Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011

(1)

Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT

PADAPT.PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011

TUGAS AKHIR

EDYAN SYAHPUTRA LUBIS 062407083

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(2)

APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN

PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA III

TAHUN 2010 DAN 2011

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ahli madya

EDYAN SYAHPUTRA LUBIS 062407083

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : APLIKASI METODE PEMULUSAN

EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011.

Kategori : TUGAS AKHIR

Nama : EDYAN SYAHPUTRA LUBIS

NIM : 062407083

Program Studi : DIPLOMA III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Juni 2009

Diketahui

Departemen Matematika FMIPA USU Pembimbing Ketua

Dr. Saib Suwilo, M.Sc Drs. Djenda Djudjur Ginting,MS NIP 131796149 NIP. 130672238

(4)

PERNYATAAN

APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT PADA

PT. PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011

TUGAS AKHIR

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

Medan,

(5)

DAFTAR ISI

Daftar Tabel viii

Daftar Gambar ix

BAB 1 Pendahuluan 1

1.1Latar Belakang 1

1.2Tujuan dan Manfaat 2

1.3Ruang Lingkup Pembahasan 3

1.4Identifikasi Masalah 3

1.5Pembahasan Masalah 4

1.6Metode Penelitian 4

1.7Sistematika Penulisan 5

BAB 2 Landasan Teori 7

2.1 Pengertian Peramalan 7

2.2 Kegunaan Peramalan 8

2.3 Metode Peramalan 10

2.4 Pemilihan Teknik dan Metode Peramalan 11

2.5 Analisa Deret Berkala 13

2.6 Penentuan Pola Data 14

2.7 Metode Penulisan (Smoothing) 16

2.8 Metode Smoothing Yang Digunakan 19

2.8.1 Metode Smoothing Eksponensial Ganda Satu

Parameter Dari Brown 19

2.8.2 Ketepatan Ramalan Beberapa Kriterian Yang

Dingunakan Untuk Menguji 20

BAB 3 Sekilas Tentang PTPN III 22

3.1 Struktur Organisasi P.T Perkebunan Nusantara III 23 3.2 Kegiatan dan Jaringan Kerja P.T Perkebunan Nusantara III 24

(6)

4.1 Analisa Data 28

4.2 Analisa Pemulusan Eksponensial Ganda Linier Satu

Parameter dari Brown 30

4.2.1 Peramalan Dengan Smoothing Eksponensial Linier Satu

Parameter dari Brown dengan α = 0,1 32

4.2.2 Peramalan Dengan Smoothing Eksponensial Linier Satu

Parameter dari Brown dengan α = 0,5 36 4.2.3 Peramalan Dengan Smoothing Eksponensial Linier Satu

Parameter dari Brown dengan α = 0,9 39

4.2.4 Nilai Kesalahan (Galat) 43

BAB 5 Implementasi Sistem 48

5.1 Pengertian Implementasi Sistem 48

5.2 Tahap-tahap Implementasi Pada Peramalan Produksi Kelapa Sawit

Dengan Metode Smoothing Eksponensial 50

5.2.1 Pengaktifan Excel 2003 50

5.2.2 Implementasi Pada Peramalan Produksi Kelapa Sawit Dengan

Metode Smoothing Eksponensial 52

BAB 6 Kesimpulan dan Saran 56

6.1 Kesimpulan 56

6.2 Saran 57

Daftar Pustaka 58

(7)

DAFTAR TABEL

Halaman

Tabel 4.1 Produksi Kelapa Sawit PT. Perkebunan Nusantara III Medan 29 Tabel 4.2 Peramalan Produksi Kelapa Sawit Dengan α = 0,1 34 Tabel 4.3 Peramalan Produksi Kelapa Sawit Dengan α = 0,5 37 Tabel 4.4 Peramalan Produksi Kelapa Sawit Dengan α = 0,9 40 Tabel 4.5 Perhitungan Ukuran Statistik Standar Untuk satu Set Kesalahan

(α = 0,1) 44

Tabel 4.6 Perhitungan Ukuran Statistik Standar Untuk satu Set Kesalahan

(α = 0,5) 45

Tabel 4.7 Perhitungan Ukuran Statistik Standar Untuk satu Set Kesalahan

(8)

DAFTAR GAMBAR

Halaman

Gambar 2.1 Pola Data Horizontal 14

Gambar 2.2 Pola Data Musiman 15

Gambar 2.3 Pola Data Siklis 15

Gambar 2.4 Pola Data Trend 16

Gambar 3.1 Struktur Organisasi P.T Perkebunan Nusantara III Medan 23 Gambar 4.1 Grafik Produksi Kelapa Sawit PT. Perkebunan Nusantara III Medan

Januari 06 s/d Desember 08 30

Gambar 4.2 Grafik Ramalan Produksi Kelapa sawit dari Jan 09 s/d Des 11 (α

0,1) 36

Gambar 4.3 Grafik Ramalan Produksi Kelapa sawit dari Jan 09 s/d Des 11

(α 0,5) 39

Gambar 4.4 Grafik Ramalan Produksi Kelapa sawit dari Jan 09 s/d Des 11

(α 0,9) 42

Gambar 5.1 Tampilan Cara Pengaktifan Excel 2003 51

Gambar 5.2 Tampilan Jendela Excel 2003 51

Gambar 5.3 Tampilan Menu Tools 53

Gambar 5.4 Tampilan Menu Data Analysis 53

Gambar 5.5 Tampilan Menu Exponential Smoothing 55

(9)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Indonesia adalah negara Agraris. Selain wilayah Indonesia mempunyai tanah yang

subur, penduduk Indonesia pun terbukti banyak bekerja di sector pertanian dan

perkebunan. Dalam hal ini hasil perkebunan tidak berbeda jauh dengan hasil

pertanian, khususnya hasil kelapa sawit.

Budi daya kelapa sait masih merupakan produk unggulan yang menjadi

andalan PT. Perkebunan Nusantara III (Persero), 77 % pendapatan perusahaan

diperoleh dari penjualan komoditi ini beserta hasil olahannya seperti Minyak Sawit

(CPO) dan Inti sawit (PK).

