e. Ketepatan Pemulusan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan.
f. Kemudahan dan Penerapan
Metode-metode yang dimengerti dan mudah diaplikasikan sudah merupakan prinsip umum dalam pengambilan keputusan.
2.4 Metode Pemulusan Smoothing
Metode pemulusan smoothing adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-
rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Secara umum metode pemulusan smoothing dapat digolongkan menjadi beberapa
bagian.
2.4.1 Metode Perataan Average
a. Nilai tengah Mean
b. Rata-rata bergerak Tunggal Single Moving Average
c. Rata-rata bergerak Ganda Double Moving Average
d. Kombinasi rata-rata bergerak lainnya.
Universitas Sumatera Utara
2.4.2 Metode Pemulusan Smoothing Eksponensial
a. Pemulusan smoothing eksponensial tunggal
b. Pemulusan smoothing eksponensial ganda, yang terdiri atas:
1. Metode linier satu parameter dari Brown 2. Metode dua parameter dari Holt
2.5 Metode Peramalan yang Digunakan
Untuk mendapatkan hasil yang baik dan tepat maka harus diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan banyaknya energi listrik yang
disalurkan dan dijual pada tahun 2012 berdasarkan data tahun 1998-2008 PT. PLN Persero Cabang Binjai, maka penulis menggunakan Metode Smoothing
Eksponensial Ganda yaitu “Smoothing Eksponential Linier Satu Parameter dari Brown”.
Secara umum prosedur Metode Eksponensial Smoothing Ganda yaitu Smoothing Eksponensial Ganda yaitu Smoothing Eksponensial Linier Satu Parameter
dari Brown dapat diterangkan melalui persamaan berikut ini:
1
1
t t
t
S X
S
1
1
t t
t
S S
S
t t
t t
t t
S S
S S
S a
2
t t
t
S S
b 1
m b
a F
t t
m t
Universitas Sumatera Utara
Dimana, S’
t
= nilai pemulusan eksponensial tunggal
t
S = nilai pemulusan eksponensial ganda
= parameter pemulusan eksponensial a
t,
b
t
= konstanta pemulusan F
t+m
= hasil peramalan untuk m periode kedepan yang akan diramalkan. X
t
= Nilai aktual pada periode t
Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik
adalah metode yang memenuhi kriteria ketepatan ramalan. Kriteria ini berupa Mean Square Error MSE. Mean Absolute Percentage Error MAPE, dan Mean Absolute
Daviation MAD.
Berikut ini adalah beberapa keriteria yang digunakan untuk menguji nilai ramalan yaitu:
a. Nilai Tengah Kesalahan Mean Error, dirumuskan dengan :
n e
ME
n i
i
1
Universitas Sumatera Utara
b. Nilai Tengah Kesalahan Kuadrat Mean Square Error, dirumuskan dengan:
n e
MSE
n i
i
1
c. Nilai Tengah Kesalahan Absolute Mean Absolute Error, dirumuskan dengan:
n e
MAE
n i
i
1
d. Nilai Tengah Kesalahan Persentase Error Mean Absolute Percentage Error, dirumuskan
dengan:
n PE
MAPE
n i
i
1
e. Kesalahan Persentase Percentage Erro , dirumuskan dengan:
n PE
MPE
n i
i
1
f. Jumlah Kuadrat Kesalahan Sum Square Error, dirumuskan dengan:
n i
i i
F X
SSE
1 2
Universitas Sumatera Utara
di mana:
X
i
– F
i
= kesalahan pada periode ke-i X
i
= data aktual pada periode ke-i F
i
= nilai ramalan pada periode ke-i n
= banyaknya periode waktu
Universitas Sumatera Utara
BAB 3
SEJARAH SINGKAT BPS DAN KOTA BINJAI
3.1 Sejarah Singkat Badan Pusat Statistik
