ANALISIS JUMLAH CALON MAHASISWA BARU TAHUN
2010 DI FAKULTAS EKONOMI UNIVERSITAS
MUHAMMADIYAH SUMATERA UTARA.
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
AULIA ZAMZAM
072407044
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERAMALAN JUMLAH CALON MAHASISWA BARU TAHUN 2010 DI FAKULTAS EKONOMI UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA MEDAN
Kategori : TUGAS AKHIR
Nama : AULIA ZAMZAM
NIM : 072407044
Program Studi : D3 STATISTIK Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN
Diluluskan di Medan, Juni 2010
Diketahui/Disetujui oleh
Departemen Matematika FMIP USU
Ketua, Pembimbing
PERNYATAAN
PERAMALAN JUMLAH CALON MAHASISWA TAHUN 2010 DI FAKULTAS EKONOMI UNIVERSITAS SUMATERA UTARA
MEDAN
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2010
PENGHARGAAN
Puji dan syukur penulis panjatkan kepeda Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah kurnia-Nya kertas kajian ini berhasil diselesaikan dalam waktu yang telah ditentukan.
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Daftar Isi iii
Bab 1 Pendahuluan 1
1.1. Latar Belakang 1
1.2. Rumusan Masalah 5
1.3. Batasan Masalah 6
1.4. Tujuan Penelitian 6
1.5. Manfaat Penelitian 6
1.6. Tinjauan Pustaka 7
1.7. Sistematika Penulisan 8
Bab 2 Landasan Teori
2.1. Peramalan 10
2.1.1. Hubungan Forecast dengan Rencana 10
2.1.2. Defenisi dan Tujuan Peramalan 10
2.1.3. Proses Peramalan 11
2.2. Gambaran Umum Calon Mahasiswa Baru 13
Dan Bagian Umum UMSU
2.3. Data Time Series 14
2.4. Peramalan Dengan Penghalusan 16
2.5. Peramalan Dengan Rata-rata Bergerak 16
2.6. Peramalan Dengan Metode Penghalusan Eksponensial 18
2.7. Metode Smoothing yang Digunakan 19
2.9. Ketepatan Ramalan 21
Bab 3 Sejarah Tempat Riset
3.1. Sejarah Universitas Muhammadiyah Sumatera Utara 23 3.2. Visi dan Misi
3.2.1 Visi 25
3.2.2 Misi 25
3.3. Tujuan Dan Kompetensi
3.3.1 Tujuan 26
3.3.2 Kompetensi 26
3.4. Staff Dan Dosen 28
3.5 Fasilitas 30
3.6 Lambang UMSU 33
3.7 Struktur Pimpinan 35
Bab 4 Analisis Data
4.1. Arti Analisis Data 40
4.2. Analisis Pemulusan Eksponensial Ganda 40 4.3. Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown 43
4.3.1. Penaksiran Model Peramalan 43
4.4. Peramalan Jumlah Calon Mahasiswa Baru 59 Bab 5 Implementasi Sistem
5.1. Pengertian Implementasi Sistem 60
5.2. Microsoft Excel 61
5.3. Langkah Langkah Memulai Pengolahan Data dengan Excel 62
5.4. Menghitung Ketepatan Peramalan 65
5.5. Hasil Dalam Metode Pemulusan Eksponensial dari Brown 66
5.6. Pembuatan Grafik 67
Bab 6 Kesimpulan dan Saran
6.1. Kesimpulan 68
6.2. Saran 69
Daftar Pustaka 68
DAFTAR TABEL
Halaman Tabel 4.1. Data Jumlah Nilai Penjualan Karet Pada PT. Perkebunan
Nusantara III Tahun 2008-2009 (US $) ... 51 Table 4.2 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown = 0,1 ... 53 Table 4.3 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown = 0,2 ... 54 Table 4.4 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu ParameterDari Brown = 0,3 ... 55 Table 4.5 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown = 0,4 ... 57 Table 4.6 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown = 0,5 ... 58 Table 4.7 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown = 0,6 ... 59 Table 4.8 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown = 0,7 ... 61 Table 4.9 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown =0,8 ... 62 Table 4.10 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown = 0,9 ... 63 Table 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan ... 65 Tabel 4.12 Peramalan Volume Penjualan Karet dengan Pemulusan
Eksponensial Ganda Satu Parameter Dari Brown = 0,2 ... 66 Tabel 4.13 Perhitungan Ukuran Relatif Galat ... 67 Tabel 4.14 Peramalan Volume Penjualan Karet Pada PT. Perkebunan
DAFTAR GAMBAR
Halaman
Gambar 4.1 Plot Data Penjualan Karet Tahun 2008-2009 ... 51
Gambar 4.2 Nilai Aktual dan Peramalan Karet ... 67
Gambar 5.1 Tampilan Awal Layar Komputer ... 81
Gambar 5.2 Tampilan Lembar Kerja Excel ... 82
Gambar 5.3 Tampilan Lembar Kerja Excel dalam menentukan besarnya Peramalan ... 82
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Ekomoni adalah salah satu hal yang terpenting untuk dipelajari. Karena ekonomi
merupakan suatu pengetahuan dan ilmu yang menyangkut kehidupan manusia di dunia.
Ekonomi juga menentukan kehidupan manusia, apakah manusia tersebut hidup sejahtera atau
tidak. Semua kalangan harus memahami ilmu ekonomi, baik secara mendalam maupun hanya
secara garis besarnya saja, tergantung kebutuhan individu masing-masing.
Kehidupan di dunia ini tak terlepas dari ekonomi, karena ekonomi yang mengatur
keuangan di dunia ini, dan keuangan juga tidak terlepas dari kehidupan manusia. Setiap
kehidupan berhubungan dengan ekonomi, mulai dari rumah tangga, perusahaan sampai
rumah tangga negara pun mempunyai urusan di bidang ekonomi.
Dalam dunia pendidikan, ekonomi pun termasuk salah satu program bidang studi,
dimulai dari Sekolah Menengah Pertama,Sekolah Menengah Atas\umum dan kejuruan,
sampai Perguruan Tinggi.
bersaing dengan beribu-ribu calon mahasiswa lainnya. Sementara yang diterima di PTN
dalam jumlah yang sedikit. Walaupun demikian, PTN bukanlah satu-satunya universitas yang
ada, tentu masih ada Perguruan Tinggi Swasta yang tidak kalah kualitasnya dengan PTN.
Perguruan Tinggi Swasta bukan hanya ada satu di provinsi Sumatera Utara, ada
banyak Perguruan Tinggi Swasta di Provinsi Sumatera Utara, salah satunya adalah
Universitas Muhammadiyah Sumatera Utara. Dan tentu saja UMSU tidak berdiri sendiri
sebagai Perguruan Tinggi Swasta di provinsi Sumatera Utara. Dengan banyaknya jumlah
Perguruan Tinggi Swasta di provinsi Sumatera Utara, besar pula persaingan antara Perguruan
Tinggi Swasta tersebut.
Dalam persaingan tersebut, masing-masing perguruan Tinggi Swasta telah
mempersiapkan segala sesuatunya untuk menghadapi persaingan tersebut, yaitu
meningkatkan kualitas PTS itu sendiri. Universitas Muhammadiyah Sumatera Utara pun
adalah salah satu Perguruan Tinggi Swasta yang memiliki kualitas yang bagus. Banyak calon
mahasiswa yang berminat untuk masuk ke universitas tersebut. Dilihat dari data yang penulis
peroleh dari bagian Umum universitas, jumlah mahasiswa di Universitas tersebut terus
meningkat, khususnya di fakultas Ekonomi.
Teori statistika merupakan cabang matematika terapan (applied mathematic).
Teorinya berakar pada salah satu bidang ilmu matematika murni yang dikenal dengan nama
teori probabilitas.
Perkembangan statistik sebagai metode ilmiah telah mempengaruhi hampir setiap
aspek kehidupan manusia modern. Pada abad ini, manusia sadar atau tidak sadar, suka
berfikir secara kuantitatif. Keputusan-keputusan yang diambil atas dasar hasil analisis dan
interpretasi data kuantitatif. Dalam hal demikian itu, metode statistik mutlak dibutuhkan
sebagai peralatan analisis dan interpretasi data kuantitatif. Peranan metode statistik dalam
pengambilan keputusan secara ekonomis di perguruan tinggi maupun di
perusahaan-perusahaan yang sifatnya nonekonomis makin besar.
