Peramalan Kecepatan Angin Di Medan Pada Tahun 2011 Berdasarkan Data Kecepatan Angin Dari Tahun 1999-2010.

(1)

PERAMALAN KECEPATAN ANGIN DI MEDAN

PADA TAHUN 2011 BERDASARKAN DATA KECEPATAN ANGIN DARI TAHUN 1999 – 2010

TUGAS AKHIR

DAVID KURNIANSYAH SINULINGGA 082407011

PROGRAM STUDI DIPLOMA III STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

(2)

PERAMALAN KECEPATAN ANGIN DI MEDAN

PADA TAHUN 2011 BERDASARKAN DATA KECEPATAN ANGIN DARI TAHUN 1999 – 2010

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

DAVID KURNIANSYAH SINULINGGA 082407011

PROGRAM STUDI DIPLOMA III STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2011

(3)

PERSETUJUAN

Judul : PERAMALAN KECEPATAN ANGIN DI MEDAN PADA TAHUN 2011 BERDASARKAN DATA KECEPATAN ANGIN DARI TAHUN 1999-2010 Kategori : TUGAS AKHIR

Nama : DAVID KURNIANSYAH SINULINGGA Nomor Induk Mahasiswa : 082407011

Program Studi : D-3 STATISTIKA Departemen : MATEMATIKA

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

UTARA

Diluluskan di Medan, Mei 2011

Diketahui/Disetujui Oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof. Dr. Tulus, M.Si Drs.Haluddin Panjaitan NIP. 19620901 198803 1 002 NIP. 19460309 197902 1 001

(4)

PERNYATAAN

PERAMALAN KECEPATAN ANGIN DI MEDAN PADA TAHUN 2011 BERDASARKAN DATA KECEPATAN ANGIN DARI TAHUN 1999-2010

TUGAS AKHIR

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

Medan, Mei 2011

DAVID KURNIANSYAH SINULINGGA 082407011

(5)

PENGHARGAAN

Puji dan syukur penulis mengucapkan kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya akhirnya penulis dapat menyelesaikan Tugas Akhir ini tepat pada waktunya. Kemudian seiring shalawat dan salam penulis ucapkan kepada junjungan nabi besar Muhammad SAW yang membawa umatnya ke jalan yang benar dan kesejahteraan hidup.

Pada kesempatan ini penulis mengucapkan terimakasih atas petunjuk dan bimbingan yang berharga yang telah diberikan kepada penulis sehingga akhirnya penulis dapat menyelesaikan Tugas Akhir ini. Maka dengan ini penulis mengucapkan terimakasih yang sebesar-besarnya kepada :

1. Bapak Drs. Haluddin Panjaitan sebagai pembimbing saya pada penyelesaian Tugas Akhir ini yang telah memberikan panduan dan penuh kepercayaan kepada saya menyempurnakan Tugas Akhir ini.

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

3. Bapak Prof. Dr. Tulus, M.Si, selaku ketua Departemen Matematika. 4. Bapak Drs. Faigiziduhu Bu’ulÖlÖ, M.Si, selaku Ketua jurusan Statistika. 5. Ayahanda Metehsa Sinulingga dan Ibunda tercinta Sabarilla, Spd. Yang

membesarkan dan mendidik penulis dengan penuh kasih sayang dan cinta dari kecil hingga saat ini memberikan motivasi dan restu serta materi yang tak ternilai dengan apapun, teristimewa buat saudara-saudaraku tercinta terima kasih telah membantu dan menjadi penompang setiap langkahku.

6. Untuk A’zam terima kasih telah memberikan bantuan dan memberikan semangat serta motivasi. Untuk sahabatku, Nur Suri Pradipta, Mimmy Sari

(6)

Syahputri, Puspa Linda,Yandri Rezziansyah, Yuni Masdayani Harahap, Nini sulaini terima kasih telah membantu dan memahami selama ini.

Atas segala bantuan dan budi baik semua pihak penulis ucapkan terima kasih, semoga Allah memberikan rahmat dan hidayah-Nya kepada kita semua. Amin ya rabbal’alamin.

Akhirnya penulis berharap semoga Tugas Akhir ini dapat memberikan manfaat kepada semua pihak yang memerlukan.

(7)

DAFTAR ISI

Halaman

Persetujuan ii

Persetujuan iii

Penghargaan iv

Daftar Isi vi

Daftar Tabel ix

Daftar Gambar xi

BAB 1 Pendahuluan

1.1 Latar Belakang 1

1.2 Perumusan Masalah 3

1.3 Batasan Masalah 4

1.4 Tujuan Penelitian 4

1.5 Metodologi Penelitian 4

1.6 Metode Analisis yang Digunakan 5

1.7 Sistematika Penulisan 7

BAB 2 Tinjauan Teoritis

2.1 Pengertian Peramalan (Forecasting) 10

2.2 Kegunaan dan Peran Peramalan 11

2.3 Jenis Peramalan 12

2.4 Pemilihan Teknik dan Metode Peramalan 14

2.5 Analisis Deret Berkala 16

(8)

2.7 Metode Pemulusan (Smoothing) 17

2.8 Metode Smoothing Yang Digunakan 19

2.9 Ketetapan Peramalan 20

BAB 3 Analisis Data

3.1 Arti Analisis Data 22

3.2 Analisis Pemulusan Eksponensial Ganda 22

3.3 Metode Pemulusan Eksponensial Ganda Satu Parameter

Dari Brown 25

3.3.1 Penaksiran Model Peramalan 25

3.3.2 Penentuan Bentuk Persamaan Peramalan 39

3.4 Peramalan Kecepatan Angin 40

BAB 4 IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi Sistem 42

4.2 Microsoft Excel 43

4.3 Langkah-Langkah Memulai Pengolahan Data Dengan Excel 44

4.4 Menghitung Ketepatan Peramalan 47

4.5 Hasil dalam Metode Pemulusan Eksponensial dari Brown 48

4.6 Pembuatan Grafik 49

BAB 5 Kesimpulan dan Saran

5.1 Kesimpulan 50

(9)