PT. Perkebunan Nusantara III adalah perusahaan perkebunan yang berada di

Indonesia. Sebagai suatu perusahaan perkebunan, PT. Perkebunan Nusantara III tidak

lepas dari masalah perencanaan. Masalah produksi merupakan masalah yang sangat

mendasar dari setiap perusahaan perkebunan. Dalam sektor perkebunan, tingkat

kualitas sangat diperhatikan. Hal ini yang mendorong perusahaan perkebunan

(10)

Pada PT. Perkebunan Nusantara III penjualan produksi kelapa sawit bukan

hanya dipasar lokal tetapi sudah diekspor ke luar negeri seperti CPO yang 69 %

volume produksi diekspor ke pasar luar negeri.

Oleh karena berbagai alas an di atas itulah, penulis mencoba untuk

meramalkan produksi kelapa sawit untuk tahun 2010 dan tahun 2011 di PT.

Perkebunan Nusantara. III Dengan judul “APLIKASI METODE PEMULUSAN

EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN

PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA

TAHUN 2010 DAN 2011”.

1.2 Tujuan dan Manfaat

Secara umum penelitian ini bertujuan untuk mengetahui besarnya produksi kelapa

sawit di PT. Perkebunan Nusantara III untuk tahun 2010 dan tahun 2011 denga

Metode Pemulusan Eksponensial Gnada Satu Parameter.

1.3 Ruang Lingkup Pembahasan

Sehubungan dengan keterbatasan waktu dan kemampuan penulis serta untuk

menghindari kesimpangsiuran dalam penulisan Tugas Akhir yang sesuai dengan judul

dan latar belakang masalah yang telah diuraikan, penulis membatasi ruang lingkup

(11)

menggunakan Metode Eksponensial Ganda Satu Parameter. Yang digunakan pada

penelitian ini adalah produksi kelapa sawit dalam 3 (tiga) tahun terakhir yaitu tahun

2006 sampai dengan tahun 2008 per bulan serta meramalkannya untuk tahun 2010 dan

tahun 2011.

1.4 Identifikasi Masalah

Adapun masalah yang dibahas dalam tugas akhir ini adalah dengan model peramalan

produksi kelapa sawit di PT. Perkebunan Nusantara III, agar diketahui perubahan

produksi kelapa sawit setiap tahunnya.

1.4 Pembatasan Masalah

Berdasarkan identifikasi masalah diatas, dibuatlah pembatasan masalah penelitian ini

yang diarahkan pada hal peramalan produksi untuk 2 (dua) tahun mendatang, tahun

2010 dan tahun 2011 yaitu bagaimana keterkaitan produksi kelapa sawit di PT.

Perkebunan Nusantara III.

1. Metode Penelitian

Dalam penelitian Tugas Akhir ini metode yang penulis gunakan adalah:

(12)

Penulis membuat penulisan Tugas Akhir dengan membaca buku-buku di

perpustakaan.

2. Metode Pengumpulan Data

Pengumpulan data untuk penelitian ini, penulis lakukan dengan menggunakan Data

Sekunder yang diperoleh dari PT. Perkebunan Nusantara III.

3. Analisis Data

Dari model peramalan yang didapat, diramalkan untuk meramalkan produksi kelapa

sawit di PT. Perkebunan Nusantara III untuk tahun 2010 dan tahun 2011 dengan

Metode Pemulusan Eksponensial :

(

)

1

1 X 1 F

F_t₊ =α_p _t + −α_p Keterangan:

F _t₊₁ = ramalan satu periode ke depan

X _t = data aktual pada periode ke t

F ₁ = ramalan pada periode ke t α_p = parameter pemulusan

(13)

Adapun sistematika dalam Penulisan Tugas Akhir ini secara garis besarnya dibagi

dalam 5 (lima) Bab. Masing-masing bab dibagi atas beberapa sub-sub bab, yaitu:

BAB 1 PENDAHULUAN

Bab ini bertujuan menjelaskan latar belakang masalah, tujuan dan

manfaat penelitian, ruang lingkup pembahasan, identifikasi masalah,

perumusan masalah, metode penelitian, lokasi penelitian dan sistematika

penelitian

BAB 2 TINJAUAN TEORITIS

Bab ini menguraikan tentang segala sesuatu yang menyangkut terhadap

penyelesaian masalah yang dihadapi, sesuai denagn judul yang

diuraikan.

BAB 3 SEKILAS TENTANG

Bab ini menjelaskan tentang struktur PT. Perkebunan Nusantara dan

Kegiatan dan Jaringan Kerja PT. Perkebunan Nusantara III.

BAB 4 ANALISA DAN PEMBAHASAN

Bab ini menguraikan tentang penganalisaan dan pengolahan data yang

(14)

BAB 5 IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang implementasi system yang digunakan yaitu

penggunaan Microsoft Excel 2003.

BAB 6 KESIMPULAN DAN SARAN

Bab ini menguraikan tentang ringkasan dan kesimpulan dari pembahasan

(15)

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan

Peramalan berasal dari kata ramalan yang artinya adalah suatu situasi atau kondisi

yang diperkirakan akan terjadi pada masa yang akan datang. Sedangkan peramalan

adalah bentuk kegiatannya. Ramalan tersebutdapat didasarkan atas

bermacam-macamcara yaitu Metode Pemulusan Eksponensial atau Rata-Rata Bergerak, Metode

Box Jenkins dan Metode Regresi. Semua itu dikenal dengan Metode Peramalan.

Metode Peramalan adalah cara untuk memperkirakan secara kuantitatif apa

yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada

masa lalu. Dengan kata lain Metode Peramalan yang bersifat objektif. Disamping itu

metode Peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan

suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama dlam

suatu permasalahan dalam suatu kegiatan peramalan, akan dapat dasar pemikiran dan

(16)

Baik tidaknya suatu peramalan yang disusun selain ditentukan oleh metode

yang digunakan, juga ditentukan oleh baik tidaknya informasi yang digunalan. Selama

informasi yang digunakan tidak dapat menyakinkan untuk mendapat hasil yang bagus

, hasil peramalan yang disusun juga akan sukar ipercaya ketepatannya.

2.2 Kegunaan Peramalan

Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa. Adanya

waktu tenggang (Lead time) ini merupakan alasan uatama bagi perncanaan dan

permalan. Dalam situasi itu peramalandiperlukan untuk menetapkan kapan suatu

peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.