Forecasting
(peramalan) adalah suatu unsur yang sangat penting dalam pengambilan
keputusan. Suatu dalil yang dapat diterima menyatakan bahwa semakin baik ramalan tersedia
untuk pimpinan, semakin baik pula prestasi kerja mereka sehubungan dengan keputusan yang
mereka ambil.
Itu tidak berarti bahwa ramalan menjadi percuma. Malahan sebaliknya terbukti,
bahwa ramalan telah banyak digunakan dan membantu dengan baik dalam berbagai
manajemen sebagai dasar-dasar perencanaan, pengawasan, dan penagmbilan keputusan.
Salah satu diantaranya peramalan (forecasting)
jumlah calon mahasiswa baru di suatu
perguruan tinggi.
Untuk keperluan analisis peramalan
(forecasting), ada tiga model yang dikenal, yaitu
model ekonometrika, model deret berkala, dan model ramalan kualitatif. Model ramalan
penghalusan eksponensial
(exponential smoothing)
merupakan salah satu model ramalan data
berkala (time series).
Beberapa keunggulan metode penghalusan eksponensial (exponential smoothing)
dibandingkan dengan metode tradisional adalah :
1. data-data selalu dioperasikan dengan efisien;
2. hanya membutuhkan sedikit data dari satu waktu ke waktu berikutnya;
3. dapat dimodifikasi untuk mengolah data yang berisi trend tertentu atau pola
musiman;
4. dapat digunakan dengan biaya murah baik secara manual maupun dengan komputer.
Dengan makin meningkatnya kualitas masyarakat kampus, makin meningkat pula
kebutuhan masyarakat terhadap pendidikan. Untuk memenuhi peningkatan kebutuhan
masyarakat tersebut, didirikan Perguruan Tinggi Swasta (PTS) yakni Universitas
Muhammadiyah Sumatera Utara.
Sumatera Utara mempunyai skala peminat yang cukup besar. Peramalan jumlah calon
mahasiswa baru tahun 2010 merupakan salah satu hal yang sangat penting dalam
pengambilan keputusan di sebuah perguruan tinggi. Bagi pihak perguruan tinggi peramalan
ini berfungsi untuk menentukan prioritas serta berapa jumlah mahasiswa yang akan diterima.
Berdasarkan uraian di atas, maka penulis mengambil judul Peramalan Jumlah Calon Mahasiswa Baru Pada Tahun 2010 di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara .
1.2. Rumusan Masalah
Dari uraian di atas, permasalahan yang diteliti adalah berapa jumlah calon mahasiswa baru pada tahun 2010 di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara pada tahun 2010 jika dianalisis dengan menggunakan metode penghalusan eksponensial (exponential smoothing)?
1.3. Batasan Masalah
Dalam penulisan tugas akhir ini pembahasan dibatasi pada metode
Smoothing
sampai
double exponential smoothing, untuk meramalkan jumlah calon mahasiswa baru tahun 2010
di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara yang diperoleh di Bagian
Umum Fakultas Ekonomi.
1.4. Tujuan Penelitian
1.5. Manfaat Penelitian
Adapun manfaat dalam penelitian ini adalah :
a. Sebagai sumber ilmu pengetahuan yang dapat dijadikan bahan acuan untuk perluasan wawasan dan mengaplikasikan yang didapat di bangku kuliah.
b. Sebagai bahan studi kasus bagi pembaca dan acuan bagi mahasiswa, terutama bagi yang ingin melakukan penelitian sejenis, juga menambah khasanah perpustakaan yang akan berguna bagi pembaca.
c. Sebagai bahan pertimbangan dalam mengambil suatu keputusan, sehingga dapat digunakan sebagai bahan anlisis, terutama untuk mengetahui seberapa besar jumlah calon mahasiswa baru tahun 2010 di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara.
1.6. Tinjauan Pustaka
Teori penunjang yang digunakan untuk mewujudkan tulisan ini adalah :
1. Metode dan Aplikasi Peramalan Edisi ke II oleh Spyros Makridankis
Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang. Dengan sendirinya terjadi perbedaan antara forecast dengan rencana. Forecast adalah peramalan apa yang akan terjadi, tetapi belum tentu bisa dilaksanakan oleh perguruan tinggi atau perusahaan. Rumus yang digunakan dalam metode Brown s One Parameter Linier Exponensial Smoothing yaitu sebagai berikut :
= + ( )
" = + ( ) "
= "
= ( ")
Dimana :
St= Smoothing pemulusan eksponensial tunggal periode t
S
t= Smoothing eksponensial ganda periode t
= Parameter Pemulusan eksponensial at.bt= Konstanta pemulusan
Ft+m= Ramalan untuk m periode ke muka
1.7. Sistematika Penulisan
Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini, yaitu sebagai berikut :
BAB I : PENDAHULUAN
Pada Bab ini berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan dan manfaat, lokasi penelitian, metode analisis yang digunakan, serta sistematika penulisan.
BAB 2 : TINJAUAN TEORITIS
Pada Bab ini berisi tentang pengertian peramalan, kegunaan dan peran peramalan, jenis peramalan, pemilihan teknik dan metode peramalan, analisis deret berkala, penentuan pola data, metode pemulusan yang digunakan dan ketepatan ramalan. BAB 3 : SEJARAH TEMPAT RISET.
Pada Bab ini menjelaskan tentang sejarah Universitas Muhammadiyah Sumatera Utara.
BAB 4 : ANALISA DATA
BAB 5 : IMPLEMENTASI SISTEM
Bab ini membahas tentang software yang digunakan dalam analisa data serta cara penggunaan dari software yang dipakai
BAB 6 : KESIMPULAN DAN SARAN
BAB 2
LANDASAN TEORI
2.1 Peramalan
(forecasting)
2.1.1. Hubungan
Forecast
dengan Rencana
Forecast adalah peramalan apa yang akan terjadi pada waktu yang akan datang,
sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang
(Subagyo, 1986: 3). Dengan sendirinya terjadi perbedaan antara forecast dengan rencana.
Forecast adalah peramalan apa yang akan terjadi, tetapi belum tentu bisa dilaksanakan oleh
perguruan tinggi atau perusahaan.
2.1.2. Definisi dan Tujuan Peramalan (forecasting)
Peramalan (forecasting) adalah suatu usaha untuk meramalkan keadaan dimasa
mendatang melalui pengujian keadaan di masa lalu (Handoko, 1984: 260). Dalam kehidupan
sosial segala sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat. Dalam hal ini perlu
diadakan forecast. Peramalan (forecasting) yang dibuat selalu diupayakan agar dapat
meminimumkan pengaruh ketidakpastian ini terhadap Perguruan Tinggi UMSU.
Dengan kata lain peramalan (forecasting) bertujuan mendapatkan forecast yang bisa
meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan
Mean
Squared Error,
Mean Absolute Error, dan sebagainya (Subagyo, 1986:4).
Proses peramalan (forecasting) biasanya terdiri dari langkah-langkah sebagai berikut.
(Handoko, 1984: 260).
a. Penentuan Tujuan
Analis mengatakan dengan para pembuat keputusan dalam perguruan tinggi untuk
mengetahui apa kebutuhan-kebutuhan mereka, dan menentukan:
1) variabel-variabel yang akan diestimasi.
2) siapa yang akan menggunakan hasil peramalan.
3) untuk tujuan-tujuan apa hasil peramalan akan digunakan.
4) estimasi jangka panjang atau jangka pendek yang diinginkan.
5) derajat ketepatan estimasi yang diinginkan.
6) kapan estimasi dibutuhkan.
7) bagian-bagian yang diinnginkan, seperti peramalan untuk kelompok pembeli, kelompok
produk atau daerah geografis.
b. Penggunaan Model
Setelah tujuan ditetapkan, langkah berikutnya adalah mengembangkan model, yang
merupakan penyajian secara lebih sederhana sistem yang dipelajari. Dalam peramalan, model
adalah suatu kerangka analitik yang apabila dimasukkan data akan menghasilkan estimasi
jumlah calon mahasiswa baru diwaktu mendatang (atau variabel apa saja yang diramal).
Analis hendaknya memilih suatu model yang menggambarkan secara realitis perilaku
variabel-variabel yang dipertimbangkan.
serta a dan b adalah parameter-parameter yang menggambarkan posisi dan dan kemiringan
garis pada grafik.
Y
c. Pengujian Model
Sebelum diterapkan, model biasanya diuji untuk menentukan tingkat akurasi,
validitas, dan reliabilitas yang diharapkan. Ini sering mencakup penerapannya pada data
historik, dan penyiapan estimasi untuk tahun-tahun sekarang dengan data nyata yang tersedia.
