Proyeksi Jumlah Kenderaan Bermotor Menurut Jenisnya Di Kota Medan Tahun 2010

(1)

PROYEKSI JUMLAH KENDARAAN BERMOTOR MENURUT

JENISNYA DI KOTA MEDAN TAHUN 2010

TUGAS AKHIR

JULFIANI

062407142

PROGRAM STUDI D3 ILMU KOMPUTER / STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

(2)

PROYEKSI JUMLAH KENDARAAN BERMOTOR MENURUT JENISNYA DI KOTA MEDAN TAHUN 2010

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar ahli madya

JULFIANI 062407142

PROGRAM STUDI D3 ILMU KOMPUTER / STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

(3)

PERSETUJUAN

Judul : PROYEKSI JUMLAH KENDARAAN BERMOTOR MENURUT JENISNYA DI KOTA MEDAN TAHUN 2010

Kategori : TUGAS AKHIR

Nama : JULFIANI

Nomor Induk Mahasiswa : 062407142

Program Studi : DIPLOMA (D3) STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 2009

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU Dosen Pembimbing Ketua,

Dr. Saib Suwilo, M.Sc. Drs. Henry Rani Sitepu, M.Si.

(4)

PERNYATAAN

PROYEKSI JUMLAH KENDARAAN BERMOTOR MENURUT JENISNYA DI KOTA MEDAN TAHUN 2010

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing – masing disebutkan sumbernya.

Medan, Mei 2009

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya tugas akhir ini berhasil diselesaikan dala waktu yang telah ditetapkan.

(6)

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Gambar vii

BAB 1 Pendahuluan 1.1Latar Belakang 1

1.2Identifikasi Masalah 2

1.3Maksud dan Tujuan 2

1.4Metodologi Penelitian 3

1.4.1 Lokasi dan Waktu 4

1.5 Sistematika Penulisan 4

BAB 2 Tinjauan Teoritis 2.1 Peramalan 6

2.2 Jenis – Jenis Peramalan 6

2.3 Langkah – Langkah Peramalan 9

2.4 Metode Peramalan 10

2.5 Metodologi Penelitian 2.5.1 Metode Smoothing 10

2.5.2 Moving Average 11

2.6 Ketepatan Ramalan 13

BAB 3 Sejarah Singkat BPS 3.1 Sejarah Singkat Badan Pusat Statistik 16

3.2 Kegiatan Badan Pusat Statistik (BPS) 19

3.2.1 Pengumpulan Data 19

3.2.2 Pengolahan Data 20

3.3 Struktur Organisasi 21

3.4 Visi dan Misi Badan Pusat Statistik 3.4.1 Visi dari Badan Pusat Statistik 22

3.4.2 Misi dari Badan Pusat Statistik 22

3.5 Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatra Utara 23

BAB 4 Pembahasan 4.1 Pengumpulan Data 24

4.2 Pengolahan Data 25

(7)

5.2 Pengertian Microsoft Excel 50 5.3 Stuktur Microsoft Excel 51 5.4 Pengoperasian Microsoft Excel 51 BAB 6 Kesimpulan dan Saran

6.1 Kesimpulan 57

6.2 Saran 58

(8)

DAFTAR TABEL

Halaman Tabel 4.1 Data Banyaknya Kendaraan Bermotor Menurut Jenis Kendaraan

dari Tahun 2001 sampai dengan tahun 2007 di Medan 24

Tabel 4.2 Ramalan Banyaknya Mobil Penumpang di Medan 26

Tabel 4.3 Ramalan Banyaknya Mobil Gerobak di Medan 26

Tabel 4.4 Ramalan Banyaknya Bus di Medan 27

Tabel 4.5 Ramalan Banyaknya Sepeda Motor di Medan 27

Tabel 4.6 Hasil Peramalan Kendaraan Bermotor Menurut Jenis Kendaraan dari Tahun 2008 sampai dengan Tahun 2010 40

Tabel 4.7 Panjang Jalan Menurut Kelas dan Penanggung Jawab di Medan dari Tahun 2001 s/d Tahun 2006 (km) 41

Tabel 4.8 Nilai Kesalahan dari Peramalan Mobil Penumpang 42

Tabel 4.9 Nilai Kesalahan dari Mobil Gerobak 42

Tabel 4.10 Nilai Kesalahan dari Bus 43

(9)

DAFTAR GAMBAR

(10)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Kota Medan merupakan Ibu Kota Propinsi dan merupakan salah satu kota yang teramai di Indonesia yang saat ini merupakan kota metropolitan. Hal ini disebabkan karena padatnya penduduk yang tinggal di Medan. Perkembangan teknologi telah menyebabkan perkembangan yang pesat di bidang transportasi, terutama perkembangan kendaraan bermotor. Tidak terkecuali di Medan, perkembangan kendaraan bermotor di kota ini cukup pesat, hal ini dapat dilihat dari banyaknya kendaraan yang beroperasi di Medan, baik kendaraan beroda 2 (dua) maupun kendaraan beroda 4 (empat).

(11)

Hingga saat ini semakin banyak jenis produk kendaraan yang diproduksi meningkat dari tahun ke tahun sehingga memberikan dampak yang tidak baik bagi lingkungan ini, salah satunya pencemaran udara. Kondisi ini diperparah dengan permintaan produksi kendaraan yang tinggi sehingga dengan banyaknya volume dan jenis kendaraan yang ada menimbulkan kemacetan yang tidak bisa dianggap remeh.

Oleh karena itu penulis mencoba untuk memproyeksikan banyaknya kendaraan bermotor pada tahun 2010, untuk mengetahui apakah proyeksi yang diperoleh dapat menggambarkan apakah jumlah kendaraan bermotor di Medan tahun 2010 mengalami peningkatan dan sudah sesuai dengan keadaan jalan di Medan.

1.2Identifikasi Masalah

Penyusunan Tugas Akhir ini akan menguraikan tentang aspek - aspek yang mempengaruhi jumlah kendaraan bermotor di Medan serta metode – metode perhitungannya.

Maka permasalahan yang dikaji dalam Tugas Akhir ini adalah :

a. Bagaimana perkembangan jumlah kendaraan bermotor menurut jenisnya di Medan tahun 2010

b. Manakah jenis kendaraan bermotor yang banyak terdapat di Medan tahun 2010

1.3 Maksud dan Tujuan

(12)

ingin mengetahui apakah banyaknya jumlah kendaraan bermotor yang telah diramalkan sebanding dengan luas jalan yang terdapat di Medan.

