EKSPONENSIAL GANDA SATU
PARAMETER DARI BROWN
TUGAS AKHIR
MISDARWANA NASUTION
052407028
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PROYEKSI PRODUKSI PADI DI SUMATERA UTARA TAHUN 2008-2009
DENGAN MENGGUNAKAN METODE PEMULUSAN (SMOOTHING)
EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
MISDARWANA NASUTION 052407028
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PROYEKSI PRODUKSI PADI DI SUMATERA
UTARA TAHUN 2008-2009 DENGAN MENGGUNAKAN METODE PEMULUSAN
(SMOOTHING) EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN
Kategori : TUGAS AKHIR
Nama : MISDARWANA NASUTION
Nomor Induk Mahasiswa 052407028
Program Studi : DIPLOMA-3 STATISTIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juni 2008
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU Pembimbing
Dr. Saib Suwilo, M.Sc. Drs. Marwan Harahap, M.Eng
PERNYATAAN
PROYEKSI PRODUKSI PADI DI SUMATERA UTARA TAHUN 2008-2009
DENGAN MENGGUNAKAN METODE PEMULUSAN (SMOOTHING)
EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah kerja saya sendiri, kecuali beberapa kutipan dari beberapa ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2008
PENGHARGAAN
Bismillahirrahmanirrahim,
Puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya kepada seluruh alam semesta beserta seluruh isinya dan berkat kekuatan iman
dari-Nya, maka Tugas Akhir dengan judul “PROYEKSI PRODUKSI PADI DI
SUMATERA UTARA TAHUN 2008-2009 DENGAN MENGGUNAKAN
METODE METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL SATU
PARAMETER DARI BROWN” dapat diselesaikan tepat pada waktunya. Kemudian seiring Shalawat dan salam penulis ucapkan kepada junjungan Nabi besar Muhammad SAW yang membawa umatnya ke jalan yang benar dan kesejahteraan hidup.
Penulis menyadari bahwa Tugas Akhir ini masih banyak kekurangan dan kelemahan dengan demikian penulis harapkan saran dan kritik yang sifatnya membangun demi peningkatan mutu penulisan Tugas Akhir di masa yang akan datang.
Pada kesempatan ini penulis menghanturkan terima kasih atas petunjuk dan bimbingan yang berharga yang telah diberikan kepada penulis sehingga akhirnya penulis dapat menyelesaikan Tugas Akhir ini. Maka dengan ini penulis mengucapkan terima kasih sebesar-besarnya kepada:
1. Ayahanda Drs.Musahab Nasution dan Ibunda tercinta Masnia Dalimunthe, yang membesarkan dan mendidik penulis dengan penuh kasih sayang dan cinta dari kecil hingga saat ini memberi motivasi dan restu serta materi yang tak ternilai dengan apapun.
2. Bapak Dr.Eddy Marlianto, M.Sc, selaku Dekan FMIPA USU 3. Bapak Dr.Saib Suwilo, M.Sc, selaku ketua Departemen Matematika
4. Bapak Drs.Marwan Harahap, M.Eng, selaku pembimbing yang telah memberikan bimbingan dan pengarahan dan pengalaman kepada penulis.
5. Bapak Drs.Suwarno Ariswoyo, M.Si, selaku ketua jurusan Statistika
6. Teristimewa buat saudara-saudaraku yang tercinta terima kasih telah membantu dan menjadi penopang setiap langkahku.
7. Untuk sahabatku, Nurmasyithah, Renny Triana, Nur Halimah Lubis, Pittriani Harahap, Ratna Eka Putri, Lilis Suryani, dan Pramudita Rizki Siregar terima kasih telah membantu dan memahamiku selama ini, Azwaruddin dan Abdi Gunawan terimakasih sudah membantu saya dalam pengumpulan data Riset.
Akhirnya penulis berharap semoga Tugas Akhir ini dapat memberikan manfaat kepada semua pihak yang memerlukan.
Medan, Mei 2008 Penulis
DAFTAR ISI
Daftar Tabel viii
Daftar Grafik xi
BAB 1 PENDAHULUAN
1.1. Latar Belakang 1
1.2. Perumusan Masalah 5
1.3. Tinjauan Pustaka 7
1.4. Tujuan Penelitian 7
1.5. Kontribusi Penelitian 7
1.6. Metode Penelitian 8
1.7. Sistematika Penulisan 9
BAB 2 LANDASAN TEORI
2.1. Pengertian Peramalan 10
2.2. Kebutuhan dan Kegunaan Peramalan 11
2.3. Peranan Teknik Peramalan Dewasa ini 12
2.4. Metode Pemulusan Ganda (metode linier satu parameter
dari Brown) 14
2.5. Metode Peramalan 17
2.5.1 Pemilihan Teknik dan Metode Peramalan 19
BAB 3 SEJARAH SINGKAT BADAN KETAHANAN PANGAN
3.1. Sejarah Ringkas Perkembangan Badan Ketahanan
Pangan 21
3.1.1 Visi Badan Ketahanan Pangan Propinsi Sumatera
Utara 22
3.1.2 Misi Badan Ketahanan Pangan Propinsi Sumatera
Utara 23
3.1.3 Tugas Badan Ketahanan Pangan Propinsi Sumatera
Utara 23
3.1.4 Fungsi Badan Ketahanan Pangan Propinsi Sumatera
Utara 23
3.1.5 Lokasi Badan Ketahanan Pangan 25
3.2. Struktur Organisasi Badan Ketahanan Pangan 25
3.3. Kegiatan dan Jaringan Kerja Badan Ketahanan Pangan 26
3.3.1 Kegiatan Badan Ketahanan Pangan 26
3.3.2 Jaringan Kerja Badan Ketahanan Pangan 28
BAB 4 ANALISIS DATA
4.1. Pengumpulan Data 31
4.2. Metode Smoothing Eksponensial Satu Parameter dari
4.3. Pemilihan Metode 33
4.3.1 Statistik Uji yang Berguna 33
4.4. Peramalan Dengan Metode Pemulusan Eksponensial Ganda
(Alpa = 0.5) 37
BAB 5 IMPLEMENTASI SISTEM
5.1. Pengenalan Excel 44
5.1.1 Mengaktifkan Microsoft Excel 44
5.1.2 Tampilan Microsoft Excel 45
5.1.3 Istilah-Istilah Dalam Microsoft Excel 47
5.1.4 Jenis Data Dalam Microsoft Excel 48
5.2. Operasi File
5.2.1 Menyimpan Work Sheet 49
5.2.2 Membuka Work Sheet 49
5.2.3 Menyimpan Work Sheet ke Nama Lain 49
5.2.4 Keluar Dari Microsoft Excel 49
5.2.5 Membuka Lembar Kerja Baru 49
5.3. Formula dan Fungsi Statistik
5.3.1 Fungsi Statistik 50
5.4. Grafik Dalam Microsoft Excel
5.4.1 Membuat Grafik 51
5.4.2 Menata Grafik 52
BAB 6 KESIMPULAN DAN SARAN
6.1. Kesimpulan 53
6.2. Saran 54
DAFTAR TABEL
Data Hasil Produksi Padi Sumatera Utara Tahun 1993-2007 31
Aplikasi Nilai MSE Untuk Memilih Nilai α 34
Perbandingan Ukuran Ketepatan Metode Peramalan 35
Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan α =0.5 Pada data Jumlah Produksi Padi di Sumatera Utara 40
Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
DAFTAR GAMBAR
Grafik Jumlah Produksi Padi Sumatera Utara 32
Grafik Nilai MSE 37
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Ketahanan pangan (food security) di negara kita tampaknya cukup rapuh. Sejak awal
tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
penurunan sehingga dalam 15 tahun terakhir hampir setiap tahun kita harus
mengimpor beras. Disamping itu, harga beraspun naik turun. Meski tampak ada
spekulasi dalam fluktuasi harga, bagaimanapun fluktuasi harga itu terkait juga dengan
fluktuasi persediaan beras di pasaran.
