Peramalan Jumlah Penumpang Domestik Kapal Laut Di Pelabuhan Belawan Tahun 2014

PERAMALAN JUMLAH PENUMPANG DOMESTIK

KAPAL LAUT DI PELABUHAN BELAWAN

TAHUN 2014

TUGAS AKHIR

GITA CHANDRA NURANI

082407055

PROGRAM STUDI D-III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERAMALAN JUMLAH PENUMPANG DOMESTIK

KAPAL LAUT DI PELABUHAN BELAWAN

TAHUN 2014

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

GITA CHANDRA NURANI

082407055

PROGRAM STUDI D-III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2011

PERSETUJUAN

Judul :PERAMALAN JUMLAH PENUMPANG DOMESTIK KAPAL LAUT DI PELABUHAN BELAWAN TAHUN 2014

Kategori : TUGAS AKHIR

Nama : GITA CHANDRA NURANI Nomor Induk Mahasiswa : 082407055

Program Studi : DIPLOMA III STATISTIKA Departemen : MATEMATIKA

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

Diluluskan di Medan, Juni 2011

Diketahui/Disetujui oleh Pembimbing Departemen Matematika FMIPA USU

Ketua,

Prof. Dr. Tulus, M.Si Drs. Djakaria Sebayang, M.Si NIP. 19620901 198803 1 002 NIP. 19511227 198503 1 002

PERNYATAAN

PERAMALAN JUMLAH PENUMPANG DOMESTIK KAPAL LAUT DI PELABUHAN BELAWAN TAHUN 2014

TUGAS AKHIR

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

Medan, Juni 2011

GITA CHANDRA NURANI 082407055

PENGHARGAAN

Assalamualaikum Wr.Wb

Bismillahirrahmanirrahim

Syukur alhamdulillah penulis ucapkan kepada Allah SWT, dengan limpahan karunia-NYA akhirnya penulis dapat menyelesaikan Tugas Akhir ini tepat pada waktunya.

Dalam penulisan ini, penulis menyadari bahwa selesainya Tugas Akhir ini merupakan bantuan, bimbingan dan pengarahan dari berbagai pihak sehubungan dengan hal tersebut, penulis pada kesempatan ini ingin menyampaikan ucapan terima kasih saya sampaikan kepada :

1.Bapak Prof. Dr. Tulus, M.Si selaku Ketua Departemen FMIPA USU, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua Dosen dan Pegawai pada Departemen Matematika FMIPA USU.

2.Bapak Drs. Djakaria Sebayang, M.Si. sebagai pembimbing saya pada penyelesaian Tugas Akhir ini yang telah memberikan panduan dan penuh kepercayaan kepada saya untuk menyempurnakan Tugas Akhir ini. Panduan ringkas, padat dan professional telah diberikan kepada saya agar penulis dapat menyeleaikan tugas ini.

3.Terkhusus penulis ucapkan terima kasih yang sebesar-besarnya kepada Ayahanda dan Ibunda karena dengan dorongan dan motivasinya sehingga terselesaikannya Tugas Akhir ini, begitu juga adik

4.Buat sahabat-sahabat saya terima kasih atas perhatian dan kerjasamanya.

5.Buat teman-teman khususnya STAT A dan umumnya STAT B dan C stambuk 2008.

Semoga Allah SWT membalas segala budi baik Bapak, Ibu dan saudara-saudara sekalian. Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna dan sederhana baik dalam penulisan maupun dalam tata bahasanya. Oleh karena itu, penulis mengharapkan kritik dan saran yang sifatnya untuk penyempurnaan Tugas Akhir ini. Semoga karya sederhana ini dapat bermanfaat bagi pengembangan ilmu Statistik.Amin.

Medan. Juni 2011

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar isi v

Daftar Tabel vii

Daftar Gambar x

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Identifikasi masalah 3

1.3 Tinjauan Pustaka 4

1.4 Tujuan Penelitian 5

1.5 Kontribusi Penelitian 6

1.6 Metodologi Penelitian 6

1.7 Sistematika Penulisan 8

Bab 2 Landasan Teori 10

2.1 Pengertian Peramalan 10

2.2 Kebutuhan dan Kegunaan Peramalan 11 2.3 Peranan Teknik Peramalan Dewasa Ini 12 2.4 Metode Peramalan Eksponensial Ganda 14

2.5 Metode Peramalan 17

2.5.1 Pemilihan Teknik dan Metode Peramalan 18

Bab 3 Sejarah Singkat Tempat Riset 20

3.1 Sejarah Singkat Kegiatan Statistik di Indonesia 20 3.1.1 Masa Pemerintahan Hindia Belanda 20 3.1.2 Masa Pemerintahan Jepang 21 3.1.3 Masa Kemerdekaan Republik Indonesia 21 3.1.4 Masa Orde Baru Sampai Sekarang 22 3.1.5 Visi dan Misi Biro Pusat Statistik 23 3.1.6 Program Pengembangan Statistik 23 3.2 Ruang Lingkup Kegiatan Biro Pusat Statistik 24 3.2.1 Kedudukan, Tugas, dan Fungsi Biro Pusat Statistik 24 3.2.2 Tata Kerja Biro Pusat Statistik 25 3.2.3 Alasan Pemakaian Komputer di Biro Pusat Statistik 25 3.3 Struktur Organisasi Biro Pusat Statistik 25 3.3.1 Tugas Bagian Tata Usaha 27 3.3.2 Tugas Bidang Statistik Produksi 27 3.3.2 Tugas Statistik Bidang Distribusi 28 3.3.4 Tugas Bidang Pengolahan Data 28 3.3.5 Tugas Bidang Statistik Kependudukan 29 3.3.5 Tugas Bidang Neraca Wilayah dan Analisa 29

Bab 4 Analisis Data 30

4.1 Pengumpulan Data 30

4.2 Metode Smoothing Eksponensial Linier Satu Parameter dari Brown 31

4.3 Pemilihan Metode 32

4.3.1 Statistik Uji yang Digunakan 32

Bab 5 Implementasi Sistem 58

5.1 Tahapan Implementasi 58

5.2 Microsoft Excel 59

5.3 Langkah-langkah Memulai Pengolahan Data dengan Excel 59

5.4 Penggambaran Hasil 62

Bab 6 Kesimpulan Dan Saran 66

6.1 Kesimpulan 66

6.2 Saran 67

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman Tabel 4.1 :Data Jumlah Penumpang Domestik 30

Tabel 4.2 :Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown

Menggunakan = 0,1 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 34

Tabel 4.3 : Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown

Menggunakan = 0,2 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 35

Tabel 4.4 : Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown

Menggunakan = 0,3 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 36

Tabel 4.5 : Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown

Menggunakan = 0,4 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 37

Tabel 4.6 : Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown Menggunakan = 0,5 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 38

Tabel 4.7 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,6 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 39

Tabel 4.8 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,7 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 40

Tabel 4.9 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,8 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 41

Tabel 4.10 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,9 Pada Data Jumlah Penumpang Domestik yang Turun di Pelabuhan Belawan 42

Tabel 4.11 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,1 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 43

Tabel 4.12 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,2 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 44

Tabel 4.13 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,3 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 45

Tabel 4.14 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,4 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 46

Tabel 4.15 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,5 Pada Data Jumlah Penumpang Domestik yang Naik

Tabel 4.16 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,6 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 48

Tabel 4.17 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,7 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 49

Tabel 4.18 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,8 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 50

Tabel 4.19 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

Menggunakan = 0,9 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 51

Tabel 4.20 : Perbandingan Ukuran Ketepatan Metode Peramalan 52

Tabel 4.21 : Nilai Ramalan (Forecast) Jumlah Penumpang Domestik di

Pelabuhan Belawan 55

Tabel 4.22 : Pemulusan Eksponensial Untuk Penumpang Turun 56

DAFTAR GAMBAR

Halaman Gambar 4.1 : Nilai Aktual Penumpang Domestik di Pelabuhan Belawan 31

Gambar 4.2 : Nilai Peramalan Penumpang Domestik yang Turun di

Pelabuhan Belawan 57

Gambar 4.3 : Nilai Peramalan Penumpang Domestik yang Naik di

Pelabuhan Belawan 57

Gambar 5.2 : Tampilan Lembar Kerja Microsoft Excel 59

Gambar 5.3 : Tampilan Lembar Kerja Pengisian Data 60

Gambar 5.4 : Tampilan Kotak Dialog Chart Type 63

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Indonesia merupakan Negara maritim yang mempunyai belasan ribu pulau dengan teritori laut yang sangat luas. Wilayah Indonesia terbentang sepanjang 3.977 mil diantara Samudra Hindia dan Samudra Pasifik. Luas daratan Indonesia adalah 1.922.570 dan luas perairannya 3.257.483 . Indonesia adalah Negara

kepulauan terbesar di dunia terdiri dari 17.508 pulau, dengan perairan laut teritorial (3,2 juta ) terluas di dunia (belum termasuk 2,9 perairan Zona Ekonomi

Eksklusif terluas di dunia) dan 95.108 km garis pantai terpanjang kelima di dunia. Perairan laut Indonesia memiliki posisi geografis strategis sebagai jalur komersial dan militer. Indonesia adalah lintasan jalur penghubung Samudra Pasifik dengan Samudra Hindia, dan Benua Asia dengan Benua Australia, untuk kepentingan perdagangan maritim internasional dan militer global.

