lembar Kerja) Excel terdiri dari 256 kolom dan 65536 baris. Setiap

kolom di beri nama dengan huruf mulai dari A, B, C, ... , Z kemudian dilanjutkan

AA, AB, AC, ... , sampai kolom IV. Sedangkan kolom baris ditandai dengan

angka mulai dari 1, 2, 3, ... , 65536.

5.3. Langkah-Langkah Memulai Pengolahan Data dengan Excel

Sebelum pengoperasian software ini, pastikan pada komputer terpasang program

54

5. Forecast untuk tahun ketiga yaitu pada sel F4 dapat dicari dengan menggunakan rumus : =(D3+(E3*1)) dengan hasil angka 221640,8 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

6.Nilai error untuk tahun 2000 ditentukan dengan rumus : =A4-F4. Dalam kasus ini menghasilkan -39952,8 dan untuk tahun berikutnya dilakukan dengan menyalin rumus tersebut.

7.Nilai absolute untuk tahun 2000 ditentukan dari nilai mutlak error. Dalam kasus ini menghasilkan 39952,8 karena pada tahun tersebut nilai error negatif. Tetapi pada tahun 2001 dengan nilai error 50475,88 maka pada absolute menghasilkan 50475,88. Demikian juga untuk tahun-tahun berikutnya.

8.Nilai squared error untuk tahun 2000 ditentukan dari =H4^2. Dalam kasus ini menghasilkan 1596226228 dan untuk tahun berikutnya dilakukan dengan hal yang sama.

9. NilaiPetbisa dicari pada tahun kedua yaitu dengan rumus : =((A4-F4)/A4)*100 Dalam kasus ini menghasilkan angka : -21,9898 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

56

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisis data yang dilakukan pada bab-bab sebelumnya maka kesimpulan yang diperoleh antara lain :

1. Metode paramalan yang baik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan data yang sebenarnya, atau metode tersebut menghasilkan bias sekecil mungkin. Dalam kasus ini analisis Metode Smoothing Eksponensial dengan satu parameter dari Brown diperoleh nilai MSE yang terkecil adalah = 0,2 yakni MSE = 979.255.986

2. Bentuk persamaan peramalan dari jumlah produksi padi di Kabupaten Tapanuli Utara adalah : F2012+ m= 16.176,49 + (-290,164) (m)

3. Diarmalkan jumlah produksi padi bdi kabupaten Tapanuli Utara untuk periode dua tahun ke depan adalah (dalam satuan ton)

T a h u n Period e Peramalan

0 1 3 129311977 82 2 0 1 4 17 994707521, 7 6.2 Saran

Berdasarkan penelitian yang telah dilakukan oleh penulis, maka pada Tugas Akhir ini penulis memberikan saran yang diharapkan dapat bermanfaat bagi pemerintah dan pihak-pihak yang terkait.

Adapun saran yang dapat penulis berikan antara lain sebagai berikut :

1. Dalam meramalkan jumlah produksi padi di kabupaten tapanuli Utara dengan menggunakan Metode Pemulusa Eksponensial Ganda Linier Satu Parameter dari Brown akan sangat membantu jika kita menggunakan alat bantu komputer.

2. Dengan adanya angka peramalan tersebut diharapkan kiranya dapat memberikan gambaran dalam pengambilan keputusan untuk jumlah produksi padi di masa yang akan datang

58

4. Sebagai bahan pertimbangan dan perbandingan dalam mengambil berbagai kebijakan, metode peramalan yang dibahas dalam Tugas Akhir ini sangat membantu.

BPS.2012.Tapanuli Utara Dalam Angka 2012.Badan Pusat Statistik

Makridakis, Spyros, dan whellright, steven c. 1993. Metode dan Aplikasi Peramalan Edisi ke II .Jakarta : Erlangga

Ir. Pandapotan Sianipar, 2004.Singkat Tepat Jelas Menggunakan Microsoft Office Excel 2003.Jakarta: PT. Eleks Media Komputating

Panduan Tatacara Penulisan Tugas Akhir 2014. Dokumen Nomor Akad/02/2014. Medan. Fakultas Matematika dan Ilmu Pengetahuan Alam Sumatera Utara

http://www.tapanuliutara.bps.go.id/f brs/BRS % 20 ARAM1109 pdf. http://www.google.co.id/f.