Beberapa kalangan mensinyalir, sejak dua dekade lalu telah terjadi konversi
lahan pertanian subur dengan sistem irigasi baik, khususnya di Jawa, secara luas untuk
kepentingan industri dan pemukiman. Ini mengakibatkan areal persawahan menjadi
berkurang dan tentunya berpengaruh besar pada penurunan jumlah produksi padi.
Sinyal elemen tersebut tampaknya ada benarnya karena berkurangnya produksi beras
memang bersamaan dengan terjadinya alih fungsi lahan persawahan secara
besar-besaran.
Faktor lain yang mempengaruhi penurunan jumlah padi di luar konversi lahan
tersebut adalah:
a. Luas areal usaha tani yang kecil
c. Subsidi harga sarana produksi, seperti pupuk dan obat-obatan pemberantasan
hama, telah dikurangi
d. Ada kecenderungan diantara petani untuk menanam ladangnya dengan
melakukan diversifikasi tanaman pangan
e. Ketenagakerjaan
Dalam konteks itulah implementasinya, negara kita akan selalu dihadapkan
pada krisis pangan yang terus menerus. Suatu keadaan dimana jumlah produksi
pangan tidak mencukupi untuk memenuhi kebutuhan penduduk. Tampaknya kini kita
sudah tidak memiliki ketahanan pangan yang berasal dari kekuatan produksi pertanian
dalam negeri, tetapi bentuk “Ketahanan Pangan yang Tergantung”.
Sumbangan sektor pertanian dalam perekonomian cenderung menurun dari
tahun ke tahun sejalan dengan perkembangan kegiatan ekonomi di sektor-sektor lain
di luar pertanian. Pada tahun 1987 sektor pertanian masih memberikan sumbangan
sekitar 38 persen dari Produk Domestik Bruto (PDB). Untuk kelompok non-migas dan
sepuluh tahun kemudian (1997) menurun menjadi 16 persen, atau terjadi penurunan
rata-rata 2,2 persen per tahun.
Dari sisi perdagangan dunia atau ekspor, peranan ekspor pertanian dan sektor
agribisnis akan terlihat lebih jelas. Dalam tahun 1992, sektor agribisnis memberikan
sumbangan sebesar US$ 6,24 milyar dan meningkat menjadi US% 12,96 milyar pada
tahun 1997, atau kenaikan sekitar 21% per tahun. Pesatnya laju perkembangan di atas
tidak terlepas dari kebijakan ekonomi makro yang ditempuh pemerintah, termasuk
Sektor pertanian berada di urutan ketiga dalam memberikan sumbangan
terhadap PDB nasional, yakni berkisar antara 14,8% sampai 17,36%, dengan
kecenderungan yang menurun sebelum krisis ekonomi pada tahun 1997. Namum sejak
terjadinya krisis, sumbangan terhadap PDB mengalami peningkatan.
Selama periode 1983-1998 areal panen padi di Indonesia memiliki laju
pertumbuhan sebesar 1,38% per tahun, dan produksi sebesar 2,21% per tahun.
Provinsi Sumatera Utara merupakan sentra produksi padi dengan pangsa produksi
masing-masing 7% dan 18% terhadap produksi nasional pada tahun 1998 mengalami
pertumbuhan areal panen dan produksi masing-masing sebesar 2,58% dan 3,71%
untuk Sumatera Utara.
Nilai ekspor hasil pertanian mempunyai hubungan jangka panjang dengan
beberapa indikator moneter seperti nilai tukar Dolar, nilai tukar Yen, jumlah uang
beredar, suku bunga deposito, dan posisi kredit pertanian. Artinya, apabila salah satu
indikator moneter ini mengalami suatu kejutan, maka dalam jangka panjang nilai
ekspor pertanian akan menyesuaikan diri sehingga timbul suatu keseimbangan baru,
namun bentuk hubungannya perlu dikaji lebih lanjut.
Pencabutan subsidi pupuk dan penurunan harga produk pertanian selama dua
tahun terakhir, telah menurunkan keuntungan usaha tani tanaman pangan dan
hortikultura. Untuk merangsang petani dalam kegiatan produksi, diperlukan jaminan
bahwa produk yang dihasilkan dapat dijual dengan harga yang layak. Dalam kaitan ini
perlu dikembangkan sistem kuota produksi dan penerapan tarif impor, khususnya
Untuk meningkatkan lagi sumbangan sektor pertanian terhadap PDB nasional
atau agar sektor pertanian dapat mendorong roda perekonomian lebih cepat lagi, maka
sebaiknya dipertimbangkan kebijakan yang dapat meningkatkan keuntungan relatif
sektor pertanian atau komoditas pertanian, atau melakukan kebijakan ketat dan
peningkatan suku bunga. Upaya ini yang dapat meningkatkan sumbangan sektor
pertanian terutama produksi beberapa komoditas andalan adalah dengan penyediaan
kredit pertanian.
Jadi sasaran ideal pembangunan sektor pertanian kita saat ini adalah
terwujudnya sistem pertanian yang berkelanjutan. Sasaran yang saat ini sering
didengungkan adalah terwujudnya sistem pertanian berbasis agribisnis dan
agroindustri.
Berbagai bentuk ilmu pengetahuan dan teknologi yang mendasar dan ekspansif
menerobos semua kegiatan pertanian. Strategi dan rumusan kebijaksanaan
pengembangan pertanian terus dikembangkan dari berbagai bidang ilmu, seperti
sistem informasi, perencanaan dan manajemen, penerapan teknologi, peranan
penanaman modal, serta problema lingkungan yang mungkin terjadi.
Pembangunan pertanian merupakan suatu bagian integral dari pembangunan
nasional. Dalam rangka pembangunan nasional itu, tujuan pembangunan pertanian itu
untuk meningkatkan pendapatan dan kesejahteraan petani dan nelayan khususnya
serta masyarakat pertanian pada umumnya melalui peningkatan produksi pertanian
Produksi padi di Indonesia sangat fluktuatif. Ketajaman fluktuasi akan
berdampak luas terhadap sistem tatanan negara yang sebagian besar rakyatnya
memilih padi sebagai makanan pokok.
Padi juga bersifat politis karena cukup padi berarti cukup pangan. Dalam
negara yang cukup pangan gejolak politik jarang terjadi.
Didorong oleh keadaan di atas, maka penulis ingin mengadakan penelitian
mengenai faktor-faktor yang mempengaruhi produksi padi, dengan judul:
“PROYEKSI PRODUKSI PADI DI SUMATERA UTARA TAHUN 2008-2009
DENGAN MENGGUNAKAN METODE PEMULUSAN (SMOOTHING)
EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN”.
1.2. Perumusan Masalah
Sumatera Utara merupakan sentra produksi padi terhadap produksi nasional. Namun
untuk setiap tahunnya produksi padi di Sumatera Utara ini tidak stabil. Hal ini dapat
terjadi karena kuantitas faktor-faktor yang mempengaruhinya senantiasa berubah.
Produksi padi dipengaruhi oleh beberapa faktor yang tidak tetap, namun
sangatlah penting untuk mengetahui jumlah produksi padi dan untuk melihat jumlah
produksi di masa yang akan datang dengan menggunakan Pemulusan (Smoothing)
Eksponensial Ganda Metode Linier Satu Parameter dari Brown.
