Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007

(1)

Devisanta W. M : Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Di PT PLN (Persero) Cabang Medan Untuk Tahun 2010 Berdasarkan Data Tahun 1997-2007, 2009.

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM

RUPIAH) DI PT PLN (PERSERO) CABANG MEDAN UNTUK

TAHUN 2010 BERDASARKAN DATA TAHUN 1997-2007

TUGAS AKHIR

DEVISANTA W M

062407034

PROGRAM STUDI DIII STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNVERSITAS SUMATERA UTARA

(2)

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH)

DI PT PLN (PERSERO) CABANG MEDAN UNTUK TAHUN 2010

BERDASARKAN DATA TAHUN 1997-2007

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

DEVISANTA W M

062407034

PROGRAM STUDI DIII STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNVERSITAS SUMATERA UTARA

MEDAN

(3)

PERSETUJUAN

Judul : PERAMALAN NILAI PENJUALAN ENERGI

LISTRIK (DALAM RUPIAH) DI PT PLN

(PERSERO) CABANG MEDAN UNTUK TAHUN 2010 BERDASARKAN DATA TAHUN 1997-2007

Kategori : TUGAS AKHIR

Nama : DEVISANTA W M

Nomor induk mahasiswa : 062407034

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Disahkan di Medan, Juni 2009

Diketahui/Disetujui oleh Pembimbing, Departemen Matematika FMIPA USU

Ketua,

Dra. Rahmawati Pane, M.Si

Dr.Saib Suwilo, M.Sc NIP.131 474 682

(4)

PERNYATAAN

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH) DI PT PLN (PERSERO) CABANG MEDAN UNTUK TAHUN 2010

BERDASARKAN DATA TAHUN 1997-2007

Tugas Akhir

Saya mengakui bahwa tugas akhir ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dari ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2009

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena atas berkat dan rahmat-Nya sehingga penulis dapat menyusun dan menyelesaikan Tugas Akhir ini dengan baik.

(6)

DAFTAR ISI

1.7 Sistematika Penulisan 6

Bab 2 Landasan Teori 8

2.1 Pengertian Peramalan (Forecasting) 8

2.2 Kegunaan Peramalan 9

2.7 Penetuan Koefisien Korelasi 24

Bab 3 Sejarah dan Struktur BPS 26

3.1 Sejarah singkat Badan Pusat Statistik 26

3.1.1 Masa Pemerintahan Hindia Belanda 26

3.1.2 Masa Pemerintahan Jepang 27

3.1.3 Masa Kemerdekaan Republik Indonesia 27

3.1.4 Masa Orde Baru Sampai Sekarang 28

3.2 Visi dan Misi Badan Pusat Statistik 30

3.3 Struktur Organisasi Badan Pusat Statistik 32

3.4 Tugas dan wewenang masing-masing bagian 33

di Badan Pusat Statistik

(7)

3.4.2 Bidang Statistik Produksi 34

4.4 Metode Pemulusan Eksponensial Ganda 44

Satu Parameter dari Brown

4.4.1 Penaksiran Model Peramalan 44

4.4.2 Penentuan Bentuk Persamaan Peramalan 51

4.5 Peramalan Nilai Penjualan Energi Listrik 52

Bab 5 Implementasi Sistem 54

5.1 Microsoft Excel 54

5.2 Langkah-langkah memulai Pengolahan Data dengan Excel 55

5.3 Menggunakan Ketepatan Peramalan 59

(8)

DAFTAR TABEL

Halaman

Tabel 4.1 Data Penjualan Energi Listrik 38

di PT PLN (PERSERO) Cabang Medan

Tabel 4.2 Pengujian jumlah sampel dan kuadratnya 39

Tabel 4.3 Nilai Autokorelasi Nilai Data Penjualan Listrik 42

Tabel 4.4 Nilai Koefisien Korelasi 42

Tabel 4.5 Menentukan MSE dengan α =0.1 46

Tabel 4.6 Menentukan MSE dengan α= 0.2 47

Tabel 4.7 Perbandingan ukuran ketetapan metode peramalan 48

Tabel 4.8 Pemulusan Eksponensial Linier Satu Parameter dari Brown 49 Menggunakan α = 0.7 pada data nilai penjualan energi listrik

(dalan rupiah) di PT PLN (PERSERO) Cabang Medan

(9)

DAFTAR GAMBAR

Halaman

Gambar 4.1 Plot data Nilai Penjualan Energi Listrik Cabang Medan 39

Gambar 4.2 Distribusi Koefisien Autokorelasi Data Asli 43

Gambar 5.1 Tampilan lembar kerja excel 55

Gambar 5.2 Tampilan lembar kerja excel dalam menentukan besarnya 56 Peramalan

(10)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Dalam ilmu ekonomi, manusia berperan sebagai produsen sekaligus konsumen yang

selalu berupaya memenuhi kebutuhan hidupnya melalui alat pelengkap kebutuhan

manusia yang tersedia dan beranekaragam. Berbagai macam usaha dilakukan oleh

konsumen untuk memenuhi kebutuhan hidupnya baik itu kebutuhan primer maupun

kebutuhan sekunder. Dimulai dari pemanfaatan Sumber Daya Manusia (SDM) sampai

pemanfaatan Sumber Daya Alam (SDA) yang tersedia hingga pendaur-ulangan

produk-produk yang sudah lama ada yang tidak digunakan lagi. Sumber Daya Alam

(SDA) yang tersedia merupakan salah satu alat pelengkap kebutuhan manusia

misalnya tanah, air, energi panas, listrik dan sebagainya.

Listrik adalah salah satu kebutuhan yang sangat penting dalam kehidupan

manusia, khususnya pada era globalisasi dan modernisasi saat ini. Perkembangan

teknologi yang semakin canggih memerlukan banyak hal yang dapat mendukung

kemajuan IPTEK dan salah satu faktor yang sangat mendukung adalah energi listrik.

Tanpa adanya energi listrik, kehidupan manusia yang modern dan nyaman ini akan

sangat jauh berbeda, mengingat hampir seluruh aspek kehidupan manusia memerlukan

(11)

Kegiatan kelistrikan negara dikelola oleh PT PLN (PERSERO) yang

menangani listrik mulai dari produksi, pembelian sampai penjualan energi listrik

kepada masyarakat, industri, dan pemerintah. Meskipun pada saat ini telah tersedia

sebuah alat yang dinamakan Generator Set (Genset) yang tetap dapat mengalirkan

listrik dengan menggunakan bahan bakar solar, namun alat tersebut hanya digunakan

sebagai cadangan ketika listrik padam karena memerlukan biaya yang cukup besar.

