Peramalan Banyaknya Energi Listrik Yang Disalurkan Dan Dijual Tahun 2010 PT. PLN (Persero) Cabang Medan

(1)

PERAMALAN BANYAKNYA ENERGI LISTRIK YANG

DISALURKAN DAN DIJUAL TAHUN 2010

PT. PLN (Persero) CABANG MEDAN

TUGAS AKHIR

SYAHRIZA MELINA POHAN

062407032

PROGRAM STUDI D – III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

PERAMALAN BANYAKNYA ENERGI LISTRIK YANG

DISALURKAN DAN DIJUAL TAHUN 2010

PT. PLN (Persero) CABANG MEDAN

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

SYAHRIZA MELINA POHAN

062407032

PROGRAM STUDI D – III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : PERAMALAN BANYAKNYA ENERGI LISTRIK

YANG DISALURKAN DAN DIJUAL TAHUN 2010 PT. PLN (Persero) CABANG MEDAN

Kategori : TUGAS AKHIR

Nama : SYAHRIZA MELINA POHAN

Nomor Induk Mahasiswa : 062407032

Program Studi : DIPLOMA-3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA)

UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2009

Diketahui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Dr. Saib Suwilo, M.Sc Drs. Faigiziduhu Bu’ulolo, M.Si

(4)

PERNYATAAN

PERAMALAN BANYAKNYA ENERGI LISTRIK YANG DISALURKAN DAN DIJUAL TAHUN 2010

PT. PLN (Persero) CABANG MEDAN

TUGAS AKHIR

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

Medan, Juni 2009

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan atas Kehadirat Allah SWT yang telah melimpahkan segala Rahmat dan KaruniaNya sehingga penulis dapat menyelesaikan Tugas Akhir ini dalam waktu yang telah ditetapkan.

Ucapan terima kasih penulis ucapkan terutama kepada Drs. Faigiziduhu

bu’ulolo, M.Si selaku dosen pembimbing pada penyelesaian tugas akhir ini yang telah

memberikan panduan dan kepercayaan kepada penulis untuk menyempurnakan Tugas Akhir ini. Panduan ringkas, jelas dan profesional telah diberikan kepada penulis agar penulis dapat menyelesaikan Tugas Akhir ini. Ucapan terima kasih juga ditujukan kepada ketua dan Sekretaris Departemen Dr. Saib Suwilo, M.Sc dan Drs. Henri

Rani Sitepu, Msi, dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu

Pengetahuan Alam Sumatera Utara, semua dosen pada Departemen Matematika

FMIPA USU, Pegawai di FMIPA USU. Kepada orang tua yang paling tersayang Hj. Zahriati SP.d dan Syahrial Pohan yang selama ini memberikan doa, semangat dan

dukungan sehingga penulis dapat menyelesaikan Tugas Akhir ini. Kepada abang penulis M. Emil Zikri Pohan dan kakak sepupu penulis Firza Umayra yang selalu membantu dan memberikan saran kepada Penulis. Serta kepada adik penulis M. Rozi

Abda’o Pohan dan adik sepupu penulis Elsya Soraya yang selalu memberikan

(6)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar Tabel vi

Daftar Gambar viii

Bab 1 Pendahuluan 1

1.1 Latar Belakang 2

1.2 Identifikasi Masalah 3

1.3 Batasan Masalah 4

1.4 Maksud dan Tujuan 5

1.5 Metode Penelitian 5

1.6 Tinjauan Pustaka 5

1.7 Sistematika Penulisan 7

Bab 2 Sejarah Singkat Tempat Riset 9

2.1 Sejarah Singkat Badan Pusat Statistik di Indonesia 9 2.1.1 Masa Pemerintahan Hindia Belanda 9

2.1.2 Masa Pemerintahan Jepang 10

2.1.3 Masa Kemerdekaan Republik Indonesia 10 2.1.4 Masa Orde Baru Sampai Sekarang 11 2.1.5 Visi dan Misi Biro Pusat Statistik 13 2.1.6 Program Pengembangan Statistik 13 2.2 Ruang Lingkup Kegiatan Biro Pusat Statistik 14 2.2.1 Kedudukan, Tugas dan Fungsi Biro Pusat Statistik 14 2.2.2 Tata Kerja Biro Pusat Statistik 15 2.2.3 Alasan Pemakaian Komputer di Biro Pusat Statistik 15 2.3 Struktur Organisasi Biro Pusat Statistik 16

2.3.1 Tugas Bagian Tata Usaha 17

2.3.2 Tugas Bidang Statistik Produksi 18 2.3.3 Tugas Bidang Statistik Distribusi 18

2.3.4 Tugas Bidang Pengolahan Data 19

2.3.5 Tugas Bidang Statistik Kependudukan 19 2.3.6 Tugas Bidang Neraca Wilayah dan Analisa 20

(7)

3.1 Pengertian Peramalan 21

3.2 Jenis-jenis Peramalan 22

3.3 Metode Peramalan 23

3.3.1 Pengertian Metode Peramalan 23

3.3.2 Jenis-jenis Metode Peramalan 23

3.3.3 Metode Pemulusan (Smoothing) 24

3.4 Metode Peramalan yang Digunakan 27

Bab 4 Analisa Data 33

4.1 Data yang Akan Diolah 33

4.1.1 Metode Pemulusan Eksponensial Tunggal dan 34 Metode Pemulusan Eksponensial Ganda Untuk

Energi Listrik Yang Disalurkan

4.1.2 Metode Pemulusan Eksponensial Tunggal dan 53 Metode PemulusanEksponensial Ganda Untuk

Energi Listrik Yang Dijual

Bab 5 Implementasi Sistem 72

5.1 Pengenalan Microsoft Excel 72

5.2 Langkah-langkah memulai Microsoft Excel 73

5.2.1 Mengaktifkan Microsoft Excel 73

5.2.2 Tampilan Microsoft Excel 74

5.3 Implementasi Sistem Peramalan 75

5.3.1 Pengisian Data 75

5.4 Pembentukan Grafik 76

(8)

DAFTAR TABEL

Halaman

Tabel 4.1 Data Banyaknya Energi Listrik 33

Tabel 4.2 Peramalan Banyaknya Energi Listrik Yang Disalurkan 39 PT. PLN (Persero) Cabang Medan α = 0,1

Tabel 4.3 Peramalan Banyaknya Energi Listrik Yang Disalurkan 40 PT. PLN (Persero) Cabang Medan α =0,2

Tabel 4.11 Peramalan Banyaknya Energi Listrik Yang Disalurkan 49 PT. PLN (Persero) Cabang Medan Tahun 2007-2010

Tabel 4.12 Nilai Kesalahan 52

Tabel 4.13 Peramalan Banyaknya Energi Listrik Yang Dijual 58 PT. PLN (Persero) Cabang Medan α = 0,1

(9)

Tabel 4.22 Peramalan Banyaknya Energi Listrik Yang Dijual 68 PT. PLN (Persero) Cabang Medan Tahun 2007-2010

(10)

DAFTAR GAMBAR

Halaman

Gambar 5.1 Awal Microsoft Excel 73

Gambar 5.2 Tampilan Microsoft Excel 74

Gambar 5.3 Tampilan Microsoft Excel Pengisian Data 76

Gambar 5.4 Tampilan Chart 77

Gambar 5.5 Chart untuk memilih Range Data 78

Gambar 5.6 Pemberian Title 79

(11)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Kelistrikan adalah sifat benda yang muncul dari adanya

juga diartikan sebagai berikut: Listrik adalah kondisi dari partikel subatomik tertentu,

seperti

antaranya. Dan juga merupakan sumber

listrik timbul karena muatan listrik mengalir dari saluran positif ke saluran negatif.

Bersama dengan

dikenal sebagai

fenomena fisika yang dikenal luas, seperti

digunakan dengan luas di dalam aplikasi-aplikasi industri seperti

Listrik memberi kenaikan terhada

dalam

juga dengan frase "muatan listrik" dan juga "jumlah muatan". Ada 2 jenis muatan

listrik: positif dan negatif. Melalui eksperimen, muatan-sejenis saling menolak dan

(12)

menolak ini ditetapkan oleh

dalam

Satuan unit

Simbol Q digunakan dalam persamaan untuk mewakili kuantitas listrik atau muatan.

Contohnya, "Q=0,5 C" berarti "kuantitas muatan listrik adalah 0,5 coulomb".

