PERAMALAN JUMLAH PENGANGGURAN DI
SUMATERA UTARA PADA TAHUN 2011
TUGAS AKHIR
MUHAMAD FAKHRI
072407043
PROGRAM STUDI DIII STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERAMALAN JUMLAH PENGANGGURAN DI
SUMATERA UTARA PADA TAHUN 2011
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
MUHAMAD FAKHRI
072407043
PROGRAM STUDI DIII STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERAMALAN JUMLAH PENGANGGURAN
DI SUMATERA UTARA PADA TAHUN 2011
Nama : MUHAMAD FAKHRI
Nomor Induk Mahasiswa : 072407043
Program Studi : DIPLOMA (D3) STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM
(FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juni 2010
Diketahui/Disetujui oleh : Departemen Matematika FMIPA USU
Ketua Pembimbing,
PERNYATAAN
PERAMALAN JUMLAH PENGANGGURAN DI SUMATERA UTARA PADA TAHUN 2011
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dari ringkasan yang masing-masing disebutkan sumbernya.
Medan, Mei 2010
PENGHARGAAN
Puji dan syukur penulis ucapkan atas kehadirat Allah SWT karena atas berkat dan
karunia-Nya sehingga penulis dapat menyelesaikan tugas akhir ini dalam waktu yang
telah ditetapkan. Dan juga tak lupa salam dan sejahtera penulis ucapkan kepada
junjungan baginda Muhammad SAW atas segala cintanya.
Ucapan terima kasih penulis sampaikan kepada kedua orang tua saya
Ayahanda Thamrin Dalimunthe dan Ibunda Zubaidah Harahap atas segala
pengorbanan, bimbingan dukungan moril dan materil selama ini serta seluruh saudara
tercinta Kakakku Zuhriyani Fitri S.pd dan Diah Rahmaini Amf terima kasih atas
dukungan dan semangatnya yang telah diberikan kepada penulis selama ini.Ucapan
terima kasih juga penulis sampaikan kepada Dra. Sinek Malem Pinem selaku dosen
pembimbing pada tugas akhir ini yang telah memberikan panduan dan kepercayaan
kepada penulis untuk menyelesaikan tugas akhir ini, penulis juga tak lupa
menyampaikan terima kasih kepada Ketua dan Sekertaris Departemen Dr. Saib
Suwilo, M.Sc dan Drs. Henry Rani Sitepu, M.Si. Dekan dan Pembantu Dekan
Fakultas dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua Dosen dan
DAFTAR ISI
2.7 Metode Smooting yang Digunakan 16
2.8 Ketepatan Ramalan 18
Bab 3 Sejarah Singkat Tempat Riset 19
3.1 Sejarah Singkat Badan Pusat Statistik Sumatera Utara 19 3.2 Visi dan Misi Badan Pusat Statistik 20 3.2.1 Visi Badan Pusat Statistik 20 3.2.2 Misi Badan Pusat Statistik 20 3.3 Struktur Organisasi Badan Pusat Statistik Sumatera Utara 21
Bab 4 Analisa dan Pengolahan Data 24
4.1 Pengumpulan Data 24
4.2 Analisis Pemulusan Eksponensial Ganda 25 4.3 Metode Pemulusan Eksponensial Ganda
DAFTAR TABEL
Halaman Tabel 4.1 Data Jumlah Pengangguran Provinsi Sumatera Utara
Pada Tahun 1997 sampai 2008 24
Tabel 4.2 Perbandingan Ukuran Ketepatan Metode Peramalan 27 Tabel 4.3 Peramalan Jumlah Pengangguran dengan Pemulusan
Eksponensial Ganda Linier Satu Parameter
dari Brown dengan menggunakan α = 0,3 28 Tabel 4.4 Peramalan Jumlah Pengangguran di Provinsi Sumatera Utara
DAFTAR GAMBAR
Halaman
Gambar 3.1 Struktur Organisasi Badan Pusat Statistik Sumatera Utara 21
Gambar 4.1 Grafik Jumlah Pengangguran Sumatera Utara Pada Tahun 1997 sampai 2008 25
Gambar 4.2 Grafik Jumlah Pengangguran Sumatera Utara Pada Tahun 1997 sampai 2008 dengan Peramalan 28
Gambar 5.1 Memulai Excel 34
Gambar 5.2 Tampilan Lembar Kerja Excel 35
Gambar 5.3 Memasukkan Data 36
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Telah kita ketahui bahwa saat ini kita sedang mengalami krisis global, tidak hanya di
negara-negara yang sedang berkembang bahkan negara maju juga mengalaminya,
seperti Amerika. Akibatnya banyak orang yang di PHK, perusahaan banyak yang
gulung tikar, bahkan tidak sedikit orang yang frustasi akibat krisis global.