Dalam perencanaan di organisasi atau perusahaan peramalam merupakan

kebutuhan yang sangat penting, baik burknya peramalan dapat mempengaruhi seluruh

bagian organisasi karena waktu tenggang untuk pengambilan keputusan dapat berkisar

dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam

perencanaan yang penting yang efekti dan efisien. Di dalam bagian organisasi terdapat

kegunaan peramalan, yaitu:

1. Barguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber dya

yang efisien memerlukanpenjadwalan produksi, transportasi, kas, personalia dan

sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan

(17)

2. Berguna dalam penyediaan sumber daya tambahan waktu tenggan (Lead Time)

untuk memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan

peralatan dapat berkisar antara beberapa hari sampai daya di masa mendatang.

3. Berguna untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus

menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan

semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan

pengembangan sumber daya keuangan. Semua penentuan ini memerlukan ramalan

yang baik dan manager yang dapat menafsirkan pendugaan serta membuat

keputusan yang baik.

Walaupun terdapat banyak bagian lain yang memerlukanperamaln, namun 3

(tiga) kelompok tersebut merupakan bantuk khas dari kegunaan peramalan jangka

pendek, menegah dan panjang.

Dari uraian yang sudah dijelaskan, dapat dikatakan Metode Peramalan sangat

berguna karena akan membantu dalam mengadakan analsis terhadap data dari masa

lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah,

perencanaan yang sistematis serta memberikan ketepatan hasil peramalan yang dibuat

atau disusun.

(18)

Berdasarkan sifatnya teknikperamalan dibagi dalam 2 (dua) kategori, yaitu:

1. Metode Peramalan Kulitatif atau Teknologis

Peramalan Kulitatif adalah peramalan yang didasarkan atas data kuitatif pada masa

lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang

menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan

berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang

yang menyusunnya. Metode Kualitatif atau Teknologis dapat dibagi menjadi

Metode Eksplanatoris dan Normatif.

2. Metode Peramalan Kuantitaif

Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada

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

dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda yang

digunakan yang digunakan oleh perbedaan atau penyimpangan antara hasil

ramalan dengan kenyataan yang terjadi berarti metode yang digunakan semakin

baik. Metode Kuantitatif dapat dibagi dalam deret berkala (Time Series) dan

Metode Kausal. Peramaln Kuantitatif dapat digunakan bila terdapat 3

(tiga)kondisi, yaitu:

a. Adanya informasi tentang masa lalu.

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.

c. Informasi tersebut dapat diasumsikan bahwa bebapa aspek pola masa lalu

akan terus berlanjut di masa yang akan datang.

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan

(19)

Metode Peramalan Kuantitatif dan banyak Metode Peramalan Teknologis, terlepas

dari bagaimana canggihnya metode tersebut.

Metode-metode peramalan dengan analisa deret waktu, yaitu:

1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak, sering digunakan untuk

ramalanjangka pendek dan jarang dipakai untuk peramalan jangka panjang.

2. Metode Regresi, metode ini biasa digunakan untuk ramalan jangka menengah dan

panjang.

3. Metode Bo Jenkins, metode ini jarang dipakai tetapi baik untuk jangka pendek,

jangka menegah dan panjang.

2.4 Pemilihan Tekni dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri

penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan dalam

mempersiapkan peramalan.

Ada 6 (enam) faktor utama yang diidentifikasikan sebagi teknik dan metode

peramalan, yaitu:

1. Horizon Waktu

Ada 2 (dua) aspek dari HorozonWaktu yang berhubungan dengan masing-masing

metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang, kedua

(20)

2. Pola Data

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

yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari Model

Model-model adalah suatu deret di mana waktu digambarkan sebagai unsur yang

penting untuk menentukan perubahan-perubahan dalam pola.

Model-model perlu diperhatikan karena masing-masing model mempunyai

kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.

4. Biaya Yang Dibutuhkan

Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan suatu

prosedur peramalan, yaitu biaya-biaya pengembagan, penyimpanan (Storage) data,

operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode

lainnya.

5. Ketepatan Metode Peramalan

Tingkat ketepatan yang dibutuhkan dangat erat kaitannya dengan tingkat perincian

yang dibuttuhkan dalam suatu peramalan.

(21)

Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan

sutu prinsip umum bagi pengambil keputusan.

2.5 Analisa Deret Bekala

Data Berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk

memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu.

Analisa Deret Berkala memungkinkan untuk mengetahui perkembangan suatu atau

beberapa kejadian serta hubungan dengan kejadian lainnya.

Metode Time Series merupakan metode peramalan kuantitatif yang didasarkan

atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan

dengan variabel waktu. Tujuan Time Series ini mencakup penelitian pola data yang

digunakan untuk meramalkan apakah data tersebut stasioner atau tudak dan

ektrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak

terdapat pertumbuhan/penurunan pada data. Data secara kasar harus horizontal

sepanjang waktu. Dengan kata lain fluktuasi data konstan setiap waktu.

2.6 Penentuan Pola Data

Hal penting yang harus diperhatikan dalam metode deret berkala adalah menentukan

jenis pola data historisnya, sehinggan pola data yang tepat dengan pola data historis

tersebutdapat diuji, pola data umumnya dapat dibdakan sebagi berikut:

(22)

Pola ini terjadi bila nilai berfluktuasi di sekitar nilai rata-rata yang konstan.

Y

waktu Gambar 2.1 Pola Data Horizontal

2. Pola Data Musiman (Seasonal)

Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret

waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman

misalnya kwartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu

Y

Waktu Gambar 2.2 Pola Data Musiman

(23)

Pola Data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu

kurva trend, yang terjadi akibat pengaruh oleh fluktuasi ekonomi jangka panjang

seperti yang berhubungan dengan siklus bisnis.

Y

Waktu Gambar 2.3 Pola Data Siklis

4. Pola Data Trend

Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.

Y

(24)

2.7 Metode Pemulusan (Smoothing)

Metode Smoothing adalah suatu metode peramalan dengan mengadakan penghalusan

terhadap masa lalu, yaitudengan mengambil rata-rata dari nilai beberapa tahun untuk

menaksir nilai pada beberapa tahun ke depan. Secara umum Metode Smoothing

diklasifikasikan menjadi 2 (dua) bagian, yaitu:

2.7.1

Metode

Rata-Rata

Metode Rata-rata dibagi atas 4 (empat) bagian, yaitu:

Nilai Tengah (mean)

Rata-rata bergerak tunggal (Singel Moving Average)

Rata-rata bergerak ganda (Double Moving Average)

Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuanya adalah untuk memanfaatkan data masa lalu untuk

mengembangkan suatu sistem peramalan pada periode mendatang.

