Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial

(1)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

PERAMALAN PELANGGAN GAS 5 PERIODE KE DEPAN

DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN

METODE SMOOTHING EKSPONENSIAL

TUGAS AKHIR

RAINI MANURUNG

052407053

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2008

(2)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

PERAMALAN PELANGGAN GAS 5 PERIODE KE DEPAN

DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN

METODE SMOOTHING EKSPONENSIAL

TUGAS AKHIR

Diajukan untuk melengkapi salah satu syarat dalam menyelesaikan Pendidikan pada Program D-III Statistika

FMIPA Universitas Sumatera Utara

Oleh :

RAINI MANURUNG

052407053

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(3)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

2008

PERSETUJUAN

Judul : PERAMALAN PELANGGAN GAS 5 PERIODE

KEDEPAN DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN METODE SMOOTHING EKSPONENSIAL

Kategori : TUGAS AKHIR

Nama : RAINI MANURUNG

Nomor Induk Mahasiswa : 052407053

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2008

Diketahui Oleh Dosen Pembimbing,

Departemen Matematika FMIPA USU Ketua,

Dr.Saib Suwilo, M.Sc Drs.Pengarapen Bangun, M.Si

(4)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

PERNYATAAN

PERAMALAN PELANGGAN GAS 5 PERIODE KE DEPAN DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN

METODE SMOOTHING EKSPONENSIAL

TUGAS AKHIR

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

Medan, Juni 2008

RAINI MANURUNG 052407053

(5)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

KATA PENGANTAR

Puji dan Syukur Penulis panjatkan kepada Tuhan Yesus Kristus yang telah memberikan Kasih KaruniaNya, sehingga Penulis dapat menyelesaikan Tugas Akhir ini dengan baik .

Adapun tujuan dari Tugas akhir ini adalah untuk memenuhi persyaratan dalam menyelesaikan pendidikan Program Diploma-III Jurusan Statistika FMIPA Universitas Sumatera Utara.

Pada kesempatan ini Penulis juga ingin menyampaikan ucapan Terima Kasih yang sebesar-besarnya kepada semua pihak yang ikut berpartisipasi dalam menyelesaikan Tugas Akhir ini :

1. Papa Osten Manurung dan Mama Serti Helmi br.Sirait yang telah membesarkan dan mendukung Penulis baik dari segi material maupun spiritual.

2. Bapak Drs. Pengarapen Bangun, M.Si, selaku Dosen Pembimbing yang telah banyak memberikan bimbingan, arahan serta saran dalam menyelesaikan Tugas Akhir ini.

(6)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

3. Bapak Dr. Eddy Marlianto, M.Sc dan Bapak Dr. Sutarman, M.Sc. selaku Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetuhuan Alam Universitas Sumatera Utara.

4. Bapak Dr. Saib Suwilo, M.Sc, selaku Ketua Program Studi D3 Statistika juga semua Dosen dan Pegawai pada Departemen Matematika FMIPA USU.

5. Bapak Ir. Ahmad Rifai, Bapak Saeful Hadi, Bapak Rommel Manurung, Bapak Gindo, Ibu Yusmawati, Ibu Eva, Ibu Hamidah dan semua Staf/Pegawai PT Perusahaan Gas Negara (Persero) Tbk.

6. Adik-adikku tercinta Natanel (Semangat terus biar cepat wisuda dan titelnya cepat menyusul), Jumadi Parulian dan Saider Marsaulina (Rajin belajar biar kelak jadi orang yang berguna).

7. Sahabat-sahabatku Tersayang Lia, Tina, Manogu (Christ A Lone KMK USU), K’ Agustina (Kakak Kelompokku), Rina (Teman PKL), Duma, Yoseva, K’Lia, Rona (Seperjuangan Kost di Sipirok 2B).

8. Teman-teman seperjuangan selama mengikuti kuliah di kelas A, B dan C Stat’ 05, teman-teman Gereja Chapel USU dan GPdI Kristus Jawaban. 9. Buat Seluruh Keluarga besar Manurung dan Sirait, Pa Uda/Ma Uda Putri,

Ma Tua/B’ Saut, Pa Uda/Ma Uda Rodes, Pa Tua/Ma Tua Luky, Tulang Kecil Arimson Sirait, Tante dan Om Evan dan semua yang tidak dapat Penulis sebutkan satu persatu

(7)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Untuk semua pihak tersebut Semoga Tuhan Yang Maha Esa akan membalasnya. Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna, untuk itu Penulis mengharapkan saran dan Kritik yang membangun dari semua pihak yang membacanya demi kesempurnaan Tugas Akhir ini.

Demikian Tugas Akhir ini, kiranya dapat bermanfaat bagi siapa saja yang membacanya, khususnya bagi mahasiswa/I Statistik yang ada di FMIPA Universitas Sumatera Utara.

Medan, Juni 2008 Penulis

Raini Manurung 052407053

(8)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

DAFTAR ISI

PERSETUJUAN PERNYATAAN KATA PENGANTAR DAFTAR ISI

DAFTAR TABEL DAFTAR GAMBAR

BAB I PENDAHULUAN

1.1 Latar Belakang Pemilihan Judul 1.2 Identifikasi Masalah

1.3 Pembatasan masalah

1.4 Maksud dan Tujuan Penelitian 1.5 Manfaat Penelitian

1.6 Metodologi Penelitian 1Sistematika Penulisan

BAB II TINJAUAN TEORITIS

(9)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

2.2 Metode Peramalan

2.3 Jenis-jenis Metode Peramalan

2.3.1 Pemilihan Teknik dan Metode Peramalan 2.3.2 Penentuan Pola Data

2.4 Metode Pemulusan (smoothing) 2.4.1 Metode Rata-Rata

2.4.2 Metode Smoothing (Pemulusan) Eksponensial 2.5 Metode Pemulusan Yang Digunakan

2.6 Ketepatan Ramalan dan Beberapa Kriteria Yang Digunakan

BAB III SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah singkat PT Perusahaan Gas Negara (Persero) Tbk 3.2 Sejarah Umum Perusahaan/Instansi/Kantor-Kantor

3.2.1 Sejarah berdirinya Perusahaan 3.2.2 Visi dan Misi Perusahaan 3.3 Struktur Organisasi Perusahaan

BAB IV ANALISA DAN PENGOLAHAN DATA

4.1 Data Yang Dianalisa Dan Diolah

4.2 Metode Smoothing Eksponensial Linear Satu Parameter dari Brown

(10)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

4.2 Estimasi Model Peramalan 4.3 Peramalan Jumlah Pelanggan Gas

BAB VI IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 5.2 Microsof Excel

5.3 Tahap Implementasi

BAB VI KESIMPULAN DAN SARAN

6.1 Kesimpulan 6.2 Saran

DAFTAR PUSTAKA LAMPIRAN

(11)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

DAFTAR TABEL

Tabel 4.1 Data Jumlah Pelanggan Gas tahun 1998-2007

Tabel 4.2 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter dari pada Data Jumlah Pelanggan Gas dengan Nilai Brown = 0.1

Tabel 4.3 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter dari pada Data Jumlah Pelanggan Gas dengan Nilai Brown = 0.2.

Tabel 4.4 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter dari pada Data Jumlah Pelanggan Gas dengan Nilai Brown = 0.3

Tabel 4.5 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter daripada Data Jumlah Pelanggan

(12)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Gas dengan Nilai Brown = 0.4

Tabel 4.6 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter dari pada Data Jumlah Pelanggan Gas dengan Nilai Brown = 0.5

Tabel 4.7 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter dari pada Data Jumlah Pelanggan Gas

dengan Nilai Brown = 0.6

Tabel 4.8 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter dari pada Data Jumlah Pelanggan Gas

dengan Nilai Brown = 0.7

Tabel 4.9 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter dari pada Data Jumlah Pelanggan Gas dengan Nilai Brown = 0.8

Tabel 4.10 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu Parameter dari pada Data Jumlah Pelanggan Gas dengan Nilai Brown = 0.9

Tabel 4.11 Perbandingan Nilai dalam Pemulusan Eksponensial satu Parameter dari Brown

Tabel 4.12 Peramalan Jumlah Pelanggan Gas Untuk 5 Periode Mendatang.