Pengangguran atau tuna karya adalah istilah untuk orang yang tidak bekerja
sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,
atau seseorang yang sedang berusaha mendapatkan pekerjaan.
Pengangguran adalah orang yang masuk dalam angkatan kerja (15 sampai 64
tahun) yang sedang mencari pekerjaan dan belum mendapatkannya, dan orang yang
bersekolah, mahasiswa perguruan tinggi dan lain sebagainya yang karena sesuatu hal
tidak/belum membutuhkan pekerjaan.
Ketiadaan pendapatan menyebabkan penganggur harus mengurangi
pengeluaran konsumsinya yang menyebabkan menurunnya tingkat kemakmuran dan
kesejahteraan. Pengangguran yang berkepanjangan juga dapat menimbulkan efek
psikologis yang buruk terhadap penganggur dan keluarganya.
Tingkat pengangguran yang begitu tinggi juga dapat menyebabkan kekacauan
politik, keamanan dan sosial sehingga mempengaruhi pertumbuhan dan pembangunan
ekonomi. Akibat jangka panjang adalah menurunnya GNP (Gross National Product)
dan pendapatan per kapita suatu negara.
Besarnya angka pengangguran mempunyai implikasi sosial yang sangat luas
karena mereka yang tidak bekerja tidak mempunyai pendapatan. Semakin tinggi
angka pengangguran terbuka maka semakin besar potensi kerawanan sosial yang
ditimbulkan contohnya kriminalitas. Sebaliknya semakin rendah angka pengangguran
terbuka maka semakihn stabil kondisi sosial dalam masyarakat. Sangatlah tepat jika
pemerintah seringkali menjadikan ini sebagai indikator tolak ukur keberhasilan
Jadi semakin banyak jumlah pengangguran di suatu negara maka negara
tersebut semakin sulit pula untuk berkembang. Dan tingkat kriminalnya pun akan
semakin tinggi. Dikarenakan jumlah pengangguran meningkat, maka akan mendorong
masyarakat untuk berbuat kejahatan.
Dari uraian latar belakang di atas maka penulis mengambil judul “Peramalan
Jumlah Pengangguran Di Sumatera Utara Pada Tahun 2011”. Karena penulis tertarik untuk meramalkan jumlah pengangguran di tahun-tahun yang akan datang.
1.2 Rumusan Masalah
Adapun yang menjadi masalah dalam laporan penelitian tugas akhir ini adalah :
1. Bagaimana bentuk persamaan yang dipakai untuk meramalkan jumlah
pengangguran di Sumatera Utara untuk tahun 2011.
2. Berapa jumlah pengangguran di Sumatera Utara yang diramalkan untuk tahun
1.3 Batasan Masalah
Adapun batasan masalah yang dimaksud agar dapat lebih terarah. Maka batasan
masalah yang akan dibahas dalam laporan penelitian tugas akhir ini adalah sebagai
berikut :
1. Hanya meramalkan jumlah pengangguran tahun 2011.
2. Data diambil dari tahun 1997 hingga tahun 2008.
3. Data adalah data sekunder yang diperoleh dari kantor BPS Pusat Sumatera
Utara.
4. Penulis tidak menganalisa tentang faktor-faktor yang mempengaruhi jumlah
pengangguran.
1.4 Manfaat dan Tujuan
Tujuan dari penulisan laporan tugas akhir ini adalah untuk mengetahui berapa besar
jumlah pengangguran di Sumatera Utara. Dan apakah terjadi peningkatan atau
penurunan jumlah pengangguran dengan menggunakan metode peramalan.
Sedangkan manfaat yang diperoleh dari pelaksanaan penelitian ini adalah
penelitian ini bermanfaat bagi pembaca dan peneliti lain yang ingin meneliti dengan
menggunakan konsep yang sama, dan secara umum dapat memberi kontribusi pada
konsep ini dalam menentukan solusi optimal yang mungkin dicapai pengambil
keputusan.
1.5 Metodologi Penelitian
Dalam penelitian “Tugas Akhir” ini metode yang penulis gunakan adalah :
1. Study kepustakaan (library research).
Penulis mengadakan penelitian dengan membaca, menelaah serta mengkaji
buku-buku dan literatur yang berkaitan dengan masalah yang ada.
2. Metode pengumpulan data.
Pengumpulan data dilakukan penulis dengan menggunakan data sekunder yang
diperoleh dari BADAN PUSAT STATISTIKA Propinsi Sumatera Utara. Data
yang dikumpulkan kemudian dan disajikan dalam tabel.
3. Pengolahan data.
Pengolahan data yang dilakukan dengan melakukan peramalan menggunakan
Untuk menganalisa data yang diperoleh, maka digunakan software Microsoft
Excel 2003.