Kepulauan Indonesia yang teridiri atas belasan ribu pulau dapat saling berhubungan selain daru transportasi udara dan darat dapat pula berhubungan dengan menggunakan transportasi laut. Di Indonesia, perananan tranportasi laut sangat penting karena Indonesia merupakan Negara kepulauan. Membina transportasi laut tidak hanya memperlancar hubungan antar pulau atau daerahyang merupakan kesatuan

wilayah (wawasan nusantara), tetapi juga akan membuka sumber-sumber kehidupan rakyat yamg lebih luas dan lebih merata diseluruh wilayah. Kelancaran transportasi laut membantu pencapaian sasaran pembangunan nasional melalui pengembangan potensi ekonomi yang ada dan lain-lainnya.

Salah satu sarana transportasi laut adalah pelabuhan. Pelabuhan merupakan suatu unit transportasi dan unit ekonomi yang berperan untuk merangsang pertumbuhan dan perkembangan perekonomian, yang terdiri dari kegiatan penyimpanan, distribusi, pemrosesan, pemasaran dan lain-lainnya.

Data dari Ditjen Perhubungan Laut pada tahun 1999, mencatat jumlah armada pelayaran sebanyak 5.392 unit, armada non pelayaran sebanyak 1.066 unit, pelayaran rakyat (pelra) 2.793 unit, perintis 37 unit dan pelni 22 unit. Sedangkan pelabuhan yang tersedia hanya sekitar 3.247 unit.

Perkembangan pelabuhan lebih meningkat lagi setelah adanya pelabuhan bebas yang merupakan indikasi bahwa pelabuhan merupakan suatu unit dalam sistem ekonomi secara keseluruhan dan tidak dapat dipisahkan dengan kondisi ekonomi daerah yang dilayari oleh pelabuhan tersebut. Pelabuhan Belawan merupakan salah satu contoh pelabuhan yang sangat diusahakan di Sumatera Utara dan menjadi sarana transportasi laut yang menghubungkan kota Medan dengan seluruh kota-kota besar di Indonesia seperti Jakarta, Surabaya, Ujung Pandang, dan lain-lain termasuk berbagai pelabuhan laut negara sahabat seperti Malaysia, Singapura, dan lain-lain. Selain itu, pelabuhan Belawan juga menjadi tempat kegiatan pemerintah dan kegiatan ekonomi yang dipergunakan sebagai tempat kapal bersandar, berlabuh, naik turun penumpang dan bongkar muat barang yang dilengkapi dengan fasilitas keselamatan pelayaran, dan

kegiatan penunjang pelabuhan serta sebagai tempat perpindahan intra dan antar mode transportasi.

Dalam kegiatan naik turun penumpang pelabuhan Belawan menjadi sarana transportasi yang sangat penting. Lonjakan penumpang terus terjadi pada hari-hari libur sekolah dan hari raya keagamaan, misalnya Lebaran dan Natal.

Berdasarkan uraian diatas maka penulis ingin melakukan penelitian terhadap jumlah penumpang pada masa yang lalu untuk meramalkan jumlah penumpang dimasa yang akan datang sebagai bahan penulisan Tugas Akhir dengan judul

“Peramalan Jumlah Penumpang Domestik Kapal Laut di Pelabuhan Belawan

Tahun 2014”.

1.2 Identifikasi Masalah

Berdasarkan latar belakang yang telah diuraikan diatas, maka yang menjadi rumusan masalah adalah sebagai berikut :

1. Bagaimana penggunaan metode pemulusan eksponensial satu parameter dari Brown untuk meramalkan jumlah penumpang domestik di pelabuhan Belawan.

2. Menentukan jumlah penumpang domestik pada tahun 2014 di pelabuhan Belawan.

1.3 Tinjauan Pustaka

Assauri, sofyan menguraikan kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang, dikenal dengan apa yang disebut dengan peramalan (forecasting). Peranan peramalan menjadi penting dan sangat dibutuhkan, terutama dalam menetukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul sehingga dapat dipersiapakan tindakan-tindakan apa yang akan diperlukan.

Katalog Badan Pusat Statistik : “ Statistik Perhubungan 2002 (Transportation and Communication) “ oleh Badan Pusat Statistik (hal. 18-19) menyatakan bahwa pelabuhan adalah tempat yang terdiri dari daratan dan perairan di sekitarnya dengan batas-batas tertentu sebagai tempat kegiatan pemerintahan dan kegiatan ekonomi yang dipergunakan sebagai tempat kapal bersandar berlabuh, naik turun penumpang, dan bongkar muat barang yang dilengkapi dengan fasilitas keselamatan pelayaran dan kegiatan penunjang pelabuhan serta sebagai tempat perpindahan intra dan antar moda transportasi.

Manurung A.H menguraikan bahwa motode pemulusan ada beberapa macam yaitu metode rata-rata bergerak dan metode pemulusan eksponensial. Metode pemulusan eksponesial terbagi dua, yaitu pemulusan eksponensial tunggal dan pemulusan eksponensial ganda.

Makridakis, S menguraikan bahwa dasar pemikiran dari pemulusan eksonensial linier satu parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan eksponensial tunggal dan ganda ketinggalan dari

data yang sebenarnya bilamana terdapat unsur trend. Perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linier satu parameter dari Brown adalah sebagai berikut :

Dimana :

= Pemulusan eksponensial tunggal

= Pemulusan eksponesial ganda

= Konstanta

= Slope

= Periode di depan yang diramalkan

= Nilai Peramalan (forecast)

1.4 Tujuan Penelitian

1. Untuk mengetahui dan menganalis penggunaan metode smoothing eksponensial linier satu parameter dari Brown dan untuk meramalkan jumlah penumpang domestik di Pelabuhan Belawan.

2. Untuk mengetahui prediksi atau ramalan jumlah penumpang domestik pada tahun 2014 di Pelabuhan Belawan.

1.5 Kontribusi Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut :

1. Dengan adanya penelitian ini diharapakan dapat berguna dan menambah perbendaharaan penelitian yang telah ada (bahan pustaka) serta dapat dijadikan sebagai bahan acuan bagi pengembangan penelitian-penelitian selanjutnya. 2. Penelitian ini diharapkan dapat dijadikan bahan masukan bagi PT.PELNI

(Pelayaran Nasional Indonesia) sebagai instansi yang memiliki wewenang dalam kegiatan pelabuhan sebagai tempat naik turun penumpang untuk menentukan kebijakan-kebijakan selanjutnya.

1.6 Metodologi Penelitian

Untuk memudahkan penulis dalam penyusunan Tugas Akhir ini, maka penulis memperoleh data melalui riset atau pengambilan data di kantor BPS (Badan Pusat Statistik) yang berlokasi di Jl. Asrama No. 179 Medan, Sumatera Utara. Didalam riset data, penulis juga menggunakan beberapa metode sebagai berikut :

Data yang diambil adalah data sekunder yang dikutip oleh penulis dari instansi terkait yaitu Badan Pusat Statistik (BPS) yang berlokasi di Jl. Asrama No. 179 Medan, Sumatera Utara.

2. Studi Literatur

Studi literatur ini meliputi pengambilan teori-teori serta rumus-rumus dari beberapa sumber bacaan yang berkaitan dengan masalah yang sedang diteliti. 3. Metode Analisis Data

Pada metode pemulusan eksponensial sederhana dilakukan peramalan dengan pemulusan sekali saja, sedangkan pada metode pemulusan eksponesial linier satu parameter dari Brown dilakukan dua kali pemulusan dan kemudian dilakukan permalan. Sehingga metode ini sering disebut metode Double Exponential Smoothing (pemulusan eksponensial ganda). Proses yang dilakukan adalah sebagai berikut :

1. Menentukan smoothing pertama ( )

= Smoothing pertama periode t

= Nilai pengamatan periode t

= Smoothing pertama periode t-1

2. Menentukan Smoothing kedua t-1

= Smoothing kedua periode t-1

4. Menetukan besarnya slope ( )

5. Menentukan besarnya nilai peramalan ( )

Dimana m adalah periode didepan yang diramalkan.

1.7 Sistematika Penulisan

Adapun sistematika dalam penulisan Tugas Akhir ini secara garis besarnya dibagi dalam 6 bab yang masing-masing bab dibagi atas beberapa sub-sub bab, yaitu :

Bab 1 : Pendahuluan

Bab ini menerangkan tentang latar belakang, perumusan masalah, tinjauan pusataka, kontribusi penelitian, metodologi penelitian dan sistematika penulisan.

Bab 2 : Landasan Teori

Bab ini menerangkan tentang segala sesuatu yang mencakup terhadap penyelesaian masalah sesuai dengan judul yang dibuat.

Bab ini berisikan tentang sejarah singkat BPS (Badan Pusat Statistik).

Bab 4 : Analisa Data

Bab ini membahas tentang pengolahan data untuk mencari hasil peramalan.

Bab 5 : Implementasi Sistem

Bab ini membahas tentang software yang digunakan dalam analisa data serta cara penggunaan dari software yang dipakai.

Bab 6 : Kesimpulan dan Saran

Bab ini memberikan beberapa kesimpulan dan saran dari hasil analisa yang telah penulis lakukan.