Jika listrik mengalir melalui bahan khusus, misalnya dari

cahaya pijar akan dipancarkan oleh

bola lampu (bulblamp atau

Setiap kali listrik mengalir melalui bahan yang mempunya

akan dilepaskan panas. Semakin besar arus listrik, maka panas yang timbul akan

berlipat. Sifat ini dipakai pada elemen setrika dan kompor listrik.

Listrik mengalir dari saluran positif ke saluran negatif. Dengan

tidak akan mengalir ke tubuh kita (kita tidak terkena strum). Demikian pula jika kita

hanya memegang saluran negatif.

Sistem listrik yang masuk ke rumah pelanggan, jika menggunakan sistem

Pertama adalah

dan negatifnya berbolak-balik terus menerus). Kabel ini adalah kabel yang membawa

tegangan dari pembangkit tenaga listrik (PLN misalnya); kabel ini biasanya

dinamakan kabel panas (hot), dapat dibandingkan seperti kutub positif pada sistem

(13)

Kedua adalah

nol, yang biasanya disambungkan ke tanah di pembangkit tenaga listrik (di kantor

PLN misalnya); dapat dibandingkan seperti kutub negatif pada sistem listrik arus

searah; jadi jika listrik ingin dialirkan ke lampu misalnya, maka satu kaki lampu harus

dihubungkan ke kabel fase dan kaki lampu yang lain dihubungkan ke kabel netral; jika

dipegang, kabel netral biasanya tidak menimbulkan efek strum yang berbahaya,

namun karena ada kemungkinan perbedaan tegangan antara acuan nol di kantor PLN

dengan acuan nol di lokasi kita, ada kemungkinan si pemegang merasakan kejutan

listrik.

Ketiga adalah

pemakai, yang biasanya disambungkan ke tanah di rumah pemakai; kabel ini

benar-benar berasal dari logam yang ditanam di tanah dekat rumah; kabel ini merupakan

kabel pengamanan yang biasanya disambungkan ke badan (chassis) alat2 listrik di

rumah untuk memastikan bahwa pemakai alat tersebut tidak akan mengalami kejutan

listrik.

Untuk itu penulis mengambil judul yaitu “Peramalan Banyaknya Energi

Listrik Yang Disalurkan dan Dijual Tahun 2010 PT. PLN (Persero) Cabang

Medan”

1.2Identifikasi Masalah

Peramalan banyaknya energi listrik yang disalurkan dan dijual sangatlah penting

(14)

perkembangan fasilitas listrik, kemampuan pasokan listrik dan indikasi-indikasi

pertumbuhan lain.

Untuk mengantisipasi pertumbuhan dan perkembangan kelistrikan di Sumatera

Utara sebagai upaya meningkatkan kualitas pelayanan jasa kelistrikan, maka

berdasarkan surat keputusan Nomor 078.K/023/DIR/1996 tanggal 8 agustus 1996

dibentuk organisasi baru bidang jasa pelayanan kelistrikan yaitu PT. PLN (persero)

Pembangkitan dan Penyaluran Sumatera Utara.

Dari beberapa masalah diatas, penulis mengangkat satu permasahan yang akan

dibahas dalam penelitian ini yaitu untuk meramalkan banyaknya energi listrik yang

disalurkan dan dijual tahun 2010 PT. PLN (Persero) Cabang Medan.

1.3Batasan Masalah

Adapun permasalahan yang dirangkum dalam Tugas Akhir ini hanya dibatasi pada

perhitungan banyaknya energi listrik yang disalurkan dan dijual tahun 2010 PT. PLN

(Persero) Cabang Medan dapat diramalkan pada penyaluran dan penjualan untuk 4

tahun ke depan berdasarkan data yang ada. Agar pembahasan yang akan dilakukan

lebih terarah, maka perlu ditentukan beberapa pembatasan permasalahan, yaitu :

1. Pada banyaknya energi listrik yang disalurkan dan dijual Tahun 2010 PT.

PLN (Persero) Cabang Medan diramalkan pada penyaluran dan penjualan

untuk 4 tahun ke depan berdasarkan data yang ada.

2. Data yang dibutuhkan yaitu data banyaknya energi listrik yang disalurkan dan

(15)

1.4Maksud dan Tujuan

Maksud dan Tujuan penelitian ini adalah untuk memberikan ramalan gambaran umum

tentang banyaknya energi listrik yang disalurkan dan dijual Tahun 2010 PT. PLN

(Persero) Cabang Medan.

1.5Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini yaitu:

1. Lokasi Penelitian

Penelitian dilakukan di Badan Pusat Statistika Medan yang beralamat

di Jl. Asrama No. 179 Medan.

2. Penelitian Kepustakaan

Suatu cara penelitian yang digunakan untuk memperoleh data dan informasi

dari perpustakaan, yaitu dengan membaca buku-buku, referensi dan

bahan-bahan yang bersifat teoritis yang mendukung penulisan tugas akhir ini.

1.6Tinjauan Pustaka

Pemulusan (Smoothing) Eksponensial Ganda : Metode Linier Satu – Parameter dari

Brown.

Metode ini merupakan model linier yang dikemukakan oleh Brown. Dasar

pemikiran dari Metode Smoothing Eksponensial Linier satu Parameter dari Brown

(16)

tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsur trend,

perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada

pemulusan ganda dan disesuaikan unutk trend. Persamaan yang dipakai dalam

Smoothing Eksponensial Satu Parameter dari Brown adalah sebagai berikut :

S't = αXt +(1−α)S't−1

S' = Nilai pemulusan Eksponensial tunggal (singgle eksponensial

smoothing value)

t

S '' = Nilai eksponensial ganda (double eksponensial smoothing

(17)

1.7Sistematika Penulisan

Sistematika Penulisan diuraikan untuk memberikan kerangka atau gambaran dari

Tugas Akhir ini yaitu sebagai berikut:

BAB 1 : PENDAHULUAN

Pada Bab ini berisi tentang latar belakang masalah, identifikasi

masalah, batasan masalah, maksud dan tujuan, metode penelitian,

tinjauan pustaka serta sistematika penulisan.

BAB 2 : SEJARAH TEMPAT RISET

Pada Bab ini menguraikan tentang sejarah Badan Pusat Statistika

Medan

BAB 3 : TINJAUAN TEORITIS

Pada Bab ini berisi tentang hal-hal yang berhubungan dengan

permasalahan tugas akhir.

BAB 4 : ANALISA DATA

Pada Bab ini berisi tentang cara penggunaan rumus yang telah

(18)

BAB 5 : IMPLEMENTASI SISTEM

Pada Bab ini berisi tentang cara memasukkan data dan menganalisa

data tersebut dengan menggunakan Program Excel.

BAB 6 : KESIMPULAN DAN SARAN

Pada Bab ini berisi tentang kesimpulan dan saran untuk permasalahan

(19)

BAB 2

SEJARAH SINGKAT TEMPAT RISET

2.1 Sejarah Singkat Badan Pusat Statistik di Indonesia

Sejarah Badan Pusat Statistik dibagi dalam tiga masa, yaitu masa sebelum

kemerdekaan, masa setelah kemerdekaan dan masa orde baru. Masa sebelum

kemerdekaan dibagi kembali dalam dua masa yaitu : masa pemerintahan Belanda dan

masa pemerintahan Jepang.

2.1.1 Masa Pemerintahan Hindia Belanda

1. Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh

Direktur Pertanian, Kerajinan dan Perdagangan, dan Kependudukan di

Bogor. Kantor diserahi tugas untuk mengolah dan mempublikasikan data

statistika.

2. Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang

anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut

diberikan tugas merencanakan tindakan-tindakan yang mengarah sejauh

mungkin untuk mencapai kesatuan dalam kegiatan dibidang Statistik

(20)

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

nama Central Kantor Voor Statistik (CKS) atau kantor statistik yang

dipindahkan di Jakarta. Bersama dengan itu beralih juga pekerjaan

Mekanisme Statistik Perdagangan yang semula dilakukan oleh Kantor Invoer

Uitvoer en Accijnsen (IUA)

2.1.2 Masa Pemerintahan Jepang

1. Pada bulan Juni 1944, pemerintah Jepang baru mengaktifkan kembali

kegiatan Statistik yang utamanya diarahkan untuk memenuhi kebutuhan

perang dan militer.

2. Pada masa itu Central Kantor Voor Statistik (CKS) diganti menjadi

Shomubu Chosasitsu Gunseikanbu.

2.1.3 Masa Kemerdekaan Republik Indonesia

1. Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus

1945, kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai

dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidikan

Perangkat Umum Republik Indonesia). Tahun 1946 kantor KAPPURI

dipindahkan ke Yogyakarta sebagai hasil dari perjanjian Linggarjati.

Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan

(21)

2. Berdasarkan Surat Edaran Kementrian Kemakmuran tanggal 12 Juni 1950

Nomor 219/S.C. KAPPURI dan CKS dilebur menjadi Kantor Pusat

Statistik dan berada di bawah pertanggung jawaban menteri kemakmuran.

3. Dengan Surat Menteri Perekonomian tanggal 1 maret 1952 Nomor P/44,

lembaga PKS berada di bawah ini dan tanggung jawab Menteri

Perekonomian. Selanjutnya Keputusan Menteri Perekonomian tanggal 24

Desember 1953 Nomor 18.099/MKPS dibagi menjadi 2 bagian yaitu

disebut sebagai Afdeling A, dan bagian Tata Usaha yang disebut sebagai

Afdeling B.

4. Dengan Keputusan Presiden RI Nomor 131 Tahun 1957, Kementrian

Ekonomi dipecah menjadi Kementrian Perdagangan dan Kementrian

Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172 Tahun

1957, terhitung sejak tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat

Statistika.

2.1.4 Masa Orde Baru Sampai Sekarang

1. Pada pemerintahan Orde Baru khususnya untuk memenuhi kebutuhan

perencanaan dan evaluasi pembangunan, untuk mendapatkan statistik yang

handal, lengkap, akurat dan terpercaya mulai diadakan pembenahan

organisasi Biro Pusat Statistika.

2. Dalam masa Orde Baru ini Biro Pusat Statistika telah mengalami 4 (empat)

kali perubahan struktur organisasi.

(22)

b. Peraturan Pemerintah Nomor 6 Tahun 1980 tentamg organisasi BPS

c. Peraturan Pemerintah Nomor 2 Tahun 1992 tentang kedudukan, tugas

dan fungsi, susunan dan tata kerja Biro Pusat Statistik.

d. Undang-undang Nomor 16 Tahun 1997 tentang statistik

e. Keputusan Presiden RI Nomor 86 Tahun 1998 tentang Biro Pusat

Statistik

f. Keputusan kepala BPS Nomor 100 Tahun 1998 tentang organisasi dan

tata kerja BPS

g. Peraturan Pemerintah Nomor 51 Tahun 1999 tentang penyelenggaraan

statistik

3. Tahun 1968, ditetapkan Peraturan Pemerintah Nomor 16 Tahun 1968 yaitu

yang mengatur organisasi dan tata kerja di pusat dan di daerah. Peraturan

Pemerintah Nomor 6 Tahun 1980 tentang organisasi sebagai pengganti

peraturan pemerintah Nomor 6 tahun 1980 di tiap propinsi terdapat

perwakilan BPS. Pada tanggal 17 Juni 1988 dengan Keputusan Presiden

nomor 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus mengatur tata

kerja dan struktur organisasi BPS yang baru.

2.1.5 Visi Dan Misi Biro Pusat Statistik

a. Visi Biro Pusat Statistik

Biro Pusat Statistik mempunyai misi menjadikan informasi statistik

(23)

didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan

teknologi informasi yang mutakhir.

b. Misi Biro Pusat Statistik

Dalam perjuangan pembangunan nasional Biro Pusat Statistik

mengembangkan misi mengarahkan pembangunan statistik pada

penyajian dan statistik yang bermutu handal, efektif, dan efisien,

peningkatan kesadaran masyarakat arti dan kegunaan statistik dan

pengembangan ilmu pengetahuan statistik.

2.1.6 Program pengembangan Statistik

Untuk mewujudkan pembangunan statistik, Biro Pusat Statistik membagi ke

dalam 4 pokok, yaitu :

1. Program penyempurnaan dan pengembangan statistik

2. Program penyempurnaan sistem informasi

3. Program pendidikan dan pelatihan aparatur negara

4. Progran peningkatan sarana dan prasarana aparatur negara.

2.2 Ruang Lingkup Kegiatan Biro Pusat Statistik

2.2.1 Kedudukan , Tugas dan Fungsi Biro Pusat Statistik

Biro Pusat Stastistik sebagai lembaga pemerintahan non departemen yang berada

(24)

dalam melaksanakan tugasnya berdasarkan kepada beberapa ketentuan perundang

- undangan :

1. Undang – undang Nomor 16 Tahun 1997 tentang statistik

2. Keputusan Presiden Nomor 86 Tahun 1998 Biro Pusat Statistik

3. Peraturan Pemerintah Nomor 51 Tahun 1991 tentang penyelenggaraan

statistik

Berdasarkan Keputusan Presiden Nomor 86 tahun 1998 dalam

menyelenggarakan statistik dasar melaksanakan koordinasi dan kerja sama serta

mengembangkan dan membina statistik sesuai dengan peraturan perundang-undangan

yang berlaku.

Fungsi yang diselenggarakan Biro Pusat Statistik :

1. Perumusan kebijaksanaan nasional di bidang statistik

2. Penyelenggaraan statistik dasar

3. Menyusun rencana dan program nasional di bidang statistik

4. Koordinasi dan kerja sama statistik dengan instansi pemerintah,

lembaga, organisasi, perorangan, dan unsur masyarakat lainnya.

5. Pelayanan data dan informasi serta hasil statistik kepada pemerintah

masyarakat secara berkala dan sewaktu – waktu baik dari hasil

penyelenggara statistik

6. Pembinaan penyelenggaraan statistik, responden dan penggunaan

(25)

7. Pembinaan sumber daya manusia di lingkungan BPS, pembinaan,

pengendalian dan pengawasan administrasi dan di lingkungan BPS.

2.2.2 Tata Kerja Biro Pusat Statistik

Para deputi wajib melaksanakan koordinasi dan kerja sama teknis statistik di dalam

dan di luar negeri sesuai dengan bidang dan tugas mereka masing – masing.

Kemudian para deputi melaporkan kepada kepala BPS. Setiap pimpinan satuan unit

organisasi kelompok jabatan fungsional lingkungan BPS dalam melaksanakan tugas

wajib menerapkan prinsip koordinasi, integrasi, baik dalam lingkungan masing

-masing satuan unit organisasi di lingkungan BPS, maupun dengan instansi lain dari

luar BPS sesuai dengan bidang dan tugasnya masing – masing.

2.2.3 Alasan Pemakaian Komputer di Biro Pusat Statitik

Mengingat semakin meningkatnya jumlah data yang diolah, sehingga perlu dibantu

oleh suatu alat pengolahan data yaitu komputer. BPS adalah suatu instansi pemerintah

Indonesia yang menggunakan komputer sebagai alat bantu. Dengan semakin

beragamnya jenis statistik yang diperlukan BPS secara lanjut harus meremajakan

pengolahan data baik perangkat lunak maupun pengolahan.

2.3 Struktur Organisasi Biro Pusat Statistik

Sebagaimana dimuat dalam lampiran struktur organisasi kantor pada Biro Pusat

Statistik Sumatera Utara dipimpin oleh seorang kepala yang dibantu oleh bagian tata

(26)

Di samping itu kepala dibagi oleh bagian tata usaha yang terdiri dari:

1. Sub Bagian Urusan Dalam

2. Sub Bagian Perlengkapan

3. Sub Bagian Keuangan

4. Sub Bagian Kepegawaian

Sedangkan bidang penunjang statistik dibagi menjadi 5 bagian:

1. Bidang Statistik Produksi

2. Bidang Statistik Distribusi

3. Bidang Statistik Pengolahan Data

4. Bidang Statistik Kependudukan

5. Neraca Wilayah dan Analis

Setiap bidang mempunyai tugas – tugas yaitu :

a. Bidang Statistik produksi mempunyai tugas melaksanakan statistik

pertanian, Industri serta Statistik Konstruksi Pertambangan dan Energi

b. Bidang Statistik Kependudukan mempunyai tugas melaksanakan kegiatan

statistik Demografi dan rumah tangga, statistik ketenagakerjaan serta statistik

kesejahteraan

c. Bidang Statistik Pengolahan Data mempunyai tugas melaksanakan kegiatan

Penyediaan Data, Penyusunan Sistem dan Program serta Operasi Pengolahan

(27)

d. Sedangkan Bidang Wilayah dan Analisa mempunyai tugas melaksanakan

kegiatan penyusunan Neraca Produksi, Neraca Konsumsi, dan Akutansi

Penyajian dan Analisis serta Kegiatan Penerangan Statistik

Dalam pembagian tugas yang diketahui dapat diuraikan menurut tugas masing-masing

bagian yaitu:

2.3.1 Tugas Bagian Tata Usaha

1. Menyusun program tahunan

2. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha

keuangan, perbendaharaan, verifikasi dan pembukuan

3. Mengatur dan melaksanakan urusan penyelenggaraan berbagai pelatihan

teknis dan pelatihan administrasi

4. Mengatur dan melaksanakan urusan pelayanan administrasi lainnya kepada

semua pihak satuan kerja di lingkungan Kantor Statistik Propinsi

5. Membantu Kepala Kantor Statistik Propinsi dalam Pengendalian kegiatan

dan Pengendalian anggaran

6. Menyusun laporan kegiatan secara berkala

7. Menyelesaikan tugas yang diberikan secara langsung oleh atasan

2.3.2 Tugas Bidang Statistik Produksi

1. Menyusun program tahunan

2. Mengatur keikutsertaan program latihan yang diselenggarakan oleh pusat

(28)

3. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk

pelaksanaan lapangan

4. Mengatur dan melaksanakan penerimaan pemeriksaan dokumen hasil

pengumpulan data statistik produksi

5. Mengatur dan mengkoordinasikan penyelenggaraan petugas lapangan di

pusat pelatihan serta mengatur penjatahan pelatihan

6. Bersama- sama dengan bidang pengolahan data mengatur menyiapkan

pengolahan data statistik produksi melalui komputer sesuai dengan yang

ditetapkan

2.3.3 Tugas Bidang Statistik Distribusi

1. Menyusun program kerja tahunan

2. Membantu kepala kantor statistik, propinsi atau pemimpin proyek /

pimpinan bagi proyek statistik

3. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas

lapangan di pusat pelatihan serta mengatur penjatahan pelatihan

4. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan

terhadap pelaksanaan kegiatan statistik distribusi

5. Mengatur dan melaksankan pengolahan data statistik secara sederhana

sesuai dengan yang telah ditetapkan

(29)

2.3.4 Tugas Bidang Pengolahan Data

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 program pelaksanaan penyiapan data dan

operasi pengolahannnya

4. Mengatur dan melaksankan penerimaan dokumen yang diolah dengan

komputer

5. Mengatur dan melaksanakan tugas yang lansung diberikan oleh atasan

2.3.5 Tugas Bidang Statistik Kependudukan

2. Melaksanakan stastistik demografi dan rumah tangga, ketenagakerjaaan,

kesehjahteraan 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

(30)

2.3.6 Tugas Bidang Neraca Wilayah Dan Analisa

2. Menyusun dan melaksanakan penerangan kegiatan statistik baik kepada

(31)

BAB 3

TINJAUAN TEORITIS

3.1 Pengertian Peramalan

Peramalan (forecasting) adalah kegiatan memperkirakan atau memprediksikan apa

yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi

pada masa yang akan datang. Untuk memprediksikan hal tersebut diperlukan data

yang akurat di masa lalu, sehingga dapat melihat prospek situasi dan kondisi di masa

yang akan datang.

Pada umumnya kegunaan peramalan adalah sebagai berikut:

1. Sebagai alat bantu dalam perencanaan yang efektif dan efisien.

2. Untuk menentukan kebutuhan sumber daya di masa mendatang.

(32)

Kegunaan peramalan terlihat pada saat pengambilan keputusan. Keputusan

yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi

pada waktu keputusan dalam berbagai kegiatan perusahaan. Baik tidaknya hasil dari

suatu penelitian sangat ditentukan oleh ketetapan ramalan yang dibuat. Walaupun

demikian perlu diketahui bahwa ramalan selalu ada unsur kesalahannya, sehingga

yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan

tersebut.

3.2 Jenis-jenis Peramalan

Berdasarkan sifatnya peramalan dibedakan atas dua macam yaitu:

1. Peramalan Kualitatif

Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif

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

menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan

berdasarkan pendapat dan pengetahuan serta pengamalan penyusunnya.

2. Peramalan Kuantitatif

Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif

masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang

dipergunakan dalam peramalan tersebut.

Baik tidaknya metode yang dipergunakan oleh perbedaan atau penyimpangan

(33)

antara hasil ramalan dengan kenyataan yang terjadi maka semakin baik pula metode

yang digunakan.

Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut:

a. Tersedia informasi (data) tentang masa lalu

b. Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data numerik

c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut

pada masa yang akan datang.

Pada penyusunan Tugas Akhir ini, peramalan yang digunakan penulis adalah

peramalan kuantitatif.

3.3 Metode Peramalan

3.3.1 Pengertian Metode Peramalan

Metode Peramalan adalah suatu cara memperkirakan atau mengestimasi secara

kuantitatif maupun kualitatif apa yang terjadi pada masa depan berdasarkan data yang

relevan pada masa lalu.

Kegunaan Metode Peramalan ini adalah untuk memperkirakan secara

sistematis dan pragmatis atas dasar data yang relevan pada masa lalu. Dengan

demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih

besar.

(34)

1. Metode peramalan yang didasarkan atas penggunaan analisa hubungan antar

variabel yang diperkirakan dengan variabel waktu merupakan deret berkala

(Time Series). Metode Peramalan yang termasuk pada jenis ini yaitu:

a. Metode Pemulusan (smoothing)

b. Metode Box Jenkins

c. Metode Proyeksi Trend dengan regresi

2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan

antar variabel yang akan diperkirakan dengan variabel lain yang

mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab

akibat (metode causal). Metode peramalan yang termasuk dalam jenis ini

adalah:

a. Metode Regresi dan Korelasi

b. Metode Ekonometri

c. Metode Input Output

3.3.3 Metode Pemulusan ( Smoothing )

Metode pemulusan ( smoothing ) adalah metode peramalan dengan mengadakan

penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil

rata-rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang.

Secara umum metode pemulusan ( smoothing ) dapat digolongkan menjadi

beberapa bagian:

1. Metode Perataan ( Average )

a. Nilai Tengah ( Mean )

(35)

c. Rata-rata Bergerak Ganda ( Double Moving Average)

d. Kombinasi Rata-rata Bergerak Lainnya

2. Metode Pemulusan ( Smoothing ) Eksponensial

a Pemulusan Eksponensial Tunggal

1. Satu parameter

2. Pendekatan Adaptif

Pendekatan ini memiliki kelebihan yang nyata dalam hal nilai α yang

dapat berubah secara terkendali, dengan adanya perubahan dalam pola

datanya.

b. Pemulusan Eksponensial Ganda

1. Metode Linear Satu-Parameter dari Brown

(36)

S't = nilai Pemulusan Eksponensial Tunggal (Single Eksponensial

Smoothing Value)

S"_t = nilai Pemulusan Eksponensial Ganda (Double Eksponensial

Smoothing Value)

α = parameter Pemulusan Eksponensial

a_t, b_t= konstanta pemulusan

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

2. Metode Dua Parameter dari Holt

Metode ini digunakan untuk peramalan data yang bersifat trend.

S_t = α X_t + (1-α)(S_t₋₁ + b_t₋₁),

b_t = γ (S_t - S_t₋₁) + (1 - γ ) b_t₋₁,

F_t₊_m= S_t + b_tm

c. Pemulusan Eksponensial Triple

1. Pemulusan Kwadratik Satu Parameter dari Brown

Dapat digunakan untuk meramalkan data dengan suatu pola trend

dasar, bentuk pemulusan yang lebih tinggi dapat digunakan bila dasar pola

datanya adalah kuadratik, kubik atau orde yang lebih tinggi.

2. Metode Kecendrungan dan Musiman Tiga-Parameter dari Winter

Metode ini merupakan salah satu dari beberapa metode pemulusan

eksponensial yang dapat menangani musiman.

(37)

Bentuk umum dari metode pemulusan eksponensial adalah:

di mana:

F_t₊₁ = Ramalan untuk periode mendatang

α = Parameter eksponensial yang besarnya 0<α<1

X_t = Nilai aktual pada periode-t

F_t = Ramalan pada periode-t

3.4 Metode Peramalan Yang Digunakan

Untuk mendapatkan hasil yang baik dan tepat maka harus diketahui dan digunakan

metode peramalan yang tepat. Dalam meramalkan banyaknya energi listrik yang

disalurkan dan dijual tahun 2010 berdasarkan Data Tahun 1990 – 2006 PT. PLN (

Persero) Cabang Medan, maka penulis menggunakan Metode Smoothing

Eksponensial Ganda yaitu” Smoothing Eksponensial Linier Satu Parameter dari

Brown”.