Diharapkan penulis dapat memberikan informasi bagi pemakai data, pembaca serta bagi kepentingan Pemerintah Daerah guna melihat jenis kendaraan bermotor manakah yang banyak terdapat di Medan tahun 2010 serta dampak – dampaknya.

1.4 Metodologi Penelitian

Untuk mendukung penyusunan Tugas Akhir ini, maka penulis membutuhkan data yang diperoleh melalui serangkaian tinjauan, penelitian, riset, ataupun pengambilan data. Data didalam riset tersebut penulis menggunakan beberapa metode diantaranya :

1. Metode Penelitian Kepustakaan (Studi Literatur)

Dalam hal ini pengumpulan data serta keterangan – keterangan dapat dilakukan dengan membaca serta mempelajari buku – buku ataupun literatur pelajaran yang didapat dibangku perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

2. Metode Pengumpulan Data

(13)

3. Metode Pengolahan Data

Adapun pengolahan data dalam memproyeksikan jumlah kendaraan bermotor menurut jenisnya di Medan tahun 2010 dengan menggunakan perumusan :

Rata – rata bergerak linier (Linier Moving Average), yaitu : a. Menentukan smoothing pertama (S't)

b. Menentukan smoothing kedua (S''t)

c. Menentukan besarnya konstanta (at)

d. Menentukan besarnya slope (bt)

e. Menentukan besarnya forecast

1.4.1 Lokasi dan Waktu

Dalam melakukan peninjauan untuk penyusuna Tugas Akhir ini penulis mengambil data yang sudah ada pada BPS Provinsi Sumatera Utara. Penulis mengambil data dari tahun yang lampausampai tahun tertentu guna melakukan analisis. Sedangkan waktu yang digunakan untuk peninjauan adalah selama satu bulan.

1.5 Sistematika Penulisan

Seluruh penulisan dari Tugas Akhir ini disusun dalam beberapa bab yang setiap bab tersebut berisikan sub – sub bab, disusun guna memudahkan pembaca untuk mengerti dan memahami isi penulisan ini. Adapun sistematika penulisannya adalah sebagai berikut :

(14)

BAB I PENDAHULUAN

Bab ini mengutarakan tentang Latar Belakang, Identifikasi Masalah, maksud dan Tujuan, Metode Penelitian yang mencakup lokasi serta waktu pengambilan data dan Sistematika Penulisan.

BAB II TINJAUAN TEORITIS

Bab ini menjelaskan tentang segala sesuatu yang mencakup penyelesaian masalah sesuai dengan judul dan permasalahan yang diuterakan.

BAB III SEJARAH SINGKAT BPS

Bab ini menjelaskan tentang sejarah singkat berdirinya BPS Propinsi Sumatera Utara.

BAB IV PEMBAHASAN

Bab ini membahas penganalisisan data yang telah diamati dan dikumpulkan.

BAB V IMPLEMENTASI SISTEM

Bab ini menjelaskan implementasi sistem yang digunakan dalam penulisan tugas akhir ini.

BAB VI KESIMPULAN DAN SARAN

(15)

BAB 2

TINJAUAN TEORITIS

2.1 Peramalan

Dalam melakukan analisa ekonomi atau analisa kegiatan perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dalam dunia usaha pada masa yang akan datang. Kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang, dikenal dengan sebutan peramalan (forecasting). Setiap kebijakan ekonomi maupun kebijakan perusahaan tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat atau meningkatkan keberhasilan perusahaan untuk mencapai tujuan pada masa yang akan datang dimana kebijakan tersebut dilaksanakan. Usaha untuk melihat dan mengkaji situasi dan kondisi tersebut tidak terlepas dari kegiatan peramalan.

2.2 Jenis – Jenis Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunnya, maka peramalan dapat dibedakan atas dua macam, yaitu :

(16)

“judgment” dari orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik – teknik dan metode dalam penganalisaan data tersebut.

Disamping itu, jika dilihat dari jangka waktu ramalan yang disusun. Maka peramalan dapat dibedakan atas dua macam, yaitu :

1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan jangka jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana pembangunan suatu negara atau suatu daerah, corporate planning, rencana investasi atau rencana ekspansi dari suatu perusahaan.

2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dalam jangka waktu yang kurang dari satu setengah tahun, atau tiga semester. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional, dan anggaran contoh penyusunan rencana produksi, rencana penjualan, rencana persediaan, anggaran produksi, dan anggaran perusahaan.

(17)

1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgment atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan.

2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang digunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan yang berbeda. Adapun yang perlu diperhatukan dari penggunaan metode – metode tersebut, adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan nilai – nilai perbedaan atau penyimpangan yang mungkin terjadi. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut :

a. Adanya informasi tentang keadaan yang lain.

b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.

c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.

(18)

Langkah – Langkah Peramalan

Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh proses pelaksanaan penyusunnya. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah – langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan yang penting, yaitu :

1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat diketahui pola data tersebut.

2. Menentukan metode yang digunakan. Masing – masing metode akan memberikan hasil peramalan yang berbeda. Dimana metode peramalanyang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin.

3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan, dan mempertimbangkan adanya beberapa faktor perubahan. Faktor – faktor perubahan tersebut antara lain terdiri dari perubahan kebijakan – kebijakan yang mungkin terjadi, termasuk kebijakan pemerintah.

(19)

Metode Peramalan

Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Oleh karenametode peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan ini dipergunakan dalam peramalan yan objektif. Perlu diketahui bahwa, keberhasilan peramalan didasarkan atas :

1. Pengetahuan teknik tentang informasi yang lalu yang dibutuhkan. 2. Teknik dan metode peramalan.

Metodologi Penelitian

Metode Smoothing

Metode Smoothing merupakan teknik meramal dengan cara mengambil rata – rata dari beberapa periode yang lalu untuk menaksir nilai pada masa atau periode yang akan datang. Dalan metode smoothing ini data historis digunakan untuk memperoleh angka ynag dilicinkan atau diratakan.

(20)

Moving Average

Metode ini dilakukan dengan mengambil sekelompok nilai pengamatan, mencari rata – ratanya kemudian menggunakan rata – rata tersebut sebagai ramalan untuk periode yang akan datang. Metode ini disebut rata – rata bergerak karena setiap kali data observasi baru tersedia, maka angka rata – rata baru dihitung dan digunakan sebagai ramalan (Forecast).