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode peramalan adalah deret waktu. Metode ini disebut sebagai metode peramalan deret waktu karena memiliki karakteristik bahwa data yang dianalisis bersifat deret waktu. Periode waktu dari deret waktu dapat berupa tahunan, mingguan, bulanan, semesteran, kuartal dan lain-lain. Jenis pola data sangat penting untuk diketahui karena akan berpengaruh terhadap hasil ramalan. Beberapa literatur menyebutkan, bahwa pola data cenderung akan berulang pada periode waktu mendatang. Identifikasi pola terhadap data deret waktu juga berfungsi untuk menentukan metode yang akan digunakan untuk menganalisis data tersebut.

Beberapa bentuk analisa deret waktu dapat dikelompokkan ke dalam beberapa kategori :

1. Metode pemulusan (Smoothing), metode pemulusan dapat dilakukan dengan dua pendekatan yakni metode perataan (Average) dan metode pemulusan eksponensial (Exponential Smoothing).

2. Model ARIMA (Autoregressive Integrated Average), model ARIMA dapat digunakan untuk analisis data deret waktu dan peramalan data.

3. Analisis deret berkala multivariat model ARIMA digunakan untuk analisis data deret waktu pada kategori data berkala tunggal, atau sering dikategorikan model-model univariat.

Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan yang perlu dilakukan. Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen.

2.2 Kebutuhan dan Kegunaaan Peramalan

Sering terdapat waktu senjang (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 persitiwa akhir tergantung pada faktor-faktor yang dapat diketahui, maka perencanaan dapat memegang peranan penting. Dalam situasi seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.

Dalam hal manajemen dan administrasi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari

beberapa tahun (untuk kasus penanaman modal) sampai beberapa hari atau bahkan beberapa jam (untuk penjadwalan produksi dan transportasi).

2.3 Peranan Teknik Peramalan Dewasa Ini

Sejak awal tahun 1960-an, semua jenis organisasi telah menunjukkan keinginan yang meningkat untuk mendapatkan ramalan dan menggunakan sumber daya peramalan secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor, yang pertama adalah karena meningkatnya kompleksitas organisasi dan lingkungannya, hal ini membuat pengambil keputusan semakin sulit untuk mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula, lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat. Hubungan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan memungkinkan organisasi mempelajari hubungan yang baru secara lebih cepat. Keempat, pengambilan individu secara eksplisit. Peramalan formal merupakan salah satu cara untuk mendukung tindakan yang akan diambil. Kelima, dan mungkin yang terpenting bahwa pengembangan metode peramalan dan pengetahuan yang menyangkut aplikasinya telah memungkinkan adanya penerapan secara langsung oleh para praktisi dari pada hanya dilakukan oleh para teknisi ahli.

Dengan adanya jumlah besar metode peramalan yang tersedia, maka masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana karakteristik suatu metode peramalan yang cocok bagi situasi pengambilan keputusan tertentu.

Suatu peramalan sangat beragam dan horison waktu peramalan, faktor yang menetukan hasil sebenarnya, tipe pola data dan berbagai pola aspek lainnya. Untuk menghadapi penggunaan yang luas seperti itu, beberapa teknik dikembangkan. Teknik tersebut dibagi dalam dua kategori yaitu metode kuantitatif dan metode kualitatif atau teknologis. Metode kuantitatif dapat dibagi menjadi deret berkala dan metode kausal, sedangkan metode kualitatif atau teknologis dapat dibagi menjadi metode eksploratoris dan normatif.

Model deret berkala sering kali dapat digunakan dengan mudah untuk meramal, sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari waktu atau sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis siklis dan trend yaitu :

1. Pola horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti itu stasioner dengan nilai rata-ratanya). Contohnya adalah data produk penjualan yang tidak meningkat atau menurun selama waktu tertentu.

2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas ruangan semuanya menujukkan jenis pola ini.

3. Pola siklis (S) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja, dan peralatan utama lainnya.

4. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional (GNP) dan berbagai indikator bisnis atau ekonomi lainnya mengikuti suatu pola trend selama perubahannya sepanjang waktu.

2.4 Metode Peramalan Eksponesial Ganda (Metode Linier Satu Parameter dari Brown)

Kelompok metode yang menunjukkan pembobotan menurun secara eksponesial terhadap nilai pengamatan yang lebih tua disebut prosedur pemulusan eksponesial. Seperti halnya dengan rata-rata bergerak, metode eksponensial terdiri atas tunggal, ganda dan metode yang lebih rumit. Semua mempunyai sifat yang sama, yaitu nilai yang lebih baru diberikan bobot yang relatif besar dibanding nilai pengamatan yang lebih lama.

Dalam kasus rata-rata bergerak, bobot yang dikenakan pada nilai-nilai pengamatan merupakan hasil sampingan dari sistem MA tertentu yang diambil. Tetapi dalam pemulusan eksponensial, terdapat satu atau lebih parameter pemulusan yang ditentukan secara eksplisit, dan hasil pilihan ini menetukan bobot yang dikenakan pada nilai observasi.

Dengan cara analogi yang dipakai pada waktu berangkat dari rata-rata bergerak tunggal ke pemulusan (smoothing) eksponesial tunggal juga dapat berangkat dari rata-rata bergerak ganda kepemulusan ganda. Perpindahan seperti ini mungkin menarik karena salah satu keterbatasan dari rata-rata bergerak linier, kecuali bahwa jumlah nilai data yang diperlukan sekarang adalah 2N-1. Pemulusan eksponensial linier dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk . Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi masa lalu. Dengan alasan ini pemulusan eksponensial linier lebih disukai dari pada rata-rata bergerak linier sebagai suatu metode peramalan dalam berbagai kasus utama.

Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah sama dengan rata-rata bergerak linier, karena kedua nilai pemulusan eksponensial tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponesial linier satu parameter dari Brown sebagai berikut :

Dimana :

adalah nilai pemulusan eksponensial tunggal

adalah nilai pemulusan eksponensial ganda

m adalah jumlah periode kedepan yang diramalkan

Jenis inisialisasi muncul dalam setiap metode pemulusan eksponensial. Jika parameter pemulusan tidak mendekati nol, pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi jika mendekati nol, proses inisialisasi tersebut dapat memainkan peranan yang nyata selama periode waktu kedepan yang panjang.

Beberapa kriteria untuk menguji ketepatan ramalan yaitu : 1. ME (Mean Error) / nilai tengah kesalahan

2. MSE (Mean Square Error) / nilai tengah kesalahan kuadrat

3. MAE (Mean Absolut Error) / nilai tengah kesalahan absolut

4. MAPE (Mean Absolut Percentage Error)

Dimana :

= (kesalahan pada periode t)

= data aktual pada periode ke t

= (kesalahan persentase pada periode ke t)

= nilai ramalan pada periode ke t

N = banyaknya periode waktu

2.5 Metode Peramalan

Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori utama yaitu : 1. Metode peramalan kuantitatif

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

2. Metode peramalan kualitatif atau teknologis

Peramalan kualitatif adalah yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang lain yang menyusunnya. Hal

ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya. Metode kualitatif ini sendiri dapat dibagi menjadi metode eksploratoris dan normatif.

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.

Metode-metode peramalan dengan analisa deret waktu yaitu : 1. Metode Pemulusan Eksponensial dan Rata-rata bergerak

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

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.

2.5.1 Pemilihan Teknik dan Metode Peramalan

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

Ada enam faktor utama yang diidentifikasi sebagai teknik dan metode peramalan, yaitu :

1. Horizon Waktu 2. Pola Data 3. Jenis dan Model 4. Biaya yang dibutuhkan 5. Ketepatan metode peramalan 6. Kemudahan dalam penerapan

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Singkat Kegiatan Statistik di Indonesia

3.1.1 Masa Pemerintahan Hindia Belanda

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

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

3. Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan central kantor voor statistik ( CKS ) atau kantor statistik yang dipindahkan ke Jakarta. Bersama dengan itu beralih juga pekerjaan statistik perdagangan yang semula dilakukan oleh kantor inverior Uitvoer en Acijnsen ( IUA ).

1.1.2 Masa Pemerintahan Jepang

1. Pada bulan Juni 1944, pemerintah jepang mengaptifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang dan militer.

2. Pada masa itu central kantor voor statistic (CKS) diganti menjadi Chosasitsu

Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik Indonesia

1. Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemrdekaan yaitu KAPPURI ( kantor penyelidik perangkat umum RI ). Tahun 1946 kantor KAPPURI dipindahkan ke Yogyakarta sebagai hasil dari perjanjian linggarjati. Semantara itu pemerintahan belanda mengaktifkan kembali CKS. 2. Berdasarkan surat edaran kementrian kemakmuran tanggal 12 Juni 1950 nomor

219/S.C. KAPPURI dan CKS dilebur menjadi kantor pusat statistik dan berada dibawah pertanggung jawaban menteri kemakmuran.