Metode Pemulusan Eksponensial

Bentuk umum dari Metode Pemulusan adalah:

(

)

1

1 X 1 F

Ft+ =αp t + −αp (1)

(25)

1

α = parameter pemulusan

Bentuk umum tersebut dipeluas, akan berubah menjadi:

(

)

(

)

2

(

)

( 1)

Dari erluasan bentuk umum diatas dapatlah dikatakan bahwa Metode

Smoothing Eksponensial merupakansekelompok metode yang menunjukkan

pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau

dengan kata lain observasi yang baru diberikan bobot yang relative besar dengan nilai

observasi yang lebih tua. Metode ini terdiri atas:

Smoothing Eksponensial Tunggal

a.1 Satu Parameter (one parameter)

a.2 Pendekatan Aditif (ARRES)

Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola atau

trend.

Smoothing Eksponensial Ganda

b.1 Metode Satu Paramete Dari Brown

(26)

Smoothing Eksponensial Triple

c.1 Metode Kuadratik Satu Parameter Dari Brown

c.2 Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi

c.3 Metode Kecenderungan dan Musiman Tiga Parameter Dari Winter

c.4 Dapat digunakan untuk data berbentuk trend dan musiman

d. Smoothing Eksponensial menurut Klasifikasi Pegels

2.8 Metode Smoothing Yang Digunakan

Untuk mendapatkan hasil yang baik, harus diketahui cara peramalan yang tepat. Data

produksi kelepa sawit ke dalam grafis menunjukkan pola data trend linier yang dapat

juga dilihat dari plot autokorelasi nilai-nilai autokorelasi yang menunjukkan pola data

trend linier.

Oleh karena itu metode peramalan analisis time series yang digunakanuntuk

meramalkan nilai produlsi kelapa sawit pada penelitian ini adalah dengan

menggunakan Metode Smoothing Eksponensial Ganda Satu Parameter Dari Brown.

(27)

Metode ini merupakan metode linier yang dikemukakan oleh Brown. Dasar pemikiran

dari Metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah sama

dengan rata-rata bergerak linier karena ke dua nilai pemulusan tunggal dan ganda

ketinggalan dari data sebenarnya. Jika terdapat unsur trend, maka perbedaan nilai

pemulusan tunggal dan ganda dapt ditambahkan kepada pemulusan ganda dan

disesuaikan untuk trend. Persamaan yang dipaki dalam penggunaan Smoothing

Eksponensial Linier Satu Parameter dari Brownadalah sebagai berikut:

(

)

`

S = nilai pemulusan eksponensial tunggal (singel eksponensial

(28)

`` t

S = nilai pemulusan eksponensial ganda (double eksponensial

smoothing value)

F₊ = hasil peramalan untuk periode ke depan yang diramalkan

2.8.2 Ketepatan Ramalan Beberapa Kriteria Yang Digunakan Untuk Menguji

Ketepatan ramalan beberapa kriteria yang digunakan untuk menguji antara lain yaitu:

1. ME (Mean Error) atau Nilai Tengah Kesalahan

∑

₌

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

∑

₌

3. MAE (Mean Absolute Error) atau Nilai Tengah Kesalahn Absolute

∑

₌

4. MAPE (MeanAbsolute Percentage Error) atau Nilai Tengah Kesalahan Persentase

(29)

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

∑

₌

PE (kesalahan persentase pada periode ke t)

= t

F nilai ramalan pada periode ke t

=

N banyaknya periode waktu

BAB 3

(30)

3.1 Struktur Organisasi PT. Perkebunan Nusantara III

3.2 Kegiatan dan Jaringan Kerja PT. Perkebunan Nusantara III

Kegiatan yang dilakukan di PT. Perkebunan Nusantara III terbagi atas tugas dan

wewenang setiap bagian yang ada. Adapun tugas dan fungsinya sebagai berikut:

1. Direktur Utama

Mangarahkan dan memberdayakan seluruh sumber daya perusahaan secara

optimal untuk mewujudkan Visi dan Misi perusahaan.

2. Direktur Produksi

Mengelolah dan memberdayakan sumber daya produksi, sarana dan prasarana

sehinggan tercapainya kinerja bidang produksi secara optimal.

3. Direktur Keuangan

Mengelolah dan memberdayakan sumber daya keuangan secara tepat guna,

sehingga tercapai Cash Flow, dan biaya operasional perusahaan yang efektif dan

efesien.

4. Direktur Pemasaran

Mengelolah dan memberdayakan sumber daya pemasaran dan pengadaan secara

(31)

5. Direktur SDN dan Umum

Mengelolah dan memberdayakan sumber daya manusia dan darana pendukung

lainnya sehingga tercapai kinerja bidang SDM/Umum yang optimal.

6. Kepala Bagian Sekretaris Korporat

Melakukan fungsi manajemen dengan memberadayakan sumber daya yang

berhubungan dengan Aspk Legal dan Kepatuhan, Aspek Manajemen Hubungan

dengan Invebtor sehingga terwujudnya Corporte Image yang positif dan standar.

7. Kepala Bagian Satuan Pengawasan Intern

Melaksanakan pemberdayaan sumber daya dalam melaksanakan pengawasan

analisa dan evaluasi untuk mencapai kinerja yang optimal.

8. Kepala Bagian Teknologi Informasi

Melaksanakan rancangan, pemeliharaan,montoring, analisa, dan evaluasi serta

pengembangan dan memberdayakan sumber daya informasi untuk menghasilkan

kinerja informasi secara lengkap (Full Performance Information).

(32)

Melaksanakan montoring, analisa dan evaluasi dalam pemberdayaan sumber daya

untuk meningkatkan kinerja bidang tanaman.

10.Kepala Bagian Teknik

Melaksanakan fungsi-fungsi manajemen dan pemberdayaan sumber daya teknik

sehingga terwujudnya Best Practices di Bidang Teknik.

