Peramalan Tingkat Kebutuhan Beras Pada Tahun 2008 Di Kabupaten Tapanuli Selatan

(1)

PERAMALAN TINGKAT KEBUTUHAN BERAS

PADA TAHUN 2008

DI KABUPATEN TAPANULI SELATAN

SAMIRA SIREGAR

052407082

PROGRAM STUDI D-3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

PERSETUJUAN

Judul : PERAMALAN TINGKAT KEBUTUHAN

BERAS TAHUN 2008 DI KABUPATEN TAPANULI SELATAN

Kategori : TUGAS AKHIR

Nama : SAMIRA SIREGAR

Nomor Induk Mahasiswa : 052407082

Program Studi : DIPLOMA III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS

SUMATERA UTARA

Disetujui di

Medan, Februari 2008

Diketahui / Disetujui oleh

Departemen MatematikaFMIPA USU Pembimbing

Dr. Saib Suwilo, M. Sc Drs. Marwan Harahap, M. Eng

(3)

PERNYATAAN

PERAMALAN TINGKAT KEBUTUHAN BERAS PADA TAHUN 2008 DI KABUPATEN TAPANULI SELATAN

TUGAS AKHIR

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

Medan, Juni 2008

(4)

PENGHARGAAN

Puji dan syukur penulis panjatkan kehadirat Allah SWT, karena atas berkat dan rahmat-Nya sehingga penulis dapat menyusun dan menyelasaikan Tugas Akhir ini dengan baik.

(5)

DAFTAR ISI

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vii

Daftar Gambar viii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Identifikasi Masalah 2

1.3 Batasan Masalah 3

1.4 Maksud dan Tujuan Penelitian 3

1.5 Manfaat Penelitian 4

1.6 Metodologi Penelitian 4

1.6.1 Teknik Pengumpulan Data 4

1.6.2 Lokasi dan Waktu Penelitian 5

1.6.3 Metode Pengolahan Data 5

1.7 Tinjauan Pustaka 6

1.8 Sistematika Penulisan 8

BAB 2 LANDASAN TEORI 10

2.1 Produksi Beras 10

2.2 Kebutuhan Beras 11

2.3 Peramalan 11

2.3.1 Pengertian Peramalan 11

2.3.2 Jenis Peramalan 12

2.3.3 Manfaat Peramalan 13

2.3.4 Menentukan Peramalan yang Akurat 14

2.3.5 Pemilihan Teknik Peramalan 14

2.4 Metode Laju Pertumbuhan Geometri 15

2.5 Metode Pemulusan Smoothing 16

BAB 3 SEJARAH SINGKAT BADAN KETAHANAN PANGAN 19

3.1 Sejarah Perkembangan Badan Ketahanan Pangan 19

(6)

3.1.5 Lokasi Badan Ketahanan Pangan 23

3.2 Struktur Organisasi Badan Ketahanan Pangan 23

3.2.1 Gambar Struktur Organisasi Badan Ketahanan Pangan 25

BAB 4 ANALISIS DAN EVALUASI 26

4.1 Perhitungan Jumlah Penduduk

4.1.1 Perhitungan Laju Pertumbuhan Geometris Penduduk 28 4.2 Peramalan Produksi Beras 30 4.2.1 Perhitungan Peramalan Tingkat Produksi Beras Menggunakan

Metode eksponential smoothing dengan α = 0,1 32

4.2.2 Perhitungan Peramalan Tingkat Produksi Beras Menggunakan Metode eksponential smoothing dengan α = 0,3 37

4.3 Peramalan Kebutuhan Beras 52

4.3.1 Perhitungan Peramalan Tingkat Kebutuhan Beras Menggunakan

BAB 5 IMPLEMENTASI SISTEM 74

5.1 Microsoft Excel 74

5.2 Langkah-Langkah Memulai Pengolahan Data Dengan Excel 75

5.3 Tampilan Lembar Kerja Excel 76

5.4 Tampilan Input Data Produksi Beras Pada Lembar Kerja Excel 78 5.5 Tampilan Rumus Data Produksi Beras Pada Lembar Kerja Excel 81 5.6 Tampilan input Data Kebutuhan Beras Pada Lembar Kerja Excel 82 5.7 Tampilan Rumus Data Kebutuhan Beras Pada Lembar Kerja Excel 85

BAB 6 KESIMPULAN DAN SARAN 86

6.1 Kesimpulan 86

6.2 Saran 87

DAFTAR PUSTAKA 88

(7)

DAFTAR TABEL

Tabel 4.1 Jumlah Penduduk di Kabupaten Tapanuli Selatan 27

Tabel 4.1.2 Perhitungan Laju Geometris Penduduk 30

Tabel 4.2 Tingkat Produksi Beras di Kabupaten Tapanuli Selatan 31 Tabel 4.2.1 Peramalan dengan Double Exponential Smoothing (α = 0,1) 34

Tabel 4.2.1.1 Forecast dan Mean Squared Error (α = 0,1) 35

Tabel 4.2.2.1 Peramalan dengan Double Exponential Smoothing (α = 0,3) 39

Tabel 4.2.4.1 Peramalan dengan Double Exponential Smoothing (α = 0,9) 49 Tabel 4.2.4.2 Forecast dan Mean Squared Error (α = 0,9) 50

Tabel 4.3 Tingkat Kebutuhan Beras di Kabupaten Tapanuli Selatan 52 Tabel 4.3.1.1 Peramalan dengan Double Exponential Smoothing (α = 0,1) 56

(8)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pangan merupakan kebutuhan dasar manusia yang pemenuhannya merupakan hak

asasi setiap rakyat Indonesia dalam mewujudkan sumber daya manusia yang

berkualitas untuk pembangunan nasional. Ketahanan pangan dalam pengertian

pemenuhan kebutuhan pangan, diusahakan agar pangan selalu tersedia setiap saat dan

terjangkau harganya oleh masyarakat.

Pangan di Indonesia sangat identik dengan beras, karena selama ini beras

merupakan makanan utama sebagian besar bangsa ini.

Indonesia dikenal sebagai negara agraris karena sebagian besar masyarakatnya

bermata pencaharian di bidang pertanian. Pertanian yang banyak dikembangkan

adalah padi, bahkan tahun 1984-1985 Indonesia pernah menjadi negara swasembada

beras. Tetapi akhir-akhir ini Indonesia lebih dikenal sebagai salah satu negara

pengimpor beras terbesar di dunia. Hal ini disebabkan karena krisis ekonomi yang

berkepanjangan dan beberapa penyebab lainnya diantaranya semakin besarnya jumlah

penduduk, bencana alam, keterbatasan lahan produktif dan pola kosumsi

pangan/budaya makan masyarakat. Sehingga pemerintah mengeluarkan

undang-undang No. 7 tahun 1996, tentang pangan dan isinya antara lain mengatur mengenai

ketersediaan, keragaman, mutu, keamanan, termasuk di dalamnya mengenai sistem

(9)

Jumlah penduduk Indonesia yang semakin bertambah, yang diperkirakan

dengan laju pertambahan 1,60% per tahun dengan pertumbuhan produksi beras yang

hanya mencapai rata-rata 2,50% per tahun, maka kebutuhan beras pun belum

mencukupi kebutuhan beras nasional.

