Peramalan Nilai Penjualan Energi Listrik ( Dalam Rupiah ) Di PT. PLN ( Persero ) Cabang Binjai Pada Tahun 2012

(1)

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK

(DALAM RUPIAH) DI PT. PLN (PERSERO)

CABANG BINJAI PADA TAHUN 2012

TUGAS AKHIR

QORIATUN MAULINA LUBIS 072407065

PROGRAM STUDI D-3 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2010

(2)

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK

(DALAM RUPIAH) DI PT. PLN (PERSERO)

CABANG BINJAI PADA TAHUN 2012

TUGAS AKHIR

Diajukan untuk memenuhi tugas dan memenuhi syarat mencapai gelar Ahli Madya

QORIATUN MAULINA LUBIS 072407065

PROGRAM STUDI D-3 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2010

(3)

PERSETUJUAN

Judul : PERAMALAN NILAI PENJUALAN ENERGI

LISTRIK ( DALAM RUPIAH ) DI PT. PLN ( PERSERO ) CABANG BINJAI PADA TAHUN

2012

Kategori : TUGAS AKHIR

Nama : QORIATUN MAULINA LUBIS

Nomor Induk Mahasiswa : 072407065

Program Studi : DIPLOMA ( D3 ) STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Juni 2010

Diketahui

Departemen Matematika FMIPA USU Pembimbing

Dr. Saib Suwilo, M.Sc Drs. Ujian Sinulingga, M.Si

NIP. 19640109 198803 1 004 NIP. 19560353 198403 1 004

(4)

KATA

PENGANTAR

Segala puji dan syukur Penulis panjatkan atas kehadiran Allah SWT. Atas rahmat dan ridhonya serta karunianya, sehingga penyusunan tugas akhir ini dapat berjalan dengan lancar dan diselesaikan dengan baik.

Untuk itu Penulis ingin mengucapkan terima kasih kepada orang ‐ orang yang telah membantu Penulis selama dalam pembuatan laporan ini.

1) Teristimewa kepada Ayahanda Syamsul Rizal Lubis dan Ibunda Faridah yang selama ini telah memberikan dorongan serta doa bagi Penulis serta bantuan berupa moril dan materiil.

2) Seluruh keluarga besar Penulis yang selalu memberikan motivasi dan semangat bagi Penulis, terutama Adinda Fatma Sari Lubis.

3) Bapak Drs. Ujian Sinulingga, M.Si, selaku Dosen Pembimbing.

4) Bapak Dr. Eddy Marlianto, M.Sc, selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.

5) Bapak Dr. Saib Suwilo, M.Sc, selaku Ketua Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera.

6) Buat Drs. Dzakaria Sebayang, selaku dosen penguji 2. 7) Bapak dan Ibu Seluruh Staf Pengajar di FMIPA USU.

8) Buat teman‐teman yang tercinta Hajrul Aswat ( Arul ), Dara ( Iin ), Irene ( Iren ), Yuly ( Uli ), Mirna ( Milna ), Sartika ( Ika ), Putra ( Ciput ), Sigit ( Uya ), Aulia ( Au ), Adi ( Cipto ). 9) Buat temen‐temen anak statistik lainnya dan keluarga besar HMI FMIPA USU.

Penulis

(5)

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR GAMBAR viii

BAB I PENDAHULUAN

1.1 Latar Belakang 1

1.2 Identifikasi Masalah 2

1.3 Batasan Masalah 2

1.4 Maksud dan Tujuan Penelitian 3

1.5 Lokasi Penelitian 3

1.6 Metode Penelitian 3

1.6.1 Penelitian Kepustakaan 3

1.6.2 Metode Pengumpulan Data 4

1.6.3 Analisa Data 4

1.7 Tinjauan Pustaka 5

1.8 Sistematika Penulisan 7

BAB 2 LANDASAN TEORI

2.1 Pengaruh Peramalan 8

2.2 Jenis-jenis Peramalan 9

2.2.1 Peramalan Kualitatif 9

2.2.2 Peramalan Kuantitatif 10

2.3 Pemilihan Metode Peramalan 11

2.4 Metode Pemulusan 12

2.4.1 Metode Peralatan (Average) 12

2.4.2 Metode Pemulusan (Smoothing) Eksponensial 13

2.5 Metode Peramalan yang Digunakan 13

BAB 3 SEJARAH SINGKAT BPS DAN KOTA BINJAI

3.1 Sejarah Singkat Badan Pusat Statistik 17 3.1.1 Masa Pemerintah Hindia belanda 18

3.1.2 Masa Pemerintahan Jepang 18

3.1.3 Masa Kemerdekaan Republik Indonesia 19 3.1.4 Masa Orde Baru Hingga sekarang 20 3.1.5 Struktur Organisasi Badan Pusat Statistik 21

3.2 Sejarah Singkat Kota Binjai 23

(6)

3.2.2 Kecamatan Binjai Kota 26

3.2.3 Kecamatan Binjai Timur 26

3.2.4 Kecamatan Binjai Utara 27

3.2.5 Kecamatan Binjai Barat 27

BAB 4 ANALISIS DATA

4.1 Pengertian Analisis data 28

4.2 Analisis Data dengan Metode Pemulusan Eksponensial Ganda: 29 Metode Linier Satu Parameter dari Brown

4.3 Penaksiran Model Persamaan 40

4.4 Penentuan Bentuk Persamaan Peramalan 46 4.5 Peramalan Nilai Penjualan Energi Listrik 47 BAB 5 IMPLEMENTASI SISTEM

5.1 Microsoft Excel 49

5.2 Langkah-langkah Menentukan Forecast Dengan Metode 50 Eksponensial Smoothing Melalui Program Excel

5.3 Membuat Grafik 56

BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 58

6.2 Saran 59

Daftar Pustaka Lampiran

(7)

DAFTAR TABEL

Halaman Tabel 4.1 Nilai Penjualan Energi Listrik (Dalam Rupiah) 30

di PT. PLN (Persero) Cabang Binjai

Tabel 4.2 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 31 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,1

Tabel 4.3 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 32 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,2

Tabel 4.4 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 33 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,3

Tabel 4.5 Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) 34 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,4

Tabel 4.6 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 35 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,5

Tabel 4.7 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 36 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,6

Tabel 4.8 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 37 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,7

Tabel 4.9 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 38 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,8

Tabel 4.10 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 39 di PT. PLN (Persero) Cabang Binjai Dengan α = 0,9

Tabel 4.11 Perbandingan Ukuran ketepatan Metode Peramalan 41 Tabel 4.12 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 42

di PT. PLN (Persero) Cabang Binjai Dengan α = 0,9

Tabel 4.13 Peramalan Nilai Penualan Energi Listrik (Dalam Milyar Rupiah) 48 di PT. PLN (Persero) Cabang Binjai.

