Peramalan Perkembangan Harga Emas di Kota Medan Tahun 2015 Dengan Metode Time Series

PERAMALAN PERKEMBANGAN HARGA EMAS DI KOTA MEDAN TAHUN 2015 DENGAN METODE TIME SERIES

TUGAS AKHIR

MUTIA RESTI FADHILAH 112407045

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

 

PERSETUJUAN

Judul : Peramalan Perkembangan Harga Emas Di Kota

Medan Tahun 2015 Dengan Metode Time Series

Kategori : Tugas Akhir

Nama : Mutia Resti Fadhilah

Nomor Induk Mahasiswa : 112407045

Program Studi : D3 Statistika

Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam

Universitas Sumatera Utara

Disetujui di

Medan, Juni 2014

Disetujui Oleh

Ketua Program Studi D3 Statistika FMIPA Pembimbing,

USU

Drs. Faigiziduhu Bu’ulölö, M.Si Dr. Sutarman M.Sc

NIP. 19531218 198003 1 003 NIP.131945359

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pada mulanya hubungan perdagangan hanya terbatas pada satu wilayah Negara

yang tertentu, tetapi dengan semakin berkembangnya arus perdagangan maka

hubungan dagang tersebut tidak hanya dilakukan antara para pengusaha dalam

satu wilayah negara saja, tetapi juga dengan para pedagang dari negara lain, tidak

terkecuali Indonesia. Bahkan hubungan-hubungan dagang tersebut semakin

beraneka ragam, termasuk cara pembayarannya.

Kegiatan ekspor impor didasari oleh kondisi bahwa tidak ada suatu Negara

yang benar-benar mandiri karena satu sama lain saling membutuhkan dan saling

mengisi. Setiap Negara memiliki karakteristik yang berbeda, baik sumber daya

alam, iklim, geografi, demografi, struktur ekonomi dan struktur sosial. Perbedaan

tersebut menyebabkan perbedaan komoditas yang dihasilkan, komposisi biaya

yang diperlukan, kualitas dan kuantitas produk. secara langsung atau tidak

langsung membutuhkan pelaksanaan pertukaran barang dan atau jasa antara satu

negara dengan negara lainnya. Maka dari itu antara negara-negara yang terdapat

didunia perlu terjalin suatu hubungan perdagangan untuk memenuhi kebutuhan

Transakasi perdagangan internasional yang lebih dikenal dengan istilah

ekspor impor, pada hakikatnya adalah suatu transaksi sederhana yang tidak lebih

dari membeli dan menjual barang antara pengusaha-pengusaha yang bertempat

tinggal atau berdomisili dinegara-negara yang berbeda. Namun dalam pertukaran

barang dan jasa yang menyeberangi laut ataupun darat ini tidak jarang timbul

berbagai masalah yang kompleks antara para pengusaha yang mempunyai bahasa,

kebudayaan, adat istiadat, dan cara yang berbeda-beda

Ekspor adalah proses transportasi barang atau komoditas dari suatu negara

ke negara lain secara legal, umumnya dalam proses perdagangan. Proses ekspor

pada umumnya adalah tindakan untuk mengeluarkan barang atau komoditas dari

dalam negeri untuk memasukannya ke negara lain. Ekspor barang secara besar

umumnya membutuhkan campur tangan dari bea cukai di negara pengirim

maupun penerima. Ekspor adalah bagian penting dari perdagangan internasional,

lawannya adalah impor.

Impor adalah proses transportasi barang atau komoditas dari suatu negara

ke negara lain secara legal, umumnya dalam proses perdagangan. Proses impor

umumnya adalah tindakan memasukan barang atau komoditas dari negara lain ke

dalam negeri. Impor barang secara besar umumnya membutuhkan campur tangan

dari bea cukai di negara pengirim maupun penerima. Impor adalah bagian penting

Pengutamaan Ekspor bagi Indonesia sudah digalakkan sejak tahun

1983.Sejak saat itu,ekspor menjadi perhatian dalam memacu pertumbuhan

ekonomi seiring dengan berubahnya strategi industrialisasi dari penekanan pada

industri substitusi impor ke industri promosi ekspor. Konsumen dalam negeri

membeli barang impor atau konsumen luar negeri membeli barang

domestik,menjadi sesuatu yang sangat lazim. Persaingan sangat tajam antar

berbagai produk. Selain harga,kualitas atau mutu barang menjadi faktor penentu

daya saing suatu produk.

Sesuai dengan penjelasan di atas maka penulis ingin mengangkat judul

“PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN DENGAN PERIODE BULANAN”.

1.2 Perumusan Masalah

Untuk memperjelas dan mempermudah penelitian ini agar tidak menyimpang dari

sasaran yang dituju, maka penulis hanya meramalkan n nisbi yang akan datang

1.3 Tinjauan Pustaka

Metode ARIMA adalah salah satu metode peramalan yang ada dalam

statistik, metode ini termasuk dari jenis model kausal, model kausal ini biasanya

menggunakan analisis regresi untuk menentukan variabel mana yang signifikan

mempengaruhi variabel dependen. Selain menggunnakan model regresi model ini

juga dapat menggunakan metode ARIMA atau metode BOX-JENKINS, untuk

mencari model terbaik yang dapat digunakan dalam peramalan. Metode ARIMA

berasal dari penggabungan antara Autoregresive (AR), Moving Average (MA).