Oleh karena hal diatas, maka penulis merasa tertarik dan terdorong untuk

mengadakan penelitian tentang kebutuhan beras dengan judul “ PERAMALAN

TINGKAT KEBUTUHAN BERAS PADA TAHUN 2008 DI KABUPATEN

TAPANULI SELATAN“.

1.2 Identifikasi Masalah

Permasalahan penduduk yang terus meningkat, menyebabkan permintaan beras terus

meningkat pula. Karena beras merupakan kebutuhan pokok bagi bangsa Indonesia

pada umumnya dan masyarakat Tapanuli Selatan khususnya maka kecukupan

permintaan komoditi ini perlu diketahui dari waktu ke waktu.

Berdasarkan hal ini dapat dirumuskan masalah penelitian sebagai berikut :

1. Perhitungan jumlah penduduk yang dilakukan secara kasar yaitu tanpa

menghitung angka kematian dan migrasi.

2. Mengetahui tingkat kebutuhan beras di Kabupaten Tapanuli Selatan, dengan

menggunakan metode eksponensial ganda.

3. Mengetahui tingkat produksi beras di Kabupaten Tapanuli Selatan, dengan

(10)

TINJAUAN PUSTAKA

Disini penulis mencari literatur-literatur yang bersifat teoritis yang ada kaitannya

dengan penelitian, teori-teori yang digunakan :

1. Spyros Makridakis, Steven C. Wheel, Victor E. McGee.1999. Metode dan

Aplikasi Peramalan. Jalarta.: Penerbit Erlangga.

2. Manurung, Adler Haymans SE. 1990. Teknik Peramalan Bisnis dan Ekonomi.

Jakarta : Rineka Cipta.

3. Gitosudarmo, Indriyo dan Najmudin, Muhammad. 2001. Teknik Proyeksi

Bisnis. Yogyakarta : BPFE.

Adapun rumus yang digunakan untuk menghitung peramalan tingkat

kebutuhan beras dan tingkat produksi beras di Kabupaten Tapanuli Selatan adalah

dengan menggunakan metode Double Exponensial Smoothing Brown.

Adapun rumus yang penulis gunakan yaitu :

(

)

(

)

(

)

( )

m

b

a

F

S

b

S

a

S

X

S

t t m t t t t t t t t t t t t

+

=

′

−

′

−

=

′

−

′

=

′

−

+

′

=

′

−

+

=

′

+ − −

α

1

2

1

1 1 Keterangan :

S`t : Smoothing pertama periode t

S`t-1 : Smothing pertama periode t-1

Xt : Nilai riil periode t

(11)

S``t-1 : Smoothing kedua periode t-1

at : Konstanta

bt : Slope

Ft+m : Forecast

m : Jumlah periode di depan yang diramalkan.

4. Mantra, I. Bagoes. 2000. Demografi Umum. Yogyakarta : Pustaka Pelajar.

penulis megutip rumus untuk menghitung jumlah penduduk dengan metode

laju pertumbuhan geometri. Dimana metode berguna untuk menghitung

pertumbuhan penduduk secara garis besar (kasar), tanpa menghitung angka

kematian dan migrasi.Adapun rumusan yang dipergunakan adalah:

(

)

t

o

t

P

r

P

=

1

+

Po : Jumlah penduduk pada tahun dasar.

Pt : Jumlah penduduk pada tahun t.

t : Jangka waktu (dalam banyaknya tahun).

r : rata – rata laju pertumbuhan penduduk per tahun.

Dengan menggunakan rumus diatas maka jumlah penduduk tahun 2008 dapat

diperkirakan.

F. TUJUAN PENELITIAN

Tujuan dari penelitian ini adalah : Meramalkan jumlah penduduk untuk produksi beras

dalam memenuhi kebutuhan beras di Kabupaten Tapanuli Selatan pada Tahun 2008.

(12)

Penelitian ini dilakukan dapat memberikan kontribusi penelitian antara lain:

1. Memberikan masukan yang bermanfaat bagi mahasiswa-mahasiswa Statistika

yang ada di Fakultas Matematika dan Ilmu Pengetahuan Alam khususnya.

2. Untuk menambah pengetahuan penulis dan mengaplikasikan teori-teori yang

telah didapat oleh penulis semasa dibangku perkuliahan.

3. Bagi pihak Badan Ketahanan Pangan, dapat bermanfaat sebagai masukan

dalam mengambil keputusan.

4. Agar dapat bermanfaat kepada para pembaca sebagai salah satu referensi untuk

mengaplikasikannya dalam kehidupan sehari-hari.

H. METODE PENELITIAN

Untuk mendukung penyusunan Tugas Akhir, maka penulis membutuhkan data-data

yang diperoleh melalui serangkaian tinjauan, penelitian, riset maupun pengembalian

data. Dalam riset tersebut penulis menggunakan beberapa metode diantaranya :

1. Metode penelitian keperpustakaan (Studi literature)

Dalam hal ini pengumpulan data serta keterangan – keterangan dapat

dilakukan dengan membaca serta mempelajari buku – buku ataupun literature

– literature pelajaran yang didapat diperkuliahan, serta sumber informasi

lainnya yang berhubungan dengan objek yang diteliti.

2. Metode Pengumpulan Data

(13)

1. Data Primer

2. Data Sekunder

Data primer adalah data yang diperoleh langsung dari sumbernya, diamati dan

dicatat untuk pertama kalinya. Data Sekunder adalah data yang bukan diusahakan

sendiri Pengumpulannya oleh peneliti.

Adapun data yang diperoleh untuk penulisan ini merupakan data sekunder

yang penulis peroleh dari Kantor Badan Ketahanatan Pangan Sumatera Utara. Data

yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk

angka – angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang

sekumpulan data tersebut.

3. Metode Analisa

Adapun pengolahan data dalam meramalkan jumlah penduduk menggunakan

metode laju pertumbuhan geometri. Sedangkan untuk menghitung tingkat

produksi beras dan tingka kebutuhan beras di Kabupaten Tapanuli Selatan

(14)

BAB 2

TINJAUAN TEORITIS

2.1 Produksi Beras

Dalam ekonomi Indonesia, pangan terutama beras, mempunyai peranan yang sangat

penting. Perkembangan harga beras secara langsung mempengaruhi biaya hidup

masyarakat. Demikianlah maka usaha untuk menjaga kemantapan harga beras

merupakan hal yang mutlak diperlukan guna untuk menjaga stabilitas ekonomi.

Faktor iklim dan faktor alamiah lainnya mempunyai pengaruh yang besar

terhadap produksi, sedangkan kemampuan manusia untuk mengetahui faktor – faktor

lainnya masih terbatas. Karena itu produksi pangan setiap tahunnya merupakan hal

yang tidak pasti, demikian pula harga beras.

Disebabkan oleh karena hal – hal tersebut diatas maka pemerintah berketetapan

untuk mempengaruhi harga beras di pasaran dengan jalan menguasai sejumlah

persediaan beras agar sewaktu – waktu dapat menyalurkan kedalam masyarakat

(15)

Dengan kebijakan tersebut pemerintah berusaha untuk menjaga agar harga beras

dapat dipertahankan pada suatu tingkat yang wajar, dalam arti di satu pihak cukup

tinggi untuk memberikan imbalan yang layak bagi para petani dan dapat merangsang

kenaikan produksi, sedangkan dipihak lain cukup rendah untuk tetap berada dalam

jangkauan daya beli masyarakat banyak.

