PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT
PERUSAHAAN GAS NEGARA (PERSERO) CABANG MEDAN
TAHUN 2012
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
ARFIANDA SIMANJUNTAK
082407091
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT
PERUSAHAAN GAS NEGARA (PERSERO) CABANG MEDAN
TAHUN 2012
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
ARFIANDA SIMANJUNTAK
082407091
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT PERUSAHAAN GAS NEGARA (PERSERO) CABANG MEDAN TAHUN 2012
Kategori : TUGAS AKHIR
Nama : ARFIANDA SIMANJUNTAK
Nomor Induk Mahasiswa : 082407091
Program Studi : DIPLOMA III STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juni 2011
Diketahui, Disetujui,
Ketua Departemen Matematika Dosen Pembimbing
PERNYATAAN
PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT PERUSAHAAN GAS NEGARA (PERSERO) CABANG MEDAN TAHUN 2012
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing – masing disebutkan sumbernya.
Medan, Juni 2011
PENGHARGAAN
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, yang telah melimpahkan rahmat dan berkat serta petunjuk Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini.
Tugas Akhir ini penulis persembahkan kepada kedua orang tua tercinta Ayah dan Ibu atas doa dan restunya yang tidak terhingga, beserta dukungan yang diberikan baik secara moral maupun materil, sehingga penulis dapat menyelesaikan Tugas Akhir ini. Pada kesempatan ini, dengan segala kerendahan hati penulis juga menghaturkan terima kasih yang sebesar – besarnya kepada Dekan FMIPA USU Dr. Sutarman, Msc yang telah memberikan fasilitas perkuliahan selama perkuliahan hingga selesainya Tugas Akhir ini, dan kepada Bapak Ketua Departemen Matematika Prof. Dr. Tulus, Msi. Terkhusus kepada Bapak Drs. Pangarapen Bangun, M.si selaku Dosen Pembimbing yang telah memberikan bimbingan dan motivasi dengan penuh perhatian dan kesabaran, kepada penulis selama mengerjakan Tugas Akhir ini. Saya juga mengucapkan terima kasih kepada Bapak dan Ibu Dosen yang mengajar di Jurusan Statistika FMIPA USU yang telah mendidik penulis selama masa pendidikan. Serta tidak lupa saya mengucapkan terima kasih kepada teman – teman yang selalu mendukung saya Ryan, Rudi, dan Sahat dan teman- teman lain di kelas Stat A, B, C Stat ’08.
DAFTAR ISI
BAB I PENDAHULUAN
1.1 Latar Belakang
1.2 Identifikasi Masalah
1.3 Batasan Masalah
1.4 Maksud dan Tujuan
1.5 Metodologi Penelitian
1.6 Sistematika Penulisan
BAB II TINJAUAN TEORITIS
2.1 Pengertian Peramalan
2.2 Kegunaan Peramalan
2.3 Jenis - Jenis Peramalan
2.4 Metode Peramalan
2.4.1 Analisa Deret Berkala
2.4.2 Pemilihan Teknik dan Metode Peramalan
2.4.3 Penentuan Pola Data
2.5 Metode Pemulusan (Smoothing)
2.5.1 Metode yang Digunakan
2.6 Ketepatan Ramalan
2.7 Penentuan Koefisien Autokorelasi
BAB III SEJARAH DAN STRUKTUR BPS
3.1 Sejarah Badan Pusat Statistik (BPS)
3.1.1 Masa Pemerintahan Hindia Belanda
3.1.2 Masa Pemerintahan Jepang
3.1.3 Masa Kemerdekaan Republik
3.1.4 Masa Orde Baru Sampai Sekarang
3.2 Visi dan Misi Badan Pusat Statistik
3.3 Struktur Organisasi Badan Pusat Statistik 3.4 Tugas dan Wewenang Masing - Masing Bagian di BPS
3.4.1 Bidang Tata Usaha
3.4.2 Bidang Statistik Produksi
3.4.4 Bidang Pengolahan Data
3.4.5 Bidang Statistik Kependudukan
3.4.6 Bidang Neraca Wilayah dan Analisa BAB IV ANALISIS DAN PENGOLAHAN DATA
4.1 Data yang Dibutuhkan
4.2 Metode Smoothing Eksponensial Linear
Satu Parameter dari Brown
4.2.1 Penaksiran Model Peramalan
4.2.2 Penentuan Bentuk Persamaan Peramalan
4.3 Peramalan Jumlah Pelanggan Gas
BAB V IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
5.2 Microsoft Excel
5.3 Langkah - Langkah Memulai Pengolahan Data dengan Excel
5.4 Menghitung Ketepatan Peramalan
5.5 Grafik dalam Microsoft Excel
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan
6.2 Saran
DAFTAR PUSTAKA
DAFTAR TABEL
Tabel 4.1 Data Jumlah Pelanggan Energi Gas Pada PT. Perusahaan Gas Negara
(PERSERO) Cabang Medan
Tabel 4.2 Menentukan Nilai MSE dengan Menggunakan α = 0,1 Tabel 4.3 Menentukan Nilai MSE dengan Menggunakan α = 0,2 Tabel 4.4 Menentukan Nilai MSE dengan Menggunakan α = 0,3 Tabel 4.5 Menentukan Nilai MSE dengan Menggunakan α = 0,4 Tabel 4.6 Menentukan Nilai MSE dengan Menggunakan α = 0,5 Tabel 4.7 Menentukan Nilai MSE dengan Menggunakan α = 0,6 Tabel 4.8 Menentukan Nilai MSE dengan Menggunakan α = 0,7 Tabel 4.9 Menentukan Nilai MSE dengan Menggunakan α = 0,8 Tabel 4.10 Menentukan Nilai MSE dengan Menggunakan α = 0,9 Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan Tabel 4.12 Aplikasi Pemulusan (Smoothing) Eksponensial Linear
Satu Parameter dari Brown Menggunakan α = 0,8 Pada Data Jumlah
Pelanggan Energi Gas
Tabel 4.13 Peramalan Jumlah Pelanggan Energi Gas Pada PT Perusahaan Gas Negara (PERSERO) Cabang Medan
DAFTAR GAMBAR
Gambar 4.1 Plot Data Jumlah Pelnggan Gas dari Tahun 2000-2009 Gambar 4.2 Plot Pemulusan Peramalan dengan α = 0,8 Gambar 5.1 Langkah - Langkah Membuka Microsoft Office Excel 2007 Gambar 5.2 Tampilan Worksheet Microsoft Office Excel 2007 Gambar 5.3 Pengisian Data Pada Microsoft Office Excel 2007 Gambar 5.4 Aplikasi Pemulusan Eksponensial Linear Satu Parameter dari Brown
Menggunakan α = 0,8 Pada Microsoft Office Excel 2007
BAB I
PENDAHULUAN
1.1Latar Belakang
Manusia sebagai konsumen selalu berusaha mendapatkan pemenuhan kebutuhan
primer maupun sekundernya. Sumber Daya Alam (SDA) adalah segala sesuatu yang
ada di alam bumi ini yang dapat dipergunakan untuk pemenuhan hidup manusia.
Dengan adanya sumber daya alam sebagai alat pemuas kebutuhan manusia, maka
manusia dapat memanfaatkannya untuk berbagai pemenuhan kebutuhan seperti
penggunaan air, tumbuh – tumbuhan, tanah, hingga pemanfaatan gas alam serta
minyak bumi. Tetapi sumber daya alam tidak semuanya dapat dimanfaatkan secara
terus – menerus. Karena itu, sumber daya alam dapat dibedakan menjadi beberapa
jenis menurut kemampuan perbaharuannya yaitu :
1. Sumber daya alam yang dapat dipulihkan atau diperbaharui (renewable
resources). Contohnya yaitu: tanah, air, vegetasi.