Oleh karena itu, energi listik tetap diperlukan meskipun alat itu telah ada dan

diharapkan kita juga harus menjaga dan menggunakan listrik dengan baik dan sehemat

mungkin agar pihak PLN juga dapat memproduksi listrik dengan baik.

Melihat betapa pentingnya peran yang dijalankan oleh PT. PLN (PERSERO)

dalam mengalirkan listrik kepada masyarakat luas dari tiap cabang, mendorong

penulis untuk mengadakan penelitian untuk mengetahui berapa besar nilai penjualan

energi listrik (dalam rupiah) yang diperoleh oleh PT. PLN (PERSERO) Cabang

Medan. Dengan alasan tersebut, penulis mencoba untuk meramalkan besarnya nilai

penjualan energi listrik (dalam rupiah) untuk tahun 2010 di PT. PLN (PERSERO)

Cabang Medan.

Dari uraian diatas penulis tertarik mengangkat judul “Peramalan Nilai

Penjualan Energi Listrik (Dalam Rupiah) Di PT. PLN (Persero) Cabang Medan

(12)

1.2 Identifikasi Masalah

Dalam tulisan ini yang menjadi permasalahan adalah : Bagaimana bentuk

persamaan yang dapat dipakai untuk meramalkan besarnya nilai penjualan energi

listrik (dalam rupiah) pada tahun 2010 berdasarkan data dari tahun 1997-2007 di PT.

PLN (Persero) Cabang Medan.

1.3 Batasan Masalah

Dari latar belakang yang telah diuraikan di atas, maka yang menjadi batasan

permasalahan adalah besarnya nilai penjualan energi listrik di kotamadya Medan pada

tahun 2010 dengan menggunakan data dari tahun 1997-2007.

1.4 Tujuan Penulisan

Secara umum penulisan ini bertujuan untuk mengetahui besarnya nilai

penjualan energi listrik (dalam rupiah) di PT PLN (Persero) Cabang Medan untuk

(13)

1.5 Tinjauan Pusataka

Teori- teori penunjang yang digunakan dalam penulisan ini dikutip dari buku-buku

antara lain :

1 Teknik dan Metode Peramalan oleh Sofjan Assauri. Lembaga penerbit

Fakultas Ekonomi Universitas Sumatera Indonesia, 1984, Jakarta. Dari buku

ini dikutip peramalan dengan menggunakan pemulusan (smoothing )

eksponensial.

2 Metode dan Aplikasi Peramalan, oleh Sypros Makridakis. Lembaga penerbit

Erlangga, 1993, Jakarta. Dari buku ini dijelaskan lebih terperinci mengenai

langkah-langkah penggunaan metode pemulusan (eksponensial) ganda :

metode linier satu parameter dari Brown.

1.6 Metode Penelitian

Metode yang penulis gunakan dalam melaksanakan penelitian ini adalah :

1. Pengumpulan Data

Pengumpulan data untuk penulisan tugas akhir ini penulis lakukan dengan

(14)

PT PLN (Persero) cabang Medan dari tahun 1997 s/d 2007 yang diperoleh dari BPS

(Badan Pusat Stistik) Provinsi Sumatera Utara.

2.Analisis Data

Pengolahan data untuk meramalkan nilai penjualan energi listrik (dalam rupiah) di

PT.PLN (PERSERO) Cabang Medan dilakukan dengan menggunakan Metode

Pemulusan (Smoothing) Eksponensial Ganda : Metode Liniear Satu-Parameter dari

Brown .

S't = Smoothing eksponensial tunggal periode t

S"t = Smoothing eksponensial ganda periode t

Xt = Nilai riil periode t

S't-1 = Smoothing eksponensial tunggal periode t-1

(15)

Ft+m = Ramalan untuk m periode ke muka

1.7 Sistematika Penulisan

BAB 1 PENDAHULUAN

Bab ini menjelaskan latar belakang, perumusan masalah, tujuan

penulisan, tinjauan pustaka, metode penulisan dan sistematika

penulisan.

BAB 2 TINJAUAN TEORITIS

Bab ini menguraikan tentang konsep dan definisi tentang hal-hal yang

menyangkut penyelesaian masalah yang dihadapi dalam Tugas Akhir.

BAB 3 SEJARAH SINGKAT TEMPAT RISET

Bab ini menjelaskan tentang sejarah singkat berdirinya Badan Pusat

Statistik (BPS) Provinsi Sumatera Utara.

BAB 4 ANALISIS DATA

Bab ini menguraiakan tentang data yang telah diamati dan cara

(16)

BAB 5 IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang dipakai

sebagai analisis terhadap data yang diperoleh. Dimana program ini

berfungsi sebagai pengolah data, sehingga akan menghasilkan

informasi yang dibutuhkan. Program yang digunakan adalah Microsoft

Excel.

BAB 6 KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan

dari pembahasan serta saran penulis berdasarkan kesimpulan yang

(17)

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan (Forecasting)

Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan

terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau

kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan

tersebut didasarkan atas bermacam-macam cara, diantaranya adalah Metode

Pemulusan Eksponensial atau Rata-rata bergerak dan Metode Box Jenkins. Metode

peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan

terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu.

Dengan kata lain, metode peramalan ini digunakan dalam peramalan yang bersifat

(18)

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang

akan terjadi pada masa yang akan datang, berdasarkan data yang relevan pada masa

lalu. Oleh karena itu, metode peramalan termasuk dalam kegiatan peramalan

kuantitatif. Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan

teknik tentang informasi lalu yang dibutuhkan yaitu informasi yang bersifat

kuantitatif. Serta teknik dan metode peramalannya.

Metode peramalan dapat memberikan cara pengerjaan yang teratur dan terarah,

sehingga dengan demikian dapat dimungkinkan penggunaan teknik-teknik

penganalisaan yang lebih maju. Dengan pengunaan teknik-teknik tersebut, maka

diharapkan dapat memberikan tingkat kepercayaan atau keyakinan yang lebih besar,

karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara

ilmiah.