11.Kepala Bagian Teknologi

Melaksanakan fungsi-fungsi manajemen dengan memberdayakan sumber daya

teknologi dan mengefektifkan sistem untuk mengoptimalkan kinerja bidang

teknologi, sistem manajeman mutu dan lingkungan.

12.Kepala Bagian Pembiayaan

Melaksanakan monitoring, analisa dan evaluasi serta memberdayakan sumber daya

keuangan dan akutansi secara optimal untuk mewujudkan kondisi keuangan yang

sehat.

13.Kepala Bagian Pengadaan Barang

Melaksanakan pengadaan barang, monitoring, analisa dan evaluasi serta

memberdayakan sumber daya secara optimal.

14.Kepala Bagian Pemasaran

Melaksanakan fungsi manajemen pemasaran dengan menggunakan sumber daya

(33)

arus kas masuk. Pengoptimalan harga, peminimuman sock dan penangihan

pembayaran yang efektif.

15.Kepala Bagian Bagian Sumber Daya Manusia

Melaksanakan monitoring, analiosa dan evaluasi dalam memberdayakan sumber

daya manusia perusahaan secara optimal, sehingga terwujudnya karyawan yang

berilmu pengetahuan (Know Ledgeable Worker).

16.Kepala Bagian Umum

Melaksanakan monitoring, analisa dan evaluasi memberdayakan sumber daya

dilingkungan perusahaan secara optimal sehingga terwujudnya Zero Accident,

Zero Cinfict, dan Zero Management.

17.Distrik Manager

Melaksanakan monitoring, analisa, evaluasi, memberi keputusan

terobosan-terobosan serta memberdayakan sumber daya perusahaan yang ada di distriknya

untuk mencapai kinerja yang optimal.

18.General Manager Rumah Sakit

Melaksanakan monoring, analisa, evaluasi erta memberdayakan seluruh sumber

daya perusahaan untuk mencapai kinerja optimal.

(34)

Melaksanakan fungsi-fungsi manajemen serta memberdayakan pengalokasian

seluruh sumber dayan perusahaan secara optimal untuk mencapai sasaran unit

kebun.

20.Manager Pabrik Kelapa Sawit

Memberdayakan sumber daya prusahaan diunitnya, sehingga terwujudnya kinerja

pabrik yang optimal.

21.Manager Rumak sakit

Melaksanakan fungsi-fungsi manajeman untuk memberdayakan seluruh sumber

daya unit kerja secara optimal untuk mewujudkan operasional excellence.

(35)

ANALISA DAN PENGOLAHAN DATA

4.1 Analisa Data

Analisa diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu

penyajian yang lebih mudah ditafsirkan dan menguraikan masalah secara parsial

atauoun keseluruhan. Analisa data dilakukan agar diperoleh hasil sesuai dengan yang

diinginkan. Dalam bab ini dilakukan analisa terhadap data yang diperoleh sebelumnya

sesuai dengan metode peramalan yang telah ditentukan sebelumnya.

Adapun data yang digunakan dalam penganalisaan data adalah data produksi

karet setiap bulan dari tahun 2006 s/d 2008 PT. Perkebunan Nusantara III (Persero)

Medan. Analisa yang dipakai dalam peramalan ini adalah Metode Pemulusan Ganda

(36)

Tabel 4.1 Produksi Kelapa Sawit PT. Perkebunan Nusantara III (Persero) Medan

Tahun 2006 s/d 2008

Sumber : Bagian Tanaman PT. Perkebunan Nusantara III (Persero) Medan No. Bulan-Tahun Produksi (TON)

(37)

Grafik Produksi Kelapa Sawit PT. Perkebunan Nusantara III Medan Tahun 2006-2008

Gambar 4.1 Grafik Produksi Kelapa Sawit PT. Perkebunan Nusantara III (Persero)

Medan Jan- 06 s/d Des 08

Bentuk Grafik diatas merupakan bentuk data musiman dimana data seperti ini terjadi

bila seriesnya dipengaruhi oleh faktor musiman, contohnya bulanan, mingguan,

tahunan. Dalam hal ini musiman yang mempengaruhi series dari data produksi karet

PT. Perkebunan Nusantara III (Persero) Medan adalah seperti, curah hujan, lama

penyinaran matahari, kecepatan angin, dan lain sebagainya seperti yang telah

(38)

4.2 Analisa Pemulusan Eksponensial Ganda (Linier Satu Parameter dari Brown)

Pada pemulusan Eksponensial Tunggal dilakukan peramalan dengan satu kali

penghalusan saja. Sedangkan pada metode Brown ini dilakukan dua kali penghalusan

dan kemudian dilakukan peramalan. Sehingga metode ini sering disebut Metode

Penghalusan Eksponensial Berganda (Double Exponential Smoothing).

Dasar pemikiran dari Pemulusan Eksponensial Linier dari Brown ini hampir

sama dengan Rata-rata bergerak Linier karena kedua nilai pemulusan tunggal dan

ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend.

Perbedaan antara nilai pemulusan tunggal dan ganda ditambahkan kepada nilai

pemulusan tunggal dan disesuaikan dengan trend. Persamaan yang dipakai dalam

implementasi pemulusan eksponensial linier satu parameter dari Brown yaitu:

S’t= Xt + (1- )S’t-1

dimana m adalah jumlah periode ke muka yang diramalkan. Pada t=1 nilai S’t dan S’’t

tidak tersedia jadi harus ditentukan pada periode awal yaitu dengan menetapkan S’t

dan S’’t sama dengan Xt atau dengan menggunakan suatu nilai rata-rata dari beberapa

(39)

Jenis masalah inisialisasi ini muncul dalam setiap metode pemulusan

(smoothing) eksponensial. Jika parameter pemulusan tidak mendekati nol, pengaruh

dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya

waktu. Tetapi, jika mendekati nol proses inisialisasi tersebut dapat memainkan

peranan yang nyata selama periode waktu ke muka yang panjang. Berikut ini akan

digunakan peramalan dengan metode pemulusan (smoothing) eksponensial dengan

=0.1, =0.5, =0.9, dimana nilai parameter besarnya antara 0< <1 dengan trial dan

error (sesuai dengan langkah yang ditempuh dalam pemecahan Metode Linier Satu

Parameter dari Brown).