3. Dengan surat mentri perekonomian tanggal 1 Maret 1952 nomor P/44, lembaga PKS berada dibawah ini dan tanggung jawab mentri perekonomian tanggal 24 Desember 1953 nomor 18.099/MKPS dibagi menjadi 2 bagian yaitu disebut sebagai Afdeling A, dan bagian tata usaha yang disebut sebagai Afdeling B. 4. Dengan keputusan presiden RI nomor 131 tahun1957, kementrian ekonomi

dipecah menjadi kementrian perdagangan dan kementrian perindustrian. Untuk selanjutnya keputusan president RI nomor 172 tahun 1957, terhitung sejak tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

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

2. Dalam masa orde baru ini biro pusat statistika yang telah mengalami 4 (empat) kali perubahan struktur organisasi.

a. Peraturan pemerintah nomor 16 tahun 1968 tentang organisasi BPS b. Peraturan pemerintah nomor 6 tahun 1980 tentang organisasi BPS

c. Peraturan pemerintah nomor 2 tahun 1992 tentang kedudukan, tugas dan fungsi, susunan dan tata kerja Biro Pusat Statistik.

d. Undang-undang nomor 16 tahun 1997 tentang statistik.

e. Keputusan president RI nomor 86 tahun 1998 tentang biro pusat statistik. f.Keputusan kepala BPS nomor 100 tahun 1998 tentang organisasi dan tata kerja

BPS.

g. Peraturan pemerintah nomor 51 tahun 1999 tentang penyelenggaraan statistik. 3. Tahun 1968, ditetapkan peraturan pemerintah nomor 16 tahun 1968 yaitu yang

mengatur organisasi dan tata kerja dipusat dan di daerah. Peraturan pemerintah nomor 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah nomor tahun 1980 di tiap propinsi terdapat perwakilan BPS. Pada tanggal 17 Juni 1988 dengan keputusan presiden nomor 86 tahun1998 ditetapkan biro pusat statistik sekaligus mengatur tata kerja dan struktur organisasi BPS baru.

3.1.5 Visi Dan Misi Biro Pusat Statistik

a. Visi Biro Pusat Statistik

Biro 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 Biro Pusat Statistik

Dalam perjuangan pembangunan nasional biro pusat statistik mengembangkan misi mengarahkan pembangunan statsistik pada penyajian dan data statistik yang bermutu handal, efektif, dan efesien, peningkatan kesadaran masyarakat arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

3.1.6 Program Pengembangan Statistik

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

1. Program penyempurnaan dan pengembangan statistik. 2. Program penyempurnaan sistem imformasi.

3. Program pendidikan dan pelatihan aparatur Negara.

3.2 Ruang Lingkup Kegiatan Biro Pusat Statistik

3.2.1 Kedudukan, Tugas dan Fungsi Biro Pusat Statistik

Biro pusat statistik sebagai lembaga pemerintahan non departemen yang berada dibawah dan bertanggung jawab kepada Presiden ( kepres Nomor 86 Tahun 1998), Dalam melaksanakan tugasnya berdasarkan kepada beberapa ketentuan perundangan : 1. Undang-undang nomor 16 tahun 1997 tentang statistik.

2. Kepurusan presiden nomor 86 tahun 1998 biro pusat statistik.

3. Peraturan pemerintah nomor 51 tahun1991 tentang penyelenggaraan statistik. Berdasasarkan keputusan presiden nomor 86 tahun 1998 dalam menyelenggarakan statistik dasar melaksanakan koordinasi dan kerja sama serta mengembangkan dan membina statistik sesuai dengan perundang-undangan yang berlaku.

Fungsi yang diselenggarakan biro pusat statistik : 1. Perumusan kebijakan nasional dibidang statistik. 2. Penyelenggaraan statistik dasar.

3. Menyusun rencana dan program nasional dibidang statistik.

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

5. Pelayanan data dan informasi serta hasil statistik kepada pemerintah masyarakat secara berkala dan sewaktu-waktu baik dari hasil penyelenggaraan statistik. 6. Pembinaan penyelenggaraan statistik, responden dan pembangunan statistik.

3.2.2 Tata Kerja Biro Pusat Statistik

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

3.2.3 Alasan Pemakaian Komputer di Biro Pusat Statistik

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

3.3 Struktur Organisasi Biro Pusat Statistik

Sebagaimana dimuat dalam lampiran struktur organisasi kantor pada biro pusat statistik Sumatera Utara dipimpin oleh seorang kepala yang dibantu oleh bagian tata usaha.

Di samping itu kepala dibagi oleh bagian tata usaha yang terdiri dari : 1. Sub bagian urusan dalam

2. Sub bagian perlengkapan 3. Sub bagian keuangan 4. Sub bagian kepegawaian

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

2. Bidang statistik distribusi 3. Bidang statistik pengolahan data 4. Bidang statistik kependudukan 5. Neraca wilayah dan analisa

Setiap bidang mempunyai tugas-tugas yaitu :

a. Bidang statistik produksi mempunyai tugas melaksanakan statistik pertanian, industri serta statistik kontruksi pertambangan dan energi.

b. Bidang statistik kependudukan mempunyai tugas melaksanakan kegiatan statsitik demografi dan rumah tangga, statistik ketenagakerjaan serta statistik kesejahteraan.

c. Bidang statistik pengolahan data mempunyai tugas melaksanakan kegiatan penyediaan data, penyusunan program sistem dan program serta operasi pengolahan data dengan komputer.

d. Sedangkan bidang wilayah dan analisa mempunyai tugas melaksanakan kegiatan penyusunan neraca produksi, neraca konsumsi, dan akutansi penyajian dalam analisis serta kegiatan penerangan statistik.

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

3.3.1 Tugas Bagian Tata Usaha

1. Menyusun program tahunan

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

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

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

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

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

3.3.2 Tugas Bidang Statistik Produksi

1. Menyusun program tahunan

2. Mengatur keikutsertaan program latihan yang diselengarakan oleh pusat dibidang statistik.

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

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

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

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

3.3.3 Tugas Statistik Bidang Distribusi

1. Menyusun program kerja tahunan.

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

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

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

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

6. Menyusun laporan kegiatan secara berkala dan sewaktu-waktu.

3.3.4 Tugas Bidang Pengolahan Data

1.Menyusun program kerja tahunan.

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

3. Mengatur pembuatan sistem program pelaksanaan penyiapan data operasi pengolahanya.

4.Mengatur dan melaksanakan penerimaan dokumen yang diolah dengan komputer .

5. Mengatur dan melaksanakan tugas yang langsung diberikan oleh atasan.

3.3.5 Tugas Bidang Statistik Kependudukan

1. Menyusun program kerja tahunan bidang kependudukan.

2. Melaksanakan statistik demografi dan rumah tangga, ketenagakerjaan, kesejahteraan rakyat dan statistik kependudukan lainnya yang ditentukan. 3. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk

pelaksanaan lapangan.

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

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

3.3.6 Tugas Bidang Neraca Wilayah dan Analisa

1. Menyusun program kerja tahunan.

2. Menyusun dan melaksankan penerangan kegiatan statistik baik kepada masyarakat, instansi lainya maupun media massa.

BAB 4

ANALISA DATA

4.1 Pengumpulan Data

Untuk kebutuhan peramalan diperlukan data yang bersifat akurat, validity, reability, kecukupan data dan dapat menggambarkan time series. Data diperoleh di Kantor BPS (Badan Pusat Statistik).

Pengumpulan data yang diperoleh merupakan data dari tahun 2000-2008, yaitu data jumlah penumapang domestik baik yang naik maupun yang turun.

Table 4.1 Data Jumlah Penumpang Domestik

Jumlah Penumpang No. Tahun

Turun Naik 1 2000 308.095 390.831 2 2001 280.110 326.946 3 2002 230.979 258.006 4 2003 149.347 155.126

5 2004 76.701 82.471

Jumlah Penumpang No. Tahun

Turun Naik

7 2006 72.123 72.757

8 2007 67.343 64.878

9 2008 80.309 75.562

Sumber Data : Badan Pusat Statistik (BPS)

Grafik 4.1 : Nilai Aktual Penumpang Domestik Di Pelabuhan Belawan

4.2 Metode Smoothing Eksponensial Linier Satu Parameter dari Brown

Dalam pengumpulan dan pengolahan data, penulis mengaplikasikan data (tabel 3.1) dengan metode peramalan (forecasting) berdasarkan metode smoothing eksponensial satu parameter dari Brown.

Pada metode smoothing eksponensial tunggal dilakukan peramalan dengan pemulusan sekali saja. Sedangkan pada metode smoothing eskponensial satu parameter dari Brown dilakukan dua kali pelulsan dan kemudian dilakukan peramalan. Sehingga metode ini sering juga disebut metode pemulusan eksponensial berganda (Double Exponential Smoothing).

Untuk memenuhi perhitungan smoothing eksponensial satu parameter dari Brown maka terlebih dahulu kita menentukan parameter yang biasanya secara trial and error (coba dan salah). Suatu nilai yang dipilih yang besarnya 0 < < 1, dihitung Mean Square Error (MSE) yang merupakan suau ukuran perhitungan dengan mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai yang lain.

Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang merupakan hasil dari data asli yang dikurangi hasil ramalan kemudian tiap error dikuadratkan dan dibagi banyak error.

