http://repository.usu.ac.id/bitstream/123456789/46809/5/chapterI. Diakses tanggal 9 Maret 2016
https://id.wikipedia.org/wiki/microsoft_Excel. Diakses tanggal 12 Mei 2016
Makridakis, S., S. Wheelwright., dan V. E. McGee. 1999. Metode dan Aplikasi Peramalan. Edisi kedua. Jilid satu. Jakarta: Binarupa Aksara.
Panduan Tatacara Penulisan Tugas Akhir.2016.Dokumen Nomor: Akad/05/2005. Medan: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
3.1 Gambaran Umum Kota Medan
3.1.1 Letak Geografis
Kotamadya Medan merupakan kota terbesar ketiga di Indonesia setelah Jakarta dan
Surabaya. Kota ini merupakan wilayah yang subur di wilayah dataran rendah timur
dari propinsi Sumatera Utara dengan ketinggian berada di 22,5 meter di bawah
permukaan laut. Kota ini dilalui oleh dua sungai yaitu Sungai Deli dan Sungai Babura
yang bermuara di Selat Malaka.
Secara geografis, Medan terletak pada 3,300-3,430 LU dan 98,350-98,440 BT
dengan topografi cenderung miring ke utara. Sebelah barat dan timur Kota Medan
berbatasan dengan Kabupaten Deli dan Serdang. Di sebelah utara berbatasan dengan
Selat Malaka. Letak yang strategis ini menyebabkan Medan berkembang menjadi
pintu gerbang kegiatan perdagangan barang dan jasa baik itu domestik maupun
internasional.
Kota Medan beriklim tropis basah dengan curah hujan rata-rata 2000-2500 mm
pertahun. Suhu udara di Kota Medan berada pada maksimum 32,40 C dan minimum
masyarakat, pelayanan umum dan daya saing daerah. Pemahaman terhadap kondisi
Kota Medan tersebut menjadi dasar dalam perencanaan khususnya dalam rangka
merumuskan strategi dan arah kebijakan serta program pembangunan Kota Medan.
Berdasarkan data Pemko Medan, Kota Medan sebagai salah satu daerah
otonom berstatus kota di propinsi Sumatera Utara, Kedudukan, fungi dan peran Kota
Medan cukup penting dan strategi secara regional. Bahkan sebagai Ibukota Propinsi
Sumatera Utara, Kota Medan sering digunakan sebagai barometer dalam
pembangunan dan penyelenggaraan pemerintah daerah.
3.1.3 Demografi
Berdasarkan data kependudukan tahun 2005, penduduk Medan diperkirakan telah
mencapai 2.036.018 jiwa, dengan jumlah wanita lebih besar dari pria, (1.010.174 jiwa
>995.968 jiwa). Jumlah penduduk tersebut diketahui merupakan penduduk tetap,
sedangkan penduduk tidak tetap diperkirakan mencapai lebih dari 500.000 jiwa, yang
merupakan penduduk komuter.
Berdasarkan Sensus Penduduk Indonesia 2010, penduduk Medan berjumlah
adalah Melayu. Keanekaragaman etnis di Medan terlihat dari jumlah masjid, gereja
dan vihara Tionghoa yang banyak tersebar di seluruh kota.
3.1.4 Kehidupan Sosial
a. Pekerjaan
sebagai kota terbesar di Pulau Sumatera dan di Selat Malaka, penduduk
Medan banyak yang berprofesi di bidang perdagangan. Biasanya pengusaha
Medan banyak yang menjadi pedagang komoditas perkebunan. Setelah
kemerdekaan, sektor perdagangan secara konsisten didominasi oleh etnis
Tionghoa dan Minangkabau. Bidang pemerintah dan politik, dikuasai oleh
orang-orang Mandailing. Sedangkan profesi yang memerlukan keahlian dan
pendidikan tinggi, seperti pengacara, dokter, notaris, dan wartawan, mayoritas
digeluti oleh orang Minangkabau.
b. Pola Pemukiman
perluasan Kota Medan telah mendorong perubahan pola pemukiman
kelompok-kelompok etnis. Etnis Melayu yang merupakan penduduk asli kota,
lebih nyaman, oleh karena itu terdapat kecenderungan di kalangan masyarakat
Mandailing untuk menjual rumah dan tanah mereka di tengah kota, seperti di
Kampung Mesjid, Kota Maksum, dan Sungai Mati
3.2 Sejarah Singkat Badan Pusat Statistik Sumatera Utara
Tahun 1968, ditetapkan Peraturan Pemerintah No.16 tahun 1968, yang mengatur
Organisasi dan Tata Kerja BPS (di Pusat dan Daerah). Tahun 1980, ditetapkan
Peraturan Pemerintah No.6 tahun 1980, tentang Organisasi BPS sebagai pengganti PP
No.16 tahun 1968.berdasarkan PP No.6/1980 di setiap Provinsi terdapat kantor
statistika dengan nama KANTOR STATISTIKA PROVINSI dan begitu juga di setiap
Kabupaten/ Kotamadya terdapat kantor statistika dengan nama KANTOR
STATISTIK KABUPATEN/KOTAMADYA. Dengan demikian mulai saat itu kantor
Statistika Provinsi secara resmi ada diseluruh Indonesia, tidak terkecuali di Provinsi
Sumatera Utara dengan nama Kantor Statistika Provinsi Sumatera Utara. Demikian
juga untuk Kabupaten/Kotamadya seluruh Provinsi Sumatera Utara berdiri
Perwakilan BPS Kantor Statisti Kabupaten/Kotamadya pada saat itu.
