Peramalan Tingkat Produksi Kelapa Sawit di PT. Perkebunan Nusantara IV (Persero) Tahun 2015-2017 dengan Metode Eksponensial Smoothing

(1)

DAFTAR PUSTAKA

PT. Perkebunan Nusantara IV (PERSERO) Tahun 2015-2017

http://www.google.com

Sudjana.2001.Metoda Statistika.Bandung: Tarsito

Makridakis, Spyros.1993.Metode dan Aplikasi Peramalan.Jakarta: Erlangga

Assauari, Sofjan. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi Universitas Indonesia.

(2)

BAB 3

PENGOLAHAN DATA

Pengolahan data dimaksud untuk menetukan sifat-sifat statistika dari waktu ke waktu, sehingga dapat ditetapkan suatu model penduga atau peramalan yang tepat serta dapat digunakan untuk meramalkan produksi kelapa sawit pada tahun 2015-2017 di PT. PerkebunanNusantara IV (Persero).

3.1Data Yang Akan Diolah

Data yang dibutuhkan dalam menganalisis pada Tugas Akhir ini yaitu data produksi kelapa sawit di PT. Perkebunan Nusantara IV (Persero) Tahun 2015-2017. Data tersebut yaitu sebagai berikut:

Tabel 3.1 Data Produksi Kelapa Sawit PT. Perkebunan Nusantara IV (Persero)

No Tahun Produksi Kelapa Sawit (Ton)

1 2001 1.371.769

2 2002 1.331.648

3 2003 1.451.325

4 2004 1.546.492

5 2005 1.462.939

6 2006 1.442.123

7 2007 1.423.109

8 2008 1.516.796

9 2009 1.629.938

10 2010 1.695.927

11 2011 1.714.872

12 2012 1.777.644

13 2013 1.695.987

14 2014 1.716.188

Sumber: PTPN IV Medan 2001-2014

3.2Metode Smoothing Eksponensial Linier Satu Parameter dari Brown

Dari data diatas produksi kelapa sawit di PT. Perkebunan Nusantara IV (Persero), maka metode pemulusan (Smoothing) eksponensial ganda yang digunakan yaitu Metode Linier Satu Parameter dari Brown.

(3)

Tahap pertama dalam perhitungannya yaitu perhitungan pemulusan eksponensial tunggal. Pada saat t = 1, nilai tersebut tidak tersedia. Jadi nilai-nilai ini menggunakan suatu nilai-nilai rata-rata dari beberapa nilai-nilai pertama sebagai titik awal. Dengan menggunakan rumus ( 2-1 ) yaitu:

Untuk maka dapat dihitung:

Eksponensial tunggal periode ke-1 ( tahun 2001 ) = 1.371.769 ( Data awal )

Eksponensial tunggal periode ke-2 ( tahun 2002 ) = 0,1(1.331.648) + (1-0,1) 1.371.769

= 1.367.756,90

Eksponensial tunggal periode ke-3 ( tahun 2003 ) = 0,1(1.451.325) + (1-0,1) 1.451.325

= 1.376.113,71 Hasil dapat dilihat pada tabel 3.2

Tahap selanjutnya untuk menghitung peramalan tersebut yaitu mencari pemulusan eksponensial ganda dengan menggunakan rumus persamaan ( 2-2 ) yaitu:

Untuk maka dapat dihitung:

Eksponensial ganda periode ke-2 ( tahun 2002 ) = 0,1(1.367.756,90)+(1-0,1) 1.371.769,00

= 1.371.367,79

Eksponensial ganda periode ke-3 ( tahun 2003 ) = 0,1(1.376.113,71)+(10,1) 1.371.367,79

= 1.371.842.38

(4)

Hasil dapat dilihat pada tabel 3.2

Selanjutnya dicari nilai dengan menggunkan rumus pada persamaan ( 2-3 ) yaitu:

( ) Maka nilai dapat dihitung:

Nilai a untuk periode ke-2 ( tahun 2002 ) = 2(1.367.756,90 – 1.371.367,79) = 1.364.146,01

Nilai a untuk periode ke-3 ( tahun 2003 ) = 2(1.376.113,71 – 1.371.842,38) = 1.380.385,04

Nilai a untuk periode ke-4 ( tahun 2004 ) = 2(1.393.151,54 – 1.373.973,30) = 1.412.329,78

Hasil dapat dilihat pada tabel 3.2

Tahap selanjutnya yaitu menghitung nilai dengan menggunakan rumus pada persamaan ( 2-4 ) yaitu:

( ) Maka nilai dapat dihitung

Untuk periode ke-2 ( tahun 2002 ) =

= - 401,21

Untuk periode ke-3 ( tahun 2003 ) =

= 474,59

Untuk periode ke-4 ( tahun 2004 ) =

= 2.130,92

(5)

Hasil dapat dilihat pada tabel 3.2

Dari perhitungan dan di atas dapat ditentukan ramalan produksi kelapa sawit. Untuk itu tahap selanjutnya yaitu dengan menggunakan persamaan ( 2-5 ):

Untuk periode ke-2 ( tahun 2002 ) dengan m = 1 = 1.364.146,01 + (-401,21) (1) = 1.363.744,80

Untuk periode ke-3 ( tahun 2003 ) dengan m = 1 = 1.380.385,04 + (474,59) (1) =1.380.859,63

Untuk periode ke-4 ( tahun 2004 ) dengan m = 1 = 1.412.329,78 + (2.130,92)(1) = 1.414.460,70

Hasil dapat dilihat pada tabel 3.2

Untuk mencari nilai MSE, maka harus ditentukan dahulu nilai dari (kesalahan) dan (kesalahan kuadrat) dengan menggunakan rumus:

untuk periode ke-2 ( tahun 2002 ) = 1.331.648 – 1.363.744,80 = -32.096,80

untukperiode ke-3 ( tahun 2003 ) = 1.451.325 – 1.380.859,63 = 70.465,37

untuk periode ke-4 ( tahun 2004 ) = 1.546.492 – 1.414.460,70 = 132.031,30

Hasil dapat dilihat dari tabel 3.2

Selanjutnya data yang dibutuhkan untuk menghitung nilai MSE adalah . Dari nilai tiap –tiap periode di atas, dapat dikuadratkan menjadi:

(6)

untuk periode ke-3 ( tahun 2003 ) = 4.965.368.369,24

untuk periode ke-4 ( tahun 2004 ) = 17.432.265.235,94

Hasil 2 dapat dilihat dari tabel 3.2

Dengan perhitungan yang sama, maka dapat ditentukan nilai smoothing eksponensial tunggal, ganda, dan ramalan yang akan datang , sampai dengan yang ditampilkan pada tabel 4.3 sampai tabel 3.10.