Daftar Pustaka 52 Lampiran

(10)

DAFTAR TABEL

Halaman Tabel 3.1 Data Kecepatan Angin Tahun 1999-Tahun 2010 24 Tabel 3.2 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial

Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,1 26

Tabel 3.3 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,2 27

Tabel 3.4 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,3 28

Tabel 3.5 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,4 29

Tabel 3.6 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,5 30

Tabel 3.7 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,6 31

Tabel 3.8 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

(11)

Tabel 3.9 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,8 33

Tabel 3.10 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,9 34

Tabel 3.11 Perbandingan Ukuran Ketepatan Metode Peramalan 35 Tabel 3.12 Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown

Dengan menggunakan = 0,3 36

(12)

DAFTAR GAMBAR

Halaman Gambar 3.1 Plot Data Kecepatan Angin dari Tahun 1999-2010 24 Gambar 3.2 Plot Pemulusan Eksponensial Satu Parameter dari Brown dengan

(13)

(14)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Di Indonesia meteorologi di asuh dalam Badan Meteorologi Klimatologi dan Geofisika di Jakarta yang sejak tahun enam puluhan telah diterapkan menjadi suatu direktorat perhubungan udara. Direktorat tersebut bertugas mengadakan penelitian dan pelayanan meteorologi dan geofisika yang salah satu bidangnya adalah iklim.

Iklim merupakan kebiasaan alam yang digerakkan oleh gabungan beberapa unsur yaitu radiasi matahari, temperatur, kelembaban, curah hujan, suhu udara, tekanan udara dan angin. Unsur-unsur itu berbeda pada tempat yang satu dengan tempat yang lainnya. Perbedaan itu disebabkan karena ketinggian tempat, garis lintang, tekanan, arus laut, dan permukaan tanah.

Pengaruh timbal balik antara faktor tersebut akan menentukan pola yang diperlihatkan oleh unsur. Tetapi sebaliknya, unsur-unsur tersebut pada suatu batas tertentu akan mempengaruhi faktor juga, sehingga keadaan cenderung untuk melanjutkan proses timbal balik tadi. Batas pola yang ditentukan itu umumnya stabil. Terjadinya penyimpangan tidak dapat dihindari pada proses tersebut. Penyimpangan

(15)

yang dimaksud sesungguhnya merupakan pengecualian yang harus diperhatikan, sebagai contoh angin dengan kecepatan yang tinggi akan mengakibatkan masalah seperti angin Bahorok, puting beliung,dan lain-lain.

Penyimpangan tersebut dapat menimbulkan bencana baik manusia, ternak, tumbuh-tumbuhan, seperti halnya penyimpangan yang ditimbulkan akibat banjir, angin puting beliung, badai, kekeringan, dan sebagainya.

Iklim beserta unsurnya adalah hal penting untuk diperlihatkan dan dipelajari dengan sebaik-baiknya, karena pengaruhnya sering menimbulkan masalah yang berat bagi manusia serta makhluk hidup lainnya. Masalah tersebut merupakan tantangan bagi manusia karena harus berusaha untuk mengatasinya dengan menghindari atau memprkecil pengaruh yang tidak menguntungkan kehidupan manusia.

Tekanan udara didefenisikan sebagai berat dari suatu kolom udara sebenarnya pengaruh langsung perubahan tekanan udara terhadap kehidupan makhluk adalah kecil sekali. Perubahan tekanan udara lebih berpengaruh terhadap pergerakan angin dan angin inilah yang lebih penting sebagai pengendalian iklim secara langsung, terutama dalam pengaruhnya terhadap penguapan, suhu, dan curah hujan. Dengan demikian angin menjadi unsur dan pengendalian iklim yang sangat penting bagi kehidupan makhluk di bumi, karena peranannya sebagai penentu dalam penyebaran curah hujan.

Perubahan kecepatan dan arah angin perubahan ini akan membawa pula pada perubahan suhu dan curah hujan yang pada umumnya sangat menentukan sifat-sifat

(16)

iklim dan cuaca suatu arah. Angin yang bergerak dari arah yang berlawanan mempunyai pengaruh yang besar terhadap iklim. Karena perbedaan suhu yang disebabkan oleh angin yang berasal dari lautan atau melewati laut pada sebagian besar perjalanannyan akan lebih banyak mendatangkan hujan karena uap air yang dibawanya. Dengan demikian penyebaran curah hujan diseluruh permukaan bumi berhubungan sangat erat dengan tekanan udara dan angin.

Berdasarkan uraian di atas, penulis tertarik untuk meneliti apakah tekanan angin udara mempunyai pengaruh terhadap kecepatan angin pada tahun 2011 berdasarkan data dari tahun 1999 sampai dengan tahun 2010, dan berusaha menetapkan model peramalannya. Maka penulis memilih judul “PERAMALAN KECEPATAN ANGIN DI MEDAN PADA TAHUN 2011 BERDASARKAN DATA KECEPATAN ANGIN DARI TAHUN 1999-2010”.

1.2Perumusan Masalah

Kecepatan angin akan terjadi secara priodik maka diasumsikan analisis yang tepat adalah metode pemulusan (smoothing), dan untuk mengetahui kecepatan angin analisis yang digunakan adalah metode pemulusan (smoothing). Selanjutnya masalah tersebut dirumuskan dalam sejumlah pertanyaan-pertanyaan penelitian sebagai berikut :

1. Bagaimana pengaruh kecepatan angin di Medan

2. Bagaimana model peramalan yang dihasilkan, sesuai data kecepatan angin pada tahun 1999 sampai dengan tahun 2010

(17)

1.3 Batasan Masalah

Untuk membuat arah yang jelas dan tidak menyimpang dari pokok bahasan maka penulisan membatasi masalah yang akan dibahas dalam Tugas Akhir ini yaitu masalah pengaruh kecepatan angin di Medan, data yang digunakan adalah data Kecepatan Angin tahun 1999-2010 dari Badan Besar Meteorologi Klimatologi dan Geofisika Wilayah I Medan, dan metode yang digunakan adalah metode pemulusan (smoothing).