(8)

DAFTAR GAMBAR

Halaman

Gambar 4.1 Nilai Penjualan Eenergi Listrik (Dalam Milyar Rupiah) pada α = 0,9 43 Gambar 5.1 Tampilan Layar Awal Ketika Memilih Program Excel 50 Gambar 5.2 Tampilan Worksheet (Lembar Kerja) Pada Excel 51 Gambar 5.3 Nilai Penjualan Energi Listrik Selama 11 Periode 52 Gambar 5.4 Langkah-langkah Mencari Pemulusan Tunggal 53 Gambar 5.5 Langkah-langkah Mencari Pemulusan Ganda 54 Gambar 5.6 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) 55

di PT. PLN (Persero) Cabang Binjai

Gambar 5.7 Langkah-langkah Membuat Grafik Peramaln Nilai Penjualan Energi 56 Listrik (Dalam Milyar Rupiah) Di PT. PLN (Persero) Cabang Binjai Gambar 5.8 Grafik Penjualan Energi Listrik(Dalam Milyar Rupiah) 57

(9)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat kebutuhan manusia, misalnya tanah, air, energi listrik, energi panas. Energi Listrik merupakan Sumber Daya Alam (SDA) yang tersedia yang sangat dibutuhkan manusia dalam melakukan aktifitas sehari-hari karena manusia selalu berupaya memenuhi kebutuhan hidupnya melalui alat pelengkap yang beraneka ragam. Energi listrik juga dapat meningkatkan kualitas hidup, juga dapat meningkatkan produktivitas usaha yang dilakukan dimanapun.

Dari fakta yang ada saat ini bisa dilihat bagaimana listrik sangat berperan dalam berbagai bidang kehidupan, sebagian besar alat yang dipakai baik peralatan rumah tangga maupun peralatan industri menggunakan listrik sebagai sarana pengoperasiannya, misal untuk keperluan audio, video, otomotif, medis dan masih banyak bidang yang memanfaatkan energi listrik. Banyak Usaha yang dilakukan oleh pemerintah guna mencukupi kebutuhan masyarakat dalam penyediaan energi listrik, karena semakin lama kebutuhan masyarakat terhadap energi listrik semakin

(10)

meningkat dan peningkatan ini harus diimbangi dalam penyediaan energi listrik tersebut. Penyediaan energi listrik untuk masyarakat, industri dan pemerintahan dikelola oleh PT. PLN (Persero).

Dari uraian diatas, maka penulis tertarik mengadakan penelitian tentang nilai penjualan energi listrik (Dalam Rupiah), Dengan Judul, “PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH) DI PT. PLN (PERSERO) CABANG BINJAI PADA TAHUN 2012”.

1.2Identifikasi Masalah

Sesuai dengan judul diatas, maka yang akan menjadi permasalahan adalah: Bagaimana meramalkan nilai penjualan energi listrik (Dalam Rupiah) di PT. PLN (Persero) Cabang Binjai pada tahun 2012. Dimana nilai penjualan energi listrik tiap tahunnya dapat diketahui apakah bertambah atau berkurang.

1.3Batasan Masalah

Untuk mengarahkan tulisan ini maka perlu membuat ruang lingkup batasan permasalahan. Batasan masalahnya adalah hanya terbatas pada analisa untuk mengetahui tingkat kenaikan / penurunan nilai penjualan energi listrik serta memperkirakan jumlah nilai penjualan energi listrik di PT. PLN (Persero) Cabang Binjai pada tahun 2012.

(11)

1.4Maksud dan Tujuan Penelitian

Adapun maksud penulis adalah untuk mengamati dan memberikan penyajian data, yang diharapkan dapat dipergunakan seefisien mungkin bagi pihak-pihak yang membutuhkannya untuk mengambil keputusan atau kebijakan yang dapat membangun kesejahteraan masyarakat.

Sedangkan tujuan dari penelitian ini adalah untuk memberikan gambaran seberapa besarnya penjualan energi listrik pada tahun 2012.

1.5Lokasi penelitian

Penelitian atau pengumpulan data mengenai peramalan nilai penjualan energi listrik di PT. PLN (Persero) Cabang Binjai pada tahun 2012 berdasarkan data tahun 1998-2008 di peroleh dari badan pusat statistik (BPS) Sumatera Utara Jl.Asrama No. 179 Medan.

(12)

1.6Metode Penelitian

Metode penulisan yang digunakan penulis adalah dengan cara sebagai berikut: 1.6.1 Penelitian Kepustakaan

Penelitian kepustakaan yaitu metode pengumpulan data dan untuk memperoleh informasi dari perpustakaan, dengan membaca buku-buku, referensi dan bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir. 1.6.2 Metode Pengumpulan Data

Pengumpulan data untuk keperluan tugas akhir ini, penulis lakukan dengan menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Sumatera Utara. Data yang dikumpulkan tersebut kemudian disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.6.3 Analisa data

Pengolahan data untuk meramalkan nilai penjualan energi listrik (dalam rupiah) di PT. PLN (Persero) Cabang Binjai Sumatera Utara dilakukan dengan: Menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda: Metode Linear Satu Parameter dari Brown.

Dengan Rumus:

 

1 ' 1

'_t X_t   S_t_

S  





" 1

"_t  S _t  S _t_

S  

a_t S'_t



S'_tS"_t



2S'_tS"_t



t t



t S S

b ' "

1 



  F_t__m a_t b_tm

(13)

Dimana:

S’t = nilai pemulusan eksponensial tunggal

S" = nilai pemulusan eksponensial ganda

 = parameter pemulusan eksponensial

at, bt = konstanta pemulusan

Ft+m = hasil peramalan untuk m periode kedepan yang akan diramalkan

Xt = Nilai aktual pada periode t

1.7 Tinjauan Pustaka

Sumber bacaan atau informasi yang penulis dapatkan dalam penulisan Tugas Akhir ini adalah :

Katalog Badan Pusat Statistik “ Sumatera Utara Dalam Angka Tahun 2002 “ menggambarkan tentang tabel Peramalan nilai penjualan energi listrik dalam Rupiah di PT. PLN (Persero) Cabang Binjai mulai Tahun 1998 sampai dengan Tahun 1999.

Katalog Badan Pusat Statistik “ Sumatera Utara Dalam Angka Tahun 2007 “ menggambarkan tentang tabel Peramalan nilai penjualan energi listrik dalam Rupiah di PT. PLN (Persero) Cabang Binjai mulai Tahun 2002 sampai dengan Tahun 2006.

(14)

Katalog Badan Pusat Statistik “ Sumatera Utara Dalam Angka Tahun 2009 “ menggambarkan tentang tabel Peramalan nilai penjualan energi listrik dalam Rupiah di PT. PLN (Persero) Cabang Binjai mulai Tahun 2007 sampai dengan Tahun 2008.

Buku Makridakis, 1998, “ Metode dan Aplikasi Peramalan “ menerangkan bahwa peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam - macam cara yaitu Metode Pemulusan Eksponensial atau Rata - rata Bergerak, Metode Box - Jenkins, dan Metode Regresi. Semua itu dikenal dengan metode peramalan. Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi di masa yang akan datang dengan dasar data yang relavan pada masa lalu. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang bersifat objektif.

(15)

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran mengenai tugas akhir ini, yaitu sebagai berikut:

BAB 1 : PENDAHULUAN

Bab ini menjelaskan latar belakang masalah, identifikasi masalah, batasan masalah, tujuan, metode penelitian, sistematika penulisan.

BAB 2 : TINJAUAN TEORITIS

Bab ini menjelaskan uraian teoritis tentang segala sesuatu yang berhubungan dengan penyelesaian masalah tugas akhir.

BAB 3 : SEJARAH SINGKAT BADAN PUSAT STATISTIK DAN KOTA BINJAI

Bab ini menjelaskan sejarah singkat tempat pengambilan data dan kota yang di pakai dalam penulisan tugas akhir ini.

BAB 4 : ANALISIS DATA

Bab ini menguraikan data yang telah diamati dan cara penggunaan rumus yang telah ditentukan untuk analisis data tersebut.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan implementasi sistem yang digunakan dalam pengelolaan yang didapat secara sekunder tersebut.