Keputusan Presiden No.8 Tahun 1998 tentang Badan Pusat Statistika sebagai
pengganti Keputusan Presiden No.6 Tahun 1992 tentang kedudukan, tugas, fungsi,
susunan organisasi dan tata kerja Biro Pusat Statistik. Berdasarkan Keputusan
Presiden ini “Kantor Statistik Provinsi Sumatera Utara” berubah menjadi BADAN
PUSAT STATISTIK (BPS) PROVINSI SUMATERA UTARA
3.2.1 Visi dan Misi Badan Pusat Statistik
a. Visi Badan Pusat Statistik
Visi Badan Pusat Statistik adalah sebagai penyedia data statistik berkualitas
b. Misi Badan Pusat Statistik
Misi yang diemban BPS adalah sebagai berikut:
1. Menyediakan informasi statistic yang berkualitas : lengkap, akurat, relevan,
mutakhir dan berkesinambungan.
2. Meningkatkan upaya koordinasi, integrasi, sinkronisasi dan standarisasi
kegiatan statistik dalam kerangka Sistem Statistik Nasional (SSN) yang
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya
peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan
kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang
kelancaran tugas dari masing-masing bagian. Surat keputusan kepala BPS No.
104 tahun 1999 yang mengatur tentang uraian tugas, bagian bidang, subbagian
dan seksi perwakilan BPS di daerah dipandang perlu untuk menetapkan
perincian tugas setiap bidang, subbagian, dan seksi di lingkungan perwakilan
Gambar 3.1 Struktur Organisasi BPS Provinsi
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan
kegiatan langsung dengan instansi social yang terjadi diantara individu-individu
dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. Stuktur
organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi
tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetapkan.
Dengan adanya stuktur organisasi maka akan jelaslah pemisahan tugas dari pegawai
staf tersebut. Stuktur organisasi yang diterapkan di Kantor Badan Pusat Statistik
3.4 Logo Badan Pusat Statistik
Logo Badan Pusat Statistik adalah sebagai berikut :
Gambar 3.2 Logo Badan Pusat Statistik
4.1 Pengumpulan Data
Data yang digunakan adalah data jumlah pengangguran tahun 2005 sampai dengan
tahun 2015. Data tersebut dapat ditunjukkan pada table berikut:
Tabel 4.1 Data Jumlah Pengangguran Di Kota Medan Tahun 2005-2014
No Tahun Jumlah Pengangguran
1
Gambar 4.1 Grafik Jumlah Pengangguran di Kota Medan dari tahun 2005 sampai tahun 2014
Dari gambar 4.1 dapat dilihat bahwa plot data jumlah pengangguran di Kota Medan
dari tahun 2005 sampai tahun 2014 menunjukkan data diatas stasioner. Data jumlah
pengangguran diatas dapat diramalkan untuk peramalan jumlah pengangguran tahun
2016.
4.2 Pemulusan Eksponensial Ganda Satu Parameter Dari Brown
4.2.1 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1)
dengan peramalan berdasarkan metode pemulusan eksponensial satu parameter dari
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
susunan data dan kemudian memperoleh rata-rata atau nilai tengah kuadrat tersebut
dan kemudian dicoba nilai yang lain.
Untuk menghitung MSE pertama dicari error terlebih dahulu yang merupakan
hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadratkan dan dibagi
dengan banyaknya error. Secara matematis rumus MSE (Mean Square Error) sebagai
berikut:
MSE = ∑��= ��
MSE
=
1 116557 116557 116557
2 133470 118248,3 116726,13 119770,5 169,13
3 123670 118790,47 116932,564 120648,4 206,434 119939,6 3730,4 13915884,16
4 125477 119459,123 117185,2199 121733 252,6559 120854,81 4622,19 21364640,4 5 137160 121229,2107 117589,619 124868,8 404,39908 121985,682 15174,318 230259926,8 6 133811 122487,3896 118079,396 126895,4 489,777065 125273,2015 8537,7985 72894003,23 7 99916 120230,2507 118294,4815 122166 215,0854622 127385,1603 -27469,1603 754554766,5 8 84501 116657,3256 118130,7659 115183,9 -163,7155907 122381,1053 -37880,1053 1434902377 9 100568 115048,393 117822,5286 112274,3 -308,2372876 115020,1697 -14452,1697 208865208,8 10 92437 112787,2537 117319,0011 108255,5 -503,5274893 111966,0202 -19529,0202 381382628,6
1 116557 116557 116557
2 133470 119939,6 117233,52 122645,7 676,52
3 123670 120685,68 117923,952 123447,4 690,432 123322,2 347,8 120964,84