Metode Moving Averages ini dibagi menjadi dua, yaitu :

1. Rata – rata Bergerak Tunggal (Single Moving Averages) Metode ini mempunyai karakteristik khusus, yaitu :

a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu. Misalnya, dengan 4 bulan moving average, maka ramalan bulan ke 5 baru bisa dibuat setelah bulan ke 4 selesai. Jika 6 bulan moving average, ramalan bulan ke 7 baru bisa dibuat setelah bulan ke 6 selesai.

b. Semakin panjang jangka waktu moving average, efek pelicinan semakin terlihat dalam ramalan atau menghasilkan moving average yang semakin luas.

2. Rata – rata Bergerak Ganda (Double Moving Average)

(21)

bergerak, dan menurut simbol ditulis sebagai MA(M x N) dimana artinya adalah MA M periode dari MA N periode.

Adapun prosedur peramalan rata – rata bergerak linier meliputi tiga aspek : 1. Penggunaan rata – rata bergerak tunggal pada waktu t (ditulis S't)

2. Penyesuaian, yang merupakan perbedaan antara rata – rata bergerak tunggal dan ganda pada waktu t (ditulis S't - S''t), dan

3. Penyesuaian untuk kecenderungan dari periode t ke periode t +1 (atau ke periode t + m jika kita meramalkan M periode ke muka).

Secara umum pembahasan tersebut dapat dilakukan sebagai berikut : Prosedur rata – rata bergerak linier secara umum dapat diterangkan melalui persamaan berikut :

f. Menentukan smoothing pertama (S't), persamaan ini mempunyai asumsi

bahwa saat ini kita berada pada periode waktu t dan mempunyai nilai masa lalu sebanyak N, sebagai berikut :

N

X X

S t t t t N

t 1 2 1

' = + − + − +...+ − +

S't = smoothing pertama periode t

Xt = nilai real periode t

N = jumlah periode

g. Menentukan smoothing kedua (S''t), persamaan ini menganggap bahwa

semua rata – rata bergerak tunggal (S't) telah dihitung. Persamaan ini kita

menghitung rata – rata bergerak N periode dari nilai – nilai S't tersebut.

N

S S

S t t t t N

t 1 2 1

(22)

S''t = smoothing kedua periode t

h. Menentukan besarnya konstanta (at), persamaan ini mengacu terhadap

penyesuaian MA tunggal, S't,dengan persamaan sebagai berikut :

(

t t

)

t t t

t S S S S S

a = ' + ' − " =2 ' − "

at = besarnya konstanta periode t

i. Menentukan besarnya slope (bt), persamaan ini menentukan taksiran

kecenderungan dari periode waktu yang satu ke periode waktu berikutnya, persamaannya sebagai berikut :

(

)

1 " ' 2

− − =

N S S

b t t

t

bt = slope/nilai trend dari data yang sesuai

j. Menentukan besarnya forecast, persamaan ini menunjukkan bagaimana memperoleh ramalan untuk m periode ke muka dari t.Ramalan untuk m periode ke muka adalah at dimana merupakan nilai rata – rata yang

disesuaikan untuk periode t ditambah m kali komponen kecenderungan bt,

persamaannya sebagai berikut :

( )

m

b a

F_t₊_m = _t + _t

Ft+m = besarnya forecast

(23)

Ketepatan Ramalan

Ketepatan ramalan adalah salah satu hal yang mendasar didalam peramalan, yaitu bagaimana mengukur kesesuaiansuatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih satu metode peramalan. Dalam pemodelan pemulusan (smoothing), dari data masa lalu dapat diramalkan situasi yang akan terjadi dimasa yang akan datang. Untuk menguji kebenaran ini digunakan ketepatan ramalan. Untuk hasil peramalan yang akurat adalah ramalan yang bisa meminimalkan kesalahan meramal (forecast error). Besarnya forecast error dihitung sebagai berikut :

Error = Jumlah Kendaraan – Ramalan ei = Xi - Fi

dimana :

Xi = data kendaraan bermotor berdasarkan jenisnya periode ke-i

Fi = ramalan periode ke-i

Suatu ukuran ketepatan peramalan, maka digunakan ukuran – ukuran alternatif yang diantaranya menyangkut kesalahan persentase. Empat ukuran tersebut yaitu :

1. Persentage Error

Adalah suatu kesalahan persentase

100 ×   

 −

= t

t t t

X F X PE

2. Absolute Persentage Error

(24)

100 × − =

t t t

X F X APE

3. Mean Persentage Error

Adalah nilai tengah kesalahan

∑

₌

= n

i t

n PE MPE

1

4. Mean Absolute Peersentage Error

Adalah nilai tengah kesalahan persentase absolut

∑

₌

= n

i t

n PE MAPE

(25)

BAB 3

SEJARAH SINGKAT BPS

3.1 Sejarah Singkat Badan Pusat Statistik

Kantor Badan Pusat Statistik (BPS) propinsi sumatera utara merupakan lembaga pemerintahan non departemen yang berada dibawah dan bertanggung jawab langsung kepada presiden. Badan Pusat Statistik ini ada sejak :

1. Masa Pemerintahan Hindia Belanda

Pada bulan februari 1920, kantor statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directur Van Land Bouw Nijeverheid En

Handel), dan kedudukan di bogor. Kantor ini diserahi tugas untuk mengolah dan

mempublikasikan data statistik..

2. Masa Pemerintahan Jepang

Pada bulan juni 1944 pemerintah jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini CKS diganti menjadi Shomubu Chosasitsu Gunseikanbu.

3. Masa Kemerdekaan Republik Indonesia

(26)

suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia). Tahun 1946, Kantor KAPPURI dipindahkan ke Yogyakarta sebagai sekuens dari Perjanjian Linggar Jati. Sementara ini pemerintah Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

Berdasarkan surat edaran kementerian kemakmuran tanggal 12 juli 1950 nomor:219/S.C,KAPPURI dan CKS dilebur menjadi Kantor Puast Statistik (KPS) dan berada dibawah dan bertanggung jawab kepada kemakmuran.

Dengan surat Menteri Perekonomian tanggal 1 maret 1952 Nomor : P/44,lembaga KPS berada dibawah dan bertanggung jawab perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24 Desember 1953 Nomor:18.009/M,KPS dibagi menjadi 2 bagian yaitu bagian Research yang di sebut Afdeling A dan bagian penyelenggara tata usaha yang disebut Afdeling B.

