Peramalan Jumlah Ekspor Provinsi Sumatera Utara Menurut Sektor Pertambangan Dan Penggalian Tahun 2018 Chapter III V
17
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 akan diolah oleh
penulis adalah data pertahun jumlah eskpor Provinsi Sumatera Utara Menurut
Sektor Pertambangan dan Penggalian yang dimulai dari tahun 2006 sampai 2015.
Metode yang digunakan untuk mengolah data tersebut adalah metode peramalan
smoothing eksponensial ganda yaitu metode linier satu parameter dari Brown.
3.2. Perkembangan Jumlah Ekspor Provinsi Sumatera Utara Menurut sektor
Pertambangan dan Penggalian Tahun 2006-2015
Pada periode 2006-2015 jumlah ekspor
Sumatera Utara menurut sektor
pertambangan dan penggalian pada umumnya mengalami penurunan.
Tabel 3.1 Data Jumlah Ekspor Provinsi Sumatera Utara Menurut Sektor
Pertambangan dan
Penggalian Tahun 2006-2015
Tahun
Jumlah Ekspor
(Ton)
2006
646.381
2007
104.880
2008
113.311
2009
101.180
2010
69.662
2011
262.987
2012
134.625
2013
222.447
Universitas Sumatera Utara
18
2014
207.353
2015
205.440
Sumber: BPS Provinsi Sumatera Utara
3.3. Pengolahan Data dengan Metode Smoothing Eksponensial Ganda:
Metode Linier Satu-Parameter dari Brown
Tahun
Jumlah Ekspor
(Ton)
2006
646.381
2007
104.880
2008
113.311
2009
101.180
2010
69.662
2011
262.987
2012
134.625
2013
222.447
2014
207.353
2015
205.440
Langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan
dengan menggunakan metode pemulusan eksponensial ganda: metode linier satuparameter dari Brown adalah:
1. Menentukan harga parameter smoothing eksponensial ganda yang
besarnya 0 < α < 1.
2. Menghitung harga smoothing eksponensial tunggal dengan menggunakan
persamaan 2.2.
α = 0,1
S1 = 646.381
S 2 =
S3 =
dst.
Universitas Sumatera Utara
19
α = 0,2
S1 = 646.381
S 2 =
S3 =
dst.
.
.
.
α = 0,9
S1 = 646.381
S 2 =
S3 =
dst.
3. Menghitung harga smoothing eksponensial ganda dengan menggunakan
persamaan 2.3
α = 0,1
dst.
α = 0,2
dst.
.
.
Universitas Sumatera Utara
20
.
α = 0,9
dst.
4. Menghitung koefisien at dan bt dengan menggunakan persamaan 2.4 dan
persamaan 2.5.0
α = 0,1
dst.
dst.
α = 0,2
dst.
dst.
.
.
.
Universitas Sumatera Utara
21
α = 0,9
110.295,01
dst.
dst.
5. Menghitung trend peramalan Ft m dengan menggunakan persamaan 2.6.
α = 0,1
(
dst.
(
)
)
α = 0,2
(
dst.
)
(
)
.
.
.
α = 0,9
(
(
)
)
Universitas Sumatera Utara
22
dst.
6. Menghitung nilai kesalahan (error) dengan menggunakan persamaan 2.7.
α = 0,1
dst.
α = 0,2
dst.
.
.
.
α = 0,9
dst.
Untuk α = 0,3 sampai dengan α = 0,8 hasilnya pada Tabel 3.4 –
Tabel 3.12.
3.4. Penaksiran Model Peramalan
Dalam mengolah data pada Tabel 3.2 , 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
Universitas Sumatera Utara
23
suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masingmasing elemen dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.
Untuk menghitung nilai MSE adalah pertama dicari terlebih dahulu error
yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error
dikuadratkan dan dibagi dengan banyaknya error (persamaan 2.9).
Tabel 3.2 Perhitungan
Peramalan
Jumlah
Ekspor
Smoothing
dengan
Eksponensial Ganda Linier dari Brown dengan α = 0,1
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
592.231,60
640.966,46
54.3497
-5.415
-
-
-
113.311
544.399,54
631.303,40
457.496
-9.656
538.081,76
-424.770,76
180.430.194.779,84
101.180
102.850,35
578.458,09
-372.757
-52.845
447.839,70
-346.659,70
120.172.944.529,37
69.662
72.980,83
527.980,36
-382.019
-50.556
-425.602,69
495.264,69
245.287.117.510,80
262.987
243.986,38
499.580,96
-11.608
-28.399
-432.574,20
695.561,20
483.805.387.512,19
134.625
145.561,14
464.178,98
-173.057
-35.402
-40.007,60
174.632,60
30.496.544.196,70
222.447
214.758,41
439.236,92
-9.720,1
-24.942
-208.458,68
430.905,68
185.679.706.940,89
207.353
208.093,54
416.122,58
64,5
-23.114
-34.662,16
242.015,16
58.571.336.044,32
205.440
205.705,35
395.080,86
16.329,8
-21.042
-23.049,84
228.489,84
52.207.605.957,15
1.356.650.837.471,25
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,1 dan
N=10
MSE = 135.665.083.747,13
Tabel 3.3
Smoothing
Perhitungan Peramalan Jumlah Ekspor dengan
Eksponensial Ganda Linier dari Brown dengan α = 0,2
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
538.080,80
624.720,96
451.441
-21.660,04
-
-
-
113.311
453.126,84
590.402,14
315.852
-34.318,82
429.780,60
-316.469,60
100.153.007.724,16
101.180
382.737,47
548.869,20
216.606
-41.532,93
281.532,72
-180.352,72
32.527.103.611,40
69.662
320.122,38
503.119,84
137.125
-45.749,37
175.072,81
-105.410,81
11.111.438.443,21
262.987
308.695,30
464.234,93
153.156
-38.884,91
91.375,55
171.611,45
29.450.489.084,66
134.625
273.881,24
426.164,19
121.598
-38.070,74
114.270,77
20.354,23
414.294.838,47
222.447
263.594,39
393.650,23
133.539
-32.513,96
83.527,55
138.919,45
19.298.612.908,15
Universitas Sumatera Utara
24
207.353
252.346,11
365.389,41
139.303
-28.260,82
101.024,59
106.328,41
11.305.730.002,12
205.440
242.964,89
340.904,51
145.025
-24.484,90
111.042,00
94.398,00
8.910.983.114,96
213.171.659.727,13
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,2 dan
N=10
MSE = 21.317.165.972,71
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.4
Linier dari Brown dengan α = 0,3