(13)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

DAFTAR GAMBAR

Gambar 4.1 Plot Data jumlah Pelanggan Gas di Kota Madya Medan Gambar 4.2 Plot Pemulusan Eksponensial Linier Satu Parameter

dari Brown dengan Nilai = 0.1

Gambar 4.3 Plot Pemulusan Eksponensial Linier Satu Parameter dari Brown dengan Nilai = 0.2

Gambar 4.4 Plot Pemulusan Eksponensial Linier satu Parameter dari Brown dengan Nilai = 0.3

Gambar 4.5 Plot Pemulusan Eksponensial Linier satu Parameter dari Brown dengan Nilai = 0.4

Gambar 4.6 Plot Pemulusan Eksponensial Linier satu Parameter dari Brown dengan Nilai = 0.5

Gambar 4.7 Plot Pemulusan Eksponensial Linier satu Parameter dari Brown dengan Nilai = 0.6

Gambar 4.8 Plot Pemulusan Eksponensial Linier satu Parameter dari Brown dengan Nilai = 0.7

Gambar 4.9 Plot Pemulusan Eksponensial Linier satu Parameter dari Brown dengan Nilai = 0.8

Gambar 4.10 Plot Pemulusan Eksponensial Linier satu Parameter dari Brown dengan Nilai = 0.9

(14)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

BAB I

PENDAHULUAN

1.1 Latar Belakang Pemilihan Judul

Jika mendegar perbincangan mengenai gas, khayalan atau pikiran kita langsung terhubung dengan sesuatu yang berbahaya, mudah meledak, beracun dan sebainya. Apalagi jika perbincangan meluas mengenai penggunaan gas tersebut sebagai bahan bakar, maka terbayang dalam angan-angan adalah sesuatu jenis bahan bakar yang berbahaya dan mudah meledak, terlebih terdapat unsur api dalam penggunaannya.

Terdapat bermacam-macam jenis dan manfaat gas yang ada disekitar kita, dari oksigen yang setiap hari diperlukan bernafas untuk paru-paru, gas hydrogen yang dapat digunakan untuk mengisi balon udara, gas bio yang dihasilkan dari sampah dan atau kotoran hewan yang dapat dimanfaatkan sebagai bahan bakar, gas bumi yang merupakan suatu proses alami di dalam perut bumi selama berjuta-juta tahun yang alam kondisi tekanan suhu atmosfer mempunyai fase atau bentuk gas yang dapat diperoleh dari proses penambangan, dan dapat dimanfaatkan sebagai bahan bakar, juga sebagai bahan baku untuk industri petrokimia dan berbagai jenis gas lainnya.

(15)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Pengertiaan bahan bakar dan energi lainnya sebenarnya tidak dapat dipisahkan dari kehidupan kita sehari-hari bahkan sejak adanya peradapan manusia di muka bumi, energi dan bahan bakar merupakan bagian sehari-hari yang diperlukan oleh manusia. Secara sederhana pengartian dari energi sesuatu yang diperlukan untuk kerja, dan ini dapat diperoleh dari apa saja yang disebut dengan bahan bakar, yang pada hakekatnya merupakan simpanan dari energi itu sendiri. Dalam kehidupan sehari-hari, pemanfaatan energi sangat melekat dengan kehidupan manusia. Diantaranya adalah dengan cara mengkomsumsi makanan dan minuman sebagai bahan bakar untuk tubuh, yang selanjutnya energi yang masuk dalam tubuh, digunakan untuk melakukan aktifitas atau kerja.

Sejak ditemukan api oleh manusia primitif pada zaman purba, dilanjutkan dengan pemanfaatan tenaga binatang untuk mengembangkan kegiatan pertanian, kemudian adanya revolusi industri dengan ditemukannya mesin uap serta pemanfaatan bahan batu batubara, gas dan minyak, semuanya merupakan tonggak sejarah yang penting dalam perkembangan pemanfaatan energi di dunia.

Dalam perkembangannya, penggunaan energi tidak terbatas hanya untuk memasak, menghangatkan dan menerangi rumah, tetapi juga untuk menggerakkan alat-alat pertanian, menjalankan aktifitas industri di pabrik, untuk kendaraan bermotor, pesawat terbang, kapal laut pembangkit listrik dan sebainya.

(16)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Dengan bertambahnya jumlah penduduk dunia khususnya penduduk kotamadya Medan, yang dari tahun-ketahun menunjukkan perkembangan yang cukup besar, juga dengan adanya perkembangan peradapan manusia yang semakin maju, dan peningkatan taraf hidup manusia yang semakin baik, mengakibatkan pengguanaan energi yang berhasil ditemukan semakin tumbuh dan pesat.

Sumber energi yang telah ditemukan didunia sampai saat ini, dapat dibedakan atas energi yang dapat diperbaharui dan energi yang tidak dapat diperbaharui. Sumber energi yang dapat diperbaharui yang ada di alam dan sudah dimanfaatkan diantaranya berasal dari energi angin, matahari, mini/mikro hidro (air), sampah atau buangan dari hasil pertanian atau industri, sumber panas dari tumbuh-tumbuhan atau dikenal dengan biogas, dan panas bumi atau dikenal juga dengan istilah geothermal yaitu sumber energi panas yang berasal dari perut bumi yang biasanya keluar dalam bentuk air panas dan dapat dimanfaatkan sebagai sumber energi panas. Sumber energi yang tidak dapat diperbaharui yaitu gas bumi, minyak bumi dan batu bara, dikenal sebagai bahan bakar fosil, karena berasal dari fosil sisa-sisa binatang atau tumbuhan yang hidup ratusan juta tahun yang lalu.

Kita ketahui kegunaan gas bumi sangat banyak khususnya di wilayah kotamadya Medan diantaranya Untuk industri semen gas bumi digunakan sebagai bahan bakar pada proses klin atau pencician batuan semen. Untuk industri pengolahan gas bumi dimanfaatkan sebagi bahan bakar dalam proses produksinya yaitu pada alat pembakar

(17)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

burner atau dapur pemasak furnace. Pengguna Komersial konsumen gas bumi seperti rumah makan, rumah sakit dan berbagai idustri lainnya. Penggunan rumah tangga gas bumi dimanfaatkan sebagai bahan bakar yaitu memasak. Dan masih banyak kegunaan dari gas bumi yang dimanfaatkan sehari-hari dalam kehidupan kita yang dapat memberikan kemudahan-kemudahan untuk membantu aktifitas penduduk kotamadya Medan. Kita ketahui kegunaan gas bumi sangat banyak khususnya di wilayah kotamadya Medan diantaranya untuk industri semen gas bumi digunakan sebagai bahan bakar pada proses klin atau pencician batuan semen. Untuk industri pengolahan gas bumi dimanfaatkan sebagi bahan bakar dalam proses produksinya yaitu pada alat pembakar

Untuk memenuhi kebutuhan para pelanggannya, maka PT Perusahaan Gas Negara (Persero) Tbk terus berusaha meningkatkan pelayanan kepada pelaanggan maupun kualitas, sehingga diperlukan peramalan yang baik tentang kebutuhan di masa yang akan dating agar perusahaan tersebut dapat memenuhi kebutuhan pelanggan.

(18)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Karena itu PT Perusahaan Gas Negara (Persero) Tbk harus selalu memperhatikan akan kebutuhan gas yang dihasilkan apakah mencukupi untuk para pelanggan/konsumen.

1.2Identifikasi Masalah

Gas merupakan kebutuhan penting yang di kotamadya Medan, maka kebutuhan akan permintaan gas diwaktu yang akan datang perlu diketahui. Untuk mengetahui banyaknya permintaan akan gas di kotamadya Medan meningkat atau tidak maka harus mengetahui jumlah pelanggan gas dari tahun sebelumnya. Dengan mengetahui jumlah pelanggan pada waktu yang akan datang maka harus diketahui terlebih dahulu jumlah pelanggan gas pada tahun-tahun sebelumnya. Yang menjadi permasalahannya adalah :

1. Bagaimana bentuk persamaan peramalan yang dapat dipakai untuk meramalkan jumlah pelanggan gas dimasa yang akan datang yaitu untuk lima periode kedepan di kotamadya Medan.

2. Berapa jumlah pelanggan Gas kotamadya Medan yang diramalkan dimasa yang akan datang yaitu untuk tahun 2008 sampai tahun 2012.

1.3Pembatasan masalah

(19)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Agar pembatasan dapat lebih terarah, maka perlu dilakukan beberapa pembatasan permasalahan yaitu :

1. Hanya jumlah Pelanggan Gas di kotamadya Medan saja yang akan

diramalkan.

2. Data yang dibutuhkan hanya data pelanggan gas di kotamadya Medan.

1.4Maksud dan Tujuan Penelitian

Adapun maksud dan tujuan dari penelitian ini adalah untuk mendapatkan bentuk persamaan peramalan yang dapat dipakai untuk memperkirakan jumlah pelanggan gas di kotamadya Medan pada PT Perusahaan Gas Negara (Persero) Tbk berdasarkan data pelanggan dari tahun sebelumnya.