Dengan keputusan Presiden Republik Indonesia Nomor :131 tahun 1957, kementerian perekonomian dipecah menjadi kementerian Perdagangan dan Kemeterian Perindustrian. Untuk selanjutnya Presiden Republik indonesia Nomor 172 tahun 1957, terhitung mulai tanggal 1 juni 1957 KPS diubah menjadi Biro Pusat Statistik dan urusan statistik semula menjadi tanggung jawab dan wewenang berada di bawah Perdana Menteri.

4. Masa Orde Baru

(27)

Statistik. Dalam masa Orde Baru ini Badan Pusat Statistik telah mengalami empat (4) kali perubahan struktur organisasi

Tahun 1968, ditetapkan peraturan pemerintah Nomor : 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980 peraturan pemerintah Nomor : 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah Nomor : 6 tahun 1980 di tiap provinsi terdapat perwakilan Badan Pusat Statistik dengan nama kantor Statistik Provinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan Badan Pusat Statistik.

Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti undang – undang Nomor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 juni 1998 dengan Keputusan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan Badan Pusat Statistik, sekaligus mengatur tata kerja dan struktur Organisasi Badan Pusat Statistik yang baru.

5. Masa Reformasi sampai sekarang

(28)

3.2 Kegiatan Badan Pusat Statistik (BPS)

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh Pemerintah antara bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenaga kerjaan, keuangan, pendapatan dan keagamaan. Selain hal-hal diatas Badan Pusat Statistik juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran- ukuran lainnya. Adapun kegiatan dari Badan Pusat Statistik ini antara lain:

3.2.1 Pengumpulan Data

Dalam pengumpulan data ini ada berbagai cara yang dipakai yaitu: sensus, survei sektoral, studi khusus dan pemanfaatan catatan administrasi.

Sensus adalah kegiatan yang berskala besar yang dilakukan sepuluh tahun sekali sebagai upaya pengumpulan data secara menyeluruh. BPS melakukan tiga macam sensus yaitu:

a. Sensus Penduduk yang dilaksanakan pada tahun berakhiran 0 (Nol). b. Sensus Pertanian yang dilaksanakan pada tahun berakhiran 3 (tiga). c. Sensus Ekonomi yang dilaksanakan pada tahun berakhiran 6 (enam).

(29)

mengait dengan salah satu sensus. Pemanfaatan catatan administrasi dilakukan bekerjasama dengan departemen/instansi Pemerintah atau Swasta yang mengelola administrasi atau melaksanakan survei khusus, guna menghasilkan data statistik yang beragam, lebih lengkap untuk memenuhi berbagai keperluan dan diusahakan pelaksanaannya dilakukan secara teratur.

Studi khusus dilakukan untuk mempelajari kegiatan aspek statistik guna memberi masukan untuk pengumpulan data statistik yang baru, penyempurnaan metode yang sudah ada sebelum diimplementasikan secara nasional. Disamping itu studi khusus dimaksudkan untuk memenuhi permintaan data yang lebih spesifik yang belum terdapat sensus atau survei.

3.2.2 Pengolahan Data

Kegiatan selanjutnya adalah pengolahan data, kegiatan ini dilakukan dengan dua cara yaitu cara komputerisasi dengan cara manual. Di bidang perangkat keras saat ini BPS mempunyai jaringan yang terbesar di Indonesia hingga tingkat Kabupaten/Kotamadya dan dikelompokkan munurut Lokal Area Network untuk keperluan Resource Sharing. Dengan semakin memasyarakatnya penggunaan komputer, memungkinkan untuk pengiriman data secara elektronik. Di bidang perangkat lunak BPS dilengkapi dengan berbagai bahasa Pemrograman.

3.3 Struktur Organisasi Badan Pusat Statistik

(30)

standarlisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi lini dan staf di Kantor Badan Pusat Statistik (BPS) Propinsi Sumatera Utara adalah :

a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan – kegiatan yang saling berhubungan satu sama lain. b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

c. Pembuatan keputusan yaitu membuat keputusan – keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

Adapun bagan atau struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut:

Sebagaimana dalam lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin seorang Kepala Kantor. Kepala Kantor dibantu bagian tata usaha yang terdiri dari :

a. Sub Bagian Urusan Dalam b. Sub Bagian Perlengkapan c. Sub Bagian Keuangan d. Sub Bagian Kepegawaian

(31)

1. Bidang Statistik Produksi 2. Bidang Statistik Distrubusi 3. Bidang Statistik Sosial.

4. Bidang Integrasi Pengolahan dan Diseminasi Statitik (IPDS) 5 . Bidang Neraca Wilayah dan Analisis Statistik

3.4 Visi dan Misi Badan Pusat Statistika

3.4.1 Visi dari Badan Pusat Statistik

Badan pusat statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan tekhnologi informasi yang mutakhir.

3.4.2 Misi dari Badan Pusat Statistik

Dalam menunjang pembangunan nasinal badan pusat statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu, handal, efektif, dan efesien. Peningkatan kesadaran masyarakat akan arti dan kegunaan statistik, serta pegembanan ilmu pengetahuan statistik.

3.5 Ruang Lingkup Kegiatan Kantor BPS Provinsi Sumatra Utara

a. Merencanakan kegiatan badan pusat statistic untuk dilaksanakan misalnya :

(32)

(33)

BAB 4

PEMBAHASAN

4.1. Pengumpulan Data

[image:33.595.105.524.449.596.2]

Data yang digunakan untuk penganalisaan tulisan ini adalah data jumlah kendaraan bermotor menurut jenis kendaraan di Medan dari tahun 2001 sampai dengan 2007, adalah sebagai berikut :

Tabel 4.1 Data Banyaknya Kendaraan Bermotor Menurut Jenis Kendaraan dari

Tahun 2001 sampai dengan Tahun 2007 di Medan

TAHUN

JENIS KENDARAAN MOBIL

PENUMPANG

MOBIL

GEROBAK BUS

SEPEDA MOTOR

2001 120271 88932 11042 493896

2002 128882 93989 11424 558236

2003 138179 99464 11815 657460

2004 149302 104776 12108 756569

2005 164314 112001 12406 883406

2006 175198 116184 12619 985745

2007 189157 120328 12751 1103707

Sumber : BPS Provinsi Sumatera Utara

4.2. Pengolahan Data

(34)