(16)

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan kesimpulan dari pembahasan dan saran-saran penulis berdasarkan kesimpulan yang didapat.

(17)

BAB 2

LANDASAN TEORI

2.1 Pengaruh Peramalan

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

Kegunaan peramalan dalam suatu penelitian tersebut dapat dilihat ketika memperkirakan situasi dan kondisi yang akan terjadi dari sesuatu yang diteliti untuk masa yang akan datang setelah situasi tersebut dianalisis. Peramalan merupakan suatu alat bantu yang penting dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk mencapai suatu tujuan atau sasaran organisasi/

(18)

lembaga, terdapat perbedaan waktu antara kegiatan apa saja yang perlu dilakukan, kapan waktu pelaksanaan, dan dilaksanakan oleh siapa. Perencanaan dan peramalan sangat erat kaitannya, hal ini dapat dilihat dalam penyusunan rencana, Dimana dalam penyusunan ini melibatkan peramalan juga.

Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk menyusun rencana karena dapat membantu menganalisis data dari masa lalu, sehingga melalui metode peramalan akan didapat cara pemikiran dan pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.

2.2 Jenis-jenis Peramalan

Menurut Makridakis, Wheelright, dan McGee (1999), berdasarkan sifatnya peramalan dibedakan atas 2 teknik peramalan.

2.2.1 Peramalan Kualitatif

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil Peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pendapat dan pengetahuan serta pengalaman orang yang menyusunnya.

(19)

2.2.2 Peramalan Kuantitatif

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

Baik tidaknya metode yang dipergunakan oleh perbedaan atau penyimpangan anatra hasil ramalan dengan kenyataan yang terjadi dapat dilihat dari semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi maka semakin baik pula metode yang digunakan.

Peramalan Kuantitatif dapat digunakan bila memenuhi syarat sebagi berikut: a. Adanya informasi (data) tentang masa lalu.

b. Informasi tersebut dapat dikuantitatifakan dalam bentuk data numerik. c. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu

akan terus berlanjut dimasa yang akan datang dan kondisi ini disebut dengan kondisi yang konstan.

Metode-metode peramalan dengan analisis deret waktu dibagi tiga yaitu: a. Metode pemulusan (Smoothing)

b. Metode Box Jenkins

(20)

2.3 Pemilihan Metode Peramalan

Dalam memilih metode peramalan, perlu diketahui telebih dahulu ciri-ciri penting dalam pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan.

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

a. Horizon waktu

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

b. Pola Data

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

c. Model

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

d. Biaya yang Dibutuhkan

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

(21)

e. Ketepatan Pemulusan

Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan.

f. Kemudahan dan Penerapan

Metode-metode yang dimengerti dan mudah diaplikasikan sudah merupakan prinsip umum dalam pengambilan keputusan.

2.4 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 tahun yang akan datang. Secara umum metode pemulusan (smoothing) dapat digolongkan menjadi beberapa bagian.

2.4.1 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.

(22)

2.4.2 Metode Pemulusan (Smoothing) Eksponensial a. Pemulusan (smoothing) eksponensial tunggal

b. Pemulusan (smoothing) eksponensial ganda, yang terdiri atas: 1. Metode linier satu parameter dari Brown

2. Metode dua parameter dari Holt

2.5 Metode Peramalan yang Digunakan

Untuk mendapatkan hasil yang baik dan tepat maka harus diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan banyaknya energi listrik yang disalurkan dan dijual pada tahun 2012 berdasarkan data tahun 1998-2008 PT. PLN (Persero) Cabang Binjai, maka penulis menggunakan Metode Smoothing Eksponensial Ganda yaitu “Smoothing Eksponential Linier Satu Parameter dari

Brown”.

Secara umum prosedur Metode Eksponensial Smoothing Ganda yaitu

Smoothing Eksponensial Ganda yaitu Smoothing Eksponensial Linier Satu Parameter

dari Brown dapat diterangkan melalui persamaan berikut ini:





' 1

'_t  X_t   S _t_

S  





" 1

"_t  S _t  S _t_

S  



t t



t t

t S S S S S

a  '  '  " 2 '  "



t t



t S S

b ' "

1 

   m b a

(23)

Dimana,

S’t = nilai pemulusan eksponensial tunggal t

S" = nilai pemulusan eksponensial ganda

 = parameter pemulusan eksponensial

at, bt = konstanta pemulusan

Ft+m = hasil peramalan untuk m periode kedepan yang akan diramalkan.

Xt = Nilai aktual pada periode t

Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketepatan ramalan. Kriteria ini berupa Mean

Square Error (MSE). Mean Absolute Percentage Error (MAPE), dan Mean Absolute

Daviation (MAD).

Berikut ini adalah beberapa keriteria yang digunakan untuk menguji nilai ramalan yaitu:

a. Nilai Tengah Kesalahan (Mean Error), dirumuskan dengan :

n e ME

i i



_

(24)

b. Nilai Tengah Kesalahan Kuadrat (Mean Square Error), dirumuskan dengan: n e MSE n i i



_  1

c. Nilai Tengah Kesalahan Absolute (Mean Absolute Error), dirumuskan dengan:

n e MAE n i i



_  1

d. Nilai Tengah Kesalahan Persentase Error (Mean Absolute Percentage Error), dirumuskan dengan: n PE MAPE n i i



_  1

e. Kesalahan Persentase (Percentage Erro ), dirumuskan dengan:

n PE MPE n i i



_  1

f. Jumlah Kuadrat Kesalahan (Sum Square Error), dirumuskan dengan:







_   n i i i F X SSE 1 2

(25)

di mana:

Xi – Fi = kesalahan pada periode ke-i Xi = data aktual pada periode ke-i Fi = nilai ramalan pada periode ke-i

n = banyaknya periode waktu

(26)

BAB 3

SEJARAH SINGKAT BPS DAN KOTA BINJAI

3.1 Sejarah Singkat Badan Pusat Statistik

Kantor Badan Pusat Statistik (BPS) propinsi Indonesia merupakan lembaga pemerintahan non departemen yang berada di bawah dan bertanggung jawab langsung kepada Presiden.

Badan Pusat Statistik ini sudah berdiri sejak Indonesia dijajah oleh Bangsa Belanda. Banyak perubahan yang terjadi dalam BPS sejak berdiri, baik pada masa pemerintahan Hindia Belanda, Jepang, masa kemerdekaan, masa orde baru, hingga sekarang ini.

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari tahun1920, kantor statistik didirikan pertama kali oleh Direktur Pertanian, Kerajinan, dan Perdagangan (Direktur Van Land Buw Nijeverheid En

Hundel) dan berkedudukan di Bogor. Kantor ini bertugas untuk mengolah dan

(27)

Pada Tahun 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberikan tugas untuk merencanakan tindakan-tindakan yang sejauh mungkin untuk mencapai kesatuan dalam kegiatan statistik Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama

central Kantor Voor De Statistic (CKS ) atau kantor statistik dipindahkan ke Jakarta.

Kemudian beralih pula pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh kantor Invoer Uitvoer en Accijnsen (IUA) yang sekarang disebut sebagai kantor bea cuka

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni tahun 1944 Pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang dan militer. Pada masa ini CKS diganti menjadi Shomubu Chosasitu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik

(28)

Indonesia). Tahun 1946, KAPPURI dipindahkan ke Yogyakarta sebagai sekuens dari Perjanjian Linggarjati. Sementara Pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS. Berdasarkan surat edaran kementerian kemakmuran tanggal 12 Juli 1950 nomor 20/S. C, KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) yang bertanggung jawab pada kemakmuran.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 nomor P/44, lembaga KPS bertanggungjawab kepada perekonomian. Kemudian keputusan Menteri Perekonomian tanggal 24 Desember 1953 nomor 18.009/M, KPS dibagi menjadi dua bagian Penyelenggara tata usaha yang disebut Afdeling B.