4 125477 121643,944 118667,9504 124619,9 743,9984 124137,84 1339,16 1793349,506 5 137160 124747,1552 119883,7914 129610,5 1215,84096 125363,936 11796,064 139147125,9 6 133811 126559,9242 121219,0179 131900,8 1335,22656 130826,36 2984,64 8908075,93 7 99916 121231,1393 121221,4422 121240,8 2,4242816 133236,057 -33320,057 1110226196 8 84501 113885,1115 119754,1761 108016 -1467,266148 121243,2607 -36742,2607 1349993724 9 100568 111221,6892 118047,6787 104395,7 -1706,497377 106548,7807 -5980,78072 35769738,06 10 92437 107464,7513 115931,0932 98998,41 -2116,585468 102689,2023 -10252,2023 105107651,7
1 116557 116557 116557
2 133470 121630,9 118079,17 125182,6 1522,17
3 123670 122242,63 119328,208 125157,1 1249,038 126704,8 -3034,8 9210011,04 4 125477 123212,941 120493,6279 125932,3 1165,4199 126406,09 -929,09 863208,2281 5 137160 127397,0587 122564,6571 132229,5 2071,02924 127097,674 10062,326 101250404,5 6 133811 129321,2411 124591,6323 134050,8 2026,975185 134300,4895 -489,4895 239599,9706 7 99916 120499,6688 123364,0433 117635,3 -1227,589069 136077,825 -36161,825 1307677590 8 84501 109700,0681 119264,8507 100135,3 -4099,192537 116407,7052 -31906,7052 1018037837 9 100568 106960,4477 115573,5298 98347,37 -3691,320908 96036,09301 4531,906988 20538180,95 10 92437 102603,4134 111682,4949 93524,33 -3891,034928 94656,04467 -2219,04467 4924159,239
1 116557 116557 116557
2 133470 123322,2 119263,08 127381,3 2706,08
3 123670 123461,32 120942,376 125980,3 1679,296 130087,4 -6417,4 41183022,76 4 125477 124267,592 122272,4624 126262,7 1330,0864 127659,56 -2182,56 4763568,154 5 137160 129424,5552 125133,2995 133715,8 2860,83712 127592,808 9567,192 91531162,76 6 133811 131179,1331 127551,633 134806,6 2418,33344 136576,648 -2765,648 7648808,86 7 99916 118673,8799 124000,5317 113347,2 -3551,101235 137224,9667 -37308,9667 1391958998 8 84501 105004,7279 116402,2102 93607,25 -7598,321521 109796,1268 -25295,1268 639843439 9 100568 103230,0368 111133,3408 95326,73 -5268,86938 86008,92412 14559,07588 211966690,4 10 92437 98912,82205 106245,1333 91580,51 -4888,207509 90057,8633 2379,136696 5660291,42
1 116557 116557 116557
2 133470 125013,5 120785,25 129241,8 4228,25
3 123670 124341,75 122563,5 126120 1778,25 133470 -9800 96040000
4 125477 124909,375 123736,4375 126082,3 1172,9375 127898,25 -2421,25 5862451,563 5 137160 131034,6875 127385,5625 134683,8 3649,125 127255,25 9904,75 98104072,56 6 133811 132422,8438 129904,2031 134941,5 2518,640625 138332,9375 -4521,9375 20447918,75 7 99916 116169,4219 123036,8125 109302 -6867,390625 137460,125 -37544,125 1409561322 8 84501 100335,2109 111686,0117 88984,41 -11350,80078 102434,6406 -17933,6406 321615466,1 9 100568 100451,6055 106068,8086 94834,4 -5617,203125 77633,60938 22934,39063 525986273,3 10 92437 96444,30273 101256,5557 91632,05 -4812,25293 89217,19922 3219,800781 10367117,07
1 116557 116557 116557
2 133470 126704,8 122645,68 130763,9 6088,68
3 123670 124883,92 123988,624 125779,2 1342,944 136852,6 -13182,6 173780942,8 4 125477 125239,768 124739,3104 125740,2 750,6864 127122,16 -1645,16 2706551,426 5 137160 132391,9072 129330,8685 135452,9 4591,55808 126490,912 10669,088 113829438,8 6 133811 133243,3629 131678,3651 134808,4 2347,49664 140044,504 -6233,504 38856572,12 7 99916 113246,9452 120619,5131 105874,4 -11058,85198 137155,8573 -37239,8573 1386806970 8 84501 95999,37806 105847,4321 86151,32 -14772,08105 94815,52518 -10314,5252 106389429,8 9 100568 98740,55122 101583,3036 95897,8 -4264,128521 71379,24298 29188,75702 851983536,2 10 92437 94958,42049 97608,37372 92308,47 -3974,929849 91633,67036 803,3296435 645338,5162
1 116557 116557 116557
2 133470 128396,1 124844,37 131947,8 8287,37
3 123670 125087,83 125014,792 125160,9 170,422 140235,2 -16565,2 274405851 4 125477 125360,249 125256,6119 125463,9 241,8199 125331,29 145,71 21231,4041 5 137160 133620,0747 131111,0359 136129,1 5854,42396 125705,706 11454,294 131200851 6 133811 133753,7224 132960,9164 134546,5 1849,880585 141983,5375 -8172,5375 66790369,19 7 99916 110067,3167 116935,3966 103199,2 -16025,51981 136396,409 -36480,409 1330820238 8 84501 92170,89502 99600,2455 84741,54 -17335,15114 87173,717 -2672,717 7143416,167 9 100568 98048,86851 98514,2816 97583,46 -1085,963899 67406,39339 33161,60661 1099692153 10 92437 94120,56055 95438,67687 92802,44 -3075,604737 96497,49151 -4060,49151 16487591,27
1 116557 116557 116557