Secara umum prosedur Metode Smoothing Eksponensial Ganda yaitu Smoothing

Eksponensial Linier Satu Parameter dari Brown dapat diterangkan melalui

persamaan berikut ini:

S'_t =αX_t +(1−α)S'_t₋₁ ... (3-1)

S"_t =αS't +(1−α)S"_t₋₁ ... (3-2)

(38)

bt =

1

−

αα (S't- S "

t) ... (3-4)

F_t₊_m = a_t + b_tm ... (3-5)

Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan

rumus dibawah ini:

e = Xt+1 - Ft+1 ... (3-6)

e2 = (Xt+1 - Ft+1) 2

... (3-7)

Akhir Persamaan (2-5) menunjukkan bagaimana memperoleh ramalan untuk m

periode ke muka dari t. Ramalan untuk m periode kemuka adalah a_t di mana

merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m kali komponen

kecendrungan b_t. Bila semua hasil hitungan telah didapat, maka semua hasilnya

(39)

Metode Smoothing Eksponensial Ganda

Smoothing Eksponensial Linier Satu Parameter dari Brown

Sebagai Peramalan Banyaknya Energi Listrik Yang Disalurkan dan Dijual

PT. PLN (Persero) Cabang Medan

(40)

Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu peramalan.

Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk

meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik

adalah metode yang memenuhi kriteria ketepatan ramalan. Kriteria ini berupa Mean

Squared Error (MSE), Mean Absolute Percentage Error (MAPE), dan Mean Absolute

Deviation (MAD).

Berikut ini adalah Ketepatan Ramalan Beberapa Kriteria yang digunakan

untuk menguji nilai ramalan yaitu:

a. Nilai tengah kesalahan (Mean Error) dirumuskan dengan :

b. Nilai Tengah Kesalahan Kuadrat (Mean Square Error) dirumuskan

dengan:

c. Nilai Tengah Kesalahan Absolute (Mean Absolute Error) dirumuskan

(41)

d. Nilai Tengah Kesalahan Persentase Absolute (Mean Absolute Percentage

Error), dirumuskan dengan:

e. Kesalahan Persentase (Percentage Error) dirumuskan dengan:

f. Jumlah Kuadrat Kesalahan (Sum Square Error), dirumuskan dengan:

(42)

(43)

BAB 4

ANALISA DATA

Analisa dimaksudkan untuk menentukan sifat-sifat statistika dari waktu ke waktu,

sehingga dapat ditetapkan suatu model penduga atau peramalan yang tepat serta dapat

digunakan untuk meramalkan banyaknya energi listrik yang disalurkan dan dijual

tahun 2010 PT. PLN (Persero) Cabang Medan.

4.1Data Yang Akan Diolah

Data yang dibutuhkan dalam menganalisis pada Tugas Akhir ini adalah data

banyaknya energi listrik yang disalurkan dan dijual PT. PLN (Persero) Cabang Medan

(44)

Tabel 4-1 Data banyaknya Energi Listrik yang Disalurkan dan Dijual PT. PLN (Persero) Cabang Medan

Tahun 1990 - 2006

TAHUN

BANYAKNYA ENERGI LISTIK Number of Electricity Power

YANG DISALURKAN

1990 1.227.855.311 1.032.864.024

1991 1.322.874.203 1.111.131.240

1992 1.471.603.792 1.222.699.217

1993 1.508.770.000 1.285.144.166

1994 1.570.314.060 1.344.456.511

1995 1.788.079.661 1.551.585.653

1996 1.919.389.000 1.671.851.245

1997 2.102.967.648 1.860.590.673

1998 2.044.708.991 1.771.130.515

1999 2.190.902.211 1.908.932.548

2000 2.400.537.453 2.117.172.556

2001 2.582.003.882 2.265.794.263

2002 2.770.736.907 2.427.813.402

2003 2.489.987.989 2.109.967.696

2004 2.342.787.328 2.035.757.755

2005 2.466.322.426 2.131.697.918

2006 2.549.229.019 2.284.844.551

Jumlah / Total 34.749.069.881 30.133.433.933

(45)

Dari data di atas banyaknya energi listrik yang disalurkan dan dijual PT. PLN

(Persero) Cabang Medan untuk tahun 2010 penulis menggunakan metode pemulusan

(smoothing) yaitu metode pemulusan (smoothing) exponensial Ganda dengan

Smoothing Eksponensial Linier Satu Parameter dari Brown.

4.1.1 Metode Pemulusan Eksponensial Tunggal Dan Metode Pemulusan

Eksponensial Ganda Untuk Energi Listrik Yang Disalurkan.

Tahap pertama untuk menghitung peramalan banyaknya energi listrik yang disalurkan

dalam perhitungan ini adalah perhitungan Pemulusan Eksponensial Tunggal dengan

1 , 0

=

α menggunakan rumus persamaan ( 3-1) yaitu :

Maka dari rumus diatas maka dapat dihitung :

Tahun 1991 = (0,1) (1.322.874.203) + (1-0,1) (1.227.855.311,00)

= 1.237.357.200,20

Tahun 1992 = (0,1) (1.471.603.792) + (1-0,1) (1.237.357.200,20)

= 1.260.781.859,38

Tahun 1993 = (0,1) (1.508.770.000) + (1-0,1) (1.260.781.859,38)

= 1.285.580.673,44

...

Hasil dapat dilihat pada tabel 4.2

(46)

Dan tahap selanjutnya untuk menghitung peramalan banyaknya energi listrik

yang disalurkan yaitu mencari pemulusan Eksponensial Ganda dengan α =0,1

menggunakan rumus persamaan (3-2) yaitu :

Maka dapat di hitung :

Tahun 1991 = (0,1) (1.237.357.200,00) + (1-0,1) (1.227.855.311)

= 1.228.805.499,92

Tahun 1992 = (0,1) (1.260.781.859,38) + (1-0,1) (1.228.805.499,92)

= 1.232.003.135,87

Tahun 1993 = (0,1) (1.285.580.673,44) + (1-0,1) (1.232.003.135,87)

= 1.237.360.889,62

...

Selanjutnya dicari nilai at dengan α =0,1 menggunakan rumus pada

persamaan (3-3) yaitu:

Maka nilai a dapat di hitung :

Tahun 1991 = 2 (1.237.357.200,20) – (1.228.805.499,92) S" _t = αS't +(1−α)S"_t₋₁

(47)

= 1.245.908.900,48

Tahun 1992 = 2 (1.260.781.859,38) – (1.232.003.135,87)

= 1.289.560.582,89

Tahun 1993 = 2 (1.285.580.673,44) – (1.237.360.889,62)

= 1.333.800.457,26

...

Tahap selanjutnya adalah menghitung nilai b_t dengan α =0,1 menggunakan rumus

pada persamaan (3-4) yaitu:

Maka nilai bt dapat di hitung :

− (1.237.357.200,20) – (1.288.805.499,92)

= 940.687,03

− (1.260.781.859.38) – (1.232.003.135,87)

= 3.165.659,59

− (1.285.580.673,44) – (1.237.360.889,62)

(48)

...

Dari perhitungan a_t dan b_t di atas dapat ditentukan ramalan banyaknya energi listrik

yang disalurakan PT. PLN (Persero) Cabang Medan untuk tahun 2007-2010. Untuk

itu tahap selanjutnya adalah menghitung banyak energi listrik yang disalurkan dengan

menggunakan persamaan (3-5) untuk α =0,1

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya

dengan membentuk persamaan peramalan :

Ft+m = 2.503.343.263,47 + 46.738.155,68 (m)

Setelah diketahui model peramalan banyak energi listrik yang disalurkan dapat

dihitung 4 tahun kedepan seperti tertera di bawah ini :

Tahun 2007 untuk m = 1 = 2.503.343.263,47 + 46.738.155,68 (1)

= 2.550.081.419,15

Tahun 2008 untuk m = 2 = 2.503.343.263,47 + 46.738.155,68 (2)

= 2.596.819.574,83

Tahun 2009 untuk m = 3 = 2.503.343.263,47 + 46.738.155,68 (3)

= 2.643.557.730,51

Tahun 2010 untuk m = 4 = 2.503.343.263,47 + 46.738.155,68 (4)

(49)

Dari perbandingan dengan nilai α = 0,1, 0,2 , 0,3, 0,4 , 0,6 , 0,7 , 0,8 , 0,9 ketahui

bahwa peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang

Medan untuk tahun 2007-2010 diperoleh Nilai kuadrat Kesalahan (MSE) yang paling

kecil adalah dengan nilai α = 0,6. untuk itu tahap untuk menghitung banyak energi

listrik yang disalurkan dengan menggunakan persamaan (3-5) untuk α =0,6

F_t₊_m = 2.529.667.056,45 + 29.830.973,59 (m)

Setelah diketahui model peramalan banyak energi listrik yang dijual dapat dihitung 4

tahun kedepan seperti tertera di bawah ini :

Tahun 2007 untuk m = 1 = 2.529.667.056,45 + 29.830.973,59 (1)

= 2.559.498.030,04

Tahun 2008 untuk m = 2 =2.529.667.056,45 + 29.830.973,59 (2)

= 2.589.329.003,63

Tahun 2009 untuk m = 3 = 2.529.667.056,45 + 29.830.973,59 (3)

= 2.619.159.977,22

Tahun 2010 untuk m = 4 = 2.529.667.056,45 + 29.830.973,59 (4)

(50)

Oleh karena itu maka peramalan banyaknya energi listrik yang disalurkan PT.