Dengan keputusan Presiden nomor 131 tahun 1957, kementerian ekonomi dipecah menjadi kementerian perdagangan dan kementerian perindustrian. Kemudian Keputusan presiden nomor 172 tahun1957 terhitung mulai 1 Juni 1957, KPS diubah menjadi Biro Pusat Statistik dan seluruh hal yang berhubungan dengan statistik menjadi tanggung jawab dan wewenang menteri.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada pemerintahan orde baru khususnya untuk memenuhi kebutuhan perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenaran organisasi Biro Pusat Statistik. Dalam Masa Orde Baru ini Badan Pusat Statistik telah mengalami empat kali perubahan struktur organisasi, yaitu:

(29)

1. Peraturan Pemerintah nomor 16 tahun 1968 tentang Organisasi Badan Pusat Statistik.

2. Peraturan Pemerintah nomor 6 tahun 1980 tentang organisasi Badan Pusat Statistik.

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

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

5. Keputusan Presiden Republik Indonesia nomor 86 tahun1998 tentang Badan Pusat Statistik.

6. Keputusan Kepala Badan Pusat Statistik nomor 100 tahun 1998 tentang organisasi dan tenaga kerja Badan Pusat Statistik.

7. Peraturan Pemerintah nomor 51 tahun 1999 tentang penyelenggaraan statistik.

Pada Tahun 1968 ditetapkan Peraturan Pemerintah nomor 16 tahun 1968 yaitu mengatur organisasi dan tata kerja di pusat dan daerah. Tahun 1980 Peraturan Pemerintah nomor 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah nomor 16 tahun 1968, di setiap provinsi terdapat perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 ditetapkan statistik sebagai pengganti undang-undang nomor 6 dan nomor 7 tentang sensus dan statististik, pada tanggal 17 Juni 1998 dengan Keputusan Presiden Statistik, ditetapkan untuk mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.

(30)

3.1.5 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung instansi sosial yang terdiri diantara individu-individu dalam rangka kerja sama untuk mencapai tujuan yang telah ditetapkan. Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetapkan. Dengan adanya struktur organisasi, maka spesifikasi dan pemisahan tugas dari para pegawai/ staf tersebut juga akan semakin jelas.

Struktur organisasi yang ditetapkan di kantor Badan Pusat Statistik mengandung unsur-unsur spesialisasi kerja, standardisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukkansuatu kelompok kerja.

Adapun tujuan dari Struktur Organisasi ini dan staf di kantor Badan Pusat Statistik provinsi Sumatera Utara adalah:

1. Pengkoordinasian, yaitu memungkinkan komunikasi integrasi berbagai departemen dan kegiatan-kegiatan yang saling berhubungan satu sama lain. 2. Pemberian saran, yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

3. Pembuatan keputusan, yaitu membuat keputusan-keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

Adapun bagian-bagian atau struktur organisasi Badan Pusat Statistik provinsi Sumatera Utara adalah sebagai berikut:

(31)

Peraturan Presiden Republik Indonesia nomor 86 tahun 1998 menetapkan Badan Pusat Statistik sebagaimana dalam lampiran organisasi kantor Badan Pusat Statistik provinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor.

Kepala Kantor dibantu bagian tata usaha yang terdiri dari: 1. Sub Bagian Urusan Dalam

2. Sub Bagian Perlengkapan 3. Sub Bagian Keuangan 4. Sub Bagian Kepegawaian

5. Sub Bagian Bina Potensi/ Bina Program

Sedangkan bidang penunjang statistik terdiri dari lima bidang, yaitu: 1. Bidang Statistik Produksi

Bidang Statistik Produksi bertugas untuk melaksanakan kegiatan statistic pertanian, industri, konstruksi, pertambangan dan energi.

2. Bidang Statistik Distribusi

Bidang Statistik Distribusi bertugas untuk melaksanakan kegiatan statistik konsumen dan perdagangan besar, statistic keuangan dan harga produsen serta niaga dan jasa.

3. Bidang Statistik Sosial

Bidang Statistik Sosial bertugas untuk melaksanakan kegiatan demografi dan rumah tangga, ketenagakerjaan, dan statistik kesejahteraan.

(32)

Bidang ini bertugas untuk menyiapkan data, menyusun sistem, dan program serta operasional pengolahan data dengan komputer.

5. Bidang Neraca Wilayah dan Analisis Statistik

Bidang ini bertugas untuk menyusun neraca produksi, neraca konsumsi, dan akumulasi penyajian analisis serta kegiatan penerapan statistic

3.2 Sejarah Singkat Kota Binjai

Berdasarkan penuturan para Orang Tua yang dianggap mengetahui asal mulanya Binjai, yang saat ini menjadi Kota Binjai, dahulunya adalah sebuah kampung kecil yang berada di pinggir sungai Bingai. Binjai sebenarnya adalah nama suatu pohon besar, rindang tumbuh dengan kokoh di tepi sungai Bingai yang bermuara di sungai Wampu. Pada tahun 1823 Gubernur Inggris berkedudukan dipulau penang mengutus Jhon Anderson untuk pergi ke pesisir Sumatera Timur dan dicatatannya disebutkan kampung yang bernama Ba Bingai (menurut buku Mission To The Eastcoau of Sumatera Edinburg 1926). Sebenarnya sejak tahun 1822 Binjai telah dijadikan Bandar/Pelabuhan dimana hasil pertanian lada yang di ekspor, yang berasal dari perkebunan Lada di sekitar Ketapangai (Pungai) atau Kelurahan kebun Lada/Damai.

Perkembangan zaman terus berjalan, pada tahun 1864 daerah Deli dicoba ditanami tembakau oleh Pioner Belanda J.Nienkyis dan 1866 didirikan Deli Maatschappiy. Usaha Untuk menguasai Tanah Deli oleh orang Belanda tidak terkecuali dengan menggunakan politik pecah belah melalui pengangkatan datuk-datuk. Usaha ini diketahui oleh Datuk Kocik, Datuk Jalil, dan Suling barat yang tidak

(33)

mau bekerjasama dengan Belanda bahkan melakukan perlawanan. Bersamaan dengan itu Datuk Sunggal tidak menyetujui pemberian konsensi tanah kepada perusahaan Rotterdanmy oleh Sultan Deli karena tanpa persetujuan. Di bawah kepemimpinan Datuk Sunggal bersama rakyatnya di Timbang Langkat (Binjai) dibuat benteng pertahanan untuk menghadapi Belanda.

Dengan tindakan Datuk Sunggal ini Belanda merasa terhina dan memerintahkan Kapten Koops untuk menumpas para Datuk yang menetang belanda. Dan pada 17 Mei 1872 terjadilah pertempuran antara Datuk/masyarakat dengan Belanda. Peristiwa inilah yang menjadi sejarah dan dititetapkan sebagai hari jadi kota Binjai. Perjuangan para Datuk/rakyat terus berkobar dan pada akhirnya pada 24 Oktober 1872 Datuk Kocik, Datuk Jalil dan Sulung Barat dapat ditangkap Belanda dan kemudian pada tahun 1873 dibuang ke Cilacap. Pada Tahun1917 oleh pemerintah Belnda dikeluarkan Instelling Ordonantie No. 12 dimana Binjai dijadikan Gemente dengan luas 267 Ha.