2 133470 130087,4 127381,32 132793,5 10824,32
3 123670 124953,48 125439,048 124467,9 -1942,272 143617,8 -19947,8 397914724,8 4 125477 125372,296 125385,6464 125358,9 -53,4016 122525,64 2951,36 8710525,85 5 137160 134802,4592 132919,0966 136685,8 7533,45024 125305,544 11854,456 140528127,1 6 133811 134009,2918 133791,2528 134227,3 872,15616 144219,272 -10408,272 108332126 7 99916 106734,6584 112145,9773 101323,3 -21645,27555 135099,487 -35183,487 1237877760 8 84501 88947,73167 93587,38079 84308,08 -18558,59646 79678,06394 4822,936064 23260712,28 9 100568 98243,94633 97312,63323 99175,26 3725,252436 65749,48609 34818,51391 1212328911 10 92437 93598,38927 94341,23806 92855,54 -2971,395167 102900,5119 -10463,5119 109485080,9
1 116557 116557 116557
2 133470 131778,7 130256,53 133300,9 13699,53
3 123670 124480,87 125058,436 123903,3 -5198,094 147000,4 -23330,4 544307564,2 4 125477 125377,387 125345,4919 125409,3 287,0559 118705,21 6771,79 45857139,8 5 137160 135981,7387 134918,114 137045,4 9572,62212 125696,338 11463,662 131415546,5 6 133811 134028,0739 134117,0779 133939,1 -801,036135 146617,9855 -12806,9855 164018877,6 7 99916 103327,2074 106406,1944 100248,2 -27710,88345 133138,0337 -33222,0337 1103703524 8 84501 86383,62074 88385,87811 84381,36 -18020,31633 72537,33689 11963,66311 143129235 9 100568 99149,56207 98073,19368 100225,9 9687,315569 66361,04704 34206,95296 1170115631 10 92437 93108,25621 93604,74995 92611,76 -4468,443723 109913,246 -17476,246 305419175,6
Tabel 4.11 Perbandingan Ukuran Ketetapan Metode Peramalan
Dari tabel 4.11 diatas dapat dilihat yang menghasilkan nilai MSE yang paling
kecil atau minimum yaitu pada nilai parameter pemulusan = 0,4, yaitu dengan MSE
= 299319497,6. Jadi yang dipakai adalah = 0,4
4.2.2 Penentuan Bentuk Persamaan Peramalan
Perhitungan pada tabel 4.5 didasarkan = 0,4 dan ramalan untuk satu periode ke
�= −�� (�′�–�′′�)
��+ = � + ��
Berdasarkan data terakhir dapat dibuat peramalan untuk satu tahun berikutnya
dengan bentuk persamaan peramalan:
��+ = 91580,51 + (-4888,207509) ( )
4.3 Peramalan Jumlah Pengangguran
Setelah diperoleh model peramalan jumlah pengangguran, maka dapat dihitung untuk
2 periode ke depan yaitu untuk tahun 2015 dan 2016 seperti tertera dibawah
a. Untuk periode 11 (tahun 2015)
��+ = 91580,51 + (-4888,207509) (�)
� + = 91580,51 + (-4888,207509) (1)
� + = 81804,09577
Tabel 4.12 Peramalan Jumlah Pengangguran di Kota Medan Tahun 2015 sampai 2016
Tahun Periode Forecasting (Jiwa/orang)
2015 11 86692
2016 12 81804
Dari tabel diatas maka dapat dilihat bahwa jumlah pengangguran pada periode ke-11
atau tahun 2015 sebesar 86692 dan untuk periode ke-12 atau tahun 2016 sebesar
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru
atau sistem yang akan diperbaiki. Tahapan implementasi merupakan tahapan
penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan
data pada karya tulis ini penulis menggunakan satu perangkat lunak sebagai
implementasi system yaitu Microsoft Excel dalam menyelesaikan masalah untuk
memperoleh hasil perhitungan.
Dalam hal pengolahan data, computer mempunyai kelebihan dari manusia yaitu
kecepatan, ketepatan, dan keandalan dalam memproses data. Dengan adanya
perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya
data yang sangat rumit dan banyak tidak dapat dikerjakan secara manual atau dengan
menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga yang
sangat banyak untuk mengolah data tersebut, disamping itu faktor kesalahan yang
dilakukan manusia relative besar. Selain itu, dengan adanya perangkat lunak
komputer, diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, dan
1. Klik tombol start, yang ada pada taskbar
2. Bawah pointer mouse ke program, kemudian
3. Klik Microsoft Excel untuk memulai program, selanjutnya excel akan
menampilkan buku kerja yang kosong.
Gambar 5.1 Mengaktifkan Microsoft Excel
Setelah aktif di dalam Microsoft Excel, akan tampil lembar kerja baru yang
tersusun atas sel-sel yang terbentuk dalam baris dan kolom. Satu lembar kerja
keberadaan mouse.
Rumus selalu dimulai dengan tanda sama dengan (=), misalnya:
=Sum(range) digunakan untuk menjumlahkan renge tertentu. Nilai yang
dihasilkan dapat berubah apabila rangkaian nilai dalam rumus berubah.