2.2 Kebutuhan Beras

Kebutuhan merupakan sesuatu harapan, ataupun keinginan yang harus dicukupi

dimana keinginan itu merupakan suatu hal yang penting dalam membantu

melancarkan kehidupan.

Kebutuhan beras adalah salah satu bagian dari kebutuhan primer. Yang mana

bila kebutuhan primer tersebut diabaikan maka kelangsungan hidup seseorang tersebut

dapat terganggu. Seperti yang telah kita ketahui beras merupakan kebutuhan pokok

bagi bangsa kita.

Dengan demikian dapat disimpulkan bahwa kebutuhan beras sangat penting

untuk diketahui, untuk itulah penulis ingin mengetahuinya. Karena kebutuhan beras

sangat erat terhadap tingkat produksi.

2.3 Peramalan

(16)

Peramalan (Assauri, Sofyan. 1991) adalah kegiatan untuk memperkirakan apa yang

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

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

dapat didasarkan atas bermacam – macam cara yaitu: metode pemulusan

eksponensial, atau rata – rata bergerak, metode box – jekins, metode regresi, semua itu

dikenal dengan metode peramalan.

Metode peramalan ( Spyros Makridakis) adalah 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 objektif.

2.3.2 Jenis Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara

melihatnya. Apabila dilihat dari sifat teknik peramalan maka peramalan dapat

dibedakan menjadi 2 (dua) macam yaitu :

1. Peramalan kuantitatif

Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif

pada masa lalu. Peramalan kuantitatif sangat mengandalkan pada data histories

yang dimiliki. Hasil peramalan yang dibuat sangat tergantung pada metode

yang digunakan dalam peramalan tersebut. Peramalan kuantitatif dapat dibagi

dalam deret berkala (time series) dan peramalan kausal.

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi sebagai

(17)

1. Adanya informasi tentang masa lalu.

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.

3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa

lalu akan terus berlanjut dimasa yang akan datang.

2. Peramalan kualitatif

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif

pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang

yang menyusunnya. Hal yang terpenting karena hasil peramalan tersebut

ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan

pengetahuan dari orang yang menyusunnya.

2.3.3 Manfaat Peramalan

Kualitas dan mutu hasil peramalan sangat ditentukan oleh proses pelaksanaan

penyusunannya. Peramalan yang baik yakni Peramalan yang menghasilkan

penyimpangan antara hasil peramalan dengan kenyataan sekecil mungkin.

Peranan Peramalan sangat membantu di bidang – bidang lain yang

membutuhkan, maka peramalan dapat digunakan untuk:

1. Dasar utama untuk membuat suatu perencanaan, agar perencanaan itu sesuai

dengan tingkat kemampuan yang telah ada.

2. Sebagai dasar pembanding dari hasil kerja yang nyata, dengan hasil peramalan

(18)

apa yang manjadi penyebabnya akan dicari dan dilakukan perbaikan atau

koreksi.

Peramalan tingkat produksi beras adalah melihat kedepan akan hasil dari produksi

beras tersebut dari tahun – tahun sebelumnya. Selain meramalkan tingkat produksi

beras, penulis juga melakukan peramalan perkembangan penduduk. Dimana

peramalan perkembangan penduduk ini berguna untuk melihat kebutuhan penduduk

akan kebutuhan konsumsi beras.

2.3.4 Menentukan Peramalan yang Akurat

Hasil peramalan yang mendekati kenyataan merupakan ramalan yang memiliki

kesalahan (eror) yang minimal.

Ada dua hal pokok yang harus diperhatikan agar suatu ramalan menjadi akurat

yaitu:

1. Tersedianya data yang relevan

Tahap pertama dari proses peramalan adalah pengumpulan data. Suatu data

dapat ditinjau menurut jenisnya, sifatnya dan menurut sumbernya. Tidak

semua data yang diperoleh akan dapat digunakan dan relevan dengan tujuan

peramalan. Dan hasil akhir dari peramalan sangat tergantung pada tersedianya

data yang relevan.

2. Teknik peramalan

Hal pokok yang kedua yang sangat dipengaruhi terhadap kesuksesan

(19)

2.3.5 Pemilihan Teknik Peramalan

Dalam pemilihan teknik peramalan, pertama – tama perlu diketahui ciri – ciri penting

yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam

mempersiapkan peramalan (Spyros Makridakis).

Ada enam faktor utama yang diintensifikasikan dalam pemilihan teknik

peramalan yaitu:

1. Pola data

Pola data merupakan aspek utama yang sangat berpengaruh terhadap

pemilihan teknik peramalan. Suatu data yang memiliki pola trend (naik atau

turun) akan lebih tepat bila di forecast dengan teknik dekomposisi. Sedangkan

data yang memiliki pola fluktuatif akan lebih tepat bila di forecast dengan

teknik smoothing.

2. Jangka waktu

Ada dua aspek jangka waktu yang berhubungan dengan masing – masing

metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang,

keduanya adalah jumlah periode untuk peramalan yang diinginkan.

3. Biaya yang dibutuhkan

Umumnya ada empat unsur biaya yang tercakup di dalam penggunaan suatu

prosedur peramalan. Yaitu biaya – biaya pengembangan, penyimpanan data,

operasi pelaksanaan dan kesempatan dalam penggunaan teknik – teknik dan

metode lainnya.

(20)

Tingkat akurasi yang dibutuhkan sangat erat kaitannya dengan tingkat

perincian yang dibutuhkan dalam suatu peramalan.

2.4 Metode Laju Pertumbuhan Geometri

Tingkat pertumbuhan geometris adalah pertumbuhan penduduk bertahap, yaitu

dengan memperhitungkan pertumbuhan penduduk hanya pada akhir tahun dari suatu

periode. Metode ini menghitung pertumbuhan penduduk secara garis besar (kasar),

yaitu tanpa menghitung angka kematian dan migrasi (Ida Bagoes Mantra,Ph.D.2000)

Dengan memperhitungkan data diatas maka dapat digunakan suatu rumusan

untuk melakukan peramalan jumlah penduduk pada tahun 2008. Adapun rumusan

yang dipergunakan adalah dengan rumusan sebagai berikut:

(

)

t o

t

P

r

P

=

1

+

(

)

o t t P P r = + 1

maka 1

1 −         = t o t P P r Keterangan :

Po : Jumlah penduduk pada tahun dasar.

Pt : Jumlah penduduk pada tahun t.

t : Jangka waktu (dalam banyaknya tahun).

r : rata – rata laju pertumbuhan penduduk per tahun.

(21)

2.5 Metode Pemulusan (Smoothing)

Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan

penghalusan terhadap masa lalu, yaitu dengan mengambil rata – rata dari nilai

beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan.

Secara umum metode penghalusan (smoothing) diklasifikasikan menjadi dua

yaitu:

1. Metode rata –rata (moving average)

Dengan moving average (rata – rata bergerak) ini kita melakukan peramalan

dengan mengambil sekelompok nilai pengamatan, mencari rata – ratanya, lalu

menggunakan rata – rata tersebut sebagai ramalan untuk periode berikutnya.

Istilah rata – rata bergerak digunakan, karena setiap kali data pengamatan baru

tersedia, maka angka rata – rata yang baru dihitung, dan dipergunakan sebagai

ramalan.