2. Sumber daya alam yang tidak dapat dipulihkan atau diperbaharui (non
renewable resources). Contohnya barang tambang fosil (batu bara, minyak
3. Sumber daya alam yang dapat digunakan secara terus menerus, contohnya
yaitu energi matahari, pasang surut air laut, udara.
Salah satu sumber daya alam yang tidak dapat diperbaharui yaitu sumber daya
dari pertambangan, sebenarnya bukan tidak dapat diperbaharui, namun untuk
perbaharuan barang tambang pada umumnya membutuhkan waktu yang sangat lama
yang tidak sesuai dengan jangkauan umur manusia. Perbaharuan barang tambang
memerlukan waktu hingga jutaan tahun, sehingga termasuk dalam kategori sumber
daya yang tidak dapat diperbarui. Pertambangan adalah rangkaian kegiatan dalam
rangka upaya pencarian, penambangan (penggalian), pengolahan, pemanfaatan dan
penjualan bahan galian (mineral, batubara, panas bumi, minyak dan gas). Salah satu
dari sekian banyak barang dan produksi pertambangan yaitu gas alam (Nature Gas).
Gas alam yang sering juga disebut sebagai gas bumi atau gas rawa merupakan
salah satu barang tambang berbentuk gas yang terdiri dari metana (CH4). Ditemukan
di ladang minyak bersama minyak bumi, ladang gas bumi dan juga tambang batu bara.
Gas bumi atau gas alam bukan saja merupakan gas bakar yang paling penting, tetapi
juga merupakan bahan baku utama untuk berbagai sintesis kimia. Produk dari gas
bumi yang terutama misalnya berbagai hidrokarbon dan LPG (liquified petroleum
gas).
Secara garis besar pemanfaatan gas alam dibagi atas 3 kelompok yaitu :
1. Gas alam sebagai bahan bakar
Antara lain sebagai bahan bakar Pembangkit Listrik Tenaga Gas/Uap, bahan
sebagai gas kota untuk kebutuhan rumah tangga hotel, restoran dan
sebagainya.
2. Gas alam sebagai bahan baku
Antara lain bahan baku pabrik pupuk, petrokimia, metanol, pengawet
makanan, pengelasan, dan sebagainya.
3. Gas alam sebagai komoditas energi untuk ekspor
Gas alam yang paling besar digunakan untuk komoditas ekspor di dunia yaitu
LNG (Liquified Natural Gas) atau gas alam cair.
Gas alam sebagai bahan bakar dalam rumah tangga merupakan produk gas
yang disalurkan dan dikemas dalam tabung (yang lebih banyak mengadung senyawa
propana). PT Perusahaan Gas Negara merupakan saluran pendistribusian gas yang
diterima dari PT Pertamina. Dengan semakin naiknya nilai minyak bumi, maka proses
pemulihan hasil gas makin ditingkatkan.
Melihat gas alam saat ini telah menjadi sumber energi alternatif yang banyak
digunakan oleh masyarakat untuk berbagai keperluan, baik untuk perumahan,
komersial maupun industri dan penggunaan gas alam selalu meningkat dari tahun ke
tahun, sehingga penulis tertarik untuk mengetahui banyaknya jumlah pelanggan energi
gas yang diperoleh dari PT Perusahaan Gas Negara (PERSERO) Cabang Medan.
Oleh karena berbagai alasan di atas itulah maka penulis mencoba untuk
(PERSERO) Cabang Medan untuk tahun 2012. Untuk mencapai tujuan yang
diinginkan tersebut di atas, maka penulis mencoba membuat sebuah Tugas Akhir yang
berjudul “PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT PERUSAHAAN GAS NEGARA (PERSERO) CABANG MEDAN TAHUN 2012”.
1.2Identifikasi Masalah
Saat ini, gas alam telah menjadi sumber daya alam yang banyak dimanfaatkan dalam
kehidupan manusia. PT Perusahaan Gas Negara merupakan sumber pendistribusian
gas yang disalurkan dari Pertamina (dalam tekanan yang cukup tinggi) yang kemudian
disalurkan kepada pelanggannya untuk berbagai kebutuhan yang semakin meningkat.
Adapun yang menjadi masalah dalam tulisan ini adalah bagaimana peramalan jumlah
pelanggan energi gas pada PT Perusahaan Gas Negara (PERSERO) Cabang Medan
tahun 2012.
1.3Batasan Masalah
Agar penelitian ini tepat pada sasaran yang dituju, maka penulis menetapkan
pembatasan ruang lingkup permasalahan yang akan dibahas yaitu berdasarkan data
jumlah pelanggan energi gas pada PT Perusahaan Gas Negara (PERSERO) Cabang
1.4Maksud dan Tujuan
Maksud dari penelitian ini adalah untuk meramalkan jumlah pelanggan energi gas
pada PT Perusahaan Gas Negara (PERSERO) Cabang Medan tahun 2012 berdasarkan
data dari tahun 2000-2009. Adapun tujuannya adalah untuk mengetahui peramalan
jumlah pelanggan energi gas di masa yang akan datang sehingga dapat menjadi
masukan bagi pembaca maupun PT Perusahaan Gas Negara (PERSERO) dalam
mengambil keputusan.
1.5Metodologi Penelitian
Metodologi penelitian dalam penyusunan Tugas Akhir ini adalah :
1. Metode Penelitian Kepustakaan (Studi Literatur)
Dalam hal ini pengumpulan data dilakukan dengan membaca buku – buku ataupun
literatur yang berhubungan dengan energi gas, pelajaran – pelajaran yang didapat
melalui perkuliahan serta sumber informasi lainnya yang berhubungan dengan
objek yang diteliti.
2. Metode Pengumpulan Data
Pengumpulan data yang dilakukan penulis disini diperoleh melalui riset
(pengambilan data) dengan menggunakan data sekunder dari kantor Badan Pusat
Statistik (BPS) Sumatera Utara Jl. Kapten Muslim No.71, Medan. Data yang
tujuan untuk mendapatkan gambaran yang jelas dari sekumpulan data yang
diperoleh.
3. Pengolahan Data
Pengolahan data untuk meramalkan jumlah pelanggan energi gas pada PT
Perusahaan Gas Negara (PERSERO) Cabang Medan adalah dengan menggunakan
Metode Smoothing Eksponensial Ganda Satu Parameter dari Brown.
Persamaan yang dipakai dalam Metode Pemulusan (Smoothing) Eksponensial
Ganda Satu Parameter dari Brown adalah sebagai berikut :
S't = αXt + (1 - α) S't – 1
S't = nilai pemulusan eksponensial tunggal (single eksponensial smoothing value)
S"t = nilai pemulusan eksponensial ganda (double eksponensial smoothing value) α = parameter pemulusan eksponensial dengan besar 0 < α < 1
at, , bt = konstanta pemulusan
Ft+m = hasil peramalan untuk m periode ke depan yang diramalkan
Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari
Tugas Akhir ini, yaitu sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini berisi latar belakang masalah, identifikasi masalah,
batasan masalah, maksud dan tujuan, metodologi penelitian,
dan sistematika penulisan.
BAB 2 : TINJAUAN TEORITIS
Bab ini menguraikan tentang segala sesuatu yang menyangkut
terhadap penyelesaian masalah yang dihadapi, sesuai dengan
judul yang diutarakan.
BAB 3 : SEJARAH SINGKAT TEMPAT RISET
Bab ini menjelaskan/menceritakan tentang sejarah singkat
berdirinya Badan Pusat Statistik (BPS) Sumatera Utara.
