SIMULASI PERAMALAN TINGKAT INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH DENGAN METODE EXPONENTIAL SMOOTHING MENGGUNAKAN MICROSOFT VISUAL BASIC 6.0

(1)

i

SIMULASI PERAMALAN TINGKAT

INDEKS PEMBANGUNAN MANUSIA DI PROVINSI

JAWA TENGAH DENGAN METODE EXPONENTIAL

SMOOTHING MENGGUNAKAN MICROSOFT

VISUAL BASIC 6.0

Tugas Akhir

disusun sebagai salah satu syarat untuk memperoleh gelar Ahli Madya Program Studi Statistika Terapan dan Komputasi

oleh

Shela Ardhiana Rezwari 4112312033

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

(2)

(3)

(4)

(5)

v

MOTTO

 Sesungguhnya sesudah kesulitan itu ada kemudahan (QS. Al Insyirah: 6).  Tidak ada harga atas waktu, tapi waktu sangat berharga. Memiliki waktu

tidak menjadikan kita kaya, tetapi menggunakannya dengan baik adalah sumber dari semua kekayaan (Mario Teguh).

 If you can’t explain it simply, you don’t understand it well enough (Albert Einstein).

 There’s no next time, it’s now or never.

PERSEMBAHAN

 Untuk Bapak, Ibu, Kakak, dan Adik terimakasih atas doa, kasih sayang dan motivasinya yang selama ini

(6)

vi

Smoothing Menggunakan Microsoft Visual Basic 6.0. Tugas Akhir (TA), Program Studi Statistika Terapan dan Komputasi Jurusan Matematika FMIPA UNNES. Pembimbing: Drs. Supriyono, M.Si dan Florentina Yuni Arini, S.Kom, M.Cs.

Indeks Pembangunan Manusia (IPM) merupakan suatu ukuran yang digunakan untuk mengukur pencapaian pembangunan manusia di suatu wilayah. Ukuran kinerja pembangunan secara keseluruhan dibentuk melalui pendekatan tiga dimensi dasar, yaitu umur panjang dan sehat, pengetahuan, dan penghidupan yang layak. Suatu cara untuk memprediksi kondisi di masa yang akan datang disebut dengan forecast. Model forecast exponential smoothing merupakan salah satu model peramalan deret berkala yang dilakukan dengan perhitungan secara terus menerus menggunakan data terbaru, untuk memprediksi kemungkinan pada periode mendatang.

Keterkaitan dunia komputasi dalam dunia sehari-hari sangatlah penting di era globalisasi seperti ini yang diharapkan semua pekerjaan tidak dikerjakan secara manual. Sebagai contoh pengolahan dan perhitungan data tertentu yang bisa diaplikasikan dalam sebuah program sehingga ketika seseorang melakukan perhitungan data bisa lebih menghemat waktu dalam menghitung.

Tujuan dari penulisan tugas akhir ini adalah untuk mengetahui cara meramalkan data dengan metode exponential smoothing dan mengetahui seberapa besar nilai forecast (peramalan) Indeks Pembangunan Manusia Provinsi Jawa Tengah Tahun 2014 menurut pemilihan nilai alpha dengan mengambil tiga sampel yaitu nilai α terkecil yaitu0,1; nilai tengah yaitu 0,5; dan nilai α tebesar yaitu 0,9, serta membuat program aplikasi untuk mempermudah perhitungan dengan menggunakan Miscrosoft Visual Basic 6.0.

Hasil dari penulisan tugas akhir ini yaitu peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan alpha 0,1; 0,5; dan 0,9 untuk metode single exponential smoothing berturut-turut sebesar 71,34; 73,49; dan 73,98. Untuk metode double exponential smoothing berturut-turut sebesar 72,53; 74,50; dan 74,69. Sedangkan untuk metode triple exponential smoothing berturut-turut sebesar 73,43; 74,,62; dan 74,92.

Diperoleh kesimpulan bahwa peramalan terbaik untuk IPM Indeks Pembangunan Manusia Tahun 2014 untuk alpha 0,1 menggunakan metode triple exponential smoothing diperoleh nilai forecast sebesar 73,43. Untuk alpha 0,5 menggunakan metode triple exponential smoothing diperoleh nilai forecast sebesar 74,62. Sedangkan untuk alpha 0,9 menggunakan metode double exponential smoothing diperoleh nilai forecast sebesar 74,61.

Saran yang diberikan pada pembuatan program simulasi ini yaitu melakukan pengembangan pada program simulasi yang telah dibuat dan memperhatikan kekurangan maupun kelemahan pada program simulasi tersebut.

(7)

vii

Puji syukur saya panjatkan kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan judul: “Simulasi Peramalan Tingkat Indeks Pembangunan Manusia Di

Provinsi Jawa Tengah Dengan Metode Exponential Smoothing Menggunakan Microsoft Visual Basic 6.0”.

Dalam mengerjakan dan menyusun tugas akhir ini, penulis telah banyak mendapatkan bantuan, bimbingan, dan dorongan yang sangat bermanfaat dari berbagai pihak. Oleh karena itu pada kesempatan ini penulis mengucapkan terimakasih kepada:

1. Prof. Dr. Fathur Rokhman, Rektor Universitas Negeri Semarang.

2. Prof. Dr. Wiyanto, M.Si, Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang.

3. Drs. Arief Agoestanto, M.Si, Ketua Jurusan Matematika Universitas Negeri Semarang.

4. Endang Sugiharti, S.Si,. M.Kom, Ketua Program Studi Statistika Terapan dan Komputasi.

5. Drs. Supriyono, M.Si, sebagai Dosen Pembimbing I.

6. Florentina Yuni Arini, S.Kom, M.Cs, sebagai Dosen Pembimbing II. 7. Ibram S.E sebagai Kepala Badan Pusat Statistik Provinsi Jawa Tengah. 8. Semua staf dan anggota Dinas BPS Provinsi Jawa Tengah.

(8)

viii sehingga tugas akhir ini dapat terselesaikan.

Dalam penyusunan Tugas Akhir ini penulis menyadari masih terdapat keterbatasan serta kekurangan, sehingga masih jauh dari sempurna. Oleh karena itu, merupakan kebanggaan bagi penulis apabila ada masukan yang membantu demi kesempurnaan Tugas Akhir ini untuk bekal melangkah yang lebih baik.

Dengan tersusunnya Tugas Akhir ini penulis berharap semoga bermanfaat bagi penulis sendiri, pihak-pihak yang terkait serta pembaca pada umumnya.

Semarang, 2015 Penulis,

(9)

ix

Halaman

ABSTRAK ... vi

PRAKATA ... vii

DAFTAR ISI ... ix

DAFTAR TABEL ... xi

DAFTAR GAMBAR ... xii

DAFTAR LAMPIRAN ... xiii

BAB 1. PENDAHULUAN ... 1

1.1Latar Belakang ... 1

1.2Rumusan Masalah dan Pembatasan Masalah ... 4

1.3Tujuan dan Manfaat ... 5

1.4Sistematika Penulisan ... 6

2. LANDASAN TEORI ... 8

2.1Indeks Pembangunan Manusia ... 8

2.2Peramalan (Forecast) ... 21

2.3Data Time Series ... 23

2.4Peramalan Dengan Pemulusan (Smoothing) ... 23

2.5Microsoft Visual Basic 6.0 ... 30

2.6Flowchart ... 38

3. METODE PENELITIAN ... 42

3.1Ruang Lingkup Penelitian ... 42

3.2Variabel Penelitian dan Cara pengambilan Data ... 42

3.3Metode Penelitian ... 43

(10)

x

4.4Pembahasan Hasil Simulasi Program ... 79

4.5Pembahasan Rekap Hasil Ramalan ... 82

5. PENUTUP ... 84

5.1Simpulan ... 84

5.2Saran ... 85

DAFTAR PUSTAKA ... 86

(11)

xi

Tabel Halaman 2.1 Komoditi Kebutuhan Pokok Sebagai Dasar Perhitungan Daya Beli (PPP).18 2.2 Nilai Maksimum dan Minimum Komponen IPM ... 20 4.1 Data IPM Provinsi Jawa Tengah Tahun 2005 sampai Tahun 2013... 46 4.2 Perhitungan manual peramalan Single Exponential Smoothing Alpha 0,1

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ... 56 4.3 Simulasi program peramalan Single Exponential Smoothing Alpha 0,1

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 56 4.4 Perhitungan manual peramalan Single Exponential Smoothing Alpha 0,5