Nilai suatu model ditentukan oleh derajat ketepatan hasil peramalan dengan data aktual.
d. Penerapan Model
Setelah pengujian, analis menerapkan model dalam tahap ini, data historis
dimasukkan dalam model untuk menghasilkan suatu ramalan. Dalam kasus model calon
mahasiswa baru,
Y= a + bX, analis menerapkan teknik-teknik matematika agar diperoleh a
dan b.
e. Revisi dan Evaluasi
Ramalan-ramalan yang telah dibuat harus senantiasa diperbaiki dan ditinjau kembali.
Perbaikan mungkin perlu dilakukan karena adanya perubahan-perubahan dalam perguruan
tinggi atau lingkungan, seperti tingkat biaya masuk perguruan tinggi, jumlah kelulusan di
tingkat SMU, tingakt jumlah perguruan tinggi, jumlah jurusan/program studi baru yang ada di
perguruan tinggi, pengeluaran-pengeluaran pengiklanan atau pamflet, kebijakan moneter dan
kemajuan teknologi.
2.2. Gambaran Umum Tentang Calon Mahasiswa Baru dan Bagian Umum UMSU
1. Calon Mahasiswa Baru
Calon mahasiswa baru merupakan orang yang mendapat hak pedidikan ataupun skill
di suatu perguruan tinggi dengan baik berdasarkan syarat-syarat yang telah ditentukan dari
suatu instansi atau perguruan tinggi.
Jumlah calon mahasiswa baru adalah banyaknya calon mahasiswa baru yang
mendaftar di suatu perguruan tinggi baik perguruan tinggi negeri maupun swasta.
Salah satu tujuan dari calon mahasiswa baru adalah untuk mendapatkan pendidikan yang baik
di perguruan tinggi.
Secara umum tujuan calon mahasiswa pada suatu perguruan tinggi adalah ;
a. Mencerdaskan kehidupan bangsa
b. Mencapai volume dan hasil calon mahasiswa baru
c. Menunjang pertumbuhan perguruan tinggi.
2. Bagian Umum UMSU
Pada penelitian ini data yang diambil untuk dianalisis adalah data jumlah calon
mahasiswa baru di Fakultas Ekonomi Universitas Sumatera Utara sejak tahun 2000 sampai
dengan tahun 2009.
2.3. Data
Time Series
Perencanaan dan pembuatan keputusan membutuhkan dugaan-dugaan tentang apa
yang akan terjadi dimasa yang akan datang. Karena itu analisis diharapkan untuk membuat
ramalan-ramalan, salah satunya adalah dengan model time series.
Time series
adalah serangakain nilai-nilai variabel yang disusun berdasarkan waktu (Sri
Mulyono, 1998:60). Analisis time series mempelajari pola gerakan-gerakan nilai nilai
variabel pada satu interval waktu (misal minggu, bulan, dan tahun) yang teratur. Makridakis
(1992 : 9) mengemukakan bahwa pendugaan masa depan dilakukan berdasarkan nilai masa
lalu. Tujuan metode peramalan deret berkala (time series) seperti ini adalah menemukan pola
dalam deret historis dan mengekstrapolasikan pola tersebut kemasa depan.
Langkah penting dalam memilih suatu deret berkala (time series) yang tepat adalah
dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola
tersebut dapat diuji. Pola data menurut Spyros Makridakis (199 :10) dapat dibedakan menjadi
empat jenis siklis dan trend.
Terjadi apabila nilai data fluktuasi disekitar nilai rata-rata yang konstan. Suatu calon
mahasiswa baru yang tidak meningkat dan menurun selama waktu tertentu, termasuk
kedalam pola ini.
2. Pola
Musiman
Terjadi apabila suatu deret dipengaruhi oleh musiman (misal kuartal tahun tertentu).
3. Pola
Siklis
Terjadi apabila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang
behubungan siklis bisnis.
4. Pola
Trend
Terjadi apabila terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.
2.4. Peramalan (
forecasting
) dengan Penghalusan (
smoothing
)
2.5. Peramalan dengan metode Rata-rata bergerak (
moving average
)
Rata-rata bergerak (moving averages) diperoleh melalui penjumlahan dan pencarian
nilai rata-rata dari sejumlah periode tertentu, setiap kali meghilangkan nilai terlama dan
menambah nilai baru. (Subagyo, 1986: 7)
a. Rata-rata Bergerak Orde Satu (single moving average)
Cara membuat peramalan (forecasting) dengan metode Rata-rata bergerak orde satu (single
moving averages) sangat sederhana.
Sifat-sifat
single
Rata-rata Bergerak
Metode single moving average
menurut Subagyo (1986 : 60) mempunyai sifat khusus.
1). Untuk menentukan ramalan pada periode yang akan datang memerlukan data hitoris
selama jangka waktu tertentu.
2). Semakin panjang jangka waktu
moving average,
akan menghasilkan
moving average
yang
semakin halus. Artinya pada
moving averages
yang jangka waktunya lebih panjang,
perbedaan ramalan terkecil dengan ramalan terbesar menjadi kecil.metode Rata-rata bergerak
orde satu (single moving average) ini biasanya lebik cocok digunakan untuk melakukan
forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun,
musiman, dan sebagainya, melainkan sulit diketahui polanya.
Metode ini mudah menghitungnya dan sederhana, tetapi mempunyai
kelemahan-kelemahan sebagai berikut;
1) perlu data historis yang cukup,
3) kalau fluktuasi data tidak random tidak menghasilkan peramalan (forecasting) yang baik
(Subagyo, 1986: 11).
b. Rata-rata Bergerak Orde Dua (double moving average)
Dalam metode ini pertama-tama dicari rata-rata bergerak (moving average), ditaruh pada
periode terakhir. Kemudian dicari rata-rata bergerak (moving average)
lagi dari rata-rata
bergerak (moving averge) pertama, baru kemudian dibuat
forecast.
2.6 Peramalan (
forecasting
) dengan metode Penghalusan Eksponensial
(
exponential smoothing
)
Penghalusan eksponensial
(exponential smoothing)
adalah suatu tipe teknik peramalan
rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara
eksponensial sehingga data paling akhir mempunyai bobot atau timbangan lebih besar dalam
rata-rata bergerak. (Handoko, 1984: 279).
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 ( Double Moving Average ) d.Kombinasi rata-rata bergerak lainnya.
2. Metode Pemulusan Eksponensial
Bentuk umum dari metode pemulusan ekponensial adalah :
F
t+1=X
t+ (1-
) F
tDimana :
F
t+1 = Ramalan 1 Periode KedepanX
t = Data Aktual pada periode ke-tF
t = Ramalan pada periode ke-t= Para meter pemulusan
Metode smooting eksponensial terdiri atas :
1. Smoothing eksponensial tunggal
a. Satu parameter
b. Pendekatan adaptif
2. Smoothing Exponensial Ganda
a. Metode linier satu parameter dari Brown
b. Metode dua dari Holt
3. Smoothing Exponensial Tripel
a. Metode kuatratik satu parameter dari brown
b. Metode tiga parameter untuk kecendrungan dan musiman dari Winter
4.
Smoothing Exponensial menurut klasifikasi PegelsUntuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan nilai penjualan energy listrik pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial yaitu Smoothing Eksponensial Satu Parameter dari Brown .
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.
Persamaan yang dipakai dalam persamaan Pemulusan Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut :
S't= Xt+ ( 1 ) S't1
S''t= S't+ ( 1 - ) S''t1
at = S't + ( S't - S''t ) = 2 S't - S''t
bt =
1 ( S't - S''t) Ftm= at+ btm
Dimana :
m = Jumlah periode didepan yang diramalkan S' = Nilai eksponensial smoothing tunggal S'' = Nilai eksponensial smoothing ganda
= Parameter Pemulusan Eksponensial at, bt = Konstanta pemulusan
Ftm = Hasil peramalan untuk m periode ke depan yang akan
2.8 Ketepatan Ramalan
Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagaai kreteria penolakan untuk memilih suatu metode ramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.