4. Kita dapat memasukkan data lembar kerja dengan langkah sebagai berikut:
a. Tempatkan petunjuk sel tempat data tersebut akan ditempatkan
b. Ketik data yang akan dimasukkan
c. Untuk mengakhiri tekan enter atau tanda panah untuk berpindah sel atau
dengan menggerakkan mouse ke tempat lain.
5. Menyimpan data
Setelah lembar kerja diisi dalam Microsoft Excel disimpan dengan nama file
penggangguran. Langkah-langkah dalam menyimpan lembar kerja adalah
sebagai berikut:
a. Ketik file
b. Save as data
a. Pemulusan Eksponensial Tunggal (�′�), untuk tahun pertama yakni tahun
2005, adalah periode pertama dari data historisnya, sehingga rumus yang
tertera pada sel B41 adalah =41.
Sedangkan untuk periode kedua yakni untuk tahun 2006 dapat
menggunakan rumus =(0,4*B42)+((1-0,4)*C41). Dalam kasus ini untuk sel
C3 menghasilkan angka 123322,2. Untuk periode ketiga sampai periode
kesepuluh hanya menyalin rumus tersebut.
b. Pemulusan Eksponensial Ganda (�′′�), untuk tahun pertama yakni tahun
2005, adalah periode pertama dari data historisnya, sehingga rumus yang
tertera pada sel C41 adalah =D41.
Sedangkan untuk periode kedua yakni untuk tahun 2006 dapat
menggunakan rumus =(0,4*C42)+((1-0,4)*D41). Dalam kasus ini untuk
sel D3 menghasilkan angka 119263,08. Untuk periode ketiga sampai
periode kesepuluh hanya menyalin rumus tersebut.
c. Nilai � dapat dicari pada periode kedua yaitu dengan rumus yang tertera
pada sel F42 adalah =((0,4)/(1-0,4))*(C42-D42), sehingga menghasilkan
angka 2706,08 dan untuk tahun-tahun berikutnya hanya menyalin rumus
tersebut.
e. Forecast (��+ ) untuk periode ketiga yaitu pada sel G43 adalah =E42+F42,
sehingga menghasilkan angka 130087,4. Untuk tahun-tahun berikutnya
hanya menyalin rumus tersebut.
Dan untuk peramalan pada periode kesebelas atau tahun 2015 adalah
=E50+F50 yang menghasilkan angka 86692,30328. Dan untuk periode
keduabelas atau tahun 2016 adalah =E50+(F50*2) yang menghasilkan
angka 81804,09577.
f. Nilai Error kuadrat dapat dicari dengan rumus pada sel I43 adalah
=(B43-G43)^2 sehingga menghasilkan angka 41183022,76 dan untuk berikutnya
hanya menyalin rumus tersebut.
g. Menghitung MSE dapat menggunakan rumus pada sel J51 adalah =I51/8
Gambar 5.2 Analisa Pada Microsoft Excel
5.3 Pembuatan Grafik
Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar
grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada
excel dapat menggunakan chart wizard yang terdapat pada toolbar. Langkah-langkah
yang perlu dilakukan adalah sebagai berikut:
1. Sorot sel yang ingin dibuat grafik pada tabel data
2. Klik menu Insert,chart
Gambar 5.3 Proses Pembuatan Grafik
4. Klik Enter
5.Tentukan keterangan pendukung grafik seperti title (judul tabel), axes (sumbu
koordinat tabel), gridlines (garis bantu skala tabel), legends (keterangan
tabel) data labels (nama data tabel) dan data table
6. Klik Enter
7. Pilih tempat untuk meletakkan grafik ini
6.1 Kesimpulan
Berdasarkan hasil pengolahan data yang dilakukan sebelumnya pada Bab 4, maka
kesimpulan yang diperoleh adalah sebagai berikut:
1. Dengan Metode Smoothing Eksponensial Ganda Satu Parameter dari Brown
didapat nilai MSE yang terkecil adalah dengan = 0,4, yaitu MSE =
299319497,6.
2. Bentuk persamaan peramalan dari jumlah pengangguran di Kota
Medanberdasarkan tahun 2005 sampai dengan tahun 2014 adalah:
��+ = 91580,51 + (-4888,207509) (�)
3. Diperkirakan jumlah pengangguran di Kota Medan untuk periode ke-12 atau pada
tahun 2016 adalah sebesar 81804 jiwa
sangat membantu jika menggunakan alat bantu komputer khususnya program
aplikasi Microsoft Excel 2007.
2. Dari hasil pengolahan data yang ada, jumlah pengangguran di Kota Medan
diperkirakan menurun pada tahun 2016. Untuk itu hendaknya pemerintah daerah
Kota Medan terus melakukan upaya dalam mengurangi jumlah pengangguran di
Kota Medan agar tiap tahunnya jumlah pengangguran dapat menurun.
3. Sebagai bahan pertimbangan dan perbandingan dalam mengambil berbagai
kebijakan, metode peramalan yang dibahas dalam Tugas Akhir ini akan sangat
membantu
2.1 Pengertian dan Manfaat Peramalan
Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
disebut peramalan (forecasting). Sedangkan ramalan adalah suatu kondisi yang
diperkirakan akan terjadi pada masa yang akan datang. Peramalan diperlukan karena
adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru
dengan waktu pelaksanaan kebijakan tersebut. Waktu tenggang (lead time)
merupakan suatu alasan untuk perencanaan (planning) dan peramalan (forecast). Bila
waktu tenggang ini besarnya nol atau sangat kecil, maka tidak dibutuhkan peramalan.