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 58 4.6 Perhitungan Manual peramalan Single Exponential Smoothing Alpha 0,9

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 60 4.8 Perhitungan Manual peramalan Double Exponential Smoothing Alpha 0,1

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ... 64 4.9 Simulasi program peramalan Double Exponential Smoothing Alpha 0,1

(12)

xii

4.16 Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,5 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ... 75 4.17 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 75 4.18 Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,9

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ... 77 4.19 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 77 4.20 Rekap hasil Peramalan terbaik Indeks Pembangunan Manusia (IPM )

Provinsi Jawa Tengah Tahun 2014 dengan semua metode peramalan

(13)

xiii

Gambar Halaman

2.1 Tampilan Kotak Dialog New Project Visual Basic 6.0... 31

2.2 Tampilan dasar Visual Basic 6.0 ... 32

4.1 Pola Data IPM Provinsi Jawa Tengah Tahun 2005-2013 ... 47

4.2 Flowchart alir sistem... 59

4.3 Tampilan Desain Form Awal ... 50

4.4 Tampilan Desain form Input Data ... 50

4.5 Tampilan Desain form Peramalan ... 51

4.6 Tampilan Desain form Single Exponential Smoothing ... 52

4.7 Tampilan Desain form Double Exponential Smoothing ... 52

4.8 Tampilan Desain form Triple Exponential Smoothing ... 53

4.9 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,1 ... 57

4.12 Trend Peramalan Metode Double Exponential Smoothing Alpha 0,1 ... 65

4.15 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,1 ... 74

4.16 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,5 ... 76

(14)

xiv

Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014, berdasarkan simulasi program menggunakan Microsoft VB_{6.0. ...}80 4.20 Hasil Peramalan terbaik dengan Alpha 0,9 untuk Indeks Pembangunan

(15)

xv

Lampiran Halaman 1. Data IPM Provinsi Jawa Tengah Tahun 2005 – 2013... 88 2. Perhitungan Peramalan Metode Single Exponential Smoothing IPM Provinsi

Jawa Tengah Tahun 2014 ... 89 3. Perhitungan Peramalan Metode Double Exponential Smoothing IPM Provinsi

Jawa Tengah Tahun 2014 ... 90 4. Perhitungan Peramalan Metode Triple Exponential Smoothing IPM Provinsi

(16)

1

1.1 Latar Belakang Masalah

Manusia berkualitas merupakan kekayaan bangsa yang sesungguhnya. Sudah sepantasnya apabila manusia menjadi tujuan utama dalam pembangunan. Keberhasilan pembangunan khususnya pembangunan manusia dapat dinilai secara parsial dengan melihat seberapa besar permasalahan yang paling mendasar di masyarakat tersebut dapat teratasi. Permasalahan-permasalahan tersebut diantaranya adalah kemiskinan, pengangguran, buta huruf, ketahanan pangan, dan penegakan demokrasi. Namun persoalannya adalah pencapaian pembangunan manusia secara parsial sangat bervariasi dimana beberapa aspek pembangunan tertentu berhasil dan beberapa aspek pembangunan lainnya gagal (BPS, 2006:3).

(17)

Sebagaimana dikutip dari UNDP (1995:118), sejumlah premis penting dalam pembangunan manusia diantaranya adalah: pembangunan harus mengutamakan penduduk sebagai pusat perhatian; Pembangunan dimaksudkan untuk memperbesar pilihan-pilihan bagi penduduk, tidak hanya untuk meningkatkan pendapatan mereka; oleh karena itu, konsep pembangunan manusia harus terpusat pada penduduk secara keseluruhan, dan bukan hanya pada aspek ekonomi saja; Pembangunan manusia memperhatikan bukan hanya pada upaya meningkatkan kemampuan (kapabilitas) manusia tetapi juga pada upaya-upaya memanfaatkan kemampuan manusia tersebut secara optimal; Pembangunan manusia didukung empat pilar pokok, yakni: produktifitas, pemerataan, kesinambungan, dan pemberdayaan; dan Pembangunan manusia menjadi dasar dalam penentuan tujuan pembangunan dan dalam menganalisis pilihan-pilihan untuk mencapainya.

(18)

kabupaten dan 6 kota, dengan banyaknya jumlah Kabupaten/Kota tentunya akan memberikan gambaran mengenai pembangunan manusia yang bervariasi (Mudrajad,2003: 26).

Suatu cara untuk memprediksi kondisi di masa yang akan datang disebut dengan peramalan (forecast) (Gitosudarmo & Najmudin, 2000: 1). Peramalan dapat menunjang proses pengambilan keputusan. Ada tiga model yang dikenal untuk menganalisis peramalan, yaitu model ekonometrika, model deret berkala (time series) dan model ramalan kualitatif. Model ramalan exponential smoothing merupakan salah satu model ramalan deret berkala. Teknik peramalan dengan metode exponential smoothing dilakukan dengan perhitungan secara terus menerus menggunakan data baru, untuk memprediksi kemungkinan pada periode mendatang. Untuk kemudahan perhitungan ramalan model exponential smoothing, dapat digunakan software pengolahan data Miscrosoft excel dengan memasukkan formula yang sesuai dengan rumus exponential smoothing.

(19)

Dari uraian diatas terlihat bahwa ada keterkaitan program dengan kegiatan sehari-hari sebagai media yang mempermudah suatu pekerjaan sehingga tidak membutuhkan waktu yang lama dalam proses pengelolaan dan proses pengerjaanya. Microsoft Visual Basic yang diaplikasikan ke dalam bentuk program perhitungan memberi kemudahan dalam proses perhitungan dan pengolahan data. Dalam hal ini adalah meramalkan kemungkinan yang akan terjadi di waktu mendatang berdasarkan data waktu sebelumnya.

Berdasarkan pemikiran di atas, maka penulis mencoba untuk membuat suatu program aplikasi yang dapat membantu mempermudah dan mempercepat dalam perhitungan peramalan terutama untuk model ramalan pemulusan (smoothing forecast) sebagai Tugas Akhir dengan judul “Simulasi Peramalan Tingkat Indeks Pembangunan Manusia Di Provinsi Jawa Tengah Dengan Metode Exponential Smoothing Menggunakan Microsoft Visual Basic 6.0”.

1.2 Rumusan Masalah Dan Pembatasan Masalah

1.2.1 Rumusan Masalah

Masalah yang akan disajikan dalam penelitian ini adalah sebagai berikut: a. Bagaimana model peramalan metode exponential smoothing terbaik untuk

IPM Provinsi Jawa Tengah Tahun 2014 berdasarkan alpha 0,1; 0,5; dan 0,9?

(20)

c. Bagaimana pengembangan program Visual Basic 6.0 untuk peramalan metode exponential smoothing untuk IPM Provinsi Jawa Tengah Tahun 2014?

1.2.2 Pembatasan Masalah

Dalam penulisan Tugas Akhir ini, penulis hanya akan membahas metode exponential smoothing untuk meramalkan IPM Provinsi Jawa Tengah Tahun 2014 dalam pemilihan nilai α dengan mengambil tiga sampel yaitu nilai α terkecil yaitu 0,1; nilai tengah yaitu 0,5; dan nilai α tebesar yaitu 0,9. Kemudian menyusun

program aplikasi untuk mempermudah peramalan metode exponential smoothing dengan menggunakan Microsoft Visual Basic 6.0 .

1.3 Tujuan dan Manfaat

1.3.1 Tujuan

Tujuan yang ingin dicapai melalui penelitian ini adalah sebagai berikut: 1. Untuk mengetahui dan menganalisis penggunaan metode exponential

smoothing terhadap peramalan IPM Provinsi Jawa Tengah Tahun 2014. 2. Untuk mengetahui berapa besar nilai ramalan metode exponential

smoothing terhadap IPM Provinsi Jawa Tengah Tahun 2014.

3. Untuk mengetahui pengembangan program Visual Basic 6.0 terhadap peramalan dengan metode exponential smoothing IPM Provinsi Jawa Tengah Tahun 2014.

(21)

Adapun manfaat penelitian ini adalah sebagai berikut. 1. Bagi Mahasiswa

a. Mengaplikasikan ilmu yang telah didapat dibangku perkuliahan sehingga menunjang persiapan untuk terjun ke dunia kerja.

b. Menambah wawasan dan pengetahuan penggunaan metode exponential smoothing untuk peramalan IPM Provinsi Jawa Tengah.

c. Terapan langsung Microsoft Visual Basic 6.0 untuk penyusunan program aplikasi peramalan dengan metode exponential smoothing.