Disamping itu, metode peramalan juga memberikan urutan pengerjaan dan

pemecahan atas pendekatan suatu masalah dalam peramalan. Sehingga bila digunakan

pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan

maka akan didapat dasar pemikiran dan pemecahan yang sama.

Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh

metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data

yang digunakan. Selama data maupun informasi yang digunakan tidak dapat

meyakinkan, maka hasil peramalan yang disusun juga akan sukar dipercaya akan

(19)

2.2 Kegunaan Peramalan

Sering terjadi sepanjang waktu (time lag ) antara kesadaran akan peristiwa. Adanya

waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan

peramalan. Dalam situasi diatas, peramalan sangat diperlukan untuk menetapkan

kapan suatu peristiwa akan terjadi, sehingga tindakan yang tepat dapat dilakukan.

Dalam perencanaan di suatu instansi baik instansi pemerintahan maupun

swasta, peramalan merupakan kebutuhan yang sangat mendasar. Diamanapun, baik

maupun buruknya ramalan dapat mempengaruhi seluruh bagian instansi, karena waktu

tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan

merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.

Didalam bagian organisasi terdapat beberapa kegunaan peramalan diantaranya:

1. Berguna untuk 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 sipelanggan.

2. Berguna dalam penyediaan sumber daya tambahan. Waktu tengang (lead

time) untuk memperoleh bahan baku, menerima pekerja baru atau pembelian

mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa

tahun. Peramalan digunakan untuk menentukan kebutuhan sumber daya di

(20)

3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus

menentukan sumber daya yang dimiliki dalam waktu jangka panjang.

Keputusan semacam ini bergantung kepada faktor-faktor lingkungan,

manusia dan pengembangan sumber daya keuangannya. Semua penentuan ini

memerlukan peramalan yang baik dan manajer yang dapat menafsirkan

pendugaan serta membuat keputusan yang baik.

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 diatas 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 sifat penyusunannya, teknik peramalan dapat dibagi dalam dua kategori

utama yaitu :

(21)

Peramalan yang subjektif adalah peramalan yang didasarkan atas perasaan atau

instuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang

yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.

2. Peramalan yang objektif

Peramalan yang objektif adalah peramalan yang didasarkan atas data yang

relevan pada masa lalu, dengan menggunakan teknik-teknik dan

metode-metode dalam penganalisaan data tersebut.

Berdasarkan jangka waktu disusun, maka peramalan dapat dibedakan atas dua

kategori utama yaitu :

1. Peramalan jangka panjang

Peramalan jangka panjang adalah peramalan yang dilakukan untuk

penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah

tahun. Misalnya diperlukan penyusunan rencana pembangunan suatu negara

atau daerah dan lain sebagainya.

2. Peramalan jangka pendek

Peramalan jangka pendek adalah peramalan yang dilakukan untuk

penyusunan hasil ramalan yang jangka waktunya kurang dari satu setengah

tahun. Misalnya peramalan penyusunan rencana produksi, rencana penjualan,

(22)

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat

dibedakan atas dua kategori utama yaitu :

1. Peramalan yang Kualitatif atau Teknologis

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif

pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada

orang yang menyusunnya. Hal ini sangat penting karena hasil peramalan

tersebut ditentukan berdasarkan pemikiran yang bersifat instuisi, pendapat dan

pengetahuan dari orang yang menyusunnya. Metode kualitatif dapat dibagi

menjadi dua yaitu metode eksploratoris dan normatif.

2. Peramalan Kuantitatif

Peramalan kuantitatif merupakan peramalan yang didasarkan atas data

kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung

kepada metode yang dipergunakan dalam peramalan tersebut. Dengan metode

yang berbeda akan diperoleh hasil peramalan yang berbeda pula. Baik

tidaknya metode yang digunakan ditentukan oleh perbedaan atau

penyimpangan hasil ramalan dengan kenyataan yang terjadi. Semakin kecil

penyimpangan antara hasil dengan kenyataan yang terjadi berarti metode

yang dipergunakan semakin baik. Metode kuantitatif dapat dibagi dalam deret

berkala (time series) dan metode kausal.

Pada akhir ini telah dikembangkan beberapa metode atau teknik-teknik

peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi.

(23)

membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan tugas

akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan secara

kuantitatif. Oleh karena itu, dalam pembahasan selanjutnya akan ditekankan pada

peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dibedakan atas:

1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan

antar variabel yang akan diperkirakan dengan variabel waktu, yang

merupakan deret waktu (time series).

2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan

antara variabel yang akan diperkirakan dengan variabel lain yang

mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau

sebab akibat ( causal methods).

Dalam penulisan Tugas Akhir ini, digunakan metode peramalan yang pertama,

yaitu metode peramalan dengan menggunakan variabel waktu atau yang dikenal

dengan “time series”.

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

(24)

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan

(asumtion of mend continuity). Asumsi ini merupakan modal yang mendasari dari

semua metode peramalan kuantitatif dan banyak metode peramalan teknologis,

terlepas dari bagaimana canggihnya metode tersebut.

2.4 Jenis-jenis Metode Peramalan

Metode-metode peramalan dengan analisa deret waktu yaitu :

1. Metode pemulusan eksponensial dan rata-rata bergerak

Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk

peramalan jangka panjang.

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

(25)

Dalam penulisan Tugas Akhir ini, yang akan digunakan adalah metode time

series yang pertama, yaitu metode pemulusan eksponensial.

2.4.1 Analisa 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 hubungannya dengan kejadian lain.

Metode time series merupakan metode peramalan kuantitatif didasarkan atas

penggunaan analisis pola hubungan antar 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 dapat pertumbuhan atau

penurunan data. Data secara kasar harus horizontal sepanjang waktu, dengan kata lain

fluktuasi data tetap konstan setiap waktu.

(26)

Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri

penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan

dalam mempersiapakan 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. Pertama adalah cakupan waktu di masa yang akan datang.

Aspek kedua adalah jumlah periode untuk peramalan yang diinginkan.

2. Pola data

Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola

yang didapati di dalam data yang diramalkan akan berkelanjutan.

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 analisa keadaan untuk pengambilan

keputusan.

4. Biaya yang dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu

(27)

(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 dalam penerapan

Metode-metode yang dapat dimengerti dan mudah dialokasikan sudah

merupakan suatu prinsip umum bagi pengambil keputusan.