1.3. Tinjauan Pustaka
Pemulusan Eksponensial Linier dapat dihitung hanya dengan tiga nilai data dan satu
nilai α. Pendekatan ini memberikan bobot yang semakin menurun pada observasi
masa lalu. Dengan alasan ini pemulusan eksponensial linier lebih disukai daripada
rata-rata bergerak linier sebagai suatu metode peramalan dalam berbagai kasus utama.
Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah sama
dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda
ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan
antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan
tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi
pemulusan eksponensial linier satu parameter dari Brown sebagai berikut:
(
)
'"
t
S adalah nilai pemulusan eksponensial ganda
m adalah jumlah periode ke depan yang diramalkan
1.4. Tujuan Penelitian
Mengetahui jumlah produksi padi tahun 2009 dari data produksi padi tahun
sebelumnya yaitu dengan meramalkan dari data produksi padi tahun sebelumnya.
1.5. Kontribusi Penelitian
Penelitian ini diharapkan bermanfaat sebagai:
a. Dasar bagi peneliti dalam menyusun metode peramalan tentang Pemulusan
(Smoothing) Eksponensial Ganda Metode Linier Satu Parameter dari Brown.
b. Sebagai masukan bagi dinas ketahanan pangan dalam hal peningkatan hasil
produksi padi dengan melihat faktor-faktor apa saja yang lebih relevan yang
mempengaruhi hasil produksi.
1.6. Metode Penelitian
Metode penelitian adalah suatu cara yang terdiri dari langkah-langkah atau urutan
kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan
penelitian sehingga apa yang menjadi tujuan dari penelitian itu terwujud.
Model yang digunakan dalam penelitian ini adalah metode peramalan
Pemulusan (Smoothing) Eksponensial Ganda Metode Linier Satu Parameter dari
Brown.
Adapun data yang diperoleh untuk penelitian ini merupakan data sekunder dari
Kantor Badan Ketahanan Pangan di Jl. Jenderal Besar Abd. Haris Nasution No. 24.
• Metode pengumpulan data
Metode pengumpulan data berdasarkan sumbernya dibedakan menjadi:
a. Data primer
b. Data sekunder
Data primer adalah data yang diperoleh langsung sumbernya, diamati, dicatat
untuk pengamatannya.
Data sekunder adalah data yang bukan diusahakan sendiri pengumpulannya oleh
peneliti, misalnya dari Badan Pusat Statistik (BPS), majalah, internet,
1.7. Sistematika Penulisan
BAB 1 PENDAHULUAN
Bab ini menerangkan tentang latar belakang, perumusan masalah
tinjauan pustaka, tujuan penelitian, kontribusi penelitian, metode
penelitian dan sistematika penulisan.
BAB 2 LANDASAN TEORI
Bab ini menerangkan tentang segala sesuatu yang mencakup terhadap
penyelesaian masalah sesuai dengan judul yang dibuat
BAB 3 SEJARAH SINGKAT BADAN KETAHAN PANGAN
Bab ini menerangkan keadaan Badan Ketahanan Pangan
BAB 4 ANALISA DATA
Bab ini membahas tentang pengolahan data untuk mencari hasil
peramalan
BAB 5 IMPLEMENTASI SISTEM
Bab ini membahas tentang software yang digunakan dalam analisa data
serta cara penggunaan dari software yang dipakai
BAB 6 KESIMPULAN DAN SARAN
Bab ini menerangkan kesimpulan atas data yang telah diamati juga
saran yang dapat berupa masukan bagi Ketahana Pangan, Pemerintah
maupun swasta serta pihak-pihak lain yang membutuhkan hasil dari
BAB 2
LANDASAN TEORI
2.1. Pengertian Peramalan
Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
peramalan adalah deret waktu. Metode ini disebut sebagai metode peramalan deret
waktu karena memiliki karakteristik bahwa data yang dianalisis bersifat deret waktu.
Periode waktu dari deret waktu dapat berupa tahunan, mingguan , bulanan, semester,
kuartal dan lain-lain. Jenis pola data sangat penting untuk diketahui karena akan
berpengaruh terhadap hasil ramalan. Beberapa literatur menyebutkan, bahwa pola data
cenderung akan berulang pada periode waktu mendatang. Identifikasi pola terhadap
data deret waktu juga berfungsi untuk menentukan metode yang akan digunakan
untuk menganalisis data tersebut.
Beberapa bentuk analisis data deret waktu dapat dikelompokkan ke dalam
beberapa kategori:
• Metode pemulusan (smoothing), metode pemulusan dapat dilakukan dengan
dua pendekatan yakni metode perataan (average) dan metode pemulusan
eksponensial (Eksponential Smoothing).
• Model ARIMA (Autoregressive Integrated Moving Average), model ARIMA
dapat digunakan untuk analisis data deret waktu dan peramalan data. Pada
model ARIMA diperlukan penetapan karakteristik data deret berkala seperti
sistematis, dan akhirnya akan membantu umtuk mendapatkan gambaran yang
jelas mengenai model-model dasar yang ditangani.
• Analisis Deret Berkala Multivariate Model ARIMA digunakan untuk analisis
data deret waktu pada kategori data berkala tunggal, atau sering dikategorikan
model-model univariate. Untuk data-data dengan katagori deret berkala ganda
(multiple), tidak bisa dilakukan analisis menggunakan model ARIMA, oleh
karena itu diperlukan model-model multivariate
Peramalan (Assauri, 1991) adalah kegiatan untuk memeperkirakan apa yang
akan terjadi pada masa yang akan datang. Dalam usaha mengetahui atau melihat
perkembangan di masa depan, peramalan dibutuhkan untuk menentukan kapan suatu
peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan
kebijakan atau tindakan-tindakan yang perlu dilakukan. Peramalan merupakan bagian
integral dari kegiatan pengambilan keputusan manajemen.
2.2. Kebutuhan dan Kegunaan Peramalan
Sering terdapat waktu senjang (time lag) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead
time) ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu
tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu
tenggang ini panjang dan hasil peristiwa akhir tergantung pada faktor-faktor yang
dapat diketahui, maka perencenaan dapat memegang peranan penting. Dalam situasi
seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi
Dalam hal menajemen dan administrasi, perencanaan merupakan kebutuhan
yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari
beberapa tahun (untuk kasus penanaman modal) sampai beberapa hari atau bahkan
beberapa jam (untuk penjadwalan produksi dan transportasi).
2.3. Peranan Teknik Peramalan Dewasa Ini
Sejak awal tahun 1960-an, semua jenis organisasi telah menunjukkan keinginan yang
meningkat untuk mendapatkan ramalan dan menggunakan sumberdaya peramalan
secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor:
yang pertama adalah karena meningkatnya kompleksitas organisasi dan
lingkungannya, hal ini membuat pengambil keputusan semakin sulit untuk
mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya
ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula,
lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang
lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat.
Hubungan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan
memungkinkan organisasi mempelajari hubungan yang baru secara lebih cepat.
Keempat, pengambilan keputusan telah semakin sistematis yang mencakup
pembenaran tindakan individu secara eksplisit. Peramalan formal merupakan salah
satu cara untuk mendukung tindakan yang akan diambil. Kelima dan mungkin ini
yang terpenting, bahwa pengembangan metode peramalan dan pengetahuan yang
menyangkut aplikasinya telah lebih memungkinkan adanya penerapan secara langsung
Dengan adanya sejumlah besar metode peramalan yang tersedia, maka
masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana
karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan
tertentu.