Metode rata – rata bergerak dibagi atas empat bagian yaitu:

1. Nilai tengah (mean).

2. Rata – rata bergerak tunggal (Single Moving Average).

3. Rata – rata bergerak ganda (Double Moving Average).

4. Kombinasi rata – rata bergerak

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

mengembangkan suatu system peramalan pada periode mendatang.

2. Metode pemulusan (smoothing) eksponensial

Metode pemulusan (smoothing) eksponensial merupakan pengembangan dari

(22)

dilakukan dengan mengulang secara terus – menerus dengan menggunakan

data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang

lebih besar.

Bentuk umum dari metode pemulusan (smoothing) eksponensial ini adalah:

(

)

_t t

t

X

F

₊₁

=

α

+

1

−

α

Keterangan:

Ft+1 : ramalan satu periode ke depan

Xt : data actual pada periode t

Ft : ramalan pada periode t

α : parameter pemulusan (0<α<1)

Bila bentuk umum tersebut diperluas maka akan berubah menjadi:

( )

2

( )

1

2 1

1

−

1

−

...

1

−

+

=

+

−

+

−

+

−

tn

n t

t t

t

X

F

α

Matode ini terdiri atas:

3. Smoothing Eksponensial Tunggal.

a. Satu Parameter (one parameter).

b. Pendekatan Aditif (ARRES).

Digunakan untuk data yang bersifat stasioner dan tidak

menunjukkan pola atau trend.

4. Smoothing Eksponensial Ganda.

a. Metode Linier Satu Parameter dari Brown.

b. Metode Dua Parameter dari Holt.

(23)

a. Metode Kuadratik Satu Parameter dari Brown.

Digunakan untuk pola data kuadratik, kubik, atau orde yang

lebih tinggi.

b. Metode Kecendrungan dan Musiman Tiga Parameter dari

Winter.

4. Smoothing Eksponensial menurut Klasifikasi Pegels.

2.6 Metode Smoothing yang Digunakan

Peramalan dengan menggunakan metode exponensial smoothing atau disebut juga

metode eksponensial smoothing linier. Teknik ini digunakan untuk data runtun waktu

yang memiliki komponen trend yang linier. Pada teknik ini, jika parameter (α) tidak

mendekati nol, pengaruh proses awalnya secara cepat menjadi kurang berarti begitu

berlalu. Jika parameternya mendekati nol, proses awalnya dapat berperan penting

untuk beberapa periode ( Spyros Makridakis).

Metode smoothing (metode pemulusan) merupakan teknik meramal dengan

cara mengambil rata – rata dari nilai beberapa periode yang lalu untuk menaksir nilai

pada periode yang akan datang. Dalam metode ini data histories digunakan untuk

memperoleh angka yang dilicinkan atau diratakan. Dalam metode ini peramalan

dilakukakan dengan mengulang perhitungan secara terus – menerus dengan

(24)

Kelemahan dari metode ini adalah kurang fleksibel karena konstanta

penghalus terbaik untuk trendnya mungkin sama. Selain itu, dalam metode ini tidak

diperhitungkan komponen musim.

Rumus – rumus yang digunakan yaitu:

1. Menentukan Smooting Pertama

( )

S_t′ .

( )

St′ :αXt +

(

1−α

)

St′−1

( )

St′ : Smooting pertama pada periode t.

t

X : Nilai riil periode t.

1 −

′

t

S : Smoothing pertama periode t-1.

2. Menentukan Smoothing Kedua

( )

S_t′′ .

( )

St′′ : αSt′+

(

1−α

)

St′′−1

( )

St′′−1 : Smoothing kedua periode t-1

3. Menentukan Besarnya Konstanta (at).

at : 2St′−St′′

5. Menentukan Besarnya Slope (bt).

bt :

(

St′−St′′

)

−α α

1

6. Menentukan Besarnya Forecast (Ft+m).

Ft+m : at + bt (m)

(25)

Dengan menggunakan rumusan – rumusan diatas penulis melakukan

peramalan tingkat kebutuhan beras dan produksi beras 2008. Penulis memilih

rumusan tersebut adalah dengan melihat selisih produksi beras dan kebutuhan beras

dari setiap tahunnya tidak begitu konstan (naik turun). Sehingga peramalan produksi

beras dan kebutuhan beras dilakukan dengan metode pemulusan eksponensial ganda

untuk melicinkan / memuluskan ramalan dari tahun ke tahun (Indriyo Gitosudarmo,

M.Com.2001).

BAB 3

SEJARAH SINGKAT TEMPAT PENELITIAN

(26)

Pada orde baru program intensifikasi pertanian bertujuan untuk meningkatkan

produktivitas dan produksi beras menuju swasembada beras menuju swasembada

pangan. Untuk mewujudkan swasembada pangan dibentuk suatu wadah koordinasi

yang bersifat fungsional dari berbagai dinas instansi terkait baik dari pusat, propinsi,

kabupaten kota dan sampai ke tingkat desa yang disebut Badan Pengendali BIMAS

(Bimbingan Massal) di tingkat Pusat, Satuan Pembinaan BIMAS di tingkat Propinsi

dan Satuan Pelaksanaan BIMAS di tingkat Kabupaten, Satuan Penggerak BIMAS di

tingkat Kecamatan dan Desa. Wadah koordinasi ini ditetapkan berdasarkan Keputusan

Presiden di tingkat Pusat, Keputusan Gubernur di tingkat Propinsi, Keputusan

Bupati/Walikota di tingkat Kabupaten, Kecamatan, dan Desa. Untuk mendukung

wadah koordinasi yang bersifat fungsional tersebut, maka ditetapkan adanya

Sekretariat Pembina BIMAS di tingkat Proppinsi dan Sekretariat Pelaksana BIMAS di

tingkat Kabupaten/Kota yang dipimpin oleh seorang Sekretaris.

Seiring dengan perkembangan otonomi daerah maka seluruh lembaga

struktural yang bersifat vertikal, bergabung dan menyatu ke dalam lembaga struktural

dinas daerah. Sehingga dengan demikian seluruh lembaga struktural yang bersifat

vertikal yang ada selama ini tidak ada lagi, kecuali Lembaga Struktural yang

menangani Keuangan, Kehakiman Agama, Pertahanan Keamanan.

Mengingat wadah koordinasi yang bersifat fungsional yaitu: Satuan

Pembinaan BIMAS di tingkat Propinsi, Satuan Pelaksanaan BIMAS di tingkat

Kabupaten, dipandang tugas-tugasnya masih diperlukan dalam rangka peningkatan

(27)

dan Pemerintah Daerah (PEMDA) Sumatera Utara membentuk suatu badan yang

disebut Badan Ketahanan Pangan (BKP) oleh karena itu Badan Ketahanan Pangan ini

berperan sebagai Sekretariat Dewan Ketahanan Pangan yang sekaligus merupakan

transparansi dari Satuan Pembina Bimas.

Badan Ketahanan Pangan ini mempunyai tugas dan fungsi yang bersifat

koordinatif yang merupakan kesinambungan dari tugas dan fungsi koordinasi yang

diemban oleh Satuan Pembina BIMAS dan Satuan Pelaksana BIMAS pada era

pemerintahan orde baru. Seluruh institusi Badan Ketahanan Pangan menempati kantor

lama Kanwil Departemen Pertanian Propinsi Sumatera Utara dan kantor lama BIMAS

dan pegawainya berasal dari pegawai Sekretariat Satuan Pembinaan BIMAS dan

pegawai Kanwil Departemen Pertanian Sumatera Utara.