1.6 Tinjauan Pustaka
Kegiatan penerapan model yang telah dikembangkan pada waktu yang lalu dinamakan
proyeksi, sedangkan, kegiatan penerapan model yang telah dikembangkan pada waktu
yang akan datang dinamakan peramalan (Aritonang,L.R. 2002: 12).
Peramalan merupakan suatu alat bantu yang penting pada perencanaan yang
efektif dan efisien.Peramalan juga penting dalam mengambil suatu keputusan.
Aspek-aspek yang menggunakan peramalan cukup luas baik secara waktu, faktor-faktor
penentu kejadian sebenarnya, jenis-jenis pola data dan beberapa hal lain ( Manurung,
A.H, 1990: 2).
Peramalan dengan menggunakan metode exponensial smoothing yang linier
dapat dilakukan dengan perhitungan yang hanya membutuhkan tiga buah nilai data
dan satu nilai α. Dasar pemikiran dari metode ini adalah, baik nilai pelicin tunggal
maupun ganda terdapat pada waktu sebelum data sebenarnya, bila pada data itu ada
1.7 Sistematika Penulisan
Secara umum sistematika penulisan yang penulis gunakan dalam menyusun laporan
tugas akhir ini adalah sebagai berikut :
BAB 1 : PENDAHULUAN
Pada bab ini berisikan uraian tentang latar belakang, identifikasi
masalah, batasan masalah, tujuan, manfaat, metodologi penelitian dan
sistematika penulisan tugas akhir.
BAB 2 : TINJAUAN TEORITIS
Dalam bab ini akan diuraikan teori-teori dan tinjauan pustaka yang
dibaca/digunakan penulis tentang segala sesuatu yang menyangkut
terhadap penyelesaian masalah sesuai dengan judul dan permasalahan
yang diutarakan.
BAB 3 : SEJARAH SINGKAT TEMPAT RISET
Pada bab ini berisikan gambaran tempat riset tentang sejarah tempat
BAB 4 : ANALISA DAN PENGOLAHAN DATA
Pada bab ini mencoba menganalisis data yang ada, yang telah
dikumpulkan. Penjelasan secara terperinci hasil yang diperoleh
berdasarkan pengamatan yang dilakukan.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menjelaskan tentang program atau software yang dipakai
sebagai analisis terhadap data yang diperoleh. penulis akan
menggunakan Microsoft Excel untuk melakukan pengolahan data.
BAB 6 : KESIMPULAN DAN SARAN
Bab ini merupakan bab penutup yang merupakan kesimpulan dari
pembahasan serta saran-saran penulis berdasarkan kesimpulan yang di
BAB 2
TINJAUAN TEORITIS
2.1 Pengertian Peramalan (Forecasting)
Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan
terjadi pada masa mendatang. Peramalan penjualan adalah peramalan yang
mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu
diambil serta variabel-variabel yang mempengaruhi permasalahan arus penjualan yang
akan terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran
akan dibutuhkan suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut.
Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting
dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa
sehingga dapat dipersiapkan tindakan yang perlu dilakukan.
Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan
bermacam-macam cara yang dikenal dengan metode peramalan. Metode peramalan adalah cara
memperkirakan secara kuantatif apa yang terjadi pada masa depan, berdasarkan data
yang relevan pada masa lalu. Metode peramalan akan membantu dalam mengadakan
pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat
memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan
pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil
ramalan yang dibuat atau disusun.
2.2 Kegunaan dan Peran Peramalan
Sering terdapat senjang waktu (Time Lag) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (Lead
Time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi
diatas peramalan sangat diperlukan untuk menentukan kapan suatu peristiwa akan
terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan tindakan yang
perlu dilakukan.
Dalam perencanaan disuatu instansi baik itu pemerintahan maupun swasta,
peramalan merupakan kebutuhan yang sangat mendasar. Dimana baik maupun
tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan
merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.
Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan
keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan
apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang
diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena
masalah pengambilan keputusan merupakan masalah yang selalu dihadapi maka
peramalan juga merupakan masalah yang selalu dihadapi karena peramalan berkaitan
dengan pengambilan suatu keputusan.
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh
metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data
yang digunakan atau ketepatan ramalan yang dibuat. Selama data maupun informasi
yang digunakan tidak dapat maka hasil peramalan yang disusun juga akan sukar
dipercaya akan ketepatannya.
Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat
penting, walaupun demikian perlu disadari bahwa suatu ramalan adalah tetap ramalan,
dimana selalu ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah
Di dalam bagian Organisasi terdapat beberapa peran penting dalam peramalan :
1. Penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang
efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan
sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan
tingkat permintaan konsumennya atau si pelanggan, bahan, tenagakerja,
finansial atau jasa pelayanan.
2. Penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk
memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan
peralatan dapat berkisar antara beberapa hari sampai beberapa tahun.
Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa yang
akan datang.
3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan
sumber daya yang ingin dimiliki dalam jangka waktu panjang. Keputusan
semacam ini bergantung kepada kesempatan pasar, faktor-faktor lingkungan
dan pengembangan internal dari sumber daya finansial, manusia, produk, dan
teknologi.semua penentuan ini memerlukan ramalan yang baik dan manajer
Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun
tiga kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka
pendek, menengah, dan panjang.
Dari uraian di atas dapat dikatakan bahwa metode peramalan sangat berguna,
karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu.
Sehingga dengan metode peramalan akan memberikan cara pemikiran, pengerjaan
yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan
ketepatan hasil analisis.
2.3 Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu :
1. Peramalan Kualitatif atau Teknologis
Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang
menyusunnya. hal ini penting karena hasil peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan serta
pengalaman dari orang-orang yang menyusunnya. metode kualitatif dapat
2. Peramalan Kuantitatif
Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang
dipergunakan dalam peramalan tersebut. karena dengan metode yang berbeda
akan diperoleh suatu hasil peramalan yang berbeda pula. Baik tidaknya metode
yang dipergunakan ditentukan oleh perbedaan atau penyimpangan antara hasil
ramalan dengan keyakinan yang terjadi. Semakin kecil penyimpangan antara
hasil ramalan dengan kenyataan yang terjadi berarti metode yang
dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang
dilakukan dengan mengikuti prosedur penyusunan yang baik. Metode
kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu :
1. Adanya informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu
akan terus berlanjut di masa yang akan datang.
Metode-metode peramalan dengan analisis deret waktu yaitu :
1. Metode Pemulusan Ekponensial dan Rata-rata Bergerak
2. Metode Regresi
Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka
panjang.
3. Metode Box-Jenkins
Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan
jangka panjang
2.4 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri
penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan
dalam mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode
peramalan yaitu :
1. Horizon Waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing
metode peramalan yaitu : cakupan waktu dimasa yang akan datang dan jumlah
periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola
3. Jenis dari Model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsur yang penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisis keadaan untuk pengambilan
keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada 4 (empat) unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan yaitu biaya-biaya pengembangan, penyimpanan (storage)
data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik
dan metode peramalan.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dan Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
2.5 Analisis Deret Berkala
Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk
memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.
Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau
beberapa kejadian serta hubungan kerja lainnya.
Metode time series merupakan metode peramalan kuantitatif didasarkan atas
penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan
variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan
untuk meramalkan apakah data tersebut stationer atau tidak dan ekstrapolasi ke masa
yang akan datang. Stationer itu sendiri berarti bahwa tidak terdapat
pertumbuhan/penurunan data. Data secara kasar harus horizontal sepanjang waktu
dengan kata lain fluktuasi data tetap konstan setiap waktu.
2.6 Penentuan Pola Data
Hal penting yang perlu diperhatikan dalam metode deret berkala adalah menentukan
jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis
1. Pola Horizontal ( H )
Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang
konstan.
2. Pola musiman ( S )
Pola yang menunjukkan perubahan yang berulang-ulang secara periode dalam
deret waktu. pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor
musiman, misalnya kuartal tahun tertentu, bulanan atau hari-hari pada
minggu-minggu tertentu.
3. Pola Siklis ( C )
Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu
kurva trend. terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti berhubungan dengan siklus bisnis.
4. Pola Trend ( T )
Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.
2.7 Metode Smooting Yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka
pengangguran pada pemecahan masalah ini adalah dengan menggunakan Metode
Smoothing Eksponensial yaitu “Smoothing Eksponensial Satu Parameter dari Brown”.
Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar
pemikiran dari metode Smoothing Eksponensial Linier Satu Parameter dari Brown
adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal
dan ganda ketinggalan dari data sebenarnya.
Persamaan yang dipakai dalam persamaan Pemulusan Eksponensial Linier
Satu Parameter dari Brown adalah sebagai berikut :
α = Parameter Pemulusan Eksponensial
at, bt = Konstanta pemulusan
Ftm = Hasil peramalan untuk m periode ke depan yang akan
diramalkan.
2.8 Ketepatan Ramalan
Kata “ketepatan” dapat diartikan sebagai penunjukan seberapa jauh model peramalan
tersebut mampu mereproduksi data yang telah diketahui. Dalam pemodelan
deret-berkala, sebagian data yang diketahui dapat digunakan untuk meramalkan sisa data
berikutnya sehingga memungkinkan orang untuk mempelajari ketepatan ramalan
secara lebih langsung.
