m t
F
+
= Nilai peramalan pada periode ke t −
m = Jumlah periode yang diramalkan
t
X = Nilai riil periode
2.7 Ketepatan Ramalan
Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan di pandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala time series dari
data masa lalu dapat diramalkan situasi yang akan terjadi di masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:
1. ME Mean Error Nilai Tengah Kesalahan
N e
ME
N t
t
∑
=
=
1
2. MSE Mean Square Error Nilai Tengah Kesalahan Kuadrat
2 1
n i
i
e MSE
N
=
=
∑
Universitas Sumatera Utara
3. MAE Mean Absolut Error Nilai Tengah Kesalahan Absolut
N e
ME
N t
t
∑
=
=
1
4. MAPE Mean Absolut Percentage Error Nilai Tengah Kesalahan
Persentase Absolut
N Pe
MAPE
N t
t
∑
=
=
1
5. MPE Mean Percentage Error Nilai Tengah Kesalahan Persentase
N Pe
MAPE
N t
t
∑
=
=
1
Dimana :
t
e =
t t
X F
−
t
X = data aktual dari periode t
Universitas Sumatera Utara
t
Pe =
−
t t
t
X F
X
100 ; kesalahan persentase pada periode t
t
F = nilai ramalan pada periode ke t
N
= banyaknya periode waktu
Metode peramalan yang dipilih adalah metode peramalan yang memberikan MSE yang terkecil.
Universitas Sumatera Utara
BAB 3
ANALISIS DATA
3.1 Arti Analisis Data
Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan
menguraikan suatu masalah secara parsial atau keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data. Data yang akan diolah
adalah data nilai penjualan energi listrik di PT. PLN PERSERO Cabang Medan dari tahun 1999-2008. analisis yang dipakai dalam pengolahan data ini adalah analisis
pemulusan eksponensial ganda.
3.2 Analisis Pemulusan Eksponensial Ganda
Pada bagian ini penulis menentukan nilai parameter yang akan digunakan, dimana nlai parameter
α besarnya antara 0α 1 dengan cara train dan error. Adapun langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan
dengan menggunakan metode linier satu parameter dari Brown adalah: 1. menentukan harga parameter smoothing eksponensial yang besarnya dari
α 1 2. menghitung harga pemulusan eksponensial tunggal dengan menggunakan
persamaan:
Universitas Sumatera Utara
1
1
−
′ −
+ =
′
t t
t
S X
S α
α
3. menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan:
1
1
−
′′ −
+ ′
= ′′
t t
t
S S
S α
α
4. menghitung koefisien
t
a dan
t
b
t t
t t
S S
S a
′′ −
′ +
′ =
t t
t
S S
a ′′
− ′
= 2
t t
t
S S
b ′′
− ′
− =
α α
1
5. menghitung trend peramalan dengan menggunakan persamaan: m
b a
F
t t
m t
+ =
+
Tabel 3.1 Nilai Penjualan energi Listrik KWH di PT. PLN Persero cabang
Medan
Universitas Sumatera Utara
Tahun Nilai Penjualan KWH
1999 1824308
2000 1846784
2001 1998076
2002 2056783
2003 2102376
2004 2289521
2005 2306256
2006 2378965
2007 2472786
2008 2637320
Sumber : BPS Propinsi Sumatera Utara
grafik data aktual
500000 1000000
1500000 2000000
2500000 3000000
1999 2000
2001 2002
2003 2004
2005 2006
2007 2008
tahun
p e
n ju
a la
n
penjualan
Gambar 3.1 grafik data aktual
3.3 Metode Pemulusan Eksponensial Ganda satu Parameter Dari Brown
