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
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
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
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
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
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
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
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 4.4 Peramalan Banyaknya Energi Listrik Yang Disalurkan 41 PT. PLN (Persero) Cabang Medan α = 0,3
Tabel 4.5 Peramalan Banyaknya Energi Listrik Yang Disalurkan 42 PT. PLN (Persero) Cabang Medan α = 0,4
Tabel 4.6 Peramalan Banyaknya Energi Listrik Yang Disalurkan 43 PT. PLN (Persero) Cabang Medan α = 0,5
Tabel 4.7 Peramalan Banyaknya Energi Listrik Yang Disalurkan 44 PT. PLN (Persero) Cabang Medan α = 0,6
Tabel 4.8 Peramalan Banyaknya Energi Listrik Yang Disalurkan 45 PT. PLN (Persero) Cabang Medan α = 0,7
Tabel 4.9 Peramalan Banyaknya Energi Listrik Yang Disalurkan 46 PT. PLN (Persero) Cabang Medan α = 0,8
Tabel 4.10 Peramalan Banyaknya Energi Listrik Yang Disalurkan 47 PT. PLN (Persero) Cabang Medan α = 0,9
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
Tabel 4.14 Peramalan Banyaknya Energi Listrik Yang Dijual 59 PT. PLN (Persero) Cabang Medan α = 0,2
Tabel 4.15 Peramalan Banyaknya Energi Listrik Yang Dijual 60 PT. PLN (Persero) Cabang Medan α = 0,3
Tabel 4.16 Peramalan Banyaknya Energi Listrik Yang Dijual 61 PT. PLN (Persero) Cabang Medan α = 0,4
Tabel 4.17 Peramalan Banyaknya Energi Listrik Yang Disalurkan 62 PT. PLN (Persero) Cabang Medan α = 0,5
Tabel 4.18 Peramalan Banyaknya Energi Listrik Yang Dijual 63 PT. PLN (Persero) Cabang Medan α = 0,6
Tabel 4.20 Peramalan Banyaknya Energi Listrik Yang Dijual 65 PT. PLN (Persero) Cabang Medan α = 0,8
Tabel 4.21 Peramalan Banyaknya Energi Listrik Yang Dijual 66 PT. PLN (Persero) Cabang Medan α = 0,9
Tabel 4.22 Peramalan Banyaknya Energi Listrik Yang Dijual 68 PT. PLN (Persero) Cabang Medan Tahun 2007-2010
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
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
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
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
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
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
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
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
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
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
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
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.
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
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
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
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
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
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
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
2.3.4 Tugas Bidang Pengolahan Data
1. Menyusun program kerja tahunan
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
1. Menyusun program kerja tahunan
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
2.3.6 Tugas Bidang Neraca Wilayah Dan Analisa
1. Menyusun program kerja tahunan
2. Menyusun dan melaksanakan penerangan kegiatan statistik baik kepada
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.
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
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.
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 )
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
S't = nilai Pemulusan Eksponensial Tunggal (Single Eksponensial
Smoothing Value)
S"t = nilai Pemulusan Eksponensial Ganda (Double Eksponensial
Smoothing Value)
α = parameter Pemulusan Eksponensial
at, bt= konstanta pemulusan
Ft+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.
St = α Xt + (1-α)(St−1 + bt−1),
bt = γ (St - St−1) + (1 - γ ) bt−1,
Ft+m= St + btm
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.
Bentuk umum dari metode pemulusan eksponensial adalah:
di mana:
Ft+1 = Ramalan untuk periode mendatang
α = Parameter eksponensial yang besarnya 0<α<1
Xt = Nilai aktual pada periode-t
Ft = 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 =αXt +(1−α)S't−1 ... (3-1)
S"t =αS't +(1−α)S"t−1 ... (3-2)
bt =
1
−
αα (S't- S "
t) ... (3-4)
Ft+m = at + btm ... (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 at di mana
merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m kali komponen
kecendrungan bt. Bila semua hasil hitungan telah didapat, maka semua hasilnya
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
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
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:
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
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
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
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
...
Hasil dapat dilihat pada tabel 4.2
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
= 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
...
Hasil dapat dilihat pada tabel 4.2
Tahap selanjutnya adalah menghitung nilai bt 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)
...
Hasil dapat dilihat pada tabel 4.2
Dari perhitungan at dan bt 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)
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
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya
dengan membentuk persamaan peramalan :
Ft+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)
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
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 :
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:
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
...
Hasil dapat dilihat pada tabel 4.13
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
...
Hasil dapat dilihat pada tabel 4.13
Selanjutnya dicari nilai at dengan α =0,1 menggunakan rumus pada
persamaan (3-3) yaitu:
S" t = αS't +(1−α)S"t−1
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
...
Hasil dapat dilihat pada tabel 4.13
Tahap selanjutnya adalah menghitung nilai bt 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)
Tahun 1993 =
− (1.081.516.850,07) – (1.040.705.752,24)
= 4.489.220,76
...
Hasil dapat dilihat pada tabel 4.13
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
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya
dengan membentuk persamaan peramalan :
Ft+m = 2.109.810.364,32 + 42.423.949,38 (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 = 2.109.810.364,32 + 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)
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)
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
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya
dengan membentuk persamaan peramalan :
Ft+m = 2.240.711.543,99 + 36.968.759,22 (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 = 2.240.711.543,99 + 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)
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
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 :
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:
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
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
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.
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
Gambar 5.3: Tampilan Microsoft Excel Pengisian Data
Untuk menghitung nilai a , nilai peramalan (F) dan nilai kesalahan t bt
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.
Gambar 5.4: Tampilan chart
3. Lalu pilih jenis chart yang akan ditentukan. Pada bagian ini juga dapat
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
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
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
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
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:
Ft+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 : Ft+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
3. Diharapkan kepada Kantor Badan Pusat Statistika agar dapat mengumpulkan
data - data mengenai banyaknya jumlah air minum yang lebih akurat dan
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
BPS.1995. Medan Dalam Angka 1995. Badan Pusat Statistik
BPS.2000. Medan Dalam Angka 2000. Badan Pusat Statistik
BPS.2004. Medan Dalam Angka 2004. Badan Pusat Statistik
L
A
M
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
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
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