BAB 4 : ANALISIS DAN PENGOLAHAN DATA
Bab ini menguraikan tentang data yang telah diamati beserta
analisisnya
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menguraikan tentang program atau software yang
dipakai sebagai analisis terhadap data yang diperoleh yaitu
BAB 6 : KESIMPULAN DAN SARAN
Bab ini menguraikan tentang kesimpulan dan saran dari
BAB II
TINJAUAN TEORITIS
2.1 Pengertian Peramalan
Kegiatan manusia senantiasa diarahkan pada kondisi pada waktu yang akan datang,
yang keberadaannya tidak dapat diketahui secara pasti. Usaha untuk meminimalkan
ketidakpastian tersebut lazim dilakukan dengan metode atau teknik peramalan tertentu
(teknik merupakan bagian dari metode). Peramalan adalah kegiatan untuk
memperkirakan apa yang akan terjadi atau kapan suatu peristiwa akan terjadi/timbul,
sehingga tindakan atau keputusan yang tepat dapat dilakukan. Dalam peramalan
didasarkan pada bermacam – macam cara yaitu Metode Perataan (Average), Metode
Pemulusan (Smoothing) Eksponensial, dan Metode Box Jenkins.
Disamping itu, melalui metode atau teknik peramalan diharapkan dapat
diidentifikasikan model yang akan digunakan untuk meramalkan kondisi pada waktu
yang akan datang. Model peramalan itu secara umum dapat dikemukakan sebagai :
Yt = pola + error. Jadi, data dibedakan menjadi komponen yang dapat diidentifikasi
peramalan adalah untuk mengidentifikasikan suatu model peramalan sedemikian rupa
sehingga error-nya menjadi seminimal mungkin.
Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi (pola
data) pada waktu – waktu yang lalu guna mengembangkan model yang sesuai dengan
pola data dengan menggunakan asumsi bahwa pola data pada waktu yang lalu itu akan
berulang lagi pada waktu yang akan datang. Selanjutnya, model itu digunakan untuk
meramalkan kondisi – kondisi pada waktu – waktu yang akan datang. Bila uraian
mengenai kegiatan peramalan tersebut diamati, ada dua dimensi waktu yang tercakup,
yaitu waktu yang lalu dimana data tersedia dan waktu yang akan datang dimana data
tidak tersedia.
Kegiatan penerapan model yang telah dikembangkan pada waktu lalu
dinamakan proyeksi, sedangkan kegiatan penerapan model yang telah dikembangkan
pada waktu yang akan datang dinamakan peramalan. Penggunaan metode atau teknik
peramalan dengan model yang diidentifikasikan secara tepat juga didukung oleh baik
tidaknya data maupun informasi yang digunakan. Selama data maupun informasi yang
digunakan tidak dapat meyakinkan seperti sumber dari data atau informasi yang tidak
jelas, maka hasil peramalan yang disusun juga akan sulit dipercaya akan ketepatan dan
2.2 Kegunaan Peramalan
Sering terdapat senjang waktu (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 bergantung pada faktor – faktor yang
dapat diketahui, maka perencanaan dapat memegang peranan penting.
Dalam sebuah instansi pemerintah maupun swasta, perencanaan sangat
dibutuhkan untuk pengambilan keputusan untuk beberapa waktu kedepan. Peramalan
merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.
Apalagi saat ini, telah terjadi kemajuan yang pesat dalam bidang peramalan. Beberapa
kegunaan peramalan dalam bagian organisasi yaitu :
1. Penjadwalan sumber daya yang tersedia.
Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi,
transportasi, kas, personalia, dan sebagainya. Input yang penting untuk
penjadwalan seperti itu adalah ramalan tingkat permintaan untuk produk, bahan,
tenaga kerja, finansial, atau jasa pelayanan.
2. Penyediaan sumber daya tambahan.
Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja
baru, atau membeli mesin dan peralatan dapat berkisar antara beberapa hari
sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan
3. Penentuan sumber daya yang diinginkan.
Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka
panjang. Keputusan semacam itu bergantung pada kesempatan pasar, faktor –
faktor lingkungan, dan pengembangan internal dari sumber daya finansial,
manusia, produk, dan teknologis. Semua penentuan ini memerlukan ramalan yang
baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan
yang tepat.
Tiga kelompok di atas merupakan bentuk khas dari keperluan peramalan
jangka pendek, menengah, dan panjang dari organisasi saat ini selain bidang lainnya.
Organisasi dalam membangun suatu sistem peramalan perlu memiliki pengetahuan
dan keterampilan yang meliputi paling sedikit empat bidang : identifikasi dan definisi
masalah peramalan ; aplikasi serangkaian metode peramalan ; prosedur pemilihan
metode yang tepat untuk situasi tertentu ; dan dukungan organisasi untuk menerapkan
dan menggunakan metode peramalan secara formal.
Berdasarkan uraian di atas, maka dapat dikatakan bahwa metode peramalan
sangat dibutuhkan dan berguna untuk menganalisis data masa lalu untuk keperluan
waktu yang akan datang. Sehingga, dengan metode peramalan akan diperoleh
2.3 Jenis – Jenis Peramalan
Berdasarkan sifat penyusunannya, teknik peramalan dapat dibagi dalam dua kategori
utama yaitu :
1. Peramalan yang subjektif
Peramalan yang subjektif adalah yang didasarkan atas perasaan atau intuisi dari
orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya
sangat menentukan baik tidaknya hasil ramalan tersebut.
2. Peramalan yang objektif
Peramalan yang objektif adalah peramalan yang didasarkan atas data yang relevan
pada masa lalu, dengan menggunakan teknik – teknik dan metode – metode dalam
penganalisaan data tersebut.
Berdasarkan jangka waktu disusun, maka peramalan dapat dibedakan atas dua
kategori utama yaitu :
1. Peramalan Jangka Panjang
Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan
hasil ramalan yang jangka waktunya lebih dari satu setengah tahun. Misalnya,
diperlukan penyusunan rencana pembangunan suatu negara atau daerah dan lain
sebagainya.
2. Peramalan Jangka Pendek
Peramalan jangka pendek adalah peramalan yang dilakukan untuk penyusunan
peramalan penyusunan rencana produksi, rencana penjualan, rencana persediaan,
dan lain sebagainya.
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas
dua kategori utama yaitu :
1. Peramalan yang Kualitatif atau Teknologis
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang
menyusunnya. Hal ini sangat penting karena hasil peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, pendapat, dan pengetahuan dari orang
yang menyusunnya. Metode kualitatif dapat dibagi menjadi dua yaitu metode
eksploratoris dan normatif.
2. Peramalan Kuantitatif
Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode
yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan
diperoleh hasil peramalan yang berbeda pula. Baik tidaknya metode yang
digunakan ditentukan oleh perbedaan atau penyimpangan hasil ramalan dengan
kenyataan yang tejadi. 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.
Saat ini telah dikembangkan beberapa metode atau teknik – teknik peramalan
penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan
Tugas Akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan
secara kuantitatif. Oleh karena itu, dalam pembahasan selanjutnya akan ditekankan
pada peramalan kuantitatif. Pada dasarnya metode peramalan kuantitatif ini dibedakan
atas :
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar
variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret
waktu (time series).
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara
variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya,
bukan waktu, yang disebut dengan metode korelasi atau sebab akibat (causal
methods).
Dalam penulisan Tugas Akhir ini, digunakan metode peramalan yang pertama,
yaitu peramalan dengan menggunakan variabel waktu atau yang dikenal dengan “time
series”.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu :
1. Adanya informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan
(assumtion of mend continuity). Asumsi ini merupakan modal yang mendasari dari
semua metode peramalan kuantitatif dan banyak metode peramalan teknologis,
terlepas dari bagaimana canggihnya metode tersebut.
2.4 Metode Peramalan
Metode – metode peramalan dengan analisa deret waktu yaitu :
1. Metode Pemulusan Eksponensial dan Rata – Rata Bergerak
Sering digunakan untuk 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.
2.4.1 Analisa Deret Berkala
Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk
Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau
beberapa kejadian serta hubungannya dengan kejadian lain.
Metode time series merupakan metode peramalan kuantitatif didasarkan atas
penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan
variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan
untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa
yang akan datang. Stasioner itu sendiri berarti bahwa tidak dapat pertumbuhan atau
penurunan data. Data secara kasar harus horizontal sepanjang waktu, dengan kata lain
fluktuasi data tetap konstan setiap waktu.