Situasi peramalan sangat beragam dalam horison waktu peramalan, faktor
yang menentukan hasil sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk
menghadapi penggunaan yang luas seperti itu, beberapa teknik telah dikembangkan.
Teknik tersebut dibagi dalam dua kategori utama, yaitu metode kuantitatif dan metode
kualitatif atau teknologis. Metode kuantitatif dapat dibagi menjadi deret berkala dan
metode kausal, sedangkan metode kualitatif atau teknologis dapat dibagi menjadi
metode eksploratoris dan normatif.
Model deret berkala seringkali dapat digunakan dengan mudah untuk meramal,
sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk
pengambilan keputusan dan kebijaksanaan. Bilamana data yang diperlukan tersedia,
suatu hubungan peramalan dapat dihipotesiskan baik sebagai fungsi dari waktu atau
sebagai fungsi dari variabel bebas, kemudian diuji. Langkah penting dalam memilih
suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola
data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data
dapat dibedakan menjadi empat jenis siklis dan trend yaitu:
• Pola horisontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai
rata-rata yang konstan. (deret seperti itu “stasioner” terhadap nilai rata-rata-rata-ratanya).
Suatu produk penjualannya tidak meningkat atau menurun selama waktu
• Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor
musiman (misalnya kuartal tertentu, bulanan, atau hari-hari pada minggu
tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan bahan
bakar pemanas ruang semuanya menunjukkan jenis pola ini.
• Pola siklis (S) terjadi bilaman datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan
produk seperti mobil, baja, dan peralatan utama lainnya.
• Pola trend (T) terjadi bilaman terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional
(GNP) dan berbagai indikator bisnis atau ekonomi lainnya mengikuti suatu
pola trend selama perubahannya sepanjang waktu.
2.4. Metode Pemulusan Eksponensial Ganda (Metode Linier Satu Parameter
Dari Brown)
Kelompok metode yang menunjukkan pembobotan menurun secara eksponensial
terhadap nilai pengamatan yang lebih tua disebut prosedur pemulusan eksponensial.
Seperti halnya dengan rata-rata bergerak, metode eksponensial terdiri atas tunggal,
ganda, dan metode yang lebih rumit. Semuanya mempunyai sifat yang sama, yaitu
nilai yang lebih baru diberikan bobot yang relatif besar dibanding nilai pengamatan
yang lebih lama.
Dalam kasus rata-rata bergerak, bobot yang dikenakan pada nilai-nilai
pengamatan merupakan hasil sampingan dari sistem MA tertentu yang diambil. Tetapi
ditentukan secara eksplisit, dan hasil pilihan ini menentukan bobot yang dikenakan
pada nilai observasi.
Dengan cara analogi yang dipakai pada waktu berangkat dari rata-rata
bergerak tunggal ke pemulusan (smoothing) eksponensial tunggal kita juga dapat
berangkat dari rata-rata bergerak ganda ke pemulusan eksponensial ganda.
Perpindahan seperti ini mungkin menarik karena salah satu keterbatasan dari rata-rata
bergerak linier, kecuali bahwa jumlah nilai data yang diperlukan sekarang adalah
2N-1. pemulusan eksponensial linier dapat dihitung hanya dengan tiga nilai data dan satu
nilai untuk α . Pendekatan ini juga memberikan bobot yang semakin menurun pada
observasi masa lalu. Dengan alasan ini pemulusan eksponensial linier lebih disukai
daripada rata-rata bergerak linier sebagai suatu metode peramalan dalam berbagai
kasus utama.
Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah sama
dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda
ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan
antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan
tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi
pemulusan eksponensial linier satu parameter dari Brown sebagai berikut:
(
' ")
' "S adalah nilai pemulusan eksponensial tunggal
"
t
S adalah nilai pemulusan eksponensial ganda
m adalah jumlah periode ke depan yang diramalkan
Jenis inisialisasi muncul dalam setiap metode pemulusan eksponensial. Jika
parameter pemulusan α tidak mendekati nol, pengaruh dari proses inisialisasi ini
dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika α
mendekati nol, proses inisialisasi tersebut dapat memainkan peranan yang nyata
selama periode waktu ke depan yang panjang.
Beberapa kriteria untuk menguji ketepatan ramalan yaitu:
1. ME (Mean Error) / nilai tengah kesalahan
∑
2. MSE (Mean Square Error) / nilai tengah kesalahan kuadrat
∑
∑
4. MAPE (Mean Absolut Percentage Error) / nilai tengah kesalahan persentase
absolut
5. MPE (Mean Percentage Error) / nilai tengah kesalahan persentase
∑
( kesalahan persentase pada periode ke t)
t
F = nilai ramalan pada periode ke t
N = banyaknya periode waktu
2.5. Metode Peramalan
Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori utama yaitu:
1. Metode peramalan 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 penting karena hasil peramalan tersebut ditentukan
orang yang menyusunnya. Metode kualitatif ini sendiri dapat dibagi menjadi
metode eksploratoris dan normatif.
2. Metode peramalan kantitatif
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 dipergunakan ditentukan oleh perbedaan atau
penyimpangan antara 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.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi, yaitu:
1. Adanya informasi tentang masa lalu
2. Informasi tersebut dapat dikuntitatifkan dalam bentuk data
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu
akan terus berlanjut di masa yang akan datang.
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan. Asumsi
ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan
banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode
tersebut.
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
jangka panjang.
2.5.1 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri
penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan
dalam mempersiapkan peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode
peramalan, yaitu:
1. Horizon Waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing
metode peramalan. 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
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. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan
5. Kemudahan dalam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambil keputusan
6. Biaya yang Dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan data,
operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan
BAB 3
SEJARAH SINGKAT BADAN KETAHAN PANGAN
3.1. Sejarah Ringkas dan Perkembangan Badan Ketahanan Pangan
Pada orde baru program intensifikasi pertanian bertujuan untuk meningkatkan
produktivitas dan produksi beras menuju swasembada pangan. Untuk mewujudkan
swasembada pangan dibentuk suatu wadah koordinasi yang bersifat fungsional dari
berbagai dinas instansi terkait baik ditingkat pusat, propinsi, kabupaten kota dan
sampai ketingkat desa yang disebut Badan Pengendali BIMAS (Bimbingan Massal)
ditingkat pusat, satuan pembina BIMAS ditingkat propinsi dan satuan pelaksanaan
BIMAS ditingkat Kabupaten, dan satuan penggerak BIMAS ditingkat Kecamatan dan
desa. Wadah koordinasi ini ditetapkan berdasarkan keputusan Presiden ditingkat
pusat, keputusan Gubernur ditingkat Propinsi, keputusan Bupati/Walikota ditingkat
Kabupaten, Kecamatan, dan Desa. Untuk mendukung wadah koordinasi yang bersifat
fungsional tersebut, maka ditetapkan adanya Sekretariat Pembina BIMAS ditingkat
Propinsi dan Sekretariat pelaksanaan BIMAS ditingkat Kabupaten/Kota yang
dipimpin oleh seorang Sekretaris.
Seiring perkembangan otonomi daerah maka seluruh lembaga struktural yang
bersifat vertikal, bergabung dan menyatu ke dalam lembaga struktural dinas daerah.