(7)

Tabel 3.2 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa

Sawit (Ton)

1 2001 1.371.769 1.371.769,00 1.371.769,00

2 2002 1.331.648 1.367.756,90 1.371.367,79 1.364.146,01 -401,21 1.363.744,80

3 2003 1.451.325 1.376.113,71 1.371.842,38 1.380.385,04 474,59 1.380.859,63 70.465,37 4.965.368.369,24

4 2004 1.546.492 1.393.151,54 1.373.973,30 1.412.329,78 2.130,92 1.414.460,70 132.031,30 17.432.265.235,94

5 2005 1.462.939 1.400.130,29 1.376.589,00 1.423.671,57 2.615,70 1.426.287,27 36.651,73 1.343.349.128,73

6 2006 1.442.123 1.404.329,56 1.379.363,05 1.429.296,06 2.774,06 1.432.070,12 10.052,88 101.060.461,84

7 2007 1.423.109 1.406.207,50 1.382.047,50 1.430.367,50 2.684,44 1.433.051,95 -9.942,95 98.862.242,91

8 2008 1.516.796 1.417.266,35 1.385.569,38 1.448.963,32 3.521,89 1.452.485,20 64.310,80 4.135.878.434,15

9 2009 1.629.938 1.438.533,52 1.390.865,80 1.486.201,24 5.296,41 1.491.497,65 138.440,35 19.165.730.825,96

10 2010 1.695.927 1.464.272,86 1.398.206,50 1.530.339,23 7.340,71 1.537.679,93 158.247,07 25.042.134.406,70

11 2011 1.714.872 1.489.332,78 1.407.319,13 1.571.346,43 9.112,63 1.580.459,05 134.412,95 18.066.840.392,61

12 2012 1.777.644 1.518.163,90 1.418.403,61 1.617.924,19 11.084,48 1.629.008,67 148.635,33 22.092.461.417,87

13 2013 1.695.987 1.535.946,21 1.430.157,87 1.641.734,55 11.754,26 1.653.488,81 42.498,19 1.806.095.922,26

14 2014 1.716.188 1.553.970,38 1.442.539,12 1.665.401,66 12.381,25 1.677.782,91 38.405,09 1.474.950.904,00 JUMLAH 116.755.166.312,45

(8)

Tabel 3.3 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa Sawit (Ton)

1 2001 1.371.769 1.371.769 1.371.769

2 2002 1.331.648 1.363.744,80 1.370.164,16 1.357.325,44 -1.604,84 1355720,6

3 2003 1.451.325 1.381.260,84 1.372.383,50 1.390.138,18 2.219,34 1392357,52 58.967,48 3.477.163.697,55

4 2004 1.546.492 1.414.307,07 1.380.768,21 1.447.845,93 8.384,72 1456230,648 90.261,35 8.147.111.664,87

5 2005 1.462.939 1.424.033,46 1.389.421,26 1.458.645,65 8.653,05 1467298,704 -4.359,70 19.007.018,97

6 2006 1.442.123 1.427.651,37 1.397.067,28 1.458.235,45 7.646,02 1465881,472 -23.758,47 564.464.976,57

7 2007 1.423.109 1.426.742,89 1.403.002,40 1.450.483,38 5.935,12 1456418,504 -33.309,50 1.109.523.065,25

8 2008 1.516.796 1.444.753,51 1.411.352,63 1.478.154,40 8.350,22 1486504,625 30.291,38 917.567.415,77

9 2009 1.629.938 1.481.790,41 1.425.440,18 1.538.140,64 14.087,56 1552228,197 77.709,80 6.038.813.493,89

10 2010 1.695.927 1.524.617,73 1.445.275,69 1.603.959,77 19.835,51 1623795,275 72.131,72 5.202.985.714,87

11 2011 1.714.872 1.562.668,58 1.468.754,27 1.656.582,90 23.478,58 1680061,474 34.810,53 1.211.772.694,38

12 2012 1.777.644 1.605.663,67 1.496.136,15 1.715.191,18 27.381,88 1742573,063 35.070,94 1.229.970.633,59

13 2013 1.695.987 1.623.728,33 1.521.654,59 1.725.802,08 25.518,44 1751320,517 -55.333,52 3.061.798.096,70

14 2014 _1.716.188 _{1.642.220,27 1.545.767,72} _1.738.672,81 _24.113,14 _1762785,95 _-46.597,95 _{2.171.368.654,00}

(9)

Tabel 3.4 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa Sawit (Ton)

1 2001 1.371.769 1.371.769 1.371.769

2 2002 1.331.648 _{1.359.732,70 1.368.158,11 1.351.307,29} _-3.610,89 _1.347.696,40

3 2003 1.451.325 1.387.210,39 1.373.873,79 1.400.546,99 5.715,68 1.406.262,67 45.062,33 2.030.613.585,03

4 2004 1.546.492 1.434.994,87 1.392.210,12 1.477.779,63 18.336,32 1.496.115,95 50.376,05 2.537.746.212,10

5 2005 1.462.939 1.443.378,11 1.407.560,52 1.479.195,71 15.350,40 1.494.546,10 -31.607,10 999.009.054,87

6 2006 1.442.123 1.443.001,58 1.418.192,83 1.467.810,32 10.632,32 1.478.442,64 -36.319,64 1.319.116.236,65

7 2007 1.423.109 1.437.033,80 1.423.845,13 1.450.222,48 5.652,29 1.455.874,77 -32.765,77 1.073.595.981,40

8 2008 1.516.796 1.460.962,46 1.434.980,33 1.486.944,60 11.135,20 1.498.079,80 18.716,20 350.296.110,68

9 2009 1.629.938 1.511.655,12 1.457.982,77 1.565.327,48 23.002,44 1.588.329,92 41.608,08 1.731.232.183,01

10 2010 1.695.927 1.566.936,69 1.490.668,94 1.643.204,43 32.686,18 1.675.890,61 20.036,39 401.457.007,96

11 2011 1.714.872 1.611.317,28 1.526.863,44 1.695.771,12 36.194,50 1.731.965,62 -17.093,62 292.191.826,27

12 2012 1.777.644 1.661.215,30 1.567.169,00 1.755.261,59 40.305,56 1.795.567,15 -17.923,15 321.239.283,29

13 2013 1.695.987 1.671.646,81 1.598.512,34 1.744.781,27 31.343,34 1.776.124,62 -80.137,62 6.422.037.430,93

14 2014 _1.716.188 _{1.685.009,16 1.624.461,39 1.745.556,94} _25.949,05 _1.771,505,99 _-55.317,99 _{3.060.079.865,00} JUMLAH 20.538.614.777,75

(10)

Tabel 3.5 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa Sawit

(Ton)

1 2001 1.371.769 1.371.769 1.371.769

2 2002 1.331.648 _{1.355.720,60 1.365.349,64 1.346.091,56} _-6.419,36 _1.339.672,20

3 2003 1.451.325 1.393.962,36 1.376.794,73 1.411.129,99 11.445,09 1.422.575,08 28.749,92 826.557.900,01

4 2004 1.546.492 1.454.974,22 1.408.066,52 1.501.881,91 31.271,80 1.533.153,70 13.338,30 177.910.140,18

5 2005 1.462.939 1.458.160,13 1.428.103,97 1.488.216,29 20.037,44 1.508.253,74 -45.314,74 2.053.425.298,75

6 2006 1.442.123 1.451.745,28 1.437.560,49 1.465.930,06 9.456,52 1.475.386,59 -33.263,59 1.106.466.403,72

7 2007 1.423.109 1.440.290,77 1.438.652,60 1.441.928,93 1.092,11 1.443.021,04 -19.912,04 396.489.446,56

8 2008 1.516.796 1.470.892,86 1.451.548,70 1.490.237,02 12.896,10 1.503.133,12 13.662,88 186.674.317,53

9 2009 1.629.938 1.534.510,92 1.484.733,59 1.584.288,24 33.184,88 1.617.473,13 12.464,87 155.373.049,04

10 2010 1.695.927 1.599.077,35 1.530.471,09 1.667.683,61 45.737,50 1.713.421,11 -17.494,11 306.043.886,06

