Peramalan Nilai Penjualan Energi Listrik Di PT. PLN (Persero) Cabang Binjai Untuk Tahun 2008

(1)

Magdalena Lumbantobing : Peramalan Nilai Penjualan Energi Listrik Di PT. PLN (Persero) Cabang Binjai Untuk Tahun 2008, 2008.

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK DI

PT. PLN (PERSERO) CABANG BINJAI UNTUK TAHUN

2008

TUGAS AKHIR

MAGDALENA LUMBANTOBING 052407060

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(2)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar isi v Bab 1 Pendahuluan 1

1.1 Latar Belakang 1 1.2 Identifikasi Masalah 2

1.3 Pembatasan Masalah 3

1.4 Maksud dan Tujuan 3

1.5 Metode Penelitian 4 1.6 Sistematika Penulisan 5 Bab 2 Landasan Teori 6 2.1 Pengertian Peramalan (Forecasting) 6

2.2 Jenis peramalan 7 2.3 Pemilihan Teknik dan Metode Peramalan 8 2.4 Kegunaan Peramalan 9

2.5 Metode Pemulusan (Smoothing ) 10

2.6 Metode Smoothing yang Digunakan 11

2.7 Ketepatan Ramalan 12

Bab 3 Sejarah dan Struktur BPS 15

3.1 Sejarah Singkat Badan Pusat Statistik 15

3.1.1 Masa Pemerintahan Hindia Belanda 15

3.1.2 Masa Pemerintahan Jepang 16

3.1.3 Masa Kemerdekaan Republik Indonesia 16

3.1.4 Masa Orde Baru sampai Sekarang 17

3.2 Struktur Organisasi Badan Pusat Statistik 18 3.3 Tugas dan Wewenangan Masing–Masing Bagian di Badan Pusat Statistik 21

3.3.1 Bagian Tata Usaha 21

3.3.2 Bidang Statistik Produksi 22

3.3.3 Bidang Statistik Distribusi 23

3.3.4 Bidang Statistik Sosial 24

(3)

3.4 Ruang Lingkup Kegiatan Kantor BPS Propinsi

Sumatra Utara 26

Bab 4 Analisis Data 27

4.1 Arti Analisis Data 27

4.2 Analisis Pemulusan Eksponensial Ganda 27

4.3 Metode Pemulusan Eksponensial Ganda 30

Satu Parameter Dari Brown 41

4.4 Peramalan Nilai Penjualan Energi Listrik 42

Bab 5 Implementasi Sistem 44

5.1 Microsoft Excel 44

Bab 6 Kesimpulan dan Saran 6.1 Kesimpulan 49

6.2 Saran 50

Daftar Pustaka Lampiran

(4)

BAB 1

PENDAHULUAN

1.3 Latar Belakang

Dalam perekonomian, manusia berperan sebagai produsen sekaligus sebagai konsumen

yang selalu berupaya memenuhi kebutuhan hidupnya melalui alat pemuas kebutuhan

yang tersedia dan beranekaragam. Berbagai macam usaha dilakukan terkhusus bagi

konsumen dalam memenuhi kebutuhan hidupnya, baik itu melalui pemanfaataan sumber

Daya Alam (SDA) yang tersedia maupun pendaur-ulangan produk-produk yang sudah

lama tidak digunakan lagi. Sumber Daya Alam yang tersedia merupakan salah satu alat

pemuas kebutuhan manusia misalnya, tanah, air, energi panas, listrik dan sebagainya.

Listrik adalah salah satu kebutuhan terpenting dalam kehidupan manusia,

khususnya pada era globalisasi dan modernisasi saat ini perkembangan teknologi yang

semakin canggih memerlukan banyak hal yang dapat mendukung kemajuan IPTEK

tersebut, salah satunya adalah energi listrik. Tanpa adanya energi listrik kehidupan

manusia pada modernisasi saat ini pasti sangat jauh berbeda jika dibandingkan pada saat

sekarang ini sebab dalam seluruh aspek kehidupan manusia baik keperluan sehari-hari,

(5)

listrik yang sangat bermanfaat dalam berlangsungnya proses kegiatan masing-masing

bidang.

Meskipun saat ini telah ada tersedia sebuah alat yang dinamakan Genset

(Generator Set) yang dapat tetap mengalirkan listrik dengan menggunakan bahan bakar

solar, namun alat tersebut digunakan hanya sebagai cadangan ketika listrik padam karena

dengan menggunakan alat ini juga menghabiskan biaya yang cukup besar. Oleh karena

itu energi listrik tetap sangat diperlukan meskipun alat itu telah ada dan diharapkan kita

juga harus menjaga dan menggunakan listrik sebaik dan sehemat mungkin agar pihak

PLN juga dapat memproduksi listrik dengan baik dan kita tetap dapat menikmati manfaat

listrik dalam kehidupan kita.

Dari keadaan tersebut, penulis ingin meneliti salah satu Sumber Daya Alam yang

kita miliki yaitu energi listrik. Dalam hal ini, penulis ingin mengetahui berapa besar nilai

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

Binjai. Oleh karena berbagai alasan tersebut penulis mencoba untuk meramalkan

besarnya nilai penjualan energi listrik untuk tahun 2008 di PT. PLN (PERSERO) Cabang

Binjai. Berdasarkan pemikiran di atas maka penulis memilih judul ”PERAMALAN NILAI PENJUALAN ENERGI LISTRIK DI PT. PLN (PERSERO) CABANG BINJAI UNTUK TAHUN 2008”.

(6)

Listrik sebagai sumber energi yang sangat penting dalam kehidupan manusia. Demikian

halnya kota Binjai sebagai salah satu kotamadya di Sumatera Utara yang tidak jauh

terletak dari kota Medan yang sekarang ini mengarah kepada industrialisasi dan

modernisasi maka besar kemungkinan kondisi seperti ini juga akan sangat membutuhkan

energi khususnya energi listrik yang cukup besar. Bagi pihak PLN, hal ini tentu akan

menjadi suatu tantangan besar sekaligus peluang bisnis dalam mendapatkan keuntungan

karena PLN sebagai satu-satunya instansi yang memonopoli energi listrik.

Yang menjadi permasalahannya adalah : Bagaimana bentuk persamaan yang

dapat dipakai untuk meramalkan besarnya nilai penjualan energi listrik di masa yang

akan datang yaitu pada tahun 2008 di PT. PLN (PERSERO) Cabang Binjai. Dengan

menggunakan persamaan di atas dapat dihitung berapa besarnya nilai penjualan energi

listrik di PT. PLN (PERSERO) Cabang Binjai yang diramalkan untuk tahun 2008.