Dengan penggunaan Metode Eksponensial Ganda, maka dapat diramalkan jumlah Pelanggan Gas pada waktu yang akan datang sesuai dengan waktu yang diingikan.

(20)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Dengan tercapainya tujuan yang dimaksud dalam tulisan ini, diharakan dapat menjadi suatu bahan masukan atau sebagai pertimbangan yang berguna bagi PT Perusahaan Gas Negara (Persero) Tbk dalam mengambil suatu kebijaksanaan dalam usaha untuk meningkatkan pelayanan kepada pelanggan gas di Kota Madya Medan pada masa yang akan datang.

1.6Metodologi Penelitian

Metodologi penelitian yang digunakan adalah dengan riset lapangan dan studi pengolahan data dengan penggunaan Analisa Deret Berkala (Time Series). Adapun tahapan yang dilaksanakan dalam pemecahan masalah yang dilaksanakan dalam pemecahan masalah yang dihadapi adalah sebagai berikut :

a. Mengambil data di PT Perusahaan Gas Negara (Persero) Tbk Unit Distribusi Wilayah III Sumbagut, yang bertempat di kotamadya Medan, tepatnya di Jl. Kol. Yos Sudarso Lorong XII. 18 Gelugur, Medan

b. Menguji sample data yang telah diambil tersebut c. Membahas konsep Peramalan Deret Berkala d. Pengolahan data untuk tujuan penelitian e. Menarik beberapa kesimpulan

1.7Sistematika Penulisan

(21)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Sebagai pendahuluan menjelaskan latar belakang, perumusan masalah, disertai pembatasan masalah, maksud dan tujuan penelitian, manfaat penelitian, metodologi penelitian dan sistematika penulisan

BAB II : TINJAUAN TEORITIS

Merupakan landasan teoritis yang menjelaskan tentang beberapa pengertian dan peramalan serta teori-teori yang ada

BAB III : SEJARAH SINGKAT TEMPAT RISET

Menjelaskan tentang sejarah dan uraian singkat tempat riset

BAB IV : ANALISA DAN PENGOLAHAN DATA

Pembahasan dan hasil yaitu melakukan penganalisaan dan pengolahan aplikasi data yang diperoleh secra matematis, sehingga diperoleh suatu ramalan dan kesalahan yang dihasilkan, untuk melihat adanya pola kesalahan yang sistematis

BAB V : IMPLEMENTASI SISTEM

Penjelasan tentang penggunaan secara komputer dalam menganalisa dan mengolah data

(22)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

BAB VI : KESIMPULAN DAN SARAN

Kesimpulan dan saran yang merupakan bab penutup yang mengandung hasil kerja secara ringkas dan adanya sedikit saran penulis berdasarkan kesimpulan yang didapat dari aplikasi dan analisis data yang diolah

BAB II

TINJAUAN TEORITIS

2.1 Pengertian Peramalan

Peramalan (Assauri, 1991) adalah kegiatan memperkirakan apa yang terjadi pada masa yang akan datang dengan waktu yang relatif lama, sedangkan dalam waktu yang singkat tidak dibutuhkan peramalan. Untuk memprediksikan hal tersebut diperlukan data-data yang akurat di masa lalu, sehingga kita dapat melihat prospek situasi dan kondisi di masa yang akan datang.

Sering terdapat sepanjang waktu antara kesadaran akan peristiwa. Adanya waktu tenggang ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi diatas, peramalan sangat diperlukan sangat diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi, sehingga tindakan yang tepat dapat dilakukan.

(23)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

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

1. Berguna untuk penjadwalan sumber daya yang tersedia. Pengggunaan sumber daya efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan konsumennya atau sipelanggan. 2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang untuk

memperoleh bahan baku, menerima pekerja baru atau pembelian mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang.

3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dlam waktu jangka panjang. Keputusan semacam ini bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangannya. Semua penentuan ini memerlukan peramalan yang baik dan manager yang dapat menafsirkan pendugaan serta membuat keputusan yang baik.

(24)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang.

Dari uraian di atas dapat dikatakan bahwa metode peramalan sangat berguna, karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Sehingga dengan metode peramalan akan memberikan cara pemikiran, pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.

Kegunaan peramalan terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan dalam berbagai kegiatan perusahaan.

Dari uraian diatas telah diketahui bahwa peranan peramalan sangat penting dalam penelitian, perencanaan maupun pengambilan keputusan. Baik tidaknya hasil dari suatu penelitian sangat ditentukan oleh ketepatan ramalan yang dibuat. Oleh sebab itu, ketepatan peramalan merupakan hal yang sangat penting. Walaupun demikian perlu diketahui bahwa ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan tersebut.

(25)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Dalam usaha mengetahui perkembangan di masa depan, peramalan sangat dibutuhkan untuk menentukan kapan suatu peristiwa/kebutuhan akan terjadi sehingga dapat dipersiapkan kebijakan atau tindakan yang diperlukan untuk mengatasi hal tersebut.

2.2 Metode Peramalan

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan berdasarkan data yang relevan pada masa lalu.

Dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas dua jenis, yaitu :

1. Peramalan yang Subjektif, yaitu peramalan yang didasarkan atas perasaan dari orang yang menyusunnya. Dalam hal ini pandangan atau perkiraan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

2. Peramalan yang Objektif, yaitu peramalan yang didasarkan atas data relevan pada masa lalu, dengan menggunakan teknik dan metode dalam penganalisaan data tersebut.

Teknik peramalan dibagi atas dua kategori utama adalah:

1. Metode Kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Peramalan ini dibuat berdasarkan pemikiran yang bersifat

(26)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

perkiraan atau pendapat dan pengetahuan serta pengalaman dari suatu perusahaan.

2. Metode Kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan kuantitatif dapat digunakan apabila ketiga kondisi dibawah ini dapat terpenuhi, yaitu:

1. Tersedianya informasi masa lalu.

2. Informasi tersebut dapat di kuantitatifkan dalam bentuk data numerik.

3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

Orang yang tidak mengenal metode peramalan kuantitatif sering berfikir bahwa masa lalu tidak dapat menerangkan masa depan secara tepat karena segala sesuatunya dapat berubah secara tidak konstan. Tetapi setelah sedikit mengetahui data dan teknik peramalan, maka peramalan dapat mengambarkan keadaan masa depan walupun peramalan tersebut nantinya memiliki kasalahan, dan kita berusaha agar kesalahan tersebut sekecil mungkin.

Pada dasarnya metode peramalan kuantitatif dapat dibedakan menjadi dua jenis model peramalan yang utama, yaitu :

(27)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Pada model ini pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variable atau kesalahan masa lalu. Tujuan metode peramalan deret berkala ini adalah menetukan pola dalam deret data historis ke masa depan.

2. Metode Regresi (Kausal)

Pada model kausal ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab akibat dengan satu atau lebih variabel bebas.

Kedua model Deret Berkala dan kausal mempunyai keuntungan dalam situasi tertentu. Model deret berkala sering kali dapat digunakan dengan mudah untuk meramal, sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan.

Langkah penting dalam memilih suatu metode Deret Berkala adalah dengan mempertimbangkan jenis pola data sehingga metode yang paling tepat dengan pola dapat diuji. Dalam penulisan proposal ini, digunakan metode peramalan yang pertama, yaitu metode peramalan dengan menggunakan variabel waktu yang dikenal dengan “time series”, atau metode pemulusan eksponensial.

(28)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Metode-metode peramalan dengan menggunakan analisa deret waktu, yaitu :

1. Metode pemulusan (smoothing) dan Rata-rata Bergerak (moving average).

Metode ini sering digunakan untuk ramalan jangka pendek dan untuk ramalan jangka panjang.

2. Metode Box Jenkins.

Metode ini jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjag.

3. Metode Proyeksi Trend dengan Regresi.

Metode ini bisa digunkan untuk ramalan jangka menengah dan jangka panjang.

2.3.1 Pemilihan Teknik dan Metode Peramalan

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

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

(29)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

1. Horizon Waktu

Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan, yaitu :

• Pertama adalah cakupan waktu di masa yang akan datang. Aspek

• kedua adalah jumlah periode untuk peramalan yang diinginkan.

2. Pola Data

Dasar utama dari metode peramlan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalakan akan berkelanjutan. 3. Jenis dari Model

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

4. Biaya yang Dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembanagan, penyimpanan (strorage) data, operasi pelaksanaan dan kesempatan dlam penggunaan teknik-teknik dan metode peramalan.