2.4.2 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.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola
yang didapati di dalam data yang diramalkan akan berkelanjutan.
3. Jenis dari Model
Model – model merupakan suatu deret dimana waktu digambarkan sebagai unsur
yang penting untuk menentukan perubahan – perubahan dalam pola. Model –
model perlu diperhatikan karena masing – masing model mempunyai kemampuan
yang berbeda dalam analisa keadaan untuk pengambilan keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur
peramalan. Yakni biaya – biaya pengembangan, penyimpanan (storage) data,
operasi pelaksanaan, dan kesempatan dalam penggunaan teknik – teknik dan
metode peramalan.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian
yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam Penerapan
Metode – metode yang dapat dimengerti dan mudah dialokasikan sudah
2.4.3 Penentuan Pola Data
Hal penting harus diperhatikan dalam metode deret berkala adalah menentukan jenis
pola data historisnya. Sehingga pola data yang tepat dengan pola data historis tersebut
dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :
1. Pola Data Horizontal
Pola ini terjadi bila berfluktuasi di sekitar nilai rata – rata yang konstan.
2. Pola Data Musiman (Seosonal)
Pola yang menunjukkan perubahan yang berulang – ulang secara periodik dalam
deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor
musiman, misalnya : kuartal tahun tertentu, bulanan, atau hari – hari pada minggu
tertentu.
3. Pola Siklis (Cyclical)
Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu
kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklis bisnis.
4. Pola Data Trend
2.5 Metode Pemulusan (Smoothing)
Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan
penghalusan terhadap masa lalu, yaitu dengan mengambil rata – rata dari nilai
beberapa tahun 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.Nilai tengah (mean)
b. Rata – rata bergerak tunggal (single moving average)
c. Rata – rata bergerak ganda (double moving average)
d. Kombinasi rata – rata bergerak lainnya.
Metode rata – rata tujuannya adalah untuk memanfaatkan data masa lalu untuk
mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari metode pemulusan eksponensial :
Ft+1= α Xt + (1-α) Ft
Dimana :
Ft+1 = ramalan suatu periode ke depan
Xt = data aktual pada periode ke-t
Bila bentuk umum tersebut diperluas maka akan berubah menjadi :
Dari pemulusan bentuk umum di atas dapatlah dikatakan bahwa metode
eksponensial smoothing merupakan sekelompok metode yang menunjukkan
pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau
dengan kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan
nilai observasi yang lebih tua. Metode ini terdiri atas :
1. Metode Smoothing Eksponensial Tunggal
a. Satu Parameter (One Parameter)
b. Pendekatan Aditif
Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola
data atau trend.
2. Metode Smoothing Eksponensial Ganda
a. Metode Linear Satu Parameter dari Brown
b. Metode Dua Parameter dari Holt
3. Metode Smoothing Eksponensial Triple
a. Metode Kuadratik Satu Parameter dari Brown
Digunakan untuk pola data kuadratik, kubik, atau orde yang lebih tinggi.
b. Metode Kecendrungan dan Musim Tiga Parameter dari Winter
4. Metode Smoothing Eksponensial Menurut Klasifikasi Pegels.
2.5.1 Metode yang Digunakan
Untuk mendapatkan hasil ramalan yang baik, maka harus diketahui cara peramalan
yang tepat. Maka metode peramalan deret berkala yang digunakan untuk meramalkan
jumlah pelanggan energi gas pada pemecahan masalah ini adalah dengan
menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda Satu Parameter
dari Brown.
Metode ini merupakan metode linear yang dikemukakan oleh Brown. Dasar
pemikiran dari Metode Smoothing Eksponensial Linear Satu Parameter dari Brown
adalah serupa dengan rata - rata bergerak linear, karena kedua nilai pemulusan tunggal
dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsur trend, perbedaan nilai
pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan
disesuaikan untuk trend.
Persamaan yang dipakai dalam pelaksanaan Smoothing Ekponensial Linear
Satu Parameter dari Brown adalah sebagai berikut :
S't = αXt + (1 - α) S't – 1
S"t = αS't + (1 - α) S"t – 1
bt =
S't = nilai pemulusan eksponensial tunggal (single eksponensial smoothing value)
S"t = nilai pemulusan eksponensial ganda (double eksponensial smoothing value) α = parameter pemulusan eksponensial dengan besar 0 < α < 1
at, , bt = konstanta pemulusan
Ft+m = hasil peramalan untuk m periode ke depan yang diramalkan
2.6 Ketepatan Ramalan
Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana
mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data
yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu
metode peramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu
dapat diramalkan situasi yang akan terjadi pada masa yang akan datang. Maka untuk
menguji kebenaran ramalan digunakan kriteria ketepatan ramalan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah :
2. MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
3. MAE (Mean Absolute Error) / Nilai Tengah Kesalahan Absolut
MAE =
4. MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase
Absolut
5. MPE (Mean Percentage Error) / Nilai Tengah Kesalahan Persentase
MPE =
100 (kesalahan persentase pada periode ke-t)
N = banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
BAB III
SEJARAH DAN STRUKTUR BPS
3.1 Sejarah Badan Pusat Statistik (BPS)
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat
Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada bidang
pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,
pendapatan, dan keagamaan. Selain hal - hal tersebut Badan Pusat Statistik juga
bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap
instansi baik di pusat maupun daerah dengan tujuan mencegah dilakukannya
pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam
penggunaan definisi, klasifikasi, dan ukuran - ukuran lainnya. Berikut ini beberapa
masa peralihan di BPS yaitu :
3.1.1 Masa Pemerintahan Hindia Belanda
Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur
Handel), dan berkedudukan di Bogor. Kantor ini ditugaskan untuk mengelola dan
mempublikasikan data statistik.
Pada bulan Maret 1923, dibentuk suatu Komisi untuk statistik yang
anggotanya merupakan tiap – tiap Departemen. Komisi tersebut diberi tugas
merencanakan tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan
dalam kegiatan di bidang statistik di Indonesia.
Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama
Central Kantor Vor de Statistik (CKS) atau Kantor Statistik dan dipindahkan ke
Jakarta. Bersama dengan itu, beralih juga pekerjaan mekanisme statistik perdagangan
yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang disebut
sekarang Kantor Bea dan Cukai.
3.1.2 Masa Pemerintahan Jepang
Pada bulan Juni 1944, pemerintahan Jepang baru mengaktifkan kembali kegiatan
statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer.
3.1.3 Masa Kemerdekaan Republik
Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945,
kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana
kemerdekaan yaitu KPPURI (Kantor Penyelidikan Perangkaan Umum Republik
Indonesia). Tahun 1946, kantor KPPURI dipindahkan ke Yogyakarta sebagai hasil
dari perjanjian Linggarjati. Sementara itu, pemerintahan Belanda (NICA) di Jakarta
mengaktifkan kembali CKS.
Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44, lembaga
KPS berada di bawah dan bertanggung jawab kepada Menteri Perekonomian.
Selanjutnya, keputusan Menteri Perekonomian tanggal 24 September 1953 No.
18.009/M KPS dibagi menjadi 2 (dua) bagian, yaitu bagian research yang disebut
Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.
Dengan Keputusan Presiden RI No. 131 tahun 1957, kementerian
perekonomian dipecah menjadi kementerian perdagangan dan kementerian
perindustrian. Untuk selanjutnya, Keputusan Presiden RI No. 172 tahun 1957,
terhitung mulai tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.
3.1.4 Masa Orde Baru Sampai Sekarang
Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam
handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan Organisasi
Biro Pusat Statistik.
Dalam masa orde baru ini BPS telah mengalami empatkali perubahan Struktur
Organisasi yaitu :
1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi BPS.
2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi BPS.
3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi,
suasana, dan tata kerja BPS.