1.4 Pembatasan Masalah

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

permasalahan adalah besarnya nilai penjualan energi listrik di kotamadya Binjai pada

tahun 2008 dengan menggunakan data dari tahun 1995 - 2006.

(7)

Maksud dan tujuan penelitian ini adalah untuk memperkirakan besar nilai penjualan

energi listrik di PT. PLN (PERSERO) Cabang Binjai untuk tahun 2008 dengan

menggunakan persamaan peramalan yang telah diperoleh.

1.8 Metode Penelitian

Metode yang penulis gunakan dalam melaksanakan penelitian ini adalah :

1. Studi Kepustakaan (Library Research)

Suatu cara penelitian yag digunakan untuk memperoleh data atau informasi dari

perpustakaan yaitu dengan membaca buku-buku, referensi, bahan-bahan yang

bersifat teoritis yang mendukung Tugas Akhir ini.

2. Pengumpulan Data

Pengumpulan data untuk keperluan riset ini penulis lakukan dengan data sekunder

dari BPS (Badan Pusat Statistik). Data sekunder adalah data yang diperoleh atau

dirangkum ulang berdasarkan data yang telah tersedia atau disusun oleh BPS.

Data yang dikumpulkan tersebut kemudian diatur, disusun, dan disajikan dalam

bentuk angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang

sekumpulan data tersebut.

3. Melakukan Analisis Data

(8)

(dalam rupiah) di PT. PLN (PERSERO) Cabang Binjai menggunakan Metode

Pemulusan Eksponensial Ganda : metode linier satu parameter dari Brown.

Adapun rumus yang digunakan adalah sebagai berikut :

Ft+m = at + bt (m)

dimana :

Ft+m

= hasil pengamatan untuk m periode ke depan yang diramalkan

at , bt

= konstanta pemulusan

m

= periode kedepan yang diramalkan

1.9 Sistematika Penulisan

Adapun sistematika penulisan yang dipergunakan penulis antara lain :

BAB 1 : PENDAHULUAN

Bab ini akan menjelaskan Latar Belakang, Identifikasi masalah, Maksud

dan Tujuan Penelitian, Metode penelitian, program komputer yang

digunakan 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 : SEJARAH DAN STRUKTUR BPS

Dalam bab ini penulis menguraikan mengenai sejarah singkat berdirinya

(9)

BAB 4 : ANALISIS DATA

Bab ini menguraikan tentang data yang telah diamati dan cara penggunaan

rumus yang telah ditentukan untuk analisis data tersebut.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang dipakai sebagai

analisis terhadap data yang diperoleh. Dimana program ini berfungsi sebagai

pengolah data, sehingga akan menghasilkan informasi yang dibutuhkan.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan dari

pembahasan serta saran penulis berdasarkan kesimpulan yang didapat dari

(10)

BAB 2

LANDASAN TEORI

2.4 Pengertian Peramalan (Forecasting)

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

pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan

berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu diambil serta

variabel-variabel lain yang mempengaruhi permasalahan arus penjualan yang akan

terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara keadaan akan

dibutuhkannya suatu kebijakan baru. Apabila perbedaan waktu tersebut panjang, maka

peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan

kapan terjadi suatu peristiwa sehingga dapat dipersiapkan tindakan yang diperlukan.

Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan.

Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa yang

akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang

tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan

(11)

yang harus dihadapi, karena peramalan berkaitan erat dengan pengambilan suatu

keputusan.

2.5 Jenis peramalan

Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu :

1. Peramalan Kualitatif atau teknologis

Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif pada

masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya,

karena berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan

serta pengalaman dari orang-orang yang menyusunnya. Metode kualitatif dapat

dibagi menjadi 2 yaitu : metode eksploratoris dan normatif.

2. Peramalan Kuantitatif

Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif

pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang

dipergunakan dalam peramalan tersebut. Karena dengan metode yang berbeda

akan diperoleh suatu hasil ramalan dengan kenyataan yang terjadi. Semakin kecil

penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode

yang dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang

dilakukan dengan mengikuti prosedur penyusunan yang baik. Metode kuantitatif

dapat dibagi dalam deret berkala (time series) dan metode kausal.

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu:

1. Adanya informasi tentang masa lalu.

(12)

3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu

akan terus berlanjut di masa yang akan datang.

Metode-metode peramalan dengan analisis deret waktu yaitu:

1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak

Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk ramalan

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.

2.6 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 analisis keadaan dalam

mempersiapkan peramalan.

Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode

peramalan, yaitu:

(13)

Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode

peramalan, yaitu: cakupan waktu di masa yang akan datang dan jumlah periode untuk

peramalan yang diinginkan.

2. Pola Data

Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang

didapati di dalam data yang diramalkan akan berkelanjutan.

2. 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 analisis keadaan untuk pengambilan keputusan.

4. Biaya yang dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur

peramalan, yaitu biaya-biaya 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 dan Penerapan

Metode- metode yang dapat dimengerti dan mudah aplikasikan sudah merupakan

(14)

2.4 Kegunaan Peramalan

Kegunaan peramalan dalam suatu penelitian adalah melakukan analisis terhadap situasi

yang diteliti untuk memperkirakan situasi dan kondisi yang akan terjadi dari sesuatu yang

diteliti di masa depan. Peramalan merupakan suatu alat bantu yang penting dalam

perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk

mencapai tujuan atau sasaran suatu organisasi terdapat perbedaan waktu antara kegiatan

apa saja yang perlu dilakukan, kapan waktu pelaksanaan dan oleh siapa dialaksanakan.

Perencanaan dan peramalan sangat erat kaitannya, ini dapat dilihat dalam hal penyusunan

rencana, dimana dalam penyusunan ini melibatkan masalah peramalan juga.

Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk

menyusun rencana karena akan membantu dalam mengadakan analisis terhadap data dari

masa lalu. Sehingga dengan metode peramalan akan memberikan cara pemikiran,

pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga

memberikan ketepatan hasil analisis.