2. Bagi Jurusan Matematika

a. Dapat dijadikan sebagai bahan studi kasus bagi pembaca dan acuan bagi mahasiswa.

b. Sebagai bahan referensi bagi pihak perpustakaan dan bahan bacaan yang dapat menambah ilmu pengetahuan bagi pembaca.

3. Bagi Instansi

Aplikasi Visual Basic 6.0 untuk peramalan Metode Exponential Smoothing dapat dijadikan sebagai instrumen atau alat dalam melakukan peramalan IPM Provinsi Jawa Tengah agar lebih efektif dan efisien.

1.4 Sistematika Penulisan

Sistematika Tugas Akhir terdiri dari tiga bagian yaitu bagian pendahuluan, bagian isi dan bagian akhir seperti berikut.

(22)

BAB I : PENDAHULUAN

Dalam bab ini berisi latar belakang masalah, rumusan dan batasan masalah, tujuan dan manfaat, serta sistematika tugas akhir.

BAB II : LANDASAN TEORI

Dalam bab ini akan dibahas dan diuraikan secara teoritis mengenai konsep–konsep yang dijadikan landasan teori masalah dan berisi tentang deskripsi IPM, peramalan dengan metode exponential smoothing, dan Miscrosoft Visual Basic.

BAB III : METODE KEGIATAN

Dalam bab ini akan dibahas dan diuraikan metode kegiatan yang berisi langkah–langkah yang ditempuh untuk memecahkan masalah, variabel yang digunakan, cara mengumpulkan data dan analisis data.

BAB IV : HASIL KEGIATAN DAN PEMBAHASAN

Dalam bab ini akan dikemukakan metode kegiatan yang berasal dari peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan Microsoft Excel, dan simulasi program peramalan exponential smoothing dengan Microsoft Visual Basic 6.0.

BAB V : PENUTUP

Dalam bab ini berisi simpulan dari pembahasan dan saran yang berkaitan dengan simpulan.

(23)

8

LANDASAN TEORI

2.1 Indeks Pembangunan Manusia

2.1.1 Konsep Umum Pembangunan Manusia

Mengutip isi Human Development Report (HDR) pertama tahun 1990, pembangunan manusia adalah suatu proses untuk memperbanyak pilihan-pilihan yang dimiliki oleh manusia. Diantara banyak pilihan tersebut, pilihan yang terpenting adalah untuk berumur panjang dan sehat, untuk berilmu pengetahuan, dan untuk mempunyai akses terhadap sumber daya yang dibutuhkan agar dapat hidup secara layak (UNDP 1995:1).

Pada tahun 1990 UNDP (United Nations Development Programme) dalam laporannya “Global Human Development Report” memperkenalkan konsep “Pembangunan Manusia (Human Development)” sebagai paradigma baru model pembangunan. Menurut UNDP, pembangunan manusia dirumuskan sebagai perluasan pilihan bagi penduduk (enlarging the choices of people), yang dapat dilihat sebagai proses upaya ke arah “perluasan pilihan” dan sekaligus sebagai

(24)

pembangunan ekonomi yang menekankan pada pertumbuhan (economic growth), kebutuhan dasar, kesejahteraan masyarakat, atau pegembangan sumber daya manusia (UNDP 1993:1).

Berdasarkan konsep Pembangunan Manusia yang dikembangkan oleh PBB (Perserikatan Bangsa-Bangsa), menetapkan peringkat kinerja pembangunan manusia pada skala 0,0 – 100,0 dengan kategori sebagai berikut:

a) IPM ≥ 80,00

b) 66,00 ≤ IPM < 79,90 c) 50,00 ≤ IPM < 65,90 d) IPM < 50,00

(Sumber data perhitungan komponen IPM dari Survei Sosial Ekonomi Nasional

(SUSENAS) yang dilakukan BPS setiap tahun yang mencakup seluruh Provinsi di Indonesia).

Sebagaimana dikutip dari laporan UNDP atau United Nations Development Programme (1995:103), ada beberapa konsep penting mengenai pembangunan manusia yaitu sebagai berikut:

a. Pembangunan harus mengutamakan penduduk sebagai pusat perhatian.

b. Pembangunan dimaksudkan untuk memperbesar pilihan-pilihan bagi penduduk, bukan hanya untuk meningkatkan pendapatan mereka. Oleh karena itu, konsep pembangunan manusia harus berpusat pada penduduk secara komprehensif dan bukan hanya pada aspek ekonomi semata.

(25)

upayaupaya memanfaatkan kemampuan/kapasitas manusia tersebut secara optimal.

d. Pembangunan manusia didukung oleh empat pilar pokok, yaitu diantaranya produktivitas, pemerataan, kesinambungan dan pemberdayaan.

e. Pembangunan manusia menjadi dasar dalam penentuan tujuan pembangunan dan dalam menganalisis pilihan-pilihan untuk mencapainya.

Menurut UNDP dalam Human Development Report (HDR) 1995 yang menekankan bahwa untuk memperluas pilihan-pilihan manusia, konsep pembangunan manusia harus dibangun dari empat dimensi yang tidak terpisahkan. Berdasarkan konsep di atas maka untuk menjamin tercapainya tujuan pembangunan manusia, ada empat unsur pokok yang perlu diperhatikan (UNDP, 1995:12) yaitu:

a. Produktivitas (Productivity)

Masyarakat harus mampu untuk meningkatkan produktifitas mereka dan berpartisipasi penuh dalam proses mencari penghasilan dan lapangan pekerjaan. Oleh karena itu, pembangunan ekonomi merupakan bagian dari model pembangunan manusia.

b. Pemerataan (equity)

(26)

c. Kesinambungan (Sustainability)

Akses untuk memperoleh kesempatan harus dipastikan bahwa tidak hanya untuk generasi sekarang tetapi juga untuk generasi yang akan datang. Semua jenis pemodalan baik itu fisik, manusia, dan lingkungan hidup harus dilengkapi.

d. Pemberdayaan (Empowerment)

Pembangunan harus dilakukan oleh masyarakat, dan bukan hanya untuk mereka. Masyarakat harus berpartisipasi penuh dalam mengambil keputusan dan prosesproses yang memengaruhi kehidupan mereka.

2.1.2 Komponen IPM

Komponen IPM adalah usia hidup (longevity), pengetahuan (knowledge), dan standar hidup layak (decent living). Usia hidup diukur dengan angka harapan hidup atau e0 yang dihitung menggunakan metode tidak langsung (metode Brass, varian Trussel) berdasarkan variabel rata-rata anak lahir hidup dan rata-rata anak yang masih hidup (Bappeda, 2012: 6-7).

(27)

variabel secara simultan; yaitu tingkat/kelas yang sedang/pernah dijalani dan jenjang pendidikan tertinggi yang ditamatkan (Bappeda, 2009: 1).

Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi real yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator PDB per kapita real yang telah disesuaikan (adjusted real GDP per capita) sebagai ukuran komponen tersebut karena tidak tersedia indikator lain yang lebih baik untuk keperluan perbandingan antar negara (Bappeda, 2009: 2).

Indeks pembangunan manusia (IPM) atau Human Development Index (HDI) adalah indikator untuk mengukur kualitas (derajat perkembangan manusia) dari hasil pembangunan ekonomi. Human Development Index diperkenalkan pertama kali oleh UNDP pada tahun 1990. IPM menggunakan ukuran sosial ekonomi yang lebih komprehensif daripada GNP dan memungkinkan untuk membandingkan negara dengan cara yang berbeda. Penghitungan IPM sebagai indikator pembangunan manusia memiliki tujuan penting (UNDP, 1995:118), diantaranya: a) Membangun indikator yang mengukur dimensi dasar pembangunan manusia

dan perluasan kebebasan memilih.

b) Memanfaatkan sejumlah indikator untuk menjaga ukuran tersebut sederhana. c) Membentuk satu indeks komposit dari pada menggunakan sejumlah indeks

dasar.

d) Menciptakan suatu ukuran yang mencakup aspek sosial dan ekonomi.

(28)

1. Tingkat kesehatan diukur harapan hidup saat lahir (tingkat kematian bayi). 2. Tingkat pendidikan diukur dengan jumlah penduduk yang melek huruf atau

tingkat pendidikan yang telah dicapai atau lamanya pendidikan seorang penduduk.