Bila waktu tenggang tersebut panjang dan hasil yang diperoleh membutuhkan
faktor-faktor yang menyatakan bahwa perencanaan dapat dibentuk memiliki peranan
penting, maka peramalan terjadi atau dibutuhkan sehingga tindakan yang tepat dapat
dilakukan.
Penggunaan metode peramalan adalah untuk mengidentifikasi suatu model
peramalan sedemikian rupa sehingga kesalahannya menjadi seminimal mungkin.
Pada dasarnya, teknik peramalan dapat diterapkan dalam setiap kegiatan bisnis yang
diorientasikan pada waktu yang akan datang, baik pada bidang sumber daya manusia,
operasional (produksi), pemasaran, keuangan maupun kegiatan perekonomian secara
dilakukan oleh para pimpinan puncak suatu perusahaan dan bersifat umum.
Peramalan jangka pendek biasanya dilakukan pimpinan pada tingkat menengah
maupun bawah dan lebih bersifat operasionalBerdasarkan ruang lingkupnya,
peramalan dibedakan menjadi peramalan mikro dan peramalan makro. Contohnya
adalah peramalan kondisi perekonomian dalam lima tahun yang akan datang (sebagai
makro) dan peramalan kondisi perusahaan dalam lima tahun yang akan datang
(sebagai mikro).
Berdasarkan metode peramalan yang digunakan, peramalan dibedakan menjadi
metode kualitatif dan kuantitatif. Metode kualitatif lebih didasarkan pada intuisi dan
penilaian orang yang melakukan peramalan daripada pemanipulasian data historis
yang tersedia. Ini dilakukan karena tidak ada atau tidak cukup tersedia data historis.
Teknik-teknik pada metode kualitatif terdiri atas penulisan scenario, penelitian pasar,
dan lain-lain. Metode Kuantitatif didasarkan pada pemanipulasi atas data yang
tersedia secara memadai dan tanpa intuisi maupun penilaian dari orang yang
melakukan peramalan. Menurut Makridakis, Wheelwright, dan Mcgee (1983,h. 8-9),
2.3 Metode Pemulusan (Smoothing)
Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan
penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa
tahun lalu untuk menaksir nilai pada beberapa tahun ke depan. Secara umum metode
smoothing diklasifikasikan menjadi dua bagian:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian:
a. Rata-rata sederhana
b. Rata-rata bergerak tunggal (Single moving average)
c. Rata-rata bergerak ganda (Double moving average)
d. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk
mengembangkan suatu system peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
�� : Data aktual pada periode ke-t �� : Ramalan pada periode ke-t
� : Parameter pemulusan
Metode ini terdiri atas:
1. Pemulusan Eksponensial Tunggal
a. Satu Parameter (One parameter)
b. Parameter Adaptif
2. Pemulusan Eksponensial Ganda
a. Satu Parameter (Metode Linier) dari Brown
b. Dua Parameter dari Holt
3. Pemulusan Eksponensial Triple
a. Satu Parameter (Metode Kuadratik) dari Brown
Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi.
b. Metode Kecenderungan Dan Musim Tiga Parameter Dari Winter
Metode Smoothing Ganda Satu Parameter dari Brown.
Tahap-tahap dalam menentukan ramalan adalah sebagai berikut:
a. Menentukan pemulusan pertama (�′�)
�′�= α �� + (1-α) �′�− ………...(2)
b. Menentukan pemulusan kedua (�′′�)
�′′�= α �′� + (1-α) �′′�− ……….(3)
c. Menentukan besarnya konstanta (��)
�� = �′� + (�′� - �′′�) = 2 �′�- �′′�………..(4)
d. Menentukan besarnya slope/nilai trend dari data yang sesuai ( �)
� = −�� (�′� - �′′�)……….………(5)
e. Menentukan besarnya peramalan (��+ )
��+ = �� + � m………(6)
Dengan :
m = Jumlah periode di depan yang diramalkan
� = Nilai slope
��+ = Hasil peramalan untuk m periode ke depan yang akan diramalkan.
2.4 Ketepatan Peramalan
Kata “ketepatan” dapat diartikan sebagai penunjukan seberapa jauh model
peramalan tersebut mampu mereproduksi data yang telah diketahui. Dalam
pemodelan deret berkala, sebagaian data yang diketahui dapat digunakan untuk
meramalkan sisa data berikutnya sehingga memungkinkan orang untuk
mempelajari ketepatan ramalan secara lebih langsung.
Ukuran yang digunakan untuk menguji ketepatan metode peramalan
adalah nilai tengah kesalahan kuadrat (Mean Squared Error), dengan pedoman
bahwa semakin kecil MSE, berate model itu semakin tepat digunakan. MSE dapat
dicari dengan rumus sebagai berikut:
��= nilai ramalan pada periode ke t
n = banyaknya periode waktu yang dianalisa
2.5 Microsoft Office Excel
Microsoft Excel atau Microsoft Office Excel adalah sebuah program aplikasi
lembar kerja elektronik (spreadsheet) yang dibuat dan didistribusikan oleh
Microsoft Corporation yang dapat dijalankan pada Microsoft Windows dan Mac
OS. Aplikasi ini memiliki fitur kalkulasi dan pembuatan grafik yang, dengan
menggunakan strategi marketing Microsoft yang agresif, menjadikan.