1.4 Tujuan penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah :

1. Menetapkan metode pemulusan (smoothing) untuk melihat pengaruh kecepatan angin di kota Medan.

2. Menduga model peramalan kecepatan angin, sesuai data kecepatan angin pada tahun 1999 sampai dengan tahun 2010?

1.5 Metodologi Penelitian

Metode yang penulis gunakan dalam melaksanakan penelitian ini adalah : 1. Studi Kepustakaan (Library Research)

(18)

Suatu cara penelitian yang digunakan untuk memperoleh data atau informasi dari perpustakan yaitu dengan membaca buku-buku, referensi, bahan-bahan yang bersifat teoritis yang membantu dalam menyusun Tugas Akhir ini. 2. Pengumpulan Data

Pengumpulan data untuk keperluan riset ini penulis melakukan cara dengan menggunakan data sekunder yang diperoleh dari Badan Meteorologi Klimatologi Dan Geofisika (BMKG). Data Sekunder adalah data yang diperoleh atau dirangkum ulang berdasarkan data yang telah tersedia atau disusun oleh Badan Meteorologi Klimatologi Dan Geofisika (BMKG). Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang data tersebut.

1.6 Metode Analis yang Digunakan

Perhitungan dilakukan untuk meramalkan kecepatan angin di medan pada tahun 2011 berdasarkan data kecepatan angin dari tahun 1999-2010 dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda.

Metode Smoothing (metode pemulusan / Pelicin) merupakan teknik meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir nilai pada periode yang akan datang. Dalam metode ini data historis digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus-menerus dengan

(19)

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

Peramalan kecepatan angin di medan pada tahun 2011 berdasarkan data kecepatan angin dari tahun 1999-2010 dengan menggunakan metode pemulusan (smoothing) eksponensial ganda memiliki tahap-tahap dalam menentukan ramalan. Persamaan-persamaan yang dipergunakan dalam penerapan metode pemulusan (smoothing) eksponensial ganda adalah seperti yang akan diuraikan dibawah ini.

Persamaan ini terkenal dengan nama Metode atau Teknik “Brown’s One Parameter Linier Exponensial Smoothing” yaitu sebagai berikut :

a. Menentukan pemulusan pertama (S'_t) S'

t = Xt+ (1-) S '



Dengan :

S'_t = Pemulusan pertama periode t X_t = Nilai periode t

S' 1



t = Pemulusan pertama periode t-1

b. Menentukan pemulusan kedua (S"_t) S"

t = S

t + (1-  )S "



Dengan :

(20)

c. Menentukan besarnya konstanta (a_t) a_t = 2 S'_t- S"_t

Dengan :

a_t= konstanta pemulusan

d. Menentukan besarnya slope / koefisien (b_t)

b_t=   

1 ( S

t- S

t )

Dengan :

b_t= konstanta pemulusan

e. Menentukan besarnya trend peramalan / forecast (F_t__m) F_t__m = a_t+ b_t(m)

Dengan :

F_t__m= Hasil pengamatan untuk m periode kedepan yang diramalkan

m = Jumlah periode kedepan yang diramalkan

1.7 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini, yaitu sebagai berikut :

(21)

BAB 1 : PENDAHULUAN

Pada Bab ini berisi tentang latar belakang masalah, identifikasi masalah, tujuan dan manfaat, metodologi penelitian, lokasi penelitian, metode analisis yang digunakan, serta sistematika penulisan.

BAB 2 : TINJAUAN TEORITIS

Pada Bab ini berisi tentang pengertian peramalan, kegunaan dan peran peramalan, analisis deret berkala, penentuan pola data, metode pemulusan yang digunakan dan ketepatan ramalan.

BAB 3 : ANALISA DATA

Dalam Bab ini dilakukan analisa data dengan perhitungan meramalkan nilai penjualan energi listrik.

BAB 4 : IMPLEMENTASI SITEM

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

BAB 5 : KESIMPULAN DAN SARAN

Dalam Bab ini berisikan tentang kesimpulan dan saran dari hasil pembahasan sebelumnya.

(22)

(23)

BAB 2

TINJAUAN TEORITIS

2.1 Pengertian Peramalan (Forecasting)

Peramalan (forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan yang mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa sehingga dapat dipersiapkan tindakan yang perlu dilakukan.

Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal dengan metode peramalan. Metode peramalan adalah cara memperkirakan secara kwantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola

(24)

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 atau yang disusun.

2.2 Kegunaan dan Peran Peramalan

Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peritiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi diatas peralaman sangat diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan tindakan yang perlu dilakukan.

Dalam perencanaan di suatu instansi baik itu pemerintahan maupun swasta, peramalan merupakan kebutuhan yang sangat mendasar. Dimana baik maupun buruknya ramalan dapat mempengaruhi seluruh bagian instansi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.

Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah yang didasarkan atas pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah

(25)

pengambilan keputusan merupakan masalah yang selalu dihadapi maka peramalan juga merupakan masalah yang selalu dihadapi karena peramalan berkaitan erat dengan pengambilan suatu keputusan.

Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data yang digunakan atau ketepatan ramalan yang dibuat. Selama data maupun informasi yang digunakan tidak dapat meyakinkan maka hasil peramalan yang disusun juga akan sukar dipercaya akan ketepatannya.

Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting. Walaupun demikian perlu disadari bahwa ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya.