[image:34.842.97.729.133.308.2]

Tabel 4.2 Ramalan Banyaknya Mobil Penumpang Di Medan

Periode Tahun Jumlah Mobil Penumpang

Rata - Rata Bergerak

Tunggal S'

Rata - Rata Bergerak Ganda S''

Nilai a Nilai b Peramalan

F = a + bm

1 2001 120271 - - - - -

2 2002 128882 124576.5 - - - -

3 2003 138179 133530.5 129053.5 138007.5 8954 -

4 2004 149302 143740.5 138635.5 148845.5 10210 146961.5

5 2005 164314 156808 150274.25 163341.8 13067.5 159055.5

6 2006 175198 169756 163282 176230 12948 176409.25

7 2007 189157 182177.5 175966.75 188388.3 12421.5 189178

8 2008 - - - 200809.75

9 2009 - - - 213231.25

(35)

[image:35.842.107.736.131.321.2]

Tabel 4.3 Ramalan Banyaknya Mobil Gerobak Di Medan

Periode Tahun Jumlah Mobil Gerobak

Rata - Rata Bergerak Tunggal

S'

Rata - Rata Bergerak Ganda

S''

Nilai a Nilai b Peramalan F = a + bm

1 2001 88932 - - - - -

2 2002 93989 91460.5 - - - -

3 2003 99464 96726.5 94093.5 99359.5 5266 -

4 2004 104776 102120 99423.25 104816.8 5393.5 104625.5

5 2005 112001 108388.5 105254.25 111522.8 6268.5 110210.25

6 2006 116184 114092.5 111240.5 116944.5 5704 117791.25

7 2007 120328 118256 116174.25 120337.8 4163.5 122648.5

8 2008 - - - 124501.25

9 2009 - - - 128664.75

(36)

[image:36.842.105.731.133.298.2]

Tabel 4.4 Ramalan Banyaknya Bus Di Medan

Periode Tahun Jumlah Bus

S'

S''

1 2001 11042 - - - - -

2 2002 11424 11233 - - - -

3 2003 11815 11619.5 11426.25 11812.75 386.5

4 2004 12108 11961.5 11790.5 12132.5 342 12199.25

5 2005 12406 12257 12109.25 12404.75 295.5 12474.5

6 2006 12619 12512.5 12384.75 12640.25 255.5 12700.25

7 2007 12751 12685 12598.75 12771.25 172.5 12895.75

8 2008 - - - 12943.75

9 2009 - - - 13116.25

10 2010 13288.75

(37)

Tabel 4.5 Ramalan Banyaknya Sepeda Motor Di Medan

Periode Tahun Jumlah Sepeda Motor

S'

S''

1 2001 493896 -

2 2002 558236 526066

3 2003 657460 607848 566957 648739 81782

4 2004 756569 707014.5 657431.25 756597.8 99166.5 730521

5 2005 883406 819987.5 763501 876474 112973 855764.25

6 2006 985745 934575.5 877281.5 991869.5 114588 989447

7 2007 1103707 1044726 989650.75 1099801 110150.5 1106457.5

8 2008 1209951.75

9 2009 1320102.25

(38)

Keterangan :

1. Mobil Penumpang

a. Ramalan untuk tahun 2006

Dimana S't, S''t, at,dan bt diperoleh dari tahun 2005

2 2005 2006

2006

' X X

S = +

2 164314 175198+ = = 169756 2 ' '₂₀₀₆ ₂₀₀₅ 2006

" S S

S = +

2 156808 169756+ = = 163282

a2006 =2 S'2006 - S''2006

= 2(169756) – 163282 = 176230

(

)

1 " '

2 ₂₀₀₆ ₂₀₀₆ 2006 − − = N S S b

(

)

1 2 163282 169756 2 −− = = 12948

(39)

= 176409.25

b. Ramalan untuk tahun 2007

2 2006 2007

2007

' X X

S = +

2 175198 189157+ = = 182177.5 2 ' '2007 2006 2007

" S S

S = +

2 169756 5 . 182177 + = = 175966.75

a2007 =2 S'2007 - S''2007

= 2(182177.5) – 175966.75 = 188388.25

(

)

1 " '

2 ₂₀₀₇ ₂₀₀₇ 2007 − − = N S S b

(

)

1 2 75 . 175966 5 . 182177 2 − − =

b2007 = 12421.5

F2007 = a2006 + b2006 (m)

= 176230 + 12948 (1)

(40)

Untuk mengetahui peramalan tahun 2008 sampai dengan tahun 2010 maka didapat bentuk persamaan peramalan berdasarkan tabel 4.2 yaitu sebagai berikut :

Ft+m = at + bt

F2007+m = 188388.25 + 12421.5 (m)

nilai at dan bt didapat dari tahun 2007

c. Ramalan untuk tahun 2008

F2007+m = 188388.25 + 12421.5 (m)

F2007+1 = 188388.25 + 12421.5 (1)

F2008 = 200809.75

d. Ramalan untuk tahun 2009 F2007+2 = 188388.25 + 12421.5 (2)

F2009 = 213231.25

e. Ramalan untuk tahun 2010

F2007+3 = 188388.25 + 12421.5 (3)

F2010 = 225652.75

2. Mobil Gerobak

2005 2006

' X X

(41)

2 112001 116184+ = = 114092.5 2 ' '₂₀₀₆ ₂₀₀₅ 2006

" S S

S = +

2 5 . 108388 5 . 114092 + = = 111240.5

a2006 =2 S'2006 - S''2006

= 2(114092.5) – 111240.5 =116944.5

(

)

1 " '

2 2006 2006 2006 − − = N S S b

(

)

1 2 5 . 111240 5 . 114092 2 −− = = 5704

F2006 = a2005 + b2005 (m)

= 111522.8 + 6268.5 (1) = 117791.25

2 2006 2007

2007

' X X

(42)

2 111684 120328+ = = 118256 2 ' '₂₀₀₇ ₂₀₀₆ 2007

" S S

S = +

2 5 . 114092 118256+ = = 116174.25

a2007 =2 S'2007 - S''2007

= 2(118256) – 116174.25 = 120337.8

(

)

1 " '

2 2007 2007 2007 − − = N S S b

(

)

1 2 25 . 116174 118256 2 − − =

b2007 = 4163.5

F2007 = a2006 + b2006 (m)