11 2011 1.714.872 1.645.395,21 1.576.440,74 1.714.349,68 45.969,65 1.760.319,33 -45.447,33 2.065.459.457,31

12 2012 1.777.644 1.698.294,73 1.625.182,33 1.771.407,12 48.741,59 1.820.148,71 -42.504,71 1.806.650.525,81

13 2013 1.695.987 1.697.371,64 1.654.058,05 1.740.685,22 28.875,72 1.769.560,94 -73.573,94 5.413.124.167,75

14 2014 _1.716.188 _{1.704.898,18 1.674.394,10 1.735.402,26} _20.336,05 _1.755.738,31 _-39.550,31 _{1.564.226.850,00} JUMLAH 16.058.401.443,35

(11)

Tabel 3.6 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa

Sawit (Ton)

1 2001 1.371.769 1.371.769 1.371.769

2 2002 1.331.648 _1.351.708,50 _1.361.738,75 _1.341.678,25 _{-10.030,25 1.331.648,00}

3 2003 1.451.325 1.401.516,75 1.381.627,75 1.421.405,75 19.889,00 1.441.294,75 10.030,25 100.605.915,06

4 2004 1.546.492 1.474.004,38 1.427.816,06 1.520.192,69 46.188,31 1.566.381,00 -19.889,00 395.572.321,00

5 2005 1.462.939 1.468.471,69 1.448.143,88 1.488.799,50 20.327,81 1.509.127,31 -46.188,31 2.133.360.211,60

6 2006 1.442.123 1.455.297,34 1.451.720,61 1.458.874,08 3.576,73 1.462.450,81 -20.327,81 413.219.961,04

7 2007 1.423.109 1.439.203,17 1.445.461,89 1.432.944,45 -6.258,72 1.426.685,73 -3.576,73 12.793.028,79

8 2008 1.516.796 1.477.999,59 1.461.730,74 1.494.268,43 16.268,85 1.510.537,28 6.258,72 39.171.560,39

9 2009 1.629.938 1.553.968,79 1.507.849,77 1.600.087,82 46.119,03 1.646.206,85 -16.268,85 264.675.404,06

10 2010 1.695.927 1.624.947,90 1.566.398,83 1.683.496,96 58.549,07 1.742.046,03 -46.119,03 2.126.964.683,13

11 2011 1.714.872 1.669.909,95 1.618.154,39 1.721.665,51 51.755,56 1.773.421,07 -58.549,07 3.427.993.062,69

12 2012 1.777.644 1.723.776,97 1.670.965,68 1.776.588,27 52.811,29 1.829.399,56 -51.755,56 2.678.637.845,35

13 2013 1.695.987 1.709.881,99 1.690.423,83 1.729.340,14 19.458,15 1.748.798,29 -52.811,29 2.789.032.587,67

14 2014 1.716.188 1.713.034,99 1.701.729,41 1.724.340,57 11.305,58 1.735.646,15 -19.458,15 378.619.702,10 JUMLAH 14.760.646.283,88

(12)

Tabel 3.7 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa

Sawit (Ton)

1 2001 1.371.769 1.371.769 1.371.769

2 2002 1.331.648 _1.347.696,40 _{1.357.325,44 1.338.067,36} _-14.443,56 _1.323.623,80

3 2003 1.451.325 1.409.873,56 1.388.854,31 1.430.892,81 31.528,87 1.462.421,68 -11.096,68 123.136.307,02

4 2004 1.546.492 1.491.844,62 1.450.648,50 1.533.040,75 61.794,19 1.594.834,94 -48.342,94 2.337.039.461,10

5 2005 1.462.939 1.474.501,25 1.464.960,15 1.484.042,35 14.311,65 1.498.354,00 -35.415,00 1.254.222.225,00

6 2006 1.442.123 1.455.074,30 1.459.028,64 1.451.119,96 -5.931,51 1.445.188,45 -3.065,45 9.396.985,17

7 2007 1.423.109 1.435.895,12 1.445.148,53 1.426.641,71 -13.880,11 1.412.761,60 10.347,40 107.068.682,79

8 2008 1.516.796 1.484.435,65 1.468.720,80 1.500.150,50 23.572,27 1.523.722,77 -6.926,77 47.980.116,52

9 2009 1.629.938 1.571.737,06 1.530.530,56 1.612.943,56 61.809,76 1.674.753,32 -44.815,32 2.008.412.768,80

10 2010 1.695.927 1.646.251,02 1.599.962,84 1.692.539,21 69.432,28 1.761.971,49 -66.044,49 4.361.874.906,46

11 2011 1.714.872 1.687.423,61 1.652.439,30 1.722.407,92 52.476,46 1.774.884,38 -60.012,38 3.601.486.058,46

12 2012 1.777.644 1.741.555,84 1.705.909,23 1.777.202,46 53.469,93 1.830.672,39 -53.028,39 2.812.009.863,34

13 2013 1.695.987 1.714.214,54 1.710.892,41 1.717.536,66 4.983,19 1.722.519,85 -26.532,85 703.992.058,07

14 2014 1.716.188 1.715.398,62 1.713.596,13 1.717.201,10 2.703,72 1.719.904,82 -3.716,82 13.814.728,28 JUMLAH 17.380.434.161,65

(13)

Tabel 3.8 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa

Sawit (Ton)

1 2001 1.371.769 1.371.769 1.371.769

2 2002 1.331.648 _{1.343.684,30 1.352.109,71 1.335.258,89} _-19.659,29 _1.315.599,60

3 2003 1.451.325 1.419.032,79 1.398.955,87 1.439.109,71 46.846,16 1.485.955,87 -34.630,87 1.199.297.156,96

4 2004 1.546.492 1.508.254,24 1.475.464,73 1.541.043,75 76.508,86 1.617.552,61 -71.060,61 5.049.610.009,33

5 2005 1.462.939 1.476.533,57 1.476.212,92 1.476.854,22 748,19 1.477.602,42 -14.663,42 215.015.783,45

6 2006 1.442.123 1.452.446,17 1.459.576,20 1.445.316,15 -16.636,72 1.428.679,43 13.443,57 180.729.703,94

7 2007 1.423.109 1.431.910,15 1.440.209,96 1.423.610,34 -19.366,23 1.404.244,11 18.864,89 355.884.164,40

8 2008 1.516.796 1.491.330,25 1.475.994,16 1.506.666,33 35.784,20 1.542.450,53 -25.654,53 658.154.720,07

9 2009 1.629.938 1.588.355,67 1.554.647,22 1.622.064,13 78.653,06 1.700.717,19 -70.779,19 5.009.693.184,76

10 2010 1.695.927 1.663.655,60 1.630.953,09 1.696.358,12 76.305,87 1.772.663,98 -76.736,98 5.888.564.758,14

11 2011 1.714.872 1.699.507,08 1.678.940,88 1.720.073,28 47.987,80 1.768.061,07 -53.189,07 2.829.077.574,47

12 2012 1.777.644 1.754.202,92 1.731.624,31 1.776.781,54 52.683,43 1.829.464,97 -51.820,97 2.685.412.487,05

13 2013 1.695.987 1.713.451,78 1.718.903,54 1.708.000,02 -12.720,77 1.695.279,24 707,76 500.920,28

14 2014 1.716.188 1.715.367,13 1.716.428,05 1.714.306,21 -2.475,48 1.711.830,73 4.357,27 18.985.812,70 JUMLAH 24.090.926.277,11