Beberapa Kreteria yang digunakan untuk menguji ketepatan ramalan antara lain : 1.M E ( Mean Error ) / Nilai Tengah Kesalahan
N
e
ME
N
t t
12. M S E ( Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat
N
e
MSE
N
t t
1 23. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut
N
e
MAE
N
t t
1
N t et SSE
1 2
5. S D E (Standard Deviation Of Error) / Devisi Standar Kesalahan
N e SDE
N
t t
1 2
6. M A P E (Mean Absolut Pencentage Error) / Nilai tengah Kesalahan Persentase Absolut
N
PE
MAPE
N
t t
17. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase
N
PE
MPE
N
t t
1Dimana :
et = Xt Ft(kesalahan pada period eke-t) Xt = data actual pada periode ke-t
Ft = Nilai ramalan pada periode ke-t
N = banyaknya periode waktu
Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai M S E yang terkecil.
BAB 3
SEJARAH TEMPAT RISET
Metode Peramalan yang dipilih adalah metode peramalan yang memberikan nilai M S E yang terkecil.
BAB 3
SEJARAH TEMPAT RISET
Universitas Muhammadiyah Sumatera Utara disingkat dengan UMSU merupakan salah satu dari lembaga pendidikan milik persyarikatan Muhammadiyah, berfungsi menyelenggarakan pendidikan dan pengajaran, penelitian, dan pengabdian masyarakat. UMSU merupakan perguruan tinggi swasta mitra pemerintah dalam memajukan sektor pendidikan untuk menciptakan kualitas sumber daya manusia Indonesia yang unggul, menjadi bangsa yang bermartabat, dan memiliki kedudukan sama dengan bangsa-bangsa lain didunia.
Universitas Muhammadiyah Sumatera Utara didirikan pada tanggal 29 Februari 1957 atas prakarsa beberapa tokoh ulama Muhammadiyah diantara H.M. Bustami Ibrahim, D. Diyar Karim, Rustam Thayib, M. Nur Haitami, Kadarrudin Pasaribu, Dr. Darwis Datuk Batu Besar, H. Syaiful U.A., Abdul Mu thi dan Baharuddin Latif.
Cikal bakal UMSU bermula dari lahirnya Fakultas Falsafah dan Hukum Islam Muhammadiyah (FAFHIM) yang kemudian berkembang menjadi Perguruan Tinggi Muhammadiyah (PTM) Sumatera Utara pada tahun 1968, dengan mengasuh 3 falkultas yakni : Fakultas Ilmu Pendidikan (FIP), fakultas Ilmu Agama Jurusan Dakwah (FIAD), dan Fakultas Syariah. Pada awalnya berdirinya FIP UMSU merupakan cabang/kelas jauh dari FIP Universitas Muhammadiyah Jakarta (UMJ) kemudian tahun 1974 memisahkan diri dan berdiri sendiri. Sedangkan FIAD yang bercabang ke Universitas Muhammadiyah Sumatera Barat berdiri sendiri dengan mengubah nama menjadi Fakultas Ushuluddin.
UMSU dewasa ini merupakan tindak lanjut dari pengembangan PTM yang dikukuhkan dengan Piagam Pendirian oleh PP Muhammadiyah Majelis Pendidikan dan Pengajaran Nomor 2661/0/07/1974 tanggal 28 Mei 1974.
Dalam tahap pengembangannya UMSU juga berhasil memprakarsai lahirnya beberapa Sekolah Tinggi Muhammadiyah, seperti:
(2) STIE Muhammadiyah Asahan di Kisaran.
Saat ini UMSU adalah perguruan tinggi swasta yang memiliki mahasiswa terbesar di Pulau Sumatera. UMSU pada tahun 2005/2006 memiliki mahasiswa sebanyak 11.751 orang yang terdistribusi ke dalam 7 buah fakultas, diantaranya Fakultas Ekonomi, Fakultas Hukum, Fakultas Teknik, Fakultas Ilmu Sosial dan Ilmu Politik, Fakultas Keguruan dan Ilmu Pendidikan, Fakultas Pertanian, dan Fakultas Agama Islam.
3.2 Visi dan Misi
3.2.1 Visi
Menjadi pusat keunggulan dalam penyelengaraan dan pengembangan keislaman, ilmu pengetahuan dan profesionalitas, kesenian dan teknologi berwawasan global.
3.2.2 Misi
Menyelenggarakan pendidikan dan pengajaran, penelitian, pengabdian dan pembinaan nilai-nilai hidup islami.
Mengembangkan kebebasan befikir ilmiah yang dijiwai dengan semangat ketauhidan.
Mengembangkan jiwa kemandirian dalam berbagai ilmu pengetahuan, keahlian/ketrampilan, teknologi dan seni.
3.3 Tujuan dan Kompetensi
3.3.1 Tujuan
Terwujudnya Intelektual yang beriman, berakhlak mulia, percaya pada diri sendiri serta dapat beramal sesuai denga bidang ilmu dengan ikhlas demi terwujudnya masyarakat utama yang diridhai oleh Allah SWT.
Terwujudnya manusia yang berkualitas secara intelektual, spiritual dan emosional, menguasai ilmu pengetahuan, teknologi dari/atau seni, berdasarkan pada semangat nasionalisme, moral, system nilai dan budaya bangsa. Yang mendukung peningkatan daya saing bangsa.
Terwujudnya intelektual yang memiliki kemampuan berbahasa dan berkomunikasi dalam rangka penyetaraan dalam pergaulan global.
Terwujudnya intelektual dalam berbagai bidang yang berjiwa wirausaha dan memiliki keunggulan kompetitif.
Mewujudkan kader persyarikatan, kader umat, kader bangsa dalam rangka mewujudkan cita-cita Muhammadiyah sebagai gerakan dakwah amar ma ruf nahi munkar yang berpedoman kepada Al-Quran dan Sunnah.
3.3.2 Kompetensi
Memiliki kualitas keislaman yang baik dan komprehensif sehingga para lulusan akan menjadi sarjana yang jujur dan berakhlaq mulia.
Memiliki kualitas kebangsaan, sehingga menjadi perekat yang kuat bagi kehidupan berbangsa, menjadi payung pelindung perpecahan di manapun mereka berada.
memiliki kualitas kebahasaan, baik bahasa Indonesia maupun bahasa asing seperti Bahasa Inggris dan Bahasa Arab khususnya, sebagai bekal komunikatif yang digunakan untuk mampu bersaing dalam menghadapi era global.
Memiliki kualitas keterampilan khusus dalam bidang-bidang ilmu popular guna mendukung dunia usaha secar kompetitif.
3.4 Staff dan Dosen
Dukungan Sumber Daya Manusia (SDM) yang berkompeten menjadi UMSU termasuk salah satu perguruan tinggi unggul di Sumatera Utara, SDM utama UMSU terdiri dari para dosen profesional di bidangnnya dan pegawai yang terampil melayani kelancaranprosesakademis. Tenaga pengajar (dosen) UMSU terdiri dari :
a. Dosen Tetap Yayasan
Dosen Tetap Yayasan adalah dosen yang diangkat oleh pimpinan Universitas dan memiliki hak dan kewajiban yang mengikat kepada Universitas, dan berfungsi sebagai pilar utama dalam proses pengembangan dan peningkatan pendidikan di UMSU. Dosen Tetap Yayasan UMSU terdiri dari 114 orang.
b. Dosen Tetap Pegawai Negeri Sipil Diperbantukan (PNS-DPK)
c. Dosen Tidak Tetap / Dosen Luar Biasa
Dosen Tidak Tetap/Dosen Luar Biasa adalah dosen yang bersifat sementara, memiliki kemampuan dan pengalaman luas, berfungsi sebagai tenaga pendukung proses pendidikan di UMSU. Dosen-dosen tersebut didatangkan dari berbagai Universitas Negeri. UMSU juga menggunakan tenaga pengajar pendukung berasal dari berbagai Instansi Pemerintah dan Swasta, seperti Departemen Pendidikan Nasional, Departemen Agama, Departemen HAM, Perusahaan daerah, Lembaga Perbankan dan lain-lain. UMSU juga menjalin kerjasama dengan Universitas Diponogoro (UNDIP) dan Universitas Negeri Jakarta (UNJ) sebagai Dosen Tamu. Jumlah Dosen Tidak Tetap/Dosen Luar Biasa UMSU sebanyak 475 orang.
Umumnya sebagian besar Dosen UMSU memiliki jenjang Pendidikan S-2 dan S-3, sedangkan sebahagian sedang menjalani proses pendidikan S-2 dan S-3. Kondisi ini terwujud karena dipengaruhi oleh kebijakan Pemerintah yang mewajibkan tenaga pengajar perguruan tinggi minimal berpendidikan S-2, serta kebijakan internal UMSU yang tidak mengijinkan staf pengajar untuk menjadi dosen apabila tidak berpendidikan minimal S-2. Dengan demikian pada tahun 2008 tidak terdapat lagi staf pengajar UMSU yang berpendidikan S-1.