Sehingga dengan demikian lembaga struktural yang bersifat vertikal yang ada, tetapi
sekarang ini tidak ada lagi kecuali Lembaga Struktural yang menangani keuangan,
Mengingat wadah koordinasi yang bersifat fungsional yaitu satuan pembinaan
BIMAS ditingkat Propinsi, satuan pelaksanaan BIMAS ditingkat Kabupaten,
dipandang tugas-tugasnya masih diperlukan dalam rangka peningkatan produktivitas
dan produksi bahan pangan pokok dan strategis secara luas, maka pemerintah pusat
dan pemerintah daerah (PEMDA) Sumatera Utara membentuk suatu badan yang
disebut bengan 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 mempunyai tugas dan fungsi yang bersifat
koordinatif yang merupakan kesinambungan dari tugas dan fungsi koordinasi yang
ditanggung oleh satuan pembina BIMAS dan satuan pelaksana BIMAS pada
pemerintah 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 yaitu: “Terwujudnya
ketahanan pangan masyarakat yang berbasis kepada sumber daya lokal yang dimiliki
secara efisien dan berkelanjutan menuju masyarakat yang berkualitas dan sejahtera”.
3.1.2 Misi Badan Ketahanan Pangan Pangan Propinsi Sumatera Utara
1. Meningkatkan kebudayaan dan kemandirian masyarakat untuk mewujudkan
ketahanan pangan yang berbasis sumber daya lokal yang dimiliki
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/K/Thn 2002, membantu Gubernur dalam fasilitas pelaksanaan
koordinasi perumusan kebijakan dan program dibidang ketahan 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
Fungsi 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
c. Aspek konsumsi yang berbasis kepada penganekaragaman konsumsi
dan 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 ekspor / impor bahan pangan strategis
c. Monitoring harga bahan pangan strategis dan 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. Survei yang terkoordinasi ke lapangan
3. Memantau dan mengendalikan ketersediaan dan distribusi bahan pangan,
terutama sembilan bahan pangan pokok
4. Mengkoordinasi pelaporan dan evaluasi program peningkatan ketahanan
3.1.5 Lokasi Badan Ketahanan Pangan
Bangunan Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara seluas ± 1.276m
di atas tanah seluas 14.271m yang terletak di Jl. Jenderal Besar Dr. Abdul Haris
Nasution No. 24 Medan.
3.2 Struktur Organisasi Badan Ketahanan Pangan
Struktur Organisasi Badan Ketahanan Pangan yaitu:
Badan Ketahanan Pangan Sumatera Utara dipimpin oleh seorang Kepala Badan
(Eselon II/a) dan dibantu oleh empat 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 Pengadaan dan Cadangan Makanan
b. Sub bidang mutu pangan dan gizi
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
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
3.3 Kegiatan dan Jaringan Kerja Badan Ketahanan Pangan
3.3.1 Kegiatan Badan Ketahanan Pangan
Program kerja Badan Ketahanan Pangan terdiri dari berbagai kegiatan yang
dilaksanakan setiap tahun yaitu antara lain:
1. Memfasilitasi Koordinasi Perencanaan Kebijakan dan Program peningkatan
ketahanan pangan Propinsi Sumatera Utara
2. Melaksanakan pemantauan dan monitoring terhadap ketersediaan bahan
pangan pokok dan strategis setiap bulan yang terdiri dari produksi, ekspor,
impor, keluar masuk Propinsi, kebutuhan konsumsi dan lain-lain, serta stok
atau cadangan pangan
3. Melaksanakan pemantauan atau monitoring terhadap harga harian bahan
pokok, dan strategi untuk koordinasi dengan Dinas Instansi terkait apabila
terjadi fluktuasi harga
4. Melaksanakan sosialisasi dan pembinaan masyarakat tentang diversifikasi
konsumsi pangan melalui pemasyarakatan konsumsi pangan yang beragam,
bergizi dan berimbang (3B) untuk mengurangi konsumsi beras dan
5. Melaksanakan pengawasan terhadap mutu dan keamanan bahan pangan segar,
seperti buah dan sayur melalui otoritas kompetensi
6. Melaksanakan pendeteksian dini dan karawanan pangan melalui Sistem
Kewaspadaan Pangan dan Gizi (SKPG)
7. Menyusun peta rawan pangan setiap Kabupaten/ Kota (Food Insecurity Atlas),
guna dijadikan acuan dalam mengatasi kerawanpanganan
8. Melaksanakan berbagai kegiatan pemberdayaan terhadap masyarakat melalui
kelompok-kelompok masyarakat dengan menmberikan bantuan dana
penguatan modal usaha kelompok/ bantuan langsung masyarakat yaitu:
a. Bantuan dana penguatan modal bagi lembaga usaha ekonomi pedesaan
(DPM-LUEP) untuk stabilisasi harga gabah/ padi ditingkat petani
b. Bantuan penguatan modal usaha kelompok (PMUK) bagi kelompok
lembaga pangan untuk memantapkan cadangan pangan kelompok
c. Bantuan PMUK bagi kelompok tunda jual untuk stabilisasi harga pangan
ditingkat kelompok
d. Bantuan PMUK untuk pengembangan lokal atau tradisional bagi
kelompok-kelompok pangan lokal
e. Bantuan PMUK untuk pengembangan dan pemantapan pekarangan bagi
kelompok masyarakat untuk meningkatkan mutu dan gizi keluarga
f. Bantuan PMUK bagi kelompok dalam pemberdayaan daerah rawan pangan
9. Melaksanakan pameran pangan dan pemberian penghargaan bagi aparat dan
3.3.2 Jaringan Kerja Badan Ketahanan Pangan
Jaringan Kerja Badan Ketahanan Pangan melalui Sekretariat Dewan Ketahanan
Pangan Propinsi Sumatera Utara meliputi:
1. Dinas Pertanian, Dinas Perkebunan, Dinas Peternakan dan Dinas Perikanan
dan Kelautan beserta UPT nya mempunyai tugas dan tanggung jawab dalam
kebijakan teknis dan pelaksanaannya yaitu:
a. Menetapkan sasaran, proyeksi areal, populasi/ produktivitas, produksi
komuditas rencana kebutuhan
b. Memberikan dan menetapkan rekomendasi teknologi penyebarannya
c. Mengatur penyiapan dan pengawasan benih/ bibit
d. Memonitor dan mengawasi penerapan paket teknologi yang direkomendasi
e. Mengendalikan OPT, hama dan penyakit ternak serta ikan
f. Mengisi materi program penyuluhan pertanian serta penyelenggaraannya
g. Menyiapkan petunjuk teknis teknik kegiatan intensifikasi, ekstensifikasi,
diversifikasi dan rehabilitas masing-masing sub sektor dan sektor
h. Menyampaikan informasi secara teratur dan berkesinambungan sekali
sebulan pada awal bulan kepada Sekretariat Dewan tentang perkembangan
pelaksanaan kegiatan intensifikasi, ekstensifikasi, diversifikasi dan
rehabilitas.