(14)

Tabel 3.9 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa

Sawit (Ton)

1 2001 1.371.769 1.371.769 1.371.769

2 2002 1.331.648 _{1.339.672,20 1.346.091,56} _1.333.252,84 _-25.677,44 _1.307.575,40

3 2003 1.451.325 1.428.994,44 1.412.413,86 1.445.575,02 66.322,30 1.511.897,32 -60.572,32 3.669.005.950,18

4 2004 1.546.492 1.522.992,49 1.500.876,76 1.545.108,21 88.462,90 1.633.571,11 -87.079,11 7.582.771.746,71

5 2005 1.462.939 1.474.949,70 1.480.135,11 1.469.764,28 -20.741,65 1.449.022,63 13.916,37 193.665.298,31

6 2006 1.442.123 1.448.688,34 1.454.977,69 1.442.398,99 -25.157,42 1.417.241,57 24.881,43 619.085.642,45

7 2007 1.423.109 1.428.224,87 1.433.575,43 1.422.874,30 -21.402,26 1.401.472,04 21.636,96 468.157.949,42

8 2008 1.516.796 1.499.081,77 1.485.980,51 1.512.183,04 52.405,07 1.564.588,11 -47.792,11 2.284.086.168,85

9 2009 1.629.938 1.603.766,75 1.580.209,50 1.627.324,00 94.229,00 1.721.553,00 -91.615,00 8.393.308.949,24

10 2010 1.695.927 1.677.494,95 1.658.037,86 1.696.952,04 77.828,36 1.774.780,40 -78.853,40 6.217.858.221,22

11 2011 1.714.872 1.707.396,59 1.697.524,84 1.717.268,34 39.486,98 1.756.755,32 -41.883,32 1.754.212.381,05

12 2012 1.777.644 1.763.594,52 1.750.380,58 1.776.808,45 52.855,74 1.829.664,19 -52.020,19 2.706.100.331,90

13 2013 1.695.987 1.709.508,50 1.717.682,92 1.701.334,09 -32.697,66 1.668.636,42 27.350,58 748.054.013,79

14 2014 1.716.188 1.714.852,10 1.715,418,26 1.714.285,94 -2.264,66 1.712.021,28 4.166,72 17.361.539,80 JUMLAH 34.653.668.194,67

(15)

Tabel 3.10 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown

PE RIO

Tahun

Produksi Kelapa

Sawit (Ton)

1 2001 1.371.769 1.371.769,00 1.371.769,00

2 2002 1.331.648 _{1.335.660,10 1.339.270,99} _1.332.049,21 _-32.498,01 _1.299.551,20

3 2003 1.451.325 1.439.758,51 1.429.709,76 1.449.807,26 90.438,77 1.540.246,03 -88.921,03 7.906.949.576,26

4 2004 1.546.492 1.535.818,65 1.525.207,76 1.546.429,54 95.498,00 1.641.927,54 -95.435,54 9.107.943.058,58

5 2005 1.462.939 1.470.226,97 1.475.725,04 1.464.728,89 -49.482,72 1.415.246,17 47.692,83 2.274.606.176,49

6 2006 1.442.123 1.444.933,40 1.448.012,56 1.441.854,23 -27.712,48 1.414.141,75 27.981,25 782.950.448,94

7 2007 1.423.109 1.425.291,44 1.427.563,55 1.423.019,33 -20.449,01 1.402.570,32 20.538,68 421.837.459,65

8 2008 1.516.796 1.507.645,54 1.499.637,34 1.515.653,74 72.073,79 1.587.727,54 -70.931,54 5.031.282.815,04

9 2009 1.629.938 1.617.708,75 1.605.901,61 1.629.515,90 106.264,27 1.735.780,16 -105.842,16 11.202.563.689,20

10 2010 1.695.927 1.688.105,18 1.679.884,82 1.696.325,53 73.983,21 1.770.308,74 -74.381,74 5.532.642.865,69

11 2011 1.714.872 1.712.195,32 1.708.964,27 1.715.426,37 29.079,45 1.744.505,82 -29.633,82 878.163.041,78

12 2012 1.777.644 1.771.099,13 1.764.885,65 1.777.312,62 55.921,38 1.833.234,00 -55.590,00 3.090.247.632,53

13 2013 1.695.987 1.703.498,21 1.709.636,96 1.697.359,47 -55.248,69 1.642.110,78 53.876,22 2.902.646.973,67

14 2014 1.716.188 1.714.919,02 1.714.390,81 1.715.447,23 4.753,86 1.720.201,08 -4.013,09 16.104.861,19 JUMLAH 49.147.938.599,25

(16)

Selanjutnya dihitung nilai MSE untuk dengan menggunakan rumus sebagai berikut:

∑ Keterangan:

= 116.755.166.312,45

n = 12

Maka:

= 9.729.597.192,70

Tabel 3.11 Perbandingan Ukuran Ketetapan Metode Peramalan

MSE

0,1 9.729.597.192,70

0,2 2.762.628.927,11

0,3 1.711.551.231,48

0,4 1.338.200.120,28

0,5 1.230.053.856,99

0,6 1.448.369.513,47

0,7 2.007.577.189,76

0,8 2.887.805.682,89

0,9 4.095.661.549,93

Sumber: Perhitungan

Dari Tabel 3.11 di atas dapat dilihat bahwa yang menghsilkan nilai MSE yang minimum atau terkecil yaitu pada nilai perameter pemulusan yaitu dengan nilai MSE = 1.230.053.856,99.

3.3 Peramalan Produksi Kelapa Sawit di PT. Perkebunan Nusantara IV (Persero)

Setelah diketahui bahwa error yang terdapat dia atas maka dilakukan peramalan nilai produksi kelapa sawit di PT. Perkebunan Nusantara IV untuk tahun 2015 sampai dengan tahun 2017 dengan menggunakan persamaan:

(17)

1.724.340,57+ 11.305,58

Setelah diperoleh model peramalan nilai produksi kelapa sawit di PT. Perkebunan Nusantara IV, maka dapat dihitung untuk 3 periode kedepan untuk tahun 2015, 2016 dan 2017. Sebelumnya dihitung terlebih dahulu untuk tahun 2014 karena sumber data yang diperoleh belum keluar dari kantor PT. perkebunan Nusantara IV. Seperti yang tertera dibawah ini:

Untuk periode ke-14 (Tahun 2014) = 1.724.340,57+ 11.305,58 = 1.724.340,57+ 11.305,58 = 1.735.646,15Ton

Untuk periode ke-15 (Tahun 2015) = 1.724.340,57+ 11.305,58 = 1.724.340,57+ 11.305,58 = 1.746.951,73 Ton

Untuk periode ke-16 (Tahun 2016) = 1.724.340,57+ 11.305,58 = 1.724.340,57+ 11.305,58 = 1.758.257,31 Ton

Untuk periode ke- 17 (Tahun 2017) = 1.724.340,57 + 11.305,58 = 1.724.340,57 + 11.305,58 = 1.769.562,89Ton

(18)

Tabel 3.12 Peramalan Tingkat Produksi Kelapa Sawit di PT. Perkebunan Nusantara IV Tahun 2015 -2017

Tahun Periode Forecasting

2015 15 1.746.951,73

2016 16 1.758.257,31

2017 17 1.769.562,89

(19)

BAB 4

IMPLEMENTASI SISTEM

4.1 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar elektronik (spread sheet) dari program paket Microsoft Office Excel merupakan salah satu software pengolah angka yang cukup digunakan di dunia. Excel merupakan program unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka , dihitung , diproyeksikan , dianalisa , dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai dari versi 4, versi 5, versi 97, versi 2000, Excel 2003, Excel 2007, dan Excel 2010.

Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65.536 baris. Kolom

diberi nama dengan huruf mulai A, B, C, … , Z, kemudian dilanjutkan AA, AB, AC sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1, 2, 3,

… , sampai angka 65.536.

Excel 2007 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, salah satunya adalah under windows seperti word, Acces, powepoint. Keunggulan program spread sheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbagai windows.

4.2 Langkah-langkah Memulai Pengolahan Data dengan Excel

Sebelum mengoperasikan software ini, pastikan bahwa komputer terpasang program Excel. Langkah-langkahnya sebagai berikut:

a. Klik tombol Start. b. Pilih All Program.

(20)

Gambar 4.1 Langkah Memulai Microsoft Excel

d. Setelah itu muncul tampilan worksheet (lembar kerja) seperti dibawah ini: Gambar 4.2 Tampilan Lembar Kerja Excel

Data tiap tahun pada tiap kolom pertama untuk periode, tahun dan data jumlah tingkat produksi kelapa sawit di PT. Perkebunan Nusantara IV (Persero).

(21)

Gambar 4.3 Tampilan Data Tiap Tahun

Dari data di atas dapat menentukan besarnya forecast α=0,5. Dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini:

1. Pada kolom kelima ditulis keterangan . 2. Pada kolom keenam ditulis keterangan . 3. Pada kolom ketujuh ditulis keterangan . 4. Pada kolom kedelapan ditulis keterangan .

5. Pada kolom kesembilan ditulis keterangan (forecast). 6. Pada kolom kesepuluh ditulis keterangan error (e).

7. Pada kolon kesebelas ditulis keterangan square error ( ).

Maka perhitungan masing-masing pemulusan pertama, pemulusan kedua, konstanta, slope, forecast, error dan square error sebagai berikut:

1. Pemulusan pertama

Untuk tahun pertama yakni tahun 2005, ditentukan sebesar periode pertama dari data historisnya, sehingga rumus pada sel B2 adalah A2. Sedangkan untuk peride kedua yakni untuk tahun 2006 dapat menggunakan rumus =((0,5*A3)+(0,5*B2)) sehingga hasil pada sel B3 adalah 100.251,5, untuk

(22)

Untuk tahun pertama yakni tahun 2005, ditentukan sebesar periode pertama dari data historisnya, sehingga rumus yang tertera pada sel C2 adalah A2. Sedangkan untuk periode kedua yakni untuk tahun 2006 dapat menggunakan rumus =((0,5*B3)+(0,5*C2)). Dalam kasus ini untuk sel C3 menghasilkan 102.077,3, untuk periode ketiga sampai periode kesepuluh tinggal menyalin rumus pada sel C3.

3. Nilai baru bisa dicari pada periode kedua yaitu pada tahun 2006. Rumus yang digunakan untuk D3 adalah =2*B3-C3. Sehingga akan menghasilkan angka 98.425,75, untuk tahun-tahun berikutnya tinggal menyalin rumus D3. 4. Nilai baru bisa dicari pada periode kedua yaitu pada tahun 2006. Rumus

yang digunakan untuk sel E3 adalah =((0,5/0,5)*(B3-C3)). Sehingga akan menghasilkan angka -1.825,75, untuk periode ketiga sampai periode kesepuluh tinggal menyalin rumus E3.

5. Peramalan (F/forecast)

Untuk periode ketiga yaitu pada sel F4 dapat dicari dengan menggunakan rumus =((D4+(E4*1))) sehingga akan menghasilkan angka 104.797,8. Untuk periode keempat sampai periode kesepuluh tinggal menyalin rumus F4.

6. Error (e)

Untuk periode ketiga yaitu pada sel G4 dapat dicari dengan menggunakan rumus =A4-F4 sehingga akan menghasilkan angka 1.825,75. Untuk periode keempat sampai periode kesepuluh tinggal menyalin rumus G4.

7. Square error ( )

Untuk periode ketiga yaitu pada sel H4 dapat dicari dengan menggunakan rumus =G4^2 sehingga menghasilkan angka 3.333.363,1. Untuk periode keempat sampai periode kesepuluh tinggal menyalin rumus H4.

(23)

4.3 Hasil Peramalan Dalam Metode Brown

(24)

BAB 5

KESIMPULAN DAN SARAN

Setelah penulis menyelesaikan Tugas Akhir ini maka penulis mengambil beberapa kesimpulan dan saran. Adapun kesimpulan dan saran tersebut adalah:

5.1 Kesimpulan

Kesimpulan yang dapat diambil dari Tugas Akhir ini adalah:

1. Bahwa tingkat produksi kelapa sawit di PT. Perkebunan Nusantara IV (Persero) memiliki peran yang penting dalam tingkat perekonomian khususnya dibidang pertanian.

2. Bentuk metode peramalan yang dipilih untuk meramalkan produksi kelapa sawit di PT. Perkebunan Nusantara IV (Persero) berdasarkan pada tahun 2001 sampai tahun 2014 adalah Metode Linier Satu Parameter dari Brown berdasarkan kriteria MSE terkecil yaitu dengan nilai 1.230.053.856,99.

3. Bentuk persamaan produksi kelapa sawit di PT. Perkebunan Nusantara IV(Persero) berdasarkan data tahun 2001 sampai dengan tahun 2014 untuk periode ke-2 tahun kedepan adalah . Dimana m adalah jumlah periode ke depan yang ingin diramalkan = 1,2,3…,n 4. Nilai ramalan produksi kelapa sawit di PT. Perkebunan Nusantara IV

(Persero) untuk periode ke-15 (tahun 2015) adalah sebesar 1.746.951,73 Ton, untuk periode ke-16 (tahun 2016) adalah sebesar 1.758.257,31 Ton dan untukk periode ke-17 (tahun 2017) adalah sebesar 1.769.562,89 Ton.

5.2 Saran

Adapun saran yang penulis ingin sampaikan adalah:

1. Dalam menentukan tingkat produksi kelapa sawit di PT. Perkebunan Nusantara IV (Persero), pemerintah dapat menggunakan Analisis Peramalan dengan Metode Pemulusan Smoothing Ganda.

(25)

2. Dalam menaksir tingkat produksi kelapa sawit di PT. Perkebunan Nusantara IV (Persero) dengan menggunakan Metode Pemulusan Eksponensial Ganda, akan sangat membantu jika mengolah data dengan menggunakan alat bantu komputer, khususnya Alpikasi Microsoft Excel.

3. Melihat kecenderungan data yang stabil hendaknya pemerintah dapat mempersiapkan fasilitas yang dapat membantu rakyat dalam upaya meningkatkan jumlah produksi kelapa sawit agar perekonomian rakyat juga meningkat.

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

(26)

BAB 2

LANDASAN TEORI

2.1. Pengertian Peramalan

Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Ramalan adalah suatu situasi atau kondisi yang akan diperkirakan akan terjadi pada masa yang akan datang. Untuk memprediksi hal tersebut diperlukan data yang akurat di masa lalu, sehingga dapat dilihat prospek situasi dan kondisi di masa yang akan datang. Pada umumnya kegunaan peramalan adalah sebagai berikut:

1. Sebagai alat bantu dalam perencanaan yang efektif dan efesien. 2. Untuk menentukan kebutuhan sumber daya di masa mendatang. 3. Untuk membuat keputusan yang tepat.

Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan dalam berbagai kegiatan perusahaan. Baik tidaknya hasil suatu penelitian sangat ditentukan oleh ketetapan ramalan yang dibuat. Walaupun demikian perlu diketahui ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan tersebut.

2.2. Jenis-jenis Peramalan

1. Peramalan Kualitatif

Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hasil peramalan tersebut ditentukan berdasarkan pendapat dan pengetahuan serta pengalaman penyusunnya.

2. Peramalan Kuantitatif

Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif masa lalu. Hasil peramalan yang dibuat snagat tergantung pada metode yang dipergunakan dalam peramalan tersebut.

(27)

Baik tidaknya metode yang dipergunakan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi maka semakin baik pula metode yang digunakan. Peramalan kuantitatif dapat diterapkan bila terdapat kondisi berikut:

a. Tersedia informasi (data) tentang masa lalu.

b. Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data numerik. c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut

pada masa yang akan datang.

2.3 Metode Peramalan

2.3.1 Pengertian Metode Peramalan

Metode peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Metode peramalan juga merupakan cara memperkirakan secara kuantitatif, maka oleh karena itu metode peramalan termasuk dalam kegiatan peramalan kuantitatif.

Metode peramalan merupakan cara memperkirakan apa yang akan terjadi pada masa depan secara sistematis dan pragmatis, sehingga metode peramalan sangat berguna untuk dapat memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa lalu. Dengan demikian metode peramalan diharapkan dapat memberikan objektifitas yang lebih besar. Metode peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan dalan kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama, karena argumentasinya sama.

Metode peramalan memberikan cara pengerjaan yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkannya penggunaan teknik-teknik penganalisaan yang lebih maju.

(28)

Dapat disimpulkan bahwa metode peramalan sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat.

2.3.2 Jenis-jenis Metode Peramalan

1. Metode peramalan yang didasarkan atas penggunaan analisa hubungan antar variabel yang diperkirakan dengan variabel waktu merupakan deret berkala (time series). Metode peramalan yang termasuk pada jenis ini yaitu:

a. Metode Pemulusan (Smoothing) b. Metode Box Jenkins

c. Metode Proyeksi Trend dengan Regresi

2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab akibat (metode kausal). Metode peramalan yang termasuk jenis ini adalah: a. Metode Regresi dan Korelasi

b. Metode Ekonometri c. Metode Input Output

2.3.3 Pemilihan Teknik dan Metode Peramalan

Kebutuhan akan peramalan meningkat sejalan dengan usaha managemen untuk mengurangi ketergantungannya pada hal-hal yang belum pasti dan menggunakan sumber daya peramalan secara lebih baik. Dengan adanya sejumlah besar metode peramalan tersedia, maka masalah yang timbul ialah memahami bagaimana karakteristik seuatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu. Adapun enam faktor yang dapat diidentifikasi sebagai teknik dan metode peramalan, yaitu:

(29)

1. Horison Waktu

Merupakan pemilihan yang didasarkan atas jangka waktu peramalan, yaitu: a. Peramalan yang segera dilakukan dengan waktu kurang dari satu bulan. b. Peramalan jangka pendek dengan waktu antar satu sampai tiga bulan c. Peramalan jangka menengah dengan waktu antara tiga bulan sampai dua

tahun.

d. Peramalan jangka panjang dengan waktu dua tahun ke atas. 2. Pola Data

Salah satu dasar pemilihan metode peramalan ialah dengan memperhatikan pola data. Ada empat jenis pola data mendasar yang terdapat dalam suatu deretan data yaitu:

a. Pola Horisontal (H) terjadi apabila data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini ialah “stasioner” terhadap nilai rata-rata -ratanya).

b. Pola Musiman (M) terjadi apabila suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).

c. Pola Siklis (C) terjadi apabila data dipengaruhi oleh fluktuasi jangka panjang dan lebih lama dari pola musiman, lamanya berbeda dari suatu siklus yang lain.

d. Pola Trend (T) terjadi apabila terdapat kenaikan atau penurunan jangka panjang dalam data

3. Jenis dari model

Untuk mengklasifikasikan metode peramalan kuantitatif perlu diperhatikan model yang didasarinya. Model sangat penting diperhatikan, karena masing-masing model mempunyai fungsi yang berbeda.

4. Biaya yang dibutuhkan

Biaya sangat dieperlukan dalam meneliti suatu objek, yang termasuk biaya dalam penggunaan metode peramalan antara lain, biaya penyimpanan data, baiaya-biaya perhitungan, biaya untuk menganalisa dan biaya-biaya

(30)

5. Ketepatan metode peramalan

Tingkat ketepatan yang sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. Dalam mengambil keputusan, variasi atau penyimpangan atas peramalan yang dilakukan antara 10% sampai 15%, sedangkan untuk hal atau kasus lain mungkin menganggap bahwa adanya variasi atau penyimpangan atas ramalan sebesar 5% adalah cukup berbahaya. 6. Kemudahan dalam penerapan

Metode peramalan yang digunakan adalah metode yang mudah dimengerti dan mudah diterapkan dalam pengambilan keputusan dan analisisnya.

2.3.4 Metode Pemulusan (Smoothing)

Metode Pemulusan (Smoothing) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun kedepan. Secara umum pemulusan (Smoothing) dapat digolongkan menjadi beberapa bagian:

1. Metode Perataan (Average) a. Nilai tengah (Mean)

b. Rata-rata bergerak Tunggal (Single Moving Average) c. Rata-rata bergerak Ganda (Double Moving Average) d. Kombinasi Rata-rata Bergerak Lainnya.

2. Metode Pemulusan (Smoothing) a. Pemulusan Eksponensial Tunggal

1. Satu Parameter (One Paramete) 2. Pendekatan Aditif (ARRES)

Pendekatan ini digunakan untuk data-data yang bersifat stasioner dan tidak menunjukkan pola atau trend. Pendekatan ini memiliki kelebihan yang nyata dalam hal nilai yang dapat berubah secara terkendali, dengan adanya perubahan dalam pola datanya.

b. Pemulusan Eksponensial Ganda

1. Metode Linier Satu Parameter dari Brown

(31)

= 2-2

= ( ) 2-3

( 2-4

= 2-5

Keterangan:

= Nilai eksponensial smoothing tunggal = Nilai eksponensial smoothing ganda = Parameter Pemulusan Eksponensial

= Konstanta pemuiusan

= Hasil peramalan untuk m periode ke depan yang akan diramalkan

2. Metode Dua Parameter dari Holt

Metode ini digunakan peramalan data yang bersifat trend.

= 2-6

= 2-7

= 2-8

Keterangan:

= Parameter Peramalan Eksponensial

c. Pemulusan Eksponensial Triple

1. Pemulusan Kwadratik Satu Parameter dari Brown

Dapat digunakan untuk meramalkan data dengan suatu pola trend dasar, bentuk pemulusan yang lebih tinggi dapat digunakan bila dasar pola datanya adalah kuadratik, kubik orde yang lebih tinggi.

