Bab 4 Pengolahan Data
4.2 Peramalan Nilai Air Minum
Setelah ditemukan harga parameter smoothing eksponensial yang besarnya 0 < < 1 dengan cara trial dan error diperoleh perhitungan peramalan smoothing eksponensial linier satu parameter dari Brown dengan = 0,5.
Dari Tabel 4.12 maka diperoleh peramalan untuk periode berikutnya dengan bentuk persamaan peramalan:
Ft+m = + (m)
Ft+m = + (m)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m) (4.1)
a. Untuk periode ke 37 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+1 = 25.522.598.733,46+ 141.520.853,92 (1)
F37 = 25.664.119.587,38 b. Untuk periode ke 38 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+2 = 25.522.598.733,46+ 141.520.853,92 (2)
F38 = 25.805.640.441,29 c. Untuk periode ke 39 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+3 = 25.522.598.733,46+ 141.520.853,92 (3)
55
d. Untuk periode ke 40 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+4 = 25.522.598.733,46+ 141.520.853,92 (4)
F40 = 26.088.682.149,13 e. Untuk periode ke 41 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+5 = 25.522.598.733,46+ 141.520.853,92 (5)
F41 = 26.230.203.003,05 f. Untuk periode ke 42 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+6 = 25.522.598.733,46+ 141.520.853,92 (6)
F42 = 26.371.723.856,96 g. Untuk periode ke 43 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+7 = 25.522.598.733,46+ 141.520.853,92 (7)
F43 = 26.513.244.710,88 h. Untuk periode ke 44 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+8 = 25.522.598.733,46+ 141.520.853,92 (8)
F44 = 26.654.765.564,80 i. Untuk periode ke 45 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+9 = 25.522.598.733,46+ 141.520.853,92 (9)
F45 = 26.796.286.418,72
56
j. Untuk periode ke 46 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+10 = 25.522.598.733,46+ 141.520.853,92 (10)
F46 = 26.937.807.272,64 k. Untuk periode ke 47 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+11 = 25.522.598.733,46+ 141.520.853,92 (11)
F47 = 27.079.328.126,55 l. Untuk periode ke 48 (tahun 2012)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+12 = 25.522.598.733,46+ 141.520.853,92 (12)
F48 = 27.220.848.980,47 m. Untuk periode ke 49 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+13 = 25.522.598.733,46+ 141.520.853,92 (13)
F49 = 27.362.369.834,39 n. Untuk periode ke 50 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+14 = 25.522.598.733,46+ 141.520.853,92 (14)
F50 = 27.503.890.688,31 o. Untuk periode ke 51 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+15 = 25.522.598.733,46+ 141.520.853,92 (15)
57
p. Untuk periode ke 52 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+16 = 25.522.598.733,46+ 141.520.853,92 (16)
F52 = 27.786.932.396,14 q. Untuk periode ke 53 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+17 = 25.522.598.733,46+ 141.520.853,92 (17)
F53 = 27.928.453.250,06 r. Untuk periode ke 54 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+18 = 25.522.598.733,46+ 141.520.853,92 (18)
F54 = 28.069.974.103,98 s. Untuk periode ke 55 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+19 = 25.522.598.733,46+ 141.520.853,92 (19)
F55 = 28.211.494.957,89 t. Untuk periode ke 56 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+20 = 25.522.598.733,46+ 141.520.853,92 (20)
F56 = 28.353.015.811,81 u. Untuk periode ke 57 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+21 = 25.522.598.733,46+ 141.520.853,92 (21)
58
v. Untuk periode ke 58 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+22 = 25.522.598.733,46+ 141.520.853,92 (22)
F58 = 28.636.057.519,65 w. Untuk periode ke 59 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+23 = 25.522.598.733,46+ 141.520.853,92 (23)
F59 = 28.777.578.373,57 x. Untuk periode ke 60 (tahun 2013)
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
F36+24 = 25.522.598.733,46+ 141.520.853,92 (24)
F60 = 28.919.099.227,48
Tahun Bulan Periode Nilai Air Minum (Xt) S't S''t at bt Forecast(Ft+m) ei ei2 2012 Januari 37 - - 25,664,119,587.38 Februari 38 25,805,640,441.29 Maret 39 25,947,161,295.21 April 40 26,088,682,149.13 Mei 41 26,230,203,003.05 Juni 42 26,371,723,856.96 Juli 43 26,513,244,710.88 Agustus 44 26,654,765,564.80 September 45 26,796,286,418.72 Oktober 46 26,937,807,272.64 Oktober 47 27,079,328,126.55 Desember 48 27,220,848,980.47 2013 Januari 49 27,362,369,834.39 Februari 50 27,503,890,688.31 Maret 51 27,645,411,542.22 April 52 27,786,932,396.14 Mei 53 27,928,453,250.06 Juni 54 28,069,974,103.98 Juli 55 28,211,494,957.89 Agustus 56 28,353,015,811.81 September 57 28,494,536,665.73 Oktober 58 28,636,057,519.65 Oktober 59 28,777,578,373.57 Desember 60 28,919,099,227.48
Tabel 4.13 Peramalan Nilai Air Minum yang Disalurkan PDAM Tirtanadi Medan Tahun 2012 - 2013
60
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah langkah-langkah atau prosedur-prosedur yang dilakukan dalam menyelesaikan desain sistem yang telah disetujui, untuk menginstal, menguji dan memulai sistem baru atau sistem yang diperbaiki.