2.4.3 Penentuan Pola Data

Hal penting harus diperhatikan dalam metode deret berkala adalah menetukan jenis

pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut

dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut:

1. Pola Data Horizontal

(28)

2. Pola Data Musiman (Seasonal)

Pola yang menunjukkan perubahan yang berulang-ulang secara periodik

dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh

faktor musiman, misalnya : kuartal tahun tertentu, bulanan, atau hari-hari

pada minggu tertentu.

3. Pola Siklis (Cyclical)

Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari

suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi

jangka panjang seperti yang berhubungan dengan siklis bisnis.

4. Pola Data Trend

Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.

2.5 Metode Pemulusan ( Smoothing)

Metode Pemulusan (Smoothing) adalah metode peramalan dengan mengadakan

pengahalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai

beberapa tahun lalu untuk menaksir nilai pada beberapa tahun ke depan. Secara umum

metode smoothing diklassifikasikan menjadi dua bagian :

(29)

Metode rata-rata dibagi atas empat bagian :

a. Nilai tengah (mean)

b. Rata-rata bergerak tunggal (Single Moving Average)

c. Rata-rata bergerak ganda (Double Moving Average)

d. Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk

mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial :

Ft +1 = α Xt + ( 1 – α ) Ft

Dimana :

Ft +1 : ramalan suatu periode ke depan

Xt : data aktual pada periode ke-t

Ft : ramalan pada periode ke-t

α : parameter pemulusan

Bila bentuk umum tersebut diperluas maka akan berubah menjadi:

Ft +1 = α Xt + α (1-α) Xt-1 + α (1-α)2 Xt-2 + … + α (1-α)N Xt-(N-1)

Dari pemulusan bentuk umum diatas dapatlah dikatakan bahwa metode

eksponensial smoothing merupakan sekelompok metode yang menunjukkan

(30)

dengan kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan

nilai observasi yang lebih tua. Metode ini terdiri atas :

1. Metode Eksponensial Tunggal

a. Satu Parameter (One Parameter )

b. Pendekatan Aditif

Digunakan untuk data yang bersifat stationer dan tidak menunjukkan

pola data atau trend

2. Metode Smoothing Eksponensial Ganda

a. Metode Linier Satu Paremeter dari Brown

b. Metode Dua Paremeter dari Holt

3. Metode Ekponensial Triple

a. Metode Kudaratik Satu Paremeter dari Brown

Digunakan untuk pola kudaratik, kubik, atau orde yang lebih tinggi.

b. Metode Kecenderungan dan Musim Tiga Paremeter dari Winter

Dapat digunakan untuk data berbentuk trend dan musiman.

2.5.1 Metode yang Digunakan

Untuk menggunakan hasil yang baik harus diketahui cara peramalan yang tepat. Maka

metode peramalan analisis time series yang digunakan untuk meramalkan nilai

penjualan energi listrik pada pemecahan masalah ini adalah dengan menggunakan

(31)

Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar

pemikiran dari metode Smoothing Eksponensial Linier Satu Paremeter dari Brown

adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal

dan ganda ketinggalan dari data sebelumnya.

Persamaan yang dapat dipakai dalam pelaksanaan Eksponensial Linier Satu

Paremeter dari Brown adalah sebagai berikut :

S't = Xt + (1- ) S’t-1

S"t = S't + (1- ) S"t-1

at = 2 S't- S"t

bt =

α α

− 1 ( S

'

t- S"t)

Ft+ m = at + bt m

Dimana :

S't = Smoothing pemulusan eksponensial tunggal periode t

S"t = Smoothing eksponensial ganda periode t

α = Paremeter Pemulusan Eksponensial

at, ,bt = konstanta pemulusan

(32)

2.6 Ketepatan Ramalan

Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana

mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data

yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu

metode peramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu

dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk

menguji kebenaran ramalan ini digunakan ketepatan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah :

a. ME (Mean Error) / Nilai Tengah Kesalahan

ME =

b. MSE (Mean Square Absolut Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

c. MAE (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

MAE =

(33)

MPE =

e. MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase

Absolut

f. SSE ( Sum Square Error) / Jumlah Kuadrat Kesalahan

SSE =

∑

100 (kesalahan persentase pada periode ke-t)

Ft = Nilai ramalan pada periode ke-t

N = Banyaknya periode waktu

Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE

yang terkecil.

2.7 Penentuan Koefisien Korelasi

Koefisien autokorelasi berfungsi untuk menunjukkan suatu deret berkala itu sendiri

(34)

hubungan antar suatu deret berkala dengan deret berkala itu sendiri pada kelambatan

waktu ( lag ) k periode.Secara sistematis untuk menghitung koefisien autokorelasi

dapat menggunakan rumus sebagai berikut :

rk =

Rumus sederhana yang biasa digunakan adalah untuk menghitung kesalahan standar

adalah :

Batas signifikan koefisien autokorelasi adalah :

(35)

Dengan koefisien autokorelasi dapat ditentukan apakah suatu pola data bersifat

acak, konstan atau musiman. Koefisien autokorelasi juga dapat memperlihatkan

ketidakstasioneran data.

Apabila berada diluar rentang nilai maka koefisien autokorelasi tersebut berada

secara signifikan dari nol maka data tersebut menunjukkan pola trend.

BAB 3

(36)

3.1 Sejarah Singkat Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah lembaga Negara Non Departemen. Badan Pusat

Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada

bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan,

keuangan, pendapatan dan keagamaan. Selain hal-hal tersebut Badan Pusat Statistik

juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari

segenap instansi baik di pusat maupun di daerah dengan tujuan mencegah

dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan

keseragaman dalam pengguanaan definisi, klasifikasi dan ukuran-ukuran lainnya.

Berikut ini adalah beberapa masa peralihan di BPS yaitu :

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, kantor Statistik pertama kali didirikan oleh Direktur

Pertanian, Kerajinan dan Perdagangan (Directur Vand Land Bouw Nijeverheid En

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

mempublikasikan data statistik.