= 116944.5 + 5704 (1)

= 122648.5

Untuk mengetahui peramalan tahun 2008 sampai dengan tahun 2010 maka didapat bentuk persamaan peramalan berdasarkan tabel 4.3 yaitu sebagai

(43)

Ft+m = at + bt

F2007+m= 120337.8 + 4163.5 (m)

c. Ramalan untuk tahun 2008 F2007+m = 120337.8 + 4163.5 (m)

F2007+1 = 120337.8 + 4163.5 (1)

F2008 = 124501.25

F2009 = 128664.75

e. Ramalan untuk tahun 2010 F2007+3 = 120337.8 + 4163.5 (3)

F2010 = 132828.25

3. Bus

2 2005 2006

2006

' X X

S = +

2 12406 12619+ =

= 12512.5

2 ' '₂₀₀₆ ₂₀₀₅ 2006

" S S

(44)

2 12257 5 . 12512 + = = 12384.75

a2006 =2 S'2006 - S''2006

= 2(12512.5) – 12384.75 =12640.25

(

)

1 " '

2 ₂₀₀₆ ₂₀₀₆ 2006 − − = N S S b

(

)

1 2 75 . 12384 5 . 12512 2 − − = = 255.5

F2006 = a2005 + b2005 (m)

= 12404.75 + 295.5 (1) = 12700.25

2 2006 2007

2007

' X X

S = +

(45)

2 5 . 12512 12685+ = = 12598.75

a2007 =2 S'2007 - S''2007

= 2(12685) – 12598.75 = 12771.25

(

)

1 " '

2 ₂₀₀₇ ₂₀₀₇ 2007 − − = N S S b

(

)

1 2 75 . 12598 12685 2 − − =

b2007 = 172.5

F2007 = a2006 + b2006 (m)

= 12640.25 + 255.5 (1)

= 12895.75

Untuk mengetahui peramalan tahun 2008 sampai dengan tahun 2010 maka didapat bentuk persamaan peramalan berdasarkan tabel 4.4 yaitu sebagai berikut:

Ft+m = at + bt

F2007+m= 12771.25 + 172.5 (m)

(46)

F2007+m = 12771.25 + 172.5 (m)

F2007+1 = 12771.25 + 172.5 (1)

F2008 = 12943.75

F2009 = 13116.25

e. Ramalan untuk tahun 2010 F2007+3 = 12771.25 + 172.5 (3)

F2010 = 13288.75

4. Sepeda Motor

2 2005 2006

2006

' X X

S = +

2

883406 985745+

=

= 934575.5

2 ' '₂₀₀₆ ₂₀₀₅ 2006

" S S

S = +

2

5 . 819987 5

. 934575 + =

(47)

=991869.5

(

)

1 " '

2 ₂₀₀₆ ₂₀₀₆ 2006 − − = N S S b

(

)

1 2 5 . 877281 5 . 934575 2 −− = = 114588

F2006 = a2005 + b2005 (m)

= 876474 + 112973 (1)

= 989447

2 2006 2007

2007

' X X

S = +

2 985745 1103707+ = = 1044726 2 ' '₂₀₀₇ ₂₀₀₆ 2007

" S S

S = +

2 5 . 934575 1044726+ = = 989650.75

a2007 =2 S'2007 - S''2007

(48)

= 1099801

(

)

1 " '

2 ₂₀₀₇ ₂₀₀₇ 2007

− − =

N S S b

(

)

1 2

75 . 989650 1044726

2

− − =

b2007 = 110150.5

F2007 = a2006 + b2006 (m)

= 991869.5 + 114588 (1)

= 1106457.5

Untuk mengetahui peramalan tahun 2008 sampai dengan tahun 2010 maka didapat bentuk persamaan peramalan berdasarkan tabel 4.5 yaitu sebagai berikut :

Ft+m = at + bt

F2007+m= 1099801 + 110150.5 (m)

c. Ramalan untuk tahun 2008

F2007+m = 1099801 + 110150.5 (m)

F2007+1 = 1099801 + 110150.5 (1)

F2008 = 1209951.75

(49)

F2009 = 1320102.25

e. Ramalan untuk tahun 2010 F2007+3 = 1099801 + 110150.5 (3)

F2010 = 1430252.75

[image:49.595.105.547.374.463.2]

Setelah angka – angka peramalan m tahun kedepan diperoleh yaitu sebanyak 3 tahun, maka selanjutnya nilai peramalan yang diperoleh akan ditabulasikan dalam tabel khusus yaitu :

Tabel 4.6 Hasil Peramalan Kendaraan Bermotor Menurut Jenis Kendaraan dari

Tahun 2008 sampai dengan Tahun 2010

TAHUN

JENIS KENDARAAN (UNIT) MOBIL

PENUMPANG

MOBIL

GEROBAK BUS

SEPEDA MOTOR 2008 200809.75 124501.25 12943.75 1209951.75 2009 213231.25 128664.75 13116.25 1320102.25 2010 225652.75 132828.25 13288.75 1430252.75

Dari nilai peramalan pada tabel diatas dapat dikatakan bahwa pada tahun 2008 sampai dengan tahun 2010 terjadi peningkatan terhadap jumlah kendaraan bermotor di Medan.Dan diantara keempat jenis kendaraan diatas dapat diketahui bahwa jumlah kendaraan sepeda motor yang paling banyak terdapat di Medan.

Disini penulis juga memuat luas jalan di Medan dari tahun 2001 – 2006,dimana tabelnya dapat dilihat sebagai berikut :

[image:49.595.111.542.710.765.2]

Tabel 4.7 Panjang Jalan Menurut Kelas & Penanggung Jawab di Medan Dari Tahun 2001 s/d 2006 (km)

Kondisi Jalan Penanggung Jawab

Negara Propinsi Kabupaten / kota

Kelas I 56.86 70.7 0

(50)

Kelas III 566.47

Kelas III A 762.58

Kelas IV 1010.66

Kelas V 0

Tak Diperinci 515.64

Jumlah 56.86 70.7 2951.65

Sumber : Dinas Pekerjaan Umum Kota Medan

Dari tabel diatas dapat penulis simpulkan bahwa jumlah kendaraan bermotor masih mencukupi dengan panjang jalan yang tersedia. Tetapi pemerintah tetap harus memperhatikan perkembangan jumlah kendaraan di tahun yang akan datang karena setiap tahun jumlah kendaraan selalu mengalami peningkatan sedangkan panjang jalan dari tahun ke tahun tetap.