(30)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

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

6. Kemudahan dam Penerapan

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

2.3.2 Penentuan Pola Data

Hal penting harus diperhatikan dalam metode Deret Berkala adalah menetukan jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historisnya tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :

1. Pola data horizontal

Pola ini terjadi bila berpluktuasi di sekitar nilai rata-rata yang konstan. 2. Pola data Musiman (Seasonal)

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

(31)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. 4. Pola data trend

Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.

2.4 Metode Pemulusan (smoothing)

Metode pemulusan adalah metode peramalan dengan mengadakan penghalusan terhadap data masa lalu, yaitu mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang.

Secara umum metode pemulusan dibedakan atas dua bagian, yaitu metode rata-rata dan metode pemulusan eksponensial.

2.4.1 Metode Rata-Rata

Metode rata-rata dibagi atas empat bagian, yaitu: 1. Nilai tengah (Median)

2. Rata-rata bergerak tunggal (Single Moving Average)

(32)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

4. Kombinasi rata-rata bergerak lainnya

Metode rata-rata digunakan untuk data yang bersifat stasioner. Untuk semua kasus tujuannya adalah memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

Bentuk umum dari metode rata-rata adalah:

Ft+1= t X_t t

t+1

∑

2.4.2 Metode Smoothing (Pemulusan) Eksponensial

Metode pemulusan eksponensial dibedakan atas empat bagian, yaitu 1. Smoothing Eksponensial Tunggal

a. Satu Parameter

b.

Pendekatan Aditif

Metode pemulusan ini cukup baik digunakan untuk peramalan yang mempunyai pola trend atau yang sifat datanya stasioner.

2. Smoothing Eksponensial Ganda

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

Metode ini digunakan untuk peramalan data yang bersifat trend. 3. Smoothing Ekspponensial Triple

(33)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Dapat digunakan bila dasar pola datanya adalah kwadratik kubik atau berorde lebih tinggi.

b. Metode kecenderungan atau musiman tiga parameter dari Winter.

Metode ini merupakan salah satu dari beberapa metode pemulusan eksponensial yang dapat menangani musiman.

4. Smoothing Eksponensial Menurut Klasifikasi Pegels

Bentuk umum dari metode pemulusan eksponensial adalah:

Dimana:

Ft+1 = ramalan untuk periode mendatang

= parameter eksponensial yang besarnya 0< <1 Xt = nilai aktual pada periode t

Ft = ramalan pada periode t

2.5 Metode Pemulusan Yang Digunakan

Dalam menentukan model penduga yang tepat, dengan menganalisa data jumlah pelanggan gas, maka metode pemulusan yang digunakan adalah pemulusan (smoothing). Eksponensial ganda,metode linier satu parameter dari Brown. Untuk pemakaian ini dipilih dengan menganalisa nilai X yang menghasilkan nilai MSE yang paling kecil.

Adapun dasar pemilihan tersebut adalah dengan dasar:

(34)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

1. Data jumlah pelanggan gas yang akan dianalisa memiliki kecenderungan pola trend.

2. Smoothing eksponensial ganda dapat dilakukan dengan perhitungan yang hanya membutuhkan nilai-nilai yang khusus yaitu nilai .

Persamaan yang dipakai dalam pemulusan eksponensial adalah metode linier satu parameter dari Brown, yaitu sebagai berikut:

S

’

= X

+ (1-

) S’

t-1

S

”

= X

+ (1-

) S”

t-1

a

=

_S’

_{+ (S’- S}

_{”) = 2S’}

_{– S}

_”

b

=

α α −

(S

’ - St”)

F

t+m

=

a

+

b

m

Dimana:

S

’

=

nilai pemulusan eksponensial tunggal

S

”

= nilai pemulusan eksponensial ganda

at . bt = konstanta parameter

= parameter pemulusan eksponensialyang besarnya 0< <1

Ft + m = hasil pengamatan untuk m periode kedepan yang diramal

Dasar pemikiran smoothing eksponensial ganda, metode linier satu parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan

(35)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

tunggal dan ganda ketinggalan dari data yang sebenarnya bila terdapat unsur trend. Perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda disesuaikan untuk trend.

2.6 Ketepatan Ramalan dan Beberapa Kriteria Yang Digunakan Untuk Menguji

Ketepatan peramalan merupakan salah satu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan, ketepatan peramalan dipandang sebagai kriteria penolakan untuk untuk memilih suatu metode peramalan. Oleh sebab itu, ketepatan peramalan merupakan dasar untuk menentukan model penduga yang tepat. Dalam Tugas Akhir ini penulis akan menggunakan Nilai Tengah Kesalahan Kuadart (MSE) sebagai ukuran ketepatan dalam meramalakan Jumlah Pelanggan gas untuk tahun yang akan datang.

Beberapa Kriteria yang digunakan untuk menguji, antara lain :

1. ME (Mean Error) / Nilai Tengah Kesalahan

ME= _N

∑

2. MAE (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

MAE

=

∑

N lel 1

(36)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

MSE =

∑

= n i N e 1 / 2

4. MAPE (Mean Absolut Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut.

MAPE =

∑

₌

n i N lPEtl 1 /

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

MPE =

∑

= n i N PEt 1 /

Dimana: PEt =

( )

100

Xt Ft Xt−

ei = Xt-Ft

PEt = Kesalahan Persentase

Xt = Jumlah Pelanggan Gas (Xt) pada periode ke-t

Ft = Nilai Ramalan Pada Period ke-t

N = Banyaknya Data.

Tetapi dalam Tugas Akhir ini Penulis hanya menggunakan Nilai Tengah Kesalahan Kuadrat (MSE) sebagai ukuran ketepantan dalam meramalkan Jumlah Pelanggan Gas untuk tahun yang akan datang.

Peramalan tentunya menginginkan tingkat kesalahan ramalan yang sekecil mungkin untuk mendukung kebenaran ramalannya. Pada metode rata-rata bergerak ganda ini yang menunjukkan adalah dalam nilai absolut dari kesalahan yaitu dengan mengabaikan tanda (+) dan minus(-) dari kesalahan tersebut.

(37)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

BAB III

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah singkat PT Perusahaan Gas Negara (Persero) Tbk

PT Perusahaan Gas Negara (Persero) Tbk Distrik Medan merupakan perusahaan yang bergerak dalam bidang distribusi/penyaluran gas alam sebagai bahan bakar, baik untuk Konsumen Industri, Komersil maupun Rumah Tangga.

Perusahaan ini mendistribusikan gas alamnya melalui jaringan pipa gas. Perusahaan ini mengembangkan tugas sebagai pelaksana pendistribusian gas bumi dengan meningkatkan kemampuannya secara instusional sesuai dengan peraturan pemerintah, PP .No.27 Tahun 1984.

3.2 Sejarah Umum Perusahaan/Instansi/Kantor-Kantor

Pengusaha gas di Indonesia semula dikelola oleh perusahaan Belanda yang bernama I.J.N EINDHOVEN yang berdiri tahun 1859 oleh seorang yang bernama FREDIK ALBERRCHT WINZER. Perusahaan swasta belanda inilah yang memperkenalkan penggunaan gas kota di tanah air yang terbuat dari batu bara.

(38)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Perusahaan gas ini baru mulai menyalurkan gas bumi pada tahun 1974 di Cirebon. Penyaluran gas ini sendiri telah menggunakan jaringan pipa yang ditujukan untuk keperluan bahan bakar disektor Rumah Tangga, Komersil dan Industri yang menggantikan gas buatan dari batu bara dan juga minyak yang tidak ekonomis. Lalu penggunaanya mulai menyusul berturut-turut di Jakarta (1979), Bogor (1980). Medan (1985), Surabaya (1994), dan Palembang (1996). Berikut adalah sejarah berdirinya perusahaan gas yang ada di kota-kota dan pengusahanya di Indonesia, Antara lain:

3.2.1 Sejarah berdirinya Perusahaan

a. Tahun 1919-1958 : Didirikan dengan nama NV.N.I.G.M kemudian NV.O.G.E.M sampai 1985.

b. Tahun 1958 : Diambil alih oleh pemerintahan (dinasionalisasikan).

c.Tahun 1958-1965 : Dibawah badan Pimpinan Umum Listrik Negar bergabung di dalam PLN Eksplositasi XV dibawah DEP.P.U.T.I.

d.Tahun 1965 : 13 Mei berubah menjadi Perusahaan Gas Negara

(PP.No.27 Tahun 1969).

e. Tahun 1984 : Berkembang menjadi Perusahaan umum Gas (PP. NO.27 Tahun 1984)

f. Tahun 1994 : Berubah bentuk menjadi PT. Perusahaan Gas Negara berdasarkan PP. No.34 Tahun 1994 dan Akte Notaris

(39)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

No.486 tanggal 30 Mei 1996 serta Akte perubahan No.1326 Tanggal 14 Maret 2000 dengan tugas utama selain melaksanakan usaha dibidang distribusi, transmisi gas dan pengembangan gas buatan serta uasaha lainya yang menu njang.

g. Tahun 2005 : Menjadi perusahaan public ditandai dengan listing di Bursa Efek Jakarta pada tanggal 15 Desember 2005.