4.3 Pemilihan Metode

4.3.1 Statistik Uji yang Digunakan

Menurut (Reitsch dan hanke, 1981), dalam banyak situasi peramalan, ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Guna mengukur ketepatan peramalan, maka dibutuhkan uji-uji ketepatan peramalan. Beberapa uji ketepatan ramalan yang sering digunakan antara lain adalah :

1. ME (Mean Error) / nilai tengah kesalahan

2. MSE (Mean Square Error) / nilai tengah kesalahan kuadrat

3. MAE (Mean Absolut Error) / nilai tengah kesalahan absolute

4. MAPE (Mean Absolut Percentage Error)

5. MPE (Mean Percentage Error)

Dimana :

= (kesalahan pada periode t)

= data aktual pada periode ke t

= nilai ramalan pada periode ke t

Tabel 4.2 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,1 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Untuk = 0,1 dan N (banyaknya data error) = 7 diperoleh :

=

= 14.706.618.751 Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 305296,5 307815,15 302777,85 -279,85 - - -

2002 230.979,00 297864,75 306820,11 288909,39 -995,04 302498 -71.519,00 5.114.967.361,00 2003 149.347,00 283012,975 304439,3965 261586,5535 -2380,7135 287914,35 -138.567,35 _{19.200.910.486,02} 2004 76.701,00 262381,7775 300233,6346 224529,9204 -4205,7619 259205,84 -182.504,84 33.308.016.623,43 2005 75.586,00 243702,1998 294580,4911 192823,9084 -5653,143485 220324,16 -144.738,16 20.949.134.525,97 2006 72.123,00 226544,2798 287776,87 165311,6896 -6803,621134 187170,76 -115.047,76 13.235.988.208,49 2007 67.343,00 210624,1518 280061,5982 141186,7054 -7715,271818 158508,07 -91.165,07 _{8.311.069.702,76} 2008 80.309,00 197592,6366 271814,702 123370,5712 -8246,896154 133471,43 -53.162,43 2.826.244.347,76

Tabel 4.3 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,2 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Untuk = 0,2 dan N (banyaknya data error) = 7 diperoleh :

= 6.657.896.840 Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 302.498,00 306.975,60 298.020,40 -1.119,40 - -

2002 230.979,00 288.194,20 303.219,32 273.169,08 -3.756,28 296.901,00 -65.922,00 4.345.710.084,00 2003 149.347,00 260.424,76 294.660,41 226.189,11 -8.558,91 269.412,80 -120.065,80 _{14.415.796.329,64} 2004 76.701,00 223.680,01 280.464,33 166.895,69 -14.196,08 217.630,20 -140.929,20 19.861.039.412,64 2005 75.586,00 194.061,21 263.183,70 124.938,71 -17.280,62 152.699,61 -77.113,61 5.946.508.538,78 2006 72.123,00 169.673,57 244.481,68 94.865,45 -18.702,03 107.658,08 -35.535,08 1.262.742.251,74 2007 67.343,00 149.207,45 225.426,83 72.988,07 -19.054,84 76.163,43 -8.820,43 77.799.924,70 2008 80.309,00 135.427,76 207.427,02 63.428,51 -17.999,81 53.933,23 26.375,77 695.681.336,78

Tabel 4.4 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,3 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 299.699,50 305.576,35 293.822,65 -2.518,65 - - -

2002 230.979,00 279.083,35 297.628,45 260.538,25 -7.947,90 291.304,00 -60.325,00 3.639.105.625,00 2003 149.347,00 240.162,45 280.388,65 199.936,24 -17.239,80 252.590,35 -103.243,35 _{10.659.189.319,22} 2004 76.701,00 191.124,01 253.609,26 128.638,77 -26.779,39 182.696,44 -105.995,44 11.235.033.300,79 2005 75.586,00 156.462,61 224.465,26 88.459,95 -29.143,99 101.859,37 -26.273,37 690.290.207,62 2006 72.123,00 131.160,73 196.473,90 65.847,55 -27.991,36 59.315,96 12.807,04 _{164.020.306,86} 2007 67.343,00 112.015,41 171.136,35 52.894,46 -25.337,55 37.856,19 29.486,81 869.472.042,12 2008 80.309,00 102.503,49 150.546,49 54.460,48 -20.589,86 27.556,91 52.752,09 2.782.782.537,05

Jumlah _{-200.791,23 30.039.893.338,66}

Untuk = 0,3 dan N (banyaknya data error) = 7 diperoleh :

= 4.291.413.334

Tabel 4.5 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,4 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 296.901,00 303.617,40 290.184,60 -4.477,60 - - -

2002 230.979,00 270.532,20 290.383,32 250.681,08 -13.234,08 285.707,00 -54.728,00 2.995.153.984,00 2003 149.347,00 222.058,12 263.053,24 181.063,00 -27.330,08 237.447,00 -88.100,00 _{7.761.610.000,00} 2004 76.701,00 163.915,27 223.398,05 104.432,49 -39.655,19 153.732,92 -77.031,92 5.933.916.698,89 2005 75.586,00 128.583,56 185.472,26 71.694,87 -37.925,80 64.777,30 10.808,70 _{116.827.909,22} 2006 72.123,00 105.999,34 153.683,09 58.315,59 -31.789,17 33.769,07 38.353,93 1.471.023.670,30 2007 67.343,00 90.536,80 128.424,57 52.649,03 -25.258,51 26.526,42 40.816,58 _{1.665.993.294,33} 2008 80.309,00 86.445,68 111.633,02 61.258,35 -16.791,56 27.390,52 52.918,48 2.800.365.931,92

Jumlah _{-76.962,23 22.744.891.488,65}

=

= 3.249.270.213

Tabel 4.6 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,5 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 294.102,50 301.098,75 287.106,25 -6.996,25 - - -

2002 230.979,00 262.540,75 281.819,75 243.261,75 -19.279,00 280.110,00 -49.131,00 2.413.855.161,00 2003 149.347,00 205.943,88 243.881,81 168.005,94 -37.937,94 223.982,75 -74.635,75 _{5.570.495.178,06} 2004 76.701,00 141.322,44 192.602,13 90.042,75 -51.279,69 130.068,00 -53.367,00 2.848.036.689,00 2005 75.586,00 108.454,22 150.528,17 66.380,27 -42.073,95 38.763,06 36.822,94 _{1.355.928.726,13} 2006 72.123,00 90.288,61 120.408,39 60.168,83 -30.119,78 24.306,31 47.816,69 2.286.435.603,47 2007 67.343,00 78.815,80 99.612,10 58.019,51 -20.796,29 30.049,05 37.293,95 _{1.390.838.939,69} 2008 80.309,00 79.562,40 89.587,25 69.537,55 -10.024,85 37.223,22 43.085,78 1.856.384.545,92

Jumlah _{-12.114,39 17.721.974.843,28}

=

=2.531.710.692

Tabel 4.7 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,6 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 291.304,00 298.020,40 284.587,60 -10.074,60 - - -

2002 230.979,00 255.109,00 272.273,56 237.944,44 -25.746,84 274.513,00 -43.534,00 1.895.209.156,00 2003 149.347,00 191.651,80 223.900,50 159.403,10 -48.373,06 212.197,60 -62.850,60 _{3.950.197.920,36} 2004 76.701,00 122.681,32 163.168,99 82.193,65 -60.731,51 111.030,04 -34.329,04 1.178.482.987,32 2005 75.586,00 94.424,13 121.922,07 66.926,18 -41.246,92 21.462,14 54.123,86 _{2.929.392.654,29} 2006 72.123,00 81.043,45 97.394,90 64.692,00 -24.527,17 25.679,26 46.443,74 2.157.020.762,26 2007 67.343,00 72.823,18 82.651,87 62.994,49 -14.743,03 40.164,83 27.178,17 _{738.653.024,56} 2008 80.309,00 77.314,67 79.449,55 75.179,79 -3.202,32 48.251,46 32.057,54 1.027.685.835,97

Untuk = 0,6 dan N (banyaknya data error) = 7 diperoleh :

=

= 1.982.377.477

Tabel 4.8 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,7 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 288.505,50 294.382,35 282.628,65 -13.712,65 - - -

2002 230.979,00 248.236,95 262.080,57 234.393,33 -32.301,78 268.916,00 -37.937,00 1.439.215.969,00 2003 149.347,00 179.013,99 203.933,96 154.094,01 -58.146,61 202.091,55 -52.744,55 _{2.781.987.554,70} 2004 76.701,00 107.394,90 136.356,62 78.433,18 -67.577,35 95.947,40 -19.246,40 370.423.912,96 2005 75.586,00 85.128,67 100.497,05 69.760,28 -35.859,56 10.855,83 64.730,17 _{4.189.994.843,50} 2006 72.123,00 76.024,70 83.366,41 68.683,00 -17.130,65 33.900,72 38.222,28 1.460.942.512,58 2007 67.343,00 69.947,51 73.973,18 65.921,84 -9.393,23 51.552,35 15.790,65 _{249.344.670,53} 2008 80.309,00 77.200,55 76.232,34 78.168,77 2.259,16 56.528,61 23.780,39 565.506.750,03

Untuk = 0,7 dan N (banyaknya data error) = 7 diperoleh :

=

= 1.579.630.888

Tabel 4.9 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,8 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 285.707,00 290.184,60 281.229,40 -17.910,40 - - -