Dalam meramalkan ekspor dan impor, maka dapat digunakan beberapa buku

antara lain :

Assauri, S [1] menguraikan tentang defenisi peramalan adalah kegiatan

memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan

ramalan adalah situasi atau kondisi yang diperlukan akan terjadi pada masa yang

akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang

dikenal dengan metode peramalan.

Daljoeni, N [2] menguraikan tentang klimatologi yakni seluk-beluknya,

klasifikasinya serta pernyataan secara wilayah. Dalam beberapa uraian diusahakan

Makridakis, S [3] menguraikan bahwa dalam metode dan aplikasi

peramalan Makridakis, pada dasarnya ada dua model dari metode Box-Jenkins

yaitu model linier untuk deret statis (Stationery Series) dan model linier yang

tidak statis (Non Stationery Series). Model-model untuk deret statis menggunakan

teknik penyaringan untuk deret waktu yaitu apa yang disebut dengan ARIMA

(Auto Regresive-Moving Average) untuk suatu kumpulan data, sedangkan untuk

model yang tidak statis menggunakan apa yabg disebut debgan ARIMA (Auto

Regresive-integrate-Moving Average).

Untuk kumpulan data, model ARIMA (p,q) menjadi:

Xt = ∅1Xt-1 + ∅2Xt-2 + ... + ∅pXt-p+ et – 1et-1 - ... – qet-q

Untuk data yang dikumpulkan secara bulanan, pembedaan satu musim penuh

(tahun) dapat dihitung Xt – Xt-12 = (1-B12)Xt, sehingga untuk model ARIMA (p,d,f),

(P,D,Q)s dengan s adalah jumlah periode permusim.

Maljoivi [4] menguraikan tentang peramalan usaha dengan berbagi

metode, salah satunya dengan menggunakan metode runtun waktu lanjutan yang

didalamnya terdapat bermacam-macam metode antara lain : metode otokorelasi

(Yt = Yt-n), metode otoregresi (Yt = ∅1Yt-1 + ... + ∅nYt-n + et), dan metode

Box-Jenkins.

Mudrajad [5] menguraikan tentang anlisis kurs valas menggunakan

Average) adalah metode yang menggabungkan banyak unsur dalam teori dan

banyak dipakai untuk tujuan peramalan.

Sudjana [6] menguraikan tentang data yang terdiri atas dua atau lebih

variabel untuk mempelajari cara bagaimana data itu berhubungan. Hubungan yang

didapat pada umumnya dinyatakan dalam bentuk persamaan matematika yang

menyatakan hubungan fungsional antar variabel-variabel. Untuk keperluan

analisis, variabel bebas akan dinyatakan dengan X1, X2,..., Xk + et (k 1) sedangkan

variabel tak bebas akan dinyatakan dengan Y.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk dapat menganalisis nilai ekspor dan impor,

menerapkan dan mengaplikasikan metode Box-Jenkins, agar dapat meramalkan

nilai ekpor dan impor bulanan di Pertanian Belawan selama 2013.

1.5 Kontribusi Penelitian

Kontribusi yang dapat diambil dari penelitian ini adalah :

1. Dapat menjadi suatu bahan masukan atau sebagai pertimbangan yang

berguna bagi Karantina Pertanian Belawan dalam mengambil suatu

2. Sebagai informasi bagi BPS, instansi peternakan, pertanian dan

perkebunan di Kotamadya Medan.

3. Sebagai sarana meningkatkan pengetahuan dan wawasan penulis.

1.6 Metode Penelitian

Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa

yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang

diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat

didasarkan atas berbagai macam metode, yaitu metode pemulusan eksponensial

atau rata-rat bergerak, metode Box-Jenkins, dan metode Regresi, semua itu

dikenal dengan metode peramalan. Metode peramalan adalah cara untuk

memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan

datang. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang

bersifat objektif.

Peramalan dengan menggunakan metode deret waktu didasarkan pada

pendugaan masa depan yang dilakukan berdasarkan nilai masa lalu dari suatu

variabel dan / atau kesalahan peramalan di masa lalu. Tujuan metode peramalan

deret waktu seperti itu adalah menemukan pola dalam deret data historis dan

mengekstrapolasikan pola dalam deret data tersebut ke masa depan.

Data yang dikumpulkan dalam penelitian ini adalah data sekunder yang

diperoleh dari Balai Besar Karantina Pertanian Belawan, yaitu data ekspor dan

kemudian diatur, disusun dan disajikan dalam tabel. Model peramalan

Box-Jenkins untuk postulasi kelas untuk ARIMA (p,q) yang umum adalah:

Xt = ∅1Xt-1 + ∅2Xt-2 + ... + ∅pXt-p+ et – 1et-1 - ... – q et-q

Keterangan :

Xt = Variabel yang diramalkan

Xt-p = Variabel pertama dari periode ke 1,2,...,p

∅p = Parameter Auto Regresive

et = Nilai kesalahan pada t

q = Parameter-parameter dari MA (1,2,...,p)

et-q = Nilai kesalahan pada saat (t-q)

1.7 Sistematika Penelitian

penulisan tugas akhir ini disususn secara sistematis didalamnya dikemukakan

beberapa hal, dimana setiap Bab seperti yang tercantum dibawah :

BAB 1 PENDAHULUAN

Bab ini menerangkan tentang latar belakang,

perumusan masalah, tinjauan pustaka, tujuan penelitian,

kontribusi penelitian, metode penelitian, dan

BAB 2 LANDASAN TEORI

Bab ini menerangkan tentang segala sesuatu yang

mencakup terhadap penyelesaian masalah sesuai dengan

judul yang dibuat.