2. Asisten Teritorial Kodam I BB, mempunyai tugas dan tanggung jawab bagi
perlindungan dan keamanan bahan pangan yang meliputi aspek ketersediaan
3. Kepala Biro Bina Mitra Poldasu, mempunyai tugas dan tanggung jawab dalam
memberikan perlindungan keamanan bahan pangan yang meliputi aspek
ketersediaan produksi, distribusi, konsumsi, dan mutu sesuai kewenangannya
4. Badan Perencanaan Pembangunan Daerah, mempunyai tugas dan tanggung
jawab dalam memberikan masukan bagi program peningkatan ketahanan
pangan sesuai dengan rencana pembangunan jangka menengah pemerintah
Propinsi Sumatera Utara
5. Badan Investasi dan Promsi mempunyai tugas dan tanggung jawab dalam
memberikan informasi kepada para calon investor PMA/PMDN yang meliputi
aspek ketersediaan, distribusi, konsumsi dan kewaspadaan bahan pangan
nabati dan hewani
6. Badan Penelitian dan Pengembangan mempunyai tugas dan tanggung jawab
dalam kerja sama pengembangan bahan pangan yang meliputi aspek
ketersediaan, distribusi, konsumsi dan kewaspadaan, mutu dan keamanan
7. Badan Pemberdayaan Masyarakat mempunyai tugas dan tanggung jawab
dalam koordinasi pemberdayaan masyarakat di dalam peningkatan ketahanan
pangan
8. Badan Informasi dan Komunikasi mempunyai tugas dan ketahana pangan dan
hasil yang dicapai kepada masyarakat luas
9. Badan Koordinasi Keluarga Berencana, mempunyai tugas dan tanggung jawab
dalam memberikan masukan informasi jumlah tahapan kelaurga serta
perkembangannya guna masukan dalam investasi untuk mencegah dan
mengatasi rawan pangan serta memberikan masukan bagi Program
10.Dinas Sosial mempunyai tugas dan tanggung jawab dalam menyampaikan data
daerah rawan pangan, bencana alam guna mendapatkan penanganan mengatasi
masalah ketahanan pangan serta memberikan masukan bagi Program
Peningkatan Ketahanan Pangan
11.Dinas Kesehatan beserta UPT nya mempunyai tugas dan tanggung jawab
dalam menyediakan data tingkat konsumsi bahan pangan dan status gizi
BAB 4
ANALISIS DATA
4.1 Pengumpulan Data
Untuk kebutuhan Peramalan diperlukan data yang bersifat akurat, Validity, reability,
kecukupan data dan dapat menggambarkan time series. Data diperoleh dari Kantor
Badan Ketahanan Pangan di Jl. Jenderal Besar Abd. Haris Nasution No. 24 Medan.
Pengumpulan data yang diperoleh merupakan data dari tahun 1993 – 2007,
yaitu data jumlah produksi padi.
Tabel 4.1 Data Hasil Produksi Padi Sumatera Utara Tahun 1993 – 2007
No Tahun Produksi
(Ton)
1 1993 2.918.152
2 1994 3.079.960
3 1995 3.134.533
4 1996 3.136.760
5 1997 3.212.206
6 1998 3.321.049
7 1999 3.451.430
8 2000 3.514.253
9 2001 3.291.605
10 2002 3.153.305
11 2003 3.403.075
12 2004 3.418.782
13 2005 3.447.393
14 2006 3.007.636
15 2007 3.257.823
Nilai Aktual Produksi Padi Sumatera Utara
Gambar 4.1 Grafik Jumlah Produksi Padi Sumatera Utara
4.2 Metode Smoothing Eksponensial Linier Satu Parameter Dari Brown
Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1)
dengan metode peramalan (forecasting) berdasarkan metode smoothing eksponensial
satu parameter dari Brown.
Menurut Assauri (1984), dasar pemikiran dari metode pemulusan eksponensial
tunggal maupun ganda adalah bahwa nilai pemulusan akan terdapat pada waktu
sebelum data sebenarnya apabila pada data tersebut terdapat komponen tren. Oleh
karena itu untuk nilai-nilai pemulusan tunggal perlu ditambahkan nilai pemulusan
ganda guna menyesuaikan tren. Metode itu dikenal dengan nama metode Brown.
Pada metode Brown hanya terdapat satu parameter saja dan estimasi nilai tren
masih sangat sensitif sekali terhadap fluktuasi random. Pemulusan eksponensial ganda
mengandung faktor musiman. Jika data yang akan dianalisis merupakan data musiman
maka diperlukan sebuah metode pemulusan yang dapat menangani faktor musiman
secara langsung. Metode tersebut adalah metode Winters.
4.3. Pemilihan Metode
4.3.1 Statistik Uji yang Berguna
Menurut Reitsch dan Hanke (1981), dalam banyak situasi peramalan, ketepatan
dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Guna
mengukur ketepatan ramalan, maka dibutuhkan uji-uji ketepatan ramalan. Beberapa
uji ketepatan ramalan yang sering diguakan antara lain adalah:
• Kesalahan Kuadrat Rata-rata (MSE)
∑
• Kesalahan persentase absolut rata-rata (MAPE)
adalah nilai sisa atau selisih antara data aktual dengan ramalan.
∑
Kegunaan dari kedua ukuran ketepatan peramalan tersebut adalah:
• Untuk membandingkan ketepatan ramalan yang dilakukan dengan dua metode
yang berbeda
Tabel 4.3 Aplikasi Nilai MSE Untuk Memilih Nilai α
1995 3134533 3066794.50 3012699.25 3120889.75 54095.25 3079960.00 54573.00 2978212329.00 1996 3136760 3101777.25 3057238.25 3146316.25 44539.00 3174985.00 -38225.00 1461150625.00 1997 3212206 3156991.63 3107114.94 3206868.31 49876.69 3190855.25 21350.75 455854525.56 1998 3321049 3239020.31 3173067.63 3304973.00 65952.69 3256745.00 64304.00 4135004416.00 1999 3451430 3345225.16 3259146.39 3431303.92 86078.77 3370925.69 80504.31 6480944331.10 2000 3514253 3429739.08 3344442.73 3515035.42 85296.34 3517382.69 -3129.69 9794943.85 2001 3291605 3360672.04 3352557.39 3368786.69 8114.65 3600331.77 -308726.77 95312215813.27 2002 3153305 3256988.52 3304772.95 3209204.09 -47784.43 3376901.34 -223596.34 49995324938.37 2003 3403075 3330031.76 3317402.36 3342661.16 12629.40 3161419.65 241655.35 58397307050.86 2004 3418782 3374406.88 3345904.62 3402909.14 28502.26 3355290.57 63491.43 4031162139.79 2005 3447393 3410899.94 3378402.28 3443397.60 32497.66 3431411.40 15981.60 255411432.43 2006 3007636 3209267.97 3293835.12 3124700.82 -84567.15 3475895.26 -468259.26 219266736185.39 2007 3257823 3233545.48 3263690.30 3203400.67 -30144.82 3040133.66 217689.34 47388648362.73
490167767093.35
Sumber: Perhitungan
Tabel di atas memakai nilai α =0.5
Kemudian salah satu nilai MSE tersebut dibandingkan untuk menemukan nilai
α yang memberikan MSE yang tekecil. Perbandingan ukuran ketepatan metode
Tabel 4.3 Perbandingan Ukuran Ketepatan Metode Peramalan
α MSE
0,1 38040148065.23
0,2 30445695261.48
0,3 28495941855.22
0,4 29507311770.55
0,5 32677851139.56
0,6 37310920551.44
0,7 57127822361.29
0,8 49901280758.93
0,9 413293087769.61
Sumber : Perhitungan