2. Metode Kecendurangan dan Musiman Tiga Parameter dari Winter Metode ini merupakan salah satu dari beberapa metode pemulusan eksponensial yang dapat menangani musiman.

(32)

2-9

Keterangan:

= Ramalan untuk periode mendatang

= Parameter Eksponensial yang besarnya 0 < < 1 = Nilai aktual pada periode-t

= Ramalan pada periode-t

2.3.5 Metode Peramalan yang Digunakan

Untuk mendapatkan suatu hasil yang baik dan tepat maka haruslah diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan tingkat produksi kelapa sawit pada tahun 2015-2017 di PT. PerkebunanNusantara IV (Persero), maka penulis menggunakan metode smoothing eksponensial ganda yaitu “Smoothing Eksponensial Satu Parameter dari Brown”.

Metode ini merupakan metode linier yang dikemukakan oleh Brown. Dasar pemikiran dari Smoothing Eksponensial Satu Parameter dari Brown adalah sama dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Satu Parameter dari Brown adalah rumus persamaan 2-1 – 2-5.

Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan rumus dibawah ini:

= 2-10

= 2-11

Akhir persamaan (2-5) menunjukkan bagaimana memperoleh ramalan untuk m periode ke muka dari t. Ramalan untuk m periode ke muka adalah a, dimana merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m kali komponen kecenderungan . Bila semua hasil hitungan telah didapat, maka semua data yang telah didapat dimasukkan ke dalam contoh tabel Smothing Eksponensial Satu Parameter dari Brown berikut ini.

(33)

Tabel 2.1 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Pada Data Produksi Kelapa Sawit di PT. Perkebunan Nusantara IV (Persero)

Tahun 2015-2017

Tahun Periode Tahun

Produksi Kelapa

Sawit

Pemulusan Eksponensi

al Tnggal

Pemulusan Eksponensi

al Ganda

Nilai

Nilai F =

( 1 ) ( 2 ) ( 3 ) ( 4 ) ( 5 ) ( 6 ) ( 7 ) ( 8 )

2001 1 (2-1) (2-2) - - -

2002 2 … … (2-3) (2-4) -

2003 3 … … … … (2-5)

2004 4 … … … … …

- - - … … … … …

N N .. … … … …

Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Data peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketetapan ramalan. Kriteria ini merupakan (Mean Absolute Deviation).

(34)

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Indonesia merupakan negara bahari dan agraris di mana dulu Indonesia merupakan negara yang memiliki pertanian dan perkebunan yang terbesar di ASEAN. Sektor pertanian mempunyai peranan penting dalam kegiatan membantu perekonomian di Indonesia. Salah satu sub sektor yang cukup besar potensinya adalah sub sektor perkebunan. Produksi hasil perkebunan di Indonesia sangat berperan penting baik di bidang ekonomi maupun sosial karena dapat menghasilkan devisa yang cukup besar untuk membangun bangsa dan negara. Dari perkebunan dapat dihasilkan komoditi ekspor terbesar setelah sub sektor pertambangan minyak dan gas serta kehutanan. Perkebunan mempunyai peranan yang tidak dapat diabaikan dalam negara karena selain merupakan sumber energi bagi industri pengolahan hasilnya, juga dapat menyerap tenaga kerja karena pada dasarnya yang dikelola adalah jenis tanaman yag sulit digarap secara mekanis terutama tanaman keras tahunan. Hal ini dapat memberikan dampak yang positif bagi pelestarian alam sekitarnya dan dapat menciptakan kehidupan sehat dalam lingkungan.

Berdasarkan data statistik yang ada dapat dilihat bahwa kelapa sawit cukup beperan bagi pemasukan negara. Oleh karena itu salah satu persyaratan yang sangat diperlukan untuk mengoptimalkan tersebut adalah dengan cara meningkatkan produksi. Maka penulis memaparkan ke dalam tugas akhir yang berjudul “PERAMALAN TINGKAT PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (PERSERO) TAHUN 2015-2017”.

1.2 Rumusan Masalah

Bagaimana mengetahui peramalan tingkat produksi kelapa sawit di PT. Perkebunan Nusantara IV pada tahun yang akan datang dengan menggunakan

(35)

1.3 Batasan Masalah

Berdasarkan latar belakang yang telah diuraikan di atas, maka penulis membatasi masalah hanya peramalan tingkat produksi kelapa sawit di PT. Perkebunan Nusantara IV (Persero) tahun 2015-2017.

1.4 Tujuan Penelitian

Tujuan penelitian ini adalah meramalkan produksi kelapa sawit yang akan dihasilkan oleh PT. Perkebunan Nusantara IV untuk periode tahun 2015-2017.

1.5 Lokasi Penelitian

Penulis menggunakan data dari PT. Perkebunan Nusantara IV (Persero) Sumatera Utara. PT. Perkebunan Nusantara IV (Persero) ini merupakan Badan Usaha Milik Negara yang bergerak pada sub sektor perkebunan dengan mengelola budidaya karet dan kelapa sawit.

1.6 Kajian Pustaka

Teori penunjang yang digunakan untuk mewujudkan tulisan ini dikutip dari buku Metode Aplikasi Peramalan Edisi ke II oleh Spyros Makridakis dan buku Teknik dan Metode Peramalan Sofjan Assauari tahun 1084. Bentuk umun yang digunakan dalam penyusunan suatu ramalan di dalam Eksponensial Smoothing tunggal yaitu:

Sedangkan di dalam Eksponensial Smoothing yang linier atau yang dikenal

dengan “Brown’s One Parameter Linear Eksponensial Smoothing”. Formula yang

digunakan adalah:

(36)

( ) - (

Keterangan:

m = Jumlah periode di depan yang diramalkan = Nilai eksponensial smoothing tunggal = Nilai eksponensial smoothing ganda

= Parameter pemulusan eksponensial = Konstanta pemulusan

= Hasil peramalan untuk m periode ke depan yang akan diramalkan

1.7 Metode Penelitian

Metode yang digunakan dalam penelitian ini yaitu: 1. Studi kepustakaan (Studi Litelatur)

Studi kepustakaan yaitustudi pengumpulan data untuk memperoleh data dan informasi dari perpustakaan dengan cara membaca buku-buku referensi dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir. 2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan riset ini dilakukan dengan menggunakan data sekunder yang diperoleh langsung PT. Perkebunan Nusantara IV Sumatera Utara.

3. Melakukan Analisis Data

Pengolahan Data Produksi Kelapa Sawit dari tahun 2001-2014 di PT. Perkebunan Nusantara IV dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda yaitu Metode Linier Satu Parameter dari Brown.

(37)

memiliki pertanian dan perkebunan yang terbesar di ASEAN. Sektor pertanian mempunyai peranan penting dalam kegiatan membantu perekonomian di Indonesia. Salah satu sub sektor yang cukup besar potensinya adalah sub sektor perkebunan. Produksi hasil perkebunan di Indonesia sangat berperan penting baik di bidang ekonomi maupun sosial karena dapat menghasilkan devisa yang cukup besar untuk membangun bangsa dan negara. Dari perkebunan dapat dihasilkan komoditi ekspor terbesar setelah sub sektor pertambangan minyak dan gas serta kehutanan. Perkebunan mempunyai peranan yang tidak dapat diabaikan dalam negara karena selain merupakan sumber energi bagi industri pengolahan hasilnya, juga dapat menyerap tenaga kerja karena pada dasarnya yang dikelola adalah jenis tanaman yag sulit digarap secara mekanis terutama tanaman keras tahunan. Hal ini dapat memberikan dampak yang positif bagi pelestarian alam sekitarnya dan dapat menciptakan kehidupan sehat dalam lingkungan.