Pada Tahun 1942-1945 Binjai dengan pemerintahan Jepang dengan kepala pemerintahannya adalah Kagujawa dengan sebutan Guserbu dan pada tahun 1944/1945 Pemerintah Kota dipimpin oleh Ketua Dewan Eksekutif J.Runnasbi dengan anggota Dr. RM Djulham, Natangsa Sembiring, dan Tan Hong Poh.

Pada tahun 1945 (saat revolusi) sebagai kepala pemerintahann Binjai adalah RM. Ibnu dan pada tanggal 29 oktober 1945 T. Amir Hamzah diangkat menjadi Residen langkat oleh komite Nasional dan pada masa pemerintahan Belanda tahun 1947 Binjai dibawah Asisten Residen J. Bunger dan RM. Ibnu sebagai Wakil

(34)

Walikota Binjai pada tahun 1948-1950 pemerintahan Kota Binjai dipegang oleh Asc Moree. Tahun 1950-1956 Binjai menjadi Kota Administratif Kabupaten Langkat dan sebagai walikota adalah OK Salamuddin kemudian T. Ubaidullah Tahun 1553-1956. Berdasarkan Undang-undang darurat No. 9 Tahun 1956 Kota Binjai menjadi otonom Kotapraja dengan walikota pertama SS. Parumuhan.

Dalam Perkembangannya Kota Binjai sebagai salah szatu daerah tingkat II di Provinsi Sumatera Utara telah membenahi dirinya dengan melakukan pemekaran wilayahnya. Semenjak ditetapkannya peraturan pemerintah No. 10 tahun 1986 wilayah kota daerah kota Binjai telah diperluas menjadi 90,23 km2 dengan 5 wilayah kecamatan yang terdiri dari 11 desa dan 19 kelurahan. Setelah diadakan pemecahan desa dan kelurahan pada Tahun 1993 maka jumlah desa menjadi 17 dan kelurahan menjadi 20. Perubahan ini berdasarkan Keputusan Gubernur Sumatera Utara Nomor 140-1395/SK/1993 Tanggal 3 juni 193 tentang pembentukan 6 desa persiapan dan 1 kelurahan persiapan Kota Binjai Berdasarkan SK Gubernur Sumatera Utara No. 146/2624/SK/1996 tanggal Agustus 1996, 17 desa menjadi kelurahan.

3.2.1 Kecamatan Binjai Selatan

Kelurahan Tanha Merah Kelurahan Binjai Estate Kelurahan tanah Seribu Kelurahan Pujidadi

(35)

Kelurahann Rambung Barat Kelurahan Rambung Timur Kelurahan Bhakti Karya

3.2.2 Kecamatan Binjai Kota

Kelurahan Berngam Kelurahan Satria Kelurahan Setia Kelurahan Kartini Kelurahan Tangsi Kelurahan Binjai Kelurahan Pekan Binjai

3.2.3 Kecamatan Binjai Timur

Kelurahan Mencirim Kelurahan Tunggorono Kelurahan Timbang langkat Kelurahan Tanah Tinggi Kelurahan Sumber muliorejo

(36)

Kelurahan Sumber karya

3.2.4 Kecamatan Binjai Utara

Kelurahan Pahlawan Kelurahan Jatinegara Kelurahan Nangka Kelurahan Jati Karya Kelurahan Damai Kelurahan Kebun Lada Kelurahan Cengkeh Turi Kelurahan Jati Makmur Kelurahan Jati Utomo

3.2.5 Kecamatan Binjai Barat

Kelurahan Bandar Sinembah Kelurahan Limau Mungkur Kelurahan Limau Sundai Kelurahan Paya Roba Kelurahan Suka Maju Kelurahan Suka Ramai

(37)

BAB 4

ANALISIS DATA

4.1 Pengertian Analisis Data

Analisis data dapat diartikan sebagai penjabaran atas pengukuran atau pengolahan data kuantitatif menjadi suatu penyajian yang mudah dimengerti dan menguraikan suatu masalah secara keseluruhan. Analisis atau pengolahan data sangat diperlukan dalam memecahkan suatu permasalahan.

Data yang akan dianalis oleh penulis adalah data per tahun nilai penjualan energi listrik PT. PLN (Persero) Cabang Bnjai yang dimulai dari tahun 1998 samapi dengan 2008. Metode yang digunakan untuk menganalisis data tersebut adalah metode peramalan pemulusan eksponensial ganda: metode linier satu parameter dari Brown.

(38)

4.2 Analisis Data dengan Metode Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter dari Brown

Langah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan metode pemulusan eksponensial ganda: metode linier satu parameter dari Brown adalah:

1. Menentukan harga parameter pemulusan (smoothing) eksponensial ganda yang besarnya 0<<1.

2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan:





' 1

'_t X_t   S_t_

S  

3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan:





" 1

"_t  S _t  S _t_

S  

4. Menghitung koefisien at dan bt dengan menggunakan persamaan:



t t



t t

t S S S S S

a  '  '  " 2 '  "



t t



t S S

b ' "

1 



 

5. Menghitung trend peramalan (F_t__m) dengan menggunakan persamaan:

m b a

(39)

Tabel 4.1 Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Binjai

Sumber : BPS Provinsi Sumatera Utara

No Tahun

Nilai Penjualan (Milyar Rupiah)

1 1998 72,98

2 1999 85,05

3 2000 118,83

4 2001 156,50

5 2002 221,86

6 2003 306,92

7 2004 340,05

8 2005 351,75

9 2006 369,61

10 2007 406,70

(40)

Tabel 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) di PT. PLN (Persero) Cabang Binjai

Dengan α=0,1

Tahun Periode Xt St S"t At bt Ft+m e e2

1998 1 72,98 72,98 72,98 1999 2 85,05 74,19 73,10 75,27 0,12

2000 3 118,83 78,65 73,66 83,65 0,56 75,39 43,44 1.886,69 2001 4 156,50 86,44 74,93 97,94 1,28 84,20 72,30 5.227,02 2002 5 221,86 99,98 77,44 122,52 2,50 99,22 122,64 15.041,41 2003 6 306,92 120,67 81,76 159,58 4,32 125,02 181,90 33.086,41 2004 7 340,05 142,61 87,85 197,37 6,08 163,91 176,14 31.026,31 2005 8 351,75 163,52 95,41 231,63 7,57 203,46 148,29 21.990,18 2006 9 369,61 184,13 104,29 263,98 8,87 239,20 130,41 17.006,20 2007 10 406,70 206,39 114,50 298,28 10,21 272,85 133,85 17.915,41 2008 11 474,32 233,18 126,37 340,00 11,87 308,49 165,83 27.498,57

1.174,79 170.678,19

Sumber: Perhitungan Untuk α = 0,1; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2

= 170.678,19 =

(41)

TABEL 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,2

Tahun Periode Xt St S"t At bt Ft+m e e2

1998 1 72,98 72,98 72,98 1999 2 85,05 75,39 73,46 77,33 0,48

2000 3 118,83 84,08 75,59 92,58 2,12 77,81 41,02 1.682,80 2001 4 156,50 98,56 80,18 116,95 4,60 94,70 61,80 3.819,29 2002 5 221,86 123,22 88,79 157,66 8,61 121,54 100,32 10.063,41 2003 6 306,92 159,96 103,03 216,90 14,23 166,27 140,65 19.783,62 2004 7 340,05 195,98 121,62 270,34 18,59 231,14 108,91 11.862,30 2005 8 351,75 227,13 142,72 311,55 21,10 288,94 62,81 3.945,60 2006 9 369,61 255,63 165,30 345,96 22,58 332,65 36,96 1.365,84 2007 10 406,70 285,84 189,41 382,28 24,11 368,54 38,16 1.456,24 2008 11 474,32 323,54 216,24 430,84 26,83 406,39 67,93 4.615,09

658,57 58.594,19

Sumber: Perhitungan Untuk α = 0,2; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2 1 =58.594,19 =

(42)

TABEL 4.3

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,3

Tahun Periode Xt St S"t At bt Ft+m e e2

1998 1 72,98 72,98 72,98 1999 2 85,05 76,60 74,07 79,14 1,09 2000 3 118,83 89,27 78,63 99,91 4,56 80,22 38,61 1.490,58 2001 4 156,50 109,44 87,87 131,01 9,24 104,47 52,03 2.706,80 2002 5 221,86 143,17 104,46 181,87 16,59 140,25 81,61 6.660,15 2003 6 306,92 192,29 130,81 253,77 26,35 198,46 108,46 11.763,67 2004 7 340,05 236,62 162,55 310,69 31,74 280,12 59,93 3.591,11 2005 8 351,75 271,16 195,13 347,18 32,58 342,43 9,32 86,87 2006 9 369,61 300,69 226,80 374,59 31,67 379,76 -10,15 103,12 2007 10 406,70 332,50 258,51 406,48 31,71 406,25 0,45 0,20 2008 11 474,32 375,04 293,47 456,62 34,96 438,19 36,13 1.305,41 376,37 27.707,91

Sumber: Perhitungan Untuk α = 0,3; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2 = 27.707,91 =

(43)

TABEL 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,4

Tahun Periode Xt St S"t At bt Ft+m e e2 1998 1 72,98 72,98 72,98 1999 2 85,05 77,81 74,91 80,70 1,93 2000 3 118,83 94,22 82,63 105,80 7,72 82,64 36,19 1.310,01 2001 4 156,50 119,13 97,23 141,03 14,60 113,52 42,98 1.847,07 2002 5 221,86 160,22 122,43 198,02 25,20 155,63 66,23 4.386,85 2003 6 306,92 218,90 161,02 276,79 38,59 223,21 83,71 7.007,03 2004 7 340,05 267,36 203,55 331,17 42,54 315,37 24,68 608,89 2005 8 351,75 301,12 242,58 359,65 39,02 373,70 -21,95 481,98 2006 9 369,61 328,51 276,95 380,07 34,37 398,68 -29,07 844,96 2007 10 406,70 359,79 310,09 409,49 33,13 414,45 -7,75 60,04 2008 11 474,32 405,60 348,29 462,91 38,21 442,62 31,70 1.004,67 226,71 17.551,49

Sumber: Perhitungan Untuk α = 0,4; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2

=17.551,49 =

(44)

TABEL 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,5

Tahun Periode Xt St S"t At bt Ft+m e e2 1998 1 72,98 72,98 72,98 1999 2 85,05 79,02 76,00 82,03 3,02

2000 3 118,83 98,92 87,46 110,39 11,46 85,05 33,78 1.141,09 2001 4 156,50 127,71 107,59 147,84 20,13 121,85 34,65 1.200,80 2002 5 221,86 174,79 141,19 208,39 33,60 167,96 53,90 2.904,94 2003 6 306,92 240,85 191,02 290,69 49,83 241,99 64,93 4.216,47 2004 7 340,05 290,45 240,74 340,17 49,72 340,52 -0,47 0,22 2005 8 351,75 321,10 280,92 361,28 40,18 389,88 -38,13 1.454,17 2006 9 369,61 345,36 313,14 377,57 32,22 401,47 -31,86 1.014,81 2007 10 406,70 376,03 344,58 407,47 31,45 409,79 -3,09 9,56 2008 11 474,32 425,17 384,88 465,47 40,30 438,92 35,40 1.253,25 149,11 13.195,32

Sumber: Perhitungan Untuk α = 0,5; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2

=13.195,32 =

(45)

TABEL 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,6

Tahun Periode Xt St S"t At bt Ft+m e e2 1998 1 72,98 72,98 72,98 1999 2 85,05 80,22 77,33 83,12 4,35 2000 3 118,83 103,39 92,96 113,81 15,64 87,46 31,37 983,83 2001 4 156,50 135,25 118,34 152,17 25,38 129,45 27,05 731,79 2002 5 221,86 187,22 159,67 214,77 41,33 177,55 44,31 1.963,62 2003 6 306,92 259,04 219,29 298,79 59,62 256,10 50,82 2.582,87 2004 7 340,05 307,65 272,30 342,99 53,01 358,41 -18,36 337,18 2005 8 351,75 334,11 309,39 358,83 37,08 396,00 -44,25 1.958,20 2006 9 369,61 355,41 337,00 373,82 27,61 395,91 -26,30 691,86 2007 10 406,70 386,18 366,51 405,86 29,51 401,43 5,27 27,75 2008 11 474,32 439,07 410,04 468,09 43,53 435,37 38,95 1.517,31 108,86 10.794,39

Sumber: Perhitungan Untuk α = 0,6; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2

= 10.794,39 =

(46)

TABEL 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,7

Tahun Periode Xt St S"t at bt Ft+m e e2 1998 1 72,98 72,98 72,98 1999 2 85,05 81,43 78,89 83,96 5,91 2000 3 118,83 107,61 99,00 116,22 20,10 89,88 28,95 838,22 2001 4 156,50 141,83 128,98 154,68 29,99 136,33 20,17 407,03 2002 5 221,86 197,85 177,19 218,51 48,21 184,67 37,19 1.383,04 2003 6 306,92 274,20 245,10 303,30 67,91 266,72 40,20 1.615,86 2004 7 340,05 320,29 297,74 342,85 52,64 371,21 -31,16 970,84 2005 8 351,75 342,31 328,94 355,69 31,20 395,49 -43,74 1.913,43 2006 9 369,61 361,42 351,68 371,17 22,74 386,89 -17,28 298,65 2007 10 406,70 393,12 380,68 405,55 29,01 393,90 12,80 163,79 2008 11 474,32 449,96 429,18 470,74 48,49 434,56 39,76 1.581,19 86,89 9.172,05

Sumber: Perhitungan Untuk α = 0,7; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2

=9.172,05 =

(47)

TABEL 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,8

Tahun Periode Xt St S"t At bt Ft+m e e2 1998 1 72,98 72,98 72,98

1999 2 85,05 82,64 80,70 84,57 7,72

2000 3 118,83 111,59 105,41 117,77 24,71 92,29 26,54 704,27 2001 4 156,50 147,52 139,10 155,94 33,68 142,48 14,02 196,63 2002 5 221,86 206,99 193,41 220,57 54,32 189,62 32,24 1.039,25 2003 6 306,92 286,93 268,23 305,64 74,82 274,89 32,03 1.026,18 2004 7 340,05 329,43 317,19 341,67 48,96 380,46 -40,41 1.632,63 2005 8 351,75 347,29 341,27 353,30 24,08 390,62 -38,87 1.511,17 2006 9 369,61 365,15 360,37 369,92 19,10 377,38 -7,77 60,42 2007 10 406,70 398,39 390,79 405,99 30,42 389,02 17,68 312,43 2008 11 474,32 459,13 445,46 472,80 54,68 436,41 37,91 1.437,26

73,37 7.920,24

Sumber: Perhitungan Untuk α = 0,8; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2

= 7.920,24 =

(48)

TABEL 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,9

Tahun Periode Xt St S"t At bt Ft+m e e2

1998 1 _{72,98 72,98} _72,98

1999 2 _85,05 83,84 82,76 84,93 9,78

2000 3 _118,83 115,33 112,07 118,59 29,32 94,71 24,12 581,97

2001 4 _156,50 152,38 148,35 156,41 36,28 147,91 8,59 73,86

2002 5 _221,86 214,91 208,26 221,57 59,90 192,69 29,17 850,75

2003 6 _306,92 297,72 288,77 306,67 80,52 281,47 25,45 647,58

2004 7 _340,05 335,82 331,11 340,52 42,34 387,18 -47,13 2.221,44

2005 8 _351,75 350,16 348,25 352,06 17,14 382,86 -31,11 967,89

2006 9 _369,61 367,66 365,72 369,61 17,47 369,20 0,41 0,17

2007 10 _406,70 402,80 399,09 406,50 33,37 387,08 19,62 385,06

2008 11 _474,32 467,17 460,36 473,98 61,27 439,87 34,45 1.186,84

63,57 6.915,55 Sumber: Perhitungan

Untuk α = 0,9; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2

= 6.915,55 =

(49)

4.3 Penaksiran Model Persamaan

Dalam mengolah data pada tabel 4.1, penulis menggunakan metode peramalan dengan metode pemulusan eksponensial ganda satu parameter dari Brown. Untuk memenuhi perhitungan eksponensial tunggal, ganda dan ramalan yang akan datang, maka kita harus menentukan parameter nilai terlebih dahulu yang biasa digunakan dengan cara

trial and error atau coba dan salah. Nilai  yang dipilih dari 0<<1 yang kemudian

dihitung Mean Square Error ( MSE ) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing- masing elemen dalam sebuah susunan data dan kemudian dicoba nilai yang lain seperti pada tabel 4.2 sampai dengan tabel 4.10.

Untuk menghitung nilai MSE pertama, dicari terlebih dahulu error yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara matematis rumus MSE adalah sebagai berikut:

n e MSE

i i



_

(50)

Kemudian nilai-nilai MSE yang telah kita peroleh kita dapat melihat nilai  yang memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan metode peramalan nilai penjualan energi listrik di PT. PLN (Persero) Cabang Binjai dengan melihat MSE adalah sebagai berikut:

Tabel 4.11 Perbandingan Ukuran ketepatan Metode Peramalan

 MSE

0,1 18.964,24 0,2 6510,47 0,3 3078,65 0,4 1950,17 0,5 1.466,15 0,6 1.199,38 0,7 1.019,17 0,8 880,027 0,9 768,39 Sumber: Perhitungan

Dari table 4.11 di atas dapat dinilai bahwa MSE yang paling kecil terdapat pada = 0,9, yaitu dengan MSE = 768, 39

(51)

Dengan demikian maka tabel peramalan nilai penjualan energi listrik yang dipakai adalah pada saat α = 0,9

TABEL 4.2

Peramalan Nilai Penualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Binjai

Dengan α=0,9

Tahun Periode Xt St S"t At bt Ft+m e e2

1998 1 _{72,98 72,98} _72,98

1999 2 _85,05 83,84 82,76 84,93 9,78

2000 3 118,83 115,33 112,07 118,59 29,32 94,71 24,12 581,97

2001 4 _156,50 152,38 148,35 156,41 36,28 147,91 8,59 73,86

2002 5 _221,86 214,91 208,26 221,57 59,90 192,69 29,17 850,75

2003 6 _306,92 297,72 288,77 306,67 80,52 281,47 25,45 647,58

2004 7 _340,05 335,82 331,11 340,52 42,34 387,18 -47,13 2.221,44

2005 8 _351,75 350,16 348,25 352,06 17,14 382,86 -31,11 967,89

2006 9 _369,61 367,66 365,72 369,61 17,47 369,20 0,41 0,17

2007 10 _406,70 402,80 399,09 406,50 33,37 387,08 19,62 385,06

2008 11 _474,32 467,17 460,36 473,98 61,27 439,87 34,45 1.186,84

63,57 6.915,55 Sumber: Perhitungan

Untuk α = 0,9; n = 9



_  n i i e SSE 1 2 dan n e MSE n i i



_  1 2

= 6.915,55 =

(52)

Gambar 4.1 Nilai Penjualan Eenergi Listrik (Dalam Milyar Rupiah) pada  = 0,9

(53)

Dengan demikian kesalahan yang diperoleh dari perincian data ramalan banyaknya energi listrik yang disalurkan pada  = 0,9 diatas adalah :

a. Nilai Tengah Kesalahan (Mean Error), dirumuskan dengan :

n e ME n i i



_  1 n 57 , 63 

7,06

b. Nilai Tengah Kesalahan Kuadrat (Mean Square Error), dirumuskan dengan:

n e MSE n i i



_  1 9 55 , 915 . 6 

768,39

c. Nilai Tengah Kesalahan Absolute (Mean Absolute Error), dirumuskan dengan:

n e MAE n i i



_  1 9 05 , 220 

24,45

(54)

d. Nilai Tengah Kesalahan Persentase Error (Mean Absolute Percentage Error), dirumuskan dengan: n PE MAPE n i i



_  1 9 12 , 82 

9,12

e. Nilai Tengah Kesalahan Persentase ( Mean Percentage Error), dirumuskan dengan:

n PE MAPE n i i



_  1 9 72 , 36 

4,08

f. Jumlah Kuadrat Kesalahan (Sum Square Error), dirumuskan dengan:







_   n i i i F X SSE 1 2

(55)

4.4 Penentuan Bentuk Persamaan Peramalan

Melalui cara trial and error dengan 0<<1, telah diperoleh perhitungan peramalan pemuusan eksponensial linier satu parameter dari Brown dengan  = 0,9, sehingga dapat ditentukan bentuk persamaan peramalan untuk periode-periode berikutnya. Seperti pada bab 2 landasan teori, persamaan yang dipakai untuk perhitungan adalah sebagai berikut:





' 1

'_t X_t   S _t_

S  





" 1

"_t  S _t  S _t_

S  



t t



t t

t S S S S S

a  '  '  " 2 '  "



t t



t S S

b ' "

1 

   m b a

F_t__m  _t  _t

Berdasarkan perhitungan data terakhir yang menggunakan  = 0,9, dapat diperoleh persamaan peramalan untuk periode berikutnya yaitu:

m b a

Ftm  t  t

 

Ftm 473,9861,27

(56)

4.5 Peramalan Nilai Penjualan Energi Listrik

Setelah diperoleh persamaan peramalan nilai penjualan energi listrik, maka dapat dihitung nilai penjualan energi listrik untuk dua periode berikutnya, yaitu untuk tahun 2009-2012, seperti dibawah ini:

a. Untuk periode ke 12 (tahun 2009) dan b. Untuk periode ke 13 (tahun 2010)

 

Ftm 473,9861,27 Ftm 473,9861,27

 

F112 473,9861,27(2) 25

, 535 12 

F F₁₃ 596,52

c. Untuk periode ke 14 (tahun 2011) d. Untuk periode ke 15 (tahun 2012)

F_t__m 473,9861,27

 

) 3 ( 27 , 61 98 , 473 3

11  

F F₁₁_₄ 473,9861,27(4)

79 , 657 14 

F F₁₄ 719,06

) 1 ( 27 , 61 98 , 473 1

11  

 

m Ftm 473,9861,27

(57)

Sehingga dapat diperinci seperti tabel dibawah ini: Tabel 4.13

Peramalan Nilai Penualan Energi Listrik (Dalam Milyar Rupiah) di PT. PLN (Persero) Cabang Binjai

Tahun Periode Peramalan

2009 12 535,25

2010 13 596,52

2011 14 657,79

2012 15 719,06

Sumber: Perhitungan

Berdasarkan perhitungan peramalan di atas, maka besarnya peramalan nilai penjualan listrik PT. PLN (Persero) Cabang Binjai untuk tahun 2012 yaitu sebesar 719,06 milyar rupiah.

(58)

BAB 5

IMPLEMENTASI SISTEM

5.1 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. 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 dari versi 4, versi5, versi97, versi 2002, versi 2003, 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 2007 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, salah satunya adalah under windows sperti word, access dan powerpoint. Keunggulan program spreadsheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows. Sebelum

(59)

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

5.2 Langkah-langkah Menentukan Forecast Dengan Metode Eksponensial Smoothing Melalui Program Excel

a.Klik tombol start

(60)

b.Pilih program dan klik Microsoft Excel.

c.Setelah itu akan muncul tampilan worksheet (lembaran kerja) seperti di bawah ini:

(61)

d. Data tiap tahun ditulis pada kolom pertama, tahun, periode, jumlah energi tiap tahun. Seperti dibawah ini:

(62)

e. Setelah itu kita mencari hasil pemulusan tunggal untuk tiap energi listrik dengan cara memilih menu data pada toolbar pada program Excel 2007, dan memilih data analisi, kemudian mengklik menu Eksponensial Smoothing, seperti gambar dibawah ini:

(63)

f. Dengan cara yang sama kita dapat mencari data pemulusan gandanya. Seperti gambar dibawah ini:

Gambar 5.5 Langkah-langkah Mencari Pemulusan Ganda

g. Untuk kolom berikutnya kita bisa mencari nilai a

t, kita bisa memulainya pada

periode kedua yaitu pada kolom F, dengan rumus 2*D7-E7. h. Setelah itu kita dapat mencari bt dengan rumus (0,1/0,9)*(D7-E7).

i. Setelah itu pada kolom berikutnya kita dapat mencari nilai peramalan mulai dari periode ke 3 yaitu tahun 2000. Dengan menggunakan rumus F7+G7

j. Pada kolom berikutnya kita dapat mencari nilai galat dari data-data yang telah diramalkan dengn data yang sebenarnya dengan rumus data sebenarnya dikurang data peramalan atau kolom C8-H8.

(64)

k. Pada kolom terahir kita dapat mencari nilai galat kuadratnya dengan rumus kolom I8^2. Kita dapat melihatnya hasilnya seperti gambar dibawah ini:

Gambar 5.6 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) Di PT. PLN (Persero) Cabang Binjai

(65)

5.3 Membuat Grafik dari Data Diatas

a. Untuk membuat grafik kita dapat menggunakan menu pembuat grafik di Excel dengan cara memblok kolom yang merupakan data yang akan disajikan di grafik, kemudiah memilih menu Insert, dan mengklik menu Line yang disediakan di Toolbar Insert, seperti dibawah ini:

Gambar 5.7 Langkah-langkah Membuat Grafik Peramaln Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) Di PT. PLN (Persero) Cabang Binjai

(66)

b. maka Grafiknya dapat kita lihat seperti gambar dibawah ini:

Gambar 5.8 Grafik Penjualan Energi Listrik(Dalam Milyar Rupiah) Di PT. PLN (Persero) Cabang Binjai

(67)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisa data yang dilakukan sebelumnya pada bab 4 maka kesimpulan yang diperoleh adalah sebagai berikut:

1. Bentuk persamaan peramalan dari nilai penjualan energi listrik pada PT. PLN (Persero) Cabang Binjai berdasarkan data tahun 1998 sampai dengan 2008 yang digunakan yaitu peramalan dengan menggunakan  = 0,9 karena mempunyai MSE terkecil adalah:

 

F_t__m 473,9861,27

2. Diperkirakan hasil peramalan nilai penjualan energi listrik di PT. PLN (Persero) Cabang Binjai untuk periode ke 15 pada tahun 2012 adalah sebesar 719,06 (dalam milyar rupiah).

(68)

6.2 Saran

1. Dalam meramalkan nilai penjualan energi listrik (dalam rupiah) di PT. PLN (Persero) Cabang Binjai dapat menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda Linier Satu Parameter dari Brown. Akan sangat membantu jika mengolah data dengan menggunakan alat bantu komputer khususnya program aplikasi Excel.

2. Dengan menganalisis data tiap tahunnya, maka diramalkan energi listrik di PT. PLN (Persero) Cabang Binjai semakin meningkat. Hal ini berarti bahwa semakin tinggi permintaan energi listrik oleh masyarakat. Untuk menghadapi kebijakan tersebut hendaknya pihak PLN membuat suatu kebijakan baru dalam mempersiapkan fasilitas yang mendukung.

(69)

DAFTAR PUSTAKA

Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi Universitas Indonesia

BPS Sumatera Utara. 2000. Sumatera Utara Dalam Angka

BPS Sumatera Utara. 2002. Sumatera Utara Dalam Angka

BPS Sumatera Utara. 2007. Sumatera Utara Dalam Angka

BPS Sumatera Utara. 2009. Sumatera Utara Dalam Angka

BPS Sumatera Utara. 2009. Binjai Dalam Angka

Makridakis, Spyros. 1998. Metode dan Aplikasi Peramalan. Jilid 1 Jakarta: Erlangga

(1)

k. Pada kolom terahir kita dapat mencari nilai galat kuadratnya dengan rumus kolom I8^2. Kita dapat melihatnya hasilnya seperti gambar dibawah ini:

Gambar 5.6 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) Di PT. PLN (Persero) Cabang Binjai

(2)

5.3 Membuat Grafik dari Data Diatas

Gambar 5.7 Langkah-langkah Membuat Grafik Peramaln Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) Di PT. PLN (Persero) Cabang Binjai

(3)

b. maka Grafiknya dapat kita lihat seperti gambar dibawah ini:

Gambar 5.8 Grafik Penjualan Energi Listrik(Dalam Milyar Rupiah) Di PT. PLN (Persero) Cabang Binjai

(4)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisa data yang dilakukan sebelumnya pada bab 4 maka kesimpulan yang diperoleh adalah sebagai berikut:

 

m F_t__m 473,9861,27

2. Diperkirakan hasil peramalan nilai penjualan energi listrik di PT. PLN (Persero) Cabang Binjai untuk periode ke 15 pada tahun 2012 adalah sebesar 719,06 (dalam milyar rupiah).

(5)

6.2 Saran

(6)

DAFTAR PUSTAKA

Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi Universitas Indonesia

BPS Sumatera Utara. 2000. Sumatera Utara Dalam Angka

BPS Sumatera Utara. 2002. Sumatera Utara Dalam Angka

BPS Sumatera Utara. 2007. Sumatera Utara Dalam Angka

BPS Sumatera Utara. 2009. Sumatera Utara Dalam Angka

BPS Sumatera Utara. 2009. Binjai Dalam Angka

Makridakis, Spyros. 1998. Metode dan Aplikasi Peramalan. Jilid 1 Jakarta: Erlangga