3. Standar kehidupan diukur dengan tingkat pengeluaran perkapita per tahun (BPS,2012:2).

2.1.3 Indikator IPM

Beberapa istilah yang digunakan dalam penghitungan Indeks Pembangunan

Manusia, antara lain mencakup pengertian indikator IPM mengenai istilah angka harapan hidup, Tingkat pendidikan, dan angka hidup layak diantaranya adalah: a) Angka Harapan Hidup

(29)

b) Tingkat Pendidikan

Dalam hal ini, indikator yang digunakan adalah rata-rata lama sekolah (mean years of schooling) dan angka melek huruf. Pada proses pembentukan IPM, rata-rata lama sekolah memiliki bobot sepertiga dan angka melek huruf diberi bobot dua pertiga, kemudian penggabungan kedua indikator ini digunakan sebagai indeks pendidikan sebagai salah satu komponen pembentuk IPM. Rata-rata lama sekolah menggambarkan jumlah tahun yang digunakan oleh penduduk usia 15 tahun keatas dalam menjalani pendidikan formal.

Perhitungan rata-rata lama sekolah menggunakan dua batasan yang dipakai sesuai kesepakatan beberapa negara. Rata-rata lama sekolah memiliki batas maksimumnya 15 tahun dan batas minimum sebesar 0 tahun.

Angka melek huruf adalah presentase penduduk usia 15 tahun keatas yang dapat membaca dan menulis huruf latin dan atau huruf lainnya. Seperti halnya rata-rata lama sekolah, angka melek huruf juga menggunakan batasan yang dipakai sesuai kesepakatan beberapa negara. Batas maksimum untuk angka melek huruf adalah 100, sedangkan batas minimumnya 0 (nol). Nilai 100 menggambarkan kondisi 100 persen atau semua masyarakat mampu membaca dan menulis, sedangkan nilai 0 mencerminkan kondisi sebaliknya (BPS, 2013:107).

c) Indeks Hidup Layak

(30)

memakai PDRB per kapita karena PDRB per kapita hanya mengukur produksi suatu wilayah dan tidak mencerminkan daya beli real masyarakat yan penting bagi IPM. Untuk mengukur daya beli penduduk antar Provinsi di Indonesia, BPS menggunakan data rata-rata konsumsi 27 komoditi terpilih dari Survei Sosial Ekonomi Nasional (SUSENAS) yang dianggap paling dominan dikonsumsi oleh masyarakat Indonesia dan telah distandarkan agar bisa dibandingkan antar daerah dan antar waktu yang disesuaikan dengan indeks PPP (BPS, 2013:107).

2.1.4 Metodologi

2.1.4.1 Cakupan IPM Provinsi Jawa Tengah

IPM adalah suatu indikator pembangunan manusia yang diperkenalkan UNDP pada tahun 1990. Pada dasarnya IPM mencakup tiga komponen yang dianggap mendasar bagi manusia dan secara operasional mudah dihitung untuk menghasilkan suatu ukuran yang merefleksikan upaya pembangunan manusia. Ketiga aspek tersebut berkaitan dengan peluang hidup (longevity), pengetahuan (knowledge), dan hidup layak (decent living). Peluang hidup dihitung berdasarkan angka harapan hidup ketika lahir; pengetahuan diukur berdasarkan rata-rata lama sekolah angka melek huruf penduduk usia 15 tahun keatas; dan hidup layak diukur dengan pengeluaran per kapita yang didasarkan pada Purchasing Power Parity (paritasdaya beli dalam rupiah) (Bappeda, 2012: 6-7).

(31)

Komponen pengetahuan diukur dengan angka melek huruf dan rata-rata lama sekolah yang dihitung berdasarkan data Suseda. Sebagai catatan, UNDP dalam publikasi tahunan Human Development Report (HDR). Indikator angka melek huruf diperoleh dari variabel kemampuan membaca dan menulis, sedangkan indikator rata-rata lama sekolah dihitung dengan menggunakan dua variabel secara simultan; yaitu tingkat/kelas yang sedang/pernah dijalani dan jenjang pendidikan tertinggi yang ditamatkan (Bappeda, 2009: 1).

Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi real yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator Produk Domestik Bruto (PDB) per kapita real yang telah disesuaikan (adjusted real GDP per capita) sebagai ukuran komponen tersebut karena tidak tersedia indikator lain yang lebih baik untuk keperluan perbandingan antar negara (BPS, 2013: 107).

Penghitungan indikator konsumsi real per kapita yang telah disesuaikan dilakukan melalui tahapan pekerjaan sebagai berikut :

 Menghitung pengeluaran konsumsi per kapita dari Susenas Modul (=A) .

 Mendeflasikan nilai A dengan Indeks Harga Konsumen (IHK) ibukota propinsi yang sesuai (=B).

(32)

 Data dasar yang digunakan adalah data harga dan kuantum dari suatu basket komoditi yang terdiri dari nilai 27 komoditi yang diperoleh dari Susenas Modul (Tabel 2.1).

 Membagi nilai B dengan PPP/unit (=C).

 Menyesuaikan nilai C dengan formula Atkinson sebagai upaya untuk memperkirakan nilai marginal utility dari C.

Penghitungan PPP/unit dilakukan dengan rumus :

∑

PPP / unit = ---

∑

dimana,

E( i, j ) : Pengeluaran konsumsi untuk komoditi j di kabupaten ke-i p( 9, j ) : Harga komoditi j di DKI Jakarta (Jakarta Selatan)

q( i,,j ) : Jumlah komoditi j (unit) yang dikonsumsi di kabupaten ke-i

Rumus Atkinson (dikutip dari Arizal Ahnaf dkk, 1998;129) yang digunakan untuk penyesuaian rata-rata konsumsi real secara matematis sebagai berikut :

C (i)* = C(i) jika C(i) < Z

= Z + 2(C(i) – Z) (1/2) jika Z < C(i) < 2Z = Z + 2(Z) (1/2)+ 3(C(i) – 2Z) (1/3) jika 2Z < C(i) < 3Z = Z + 2(Z) (1/2)+ 3(Z) (1/3)+4(C(i) – 3Z) (1/4) jika 3Z < C(i) < 4Z di mana,

(33)

Z = Threshold atau tingkat pendapatan tertentu yang digunakan sebagai batas kecukupan yang dalam laporan ini nilai Z ditetapkan secara arbiter sebesar Rp 547.500,- per kapita setahun, atau Rp 1.500,- per kapita per hari.

Indeks Pembangunan Manusia (IPM) disajikan dalam 27 komoditi seperti Tabel 2.1

Tabel 2.1

Komoditi Kebutuhan Pokok Sebagai Dasar Perhitungan Daya Beli (PPP)

Komoditi Unit

(34)

23. Listrik Kwh 2.06

24. Air minum M3 0.46

25. Bensin Liter 1.02

26. Minyak tanah Liter 1.74

27. Sewa rumah Unit 11.56

T o t a l 37.52

*) Berdasarakan data SUSENAS 1996, Sumber: BPS 2013

Unit kuantitas rumah dihitung berdasarkan indeks kualitas rumah yang dibentuk dari tujuh komponen kualitas tempat tinggal yang diperoleh dari Suseda. Ketujuh komponen kualitas yang digunakan dalam penghitungan indeks kualitas rumah diberi skor sebagai berikut :

 Lantai : keramik, marmer, atau granit = 1, lainnya = 0

 Luas lantai per kapita : > 10 m2 = 1, lainnya = 0

 Dinding : tembok = 1, lainnya = 0

 Atap : kayu/sirap, beton = 1, lainnya = 0

 Fasilitas penerangan : listrik = 1, lainnya = 0

 Fasilitas air minum : leding = 1, lainnya = 0

 Jamban : milik sendiri = 1, lainnya = 0

 Skor awal untuk setiap rumah = 1

Indeks kualitas rumah merupakan penjumlahan dari skor yang dimiliki oleh suatu rumah tinggal dan bernilai antara 1 sampai dengan 8. Kuantitas dari rumah yang dikonsumsi oleh suatu rumah tangga adalah Indeks Kualitas Rumah dibagi 8. Sebagai contoh, jika suatu rumah tangga menempati suatu rumah tinggal yang mempunyai Indeks Kualitas Rumah = 6, maka kuantitas rumah yang dikonsumsi oleh rumah tangga tersebut adalah 6/8 atau 0,75 unit (BPS, 2013: 108).