BAB 3 SEJARAH SINGKAT KARANTINA PERTANIAN

Bab ini menerangkan keadaan KARANTINA

PERTANIAN.

BAB 4 ANALISIS DATA

Bab ini membahas tentang pengolahan data untuk

mencari hasil peramalan.

BAB 5 KESIMPULAN DAN SARAN

Bab ini menerangkan kesimpulan atas data yang

telah diamati juga saran yang dapat berupa masukan

bagi KARANTINA PERTANIAN, pemerintah maupun

swasta serta pihak-pihak lain membutuhkan hasil dari

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di

masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang

diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat

didasarkan atas bermacam-macam cara, diantaranya adalah Metode Smoothing

(pemulusan). Metode peramalan merupakan cara untuk memperkirakan secara

kauntitatif apa yang akan terjadi pada masa yang akan datang dengan dasar kata

yang releven pada masa lalu. Dengan kata lain metode peramalan ini digunakan

dalam peramalan yang bersifat objektif.

Peramalan adalah suatu untuk memperkirakan keadaan di masa yang akan

datang melalui pengujian keadaan di masa lau. Dalam kehidupan social segala

sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat. Dalam hal ini perlu

diadakan peramalan. Peramalan yang dibuat selalu diupayakan agar dapat

meminimumkan pengaruh ketidakpatian ini terhadap sebuah permasalahan.

Dengan kata lain peramalan bertujuan mendapatkan peramalan yang bisa

Kegunaan peramalan terlihat pada saat pengambilan keputusan. Keputusan

yang baik adalah keputusan yang didasarkan atas pertimbangan-pertimbangan

yang akan terjadi pada waktu keputusan itu dilaksanakan.

Keberhasilan dari suatu peramalan sangat ditentunkan oleh:

a. Pengetahuan teknik tentang pegumpulan data masa lalu, data ataupun

informasi tersebut bersifat kauntitatif.

b. Teknik dan moetode yang tetap dan sesuai dengan pola data yang telah

dikumpulkan.

Gambaran perkembangan pada masa lalu yang akan datang diperoleh dari

hasil analisa data yng didapat dari penelitian yang telah dilakukan. Perkembangan

pada masa depan merupakan perkiraan apa yang akan terjadi, sehingga dapat

dikatakan bahwa peramalan selalu diperlukan didalam penelitian. Ketepatan

penelitian merupakan hal yang penting, walaupun demikian perlu diketahui bahwa

sesuatu ramalan selalu ada unsure kesalahannya, sehingga yang perlu diperhatikan

adalah usaha untuk memperkecil kesalahan dari ramalan tersebut.

2.2 Jenis-Jenis Peramalan

Berdasarkan sifatnya, peramalan dibedakan atas dua macam yaitu:

a. peramalan Kualitatif

Peramalan kauntitatif adalah peramalan yang didasarkan atas data kualitatif pada

masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang

berdasarkan pemikiran yang instuisi, pendapat dan pengetahuan serta pengalaman

penyusunnya.

b. Peramalan Kuantitatif

Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif masa

lalu. Hasil peramalan yanng dibuat sangat bergantung pada metode yang

dipergunakan dalam peramalan tersebut.

Baik tidaknya metode yang digunakan tergantung dengan perbedaan atau

penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil

penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil

penyimpangan antara hasil ramalan dengan kenyantaan yang akan terjadi maka

semakin baik pula metode yang digunakan.

Peramalan kuantitatif dapat diterapakan bila terdapat kondisi berikut:

a. Tersedia informasi (data) tentang masa lalu

b. Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data numeric

c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus

berlanjut pada masa yang akan datang

2.3 Metode Peramalan

2.3.1 Pengertian Metode Peramalan

Metode peramalan adalah suatu cara memperkirakan atau mengestimasi

secara kauntitatif maupun kualitatif apa yang akan terjadi pada masa depan,

adalah untuk memperkirakan secara sistematis dan pragmatis atas dasar data yang

relevan pada masa lalu. Dengan demikian peramalan diharapkan dapat

memberikan objektivitas yang lebih besar.

Metode peramalan memnberikan urutan dan pemecahan atas pendekatan

masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas

permasalahan, maka akan didapat dasr pemikiran dan pemecahan yang

argumentasinya sama.

2.3.2 Jenis-Jenis Metode Peramalan

Peramalan kuantitatif dibedakan atas:

a. Metode peramalanyang didasrkan atas penggunaan analisa pola hubungan

antar variable yang diperkirakan dengan variable waktu yang merupakan deret

berkala (time series). Metode peramalan yang termasuk dalam jenis ini adalah:

1. Metode pemulusan (smoothing)

2. Metode box Jenkins

3. Metode proyeksi trend dengan proyeksi

b. Metode peramalan yang didasarkan atas penggunaan analisa pola

hubungan antar variable yang diperkirakan dengan variable lain yang

mempengaruhinya, yang bukan waktunya disebut dengan metode korelasi

atau sebab akibat (metode causal). Metode peramalan yang ternasuk dalam

jenis ini adalah:

1. Metode regresi dan korelasi

2. Metode Ekonometri

2.4 Metode Pemulusan (Smoothing)

Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan

penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil

rata-rata dari nilai pada beberapa periode untuk menaksir nilai pada suatu periode.