2.3 Jenis Peramalan

Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu : 1. Peramalan Kwalitatif atau Teknologis

Peramalan Kwalitatif adalah peramalan yang didasarkan atas data kwalitaitf pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. Metode kwalitaitf dapat dibagi menjadi 2 yaitu : Metode eksploratif dan normatif.

(26)

2. Peramalan Kwantitatif

Peramalan Kwantitatif adalah peramalan yang didasarkan atas data kwalitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Karena dengan metode yang berbeda akan diperoleh suatu hasil peramalan tersebut. Karena dengan metode yang berbeda akan diperoleh suatu hasil peramalan yang berbeda pula. Baik tidaknya metode yang dipergunakan ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan keyakinan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur penyusunan yang baik. Metode Kwantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.

Peramalan kwantitatif dapat digunakan bila terdapat tiga kondisi yaitu : 1. Adanya informasi tentang masa lalu.

2. Informasi tersebut dapat dikwantitatifkan 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 analisis deret waktu yaitu : 1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak

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

(27)

2. Merode 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.

2.4Pemilihan Teknik dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan.

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

1. Horizon Waktu

Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan yaitu : cakupan waktu di masa yang akan datang dan jumlah periode untuk peramalan yang diinginkan.

(28)

2. Pola Data

Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari Model

Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisis keadaan untuk pengambilan keputusan.

4. Biaya yang dibutuhkan

Umumnya ada 4 (empat) unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan yaitu : biaya-biaya pengembangan, penyimpangan (storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan.

5. Ketepatan Metode Peramalan

Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.

6. Kemudahan dan Penerapan

Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan.

(29)

2.5Analisis Deret Berkala

Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan dengan kejadian lainnya.

Metode time series merupakan metode peramalan kwantitatif didasarkan atas penggunaaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stationer itu sendiri berarti bahwa tidak terdapat pertumbuhan / penurunan data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu.

2.6Penentuan Pola Data

Hal penting yang perlu diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :

1. Pola Horizontal (H)

Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang konstan.

(30)

2. Pola Musiman (S)

Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman. Misalnya kwartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu.

3. Pola Siklis (C)

Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.

4. Pola Trend (T)

Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.

2.7Metode Pemulusan (Smoothing)

Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan.

Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu : 1. Metode Rata-rata

Metode rata-rata dibagi atas empat bagian, yaitu : 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.

(31)

Metode rata-rata tujuannya adalah untuk memanfaaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial adalah : F_t_₁=  X_t+(1-)F_t

Dengan :

F_t_₁ = Ramalan satu periode ke depan X_t = Data aktual pada periode ke-t F_t = Ramalan aktual pada periode ke-t  = Parameter pemulusan

Metode smoothing eksponensial terdiri atas : 1. Smoothing Eksponensial Tunggal

a. Satu Parameter b. Pendekatan Adaptif 2. Smoothing Eksponensial Ganda

a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt

3. smoothing Eksponensial Tripel

a. Metode kuadratik satu parameter dari Brown

b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter 4. Smoothing Eksponensial menurut klasifikasi Pegels.

(32)

2.8Metode Smoothing Yang Digunakan

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan kecepatan angin pada tahun 2011 di medan pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu “Smoothing Eksponensial Satu Parameter dari Brown”.

Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari Metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.

Persamaan yang tepat dipakai dalam pelaksanaan Pemulusan eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut :

S'_t = X_t+ (1-) S'_t_₁ S"_t = S'_t + (1-  )S"_t_₁

a_t = 2 S'_t- S"_t = S'_t+( S'_t- S"_t) b_t=

  

1 ( S

t- S

t )

F_t__m = a_t+ b_t(m) Dengan :

(33)

S"_t = Nilai pemulusan eksponensial ganda a_t, b_t = konstanta pemulusan

F_t__m = Hasil permalan untuk m periode ke depan yang akan diramalkan  = Parameter pemulusan eksponensial besarnya adalah 0<<1.

2.9Ketepatan Ramalan

Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala ( time series ) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain : 1. ME ( Mean Error ) atau Nilai Tengah Kesalahan

ME =

N e

t t



_₁

2. MSE ( Mean square Absolut Error ) atau Nilai Tengah Kesalahan Kuadrat

MSE =

N e

(36)

BAB 3

ANALISIS DATA

3.1 Arti Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data kwantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan menguraikan suatu masalah secara parsial ataupun keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data. Data yang akan diolah adalah data kecepatan angin di Medan dari tahun 1999-2010. Analisis yang dipakai dalam pengolahan data ini adalah analisis pemulusan eksponensial ganda.

3.2 Analisis Pemulusan Eksponensial Ganda

Pada bagan ini penulis menentukan nilai parameter yang akan digunakan, dimana nilai parameter ( ) besarnya antara 0<<1 dengan cara trial and error.

Adapun langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan Metode Linier Satu Parameter dari Brown adalah :

(37)

1. Menentukan harga parameter smoothing eksponensial yang besarnya dari 0< <1 2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan

persamaan : S'

t = Xt+ (1-) S '



3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan :

S"_t = S'_t + (1-  )S"_t_₁

4. Menghitung koefisien a_t dan b_t dengan menggunakan persamaan : a_t = 2 S'_t- S"_t

b_t=   

1 ( S

t- S

t )

5. Menghitung trend peramalan (F_t__m) dengan menggunakan persamaan : F_t__m = a_t+ b_t(m)

(38)

Tabel 3.1 Data Kecepatan Angin Tahun 1999 – Tahun 2010 No. Tahun Kecepatan Angin (knots)

1 1999 6,42

2 2000 6,44

3 2001 6,48

4 2002 6,55

5 2003 6,48

6 2004 6,40

7 2005 6,92

8 2006 7,33

9 2007 7,58

10 2008 6,67

11 2009 5,75

12 2010 5,92

Sumber : Badan Meteorologi Klimatologi dan Geofisika (BMKG) Wilayah I Medan

(39)

3.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown

3.3.1 Penaksiran Model Peramalan

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

Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang. Maka terlebih dahulu kita menentukan parameter nilai  yang biasanya secara trial and error ( coba dan salah ).