(35)

Rumus penghitungan IPM dikutip dari Arizal Ahnaf dkk (1998;129) dapat disajikan sebagai berikut :

IPM = 1/3 [X(1) + X (2) + X (3)] dimana,

X(1) : Indeks harapan hidup

X(2) : Indeks pendidikan = 2/3(indeks melek huruf) + 1/3(indeks rata-rata lama sekolah)

X(3) : Indeks standar hidup layak

Masing-masing indeks komponen IPM tersebut merupakan perbandingan antara selisih nilai suatu indikator dan nilai minimumnya dengan selisih nilai maksimum dan nilai minimum indikator yang bersangkutan. Rumusnya dapat disajikan sebagai berikut :

Dimana, :

Indikator ke-i (i = 1,2,3)

: Nilai maksimum X(i)

: Nilai minimum X(i)

Nilai maksimum dan nilai minimum indikator seperti terlihat dalam Tabel 2.2.

Tabel 2.2 Nilai Maksimum dan Minimum Komponen IPM

(36)

IPM Maksimum Minimum

Daya Beli (Rupiah) 732.720 a) 360.000 b)

(1996, dst)

Pengeluaran per Kapita Real Disesuaikan Sumber: BPS, BAPPENAS, UNDP, 2004

Catatan: a) Perkiraan maksimum pada akhir PJP II yahun 2018

b) Penyesuaian garis kemiskinan lama dengan garis kemiskinan baru 2.1.4.3Rancangan Sampling

Secara umum rancangan sampling Indeks Pembangunan Manusia (IPM) melalui dua tahap. Tahap Pertama, dari setiap provinsi dipilih secara purposive bersyarat, dipilih sejumlah Kabupaten yang merupakan daerah sentra produksi pertanian. Dan tahap selanjutnya dari setiap Kabupaten terpilih, dipilih sejumlah Kecamatan yang merupakan sentra produksi pertanian.

2.2 Peramalan (

Forecast

)

2.2.1 Definisi dan Tujuan Peramalan

(37)

data masa lampau yang dianalisis secara ilmiah, khususnya menggunakan metode statistika (Soepranto, 1984:4).

Peramalan definisikan sebagai alat/teknik untuk memprediksi atau memperkirakan suatu nilai pada masa yang akan datang dengan meperhatikan data atau informasi yang relevan, baik data/informasi masa lalu maupun data/informasi saat ini (Djalal & Hardius,2004:226).

2.2.2 Hubungan Forecast Dengan Rencana

Forecastadalah peramalan apa yang terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang (Pangestu Subagyo, 1986:3). Dengan sendirinya terjadi perbedaan antaraforecast dengan rencana.

2.2.3 Pemilihan Metode Yang Baik

Dalam bidang sosial ekonomi meskipun tidak dapat membuat forecast persis dengan kenyataan, tapi bukan berarti forecast tidak penting. Melainkan forecast sangat penting sebagai pedoman dalam pembuatan rencana. Menurut Sahli (2013: 63). Ketepatan metode peramalan digunakan sebagai petunjuk seberapa jauh model peramalan meproduksi data yang telah diketahui tersebut.

(38)

dekomposisi, moving average, exponential smoothing, input output, regresi, simulasi, analisis runtun waktu dan lain sebagainya. Tetapi setiap suatu metode mungkin sangat cocok untuk membuat forecast mengenai satu hal, tetapi tidak cocok untuk hal lain. Oleh karena itu kita harus memilih metode mana yang paling cocok yaitu yang bisa meminimumkan kesalahan / error forecast (Subagyo,1989:5).

Pemilihan teknik peramalan yang digunakan dipengaruhi oleh empat aspek, yaitu pola atau karakteristik data, jangka waktu, biaya dan tingkat akurasi yang diinginkan. Pola atau karakteristik data merupakan aspek utama yang sangat berpengaruh terhadap pemilihan teknik peramalan. Suatu data yang memilik pola trend (naik atau turun) akan lebih tepat bila di ramalkan dengan teknik dekomposisi. Sedangkan data yang berpola fluktuatif akan lebih tepat bila diforecast dengan teknik smoothing (Gitosudarmo & Najmudin, 2000:5).

2.3 Data Time Series

Data time series yaitu data yang dikumpulkan dari waktu ke waktu untuk melihat perkembangan suatu kegiatan (misal perkembangan penjualan, harga dan sebagainya), apabila data digambarkan akan menunjukan fluktuasi dan dapat digunakan sebagai dasar penarikan trend untuk meramalkan suatu kegiatan. Hasil peramalan ini berguna sebagai dasar perencanaan dan penarikan kesimpulan.

2.4 Peramalan Dengan Pemulusan (

Smoothing

)

(39)

digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Smoothing dapat dilakukan dengan cara moving average atau exponential smoothing.

2.4.1 Metode Exponential Smoothing

Metode Exponential Smoothing merupakan perkembangan dari metode moving average sederhana. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar (Gitosudarmo & Najmudin, 2000: 16). Metode Exponential Smoothing lebih cocok digunakan untuk meramal hal-hal yang fluktuasi datanya bersifat random (tidak teratur) (Subagyo, 1989:22). Beberapa keunggulan metode pemulusan eksponensial ( exponential smoothing ) dibandingkan dengan metode tradisional (Leabo Dick A., 1968:322) adalah :

1. Data-data selalu dioperasikan dengan efisien;

2. Hanya membutuhkan sedikit data dari satu waktu ke waktu berikutnya; 3. Dapat dimodifikasi untuk mengolah data yang berisi trend tertentu atau pola

musiman;

4. Dapat digunakan dengan biaya murah baik secara manual maupun dengan komputer.

(40)

tiga metode dalam Exponential Smoothing yaitu single exponential smoothing, double exponential smoothing, triple exponential smoothing.

Nilai konstana atau parameter  disebut smoothing constant. Persamaan ini digunakan untuk menghitung ramalan dengan metode pemulusan eksponensial. Metode ini banyak mengurangi masalah penyimpangan data, karena tidak perlu lagi menyimpan semua data historis atau sebagian (seperti dalam kasus rata-rata bergerak).

1) Konstanta Pemulusan  (smoothing constant alpha)

Konstanta pemulusan  (alpha) berfungsi sebagai faktor penimbang. Nilai konstanta  mempengaruhi keakuratan dan ketepatan dari forecast. Nilai  yang dipilih harus secara signifikan menurunkan forecast error. Kecepatan pemulusan (smoothing) dari respon sebelumnya adalah fungsi dari nilai  . Jika  mendekati 1, laju pemulusan cepat berarti nilai prediksi yang baru sudah memasukkan faktor penyesuaian untuk setiap tingkat kesalahan yang terjadi pada nilai prediksi yang lama. Tetapi jika  mendekati 0, laju pemulusan lambat berarti nilai prediksi yang baru hampir sama dengan nilai prediksi yang lama. Nilai  yang menghasilkan tingakat kesalahan (error) yang paling kecil adalah yang dipilih dalam proses peramalan. Untuk mengetahui nilai  yang paling optimal, dapat digunakan metode simulasi atau trial dan error. Ini merupakan prosedur iterasi yang dimulai dengan nilai

(41)

Cara menggunakan metode diatas adalah sebagai berikut: a. Tentukan terlebih dahulu nilai awal untuk 

b. Kemudian cari nilai peramalannya menggunakan rumus exponential smoothing.

c. Setelah diperoleh nilai peramalannya selanjutnya kita hitung nilai The Sum of the Squared Errors (SSE), yaitu jumlah dari seluruh nilai peramalan. d. Langkah selanjutnya menghitung nilai The Mean of the Squared Errors

(MSE), yaitu rata-rata dari seluruh nilai peramalan atau nilai The Sum of the Squared Errors (SSE) dibagi dengan banyak data.

Telah dijelaskan sebelumnya bahwa nilai  yang terbaik adalah yang memberikan hasil The Mean of the Squared Errors (MSE) yang minimum. Maka,  yang memberikan nilai The Mean of the Squared Errors (MSE) terkecil itulah yang dipilih untuk proses peramalan.

2) Kesalahan Ramalan (forecasterror)

Untuk mendapatkan hasil forecast yang mendekati ketepatan adalah dengan memilih hasil forecast yang memiliki nilai Mean Square Error (MSE) atau Mean Absolute Error (MAE).

a. Mean Square Error (MSE)

Mean Square Error (MSE) adalah kuadrat rata-rata nilai error kuadrat dari kesalahan meramal.

∑| |

b. Mean Absolute Error (MAE)

(42)

meramal (tidak dihiraukan tanda positif atau negatifnya).