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
483.930,70
597.645,91
370.215
-48.735,04
-
-
-
113.311
372.744,79
530.175,57
215.314
-67.470,27
147.843,74
-34.532,74
1.192.509.957,20
101.180
291.275,35
458.505,51
124.045
-71.669,99
52.375,20
48.804,80
2.381.908.144,81
69.662
224.791,35
388.391,26
61.191,4
-70.114,18
-8.922,74
78.584,74
6.175.561.893,00
262.987
236.250,04
342.748,89
129.751
-45.642,32
84.108,87
178.878,13
31.997.384.654,47
134.625
205.762,53
301.652,99
109.872
-41.095,87
68.776,21
65.848,79
4.336.063.579,21
222.447
210.767,87
274.387,45
147.148
-27.265,51
119.882,78
102.564,22
10.519.418.370,07
207.353
209.743,41
254.994,24
164.493
-19.393,19
145.099,39
62.253,61
3.875.512.218,81
205.440
208.452,39
241.031,68
175.873
-13.962,54
161.910,55
43.529,45
1.894.813.104,40
62.373.171.921,97
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,3 dan
N=10
MSE = 6.237.317.192,20
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.5
Linier dari Brown dengan α = 0,4
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
429.780,60
559.740,84
299.820
-86.640,15
-
-
-
113.311
303.192,76
457.121,61
149.264
-102.619,22
46.644,78
66.666,22
4.444.384.539,86
101.180
222.387,66
363.228,03
81.547,3
-93.893,57
-12.346,20
113.526,20
12.888.198.564,71
69.662
161.297,39
282.455,77
40.139
-80.772,25
-40.633,16
110.295,16
12.165.022.149,07
262.987
201.973,24
250.262,76
153.684
-32.193,01
121.490,73
141.496,27
20.021.194.210,82
134.625
175.033,94
220.171,23
129.897
-30.091,52
99.805,15
34.819,85
1.212.421.622,29
222.447
193.999,17
209.702,41
178.296
-10.468,83
167.827,11
54.619,89
2.983.332.537,24
207.353
199.340,70
205.557,72
193.124
-4.144,68
188.979,00
18.374,00
337.603.985,78
205.440
201.780,42
204.046,80
199.514
-1.510,92
198.003,12
7.436,88
55.307.219,42
Universitas Sumatera Utara
25
54.107.464.829,20
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,4 dan
N=10
MSE = 5.410.746.482,92
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.6
Linier dari Brown dengan α = 0,5
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
375.630,50
511.005,75
240.255
-135.375,25
-
-
-
113.311
244.470,75
377.738,25
111.203
-133.267,50
-22.064,25
135.375,25
18.326.458.312,56
101.180
172.825,38
275.281,81
70.368,9
-102.456,44
-32.087,50
133.267,50
17.760.226.556,25
69.662
121.243,69
198.262,75
44.224,6
-77.019,06
-32.794,44
102.456,44
10.497.321.585,19
262.987
192.115,34
195.189,05
189.042
-3.073,70
185.967,94
77.019,06
5.931.935.988,38
134.625
163.370,17
179.279,61
147.461
-15.909,44
131.551,30
3.073,70
9.447.650,90
222.447
192.908,59
186.094,10
199.723
6.814,49
206.537,56
15.909,44
253.110.201,57
207.353
200.130,79
193.112,45
207.149
7.018,35
214.167,49
-6.814,49
46.437.250,54
205.440
202.785,40
197.948,92
207.622
4.836,48
212.458,35
-7.018,35
49.257.203,82
52.874.194.749,21
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,5 dan
N=10
MSE = 5.287.419.474,92
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.7
Linier dari Brown dengan α = 0,6
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
321.480,40
451.440,64
191.520
-194.940,36
-
-
-
113.311
196.578,76
298.523,51
94.634
-152.917,13
-58.283,12
171.594,12
29.444.542.018,57
101.180
139.339,50
203.013,11
75.665,9
-95.510,40
-19.844,50
121.024,50
14.646.930.568,45
69.662
97.533,00
139.725,04
55.341
-63.288,06
-7.947,10
77.609,10
6.023.173.023,68
262.987
196.805,40
173.973,26
219.638
34.248,21
253.885,76
9.101,24
82.832.616,14
134.625
159.497,16
165.287,60
153.707
-8.685,66
145.021,06
-10.396,06
108.078.117,42
222.447
197.267,06
184.475,28
210.059
19.187,68
229.246,53
-6.799,53
46.233.593,03
207.353
203.318,63
195.781,29
210.856
11.306,01
222.161,97
-14.808,97
219.305.684,03
205.440
204.591,45
201.067,38
208.116
5.286,10
213.401,61
-7.961,61
63.387.295,13
50.634.482.916,46
Universitas Sumatera Utara
26
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,6 dan
N=10
MSE = 5.063.448.291,65
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.8
Linier dari Brown dengan α = 0,7
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
267.330,30
381.045,51
153.615
-265.335,49
-
-
-
113.311
159.516,79
225.975,41
93.058,2
-155.070,10
-62.011,93
175.322,93
30.738.129.706,11
101.180
118.681,04
150.869,35
86.492,7
-75.106,06
11.386,67
89.793,33
8.062.842.452,39
69.662
84.367,71
104.318,20
64.417,2
-46.551,15
17.866,07
51.795,93
2.682.817.891,51
262.987
209.401,21
177.876,31
240.926
73.558,11
314.484,22
-51.497,22
2.651.964.128,62
134.625
157.057,86
163.303,40
150.812
-14.572,91
136.239,42
-1.614,42
2.606.345,68
222.447
202.830,26
190.972,20
214.688
27.668,80
242.357,12
-19.910,12
396.412.901,27
207.353
205.996,18
201.488,98
210.503
10.516,78
221.020,15
-13.667,15
186.791.118,39
205.440
205.606,85
204.371,49
206.842
2.882,51
209.724,72
-4.284,72
18.358.842,51
44.739.923.386,49
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,7 dan
N=10
MSE = 4.473.992.338,65
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.9
Linier dari Brown dengan α = 0,8
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
213.180,20
299.820,36
126.540
-346.560,64
-
-
-
113.311
133.284,84
166.591,94
99.977,7
-133.228,42
-33.250,68