PT Perusahaan Gas Negara (Persero) Tbk SBU Distribusi Wilayah III Sumatera Utara Distrik Medan, diberi wewenang sebagai badab usaha untuk menyelenggarakan pelayanan gas bumi dengan tujuan ikut melaksanakan dan menunjang kebijaksanaan serta program pemerintah dalam bidang ekonomi dan pembangunan berdasarkan PERPU No.27 tahun 1984. salah satu kontribusi yang besar RP. 31.4 triliun kurang lebih 9.3 % dari total penerimaan dalam negeri yaitu sebasar Rp. 337.1 triliun. Ini membuktikan gas bumi memiliki peran yang sangat penting dalam pembangunan nasioanal yaitu sebagai sumber energi dan bahan baku dalam Negara dan sebagai sumber penerimaan dalam Negara.

Selain itu UU No. 1 tahun 1995 tentang (Perseroan Terbatas) PT Perusahaan Gas Negara, diwajibkan mengikuti segala peraturan yang berlaku di Indonesia untuk pengelolaan usaha dengan bentuk Terbuka (Tbk).

(40)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

3.2.2 Visi dan Misi Perusahaan Visi

Menjadi Perusahaan Publik Terkemuka Di Bidang Penyedia Gas Bumi

Misi

Meningkatkan Pemanfaatan Gas Bumi Bagi Kepentingan Industri Komersil dan Rumah Tangga melalui, Jaringan Pipa Transmisi, Medan Transportasi Lain, Jaringan Pipa, Distribusi dan Kegiatan Niaga Serta Usaha Lain Yang Mendukung Pemanfaatan Gas Bumi

3.3 Struktur Organisasi PT Perusahaan Gas Negara (Persero) Tbk Distrik Medan

Peminpin tertinggi PT Perusahaan Gas Negara adalah Direktur Utama yang berkantor di Jakarta. Sedangkan, PT Perusahaan Gas Negara (Persero) Tbk Distrik Medan merupakan salah satu Distrik di wilayah strategis bisnis distrik Wilayah III Sumatera Utara yang meliput i Propinsi Sumatera sendiri.

a.Bagian Tehnik

Devisi mengembangkan tugas untuk perencanaan, kontruksi dan memelihara sarana da prasarana kerja yang terkait dengan penyaluran gas. Bagian ini membawahi 2 (dua) supervisor dimana masing-masing membawahi tehnisi-tehnisi sebagai berikut

(41)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

a. Tehnisi Spesipikasi Tehnik b. Tehnisi Rancang Bangun

c. Tehnisi Aplikasi Perangkat Keras Tehnk d. Administrator Perencanaan

Super Kontruksi

a. Officer III Pengendalian Pembagunan b. Pengawas Kontruksi

b.Bagian Operasioanl

bagian ini mengemban tugas tidak jauh dengan Bagian Tehnik di mana berhubungan langsung dengan masyarakat luas. Bagian ini membawahi 3 (tiga) supervisor dimana masing-masing membawahi beberpa seksi yaitu sebagai berikut :

Supervisor Operasional a. Operator Off Take b. Tehnisi Scada

c. Tehnisi gas In/Start Up

d. Tehnisi Penanggulangan Gangguan

Officer III Administrator Operasi dan Pemeliharaan a. Administrator Operasi dan Pemeliharaan

Supervisor Pemeliharaan dan K3LL a. Officer III Instrumentasi

b. Tehnisi Kalibrasi

(42)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

d. Officer III Pemeliharaan Jaringan dan K3LL e. Officer III Standarisasi dan Informasi Jaringan f. Inspektor Jaringan

g. Tehnisi Protaksi Katodik

h. Tehnisi Pemeliharaan Jaringan dan K3LL

c. Bagian Pemasaran

Bagian ini mengemban tugas menangani hal-hal yang berhubungan dengan kepentingan pelanggan. Bagian ini kegiatanya meliputi survei pelanggan, mencari pelanggan baru dan pelayanan terhadap pelanggan terhaadap pelanggan yang menguganakan gas bumi. Bagian ini membawahi 2 (dua) supervisor yang masing-masing membawahi beberapa seksi sebagai berikut :

Supervisor Penjualan

b. Officer III Pengembangan Pasar c. Tehnisi Penjualan

d. Wiraniaga

e. Administrator Billing Supervisor Layanan Pelanggan a. Administrator Layanan Pelanggan b. Administrator Pemasaran

(43)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Bagian ini mengemban tugas menangani administrasi keuangan perusahaan seperti invoice, gaji pegawai, bonus, tunjangan-tunjangan, pengelola SDM. Bagian supervisor dimana masing-masing juga membawahi beberapa seksi sebagai berikut :

Supervisor Akuntansi dan Keuangan a. Officer III data Akuntansi b. Pengelola Anggaran c. Administrator Pembayaran d. Pengelola Akuntansi e. Pengelola Dana f. Penagih Rekening g. Pengelola Piutang

Supervisor Administrasi dan Layanan Umum a. Officer III Pengendalian Persediaan b. Officer III Pengendalian Gudang c. Officer III Layanan Umum

d. Administrator Sumber Daya Manusia e. Administratir Pengadaan Barang dan Jasa f. Administrator Pengendalian Persediaan g. Administrator Ramunisasi

h. Administrator Kesektretariatan i. Pengelola Fasilitas Umum j. Administrasi Layanan Umum

(44)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

k. Petugas Mess l. Satpam

m. Cleaning Service

BAB IV

ANALISA DAN PENGOLAHAN DATA

Analisa dan pengolahan data dimaksudkan untuk menentukan sifat-sifat statistika dari waktu ke waktu, sehingga dapat ditetapkan suatu model penduga atau peramalan yang tepat serta dapat digunakan untuk meramalkan jumlah pelanggan Gas di tahun yang akan datang.

(45)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Data yang dibutuhkan untuk dianalisa dalam tinjauan ini adalah data Jumlah Pelanggan Gas pada tahun 1998 sampai tahun 2007 untuk wilayah Sumatera Utara. Data pelanggan tersebut disajikan dalam Tabel 4.1.

Langkah pertama yang baik dilakukan unutk menganalisa data deret berkala adalah dengan memplot data grafik. Dengan mengamati plot data tersebut, dapat dilihat bahwa gerak data memperkirakan pola data trend (Gambar 4-1).

TABEL 4.1.

Data Jumlah Pelanggan Gas Pada PT Perusahaan Gas Negara (Persero) Tbk SBU Distribusi Wilayah III Sumatera Utara Di Kota Madya Medan

NO TAHUN JUMLAH PELANGGAN

1 1998 9978

2 1999 10510

3 2000 11221

4 2001 12218

5 2002 12883

(46)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

7 2004 17060

8 2005 17715

9 2006 18628

10 2007 19231

TOTAL 143844

Sumber : PT Perusahaan Gas Negara (Persero) Tbk SBU Distribusi Wilayah III Sumatera Bagian Utara Distrik Medan

Jl. K.L. Yos Sudarso Lorong XII No. 18, Glugur Medan

Jumlah Pelanggan Gas

0 5000 10000 15000 20000 25000

1996 1998 2000 2002 2004 2006 2008

Periode J u m la h P e la n g g a n G as Jumlah Pelanggan Gambar 4-1

(47)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

4.2 Metode Smoothing Eksponensial Linear Satu Parameter dari Brown 4.2.1 Estimasi Model Peramalan

Dalam pengolahan data dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1) dengan metode peramalan (forecasting) berdasarkan Metode Eksponensial Satu Parameter dari brown.

Untuk memenuhi perhitungan Smoothing Eksponensial Ganda, Tunggal dan Ramalan yang akan datang maka terlebih dahulu kita akan menentukan parameter nilai yang biasanya, secara coba dan salah (Trial and error ). Suatu nilai dipilih yang besarnya 0< <1, dihitung MSE yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam sebuah susunan data kemudian memperoleh rata-rata atau nilai tengah jumlah kuadrat tersebut dan kemudian dicoba nilai yang lain.