4.2.1 Peramalan dengan Smoothing Eksponensial Linier Satu Parameter dari

Brown dengan =0.1

Bulan Ke-2 (Feb-06), X2= 86927

Perhitungan Eksponensial Tunggal

S’t = Xt + (1- )S’t-1

S’2 = 0.1(86927) + 0.9(78036,00)

= 78925,10

a. Perhitungan Eksponensial Ganda

S”t = S’t + (1- ) S”t-1

S”2 = 0.1(78925.10) + 0.9(78036,00)

(40)

b. Perhitungan Nilai a

at = 2S’t - S”t

a2 = 2(78925.10) – 78124,91

= 79725,29

c. Perhitungan Nilai b

bt =

d. Peramalan Untuk Bulan Ke-3 (Mar-06), m=1

Ft+m = at + btm

F2+1 = 84938,46+ (88,91)(1)

FMar-06 = 79814,20

Peramalan untuk bulan ke-38 atau periode ke-2 (m=2),

F38 = a36 + b36(2)

FFeb-09 = 141802,80+1251,71(2)

= 144306,23

Demikian seterusnya untuk periode-periode selajutnya dan dapat dilihat pada tabel

(41)

Tabel 4.2 Peramalan Produksi Kelapa Sawit dengan = 0.1

No. Bulan

7 Jul-06 124068 96157,61 82892,81 109422,41 1473,87 105987,02

8 Aug-06 156109 102152,75 84818,81 119486,69 1925,99 110896,28

9 Sep-06 146001 106537,57 86990,68 126084,47 2171,88 121412,69

10 Oct-06 129679 108851,72 89176,79 128526,65 2186,10 128256,34

11 Nov-06 129022 110868,75 91345,98 130391,51 2169,20 130712,75

12 Dec-06 116716 111453,47 93356,73 129550,21 2010,75 132560,70

13 Jan-07 77696 108077,72 94828,83 121326,62 1472,10 131560,96

14 Feb-07 82812 105551,15 95901,06 115201,24 1072,23 122798,72

15 Mar-07 103797 105375,74 96848,53 113902,94 947,47 116273,47

16 Apr-07 112849 106123,06 97775,98 114470,14 927,45 114850,41

17 May-07 118565 107367,26 98735,11 115999,40 959,13 115397,60

18 Jun-07 114616 108092,13 99670,81 116513,45 935,70 116958,53

19 Jul-07 133417 110624,62 100766,19 120483,04 1095,38 117449,15

20 Aug-07 152829 114845,06 102174,08 127516,03 1407,89 121578,42

21 Sep-07 126679 116028,45 103559,52 128497,38 1385,44 128923,92

22 Oct-07 142651 118690,71 105072,64 132308,78 1513,12 129882,82

23 Nov-07 128177 119639,33 106529,31 132749,36 1456,67 133821,89

24 Dec-07 129021 120577,50 107934,13 133220,88 1404,82 134206,03

25 Jan-08 86394 117159,15 108856,63 125461,67 922,50 134625,70

26 Feb-08 90825 114525,74 109423,54 119627,93 566,91 126384,18

27 Mar-08 110059 114079,06 109889,09 118269,03 465,55 120194,84

28 Apr-08 127050 115376,16 110437,80 120314,52 548,71 118734,59

29 May-08 128937 116732,24 111067,24 122397,24 629,44 120863,22

30 Jun-08 147300 119789,02 111939,42 127638,61 872,18 123026,68

31 Jul-08 151012 122911,31 113036,61 132786,02 1097,19 128510,79

32 Aug-08 142854 124905,58 114223,51 135587,66 1186,90 133883,21

(42)

34 Oct-08 143647 128176,47 116719,86 139633,08 1272,96 138691,54

35 Nov-08 143647 129723,53 118020,23 141426,82 1300,37 140906,04

36 Dec-08 137862 130537,37 119271,94 141802,80 1251,71 142727,19

(43)

Gambar 4.2 Grafik Ramalan Produksi Kelap Sawit dari Jan-09 s/d Des-11

Ramalan Produksi Kelapa Sawit PT. Perkebunan Nusantara III dengan Alpa 0.1

0,00

Data di atas menunjukkan suatu pola data yang linier. Kenaikan produksi terjadi pada

periode ini. Hal ini merupakan suatu hal yang sangat diharapkan oleh perusahaan yang

bersangkutan. Tidak terdapat suatu penyimpangan data pada suatu periode tertentu.

Kenaikan yang seperti inilah yang diharapkan dapat memberikan bagi pihak yang

terkait dalam hal laba (keuntungan).

(44)

Perhitungan dalam peramalan dengan =0.5, pada prinsipnya sama dengan

perhitungan pada peramalan dengan =0.1, hanya saja pada bagian ini tidak dituliskan

kembali bagaiman rumus dan cara perhitungannya secara manual. Mengingat juga

telah digunakan implementasi yang digunakan dalam memudahkan proses

perhitungan peramalan. Untuk lebih jelasnya dapat diamati dalam tabel berikut ini.