Ukuran yang digunakan untuk menguji ketepatan metode peramalan adalah nilai
tengah kesalahan kuadrat (Mean Squared Error), dengan pedoman bahwa semakin
kecil MSE, berarti model itu semakin tepat digunakan. MSE dapat dicari dengan
MSE =
n e
N
i i
1 2dengan:
et = Xt – Ft ( kesalahan pada periode ke t )
Xt = data aktual pada periode ke t
Ft = nilai ramalan pada periode ke t
BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1Sejarah Singkat Badan Pusat Statistik Sumatera Utara
Tahun1968, ditetapkan Peraturan Pemerintah No.16 tahun 1968, yang mengatur
Organisasi dan Tata Kerja BPS (di Pusat dan Daerah).
Tahun 1980, ditetapkan Peraturan Pemerintah No.6 tahun 1980, tentang
Organisasi BPS sebagai pengganti PP No.16 tahun 1968. Berdasarkan PP No. 6/1980
di setiap Provinsi terdapat kantor statistik dengan nama KANTOR STATISTIK
PROVINSI dan begitu juga di setiap Kabupaten/ Kotamadya terdapat kantor statistik
dengan nama KANTOR STATISTIK KABUPATEN/KOTAMADYA. Dengan
demikian mulai saat itu Kantor Statistik Provinsi secara resmi ada diseluruh Indonesia,
Sumatera Utara berdiri Perwakilan BPS Kantor Statistik Kabupaten/Kotamadya pada
saat itu.
Tahun 1992, ditetapkan Peraturan Pemerintah No.2 tahun 1992, tentang
Organisasi BPS sebagai pengganti PP No. 6/1980. Kedudukan , tugas, fungsi, susunan
organisasi , dan tata kerja Biro Pusat Statistik selanjutnya diatur dengan Keputusan
Presiden.
Tahun 1997, ditetapkan Undang-undang No. 16 Tahun 1997 tentang Statistik
sebagai pengganti Undang No.6 Tahun 1960 tentang Sensus dan
Undang-undang No.7 Tahun 1960 tentang Statistik.
Tahun 1998, ditetapkan Keputusan Presiden no. 86 Tahun 1998 tentang Badan
Pusat Statistik sebagai pengganti Keputusan Presiden No.6 Tahun 1992 tentang
Kedudukan, tugas, fungsi, susunan organisasi dan tata kerja Biro Pusat Statistik.
Berdasarkan Keputusan Presiden ini "Kantor Statistik Provinsi Sumatera Utara"
berubah menjadi BADAN PUSAT STATISTIK (BPS) PROVINSI SUMATERA
3.2Visi dan Misi Badan Pusat Statistik
3.2.1 Visi Badan Pusat Statistik
Visi Badan Pusat Statistik adalah sebagai penyedia data statistik berkualitas.
3.2.2 Misi Badan Pusat Statistik
Misi yang diemban BPS adalah sebagai berikut:
1. Menyediakan informasi statistik yang berkualitas : lengkap, akurat, relevan,
mutakhir dan berkesinambungan.
2. Meningkatkan upaya koordinasi, integrasi, sinkronisasi dan standarisasi
kegiatan statistik dalam kerangka Sistem Statistik Nasional (SSN) yang andal,
efektif, dan efisien.
3. Meningkatkan kapasitas sumber daya secara optimal sesuai dengan
3.3Struktur Organisasi Badan Pusat Statistik Sumatera Utara
3.4Tugas, Fungsi dan Kewenangan
Tugas, fungsi dan kewenangan BPS telah ditetapkan dalam Keputusan Presiden RI
(Keppres) Nomor 103 Tahun 2001. Dalam menjalankan tugas, fungsi, dan
kewenangannya seperti tercantum di bawah ini, BPS juga dibatasi oleh 10 prinsip
etika perstatistikan yang tercantum dalam United Nations Fundamental Principles of
Official Statistics.
1. Tugas
Melaksanakan tugas pemerintahan di bidang kegiatan statistik sesuai dengan
ketentuan peraturan perundang-undangan yang berlaku.
2. Fungsi
a. Pengkajian dan penyusunan kebijakan nasional di bidang kegiatan
statistik;
b. Penyelenggaraan statistik dasar;
c. Koordinasi kegiatan fungsional dalam pelaksanaan tugas BPS;
d. Fasilitasi pembinaan terhadap kegiatan instansi pemerintah di bidang
kegiatan statistik; dan
kepegawaian, keuangan, kearsipan, hukum, persandian, perlengkapan
dan rumah tangga.