146.561,68
21.480.326.044,42
101.180
107.600,97
119.399,16
95.802,8
-47.192,78
48.609,99
52.570,01
2.763.605.741,12
69.662
77.249,79
85.679,67
68.819,9
-33.719,50
35.100,42
34.561,58
1.194.502.535,60
262.987
225.839,56
197.807,58
253.872
112.127,91
365.999,45
-103.012,45
10.611.564.838,52
134.625
152.867,91
161.855,85
143.880
-35.951,73
107.928,24
26.696,76
712.716.833,89
222.447
208.531,18
199.196,11
217.866
37.340,27
255.206,52
-32.759,52
1.073.186.098,63
207.353
207.588,64
205.910,13
209.267
6.714,02
215.981,16
-8.628,16
74.445.109,82
205.440
205.869,73
205.877,81
205.862
-32,32
205.829,32
-389,32
151.571,94
37.910.498.773,96
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,8 dan
N=10
Universitas Sumatera Utara
27
MSE = 3.791.049.877,40
Tabel 3.10
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Linier dari Brown dengan α = 0,9
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
159.030,10
207.765,19
110.295,01
-438.615,81
-
-
-
113.311
117.882,91
126.871,14
108.894,68
-80.894,05
28.000,63
85.310,37
7.277.859.229,54
101.180
102.850,29
105.252,38
100.448,21
-21.618,76
78.829,44
22.350,56
499.547.353,51
69.662
72.980,83
76.207,98
69.753,674
-29.044,39
40.709,28
28.952,72
838.259.850,63
262.987
243.986,38
227.208,54
260.764,22
151.000,56
411.764,78
-148.777,78
22.134.828.434,69
134.625
145.561,14
153.725,88
137.396,4
-73.482,66
63.913,73
70.711,27
5.000.083.197,73
222.447
214.758,41
208.655,16
220.861,67
54.929,28
275.790,95
-53.343,95
2.845.576.883,90
207.353
208.093,54
208.149,70
208.037,38
-505,46
207.531,92
-178,92
32.013,24
205.440
205.705,35
205.949,79
205.460,92
-2.199,91
203.261,00
2.179,00
4.748.019,21
38.600.934.982,46
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,9 dan
N=10
MSE = 3.860.093.498,25
Kemudian nilai-nilai MSE yang telah diperoleh dapat dilihat pada nilai α
yang memberikan nilai MSE yang paling kecil. Ukuran ketepatan metode
peramalan jumlah ekspor Provinsi Sumatera Utara menurut sektor Pertambangan
dan Penggalian dengan melihat MSE adalah sebagai berikut:
Tabel 3.11
Ukuran Ketepatan Metode Peramalan Jumlah Ekspor
Α
MSE
0,1 135.665.083.747,13
0,2 21.317.165.972,71
0,3 6.237.317.192,20
0,4 5.410.746.482,92
0,5 5.287.419.474,92
0,6 5.063.448.291,65
0,7 4.473.992.338,65
Universitas Sumatera Utara
28
0,8 3.791.049.877,40
0,9 3.860.093.498,25
Dari Tabel 3.22, dapat dilihat bahwa MSE jumlah ekspor yang paling kecil
terdapat pada α = 0,8 yaitu dengan MSE =3.791.049.877,40.
3.5. Penentuan Bentuk Persamaan Peramalan
Melalui cara trial and error dengan 0 < α < 1, telah diperoleh untuk jumlah
ekspor, perhitungan peramalan pemulusan eksponensial linier satu-parameter dari
Brown dengan α = 0,8, sehingga dapat ditentukan bentuk persamaan peramalan
untuk periode-periode berikutnya.
Berdasarkan perhitungan pada α = 0,8 untuk ekspor, dapat diperoleh
persamaan peramalan untuk periode berikutnya yaitu dengan menggunakan
persamaan 2.6 sebagai berikut:
1. Ekspor (α = 0,8)
3.6. Peramalan Jumlah Ekspor untuk Tahun 2016, 2017 dan 2018
Setelah diperoleh peramalan jumlah ekspor, maka dapat dihitung jumlah ekspor
untuk tiga periode berikutnya, yaitu untuk tahun 2016, 2017 dan 2018 seperti di
bawah ini:
a. Untuk periode ke-11 (tahun 2016)
b. Untuk periode ke-12 (tahun 2017)
c. Untuk periode ke-13 (tahun 2018)
Universitas Sumatera Utara
29
Tabel 3.12 Peramalan Jumlah Ekspor Provinsi Sumatera Utara Menurut
Sektor Pertambangan dan Penggalian untuk Tahun 2017,
2018 dan 2019
Peramalan Nilai Ekspor
Tahun
Periode
2017
11
205.829,68
2018
12
205.797,36
2019
13
205.765,04
(Ton)
Universitas Sumatera Utara
30
BAB 4
IMPLEMENTASI SISTEM
4.1. Pengertian Implementasi Sistem
Berbicara tentang pengolahan data, bukanlah merupakan suatu pekerjaan yang
ringan. Karena manusia mempunyai sifat lupa atau khilaf yang dapat terjadi setiap
saat. Apalagi berbicara tentang data, pastinya sangat erat kaitannya dengan angka.
Jika dalam suatu perhitungan khilaf satu angka saja, maka akan berakibat fatal
pada hasil yang diperoleh. Oleh karena itu, seiring dengan berkembangnya
teknologi, maka diciptakanlah berbagai macam jenis alat atau aplikasi yang dapat
membantu manusia dalam menyelesaikan pengolahan data. Salah satu contohnya
yang sudah sangat sering dipakai dewasa ini adalah Microsoft Exel. Dengan
menggunakan aplikasi Microsoft Exel manusia akan jauh lebih mudah dalam
mengolah data, terutama data yang dalam jumlah besar. Di samping itu, juga
dapat mengurangi kesalahan-kesalahan dalam perhitungan serta bisa dikerjakan
dengan mudah, praktis dan cepat. Jadi, implementasi sistim merupakan penerapan
hasil desain tertulis ke dalam sebuah tulisan yang mana dalam hal ini penulis
menggunakan Microsoft Excel 2007 untuk menganalisis data nilai ekspor dan
impor Provinsi Sumatera Utara.
4.2. Microsoft Excel
Microsoft Exel adalah sebuah aplikasi (perangkat lunak) yang merupakan bagian
dari paket Software Microsoft yang berfungsi mengolah data berupa perhitungan
atau grafik. Aplikasi ini memungkinkan penggunanya untuk membuat lembar
kerja spreadsheet dengan berbagai fitur kalkulasi akurat dan mudah dioperasikan.
Sheet atau lembar kerja Excel terdiri dari 256 kolom dan 65536 baris.