2002 230.979,00 241.924,60 251.576,60 232.272,60 -38.608,00 263.319,00 -32.340,00 1.045.875.600,00 2003 149.347,00 167.862,52 184.605,34 151.119,70 -66.971,26 193.664,60 -44.317,60 _{1.964.049.669,76} 2004 76.701,00 94.933,30 112.867,71 76.998,90 -71.737,63 84.148,44 -7.447,44 55.464.362,55 2005 75.586,00 79.455,46 86.137,91 72.773,01 -26.729,80 5.261,27 70.324,73 _{4.945.567.368,27} 2006 72.123,00 73.589,49 76.099,18 71.079,81 -10.038,73 46.043,21 26.079,79 680.155.383,85 2007 67.343,00 68.592,30 70.093,67 67.090,92 -6.005,50 61.041,07 6.301,93 _{39.714.276,35}

2008 80.309,00 77.965,66 76.391,26 79.540,06 6.297,59 61.085,42 19.223,58 369.545.989,88

Jumlah _{37.824,98 9.100.372.650,67}

Untuk = 0,8 dan N (banyaknya data error) = 7 diperoleh :

=

= 1.300.053.236

Tabel 4.10 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,9 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan

Tahun

2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 282.908,50 285.427,15 280.389,85 -22.667,85 - - -

2002 230.979,00 236.171,95 241.097,47 231.246,43 -44.329,68 257.722,00 -26.743,00 715.188.049,00 2003 149.347,00 158.029,50 166.336,29 149.722,70 -74.761,18 186.916,75 -37.569,75 _{1.411.486.115,06} 2004 76.701,00 84.833,85 92.984,09 76.683,61 -73.352,20 74.961,52 1.739,48 3.025.790,67 2005 75.586,00 76.510,78 78.158,12 74.863,45 -14.825,98 3.331,41 72.254,59 _{5.220.726.281,85}

2006 72.123,00 72.561,78 73.121,41 72.002,14 -5.036,70 60.037,48 12.085,52 146.059.887,94 2007 67.343,00 67.864,88 68.390,53 67.339,22 -4.730,88 66.965,44 377,56 _142.550,68 2008 80.309,00 79.064,59 77.997,18 80.131,99 9.606,65 62.608,34 17.700,66 313.313.241,59

Jumlah _{39.845,06 7.809.941.916,80}

Untuk = 0,9 dan N (banyaknya data error) = 7 diperoleh :

=

= 1.115.705.988

Tabel 4.11 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,1 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 384.442,50 390.192,15 378.692,85 -638,85 - - -

2002 258.006,00 371.798,85 388.352,82 355.244,88 -1.839,33 378.054,00 -120.048,00 14.411.522.304,00 2003 155.126,00 350.131,57 384.530,69 315.732,44 -3.822,13 353.405,55 -198.279,55 _{39.314.779.948,20}

2004 82.471,00 323.365,51 378.414,18 268.316,84 -6.116,52 311.910,31 -229.439,31 52.642.396.973,28 2005 86.025,00 299.631,46 370.535,90 228.727,01 -7.878,27 262.200,32 -176.175,32 _{31.037.744.257,98} 2006 72.757,00 276.944,01 361.176,71 192.711,31 -9.359,19 220.848,74 -148.091,74 21.931.163.278,52 2007 64.878,00 255.737,41 350.632,78 160.842,04 -10.543,93 183.352,12 -118.474,12 _{14.036.117.037,51} 2008 75.562,00 237.719,87 339.341,49 136.098,25 -11.291,29 150.298,11 -74.736,11 5.585.485.620,31 Jumlah _{-1.065.244,15 178.959.209.419,79}

Untuk = 0,1 dan N (banyaknya data error) = 7 diperoleh :

=

= 7.385.530.349

Tabel 4.12 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,2 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 378.054,00 388.275,60 367.832,40 -2.555,40 - - -

2002 258.006,00 354.044,40 381.429,36 326.659,44 -6.846,24 365.277,00 -107.271,00 11.507.067.441,00 2003 155.126,00 314.260,72 367.995,63 260.525,81 -13.433,73 319.813,20 -164.687,20 _{27.121.873.843,84} 2004 82.471,00 267.902,78 347.977,06 187.828,49 -20.018,57 247.092,08 -164.621,08 27.100.099.980,37 2005 86.025,00 231.527,22 324.687,09 138.367,35 -23.289,97 167.809,92 -81.784,92 _{6.688.773.139,41} 2006 72.757,00 199.773,18 299.704,31 99.842,04 -24.982,78 115.077,38 -42.320,38 1.791.014.631,06 2007 64.878,00 172.794,14 274.322,28 71.266,01 -25.382,03 74.859,26 -9.981,26 _{99.625.560,77} 2008 75.562,00 153.347,71 250.127,36 56.568,06 -24.194,91 45.883,97 29.678,03 880.785.283,29

Jumlah _{-540.987,81 75.189.239.879,73}

Untuk = 0,2 dan N (banyaknya data error) = 7 diperoleh :

=

Tabel 4.13 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,3 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 371.665,50 385.081,35 358.249,65 -5.749,65 - - -

2002 258.006,00 337.567,65 370.827,24 304.308,06 -14.254,11 352.500,00 -94.494,00 8.929.116.036,00 2003 155.126,00 282.835,16 344.429,61 221.240,70 -26.397,63 290.053,95 -134.927,95 _{18.205.551.691,20} 2004 82.471,00 222.725,91 307.918,50 137.533,31 -36.511,11 194.843,07 -112.372,07 12.627.482.116,08 2005 86.025,00 181.715,64 270.057,64 93.373,63 -37.860,86 101.022,20 -14.997,20 _{224.916.082,83} 2006 72.757,00 149.028,05 233.748,76 64.307,33 -36.308,88 55.512,77 17.244,23 297.363.495,88 2007 64.878,00 123.783,03 200.759,04 46.807,02 -32.989,72 27.998,45 36.879,55 _{1.360.101.381,17} 2008 75.562,00 109.316,72 173.326,35 45.307,10 -27.432,70 13.817,30 61.744,70 3.812.408.001,68

Jumlah _{-240.922,74 45.456.938.804,84}

Untuk = 0,3 dan N (banyaknya data error) = 7 diperoleh :

=

Tabel 4.14 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,4 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 365.277,00 380.609,40 349.944,60 -10.221,60 - - -

2002 258.006,00 322.368,60 357.313,08 287.424,12 -23.296,32 339.723,00 -81.717,00 6.677.668.089,00 2003 155.126,00 255.471,56 316.576,47 194.366,65 -40.736,61 264.127,80 -109.001,80 _{11.881.392.403,24} 2004 82.471,00 186.271,34 264.454,42 108.088,25 -52.122,05 153.630,04 -71.159,04 5.063.608.973,72 2005 86.025,00 146.172,80 217.141,77 75.203,83 -47.312,65 55.966,20 30.058,80 _{903.531.457,44} 2006 72.757,00 116.806,48 177.007,66 56.605,31 -40.134,12 27.891,19 44.865,81 2.012.941.301,78 2007 64.878,00 96.035,09 144.618,63 47.451,55 -32.389,03 16.471,19 48.406,81 _{2.343.219.184,67} 2008 75.562,00 87.845,85 121.909,52 53.782,19 -22.709,11 15.062,52 60.499,48 3.660.186.832,46

Jumlah _{-78.046,94 32.542.548.242,31}

Untuk = 0,4 dan N (banyaknya data error) = 7 diperoleh :

=

Tabel 4.15 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,5 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 358.888,50 374.859,75 342.917,25 -15.971,25 - - -

2002 258.006,00 308.447,25 341.653,50 275.241,00 -33.206,25 326.946,00 -68.940,00 4.752.723.600,00 2003 155.126,00 231.786,63 286.720,06 176.853,19 -54.933,44 242.034,75 -86.908,75 _{7.553.130.826,56} 2004 82.471,00 157.128,81 221.924,44 92.333,19 -64.795,63 121.919,75 -39.448,75 1.556.203.876,56 2005 86.025,00 121.576,91 171.750,67 71.403,14 -50.173,77 27.537,56 58.487,44 _{3.420.780.345,32} 2006 72.757,00 97.166,95 134.458,81 59.875,09 -37.291,86 21.229,38 51.527,63 2.655.096.138,14 2007 64.878,00 81.022,48 107.740,64 54.304,31 -26.718,17 22.583,23 42.294,77 _{1.788.847.199,27} 2008 75.562,00 78.292,24 93.016,44 63.568,04 -14.724,20 27.586,14 47.975,86 2.301.683.082,77

Jumlah 4.988,19 _{24.028.465.068,63}

Untuk = 0,5 dan N (banyaknya data error) = 7 diperoleh :

=

Tabel 4.16 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,6 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 352.500,00 367.832,40 337.167,60 -22.998,60 - - -

2002 258.006,00 295.803,60 324.615,12 266.992,08 -43.217,28 314.169,00 -56.163,00 3.154.282.569,00 2003 155.126,00 211.397,04 256.684,27 166.109,81 -67.930,85 223.774,80 -68.648,80 _{4.712.657.741,44} 2004 82.471,00 134.041,42 183.098,56 84.984,27 -73.585,71 98.178,96 -15.707,96 246.740.007,36 2005 86.025,00 105.231,57 136.378,36 74.084,77 -46.720,20 11.398,56 74.626,44 _{5.569.105.547,07} 2006 72.757,00 85.746,83 105.999,44 65.494,21 -30.378,92 27.364,57 45.392,43 2.060.472.301,85 2007 64.878,00 73.225,53 86.335,09 60.115,97 -19.664,35 35.115,29 29.762,71 _{885.818.911,31} 2008 75.562,00 74.627,41 79.310,49 69.944,34 -7.024,61 40.451,62 35.110,38 1.232.738.781,50