No. Bulan

4 Apr-06 112395 103513,88 95479,81 111547,9 8034,06 109006,75

5 May-06 129395 116454,44 105967,1 126941,8 10487,31 119582,00

6 Jun-06 127396 121925,22 113946,2 129904,3 7979,05 137429,06

7 Jul-06 124068 122996,61 118471,4 127521,8 4525,22 137883,31

8 Aug-06 156109 139552,80 129012,1 150093,5 10540,71 132047,05

9 Sep-06 146001 142776,90 135894,5 149659,3 6882,40 160634,22

10 Oct-06 129679 136227,95 136061,2 136394,7 166,73 156541,71

11 Nov-06 129022 132624,98 134343,1 130906,9 -1718,13 136561,40

12 Dec-06 116716 124670,49 129506,8 119834,2 -4836,31 129188,73

13 Jan-07 77696 101183,24 115345 87021,47 -14161,78 114997,88

14 Feb-07 82812 91997,62 103671,3 80323,92 -11673,70 72859,69

15 Mar-07 103797 97897,31 100784,3 95010,31 -2887,00 68650,225

16 Apr-07 112849 105373,16 103078,7 107667,6 2294,42 92123,30

17 May-07 118565 111969,08 107523,9 116414,2 4445,17 109962,00

18 Jun-07 114616 113292,54 110408,2 116176,9 2884,32 120859,42

19 Jul-07 133417 123354,77 116881,5 129828 6473,27 119061,17

20 Aug-07 152829 138091,88 127486,7 148697,1 10605,19 136301,32

21 Sep-07 126679 132385,44 129936,1 134834,8 2449,38 159302,27

22 Oct-07 142651 137518,22 133727,1 141309,3 3791,08 137284,19

23 Nov-07 128177 132847,61 133287,4 132407,8 -439,77 145100,38

24 Dec-07 129021 130934,31 132110,8 129757,8 -1176,54 131968,08

25 Jan-08 86394 108664,15 120387,5 96940,81 -11723,34 128581,23

26 Feb-08 90825 99744,58 110066 89423,12 -10321,46 85217,46

27 Mar-08 110059 104901,79 107483,9 102319,7 -2582,12 79101,656

28 Apr-08 127050 115975,89 111729,9 120221,9 4245,99 99737,54

(45)

30 Jun-08 147300 134878,22 125985,7 143770,7 8892,52 133182,99

31 Jul-08 151012 142945,11 134465,4 151424,8 8479,71 152663,27

32 Aug-08 142854 142899,56 138682,5 147116,6 4217,08 159904,52

33 Sep-08 140425 141662,28 140172,4 143152,2 1489,90 151333,71

34 Oct-08 143647 142654,64 141413,5 143895,8 1241,13 144642,08

35 Nov-08 143647 143150,82 142282,2 144019,5 868,66 145136,90

36 Dec-08 137862 140506,41 141394,3 139618,5 -887,88 144888,13

(46)

Gambar 4.3 Grafik Ramalan Produksi Kelapa Sawit dari Jan-09 s/d Des-11

Ramalan Produksi Kelapa Sawit PT. Pekebunan Nusantara III dengan Alpha 0.5

0,00

Data di atas menunjukkan suatu pola data yang linier. Penurunan produksi

terjadi pada periode ini. Hal ini merupakan suatu hal yang sangat tidak diharapkan

oleh perusahaan yang bersangkutan. Tidak terdapat suatu penyimpangan data pada

(47)

Brown dengan =0.9

Perhitungan dalam peramalan dengan =0.5, sama dengan perhitungan pada

peramalan dengan =0.1 dan =0.5 namun sama dengan poin sebelumnya tidak

dicantumkannya perhitungan secara manual dan tidak dituliskan kembali bagaiman

rumus dan cara perhitungannya. Mengingat juga telah digunakan implementasi yang

digunakan dalam memudahkan proses perhitungan peramalan. Untuk lebih jelasnya

dapat diamati dalam tabel berikut ini:

No. Bulan

3 Mar-06 106784 104709,39 102762,22 106656,56 17524,51 94039,80

4 Apr-06 112395 111626,44 110740,02 112512,86 7977,80 124181,07

5 May-06 129395 127618,14 125930,33 129305,96 15190,31 120490,66

6 Jun-06 127396 127418,21 127269,43 127567,00 1339,09 144496,27

7 Jul-06 124068 124403,02 124689,66 124116,38 -2579,76 128906,10

8 Aug-06 156109 152938,40 150113,53 155763,28 25423,87 121536,62

9 Sep-06 146001 146694,74 147036,62 146352,86 -3076,91 181187,14

10 Oct-06 129679 131380,57 132946,18 129814,97 -14090,44 143275,95

11 Nov-06 129022 129257,86 129626,69 128889,03 -3319,49 115724,53

12 Dec-06 116716 117970,19 119135,84 116804,54 -10490,85 125569,54

13 Jan-07 77696 81723,42 85464,66 77982,18 -33671,18 106313,68

14 Feb-07 82812 82703,14 82979,29 82426,99 -2485,37 44311,00

15 Mar-07 103797 101687,61 99816,78 103558,45 16837,49 79941,62

16 Apr-07 112849 111732,86 110541,25 112924,47 10724,47 120395,93

17 May-07 118565 117881,79 117147,73 118615,84 6606,48 123648,94

18 Jun-07 114616 114942,58 115163,09 114722,06 -1984,64 125222,32

19 Jul-07 133417 131569,56 129928,91 133210,20 14765,82 112737,42

20 Aug-07 152829 150703,06 148625,64 152780,47 18696,73 147976,02

21 Sep-07 126679 129081,41 131035,83 127126,98 -17589,81 171477,20

(48)

23 Nov-07 128177 129488,70 130566,66 128410,75 -9701,56 151552,25

24 Dec-07 129021 129067,77 129217,66 128917,88 -1349,00 118709,19

25 Jan-08 86394 90661,38 94517,01 86805,75 -34700,65 127568,89

26 Feb-08 90825 90808,64 91179,47 90437,80 -3337,53 52105,10

27 Mar-08 110059 108133,96 106438,51 109829,41 15259,04 87100,27

28 Apr-08 127050 125158,40 123286,41 127030,38 16847,89 125088,45

29 May-08 128937 128559,14 128031,87 129086,41 4745,46 143878,28

30 Jun-08 147300 145425,91 143686,51 147165,32 15654,64 133831,87

31 Jul-08 151012 150453,39 149776,70 151130,08 6090,19 162819,96

32 Aug-08 142854 143613,94 144230,22 142997,66 -5546,49 157220,27

33 Sep-08 140425 140743,89 141092,53 140395,26 -3137,69 137451,18

34 Oct-08 143647 143356,69 143130,27 143583,11 2037,75 137257,57

35 Nov-08 143647 143617,97 143569,20 143666,74 438,93 145620,85

36 Dec-08 137862 138437,60 138950,76 137924,44 -4618,44 144105,66

(49)

71 Nov-11 -23721,04 m=35

72 Dec-11 -28339,48 m=36

Gambar 4.4 Grafik Ramalan Produksi Kelapa Sawit dari Jan-09 s/d Des-11

Ramalan Produksi Kelapa Sawit PT. Perkebunan Nusantara III dengan Alpha 0.5

-50000,00

Data di atas menunjukkan suatu pola data yang linier. Penurunan produksi terjadi pada

periode ini. Hal ini merupakan suatu hal yang sangat tidak diharapkan oleh

perusahaan yang bersangkutan. Tidak terdapat suatu penyimpangan data pada suatu

(50)