Kolom diberi nama dengan huruf dari A, B, C sampai dengan Z, lalu dilanjutkan
dengan AA, AB, AC sampai kolom IV. Sedangkan baris ditandai dengan angka
mulai dari 1,2,3 sampai dengan 65536. Excel 2007 hadir dengan tampilan yang
Universitas Sumatera Utara
31
lebih praktis dan mudah digunakan, juga berintegrasi dengan berbagai software
lain seperti Microsoft Word, Microsoft Accses, dan Microsoft Powerpoint.
4.3. Langkah-langkah Pengolahan Data
Adapun cara memulai Excel yaitu dengan cara:
1. Klik Start pada sudut kiri bawah layar desktop, maka akan muncul seperti
pada Gambar 4.
Gambar 4.1 Tampilan Icon Start
Universitas Sumatera Utara
32
2. Klik Microsoft Office Excel 2007. Maka akan muncul seperti gambar
seperti Gambar 4.3.
Gambar 4.3 Tampilan Lembar Kerja Microsoft Excel
3. Masukkan(entry) data yang akan diolah seperti pada Gambar 4.4.
Gambar 4.4 Tampilan Pemasukan Data
Universitas Sumatera Utara
33
4. Olah data dengan memasukkan rumus
Persamaan 2.2 untuk jumlah ekspor dengan α = 0,1 yaitu dengan
memasukkan
rumus
=(0,1*B3)+((1-0,1)*C2),
kemudian
melanjutkan rumus untuk baris selanjutnya seperti pada Gambar
4.5.
Gambar 4.5 Tampilan Hasil Olah Data untuk Persamaan 2.2
Persamaan 2.3 untuk jumlah ekspor dengan α = 0,1 yaitu dengan
memasukkan
rumus
=(0,1*C3)+((1-0,1)*(D2),
kemudian
melanjutkan rumus untuk baris selanjutnya seperti pada Gambar
4.6.
Universitas Sumatera Utara
34
Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan 2.3
Persamaan 2.4 untuk jumlah ekpor dengan α = 0,1 yaitu dengan
memasukkan rumus =(2*C3)-D3, kemudian melanjutkan rumus
untuk baris selanjutnya seperti pada Gambar 4.7 sebagai berikut.
Gambar 4.7 Hasil Olah Data untuk Persamaan 2.4
Persamaan 2.5 untuk jumlah ekspor dengan α = 0,1 yaitu dengan
memasukkan
rumus
=((0,1)/(1-0,1))*(C3-D3)
kemudian
melanjutkan rumus untuk baris selanjutnya seperti pada Gambar
4.8 sebagai berikut.
G
a
m
b
a
r
4
.
8
Universitas Sumatera Utara
35
Hasil Olah Data untuk Persamaan 2.5
Persamaan 2.6 untuk jumlah ekspor dengan α = 0,1 yaitu dengan
memasukkan rumus =E3+F3, kemudian melanjutkan rumus untuk
baris selanjutnya seperti pada Gambar 4.9 sebagai berikut.
G
a
m
b
a
r
4
.
9
Hasil Olah Data untuk Persamaan 2.6
rumus =B4-G4, kemudian melanjutkan rumus untuk baris selanjutnya
seperti pada Gambar 4.10 sebagai berikut.
Universitas Sumatera Utara
36
Gambar 4.10 Hasil Olah Data untuk Persamaan 2.7
Kuadratkan jumlah setiap et dengan rumus =H4^2 untuk baris
selanjutkan dengan rumus tersebut, kemudian jumlahkan hasil kuadrat
tersebut dengan rumus =SUM(I4:I14) seperti pada Gambar 4.11.
Gambar 4.11 Hasil Kuadrat Persamaan 2.7
Persamaan 2.6 untuk jumlah ekspor dengan α = 0,8 yaitu dengan
memasukkan
rumus
=E11+11
untuk
tahun
2016,
rumus
=E11+F11(2) untuk tahun 2017, dan rumus =E11+F11(3) untuk
tahun 2018, seperti pada Gambar 4.12 sebagai berikut.
Universitas Sumatera Utara
37
Gambar 4.12 Hasil Peramalan
Dari pengolahan data yang telah dilakukan, untuk jumlah ekspor
dengan α = 0,8, dan N=10 maka diperoleh peramalan nilai ekspor untuk
tahun 2018 sebesar 205.765,04.
Untuk α = 0,1, α = 0,2 sampai dengan α = 0,9 dapat menggunakan
langkah-langkah pengolahan data yang sama dengan α = 0,8.
Universitas Sumatera Utara
38
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 tahun 2006 sampai 2015 untuk jumlah ekspor
Provinsi Sumatera Utara menurut Sektor Pertambangan dan Penggalian
dalam satuan Ton dengan menggunakan metode smoothing eksponensial
ganda dengan metode linier satu-parameter dari Brown, diperoleh nilai MSE
terkecil yaitu 3.791.049.877,40 dengan α = 0,8.
b.
Bentuk persamaan peramalan jumlah Ekspor Provinsi Sumatera Utara
menurut Sektor Pertambangan dan Penggalian berdasarkan data tahun 2006
sampai 2015, dengan α = 0,8 adalah
c.
Peramalan jumlah ekspor Provinsi Sumatera Utara menurut Sektor
Pertambangan dan Penggalian untuk tahun 2018 yakni periode ke-13 sebesar
205.765,04 Ton.
d.
Berdasarkan jumlah peramalan ekspor yang diperoleh dari hasil pengolahan
data, maka nilai ekspor Provinsi Sumatera Utara menurut Sektor
Pertambangan dan Penggalian mengalami naik turun dari tahun ke tahun,
sehingga perlu dimaksimalkan lagi dalam pengontrolan ekspor Sumatera
Utara menurut Sektor Pertambangan dan Penggalian.
5.2. Saran
a.
Dalam meramalkan nilai ekspor dan impor Provinsi Sumatera Utara dapat
menggunakan metode peramalan smoothing eksponensial ganda dengan
metode linier satu parameter dari Brown dengan menggunakan alat bantu
komputer yaitu program aplikasi Microsoft Excel untuk mempermudah proses
perhitungan.
Universitas Sumatera Utara
39
b.
Diharapkan kepada Pemerintahan Provinsi Sumatera Utara dan para pembaca
untuk lebih maksimal dalam mengekspor barang dilihat dari semakin
berkembangnya zaman sekarang persaingan perdagangan semakin meningkat
tetapi kapasitas yang tersedia terbatas sehingga nantinya tidak terjadi
kerugian.