Pada bulan 1923, dibentuk suatu komisi untuk statistik yang anggotanya

merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk

merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai

(37)

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama

Central Kantor Vor De Statistik ( CKS) atau kantor statistik dan dipindahkan ke

Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme statistik perdagangan

yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijsnsen (IUA) yang

sekarang disebut kantor Bea Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944 pemerintahan Jepang baru mengaktifkan kembali kegiatan

statistik yang utamanaya diarahkan untuk memenuhi kebutuhan perang atau militer.

Pada masa ini CKS diganti menjadi Shomubu Chosasitu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamsi Kemerdekaan Republik Indonesia (RI) tanggal 17Agustus 1945,

kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana

kemerdekaan yaitu KAPPURI. tahun 1946 kantor KAPPURI dipindahkan ke

Yogyakarta sebagai hasil perjanjian Linggar Jati. Sementara ini, pemerinathan

Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

Dengan surat menteri Perekonomian tanggal 1 Maret 1952 Nomor : P/44,

lembaga KPS berada dibawah ini dan tanggung jawab Menteri perekonomian.

(38)

18.009/MKPS dibagi menjadi dua bagian yaitu bagian research yaitu disebut sebagai

Afdeling A, dan bagian tata usaha yang disebut sebagai Afdeling B.

Dengan keputusan Presiden RI Nomor 131 Tahun 1957, kementerian Ekonomi

dipecah menjadi Kementerianan Perdaganagn dan Kementeriaan Perindustrian. Untuk

selanjutnya keputusan Presiden RI Nomor 172 Tahun 1957, terhitung sejak tanggak 1

Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada masa pemerintahan Orde Baru khususnya untuk memenuhi kebutuhan

perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang

handal, lengkap, tepat, akaurat dan terpercaya mulai diadakan pembenaran organisasi

Biro Pusat Statistik.

Dalam masa orde baru ini Badan Pusat Satistik telah mengalami empat kali

perubahan struktur Organisasi yaitu :

a) Peraturan Pemerintah Nomor : 16 tahun 1968 tentang organisasi Badan

Pusat Statistik

b) Peraturan Pemerintah Nomor : 6 tahun 1980 tentang organisasi Badan

Pusat Statistik

c) Peraturan Pemerintah Nomor : 2 tahun 1992 tentang kedudukan, tugas,

(39)

d) Undang-undang Nomor : 16 tahun 1997 tentang statistik

e) Keputusan Presiden Indonesia Nomor : 86 tahun 1998 tentang Badan Pusat

Statistik

f) Keputusan KEPALA Badan Pusat Statistik Nomor : 100 tahun1998

tentang organisasi dan tenaga kerja Badan Pusat Statistik

g) Peraturan Pemerintah Nomor : 51 tahun 1999 tentang penyelenggaran

statistik.

Tahun 1968, ditetapakan Peraturan Pemerintah Nomor 16 tahun 1968 yaitu

yang mengatur organisasi dan tata kerja di pusat dan didaerah. Tahun 1980 peraturan

pemerintah Nomor 6 tahun 1980 tentang organisasi sebagai pengganti peraturan

pemerintah Nomo: 6 tahun 1980 di tiap provinsi terdapat perwakilan Badan Pusat

Statistik dengan nama Kantor Statistik Provinsi dan di Kabupaten atau Kotamadya

terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997

menetapakan tentang statistik sebagai pengganti Undang-undang Nomor : 6 dan 7

tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan Presiden

Nomor 86 tahun 1998 ditetapkan Biro Pusat Statistik sealigus mengatur tata kerja dan

struktur organisasi Badan Pusat Statistik yang baru.

(40)

a. Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadiakan informasi statistik sebagai

tulang punggung informasi pembangunan nasional dan regional, didukaung

sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi

yang mutakhir.

b. Misi Badan Pusat Statistik

Dalam perjuangan pembangunan nasioanl Badan Pusat Statistik mengembangkan

misi mengarahkan pembangunan statistik pada penyajian dan statistik yang

bermutu dan handal, efektif dan efisien, peningkatan kesadaran masyarakat akan

arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan

kegiatan langsung dengan instansi sosial yang terjadi diantara individu-individu dalam

rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. Struktur organisasi

perusahaan merupakan salah satu faktor penting uang mempengaruhi tingkat

keberhasilan suatu perusahaan dalam mencapi suatu tujuan yang ditetapkan.Dengan

(41)

Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah

struktur organisasi ini dan staf. Struktur ini mengandung unsur-unsur spesialisasi

kerja, standardisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan

keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan

keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat

Statistik (BPS) Propinsi Sumatera Utara adalah :

a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai

departemen dan kegiatan-kegiatan yang saling berhubungan satu sama lain.

b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

c. Pembuatan keputusan yaitu membuat keputusan–keputusan dan mengamati

bagaimana pelaksanaan dari keputusan tersebut.

Adapun bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera

Utara adalah sebagai berikut :

Peraturan Presiden Republik Indonesia Nomor: 86 tahun 1998 ditetapkan Badan

Pusat Statistik sebagaiman dalam lampiran dalam organisasi Kantor Badan Pusat

Statistik Propinsi Sumatera Utara dipimpin seorang Kepala Kantor.

Kepala kantor dibantu bagian tata usaha yang terdiri dari :

a. Sub Bagian Urusan Dalam

b. Sub Bagian Pelengkapan

(42)

d. Sub Bagian Kepegawaian

e. Sub Bagian Bina Potensi/ Bina Program

Sedangkan Bidang Penunjang Statisik terdiri dari lima bidang yaitu :

1. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan Statisik

Pertanian, Industri, Komstruksi Pertambangan dan Energi.

2. Bidang Statistik Distribusi

Bidang Statistik Distribusi mentmpunyai tugas untuk melaksanakan kegiatan statistik

konsumen dan perdagangan besar, statistik keuanagan dan harga produsen serta niaga

dan jasa.

3. Bidang Statistik Sosial

Bidanag Statistik kependudukan mempunyai tugas yaitu melaksanakan kegiatan

demogarafi dan rumah tangga, ketenagakerjaan, serta statistik kesejahteraan.

4. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)

Penyiapan data, penyusuanan sistem, dan program serta operasional pengolahan data

(43)

5 Bidang Neraca Wilayah dan Analisis Statistik

Mempunyai tugas untuk penyusunan neraca produksi, neraca konsumsi, dan

akumulasi penyajian analisis serta kegiatan penerapan statistik.