Suatu nilai  dipilih yang besarnya 0<<1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan 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 dikurangi hasil ramalan kemudian tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara matematis rumus MSE (Mean Square Error) adalah sebagai berikut :

MSE =

N e

t t

(40)

Tabel 3.2 Peramalan Kecepatan Angin dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0,1

Xt S't S"t _a_t b_t Ft+m e _e2 6.42 6.42 6.42 - - - - - 6.44 6.422 6.4202 6.4238 0.1036 - - -

6.48 6.4278 6.42096 6.43464 0.11368 6.5274 -0.0474 0.002247 6.55 6.44002 6.422866 6.457174 0.134308 6.54832 0.00168 0.000003 6.48 6.444018 6.424981 6.463055 0.138074 6.591482 -0.11148 0.012428 6.4 6.439616 6.426445 6.452788 0.126343 6.601129 -0.20113 0.040453 6.92 6.487655 6.432566 6.542743 0.210178 6.579131 0.340869 0.116192 7.33 6.571889 6.446498 6.69728 0.350782 6.752921 0.577079 0.33302 7.58 6.6727 6.469118 6.876282 0.507164 7.048062 0.531938 0.282958 6.67 6.67243 6.489449 6.855411 0.465961 7.383446 -0.71345 0.509005 5.75 6.580187 6.498523 6.661851 0.263328 7.321372 -1.57137 2.46921 5.92 6.514168 6.500088 6.528249 0.128161 6.925179 -1.00518 1.010385 Jumlah -2.19844 4.775901

Sumber : Perhitungan

Untuk = 0,1 dan N= 10 Maka :

SSE =



 N t t e 1 2

= 4,775901

0,4 0,532

0,5 0,615

0,6 0,719

0,7 0,8438282

0,8 0,989

0,9 1,15

Dari tabel 3.11 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil/minimum yaitu pada = 0,3 yaitu dengan MSE = 0,394

(50)

Tabel 3.12 Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown Dengan menggunakan = 0,3

Xt S't S"t _a

t bt Ft+m e e

2 _{abs e}

6.42 6.42 6.42 - - - - - 6.44 6.422 6.4202 6.4238 0.1036 - - -

6.48 6.4278 6.42096 6.43464 0.11368 6.5274 -0.0474 0.002247 0.0474 6.55 6.44002 6.422866 6.457174 0.134308 6.54832 0.00168 2.82E-06 0.00168 6.48 6.444018 6.424981 6.463055 0.138074 6.591482 -0.11148 0.012428 0.11148 6.4 6.439616 6.426445 6.452788 0.126343 6.601129 -0.20113 0.040453 0.20113 6.92 6.487655 6.432566 6.542743 0.210178 6.579131 0.340869 0.116192 0.340869 7.33 6.571889 6.446498 6.69728 0.350782 6.752921 0.577079 0.33302 0.577079 7.58 6.6727 6.469118 6.876282 0.507164 7.048062 0.531938 0.282958 0.531938 6.67 6.67243 6.489449 6.855411 0.465961 7.383446 -0.71345 0.509005 0.71345 5.75 6.580187 6.498523 6.661851 0.263328 7.321372 -1.57137 2.46921 1.57137 5.92 6.514168 6.500088 6.528249 0.128161 6.925179 -1.00518 1.010385 1.00518 Jumlah -2.19844 4.775901 5.101576

Sumber : Perhitungan

Gambar 3.2 Plot Pemulusan Eksponensial Satu Parameter dari Brown dengan = 0,3

(51)

Ukuran Ketepatan Metode Peramalan dengan menggunakan = 0,3 adalah : 1. ME ( Mean Error ) / Nilai Tengah Kesalahan

ME = N e N t t



_₁ =

10 2.19844

= -0,219844

2. MSE ( Mean square Absolut Error ) atau Nilai Tengah Kesalahan Kuadrat

MSE = N e N t t



_₁ 2

10 4.775901

= 0,4775901

3. MAE ( Mean Absolute Error ) atau Nilai Tengah Kesalahan Absolut

MAE = N e N t t



_₁ =

10 5.101576

(52)

4. MAPE ( Mean Absolute Percentage Error ) atau Nilai Tengah Kesalahan Persentase Absolut MAPE = N PE N t t



_₁ = 10 01576 , 51 = 5,101576

5. MPE ( Mean Percentage Error ) atau Nilai Tengah Kesalahan Persentase

MPE = N PE N t t



_₁ = 10 9844 , 21  = -21,9844

6. SSE ( Sum Square Error ) atau Jumlah Kuadrat Kesalahan SSE =



 N t t e 1 2

(53)

7. SDE ( Standard Deviation of Error ) atau Deviasi Standar Kesalahan SDE = ) 1 ( 1 2 



_ N e N t t = 9 4.775901

= 0,53065567

= 0,72846117

3.3.2 Penentuan Bentuk Persamaan Peramalan

Bentuk persamaaan ditentukan harga parameter smoothing eksponensial yang besarnya 0<<1 dengan cara trial and error didapat perhitungan peramalan smoothing eksponensial linier satu parameter dari Brown dengan =0,3

Perhitungan pada tabel 3.12 di atas didasarkan pada =0,3 dan ramalan untuk satu periode ke depan yaitu dalam perhitungan periode ke 12. Seperti yang sudah dijelaskan pada bab 2 ( Landasan Teori ) persamaan yang dipakai dalam perhitungan peramalan adalah sebagai berikut :

S'_t = X_t+ (1-) S'_t_₁ S"_t = S'_t + (1-  )S"_t_₁

a_t = 2 S'

t- S

t = S

t+( S

t- S

" t)

(54)

b_t=   

1 ( S

t- S

t )

