Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
BAB 5
IMPLEMENTASI SISTEM
5.1 Microsoft Excel
Microsoft Excel merupakan program aplikasi lembar kerja elektronik spreadsheet dari program Microsoft Office. Excel merupakan unggulan dari Microsoft Corporation
yang banyak berperan dalam pengelolaan informasi khususnya data – data berbentuk angka untuk dihitung, diproyeksikan, dianalisa dan dipresentasikan pada lembar kerja.
Dalam hal ini penulis menggunakan Microsoft Excel 2002 dan 2007.
Sheet atau lembar kerja Excel terdiri dari 256 kolom colums dan 65536 baris rows. Kolom diberi nama dengan huruf A, B, C, ….Z dilanjutkan dengan AA, AB,
AC,…..IV dan baris ditandai dengan angka 1, 2, 3, 4, ….65.536.
Excel 2002 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, under windows seperti Word, Access, maupun Power
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
Point, dan sebagainya. Keunggulan program spead sheet ini adalah mudah dipakai, fleksibel, mudah berintegrasi dengan aplikasi berbasis windows.
5.2 Langkah – Langkah Memulai Pengolahan Data Dengan Excel
Sebelum mengoperasikan software ini, pastikan bahwa pada komputer telah terpasang program Excel. Langkah – langkahnya adalah sebagai berikut :
1. Klik tombol start
Gambar 5.1 Tampilan Standard dari Windows
2. Plilih Program dan klik Microsoft Excel
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
Gambar 5.2 Tampilan Untuk Memilih Program Excel.
3. Setelah itu akan muncul tampilan lembaran kerja seperti di bawah ini
Gambar 5.3 Tampilan Lembar Kerja Excel
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
4. Mulailah dengan pengisian data
a. Data produksi beras dengan menggunakan alpha 0.1 pada sheet 1, dapat
dilihat tampilannya seperti di bawah ini
Gambar 5.4 Tampilan Menginput Data Produksi Beras Pada Lembar Kerja Excel
Dari tampilan diatas tersebut dapat kita lihat data yang telah di hitung
t
S ′ ,
t
S ′ ′ ,
forecast, error kesalahan ramalan, square errornya. Untuk lebih jelasnya dapat dipaparkan sebagai berikut:
1. Pada kolom pertama A7 : A21 ditulis keterangannya adalah tahun.
2. Pada kolom kedua B7 : B21 ditulis keterangannya adalah produksi beras di
Kabupaten Deli Serdang.
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
3. Pada kolom ketiga C7 : C21 ditulis keterangannya adalah
t
S ′ , dimana
t
S ′ adalah smoothing pertama.
4. Pada kolom ketiga D7 : D21 ditulis keterangannya adalah
t
S ′ ′ , dimana
t
S ′ ′ adalah smoothing kedua.
5. Pada kolom ketiga E7 : E21 ditulis keterangannya adalah a
t
konstanta. 6.
Pada kolom ketiga F7 : F21 ditulis keterangannya adalah b
t
slope. 7.
Pada kolom ketiga G7 : G21 ditulis keterangannya adalah forecast yakni ramalan.
8. Pada kolom ketiga H7 : H21 ditulis keterangannya adalah error atau
kesalahan ramalan. 9.
Pada kolom ketiga I7 : I21 ditulis keterangannya adalah absoulut dari error kesalahan ramalan.
10. Pada kolom ketiga J7 : J21 ditulis keterangannya adalah square error, dimana ini kuadrat dari error.
Maka perhitungan untuk masing – masing perhitungan smoothing pertama, smoothing kedua, konstanta, forecast, error, absoulut error dan square error diuraikan dibawah
ini: 1. Smoothing pertama
t
S ′ , untuk tahun pertama ditentukan sebesar tahun pertama dari data historisnya, sehingga angkanya telah tertera pada sel B8,
adalah = B8. Sedangkan untuk tahun kedua yakni tahun 1994 dapat dihitung dengan
rumus sebagai berikut : =0.1B9+0.9C8, menghasilkan 279501.9. Lakukan cara yang sama untuk tahun – tahun berikutnya.