3.4 Tugas dan Wewenang Masing- masing Bagian di Badan Pusat Statistik

3.4.1 Bidang Tata Usaha

a. Menyusun program kerja tahun bidang

b. Mengatur dan melaksanakan penghimpunan barang dan penyusunan program

kerja tahunan baiak rutin maupun proyek kantor statistik propinsi dan

menyampaikan ke Badan Pusat Statistik.

c. Mengatur dan melaksanakan urusan dalam yang meliputi surat-surat

penggandaan atau percetakan, kearsipan, rumah tangga dan pemeliharaan

gedung keamanan dan lingkungan serta perjalanan dinas maupun luar negeri.

d. Mengatur dan melaksanakan urusan perlrmgkapan dan pebekalan ynag

meliputi penyusunan, penyimpanan atau penggudangan, invetarisasi dan

penghapusan serta pemeliharaan perlengkapan.

e. Mengatur dan melaksankan urusan dan keuangan yang meliputi tata usaha

(44)

f. Mengatur dan melaksanakan urusan dan mutasi pegawai, pembinaan pegawai,

kesejahteraan pegawai, administrasi jabatan dan fungsional, hukum, organisasi

tata laksana serta penyajian.

g. Menyusun laporan kegiatan sevara berkala dan sewaktu-waktu.

h. Mengatur dan melaksanakan urusan penyelenggaraan berbagai pelatihan teknis

dan pelatihan administratif.

3.4.2 Bidang Statistik Produksi

a. Menyusun progaram kerja tahuna bidang yang meliputi kegiatan statistik

pertanian, industri, konstruksi energi dan statistik produksi lainnya yang

ditemuka n.

b. Mengatur keikutsertaan progaram pelatihan yang diselenggarakan oleh pusat

di bidang statistik produksi.

c. Mengatur dan mengkoordinasikan penyelenggaraan pelatihan petugas

lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya.

d. Membantu kepala kantor Badan Pusat Statistik atau pimpinan bagian proyek

untuk menyiapkan program pelatihan petugas lapangan.

e. Mengatur dan melaksanakan penjathan dan pengawasan lapangan terhadap

(45)

f. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil

pengumpulan data statistik produksi.

g. Bersama-sama dengan bidang pengolahan data, mengatur dam menyiapkan

data statistik produksi melalui komputer sesuai ynag diterapkan.

h. Mengatur dan melaksanakan evaluasi hasil kerja kegiatan statistik produksi.

i. Mengatur dan menyiapkan hasil pengolahan statistik produksi yang akan

dikirim ke pusat melalui komputer sesuai dengan jadwal yang ditentukan.

j. Menbantu kepala kantor Badan Pusat Statistik melakukan pembinaan secara

teratur petugas pencacah, pengawas dan pemeriksaan pengumpulan data

statistik produksi, kabupaten, kotamadya maupun kecamatan.

3.4.3 Bidang Statistik Distribusi

a. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik

pertanian, industri, konstruksi energi dan statistik produksi lainnya yang

ditemuka n.

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat

dibidang statistik produksi.

c. Mengatur dan mengkoordinasikan penyelenggaraan pelatihan petugas

(46)

d. Membantu kepala kantor Badan Pusat Statistik Propinsi atau pimpinan bagian

proyek untuk menyiapkan program petugas lapangan.

e. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap

pelakasanaan terhadap statistik distribusi.

3.4.4 Bidang Pengolahan Data

a. Menyusun program kerja tahunan bidang

b. Meneliti jenis data yang diolah melalui komputer dan bersama-sama dengan

bidang yang bersangkutan serta menentukan sistem pengolahan dengan

komputer

c. Mengatur pembuatan sistem dan program pelaksanaan penyiapan data dan

operasi pengolahannya.

d. Mengatur dan melaksanakan penerimaan dokumen yang diolah dengan

komputer

e. Mengatur dan melaksanakan tugas yang langsung diberikan atasan.

3.4.5 Bidang Statistik Kependudukan

(47)

b. Melaksanakan kegiatan statistik demografi dan rumah tangga,

ketengakerjaan, kesejahteraan rakyat dan statistik kependudukan lainnya

yang ditentukan.

c. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk

pelaksanaan lapangan.

d. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan

terhadap pelaksanaan kegiatan statistik kependudukan.

e. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik

kependudukan melalui komputer sesuai dengan jadwal yang telah

ditentukan.

3.4.6 Bidang Neraca Wilayah dan Analisa

a. Menyusun program kerja tahunan

b. Menyusun dan melaksanakan penerangan kegiatan statistik kepada

(48)

BAB 4

ANALISIS DATA

4.1 Data yang Dibutuhkan

Tabel 4.1 Data Nilai Penjualan Energi Listrik

di PT PLN (Persero) Cabang Medan

No Tahun

Nilai Penjualan (Rp.000.000)

1 1997 320596

2 1998 392358

3 1999 443264

4 2000 631205

5 2001 801558

6 2002 1037979

(49)

8 2004 1244537

9 2005 1304708

10 2006 1439858

11 2007 1519338

Sumber :BPS

Dari data di atas, maka dapat disusun Tabel Nilai Penjualan Energi Listrik di PT PLN

(Persero) Cabang Medan dan Jumlah Kuadratnya Sebagai berikut:

Tabel 4.2 Jumlah Sampel dan Kuadratnya

Sumber : Perhitungan

Untuk memenuhi apakah data yang sudah diperoleh tersebut memenuhi syarat

untuk dianalisa, maka dilakukan pengujian sebagai berikut :

∑

Xt = 10.221.956

6 2002 1037979 1077400404441

7 2003 1086555 1180601768025

8 2004 31244537 1548872344369

9 2005 1304708 1702262965264

10 2006 1439858 2073191060164

11 2007 1519338 2308387958244

(50)

Time Series Plot

Gambar 4.1 Plot Data Jumlah Penjualan Energi Listrik dari tahun 1997 sampai 2007

4.2 Analisa Deret Berkala Nilai Penjualan Energi Listrik Cabang Medan

Untuk menganalisa data deret berkala, pertama kalinya kita harus memplot data pada

tabel 4.1 secara grafis, sesudah memplot deret berkala untuk pemeriksaan secara

visual, maka alat statistik yang utama adalah koefisien autokorelasi (rk). Statistik ini

menggambarkan hubungan antara suatu deret berkala dengan deret berkala itu sendiri

pada kelambatan waktu (lag time) k periode.