4. Undang – Undang No. 16 tahun 1997 tentang Statistik.
5. Keputusan Presiden RI No. 86 tahun 1998 tentang BPS.
6. Keputusan Kepala BPS No. 100 tahun 1998 tentang organisasi dan tata kerja
BPS.
7. PP 51 tahun 1999 tentang penyelenggaraan statistik.
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu yang
mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980, Peraturan
Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan
Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau Kotamadya
terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997
menetapkan tentang statistik sebagai pengganti Undang - Undang Nomor : 6 dan 7
tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan RI No. 86
tahun 1998 ditetapkan Biro Pusat Statistik sekaligus mengatur tata kerja dan struktur
3.2 Visi dan Misi Badan Pusat Statistik
a. Visi Badan Pusat Statistik
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang
punggung informasi pembangunan nasional dan regional, didukung sumber daya
manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.
b. Misi Badan Pusat Statistik
Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan
misi mengarahkan pembangunan statistik pada penyajian data statistik yang bermutu
handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan
statistik dan pengembangan ilmu pengetahuan statistik.
3.3 Struktur Organisasi Badan Pusat Statistik
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan
kegiatan langsung dengan instansi sosial yang terjadi di antara individu - individu
dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. Struktur
organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi
tingkat keberhasilan suatu perusahaan dalam mencapai suatu tujuan yang ditetapkan.
Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para
Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah
struktur organisasi ini dan staf. Struktur ini mengandung unsur - unsur spesialisasi
kerja, standardisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan
keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan
keputusan, dan ukuran satuan yang menunjukkan suatu kelompok kerja.
Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat
Statistik (BPS) Propinsi Sumatera Utara adalah :
a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai
departemen dan kegiatan - kegiatan yang saling berhubungan satu sama lain.
b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi
manajemen.
c. Pembuatan keputusan yaitu membuat keputusan - keputusan dan mengamati
bagaimana pelaksanaan dari keputusan tersebut.
Adapun bagan struktur organisasi Badan Pusat Statistik Propinsi Sumatera
Utara adalah sebagai berikut :
Peraturan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan Badan
Pusat Statistik sebagaimana lampiran dalam organisasi Kantor Badan Pusat Statistik
Propinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor.
Kepala Kantor dibantu tata usaha yang terdiri dari :
a. Sub Bagian Urusan Dalam
b. Sub Bagian Perlengkapan
c. Sub Bagian Keuangan
e. Sub Bagian Bina Potensi/Bina Program
Sedangkan Bidang Penunjang Statistik terdiri dari 5(lima) bidang yaitu :
1. Bidang Statistik Produksi
Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan statistik
pertanian, industri, konstruksi pertambangan dan energi.
2. Bidang Statistik Distibusi
Bidang Statistik Distribusi mempunyai tugas melaksanakan kegiatan statistik
konsumen, perdagangan besar, statistik keuangan dan harga produsen serta niaga
dan jasa.
3. Bidang Statistik Kependudukan
Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan statistik
demografi dan rumah tangga, statistik tenaga kerja, serta statistik kesejahteran.
4. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)
Bidang IPDS mempunyai tugas untuk penyiapan data, penyusunan sistem, dan
program serta operasional pengolahan data dengan program komputer.
5. Bidang Neraca Wilayah dan Analisis Statistik
Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas untuk
penyusunan neraca produksi, neraca konsumsi, dan akumulasi penyajian analisis
3.4 Tugas dan Wewenang Masing - Masing Bagian di Badan Pusat Statistik
3.4.1 Bidang Tata Usaha
1. Menyusun program kerja tahunan bidang.
2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja
tahunan, baik rutin maupun proyek kantor BPS propinsi dan menyampaikan ke
BPS.
3. Mengatur dan melaksanakan urusan dalam yang meliputi surat - surat
penggandaan atau percetakan, kearsipan, rumah tangga, pemeliharaan gedung,
keamanan dan ketertiban lingkungan serta perjalanan dinas dalam dan luar
negeri.
4. Mengatur dan melaksanakan urusan perlengkapan dan pembekalan yang
meliputi penyusunan rencana kebutuhan, penyaluran, dan pengemasan
penyimpanan pergudangan, iventarisasi, penghapusan serta pemeliharaan
peralatan dan perlengkapan.
5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha
keuangan, pembendaharaan, verifikasi, dan pembukuan.
6. Mengatur dan melaksanakan urusan dan mutasi pegawai, pembinaan pegawai,
kesejahteraan pegawai, administrasi jabatan fungsional, hukum, organisasi tata
laksana serta penyajian.
7. Menyusun laporan kegiatan sevara berkala dan sewaktu - waktu.
8. Mengatur dan melaksanakan urusan penyelenggaraan berbagai pelatihan teknis
3.4.2 Bidang Statistik Produksi
1. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik
pertanian, industri, konstruksi energi, dan statistik produksi lainnya yang
ditemukan.
2. Mengatur keikutsertaan program latihan yang diselenggarakan oleh pusat
bidang statistik produksi.
3. Membantu kepala kantor BPS atau pimpinan proyek atau bagian proyek untuk
menyiapkan program petugas bagian lapangan.
4. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di
pusat pelatihan serta mengatur penjatahan pelatihan.
5. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap
pelaksanaan lapangan produksi.
6. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil
pengumpulan data statistik produksi.
7. Bersama - sama dengan bidang pengolahan data, mengatur dan menyiapkan
data statistik produksi melalui komputer sesuai yang diterapkan.
8. Mengatur dan melaksanakan evaluasi hasil kerja kegiatan statistik produksi.
9. Mengatur dan menyiapkan hasil pengolahan statistik produksi yang akan
dikirim ke pusat melalui komputer sesuai dengan jadwal yang ditentukan.
10.Membantu Kepala Kantor Badan Pusat Statistik melakukan pembinaan secara
teratur petugas pencacah, pengawas, dan pemeriksaan pengumpulan data
3.4.3 Bidang Statistik Ditribusi
1. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik
pertanian, industri, konstruksi energi, dan statistik produksi lainnya yang
ditemukan.
2. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di
bidang statistik ditribusi.
3. Membantu kepala kantor BPS propinsi atau pimpinan proyek untuk
menyiapkan program tugas lapangan.
4. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di
pusat pelatihan serta mengatur penjatahan pelatihannya.
5. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap
pelaksanaan lapangan statistik distribusi.
3.4.4 Bidang Pengolahan Data
1. Menyusun program kerja tahunan bidang.
2. Meneliti jenis data yang diolah melalui komputer dan bersama - sama dengan
bidang yang bersangkutan serta menentukan sistem pengolahan dengan
komputer.
3. Mengatur pembuatan sistem dan program pelaksanaan penyiapan data dan
operasi pengolahannya.
4. Mengatur dan melaksanakan penerimaan dokumen yang diolah dengan
5. Mengatur dan melaksanakan tugas yang langsung diberikan atasan.
3.4.5 Bidang Statistik Kependudukan
1. Menyusun program kerja tahunan bidang.
2. Melaksanakan kegiatan statistik demografi dan rumah tangga,
ketenagakerjaan, kesejahteraan rakyat dan statistik kependudukan lainnya yang
ditentukan.
3. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk
pelaksanaan lapangan.
4. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan terhadap
pelaksanaan kegiatan statistik kependudukan.
5. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik
kependudukan melalui komputer sesuai dengan jadwal yang telah ditentukan.
3.4.6 Bidang Neraca Wilayah dan Analisa
1. Menyusun program kerja tahunan.
2. Menyusun dan melaksanakan penerangan kegiatan statistik kepada
BAB IV
ANALISIS DAN PENGOLAHAN DATA
4.1 Data yang Dibutuhkan
Tabel 4.1 Data Jumlah Pelanggan Energi Gas Pada PT. Perushaan Gas Negara (PERSERO) Cabang Medan
NO Tahun Jumlah Pelanggan
1 2000 11.221
2 2001 12.134
3 2002 12.683
4 2003 14.400
5 2004 17.060
6 2005 17.715
7 2006 18.628
8 2007 19.245
9 2008 19.094
10 2009 19.201
Gambar 4.1 Plot Data Jumlah Pelanggan Gas dari Tahun 2000 - 2009
4.2 Metode Smoothing Eksponensial Linear Satu Parameter dari Brown
4.2.1 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1)
dengan metode peramalan (forecasting) berdasarkan metode smoothing eksponensial
linear satu parameter dari Brown.