Untuk mendukung aktivitas operasionalnya, UMSU memiliki pegawai sebanyak 175 orang. Untuk proses pelayanan administrasi akademik, para pegawai UMSU memiliki pengalaman lebih dari 5 tahun melayani kepentingan mahasiswa, serta memiliki kemampuan administrasi berbasis komputer yang cukup memadai.
Dalam menjalankan aktivitas pelayanan akademik, kampus terpadu UMSU dilengkapi dengan sarana dan prasarana yang disesuaikan denga standarisasi perguruan tinggi modern, diantaranya :
a. Perpustakaan
Perpustakaan UMSU adalah perpustakaan terpadu, memiliki koleksi pustaka berupa buku-buku teks sebanyak 4.323 judul (12.090 eksemplar), diktat 10 judul (10 eksemplar), jurnal 151 judul (252 eksemplar), skripsi 3.043 judul (3.043 eksemplar), tesis 3 judul (3 eksemplar), majalah 13 judul (13 eksemplar), buku Referensi 400 judul (542 eksemplar), laporan penelitian 143 judul (143 eksemplar), dan CD-Room 21 buah. UMSU juga akan mengembangkan perpustakaan digital (digital library) yang dilengkapi dengan fasilitas internet. ini ditujukan untuk memperkaya sumber belajar bagi mahasiswa dan dosen UMSU.
b. Laboratorium
c. Pelayanan Administrasi
Laboratorium Fakultas Pertanian dan Teknik
Laboratorium Bahasa Fakultas Keguruan dan Ilmu Pendidikan
Laboratorium Politik dan Otonomi daerah, Laboratarium Komunikasi dan Laboratorium Sosial Development Fakultas Ilmu Sosial dan Ilmu Politik
Laboratorium Akuntansi, Laboratorium Perpajakan Fakultas Ekonomi
Laboratorium Hukum Fakultas Hukum
Laboratorium dan Klinik Kesehatan
menggunakan teknologi komputer. Pelaksanaannya dilakukan oleh pegawai yang seluruhnya menguasai komputer. Pegawai menginput data yang diberikan oleh pegawai dari masing-masing jurusan untuk diinput ke dalam sistem informasi komputer.
Manfaat yang diperoleh dengan adanya sistem informasi akademik ini sangat dirasakan oleh mahasiswa dalam memperoleh layanan akademik yang sangat cepat dan tepat waktu. Selain itu dengan adanya Sistem Informasi Akademik, maka memudahkan jurusan-jurusan dalam memperoleh data untuk kebutuhan akreditasi, hibah, dan kerjasama dengan pihak lain.
Seiring perkembangan dunia informasi dan teknologi, UMSU mengembangkan Sistem Akses Informasi melalui jaringan Internet dan Sistem Pelayanan Administrasi melalui Short Message System (SMS). Kedua sistem ini direncanakan untuk membantu para mahasiswa, orang tua mahasiswa, dosen, pegawai serta stakeholder dalam mencari informasi yang lengkap dan up-to-date tentang sistem pelayanan akademik (KHS, jadwal perkuliahan dan lain-lain) serta perkembangan aktivitas pembelajaran di UMSU setiap saat.
d. Lembaga Bahasa Arab dan Studi Islam
e. Fasilitas Lainnya :
Kebun Percobaan Fakultas Pertanian
Pusat Komputer untuk semua Fakultas
Radio Kampus Surya Dakwah Muhammadiyah (SDM Radio) FM 92,85
Mesjid Taqwa Kampus UMSU
Lapangan Olahraga
Auditorium
Policlinic UMSU
Micro Teaching Halls
Kafetaria, Warung Internet, Koperasi, Penerbitan Kampus
Bank Syari'ah Mandiri
ATM Bank MANDIRI
Fasilitas SMS Gateway UMSU operator Simpati 9291,9333 operator lain
Internet Service for Student
Jaringan WiFi dan Internet UMSUgratis
3.6 Lambang UMSU
Universitas Muhammadiyah Sumatera Utara memiliki lambang yang tergambar sebagai berikut:
1. Gambar Matahari;
e. Fasilitas Lainnya :
Kebun Percobaan Fakultas Pertanian
Pusat Komputer untuk semua Fakultas
Radio Kampus Surya Dakwah Muhammadiyah (SDM Radio) FM 92,85
Mesjid Taqwa Kampus UMSU
Lapangan Olahraga
Auditorium
Policlinic UMSU
Micro Teaching Halls
Kafetaria, Warung Internet, Koperasi, Penerbitan Kampus
Bank Syari'ah Mandiri
ATM Bank MANDIRI
Fasilitas SMS Gateway UMSU operator Simpati 9291,9333 operator lain
Internet Service for Student
Jaringan WiFi dan Internet UMSUgratis
3.6 Lambang UMSU
Universitas Muhammadiyah Sumatera Utara memiliki lambang yang tergambar sebagai berikut:
1. Gambar Matahari;
e. Fasilitas Lainnya :
Kebun Percobaan Fakultas Pertanian
Pusat Komputer untuk semua Fakultas
Radio Kampus Surya Dakwah Muhammadiyah (SDM Radio) FM 92,85
Mesjid Taqwa Kampus UMSU
Lapangan Olahraga
Auditorium
Policlinic UMSU
Micro Teaching Halls
Kafetaria, Warung Internet, Koperasi, Penerbitan Kampus
Bank Syari'ah Mandiri
ATM Bank MANDIRI
Fasilitas SMS Gateway UMSU operator Simpati 9291,9333 operator lain
Internet Service for Student
Jaringan WiFi dan Internet UMSUgratis
3.6 Lambang UMSU
Universitas Muhammadiyah Sumatera Utara memiliki lambang yang tergambar sebagai berikut:
2. Perkataan "Muhammadiyah" dalam tulisan Arab; 3. Dua Kalimat Syahadat dalam tulisan Arab; 4. Lukisan Padi dan Kapas;
5. Kalimat Universitas Muhammadiyah Sumatera Utara yang membentuk lingkaran; 6. Lingkaran segi lima.
Arti dan lambang sebagaimana tersebut di atas adalah :
Matahari: Benda angkasa luar ciptaan Allah SWT, sinarnya sangat berguna bagi kehidupan semua makhluk-Nya. Persyarikatan Muhammadiyah menggambarkan gerak dan manfaatnya bagaikan matahari dengan sinarnya yang selalu memberikan manfaat bagi hidup dan kehidupan manusia.
Perkataan "Muhammadiyah" dalam tulisan Arab adalah nama Persyarikatan Muhammadiyah.
Dua Kalimat Syahadat dalam tulisan Arab : bermakna penyaksian bahwa sesungguhnya tidak ada Tuhan kecuali Allah SWT dan bahwa sesungguhnya Nabi Muhammad SAW adalah utusan Allah. Keyakinan ini merupakan aqidah yang paling hakiki bagi setiap muslim. Dengan demikian Persyarikatan Muhammadiyah menyeru kepada ummat manusia agar dengan sadar memeluk agama Islam dan menjadi penolong serta penegak Islam.
Lukisan Padi dan Kapas: terdiri dari 19 dan 12 tangkai, gabungan keduanya menunjukkan tahun berdirinya Persyarikatan Muhammadiyah di Indonesia yang juga berarti lambang kemakmuran dan kesejahteraan yang menjadi cita-cita bangsa Indonesia.
Kalimat Universitas Muhammadiyah Sumatera Utara: lembaga pendidikan tinggi dalam Persyarikatan Muhammadiyah yang berkedudukan di Sumatera Utara.