Universitas Sumatera Utara
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 akan diolah oleh
penulis adalah data pertahun jumlah eskpor Provinsi Sumatera Utara Menurut
Sektor Pertambangan dan Penggalian yang dimulai dari tahun 2006 sampai 2015.
Metode yang digunakan untuk mengolah data tersebut adalah metode peramalan
smoothing eksponensial ganda yaitu metode linier satu parameter dari Brown.
3.2. Perkembangan Jumlah Ekspor Provinsi Sumatera Utara Menurut sektor
Pertambangan dan Penggalian Tahun 2006-2015
Pada periode 2006-2015 jumlah ekspor
Sumatera Utara menurut sektor
pertambangan dan penggalian pada umumnya mengalami penurunan.
Tabel 3.1 Data Jumlah Ekspor Provinsi Sumatera Utara Menurut Sektor
Pertambangan dan
Penggalian Tahun 2006-2015
Tahun
Jumlah Ekspor
(Ton)
2006
646.381
2007
104.880
2008
113.311
2009
101.180
2010
69.662
2011
262.987
2012
134.625
2013
222.447
Universitas Sumatera Utara
18
2014
207.353
2015
205.440
Sumber: BPS Provinsi Sumatera Utara
3.3. Pengolahan Data dengan Metode Smoothing Eksponensial Ganda:
Metode Linier Satu-Parameter dari Brown
Tahun
Jumlah Ekspor
(Ton)
2006
646.381
2007
104.880
2008
113.311
2009
101.180
2010
69.662
2011
262.987
2012
134.625
2013
222.447
2014
207.353
2015
205.440
Langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan
dengan menggunakan metode pemulusan eksponensial ganda: metode linier satuparameter dari Brown adalah:
1. Menentukan harga parameter smoothing eksponensial ganda yang
besarnya 0 < α < 1.
2. Menghitung harga smoothing eksponensial tunggal dengan menggunakan
persamaan 2.2.
α = 0,1
S1 = 646.381
S 2 =
S3 =
dst.
Universitas Sumatera Utara
19
α = 0,2
S1 = 646.381
S 2 =
S3 =
dst.
.
.
.
α = 0,9
S1 = 646.381
S 2 =
S3 =
dst.
3. Menghitung harga smoothing eksponensial ganda dengan menggunakan
persamaan 2.3
α = 0,1
dst.
α = 0,2
dst.
.
.
Universitas Sumatera Utara
20
.
α = 0,9
dst.
4. Menghitung koefisien at dan bt dengan menggunakan persamaan 2.4 dan
persamaan 2.5.0
α = 0,1
dst.
dst.
α = 0,2
dst.
dst.
.
.
.
Universitas Sumatera Utara
21
α = 0,9
110.295,01
dst.
dst.
5. Menghitung trend peramalan Ft m dengan menggunakan persamaan 2.6.
α = 0,1
(
dst.
(
)
)
α = 0,2
(
dst.
)
(
)
.
.
.
α = 0,9
(
(
)
)
Universitas Sumatera Utara
22
dst.
6. Menghitung nilai kesalahan (error) dengan menggunakan persamaan 2.7.
α = 0,1
dst.
α = 0,2
dst.
.
.
.
α = 0,9
dst.
Untuk α = 0,3 sampai dengan α = 0,8 hasilnya pada Tabel 3.4 –
Tabel 3.12.
3.4. Penaksiran Model Peramalan
Dalam mengolah data pada Tabel 3.2 , 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
Universitas Sumatera Utara
23
suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masingmasing elemen dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.
Untuk menghitung nilai MSE adalah pertama dicari terlebih dahulu error
yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error
dikuadratkan dan dibagi dengan banyaknya error (persamaan 2.9).
Tabel 3.2 Perhitungan
Peramalan
Jumlah
Ekspor
Smoothing
dengan
Eksponensial Ganda Linier dari Brown dengan α = 0,1
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
592.231,60
640.966,46
54.3497
-5.415
-
-
-
113.311
544.399,54
631.303,40
457.496
-9.656
538.081,76
-424.770,76
180.430.194.779,84
101.180
102.850,35
578.458,09
-372.757
-52.845
447.839,70
-346.659,70
120.172.944.529,37
69.662
72.980,83
527.980,36
-382.019
-50.556
-425.602,69
495.264,69
245.287.117.510,80
262.987
243.986,38
499.580,96
-11.608
-28.399
-432.574,20
695.561,20
483.805.387.512,19
134.625
145.561,14
464.178,98
-173.057
-35.402
-40.007,60
174.632,60
30.496.544.196,70
222.447
214.758,41
439.236,92
-9.720,1
-24.942
-208.458,68
430.905,68
185.679.706.940,89
207.353
208.093,54
416.122,58
64,5
-23.114
-34.662,16
242.015,16
58.571.336.044,32
205.440
205.705,35
395.080,86
16.329,8
-21.042
-23.049,84
228.489,84
52.207.605.957,15
1.356.650.837.471,25
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,1 dan
N=10
MSE = 135.665.083.747,13
Tabel 3.3
Smoothing
Perhitungan Peramalan Jumlah Ekspor dengan
Eksponensial Ganda Linier dari Brown dengan α = 0,2
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
538.080,80
624.720,96
451.441
-21.660,04
-
-
-
113.311
453.126,84
590.402,14
315.852
-34.318,82
429.780,60
-316.469,60
100.153.007.724,16
101.180
382.737,47
548.869,20
216.606
-41.532,93
281.532,72
-180.352,72
32.527.103.611,40
69.662
320.122,38
503.119,84
137.125
-45.749,37
175.072,81
-105.410,81
11.111.438.443,21
262.987
308.695,30
464.234,93
153.156
-38.884,91
91.375,55
171.611,45
29.450.489.084,66
134.625
273.881,24
426.164,19
121.598
-38.070,74
114.270,77
20.354,23
414.294.838,47
222.447
263.594,39
393.650,23
133.539
-32.513,96
83.527,55
138.919,45
19.298.612.908,15
Universitas Sumatera Utara
24
207.353
252.346,11
365.389,41
139.303
-28.260,82
101.024,59
106.328,41
11.305.730.002,12
205.440
242.964,89
340.904,51
145.025
-24.484,90
111.042,00
94.398,00
8.910.983.114,96
213.171.659.727,13
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,2 dan
N=10
MSE = 21.317.165.972,71
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.4
Linier dari Brown dengan α = 0,3
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
483.930,70