Bentuk visual dari suatu plot dari suatu plot deret berkala sering kali cukup

untuk meyakinkan para peramal (forecast) bahwa data tersebut adalah stationer atau

tidak stationer dengan demikian plot autokorelasi data memperlihatkan

ketidakstationeran.

Tampilan plot data nilai penjualan energi listrik diatas menunjukkan bahwa

(51)

koefisien autukorelasi dari data tabel 4.1 pada berbagai time lag. Dengan

menggunakan rumus :

Nilai- nilai autokorelasi data nilai penjualan energi listrik :

(52)

=

Dengan demikian, maka autokorelasi untuk time lag ke 3 dan seterusnya dapat kita

peroleh dari persamaan tersebut. Maka dengan cara yang sama akan diperoleh

koefisien autokorelasi berikut :

Tabel 4.4 Nilai Koefisien Korelasi

Tabel 4.3 Nilai Autokorelasi Data Penjualan Listrik

No Xt X t+1 Xt -X Xt+1 -X (Xt -X )( Xt+1 -X ) (Xt -X )

2

1 320596 -608672.73 370482492245.65

(53)

Sumber: Perhitungan

Dari data analisis deret berkala

dengan autokorelasi serta nilai-nilai

autokorelasi data nilai penjualan listrik

dapat dilihat bahwa pola trend linier serta

menunjukkan bahwa data tersebut tidak

stationer. Maka dapat diplot autokorelasi

data pertumbuhan nilai penjualan listrik

setelah dicari autokorelasinya.

Time Lag r

1 0.76

2 0.50

3 0.22

4 -0.03

5 -0.22

6 -0.36

7 -0.43

8 -0.42

9 -0.33

(54)

-0.6

Gambar 4.2 Distribusi koefisien autokorelasi data asli

Dari plot autokorelasi data diatas dapat dilihat trend searah diagonal, bersama

dengan jumlah time lag dimana nilai-nilai korelasi menurun secara perlahan-perlahan

dan berkorelasi satu sama lain. Dan dapat menyakinkan peramal dalam menganalisa

adanya kestasioneran atau ketidakstasioneran data.

Adapun kesalahan standar (Se)rk =

11 1

= 0.3015

Dengan tingkat kepercayaan 95% dari seluruh koefisien berdasarkan sampel

harus terletak dalam daerah tengah ditambah atau dikurangi 1.96 kali kesalahan

standar. Dengan demikian suatu deret data dapat dituliskan dengan :

-1.96 (0.3015) ≤ rk≤ 1.96 (0.3015 )

(55)

Nilai koefisien autokorelasi time lag 1 berada di luar rentang, jadi berbeda

secara signifikan dari nol, yang berarti ada hubungan yang signifikan antara nilai suatu

variabel dengan nilai varaibel itu sendiri dengan time lag suatu periode yang

menunjukkan pola trend.

4.3 Identifikasi Model Peramalan

Berdasarkan analisa deret berkala dengan memplot data serta nilai-nilai autokorelasi

dari data Nilai Penjualan Listrik Cabang Medan, maka dapat dilihat plot datanya

adalah pola trend dalam data.

Jadi, jika pola menunjukkan trend maka kita dapat menggunakan peramalan

Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown.

4.4 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown

(56)

Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1)

dengan peramalan (forecasting) berdasarkan metode pemulusan eksponensial satu

paremeter dari Brown.

Untuk memenuhi perhitungan Smoothing pemulusan ganda, tunggal 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

tetapan perhitungan dengan mengkuadratkan masing kesalahan untuk

masing-masing item dalam sebuah susunan data dan kemudian memperoleh rata-rata atau nilai

tengah kuadrat tersebut dan kemudian dicoba nilai α yang lain.

Untuk menghitung MSE pertama dicari error terlebih dahulu yang merupakan

hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadaratkan dan dibagi

dengan banyaknya error. Secara matematis rumus MSE (Mean Square Error) sebagai

berikut :

MSE =

N et

N t

∑

₌₁ 2

Tabel 4.5 Menentukan MSE dengan menggunakan α = 0.1

Xt S't S"t at bt Ft+m e e2

320596 320596 320596

392358 327772.2 321313.6 334230.8 717.62

(57)

Untuk α = 0.1

Tabel 4.6 Menentukan MSE dengan menggunakan α = 0.2

631205 368509.7 327653.9 409365.6 4539.535 357329.1 273875.86 75007986690.74 801558 411814.6 336070 487559.1 8416.064 413905.1 387652.912 150274780182.08 1037979 474431 349906.1 598955.9 13836.1 495975.2 542003.795 293768113794.40 1086555 535643.4 368479.8 702807 18573.73 612792 473762.972 224451353903.58 1244537 606532.8 392285.1 820780.4 23805.29 721380.7 523156.276 273692489279.32 1304708 676350.3 420691.6 932008.9 28406.52 844585.7 460122.29 211712521322.70 1439858 752701.1 453892.6 1051510 33200.94 960415.5 479442.537 229865146735.65 1519338 829364.8 491439.8 1167290 37547.22 1084710 434627.513 188901074992.54

Jumlah 1659405736104.37

Xt S't S''t at bt Ft+m e e2

(58)

Untuk α = 0.2

443264 356611.5 330095.5 383127.6 6629.008 349300.8 93963.2 8829082954.24 631205 411530.2 346382.4 476678 16286.95 389756.6 241448.4 58297349178.43 801558 489535.8 375013.1 604058.4 28630.67 492964.9 308593.1 95229674211.42 1037979 599224.4 419855.4 778593.5 44842.26 632689.1 405289.9 164259893315.05 1086555 696690.5 475222.4 918158.7 55367.03 823435.7 263119.3 69231747593.09 1244537 806259.8 541429.9 1071090 66207.49 973525.7 271011.3 73447122351.46 1304708 905949.5 614333.8 1197565 72903.92 1137297 167410.7 28026357009.49

1439858 1012731 694013.3 1331449 79679.47 1270469 169389 28692619859.21

1519338 1114053 778021.1 1450084 84007.85 1411129 108209.5 11709287371.72

(59)

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan α

yang memberikan MSE yang terkecil/minimum. Perbandingan ukuran ketepatan

metode peramalan peningkatan nilai penjualan listrik di Medan dengan melihat MSE

sebagai berikut :