3.1.1 Visi Badan Ketahanan Pangan Propinsi Sumatera Utara

Visi Badan Ketahanan Pangan Propinsi Sumatera Utara :

“ Terwujudnya ketahanan pangan masyarakat yang berbasis kepada sumber daya lokal

yang dimiliki secara efesien dan berkelanjutan menuju masyarakat yang berkualitas

dan sejahtera. “

3.1.2 Misi Badan Ketahanan Pangan Propinsi Sumatera Utara

Misi Badan Ketahanan Pangan Propinsi Sumatera Utara :

1. Meningkatkan keberdayaan dan kemandirian masyarakat untuk mewujudkan

(28)

2. Meningkatkan kualitas sumber daya manusia dan kesejahteraan masyarakat.

3.1.3 Tugas Badan Ketahanan Pangan Propinsi Sumatera Utara

Tugas Badan Ketahanan Pangan Propinsi Sumatera Utara:

1. Sebagai salah satu Lembaga Teknis Daerah Perda No. 4 Tahun 2001,

membantu Kepala Daerah dalam pemeliharaan Ketahanan Pangan.

2. Sebagai Sekretariat Dewan Ketahanan Pangan SK GUBSU No.

188/44/250/KK/Thn 2002, membantu Gubernur dalam fasilitas pelaksanaan

koordinasi perumusan kebijakan dan program di bidang Ketahanan Pangan

yang meliputi aspek ketersediaan, distribusi, konsumsi, keamanan pangan, dan

melaksanakan pengendalian, monitoring dan evaluasi ketahanan pangan

daerah.

3.1.4 Fungsi Badan Ketahanan Pangan Propinsi Sumatera Utara

Badan Ketahanan Pangan Propinsi Sumatera Utara :

1. Mengkoordinasikan perumusan kebijakan dan perencanaan program

peningkatan ketahanan pangan daerah yang meliputi aspek-aspek sebagai

berikut:

a. Aspek ketersediaan yang bersumber dari produksi, cadangan dan

impor.

b. Aspek distribusi yang berbasis kepada stabilitas harga pangan, aman

(29)

c. Aspek konsumsi yang berbasis kepada penganekaragaman konsumsi

non beras, bermutu/bergizi dan aman.

2. Mengkoordinasikan monitoring program peningkatan ketahanan pangan

melalui Rapat Dewan Ketahanan Pangan, Rapat Kelompok Kerja guna

mengantisipasi dan memecahkan masalah yang dihadapi meliputi hal-hal

sebagai berikut:

a. Monitoring pelaksanaan kegiatan usaha tani.

b. Monitoring export/impor bahan pangan stategis.

c. Monitoring harga bahan pangan strategis lokal.

d. Monitoring pengadaan/penyimpanan/penyaluran cadangan makanan.

e. Monitoring kewaspadaan pangan (bencana alam dan gangguan OPT).

f. Monitoring daerah rawan pangan.

g. Monitoring penganekaragaman konsumsi bahan pangan.

h. Monitoring mutu dan keamanan pangan.

i. Supervisi yang terkoordinasi ke lapangan.

3. Melaksanakan peningkatan analisis dan pembinaan terhadap aspek-aspek

ketahanan pangan (ketersediaan, distribusi, penganeka ragaman konsumsi dan

kewaspadaan/keamanan pangan) yang meliputi:

a. Pelaksanaan DPH-LUEP.

b. Pengembangan lumbung pangan.

c. Pengembangan tunda jual.

d. Pengembangan pangan lokal.

e. Peningkatan pekarangan.

(30)

4. Memantau dan mengendalikan ketersediaan dan distribusi bahan pangan,

terutama 9 (sembilan) bahan pokok.

5. Mengkoordinasikan pelaporan dan evaluasi program peningkatan ketahanan

pangan yang meliputi aspek: ketersediaan, mutu, keamanan pangan.

3.1.5 Lokasi Badan Ketahanan Pangan Propinsi Sumatera Utara

Bangunan kantor Badan Ketahanan Pangan Propinsi Sumatrera utara seluas ± 1.276

m2 diatas tanah seluas 14.271,5 m2 yang terletak di Jl. Jendral Besar Dr. Abdul Haris

Nasution No. 24 Medan.

3.2 Struktur Organisasi Badan Ketahanan Pangan Propinsi Sumatera Utara.

Struktur Organisasi Badan Ketahanan Pangan Propinsi Sumatera Utara :

Badan Ketahanan Pangan Propinsi Sumatera Utara dipimpin oleh seorang Kepala

Badan (Eselon II/a) dan dibantu oleh 4 orang Pejabat Struktural Eselon III/a dan 14

orang Pejabat Eselon IV/a serta Kelompok Jabatan Fungsional (KJF) yakni:

1. Sekretariat :

a. Sub Bagian Keuangan.

b. Sub Bagian Umum.

c. Sub Bagian Hukum dan Organisasi.

2. Bidang Pengkajian Pangan :

a. Sub Bidang Pangadaan dan Cadangan Makanan.

(31)

c. Sub Bidang Pemberdayaan Kelembagaan Pangan.

d. Sub Bidang Analisis Harga Pangan.

3. Bidang Kewaspadaan Pangan dan Gizi :

a. Sub Bidang Monitoring dan Evaluasi Pangan.

b. Sub Bidang Sistem Informasi Manajemen Pangan.

c. Sub Bidang Rawan Pangan.

4. Bidang Penganekaragaman Konsumsi Pangan dan Sumber Daya :

a. Sub Bidang Pola Konsumsi Pangan.

b. Sub Bidang Pemberdayaan Masyarakat dan Sumber Daya.

c. Sub Bidang Penganekaragaman Pangan Lokal.

5. Kelompok Jabatan Fungsional.

(32)

KEPALA BADAN KETAHANAN PANGAN KELOMPOK JABATAN FUNGSIONAL SEKRETARIS BADAN KETAHANAN PANGAN SUB BAG KEUANGAN SUB BAG UMUM SUB BAG HUKUM DAN ORGANISASI SUB BIDANG PEMBERDAYAAN KELEMBAGAAN PANGAN SUB BIDANG ANALISIS HARGA PANGAN SUB BIDANG MONITORING DAN EVALUASI PANGAN SUB BIDANG SISTEM INFORMASI MANAJEMEN PANGAN SUB BIDANG RAWAN PANGAN SUB BIDANG POLA KONSUMSI PANGAN SUB BIDANG PEMBERDAYAAN MASYARAKAT DAN SUMBER DAYA SUB BIDANG PENGADAAN DAN CADANGAN PANGAN BIDANG KEWASPADAAN PANGAN DAN GIZI

BIDANG

PENGANEKARAGAMAN DAN SUMBER DAYA

(33)

BAB 4

ANALISIS DAN EVALUASI

4.1 Perhitungan Jumlah Penduduk

Sebelum meramalkan tingkat kebutuhan beras dan tigkat produksi beras, maka penulis

melakukan perhitungan jumlah penduduk di Kabupaten Tapanuli Selatan terlebih

dahulu. Karena jumlah penduduk sangat berpengaruh terhadap tingkat kebutuhan

beras di Kabupaten Tapanuli Selatan.