Lalu salah satu MSE tersebut dibandingkan untuk menemukan nilai yang memberikan MSE yang minimum.

(48)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

(49)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

TABEL 4.2

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN

PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.1

Tahun Pelanggan S' S" A b Peramalan Error Abs e

1998 9978 9978 9978

1999 10510 10031.2 9983.32 10079.08 5.32

2000 11221 10150.18 10000.01 10300.35 16.686 10084.4 1136.6 1136.6

2001 12218 10356.962 10035.7 10678.22 35.6956 10317.04 1900.96 1900.96

2002 12883 10609.5658 10093.09 11126.04 57.38642 10713.918 2169.082 2169.082 2003 14400 10988.60922 10182.64 11794.58 89.55212 11183.43 3216.57 3216.57 2004 17060 11595.7483 10323.95 12867.55 141.3108 11884.1304 5175.87 5175.87 2005 17715 12207.67347 10512.32 13903.02 188.3723 13008.8565 4706.144 4706.144 2006 18628 12849.70612 10746.06 14953.35 233.7383 14091.396 4536.604 4536.604 2007 19231 13487.83551 11020.24 15955.43 274.1774 15187.089 4043.911 4043.911

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 105828152.7 / 8 = 13228519.08

(50)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

0 5000 10000 15000 20000 25000

1996 1998 2000 2002 2004 2006 2008

Tahun

pelanggan S' S" peramalan

Gambar 4-2

Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.1

(51)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

TABEL 4.3

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN

PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.2

Tahun Pelanggan S' S" A B Peramalan Error Aba e

1998 9978 9978 9978

1999 10510 10084.4 9999.28 10169.52 21.28

2000 11221 10311.72 10061.77 10561.67 62.488 10190.8 909.28 1030.2

2001 12218 10692.976 10188.01 11197.94 126.2416 10624.16 1525.024 1593.84 2002 12883 11130.9808 10376.6 11885.36 188.5942 11324.184 1752.019 1558.816 2003 14400 11784.78464 10658.24 12911.33 281.6362 12073.952 2615.215 2326.048 2004 17060 12839.82771 11094.56 14585.1 436.3175 13192.9654 4220.172 3867.035 2005 17715 13814.86217 11638.62 15991.11 544.0609 15021.4154 3900.138 2693.585 2006 18628 14777.48974 12266.39 17288.59 627.7743 16535.1668 3850.51 2092.833 2007 19231 15668.19179 12946.75 18389.63 680.3598 17916.361 3562.808 1314.639

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 39759625.27 / = 4969953.159

(52)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Plot Pemulusan Data

0 5000 10000 15000 20000 25000 30000

1996 1998 2000 2002 2004 2006 2008

Tahun

lah

pelanggan s' s" peramalan

Gambar 4-3

Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.2

(53)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

TABEL 4.4

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN

PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.3

tahun Pelanggan s' S" A B peramalan error abs e

1998 9978 9978 9978

1999 10510 10137.6 10025.88 10249.32 47.88

2000 11221 10462.62 10156.9 10768.34 131.022 10297.2 758.38 923.8

2001 12218 10989.234 10406.6 11571.87 249.6996 10899.36 1228.766 1318.64 2002 12883 11557.3638 10751.83 12362.9 345.2287 11821.566 1325.636 1061.434 2003 14400 12410.15466 11249.33 13570.98 497.4973 12708.126 1989.845 1691.874 2004 17060 13805.10826 12016.06 15594.15 766.7342 14068.4791 3254.892 2991.521 2005 17715 14978.07578 12904.67 17051.49 888.6042 16360.8889 2736.924 1354.111 2006 18628 16073.05305 13855.18 18290.92 950.5161 17940.0898 2554.947 687.9102 2007 19231 17020.43713 14804.76 19236.12 949.5765 19241.4401 2210.563 10.44011

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 35674664.82 / 8 = 4459333.103

(54)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Plot Pemulusan Data

0 5000 10000 15000 20000 25000 30000 35000

1996 1998 2000 2002 2004 2006 2008

Tahun

pelanggan s' S" peramalan

Gambar 4-4

Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.3

(55)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

TABEL 4.5

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN

PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.4

tahun Pelanggan s' S" A B peramalan error abs e

1998 9978 9978 9978

1999 10510 9139.8 9642.72 8636.88 -335.28

2000 11221 8850.18 9325.704 8374.656 -317.016 8301.6 2919.4 2919.4

2001 12218 8975.508 9185.626 8765.39 -140.078 8057.64 4160.36 4160.36

2002 12883 9250.2048 9211.457 9288.952 25.83168 8625.312 4257.688 4257.688 2003 14400 9870.12288 9474.924 10265.32 263.4662 9314.784 5085.216 5085.216 2004 17060 11040.07373 10100.98 11979.16 626.0601 10528.7885 6531.212 6531.212 2005 17715 11938.54424 10836.01 13041.08 735.0243 12605.2239 5109.776 5109.776 2006 18628 12751.52654 11602.22 13900.84 766.2075 13776.1049 4851.895 4851.895 2007 19231 13420.21593 12329.42 14511.02 727.2002 14667.0452 4563.955 4563.955

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 182955925.4 / 8 = 22869490.80

(56)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Plot Pemulusan Data

0 5000 10000 15000 20000 25000 30000

1996 1998 2000 2002 2004 2006 2008

Tahun

pelanggan s' S" peramalan

Gambar 4-5

Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.4

(57)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

TABEL 4.6

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN

PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.5

tahun Pelanggan s' s" A B peramalan error abs e

1998 9978 9978 9978

1999 10510 10244 10111 10377 133

2000 11221 10732.5 10421.75 11043.25 310.75 10510 711 711

2001 12218 11475.25 10948.5 12002 526.75 11354 864 864

2002 12883 12179.125 11563.81 12794.44 615.3125 12528.75 354.25 354.25

2003 14400 13289.5625 12426.69 14152.44 862.875 13409.75 990.25 990.25

2004 17060 15174.78125 13800.73 16548.83 1374.047 15015.3125 2044.688 2044.688 2005 17715 16444.89063 15122.81 17766.97 1322.078 17922.875 -207.875 207.875 2006 18628 17536.44531 16329.63 18743.26 1206.816 19089.0469 -461.047 461.0469 2007 19231 18383.72266 17356.68 19410.77 1027.047 19950.0781 -719.078 719.0781 3576.188 6352.188

MSE

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 7311701.684 / 8 = 913962.7105

(58)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Plot Pemulusan GAS

0 5000 10000 15000 20000 25000 30000 35000 40000

1996 1998 2000 2002 2004 2006 2008

Tahun

pelanggan s' s" peramalan

Gambar 4-6

Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.5

(59)

TABEL 4.7

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.6

tahun Pelanggan s' s" A B peramalan error abs e e kuadrat

1998 9978 9978 9978

1999 10510 10297.2 10169.52 10424.88 191.52

2000 11221 10851.48 10578.7 11124.26 409.176 10616.4 604.6 604.6 365541.16

2001 12218 11671.392 11234.31 12108.47 655.6176 11533.44 684.56 684.56 468622.3936

2002 12883 12398.3568 11932.74 12863.97 698.4259 12764.088 118.912 118.912 14140.06374

2003 14400 13599.34272 12932.7 14265.98 999.9619 13562.4 837.6 837.6 701573.76

2004 17060 15675.73709 14578.52 16772.95 1645.821 15265.9459 1794.054 1794.054 3218630.042 2005 17715 16899.29484 15970.99 17827.6 1392.463 18418.7727 -703.773 703.7727 495296.0639 2006 18628 17936.51793 17150.31 18722.73 1179.319 19220.0668 -592.067 592.0668 350543.1449 2007 19231 18713.20717 18088.05 19338.37 937.7412 19902.0498 -671.05 671.0498 450307.8818

2072.837 6006.615 6064654.51

MSE 758081.8137

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 6064654.51/ 8 = 758081.8137

(60)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Plot Pemulusan Data

0 5000 10000 15000 20000 25000 30000 35000 40000

1996 1998 2000 2002 2004 2006 2008

Tahun

pelanggan s' s" peramalan

Gambar 4-7

Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.6

(61)