3. Kewenangan
a. Penyusunan rencana nasional secara makro di bidangnya;
b. Perumusan kebijakan di bidangnya untuk mendukung pembangunan
secara makro;
c. Penetapan sistem informasi di bidangnya;
d. Penetapan dan penyelenggaraan statistik nasional;
e. Kewenangan lain sesuai dengan ketentuan peraturan
perundang-undangan yang berlaku, yaitu:
i. perumusan dan pelaksanaan kebijakan tertentu di bidang
kegiatan statistik;
BAB 4
ANALISA DAN PENGOLAHAN DATA
4.1 Pengumpulan data
Data yang digunakan adalah data dari jumlah pengangguran di Sumatera Utara pada
tahun 1997 hingga tahun 2008. Data tersebut dapat ditunjukkan pada tabel berikut:
Tabel 4.1 Data Jumlah Pengangguran Provinsi Sumatera Utara Pada Tahun 1997 sampai 2008
No. Tahun Jumlah Pengangguran
1 1997 262.530
2 1998 371.720
3 1999 326.520
4 2000 335.729
5 2001 229.212
6 2002 355.504
9 2005 636.980
10 2006 632.049
11 2007 571.334
12 2008 554.539
Sumber : : Badan Pusat Statistik (BPS) Provinsi Sumatera Utara
Jumlah Pengangguran
Gambar 4.1 Grafik Jumlah Pengangguran Sumatera Utara Pada Tahun 1997 sampai 2008
4.2 Analisis Pemulusan Eksponensial Ganda
Pada bagian ini penulis menentukan parameter yang akan digunakan, dimana nilai
parameter ( α ) besarnya antara 0 < α < 1 dengan cara trial dan error,
Adapun langkah-langkah yang ditempuh untuk menentukan persamaan
1. Menentukan harga parameter smoothing eksponensial yang besarnya dari
0< α<1
2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan
persamaan :
3. Menghitung harga pemulusan esponensial ganda dengan menggunakan
persamaan :
4. Menghitung koefisien at dan bt menggunakan persamaan :
"
5. Menghitung trend peramalan (Ft+m) dengan menggunakan rumus :
)
4.3.1 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel
(4.1) dengan metode peramalan (forecasting) berdasarkan metode pemulusan
eksponensial satu parameter dari Brown.
Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan
ramalan yang akan datang. Maka terlebih dahulu kita menentukan parameter nilai α
yang biasanya secara trial and error (coba dan salah).
Suatu nilai α dipilih yang besarnya 0< α <1, dihitung Mean Square Error
(MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan
masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai α yang
lain.
Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang
merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error
dikuadratkan dan dibagi dengan banyaknya error. Secara sistematis rumus MSE
N
Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai
α yang memberikan MSE yang terkecil / minimum. Perbandingan ukuran ketepatan
metode peramalan peningkatan jumlah pengangguran di Sumatera Utara dengan
melihat MSE sebagai berikut :
Tabel 4.2 Perbandingan Ukuran Ketepatan Metode Peramalan α MSE
Dari tabel 4.2 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang
Tabel 4.3 Peramalan Jumlah Pengangguran dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.3
t
X S't S"t at bt Ft+m et et2
262530 262530,00 262530,00 - - - - -
371720 295287,00 272357,10 318216,90 9827,10 - - - 326520 304656,90 282047,04 327266,76 9689,94 328044,00 -1524,00 2322576,00 335729 313978,53 291626,49 336330,57 9579,45 336956,70 -1227,70 1507247,29
229212 288548,57 290703,11 286394,03 -923,37 345910,02
-116698,02 13618427871,92 355504 308635,20 296082,74 321187,66 5379,63 285470,66 70033,35 4904669411,89 404117 337279,74 308441,84 366117,64 12359,10 326567,29 77549,71 6013957955,36 758092 463523,42 354966,31 572080,52 46524,47 378476,74 379615,26 144107744766,94 636980 515560,39 403144,54 627976,25 48178,22 618605,00 18375,00 337640740,62 632049 550506,97 447353,27 653660,68 44208,73 676154,47 -44105,47 1945292699,32
571334 556755,08 480173,81 633336,35 32820,54 697869,41
-126535,41 16011210733,01
554539 556090,26 502948,75 609231,77 22774,93 666156,90
-111617,90 12458554852,07
0
Gambar 4.2 Grafik Jumlah Pengangguran Sumatera Utara Pada Tahun 1997 sampai 2008 dengan Peramalan
4.3.2 Penentuan Bentuk Persamaan Peramalan
Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0<α<1
dengan cara trial and error didapat perhitungan peramalan smoothing esponensial
linier satu parameter dari Brown dengan α = 0,3
Perhitungan pada tabel diatas didasarkan pada α =0,3 dan ramalan untuk suatu
periode ke depan yaitu dalam perhitungan periode ke 12 persamaan yang dipakai
dalam perhitungan peramalan adalah sebagai berikut :
S't= α Xt+ ( 1 –α ) S't1
at = S't + ( S't - S''t ) = 2 S't - S''t
bt =
1 ( S't - S''t)
Ftm= at+ bt(m)
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya
dengan bentuk persamaan peramalan :
Ftm= at+ bt(m)
Ftm= 609231,77 + 22774,93(m)
4.4 Peramalan Jumlah Pengangguran
Setelah diketahui error yang terdapat pada model peramalan, maka dilakukan
peramalan jumlah pengangguran untuk tahun 2009, 2010, dan 2011 dengan
menggunakan persamaan :
Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat
dihitung untuk 3 periode kedepan yaitu untuk tahun 2009, 2010, dan 2011 seperti di
bawah ini :
a. Untuk periode ke 13 ( tahun 2009 )
Ftm= 609231,77 + 22774,93(m)
F12+1= 609231,77 + 22774,93 ( 1 )
F 13 = 632006,70 = 632.007
b. Untuk periode ke 14 ( tahun 2010 )
Ftm= 609231,77 + 22774,93(m)
F12+2= 609231,77 + 22774,93 ( 2 )
F 14 = 654781,64 = 654.782
c. Untuk periode ke 15 ( tahun 2011 )
Ftm= 609231,77 + 22774,93(m)
F12+3= 609231,77 + 22774,93 ( 3 )
Tabel 4.4 Peramalan Jumlah Pengangguran di Provinsi Sumatera Utara untuk tahun 2009, 2010, dan 2011
Tahun Periode Peramalan
2009 13 632.007
2010 14 654.782
2011 15 677.557
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru
atau system yang diperbaiki.
Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis
kedalam progamming (coding). Dalam pengolahan data pada karya tulis ini penulis
penggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft
Excel dalam menyelesaikan masalah untuk memperoleh hasil pehitungan.
Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia
yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dan dengan adanya
dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga
yang sangat banyak untuk mengolah data tersebut , disamping itu faktor kesalahan
yang dilakukan manusia relatif besar.
Dan dengan adanya perangkat lunak komputer, diharapkan pekerjaan tersebut
dapat dilakukan dengan cepat dan tepat, waktu dan tenaga dengan tingkat kesalahan
yang relatif kecil.
5.2 Microsoft Excel
Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet)
dari program paket Microsoft Office. Excel merupakan salah satu software pengolah
angka yang cukup banyak digunakan di dunia. Excel merupakan produk unggulan dari
Microsoft Corporation yang banyak berperan dalam pengolahan infomasi khususnya
data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan dipresentasikan
data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi
mulai dari versi 4, versi 5, versi 97, versi 2000, versi 2002 dan versi 2003.
Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom
diberi nama dengan huruf mulai dai A, B, C,..., Z kemudian dilanjutkan AA, AB, AC,
...,65536. Excel 2003 hadir dengan berbagai penyempurnan, tampil lebih terintegrasi
dengan berbagai software lain, salah satunya adalah under window seperti word,
accsess dan power point. Keunggulan program spreadsheet ini adalah mudah dipakai,
fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.
5.3 Langkah-langkah Memulai Pengolahan Data Dengan Excel
Sebelum pengoperasian software ini, pastikan pada komputer terpasang program
Excel.
Langkah-langkahnya :
a. Klik tombol Start
Gambar 5.1 Memulai Excel
Gambar 5.2 Tampilan Lembar Kerja Excel
Data tiap tahun pada 2 kolom, pertama untuk tahun dan kolom kedua untuk data
Gambar 5.3 Memasukkan Data
Dari data diatas kita dapat menentukan besarnya peramalan dengan α = 0,3 dan untuk
setiap perhitungan akan diberi nama pada setiap kolom seperti berikut :
1. Pada kolom pertama ditulis keterangan dengan Tahun
2. Pada kolom kedua ditulis keterangan dengan Jumlah Pengangguran
3. Pada kolom ketiga ditulis keterangan dengan S’t
4. Pada kolom ke empat ditulis keterangan dengan S” t
6. Pada kolom ke enam ditulis keterangan dengan bt
7. Pada kolom ke tujuh ditulis keterangan dengan Ft+m
8. Pada kolom ke delapan ditulis keterangan dengan error atau et
9. Pada kolom ke sembilan ditulis keterangan dengan et2 ( square error )
Maka perhitungan masing-masing smoothing pertama, smoothing kedua,
konstanta, slope dan forecast sebagai berikut :
1. Smoothing pertama, untuk tahun pertama ditentukan sebesar tahun pertama
dari data historisnya sehingga rumus yang tertera pada sel C7 adalah C7.
Sedangkan untuk tahun kedua dapat dihitung dengan rumus :
=$B$1*B7+(1-$B$1)*C6. Dalam kasus ini menghasilkan angka : 295287,00 untuk
tahun-tahun berikutnya hanya menyalin rumus tersebut.