2.8 Metode Pemulusan (Smoothing )

Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap

masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir

nilai pada beberapa tahun ke depan. Secara umum Metode smoothing diklasifikasikan

menjadi dua bagian, yaitu:

(15)

Metode rata-rata dibagi atas empat bagian, yaitu:

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

dalam mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial adalah:

Ft+1 = Xt + ( 1 – ) Ft

Dimana :

Ft+1 : ramalan satu periode ke depan

Xt : data actual pada periode ke-t

Ft : ramalan pada periode ke-t

: parameter pemulusan

Metode smoothing eksponensial terdiri atas:

1. Smoothing Eksponensial Tunggal

2. Smoothing Eksponensial Ganda

a. Metode linier satu parameter dari brown

b. Metode dua parameter dari holt

(16)

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

metode peramalan analisis time series yang digunakan untuk meramalkan nilai penjualan

energi listrik pada pemecahan masalah ini adalah dengan menggunakan Metode

Smoothing Ekspononsial Ganda yaitu “Smoothing Eksponensial Satu Parameter dari

Brown”.

Metode ini merupakan metode yang dikemukakan oleh brown. Dasar pemikiran

dari Metode Smoothing eksponensial Linier Satu Parameter dari Brown adalah serupa

dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda

ketinggalan dari data sebenarnya.

Persamaan yang dapat dipakai dalam pelaksanaan Pemulusan Eksponensial Linier

Satu Parameter dari Brown adalah sebagai berikut :

St’ = Xt + ( 1 – ) St-1

St” = Xt + ( 1 – ) St-1”

at = St’ + (St’- St”) = 2 St’ – St”

bt = α α −

1 ( St’- St” )

Ft+m = at + btm

Dimana :

St’ = nilai pemulusan eksponensial tunggal

St” = nilai pemulusan eksponensial ganda

(17)

Ft+m = hasil peramalan untuk m periode ke depan yang akan diramalkan

2.10Ketepatan Ramalan

Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana

mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang

diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode

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

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

kebenaran ramalan ini digunakan ketepatan ramalan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:

1. ME (Mean Error) / Nilai Tengah Kesalahan

ME = N

et N

t

∑

=1

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

MSE = N

e N

t t

∑

(18)

3. MAE ( Mean Abslut Error ) / Nilai Tengah Kesalahan Absolut

MAE = N e N t t

∑

=1

4. MAPE ( Mean Absolut Percentage Error ) / Nilai Tengah Kesalahan Persentase

Absolut MAPE = N PE N t t

∑

=1

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

MPE = N PE N t t

∑

=1

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

SSE =

∑

= N t t e 1 2 Dimana :

et : Xt – Ft

Xt : data aktual pada periode ke-t

Pet :

        ₋ t t t X F X

100 ( kesalahan persentase pada peride ke-t )

Ft : nilai ramalan pada peride ke-t

(19)

Metode peramalan yang dipilih adalah Metode peramalan yang memberikan nilai MSE

yang terkecil.

BAB III

(20)

2.1 Sejarah Singkat Badan Pusat Statistik

Kantor Badan Pusat Statistik (BPS) propinsi sumatera utara merupakan lembaga

pemerintahan non departemen yang berada dibawah dan bertanggung jawab langsung

kepada presiden.

Badan Pusat Statistik ini ada sejak :

2.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan februari 1920, kantor statistik pertama kali didirikan oleh Direktur Pertanian,

Kerajinan dan Perdagangan (Directur Van Land Bouw Nijeverheid En Handel), dan kedudukan di bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan

data statistik.

Pada tahun 1923, Dibentuk suatu komisi untuk statistik yang anggotanya

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

merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai

kesatuan dalam kegiatan di bidang statistik di Indonesia.

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

(21)

yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang sekarang

disebut kantor Bea Cukai.

2.1.2 Masa Pemerintahan Jepang

Pada bulan juni 1944 pemerintah jepang baru mengaktifkan kembali kegiatan statistik

yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini

CKS diganti menjadi Shomubu Chosasitsu Gunseikanbu.

2.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia (RI) tanggal 17 Agustus 1945.

Kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana

kemerdekaan yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik

Indonesia). Tahun 1946, Kantor KAPPURI dipindahkan ke Yogyakarta sebagai sekuens

dari Perjanjian Linggar Jati. Sementara ini pemerintah Belanda (NICA) di Jakarta

mengaktifkan kembali CKS.

Berdasarkan surat edaran kementerian kemakmuran tanggal 12 juli 1950 nomor:219/S.C,

KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah

dan bertanggung jawab kepada kemakmuran.

Dengan surat Menteri Perekonomian tanggal 1 maret 1952 Nomor : P/44,lembaga

KPS berada dibawah dan bertanggung jawab perekonomian. Selanjutnya keputusan

(22)

2 bagian yaitu bagian Research yang disebut Afdeling A dan bagian penyelenggara tata

usaha yang disebut Afdeling B.

Dengan keputusan Presiden Republik Indonesia Nomor :131 tahun 1957,

kementerian perekonomian dipecah menjadi kementerian Perdagangan dan Kementerian

Perindustrian. Untuk selanjutnya Presiden Republik indonesia Nomor :172 tahun 1957,

terhitung mulai tanggal 1 juni 1957 KPS diubah menjadi Biro Pusat Statistik dan urusan

statistik semula menjadi tanggung jawab dan wewenang berada di bawah Perdana

Menteri.

2.1.4 Masa Orde Baru sampai Sekarang

Pada pemerintah Orde Baru khususnya untuk memenuhi kebutuhan perencanaan dan

evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat,

akurat dan terpercaya mulai diadakan pembenaran organisasi Biro Pusat Statistik. Dalam

masa Orde Baru ini Badan Pusat Statistik telah mengalami empat (4) kali perubahan

struktur organisasi :

a) Peraturan pemerintah Nomor : 16 tahun 1968 tentang organisasi Badan Pusat

Statistik.

b) Peraturan pemerintah Nomor : 6 tahun 1980 tentang organisasi Badan Pusat

Statistik.

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

fungsi,susunan dan tata kerja Biro Pusat Statistik.

(23)

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

Pusat Statistik.

f) Keputusan kepala Badan Pusat Statistik Nomor :100 tahun 1998 tentang

organisasi dan tenaga kerja Badan Pusat Statistik.

g) Peraturan Pemerintah Nomor : 51 tahun 1999 tentang penyelenggaraan statistik.

Tahun 1968, ditetapkan peraturan pemerintah Nomor : 16 tahun 1968 yaitu yang

mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980 peraturan

pemerintah Nomor : 6 tahun 1980 tentang organisasi sebagai pengganti peraturan

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

Statistik dengan nama kantor Statistik Provinsi dan di Kabupaten atau Kotamadya

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

tentang statistik sebagai pengganti undang – undang Nomor : 6 dan 7 tentang sensus dan

statistik. Pada tanggal 17 juni 1998 dengan Keputusan Pre Statistik, sekaligus mengatur

tata kerja dan struktur Organisasi Badan Pusat Statistik yang baru.