Adapun data yang dipaparkan penulis dalam penulisan tugas akhir ini adalah

data dari Badan Ketahanan Pangan Sumatera Utara. Data jumlah penduduk tersebut

[image:33.595.113.510.375.750.2]

adalah sebagai berikut:

Tabel 4.1Tabel Jumlah Penduduk di Kabupaten Tapanuli Selatan

Pada Tahun 1994 – 2006.

Tahun Penduduk

(Jiwa)

1994 773241

1995 752320

1996 747820

1997 738231

1998 756720

1999 789800

2000 618712

2001 749013

2002 695730

2003 605918

2004 612599

2005 626702

(34)

[image:34.595.108.529.340.588.2]

Sumber : Badan Ketahanan Pangan Sumatera Utara.

Grafik Jumlah Penduduk di Kabupaten Tapanuli Selatan Pada Tahun 1994 - 2006

0 100000 200000 300000 400000 500000 600000 700000 800000 900000

1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

Tahun

J

um

la

h P

e

nduduk

Penduduk

Gambar 4.1 Grafik Jumlah Penduduk di Kabupaten Tapanuli Selatan

Tahun 1994 – 2006.

Dari Gambar di atas dapat kita lihat bahwa perkembangan jumlah penduduk

Dengan mempergunakan data yang ada ada tabel 4.1, penulis dapat meramalkan data

jumlah penduduk pada tahun 2008.

(35)

4.1.1 Perhitungan Laju Pertumbuhan Geometris Penduduk

Setelah uji kecukupan sampel telah terpenuhi, maka penulis melanjutkan dengan

perhitungan laju pertumbuhan geometris penduduk untuk meramalkan jumlah

penduduk pada tahun 2008. Adapun perhitungannya adalah sebagai berikut :

P0 = P2001 = ; t = 5

Pt = P2006 = ; r = ?

(

)

t o

t

P

r

P

=

1

+

(

)

o t t P P r = + 1

; 1

1 −         = t o t P P r

(

)

(

)

% 425709059 . 3 % 100 03425709 . 0 03425709 . 0 1 965742909 . 0 1 840054845 . 0 1 749013 629212 5 1 13 1 − = ∗ − = − = − = − = −       = r r r r

Dengan laju pertumbuhan penduduk menurun -3.4% per tahun maka

diperkirakan jumlah penduduk Kabupaten Tapanuli Selatan pada tahun 2007 sampai

dengan tahun 2008 adalah sebagai berikut :

P0 = P2006 = 629212

(

)

( )

607657 0276 . 607657 ) 96574291 . 0 ( 629212 1 1 2007 2007 1 2006 2007 = = = + = + = P P P P P r P

(36)

(

)

(

)

(

)

(

)

(

)

673060 3547 . 673060 069687728 . 1 629212 96574291 . 0 629212 03425709 . 0 1 1 2008 2008 2008 2 2008 2 2007 2008 = = = = − + = + = P P P P P P r P

Pt o t

Dari hasil peramalan diatas maka jumlah penduduk tahun 2008 adalah sebanyak

673060 jiwa. Pertumbuhan penduduk hasil perhitungan secara matematis tersebut

[image:36.595.157.450.356.657.2]

akan semakin jelas terlihat pada table dibawah ini:

Tabel 4.1.2Hasil Perhitungan Laju Geometris Penduduk di Kabupaten Tapanuli

Selatan pada Tahun 1994 – 2008.

Tahun Penduduk

(Jiwa)

1994 773241

1995 752320

1996 747820

1997 738231

1998 756720

1999 789800

2000 618712

2001 749013

2002 695730

2003 605918

2004 612599

2005 626702

2006 629212

2007* 607657

2008 * 673060

(37)

4.2 Peramalan Produksi Beras

Data yang dipergunakan penulis sebagai dasar untuk melaksanakan peramalan beras

pada tahun 2008 adalah data tingkat produksi beras pada tahun 1994 sampai 2006.

Adapun tingkat produksi beras di Kabupaten Tapanuli Selatan penulis lampirkan

dalam tabel sebagai berikut :

4.2 Tabel Tingkat Produksi Beras di Kabupaten Tapanuli Selatan

Pada Tahun 1994 – 2006

Tahun

Produksi Beras (Ton)

1994 279990

1995 275109

1996 273360

1997 294901

1998 310140

1999 322448

2000 231862

2001 244444

2002 179913

2003 235345

2004 240268

2005 239393

2006 199957

(38)

[image:38.595.109.513.94.485.2]

Grafik Tingkat Produksi Beras di Kabupaten Tapanuli Selatan pada Tahun 1994 - 2006

0 50000 100000 150000 200000 250000 300000 350000

1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

Tahun

P

r

o

duks

i

Produksi

Gambar 4.2 Grafik Tingkat Produksi Beras di Kabupaten Tapanuli Selatan

Tahun 1994 – 2006

4.2.1 Perhitungan Peramalan Tingkat Produksi Beras dengan Menggunakan

Metode Exponensial Smoothing Ganda dengan

α

= 0.1

Adapun langkah – langkah peramalan tingkat produksi beras adalah sebagai berikut :

1. Tahun pertama (1994).

a. S_t′ ditentukan sebesar produksi beras pada tahun pertama (1994), yaitu

sebesar 279990 ton.

b. S_t′′ sebesar produksi beras pada tahun pertama (1994), yaitu sebesar 279990

ton.

c. at : belum bias ditentukan.

(39)

e. Ft+m : Forecast tahun kedua (F2) ditentukan sebesar produksi tahun pertama,

yaitu sebesar 279990 ton.

2. Tahun kedua (1995).

Xt = 275109

a. S_t′ =

α

Xt + (1-

α

)S_t′₋₁

= 0.1(275109) + (0.9) 279990

= 27510.9 + 251991.0

= 279501.9

b. S_t′′ =

α

S_t′ + (1-

α

)S_t′′₋₁

= 0.1(27501.9) + (0.9) 279990

= 27950.19 + 251991.0

= 279941.19

c. at = 2St′-St′′

= 2(279501.9) - 279941.19

= 559003.8 - 279941.19

= 279062.61

d. . bt =

α α

−

1 (St′-St′′)

=

9 . 0

1 . 0

(279501.9 - 279941.19)

= - 48.81

e. Forecast tahun ke – 3 (1996) ; (m = 1)

Ft+m = a1996 + b1996

F1996+1 = 279062.61 + ( - 48.81)

(40)

2. Tahun ketiga (1996).

Xt = 273360

a. S_t′ =

α

Xt + (1-

α

)S_t′₋₁

= 0.1(273360) + (0.9) 279501.9

= 27336.0 + 251551.71

= 278887.71

b. S_t′′ =

α

S_t′ + (1-

α

)S_t′′₋₁

= 0.1(278887.71) + (0.9) 279941.19

= 27888.771+ 251947.071

= 279835.842

= 2(278887.71) - 279835.842

= 557775.42 - 406451.842

= 277939.578

d. . bt =

α α

−

1 (St′-St′′)

=

9 . 0

1 . 0

( 278887.71 - 279835.842)

= - 1105.348

Ft+m = a1996 + b1996

F1996+1 = 277939.578 + ( - 105.348 )

(41)

Perhitungan peramalan tingkat produksi secara lengkap tertera pada tabel di bawah

ini.

