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