TABEL 4.8

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.7

tahun Pelanggan s' s" A B peramalan error abs e e kuadrat

1998 9978 9978 9978

1999 10510 10350.4 10238.68 10462.12 260.68

2000 11221 10959.82 10743.48 11176.16 504.798 10722.8 498.2 498.2 248203.24

2001 12218 11840.546 11511.43 12169.67 767.9476 11680.96 537.04 537.04 288411.9616

2002 12883 12570.2638 12252.61 12887.92 741.1867 12937.614 -54.614 54.614 2982.688996

2003 14400 13851.07914 13371.54 14330.62 1118.927 13629.102 770.898 770.898 594283.7264 2004 17060 16097.32374 15279.59 16915.06 1908.049 15449.5459 1610.454 1610.454 2593562.279 2005 17715 17229.69712 16644.66 17814.73 1365.076 18823.1084 -1108.11 1108.108 1227904.191 2006 18628 18208.50914 17739.36 18677.66 1094.691 19179.8059 -551.806 551.8059 304489.7466 2007 19231 18924.25274 18568.78 19279.72 829.4279 19772.3538 -541.354 541.3538 293063.9183

1160.71 5672.474 5552901.752

MSE 694112.719

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 5552901.752/ 8 = 694112.719

(62)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Plot Pemulusan Data

0 5000 10000 15000 20000 25000 30000 35000 40000

1996 1998 2000 2002 2004 2006 2008

Tahun

pelanggan s' s" peramalan

Gambar 4-8

Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.7

(63)

TABEL 4.9

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.8

tahun pelanggan s' s" A B peramalan error abs e e kuadrat

1998 9978 9978 9978

1999 10510 10403.6 10318.48 10488.72 340.48

2000 11221 11057.52 10909.71 11205.33 591.232 10829.2 391.8 391.8 153507.24

2001 12218 11985.904 11770.67 12201.14 860.9536 11796.56 421.44 421.44 177611.6736

2002 12883 12703.5808 12517 12890.16 746.3322 13062.096 -179.096 179.096 32075.37722

2003 14400 14060.71616 13751.97 14369.46 1234.975 13636.496 763.504 763.504 582938.358

2004 17060 16460.14323 15918.51 17001.78 2166.537 15604.4346 1455.565 1455.565 2118670.75 2005 17715 17464.02865 17154.92 17773.13 1236.416 19168.314 -1453.31 1453.314 2112121.536 2006 18628 18395.20573 18147.15 18643.26 992.2248 19009.5482 -381.548 381.5482 145579.0375 2007 19231 19063.84115 18880.5 19247.18 733.3533 19635.4867 -404.487 404.4867 163609.5108 613.8645 5450.754 5486113.483

MSE 685764.1854

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 5486113.483 / 8 = 685764.1854

(64)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Plot Pemulusan Data

0 5000 10000 15000 20000 25000 30000 35000 40000

1996 1998 2000 2002 2004 2006 2008

Tahun

pelanggan s' s" peramalan

Gambar 4-9 Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.8

(65)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

(66)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

TABEL 4.10

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN

PADA DATA JUMLAH PELANGGAN GAS DENGAN g =0.9

tahun Pelanggan s' s" A B peramalan error abs e

1998 9978 9978 9978

1999 10510 10456.8 10408.92 10504.68 430.92

2000 11221 11144.58 11071.01 11218.15 662.094 10935.6 285.4 285.4

2001 12218 12110.658 12006.69 12214.62 935.6796 11880.24 337.76 337.76

2002 12883 12805.7658 12725.86 12885.67 719.165 13150.302 -267.302 267.302 2003 14400 14240.57658 14089.1 14392.05 1363.246 13604.838 795.162 795.162 2004 17060 16778.05766 16509.16 17046.95 2420.058 15755.2946 1304.705 1304.705 2005 17715 17621.30577 17510.09 17732.52 1000.929 19467.0105 -1752.01 1752.011 2006 18628 18527.33058 18425.61 18629.05 915.5152 18733.4492 -105.449 105.4492 2007 19231 19160.63306 19087.13 19234.14 661.5238 19544.5697 -313.57 313.5697 284.696 5161.359

MSE

MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

N e 1

/ 2

= 5780510.594 / 8 = 722563.8242

(67)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Polt Pemulusan Data

0 5000 10000 15000 20000 25000 30000 35000 40000

1996 1998 2000 2002 2004 2006 2008

Tahun

lah

pelanggan s' s" peramalan

Gambar 4-10 Plot Pemulusan eksponensial Satu Parameter Dari Brown dengan Nilai g = 0.9

(68)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Metode smoothing yang dianggap cukup baik adalah metode smoothing yang memiliki Nilai Tengah Kesalahan Kuadrat (MSE) yang terkecil. Untuk memperoleh nili MSE minimum.

Tabel 4.11

Perbandingan Nilai g dalam Pemulusan Eksponensial Satu Parameter dari Brown

MSE

0.1 13228519.08

0.2 4969953.159

0.3 4459333.103

0.4 22869490.8

0.5 913962.7105

0.6 758081.8137

0.7 694112.719

0.8 685764.1854

0.9 722563.8242

Estimasi ini berguna untuk membandingkan ukuran-ukuran ketepatan model peramalan. Model peramalan sementara dipilih dengan ketelitian-ketelitian sebagai berikut:

1. ME (Nilai Tengah Kesalahan)

2. MSE (Nilai Tengah Kesalahan Kuadrat) 3. MAE (Nilai Tengah Kesalahan Absolut)

4. MAPE (Nilai Tengah Kesalahan Persentase Absolut) 5. MPE (Nilai Tengah Kesalahan Persentase)

(69)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Setelah dilakukan estimasi model peramalan, maka dapat dilihat pada tabel bahwa nilai MSE yang minimum adalah pemulusan eksponensial linier satu parameter dari brown dengan nilai = 0.8 Maka ukuran ketepatan Metode Peramalan dengan

1. ME (Mean Error) / Nilai Tengah Kesalahan

ME = _N

ei n i ∑ =1 = 8 8645 . 613 = 76.73306

2. MAE (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

MAE =

∑

= n i N lel 1 /

=

8 754 . 5450

= 681.3443

3. MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

∑

= n i N e 1 / 2 = 8 483 . 5486113

= 685764.1854

4. MAPE (Mean Absolut Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut.

(70)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

MAPE =

∑

n i N lPEtl 1 / = 8 52074 . 34 = 4.315093

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

MPE =

∑

= n i N PEt 1 / = 8 0295612 . 7 = 0.878695

Untuk menentukan persamaan peramalan, maka model peramalan yang terpilih adalah pemulusan eksponensial linier satu parameter dari Brown

untuk =0.8, yaitu MSE =685764.1854 berdasarkan data pada tabel dapat dibuat peramalan untuk tahun berikutnya dengan entuk persamaan peramalan :

Ft+m = 19247.18 + 733.3533 m

Dimana : Ft+m = ramalan untuk period ke depan.

t = periode nilai yang palin akhir yakni periode ke 10 pada tahun 2007.

m = jumlah period eke depan yang diramalkan.

(71)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Setelah mendapat model penduga untuk peramalan, maka dapat diperoleh peramalan Jumlah Pelanggan gas untuk 5 periode ke depan (Tahun 2008 sampai dengan Tahun 2012) seperti yang tertera pada hitungan di bawah ini:

1. Untuk periode 11 (Tahun 2008) ramalanya adalah : Ft+m = 19247.18 + 733.3533 m (m = 1)

Ft+m = 19247.18 + 733.3533 (1)

Ft+m = 19980.5328

2. Untuk periode 12 (Tahun 2009) ramalanya adalah : Ft+m = 19247.18 + 733.3533 m (m = 2)

Ft+m = 19247.18 + 733.3533 (2)

Ft+m = 20713.8861

3. Untuk periode 13 (Tahun 2010) ramalanya adalah : Ft+m = 19247.18 + 733.3533 m (m = 3)

Ft+m = 19247.18 + 733.3533 (3)

Ft+m = 21447.2393

4. Untuk periode 14 (Tahun 2011) ramalanya adalah : Ft+m = 19247.18 + 733.3533 m (m = 4)

Ft+m = 19247.18 + 733.3533 (4)

Ft+m = 22180.5926

(72)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Ft+m = 19247.18 + 733.3533 m (m = 5)

Ft+m = 19247.18 + 733.3533 (5)

Ft+m = 22913.9459

Dari hasil perhitungan diatas, maka untuk peramalan Jumlah Pelanggan Gas di Wilayah Kota Madya Medan dari Tahun 2008 sampai Tahun 2012 dapat di buat dalam sebuah tabel

(73)