Tabel 4.2.1 Tabel Perhitungan Peramalan Tingkat Produksi Beras dengan

Menggunakan Metode Exponensial Smoothing Ganda dengan

α

=

0.1

Tahun

S`t S``t at bt Ft+m

1994 279990 279990 279990 - - -

1995 275109 279501.9 279941.19 279062.61 -48.81 279013.8

1996 273360 278887.71 279835.842 277939.578 -105.348 277834.23

1997 294901 280489.039 279901.1617 281076.9163 65.3197 281083.4483

1998 310140 283454.1351 280256.459 286651.8112 355.29734 286687.3409

1999 322448 287353.5216 280966.1653 293740.8779 709.706255 293811.8485 2000 231862 281804.3694 281049.9857 282558.7532 83.8204136 282567.1352 2001 244444 278068.3325 280751.8204 275384.8446 -298.165322 275355.0281

2002 179913 268252.7992 279501.9183 257003.6802 -1249.90211 256878.69

2003 235345 264962.0193 278047.9284 251876.1103 -1453.9899 251730.7113 2004 240268 262492.6174 276492.3973 248492.8375 -1555.5311 248337.2844 2005 239393 260182.6556 274861.4231 245503.8882 -1630.97416 245340.7908

2006 199957 254160.0901 272791.2898 235528.8904 -2070.1333 235321.877

2007* - - - -

2008* - - - -

Peramalan Tahun 2007 ; m = 1

Ft+m = a2006 + b2006(m)

F2006+1 = 235528.8904 + -2070.1333 (1)

F2007 = 233458.7571

Ft+m = a2006 + b2006(m)

F2006+2 = 235528.8904 + - 2070.1333.(2)

(42)

Dari tabel di atas dapat diketahui kesalahan ramalan dengan menggunakan

MSE ( Mean Square Error atau Nilai Kesalahan Kuadrat ) dengan menggunakan

rumus sebagai berikut :

∑

=

n i

n

ei

MSE

1 2

Dimana Ei = Xt - Ft

[image:42.595.111.526.311.685.2]

Maka hasil perhitungannya secara lengkap tertera pada tabel di bawah ini.

Tabel 4.2.1.1 Tabel Perhitungan Forecast dan Mean Square Error Produksi

Beras dengan

α

= 0.1

Tahun

Forecast Error Absolute Square

Error

1994 279990

1995 275109 279990 -4881 4881 23824161

1996 273360 279013.8 -5653.8 5653.8 31965454.44

1997 294901 277834.23 17066.77 17066.77 291274638.2

1998 310140 281142.236 28997.764 28997.764 840870317

1999 322448 287007.1085 35440.8915 35440.8915 1256056790

2000 231862 294450.5841 -62588.58414 62588.58414 3917330865

2001 244444 282642.5736 -38198.57357 38198.57357 1459131023

2002 179913 275086.6793 -95173.67927 95173.67927 9058029225

2003 235345 255753.7781 -20408.77809 20408.77809 416518223.2

2004 240268 250422.1204 -10154.12036 10154.12036 103106160.3

2005 239393 246937.3064 -7544.306391 7544.306391 56916558.92

2006 199957 243872.914 -43915.91401 43915.91401 1928607504

2007* - 233458.7571 - - -

2008* - 231388.6238 - - -

Jumlah 3207622.087

Rata –Rata 267301.8406

MSE =

∑

₌

n i i n e 1 2

(43)

[image:43.595.113.532.176.539.2]

= 267301.8406

Grafik Realisas i dan Ramalan Produksi Beras di Kabupaten Tapanuli Selatan dengan Menggunakan Alpha 0.1

0 50000 100000 150000 200000 250000 300000 350000 400000 450000 500000

1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 Tahun

P

r

o

duks

i B

e

r

a

s

Produksi Beras Forecast

Gambar4.2 Grafik Realisasi dan Ramalan Produksi Beras dengan

Menggunakan

α

= 0.1

α

= 0.3

(44)

ton.

d. bt : belum ditentukan.

Xt = 275109

a. S_t′ =

α

Xt + (1-

α

)S_t′₋₁

= 0.3 (275109) + (0.7) 279990

= 82532.7 + 195993

= 278525.7

b. S_t′′ =

α

S_t′ + (1-

α

)S_t′′₋₁

= 0.3 ( 278525.7) + (0.7) 279990

= 83532.7 + 195993

= 279550.71

= 2(278525.7) - 279550.71

= 557051.4 - 279550.71

= 277500.69

d.bt =

α α

−

1 (St′-St′′)

=

7 . 0

3 . 0

(278525.7 - 279550.71)

(45)

Ft+m = a1996 + b1996

F1995+1 = 277500.69 - 439.29

F1996 = 277061.4

Xt = 273360

a. S_t′ =

α

Xt + (1-

α

)S_t′₋₁

= 0.3(273360) + (0.7) 278525.7

= 82008 + 194967.99

= 276975.99

b. S_t′′ =

α

S_t′ + (1-

α

)S_t′′₋₁

= 0.3(276975.99) + (0.7) 279550.71

= 83092.797 + 195685.497

= 278778.294

= 2(276975.99) - 278778.294

= 553951.98 - 278778.294

= 275173.686

d. . bt =

α α

−

1 (St′-St′′)

=

7 . 0

3 . 0

(276975.99 - 278778.294)

= - 772.416

(46)

F1996+1 = 275173.686 - 772.416

F1997 = 274401.27

ini.

Tabel 4.2.2.1 Tabel Perhitungan Peramalan Tingkat Produksi Beras

α

= 0.3

Tahun

S`t S``t at bt Ft+m

1994 279990 279990 279990 - - -

1995 275109 278525.7 279550.71 277500.69 -439.29 277386.8

1996 273360 276975.99 278778.294 275173.686 -772.416 274973.43

1997 294901 282353.493 279850.8537 284856.1323 1072.5597 285134.2033

1998 310140 290689.4451 283102.4311 298276.4591 3251.57742 299119.4606

1999 322448 300217.0116 288236.8053 312197.2179 5134.374135 313528.3519

2000 231862 279710.5081 285678.9161 273742.1001 -2557.889147 273078.9436

2001 244444 269130.5557 280714.408 257546.7034 -4964.508132 256259.6087

2002 179913 242365.289 269209.6723 215520.9057 -11504.7357 212538.1964

2003 235345 240259.2023 260524.5313 219993.8733 -8685.140999 217742.1701 2004 240268 240261.8416 254445.7244 226077.9588 -6078.806904 224501.9718 2005 239393 240001.1891 250112.3638 229890.0144 -4333.360576 228766.5506 2006 199957 227987.9324 243475.0344 212500.8304 -6637.329424 210780.0413

Ft+m = a2006 + b2006(m)

F2006+1 = 212500.8304 – 6637.329424 (1)

F2007 = 205863.501

(47)

F2006+2 = 212500.8304 – 6637.329424 (2)

F2008 = 199226.1716

∑

=

n

i i

n

e

MSE

1 2

Dimana Ei = Xt - Ft

[image:47.595.107.529.355.712.2]