PLN (Persero) Cabang Medan tahun 2007-2010 berdasarkan data tahun 1990-2006

demgan Nilai Kesalahan Kuadrat ( MSE) yang paling kecil adalah dengan nilai α =

0,6 adalah sebagai berikut :

Tabel - 4.11 Peramalan Banyaknya Energi Listrik Yang Disalurkan

PT. PLN (Persero) Cabang Medan Tahun 2007-2008

TAHUN YANG DISALURKAN

2007 2.559.498.030,04

2008 2.589.329.003,63

2009 2.619.159.977,22

(51)

Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi

listrik yang disalurkan diatas adalah:

1. Nilai Tengah Kesalahan (Mean Error) adalah :

ME =

2. Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah:

MSE =

3. Nilai Tengah Kesalahan Absolute (Mean Absolute Error) adalah :

(52)

4. Nilai Tengah Kesalahan Persentase Absolute (Mean Absolute Percentage

5. Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah :

MPE =

6. Jumlah Kuadrat Kesalahan (Sum Square Error) adalah:

(53)

4.1.3 Metode Pemulusan Eksponensial Tunggal Dan Metode Pemulusan

Eksponensial Ganda Untuk Energi Listrik Yang Dijual.

Tahap pertama untuk menghitung peramalan banyaknya energi listik yang

dijual dalam perhitungan ini adalah perhitungan Pemulusan Eksponensial Tunggal

dengan α =0,1 menggunakan rumus persamaan ( 3-1) yaitu :

Maka dari rumus diatas maka dapat dihitung :

Tahun 1991 = (0,1) (1.111.131.240) + (1-0,1) (1.032.864.024)

= 1.040.690.745,60

Tahun 1992 = (0,1) (1.222.699.217) + (1-0,1) (1.040.690.745,60)

= 1.058.891.592,74

Tahun 1993 = (0,1) (1.285.144.160) + (1-0,1) (1.058.891.592,74)

= 1.081.516.850,07

...

(54)

Dan tahap selanjutnya untuk menghitung peramalan banyaknya energi listrik

yang disalurkan yaitu mencari pemulusan Eksponensial Ganda dengan α =0,1

menggunakan rumus persamaan (3-2) yaitu :

Maka dapat di hitung :

Tahun 1991 = (0,1) (1.040.690.745,60) + (1-0,1) (1.032.864.024,00)

= 1.033.646.696,16

Tahun 1992 = (0,1) (1.058.891.592,74) + (1-0,1) (1.033.646.696,16)

= 1.036.171.185,82

Tahun 1993 = (0,1) (1.081.516.850,07) + (1-0,1) (1.036.171.185,82)

= 1.040.705.752,24

...

Selanjutnya dicari nilai at dengan α =0,1 menggunakan rumus pada

persamaan (3-3) yaitu:

S" _t = αS't +(1−α)S"_t₋₁

(55)

Maka nilai a dapat di hitung :

Tahun 1991 = 2 (1.040.690.745,60) – (1.033.646.696,16)

= 1.047.734.795,04

Tahun 1992 = 2 (1.058.891.592,74) – (1.036.171.185,82)

= 1.081.611.999,66

Tahun 1993 = 2 (1.081.516.850,07) – (1.040.705.752,24)

= 1.122.327.947,89

...

Tahap selanjutnya adalah menghitung nilai b_t dengan α =0,1 menggunakan rumus

pada persamaan (3-4) yaitu:

Maka nilai b dapat di hitung :

− (1.040.690.745,60) – (1.033.646.696,16)

= 774.845,44

− (1.058.891.592,74) – (1.036.171.185,82)

(56)

Tahun 1993 =

− (1.081.516.850,07) – (1.040.705.752,24)

= 4.489.220,76

...

Dari perhitungan a dan b di atas dapat ditentukan ramalan banyaknya energi listrik

yang dijual PT. PLN (Persero) Cabang Medan untuk tahun 2007-2010. untuk itu tahap

selanjutnya adalah menghitung banyak energi listrik yang dijual dengan menggunakan

persamaan (3-5) untuk α =0,1

F_t₊_m = 2.109.810.364,32 + 42.423.949,38 (m)

Tahun 2007 untuk m = 1 = 2.109.810.364,32 + 42.423.949,38 (1)

= 2.152.234.313,70

Tahun 2008 untuk m = 2 = 2.109.810.364,32 + 42.423.949,38 (2)

(57)

Tahun 2009 untuk m = 3 = 2.109.810.364,32 + 42.423.949,38 (3)

= 2.237.082.212,46

Tahun 2010 untuk m = 4 = 2.109.810.364,32 + 42.423.949,38 (4)

(58)

Dari perbandingan dengan nilai α = 0,1, 0,2 , 0,3, 0,4 , 0,6 , 0,7 , 0,8 , 0,9 ketahui

bahwa peramalan banyaknya energi listrik yang dijual PT. PLN (Persero) Cabang

Medan untuk tahun 2007-2010 diperoleh Nilai kuadrat Kesalahan (MSE) yang paling

kecil adalah dengan nilai α = 0,5. untuk itu tahap untuk menghitung banyak energi

listrik yang dijual dengan menggunakan persamaan (3-5) untuk α = 0,5

F_t₊_m = 2.240.711.543,99 + 36.968.759,22 (m)

Tahun 2007 untuk m = 1 = 2.240.711.543,99 + 36.968.759,22 (1)

= 2.277.680.303,21

Tahun 2008 untuk m = 2 = 2.240.711.543,99 + 36.968.759,22 (2)

= 2.314.649.062,43

Tahun 2009 untuk m = 3 = 2.240.711.543,99 + 36.968.759,22 (3)

= 2.351.617.821,65

Tahun 2010 untuk m = 4 = 2.240.711.543,99 + 36.968.759,22 (4)

(59)

Oleh karena itu maka peramalan banyaknya energi listrik yang disalurkan PT.

PLN (Persero) Cabang Medan tahun 2007-2010 berdasarkan data tahun 1990-2006

dengan Nilai Kesalahan Kuadrat ( MSE) yang paling kecil adalah dengan nilai α = 0,5

adalah sebagai berikut :

Tabel - 4.22 Peramalan Banyaknya Energi Listrik Yang Dijual

PT. PLN (Persero) Cabang Medan Tahun 2007-2008

TAHUN YANG DIJUAL

2007 2.277.680.303,21

2008 2.314.649.062,43

2009 2.351.617.821,65

(60)

Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi

listrik yang dijual diatas adalah:

1. Nilai Tengah Kesalahan (Mean Error) adalah :

ME =

2. Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah:

MSE =

3. Nilai Tengah Kesalahan Absolute (Mean Absolute Error) adalah :

(61)

4. Nilai Tengah Kesalahan Persentase Absolute (Mean Absolute Percentage

5. Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah :

MPE =

6. Jumlah Kuadrat Kesalahan (Sum Square Error) adalah:

(62)

BAB 5

IMPLEMENTASI SISTEM

5.1Pengenalan Microsoft Excel

Pada penyusunan Tugas Akhir ini, dalam pengolahan data penulis menggunakan

program Microsoft Excel. Di mana Microsoft Excel adalah aplikasi pengolah angka

(spread sheet) yang sangat populer dan canggih saat ini yang dapat digunakan untuk

mengatur, menyediakan maupun menganalisa data dan mempresentasikan dalam

bentuk tabel, grafik atau diagram.

Excel merupakan produk unggulan dari Microsoft Corporation yang banyak

berperan dalam pengelolaan informasi khususnya data yang berbentuk angka.

Dihitung, diproyeksikan, dianalisa dan dipresentasikan data pada lembar kerja.

Microsoft telah mengeluarkan Excel dalam berbagai versi mulai versi 4, versi 5, versi

97, versi 2000 dan sekarang Microsoft Excel 2003 atau Microsoft Excel XP.