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
2. Smoothing kedua
t
S ′ ′ , untuk tahun pertama ditentukan sebesar tahun
pertama dari data historisnya, sehingga angkanya telah tertera pada sel B8, adalah = B8.
Sedangkan untuk tahun kedua yakni tahun 1995 dapat dihitung dengan rumus
sebagai berikut : =0.1C9+0.9D8, menghasilkan 279941.9. Lakukan cara yang sama untuk tahun – tahun berikutnya.
3. Nilai a
t
baru bisa dicari pada tahun kedua yaitu pada tahun 1995 sehingga rumus yang tertera pada sel E8 adalah: =2C9-D9, sehingga menghasilkan
angka = 279062.61. Lakukan cara yang sama untuk tahun – tahun berikutnya.
4. Nilai b
t
baru bisa dicari pada tahun kedua yaitu pada tahun 1995 sehingga rumus yang tertera pada sel F8 adalah: =0.10.9C9-D9, sehingga
menghasilkan angka – 48.81. Lakukan cara yang sama untuk tahun – tahun berikutnya.
5. Forecast F
t+m
untuk tahun pertama tidak dapat di tentukan, untuk tahun kedua pada sel G9, sama dengan data histories pada tahun pertama = B8.
Forecast pada tahun ketiga dapat dicari dengan menggunakan rumus sebagai berikut : =E9+F9 sehingga menghasilkan 279013.8 Lakukan cara yang sama
untuk tahun – tahun berikutnya. 6.
Error untuk tahun ketiga dapat di cari dengan rumus =B9-G9, menghasilkan - 4881. Lakukan cara yang sama untuk tahun – tahun berikutnya.
7. Aboulut error menunjukkan kesalahan ramalan, tanpa menghiraukan tanda
positif ataupun tanda negatif, sehingga pada sel I9, dapat dihitung dengan
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
menggunakan rumus : =ABSH9, sehingga menghasilkan 4881. Lakukan cara yang sama untuk tahun – tahun berikutnya.
8. Square error, menunjukkan kesalahan ramalan dikuadratkan, sehingga pada
sel J9, dapat dihitung menggunakan rumus : =H92, sehingga menghasilkan 23824161. Lakukan cara yang sama untuk tahun – tahun berikutnya.
9. Jumlah dari square error menggunakan rumus :
= SUMJ7:J19 untuk jumlah dari square error menghasilkan 3207622.087
10. Menghitung rata – rata dari, mean square error MSE dengan rumus =J2012 menghasilkan 267301.8406
11. Untuk tahun – tahun berikutnya dilakukan cara yang sama.
Adapun tampilan rumus dapat dilihat dalam tampilan di bawah ini yaitu :
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
Gambar 5.5 Tampilan Rumus dari Data Produksi Beras Pada Lembar Kerja Excel
b. Data dengan menggunakan alpha 0.1 pada sheet 3, dapat dilihat tampilannya
seperti di bawah ini:
Gambar 5.6 Tampilan Menginput Data Kebutuhan Beras Pada Lembar Kerja Excel
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
Dari tampilan diatas tersebut dapat kita lihat data yang telah di hitung
t
S ′ ,
t
S ′ ′ ,
forecast, error kesalahan ramalan, square errornya. Untuk lebih jelasnya dapat dipaparkan sebagai berikut:
1. Pada kolom pertama A6 : A19 ditulis keterangannya adalah tahun.
2. Pada kolom kedua B6 : B19 ditulis keterangannya adalah produksi beras di
Kabupaten Deli Serdang. 3.
Pada kolom ketiga C6 : C19 ditulis keterangannya adalah
t
S ′ , dimana
t
S ′ adalah smoothing pertama.
4. Pada kolom ketiga D6 : D19 ditulis keterangannya adalah
t
S ′ ′ , dimana
t
S ′ ′ adalah smoothing kedua.
5. Pada kolom ketiga E6 : E19 ditulis keterangannya adalah a
t
konstanta. 6.