∑| |

2.4.1.1 Metode Single Exponential Smoothing

Pada metode ini digunakan jika data tidak mempengaruhi secara signifikan oleh faktor trend dan musiman. Setiap data diberi bobot tertentu dengan data yang lebih baru diberi bobot yang lebih besar dari pada data yang lebih lama. Bobot yang diberikan pada data yang ada sebesar  untuk data yang terbaru, (1-) untuk data yang lama, (1-)2 untuk data yang lebih lama, dan seterusnya. Besarnya  adalah anatara 0 dan 1. Semakin mendekat 1 berarti semakin lebih diperhatikan. Metode ini cocok digunakan untuk meramalkan hal-hal yang fluktuasinya secara random (tidak teratur) (Gitosudarmo & Najmudin, 2000: 17).

Menurut Pangestu Subagyo (1986: 19) rumus untuk besarnya forecast single exponential smoothing secara sistematis adalah:

Keterangan:

St+1 = ramalan untuk periode ke t+1 Xt = nilai data asli periode ke-t St = ramalan untuk periode ke-t

α = konstanta perataan antara 0 dan 1

2.4.1.2 Metode Double Exponential Smoothing

(43)

dua kali. Pada metode ini proses penentuan ramalan dimulai dengan menentukan besarnya  secara trial dan error. Menurut (Gitosudarmo & Najmudin (2000: 23) tahap-tahap dalam melakukan ramalan adalah sebagai berikut:

1) Menentukan Smoothing pertama S_t

t

S= Smoothing pertama periode ke-t Xt = nilai data pada periode ke-t

1





t

S = Smoothing pertama periode ke t-1 2) Menentukan Smoothing kedua

_Smoothing_{ke dua periode t – 1} 3) Menentukan besarnya nilai at (konstanta)

4) Menentukan besarnya nilai bt (slope)

5) Menentukan besarnya forecast

m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang akan datang peramalandilakukan (Sugiman, 2013:26).

2.4.1.3 Metode Triple Exponential Smoothing

(44)

membuat forecast hal yang berfluktuasi atau mengalami gelombang pasang surut. Xt = nilai data pada periode ke-t

1





t

S = Smoothing pertama periode ke t-1

Untuk bulanpertama S_t belum bisa dicari dengan rumus diatas. Maka boleh ditentukan secara bebas seperti nilai yang terjadi pada bulan pertama

2) Menentukan Smoothing kedua

4) Menentukan besarnya nilai at (konstanta)

5) Menentukan besarnya nilai bt (slope)

(45)

Mencari ct dengan menggunakan rumus:

6) Menentukan besarnya forecast

m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang akan datang forecast dilakukan.(Sugiman, 2013:27)

2.5 Microsoft Visual Basic 6.0

2.5.1 Definisi Visual Basic

Program Microsoft Visual Basic merupakan bahasa pemrograman tingkat tinggi (High Level Languange). Microsoft Visual Basic juga merupakan bahasa pemrograman Object Oriented Programming (OOP), yaitu pemrograman berorientasi pada objek. Microsoft Visual Basic memiliki beberapa versi yaitu Microsoft Visual Basic 3.0, Microsoft Visual Basic 5.0, Microsoft Visual Basic

Versi 6.0, VB. Net. Dan mungkin akan berkembang lagi dengan berbagai versi dan semakin sempurna dalam penggunaannya.

Menurut Kusrini (2007:171), “Visual Basic adalah salah satu bahasa pemrograman komputer”. Bahasa pemrograman adalah perintah-perintah yang

(46)

Menurut Suhata, (2005:3), “Visual Basic 6.0 merupakan salah satu bahasa pemrograman yang dapat digunakan untuk menyusun dan membuat program aplikasi pada lingkungan sistem operasi windows”. Program aplikasi dapat berupa program database, program grafis, dan lain sebagainya. Di dalam visual basic 6.0 sudah terdapat kompenen-kompenen yang sangat membantu pembuatan program aplikasi.

Menurut Komputer & Pengembangan (2004 : 34) untuk membuat sebuah program aplikasi Visual Basic, dapat dilakukan dengan tiga langkah yaitu:

1) Menyusun atau mengatur objek-objek pada bidang yang disebut form.

2) Menentukan isi dari properties pada masing-masing objek sesuai dengan kebutuhan untuk mengontrol aplikasi,

3) Menuliskan kode program kontrol yang dimaksud. Pada bagian ini akan dituliskan kode-kode program dalam sebuah aplikasi yang sedang dibuat. Untuk membuat aplikasi Visual Basic harus diketahui variabel dan jenis datanya.

2.5.2 Memulai Program Visual Basic 6.0

Program Visual Basic 6.0 berjalan pada sistem operasi Windows, maka sebelum memulai mengoperasikan program tersebut, harus mengaktifkan terlebih dahulu sistem operasi Windows, dengan langkah-langkah sebagai berikut:

1. Klik tombol mouse sebelah kiri pada Start pada Taskbar. 2. Pilih menu program Visual Basic 6.0.

(47)

Gambar 2.1 Tampilan Kotak Dialog New Project Visual Basic 6.0.

2.5.3 Tampilan Dasar Program Visual Basic 6.0

(48)

Layar program Visual Basic 6.0 merupakan suatu lingkungan besar yang terdiri dari beberapa bagian kecil yang tersusun sedekimian rupa dan mempunyai sifat-sifat sebagai berikut:

1. Docking, berfungsi sebagai tempat peletakan bagian IDE (Integrated Development Integration) sehingga dapat menempel dengan bagian lain yang berdekatan.

2. Floating, elemen-elemennya dapat digeser-geser ke posisi mana saja. 3. Sizable, elemen atau jendela dapat diubah-ubah ukurannya.

Dari sifat-sifat yang ada, maka dapat dengan mudah memindahkan, menggeser, memperbesar atau meperkecil ukuran suatu komponen layar Visual Basic 6.0 dapat dilihat pada Gambar 2.2.

2.5.3 Struktur Aplikasi Program Visual Basic 6.0

Aplikasi (project) yang tedapat dalam Visual Basic 6.0 terdiri atas bagian-bagian sebagi berikut:

i. Menu Bar

Gambar 2.3 Menu-menu pada Menu Bar

Main Bar merupakan kumpulan perintah-perintah yang dikelompokan dalam kiteria operasinya.

ii. Toolbar

(49)

Toolbar merupakan sekumpulan tombol yang mewakili suatu perintah tertentu pada Visual Basic.

iii. Toolbox

Gambar 2.5 Kumpulan kontrol pada Toolbox

Toolbox merupakan sebuah jendela dimana obyek atau kontrol ditempatkan yang dibutuhkan untuk membentuk suatu program, dengan cara dipasang pada form.

iv. Form Window

(50)

Form Window (jendela form) merupakan area kerja untuk merancang suatu program aplikasi Visual Basic. Pada jendela form ini dapat meletakkan kontrol seperti command button, textbox, label, checkbox, dan lainnya.

v. Code Window

Gambar 2.7 Suatu Prosedur dalam Code Window

Code Window merupakan area untuk menuliskan kode-kode program Visual Basic. Suatu kode-kode program merupakan kumpulan dari intruksi untuk menjalankan obyek yang berupa kontrol maupun form serta logika program.

vi. Project Explorer

(51)

Project Explorer berfungsi berbagai saran pengakses bagian-bagian pembentuk project. Pada windows ini terdapat tiga tombol pengaktif untuk Windows Code, Windows Object dan Toggle Folder. Juga terdapat diagram yang menampilkan susunan folder penyimpanan file-file project.

vii. Properties Windows

Gambar 2.9 Tab alphabetic pada Properties Windows

Properties Windows merupakan area yang berisi semua informasi mengenai kontrol yang dibuat, dan bertugas menyiapkan segala properti dari kontrol yang diperlukan dalam perancangan user interface maupun pemograman. Tampilan Properties Windows dapat dilihat pada Gambar 2.9

(52)

Gambar 2.10 Bentuk dari form pada Layout Window

Form Layout Window merupakan jendela yang menunjukkan tata letak form saat ditampilkan pada layar monitor dapat dilihat pada Gambar 2.10.