Lembar Kerja (Sheet) Excel terdiri dari 256 kolom dan 65536 baris.

Perpotongan baris dan kolom disebut sel (cell). Sel diberi nama menurut posisi kolom

(63)

A,B,C...,Z. Kemudian dilanjutkan AA, AB, AC sampai kolom IV. Sedangkan baris

ditandai dengan angka mulai dari 1,2,3...sampai angka 65536.

5.2Langkah-langkah Memulai Microsoft Excel

5.2.1 Mengaktifkan Microsoft Excel

Sebelum mengoperasikan software ini, pastikan bahwa pada komputer terpasang pada

program excel. Langkah-langkahnya adalah sebagai berikut:

a. Klik tombol start

b. Pilih dan klik program

c. Pilih dan klik Microsoft Office, Microsoft Excel

(64)

5.2.2 Tampilan Microsoft Excel

Setelah pengaktifan, akan tampil lembar kerja excel yang siap digunakan, lembar

kerja adalah kumpulan kolom dan baris, di mana kolom berurutan dari atas ke bawah

dan baris berurutan dari kiri ke kanan. Excel memiliki 256 kolom dan 65.536 baris

pada setiap lembar kerja.

Pada setiap lembar kolom dan baris terdapat sel. Sel ini di identifikasikan

dengan alamat yang merupakan kombinasi antara abjad untuk kolom dan angka untuk

baris. Pada lembar kerja Excel terdapat banyak elemen yang memiliki fungsi yang

tersendiri.

(65)

5.3Implementasi Sistem Peramalan Banyaknya Energi Listrik yang Disalurkan

dan Dijual PT. PLN (Persero) Cabang Medan

Fungsi dalam excel ditujukan untuk memudahkan pengetikan formula yang lazim

diperlukan dalam melakukan perhitungan aritmatik dan operasi standart lazim yang

sering diulangi.

Terdapat banyak fungsi-fungsi statistik yang disediakan oleh Microsoft Excel,

diantaranya adalah fungsi average, fungsi standart deviasi, fungsi median, fungsi

mean dan masih banyak fungsi statistika lainnya.

5.3.1 Pengisian Data

Pengisian data kedalam lembar kerja Excel adalah sama dengan pemasukan atau

penelitian data ke dalamnya. Ada dua alternatif pengisian data, yakni menggunakan

keybord atau melalui sub-menu yang terdapat pada menu Excel.

Dalam mengisi data ke dalam lembar kerja dengan keybord, diperlukan

langkah – langkah sebagai berikut :

a. Letakkan pointer pada sel yang ingin diisi data.

b. Ketik data yang diinginkan

c. Tekan enter atau klik tombol kiri mouse pada sel yang lain untuk

konfirmasi atau mengakhirinya.

Sedangkan alternatif kedua dalam mengisi data adalah menggunakan sub

menu pada menu edit di Excel. Dengan alternatif ini, maka memiliki lebih banyak

(66)

Gambar 5.3: Tampilan Microsoft Excel Pengisian Data

Untuk menghitung nilai a , nilai peramalan (F) dan nilai kesalahan _t b_t

digunakan data angka (numerik) yaitu karakter nilai konstanta dan karakter khusus

yang dibaca dalam format data angka (numerik) yaitu terdiri dari angka dan

tanda-tanda khusus seperti *, +, -, /, % dan lain-lain.

5.4Pembentukan Grafik

Chart adalah grafik yang dibentuk berdasarkan data pada worksheet. Microsoft Excel

menyediakan fasilitas yang sangat lengkap untuk membuat aneka bentuk grafik.

Langkah-langkahnya:

1. Blok seluruh tabel yang akan dijadikan grafik.

(67)

Gambar 5.4: Tampilan chart

3. Lalu pilih jenis chart yang akan ditentukan. Pada bagian ini juga dapat

(68)

Gambar 5.5: chart untuk memilih range data

4. Setelah itu pemberian Title, Axis, Gridlines, Legend dan Data Labels pada

grafik. Selain itu Ms. Excel juga memberikan fasilitas untuk menampilkan

(69)

Gambar 5.6: Pemberian Title

5. Langkah terakhir ini berguna untuk menentukan lokasi grafik, apakah pada

satu sheet (embedded Chart) tersendiri atau pada worksheet tempat data

(70)

Gambar 5.7: Menentukan Lokasi Grafik

Grafik yang terbentuk berhubungan langsung dengan data pada worksheet, artinya

jika terjadi perubahan pada data, secara otomatis grafik akan berubah sesuai dengan

perubahan data tersebut.

Setelah selesai bekerja dengan excel dan ingin keluar dari excel pilih exit dari

(71)

BAB 6

KESIMPULAN DAN SARAN

Setelah penulis menyelesaikan Tugas Akhir ini maka penulis mengambil beberapa

kesimpulan dan saran. Adapun kesimpulan dan saran tersebut adalah:

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari Tugas Akhir ini adalah:

1. Dari plot data tahun 1990-2006 dapat dilihat bahwa terdapat kenaikan energi

listrik yang disalurkan dan dijual dari tahun ke tahun oleh PT. PLN (Persero)

Cabang Medan.

2. Dari data yang telah diramalkan dapat diketahui bahwa peramalan banyaknya

energi listrik yang disalurkan dan dijual oleh PT. PLN (Persero) Cabang

Medan meningkat dari tahun 2007-2010.

3. Dilihat dari nilai-nilai yang diperoleh seberapa besar kesalahan peramalan

yang dihitung, di mana dari perhitungan data banyak energi listrik yang

disalurkan diatas telah didapat Nilai Tengah Kesalahan (ME) adalah

-810.338,43. Nilai Tengah Kesalahan Kuadrat (MSE) adalah

26.733.372.809.836.400. Nilai Tengah Kesalahan Absolute adalah

121.815.167,81. Nilai Tengah Kesalahan Persentase Absolute (MAPE) yang

(72)

0,202. Sedangkan perhitungan data banyak energi listrik yang dijual diatas

telah didapat Nilai Tengah Kesalahan (ME) adalah 4.640521,39. Nilai Tengah

Kesalahan Kuadrat (MSE) adalah 26.389.225.854.229.100. Nilai Tengah

Kesalahan Absolute (MAE) adalah 120.690.904. Nilai Tengah Kesalahan

Persentase Absolute (MAPE) yang diperoleh adalah 6,411 dan Nilai Tengah

Kesalahan Persentase (MPE) adalah 0,615.

4. Dari persamaan peramalan banyaknya energi listrik yang disalurkan yaitu:

F_t₊_m = 2.529.667.056,45 + 29.830.973,59 (m) maka nilai α yang diambil

untuk hasil peramalan terakhir yaitu peramalan banyaknya energi listrik yang

disalurkan dengan nilai α = 0,6. Dan persamaan peramalan banyaknya energi

listrik yang dijual yaitu : F_t₊_m = 2.240.711.543,99 + 36.968.759,22 (m), maka

nilaiα yang diambil untuk hasil peramalan terakhir yaitu peramalan

banyaknya energi listrik yang dijual adalah dengan nilaiα = 0,5. Karena nilai

kuadrat kesalahan MSE (Mean Square Error) lebih kecil dari nilai α yang

lain.

6.2 Saran

Adapun saran yang penulis ingin sampaikan adalah

1. Diharapkan pada PT. PLN (Persero) Cabang Medan dapat menambah daya

energi listrik agar masyarakat merasa puas dalam penggunaan energi listrik.