597.645,91
370.215
-48.735,04
-
-
-
113.311
372.744,79
530.175,57
215.314
-67.470,27
147.843,74
-34.532,74
1.192.509.957,20
101.180
291.275,35
458.505,51
124.045
-71.669,99
52.375,20
48.804,80
2.381.908.144,81
69.662
224.791,35
388.391,26
61.191,4
-70.114,18
-8.922,74
78.584,74
6.175.561.893,00
262.987
236.250,04
342.748,89
129.751
-45.642,32
84.108,87
178.878,13
31.997.384.654,47
134.625
205.762,53
301.652,99
109.872
-41.095,87
68.776,21
65.848,79
4.336.063.579,21
222.447
210.767,87
274.387,45
147.148
-27.265,51
119.882,78
102.564,22
10.519.418.370,07
207.353
209.743,41
254.994,24
164.493
-19.393,19
145.099,39
62.253,61
3.875.512.218,81
205.440
208.452,39
241.031,68
175.873
-13.962,54
161.910,55
43.529,45
1.894.813.104,40
62.373.171.921,97
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,3 dan
N=10
MSE = 6.237.317.192,20
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.5
Linier dari Brown dengan α = 0,4
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
429.780,60
559.740,84
299.820
-86.640,15
-
-
-
113.311
303.192,76
457.121,61
149.264
-102.619,22
46.644,78
66.666,22
4.444.384.539,86
101.180
222.387,66
363.228,03
81.547,3
-93.893,57
-12.346,20
113.526,20
12.888.198.564,71
69.662
161.297,39
282.455,77
40.139
-80.772,25
-40.633,16
110.295,16
12.165.022.149,07
262.987
201.973,24
250.262,76
153.684
-32.193,01
121.490,73
141.496,27
20.021.194.210,82
134.625
175.033,94
220.171,23
129.897
-30.091,52
99.805,15
34.819,85
1.212.421.622,29
222.447
193.999,17
209.702,41
178.296
-10.468,83
167.827,11
54.619,89
2.983.332.537,24
207.353
199.340,70
205.557,72
193.124
-4.144,68
188.979,00
18.374,00
337.603.985,78
205.440
201.780,42
204.046,80
199.514
-1.510,92
198.003,12
7.436,88
55.307.219,42
Universitas Sumatera Utara
25
54.107.464.829,20
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,4 dan
N=10
MSE = 5.410.746.482,92
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.6
Linier dari Brown dengan α = 0,5
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
375.630,50
511.005,75
240.255
-135.375,25
-
-
-
113.311
244.470,75
377.738,25
111.203
-133.267,50
-22.064,25
135.375,25
18.326.458.312,56
101.180
172.825,38
275.281,81
70.368,9
-102.456,44
-32.087,50
133.267,50
17.760.226.556,25
69.662
121.243,69
198.262,75
44.224,6
-77.019,06
-32.794,44
102.456,44
10.497.321.585,19
262.987
192.115,34
195.189,05
189.042
-3.073,70
185.967,94
77.019,06
5.931.935.988,38
134.625
163.370,17
179.279,61
147.461
-15.909,44
131.551,30
3.073,70
9.447.650,90
222.447
192.908,59
186.094,10
199.723
6.814,49
206.537,56
15.909,44
253.110.201,57
207.353
200.130,79
193.112,45
207.149
7.018,35
214.167,49
-6.814,49
46.437.250,54
205.440
202.785,40
197.948,92
207.622
4.836,48
212.458,35
-7.018,35
49.257.203,82
52.874.194.749,21
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,5 dan
N=10
MSE = 5.287.419.474,92
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.7
Linier dari Brown dengan α = 0,6
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
321.480,40
451.440,64
191.520
-194.940,36
-
-
-
113.311
196.578,76
298.523,51
94.634
-152.917,13
-58.283,12
171.594,12
29.444.542.018,57
101.180
139.339,50
203.013,11
75.665,9
-95.510,40
-19.844,50
121.024,50
14.646.930.568,45
69.662
97.533,00
139.725,04
55.341
-63.288,06
-7.947,10
77.609,10
6.023.173.023,68
262.987
196.805,40
173.973,26
219.638
34.248,21
253.885,76
9.101,24
82.832.616,14
134.625
159.497,16
165.287,60
153.707
-8.685,66
145.021,06
-10.396,06
108.078.117,42
222.447
197.267,06
184.475,28
210.059
19.187,68
229.246,53
-6.799,53
46.233.593,03
207.353
203.318,63
195.781,29
210.856
11.306,01
222.161,97
-14.808,97
219.305.684,03
205.440
204.591,45
201.067,38
208.116
5.286,10
213.401,61
-7.961,61
63.387.295,13
50.634.482.916,46
Universitas Sumatera Utara
26
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,6 dan
N=10
MSE = 5.063.448.291,65
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.8
Linier dari Brown dengan α = 0,7
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
267.330,30
381.045,51
153.615
-265.335,49
-
-
-
113.311
159.516,79
225.975,41
93.058,2
-155.070,10
-62.011,93
175.322,93
30.738.129.706,11
101.180
118.681,04
150.869,35
86.492,7
-75.106,06
11.386,67
89.793,33
8.062.842.452,39
69.662
84.367,71
104.318,20
64.417,2
-46.551,15
17.866,07
51.795,93
2.682.817.891,51
262.987
209.401,21
177.876,31
240.926
73.558,11
314.484,22
-51.497,22
2.651.964.128,62
134.625
157.057,86
163.303,40
150.812
-14.572,91
136.239,42
-1.614,42
2.606.345,68
222.447
202.830,26
190.972,20
214.688
27.668,80
242.357,12
-19.910,12
396.412.901,27
207.353
205.996,18
201.488,98
210.503
10.516,78
221.020,15
-13.667,15
186.791.118,39
205.440
205.606,85
204.371,49
206.842
2.882,51
209.724,72
-4.284,72
18.358.842,51
44.739.923.386,49
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,7 dan
N=10
MSE = 4.473.992.338,65
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Tabel 3.9
Linier dari Brown dengan α = 0,8
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
213.180,20
299.820,36
126.540
-346.560,64
-
-
-
113.311
133.284,84
166.591,94
99.977,7
-133.228,42
-33.250,68
146.561,68
21.480.326.044,42
101.180
107.600,97
