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 bergerakMetode 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 bergerakMetode 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
tSecara 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-iF
=
ramalan periode ke-iDalam 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-tn = 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
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
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’’t5. 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.