5.2 Tujuan Implementasi Sistem
Adapun tujuan dari implementasi sistem ini adalah sebagai berikut: 1. Menyelesaikan desain sistem yang telah disetujui sebelumnya.
2. Memastikan bahwa pemakai (user) dapat mengoperasikan sistem baru 3. Menguji apakah sistem baru tersebut sesuai dengan pemakai.
4. Memastikan bahwa konversi ke sistem baru berjalan yaitu dengan membuat rencana, mengontrol dan melakukan instalasi baru secara benar
5.3 Pengertian Microsoft Excel
Microsoft excel adalah generasi porpose electronic spreadsheet yang dapat digunakan unutk mengorganisir , menghitung , menyediakan maupun menganalisa data serta mempresentasikan ke dalam grafik atau diagram. Microsoft excel dapat
61
membantu penyelesaikan tugas-tugas mulai dari penyiapan invoice sederhana atau budget, pembuatan grafik 3-dimensi sampai me-manage buku besar akuntansi untuk sebuah perusahaan tingkat menengah.
5.4 Struktur Microsoft Excel
Tampilan mocrosoft excel berupa bentuk standard dari menu bar, toolbars, formula bar, status bardan sebuah buku kerja (workbook) baru. Workbook memuat minimum (1) atau maksimum (225) worksheet (kertas kerja) jumlah worksheet dalam keadaan default ada tiga (3) dan worksheet yang aktif bernama “sheet 1” alamat sel kiri atas dan alamat sel kanan bawah. Sedangkan “pointer” adalah penunjuk sel yang aktif.
5.5 Langkah – Langkah Memulai Pengolahan Data dengan Excel
Cara mengaktifkan microsoft excel sama dengan pengaktifan program-program aplikasi lainnya yang ada dalam Microsoft Office yaitu :
1. Klik tombol “start” yang ada pada taskbar
2. bawa pointer mouse ke program folder, kemudian
3. Klik ikon Microsoft Office kemudian pilih Microsoft Excel untuk memulai program.
62
Gambar 5.1 Tampilan saat Membuka Excel pada Windows
Selanjutnya excel akan menampilkan buku kerja (workbook) yang kosong
63
Gambar 5.3 Tampilan Entri Data
Dari data di atas dapat ditentukan besarnya forecast dengan α = 0,1 ; 0,5 ; dan 0,9. Dan setiap perhitungan akan diberi nama untuk tiap kolom.
Contoh α = 0,5 seperti berikut :
1. Pada kolom kelima ditulis keterangannya dengan ′
2. Pada kolom keenam ditulis keterangannya dengan ′′
3. Pada kolom ketujuh ditulis keterangannya dengan 4. Pada kolom kedelapan ditulis keterangannya dengan
5. Pada kolom kesembilan ditulis keterangannya dengan forecast
Maka perhitungan masing-masing smoothing pertama, smoothing kedua, konstanta, slope, dan forecast adalah sebagai berikut:
1. Smoothing pertama ( ′), untuk tahun pertama ditentukan sebesar bulan
64
adalah = D4. Sedangkan untuk bulan kedua dapat dihitung dengan rumus: = 0.1*D5+0.9*E4
Dalam kasus ini munghasilkan angka = 21,481,262,887.00, untuk bulan – bulan berikutnya hanya menyalin rumus tersebut.