2.2 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan

langsung dengan instansi sosial yang terjadi diantara individu – individu dalam rangka

kerjasama untuk mencapai tujuan yang telah ditetapkan. Struktur organisasi perusahaan

(24)

perusahaan dalam mencapai tujuan yang ditetapkan. Dengan adanya struktur organisasi

maka akan jelaslah pemisahan tugas dari para pegawai / staf tersebut.

Struktur organisasi yang diterapkan 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 yang

menunjukan 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 atau struktur organisasi Badan Pusat Statistik Propinsi Sumatera

(25)

Peraturan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan Badan Pusat

sebagaimana dalam lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi

Sumatera Utara dipimpin seorang Kepala Kantor.

Kepala Kantor dibantu bagian tata usaha yang terdiri dari :

a. Sub Bagian Urusan Dalam

b. Sub Bagian Perlengkapan

c. Sub Bagian Keuangan

d. Sub Bagian Kepegawaian

e. Sub Bagian Bina Potensi / Bina Program

Sedangkan Bidang Penunjang Statistik terdiri dari lima (5) bidang yaitu :

1. Bidang Statistik Produksi

Bidang statistik Produksi mempunyai tugas untuk melaksanakan kegiatan Statistik

Pertanian, Industri, Konstruksi pertambangan dan energi.

2. Bidang Statistik Distribusi

Bidang Statistik ditribuisi mempunyai tugas untuk melaksanakan kegiatan statistik

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

dan jasa.

3. Bidang Statistik Sosial

Bidang Statistik kependudukan mempunyai tugas yaitu melaksanakan kegiatan

demografi dan rumah tangga, ketenagakerjaan, serta statistik kesejahteraan.

(26)

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

dengan komputer.

5. Bidang Neraca Wilayah dan Analisis Statistik

Mempunyai tugas untuk penyusunan neraca Produksi, Neraca konsumsi, dan

Akumulasi penyajian analisis serta kegiatan penerapan statistik.

2.3 Tugas dan Wewenang Masing–Masing Bagian di Badan Pusat Statistik

Wewenang (authority) adalah : hak untuk melakukan sesuatu atau memerintahkan orang

lain untuk melakukan atau tidak melakukan sesuatu agar tercapai tujuan tertentu.

Contoh: seorang manager suatu organisasi mempunyai hak untuk memberi perintah dan

tugas serta menilai pelaksanaan kerja bawahannya.

Tugas adalah: kewajiban untuk melakukan sesuatu agar tercapai tujuan tertentu. Contoh:

sekretaris yang mengarsip surat, membuat notulen rapat.

2.3.1 Bagian Tata Usaha

(27)

b. Mengatur dan melaksanakan penghimpunan barang dan penyusunan program

kerja tahunan baik rutin maupun proyek kantor statistik propinsi dan

menyampaikan ke Badan Pusat Statistik.

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

penggandaan atau percetakan kearsipan, rumah tangga dan pemeliharaan gedung

keamanan dan lingkungan serta perjalanan dinas maupun luar negeri.

d. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang meliputi

penyusunan, penyimpanan atau penggudangan, inventarisasi dan penghapusan

serta pemeliharaan perlengkapan.

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

keuangan, perbankan, vertikasi dan pembukuan.

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

kesejahteraan pegawai, administrasi jabatan dan fungsional, hukum,organisasi tata

laksana serta penyajian.

g. Menyusun laporan kegiatan bagian secara berkala dan sewaktu – waktu.

h. Mengatur dan melaksanakan urusan penyelenggaraan berbagai pelatihan teknis

dan pelatihan administratif.

2.3.2 Bidang Statistik Produksi

a. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik

pertanian, industri, konstruksi energi dan statistik produksi lainnya yang

(28)

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat

dibidang statistik produksi.

c. Mengatur dan mengkordinasikan penyelenggaraan pelatihan petugas lapangan di

pusat pelatihan serta mengatur penjatahan pelatihannya.

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

proyek untuk menyiapkan program pelatihan petugas lapangan.

e. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap

pelaksanaan lapangan produksi.

f. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil

pengumpulan data statistik produksi.

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

statistik produksi melalui komputer sesuai yang diterapkan.

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

i. Mengatur dan menyiapkan hasil pengolahan statistik produksi yang akan dikirim

ke pusat melalui komputer sesuai dengan jadwal yang ditentukan.

j. Membantu kepala kantor badan pusat statistik propinsi melakukan pembinaan

secara teratur petugas pencacah, pengawas dan pemeriksaan pengumpulan data

statistik produksi, kabupaten, kotamadya, maupun di kecamatan.

(29)

a. Menyusun program kerja tahunan bidang yang meliputi pelaksanaan

kegiatan statistik pertanian, industri pertambangan, energi dan satistik

produksi lainnya yang ditentukan.

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh

pusat di bidang statistik produksi.

c. Membantu kepala kantor Badan Pusat Statistik memimpin proyek untuk

menyiapkan proyek tugas lapangan.

d. Mengatur dan mengkoordinasikan penyelenggaraan petugas lapangan di

pusat pelatihan serta mengatur pelatihan.

e. Mengatur dan melaksanakan dokumen yang diperlukan untuk pelaksanaan

lapangan, melakukan pembinaan dan pengawasan terhadap kegiatan statistik

produksi.

f. Melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan

terhadap pelaksanaan kegiatan statistik produksi.

g. Mengatur dan melaksananakan penerimaan dan pemeriksaan dokumen hasil

pengumpulan data statistik distribusi.

h. Mengatur dan melaksanakan pengolahan data statistik distribusi secara

sederhana sesuai yang diterapkan oleh pusat.

i. Bersama-sama dengan bidang pengolahan data dan menyiapkan pengolahan

statistik distribusi melalui komputer sesuai yang diterapkan.

j. Mengatur dan mengevaluasi hasil kegiatan statistik distribusi sebagai bahan

(30)

k. Membantu kepala kantor Badan Pusat Statistik propinsi melakukan

pembinaan secara teratur petugas pencacah,pengawas dan pemeriksaan

penyimpulan data statistik produksi, kabupaten,kotamadya ataupun di

kecamatan.