4.2.1 Nilai Kesalahan dari Peramalan

1. Nilai Kesalahan dari Peramalan Mobil Penumpang

[image:50.595.115.541.85.165.2]

Untuk mengetahui nilai kesalahan dari peramalan mobil penumpang dapat dilihat dalam tabel berikut :

Tabel 4.8 Nilai Kesalahan dari Peramalan Mobil Penumpang

Periode

Nilai

Observasi Ramalan Kesalahan

Kesalahan Persentase

Kesalahan Persentase Absolut

Xi Fi Xi - Fi PE APE

1 149302 146961.5 2340.5 1.567628029 1.56762803 2 164314 159055.5 5258.5 3.200275083 3.20027508 3 175198 176409.25 -1211.25 -0.69136063 0.69136063

4 189157 189178 -21 -0.01110189 0.01110189

(51)

[image:51.595.114.506.185.332.2]

Untuk mengetahui nilai kesalahan dari peramalan mobil gerobak dapat dilihat dalam tabel berikut :

Tabel 4.9 Nilai Kesalahan dari Peramalan Mobil Gerobak

Periode

Nilai

1 104776 104625.5 150.5 0.143639765 0.14363977 2 112001 110210.25 1790.75 1.598869653 1.59886965 3 116184 117791.25 -1607.25 -1.38336604 1.38336604 4 120328 124501.25 -4173.25 -3.46822851 3.46822851

Jumlah -3839.25 -3.10908513 6.59410397

3. Nilai Kesalahan dari Peramalan Bus

Untuk mengetahui nilai kesalahan dari peramalan bus dapat dilihat dalam tabel berikut:

Tabel 4.10 Nilai Kesalahan dari Peramalan Bus

Periode

Nilai

1 12108 12199.25 -91.25 -0.75363396 0.75363396

2 12406 12474.5 -68.5 -0.55215218 0.55215218

3 12619 12700.25 -81.25 -0.64387035 0.64387035 4 12751 12895.75 -144.75 -1.13520508 1.13520508

Jumlah _-385.75 _-3.08486158 _3.08486158

[image:51.595.118.505.186.331.2]

(52)

[image:52.595.113.507.184.322.2]

Untuk mengetahui nilai kesalahan dari peramalan sepeda motor dapat dilihat dalam tabel berikut :

Tabel 4.11 Nilai Kesalahan dari Peramalan Sepeda Motor

Periode

Nilai

1 756569 730521 26048 3.442911354 3.44291135

2 883406 855764.25 27641.75 3.128997313 3.12899731

3 985745 989447 -3702 -0.37555352 0.37555352

4 1103707 1106457.5 -2750.5 -0.24920563 0.24920563

Jumlah 47237.25 5.94714952 7.19666781

a. Mobil Penumpang

Sebagai contoh perhitungan diambil dari periode 4, yang telah dilakukan pada tabel 4.8 yaitu sebagai berikut :

1. Kesalahan

4 4

4 X F

e = −

= 189157 – 189178 = - 21

2. Kesalahan Persentase

100 4 4 4 4 × − = X F X PE

= 100

189157 189178 189157

× −

[image:52.595.116.505.185.320.2]

(53)

100 4 4 4 4 × − = X F X APE

= 100

189157 189178 189157 × − = 0,011101889

Berdasarkan dari hasil penjumlahan nilai PE (Persentase Error) dan APE (Absolute Persentage Error) maka didapat pula nilai sebagai berikut :

1. Nilai Tengah Kesalahan Persentase

∑

= = 4 1 i n PE MPE MPE = 4 065440591 , 4

= 1,02 %

2. Nilai Tengah Kesalahan Persentase Absolut

∑

= = 4 1 i n APE MAPE = 4 470365633 , 5

= 1,36 %

b. Mobil Gerobak

[image:53.595.145.304.82.200.2]

1. Kesalahan

4 4

4 X F

e = −

(54)

= - 4173,25

100 4 4 4 4 × − = X F X PE 4

PE = 100

120328 25 , 124501 120328 × −

= - 3,468228509

3. Kesalahan Persentase Absolut

100 4 4 4 4 × − = X F X APE

= 100

120328 25 , 124501 120328 × − = 3,468228509

∑

= = 4 1 i n PE MPE

MPE =

4 10908513 ,

3

−

(55)

∑

= = 4 1 i n APE MAPE = 4 59410397 , 6

MAPE = 1,65 %

c. Bus

1. Kesalahan

4 4

4 X F

e = −

= 12751 – 12895,75 = - 144,75

100 4 4 4 4 × − = X F X PE

= 100

12751 75 , 12895 12751 × −

= - 1,135205082

100 4 4 4 4 × − = X F X APE

= 100

(56)

∑

= = 4 1 i n PE MPE MPE = 4 08486158 , 3 −

= - 0,77 %

∑

= = 4 1 i n APE MAPE = 4 08486158 , 3

= 0,77 %

d. Sepeda Motor

1. Kesalahan

4 4

4 X F

e = −

= 1103707 – 1106457,5 = - 2750,5

(57)

PE = 4 100 1103707 5 , 1106457 1103707 × −

= - 0,249205632

100 4 4 4 4 × − = X F X APE

= 100

1103707 5 , 1106457 1103707 × − = 0,249205632

∑

= = 4 1 i n PE MPE = 4 94714952 , 5

= 1,49 %

∑

= = 4 1 i n APE MAPE = 4 19666781 , 7

(58)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah suatu prosedur yang dilakukan untuk menyelesaikan desain system yang ada dalam dokumen yang telah disetujui, menginstal dan memulai menggunakan sistem yang diperbaiki.

Didalam sistem data tersebut terdapat suatu perangkat lunak yang dinamakan dengan software, dan melalui software ini penulis menggunakan MS. Word XP dan MS. Excel XP dalam penerapan pengolahan data.