Tabel 4.7 Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE

0.1 184378415122.71

0.2 59747014871.57

0.3 25611738345.94

0.4 14434934247.30

0.5 9800681546.21

0.6 7639548895.71

0.7 6785831240.99

0.8 6866282740.62

0.9 7842471600.47

Dari tabel 4.7 diatas dapat dilihat yang menghasilkan nilai MSE yang paling

kecil atau minimum yaitu pada nilai parameter pemulusan α = 0.7 yaitu dengan MSE

(60)

Tabel 4.8 Pemulusan Eksponensial Linier Satu Paremeter dari Brown

Dengan Menggunakan α = 0.7 Pada Nilai Penjualan Energi Listrik

( Dalam Rupiah) DI PT.PLN Cabang Medan

Ukuran ketepatan Metode Peramalan dengan α = 0.7

g. ME (Mean Error) / Nilai Tengah Kesalahan

ME =

443264 421533.6 401801.35 441265.9 46041.97 421062.8 22201.2 492893281.44

631205 568303.6 518352.91 618254.3 116551.6 487307.86 143897.1 20706386900.18 801558 731581.7 667613.05 795550.3 149260.1 734805.824 66752.18 4455853000.73 1037979 946059.8 862525.78 1029594 194912.7 944810.437 93168.56 8680381131.48 1086555 1044406 989842.24 1098971 127316.5 1224506.558 -137951.6 19030632365.66 1244537 1184498 1126101.2 1242895 136258.9 1226287.105 18249.89 333058649.48 1304708 1268645 1225881.8 1311408 99780.66 1379153.423 -74445.42 5542121016.49 1439858 1388494 1339710.4 1437278 113828.6 1411188.744 28669.26 821926219.57 1519338 1480085 1437972.5 1522197 98262.1 1551106.359 -31768.36 1009228603.88

(61)

h. MSE (Mean Square Absolut Error) / Nilai Tengah Kesalahan Kuadrat

MSE =

i. MAE (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut

MAE =

j. MPE (Mean Percentage Error) / Nilai Tengah Kesalahan Persentase

(62)

k. MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase

Absolut

4.4.2 Penentuan Bentuk Persamaan Peramalan

Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0<α<1

dengan cara trial and error didapat peremeter dari hitungan peramalan pemulusan

(smoothing eksponensial linier satu paremeter dari Brown dengan α =0.7)

Perhitungan pada tabel 4.8 di atas didasarkan α =0.7 dan ramalan untuk satu

periode kedepan yaitu dalam perhitungan periode ke 12. Seperti yang sudah dijelaskan

pada bab 2 (landasan teori) persamaan yang dipakai dalam perhitungan peramalan ini

(63)

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun

berikutnya dengan bentuk persamaan peramalan :

Ft+ m = 1522197 + 98262,1 (m)

4.5 Peramalan Nilai Penjualan Energi Listrik

Setelah diketahui bahwa error yang terdapat pada model peramalan bersifat random,

maka dilakukan peramalan nilai penjualan energi listrik untuk tahun 2008 sampai

dengan tahun 2010 dengan menggunakan rumus :

Ft+ m = 1522197 + 98262,1 (m)

Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat

dihitung untuk 3 periode ke depan yaitu untuk tahun 2008 sampai dengan tahun 2010

seperti yang tertera dibawah ini.

a. Untuk periode 12 (Tahun 2008)

Ft+ m = 1522197 + 98262,1 (m)

F11+ 1 = 1522197 + 98262,1 (1)

(64)

b. Untuk periode 12 (Tahun 2009)

Ft+ m = 1522197 + 98262,1 (m)

F11+ 2 = 1522197 + 98262,1 (2)

F13 = 1718721,2

c. Untuk periode 12 (Tahun 2010)

Ft+ m = 1522197 + 98262,1 (m)

F11+ 3 = 1522197 + 98262,1 (3)

F14 = 1816983,3

Tabel 4.9 Peramalan Nilai Penjualan Listrik( Dalam Rupiah ) di PT PLN

(PERSERO) Cabang Medan Tahun 2008-2010

Tahun Periode Forecasting (Rp.000.000)

2008 12 1620459.1

2009 13 1718721.2

(65)

BAB 5

IMPLEMENTASI SISTEM

5.1 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar elektronik (spread sheet) dari

program paket Microsoft Office Excel merupakan salah satu software pengolah angka

yang cukup digunakan di dunia. Excel merupakan produk unggulan dari Microsoft

Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang

berbentuk angka, dihitung, diproyeksikan, dianalisa, dan dipresentasikan data pada

lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai dari

versi4,versi 5, versi 97, versi 2000 dan excel 2003.

Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom

diberi nama dengan huruf mulai A,B, C,…..Z. Kemudian dialanjutkan AA, AB,AC

sampai kolom IV. Sedangakan baris ditandai dengan angak mulai dari 1,2,3…sampai

angka 65536.

Excel 2003 hadir dengan berbagai penyempuranan, tampil lebih terintegrasi

(66)

Acces, Powerpoint. Keunggulan program spreadsheet ini adalah mudah dipakai,

fleksibel, mudah terintegarasi dengan aplikasi berbasis windows.

5.2 Langkah-langkah Memulai Pengolahan Data dengan Excel

Sebelum mengoperasikan software ini, pastikan bahwa pada komputer terpasang

program Excel. Langkah-langkah sebagai berikut :

a. Klik tombol start

b. Pilih program dan klik Microsoft Excel

(67)

Gambar 5.1 Tampilan Lembar Kerja Excel

Data tiap tahun pada tiap kolom pertama untuk periode, tahun dan data nilai penjualan

(68)

Gambar 5.2 Tampilan Lembar Kerja Excel Dalam Menentukan Besarnya

Peramalan

Dari data di atas dapat menentukan besarnya forecast dengan α= 0.7. Dan untuk setiap

perhitungan akan diberi nama tiap kolom seperti beikut ini :

1. Pada kolom ke empat ditulis keterangan dengan S't

2. Pada kolom ke lima ditulis keterangan dengan S"t

3. Pada kolom ke enam ditulis keterangan dengan at

4. Pada kolom ke tujuh ditulis keterangan dengan bt

5. Pada kolom ke delapan ditulis keterangan dengan forecast