Smoothing dilakukan degan dua cara yaitu Moving Average atau Exponential

Smoothing.

2.4.1 Moving Average (Rata-rata bergerak)

Dengan moving averages (rata-rata bergerak) ini dilakukan peramalan dengan

mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu

menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah

rata-rata bergerak digunakan, karena setiap kali data observasi baru tersedia, maka

angka rata-rata yang baru dihitung dan dipergunakan sebagai ramalan.

2.4.1.1Rata – rata Bergerak tunggal (Single Moving Averages)

Menentukan ramalan dengan metode single moving averages cukup mudah

dilakukan. Bila akan menerapkan 4 bulan rata-rata bergerak maka ramalan pada

bulan Mei dihitung sebesar rata-rata dari 4 bulan sebelumnya, yaitu bulan Januari,

Februari, Maret, April. Persamaan dari teknik ini adalah:

Keterangan :

: Ramalan untuk periode ke t + 1

: Nilai riil periode ke t

T

: Jangka waktu rata-rata bergerak

Metode single moving average memiliki karakteristik khusus, yaitu:

a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data

historis selam jangka waktu tertentu.

b. Semakin panjang jangka waktu moving averages, efek pelicinanan semakin

terlihat dalam ramalan atau menghasilkan moving average yang semakin

halus. Artinya pada moving averages yang jangka waktunya lebih panjang,

perbedaan ramalan terkecil dengan ramalan terbesar menjadi lebih kecil.

2.4.1.2Rata – rata Bergerak ganda (Double Moving Averages)

Menentukan ramalan dengan metode double moving averages sedikit lebih sulit

dibabdingkan dengan single moving averages. Ada beberapa langkah dalam

menentukan ramalan dengan metode double moving averages, antara lain sebagi

berikut:

a. Menghitung moving average rata-rata bergerak pertama, diberi simbol ′ ,

dihitung dari data historis yang ada. Hasilnya diletakan pada periode terakhir

moving average pertama.

b. Menghitung moving average/rata-rata bergerak kedua, diberi simbol " ,

dihitung dari rata-rata bergerak kedua. Hasilnya diletakan pada periode

terakhir moving average kedua.

=

′

+ (

′

-

"

)

= 2

′

–

"

d. Menentukan besarnya nilai (slope)

=

(

′

-

"

)

e. Menentukan besarnya forecast

=

+

(m)

m adalah jangka waktu forecast kedepan.

2.4.2 Exponensial Smoothing

Metode exponential smoothing merupakan pengembangan dari metode moving

averages. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan

secara terus menurus dengan menggunakan data terbaru. Setiap data diberi bobot,

data yang lebih baru diberi bobot, data yang lebih baru diberi bobot yang lebih

besar.

Dua metode dalam exponential smoothing diantaranya single exponential

smoothing dan double exponential smoothing.

2.4.2.1Single Exponensial Smoothing

Metode ini adalah pengembangan dari metode moving average (MA)

menggunakan rumus sebagai berikut:

Keterangan :

: Ramalan untuk periode ke t + 1

: Nilai riil periode ke t

T

: Jangka waktu rata-rata bergerak

Metode moving average memang mudah menghitungnya akan tetapi metode

ini memberikan bobot yang sama pada setiap data. Untuk mengatasi hal ini maka

digunakan metode single exponential smoothing. Pada metode exponential

smoothing bobot yang diberikan pada data yang ada adalah sebesar untuk data

yang terbaru, untuk data yang lebih lama, data seterusnya.

Besarnya adalah antara 0 dan 1. Semakin mendekati 1 berarti data terbaru lebih

diperhatikan. Secara matematis besarnya peramalan adalah:

F

=

+ (1 – )

F

F

:Ramalan untuk periode ke

t

+1

: Nilai riil periode ke t

F

: Ramalan untuk periode ke t

Dari persamaan di atas besarnya peramalan periode yang akan datang

dijelaskan sebagai berikut:

F

=

+ (1 – )

F

F

=

+

F

–

F

_t

Secara sederhana :

F

=

F +

( )

dengan adalah kesalahan ramalan (nilai sebenarnya dikurangi ramalan) untuk

periode t.

Dengan demikian dapat dikatakan bahwa peramalan pada periode yang akan

datang adalahn ramalan sebelumnya ditambah (alpha) dikalikan dengan

kesalahan ramalan periode sebelumnya. Dalam melakukan peramalan dengan

menggunakan metode single exponential smoothing (SES), besarnya ditentukan

secara trial dan error sampai diketemukan yang menghasilkan forecast error

terkecil. Metode ini lebih cocok digunakan untuk meramal data-data yang

flukyuatif secara random ( tidak teratur)

2.4.2.2Rial Double Exponential Smoothing

Pada metode ini proses penetuan ramalan dimulai dengan menentukan besarnya

alpha secara trial dan error. Sedangkna tahap-tahap dalam menentukan ramalan

adalah sebagai berikut :

a. Menentukan smoothing pertama ( " )

′ = + (1- ′

b. Menentukan Smoothing kedua ( "

" = ′ + (1- "

c. Menentukan besarnya konstanta ( )

= 2 ′ - "

d. Menentukan besarnya slope ( )

=

( ′ - " )

e. Menentukan besarnya forecast (

= +

Dengan m adalah jumlah period eke depan yang diramalkan.