Untuk memenuhi perhitungan smoothing eksponensial ganda, tunggal, dan
ramalan yang akan datang maka terlebih dahulu penulis akan menentukan parameter
nilai α yang biasanya dihitung secara trial and error (coba dan salah). Suatu nilai α
dipilih yang besarnya 0<α<1, dihitung Mean Square Error (MSE) yang merupakan
kesalahan untuk masing - masing item dalam sebuah susunan data dan kemudian
dicoba nilai α yang lain.
Untuk menghitung MSE pertama kali dicari error terlebih dahulu, yang
merupakan hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadratkan
dan dibagi dengan banyaknya error. Secara sistematik rumus MSE (Mean Square
Error) sebagai berikut :
MSE =
N e
N
t t
∑
Tabel 4.2 Menentukan Nilai MSE dengan Menggunakan α = 0,1
Xt S't S"t at bt Ft+m e e2
11.221,00 11.221,00 11.221,00
12.134,00 11.312,30 11.230,13 11.394,47 9,13
12.683,00 11.449,37 11.252,05 11.646,69 21,92 11.403,60 1.279,40 1.636.864,36
14.400,00 11.744,43 11.301,29 12.187,57 49,24 11.668,61 2.731,39 7.460.491,33 17.060,00 12.275,99 11.398,76 13.153,22 97,47 12.236,81 4.823,19 23.263.142,48 17.715,00 12.819,89 11.540,87 14.098,91 142,11 13.250,69 4.464,31 19.930.086,10 18.628,00 13.400,70 11.726,86 15.074,55 185,98 14.241,02 4.386,98 19.245.595,45 19.245,00 13.985,13 11.952,68 16.017,58 225,83 15.260,53 3.984,47 15.876.011,31
19.094,00 14.496,02 12.207,02 16.785,02 254,33 16.243,41 2.850,59 8.125.887,92 19.201,00 14.966,52 12.482,97 17.450,07 275,95 17.039,35 2.161,65 4.672.722,20
Tabel 4.3 Menentukan Nilai MSE dengan Menggunakan α = 0,2
Xt S't S"t at bt Ft+m e e2
11.221,00 11.221,00 11.221,00
12.134,00 11.403,60 11.257,52 11.549,68 36,52
12.683,00 11.659,48 11.337,91 11.981,05 80,39 11.586,20 1096,80 1.202.970,24
14.400,00 12.207,58 11.511,85 12.903,32 173,93 12.061,44 2.338,56 5.468.862,87 17.060,00 13.178,07 11.845,09 14.511,04 333,24 13.077,26 3.982,74 15.862.249,77 17.715,00 14.085,45 12.293,16 15.877,74 448,07 14.844,29 2.870,71 8.240.987,39 18.628,00 14.993,96 12.833,32 17.154,60 540,16 16.325,82 2.302,18 5.300.046,75 19.245,00 15.844,17 13.435,49 18.252,85 602,17 17.694,76 1.550,24 2.403.235,33
19.094,00 16.494,14 14.047,22 18.941,05 611,73 18.855,02 238,98 57.112,56
19.201,00 17.035,51 14.644,88 19.426,14 597,66 19.552,78 -351,78 123.749,20
Tabel 4.4 Menentukan Nilai MSE dengan Menggunakan α = 0,3
Xt S't S"t at bt Ft+m e e2
11.221,00 11.221,00 11.221,00
12.134,00 11.494,90 11.303,17 11.686,63 82,17
12.683,00 11.851,33 11.467,62 12.235,04 164,45 11.768,80 914,20 835.761,64
14.400,00 12.615,93 11.812,11 13.419,75 344,49 12.399,49 2.000,51 4.002.040,26 17.060,00 13.949,15 12.453,22 15.445,08 641,11 13.764,24 3.295,76 10.862.007,61 17.715,00 15.078,91 13.240,93 16.916,88 787,70 16.086,19 1.628,81 2.653.017,13
18.628,00 16.143,63 14.111,74 18.175,53 870,81 17.704,59 923,41 852.688,72
19.245,00 17.074,04 15.000,43 19.147,66 888,69 19.046,34 198,66 39.465,75
19.094,00 17.680,03 15.804,31 19.555,75 803,88 20.036,35 -942,35 888.019,35
19.201,00 18.136,32 16.503,91 19.768,73 699,60 20.359,63 -1.158,63 1.342.424,03
Tabel 4.5 Menentukan Nilai MSE dengan Menggunakan α = 0,4
Xt S't S"t at bt Ft+m e e2
11.221,00 11.221,00 11.221,00
12.134,00 11.586,20 11.367,08 11.805,32 146,08
12.683,00 12.024,92 11.630,22 12.419,62 263,14 11.951,40 731,60 535.238,56
14.400,00 12.974,95 12.168,11 13.781,79 537,89 12.682,76 1.717,24 2.948.913,22 17.060,00 14.608,97 13.144,45 16.073,49 976,34 14.319,69 2.740,31 7.509.309,86 17.715,00 15.851,38 14.227,23 17.475,54 1.082,77 17.049,83 665,17 442.448,47
18.628,00 16.962,03 15.321,15 18.602,91 1.093,92 18.558,31 69,69 4.856,60
19.245,00 17.875,22 16.342,78 19.407,66 1.021,63 19.696,83 -451,83 204.153,37
19.094,00 18.362,73 17.150,76 19.574,70 807,98 20.429,29 -1.335,29 1.782.994,45 19.201,00 18.698,04 17.769,67 19.626,41 618,91 20.382,69 -1.181,69 1.396.381,28
Tabel 4.6 Menentukan Nilai MSE dengan Menggunakan α = 0,5
Xt S't S"t at bt Ft+m e e
2
11.221,00 11.221,00 11.221,00
12.134,00 11.677,50 11.449,25 11.905,75 228,25
12.683,00 12.180,25 11.814,75 12.545,75 365,50 12.134,00 549,00 301.401,00
14.400,00 13.290,13 12.552,44 14.027,81 737,69 12.911,25 1,488,75 2.216.376,56 17.060,00 15.175,06 13.863,75 16.486,38 1.311,31 14.765,50 2,294,50 5.264.730,25
17.715,00 16.445,03 15.154,39 17.735,67 1.290,64 17.797,69 -82,69 6.837,22
18.628,00 17.536,52 16.345,45 18.727,58 1.191,06 19.026,31 -398,31 158.652,85 19.245,00 18.390,76 17.368,11 19.413,41 1.022,65 19.918,64 -673,64 453.791,69
19.094,00 18.742,38 18.055,24 19.429,52 687,14 20.436,06 -1.342,06 1.801.131,75
19.201,00 18.971,69 18.513,47 19.429,91 458,22 20.116,65 -915,65 838.419,21
Tabel 4.7 Menentukan Nilai MSE dengan Menggunakan α = 0,6
Xt S't S"t at bt Ft+m e e2
11.221,00 11.221,00 11.221,00
12.134,00 11.768,80 11.549,68 11.987,92 328,68
12.683,00 12.317,32 12.010,26 12.624,38 460,58 12.316,60 366,40 134.248,96
14.400,00 13.566,93 12.944,26 14.189,59 934,00 13.084,96 1.315,04 1.729.330,20 17.060,00 15.662,77 14.575,37 16.750,17 1.631,11 15.123,59 1.936,41 3.749.675,94 17.715,00 16.894,11 15.966,61 17.821,60 1.391,24 18.381,28 -666,28 443.929,04 18.628,00 17.934,44 17.147,31 18.721,58 1.180,70 19.212,85 -584,85 342.048,68