2.5.4 Keunggulan Aplikasi Visual Basic

Dengan adanya Microsoft Visual Basic 6.0 ini dapat memudahkan para programmer untuk membuat program yang familiar untuk pemakai (User) karena menggunakan visualisasi dan animasi yang cukup tinggi serta tampilan yang menarik untuk dilihat. Karena kemiripannya dengan pemrograman basic, bahasa pemrograman Microsoft Visual Basic ini menjadi lebih mudah untuk dipahami dan dipelajari. Microsoft Visual Basic 6.0 ini mempunyai kemampuan yang sangat besar dalam membuat program-program yang lebih kompleks.

Microsoft Visual Basic terdiri dari beberapa versi, dan Microsoft Visual Basic 6.0 merupakan penyempurnaan dari versi sebelumnya. Sejak diciptakan versi pertamanya pada tahun 1991, Microsoft Visual Basic kini telah mencapai versi yang keenam yang memilki keunggulan dari versi sebelumnya. Berikut ini beberapa keunggulan dari Microsoft Visual Basic 6.0:

(53)

c) Memiliki beberapa tambahan sarana wizard yang lebih lengkap.

d) Membuat flat form pembuatan program yang diberi nama developer studio. e) Sarana akses data yang lebih cepat dan handal untuk membuat aplikasi

database yang berkemampuan tinggi dan kompleks.

f) Penambahan kontrol baru yang lebih canggih serta peningkatan kaidah struktur bahasa Microsoft Visual Basic 6.0.

2.5.5 Peralatan Pendukung (Tools System)

Peralatan pendukung mempunyai pengertian sebagai media yang dibutuhkan oleh setiap programmer untuk membantu mempermudah dalam pembuatan, pembacaan logika dan algoritma program, serta membantu untuk mengetahui alur program yang dibuat mulai dari masukan, proses, dan keluaran yang dihasilkan. Peralatan yang mendukung dalam perancangan program meliputi konsep teori Normalisasi, File Index, Bagan Alir (Flowchart), Struktur Kode, dan HIPO (Hierarchy plus Input Process Output).

2.5.6 Macam-macam Data di Visual Basic

Visual Basic mempunyai beberapa jenis data. Untuk mengidentifikasi sebuah data pada sebuah variabel, Visual Basic menggunakan satu karakter tanda yang diletakkan di akhir nama sebuah variabel. Jenis data dalam visual basic yaitu boolean, integer, long, single, double, currency, date, object, string, dan variant.

2.6 Flowchart

(54)

bagan-bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelsaian suatu masalah”. Flowcart merupakan cara penyajian dari suatu algoritma.

Pedoman dalam menggambar suatu bagan alir, analis sistem atau pemrograman sebagai berikut;

a. Bagan alir sebaiknya digambar dari atas ke bawah dan mulai dari bagian kiri dari suatu halaman.

b. Kegiatan didalam bagan alir harus ditunjukan dengan jelas dan harus ditunjukan darimana kegiatan akan dimulai dan dimana akan berakhirnya. c. Masing-masing kegiatan didalam bagan alir sebaiknya digunakan suatu kata

yang mewakili suatu pekerjaan, misalnya;“persiapkan” dokumen “hitung” gaji.

d. Masing-masing kegiatan didalam bagan alir harus didalm urutan yang semestinya dan kegiatan yang terpotong dan akan disambung ketempat lain harus ditunjukan dengan jelas menggunakan symbol penghubung.

(55)

Gambar 2.11 Simbol bagan alir sistem

(56)

b) Bagan alir program (program flowchart)

Gambar 2.12 Simbol bagan alir program

Bagan alir program (program flowchart) merupakan bagan yang menjelaskan secara rinci langkah-langkah dari proses program. Bagan alir program dibuat dengan menggunakan simbol-simbol dapat dilihat pada Gambar 2.12 (Sumber: Salemba Infotek).

c) Bagan alir dokumen (document flowchart)

(57)

Bagan alir dokumen ini menggunakan simbol-simbol yang sama dengan yang digunakan di dalam bagan alir sistem.

b. Bagan alir skematik (schematic flowchart)

Bagan alir skematik (schematic flowchart) merupakan bagan alir yang mirip dengan bagan alir sistem, yaitu untuk menggambarkan prosedur di dalam sistem. Perbedaannya adalah bagan alir skematik menggunakan simbol-simbol bagan alir sistem , juga menggunakan gambar - gambar komputer dan peralatan lainnya yang digunakan. Maksud penggunaan gambar-gambar ini adalah untuk memudahkan komunikasi kepada orang yang kurang paham dengan simbol-simbol bagan alir.

e. Bagan alir proses (process flowchart)

Gambar 2.13 Simbol bagan alir proses

Bagan alir proses (process flowchart) merupakan bagan alir yang banyak digunakan teknik industri. Bagan alir juga berguna bagi anilis sistem untuk menggambarkan proses dalam suatu prosedure. Bagan alir proses menggunakan lima buah simbol tersendiri dapat dilihat pada Gambar 2.13

(58)

42

BAB III

METODE PENELITIAN

3.1 Ruang Lingkup Penelitian

Penelitian ini dilakukan untuk membuat suatu program aplikasi untuk menghitung peramalan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014. Fokus dalam penelitian ini adalah peramalan dengan metode exponential smoothing untuk data Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014, dan pembuatan program aplikasi peramalan dengan metode exponential smoothing dengan menggunakan salah satu bahasa pemograman yaitu Microsoft Visual Basic 6.0.

3.2 Variabel Penelitian dan Cara Pengumpulan Data

3.2.1 Variabel Penelitian

Penelitian ini menitik beratkan pada perhitungan dan pembuatan program untuk menghitung peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan Metode exponential smoothing.

Variabel dalam penelitian ini meliputi data Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2005 sampai Tahun 2013.

3.2.2 Cara Pengumpulan Data

(59)

a) Metode Studi Pustaka

Penulis mengumpulkan informasi yang diperlukan dalam peneliyian dari sumber pustaka untuk mengenal istilah-istilah dalam IPM.

b) Metode Dokumentasi

Dengan metode dokumentasi, penulis mengumpulkan data Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah dari tahun 2005 sampai tahun 2013.

3.3 Metode Penelitian

Metode yang dilakukan dalam penelitian ini adalah menghitung, merancang, dan membuat program aplikasi Visual Basic 6.0 perhitungan peramalan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 dengan metode exponential smoothing dengan langkah-langkah sebagai berikut:

1) Mempersiapkan alat dan bahan yang diperlukan 2) Membuat rancangan diagram alir program

3) Mengubah atau menterjemahkan diagram alir program ke dalam tata bahasa pemograman Microsoft Visual Basic 6.0

4) Membuat program pada aplikasi Microsoft Visual Basic 6.0 5) Mengkompilasi program

6) Menguji program

7) Merevisi program bila diperlukan

(60)

3.4 Analisis Data

Hasil perancangan dan pembuatan program diuraikan dan dijelaskan secara deskriptif naratif (gambaran secara umum). Penafsiran dan penarikan kesimpulan dilakukan berdasarkan tiap langkah pembuatan program. Simpulan akhir ditentukan berhasil atau tidaknya program yang dibuat. Indikator keberhasilan didasarkan pada kesesuaian program dengan perhitungan secara manual.

3.4.1 Pembuatan program aplikasi metode peramalan exponential smoothing menggunakan Microsoft Visual Basic 6.0.

Menu program ini terdiri dari: pola data, analyze, petunjuk penggunaan, dan exit. Pada menu analyze terdiri dari tiga submenu, yaitu single exponential smoothing, double exponential smoothing, triple exponential smoothing. Pada masing-masing form baik single, double, maupun triple exponential smoothing terdapat beberapa tombol yang digunakan untuk menghitung ramalan, melihat pola data, menginput data, import / export data, menghapus data, dan tombol home.

3.4.2 Tahap-tahap peramalan

Dalam tahap ini dilakukan pengkajian data yang diperoleh berdasarkan teori yang ada dan berkaitan dengan exponential smoothing untuk meramalkan nilai Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah tahun 2014.

3.4.2.1 Melihat Pola Data

(61)

Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah (Y) sebagi ordinat. 3.4.2.2 Memilih Metode Exponential Smoothing Yang Sesuai Berdasarkan

Pola Yang Didapat Dari Data Time Series Yang Ada, diantaranya: a) Jika datanya berfluktuasi secara rendom, maka metode single exponential

smoothing adalah tepat.

b) Jika datanya menunjukan suatu trend linier, maka metode double exponential adalah tepat.

c) Jika datanya musiman atau fluktuasi teratur, metode triple exponential smoothing adalah tepat.