Tabel 4.11

APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI ROWN PADA DATA JUMLAH PELANGGAN GAS DENGAN NILAI g = 0.8

Tahun

Jumlah Pelanggan

Eksponensial Smoothing

Tunggal

Eksponensial Smoothing

Ganda Niali a Nilai b Peramalan error abs e e kuadrat

1998 9978 9978 9978

1999 10510 10403.6 10318.48 10488.72 340.48

2000 11221 11057.52 10909.71 11205.33 591.232 10829.2 391.8 391.8 153507.24

2001 12218 11985.904 11770.67 12201.14 860.9536 11796.56 421.44 421.44 177611.6736

2002 12883 12703.5808 12517 12890.16 746.3322 13062.096 -179.096 179.096 32075.37722

2003 14400 14060.71616 13751.97 14369.46 1234.975 13636.496 763.504 763.504 582938.358

2004 17060 16460.14323 15918.51 17001.78 2166.537 15604.4346 1455.565 1455.565 2118670.75

2005 17715 17464.02865 17154.92 17773.13 1236.416 19168.314 -1453.31 1453.314 2112121.536

2006 18628 18395.20573 18147.15 18643.26 992.2248 19009.5482 -381.548 381.5482 145579.0375

2007 19231 19063.84115 18880.5 19247.18 733.3533 19635.4867 -404.487 404.4867 163609.5108

2008 19980.5328

2009 20713.8861

2010 21447.2393

2011 22180.5926

(74)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Tabel 4.12

Peramalan Jumlah Pelanggan Gas Untuk 5 Periode Mendatang

Periode Tahun Peramalan jumlah Pelanggan Gas

11 2008 19980.5328

12 2009 20713.8861

13 2010 21447.2393

14 2011 22180.5926

15 2012 22180.5926

(75)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

BAB V

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

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

Tujuan dari Implementasi sistem adalah sebagai berikut :

1. Menyelesaikan desain sistem yang dalam dokumen sistem yang di setujui. 2. Menulis, menguji dan mendokumentasikan program-program dan

prosedur-prosedur yang diperlukan oleh dokumen desain sistem yang di setujui. 3. Memastikan bahwa personal dapat mengoperasikan sistem baru. 4. Memperhitungkan bahwa sistem memenuhi permintaan pemakai. 5. Memastikan bahwa konversi ke sistem baru berjalan dengan benar.

(76)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Microsof Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsof Office. Excel merupakan salah satu software pengolah angkla yang cukup banyak digunakan di dunia. Excel merupakan produk unggulan dari Microsof corporation yang banyak berperan dalam pengolahan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisa dan dipresentasikan data pada lembar kerja.

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 1, 2, 3…..sampai angka 65536.

Excel 2003 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, salah satunya adalah under windows, access, maupun power point. Keunggulan program spread sheet ini adalah mudah dipakai, fleksibel, mudah berintegrasi dengan aplikasi berbasis windows.

Pembuatan suatu kegiatan/sistem tidak terlepas dari peralatan, prosedur dan yang paling mendukung proses pembuatan tersebut adalah ;

6. Hardware 7. Software 8. Brainware

(77)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Sarana yang digunakan dalam pengelolaan data ini adalah Microsoft Excel. Excel adalah sebuah program pengolah data yang biasa disebut program spreadsheet

Adapun cara pengaktifan excel adalah sebagai berikut : 6. Dari desktop klik start pada taskbar.

7. Lalu klik program,

8. Lalu pillih Microsoft excel, maka akan tampil jendela utama program aplikasi Microsoft pada layar monitor.

(78)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Dari data di atas kita menentukan besarnya forecast dengan =0.8, dan untuk setiap perhitungan akan diberi nama tiap kolom X, S’, S”, at, bt, forecast, error(e), absolute error IeI, e2/square error

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

9. Pemulusan pertama

Untuk tahun pertama, yaitu tahun 1998 ditentukan sebasar periode pertama dari data historisnya, sehingga rumus yang tertera pada sel C2 adalah =B2. sedangkan unutk periode kedua yakni untuk tahun 1999 dapat menggunakan rumus =0.8*B3+(1-0.8)*C2

Dalam kasus ini untuk periode berikutnya kita tinggal menyalin rumus pada C3

10. Pemulusan Kedua

Untuk periode pertama ditentukan sebesar periode pertama dari data historisnya. Sehingga rumus yang tertera pada sel D2 adalah C2. sedangkan untuk rumus periode keduanya(pada kasus ini tahun 1981) dapat dihitung dengan rumus sebagai berikut =0.8*C3+(1-0.8)*D2

(1)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

DAFTAR PUSTAKA

Sudjana. 1984. Teknik Analisa Regresi dan Korelasi. Edisi 6.Tarsita Bandung.

Assauri Sofyan.1984. Teknik dan Metode Peramalan. Edisi Pertama: Universitas Sumatera Utara.

Sypros, Marki Darkis dan Steven. C. Whellwiright. 1993.Metode dan Aplikasi Peramalan. Edisi Kedua. Jakarta : Erlangga.

(2)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Kuswadi dan Mutiara Erna. 2004. Delta Delapan Langkah dan Tujuh Alat Statistik.

Jakarta : PT Elex Media Komputindo Kelompok Gramedia.

Tosin Rinjani. 1999. Microsof Excel 2002 Kilat 24 Jurus. Jakarta: Dinastindo. Basic Instrumen. PT Perusahaan Gas Negara (Perssero) Tbk. Module.

Measurenment of Gas By Turbine Meter Transmition and Measurenment Comitte Report No. 7 American Gas Association.

Standarr Operasional Prosedure (SOP) Meter Gas, PT Perusahaan Gas Negara (Persero) Tbk.

(3)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

(4)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

DEPARTEMEN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN STATISTIKA

Jalan Bioteknologi No. 1 Kampus USU Telp. (061) 8211298, 8211212, 8211414, 8211416, 8213211, 8213427, 8214219 Pes. 295, 297 Fax. (061) 8214298

MEDAN

KARTU BIMBINGAN MAHASISWA

Nama Mahasiswa : Raini Manurung

Nim : 052407053

Judul Tugas Akhir : Peramalan Pelanggan Gas 5 Periode Ke Depan Di kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial

Dosen Pembimbing I : Drs. Pengarapen Bangun, M.Si Tanggal Mulai Bimbingan :

Tanggal selesai Bimbingan : Tanggal

Asisten Bimbingan

Pembahasan Pada Asisten Mengenai, Pada BAB :

Paraf Dosen Pembimbing

Keterangan

 Kartu ini dikembalikan Ke Jurusan Matematika

Bila Bimbingan Mahasiswa telah selesai

Diketahui Disetujui

(5)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Dr. Saib Suwilo, M.Sc

Drs. Pengarapen Bagun, M.Si

NIP 131796149 NIP 131474680

Data Jumlah Pelanggan Gas Pada PT Perusahaan Gas Negara (Persero) Tbk SBU Distribusi Wilayah III Sumatera Utara Di Kota Madya Medan

TAHUN JUMLAH PELANGGAN

1 1998 9978

2 1999 10510

3 2000 11221

4 2001 12218

5 2002 12883

6 2003 14400

7 2004 17060

8 2005 17715

9 2006 18628

10 2007 19231

TOTAL 143844

Sumber : PT Perusahaan Gas Negara (Persero) Tbk SBU Distribusi Wilayah III Sumatera Bagian Utara Distrik Medan

(6)

Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.

Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial

PERAMALAN PELANGGAN GAS 5 PERIODE KE DEPAN

DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN

METODE SMOOTHING EKSPONENSIAL

RAINI MANURUNG

052407053

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2008

PERAMALAN PELANGGAN GAS 5 PERIODE KE DEPAN

DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN

METODE SMOOTHING EKSPONENSIAL

RAINI MANURUNG

052407053

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

2008

DAFTAR ISI

b.

S

’

= X

+ (1-

) S’

S

”

= X

+ (1-

) S”

a

=

S’

+ (S’- S

”) = 2S’

– S

”

b

=

(S

’ - St”)

F

=

a

+

b

m

S

’

=

S

”

=

∑

∑

∑

∑

( )

Jumlah Pelanggan Gas

∑

∑

∑

∑

∑

∑

∑

∑

∑

∑

=

∑

∑

∑

DEPARTEMEN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS SUMATERA UTARA

Parts

_S’

_{+ (S’- S}

_{”) = 2S’}

_{– S}

_”

Metode Pemulusan Eksponensial Ganda Satu Parameter Terhadap Peramalan Jumlah Guru & Jumlah Murid Sekolah Menengah Atas Tahun 2012-2015 Di Kecamatan Galang