Microsoft Excel sebagai salah satu program komputer yang populer
digunakan di dalam komputer mikro hingga saat ini. Bahkan, saat ini program ini
merupakan program spreadsheet paling banyak digunakan oleh banyak pihak,
baik di platform PC berbasis Windows maupun platform Macintosh berbasis Mac
1.1 Latar Belakang
Pengangguran merupakan masalah ekonomi makro yang berpengaruh langsung bagi
standart kehidupan masyarakat baik di negara maju maupun negara berkembang yang
menjadi bagian penting dalam pembangunan ekonomi yang ditandai dengan volume
pertumbuhan ekonomi suatu negara yang sampai saat ini belum bisa diatasi oleh
pemerintah nasional pada umumnya dan pemerintah daerah pada khususnya.
Penurunan pertumbuhan ekonomi suatu negara akan menurunkan penyerapan tenaga
kerja yang kemudian diikuti dengan meningkatnya pengangguran.
Masalah pengangguran di negara-negara berkembang jauh lebih rumit dan lebih
serius jika dibandingkan dengan yang dihadapi di negara-negara maju. Permasalahan
terletak pada ketidak-seimbangan diantara sumber-sumber ekonomi yang dimiliki
kebanyakan negara-negara berkembang. Disatu pihak negara-negara tersebut
mempunyai jumlah penduduk yang sangat berlebihan.
Jumlah penduduk yang terus berkembang pesat menunjukan bahwa fenomena
pengangguran sudah menjadi hal yang biasa tetapi menjadi masalah bagi
perekonomian suatu negara. Untuk tahun 2010, tercatat bahwa sekitar 143.366 orang
jumlah pengangguran di Kota Medan dengan tingkat kemiskinan 8.58%. Selama
Angka pengangguran ini relative tinggi dan hal lain masih perlu menjadi
perhatian baik yang berkaitan langsung dengan upaya setiap orang untuk memenuhi
kebutuhan dasarnya sehingga dapat hidup layak dan tidak menjadi beban sosial
maupun untuk mendorong mereka supaya dapat aktif secara ekonomi. Jumlah
angkatan kerja yang tinggi dan tidak sebanding dengan kesempatan kerja yang
tersedia menyebabkan tidak tertampunnya seluruh angkatan kerja yang ada. Untuk
itu, kebijakan anggaran pada masa yang akan datang seharusnya lebih
menitikberatkan dan meningkatkan anggaran di bidang ekonomi dan investasi di
samping bidang-bidang yang lainnya.
Melalui uraian diatas, dengan permasalahan berkaitan dengan pengangguran,
serta fenomena ekonomi yang terjadi didalamnya. Penulis tertarik dan ingin
meramalkan jumlah pengangguran di kota medan agar pemerintah kota medan dapat
mengantisipasi untuk mengatasi permasalahan pengangguran yang ada di Kota
Medan. Oleh karena itu, penulis mengambil judul “Peramalan Jumlah
penelitian ini adalah penulis ingin mengetahui seberapa besar jumlah pengangguran
di Kota Medan pada tahun 2016 dan apakah waktu dapat meramalkan jumlah
pengangguran pada tahun berikutnya.
1.3 Batasan Masalah
Agar pembahasan dalam penelitian ini tidak menyimpang dari apa yang telah
dirumuskan serta untuk menyederhanakan masalah yang dihadapi, maka diperlukan
batasan-batasan. Batasan-batasan dalam penelitian ini adalah:
1. Hanya jumlah pengangguran di Kota Medan tahun 2016 yang diramalkan.
2. Data yang digunakan adalah data jumlah pengangguran tahun 2005-2014.
3. Metode yang digunakan adalah smoothing eksponensial ganda: metode linear
satu parameter dari Brown.
4. Penulis tidak menganalisa tentang factor-faktor yang mempengaruhi jumlah
pengangguran.
1.4 Manfaat Penelitian
Manfaat yang diperoleh dari pelaksanaan penelitian ini adalah sebagai berikut:
1. Sebagai melengkapi tugas dan memenuhi persyaratan dalam menyelesaikan
pengangguran di Kota Medan.
4. Sebagai sarana meningkatkan pengetahuan dan wawasan penulis dalam
menganalisa data.
5. Sebagai bahan bacaan, sumber informasi, dan referensi bagi pihak-pihak yang
membutuhkan.
1.5 Tujuan Penelitian
Tujuan penelitian adalah sebagai berikut:
1. Untuk mengetahui jumlah pengangguran di Kota Medan pada tahun 2016.
2. Mengetahui bentuk persamaan peramalan yang dapat dipakai untuk
meramalkan jumlah pengangguran pada tahun 2016
1.6 Metode Penelitian
Metode yang digunakan penulis dalam melakukan penyusunan tugas akhir ini adalah:
1. Metode Penelitian Kepustakaan
Untuk memperoleh keterangan – keterangan dalam penulisan tugas akhir,
penulis melakukan study literatur dengan membaca keperpustakaan dan
Kota Medan. Data yang diperoleh, disajikan dan disusun dalam bentuk
angka–angka agar di dapat segambaran data yang jelas
3. Pengolahan data
Pengolahan data untuk meramalkan jumlah pengangguran di Kota Medan
dilakukan dengan menggunakan Metode Pemulusan (Smoothing)
Eksponensial Ganda: Satu Parameter dari Brown. Untuk menganalisa data
yang diperoleh, maka digunakan software Microsoft Excel 2007
1.7 Tinjauan Pustaka
Teori-teori penunjang yang digunakan dalam penulisan ini dikutip dari buku-buku
antara lain:
1. Teknik dan Metode Peramalan oleh Sofjan Assauri. Lembaga Penerbit
Fakultas Ekonomi Universitas Indonesia, Jakarta. Dari buku ini dikutip
peramalan dengan menggunakan pemulusan (smoothing) eksponensial.