19.245,00 18.720,78 18.091,39 19.350,16 944,08 19.902,27 -657,27 432.009,93
19.094,00 18.944,71 18.603,38 19.286,04 511,99 20.294,24 -1.200,24 1.440.585,21
19.201,00 19.098,48 18.900,44 19.296,52 297,06 19.798,03 -597,03 356.446,15
Tabel 4.8 Menentukan Nilai MSE dengan Menggunakan α = 0,7
Xt S't S"t at bt Ft+m e e2
11.221,00 11.221,00 11.221,00
12.134,00 11.860,10 11.668,37 12.051,83 447,37
12.683,00 12.436,13 12.205,80 12.666,46 537,43 12.499,20 183,80 33.782,44
14.400,00 13.810,84 13.329,33 14.292,35 1.123,53 13.203,89 1.196,11 1.430.679,13 17.060,00 16.085,25 15.258,47 16.912,03 1.929,15 15.415,88 1.644,12 2.703.143,73 17.715,00 17.226,08 16.635,80 17.816,36 1.377,32 18.841,18 -1.126,18 1.268.271,26 18.628,00 18.207,42 17.735,93 18.678,91 1.100,14 19.193,68 -565,68 319.989,86
19.245,00 18.933,73 18.574,39 19.293,06 838,45 19.779,05 -534,05 285.209,49
19.094,00 19.045,92 18.904,46 19.187,38 330,07 20.131,52 -1.037,52 1.076.446,02
19.201,00 19.154,48 19.079,47 19.229,48 175,01 19.517,45 -316,45 100.138,70
Tabel 4.9 Menentukan Nilai MSE dengan Menggunakan α = 0,8
Xt S't S"t at bt Ft+m e e2
11,221.00 11.221,00 11.221,00
12,134.00 11.951,40 11.805,32 12.097,48 584,32
12,683.00 12.536,68 12.390,41 12.682,95 585,09 12.681,80 1,20 1,44
14,400.00 14.027,34 13.699,95 14.354,72 1.309,54 13.268,04 1.131,96 1.281.333,44 17,060.00 16.453,47 15.902,76 17.004,17 2.202,81 15.664,26 1.395,74 1.948.078,98 17,715.00 17.462,69 17.150,71 17.774,68 1.247,94 19.206,98 -1.491,98 2.226.016,26
18,628.00 18.394,94 18.146,09 18.643,78 995,38 19.022,62 -394,62 155.727,34
19,245.00 19.074,99 18.889,21 19.260,77 743,12 19.639,17 -394,17 155.369,88
19,094.00 19.090,20 19.050,00 19.130,40 160,79 20.003,88 -909,88 827.887,11
19,201.00 19.178,84 19.153,07 19.204,61 103,07 19.291,19 -90,19 8.133,59
Tabel 4.10 Menentukan Nilai MSE Menggunakan α = 0,9
Xt S't S"t at bt Ft+m e e2
11.221,00 11,221,00 11.221,00
12.134,00 12,042,70 11.960,53 12.124,87 739,53
12.683,00 12,618,97 12.553,13 12.684,81 592,60 12.864,40 -181,40 32.905,96
14.400,00 14,221,90 14.055,02 14.388,77 1.501,89 13.277,41 1.122,59 1.260.208,31 17.060,00 16,776,19 16.504,07 17.048,31 2.449,05 15.890,67 1.169,33 1.367.337,33 17.715,00 17,621,12 17.509,41 17.732,82 1.005,34 19.497,36 -1.782,36 3.176.805,39
18.628,00 18,527,31 18.425,52 18.629,10 916,11 18.738,17 -110,17 12.136,38
19.245,00 19,173,23 19.098,46 19.248,00 672,94 19.545,21 -300,21 90.125,71
19.094,00 19,101,92 19.101,58 19.102,27 3,12 19.920,94 -826,94 683.830,16
19.201,00 19,191,09 19.182,14 19.200,04 80,56 19.105,39 95,61 9.142,05
Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang
memberikan nilai MSE yang terkecil / minimum. Perbandingan ukuran ketepatan
metode peramalan peningkatan Jumlah Pelnggan energi gas pada PT Perusahaan Gas
Negara (PERSERO) Cabang Medan dengan melihat MSE sebagai berikut :
Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan
α 2
e MSE
0,1 100.210.801,15 10.021.080,11
0,2 38.659.214,11 3.865.921,41
0,3 21.475.424,49 2.147.542,45
0,4 14.824.295,81 2.482.429,58
0,5 11.041.340,54 1.104.134.05
0,6 8.628.274,12 862.827,41
0,7 7.217.660,62 721.766,06
0,8 6.602.548,04 660.254,80
0,9 6.632.491,27 663.249,13
Sumber : Perhitungan
Dari Tabel 4.11 di atas, dapat dilihat bahwa yang menghasilkan nilai MSE yang
Tabel 4.12 Aplikasi Pemulusan (Smoothing) Eksponensial Linear Satu Parameter dari Brown
Menggunakan α = 0,8 pada Data Jumlah Pelanggan Energi Gas
Periode Tahun Xt S't S"t at bt Ft+m e abs e e2
1 2000 11.221,00 11.221,00 11.221,00
2 2001 12.134,00 11.951,40 11.805,32 12.097,48 584,32
3 2002 12.683,00 12.536,68 12.390,41 12.682,95 585,09 12.681,80 1,20 1,20 1,44 4 2003 14.400,00 14.027,34 13.699,95 14.354,72 1.309,54 13.268,04 1.131,96 1.131,96 1.281.333,44
5 2004 17.060,00 16.453,47 15.902,76 17.004,17 2.202,81 15.664,26 1.395,74 1.395,74 1.948.078,98 6 2005 17.715,00 17.462,69 17.150,71 17.774,68 1.247,94 19.206,98 -1.491,98 1.491,98 2.226.016,26 7 2006 18.628,00 18.394,94 18.146,09 18.643,78 995,38 19.022,62 -394,62 394,62 155.727,34 8 2007 19.245,00 19.074,99 18.889,21 19.260,77 743,12 19.639,17 -394,17 394,17 155.369,88 9 2008 19.094,00 19.090,20 19.050,00 19.130,40 160,79 20.003,88 -909,88 909,88 827.887,11
10 2009 19.201,00 19.178,84 19.153,07 19.204,61 103,07 19.291,19 -90,19 90,19 8.133,59
Total -751.95 5,809.74 6,602,548.04
Ukuran ketepatan Metode Peramalan dengan α = 0,8 :
2. MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
3. MAE (Mean Absolute Error) / Nilai Tengah Kesalahan Absolut
4. MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase
5. MPE (Mean Percentage Error) / Nilai Tengah Kesalahan Persentase
MPE =
4.3.2 Penentuan Bentuk Persamaan Peramalan
Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0<α<1
dengan cara trial and error didapat perhitungan peramalan smoothing eksponensial
Perhitungan pada tabel 4.12 di atas didasarkan pada α = 0,8 dan ramalan untuk
satu periode ke depan yaitu dalam perhitungan periode ke-11, serta gambar smoothing
eksponensial linear satu parameter dari Brown.