F_t__m = a_t+ b_t(m)

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan bentuk persamaan peramalan :

F_t__m = a_t+ b_t(m)

F_t__m = 6.528249 ₊0.128161_(m)

3.4 Peramalan Kecepatan Angin

Setelah diketahui error yang terdapat pada model peramalan, maka dilakukan peramalan kecepatan angin untuk tahun 2011 dengan menggunakan persamaan :

F_t__m = 6.528249 ₊0.128161_(m)

Setelah diperoleh model peramalan kecepatan angin, maka dapat dihitung untuk tahun 2011 seperti di bawah ini :

a. Untuk periode ke 13 ( tahun 2011 ) F_t__m = 6.528249 ₊0.128161_(m)

F₁₂_₁ = 6.528249 ₊0.128161₍₁₎

F₁₃ = 6.528249 ₊0.128161

(55)

Tabel 3.13 Peramalan Kecepatan Angin Di Medan Untuk Tahun 2011

Tahun Periode Peramalan

2011 13 6.65641

(56)

(57)

BAB 4

IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstall dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data pada karya tulis ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil perhitungan.

Dalam hal pengolahan data komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan dan keandalan dalam memproses data. Dan dengan adanya perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya data-data yang sangat rumit dan banyak itu tidak dapat dikerjakan secara manual atau dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga yang sangat banyak untuk mengolah data tersebut, disamping itu faktor kesalahan yang dilakukan oleh manusia relatif besar.

(58)

Dan dengan adanya komputer peangkat lunak, diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, waktu dan tenaga dengan tingkat kesalahan yang relatif kecil.

4.2 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Excel. Excel merupakan salah satu software pengolah angka yang cukup banyak digunakan di dunia. Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai versi 4, versi 5, versi 97, versi 2000, versi 2002, versi 2003 dan versi 2007.

Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf mulai dari A, B, C, ……, Z kemudian dilanjutkan AA, AB, AC,…… sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1, 2, 3,……, 65536. Excel 2003 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, salah satunya adalah under windows seperti word, access, power point. Keunggulan program spread sheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.

(59)

4.3 Langkah-langkah Memulai Pengolahan Data Dengan Excel

Sebelum mengoperasikan software ini, pastikan pada komputer terpasang program Excel.

Langkah-langkahnya : a. Klik tombol Start

b. Pilih Program dan klik Microsoft Office, Microsoft Excel

Setelah itu akan muncul tampilan worksheet (lembar kerja) seperti di bawah ini :

(60)

Dari data di atas kita dapat menentukan besarnya peramalan dengan  = 0,3. Dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini :

1. Pada kolom pertama ditulis keterangan dengan X_t 2. Pada kolom kedua ditulis keterangan dengan S'_t 3. Pada kolom ketiga ditulis keterangan dengan S"_t 4. Pada kolom keempat ditulis keterangan dengan a_t 5. Pada kolom kelima ditulis keterangan dengan b_t 6. Pada kolom keenam ditulis keterangan dengan F_t__m 7. Pada kolom ketujuh ditulis keterangan dengan error e

8. Pada kolom kedelapan ditulis keterangan dengan e atau absolute error 9. Pada kolom kesembilan ditulis keterangan dengan e2 atau square error

Maka perhitungan masing-masing smoothing pertama, smoothing kedua, konstanta, slope dan forecast sebagai berikut :

(61)

1. Smoothing pertama, untuk tahun pertama ditentukan sebesar tahun pertama dari data historisnya sehingga rumus yang tertera pada sel C4 adalah C4. Sedangkan untuk tahun kedua dapat dihitung dengan rumus : 0,3*4B+0,7*C3. Dalam kasus ini menghasilkan angka : 6,422 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

2. Smoothing kedua, untuk tahun kedua ditentukan sebesar nilai penjualan tahun pertama dari data historisnya. Sehingga rumus yang tertera pada sel D4 adalah : D4. Sedangkan untuk tahun kedua dapat dihitung dengan rumus : 0,3*C4+0,7*D3. Dalam kasus ini menghasilkan angka : 6,4202untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

3. Nilai a_t baru bisa dicari pada tahun kedua yaitu dengan rumus : 2*C4-D4. Dalam kasus ini menghasilkan angka : 6,4238 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

4. Nilai b_t baru bisa dicari pada tahun kedua yaitu dengan rumus yang tertera pada sel F4 adalah : 0,3/0,7*(C4-D4). Dalam hal ini menghasilkan angka : 0,1036untuk tahun-tahun berikutnya hanya menyalin dari rumus tersebut.

5. Forecast F_t__muntuk tahun ketiga yaitu pada sel G5 dapat dicari dengan menggunakan rumus : E4+F4*(1) dengan hasil angka : 6,5274 untuk forecast berikutnya hanya menyalin dari rumus tersebut.

(62)

4.4 Menghitung Ketepatan Peramalan

1. Jumlahkan error, absolute error dan square error dengan rumus : a. Untuk jumlah error dapat digunakan rumus =SUM(H5:H14) Maka hasil jumlah error adalah : -2,19844

b. Untuk jumlah absolute error dapat digunakan rumus =SUM(I5:I14) Maka hasil jumlah absolute error adalah : 5,101576

c. Untuk jumlah square error dapat digunakan rumus =SUM(J5:J14) Maka hasil jumlah square error adalah : 4,775901

2. Hitung Mean Error (ME), Mean Absolute Error (MAE) dan Mean Square Absolute Error (MSE) :

a. Menghitung ME dapat menggunakan rumus =H15/10 Maka hasil ME adalah : -0,219844

b. Menghitung MAE dapat menggunakan rumus =I15/10 Maka hasil MAE adalah : 0,5101576

c. Menghitung MSE dapat menggunakan rumus =J15/10 Maka hasil MSE adalah : 0,4775901

(63)

(64)

4.6 Pembuatan Grafik

Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada Excel, bisa menggunakan icon chart wizard yang terdapat pada toolbar.