Dari tabel 4.3 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang
minimum atau terkecil yaitu pada nilai parameter pemulusanα =0,3, yaitu dengan
nilai MSE = 28495941855.22, sehingga dapat ditentukan nilai-nilai dari persamaan
pemulusan satu parameter dari Brown yaitu:
Tahun 1993:
Tahun 1994:
Tahun 1995:
m
Aplikasi Nilai MSE
2700000.00
Gambar 4.3 Grafik Nilai MSE
4.4. Peramalan dengan Metode Pemulusan Eksponensial Ganda (α =0.5)
Untuk α=0.5 kita ambil sebagai sampel pada tahun ke 2 dan tahun ke tiga, dengan
langkah-langkah sebagai berikut:
Tahun 1993:
2918152
Tahun 1994:
Tahun 1995:
Untuk Ramalan tahun 2008: Untuk Ramalan tahun 2009:
Tabel 4.4 Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan α= 0,5 Pada Data Jumlah Produksi Padi di Sumatera Utara
TAHUN Xt
'
t
S St'' at bt ft+m e 2
e ei Pei Pei
1993 2918152 2918152.00 2918152.00
1994 3079960 2999056.00 2958604.00 3039508.00 40452.00
1995 3134533 3066794.50 3012699.25 3120889.75 54095.25 3079960.00 54573.00 2978212329.00 54573.00 1.74 1.74
1996 3136760 3101777.25 3057238.25 3146316.25 44539.00 3174985.00 -38225.00 1461150625.00 38225.00 -1.22 1.22
1997 3212206 3156991.63 3107114.94 3206868.31 49876.69 3190855.25 21350.75 455854525.56 21350.75 0.66 0.66
1998 3321049 3239020.31 3173067.63 3304973.00 65952.69 3256745.00 64304.00 4135004416.00 64304.00 1.94 1.94
1999 3451430 3345225.16 3259146.39 3431303.92 86078.77 3370925.69 80504.31 6480944331.10 80504.31 2.33 2.33
2000 3514253 3429739.08 3344442.73 3515035.42 85296.34 3517382.69 -3129.69 9794943.85 3129.69 -0.09 0.09
2001 3291605 3360672.04 3352557.39 3368786.69 8114.65 3600331.77 -308726.77 95312215813.27 308726.77 -9.38 9.38
2002 3153305 3256988.52 3304772.95 3209204.09 -47784.43 3376901.34 -223596.34 49995324938.37 223596.34 -7.09 7.09
2003 3403075 3330031.76 3317402.36 3342661.16 12629.40 3161419.65 241655.35 58397307050.86 241655.35 7.10 7.10
2004 3418782 3374406.88 3345904.62 3402909.14 28502.26 3355290.57 63491.43 4031162139.79 63491.43 1.86 1.86
2005 3447393 3410899.94 3378402.28 3443397.60 32497.66 3431411.40 15981.60 255411432.43 15981.60 0.46 0.46
2006 3007636 3209267.97 3293835.12 3124700.82 -84567.15 3475895.26 -468259.26 219266736185.39 468259.26 -15.57 15.57
2007 3257823 3233545.48 3263690.30 3203400.67 -30144.82 3040133.66 217689.34 47388648362.73 217689.34 6.68 6.68
-282387.28 490167767093.35 1801486.84 -10.57 56.13
2008 3173255.85
2009 3143111.03
Sumber : Perhitungan
Tabel 4.5 Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan α= 0,3 Pada Data Jumlah Produksi Padi di Sumatera Utara
Tahun Xt
'
t
S St" at bt ft+m e 2
e e PEi PEi
1993 2918152 2918152.00 2918152.00
1994 3079960 2966694.40 2932714.72 3000674.08 14562.72
1995 3134533 3017045.98 2958014.10 3076077.86 25299.38 3015236.80 119296.20 14231583334.44 119296.20 3.81 3.81
1996 3136760 3052960.19 2986497.92 3119422.45 28483.83 3101377.24 35382.76 1251939705.22 38225.00 1.13 1.13
1997 3212206 3100733.93 3020768.73 3180699.13 34270.80 3147906.27 64299.73 4134454763.68 64299.73 2.00 2.00
1998 3321049 3166828.45 3064586.64 3269070.26 43817.92 3214969.94 106079.06 11252767819.12 106079.06 3.19 3.19
1999 3451430 3252208.92 3120873.33 3383544.51 56286.68 3312888.18 138541.82 19193836958.46 138541.82 4.01 4.01
2000 3514253 3330822.14 3183857.97 3477786.31 62984.64 3439831.19 74421.81 5538606107.91 3129.69 2.12 2.12
2001 3291605 3319057.00 3224417.68 3413696.32 40559.71 3540770.96 -249165.96 62083674042.91 308726.77 -7.57 7.57
2002 3153305 3269331.40 3237891.79 3300771.00 13474.12 3454256.03 -300951.03 90571520931.20 223596.34 -9.54 9.54
2003 3403075 3309454.48 3259360.60 3359548.36 21468.81 3314245.12 88829.88 7890747651.52 88829.88 2.61 2.61
2004 3418782 3342252.74 3284228.24 3400277.23 24867.64 3381017.16 37764.84 1426182839.18 37764.84 1.10 1.10
2005 3447393 3373794.81 3311098.21 3436491.42 26869.97 3425144.87 22248.13 494979245.11 22248.13 0.65 0.65
2006 3007636 3263947.17 3296952.90 3230941.44 -14145.31 3463361.39 -455725.39 207685630190.26 468259.26 -15.15 15.15
2007 3257823 3262109.92 3286500.01 3237719.83 -10452.89 3216796.13 41026.87 1683204239.30 41026.87 1.26 1.26
2008 3227266.94 -277951.27 427439127828.30 1660023.59 -10.38
2009 3216814.04
Sumber : Perhitungan
Ukuran ketepatan Metode Peramalan dengan Alpha = 0.5
= -18825,8186
2.
∑
= 32.607.851.139,56
3.
∑
= 120.099,1226
4.
∑
= -0,70456349
Nilai Aktual dan Ramalan Produksi Padi di
BAB 5
IMPLEMENTASI SISTEM
5.1. Pengenalan Excel
Microsoft Excel adalah aplikasi pengolahan angka (Spread sheet) yang sangat populer
dan mampu untuk mengatur, menyediakan maupun menganalisa data dan
mempresentasikan dalam bentuk tabel, grafik atau diagram.
5.1.1 Mengaktifkan Microsoft Excel
Cara I
• Klik tombol Start
• Pilih dan klik Program, Microsoft Office, Microsoft Excel
Cara II
• Klik tombol Start
• Pilih dan klik Run
• Ketik pada bagian Open: Excel, klik OK
Cara III
• Klik tombol Start
• Pilih dan klik Open, klik ganda pada Program File, Microsoft Office, Office,
Excel.exe (biasanya folder program file berada di direktory C:\)
5.1.3 Istilah-istilah MS. Excel
• Worksheet adalah daerah tempat lembaran kerja untuk memasukkan data
atau rumus. Normalnya MS. Excel menyediakan worksheet atau sheet
sebanyak 3 sheet
• Workbook merupakan buku kerja yang terdiri dari beberapa worksheet.
mempermudah mengorganisasi file-file sesuai dengan kebutuhan yang
diperlukan
• Cell merupakan perpotongan baris dan kolom yang ditandai dengan
aktifnya pointer cell pada posisi tertentu. Posisis cell aktif ditunjukkan
pada Name Box
• Cell Pointer adalah tanda penunjuk keaktifan sel berupa kotak bingkai
tebal
• Range adalah kumpulan beberapa sel yang membentuk kelompok area
(ditandai dengan warna hitam saat diblok)
• Gridlines adalah garis bantu sel pada area kerja. Gridlines ini hanya
tampak pada saat bekerja dalam worksheet tetapi bila hasil kerja dicetak
atau ditampilkan dengan print preview, maka Gridlines tersebut tidak
tampak
• Fill Handle adalah bagian bawah kanan pointer cell berfungsi untuk
memindah atau mengcopy data dan rumus dengan menggunakan mouse
• Mouse Pointer adalah bentuk penunjuk mouse yang tampil pada layar MS.