Gambar 4.2 Plot Pemulusan Peramalan dengan α = 0,8
Seperti yang sudah dijelaskan pada bab 2 (tinjauan teoritis) persamaan yang
dipakai dalam perhitungan peramalan ini sebagai berikut :
S't = αXt + (1 - α) S't – 1
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun
berikutnya dengan bentuk persamaan peramalan :
Ft+m = 19.204,61 + (103,07) (m)
4.4 Peramalan Jumlah Pelnggan Gas
Setelah diketahui bahwa error yang didapat pada model peramalan bersifat random
maka dilakukan peramalan Jumlah Pelanggan gas untuk tahun 2010-2012 dengan
menggunakan persamaan :
Ft+m = 19.204,61 + (103,07) (m)
Setelah diperoleh model peramalan Jumlah Pelanggan gas maka dapat dihitung
untuk 3 periode ke depan, yaitu untuk tahun 2010-2012 seperti yang tertera di bawah
ini :
a. Untuk Periode 11 (tahun 2010)
Ft+m = 19.204,61 + 103,07 (m)
F10+1 = 19.204,61 + (103,07) (1)
F11 = 19.307,68
b. Untuk Periode 12 (tahun 2011)
Ft+m = 19.204,61 + (103,07) (m)
F10+2 = 19.204,61 + (103,07) (2)
F12 = 19.410,75
c. Untuk Periode 13 (tahun 2012)
F10+3 = 19.204,61 + (103,07) (3)
F13 = 19.513,82
Tabel 4.13 Peramalan Jumlah Pelanggan Energi Gas Pada PT Perusahaan Gas Negara (PERSERO) Cabang Medan
Tahun Periode Peramalan (Forecasting)
2010 11 19.307,68
2011 12 19.410,75
2012 13 19.513,82
BAB V
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikam desain
sistem yang ada dalam desain sistem yang telah disetujui, menginstal, dan memulai
sistem baru yang diperbaiki.
Tujuan dari implementasi sistem adalah sebagai berikut :
1. Menyelesaikan desain sistem yang ada dalam dokumen sistem yang disetujui.
2. Menulis, menguji, dan mendokumentasikan program - program dan prosedur -
prosedur yang diperlukan oleh dokumen desain sistem yang disetujui.
3. Memastikan bahwa personal dapat mengoperasikan sistem baru.
4. Memperhitungkan bahwa sistem memenuhi permintaan pemakai.
5. Memastikan bahwa konveksi ke sistem yang baru berjalan dengan benar.
Implementasi yang sudah selesai harus diuji coba kehandalannya sehingga dapat
diketahui kehandalannya dari sistem yang ada dan telah sesuai dengan apa yang
perangkat lunak sebagai implementasi sistem yaitu program Excel dalam masalah
memperoleh hasil perhitungan.
Microsoft Excel
Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet)
dari program paket Microsoft Office. Excel merupakan salah satu software pengolah
angka yang cukup banyak digunakan di dunia. Excel merupakan program unggulan
dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi
khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan
dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam
berbagai versi mulai dari versi 4, versi 5, versi 97, versi 2000, versi 2002, versi 2003,
dan versi 2007.
Sheet atau lembar kerja Excel terdiri dari 256 kolom dan 65.536 baris. Kolom
diberi nama dengan huruf mulai dari A, B, C, … , Z kemudian dilanjutkan AA, AB,
AC, … , sampai kolom IV. Sedangkan baris ditandai dengan angka mulai 1, 2, 3, … ,
65.536.
5.3 Langkah - Langkah Memulai Pengolahan Data dengan Excel
Sebelum mengoperasikan software ini, pastikan bahwa pada komputer terpasang
a. Klik tombol start
b. Pilih All Program dan klik Microsoft office, kemudian klik Microsoft Office Excel
2007 seperti di bawah ini :
Gambar 5.1 Langkah - Langkah Membuka Microsoft Office Excel 2007
Gambar 5.2 Tampilan Worksheet Microsoft Office Excel 2007
Pengisian data tiap tahun pada 3 kolom pertama :
a. Pada kolom ke-1 (kolom A) diisi dengan periode.
b. Pada kolom ke-2 (kolom B) diisi dengan tahun.
c. Pada kolom ke-3 (kolom C) diisi dengan data jumlah pelanggan gas pada
PT.Perusahaan Gas Negara (PERSERO) Cabang Medan.
Maka muncul tampilan seperti di bawah ini :
Gambar 5.3 Pengisian Data Pada Microsoft Office Excel 2007
Dari data di atas, kita dapat menentukan besarnya ramalan dengan α = 0,8.
Dan untuk setiap perhitungan akan diberi nama tiap kolom sebagai berikut :
1. Pada kolom ke-4, ditulis keterangan dengan S't
2. Pada kolom ke-5, ditulis keterangan dengan S"t
3. Pada kolom ke-6, ditulis keterangan dengan at
4. Pada kolom ke-7, ditulis keterangan dengan bt
5. Pada kolom ke-8, ditulis keterangan dengan Ft+m (Forecast/ramalan)
7. Pada kolom ke-10, ditulis keterangan dengan e atau absolute error
8. Pada kolom ke-11, ditulis keterangan dengan e2 atau square error
Maka perhitungan masing - masing pemulusan pertama (S't), pemulusan kedua
(S"t), konstanta (at), slope (bt), forecast (Ft+m), error (e), absolute error (e), dan
square error (e2) adalah sebagai berikut :
1. Pemulusan Pertama
Untuk tahun pertama yaitu tahun 2000 ditentukan sebesar periode pertama dari
data historisnya, sehingga rumus yang tertera pada sel D6 adalah : =C6
Sedangkan untuk periode kedua yaitu untuk tahun 2001 dapat menggunakan
rumus =0,8*C7+(1-0,8)*D6
Untuk periode ketiga sampai periode kesepuluh kita hanya menyalin rumus pada
sel D7.
2. Pemulusan Kedua
Untuk periode pertama ditentukan sebesar periode pertama dari data historisnya.
Sehingga rumus yang tertera pada sel E6 adalah : =D6
Sedangkan untuk rumus periode kedua dapat dihitung dengan menggunakan
rumus =0,8*D7+(1-0,8)*E6
Untuk periode ketiga sampai periode kesepuluh kita hanya menyalin rumus pada
sel E7.
3. Konstanta
Rumus yang dapat kita gunakan untuk sel F7 adalah =(2*D7)-E7
Untuk tahun - tahun berikutnya kita hanya menyalin rumus pada sel F7.
4. Slope
Nilai bt baru bisa dicari pada tahun kedua yaitu 2001.
Rumus yang kita gunakan untuk sel G7 adalah =(0,8/(1-0,8))*(D7-E7)
Untuk tahun - tahun berikutnya kita hanya menyalin rumus pada sel G7.
5. Forecast
Nilai Ft+m baru bisa dicari pada periode ketiga yaitu pada tahun 2002.
Rumus yang kita gunakan untuk sel H8 adalah =F7+G7
Untuk tahun - tahun berikutnya kita hanya menyalin rumus pada sel H8.
6. Error
Untuk periode ketiga yaitu pada sel I8 dapat dicari dengan menggunakan rumus
C8-H8
Untuk tahun - tahun berikutnya kita hanya menyalin rumus pada sel I8.
7. Absolute Error
Menunjukkan kesalahan meramal, tanpa menghiraukan tanda positif maupun
negatif. Sehingga pada sel J8 pada periode ketiga dapat dihitung dengan
menggunakan rumus =ABS(I8)
Untuk tahun - tahun berikutnya kita hanya menyalin rumus pada sel J8.
Menunjukkan kuadrat dari kesalahan meramal, sehingga rumus yang digunakan
pada sel K8 adalah =I8^2
Untuk tahun - tahun berikutnya kita hanya menyalin rumus pada sel K8.
5.4 Menghitung Ketepatan Peramalan
1. Jumlah error, absolute error, dan square error dengan rumus :
a. Untuk jumlah error dapat digunakan rumus =SUM(I8:I15)
Maka hasilnya adalah : -751,95.
b. Untuk jumlah absolute error dapat digunakan rumus =SUM(J8:J15)
Maka hasilnya adalah : 5.809,74
c. Untuk jumlah square error dapat digunakan rumus =SUM(K8:K15)
Maka hasilnya adalah : 6.602.548,04.
2. Menghitung Mean Error (ME), Mean Absolute Error (MAE), dan Mean Square
Error (MSE)
a. Menghitung ME dapat menggunakan rumus =I16/10
Maka hasilnya adalah -75,19.
b. Menghitung MAE dapat menggunakan rumus =J16/10