2. Smoothing pertama ( ′′), untuk tahun kedua ditentukan sebesar jumlah nilai
tahun pertama dari data historisnya, sehingga rumus yang tertera pada sel F4 adalah = E4. Sedangkan untuk bulan kedua dapat dihitung dengan rumus: = 0.1*E5+0.9*F4
Dalam kasus ini munghasilkan angka = 21,474,574,233.70, untuk bulan-bulan berikutnya hanya menyalin rumus tersebut.
3. Nilai baru bisa dicari pada tahun kedua yaitu dengan rumus yang tertera pada sel G5 adalah = E5 + (E5 – F5). Dalam kasus ini menghasilkan angka 21,487,951,540.30, untuk bulan –bulan berikutnya hanya menyalin rumus tersebut.
4. Nilai baru bisa dicari pada tahun kedua yaitu dengan rumus yang tertera pada sel H5 adalah = 0.1/0.9*(E5 – F5). Dalam kasus ini menghasilkan angka 743,183.70, untuk bulan –bulan berikutnya hanya menyalin rumus tersebut.
65
Hasil dapat dilihat sebagai berikut:
Gambar 5.4 Tampilan Pengolahan Data 5.6 Pembuatan Grafik
Grafik pada excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar grafik tersendiri, namun masih di file yang sama. Adapun langkah-langkahnya adalah sebagai berikut:
1. Sorot sel atau range yang akan dibuat grafik. 2. Pilih menu insert chart
3. Pilih tipe grafik yang sesuai, kemudian klik OK. Adapun tampilannya adalah sebagai berikut:
66
Gambar 5.5 Tampilan Insert Chart
Setelah di klik OK akan muncul tampilan sebagai berikut:
67
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Untuk peramalan perolehan nilai air minum yang disalurkan PDAM Tirtanadi Medan tahun 2012 – 2013 diperoleh persamaan peramalan:
Ft+m = 25.522.598.733,46+ 141.520.853,92 (m)
Dari data pada Tabel 4.13, diketahui bahwa peramalan nilai air minum yang disalurkan PDAM Tirtanadi Medan tahun2012 -2013 untuk setiap periode berikutnya semakin meningkat, ini dapat disebabkan oleh kebutuhan air minum yang semakin banyak dan pertumbuhan penduduk yang meningkat cepat.
68
6.2 Saran
Dari hasil penelitian ini, diharapkan pada PDAM Tirtanadi Medan agar dapat menambah pelayanan kepada konsumen khususnya masyarakat kota Medan begitu juga dengan harga yang relatif terjangkau oleh masyarakat. Apalagi saat ini jumlah penduduk yaitu rumah tangga semakin meningkat.
7
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan adalah cara memperkirakan secara kuantitatif dan kualitatif apa yang akan terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Metode peramalan dapat memberikan manfaat yang sangat besar apabila dikaitkan dengan keadaan informasi atau data yang dipunyai. Metode peramalan akan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah, sehingga dengan demikian dapat dimungkinkan penggunaan teknik-teknik analisa yang lebih maju. Dengan penggunaan teknik-teknik tersebut, maka diharapkan dapat memberikan tingkat kepercayaan atau keyakinan yang lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah.
2.2 Kegunaan Metode Peramalan
Metode peramalan sangat berguna, baik dalam penelitian, perencanaan maupun pengambilan keputusan karena akan membantu dalam mengadakan pendekatan analisa terhadap perilaku atau pola dari data yang lalu sehingga dapat memberikan cara pemikiran pengerjaan, dan pemecahan yang sistematis, serta memberikan tingkat kepercayaan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau yang disusun.
Baik tidaknya hasil suatu penelitian sangat ditentukan oleh ketepatan ramalan yang dibuat, demikian pula dengan baik tidaknya keputusan dan rencana yang
8
disusun juga sangat ditentukan oleh ketepatan ramalan yang dibuat. Oleh karena itu ketepatan dari ramalan tersebut merupakan hal yang sangat penting. Walaupun demikian perlu disadari bahwa suatu ramalan tetap ramalan, di mana selalu ada unsur kesalahannya.
Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahan tersebut. Pada dasarnya, baik tidaknya suatu ramalan yang disusun sangat tergantung pada orang yang melakukannya, langkah-langkah peramalan yang dilakukannya, serta metode peramalan yang digunakan. Walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan, selalu ada unsur kesalahan. Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahannya. Di dalam bagian organisasi terdapat beberapa kegunaan metode peramalan, diantaranya:
1. Berguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, dana, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah tingkat permintaan konsumennya atau si pelanggan.
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 tahun. Peramalan dapat digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus sumber daya yang dimiliki dalam jangka panjang. Keputusan sepanjang ini bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangan. Semua penentuan ini memerlukan peramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
9
Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di atas merupakan bentuk khas dari kegunaan ramalan jangka pendek, menengah, dan panjang.
2.3 Jenis Peramalan
Pada umumnya peramalan dapat dibedakan dari beberapa segi, tergantung dari cara melihatnya. Apabila dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam, yaitu:
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana pembangunan suatu negara atau daerah, rencana investasi atau rencana ekspansi dari suatu perusahaan.
2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu kurang dari satu setengah tahun. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional, dan anggaran, contohnya penyusunan rencana produksi, rencana penjualan, rencana pengadaan, rencana persediaan, anggaran produksi, anggaran pemasaran, dan anggaran perusahaan. Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua macam, yaitu:
10
a. Peramalan Kualitatif atau teknologis
Peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya, hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Bisaanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan dan ciri-ciri normatif seperti decision matrices atau decision trees. metode kualitatif dapat dibagi menjadi metode eksploratoris dan normatif.
b. Peramalan Kuantitatif
Peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Pada dasarnya metode peramalan kuantitatif ini meliputi metode peramalan yang didasarkan pada penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu, atau pola deret berkala (time-series) dan metode peramalan yang didasarkan pada penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, metode ini disebut metode korelasi atau sebab-akibat.
Metode peramalan dengan menggunakan analisa pola deret berkala (time series) antara lain adalah:
a. Adanya informasi tentang keadaan yang lain.
b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
11
Metode-metode peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu atau analisa deret waktu, yaitu:
1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak, sering digunakan untuk ramalan jangka pendek dan jarang digunakan untuk peramalan jangka panjang.
2. Metode Regresi, metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang.
3. Metode Box-jenkins, jarang dipakai namun baik untuk ramalan jangka pendek, menengah, dan jangka panjang.
2.4 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 analisis keadaan dalam mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu:
1. Horizon Waktu
Ada dua aspek horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang, untuk mana perbedaan dari metode peramalan yang digunakan sebaiknya sesuai. Aspek kedua adalah jumlah periode untuk peramalan yang akan diinginkan.
12
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam-macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan. 3. Jenis dari Model
Model-model dari suatu deret di mana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Jenis 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 di dalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan kesempatan dalam penggunaan teknik-teknik dan metode lainnya.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam Penerapan
Teknik dan metode peramalan harus dapat disesuaikan dengan kemampuan analis yang akan menggunakan metode ramalan tersebut. Metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan untuk memenuhi kebutuhan dari keadaan.
2.5 Analisis Deret Berkala
Deret berkala (Time series) adalah data yang dikumpulkan dari waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.
13
Analisis deret berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian lainnya.
Metode deret berkala merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan deret berkala ini mencakup pola data yang digunakan untuk meramalkan apakah data tersebut stationer atau tidak dan ekstrapolasi ke masa yang akan datang. Stationer itu sendiri berarti bahwa tidak terdapat pertumbuhan ataupun penurunan data. Data seharusnya horizontal sepanjang waktu atau dengan kata lain fluktasi data tetap konstan setiap waktu.