2.3.4 Bidang Statistik Sosial

a. Menyusun program kerja tahunan bidang-bidang yang utama ruang lingkup

bidang statistik kependudukan adalah meliputi pelaksanaan kegiatan statistik

demokratis dan rumah tangga dan statistik kepedudukan lainnya.

b. Mengatur keikutsertaan program lainnya yang akan diselenggrakan oleh

statistik bidang penduduk .

c. Membantu kepala kantor Badan Pusat Statistik propinsi atau pimpinan

bagian proyek untuk menyiapkan pengolahan latihan tugas lapangan

d. Mengatur dan mengkoordinasi penyelenggaran latihan tugas lapangan di

pusat serta mengatur penjatahan pelatihannya.

e. Mengatur dan melaksanakan penjatahan dokumen untuk melaksanakan

tugas lapangan .

f. Melakukan pembinaan dan pengawasan lapangan terhadap pengawasan

kegiatan statistik kependudukan.

g. Bersama-sama dengan bidang pengolahan data mengatur dan menyiapkan

pengolahan data statistik kependudukan melalui komputer sesuai yang

(31)

h. Mengatur dan melaksanakan penerimaan dokumen hasil dari pengumpulan

data statistik kependudukan

i. Mengatur dan menyiapkan pengolahan data statistik kependudukan yang

akan dikirim ke pusat sesuai dengan jadwal yang ditetapkan.

j. Mengatur dan melaksanakan evaluasi hasil pengolahan statistik

kependudukan sebagai bahan untuk penyempurnaan .

2.3.5 Bidang Integrasi Pengolahan dan Diseminasi Statistik

a. Menyusun program kerja tahunan

b. Melaksanakan penyusunan, pemeliharaan, penyelesaian permasalahan dan

pengembangan sistem jaringan komunikasi data sesuai dengan aturan yang

ditetapkan serta membantu penyerapan teknologi informasi

c. Mengatur dan melaksanakan keikutsertaan dalam program latihan yang

diselenggarakan oleh Badan Pusat Statistik dalam bidang pengolahan,

penyajian dan pelayanan statistik .

d. Melaksanakan koordinasi pengolahan dan pemeliharaan perangkat keras dan

perangkat lunak serta menyusun sistem pengolahan data

e. Mengatur integrasi penggunaan sistem dan program aplikasi pengolahan

data statistik seperti data statistik kependudukan , data statistik produksi

dan data statistik distribusi termasuk sarana pendukungnya .

f. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data termasuk

(32)

2.4 Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatra Utara

a. Merencanakan kegiatan badan pusat statistik untuk dilaksanakan misalnya : jenis

data yang akan dikumpulkan, kegunaan data dan lain-lain.

b.Mengumpulkan data badan pusat statistik

Sesudah dikumpulkan data sebelumnya agar data yang diperlukan itu dapat

dipergunakan dengan sebaik-baiknya

Mengolah data badan pusat statistik sesudah dikumpulkan data tersebut satu

persatu kemudian data diolah kembali.

c. Menyajikan Data Badan Pusat Statistik

Kantor Badan Pusat Statistik adalah merupakan suatu sumber atau pusat

informasi yang dapat mempermudah masyarakat untuk mengetahui tentang

perkembangan negara Indonesia .

d. Menganalisis data Badan Pusat Statistik

Kemudian data tersebut dianalisisatau dibahas terhadap data statistik tersebut

juga, dan disebar luaskan .Misalnya Indikator pendapatan, Proyeksi keadaan

perekonomian dan ketenaga kerjaan di Indonesia, Analisis Badan Pusat Statistik

perbankan, dan lembaga keuangan lainnya.

e. Memasyarakatkan data Badan Pusat Statistik

Sesudah selesai dikerjakan seluruhnya baru dat tersebut dimasyarakatkan kepada

(33)

BAB 4

ANALISIS DATA

4.5 Arti Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data

kuantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan menguraikan

suatu masalah secara parsial ataupun keseluruhan. Untuk pemecahan masalah perlu

dilakukan suatu analisis dan pengolahan data. Data yang akan diolah adalah data nilai

penjualan energi listrik di PT. PLN PERSERO CABANG BINJAI dari tahun 1995-2006.

Analisis yang dipakai dalam pengolahan data ini adalah analisis pemulusan eksponensial

ganda.

4.6 Analisis Pemulusan Eksponensial Ganda

Pada bagian ini penulis menentukan nilai parameter yang akan digunakan, dimana nilai

parameter ( ) besarnya antara 0 < < 1 dengan cara trial dan error.

Adapun langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan

(34)

1. Menentukan harga parameter smoothing eksponensial yang besarnya dari

0 < <1

2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan

persamaan :

St’ = Xt + ( 1 – ) St-1.

3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan

:

St” = Xt + ( 1 – ) St-1”

4. Menghitung koefisien

a

t dan

b

t dengan menggunakan persamaan :

at = St’ + (St’- St”) = 2 St’ – St”

bt = α α −

1 ( St’- St” )

5. Menghitung trend peramalan (Ft+Metode) dengan menggunakan persamaan :

(35)

[image:35.612.127.487.225.639.2]

Tabel 4.1 Nilai Penjualan Energi Listrik di PT.PLN (PERSERO) CABANG BINJAI

Sumber : BPS

No Tahun Nilai Penjualan

(Milyar rupiah)

1 1995 41,47

2 1996 48,27

3 1997 56,15

4 1998 72,98

5 1999 85,05

6 2000 118,83

7 2001 156,49

8 2002 221,86

9 2003 303,19

10 2004 340,05

11 2005 351,75

(36)

4.7 Metode Pemulusan Eksponensial Ganda Satu Parameter Dari Brown

4.7.1 Penaksiran Model Peramalan

Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel 4.1

dengan metode peramalan (forecasting) berdasarkan metode pemulusan eksponensial satu

parameter dari Brown. Untuk memenuhi perhitungan smoothing eksponensial tunggal,

ganda dan ramalan yang akan datang, maka terlebih dahulu kita menentukan parameter

nilai yang biasanya secara trial and error (coba dan salah). Suatu nilai dipilih yang

besarnya 0 < < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran

ketepatan perhitungan dengan mengkuadratkan masing kesalahan untuk

masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai yang lain.

Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang

merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error dikuadratkan

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

(37)

[image:37.612.89.536.294.544.2]

Tabel 4.2 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.1

Xt St' S" at bt f t+m e e2

41.47 41.47 41.47 - - - - - 48.27 42.15 41.538 42.762 0.068 - - -

56.15 43.55 41.7392 45.3608 0.2012 42.83 13.32 177.4224 72.98 46.493 42.21458 50.77142 0.47538 45.562 27.418 751.7467 85.05 50.3487 43.027992 57.66941 0.813412 51.2468 33.8032 1142.656 118.83 57.19683 44.4448758 69.94878 1.416884 58.48282 60.34718 3641.782 156.49 67.12615 46.71300292 87.53929 2.268127 71.36567 85.12433 7246.152 221.86 82.59953 50.30165586 114.8974 3.588653 89.80742 132.0526 17437.88 303.19 104.6586 55.73734818 153.5798 5.435692 118.4861 184.7039 34115.54 340.05 128.1977 62.98338548 193.4121 7.246037 159.0155 181.0345 32773.49 351.75 150.5529 71.74034183 229.3656 8.756956 200.6581 151.0919 22828.76 369.61 172.4587 81.81217307 263.1051 10.07183 238.1225 131.4875 17288.96 1000.383 137404.4

Untuk = 0.1, N = 10

maka :

1. SSE =

∑

= N

t t e

(38)

2. MSE = N e N t t

∑

=1 2 = 10 4 , 137404 [image:38.612.84.539.65.610.2]

= 13740,44

Tabel 4.3 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0.2

41.47 41.47 41.47 - - - - - 48.27 42.83 41.742 43.918 0.272 - - -

56.15 45.494 42.4924 48.4956 0.7504 44.19 11.96 143.0416 72.98 50.9912 44.19216 57.79024 1.69976 49.246 23.734 563.3028 85.05 57.80296 46.91432 68.6916 2.72216 59.49 25.56 653.3136 118.83 70.00837 51.5331296 88.48361 4.61881 71.41376 47.41624 2248.3 156.49 87.30469 58.68744256 115.9219 7.154313 93.10242 63.38758 4017.986 221.86 114.2158 69.79310515 158.6384 11.10566 123.0763 98.78374 9758.227 303.19 152.0106 86.236605 217.7846 16.4435 169.7441 133.4459 17807.82 340.05 189.6185 106.9129807 272.324 20.67638 234.2281 105.8219 11198.27 351.75 222.0448 129.9393419 314.1502 23.02636 293.0004 58.74964 3451.52 369.61 251.5578 154.2630394 348.8526 24.3237 337.1766 32.43341 1051.926 601.2924 50893.71

Untuk = 0.2, N = 10

(39)

∑

= N t t e 1 2

= 50893,71

∑

=1 2 = 10 71 , 50893

= 5089.371

Tabel 4.4 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan = 0.3

X

t

S

t

'

S"

a

t

b

t

f

t+m

e

2

41,47 41,47 41,47 - - - - -

48,27 43,51 42,082 44,938 0,612 - - -

56,15 51,653 44,9533 58,3527 2,8713 45,55 10,6 112,36

72,98 63,2164 50,43223 76,00057 5,47893 61,224 11,756 138,2035

85,05 76,08812 58,128997 94,04724 7,696767 81,4795 3,5705 12,74847

118,83 96,5195 69,6461467 123,3928 11,51715 101,744 17,08599 291,9311

156,49 124,1626 86,00108173 162,3241 16,35494 134,91 21,58001 465,6966

221,86 165,8881 109,9671804 221,809 23,9661 178,679 43,18095 1864,595

303,19 223,6675 144,0772649 303,2577 34,11008 245,7751 57,41493 3296,474

340,05 280,949 185,1387763 376,7592 41,06151 337,3677 2,682257 7,1945

351,75 330,2842 228,6823961 431,886 43,54362 417,8207 -66,0707 4365,334

369,61 375,1103 272,6107794 477,6099 43,92838 475,4296 -105,82 11197,78

21752,32

Untuk = 0.3, N = 10

[image:39.612.85.538.275.587.2]

(40)

∑

= N t t e 1 2

= 21752,32

∑

=1 2 = 10 32 , 21752

= 2175,232

Tabel 4.5 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan

menggunakan = 0.4

X

_t

S

_t

'

S"

a

_t

b

_t

f

_t+m

e

2

41,47 41,47 41,47 - - - - -

48,27 44,19 42,558 45,822 1,088 - - -

56,15 48,974 45,1244 52,8236 2,5664 46,91 9,24 85,3776

72,98 58,5764 50,5052 66,6476 5,3808 55,39 17,59 309,4081

85,05 69,16584 57,969456 80,36222 7,464256 72,0284 13,0216 169,5621

118,83 89,0315 70,3942752 107,6687 12,42482 87,82648 31,00352 961,2183

156,49 116,0149 88,64252608 143,3873 18,24825 120,0936 36,39645 1324,701 221,86 158,3529 116,5266922 200,1792 27,88417 161,6355 60,22447 3626,987 303,19 216,2878 156,4311213 276,1444 39,90443 228,0634 75,12664 5644,013 340,05 265,7927 200,1757363 331,4096 43,74462 316,0488 24,00116 576,0558 351,75 300,1756 240,1756799 360,1755 39,99994 375,1542 -23,4042 547,7564

369,61 327,9494 275,2851508 380,6136 35,10947 400,1755 -30,5655 934,247

[image:40.612.87.537.64.654.2]

(41)

Untuk = 0.4, N = 10

maka :

1. SSE =

∑

= N t t e 1 2

= 14179,33

∑

=1 2 = 10 33 , 14179 [image:41.612.82.538.56.727.2]

= 1417,933

menggunakan = 0.5

X

t

S

t

'

S"

a

t

b

t

f

t+m

e

2

41,47 41,47 41,47 - - - - -

48,27 44,87 43,17 46,57 1,7 - - -

56,15 50,51 46,84 54,18 3,67 48,27 7,88 62,0944

72,98 61,745 54,2925 69,1975 7,4525 57,85 15,13 228,9169

85,05 73,3975 63,845 82,95 9,5525 76,65 8,4 70,56

118,83 96,11375 79,979375 112,2481 16,13438 92,5025 26,3275 693,1373

156,49 126,3019 103,140625 149,4631 23,16125 128,3825 28,1075 790,0316

221,86 174,0809 138,6107813 209,5511 35,47016 172,6244 49,23563 2424,147

303,19 238,6355 188,623125 288,6478 50,01234 245,0213 58,16875 3383,603

340,05 289,3427 238,9829297 339,7025 50,3598 338,6602 1,389844 1,931666

351,75 320,5464 279,7646484 361,3281 40,78172 390,0623 -38,3123 1467,836

369,61 345,0782 312,421416 377,735 32,65677 402,1098 -32,4998 1056,237

(42)

Untuk = 0.5, N = 10

maka :

1. SSE =

∑

= N t t e 1 2

= 10178,5

∑

=1 2 = 10 5 , 10178 [image:42.612.86.519.106.684.2]