3.7 Struktur Pimpinan
REKTORAT Rektor
Wakil Rektor I Wakil Rektor II Wakil Rektor III
H. Bahdin Nur Tanjung, S.E., M.M. Drs. H. Armansyah, M.M.
H. Suharwardi K. Lubis, S.H., Sp.N., M.H
Drs. Agussani, M.AP. PASCASARJANA
Direktur Program Pascasarjana Sekretaris Program Pascasarjana
Ketua Program Studi Magister Kenotariatan Ketua Program Studi Magister Manajemen Ketua Program Studi Magister Ilmu Komunikasi Ketua Program Studi Magister Ilmu Hukum
Sekretaris Program Studi Magister Kenotariatan Sekretaris Program Studi Magister Manajemen Sekretaris Program Studi Ilmu Komunikasi Sekretaris Program Studi Magister Ilmu Hukum
Prof Edy Warman, SH M.Hum Hj Masitah Pohan, SH M.Hum DR H Surya Perdana, SH M.Hum Drs H Efendy Pakpahan, SE MM DR Iskandar Zulkarnain, M.S DR H Triono Eddy, SH M.Hum Ahmad Fauzi, SH MKn
H Muis Fauzi Rambe, SE MM Rudianto, S.Sos M.Si
H Mhd Arifin, SH M.Hum DEKANAT
Dekan Fakultas Kedokteran
Dekan Fakultas Keguruan dan Ilmu Pendidikan Dekan Fakultas Agama Islam
Dekan Fakultas Ilmu Sosial dan Ilmu Politik Dekan Fakultas Pertanian
Dekan Fakultas Ekonomi Dekan Fakultas Hukum Dekan Fakultas Teknik
Wakil Dekan I FKIP Wakil Dekan III FKIP Wakil Dekan I FAI Wakil Dekan III FAI Wakil Dekan I Fisipol Wakil Dekan III Fisipol Wakil Dekan I Faperta Wakil Dekan III Faperta Wakil Dekan I Fekon Wakil Dekan III Fekon Wakil Dekan I Fahum Wakil Dekan III Fahum Wakil Dekan I Fatek Wakil Dekan III Fatek
dr Ade Taufiq, SpOG
Dra. Hj. Nur'ain Lubis, M.AP. Akrim, SPdI M.Pd
Drs R Kusnadi, MAP Ir. Alridiwirsah, MM
Zulaspan Tupti Pasaribu, SE M.Si Farid Wajdi, SH M.Hum
Rahmatullah, ST M.Sc Elfrianto, S.Pd., M.Pd.
Habib Syukri Nasution, S.Pd., M.Hum. Shobrun, S.Ag.
Gunawan, S.Pdl. Drs. Syafrizal, M.Si. Drs. Zulfahmi
Ir. Asritanarni Munar, MP Hadriman Khair, SP M.Sc Januri, SE MM M.Si Sukma Lesmana, S.E., M.Si Hj. Ida Hanifah, SH MH Faisal, SH M.Hum
Munawar Alfansury Siregar, ST MT Randi Gunawan, ST M.Si
KEPALA BIRO Kepala Biro Administrasi Akademik
Kepala Biro Administrasi Keuangan Kepala Biro Administrasi Umum
Yudi Siswandi, S.E., M.M.
Kepala Pustaka
Kepala Biro Data dan Informasi Kepala Biro Kemahasiswaan Kepala Biro Kerumahtanggaan
H. Irfan Bustami, S.H., M.Hum Aswin Bancin, S.E.
Rahmat Kartolo Simanjuntak, S.T Abdul Halim Pulungan, S.H.
NAMA-NAMA KETUA DAN SEKRETARIS PROGRAM STUDI 2009-2013
Fakultas Program Studi Jabatan Nama
AGAMA
ISLAM Pendidikan Agama Islam KetuaSekretaris Akrim, S.Pdl, M.Pd.Junaidi, S Pdl, M.Si. Komunikasi Penyiaran Islam Ketua Akrim, S.Pdl, M Pd.
Sekretaris Junaidi, S.PdI, M.Si.
Pendidikan Guru Raudhatul Athfal Ketua Akrim, S.PdI, M Pd.
Sekretaris Junaidi, S.PdI, M.Si.
KIP Pendidikan Bahasa Indonesia Ketua Dra. Syamsuyurnita, M.Pd.
Sekretaris Juwita Erdaini, S.Pd,
M.Hum.
Pendidikan Bahasa Inggris Ketua Iskandar Zulkarnain, S.Pd.
Sekretaris Erlindawaty, S.Pd.
Pendidikan Akuntansi Ketua Mariati, S.Pd.
Sekretaris Henny Zurika Lubis,
S.E, M.Si.
Pendidikan Matematika Ketua Marah Dolly Nasution, S.Pd, M.Si.
Sekretaris Indra Prasetia, S.Pd,
M.Si.
Pendidikan Pancasila & KN Ketua Hotma Siregar, S.H, M.H.
Sekretaris
-Bimbingan Konseling Ketua Dra. Hj. Latifah Hanum
Sekretaris
-ISIPOL Ilmu Kesejahteraan Sosial Ketua Drs. H. Azamris Chanra, M.AP.
Sekretaris Arifin Siregar, S. Sos.
Ilmu Administrasi Negara Ketua Drs. Tasrif Syam, M.Si.
Sekretaris Rafdinal, S.Sos, M.AP
Ilmu Komunikasi Ketua Irwan Syari Tanjung,
S.Sos, M.AP.
Sekretaris Drs. Zulfahmi
EKONOMI Akuntansi Ketua Dr. Widia Astuti, S.E.,
M.Si. QIA
Sekretaris Azuar Juliandi, S.Sos,
S.E., M.Si.
Manajemen Ketua Hazmanan Khair, SE,
MBA.
Sekretaris Bambang Satriawan,
S.E, M.Si.
Sekretaris Radiman, S.E., M.Si. Manajemen Perpajakan Ketua Elizar Sinambela, S.E.,
M.Si.
Sekretaris Ade Gunawan, S.E,
M.Si.
TEKNIK Teknik Sipil Ketua Ir. Sri Asfiati, M.T.
Sekretaris Randi Gunawan, S.T,
M.Si.
Teknik Elektro Ketua Rohana, S.T., M.T.
Sekretaris India Roza, S.T
Teknik Mesin Ketua Muharnif, S.T, M.Sc.
Sekretaris Khairul Umurani, S.T.
HUKUM Hukum Perdata Kepala Atikah Rahmi Nst, S.H,
M.H.
Hukum Pidana Kepala Guntur Rambe, S.H.
Hukum Internasional Kepala Mirsa Astuti, S.H, M.H.
Hukum Acara Kepala Faisal, S.H., M.Hum.
Hukum Bisnis Kepala Hj. Ida Hanifah, S.H,
M.H
Hukum HTN/HAN Kepala Farid Wajdi, S.H,
M.Hum.
PERTANIAN SEP/Agrobisnis Ketua Sasmita Siregar, S.P,
M.Si.
Agronomi Ketua Ir. Asritanarni Munar,
M.P.
Ilmu Hama Penyakit Tumbuhan Ketua Nursamsi, S.P M.M.
Teknologi Hasil Pertanian Ketua Syakir Nairn Siregar, S.P, M.Si.
BAB 4
4.1 Arti Analisis Data
Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan menguraikan masalah menjadi parsial maupun keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data. Data yang akan diolah adalah data Jumlah Calon Mahasiswa di Fakultas Ekonomi Universitas Muhammadiyah Sumatera Utara. Analisis yang dipakai dalam pengolahan data ini adalah analisis pemulusan eksponensial ganda.
4.2 Analisis Pemulusan Eksponensial Ganda
Pada bagian ini penulis menentukan parameter yang akan digunakan, dimana nilai parameter ( ) besarnya antara 0< <1 dengan cara trial dan error,
Adapun langkah-langkah yang ditempuh untuk menentukan persamaan peramalan dengan menggunakan Metode Linier Satu Perameter dari Brown adalah :
1. Menentukan harga parameter smoothing eksponensial yang besarnya dari 0< <1 2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan :
1 ' ' ) 1 (
t t
t X S
S
3. Menghitung harga pemulusan esponensial ganda dengan menggunakan persamaan :
" 1 ' " ) 1 (
t t
t S S
S
4. Menghitung koefisien atdan btmenggunakan persamaan : "
' "
'
'
(
)
2
t t t
t t
t
S
S
S
S
S
a
) (
1 t' t"
t S S
b
5. Menghitung trend peramalan (Ft+m) dengan menggunakan rumus :
) (m b at t m
t
F
TABEL 4.1 JUMLAH MAHASISWA DI FAKULTAS EKONOMI UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA
NO TAHUN JUMLAH MAHASISWA
1 2000 2794
2 2001 2665
3 2002 3232
4 2003 3775
5 2004 3905
6 2005 3174
7 2006 2762
8 2007 3116
9 2008 3397
10 2009 3778
[image:46.595.117.477.481.721.2]Gambar 4.1 Plot Data Jumlah Mahasiswa Tahun 2000-2009
4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown
4.3.1 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel (4.1) denga metode peramalan ( forecasting ) berdasarkan metode pemulusan eksponensial satu parameter dari Brown.
Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang. Maka terlebih dahulu kita menentukan parameter nilai yang biasanya secara trial and error ( coba dan salah ).