2. Metode dan Aplikasi Peramalan, oleh Spyros Makridakis. Lembaga Penerbit
Erlangga, 1993, Jakarta . dari buku ini dijelaskan lebih terperinci mengenai
Bab ini menjelaskan latar belakang, perumusan masalah, tujuan
penulisan, metode penulisan dan sistematika penulisan.
BAB 2 LANDASAN TEORI
Bab ini menguraikan tentang konsep dan definisi tentang hal-hal yang
menyangkut penyelesaian masalah yang dihadapi dalam Tugas Akhir.
BAB 3 GAMBARAN UMUM
Bab ini menguraikan gambaran mengenai Kota Medan yang menjadi
objek penelitian penulis dalam membuat tugas akhir ini, yang
mencakup anatara lain geografisnya, iklim, penduduk, sosial, dan
pemerintahannya.
BAB 4 PENGOLAHAN DATA
Bab ini penulis melakukan pengolahan data dengan Metode
Smoothing Eksponensial Berganda, serta melakukan perhitungan
BAB 6 KESIMPULAN DAN SARAN
Bab ini menjelaskan tentang ringkasan dan kesimpulan dari
pembahasan didalam penyelesaian tugas akhir serta beberapa saran
kepada pembaca sesuai hasil analisa yang telah diperoleh.
ditandai dengan volume pertumbuhan ekonomi suatu negara yang sampai saat
ini belum bisa diatasi oleh pemerintah nasional pada umumnya dan pemerintah
daerah pada khususnya. Penurunan pertumbuhan ekonomi suatu negara akan
menurunkan penyerapan tenaga kerja yang kemudian diikuti dengan
TUGAS AKHIR
HENNY KRISTINA SAGALA 132407112
PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
HENNY KRISTINA SAGALA 132407112
PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
EKSPONENSIAL GANDA BROWN
Kategori : TUGAS AKHIR
Nama : HENNY KRISTINA SAGALA
Nomor Induk Mahasiswa : 132407112 Program Studi : STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya
Medan, Juni 2016
Jumlah Pengangguran Di Kota Medan Tahun 2016 Dengan Menggunakan Metode
Eksponensial Ganda Brown.
Terimakasih penulis sampaikan kepada Bapak Drs. Partano Siagian, M.Sc
selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir
ini. Terimakasih kepada Bapak Dr. Faifiziduhu Bu’ul�̈�̈ dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA
USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan
Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Kerista
Sebayang, M.S selaku Dekan FMIPA USU Medan, seluruh Staff dan Dosen Program
Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah.
Akhirnya tidak terlupakan kepada ayah dan ibu penulis, Bapak Abin Binur Ali Sagala
Ibu Jojor Nainggolan, memberikan bantuan dan dorongan yang diperlukan. Semoga
Tuhan Yang Maha Esa akan membalasnya.
Penulis,
DAFTAR ISI v
1.8 Sistematika Penulisan 6
BAB 2 LANDASAN TEORI 8
2.1 Pengertian dan Manfaat Peramalan 8
2.2 Jenis-jenis Peramalan 9
2.3 Metode Pemulusan (Smoothing) 10
2.3.1. Metode Yang Digunakan 11
2.4 Ketepatan Peramalan 13
2.5 Microsoft Office Excel 14
BAB 3 GAMBARAN UMUM 15
4.2.1.Penaksiran Model Peramalan 24 4.2.2. Penentuan Bentuk Persamaan Peramalan 35
4.3 Peramalan Jumlah Pengangguran 36
BAB 5 IMPLEMENTASI SISTEM 38
5.1 Pengertian Implementasi Sistem 38
5.2 Pengoperasian Microsoft Excel 39
5.3 Pembuatan Grafik 43
BAB 6 KESIMPULAN DAN SARAN 47
6.1 Kesimpulan 47
6.2 Saran 48
Tabel 4.2 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.1
26
Tabel 4.3 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.2
27
Tabel 4.4 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.3
28
Tabel 4.5 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.4
29
Tabel 4.6 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.5
30
Tabel 4.7 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.6
31
Tabel 4.8 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.7
32
Tabel 4.9 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.8
33
Tabel 4.10 Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown dengan menggunakan �=0.9
34
Tabel 4.11 Perbandingan Ukuran Ketetapan metode Peramalan 35
Gambar 4.1 Grafik Jumlah Pengangguran di Kota Medan dari tahun 2005 sampai tahun 2014
24
Gambar 5.1 Mengaktifkan Microsoft Excel 39
Gambar 5.2 Analisa Pada Microsoft Excel 43
Gambar 5.3 Proses Pembuatan Grafik 44