= 1017,85

menggunakan = 0.6

X

t

S

t

'

S"

a

t

b

t

f

t+m

e

2

41,47 41,47 41,47 - - - - -

48,27 45,55 43,918 47,182 2,448 - - -

56,15 51,91 48,7132 55,1068 4,7952 49,63 6,52 42,5104

72,98 64,552 58,21648 70,88752 9,50328 59,902 13,078 171,0341

85,05 76,8508 69,397072 84,30453 11,18059 80,3908 4,6592 21,70814

118,83 102,0383 88,9818208 115,0948 19,58475 95,48512 23,34488 544,9834

156,49 134,7093 116,4183251 153,0003 27,4365 134,6796 21,81043 475,6949

221,86 186,9997 158,7671688 215,2323 42,34884 180,4368 41,42316 1715,879

(43)

340,05 306,7156 271,0434154 342,3877 53,50821 354,6606 -14,6106 213,4701 351,75 333,7362 308,6590998 358,8133 37,61568 395,8959 -44,1459 1948,861

369,61 355,2605 336,6199334 373,901 27,96083 396,429 -26,819 719,2604

7933,57

Untuk = 0.6, N = 10

maka :

1. SSE =

∑

= N t t e 1 2

= 7983,57

∑

=1 2 = 10 57 , 7983 [image:43.612.87.466.172.480.2]

= 798,357

menggunakan = 0.7

X

_t

S

_t

'

S"

a

_t

b

_t

f

_t+m

e

2

41,47 41,47 41,47 - - - - -

48,27 46,23 44,802 47,658 3,332 - - -

56,15 53,174 50,6624 55,6856 5,8604 50,99 5,16 26,6256

72,98 67,0382 62,12546 71,95094 11,46306 61,546 11,434 130,7364

(44)

118,83 107,0749 97,2695046 116,8804 22,87934 97,16746 21,66254 469,2656

156,49 141,6655 128,3466884 154,9843 31,07718 139,7597 16,73028 279,9024 221,86 197,8016 176,9651576 218,6381 48,61847 186,0615 35,79854 1281,536

303,19 271,5735 243,1909926 299,956 66,22584 267,2566 35,9334 1291,209

340,05 319,507 296,6122314 342,4019 53,42124 366,1818 -26,1318 682,8725

351,75 342,0771 328,4376495 355,7166 31,82542 395,8231 -44,0731 1942,438

369,61 361,3501 351,4763889 371,2239 23,03874 387,542 -17,932 321,5565

6428,819

Untuk = 0.7, N = 10

maka :

1. SSE =

∑

= N t t e 1 2

= 6428,819

∑

=1 2 = 10 819 , 6428 [image:44.612.91.452.251.535.2]

= 642,8819

menggunakan = 0.8

X

t

S

t

'

S"

a

t

b

t

f

t+m

e

2

(45)

48,27 46,91 45,822 47,998 4,352 - - -

56,15 54,302 52,606 55,998 6,784 52,35 3,8 14,44

72,98 69,2444 65,91672 72,57208 13,31072 62,782 10,198 103,9992

85,05 81,88888 78,694448 85,08331 12,77773 85,8828 -0,8328 0,693556

118,83 111,4418 104,8923104 117,9912 26,19786 97,86104 20,96896 439,6973

156,49 147,4804 138,9627462 155,998 34,07044 144,1891 12,3009 151,312

221,86 206,9841 193,3798061 220,5883 54,41706 190,0684 31,7916 1010,706

303,19 283,9488 265,8350126 302,0626 72,45521 275,0054 28,1846 794,3719

340,05 328,8298 316,2308128 341,4287 50,3958 374,5178 -34,4678 1188,031

351,75 347,166 340,9789246 353,353 24,74811 391,8245 -40,0745 1605,967

369,61 365,1212 360,2927373 369,9496 19,31381 378,1011 -8,49109 72,09865 5381,316

Untuk = 0.8, N = 10

maka :

1. SSE =

∑

= N t t e 1 2

= 5381,316

∑

=1 2 = 10 316 , 5381 [image:45.612.87.471.220.541.2]

= 538,1316

(46)

41.47 41.47 41.47 - - - - - 48.27 47.59 46.978 48.202 5.508 - - -

56.15 55.294 54.4624 56.1256 7.4844 53.71 2.44 5.9536 72.98 71.2114 69.5365 72.8863 15.0741 63.61 9.37 87.7969 85.05 83.66614 82.253176 85.0791 12.71668 87.9604 -2.9104 8.470428 118.83 115.3136 112.0075702 118.6197 29.75439 97.79578 21.03422 442.4384 156.49 152.3724 148.3358823 156.4088 36.32831 148.3741 8.115948 65.86861 221.86 214.9112 208.2537008 221.5688 59.91782 192.7372 29.12285 848.1402 303.19 294.3621 285.7512813 302.973 77.49758 281.4866 21.70341 471.038 340.05 335.4812 330.5082193 340.4542 44.75694 380.4705 -40.4205 1633.821 351.75 350.1231 348.161631 352.0846 17.65341 385.2111 -33.4611 1119.648 369.61 367.6613 365.711344 369.6113 17.54971 369.738 -0.12802 0.01639 14.86631 4683.191

Untuk = 0.9 , N = 10

maka :

1. SSE =

∑

= N t t e 1 2

= 14,6631

2. MSE = N e N t t

∑

=1 2 = 10 191 , 4683

(47)

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai

yang memberikan MSE yang terkecil / minimum. Perbandingan ukuran ketepatan metode

peramalan peningkatan nilai penjualan energi listrik di Binjai dengan melihat MSE

[image:47.612.163.453.262.446.2]

sebagai berikut :

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan

MSE

0.1 13740,4400

0.2 5089,3710

0.3 2175,2320

0.4 1417,9330

0.5 1017,8500

0.6 793,3570

0.7 642,8819

0.8 538,1816

0.9 468,3191

Dari tabel 4.11 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling

(48)

[image:48.612.89.539.207.512.2]