Excel
5.1.4 Jenis Data dalam MS. Excel
Sebuah sel pada lembar kerja Excel dapat diisi empat jenis data:
• Label/teks
• Numerik
• Alfanumerik
5.2. Operasi File
5.2.1 Menyimpan Worksheet
• Klik menu File, Save atau tekan Ctrl + S
• Pada pilihan Save in, pilih atau klik drive dan folder tempat menyimpan file
• Pada bagian File Name, ketik nama file yang diinginkan
• Klik tombol Save
5.2.2 Membuka Worksheet
• Klik menu File, Open atau tekan Ctrl + O atau tekan tombol Ctrl + F12
• Pada bagian Look in, pilih dan klik drive dan folder file yang akan dibuka
• Pada daftar file, pilih nama file yang ingin dibuka
• Klik tombol Open
5.2.3 Menyimpan Worksheet ke Nama Lain
• Klik menu File, Save As atau tekan tombol F12
• Pada pilihan Save in, pilih atau klik drive dan folder tempat simpan file
• Pada bagian File Name, ketik nama file yang diinginkan
• Klik tombol Save
5.2.4 Keluar dari MS. Excel
Klik menu File, Exit atau tekan Alt + F4 pada keyboard, pilih Yes atau No
5.2.5 Membuka Lembar Kerja Baru
Formula dan Fungsi Statistik
Microsof Excel menyediakan banyak jenis kategori fungsi seperti fungsi statistik,
finansial, data base, teks, matematika dan trigonometri, logika, referensi dan pencarian
yang dapat digunakan dalam membuat fungsi termasuk fungsi otomatis seperti
autosum, currency style, percent style dan sebagainya.
Fungsi-fungsi Excel digunakan dalam penulisan formula atau rumus yang
dapat dikomendasi dengan alamat sel, range, data konstanta atau gabungan beberapa
fungsi.
5.3.1 Fungsi Statistik
Fungsi ini bertujuan untuk menganalisa suatu kumpulan data. Untuk penganalisaan
data, beberapa fungsi yang sering digunakan antara lain:
• SUM(range) : mencari total sekumpulan data angka
• MAX(range) : mencari nilai tertinggi dari sekumpulan data angka
• MIN(range) : mencari nilai terendah dari sekumpulan data angka
• AVERAGE : mencari nilai rata-rata dari sekumpulan data angka
• COUNT : mencari banyak data dari sekumpulan data angka
5.4. Grafik dalam Microsoft Excel
Salah satu fasilitas MS. Excel adalah kemampuan untuk membuat grafik (chart)
dipresentasikan ke dalam bentuk yang lebih menarik yakni dalam grafik bentuk
batang, garis, kolom, lingkaran dan bentuk grafik lainnya. Grafik ini sering digunakan
untuk menunjukkan persentasi dari sebuah penelitian atau menampilkan hasil data.
5.4.1 Membuat Grafik
Langkah -langkah membuat grafik:
• Arahkan pointer sel pada tabel data
• Klik menu Insert, Chart
• Tentukan tipe dan sub tipe grafik misalnya tipe Column dan sub tipe 3-D
Column
• Klik Next
• Tentukan sumber data grafik. Jika sel pointer berada pada tabel data maka
otomatis seluruh data tabel akan disorot ditandai dengan garis putus-putus
• Klik Next
• Tentukan keterangan pendukung grafik seperti titles (judul-judul tabel), axis
(sumbu koordinat tabel), gridlines (garis bantu skala tabel), legends
(keterangan tambahan), data labels (nama-nama data tabel) dan data tabel.
• Klik Next
• Tentukan lokasi penempatan grafik
5.4.2 Menata Grafik
Untuk menata grafik dapat dilakukan dengan menggunakan toolbar Chart atau dengan
menggunakan kotak dialog Chart Option atau klik menu Chart lalu lakukan penataan
BAB 6
KESIMPULAN DAN SARAN
6.1. Kesimpulan
Dari hasil Analisis data pada perhitungan jumlah produksi padi di Sumatera Utara
dengan menggunakan Pemulusan Eksponensial Satu Parameter dari Brown didapat
kesimpulan:
1. Dari data yang disajikan dapat dilihat perkembangan produksi padi di
Sumatera Utara tidak tetap, kadang naik dan kadang turun. Hal ini disebabkan
kurangnya lahan pertanian sekarang ini karena banyak lahan pertanian
dijadikan sebagai bangunan untuk perumahan, hotel, dan lain-lain. Selain itu
adanya musim atau cuaca yang tidak tetap dan kurangnya penyaluran
kebutuhan pertanian seperti pupuk, pestisida, alat-alat yang digunakan, dan
lain-lain.
2. Dari perhitungan pada tabel 4.4, angka-angka peramalan produksi padi dapat
dipakai sebagai bahan informasi yang mampu menjadikan acuan perencanaan
pembangunan ketahanan pangan.
3. Dari perhitungan pada Analisis Data dapat dilihat metode pemulusan
(smoothing) satu parameter dari Brown baik digunakan karena nilai kesalahan
nya tidak terlalu besar dan dari grafik juga dapat dilihat bahwa data aktual dan
peramalan yang di sajikan memiliki perbedaan yang tidak mencolok.
4. Pada perhitungan Nilai MSE dapat dilihat bahwa nilai alpha yang baik
digunakan untuk peramalan produksi padi di Sumatera Utara adalah 0,3 karena
6.2 Saran
Dari kesimpulan yang sudah didapat maka saran untuk perkembangan produksi padi
di Sumatera Utara adalah sebagai berikut:
1. Dari perkembangan produksi padi yang tidak tetap diharapkan pemerintah
dapat menanggulanginya agar negara kita tidak kekurangan pangan dengan
jumlah penduduknya yang banyak, karena apabila jumlah produksi padi tidak
seimbang dengan jumlah penduduk maka akan terjadi krisis pangan yang
mengakibatkan negara kita akan dilanda kelaparan.
2. Dengan adanya angka peramalan tersebut, diharapkan dapat memberikan
gambaran dalam pengambilan keputusan untuk jumlah produksi padi di masa
yang akan datang agar negara kita tidak terjadi krisis pangan.
3. Dengan metode pemulusan (smoothing) satu parameter dari Brown,
diharapkan dapat mempermudah untuk menentukan ramalan produksi padi di
masa yang akan datang.
4. Dari nilai alpha 0,3 tersebut diharapkan dapat membantu dalam penentuan
nilai MSE, karena MSE tersebut merupakan ukuran ketepatan peramalan yang
DAFTAR PUSTAKA
Arikunto S. 1998. Prosedur penelitian. Jakarta : Rineka cipta.
Assauri, Sofyan. 1991. Teknik dan Metoda Peramalan Penerapannya dalam Ekonomi
dan Dunia Usaha. Jakarta: Penerbit LPFE UI
Badan Ketahanan Pangan Sumatera Utara, Jumlah Produksi Padi Tahun 1993-2007.
Gujarati Damodar. 1999. Ekonometrika Dasar. Jakarta : Erlangga.
http://www Wordpress.com/Metode Peramalan Bisnis dan Upaya Memperoleh
Akurasi yang Lebih baik. Diakses tanggal 6 Mei 2008
htt : //www. Deptan.go.id. pusdatin/ statistik/ time series. Diakses tanggal 6 Mei 2008
Makridakis, Wheelwhright. and McGee. 1999. Metode dan Aplikasi Peramalan edisi
2. Jakarta: Binarupa Aksara.
Napitupulu, Normalina. 2006. Microsoft Excel dan Power Point. Medan
Ps, Djarwanto dan Subagyo, Pangestu. 1993 Statistik Induktif Edisi Empat.
Yogyakarta: BPFE.