119.399,16
95.802,8
-47.192,78
48.609,99
52.570,01
2.763.605.741,12
69.662
77.249,79
85.679,67
68.819,9
-33.719,50
35.100,42
34.561,58
1.194.502.535,60
262.987
225.839,56
197.807,58
253.872
112.127,91
365.999,45
-103.012,45
10.611.564.838,52
134.625
152.867,91
161.855,85
143.880
-35.951,73
107.928,24
26.696,76
712.716.833,89
222.447
208.531,18
199.196,11
217.866
37.340,27
255.206,52
-32.759,52
1.073.186.098,63
207.353
207.588,64
205.910,13
209.267
6.714,02
215.981,16
-8.628,16
74.445.109,82
205.440
205.869,73
205.877,81
205.862
-32,32
205.829,32
-389,32
151.571,94
37.910.498.773,96
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,8 dan
N=10
Universitas Sumatera Utara
27
MSE = 3.791.049.877,40
Tabel 3.10
Perhitungan Peramalan Jumlah Ekspor dengan Smoothing Eksponensial Ganda
Linier dari Brown dengan α = 0,9
Xt
S 't
S "t
at
bt
Ft
et
et2
646.381
646.381
646.381
-
-
-
-
-
104.880
159.030,10
207.765,19
110.295,01
-438.615,81
-
-
-
113.311
117.882,91
126.871,14
108.894,68
-80.894,05
28.000,63
85.310,37
7.277.859.229,54
101.180
102.850,29
105.252,38
100.448,21
-21.618,76
78.829,44
22.350,56
499.547.353,51
69.662
72.980,83
76.207,98
69.753,674
-29.044,39
40.709,28
28.952,72
838.259.850,63
262.987
243.986,38
227.208,54
260.764,22
151.000,56
411.764,78
-148.777,78
22.134.828.434,69
134.625
145.561,14
153.725,88
137.396,4
-73.482,66
63.913,73
70.711,27
5.000.083.197,73
222.447
214.758,41
208.655,16
220.861,67
54.929,28
275.790,95
-53.343,95
2.845.576.883,90
207.353
208.093,54
208.149,70
208.037,38
-505,46
207.531,92
-178,92
32.013,24
205.440
205.705,35
205.949,79
205.460,92
-2.199,91
203.261,00
2.179,00
4.748.019,21
38.600.934.982,46
Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,9 dan
N=10
MSE = 3.860.093.498,25
Kemudian nilai-nilai MSE yang telah diperoleh dapat dilihat pada nilai α
yang memberikan nilai MSE yang paling kecil. Ukuran ketepatan metode
peramalan jumlah ekspor Provinsi Sumatera Utara menurut sektor Pertambangan
dan Penggalian dengan melihat MSE adalah sebagai berikut:
Tabel 3.11
Ukuran Ketepatan Metode Peramalan Jumlah Ekspor
Α
MSE
0,1 135.665.083.747,13
0,2 21.317.165.972,71
0,3 6.237.317.192,20
0,4 5.410.746.482,92
0,5 5.287.419.474,92
0,6 5.063.448.291,65
0,7 4.473.992.338,65
Universitas Sumatera Utara
28
0,8 3.791.049.877,40
0,9 3.860.093.498,25
Dari Tabel 3.22, dapat dilihat bahwa MSE jumlah ekspor yang paling kecil
terdapat pada α = 0,8 yaitu dengan MSE =3.791.049.877,40.
3.5. Penentuan Bentuk Persamaan Peramalan
Melalui cara trial and error dengan 0 < α < 1, telah diperoleh untuk jumlah
ekspor, perhitungan peramalan pemulusan eksponensial linier satu-parameter dari
Brown dengan α = 0,8, sehingga dapat ditentukan bentuk persamaan peramalan
untuk periode-periode berikutnya.
Berdasarkan perhitungan pada α = 0,8 untuk ekspor, dapat diperoleh
persamaan peramalan untuk periode berikutnya yaitu dengan menggunakan
persamaan 2.6 sebagai berikut:
1. Ekspor (α = 0,8)
3.6. Peramalan Jumlah Ekspor untuk Tahun 2016, 2017 dan 2018
Setelah diperoleh peramalan jumlah ekspor, maka dapat dihitung jumlah ekspor
untuk tiga periode berikutnya, yaitu untuk tahun 2016, 2017 dan 2018 seperti di
bawah ini:
a. Untuk periode ke-11 (tahun 2016)
b. Untuk periode ke-12 (tahun 2017)
c. Untuk periode ke-13 (tahun 2018)
Universitas Sumatera Utara
29
Tabel 3.12 Peramalan Jumlah Ekspor Provinsi Sumatera Utara Menurut
Sektor Pertambangan dan Penggalian untuk Tahun 2017,
2018 dan 2019
Peramalan Nilai Ekspor
Tahun
Periode
2017
11
205.829,68
2018
12
205.797,36
2019
13
205.765,04
(Ton)
Universitas Sumatera Utara
30
BAB 4
IMPLEMENTASI SISTEM
4.1. Pengertian Implementasi Sistem
Berbicara tentang pengolahan data, bukanlah merupakan suatu pekerjaan yang
ringan. Karena manusia mempunyai sifat lupa atau khilaf yang dapat terjadi setiap
saat. Apalagi berbicara tentang data, pastinya sangat erat kaitannya dengan angka.
Jika dalam suatu perhitungan khilaf satu angka saja, maka akan berakibat fatal
pada hasil yang diperoleh. Oleh karena itu, seiring dengan berkembangnya
teknologi, maka diciptakanlah berbagai macam jenis alat atau aplikasi yang dapat
membantu manusia dalam menyelesaikan pengolahan data. Salah satu contohnya
yang sudah sangat sering dipakai dewasa ini adalah Microsoft Exel. Dengan
menggunakan aplikasi Microsoft Exel manusia akan jauh lebih mudah dalam
mengolah data, terutama data yang dalam jumlah besar. Di samping itu, juga
dapat mengurangi kesalahan-kesalahan dalam perhitungan serta bisa dikerjakan
dengan mudah, praktis dan cepat. Jadi, implementasi sistim merupakan penerapan
hasil desain tertulis ke dalam sebuah tulisan yang mana dalam hal ini penulis
menggunakan Microsoft Excel 2007 untuk menganalisis data nilai ekspor dan
impor Provinsi Sumatera Utara.
4.2. Microsoft Excel
Microsoft Exel adalah sebuah aplikasi (perangkat lunak) yang merupakan bagian
dari paket Software Microsoft yang berfungsi mengolah data berupa perhitungan
atau grafik. Aplikasi ini memungkinkan penggunanya untuk membuat lembar
kerja spreadsheet dengan berbagai fitur kalkulasi akurat dan mudah dioperasikan.
Sheet atau lembar kerja Excel terdiri dari 256 kolom dan 65536 baris.