3.4.2.3 Menghitung kesalahan ramalan

Mengukur error (kesalahan) forecast biasanya digunakan mean absolute error dan mean absolute error. Mean absolute error adalah rata-rata nilai absolute dari kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya) atau ∑| |, untuk mean square error adalah rata-rata dari kesalahan forecast

dikuadratkan atau ∑| | . Untuk mendapatkan hasil forecast yang mendekati ketepatan adalah dengan memilih hasil forecast yang memiliki nilai mean square

(62)

84

BAB V

PENUTUP

5.1 Simpulan

Berdasarkan uraian pada hasil penelitian dan pembahasan maka ditarik kesimpulan sebagai berikut.

(63)

2. Hasil perhitungan peramalan exponential smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 untuk alpha 0,1 menggunakan metode triple exponential smoothing diperoleh nilai forecast sebesar 73,43. Untuk alpha 0,5 menggunakan metode triple exponential smoothing diperoleh nilai forecast sebesar 74,62. Sedangkan untuk alpha 0,9 menggunakan metode double exponential smoothing diperoleh nilai forecast sebesar 74,61.

3. Pengembangan program visual basic 6.0 untuk peramalan exponential smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 dengan cara membuat program simulasi peramalan metode exponential smoothing, yang memuat proses peramalan, melihat pola data, dan melihat metode hasil peramalan terbaik.

5.1 Saran

Setelah melakukan pembuatan program aplikasi peramalan exponential smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014, saran yang dapat diberikan sebagai berikut.

1. Peneliti dapat menganalisis peramalan dengan semua nilai alpha tidak hanya 0,1; 0,5; dan 0,9untuk lebih mengetahui metode peramalan terbaik yang tepat untuk setiap nilai alpha.

(64)

DAFTAR PUSTAKA

Ariyoso. 2009. Metode Eksponential Smoothing Tahun 2009. Jakarta. Arsyad, Lincolin. 1999. Ekonomi Pembangunan. STIE YKPN. Yogyakarta. Badan Pusat Statistik dan UNDP. 1993. Indeks Pembangunan Manusia Indoensia,

Perbandingan Antar Provinsi 1990-1993. Badan Pusat Statistik. Jakarta. Badan Pusat Statistik Provinsi Jawa Tengah. Jawa Tengah Dalam Angka 2014.

Badan Pusat Statistik Provinsi Jawa Tengah. Semarang.

Bappeda Biak Numfor. 2012. Indeks Pembangunan Manusia dan Analisis Pembangunan Manusia, Biak.

Gitosudarmo, I & Najmudin, M. 2000. Teknis Proyeksi Bisnis. Yogyakarta: BPFE.

Gujarati, Damodar. 2003. Ekonometrika Dasar. Erlangga. Jakarta.

H. Preston, Samuel, et.all,2004. Demography;measuring and Modelling population Processes, Blackwell,USA.

Jogiyanto. 2005. Analisis dan Desain. Edisi Ketiga. Yogyakarta: Andi Offset. Kementerian Pemberdayaan Perempuan dan Perlindungan Anak. 2011.

Pembangunan Manusia Berbasis Gender. CV. Kementerian Pemberdayaan Perempuan dan Perlindungan Anak. Jakarta.

Komputer, W & Pengembangan. 2004. Tutorial Membuat Program Dengan Visual Basic. Jakarta: Salemba Infotek.

Kuncoro, Mudrajad. 2003. Ekonomi Pembangunan: Teori, Masalah, dan Kebijakan

Edisi Ketiga. UPP AMP YKPN. Yogyakarta.

Kusrini. 2007. Strategi Perancangan dan Pengelolaan Basis Data. Yogyakarta. Leabo Dick A., (1968), Basic Forecast Statistics, Journal of the American

Statistical Association:322.

(65)

Nachrowi, Djalal dan Hardius Usman (2004) Penggunaan Teknik Ekonometr. Edisi Revisi, PT Rajagrafindo Persada, Jakarta.

Pratiwi, Wiwik D., Indeks Pembangunan Sub Bidang Pembangunan Perdesaan. Program Studi Arsitektur ITB. Bandung.

Sahli, M. 2013. Penerapan metode exponential smoothing dalam sistem informasi pengendalian persediaan bahan baku (studi kasus toko tirta harum). Jurnal SIMETRIS. 3(1): 59-70.

Soepranto, J. 1984. Statistika Teori dan Aplikasi Jilid 1. Jakarta: Erlangga.

Subagyo, P. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta. BPFE-Yogyakarta.

Subagyo, Pangestu. 2002. Forecasting Konsep dan Aplikasi. BPFE: Yogyakarta. Sudjana. 2005. Metode Statistika. Bandung: PT. Tarsito.

Sugiman. 2013. Bahan Ajar Program Studi Statistika Terapan dan Komputasi D3. Metode Peramalan (Forecasting).

Suhata. 2005. Visual Basic Sebagai Pusat Kendali Peralatan Elektronik. PT.Elex Media Komputindo.Jakarta

Supranto, J. 1991. Statistik: Teori dan Aplikasi. Jilid 2. Edisi Kelima. Jakarta: Erlangga.

Tularam, G. A., at.al. (2008), Exponential Smoothing Method of Base Flow Separation and Its Impact on Continuous Loss Estimates, American Journal of Environmental Sciences 4 (2): 136-144, ISSN 1553-345X Science Publications.

(66)

Lampiran 1

DATA INDEKS PEMBANGUNAN MANUSIA (IPM) PROVINSI JAWA TENGAH TAHUN 2005 - TAHUN 2013

TAHUN IPM PROVINSI JAWA TENGAH

2005 69,80

2006 70,25

2007 70,91

2008 71,60

2009 72,10

2010 72,49

2011 72,94

2012 73,36

2013 74,05

(67)

89 Lampiran 2

PERAMALAN METODE SINGLE EXPONENTIAL SMOOTHING TAHUN 2014

(68)

90 PERAMALAN METODE DOUBLE EXPONENTIAL SMOOTHING TAHUN 2014

No Tahun

Indeks Pembangunan Daerah (IPM)

α = 0,1

S'(t) S"(t) a b Forecast Error Absolute

Error

1 2005 69,80 69,8000 69,8000 69,8000

2 2006 70,25 69,8450 69,8045 69,8855 0,0045 69,8000 0,4500 0,4500 0,2025

3 2007 70,91 69,9515 69,8192 70,0838 0,0147 69,8900 1,0200 1,0200 1,0404

4 2008 71,60 70,1164 69,8489 70,3838 0,0297 70,0985 1,5015 1,5015 2,2545

5 2009 72,10 70,3147 69,8955 70,7339 0,0466 70,4135 1,6865 1,6865 2,8443

6 2010 72,49 70,5322 69,9592 71,1053 0,0637 70,7805 1,7095 1,7095 2,9223

7 2011 72,94 70,7730 70,0406 71,5055 0,0814 71,1690 1,7710 1,7710 3,1365

8 2012 73,36 71,0317 70,1397 71,9238 0,0991 71,5869 1,7731 1,7731 3,1440

9 2013 74,05 71,3335 70,2591 72,4080 0,1194 72,0229 2,0271 2,0271 4,1092

10 2014 72,5274

Jumlah 638,2887 11,9387 11,9387 19,6537

(69)

91 Lanjutan

No Tahun

α = 0,5

Error

1 2005 69,80 69,8000 69,8000 69,8000

2 2006 70,25 70,0250 69,9125 70,1375 0,1125 69,8000 0,4500 0,4500 0,2025

3 2007 70,91 70,4675 70,1900 70,7450 0,2775 70,2500 0,6600 0,6600 0,4356

4 2008 71,60 71,0338 70,6119 71,4556 0,4219 71,0225 0,5775 0,5775 0,3335

5 2009 72,10 71,5669 71,0894 72,0444 0,4775 71,8775 0,2225 0,2225 0,0495

6 2010 72,49 72,0284 71,5589 72,4980 0,4695 72,5219 -0,0319 0,0319 0,0010

7 2011 72,94 72,4842 72,0216 72,9469 0,4627 72,9675 -0,0275 0,0275 0,0008

8 2012 73,36 72,9221 72,4718 73,3724 0,4503 73,4095 -0,0495 0,0495 0,0025

9 2013 74,05 73,4861 72,9789 73,9932 0,5071 73,8227 0,2273 0,2273 0,0517

10 2014 74,5003

Jumlah 575,6716 2,0284 2,2462 1,0770

(70)

92 No Tahun

α = 0,9