2.6 Metode Pemulusan (Smoothing)
Metode Smoothing adalah suatu metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu:
1. Metode Rata-rata
Metode Rata-rata dibagi atas empat bagian, yaitu: a. Nilai Tengah (Mean)
b. Rata-rata bergerak tunggal (Single Moving Average) c. Rata-rata bergerak ganda (DoubleMoving Average) d. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
14
2. Metode Pemulusan Eksponensial
Bentuk umum dari Metode Pemulusan Eksponensial Ft +1 = αX t +
(
1 − α)
FtKeterangan : F
t+1 = Ramalan satu periode ke depan X
t = Data aktual pada periode ke-t F
t= Ramalan pada periode ke-t α = Parameter pemulusan
Metode Pemulusan Eksponensial terdiri atas: 1. Pemulusan Eksponensial Tunggal
a. Satu parameter b. Pendekatan adaptif
2. Smoothing Eksponensial Ganda
a. Metode Linier Satu Parameter dari Brown b. Metode Dua Parameter dari Holt
3. Smoothing Eksponensial Tripel
a. Metode Kuadratik Satu Parameter dari Brown
b. Metode Tiga Parameter untuk kecenderungan dan musiman dari Winter 4. Smoothing Eksponensial menurut klasifikasi Pegels.
15
2.7 Metode Pemulusan yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan Time series yang digunakan untuk meramalkan produksi karet pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu “Smoothing Eksponensial Linier Satu Parameter dari Brown” .
Persamaan yang dipakai dalam pelaksanaan Pemulusan Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut:
Ft+m = a t+ b t (m ) ′ = α + (1 − α ) ′′ ′′ = α ′+ (1 − α ) ′′ at = ′+ ( ′− ′′) = 2 ′ − ′′ bt = α ( α )( ′− ′′) Keterangan :
′ = Nilai pemulusan eksponensial tunggal
′′ = Nilai pemulusan eksponensial ganda
a
t = Konstanta untuk m periode ke depan b
t = Komponen kecenderungan
F
t+m = Hasil ramalan untuk m periode ke depan yang akan diramalkan α = Parameter pemulusan eksponensial besarnya adalah 0 < α < 1
16
2.8 Penentuan Pola Data
Langkah penting dalam memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Secara umum pola data dapat dibedakan menjadi empat, yaitu:
1. Pola Horisontal (H) : Pola ini terjadi bila nilai berfluktuasi di sekitar nilai rata-rata yang konstan.
y
waktu Gambar 2.1 Pola Data Horizontal
2. Pola Musiman (S)
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).
waktu Gambar 2.2 Pola Data Musiman
17
3. Pola Siklis (C)
Pola data yang menunjukkan gerakkan naik turun dalam jangka panjang dari suatu kurva trend, terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang yang berhubungan dengan siklus bisnis.
y
waktu Gambar 2.3 Pola Data Siklis
4. Pola Trend (T)
Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data. y
waktu
Gambar 2.4 Pola Data Trend
1
BAB 1
PENDAHULUAN
1.1Latar Belakang
Sejalan dengan kemajuan dan peningkatan taraf kehidupan, maka jumlah penyediaan air semakin meningkat untuk setiap saat. Air merupakan salah satu faktor yang sangat dibutuhkan sejalan dengan semakin bertambahnya jumlah penduduk. Air merupakan sumber daya alam yang memiliki fungsi sangat penting bagi kehidupan dan perikehidupan manusia, serta untuk memajukan kesejahteraan umum. Air juga merupakan komponen lingkungan hidup yang penting bagi kelangsungan hidup manusia dan mahluk hidup lainnya.
Air merupakan komponen penting bagi tubuh, karena sebagian tubuh terdiri dari 80% cairan. Jadi jika tubuh kehilangan cairan maka tubuh tidak dapat berfungsi dengan baik. Fungsi air memiliki peranan penting bagi aktifitas tubuh. Karena setiap harinya melakukan kegiatan seperti: sekolah, bermain, tidur, mencuci, mandi, minum dan aktifitas lainnya.
Seiring dengan itu berbagai jenis industri juga semakin berkembang, dan begitu juga dengan industri air minum. Dari waktu ke waktu Indonesia mengalami krisis air bersih, baik dari segi kuantitas maupun kualitasnya. Air tawar bersih untuk air minum di perkotaan semakin langka. Sungai–sungai yang menjadi sumbernya sudah tercemar berbagai macam limbah, mulai dari limbah organik, rumah tangga hingga limbah beracun dari idustri. Oleh karena itu, pengadaan air bersih untuk keperluan rumah tangga seperti untuk air minum, mandi dan
2
sebagainya harus memenuhi persyaratan yang ditentukan oleh peraturan Internasional (WHO dan APHA) dan peraturan nasional maupun daerah.