0 500 1000 1500 2000 2500 3000 3500 4000 4500
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
JUMLAH MAHASISWA
Suatu nilai dipilih yang besarnya 0< <1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai yang lain.
Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara sistematis rumus MSE ( Mean Square Error) adalah sebagai berikut :
N
e
MSE
N t t
1 2Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.1
TAHUN Xt
2000 2794 2794 2794
2001 2665 2781,10 2792,71 2769,49 -1,29
2002 3232 2826,19 2796,06 2856,322 3,35 2768,20 463,80 215110,44 2003 3775 2921,07 2808,56 3033,5827 12,50 2859,67 915,33 837829,01 2004 3905 3019,46 2829,65 3209,27804 21,09 3046,08 858,92 737736,70 2005 3174 3034,92 2850,18 3219,65849 20,53 3230,37 -56,37 3177,41 2006 2762 3007,63 2865,92 3149,33006 15,74 3240,19 -478,19 228661,14 2007 3116 3018,46 2881,18 3155,75074 15,25 3165,07 -49,07 2408,35 2008 3397 3056,32 2898,69 3213,94398 17,51 3171,00 226,00 51073,78 2009 3778 3128,49 2921,67 3335,30106 22,98 3231,46 546,54 298708,05
JUMLAH 2426,95 2374705,00
Untuk = 0.1 dan N = 10 Maka :
N t et SSE 1 2 = 2374705 ' t S " t
N
e
MSE
N t t
1 2 10 2374705 = 237470,50Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.2
TAHUN Xt
2000 2794 2794 2794
2001 2665 2768,20 2788,84 2747,56 -5,16
2002 3232 2860,96 2803,26 2918,66 14,42 2742,40 489,60 239708,16 2003 3775 3043,77 2851,36 3236,17 48,10 2933,08 841,92 708829,29 2004 3905 3216,01 2924,29 3507,73 72,93 3284,27 620,73 385303,25 2005 3174 3207,61 2980,96 3434,26 56,66 3580,66 -406,66 165375,61 2006 2762 3118,49 3008,46 3228,51 27,51 3490,93 -728,93 531336,50 2007 3116 3117,99 3030,37 3205,61 21,91 3256,02 -140,02 19605,70 2008 3397 3173,79 3059,05 3288,53 28,68 3227,52 169,48 28724,00 2009 3778 3294,63 3106,17 3483,10 47,12 3317,22 460,78 212321,46
JUMLAH 1306,90 2291203,96
Untuk = 0.2 dan N = 10 Maka :
N t et SSE 1 2 = 2291203,96
N
e
MSE
N t t
1 2 ' t S " t10 ,96 2291203
= 229120,39
Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.3
TAHUN Xt
2000 2794 2794 2794
2001 2665 2755,30 2782,39 2728,21 -11,61
2002 3232 2898,31 2817,17 2979,45 34,78 2716,60 515,40 265637,16 2003 3775 3161,32 2920,41 3402,22 103,25 3014,23 760,77 578770,99 2004 3905 3384,42 3059,61 3709,23 139,20 3505,47 399,53 159625,82 2005 3174 3321,30 3138,12 3504,47 78,50 3848,43 -674,43 454859,20 2006 2762 3153,51 3142,74 3164,28 4,62 3582,98 -820,98 674001,89 2007 3116 3142,25 3142,59 3141,92 -0,14 3168,89 -52,89 2797,85 2008 3397 3218,68 3165,42 3271,94 22,83 3141,77 255,23 65140,16 2009 3778 3386,47 3231,73 3541,22 66,32 3294,77 483,23 233515,50
JUMLAH 865,86 2434348,57
Untuk = 0.3 dan N = 10 Maka :
N t et SSE 1 2 = 2434348,57
N
e
MSE
N t t
1 210 ,57 2434348 = 243434,86 ' t S " t
Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.4
TAHUN Xt
2000 2794 2794 2794
2001 2665 2742,40 2773,36 2711,44 -20,64
2002 3232 2938,24 2839,31 3037,17 65,95 2690,80 541,20 292897,44 2003 3775 3272,94 3012,76 3533,12 173,45 3103,12 671,88 451422,73 2004 3905 3525,77 3217,97 3833,57 205,20 3706,58 198,42 39372,08 2005 3174 3385,06 3284,80 3485,32 66,84 4038,77 -864,77 747823,69 2006 2762 3135,84 3225,22 3046,46 -59,59 3552,15 -790,15 624343,72 2007 3116 3127,90 3186,29 3069,51 -38,93 2986,87 129,13 16674,92 2008 3397 3235,54 3205,99 3265,09 19,70 3030,59 366,41 134258,63 2009 3778 3452,52 3304,60 3600,44 98,61 3284,79 493,21 243254,66
JUMLAH 745,33 2550047,88
Untuk = 0.4 dan N = 10 Maka :
N t et SSE 1 2 = 2550047,88
N
e
MSE
N t t
1 210 ,88 2550047
= 255004,79
Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.5
TAHUN Xt
'
t
S "
t
S at bt
F
tm ei ei2'
t
S "
t
2000 2794 2794 2794
2001 2665 2729,50 2761,75 2697,25 -32,25
2002 3232 2980,75 2871,25 3090,25 109,50 2665,00 567,00 321489,00 2003 3775 3377,88 3124,56 3631,19 253,31 3199,75 575,25 330912,56 2004 3905 3641,44 3383,00 3899,88 258,44 3884,50 20,50 420,25 2005 3174 3407,72 3395,36 3420,08 12,36 4158,31 -984,31 968871,10 2006 2762 3084,86 3240,11 2929,61 -155,25 3432,44 -670,44 449486,44 2007 3116 3100,43 3170,27 3030,59 -69,84 2774,36 341,64 116718,32 2008 3397 3248,71 3209,49 3287,94 39,22 2960,75 436,25 190314,06 2009 3778 3513,36 3361,42 3665,29 151,93 3327,16 450,84 203256,56
JUMLAH 736,73 2581468,30
Untuk = 0.5 dan N = 10 Maka :
N t et SSE 1 2 = 2581468,30
N
e
MSE
N t t
1 210 ,30 2581468
= 258146,83
Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.6
TAHUN Xt
2000 2794 2794 2794
'
t
S "
t
2002 3232 3025,84 2914,53 3137,15 166,97 2639,20 592,80 351411,84 2003 3775 3475,34 3251,01 3699,66 336,48 3304,12 470,88 221727,97 2004 3905 3733,13 3540,29 3925,98 289,27 4036,14 -131,14 17198,75 2005 3174 3397,65 3454,71 3340,60 -85,58 4215,26 -1041,26 1084214,06 2006 2762 3016,26 3191,64 2840,88 -263,07 3255,02 -493,02 243070,46 2007 3116 3076,10 3122,32 3029,89 -69,32 2577,82 538,18 289642,54 2008 3397 3268,64 3210,11 3327,17 87,79 2960,57 436,43 190471,43 2009 3778 3574,26 3428,60 3719,91 218,49 3414,97 363,03 131794,33
JUMLAH 735,91 2529530,37
Untuk = 0.6 dan N = 10 Maka :
N t et SSE 1 2 = 2529530,37
N
e
MSE
N t t
1 210 ,37 2529530
= 252953,04
Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.7
TAHUN Xt
2000 2794 2794 2794
2001 2665 2703,70 2730,79 2676,61 -63,21
2002 3232 3073,51 2970,69 3176,33 239,90 2613,40 618,60 382665,96 2003 3775 3564,55 3386,40 3742,71 415,70 3416,23 358,77 128715,91 2004 3905 3802,87 3677,92 3927,81 291,53 4158,41 -253,41 64217,64 2005 3174 3362,66 3457,24 3268,08 -220,69 4219,34 -1045,34 1092728,40
2006 2762 2942,20 3096,71 2787,69 -360,53 3047,39 -285,39 81450,20 2007 3116 3063,86 3073,71 3054,00 -23,00 2427,16 688,84 474505,22 2008 3397 3297,06 3230,05 3364,06 156,34 3031,01 365,99 133949,83
'
t
S "
t
2009 3778 3633,72 3512,62 3754,82 282,56 3520,40 257,60 66357,26
JUMLAH 705,66 2424590,43
Untuk = 0.7 dan N = 10 Maka :
N t et SSE 1 2 = 2424590,43
N
e
MSE
N t t
1 210 ,43 2424590
= 242459,04
Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.8
TAHUN Xt
2000 2794 2794 2794
2001 2665 2690,80 2711,44 2670,16 -82,56
2002 3232 3123,76 3041,30 3206,22 329,86 2587,60 644,40 415251,36 2003 3775 3644,75 3524,06 3765,44 482,76 3536,08 238,92 57082,77 2004 3905 3852,95 3787,17 3918,73 263,11 4248,21 -343,21 117791,73 2005 3174 3309,79 3405,27 3214,31 -381,91 4181,84 -1007,84 1015741,47 2006 2762 2871,56 2978,30 2764,82 -426,97 2832,41 -70,41 4957,24 2007 3116 3067,11 3049,35 3084,87 71,05 2337,85 778,15 605518,24 2008 3397 3331,02 3274,69 3387,36 225,34 3155,92 241,08 58117,89 2009 3778 3688,60 3605,82 3771,39 331,13 3612,70 165,30 27325,61