Tabel 4.12 Pemulusan Eksonensial Linier Satu Parameter dari Brown dengan

menggunakan = 0.9 pada Nilai Penjualan Energi Listrik di PT.PLN

(PERSERO) CABANG BINJAI

41.47 41.47 41.47 - - - - - 48.27 47.59 46.978 48.202 5.508 - - -

56.15 55.294 54.4624 56.1256 7.4844 53.71 2.44 5.9536 72.98 71.2114 69.5365 72.8863 15.0741 63.61 9.37 87.7969 85.05 83.66614 82.253176 85.0791 12.71668 87.9604 -2.9104 8.470428 118.83 115.3136 112.0075702 118.6197 29.75439 97.79578 21.03422 442.4384 156.49 152.3724 148.3358823 156.4088 36.32831 148.3741 8.115948 65.86861 221.86 214.9112 208.2537008 221.5688 59.91782 192.7372 29.12285 848.1402 303.19 294.3621 285.7512813 302.973 77.49758 281.4866 21.70341 471.038 340.05 335.4812 330.5082193 340.4542 44.75694 380.4705 -40.4205 1633.821 351.75 350.1231 348.161631 352.0846 17.65341 385.2111 -33.4611 1119.648 369.61 367.6613 365.711344 369.6113 17.54971 369.738 -0.12802 0.01639 14.86631 4683.191

4.3.2 Penentuan Bentuk Persamaan Peramalan

Setelah ditentukan harga parameter smoothing eksponensial yang besarnya

0 < < 1dengan cara trial and error didapat perhitungan peramalan smoothing

eksponensial linier satu parameter dari Brown dengan = 0.9.

Perhitungan pada tabel 4.12 di atas didasarkan pada = 0.9 dan ramalan untuk

(49)

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

peramalan adalah sebagai berikut :

St’ = Xt + ( 1 – ) St-1

St” = Xt + ( 1 – ) St-1”

at = St’ + (St’- St”) = 2 St’ – St”

bt =

α α −

1 ( St’- St” )

Ft+m = at + btm

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan

bentuk persamaan peramalan :

Ft+m = at + btm

Ft+m = 369,6113 + 17,54971(m)

4.8 Peramalan Nilai Penjualan Energi Listrik

Setelah diketahui error yang terdapat pada model peramalan, maka dilakukan peramalan

nilai penjualan energi listrik untuk tahun 2007 dan 2008 dengan menggunakan persamaan

(50)

Ft+m = 369,6113 + 17,54971(m)

Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat dihitung

untuk 2 periode kedepan yaitu untuk tahun 2007 dan 2008 seperti di bawah ini :

a. Untuk periode ke 13 (tahun 2007)

Ft+m = 369,6113 + 17,54971 (m)

F12+1 = 369,6113 + 17,54971 (1)

F13 = 387,16101

b. Untuk periode ke 14 (tahun 2008)

Ft+m = 369,6113 + 17,54971 (m)

F12+2 = 369,6113 + 17,54971 (2)

[image:50.612.103.457.284.589.2]

F13 = 404,71072

(51)

Tahun Periode Peramalan

2007 13 387,16101

2008 14 404,71072

Sumber : Perhitungan

BAB 5

IMPLEMENTASI SISTEM

5.2 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 produk unggulan dari

Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya

(52)

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

versi 4, versi 5, versi 97, versi 2000, versi 2002 dan versi 2003.

Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 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 dari 1, 2, 3,…, 65.536. Excel

2003 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai

software lain, salah satunya adalah under windows seperti word, access dan powerpoint.

Keunggulan program spreadsheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi

dengan aplikasi berbasis windows.

Langkah-langkah Memulai Pengolahan data dengan Excel :

Sebelum mengoperasikan software ini, pastikan bahwa pada computer terpasang program

Excel. Langkah-langkahnya adalah :

a. Klik tombol start

b. Pilih program dan klik Microsoft Excel

(53)

[image:53.612.91.523.71.466.2]

Gambar 5.1 Tampilan Lembar Kerja Excel

Data tiap tahun ditulis pada 3 kolom pertama periode, tahun dan nilai penjualan energi

(54)

[image:54.612.90.505.71.385.2]

Gambar 5.2 Tampilan Lembar Kerja Excel dalam menentukan besarnya

peramalan dengan = 0.9

Dari data di atas kita dapat menentukan besarnya forecast (ramalan ) dengan =

0.9 dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini :

1. Pada kolom ke-empat ditulis keterangan St’

2. Pada kolom ke-lima ditulis keterangan St”

3. Pada kolom ke-enam ditulis keterangan at

4. Pada kolom ke-tujuh ditulis keterangan bt

5. Pada kolom ke-delapan ditulis keterangan ft+m (forecast)

(55)

7. Pada kolom ke-sepuluh ditulis keterangan square error (e2)

Maka perhitungan masing-masing pemulusan pertama, pemulusan kedua,

konstanta, slope, forecast, error dan square error adalah sebagai berikut :

1. Pemulusan pertama

Untuk tahun pertama yaitu tahun 1995 ditentukan sebesar periode pertama data

historisnya, sehingga rumus yang tertera pada sel D2 adalah =C2. sedangkan untuk

periode kedua yaitu tahun 1996 pada sel D3 dapat menggunakan rumus

=((0.9*C3)+((1-0.9)*D2)). Dalam kasus ini untuk sel D3 menghasilkan angka 47,59

untuk periode ketiga sampai periode 12 kita tinggal menyalin rumus pada sel D3.

2. Pemulusan kedua

Untuk periode pertama yaitu tahun 1995 ditentukan sebesar periode pertama data

historisnya, sehingga rumus yang tertera pada sel E2 adalah C2. Sedangkan untuk

periode kedua yaitu tahun 1996 pada sel E3 dapat menggunakan rumus

=((0.9*D3)+((1-0.9)*E2)). Dalam kasus ini untuk sel C3 menghasilkan angka 46,978

untuk periode ketiga sampai periode 12 kita tinggal menyalin rumus pada sel C3.

3. Nilai at baru bisa dicari pada periode kedua yaitu pada tahu 1996. Rumus yang

digunakan untuk sel F3 adalah = (2*D3)-E3 sehingga akan menghasilkan angka

48,202. Untuk periode ketiga sampai periode kedua kita tinggal menyalin rumus pada

(56)

4. Nilai bt baru bisa dicari pada periode kedua yaitu tahun 1996. Rumus yang digunakan

untuk sel G3 adalah = ((0.9/0.1)*(D3-E3)) sehingga menghasilkan angka 5.508.

Untuk periode ketiga sampai periode 12 kita tinggal menyalin rumus pada F3.

5. Peramalan (F /forecast)

Untuk periode ketiga yaitu pada tahun 1997 pada sel H4 dapat dicari dengan

menggunakan rumus =F3+G3 sehingga menghasilkan angka 53.71. Untuk periode

ketiga sampai periode 12 kita tinggal menyalin rumus pada H3.

6. Error

Untuk periode ketiga yaitu pada tahun 1997 pada sel I4 dapat dicari dengan <