Adapun langkah-langkah yang diperlukan adalah :

1. Sorot sel atau range yang ingin dibuat grafik pada tabel data. 2. Klik menu Insert, Chart.

3. Klik tipe dan sub tipe grafik misalnya tipe Column dan sub tipe 3-D Column. 4. Klik Next.

5. Tentukan sumber data grafik. Jika sel pointer berada pada tabel data maka otomatis seluruh data tabel akan disorot dan ditandai dengan garis putus-putus.

6. Klik Next.

7. Tentukan keterangan pendukung grafik seperti titles (judul-judul tabel), axis(sumbu koordinat tabel), gridlines (garis bantu skala tabel), legends (keterangan tabel) dan labels (nama-nama data tabel) dan data tabel.

8. Klik Next.

9. Pilih tempat untuk meletakkan grafik ini.

(65)

(66)

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada bab III maka kesimpulan yang diperoleh adalah sebagai berikut :

1. Pada hasil analisis Metode Smoothing Eksponensial dengan satu parameter dari Brown di dapat analisis dengan nilai MSE yang terkecil adalah dengan  = 0,3 yakni dengan MSE =0,4775901.

2. Bentuk persamaan peramalan dari data kecepatan angin di Medan untuk tahun 2011 adalah :

F_t__m = 6.528249 ₊0.128161_(m)

3. Diperkirakan kecepatan angin di Medan untuk tahun 2011 adalah : (dalam knots).

Tahun Periode Peramalan

(67)

5.2 Saran

Saran yang diperoleh adalah sebagai berikut :

1. Dalam meramalkan kecepatan angin di Medan dengan menggunakan Metode Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown akan sangat membantu jika kita menggunakan alat bantu komputer khususnya program aplikasi Excel.

2. Dalam menentukan kecepatan angin, pihak BMKG Wilayah I Medan dapat menggunakan analisis peramalan dengan menggunakan Metode Smoothing Eksponensial Ganda.

3. Dengan Menganalisis data yang cenderung meningkat tiap tahunnya, diramalkan kecepatan angin di Medan pada masa yang akan datang akan terus meningkat.

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

(68)

DAFTAR PUSTAKA

Sofyan, Assauri.1984. “Teknik dan Metode Peramalan”. Jakarta : Penerbit Fakultas Ekonomi Universitas Indonesia

Daldjoeni N.1986. “Pokok-Pokok Klimatologi”. Bandung : Penerbit Alumni

Lerbin R Aritonang R. 2002 ”Peramalan Bisnis”. Jakarta: PenerbitGhalia Indonesia Kartasapoetra Ance Gunarsih. 2004. “Klimatologi Pengaruh Iklim”. Jakarta: Penerbit

Bumi Aksara

Makridakis S, Wheelwright S.C dan Mc Gee V.E. 1993. “Metode dan Aplikasi Peramalan”. Jakarta: Penerbit Erlangga

(69)

L

A

M

P

I

R

A

N

(70)

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama : DAVID KURNIANSYAH SINULINGGA

NIM : 082407011

Judul Tugas Akhir : Peramalan Kecepatan Angin Di Medan Pada Tahun 2011 Berdasarkan Data Kecepatan Angin dari Tahun

1999-2010

Dosen Pembimbing : Drs. Haluddin Panjaitan Tanggal Mulai Bimbingan :

Tanggal Selesai Bimbingan :

No Tanggal

Asisten Bimbingan

Pembahasan Pada Asisten Mengenai,

Pada Bab

Paraf

Dosen Pembimbing Keterangan

Diketahui Disetujui

Departemen Matematika FMIPA USU Pembimbing Utama/ Penanggung Jawab,

Prof. Dr. Tulus, M.Si Drs. Haluddin Panjaitan

(71)

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

Yang bertanda tangan dibawah ini, menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma 3 Statistika :

Nama : David Kurniansyah Sinulingga NIM : 082407011

Prog. Studi : D3 Statistika

Judul T.A : Peramalan Kecepatan Angin di Medan Pada Tahun 2011 Berdasarkan Data Kecepatan Angin dari Tahun 1999-2010

Telah melaksanakan Test Program Tugas Akhir Mahasiswa tersebut di atas pada tanggal Mei 2011

Dengan Hasil : Sukses / Gagal

Demikian Diterangkan untuk melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.

Medan, Mei 2011 Dosen Pembimbing

Drs. Haluddin Panjaitan NIP. 19460309 197902 1 001

(72)

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

Medan, 21 Januari 2011 Nomor : /H5.2.1.8/SPB/2011

Lampiran : 1 Lembar

Perihal : Pengumpulan Data Riset Mahasiswa Program Studi D3 Statistika

FMIPA USU Kepada Yth :

Pimpinan Balai Besar Meteorologi Klimatologi dan Geofisika Wilayah I Medan

Jl Ngumban Surbakti No. 15 Medan 20131

Dengan hormat, bersama ini kami sampaikan kepada Pimpinan Balai Besar Meteorologi Klimatologi dan Geofisika, bahwa Mahasiswa Program Studi Diploma 3 Statistika FMIPA USU Medan, akan melaksanakan Pengumpulan data / riset di tempat yang anda pimpin.

Sehubungan dengan hal tersebut di atas, kami mohon bantuan Saudara agar dapat menerima Mahasiswa tersebut di bawah ini untuk melakukan penelitian atau pengumpulan data atas nama :

No. Nama NIM

1. David Kurniansyah S 082407011

Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Peramalan Kecepatan Angin di Medan Pada Tahun 2011 Berdasarkan Data Kecepatan Angin Dari Tahun 1999 - 2010”, pada Program Studi Diploma 3 Statistika FMIPA USU.