(38)

PERAMALAN TINGKAT PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (PERSERO)

TAHUN 2015-2017 DENGAN METODE

EKSPONENSIAL SMOOTHING

TUGAS AKHIR

EDISON F G BATUBARA 132407079

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2016

(39)

PERAMALAN TINGKAT PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (PERSERO)

TAHUN 2015-2017DENGAN METODE

EKSPONENSIAL SMOOTHING

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

EDISON F G BATUBARA 132407079

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

(40)

PERSETUJUAN

Judul : PERAMALAN TINGKAT PRODUKSI KELAPA

SAWIT DI PT. PERKEBUNAN NUSANTARA IV (PERSERO) TAHUN 2015-1017 DENGAN

METODE EKSPONENSIAL SMOOTHING.

Kategori : TUGAS AKHIR.

Nama : EDISON F G BATUBARA.

Nomor Induk mahasiswa : 132407079. Program Studi : D3 STATISTIKA.

Departemen : MATEMATIKA.

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA.

Disetujui di Medan, Juli-2016

Diketahui oleh:

Program studi FMIPA USU

Ketua, Pembimbing,

Dr. Faigiziduhu Bu’ulölö, M.Si Dr. Ester Sorta M. Nababan, M.Sc NIP. 19531218 198003 1 003

(41)

PERNYATAAN

PERAMALAN TINGKAT PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (PERSERO)

TAHUN 2015-2017 DENGAN METODE

EKSPONENSIAL SMOOTHING

TUGAS AKHIR

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

(42)

iii

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 Tingkat produksi Kelapa Sawit di Pt. Perkebunan nusantara IV (Persero) Dengan Metode Eksponensial Smoothing. Terima kasih penulis sampaikan kepada ibu Dr. Ester Sorta M.Nababan, M.Sc selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku Ketua 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, Bapak Dr. Sutarman M.Sc selaku Dekan FMIPA USU, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU, seluruh staff Badan Pusat Statistik (BPS) Provinsi Sumatera Utara dan rekan-rekan kuliah.

Akhirnya tidak terlupakan kepada Ayahanda tersayang Posman Batubara dan Ibunda tersayang Rukiah Marpaung serta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

(43)

DAFTAR ISI

Halaman PERSETUJUAN i PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1 PENDAHULUAN

1 1.1 Latar Belakang

1 1.2 Perumusan Masalah

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian

1.5 Lokasi Penelitian 2

1.6 Kajian Pustaka

2 1.7 Metode Penelitian

BAB 2 LANDASAN TEORI 4

2.1 Pengertian Peramalan 4

2.2 Jenis-jenis Peramalan 4

2.3 Metode Peramalan

5 2.3.1 Pengertian Metode Peramalan

5 2.3.2 Jenis-jenis Metode Peramalan

6 2.3.3 Pemilihan Teknik dan Metode Peramalan

6 2.3.4 Metode Pemulusan

8 2.3.5 Metode Peramalan yang Digunakan

BAB 3 PENGOLAHAN DATA

3.1 Data yang Akan Diolah 12

3.2 Metode Smoothing Eksponensial dari Brown

12 3.3 Peramalan Produksi Kelapa Sawit di Perkebunan

Nusantara IV (Persero)

BAB 4 IMPLEMENTASI SISTEM

29 4.1 Microsoft Excel

29 4.2 Langkah-langkah Memulai Pengolahan Data dengan

Excel

(44)

BAB 5 KESIMPULAN DAN SARAN

34 5.1 Kesimpulan

34 5.2 Saran

34 DAFTAR PUSTAKA

(45)

DAFTAR TABEL

Halaman

Tabel 2.1 Aplikasi Pemulusan Eksponensial Linier Satu Parametrer Dari 11 Brown Pada Data Produksi Kelapa Sawit di PT. Perkebunan

Nusantara IV (Persero) Tahun 2015-2017

Tabel 3.1 Data Produksi Kelapa Sawit PT. Perkebunan Nusantara IV 12 (Persero).

Tabel 3.2 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 17

Tabel 3.3 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 18

Tabel 3.4 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 19

Tabel 3.5 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 20

Tabel 3.6 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 21

Tabel 3.7 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 22

Tabel 3.8 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 23

Tabel 3.9 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 24

Tabel 3.10 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown 25

Tabel 3.11 Perbandingan Ukuran Ketetapan Metode Peramalan 26 Tabel 3.12 Peramalan Tingkat Produksi Kelapa Sawit di PT. Perkebunan 28

(46)

vii

DAFTAR GAMBAR

Halaman Gambar 3.1 Perbandingan Ukuran Ketetapan Metode Peramalan 27 Gambar 4.1 Langkah Memulai Microsoft Excel 30 Gambar 4.2 Tampilan Lembar Kerja Excel 30

Gambar 4.3 Tampilan Data Tiap Tahun 31

Gambar 4.4 Hasil Dalam Metode Brown 33

(1)

PERNYATAAN

PERAMALAN TINGKAT PRODUKSI KELAPA SAWIT DI PT. PERKEBUNAN NUSANTARA IV (PERSERO)

TAHUN 2015-2017 DENGAN METODE EKSPONENSIAL 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 2016

(2)

PENGHARGAAN

akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku Ketua

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, Bapak Dr. Sutarman M.Sc selaku Dekan FMIPA USU, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU, seluruh staff Badan Pusat Statistik (BPS) Provinsi Sumatera Utara dan rekan-rekan kuliah.

(3)

DAFTAR ISI

Halaman PERSETUJUAN i PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1 PENDAHULUAN

1.1 Latar Belakang

1 1.2 Perumusan Masalah

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian

1.5 Lokasi Penelitian 2

1.6 Kajian Pustaka

2 1.7 Metode Penelitian

BAB 2 LANDASAN TEORI 4

2.1 Pengertian Peramalan 4

2.2 Jenis-jenis Peramalan 4

2.3 Metode Peramalan

5 2.3.1 Pengertian Metode Peramalan

5 2.3.2 Jenis-jenis Metode Peramalan

6 2.3.3 Pemilihan Teknik dan Metode Peramalan

6 2.3.4 Metode Pemulusan

8 2.3.5 Metode Peramalan yang Digunakan

BAB 3 PENGOLAHAN DATA

3.1 Data yang Akan Diolah 12

3.2 Metode Smoothing Eksponensial dari Brown

12 3.3 Peramalan Produksi Kelapa Sawit di Perkebunan

Nusantara IV (Persero)

BAB 4 IMPLEMENTASI SISTEM

4.1 Microsoft Excel

29 4.2 Langkah-langkah Memulai Pengolahan Data dengan

Excel

29 4.3 Hasil Peramalan Dalam Metode Brown

(4)

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan

34 5.2 Saran

DAFTAR PUSTAKA LAMPIRAN

(5)

DAFTAR TABEL

Halaman

Tabel 2.1 Aplikasi Pemulusan Eksponensial Linier Satu Parametrer Dari 11 Brown Pada Data Produksi Kelapa Sawit di PT. Perkebunan

Nusantara IV (Persero) Tahun 2015-2017

Tabel 3.1 Data Produksi Kelapa Sawit PT. Perkebunan Nusantara IV 12

(Persero).