Pada kolom ketiga F6 : F19 ditulis keterangannya adalah b
t
slope. 7.
Pada kolom ketiga G6 : G19 ditulis keterangannya adalah forecast yakni ramalan.
8. Pada kolom ketiga H6 : H19 ditulis keterangannya adalah error atau
kesalahan ramalan. 9.
Pada kolom ketiga I6 : I19 ditulis keterangannya adalah absoulut dari error kesalahan ramalan.
10. Pada kolom ketiga J6 : J19 ditulis keterangannya adalah square error, dimana ini kuadrat dari error.
Maka perhitungan untuk masing – masing perhitungan smoothing pertama, smoothing kedua, konstanta, forecast, error, absoulut error dan square error diuraikan dibawah
ini:
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
1. Smoothing pertama
t
S ′ , untuk tahun pertama ditentukan sebesar tahun pertama dari data historisnya, sehingga angkanya telah tertera pada sel B7,
adalah = B7. Sedangkan untuk tahun kedua yakni tahun 1995 dapat dihitung dengan
rumus sebagai berikut : =0.1B8+0.9C7 menghasilkan 121137.5. Lakukan cara yang sama untuk tahun – tahun berikutnya.
2. Smoothing kedua
t
S ′ ′ , untuk tahun pertama ditentukan sebesar tahun
pertama dari data historisnya, sehingga angkanya telah tertera pada sel B7, adalah = B7.
Sedangkan untuk tahun kedua yakni tahun 1994 dapat dihitung dengan rumus sebagai berikut: =0.1C8+0.9D7menghasilkan 123218.75.
Lakukan cara yang sama untuk tahun – tahun berikutnya. 3.
Nilai a
t
baru bisa dicari pada tahun kedua yaitu pada tahun 1995 sehingga rumus yang tertera pada sel E8 adalah:
=2C8-D8 sehingga menghasilkan angka
119056.25 . Lakukan cara yang sama untuk tahun – tahun berikutnya. 4.
Nilai b
t
baru bisa dicari pada tahun kedua yaitu pada tahun 1994 sehingga rumus yang tertera pada sel F8 adalah: =0.10.9C8-D8 , sehingga
menghasilkan angka -231.25. Lakukan cara yang sama untuk tahun – tahun
berikutnya. 5.
Forecast F
t+m
untuk tahun pertama tidak dapat di tentukan, untuk tahun kedua pada sel G8, sama dengan data histories pada tahun pertama = B7.
Forecast pada tahun ketiga dapat dicari dengan menggunakan rumus sebagai berikut :
=E8+F8 sehingga menghasilkan 118825. Lakukan cara yang sama untuk tahun – tahun berikutnya.
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
6. Error untuk tahun ketiga dapat di cari dengan rumus =B8-G8, menghasilkan
-23125. Lakukan cara yang sama untuk tahun – tahun berikutnya. 7.
Aboulut error menunjukkan kesalahan ramalan, tanpa menghiraukan tanda positif ataupun tanda negatif, sehingga pada sel I8, dapat dihitung dengan
menggunakan rumus : =ABSH8, sehingga menghasilkan 23125 . Lakukan
cara yang sama untuk tahun – tahun berikutnya. 8.
Square error, menunjukkan kesalahan ramalan dikuadratkan, sehingga pada sel J8, dapat dihitung menggunakan rumus :
=H82, sehingga menghasilkan 534765625. Lakukan cara yang sama untuk tahun – tahun berikutnya.
9. Jumlah dari square error =SUMJ7:J19 untuk jumlah dari square error
menghasilkan 3188008635 .
10. Menghitung rata – rata mean square error MSE dengan rumus =J2012menghasilkan 265667386.3
11. Untuk tahun – tahun berikutnya dilakukan cara yang sama.
Adapun tampilan rumus dapat dilihat dalam tampilan di bawah ini yaitu :
Samira Siregar : Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan, 2008. USU Repository © 2009
Gambar 5.7 Tampilan Rumus dari Data Kebutuhan Beras Pada Lembar Kerja Excel
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan