Metode Pemulusan (Smoothing) Eksponensial Ganda Dalam Meramalkan Banyaknya Energi Listrik Yang Disalurkan Di PT. PLN (Persero) Cabang Medan Tahun 2018 Chapter III V
BAB 3
PENGOLAHAN DATA
3.1
Pengertian Pengolahan Data
Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data
kuantitatif
menjadi
suatu
penyajian
yang
lebih
mudah
dimengerti
dan
menguraikan suatu masalah secara keseluruhan. Data yang diolah penulis adalah
data per tahun dari banyaknya energi listrik yang disalurkan PT. PLN (Persero)
Cabang Medan yang dimulai dari tahun 2005 sampai 2015. Metode yang
digunakan
untuk
mengolah
data
adalah
metode
peramalan
smoothing
eksponensial ganda yaitu metode linier satu parameter dari Brown.
3.2
Pengolahan Data dengan Metode Smoothing Eksponensial Ganda:
Metode Linier Satu Parameter dari Brown
Tabel 3.1
Data Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun
2005 sampai 2015
Energi yang
Periode
Tahun
Disalurkan
(kWh)
1
2005
2.466.322.426
2
2006
2.549.229.019
3
2007
2.686.768.353
4
2008
2.934.732.684
5
2009
3.015.459.439
6
2010
3.317.639.094
7
2011
3.531.333.729
8
2012
4.159.259.769
9
2013
4.360.477.995
10
2014
4.388.722.350
11
2015
4.551.872.318
Universitas Sumatera Utara
13
Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005
sampai 2015 sebagai berikut:
Grafik Energi Listrik yang Disalurkan PT. PLN
Cabang Medan Tahun 2005-2015
5000000000
4000000000
3000000000
2000000000
1000000000
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Tahun
Energi yang Disalurkan
Gambar 3.1 Tampilan Grafik Energi Listrik yang Disalurkan PT. PLN Cabang
Medan Tahun 2005 sampai 2015
Langkah-langkah
menggunakan
untuk
metode
menentukan
pemulusan
bentuk
persamaan
eksponensial
ganda:
peramalan
metode
dengan
linier
satu
parameter dari Brown adalah:
1.
Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0
< α < 1.
2.
Menghitung harga smoothing eksponensial tunggal menggunakan Persamaan
(2.2):
St =
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
Universitas Sumatera Utara
14
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
dst. (Untuk
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
Menghitung
harga
3.
smoothing
eksponensial
ganda
menggunakan
Persamaan (2.3):
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
Universitas Sumatera Utara
15
α = 0,3
=
dst. (Untuk
4.
sampai
at
Menghitung koefisien
pada α = 0,3 dapat dilihat pada Tabel 3.4)
dan
bt
menggunakan Persamaan (2.4) dan
Persamaan (2.5):
at = St ( St St ) 2St St
bt =
( St St )
1
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
=
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
Universitas Sumatera Utara
16
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
dst. (Untuk
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
Universitas Sumatera Utara
17
dst. (Untuk
5.
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
Menghitung trend peramalan Ft m menggunakan Persamaan (2.6):
Ft m = at bt m
nilai ramalan pertama dikosongkan karena nilai konstanta smoothing
sebelum periode pertama tidak ada.
nilai ramalan kedua dikosongkan karena nilai konstanta smoothing
periode pertama tidak ada.
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
nilai ramalan pertama dikosongkan karena nilai konstanta smoothing
sebelum periode pertama tidak ada.
nilai ramalan kedua dikosongkan karena nilai konstanta smoothing
periode pertama tidak ada.
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
nilai ramalan pertama dikosongkan karena nilai konstanta smoothing
sebelum periode pertama tidak ada.
nilai ramalan kedua dikosongkan karena nilai konstanta smoothing
periode pertama tidak ada.
dst. (Untuk
6.
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
Menghitung nilai kesalahan (error) menggunakan Persamaan (2.7).
Universitas Sumatera Utara
18
α = 0,1
nilai error periode pertama dikosongkan karena ramalan pada
periode pertama tidak ada.
nilai error periode kedua dikosongkan karena ramalan pada periode
kedua tidak ada.
2.686.768.353 − 2.482.903.745 = 203.864.608
2.934.732.684 − 2.524.505.732 = 410.226.952
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
α = 0,2
nilai error periode pertama dikosongkan karena ramalan pada
periode pertama tidak ada.
nilai error periode kedua dikosongkan karena ramalan pada periode
kedua tidak ada.
e3 = 2.686.768.353 − 2.499.485.063 = 187.283.290
e4 = 2.934.732.684 − 2.577.714.643 = 357.018.041
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
α = 0,3
nilai error periode pertama dikosongkan karena ramalan pada
periode pertama tidak ada.
nilai error periode kedua dikosongkan karena ramalan pada periode
kedua tidak ada.
dst. (Untuk
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
8. Menghitung nilai kuadrat kesalahan (error).
= 0,1
= nilai kuadrat error periode pertama dikosongkan karena ramalan pada
periode pertama tidak ada
= nilai kuadrat error periode kedua dikosongkan karena ramalan pada
periode kedua tidak ada.
= (203.864.608)2 = 41.560.778.558.085.400
Universitas Sumatera Utara
19
= (410.226.952)2 = 168.286.151.974.915.000
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
α = 0,2
= nilai kuadrat error periode pertama dikosongkan karena nilai error
pada periode pertama tidak ada.
nilai kuadrat error periode kedua dikosongkan karena nilai error
pada periode kedua tidak ada.
= (187.283.290)2 = 35.070.030.638.310.500
= (357.018.041)2 = 127.461.881.713.724.000
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
α = 0,3
= nilai kuadrat error periode pertama dikosongkan karena nilai error
pada periode pertama tidak ada.
nilai kuadrat error periode kedua dikosongkan karena nilai error
pada periode kedua tidak ada.
= (170.701.971)2 = 29.139.162.971.565.900
= (308.783.526)2 = 95.347.265.996.925.400
dst. (Untuk
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
Dengan perhitungan yang sama, untuk α = 0,4 sampai dengan α = 0,9 hasilnya
ditampilkan pada Tabel 3.5 sampai Tabel 3.10.
3.3
Penaksiran Model Peramalan
Dalam mengolah data pada Tabel 3.1, penulis menggunakan metode peramalan
yaitu dengan metode smoothing eksponensial satu parameter dari Brown. Untuk
memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang
akan datang, maka kita harus menentukan parameter dari nilai α terlebih dahulu
yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α
yang dipilih dari 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan
suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masingmasing elemen dalam sebuah susunan data dan kemudian dicoba dengan nilai α
yang lain.
Universitas Sumatera Utara
20
Untuk menghitung nilai MSE yaitu terlebih dahulu mencari error yang
merupakan hasil dari data asli dikurang hasil ramalan.
Lalu tiap error
dikuadratkan dan dibagi dengan banyaknya error.
Universitas Sumatera Utara
Tabel 3.2 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,1
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.474.613.085
2.467.151.492
2.482.074.679
829.066
-
-
-
2.686.768.353
2.495.828.612
2.470.019.204
2.521.638.020
2.867.712
2.482.903.745
203.864.608
41.560.778.558.085.400
2.934.732.684
2.539.719.019
2.476.989.185
2.602.448.853
6.969.982
2.524.505.732
410.226.952
168.286.151.974.915.000
3.015.459.439
2.587.293.061
2.488.019.573
2.686.566.549
11.030.388
2.609.418.835
406.040.604
164.868.972.436.134.000
3.317.639.094
2.660.327.665
2.505.250.382
2.815.404.947
17.230.809
2.697.596.937
620.042.157
384.452.276.460.312.000
3.531.333.729
2.747.428.271
2.529.468.171
2.965.388.371
24.217.789
2.832.635.756
698.697.973
488.178.857.510.528.000
4.159.259.769
2.888.611.421
2.565.382.496
3.211.840.345
35.914.325
2.989.606.160
1.169.653.609
1.368.089.565.689.170.000
4.360.477.995
3.035.798.078
2.612.424.054
3.459.172.102
47.041.558
3.247.754.670
1.112.723.325
1.238.153.196.982.780.000
4.388.722.350
3.171.090.505
2.668.290.699
3.673.890.311
55.866.645
3.506.213.660
882.508.690
778.821.587.335.226.000
4.551.872.318
3.309.168.687
2.732.378.498
3.885.958.875
64.087.799
3.729.756.956
822.115.362
675.873.667.643.717.000
5.308.285.054.590.870.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,1 dan N = 11
MSE =
482.571.368.599.170.000
21
Universitas Sumatera Utara
Tabel 3.3 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,2
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.482.903.745
2.469.638.690
2.496.168.799
3.316.264
-
-
-
2.686.768.353
2.523.676.666
2.480.446.285
2.566.907.048
10.807.595
2.499.485.063
187.283.290
35.075.030.638.310.500
2.934.732.684
2.605.887.870
2.505.534.602
2.706.241.138
25.088.317
2.577.714.643
357.018.041
127.461.881.713.724.000
3.015.459.439
2.687.802.184
2.541.988.118
2.833.616.249
36.453.516
2.731.329.455
284.129.984
80.729.848.026.052.000
3.317.639.094
2.813.769.566
2.596.344.408
3.031.194.724
54.356.289
2.870.069.765
447.569.329
200.318.303.967.904.000
3.531.333.729
2.957.282.398
2.668.532.006
3.246.032.791
72.187.598
3.085.551.013
445.782.716
198.722.229.767.933.000
4.159.259.769
3.197.677.873
2.774.361.179
3.620.994.566
105.829.173
3.318.220.389
841.039.380
707.347.238.779.789.000
4.360.477.995
3.430.237.897
2.905.536.523
3.954.939.271
131.175.344
3.726.823.739
633.654.256
401.517.716.031.837.000
4.388.722.350
3.621.934.788
3.048.816.176
4.195.053.399
143.279.653
4.086.114.615
302.607.735
91.571.441.420.096.800
4.551.872.318
3.807.922.294
3.200.637.399
4.415.207.188
151.821.224
4.338.333.052
213.539.266
45.599.017.946.004.000
1.888.342.708.291.650.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,2 dan N = 11
MSE =
171.667.518.935.604.000
22
Universitas Sumatera Utara
Tabel 3.4 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,3
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.491.194.404
2.473.784.019
2.508.604.788
7.461.593
-
-
-
2.686.768.353
2.549.866.589
2.496.608.790
2.603.124.387
22.824.771
2.516.066.382
170.701.971
29.139.162.971.565.900
2.934.732.684
2.665.326.417
2.547.224.078
2.783.428.756
50.615.288
2.625.949.158
308.783.526
95.347.265.996.925.400
3.015.459.439
2.770.366.324
2.614.166.752
2.926.565.896
66.942.674
2.834.044.044
181.415.395
32.911.545.421.820.700
3.317.639.094
2.934.548.155
2.710.281.173
3.158.815.137
96.114.421
2.993.508.569
324.130.525
105.060.597.067.256.000
3.531.333.729
3.113.583.827
2.831.271.969
3.395.895.685
120.990.796
3.254.929.558
276.404.171
76.399.265.883.051.000
4.159.259.769
3.427.286.610
3.010.076.361
3.844.496.858
178.804.392
3.516.886.481
642.373.288
412.643.440.653.791.000
4.360.477.995
3.707.244.025
3.219.226.660
4.195.261.390
209.150.299
4.023.301.250
337.176.745
113.688.157.209.177.000
4.388.722.350
3.911.687.523
3.426.964.919
4.396.410.126
207.738.259
4.404.411.689
-15.689.339
246.155.366.650.386
4.551.872.318
4.103.742.961
3.629.998.332
4.577.487.591
203.033.413
4.604.148.385
-52.276.067
2.732.787.171.422.340
868.168.377.741.659.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,3 dan N = 11
MSE =
78.924.397.976.514.500
23
Universitas Sumatera Utara
Tabel 3.5 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,4
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.499.485.063
2.479.587.481
2.519.382.646
13.265.055
-
-
-
2.686.768.353
2.574.398.379
2.517.511.840
2.631.284.918
37.924.359
2.532.647.700
154.120.653
23.753.175.557.850.200
2.934.732.684
2.718.532.101
2.597.919.945
2.839.144.258
80.408.104
2.669.209.277
265.523.407
70.502.679.473.711.000
3.015.459.439
2.837.303.036
2.693.673.181
2.980.932.891
95.753.237
2.919.552.362
95.907.077
9.198.167.424.821.990
3.317.639.094
3.029.437.459
2.827.978.892
3.230.896.026
134.305.711
3.076.686.128
240.952.966
58.058.331.847.328.600
3.531.333.729
3.230.195.967
2.988.865.722
3.471.526.212
160.886.830
3.365.201.737
166.131.992
27.599.838.608.421.200
4.159.259.769
3.601.821.488
3.234.048.029
3.969.594.947
245.182.306
3.632.413.042
526.846.727
277.567.473.807.528.000
4.360.477.995
3.905.284.091
3.502.542.453
4.308.025.728
268.494.425
4.214.777.253
145.700.742
21.228.706.078.146.300
4.388.722.350
4.098.659.394
3.740.989.230
4.456.329.559
238.446.776
4.576.520.153
-187.797.803
35.268.014.781.928.400
4.551.872.318
4.279.944.564
3.956.571.363
4.603.317.764
215.582.134
4.694.776.335
-142.904.017
20.421.558.203.541.500
543.597.945.783.278.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,4 dan N = 11
MSE =
49.417.995.071.207.000
24
Universitas Sumatera Utara
Tabel 3.6 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,5
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
-
-
-
2.549.229.019
2.507.775.723
2.487.049.074
2.528.502.371
20.726.648
2.686.768.353
2.597.272.038
2.542.160.556
2.652.383.520
55.111.482
2.549.229.019
137.539.334
18.917.068.397.163.600
2.934.732.684
2.766.002.361
2.654.081.458
2.877.923.263
111.920.902
2.707.495.001
227.237.683
51.636.964.461.589.600
3.015.459.439
2.890.730.900
2.772.406.179
3.009.055.621
118.324.721
2.989.844.166
25.615.273
656.142.223.672.165
3.317.639.094
3.104.184.997
2.938.295.588
3.270.074.406
165.889.409
3.127.380.341
190.258.753
36.198.392.926.638.600
3.531.333.729
3.317.759.363
3.128.027.476
3.507.491.250
189.731.887
3.435.963.815
95.369.914
9.095.420.544.052.350
4.159.259.769
3.738.509.566
3.433.268.521
4.043.750.611
305.241.045
3.697.223.138
462.036.631
213.477.848.486.901.000
4.360.477.995
4.049.493.780
3.741.381.151
4.357.606.410
308.112.630
4.348.991.656
11.486.339
131.935.973.213.426
4.388.722.350
4.219.108.065
3.980.244.608
4.457.971.523
238.863.457
4.665.719.040
-276.996.690
76.727.166.398.634.300
4.551.872.318
4.385.490.192
4.182.867.400
4.588.112.983
202.622.792
4.696.834.980
-144.962.662
21.014.173.335.620.500
427.855.112.747.485.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,5 dan N = 11
MSE =
38.895.919.340.680.500
25
Universitas Sumatera Utara
Tabel 3.7 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,6
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.516.066.382
2.496.168.799
2.535.963.964
29.846.373
-
-
-
2.686.768.353
2.618.487.565
2.569.560.059
2.667.415.071
73.391.259
2.565.810.338
120.958.015
14.630.841.489.506.800
2.934.732.684
2.808.234.636
2.712.764.805
2.903.704.467
143.204.747
2.740.806.330
193.926.354
37.607.430.946.388.700
3.015.459.439
2.932.569.518
2.844.647.633
3.020.491.403
131.882.828
3.046.909.214
-31.449.775
989.088.342.015.506
3.317.639.094
3.163.611.264
3.036.025.811
3.291.196.716
191.378.178
3.152.374.231
165.264.863
27.312.475.061.399.400
3.531.333.729
3.384.244.743
3.244.957.170
3.523.532.315
208.931.359
3.482.574.894
48.758.835
2.377.423.958.758.630
4.159.259.769
3.849.253.759
3.607.535.123
4.090.972.394
362.577.953
3.732.463.674
426.796.095
182.154.906.367.123.000
4.360.477.995
4.155.988.300
3.936.607.030
4.375.369.571
329.071.906
4.453.550.347
-93.072.352
8.662.462.681.979.850
4.388.722.350
4.295.628.730
4.152.020.050
4.439.237.410
215.413.020
4.704.441.478
-315.719.128
99.678.567.551.148.400
4.551.872.318
4.449.374.883
4.330.432.950
4.568.316.816
178.412.900
4.654.650.431
-102.778.113
10.563.340.471.750.100
383.976.536.870.071.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,6 dan N = 11
MSE =
34.906.957.897.279.200
26
Universitas Sumatera Utara
Tabel 3.8 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,7
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.524.357.041
2.506.946.657
2.541.767.426
40.624.231
-
-
-
2.686.768.353
2.638.044.959
2.598.715.469
2.677.374.450
91.768.812
2.582.391.656
104.376.697
10.894.494.834.879.000
2.934.732.684
2.845.726.367
2.771.623.097
2.919.829.636
172.907.629
2.769.143.262
165.589.422
27.419.856.582.252.500
3.015.459.439
2.964.539.517
2.906.664.591
3.022.414.443
135.041.494
3.092.737.265
-77.277.826
5.971.862.342.755.780
3.317.639.094
3.211.709.221
3.120.195.832
3.303.222.610
213.531.241
3.157.455.937
160.183.157
25.658.643.669.392.900
3.531.333.729
3.435.446.377
3.340.871.213
3.530.021.540
220.675.381
3.516.753.851
14.579.878
212.572.851.022.361
4.159.259.769
3.942.115.751
3.761.742.390
4.122.489.113
420.871.177
3.750.696.921
408.562.848
166.923.600.666.475.000
4.360.477.995
4.234.969.322
4.093.001.242
4.376.937.401
331.258.852
4.543.360.289
-182.882.294
33.445.933.575.492.400
4.388.722.350
4.342.596.442
4.267.717.882
4.417.475.001
174.716.640
4.708.196.254
-319.473.904
102.063.575.273.511.000
4.551.872.318
4.489.089.555
4.422.678.053
4.555.501.057
154.960.171
4.592.191.641
-40.319.323
1.625.647.795.215.220
374.216.187.590.997.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,7 dan N = 11
MSE =
34.019.653.417.363.400
27
Universitas Sumatera Utara
Tabel 3.9 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,8
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.532.647.700
2.519.382.646
2.545.912.755
53.060.220
-
-
-
2.686.768.353
2.655.944.222
2.628.631.907
2.683.256.538
109.249.262
2.598.972.975
87.795.378
7.708.028.433.280.920
2.934.732.684
2.878.974.992
2.828.906.375
2.929.043.609
200.274.468
2.792.505.799
142.226.885
20.228.486.691.644.000
3.015.459.439
2.988.162.550
2.956.311.315
3.020.013.784
127.404.940
3.129.318.076
-113.858.637
12.963.789.288.724.200
3.317.639.094
3.251.743.785
3.192.657.291
3.310.830.279
236.345.976
3.147.418.724
170.220.370
28.974.974.259.442.800
3.531.333.729
3.475.415.740
3.418.864.050
3.531.967.430
226.206.759
3.547.176.256
-15.842.527
250.985.650.004.525
4.159.259.769
4.022.490.963
3.901.765.581
4.143.216.346
482.901.530
3.758.174.189
401.085.580
160.869.642.131.288.000
4.360.477.995
4.292.880.589
4.214.657.587
4.371.103.590
312.892.006
4.626.117.876
-265.639.881
70.564.546.436.489.900
4.388.722.350
4.369.553.998
4.338.574.716
4.400.533.280
123.917.129
4.683.995.597
-295.273.247
87.186.290.173.461.500
4.551.872.318
4.515.408.654
4.480.041.866
4.550.775.442
141.467.151
4.524.450.408
27.421.910
751.961.125.767.955
389.498.704.190.104.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,8 dan N = 11
MSE =
35.408.973.108.191.300
28
Universitas Sumatera Utara
Tabel 3.10
Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,9
2.466.322.426
2.466.322.426
-
-
-
-
-
-
2.549.229.019
2.540.938.360
2.533.476.766
2.548.399.953
67.154.340
-
-
-
2.686.768.353
2.672.185.354
2.658.314.495
2.686.056.212
124.837.729
2.615.554.293
71.214.060
5.071.442.284.712.540
2.934.732.684
2.908.477.951
2.883.461.605
2.933.494.297
225.147.110
2.810.893.941
123.838.743
15.336.034.265.342.700
3.015.459.439
3.004.761.290
2.992.631.322
3.016.891.259
109.169.716
3.158.641.407
-143.181.968
20.501.075.959.779.800
3.317.639.094
3.286.351.314
3.256.979.314
3.315.723.313
264.347.993
3.126.060.975
191.578.119
36.702.175.668.274.300
3.531.333.729
3.506.835.487
3.481.849.870
3.531.821.105
224.870.556
3.580.071.306
-48.737.577
2.375.351.365.620.090
4.159.259.769
4.094.017.341
4.032.800.594
4.155.234.088
550.950.724
3.756.691.660
402.568.109
162.061.081.985.382.000
4.360.477.995
4.333.831.930
4.303.728.796
4.363.935.063
270.928.202
4.706.184.812
-345.706.817
119.513.202.997.879.000
4.388.722.350
4.383.233.308
4.375.282.857
4.391.183.759
71.554.061
4.634.863.265
-246.140.915
60.585.350.229.908.500
4.551.872.318
4.535.008.417
4.519.035.861
4.550.980.973
143.753.004
4.462.737.820
89.134.498
7.944.958.749.218.330
430.090.673.506.118.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,9 dan N = 11
MSE =
39.099.152.136.919.800
29
Universitas Sumatera Utara
30
Kemudian nilai-nilai MSE yang telah diperoleh dapat dilihat pada nilai α
yang memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan
metode peramalan nilai penjualan energi listrik di PT. PLN (Persero) Cabang
Medan dengan melihat MSE adalah sebagai berikut:
Tabel 3.11
Perbandingan Ukuran Ketepatan Metode Peramalan
α
MSE
0,1 482.571.368.599.170.000
0,2 171.667.518.935.604.000
0,3
78.924.397.976.514.500
0,4
49.417.995.071.207.000
0,5
38.895.919.340.680.500
0,6
34.906.957.897.279.200
0,7
34.019.653.417.363.400
0,8
35.408.973.108.191.300
0,9
39.099.152.136.919.800
Dari Tabel 3.11, MSE yang paling kecil terdapat pada α = 0,7 yaitu dengan MSE
= 34.019.653.417.363.400.
3.4
Penentuan Bentuk Persamaan Peramalan
Melalui cara trial and error dengan 0 < α < 1, telah diperoleh perhitungan
peramalan pemulusan eksponensial linier satu parameter dari Brown dengan α =
0,7, sehingga dapat ditentukan bentuk persamaan peramalan untuk periode
berikutnya.
Berdasarkan perhitungan pada α = 0,7, dapat diperoleh persamaan
peramalan untuk periode berikutnya yaitu dengan menggunakan persamaan (2.6)
sebagai berikut:
Universitas Sumatera Utara
31
3.5
Peramalan Banyaknya Energi Listrik yang Disalurkan Tahun 2016,
2017 dan 2018
Setelah diperoleh persamaan peramalan banyaknya energi listrik yang disalurkan,
maka dapat dihitung banyaknya energi listrik yang disalurkan untuk tiga periode
berikutnya, yaitu untuk tahun 2016, 2017 dan 2018 :
a. Untuk periode ke-12 (tahun 2016)
b. Untuk periode ke-13 (tahun 2017)
c. Untuk periode ke-14 (tahun 2018)
Tabel 3.12 Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN
(Persero) Cabang Medan Tahun 2016 sampai 2018
Tahun
Periode
Peramalan Banyaknya
Energi Listrik yang
Disalurkan
2016
12
4.710.461.228
2017
13
4.865.421.400
2018
14
5.020.383.571
Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi
listrik yang disalurkan adalah:
1.
Nilai Tengah Kesalahan (Mean Error) adalah:
N
ME
t 1
et
N
Universitas Sumatera Utara
32
=
2.
Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah:
N
e
MSE
2
t
t 1
N
=
= 34.019.653.417.363.400
3.
Nilai Tengah Kesalahan Absolut (Mean Absolute Error) adalah:
N
e
MAE
t
t 1
N
=
133.931.395
4.
Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage
Error) adalah:
N
MAPE
PE
t
t 1
N
=
= 3,64
5.
Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah:
N
MPE
PE
t
t 1
N
=
= 0,91
Universitas Sumatera Utara
33
6.
Jumlah Kuadrat Kesalahan (Sum Square Error) adalah:
N
SSE et2
t 1
374.216.187.590.997.000
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI SISTEM
4.1
Pengertian Implementasi Sistem
Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu
kecepatan, ketepatan dan keandalan. Terutama dalam pengolahan data yang
jumlahnya sangat besar dan rumit dikerjakan secara manual tentunya sangat
membutuhkan komputer untuk mengolah data. Di samping dapat dikerjakan
dengan cepat dan tepat, juga dapat mengurangi kesalahan perhitungan. Jadi,
implementasi sistem merupakan penerapan hasil desain tertulis ke dalam sebuah
tulisan
yang
mana
penulis
menggunakan
Microsoft
Excel
2007
untuk
menganalisis data banyaknya energi listrik yang disalurkan.
4.2
Pengenalan Microsoft Excel
Microsoft Excel adalah program lembar kerja atau spreadsheet. Program
Microsoft Excel merupakan salah satu program aplikasi Microsoft Office untuk
mengolah data perhitungan. Microsoft Excel dapat melakukan pengolahan data
secara cepat pada bidang matematika, akuntansi, statistik dan pada bidang lain
yang memerlukan perhitungan dengan cepat dan teliti. Selain Microsoft Excel,
dapat juga mengolah data statistik dengan software lainnya seperti SPSS dan
MINITAB.
Hasil pengolahan data statistik
menggunakan Microsoft Excel
mempunyai keakuratan dan ketelitian yang sama dengan program yang secara
khusus melakukan pengolahan data statistik.
Sheet atau lembar kerja Microsoft Excel terdiri dari 16.384 kolom dan
1.048.576 baris. Kolom diberi nama dengan huruf dari A, B, C sampai dengan Z,
lalu dilanjutkan dengan AA, AB, AC sampai kolom XFD. Sedangkan baris
ditandai dengan angka mulai dari 1,2,3 sampai dengan 1.048.576. Microsoft Excel
2007 hadir dengan tampilan yang lebih praktis dan mudah digunakan, juga
berintegrasi dengan berbagai software lain seperti Microsoft Word, Microsoft
Accses, dan Microsoft Powerpoint.
Universitas Sumatera Utara
35
4.3
Langkah-langkah Pengolahan Data
Cara memulai pengolahan data pada Microsoft Excel yaitu:
1.
Klik Start pada sudut kiri bawah layar desktop.
Gambar 4.1 Cara Mengaktifkan Microsoft Excel
2.
Klik All Program kemudian klik Microsoft Office dan pilih Microsoft Excel
2007. Maka akan muncul seperti Gambar 4.2.
Gambar 4.2 Tampilan Lembar Kerja Microsoft Excel
Universitas Sumatera Utara
36
3.
Masukkan (entry) data yang akan diolah seperti pada Gambar 4.3.
Gambar 4.3 Tampilan Pemasukan Data
4.
Olah data dengan memasukkan rumus.
Persamaan (2.2) untuk nilai α = 0,1 yaitu dengan memasukkan rumus
=0,1*B3+(1-0,1)*C2, kemudian melanjutkan rumus untuk baris selanjutnya
seperti pada Gambar 4.4.
Gambar 4.4 Tampilan Hasil Olah Data untuk Persamaan (2.2)
Persamaan (2.3) untuk nilai α = 0,1 yaitu dengan memasukkan rumus
=0,1*C3+(1-0,1)*D2, kemudian melanjutkan rumus untuk baris selanjutnya
seperti pada Gambar 4.5
Universitas Sumatera Utara
37
Gambar 4.5 Tampilan Hasil Olah Data untuk Persamaan (2.3)
Persamaan (2.4) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =2*C3D3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada
Gambar 4.6.
Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan (2.4)
Persamaan (2.5) untuk nilai α = 0,1 yaitu dengan memasukkan rumus
=0,1/(1-0,1)*(C3-D3) kemudian melanjutkan rumus untuk baris selanjutnya
seperti pada Gambar 4.7.
Universitas Sumatera Utara
38
Gambar 4.7 Tampilan Hasil Olah Data untuk Persamaan (2.5)
Persamaan (2.6) untuk nilai α = 0,1 yaitu dengan memasukkan rumus
=E3+F3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada
Gambar 4.8.
Gambar 4.8 Tampilan Hasil Olah Data untuk Persamaan (2.6)
Persamaan (2.7) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =B4G4, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada
Gambar 4.9.
Universitas Sumatera Utara
39
Gambar 4.9 Tampilan Hasil Olah Data untuk Persamaan (2.7)
Kuadratkan nilai et dengan rumus =H4^2 untuk baris dilanjutkan dengan
rumus seperti pada Gambar 4.10.
Gambar 4.10 Tampilan Hasil Kuadrat Persamaan (2.7)
4.4
Pembuatan Grafik
Microsoft Excel menyediakan fasilitas untuk membuat aneka bentuk grafik.
Langkah-langkah membuat grafik pada Microsoft Excel sebagai berikut:
1. Blok seluruh tabel yang akan dijadikan grafik, yaitu tahun dan data aktual
energi listrik yang disalurkan (kWh).
2. Pilih menu Insert, kemudian pilih line pada charts.
Universitas Sumatera Utara
40
3. Lalu pilih jenis chart yang diinginkan, yaitu line with markers.
4. Klik Design pada Chart Layouts pilih layout 3.
5. Pada Chart Title ubah menjadi Grafik Energi Listrik yang Disalurkan PT.
PLN Cabang Medan Tahun 2005-2015.
6. Klik kanan pada grafik yang telah muncul, pilih select data.
7. Kemudian akan muncul kotak dialog select data source.
8. Pada Horizontal (Category) Axis Labels diubah menjadi tahun 2005, 2006,
2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015.
9. Kemudian klik OK, maka akan muncul grafik seperti Gambar 4.11 berikut:
Gambar 4.11 Tampilan Output dari Tabel yang Dijadikan Grafik Energi Listrik
yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Berdasarkan hasil pengolahan data pada Bab 3, maka penulis mengambil
kesimpulan sebagai berikut:
a.
Dari hasil pengolahan data dalam meramalkan banyaknya energi listrik yang
disalurkan, maka penyaluran energi listrik PT. PLN (Persero) Cabang Medan
terus meningkat dari tahun ke tahun.
b.
Dari hasil pengolahan data tahun 2005 sampai 2015 untuk banyaknya energi
listrik yang disalurkan oleh PT. PLN (Persero) Cabang Medan dalam satuan
kWh dengan menggunakan metode smoothing eksponensial ganda dengan
metode linier satu parameter dari Brown, diperoleh nilai MSE terkecil yaitu
34.019.653.417.363.400 dengan α = 0,7.
c.
Bentuk persamaan peramalan banyaknya energi listrik yang disalurkan PT.
PLN (Persero) Cabang Medan dan hasil peramalan untuk 3 periode ke depan
berdasarkan data tahun 2005 sampai 2015 adalah:
Peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero)
Cabang Medan untuk tahun 2018 yakni periode ke-14 adalah sebesar
5.020.383.571 kWh.
5.2
Saran
Karena semakin bertambahnya penduduk, semakin banyak lapangan pekerjaan,
dan semakin berkembanya zaman, sehingga besar kemungkinan membutuhkan
energi listrik dalam kapasitas yang semakin besar dan berdasarkan hasil
peramalan energi listrik yang terus meningkat maka bagi pihak PT. PLN (Persero)
Cabang Medan supaya mempersiapkan dan menyediakan kapasitas energi listrik
bagi para pelanggan atau pengguna listrik untuk masa yang akan datang.
Universitas Sumatera Utara
PENGOLAHAN DATA
3.1
Pengertian Pengolahan Data
Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data
kuantitatif
menjadi
suatu
penyajian
yang
lebih
mudah
dimengerti
dan
menguraikan suatu masalah secara keseluruhan. Data yang diolah penulis adalah
data per tahun dari banyaknya energi listrik yang disalurkan PT. PLN (Persero)
Cabang Medan yang dimulai dari tahun 2005 sampai 2015. Metode yang
digunakan
untuk
mengolah
data
adalah
metode
peramalan
smoothing
eksponensial ganda yaitu metode linier satu parameter dari Brown.
3.2
Pengolahan Data dengan Metode Smoothing Eksponensial Ganda:
Metode Linier Satu Parameter dari Brown
Tabel 3.1
Data Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun
2005 sampai 2015
Energi yang
Periode
Tahun
Disalurkan
(kWh)
1
2005
2.466.322.426
2
2006
2.549.229.019
3
2007
2.686.768.353
4
2008
2.934.732.684
5
2009
3.015.459.439
6
2010
3.317.639.094
7
2011
3.531.333.729
8
2012
4.159.259.769
9
2013
4.360.477.995
10
2014
4.388.722.350
11
2015
4.551.872.318
Universitas Sumatera Utara
13
Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005
sampai 2015 sebagai berikut:
Grafik Energi Listrik yang Disalurkan PT. PLN
Cabang Medan Tahun 2005-2015
5000000000
4000000000
3000000000
2000000000
1000000000
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Tahun
Energi yang Disalurkan
Gambar 3.1 Tampilan Grafik Energi Listrik yang Disalurkan PT. PLN Cabang
Medan Tahun 2005 sampai 2015
Langkah-langkah
menggunakan
untuk
metode
menentukan
pemulusan
bentuk
persamaan
eksponensial
ganda:
peramalan
metode
dengan
linier
satu
parameter dari Brown adalah:
1.
Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0
< α < 1.
2.
Menghitung harga smoothing eksponensial tunggal menggunakan Persamaan
(2.2):
St =
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
Universitas Sumatera Utara
14
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
dst. (Untuk
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
Menghitung
harga
3.
smoothing
eksponensial
ganda
menggunakan
Persamaan (2.3):
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
Universitas Sumatera Utara
15
α = 0,3
=
dst. (Untuk
4.
sampai
at
Menghitung koefisien
pada α = 0,3 dapat dilihat pada Tabel 3.4)
dan
bt
menggunakan Persamaan (2.4) dan
Persamaan (2.5):
at = St ( St St ) 2St St
bt =
( St St )
1
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
=
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
Universitas Sumatera Utara
16
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
dst. (Untuk
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
nilai konstanta pada periode pertama dikosongkan karena nilai
eksponensial tunggal dan eksponensial ganda pada periode pertama
mempunyai nilai yang sama.
Universitas Sumatera Utara
17
dst. (Untuk
5.
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
Menghitung trend peramalan Ft m menggunakan Persamaan (2.6):
Ft m = at bt m
nilai ramalan pertama dikosongkan karena nilai konstanta smoothing
sebelum periode pertama tidak ada.
nilai ramalan kedua dikosongkan karena nilai konstanta smoothing
periode pertama tidak ada.
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
nilai ramalan pertama dikosongkan karena nilai konstanta smoothing
sebelum periode pertama tidak ada.
nilai ramalan kedua dikosongkan karena nilai konstanta smoothing
periode pertama tidak ada.
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
nilai ramalan pertama dikosongkan karena nilai konstanta smoothing
sebelum periode pertama tidak ada.
nilai ramalan kedua dikosongkan karena nilai konstanta smoothing
periode pertama tidak ada.
dst. (Untuk
6.
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
Menghitung nilai kesalahan (error) menggunakan Persamaan (2.7).
Universitas Sumatera Utara
18
α = 0,1
nilai error periode pertama dikosongkan karena ramalan pada
periode pertama tidak ada.
nilai error periode kedua dikosongkan karena ramalan pada periode
kedua tidak ada.
2.686.768.353 − 2.482.903.745 = 203.864.608
2.934.732.684 − 2.524.505.732 = 410.226.952
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
α = 0,2
nilai error periode pertama dikosongkan karena ramalan pada
periode pertama tidak ada.
nilai error periode kedua dikosongkan karena ramalan pada periode
kedua tidak ada.
e3 = 2.686.768.353 − 2.499.485.063 = 187.283.290
e4 = 2.934.732.684 − 2.577.714.643 = 357.018.041
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
α = 0,3
nilai error periode pertama dikosongkan karena ramalan pada
periode pertama tidak ada.
nilai error periode kedua dikosongkan karena ramalan pada periode
kedua tidak ada.
dst. (Untuk
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
8. Menghitung nilai kuadrat kesalahan (error).
= 0,1
= nilai kuadrat error periode pertama dikosongkan karena ramalan pada
periode pertama tidak ada
= nilai kuadrat error periode kedua dikosongkan karena ramalan pada
periode kedua tidak ada.
= (203.864.608)2 = 41.560.778.558.085.400
Universitas Sumatera Utara
19
= (410.226.952)2 = 168.286.151.974.915.000
dst. (Untuk
sampai
pada α = 0,1 dapat dilihat pada Tabel 3.2)
α = 0,2
= nilai kuadrat error periode pertama dikosongkan karena nilai error
pada periode pertama tidak ada.
nilai kuadrat error periode kedua dikosongkan karena nilai error
pada periode kedua tidak ada.
= (187.283.290)2 = 35.070.030.638.310.500
= (357.018.041)2 = 127.461.881.713.724.000
dst. (Untuk
sampai
pada α = 0,2 dapat dilihat pada Tabel 3.3)
α = 0,3
= nilai kuadrat error periode pertama dikosongkan karena nilai error
pada periode pertama tidak ada.
nilai kuadrat error periode kedua dikosongkan karena nilai error
pada periode kedua tidak ada.
= (170.701.971)2 = 29.139.162.971.565.900
= (308.783.526)2 = 95.347.265.996.925.400
dst. (Untuk
sampai
pada α = 0,3 dapat dilihat pada Tabel 3.4)
Dengan perhitungan yang sama, untuk α = 0,4 sampai dengan α = 0,9 hasilnya
ditampilkan pada Tabel 3.5 sampai Tabel 3.10.
3.3
Penaksiran Model Peramalan
Dalam mengolah data pada Tabel 3.1, penulis menggunakan metode peramalan
yaitu dengan metode smoothing eksponensial satu parameter dari Brown. Untuk
memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang
akan datang, maka kita harus menentukan parameter dari nilai α terlebih dahulu
yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α
yang dipilih dari 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan
suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masingmasing elemen dalam sebuah susunan data dan kemudian dicoba dengan nilai α
yang lain.
Universitas Sumatera Utara
20
Untuk menghitung nilai MSE yaitu terlebih dahulu mencari error yang
merupakan hasil dari data asli dikurang hasil ramalan.
Lalu tiap error
dikuadratkan dan dibagi dengan banyaknya error.
Universitas Sumatera Utara
Tabel 3.2 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,1
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.474.613.085
2.467.151.492
2.482.074.679
829.066
-
-
-
2.686.768.353
2.495.828.612
2.470.019.204
2.521.638.020
2.867.712
2.482.903.745
203.864.608
41.560.778.558.085.400
2.934.732.684
2.539.719.019
2.476.989.185
2.602.448.853
6.969.982
2.524.505.732
410.226.952
168.286.151.974.915.000
3.015.459.439
2.587.293.061
2.488.019.573
2.686.566.549
11.030.388
2.609.418.835
406.040.604
164.868.972.436.134.000
3.317.639.094
2.660.327.665
2.505.250.382
2.815.404.947
17.230.809
2.697.596.937
620.042.157
384.452.276.460.312.000
3.531.333.729
2.747.428.271
2.529.468.171
2.965.388.371
24.217.789
2.832.635.756
698.697.973
488.178.857.510.528.000
4.159.259.769
2.888.611.421
2.565.382.496
3.211.840.345
35.914.325
2.989.606.160
1.169.653.609
1.368.089.565.689.170.000
4.360.477.995
3.035.798.078
2.612.424.054
3.459.172.102
47.041.558
3.247.754.670
1.112.723.325
1.238.153.196.982.780.000
4.388.722.350
3.171.090.505
2.668.290.699
3.673.890.311
55.866.645
3.506.213.660
882.508.690
778.821.587.335.226.000
4.551.872.318
3.309.168.687
2.732.378.498
3.885.958.875
64.087.799
3.729.756.956
822.115.362
675.873.667.643.717.000
5.308.285.054.590.870.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,1 dan N = 11
MSE =
482.571.368.599.170.000
21
Universitas Sumatera Utara
Tabel 3.3 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,2
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.482.903.745
2.469.638.690
2.496.168.799
3.316.264
-
-
-
2.686.768.353
2.523.676.666
2.480.446.285
2.566.907.048
10.807.595
2.499.485.063
187.283.290
35.075.030.638.310.500
2.934.732.684
2.605.887.870
2.505.534.602
2.706.241.138
25.088.317
2.577.714.643
357.018.041
127.461.881.713.724.000
3.015.459.439
2.687.802.184
2.541.988.118
2.833.616.249
36.453.516
2.731.329.455
284.129.984
80.729.848.026.052.000
3.317.639.094
2.813.769.566
2.596.344.408
3.031.194.724
54.356.289
2.870.069.765
447.569.329
200.318.303.967.904.000
3.531.333.729
2.957.282.398
2.668.532.006
3.246.032.791
72.187.598
3.085.551.013
445.782.716
198.722.229.767.933.000
4.159.259.769
3.197.677.873
2.774.361.179
3.620.994.566
105.829.173
3.318.220.389
841.039.380
707.347.238.779.789.000
4.360.477.995
3.430.237.897
2.905.536.523
3.954.939.271
131.175.344
3.726.823.739
633.654.256
401.517.716.031.837.000
4.388.722.350
3.621.934.788
3.048.816.176
4.195.053.399
143.279.653
4.086.114.615
302.607.735
91.571.441.420.096.800
4.551.872.318
3.807.922.294
3.200.637.399
4.415.207.188
151.821.224
4.338.333.052
213.539.266
45.599.017.946.004.000
1.888.342.708.291.650.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,2 dan N = 11
MSE =
171.667.518.935.604.000
22
Universitas Sumatera Utara
Tabel 3.4 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,3
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.491.194.404
2.473.784.019
2.508.604.788
7.461.593
-
-
-
2.686.768.353
2.549.866.589
2.496.608.790
2.603.124.387
22.824.771
2.516.066.382
170.701.971
29.139.162.971.565.900
2.934.732.684
2.665.326.417
2.547.224.078
2.783.428.756
50.615.288
2.625.949.158
308.783.526
95.347.265.996.925.400
3.015.459.439
2.770.366.324
2.614.166.752
2.926.565.896
66.942.674
2.834.044.044
181.415.395
32.911.545.421.820.700
3.317.639.094
2.934.548.155
2.710.281.173
3.158.815.137
96.114.421
2.993.508.569
324.130.525
105.060.597.067.256.000
3.531.333.729
3.113.583.827
2.831.271.969
3.395.895.685
120.990.796
3.254.929.558
276.404.171
76.399.265.883.051.000
4.159.259.769
3.427.286.610
3.010.076.361
3.844.496.858
178.804.392
3.516.886.481
642.373.288
412.643.440.653.791.000
4.360.477.995
3.707.244.025
3.219.226.660
4.195.261.390
209.150.299
4.023.301.250
337.176.745
113.688.157.209.177.000
4.388.722.350
3.911.687.523
3.426.964.919
4.396.410.126
207.738.259
4.404.411.689
-15.689.339
246.155.366.650.386
4.551.872.318
4.103.742.961
3.629.998.332
4.577.487.591
203.033.413
4.604.148.385
-52.276.067
2.732.787.171.422.340
868.168.377.741.659.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,3 dan N = 11
MSE =
78.924.397.976.514.500
23
Universitas Sumatera Utara
Tabel 3.5 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,4
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.499.485.063
2.479.587.481
2.519.382.646
13.265.055
-
-
-
2.686.768.353
2.574.398.379
2.517.511.840
2.631.284.918
37.924.359
2.532.647.700
154.120.653
23.753.175.557.850.200
2.934.732.684
2.718.532.101
2.597.919.945
2.839.144.258
80.408.104
2.669.209.277
265.523.407
70.502.679.473.711.000
3.015.459.439
2.837.303.036
2.693.673.181
2.980.932.891
95.753.237
2.919.552.362
95.907.077
9.198.167.424.821.990
3.317.639.094
3.029.437.459
2.827.978.892
3.230.896.026
134.305.711
3.076.686.128
240.952.966
58.058.331.847.328.600
3.531.333.729
3.230.195.967
2.988.865.722
3.471.526.212
160.886.830
3.365.201.737
166.131.992
27.599.838.608.421.200
4.159.259.769
3.601.821.488
3.234.048.029
3.969.594.947
245.182.306
3.632.413.042
526.846.727
277.567.473.807.528.000
4.360.477.995
3.905.284.091
3.502.542.453
4.308.025.728
268.494.425
4.214.777.253
145.700.742
21.228.706.078.146.300
4.388.722.350
4.098.659.394
3.740.989.230
4.456.329.559
238.446.776
4.576.520.153
-187.797.803
35.268.014.781.928.400
4.551.872.318
4.279.944.564
3.956.571.363
4.603.317.764
215.582.134
4.694.776.335
-142.904.017
20.421.558.203.541.500
543.597.945.783.278.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,4 dan N = 11
MSE =
49.417.995.071.207.000
24
Universitas Sumatera Utara
Tabel 3.6 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,5
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
-
-
-
2.549.229.019
2.507.775.723
2.487.049.074
2.528.502.371
20.726.648
2.686.768.353
2.597.272.038
2.542.160.556
2.652.383.520
55.111.482
2.549.229.019
137.539.334
18.917.068.397.163.600
2.934.732.684
2.766.002.361
2.654.081.458
2.877.923.263
111.920.902
2.707.495.001
227.237.683
51.636.964.461.589.600
3.015.459.439
2.890.730.900
2.772.406.179
3.009.055.621
118.324.721
2.989.844.166
25.615.273
656.142.223.672.165
3.317.639.094
3.104.184.997
2.938.295.588
3.270.074.406
165.889.409
3.127.380.341
190.258.753
36.198.392.926.638.600
3.531.333.729
3.317.759.363
3.128.027.476
3.507.491.250
189.731.887
3.435.963.815
95.369.914
9.095.420.544.052.350
4.159.259.769
3.738.509.566
3.433.268.521
4.043.750.611
305.241.045
3.697.223.138
462.036.631
213.477.848.486.901.000
4.360.477.995
4.049.493.780
3.741.381.151
4.357.606.410
308.112.630
4.348.991.656
11.486.339
131.935.973.213.426
4.388.722.350
4.219.108.065
3.980.244.608
4.457.971.523
238.863.457
4.665.719.040
-276.996.690
76.727.166.398.634.300
4.551.872.318
4.385.490.192
4.182.867.400
4.588.112.983
202.622.792
4.696.834.980
-144.962.662
21.014.173.335.620.500
427.855.112.747.485.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,5 dan N = 11
MSE =
38.895.919.340.680.500
25
Universitas Sumatera Utara
Tabel 3.7 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,6
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.516.066.382
2.496.168.799
2.535.963.964
29.846.373
-
-
-
2.686.768.353
2.618.487.565
2.569.560.059
2.667.415.071
73.391.259
2.565.810.338
120.958.015
14.630.841.489.506.800
2.934.732.684
2.808.234.636
2.712.764.805
2.903.704.467
143.204.747
2.740.806.330
193.926.354
37.607.430.946.388.700
3.015.459.439
2.932.569.518
2.844.647.633
3.020.491.403
131.882.828
3.046.909.214
-31.449.775
989.088.342.015.506
3.317.639.094
3.163.611.264
3.036.025.811
3.291.196.716
191.378.178
3.152.374.231
165.264.863
27.312.475.061.399.400
3.531.333.729
3.384.244.743
3.244.957.170
3.523.532.315
208.931.359
3.482.574.894
48.758.835
2.377.423.958.758.630
4.159.259.769
3.849.253.759
3.607.535.123
4.090.972.394
362.577.953
3.732.463.674
426.796.095
182.154.906.367.123.000
4.360.477.995
4.155.988.300
3.936.607.030
4.375.369.571
329.071.906
4.453.550.347
-93.072.352
8.662.462.681.979.850
4.388.722.350
4.295.628.730
4.152.020.050
4.439.237.410
215.413.020
4.704.441.478
-315.719.128
99.678.567.551.148.400
4.551.872.318
4.449.374.883
4.330.432.950
4.568.316.816
178.412.900
4.654.650.431
-102.778.113
10.563.340.471.750.100
383.976.536.870.071.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,6 dan N = 11
MSE =
34.906.957.897.279.200
26
Universitas Sumatera Utara
Tabel 3.8 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,7
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.524.357.041
2.506.946.657
2.541.767.426
40.624.231
-
-
-
2.686.768.353
2.638.044.959
2.598.715.469
2.677.374.450
91.768.812
2.582.391.656
104.376.697
10.894.494.834.879.000
2.934.732.684
2.845.726.367
2.771.623.097
2.919.829.636
172.907.629
2.769.143.262
165.589.422
27.419.856.582.252.500
3.015.459.439
2.964.539.517
2.906.664.591
3.022.414.443
135.041.494
3.092.737.265
-77.277.826
5.971.862.342.755.780
3.317.639.094
3.211.709.221
3.120.195.832
3.303.222.610
213.531.241
3.157.455.937
160.183.157
25.658.643.669.392.900
3.531.333.729
3.435.446.377
3.340.871.213
3.530.021.540
220.675.381
3.516.753.851
14.579.878
212.572.851.022.361
4.159.259.769
3.942.115.751
3.761.742.390
4.122.489.113
420.871.177
3.750.696.921
408.562.848
166.923.600.666.475.000
4.360.477.995
4.234.969.322
4.093.001.242
4.376.937.401
331.258.852
4.543.360.289
-182.882.294
33.445.933.575.492.400
4.388.722.350
4.342.596.442
4.267.717.882
4.417.475.001
174.716.640
4.708.196.254
-319.473.904
102.063.575.273.511.000
4.551.872.318
4.489.089.555
4.422.678.053
4.555.501.057
154.960.171
4.592.191.641
-40.319.323
1.625.647.795.215.220
374.216.187.590.997.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,7 dan N = 11
MSE =
34.019.653.417.363.400
27
Universitas Sumatera Utara
Tabel 3.9 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,8
2.466.322.426
2.466.322.426
2.466.322.426
-
-
-
-
-
2.549.229.019
2.532.647.700
2.519.382.646
2.545.912.755
53.060.220
-
-
-
2.686.768.353
2.655.944.222
2.628.631.907
2.683.256.538
109.249.262
2.598.972.975
87.795.378
7.708.028.433.280.920
2.934.732.684
2.878.974.992
2.828.906.375
2.929.043.609
200.274.468
2.792.505.799
142.226.885
20.228.486.691.644.000
3.015.459.439
2.988.162.550
2.956.311.315
3.020.013.784
127.404.940
3.129.318.076
-113.858.637
12.963.789.288.724.200
3.317.639.094
3.251.743.785
3.192.657.291
3.310.830.279
236.345.976
3.147.418.724
170.220.370
28.974.974.259.442.800
3.531.333.729
3.475.415.740
3.418.864.050
3.531.967.430
226.206.759
3.547.176.256
-15.842.527
250.985.650.004.525
4.159.259.769
4.022.490.963
3.901.765.581
4.143.216.346
482.901.530
3.758.174.189
401.085.580
160.869.642.131.288.000
4.360.477.995
4.292.880.589
4.214.657.587
4.371.103.590
312.892.006
4.626.117.876
-265.639.881
70.564.546.436.489.900
4.388.722.350
4.369.553.998
4.338.574.716
4.400.533.280
123.917.129
4.683.995.597
-295.273.247
87.186.290.173.461.500
4.551.872.318
4.515.408.654
4.480.041.866
4.550.775.442
141.467.151
4.524.450.408
27.421.910
751.961.125.767.955
389.498.704.190.104.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,8 dan N = 11
MSE =
35.408.973.108.191.300
28
Universitas Sumatera Utara
Tabel 3.10
Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing
Eksponensial Ganda Linier dari Brown dengan α = 0,9
2.466.322.426
2.466.322.426
-
-
-
-
-
-
2.549.229.019
2.540.938.360
2.533.476.766
2.548.399.953
67.154.340
-
-
-
2.686.768.353
2.672.185.354
2.658.314.495
2.686.056.212
124.837.729
2.615.554.293
71.214.060
5.071.442.284.712.540
2.934.732.684
2.908.477.951
2.883.461.605
2.933.494.297
225.147.110
2.810.893.941
123.838.743
15.336.034.265.342.700
3.015.459.439
3.004.761.290
2.992.631.322
3.016.891.259
109.169.716
3.158.641.407
-143.181.968
20.501.075.959.779.800
3.317.639.094
3.286.351.314
3.256.979.314
3.315.723.313
264.347.993
3.126.060.975
191.578.119
36.702.175.668.274.300
3.531.333.729
3.506.835.487
3.481.849.870
3.531.821.105
224.870.556
3.580.071.306
-48.737.577
2.375.351.365.620.090
4.159.259.769
4.094.017.341
4.032.800.594
4.155.234.088
550.950.724
3.756.691.660
402.568.109
162.061.081.985.382.000
4.360.477.995
4.333.831.930
4.303.728.796
4.363.935.063
270.928.202
4.706.184.812
-345.706.817
119.513.202.997.879.000
4.388.722.350
4.383.233.308
4.375.282.857
4.391.183.759
71.554.061
4.634.863.265
-246.140.915
60.585.350.229.908.500
4.551.872.318
4.535.008.417
4.519.035.861
4.550.980.973
143.753.004
4.462.737.820
89.134.498
7.944.958.749.218.330
430.090.673.506.118.000
Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,9 dan N = 11
MSE =
39.099.152.136.919.800
29
Universitas Sumatera Utara
30
Kemudian nilai-nilai MSE yang telah diperoleh dapat dilihat pada nilai α
yang memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan
metode peramalan nilai penjualan energi listrik di PT. PLN (Persero) Cabang
Medan dengan melihat MSE adalah sebagai berikut:
Tabel 3.11
Perbandingan Ukuran Ketepatan Metode Peramalan
α
MSE
0,1 482.571.368.599.170.000
0,2 171.667.518.935.604.000
0,3
78.924.397.976.514.500
0,4
49.417.995.071.207.000
0,5
38.895.919.340.680.500
0,6
34.906.957.897.279.200
0,7
34.019.653.417.363.400
0,8
35.408.973.108.191.300
0,9
39.099.152.136.919.800
Dari Tabel 3.11, MSE yang paling kecil terdapat pada α = 0,7 yaitu dengan MSE
= 34.019.653.417.363.400.
3.4
Penentuan Bentuk Persamaan Peramalan
Melalui cara trial and error dengan 0 < α < 1, telah diperoleh perhitungan
peramalan pemulusan eksponensial linier satu parameter dari Brown dengan α =
0,7, sehingga dapat ditentukan bentuk persamaan peramalan untuk periode
berikutnya.
Berdasarkan perhitungan pada α = 0,7, dapat diperoleh persamaan
peramalan untuk periode berikutnya yaitu dengan menggunakan persamaan (2.6)
sebagai berikut:
Universitas Sumatera Utara
31
3.5
Peramalan Banyaknya Energi Listrik yang Disalurkan Tahun 2016,
2017 dan 2018
Setelah diperoleh persamaan peramalan banyaknya energi listrik yang disalurkan,
maka dapat dihitung banyaknya energi listrik yang disalurkan untuk tiga periode
berikutnya, yaitu untuk tahun 2016, 2017 dan 2018 :
a. Untuk periode ke-12 (tahun 2016)
b. Untuk periode ke-13 (tahun 2017)
c. Untuk periode ke-14 (tahun 2018)
Tabel 3.12 Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN
(Persero) Cabang Medan Tahun 2016 sampai 2018
Tahun
Periode
Peramalan Banyaknya
Energi Listrik yang
Disalurkan
2016
12
4.710.461.228
2017
13
4.865.421.400
2018
14
5.020.383.571
Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi
listrik yang disalurkan adalah:
1.
Nilai Tengah Kesalahan (Mean Error) adalah:
N
ME
t 1
et
N
Universitas Sumatera Utara
32
=
2.
Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah:
N
e
MSE
2
t
t 1
N
=
= 34.019.653.417.363.400
3.
Nilai Tengah Kesalahan Absolut (Mean Absolute Error) adalah:
N
e
MAE
t
t 1
N
=
133.931.395
4.
Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage
Error) adalah:
N
MAPE
PE
t
t 1
N
=
= 3,64
5.
Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah:
N
MPE
PE
t
t 1
N
=
= 0,91
Universitas Sumatera Utara
33
6.
Jumlah Kuadrat Kesalahan (Sum Square Error) adalah:
N
SSE et2
t 1
374.216.187.590.997.000
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI SISTEM
4.1
Pengertian Implementasi Sistem
Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu
kecepatan, ketepatan dan keandalan. Terutama dalam pengolahan data yang
jumlahnya sangat besar dan rumit dikerjakan secara manual tentunya sangat
membutuhkan komputer untuk mengolah data. Di samping dapat dikerjakan
dengan cepat dan tepat, juga dapat mengurangi kesalahan perhitungan. Jadi,
implementasi sistem merupakan penerapan hasil desain tertulis ke dalam sebuah
tulisan
yang
mana
penulis
menggunakan
Microsoft
Excel
2007
untuk
menganalisis data banyaknya energi listrik yang disalurkan.
4.2
Pengenalan Microsoft Excel
Microsoft Excel adalah program lembar kerja atau spreadsheet. Program
Microsoft Excel merupakan salah satu program aplikasi Microsoft Office untuk
mengolah data perhitungan. Microsoft Excel dapat melakukan pengolahan data
secara cepat pada bidang matematika, akuntansi, statistik dan pada bidang lain
yang memerlukan perhitungan dengan cepat dan teliti. Selain Microsoft Excel,
dapat juga mengolah data statistik dengan software lainnya seperti SPSS dan
MINITAB.
Hasil pengolahan data statistik
menggunakan Microsoft Excel
mempunyai keakuratan dan ketelitian yang sama dengan program yang secara
khusus melakukan pengolahan data statistik.
Sheet atau lembar kerja Microsoft Excel terdiri dari 16.384 kolom dan
1.048.576 baris. Kolom diberi nama dengan huruf dari A, B, C sampai dengan Z,
lalu dilanjutkan dengan AA, AB, AC sampai kolom XFD. Sedangkan baris
ditandai dengan angka mulai dari 1,2,3 sampai dengan 1.048.576. Microsoft Excel
2007 hadir dengan tampilan yang lebih praktis dan mudah digunakan, juga
berintegrasi dengan berbagai software lain seperti Microsoft Word, Microsoft
Accses, dan Microsoft Powerpoint.
Universitas Sumatera Utara
35
4.3
Langkah-langkah Pengolahan Data
Cara memulai pengolahan data pada Microsoft Excel yaitu:
1.
Klik Start pada sudut kiri bawah layar desktop.
Gambar 4.1 Cara Mengaktifkan Microsoft Excel
2.
Klik All Program kemudian klik Microsoft Office dan pilih Microsoft Excel
2007. Maka akan muncul seperti Gambar 4.2.
Gambar 4.2 Tampilan Lembar Kerja Microsoft Excel
Universitas Sumatera Utara
36
3.
Masukkan (entry) data yang akan diolah seperti pada Gambar 4.3.
Gambar 4.3 Tampilan Pemasukan Data
4.
Olah data dengan memasukkan rumus.
Persamaan (2.2) untuk nilai α = 0,1 yaitu dengan memasukkan rumus
=0,1*B3+(1-0,1)*C2, kemudian melanjutkan rumus untuk baris selanjutnya
seperti pada Gambar 4.4.
Gambar 4.4 Tampilan Hasil Olah Data untuk Persamaan (2.2)
Persamaan (2.3) untuk nilai α = 0,1 yaitu dengan memasukkan rumus
=0,1*C3+(1-0,1)*D2, kemudian melanjutkan rumus untuk baris selanjutnya
seperti pada Gambar 4.5
Universitas Sumatera Utara
37
Gambar 4.5 Tampilan Hasil Olah Data untuk Persamaan (2.3)
Persamaan (2.4) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =2*C3D3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada
Gambar 4.6.
Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan (2.4)
Persamaan (2.5) untuk nilai α = 0,1 yaitu dengan memasukkan rumus
=0,1/(1-0,1)*(C3-D3) kemudian melanjutkan rumus untuk baris selanjutnya
seperti pada Gambar 4.7.
Universitas Sumatera Utara
38
Gambar 4.7 Tampilan Hasil Olah Data untuk Persamaan (2.5)
Persamaan (2.6) untuk nilai α = 0,1 yaitu dengan memasukkan rumus
=E3+F3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada
Gambar 4.8.
Gambar 4.8 Tampilan Hasil Olah Data untuk Persamaan (2.6)
Persamaan (2.7) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =B4G4, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada
Gambar 4.9.
Universitas Sumatera Utara
39
Gambar 4.9 Tampilan Hasil Olah Data untuk Persamaan (2.7)
Kuadratkan nilai et dengan rumus =H4^2 untuk baris dilanjutkan dengan
rumus seperti pada Gambar 4.10.
Gambar 4.10 Tampilan Hasil Kuadrat Persamaan (2.7)
4.4
Pembuatan Grafik
Microsoft Excel menyediakan fasilitas untuk membuat aneka bentuk grafik.
Langkah-langkah membuat grafik pada Microsoft Excel sebagai berikut:
1. Blok seluruh tabel yang akan dijadikan grafik, yaitu tahun dan data aktual
energi listrik yang disalurkan (kWh).
2. Pilih menu Insert, kemudian pilih line pada charts.
Universitas Sumatera Utara
40
3. Lalu pilih jenis chart yang diinginkan, yaitu line with markers.
4. Klik Design pada Chart Layouts pilih layout 3.
5. Pada Chart Title ubah menjadi Grafik Energi Listrik yang Disalurkan PT.
PLN Cabang Medan Tahun 2005-2015.
6. Klik kanan pada grafik yang telah muncul, pilih select data.
7. Kemudian akan muncul kotak dialog select data source.
8. Pada Horizontal (Category) Axis Labels diubah menjadi tahun 2005, 2006,
2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015.
9. Kemudian klik OK, maka akan muncul grafik seperti Gambar 4.11 berikut:
Gambar 4.11 Tampilan Output dari Tabel yang Dijadikan Grafik Energi Listrik
yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Berdasarkan hasil pengolahan data pada Bab 3, maka penulis mengambil
kesimpulan sebagai berikut:
a.
Dari hasil pengolahan data dalam meramalkan banyaknya energi listrik yang
disalurkan, maka penyaluran energi listrik PT. PLN (Persero) Cabang Medan
terus meningkat dari tahun ke tahun.
b.
Dari hasil pengolahan data tahun 2005 sampai 2015 untuk banyaknya energi
listrik yang disalurkan oleh PT. PLN (Persero) Cabang Medan dalam satuan
kWh dengan menggunakan metode smoothing eksponensial ganda dengan
metode linier satu parameter dari Brown, diperoleh nilai MSE terkecil yaitu
34.019.653.417.363.400 dengan α = 0,7.
c.
Bentuk persamaan peramalan banyaknya energi listrik yang disalurkan PT.
PLN (Persero) Cabang Medan dan hasil peramalan untuk 3 periode ke depan
berdasarkan data tahun 2005 sampai 2015 adalah:
Peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero)
Cabang Medan untuk tahun 2018 yakni periode ke-14 adalah sebesar
5.020.383.571 kWh.
5.2
Saran
Karena semakin bertambahnya penduduk, semakin banyak lapangan pekerjaan,
dan semakin berkembanya zaman, sehingga besar kemungkinan membutuhkan
energi listrik dalam kapasitas yang semakin besar dan berdasarkan hasil
peramalan energi listrik yang terus meningkat maka bagi pihak PT. PLN (Persero)
Cabang Medan supaya mempersiapkan dan menyediakan kapasitas energi listrik
bagi para pelanggan atau pengguna listrik untuk masa yang akan datang.
Universitas Sumatera Utara