Jumlah _{44.372,20 17.861.815.859,53}

Untuk = 0,6 dan N (banyaknya data error) = 7 diperoleh :

=

Tabel 4.17 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,7 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 346.111,50 359.527,35 332.695,65 -31.303,65 - - -

2002 258.006,00 284.437,65 306.964,56 261.910,74 -52.562,79 301.392,00 -43.386,00 1.882.344.996,00 2003 155.126,00 193.919,50 227.833,01 160.005,98 -79.131,55 209.347,95 -54.221,95 _{2.940.019.861,80} 2004 82.471,00 115.905,55 149.483,79 82.327,31 -78.349,23 80.874,43 1.596,57 2.549.035,76 2005 86.025,00 94.989,16 111.337,55 78.640,78 -38.146,24 3.978,08 82.046,92 _{6.731.696.671,25} 2006 72.757,00 79.426,65 88.999,92 69.853,38 -22.337,63 40.494,54 32.262,46 1.040.866.273,63 2007 64.878,00 69.242,59 75.169,79 63.315,40 -13.830,13 47.515,75 17.362,25 _{301.447.827,33} 2008 75.562,00 73.666,18 74.117,26 73.215,09 -1.052,53 49.485,27 26.076,73 679.995.870,39

Jumlah _{61.736,98 13.578.920.536,17}

Untuk = 0,7 dan N (banyaknya data error) = 7 diperoleh :

=

Tabel 4.18 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,8 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 339.723,00 349.944,60 329.501,40 -40.886,40 - - -

2002 258.006,00 274.349,40 289.468,44 259.230,36 -60.476,16 288.615,00 -30.609,00 936.910.881,00 2003 155.126,00 178.970,68 201.070,23 156.871,13 -88.398,21 198.754,20 -43.628,20 _{1.903.419.835,24} 2004 82.471,00 101.770,94 121.630,80 81.911,08 -79.439,44 68.472,92 13.998,08 195.946.243,69 2005 86.025,00 89.174,19 95.665,51 82.682,87 -25.965,29 2.471,64 83.553,36 _{6.981.163.967,29} 2006 72.757,00 76.040,44 79.965,45 72.115,42 -15.700,06 56.717,58 16.039,42 257.263.019,60 2007 64.878,00 67.110,49 69.681,48 64.539,49 -10.283,97 56.415,37 8.462,63 _{71.616.172,86} 2008 75.562,00 73.871,70 73.033,65 74.709,74 3.352,17 54.255,52 21.306,48 453.965.950,90

Jumlah _{69.122,77 10.800.286.070,58}

Untuk = 0,8 dan N (banyaknya data error) = 7 diperoleh :

=

Tabel 4.19 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,9 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan

Tahun

2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 333.334,50 339.084,15 327.584,85 -51.746,85 - - - 2002 258.006,00 265.538,85 272.893,38 258.184,32 -66.190,77 275.838,00 -17.832,00 317.980.224,00 2003 155.126,00 166.167,29 176.839,89 155.494,68 -96.053,49 191.993,55 -36.867,55 _{1.359.216.243,00} 2004 82.471,00 90.840,63 99.440,56 82.240,70 -77.399,34 59.441,19 23.029,81 530.372.148,64 2005 86.025,00 86.506,56 87.799,96 85.213,16 -11.640,59 4.841,36 81.183,64 _{6.590.782.997,73} 2006 72.757,00 74.131,96 75.498,76 72.765,16 -12.301,21 73.572,57 -815,57 665.155,40 2007 64.878,00 65.803,40 66.772,93 64.833,86 -8.725,83 60.463,95 4.414,05 _{19.483.833,03} 2008 75.562,00 74.586,14 73.804,82 75.367,46 7.031,89 56.108,03 19.453,97 378.456.777,84

Jumlah _{72.566,34 9.196.957.379,64}

Untuk = 0,9 dan N (banyaknya data error) = 7 diperoleh :

=

Dari hasil perhitungan maka kemudian salah satu nilai MSE dibandingkan untuk menentukan nilai yang memberikan MSE terkecil. Perbandingan ukuran ketepatan metode peramalan jumlah penumpang domestik di Pelabuhan Belawan sebagai berikut:

Tabel 4.2 Perbandingan Ukuran Ketepatan Metode Peramalan

MSE

Turun Naik 0,1 14.706.618.751 7.385.530.349 0,2 6.657.896.840 10.741.319.983 0,3 4.291.413.334 6.493.848.401 0,4 _{3.249.270.213} 4.468.935.463 0,5 2.531.710.692 3.432.637.867 0,6 1.982.377.477 2.551.687.980 0,7 _{1.579.630.888} 1.939.845.791 0,8 1.300.053.236 1.542.898.010 0,9 1.115.705.988 1.313.851.054

Dari tabel 3.20 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil (minimum) adalah nilai parameter pemulusan = 0,9 untuk data penumpang turun yaitu dengan nilai MSE = 1.115.705.988 dan = 0,9 pada penumpang naik yaitu dengan nilai MSE = 1.313.851.054. Jadi dari kedua data penumpang tersebut diperoleh nilai parameter pemulusan yang sama yaitu = 0,9.

1.Peramalan jumlah penumpang domestik yang turun di Pelabuhan Belawan

pada taraf = 0,9

Dari tabel 3.10 pada tahun 2008 diperoleh nilai-nilai yaitu sebagai berikut : = 80.131,99

a)Peramalan tahun 2009 untuk m=1

= 80.131,99 + 9.606,65 (1)

= 89.738,6 = 89.739

b)Peramalan tahun 2010 untuk m=2

= 80.131,99 + 9.606,65 (2)

= 99.345,29 = 99.345

c)Peramalan tahun 2011 untuk m=3

= 80.131,99 + 9.606,65 (3)

= 108.951,95 = 108.952

d)Peramalan tahun 2012 untuk m=4

= 80.131,99 + 9.606,65 (4)

= 118.558,59 = 118.559

e)Peramalan tahun 2013 untuk m=5

= 80.131,99 + 9.606,65 (5)

= 128.165,25 = 128.165

f)Peramalan tahun 2014 untuk m=6

= 80.131,99 + 9.606,65 (6)

= 137.771,89 = 137.772

2.Peramalan jumlah penumpang domestik yang naik di Pelabuhan Belawan

pada taraf = 0,9

Dari tabel 3.19 pada tahun 2008 diperoleh nilai-nilai yaitu sebagai berikut : =75.367,46

= 7.031,89

a)Peramalan tahun 2009 untuk m=1

= 75.367,46 + 7.031,89 (1)

= 82.399,35 = 82.399

b)Peramalan tahun 2010 untuk m=2

= 75.367,46 + 7.031,89 (2)

= 89.431,24 = 89.431

c)Peramalan tahun 2011 untuk m=3

= 75.367,46 + 7.031,89 (3)

= 96.463,13 = 96.463

d)Peramalan tahun 2012 untuk m=4

= 75.367,46 + 7.031,89 (4)

= 103.495,02 = 103.495

e)Peramalan tahun 2013 untuk m=5

= 75.367,46 + 7.031,89 (5)

= 110.526,91 = 110.527

f)Peramalan tahun 2014 untuk m=6

= 75.367,46 + 7.031,89 (6)

= 117.558,80 = 117.559

Tabel 4.3 Nilai Ramalan (Forecast) Jumlah Penumpang Domestik di Pelabuhan Belawan

Jumlah Penumpang Domestik Tahun

Turun Naik 2009 89.738,6 82.399,35 2010 99.345,29 89.431,24 2011 108.951,95 96.463,13 2012 118.558,59 103.495,02 2013 128.165,25 110.526,91 2014 137.771,89 117.558,80

Tabel 4.4 Pemulusan Eksponensial Untuk Penumpang Turun

Tahun Penumpang

Turun Nilai Peramalan 2000 308.095 -

2001 280.110 - 2002 230.979 257.722 2003 149.347 186.917 2004 76.701 74.961 2005 75.586 3.331 2006 72.123 60.038 2007 67.343 66.965 2008 80.309 62.608

Tabel 4.5 Pemulusan Eksponensial Untuk Penumpang Turun

Tahun Penumpang Naik Nilai Peramalan 2000 390.831 -

2001 326.946 - 2002 258.006 275.838 2003 155.126 191.994 2004 82.471 59.441 2005 86.025 4.841 2006 72.757 73.573 2007 64.878 60.464 2008 75.562 56.108

Grafik 4.2 : Nilai Peramalan Penumpang Domestik Yang Turun di Pelabuhan Belawan

Grafik 4.3 : Nilai Peramalan Penumpang Domestik Yang Naik di Pelabuhan Belawan

BAB 5

IMPLEMENTASI SISTEM

5.1Tahapan Implementasi

Tahap implementasi merupakan bagian tahapan penerapan hasil desain tertulis kedalam programming. Pada tahapan inilah seluruh hasil desain dituangkan kedalam bahasa pemrograman tertentu untuk menghasilkan sebuah sistem informasi yang sesuai dengan hasil desain tertentu.

Tahapan implementasi harus dapat menentukan basis apa yang akan diterapkan dalam menuangkan hasil desain yang tertulis sehingga sistem yang dibentuk memiliki kelebihan-kelebihan tersendiri.