2. Diharapkan kepada PT. PLN (Persero) Cabang Medan lebih meningkatkan

pemakaian energi listrik yang disalurkan dan yang dijual agar tidak terjadi

(73)

3. Diharapkan kepada Kantor Badan Pusat Statistika agar dapat mengumpulkan

data - data mengenai banyaknya jumlah air minum yang lebih akurat dan

(74)

DAFTAR PUSTAKA

Assauri, Sofian. 1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi UI

Marganda, Klirent Simarmata M.Sc dan Dra. Normalina Napitupulu. 2006. Microsoft Excel-PowerPoint Serta Contoh Soal-Soal. Medan

Makridakis, Spyros. 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga

Tosin, Rijanto 1999. Microsoft Excel 2000, Kilat 24 jurus, edisi ke – 1, Jakarta : Dinastindo

Suliyanto, SE, M.Si 2006. Metode Riset Bisnis, edisi ke – 1, yogyakarta: Andi

BPS.1990. Medan Dalam Angka 1990. Badan Pusat Statistik

(75)

L

A

M

(76)

(77)

(78)

Data banyaknya Energi Listrik yang Disalurkan dan Dijual PT. PLN (Persero) Cabang Medan

Tahun 1990 - 2006

Sumber : PLN (Persero) Cabang Medan TAHUN

BANYAKNYA ENERGI LISTIK Number of Electricity Power

YANG DISALURKAN

1990 1.227.855.311 1.032.864.024

1991 1.322.874.203 1.111.131.240

1992 1.471.603.792 1.222.699.217

1993 1.508.770.000 1.285.144.166

1994 1.570.314.060 1.344.456.511

1995 1.788.079.661 1.551.585.653

1996 1.919.389.000 1.671.851.245

1997 2.102.967.648 1.860.590.673

1998 2.044.708.991 1.771.130.515

1999 2.190.902.211 1.908.932.548

2000 2.400.537.453 2.117.172.556

2001 2.582.003.882 2.265.794.263

2002 2.770.736.907 2.427.813.402

2003 2.489.987.989 2.109.967.696

2004 2.342.787.328 2.035.757.755

2005 2.466.322.426 2.131.697.918

(79)

1990 1 1.227.855.311 1.227.855.311,00 1.227.855.311,00 - - - - -1991 2 1.322.874.203 1.237.357.200,20 1.228.805.499,92 1.245.908.900,48 940.687,03 - -

-1992 3 1.471.603.792 1.260.781.859,38 1.232.003.135,87 1.289.560.582,89 3.165.659,59 1.246.849.587,51 224.754.204,49 50.514.452.435.573.100 1993 4 1.508.770.000 1.285.580.673,44 1.237.360.889,62 1.333.800.457,26 5.304.176,22 1.292.726.242,48 216.043.757,52 46.674.905.163.127.200 1994 5 1.570.314.060 1.314.054.012,10 1.245.030.201,87 1.383.077.822,32 7.592.619,12 1.339.104.633,48 231.209.426,52 53.457.798.911.511.000 1995 6 1.788.079.661 1.361.456.576,99 1.256.672.839,38 1.466.240.314,59 11.526.211,14 1.390.670.441,45 397.409.219,55 157.934.087.783.717.000 1996 7 1.919.389.000 1.417.249.819,29 1.272.730.537,37 1.561.769.101,21 15.897.121,01 1.477.766.525,73 441.622.474,27 195.030.409.780.442.000 1997 8 2.102.967.648 1.485.821.602,16 1.294.039.643,85 1.677.603.560,47 21.096.015,41 1.577.666.222,22 525.301.425,78 275.941.587.930.903.000 1998 9 2.044.708.991 1.541.710.341,04 1.318.806.713,57 1.764.613.968,52 24.519.399,02 1.698.699.575,88 346.009.415,12 119.722.515.349.999.000 1999 10 2.190.902.211 1.606.629.528,04 1.347.588.995,02 1.865.670.061,06 28.494.458,63 1.789.133.367,54 401.768.843,46 161.418.203.575.765.000 2000 11 2.400.537.453 1.686.020.320,54 1.381.432.127,57 1.990.608.513,50 33.504.701,23 1.894.164.519,69 506.372.933,31 256.413.547.584.994.000 2001 12 2.582.003.882 1.775.618.676,68 1.420.850.782,48 2.130.386.570,88 39.024.468,36 2.024.113.214,73 557.890.667,27 311.241.996.629.134.000 2002 13 2.770.736.907 1.875.130.499,71 1.466.278.754,20 2.283.982.245,22 44.973.692,01 2.169.411.039,25 601.325.867,75 361.592.799.230.679.000 2003 14 2.489.987.989 1.936.616.248,64 1.513.312.503,65 2.359.919.993,64 46.563.411,95 2.328.955.937,23 161.032.051,77 25.931.321.697.349.900 2004 15 2.342.787.328 1.977.233.356,58 1.559.704.588,94 2.394.762.124,22 45.928.164,44 2.406.483.405,59 -63.696.077,59 4.057.190.299.893.300 2005 16 2.466.322.426 2.026.142.263,52 1.606.348.356,40 2.445.936.170,64 46.177.329,78 2.440.690.288,66 25.632.137,34 657.006.464.844.015 2006 17 2.549.229.019 2.078.450.939,07 1.653.558.614,67 2.503.343.263,47 46.738.155,68 2.492.113.500,43 57.115.518,57 3.262.182.462.065.110 Jumlah 34.749.069.881 27.093.709.228,38 23.262.379.495,39 29.697.183.650,38 421.446.270,63 27.568.548.501,85 4.629.791.865,15 2.023.850.005.300.000.000

MSE 134.923.333.686.666.000

ENERGI LISTRIK YANG DISALURKAN

Error (e) Square Error α = 0,1

TABEL 4.2

Peramalan Banyaknya Energi Listrik Yang Disalurkan PT. PLN ( Persero ) Cabang Medan

TAH UN

PERI

(80)

1990 1 1.227.855.311 1.227.855.311,00 1.227.855.311,00 - - - -

-1991 2 1.322.874.203 1.246.859.089,40 1.231.656.066,68 1.262.062.112,12 3.800.755,68 - -

-1992 3 1.471.603.792 1.291.808.029,92 1.243.686.459,33 1.339.929.600,51 12.030.392,65 1.265.862.867,80 205.740.924,20 42.329.327.890.670.100

1993 4 1.508.770.000 1.335.200.423,94 1.261.989.252,25 1.408.411.595,62 18.302.792,92 1.351.959.993,16 156.810.006,84 24.589.378.245.160.800

1994 5 1.570.314.060 1.382.223.151,15 1.286.036.032,03 1.478.410.270,27 24.046.779,78 1.426.714.388,54 143.599.671,46 20.620.865.642.271.100

1995 6 1.788.079.661 1.463.394.453,12 1.321.507.716,25 1.605.281.189,99 35.471.684,22 1.502.457.050,05 285.622.610,95 81.580.275.887.037.600

1996 7 1.919.389.000 1.554.593.362,50 1.368.124.845,50 1.741.061.879,49 46.617.129,25 1.640.752.874,21 278.636.125,79 77.638.090.596.018.500

1997 8 2.102.967.648 1.664.268.219,60 1.427.353.520,32 1.901.182.918,88 59.228.674,82 1.787.679.008,74 315.288.639,26 99.406.926.044.465.000

1998 9 2.044.708.991 1.740.356.373,88 1.489.954.091,03 1.990.758.656,73 62.600.570,71 1.960.411.593,70 84.297.397,30 7.106.051.192.323.310

1999 10 2.190.902.211 1.830.465.541,30 1.558.056.381,08 2.102.874.701,52 68.102.290,05 2.053.359.227,44 137.542.983,56 18.918.072.327.380.700

2000 11 2.400.537.453 1.944.479.923,64 1.635.341.089,59 2.253.618.757,69 77.284.708,51 2.170.976.991,57 229.560.461,43 52.698.005.449.979.900

2001 12 2.582.003.882 2.071.984.715,31 1.722.669.814,74 2.421.299.615,89 87.328.725,14 2.330.903.466,20 251.100.415,80 63.051.418.815.370.500 2002 13 2.770.736.907 2.211.735.153,65 1.820.482.882,52 2.602.987.424,78 97.813.067,78 2.508.628.341,03 262.108.565,97 68.700.900.354.297.600

2003 14 2.489.987.989 2.267.385.720,72 1.909.863.450,16 2.624.907.991,28 89.380.567,64 2.700.800.492,56 -210.812.503,56 44.441.911.658.180.900

2004 15 2.342.787.328 2.282.466.042,18 1.984.383.968,56 2.580.548.115,79 74.520.518,40 2.714.288.558,92 -371.501.230,92 138.013.164.574.863.000

2005 16 2.466.322.426 2.319.237.318,94 2.051.354.638,64 2.587.119.999,24 66.970.670,08 2.655.068.634,19 -188.746.208,19 35.625.131.106.747.800

2006 17 2.549.229.019 2.365.235.658,95 2.114.130.842,70 2.616.340.475,20 62.776.204,06 2.654.090.669,32 -104.861.650,32 10.995.965.707.438.900

Jumlah 34.749.069.881 30.199.548.489,19 26.654.446.362,38 32.516.795.305,00 886.275.531,70 30.723.954.157,43 1.474.386.209,57 785.715.485.492.206.000

MSE 52.381.032.366.147.100

ENERGI LISTRIK YANG DISALURKAN

Error (e) Square Error

TABEL 4.3

Peramalan Banyaknya Energi Listrik Yang Disalurkan PT. PLN ( Persero ) Cabang Medan

α = 0,2

TAH UN

PERI