Demikian kami sampaikan, atas kerjasama dan bantuannya diucapkan terima kasih. a.n Dekan

Pembantu Dekan I

Dr. Marpongahtun, M.Sc

NIP. 19611115 198803 2 002 Tembusan :

1. Yth. Ketua Program Studi D3 Statistik 2. Arsip

(1)

5.2 Saran

Saran yang diperoleh adalah sebagai berikut :

2. Dalam menentukan kecepatan angin, pihak BMKG Wilayah I Medan dapat menggunakan analisis peramalan dengan menggunakan Metode Smoothing Eksponensial Ganda.

3. Dengan Menganalisis data yang cenderung meningkat tiap tahunnya, diramalkan kecepatan angin di Medan pada masa yang akan datang akan terus meningkat.

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

(2)

DAFTAR PUSTAKA

Sofyan, Assauri.1984. “Teknik dan Metode Peramalan”. Jakarta : Penerbit Fakultas Ekonomi Universitas Indonesia

Daldjoeni N.1986. “Pokok-Pokok Klimatologi”. Bandung : Penerbit Alumni

Lerbin R Aritonang R. 2002 ”Peramalan Bisnis”. Jakarta: PenerbitGhalia Indonesia Kartasapoetra Ance Gunarsih. 2004. “Klimatologi Pengaruh Iklim”. Jakarta: Penerbit

Bumi Aksara

Makridakis S, Wheelwright S.C dan Mc Gee V.E. 1993. “Metode dan Aplikasi Peramalan”. Jakarta: Penerbit Erlangga

(3)

L

A

M

P

I

R

A

N

(4)

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama : DAVID KURNIANSYAH SINULINGGA

NIM : 082407011

Judul Tugas Akhir : Peramalan Kecepatan Angin Di Medan Pada Tahun 2011 Berdasarkan Data Kecepatan Angin dari Tahun

1999-2010

Dosen Pembimbing : Drs. Haluddin Panjaitan Tanggal Mulai Bimbingan :

Tanggal Selesai Bimbingan :

No Tanggal Asisten Bimbingan

Pembahasan Pada Asisten Mengenai,

Pada Bab

Paraf

Dosen Pembimbing Keterangan

Diketahui Disetujui

Departemen Matematika FMIPA USU Pembimbing Utama/ Penanggung Jawab,

Prof. Dr. Tulus, M.Si Drs. Haluddin Panjaitan

(5)

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

Yang bertanda tangan dibawah ini, menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma 3 Statistika :

Nama : David Kurniansyah Sinulingga NIM : 082407011

Prog. Studi : D3 Statistika

Judul T.A : Peramalan Kecepatan Angin di Medan Pada Tahun 2011 Berdasarkan Data Kecepatan Angin dari Tahun 1999-2010

Telah melaksanakan Test Program Tugas Akhir Mahasiswa tersebut di atas pada tanggal Mei 2011

Dengan Hasil : Sukses / Gagal

Demikian Diterangkan untuk melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.

Medan, Mei 2011 Dosen Pembimbing

Drs. Haluddin Panjaitan NIP. 19460309 197902 1 001

(6)

KEMENTERIAN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

Medan, 21 Januari 2011 Nomor : /H5.2.1.8/SPB/2011

Lampiran : 1 Lembar

Perihal : Pengumpulan Data Riset Mahasiswa Program Studi D3 Statistika

FMIPA USU Kepada Yth :

Pimpinan Balai Besar Meteorologi Klimatologi dan Geofisika Wilayah I Medan

Jl Ngumban Surbakti No. 15 Medan 20131

Sehubungan dengan hal tersebut di atas, kami mohon bantuan Saudara agar dapat menerima Mahasiswa tersebut di bawah ini untuk melakukan penelitian atau pengumpulan data atas nama :

No. Nama NIM

1. David Kurniansyah S 082407011

Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Peramalan Kecepatan Angin di Medan Pada Tahun 2011 Berdasarkan Data Kecepatan Angin Dari Tahun 1999 - 2010”, pada Program Studi Diploma 3 Statistika FMIPA USU.

Demikian kami sampaikan, atas kerjasama dan bantuannya diucapkan terima kasih. a.n Dekan

Pembantu Dekan I

Dr. Marpongahtun, M.Sc

NIP. 19611115 198803 2 002 Tembusan :

1. Yth. Ketua Program Studi D3 Statistik 2. Arsip

Peramalan Kecepatan Angin Di Medan Pada Tahun 2011 Berdasarkan Data Kecepatan Angin Dari Tahun 1999-2010.































































L

A

M

P

I

R

A

N

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

L

A

M

P

I

R

A

N

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

Parts

Dokumen yang terkait

Pembuatan Alat Ukur Kecepatan Angin Dan Penunjuk Arah Angin Berbasis Mikrokontroller At-Mega8535

Pengaruh Orientasi Bangunan Terhadap Kecepatan Angin Pada Massa Bangunan Dengan Layout Berbentuk U

Peramalan Kecepatan Angin Bulanan Di Kota Medan Dengan Metode Box-Jenkins

Peramalan Kecepatan Angin Bulanan Di Kota Medan Dengan Metode Box Jenkins Tahun 2012

Uji Eksperimental Pengaruh Jumlah Sudu Dan Variasi Kecepatan Angin Terhadap Daya Dan Putaran Turbin Angin Savonius Dengan Luas Sapuan Rotor 0,90 M2

Rancang Bangun Pendeteksi Kecepatan Angin 4 Level Berbasis At89s52

Peramalan Kecepatan Angin Bulanan Di Medan Berdasarkan Tekanan Udara Dengan Fungsi Transfer

KLASIFIKASI ANGIN TINGKAT KECEPATAN HEMB

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

BAB 2 LANDASAN TEORI 2.1 Peramalan - Peramalan Kecepatan Angin Bulanan Di Kota Medan Dengan Metode Box Jenkins Tahun 2012

Dokumen yang Anda mencari sudah siap untuk unduhkan