Implementasi yang sudah selesai harus diuji coba kehandalannya sehingga dapat diketahui kehandalannya dari sistem yang ada dan telah selesai dengan apa yang telah dinginkan.

Selain berfungsi sebagai pengolahan data atau manipulasi data, Excel merupakan program yang digunakan untuk pengolahan data dan manipulasi data.

5.2Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik dari program paket Microsoft Office. Microsoft Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengolahan informasi khususnya data-data yang berbentuk angka yang dihitung, diproyeksikan, dianalisa dan dipresentasikan pada lembar kerja.

5.3 Langkah-langkah Memulai Pengolahan Data dengan Excel

Cara-cara yang dilakukan adalah sebagai berikut :

a.Klik Start

b.Pilih Program, Microsoft Office, dan pilih Microsoft Excel 2007

d.Data dientri kedalam setiap sel seperti tampilan berikut :

Dari data diatas dapat ditentukan besarnya forecast dengan 0< <1 dan setiap perhitungan akan diberi nama akan diberi nama untuk setiap kolom. Contoh untuk

1. Pada kolom ketiga ditulis keterangan dengan S’t

2. Pada kolom keempat ditulis keterangan dengan S”t

3. Pada kolom kelima ditulis keterangan dengan

4. Pada kolom keenam ditulis keterangan dengan bt

5. Pada kolom ketujuh ditulis keterangan dengan Ft+m untuk nilai

forecast.

Maka perhitungan masing-masing smoothing pertama (S’t), smoothing kedua (S”t),

konstanta (

), slope (

bt), dan forecast (Ft+m) adalah sebagai berikut :

1.Smoothing pertama (S’t) untuk tahun pertama ditentukan sebesar tahun pertama

dari data aktual, sehingga rumus untuk tahun kedua adalah = 0,9*A3+0,1*B2 yang menghasilkan angka = 282.908,50 dan untuk tahun berikutnya hanya mengcopy rumus tersebut.

2.Smoothing kedua (S’’t) untuk tahun pertama ditentukan sebesar tahun pertama

dari data aktual, sehingga rumus untuk tahun kedua adalah = 0,9*B3+0,1*C2 yang menghasilkan angka = 285.247,15 dan untuk tahun berikutnya hanya mengcopy rumus tersebut.

3.Nilai dicari pada tahun kedua pada sel D3 dengan rumus = 2*B3-C3

sehingga akan menghasilkan angka = 280.389,85 dan tahun berikutnya hanya mengcopy rumus tersebut.

4.Nilai bt dicari pada tahun kedua pada sel E3 dengan rumus = 0,9/0,1*(B3-C3)

sehingga akan menghasilkan angka = -22.667,85 dan tahun berikutnya hanya mengcopy rumus tersebut.

5.Forecast dicari untuk tahun ketiga yaitu pada sel F4 dengan rumus =D3+E3*1 sehingga akan menghasilkan angka = 257.722,00 dan untuk tahun berikutnya hanya mengcopy rumus tersebut.

Hasilnya dapat dilihat pada tampilan berikut :

5.4Penggambaran Hasil

Langkah–langkah dalam penggambaran hasil adalah sebagai berikut :

a)Pilih insert kemudian pilih chart dan pilih jenis grafik yang ingin digunakan, tampilannya sebagai berikut :

b)Klik next pada data range sorot data yang akan dimasukkan kedalam grafik.

c)Pada kategori X sorot data yang akan dimasukkan ke dalam grafik. d)Klik ok.

e)Kemudian pada chart title ketikkan judul grafik. f)Pada kategori X ketikkan tahun.

g)Pada value Y ketikkan jumlah penumpang.

BAB 6

KESIMPULAN DAN SARAN

6.1 KESIMPULAN

Berdasarkan analisa dan evaluasi data pada data penumpang domestik di pelabuhan Belawan pada tahun 2000-2008 dan hasil peramalan untuk tahun 2009-2014 maka penulis mengambil kesimpulan :

1. Jumlah penumpang domestik yang naik dan turun di pelabuhan Belawan mengalami penurunan pada akhir tahun 2000 kemudian mengalami peningkatan pada tahun 2001-2002 dan pada tahun 2003-2008 kembali mengalami penurunan.

2. Dari hasil analisis data diperoleh parameter untuk ketepatan peramalan pada = 0.9.

3. Jumlah penumpang domestik yang turun di pelabuhan Belawan pada tahun 2009 diprediksikan sebesar 89.739, tahun 2010 sebesar 99.345, tahun 2011 sebesar 108.952, tahun 2012 sebesar 118.559, tahun 2013 sebesar 128.165 dan tahun 2014 sebesar 137.772.

4. Jumlah penumpang domestik yang naik di pelabuhan Belawan pada tahun 2009 diproyeksikan sebesar 82.399, tahun 2010 sebesar 89.431, tahun 2011 sebesar 96.463, tahun 2012 sebesar 103.495, tahun 2013 sebesar 110.527, dan

6.2 SARAN

1.Dalam meramalkan jumlah penumpang domestik di pelabuhan Belawan dapat menggunakan metode Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown, akan sangat membantu jika mengolah data dengan menggunakan alat bantu komputer khususnya program aplikasi Excel.

2.Metode yang dibahas dalam Tugas Akhir ini akan sangat membantu sebagai bahan pertimbangan dan perbandingan dalam mengambil berbagai kebijakan.

DAFTAR PUSTAKA

Sumatera Utara,BPS.2004.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan Sumatera Utara,BPS.2005.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan Sumatera Utara,BPS.2006.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan Sumatera Utara,BPS.2007.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan Sumatera Utara,BPS.2008.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan Sumatera Utara,BPS.2009.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan Assauri Sofyan. 1984. Teknik dan Metoda Peramalan. Jakarta: Penerbit Fakultas

Ekonomi Universitas Indonesia.

Manurung A.H 1990. Teknik Pearamalan Bisnis dan Ekonomi. Jakarta: Penerbit Rineka Cipta.

Makridakis S, Wheelwright S.C dan Mc Gee V.E. 1993. Metode dan Aplikasi Peramalan, edisi kedua jilid satu. Jakarta: Penerbit Erlangga.

b)Klik next pada data range sorot data yang akan dimasukkan kedalam grafik.

c)Pada kategori X sorot data yang akan dimasukkan ke dalam grafik.

e)Kemudian pada chart title ketikkan judul grafik.

f)Pada kategori X ketikkan tahun.

g)Pada value Y ketikkan jumlah penumpang.

BAB 6

KESIMPULAN DAN SARAN

6.1 KESIMPULAN

Berdasarkan analisa dan evaluasi data pada data penumpang domestik di pelabuhan

Belawan pada tahun 2000-2008 dan hasil peramalan untuk tahun 2009-2014 maka

penulis mengambil kesimpulan :

1. Jumlah penumpang domestik yang naik dan turun di pelabuhan Belawan

mengalami penurunan pada akhir tahun 2000 kemudian mengalami

peningkatan pada tahun 2001-2002 dan pada tahun 2003-2008 kembali

mengalami penurunan.

2. Dari hasil analisis data diperoleh parameter untuk ketepatan peramalan pada

= 0.9.

3. Jumlah penumpang domestik yang turun di pelabuhan Belawan pada tahun

2009 diprediksikan sebesar 89.739, tahun 2010 sebesar 99.345, tahun 2011

sebesar 108.952, tahun 2012 sebesar 118.559, tahun 2013 sebesar 128.165 dan

tahun 2014 sebesar 137.772.

4. Jumlah penumpang domestik yang naik di pelabuhan Belawan pada tahun

2009 diproyeksikan sebesar 82.399, tahun 2010 sebesar 89.431, tahun 2011

sebesar 96.463, tahun 2012 sebesar 103.495, tahun 2013 sebesar 110.527, dan

tahun 2014 sebesar 117.527.

6.2 SARAN

1.Dalam meramalkan jumlah penumpang domestik di pelabuhan Belawan dapat

menggunakan metode Pemulusan Eksponensial Ganda Linier Satu Parameter

dari Brown, akan sangat membantu jika mengolah data dengan menggunakan

alat bantu komputer khususnya program aplikasi Excel.

2.Metode yang dibahas dalam Tugas Akhir ini akan sangat membantu sebagai

DAFTAR PUSTAKA

Sumatera Utara,BPS.2004.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan

Sumatera Utara,BPS.2005.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan

Sumatera Utara,BPS.2006.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan

Sumatera Utara,BPS.2007.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan

Sumatera Utara,BPS.2008.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan

Sumatera Utara,BPS.2009.Sumatera Utara dalam angka.BPS Sumatera Utara:Medan

Assauri Sofyan. 1984. Teknik dan Metoda Peramalan. Jakarta: Penerbit Fakultas Ekonomi Universitas Indonesia.

Manurung A.H 1990. Teknik Pearamalan Bisnis dan Ekonomi. Jakarta: Penerbit Rineka Cipta.

Makridakis S, Wheelwright S.C dan Mc Gee V.E. 1993. Metode dan Aplikasi Peramalan, edisi kedua jilid satu. Jakarta: Penerbit Erlangga.

Nasution M.N. 2008. Manajemen Transportasi. Bogor: Penerbit Ghalia Indonesia.