2. Smoothing kedua, untuk tahun kedua ditentukan sebesar nilai penjualan tahun
pertama dari data historisnya. Sehingga sehingga rumus yang tertera pada sel
D6 adalah C6 . Sedangkan untuk tahun kedua dapat dihitung dengan rumus :
$B$1*C7+(1-$B$1)*D6. Dalam kasus ini akan menghasilkan angka
3. Nilai at baru bias dicari pada tahun kedua yaitu dengan rumus : 2*C7-D7.
Dalam kasus ini menghasilkan angka 318216,90 dan untuk tahun-tahun
berikutnya hanya menyalin rumus tersebut.
4. nilai bt baru bias dicari pada tahun kedua yaitu dengan rumus yang tertera pada
sel F7 adalah : ($B$1/(1-$B$1))*(C7-D7). Dalam kasus ini menghasilkan
angka 9827,10 dan untuk tahun-tahun berikutnya hanya menyalin rumus
tersebut.
5.4 Hasil Dalam Metode Pemulusan Eksponensial dari Brown
Gambar 5.4 Perhitungan pada excel
5.5 Pembuatan Grafik
Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar
grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada
Adapun langkah-langkah yang diperlukan adalah :
1. Sorot sel atau range yang akan dibuat grafik pada tabel data.
2. Klik menu Insert, Chart.
3. Klik tipe dan sun tipe grafk misalnya tipe Colum dan sub tipe 3-D.
4. Klik Next.
5. Tentukan sumber data grafik. Jika sel pointer berada pada tabel data maka
otomatis seluruh data tabel akan disorot dan ditandai dengan garis putus-putus.
6. Klik Next.
7. Tentukan keterangan pendukung grafik seperti titles (judul-judul tabel),axis
(sumbu kordinat tabel), gridlines (garis bantu skala tabel), legend (keterangan
tabel), dan labels (nama-nama data tabel), dan data table.
8. Klik Next
9. Pilih tempat untuk meletakan grafik ini.
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada
BAB 4 maka kesimpulan yang diperoleh adalah sebagai berikut :
1. Pada hasil analisis Metode Smoothing Eksponensial dengan satu parameter
dari Brown di dapat analisis dengan nilai MSE yang terkecil adalah dengan α
=0,3 yakni dengan MSE = 19.940.132.885,44
2. Bentuk persamaan peramalan dari Jumlah Pengangguran di Sumatera Utara
adalah :
Ftm= 609231,77 + 22774,93(m)
3. Diperkirakan Jumlah Pengangguran di Sumatera Utara untuk 3 periode
Tahun Periode Peramalan
2009 13 632.007
2010 14 654.782
2011 15 677.557
6.2 Saran
Untuk mengurangi pengangguran sebaiknya pemerintah menggalakan sistem
pemberian kredit usaha untuk masyarakat kelas menegah ke bawah. Dengan
pemberian kredit ini, maka akan berkembang usaha-usaha kecil dan jumlah
pengganguran akan menurun. Selain itu juga sebaiknya diadakan pelatihan
DAFTAR PUSTAKA
Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi Universitas Indonesia.
Badan Pusat Statistik (BPS) Propinsi Sumatera Utara 1998. Sumatera Utara Dalam
Angka1997. Medan : BPS Propinsi Sumatera Utara.
Badan Pusat Statistik (BPS) Propinsi Sumatera Utara 2001. Sumatera Utara Dalam
Angka2000. Medan : BPS Propinsi Sumatera Utara.
Badan Pusat Statistik (BPS) Propinsi Sumatera Utara 2008. Sumatera Utara Dalam
Angka2007. Medan : BPS Propinsi Sumatera Utara.
Badan Pusat Statistik (BPS) Propinsi Sumatera Utara 2009. Sumatera Utara Dalam
Angka2008. Medan : BPS Propinsi Sumatera Utara.
Makridakis, S., S. Wheelwright., dan V. E. McGee. 1999. Metode dan Aplikasi
Peramalan. Edisi kedua. Jilit satu. Jakarta: Binarupa Aksara.
Manurung, A. H. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta..
Data Jumlah Pengangguran Di Sumatera Utara Dari Tahun 1997 sampai 2008
No. Tahun Jumlah Pengangguran
1 1997 262.530
2 1998 371.720
3 1999 326.520
4 2000 335.729
5 2001 229.212
6 2002 355.504
7 2003 404.117
8 2004 758.092
9 2005 636.980
10 2006 632.049
11 2007 571.334
SURAT KETERANGAN Hasil Uji Program Tugas Akhir
Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistika:
Nama : Muhamad Fakhri
NIM : 072407043
Program Studi : DIII Statistika
Judul Tugas Akhir : Peramalan Jumlah Pengangguran di Sumatera Utara Tahun 2010.
Telah melaksanakan test program tugas akhir Mahasiswa tersebut diatas pada tanggal Mei 2010.
Dengan hasil: Sukses/Gagal
Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.
Medan,
Dosen Pembimbing/Kepala Lab,
Komputer Program DIII Ilmu Komputer / Statistika