BAB 4 ANALISIS DATA
4.1 Pengumpulan Data
Untuk kebutuhan Peramalan diperlukan data yang bersifat akurat, Validity, reability, kecukupan data dan dapat menggambarkan time series. Data diperoleh dari Kantor
Badan Ketahanan Pangan di Jl. Jenderal Besar Abd. Haris Nasution No. 24 Medan.
Pengumpulan data yang diperoleh merupakan data dari tahun 1993 – 2007, yaitu data jumlah produksi padi.
Tabel 4.1 Data Hasil Produksi Padi Sumatera Utara Tahun 1993 – 2007
No Tahun
Produksi Ton
1 1993
2.918.152 2
1994 3.079.960
3 1995
3.134.533 4
1996 3.136.760
5 1997
3.212.206 6
1998 3.321.049
7 1999
3.451.430 8
2000 3.514.253
9 2001
3.291.605 10
2002 3.153.305
11 2003
3.403.075 12
2004 3.418.782
13 2005
3.447.393 14
2006 3.007.636
15 2007
3.257.823
Sumber : Badan Ketahanan Pangan
Universitas Sumatera Utara
Nilai Aktual Produksi Padi Sumatera Utara
500000 1000000
1500000 2000000
2500000 3000000
3500000 4000000
19 93
19 95
19 97
19 99
20 01
20 03
20 05
20 07
Tahun P
ro d
u k
s i
Nilai Aktual
Gambar 4.1 Grafik Jumlah Produksi Padi Sumatera Utara
4.2 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown
Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data tabel 4.1 dengan metode peramalan forecasting berdasarkan metode smoothing eksponensial
satu parameter dari Brown.
Menurut Assauri 1984, dasar pemikiran dari metode pemulusan eksponensial tunggal maupun ganda adalah bahwa nilai pemulusan akan terdapat pada waktu
sebelum data sebenarnya apabila pada data tersebut terdapat komponen tren. Oleh karena itu untuk nilai-nilai pemulusan tunggal perlu ditambahkan nilai pemulusan
ganda guna menyesuaikan tren. Metode itu dikenal dengan nama metode Brown.
Pada metode Brown hanya terdapat satu parameter saja dan estimasi nilai tren masih sangat sensitif sekali terhadap fluktuasi random. Pemulusan eksponensial ganda
pada metode Brown dan Holt hanya bisa dipergunakan untuk data yang tidak
Universitas Sumatera Utara
mengandung faktor musiman. Jika data yang akan dianalisis merupakan data musiman maka diperlukan sebuah metode pemulusan yang dapat menangani faktor musiman
secara langsung. Metode tersebut adalah metode Winters.
4.3. Pemilihan Metode 4.3.1 Statistik Uji yang Berguna
Kategori