2.5Menghitung Kesalahan Ramalan

Hasil proyeksi yang akurat adalah forecast yang bisa meminimalkan kesalahan

meramal (forecast error). Besarnya forecast error dihitung dengan mengurangi

data riil dengan besarnya ramalan.

Error (E)

=

x

-

F

Keterangan :

x

=

data riil periode ke-i

F

=

ramalan periode ke-i

Dalam menghitung forecast error digunakan:

a. Percentage error (PE)

Percentage error merupakan kesalahan persentase dari suatu peramalan,

dengan :

= nilai data ke periode ke-t

F

=

nilai ramalan periode ke-t

n = banayaknya data

b. Absolute Percentage Error (APE)

Absolute Percentage Error adalah kesalahn persentase absolute.

APE = _X x 100

c. Mean Percentage Error (MAPE)

Mean Absolute Percentage Error merupakan nilai tengah kesalahan

persentase absolute dari suatu peramalan.

MAPE = ∑| |

MPE = ∑

BAB 3

SEJARAH SINGKAT

BADAN PUSAT STATISTIK (BPS)

3.1Sejarah Badan Pusat Statistik (BPS)

Tahun 1968, ditetapkan peraturan pemerintah No. 16 tahun 1968 yaitu

yang mengatur organisasi dan data kerja di pusat dan daerah. Tahun 1980,

peraturan pemerintah No. 16 tahun 1968. Berdasarkan peraturan pemerintah No. 6

tahun 1980 di tiap propinsi terdapat perwakilan BPS dengan nama kantor statisti

propinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan BPS

dengan nama kantor statistik Kabupaten atau Kotamadya. Pada tanggal 19 Mei

1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang

sensus statistik. Pada tanggal 17 juli 1998 dengan keputusan Presiden RI No. 89

tahun 1998, ditetapkan BPS sekaligus mengatur tata kerja dan struktur organisasi

BPS yang baru.

3.2Visi dan Misi

Adapun visi Badan Pusat Statistik adalah menjadi sumber informasi statistik

sebagai tulang punggung informasi pembangunan nasional dan regional, didukung

sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi

Sedangkan misi Badan Pusat Statistik adalah untuk menjunjung pembanguna

nasional BPS mengembangkan misi mengarahkan pembangunan statistik pada

penyediaan data statistik yang handal dan bermutu, efektif dan efisien,

peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan

pengembangan ilmu statistik.

3.3Kedudukan dan Fungsi Badan Pusat Statistik

Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di

bawah dan bertanggung jawab kepada Presiden (Keppers No. 86 tahun 1998),

dalam melaksanakan tugasnya berdasarkan beberapa ketentuan perundangan :

1. UU No. 16 tentang statistik

2. Keputusan Presiden No. 86 tahun 1998 tentang BPS

3. Peraturan Pemerintah No. 51 tahun 1999 tentang penyelenggaraan statistik

Berdasarkan keputusan Presiden No. 86 tahun 1998 dalam menyelenggaran

statistik dasar melaksanakan koordinasi dan kerjasama serta mengembangkan dan

membina statistik sesuai dengan peraturan perundang-undangan yang berlaku.

Fungsi yang diselenggarakan Badan Pusat Statistik adalah :

1. Perumusan kebijaksanaan perencanaan, pengumpulan pengolahan penyajian

data, dan analisis di bidang statistik produksi dan kependudukan serta bidang

statistik distribusi dan maraca nasional.

2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen

dan instansi lainnya dalam mengembangkan bebrbagai jenis statistic yang

diperlukan, serta pelaksanaan kerjasama di bidang statistic dengan lembaga lain

3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik

produksi dan kependudukan serta statistic distribusi dan neraca nasional secara

berkala baik dari hasil penelitian sendiri maupun dari data sekunder.

4. Penyebarluasan statistic melalui berbagai cara baik langsung maupun tidak

langsung.

5. Pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan

pembekalan serta memberikan pelayanan administrasi di lingkungan BPS.

3.4Tata Kerja Badan Pusat Statistik

Para deputi wajib melaksanakan koordinasi dan kerjasama teknis statistic didalam

dan diluar negri sesuai dengan bidang tugas masing-masing dan harus melaporkan

kepada Kepala BPS. Dalam melaksanakan tugasnya wajib menerapkan prinsip

koordinasi, integrasi, sinkronisasi dan signifikasi, baik dalam lingkungan

masing-masing antara aturan unit organisasi di lingkungan BPS maupun dengan instansi

lainnya di luar BPS sesui bidang masing-masing.

3.5Tugas Badan Pusat Statistik

Menurut keputusan presiden RI No. 6 tahun 1992 tugas BPS adalah :

1. Melakukan kegiatan statistik yang ditugaskan kepadanya oleh pemerintah,

antara lain dibidang pertanian, agraria, pertambanagn, perindustrian,

perhubungan, perdagangan, kependudukan, social, ketenagakerjaan,

keuangan, pendapatan nasional, pendidikan dan keagamaan.

2. Atas nama pemerintah melaksanakan koordinasi di lapangan kegiatan

dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua

atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi,

klasifikasi dan lain-lain.

3. Mengadakan segala daya agar masyarakat menyadari akan tujuan dan

kegunaan statistik.

Berdasarkan Keppres ini Kepala berada di bawah dan bertanggung jawab

langsung kepada presiden serta mempunyai tugas :

1. Memimpin BPS sesuai dengan tugas dan fungsi BPS serta membina

aparatur BPS agar berdaya guna dan berhasilguna.