Tabel 4.2.2.2 Tabel Perhitungan Forecast dan Mean Square Error Produksi

Beras dengan Menggunakan

α

= 0.3

Tahun

Forecast Error Absoulut Square

Error

1994 279990

1995 275109 279990 -4881 4881 4881

1996 273360 277061.4 -3701.4 3701.4 3701.4

1997 294901 274401.27 20499.73 20499.73 20499.73

1998 310140 285928.692 24211.308 24211.308 24211.308

1999 322448 301528.0365 20919.9635 20919.9635 20919.9635

2000 231862 317331.592 -85469.59202 85469.59202 85469.59202

2001 244444 271184.2109 -26740.21094 26740.21094 26740.21094

2002 179913 252582.1952 -72669.19523 72669.19523 72669.19523

2003 235345 204016.17 31328.83004 31328.83004 31328.83004

2004 240268 211308.7323 28959.26772 28959.26772 28959.26772

2005 239393 219999.1519 19393.84809 19393.84809 19393.84809

2006 199957 225556.6539 -25599.65386 25599.65386 25599.65386

2007 - 205863.501 - - -

2008 - 199226.1716 - - -

Jumlah 364373.9994

(48)

MSE =

∑

=

n

i i

n e

1 2

= 364373.9994/ 12

[image:48.595.109.531.174.566.2]

= 30364.49995

Grafik dan Ramalan Produksi Beras di Kabupaten Tapanuli Selatan dengan Menggunakan Alpha 0.3

0 50000 100000 150000 200000 250000 300000 350000

1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

Tahun

P

r

o

duks

i B

e

r

a

s

Gambar 4.2.2 Grafik Realisasi dan Ramalan Produksi Beras dengan

Menggunakan

α

= 0.3

α

= 0.6

(49)

sebesar 279990 ton.

ton.

Xt = 275109

a. S_t′ =

α

Xt + (1-

α

)S_t′₋₁

= 0.6 (275109) + (0.4) 279990

= 165065.4 + 111996.0

= 277061.4

b. S_t′′ =

α

S_t′ + (1-

α

)S_t′′₋₁

= 0.6 (277061.4) + (0.4) 4279990

= 166236.84 + 111996.0

= 278232.84

= 2(277061.4) - 278232.84

= 554122.8 - 278232.84

= 275889.96

d. . bt =

α α

−

(50)

=

4 . 0

6 . 0

(277061.4 - 278232.84)

= - 1757.16

Ft+m = a1995 + b1995

F1995+1 = 275889.96 - 1757.16

F1996 = 274132.8

Xt = 273360

a. S_t′ =

α

Xt + (1-

α

)S_t′₋₁

= 0.6 (273360) + (0.4)277061.4

= 164016.0 + 110824.56

= 274840.56

b. S_t′′ =

α

S_t′ + (1-

α

)S_t′′₋₁

= 0.6 (274840.56) + (0.4) 278232.84

= 164904.336 + 111293.136

= 276197.472

= 2(274840.56) – 276197.472

= 549681.12 - 276197.472

= 273483.648

d. . bt =

α α

−

1 (St′-St′′)

= 4 . 0

6 . 0

(51)

= - 2035.368

Ft+m = a1996 + b1996

F1996+1 = 273483.648 – 2035.368

F1997 = 271448.28

[image:51.595.90.583.339.679.2]

ini.

Tabel 4.2.3.1 Tabel Perhitungan Peramalan Tingkat Produksi Beras dengan

α

= 0.6

Tahun

S`t S``t at bt Ft+m

1994 279990 279990 279990 - - -

1995 275109 277061.4 278232.84 275889.96 -1757.16 274132.8

1996 273360 274840.56 276197.472 273483.648 -2035.368 271448.28

1997 294901 286876.824 282605.0832 291148.5648 6407.6112 297556.176

1998 310140 300834.7296 293542.871 308126.5882 10937.78784 319064.376

1999 322448 313802.6918 305698.7635 321906.6202 12155.89248 334062.5126

2000 231862 264638.2767 281062.4714 248214.082 -24636.29207 223577.79

2001 244444 252521.7107 263938.015 241105.4064 -17124.45645 223980.9499

2002 179913 208956.4843 230949.0966 186963.872 -32988.91843 153974.9536

2003 235345 224789.5937 227253.3949 222325.7926 -3695.701712 218630.0909

2004 240268 234076.6375 231347.3404 236805.9345 4093.945579 240899.8801

2005 239393 237266.455 234898.8092 239634.1008 3551.468737 243185.5696

2006 199957 214880.782 222887.9929 206873.5711 -12010.8163 194862.7548

(52)

F2006+1 = 206873.5711 – 12010.8163(1)

F2007 = 194862.7548

Ft+m = a2006 + b2006(m)

F2006+2 = 206873.5711 - 12010.8163 (2)

F2008 = 182851.9385

∑

=

n

i i

n

e

MSE

1 2

Dimana Ei = Xt - Ft

[image:52.595.102.539.468.740.2]

Tabel 4.2.3.2 Tabel Perhitungan Forecast dan Mean Square Error Produksi

Beras dengan

α

= 0.6

Tahun

Forecast Error Absoulut Square Error

1994 279990

1995 275109 279990 -4881 4881 23824161

1996 273360 274132.8 -772.8 772.8 597219.84

1997 294901 271448.28 23452.72 23452.72 550030075.4

1998 310140 297556.176 12583.824 12583.824 158352626.5

1999 322448 319064.376 3383.624 3383.624 11448911.37

2000 231862 334062.5126 -102200.5126 102200.5126 10444944784

2001 244444 223577.79 20866.21005 20866.21005 435398721.8

(53)

2003 235345 153974.9536 81370.04644 81370.04644 6621084458

2004 240268 218630.0909 21637.90914 21637.90914 468199112.1

2005 239393 240899.8801 -1506.880116 1506.880116 2270687.684

2006 199957 243185.5696 -43228.56956 43228.56956 1868709226

2007 - 194862.7548 - - 22526844195

2008 - 182851.9385 - - -

Jumlah 45053688390

Rata – Rata 3754474032

MSE =

∑

= n i i n e 1 2

= 45053688390 / 12

[image:53.595.105.551.86.606.2]

= 3754474032

Grafik dan Ramalan Produksi Beras di Kabupaten Tapanuli Selatan dengan Menggunakan Alpha 0.6

0 50000 100000 150000 200000 250000 300000 350000 400000

1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

Tahun P r o duks i B e r a s

Gambar 4.2.3 Grafik Realisasi dan Ramalan Produksi Beras di Kabupaten

Tapanuli Selatan dengan Menggunakan

α

= 0.6

(54)

sebesar 279990 ton.

ton.

Xt = 275109

a. S_t′ =

α

Xt + (1-

α

)S_t′₋₁

= 0.9 (275109) + (0.1) 279990

= 247598.1 + 27999.0

= 275597.1

b. S_t′′ =

α

S_t′ + (1-

α

)S_t′′₋₁

= 0.9 (275597.1) + (0.1) 279990

= 248037.39 + 27999.0

= 276036.39

= 2(275597.1) - 276036.39

= 551194.2 - 276036.39

(55)

d. . bt =

α α

−

1 (St′-St′′)

=

1 . 0

9 . 0

(275597.1 - 276036.39)

= - 3953.61

Ft+m = a1995 + b1995

F1995+1 = 275157.81 - 3953.61

F1996 = 271204.2

Xt = 273360

a. S_t′ =

α

Xt + (1-

α

)S_t′₋₁

= 0.9 (273360) + (0.1)275597.1

= 246024 + 27559.71

= 273583.71

b. S_t′′ =

α

S_t′ + (1-

α

)S_t′′₋₁

= 0.9 (273583.71) + (0.1) 276036.39

= 246225.339 + 27603.639

= 273828.978

= 2(27