5.2 Pengertian Microsoft Excel

(59)

5.3 Struktur Microsoft Excel

[image:59.595.107.519.326.506.2]

Tampilan layar Microsoft excel berupa bentuk standart dari menu bar, toolbars, formula bar, status bar dan sebuah buku kerja (workbook) baru. Workbook ini memuat minimum 1 atau maximum 255 worksheet (kertas kerja). Jumlah worksheet dalam keadaan default ada 3 (tiga) dan worksheet yang aktif bernama “sheet 1” alamat sel kiri atas dan alamat sel kanan bawah. Sedangkan “Pointer” adalah petunjuk sel yang aktif. Untuk lebih jelasnya, tampilan layar Microsoft excel adalah sebagai berikut :

Gambar 5.1 Tampilan layar Microsoft Excel

5.4 Pengoperasian Microsoft Excel

Cara mengaktifkan Microsoft excel sama dengan program – program aplikasi umumnya yang ada di dalam Microsoft Office, yaitu :

1. Klik tombol “start” yang ada pada Taskbar

(60)

3. Klik icon Microsoft excel untuk memulai program, selanjutnya Excel akan menampilkan buku kerja (work book) yang kosong.

Setelah aktif di dalam Microsoft excel, akan tampil lembar kerja baru yang tersusun atas sel – sel yang terbentuk dalam baris dan kolom. Satu lembar kerja (worksheet) dapat memuat 65536 baris dan 256 kolom yaitu dari kolom A-IV, sedangkan 1 sel dapat memuat sebanyak 32000 karakter.

Sel aktif memilki border gelap disekelilingnya, dan alamat sel aktif ditampilkan pada kotak di atas tepi kiri lembar kerja. Sewaktu mengetik teks atau rumus, karakter akan terlihat pada formula bar. Tanda + (plus) yang terlihat pada lembar kerja menandakan keberadaaan mouse.

Rumus selalu dimulai dengan tanda “sama dengan” (=), misalnya; =Sum(range) digunakan untuk menjumlahkan range tertentu. Nilai yang dihasilkan dapat berubah apabila rangkaian nilai dalam rumus berubah.

4. Penulis dapat memasukkan data ke lembar kerja dengan langkah sebagai berikut :

a. Tempatkan petunjuk sel pada tempat atau sel tempat data tersebut akan ditempatkan.

b. Ketik data yang dimasukkan.

(61)

5. Menyimpan Data

Setelah lembar kerja diisi dalam Microsoft excel disimpan dengan nama file Kendaraan. Adapun langkah – langkah dalam menyimpan lembar kerja adalah sebagai berikut :

a. Klik file

b. Save as data

c. Klik OK atau enter

Eksistensi penyimpanan data akan tersimpan secara otomatis sehingga nama file data akan bertambah menjadi Microsoft Excel-Kendaraan.

6. Pemrosesan Data

[image:61.595.146.521.485.725.2]

Selanjutnya adalah pemrosesan data,dari keempat jenis kendaraan yang ada penulis hanya mengambil satu contoh saja untuk mewakili yaitu perhitungan mobil penumpang.

Gambar 5.2 Tampilan pemrosesan data pada Excel

(62)

a. Rata – rata bergerak tunggal (S') 2 tahunan dihitung dari periode 1 sampai 2 sehingga rumus yang tertera pada sel D5 adalah :

=SUM(C4:C5)/2

sedangkan untuk periode selanjutnya, kita tinggal menyalin atau mengcopy rumus tersebut.

b. Rata – rata bergerak ganda (S")2 tahunan dihitung dari periode 2 sampai 3

yaitu didapat dari rata – rata bergerak tunggal (S'), sehingga rumus yang tertera pada sel E6 adalah :

=SUM(D5:D6)/2

sama seperti di atas periode selanjutnya dapat dilakukan dengan cara mengcopy rumus.

c. Nilai a didapat dari 2 kali rata – rata bergerak tunggal (S') pada periode 3

dikurang dengan rata – rata bergerak ganda (S")pada periode 3, sehingga

rumus yang tertera pada sel F6 adalah : =(2*D6)-E6

selanjutnya tinggal mencopy rumus tersebut.

d. Nilai b didapat dari 2 dibagi N-1 dikali dengan pengurangan dari rata – rata bergerak tunggal (S') dengan rata – rata bergerak ganda (S"), sehingga

rumus pada sel G6 adalah : =2/1*(D6-E6)

(63)

e. Ramalan untuk periode 4 didapat dari nilai a ditambah dengan nilai b yang sebelumnya dikali m=1, sehingga rumusnya pada sel H7 adalah :

=F6+G6*1

tetapi pada periode 9, m=2 dan periode 10, m=3.

7. Menghitung Nilai Kesalahan

[image:63.595.143.522.325.573.2]

Selanjutnya adalah menghitung nilai kesalahan,dari keempat jenis kendaraan yang ada penulis hanya mengambil satu contoh saja untuk mewakili yaitu perhitungan mobil penumpang.

Gambar 5.3 Tampilan hasil penghitungan kesalahan di Excel

Perhitungan di atas dapat dilakukan dengan langkah sebagai berikut : a. Mencari nilai kesalahan dapat menggunakan rumus :

=B7-C7

(64)

b. Mencari nilai kesalahan persentase dapat menggunakan rumus : =(D7/B7)*100

untuk periode berikutnya tinggal mengcopy rumus tersebut.

c. Mencari nilai kesalahan persentase absolute dapat menggunakan rumus : =(ABS(D7/B7)*100)

(65)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pembahasan data yang telah penulis lakukan dalam memproyeksikan jumlah kendaraan bermotor berdasarkan jenisnya di Medan, maka dapat diambil kesimpulan :

1.Setiap tahun jumlah kendaraan bermotor yang terdapat di Medan mengalami peningkatan.

2. Jenis kendaraan yang paling banyak terdapat di Medan adalah sepeda motor dengan perincian tahun 2008 sebanyak 1209952 unit, tahun 2009 sebanyak 1320102 unit, tahun 2010 sebanyak 1430253 unit.

(66)

6.2 Saran

1. Pemerintah harus lebih memperhatikan perkembangan jumlah kendaraan di tahun yang akan datang jangan sampai jumlah kendaraan melewati batas ketersediaan jalan karena bisa mengakibatkan kemacetan.

(67)

DAFTAR PUSTAKA

1. Assauri, Sofyan. 1984. Teknik dan Metode Peramalan. Edisi pertama. UI. 2. BPS. 2007. Profil Badan Pusat Statistik Provinsi. Medan

3. Deanto. 2002. Proyeksi Bisnis Dengan Microsoft Excel. Jakarta: Alex Media Komputindo.

4. Makridakis, Spyros dan Wheelright, Steven, C. 1993. Metode Dan Aplikasi