JUMLAH 646,40 2301786,30
Untuk = 0.8 dan N = 10
'
t
S "
t
N t et SSE 1 2 = 2301786,30
N
e
MSE
N t t
1 2 10 2301786,30 = 230178,63Tabel 4.2 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.9
TAHUN Xt
2000 2794 2794 2794
2001 2665 2677,90 2689,51 2666,29 -104,49
2002 3232 3176,59 3127,88 3225,30 438,37 2561,80 670,20 449168,04 2003 3775 3715,16 3656,43 3773,89 528,55 3663,67 111,33 12394,37 2004 3905 3886,02 3863,06 3908,97 206,63 4302,44 -397,44 157955,37 2005 3174 3245,20 3306,99 3183,42 -556,07 4115,60 -941,60 886611,50 2006 2762 2810,32 2859,99 2760,65 -447,00 2627,35 134,65 18131,77 2007 3116 3085,43 3062,89 3107,98 202,90 2313,65 802,35 643760,48 2008 3397 3365,84 3335,55 3396,14 272,66 3310,88 86,12 7417,14 2009 3778 3736,78 3696,66 3776,91 361,11 3668,80 109,20 11924,88
JUMLAH 574,82 2187363,55
Untuk = 0.9 dan N = 10 Maka :
N t et SSE 1 2 = 2187363,55 ' t S " t
N
e
MSE
N
t t
1 210 2187363,55
= 218736,35
[image:56.595.140.362.390.653.2]Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai yang memberikan MSE yang terkecil / minimum. Perbandingan ukuran ketepatan metode peramalan peningkatan Jumlah Calon Mahasiswa dengan melihan MSE sebagai berikut :
Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan
A MSE
0.1 237470,50
0.2 229120,39
0.3 243434,86
0.4 255004,79
0.5 258146,83
0.6 252953,04
0.7 242459,04
0.8 230178,63
0.9 218736,35
Tabel 4.12 Peramalan Jumlah Calon Mahasiswa dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.9
Xt Absolut
2794 2794 2794
2665 2677,90 2689,51 2666,29 -104,49
3232 3176,59 3127,88 3225,30 438,37 2561,80 670,20 670,20 449168,04
3775 3715,16 3656,43 3773,89 528,55 3663,67 111,33 111,33 12394,37
3905 3886,02 3863,06 3908,97 206,63 4302,44 -397,44 397,44 157955,37 3174 3245,20 3306,99 3183,42 -556,07 4115,60 -941,60 941,60 886611,50
2762 2810,32 2859,99 2760,65 -447,00 2627,35 134,65 134,65 18131,77
3116 3085,43 3062,89 3107,98 202,90 2313,65 802,35 802,35 643760,48
3397 3365,84 3335,55 3396,14 272,66 3310,88 86,12 86,12 7417,14
3778 3736,78 3696,66 3776,91 361,11 3668,80 109,20 109,20 11924,88
JUMLAH 574,82 3252,89 2187363,55
4.2 Grafik nilai aktual dan ramalan jumlah calon mahasiswa baru
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
2002 2003 2004 2005 2006 2007 2008 2009
DATA ASLI PERAMALAN
'
t
S "
t
[image:57.595.74.496.271.661.2]Tabel 4.13 Perhitungan Ukuran Relatif Galat ( Data dari tabel 4.12 )
Nilai
Penjualan Ramalan Galat PE APE
Xt Ft+m et
100
t m t t
X
F
X
100
t m t t
X
F
X
2794 - - -
-2665 - - -
-3232 2561,80 670,20 14,35 14,35
3775 3663,67 111,33 24,25 24,25
3905 4302,44 -397,44 22,00 22,00
3174 4115,60 -941,60 -1,78 1,78
2762 2627,35 134,65 -17,31 17,31
3116 2313,65 802,35 -1,57 1,57
3397 3310,88 86,12 6,65 6,65
3778 3668,80 109,20 14,47 14,47
JUMLAH 574,82 61,05 102,38
Ukuran ketepatan Metode Peramalan dengan menggunakan = 0.9 adalah : 1.M E ( Mean Error ) / Nilai Tengah Kesalahan
N
e
ME
N t t
1 8 574,82 =71,852. M S E ( Mean Square Absolut Error ) / Nilai Tengah Kesalahan Kuadrat
8 2187363,55
= 273420,44
3. M A E (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut
N
e
MAE
N t t
1 8 584,02 = 73,0024. S S E (Sum Square Error) / Jumlah Kuadrat Kesalahan
N t et SSE
1 2
= 2187363,55
5. S D E (Standard Deviation Of Error) / Devisi Standar Kesalahan
N e SDE N t t
1 28
2187363,55
273420,44
= 52,90N
PE
MAPE
N
t t
18 102,38
=12,80%
7. M P E (Mean Percentage Error) / nilai Tengah Kesalahan Persentase
N
PE
MPE
N
t t
18 61,05
=7,63%
4.3.2 Penentuan Bentuk Persamaan Peramalan
Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0< <1 dengan cara trial and error didapat perhitungan peramalan smotthing esponensial linier satu parameter dari Brown dengan = 0,9
Perhitungan pada tabel 4.12 diatas didasarkan pada =0,9 dan ramalan untuk suatu periode ke depan yaitu dalam perhitungan periode ke 10. Seperti yang sudah dijelaskan pada bab 2 ( landasan teori ) persamaan yang dipakai dalam perhitungan peramalan adalah sebagai berikut :
S't= Xt+ ( 1 ) S't1
S''t= S't+ ( 1 - ) S''t1
bt =
1 ( S't - S''t) Ftm= at+ bt(m)
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan bentuk persamaan peramalan :
Ftm= at+ bt(m)
Ftm= 3776,91 + 331,13 (m)
4.4 Peramalan Jumlah Calon Mahasiswa Baru
Setelah diketahui error yang terdapat pada model peramalan, maka dilakukan peramalan nilai penjualan energi listrik untuk tahun 2010 dengan menggunakan persamaan :
Ftm= 3776,91 + 331,13 (m)
Setelah diperoleh model peramalan Jumlah calon Mahasiswa baru, maka dapat dihitung untuk periode tahun 2010 seperti di bawah ini :
a. Untuk periode ke 11 ( tahun 2010) Ftm= 3776,91 + 331,13 (m)
F10+1= 3776,91 + 331,13 ( 1 )
F11= 4108,04
Tahun Periode Peramalan
2010 11 4108
BAB 5
IMPLEMENTASI SISTEM
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru atau system yang diperbaiki.
Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis kedalam progaming (coding). Dalam pengolahan data pada karya tulis ini penulis penggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil pehitungan.
Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dan dengan adanya perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya data-data yang sangat rumit dan banyk itu tidak dapat dikerjakan secara manual atau dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga yang sangat banyak untuk mengolah data tersebut , disamping itu faktor kesalahan yang dilakukan manusia relatif besar.
Dan dengan adanya perangkat lunak komputer, diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, waktu dan tenaga dengan tingkat kesalahan yang relatif kecil.
5.2 Microsoft Excel
Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf mulai dai A, B, C,..., Z kemudian dilanjutkan AA, AB, AC, ...sampai kolom IV. Sedangkan kolom baris ditandai dengan angka mulai dari 1, 2, 3, ...,65536. Excel 2003 hadir dengan berbagai penyempurnan, ampil lebih terintegrasi dengan berbagai sofware lain, salah satunya adalah under window seperti word, accsess dan power point. Keunggulan program spreadsheet ini adalah mulai dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.
5.3 Langkah-langkah Memulai Pengolahan Data Dengan Excel
Sebelum pengoprasian sofware ini, pastikan pada komputer terpasang program Excel. Langkah-langkahnya :
a. Klik tombol Start
Data tiap tahun pada 2 kolom, p