2. Menentukan teknis pelaksanaan di bidang statistic yang secara fungsional

menjadi tanggungjawabnya sesuai denagn peraturan perundang-undangan

yang berlaku serta kebijakan umum yang telah ditetapkan oleh pemerintah.

3. Membina dan melaksanakan koordinasi dengan departemen dan instansi

lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan,

serta melaksanakan kerjasama di bidang statistik dengan lembaga lain baik

di dalam maupun di luar negri.

Wakil Kepala BPS berada di bawah dan bertanggungjawab langsung kepada

Kepala BPS serta mempunyai tugas :

1. Membantu kepala BPS dalam membina dan mengembangkan administrasi

BPS agar berdaya guna dan berhasilguna.

2. Membantu kepala BPS dalam mengkoordinasikan tugas-tugas Deputi,

Pusat pendidikan dan Pelatihan Statistik dan perwakilan di daerah.

Deputi administrasi mempunyai tugas menyelenggarakan pembinaan

pengelolaan keuangan, kepegawaian, dan organisasi, perlengkapan dan

perbekalan, pengendalian, serta memberikan pelayanan administrasi di lingkunagn

BPS.

Deputi Perencanaan dan Analisis Sttatistik adalah unsur pelaksanaan sebagian

tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan

kegiatan perencanaan program dan metodologi statistik, pengolahan hasil sensus,

survey, dan data sekunder serta analisis dan pengembangan statistik.

Deputi Statistik Produksi dan Kependudukan adalah unsure pelaksana sebagian

tugas dan fungsi BPS yng mempunyai tugas menyelenggarakan pembinaan

kegiatan statistic pertanian, industri, konstruksi, pertambanagan dan energy,

kesejahteraan rakyat, serta statistic demografi dan ketenagakerjaan.

Deputi Statistik Produksi dan Neraca Nasional adalah unsure pelaksana sebagian

tugas dan fungsi BPS yang mempunyai tugas menyelenggarakan pembinaan

kegiatan statistic harga dan keuangan, perdagangan dan jasa, serta neraca

nasional.

3.6 Struktur Organisasi Badan Pusat Statistik

Struktur organisasi BPS dipimpin pleh seorang kepala dibantu oleh bagian tata

usaha.

Tata usaha terdiri dari :

1. Sub bagian urusan dalam

2. Sub bagian perlengkapan dan perbekalan

Uraian tugas bagian Tata Usaha :

1. Menyusun program kerja tahunan bagian

2. Mengatur dan melaksanakan perhimpunana dan penyusunan program kerja

tahunan, baik rutin maupun program kantor BPS propinsi dan

penyimpanannya ke BPS

3. Mengatur dan melaksanakan urusan dalam yang meliputi surt menyurat,

pengadaan dan percetakan arsip, rumah tangga, pemeliharaan gedung,

keamanan dan ketertiban lingkungan, serta perjalana dalam dan luar negri.

4. Mengatur dan melaksanakan urusan perlengkapan perbekalan yang meliputi

penyusunan rencana kebutuhan, penyalurn dan pengemasan, penyimpanan

pergudangan, investaris, penghapusan, serta pemeliharaan peralatan dan

perlengkapan.

5. Mengatur dan melaksanakan urusan kuanagan yang meliputi tata usaha

keuanagan, perbendaharaan verifikasi dan pembukuan.

Organisasi BPS berdasarkan Keppres RI No. 6 tahun 1992 terdiri atas :

1. Kepala

2. Wakil Kepala

3. Deputi administrasi

4. Deputi perencanaan dan Analisis Statistik

5. Deputi Statistik Produksi dan kependudukan

6. Deputi Statistik Produksi dan Neraca Nasional

7. Pusat Pendidikan dan pelatihan Statistik

8. Perwakilan BPS di Daerah

Deputi Perencanaan dan analisin Statistik (PAS) mengkoordinir tiga biro, yakni :

1. Biro perencanaan dan pengendallian

2. Biro pengolahan dan penyajian

3. Biro analisa dan Pengembangan

Deputi pembinaan Statistik mengkoordinir empat biro, yakni :

1. Biro Statistik dan Industri

2. Biro Statistik Distribusi

3. Biro Statistik Sosial dan kependudukan

BAB 4

ANALISA DAN PEMBAHASAN

4.1Pengumpulan Data

Pengambilan data dilakukan di Kantor badan Pusat Statistik Sumatra utara,

data yang diambil

adalah data perkemangan harga emas di pasar kota medan tahun 2002-2011.