Sebahagian besar industri air minum yang beroperasi di perkotaan mengelola air sungai. Untuk itu, pihak yang memiliki industri air minum akan mematuhi peraturan tersebut di atas untuk menjaga kesehatan masyarakat. Industri yang memproduksi air minum akan menetapkan harga uantuk setiap debit air yang didistribusikannya. Masyarakat yang sangat butuh akan air bersih harus rela membelinya untuk memenuhi kebutuhan.
Dari uraian di atas, untuk mengetahui seberapa besar peningkatan dan besar perolehan nilai air minum yang diperoleh perusahaan maka penulis memilih judul “PEROLEHAN NILAI AIR MINUM YANG DISALURKAN PDAM TIRTANADI MEDAN TAHUN 2012 – 2013.”
1.2 Rumusan Masalah
Penyusunan Tugas Akhir ini akan menguraikan tentang bentuk persamaan peramalan yang dapat digunakan untuk meramalkan perolehan nilai air minum yang disalurkan PDAM Tirtanadi Medan dan berapa banyak nilai air minum yang disalurkan pada tahun 2012 – 2013.
1.3Pembatasan Masalah
Adapun permasalahan yang dirangkum dalam Tugas Akhir ini hanya dibatasi pada perolehan nilai air minum yang disalurkan PDAM Tirtanadi Medan untuk tahun 2012 – 2013 yang akan diramalkan dan data yang dibutuhkan yaitu data
3
nilai air minum yang disalurkan PDAM Tirtanadi Medan pada tahun sebelumnya (2009 - 2011).
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk memperolah rumus peramalan yang sesuai dan mendapatkan ramalan perolehan nilai air minum pada tahun 2012–2013.
1.5Manfaat Penelitian
Tercapainya tujuan yang dimaksud dalam tulisan ini, diharapkan dapat menjadi suatu bahan pertimbangan yang berguna bagi PDAM Tirtanadi Medan dalam mengambil suatu kebijakan dalam usaha untuk meningkatkan pelayanan seiring dengan meningkatnya perolehan nilai air minum di kota Medan berdasarkan hasil produksinya, sehingga perusahaan memperoleh keuntungan dan pelanggan akan merasa puas dengan pelayanan tersebut.
1.6Lokasi Penelitian
Dalam melakukan penelitian dan pengumpulan data mengenai nilai air minum diperoleh dari BPS Propinsi Sumatera Utara, yang berada di Jalan Asrama No. 179 Medan.
4
1.7Metodologi Penelitian
Metodologi penelitian yang digunakan adalah metode Pengumpulan Data dan metode Deskriptif dan Analisa Data. Studi pengolahan data dengan menggunakan Analisa Deret Berkala (Time Series). Adapun tahapan yang dilaksanakan dalam penyelesaian masalah yang dihadapi adalah sebagai berikut:
1. Metode Pengumpulan Data
Pengumpulan data untuk keperluan riset ini penulis menggunakan data sekunder yang diperoleh dari BPS Propinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
2. Metode Pengolahan Data
Adapun pengolahan data untuk meramalkan perolehan nilai air minum yang disalurkan di Medan tahun 2012 – 2013 dengan menggunakan rumus:
Metode Pemulusan (Smoothing) Eksponensial Ganda yaitu “Pemulusan Eksponensial Linier Satu Parameter dari Brown”, dengan rumus:
a. Menentukan nilai pemulusan eksponensial tunggal ( )
= α + (1-α)
= Nilai pemulusan eksponensial tunggal
α = Parameter pemulusan eksponensial
= Nilai riil periode t
5
b. Menentukan nilai pemulusan eksponensial ganda = α + (1-α)
= Nilai pemulusan eksponensial ganda c. Menentukan besarnya konstanta ( )
= + ( − ) = 2 −
= besarnya konstanta periode t d. Menentukan besarnya slope ( )
= ( − )
= slope/nilai trend dari data yang sesuai