Kolom diberi nama dengan huruf dari A, B, C sampai dengan Z, lalu dilanjutkan
dengan AA, AB, AC sampai kolom IV. Sedangkan baris ditandai dengan angka
mulai dari 1,2,3 sampai dengan 65536. Excel 2007 hadir dengan tampilan yang
Universitas Sumatera Utara
31
lebih praktis dan mudah digunakan, juga berintegrasi dengan berbagai software
lain seperti Microsoft Word, Microsoft Accses, dan Microsoft Powerpoint.
4.3. Langkah-langkah Pengolahan Data
Adapun cara memulai Excel yaitu dengan cara:
1. Klik Start pada sudut kiri bawah layar desktop, maka akan muncul seperti
pada Gambar 4.
Gambar 4.1 Tampilan Icon Start
Universitas Sumatera Utara
32
2. Klik Microsoft Office Excel 2007. Maka akan muncul seperti gambar
seperti Gambar 4.3.
Gambar 4.3 Tampilan Lembar Kerja Microsoft Excel
3. Masukkan(entry) data yang akan diolah seperti pada Gambar 4.4.
Gambar 4.4 Tampilan Pemasukan Data
Universitas Sumatera Utara
33
4. Olah data dengan memasukkan rumus
Persamaan 2.2 untuk jumlah ekspor dengan α = 0,1 yaitu dengan
memasukkan
rumus
=(0,1*B3)+((1-0,1)*C2),
kemudian
melanjutkan rumus untuk baris selanjutnya seperti pada Gambar
4.5.
Gambar 4.5 Tampilan Hasil Olah Data untuk Persamaan 2.2
Persamaan 2.3 untuk jumlah ekspor dengan α = 0,1 yaitu dengan
memasukkan
rumus
=(0,1*C3)+((1-0,1)*(D2),
kemudian
melanjutkan rumus untuk baris selanjutnya seperti pada Gambar
4.6.
Universitas Sumatera Utara
34
Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan 2.3
Persamaan 2.4 untuk jumlah ekpor dengan α = 0,1 yaitu dengan
memasukkan rumus =(2*C3)-D3, kemudian melanjutkan rumus
untuk baris selanjutnya seperti pada Gambar 4.7 sebagai berikut.
Gambar 4.7 Hasil Olah Data untuk Persamaan 2.4
Persamaan 2.5 untuk jumlah ekspor dengan α = 0,1 yaitu dengan
memasukkan
rumus
=((0,1)/(1-0,1))*(C3-D3)
kemudian
melanjutkan rumus untuk baris selanjutnya seperti pada Gambar
4.8 sebagai berikut.
G
a
m
b
a
r
4
.
8
Universitas Sumatera Utara
35
Hasil Olah Data untuk Persamaan 2.5
Persamaan 2.6 untuk jumlah ekspor dengan α = 0,1 yaitu dengan
memasukkan rumus =E3+F3, kemudian melanjutkan rumus untuk
baris selanjutnya seperti pada Gambar 4.9 sebagai berikut.
G
a
m
b
a
r
4
.
9
Hasil Olah Data untuk Persamaan 2.6
rumus =B4-G4, kemudian melanjutkan rumus untuk baris selanjutnya
seperti pada Gambar 4.10 sebagai berikut.
Universitas Sumatera Utara
36
Gambar 4.10 Hasil Olah Data untuk Persamaan 2.7
Kuadratkan jumlah setiap et dengan rumus =H4^2 untuk baris
selanjutkan dengan rumus tersebut, kemudian jumlahkan hasil kuadrat
tersebut dengan rumus =SUM(I4:I14) seperti pada Gambar 4.11.
Gambar 4.11 Hasil Kuadrat Persamaan 2.7
Persamaan 2.6 untuk jumlah ekspor dengan α = 0,8 yaitu dengan
memasukkan
rumus
=E11+11
untuk
tahun
2016,
rumus
=E11+F11(2) untuk tahun 2017, dan rumus =E11+F11(3) untuk
tahun 2018, seperti pada Gambar 4.12 sebagai berikut.
Universitas Sumatera Utara
37
Gambar 4.12 Hasil Peramalan
Dari pengolahan data yang telah dilakukan, untuk jumlah ekspor
dengan α = 0,8, dan N=10 maka diperoleh peramalan nilai ekspor untuk
tahun 2018 sebesar 205.765,04.
Untuk α = 0,1, α = 0,2 sampai dengan α = 0,9 dapat menggunakan
langkah-langkah pengolahan data yang sama dengan α = 0,8.
Universitas Sumatera Utara
38
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 tahun 2006 sampai 2015 untuk jumlah ekspor
Provinsi Sumatera Utara menurut Sektor Pertambangan dan Penggalian
dalam satuan Ton dengan menggunakan metode smoothing eksponensial
ganda dengan metode linier satu-parameter dari Brown, diperoleh nilai MSE
terkecil yaitu 3.791.049.877,40 dengan α = 0,8.
b.
Bentuk persamaan peramalan jumlah Ekspor Provinsi Sumatera Utara
menurut Sektor Pertambangan dan Penggalian berdasarkan data tahun 2006
sampai 2015, dengan α = 0,8 adalah
c.
Peramalan jumlah ekspor Provinsi Sumatera Utara menurut Sektor
Pertambangan dan Penggalian untuk tahun 2018 yakni periode ke-13 sebesar
205.765,04 Ton.
d.
Berdasarkan jumlah peramalan ekspor yang diperoleh dari hasil pengolahan
data, maka nilai ekspor Provinsi Sumatera Utara menurut Sektor
Pertambangan dan Penggalian mengalami naik turun dari tahun ke tahun,
sehingga perlu dimaksimalkan lagi dalam pengontrolan ekspor Sumatera
Utara menurut Sektor Pertambangan dan Penggalian.
5.2. Saran
a.
Dalam meramalkan nilai ekspor dan impor Provinsi Sumatera Utara dapat
menggunakan metode peramalan smoothing eksponensial ganda dengan
metode linier satu parameter dari Brown dengan menggunakan alat bantu
komputer yaitu program aplikasi Microsoft Excel untuk mempermudah proses
perhitungan.
Universitas Sumatera Utara
39
b.
Diharapkan kepada Pemerintahan Provinsi Sumatera Utara dan para pembaca
untuk lebih maksimal dalam mengekspor barang dilihat dari semakin
berkembangnya zaman sekarang persaingan perdagangan semakin meningkat
tetapi kapasitas yang tersedia terbatas sehingga nantinya tidak terjadi
kerugian.
Universitas Sumatera Utara