Data Perkembangan Harga Emas di Pasar Kota Medan Tahun 2002-2011

Tahun Januari Februari Maret April Mei Juni Juli Agustus sptmbr Oktober Nov Des

2002 94,502 96,370 94,337 92,530 92,130 90,146 90,436 90,090 89,262 93,007 93,653 94,242

2003 100,737 101,510 99,275 94,180 95,862 95,435 93,446 97,237 101,082 101,550 105,972 108,306

2004 112,730 110,100 111,980 111,500 109,388 117,410 116,250 118,360 119,418 121,820 126,036 130,745

2005 126,812 125,708 130,593 131,675 131,841 131,250 134,075 137,218 148,500 152,945 154,668 161,800

2006 164,798 163,687 162,200 167,085 191,640 182,600 185,375 184,358 175,785 176,186 182,720 185,725

2007 181,664 190,310 190,340 193,400 197,020 188,150 187,720 199,125 208,340 217,180 238,915 239,157

2008 256,800 268,557 283,225 271,700 267,600 266,725 274,976 258,025 251,050 263,520 261,000 285,800

2009 295,006 330,133 349,650 324,930 315,800 324,930 309,750 305,100 313,300 314,475 321,300 337,920

2010 333,300 323,000 330,160 330,425 344,100 358,280 355,325 347,540 357,950 374,250 387,000 399,400

4.2Pengolahan Data

Untuk menganalisa data di atas, untuk memperoleh nilai m periode kedepan

sebagai perbandingan terhadap data tahun sebelumnya. Dalam hal ini digunakan

data perkembangan harga emas yang diperoleh dari BPS Sumatra Utara. Adapun

data yang diambil adalah perkembangan harga emas di pasar kota medan tahun

[image:32.595.20.573.123.603.2]

Tabel 4.2 Ramalan Perkembangan Harga Emas di Medan

Tahun Periode Nilai

Aktual (X) Rata Bergerak Ganda Pertama (S’) Rata Gerak (S”) Beda Kesalahan

Nilai a Nilai b Peramalan

1 2 3 4 5 6 7 8 9

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1,110,705 1,194,592 1,405,737 1,667,085 2,122,159 2,431,321 3,208,978 3,842,294 4,598,270 5,274,509 1,152,648 1,300,164 1,536,411 1,894,622 2,276,740 2,820,149 3,525,636 4,220,282 4,936,389 1,226,406 1,418,287 1,715,516 2,085,681 2,548,444 3,172,892 3,872,959 4,578,335 73,758 118,124 179,106 191,059 271,705 352,744 347,323 358,054 1,373,922 1,654,535 2,073,728 2,467,799 3,091,854 3,878,380 4,567,605 5,294,443 147,516 236,248 358,212 382,118 543,410 705,488 694,646 716,108 1,521,438 1,890,783 2,432,940 3,821,180 2,849,917 4,583,868 5,262,251 6,010,551 6,726,659 7,442,676 8,158,875

[image:33.595.116.564.84.386.2]

Gambar 4.1 Grafik Peramalan Harga Emas di Pasar Kota Medan

1. Kolom 4 merupakan rata –rata 2 tahun terakhir dari data pada kolom 3,

kemudian dimasukan pada kolom 4 pada tahun terakhir, dihitung dengan

menggunakan rumus :

′ = ⋯

2. Kolom 5 adalah rata-rata 2 tahun terakhir dari kolom 4 (S’t), kemudian

dimasukan pada kolom 5 pada tahun terakhir. Dihitung dengan

menggunakan rumus :

S” = ⋯

3. Kolom 6 adalah selisi rata-rata bergerak yaitu rata-rata bergerak pertama

dikurangi rata-rata bergerak kedua. Dihitung dengan rumus :

0 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000 6,000,000 7,000,000 8,000,000 9,000,000

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Nilai Aktual (x)

Nilai Aktual (x) rata bergerak ganda pertama (S')

Nilai Aktual (x) rata bergerak ganda (S")

S’t – S”t

4. Kolom 7 adalah a (konstanta) untuk persamaan peramalan yang akan

dibuat dapat dihitung dengan rumus :

a

= S’t + (S’t – S’’t) = 2 S’t – S’’t

5. Kolom 8 adalah b (slope) untuk persamaan peramalan. Dapat dihitung

dengan rumus :

bt = "

6. Kolom 9 adalah ramalan yang dihitung dengan rumus :

=

a

b

(m)

m = Jangka waktu peramalan kedepan

4.2.1 Proses Peramalan

a. Ramalan untuk periode 11

Untuk rata-rata bergerak pertama :

′ = 9

= 5,274,509 + 3,842,294

= 4,220,282

Untuk rata- rata bergerak kedua :

= ’ ’

= , , , ,

Untuk nilai a :

= - "

(2 x 4,220,282) - 3,872,959

4,567,605

Untuk nilai b :

=

"

Untuk nilai ramalan

= +

= 4,567,605 + 694,646

= 5,262,251

b. Ramalan untuk periode 12

Untuk rata – rata bergerak pertama :

=

=

4,936,389 + 4,220,282

= 4,578,335

Untuk rata – rata bergerak kedua

Untuk nilai a :

= 2 S’11 – S”11

Untuk nilai b :

= ’’ ’’

Untuk nilai ramalan

F11+1 =

+

(1)

= 5,294,443 + 716,108

= 6,010,551

c. Ramalan untuk periode 13

F11+1 =

+

(2)

d. Ramalan untuk periode 14

F11+1 =

+

(3)

BAB 5

IMPLEMENTASI SISTEM

5.1Pengertian Implementasi Sistem

Implementasi system adalah langkah-langkah atau prosedur yang dilakukan dalam

menyelesaikan desain system yang telah disetujui, untuk menginstal, menguji dan

memulai system baru yang diperbaiki.

5.2Tujuan Implementasi Sistem

Adapun tujuan dari implementasi system ini adalah sebagai berikut :

1. Menyelesaikan desain system yang telah disetujui sebelumnya.

2. Memastikan bahwa pemakai (user) dapat mengoprasikan system baru.

3. Menguji apakah system baru tersebut sesuai dengan pemakai.

4. Memastikan bahwa konversi ke system baru berjalan yaitu dengan membuat

rencana, mengontrol dan melalukan instlansi baru secara benar.

5.3 Pengertian Microsoft Excel

Microsoft excel adalah generasi porpose electronic spreadsheet yang dapat

digunakan untuk mengorganisir, menghitung, menyediakan maupun menganalisa

5.4 Struktur Microsoft Excel

Tampilan Microsoft excel berupa bentuk standart dari menu bar, toolbar, formula

bar, status badan sebuah buku kerja (workbook) baru. Workbook memuat

minimum (1) atau maksimum (225) worksheet (kertas kerja) jumlah worksheet

dalam keadaan default ada (3) dan worksheet yang aktif bernama “sheet I” alamat

sel kiri atas dan alamat sel kanan bawah. Sedangkan “pointer” adalah petunjuk sel

yang aktif.

5.5 Pengoprasian Microsoft 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.

Setelah Microsoft Excel aktif maka akan ditampilkan lembar kerja baru yang

tersusun atas sel-sel yang terbentuk dalam baris dan kolom. Sebuah lembar kerja

worksheet dapat memuat 65536 baris dan 256 kolom. Sedangkan satu sel dapta

5.6 Pemrosesan Data Dengan Excel

5.6.1 Prosedur Perhitungan Peramalan Rata-rat Bergrak Ganda

1. Langkah perhitungan kolom E

a. Klik sel E6

b. Ketiklah rumus “=(D5+D6)/2”

c. Klik enter.

d. Untuk mengetahui nilai sel berikutnya arahkan pointer ke ujung bawah sel

E6 hingga berubah menjadi lambing (+). Draglah mouse ke bawah sampai

sel E15, kemudian lepaskan tombol mouse.

2. Langkah Perhitungan Kolom F

a. Klik sel F7

b. Ketiklah rumus “(E6+E7/2)”

c. Klik Enter

d. Untuk megetahui nilai berikutnya arahkan pointer ke ujung bawah sel E6

hingga berubah menjadi (+). Draglah mouse kebawah sampai sel F15,

kemudian lepaskan tombol mouse

3. Langkah perhitungan kolom G

a. Klik sel G7

b. Ketiklah rumus “=E7-F7”

c. Klik enter

d. Untuk mengetahui nilai sel berikutnya sel (G8 sampai G15) arahkan

pointer ke ujung bawah sel G8 hingga berubah menjadi (+). Draglah

4. Langkah perhitungan kolom H

a. Klik sel H7

b. Ketiklah rumus “=(2*E7)-F7”

c. Klik enter

d. Untuk mengetahui nilai sel berikutnya arahkan pointer ke bawah sel H7

hingga berubah menjadi (+). Draglah mouse ke bawah sampai sel H15,

kemudian lepaskan tombol mouse

5. Langakah perhitungan kolom I

a. Klik sel I7

b. Ketiklah rumus “=((2/(2-1))*(E7-F7))”

c. Klik enter

6. Langkah Perhitungan kolom J

a. Klik sel J8

b. Ketiklah rumus “=H7+(17*1)”

c. Klik enter

d. Untuk mengetahui nilai sel JI7 adalah dengan cara :

1. Klik sel JI7

2. Ketiklah rumus “=H15+(115*2)”

BAB 6

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil penelitian data sekunder Karantina Pertanian Belawan yang dianalisa

dari Bulan Januari 2008 s/d Desember 2010, dapat diambil beberapa kesimpulan

sebagai berikut:

1. Berdasarkan hasil pengujian plot data aktual, menunjukkan bahwa nilai

ekspor dan impor tidak stasioner. Fluktuasi nilai ekspor dan impor sangat

signifikan, sehingga dilakukan pembedaan (difference) agar diperoleh data

yang stasioner.

2. Dengan menggunakan Plot, Autokorelasi dan Autokorelasi Parsil dapat

dilihat perbedaan nilai ekspor dan impor.

3. Terdapat tabel perbedaan pertama dan perbedaan kedua untuk

5.2 Saran

Dari hasil penelitian dan dari beberapa hasil kesimpulan dapat diambil saran

sebagai berikut:

1. Untuk melakukan prediksi, sebaiknya menggunakan data times series yang

panjang agar dapat mengetahui pola dari data tersebut, sehingga dapat

diketahui apakah datanya stasioner atau tidak.

2. Perlu dilakukan pengujian ordo ARIMA dengan metode try and error

untuk memperoleh hasil yang lebih baik.

3. Gunakan program SPSS dan MINITAB karena model ini dapat

menentukan nilai taksiran kostanta, nilai standart error, uji t dan matriks

DAFTAR PUSTAKA

Assauri,Sofyan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi

Universitas Indonesia.

Wheelwright, Steven C. 1983. Metode Peramalan Untuk Managemen. New York:

John Wiley & Sons. Hal 1-4.

Cryer, Jonathan D. Time Series Analysis, 1986. Boston, Duxbury Press.

Makridakis S Wheelwright S.C dan M.C Gee V.E. 1993. Metode dan Aplikasi Peramalan

Iriawan, Nur & Astuti, Septin Puji. Mengolah Data Statistik dengan mudah

menggunakan Minitab 14 (Yogyakarta: ANDI, 2006).

Hasan, M.Iqbal. Pokok-pokok Materi Statistik 2 (Statistik Inferensif), 2005.

Jakarta, PT Bumi Aksara.