4.2.4 Nilai Kesalahan (Galat)

a) Mean Error (Nilai Tengah Kesalahan)

ME =

b) Mean Absolute Error (Nilai Tengah Kesalahan Absolut)

MAE =

c) Sum of Squared Error (Jumlah Kuadrat Kesalahan)

SSE =

∑

d) Mean Squared Error (Nilai Tengah Kesalahan Kuadrat)

(51)

Disajikan dalam bentuk tabel sebagai berikut:

Nilai Kesalahan 0.1 0.5 0.9

ME 3420,012384 -365,96 -429,19

MAE 17542,02 15087,24 17329,46

SE 18154031744,81 11856288543,46 15411401067,73

MSE 533942110,14 348714368,93 453276501,99

dimana untuk mendapatkan nilai-nilai di atas, dipakai n=34

Berdasarkan teori-teori sebelumnya, ramalan yang baik adalah ramalan yang

mempunyai nilai galat (kesalahan) yamg paling rendah. Dimana hal itu dilakukan

dengan adanya pencocokan suatu model ramalan dengan parameter tertentu dengan

data historis yang ada. Sedangkan tujuan optimalisasi statistik pada bagian

sebelumnya adalah untuk memilih suatu model agar MSE ataupun SSE minimal.

Ketepatan dalam ramalan adalah hal yang sangat diharapkan dalam peramalan. Hal ini

dilakukan untuk mengukur kesesuaian suatu metode peramalan tertentuuntuk suatu

kumpulan data yang diberikan.

Tabel 4.5 Perhitungan Ukuran Statistik Standar Untuk Satu Set Kesalahan ( =0.1)

Bln/

Thun Produksi Ramalan Galat

Galat

Absolut Galat Kuadrat Mar-06 106784 79814,20 26969,80 26969,80 727370112,04

(52)

May-06 129395 91075,26 38319,74 38319,74 1468402167,11

Jun-06 127396 99368,80 28027,20 28027,20 785524023,92

Jul-06 124068 105987,02 18080,98 18080,98 326921712,64

Aug-06 156109 110896,28 45212,72 45212,72 2044190461,87

Sep-06 146001 121412,69 24588,31 24588,31 604585146,28

Oct-06 129679 128256,34 1422,66 1422,66 2023952,59

Nov-06 129022 130712,75 -1690,75 1690,75 2858640,01

Dec-06 116716 132560,70 -15844,70 15844,70 251054658,76

Jan-07 77696 131560,96 -53864,96 53864,96 2901433853,86

Feb-07 82812 122798,72 -39986,72 39986,72 1598937486,00

Mar-07 103797 116273,47 -12476,47 12476,47 155662361,81

Apr-07 112849 114850,41 -2001,41 2001,41 4005641,73

May-07 118565 115397,60 3167,40 3167,40 10032452,56

Jun-07 114616 116958,53 -2342,53 2342,53 5487444,39

Jul-07 133417 117449,15 15967,85 15967,85 254972205,38

Aug-07 152829 121578,42 31250,58 31250,58 976598581,06

Sep-07 126679 128923,92 -2244,92 2244,92 5039659,78

Oct-07 142651 129882,82 12768,18 12768,18 163026390,08

Nov-07 128177 133821,89 -5644,89 5644,89 31864828,63

Dec-07 129021 134206,03 -5185,03 5185,03 26884578,53

Jan-08 86394 134625,70 -48231,70 48231,70 2326296614,75

Feb-08 90825 126384,18 -35559,18 35559,18 1264455093,44

Mar-08 110059 120194,84 -10135,84 10135,84 102735343,51

Apr-08 127050 118734,59 8315,41 8315,41 69146102,82

May-08 128937 120863,22 8073,78 8073,78 65185898,63

Jun-08 147300 123026,68 24273,32 24273,32 589193881,18

Jul-08 151012 128510,79 22501,21 22501,21 506304391,84

Aug-08 142854 133883,21 8970,79 8970,79 80475063,58

Sep-08 140425 136774,56 3650,44 3650,44 13325726,84

Oct-08 143647 138691,54 4955,46 4955,46 24556545,61

Nov-08 143647 140906,04 2740,96 2740,96 7512878,37

Dec-08 137862 142727,19 -4865,19 4865,19 23670034,91

Jumlah 116280,42 596429,01 18154031744,81

Bln/ Thun Produksi Ramalan Galat Galat Absolut Galat Kuadrat Mar-06 106784 86927,00 19857 19857,00 394300449,00

Apr-06 112395 109006,75 3388,25 3388,25 11480238,06

May-06 129395 119582,00 9813,00 9813,00 96294969,00

Jun-06 127396 137429,06 -10033,06 10033,06 100662343,13

Jul-06 124068 137883,31 -13815,31 13815,31 190862859,47

(53)

Sep-06 146001 160634,22 -14633,22 14633,22 214131090,99

Oct-06 129679 156541,71 -26862,71 26862,71 721605029,05

Nov-06 129022 136561,40 -7539,40 7539,40 56842587,70

Dec-06 116716 129188,73 -12472,73 12472,73 155568883,54

Jan-07 77696 114997,88 -37301,88 37301,88 1391429878,52

Feb-07 82812 72859,69 9952,31 9952,31 99048402,61

Mar-07 103797 68650,22 35146,78 35146,78 1235295803,20

Apr-07 112849 92123,30 20725,70 20725,70 429554580,28

May-07 118565 109962,00 8603,00 8603,00 74011690,91

Jun-07 114616 120859,42 -6243,42 6243,42 38980291,75

Jul-07 133417 119061,17 14355,83 14355,83 206089824,37

Aug-07 152829 136301,32 16527,68 16527,68 273164335,19

Sep-07 126679 159302,27 -32623,27 32623,27 1064277962,81

Oct-07 142651 137284,19 5366,81 5366,81 28802603,35

Nov-07 128177 145100,38 -16923,38 16923,38 286400654,35

Dec-07 129021 131968,08 -2947,08 2947,08 8685265,18

Jan-08 86394 128581,23 -42187,23 42187,23 1779762662,26

Feb-08 90825 85217,46 5607,54 5607,54 31444459,38

Mar-08 110059 79101,66 30957,34 30957,34 958357165,89

Apr-08 127050 99737,54 27312,46 27312,46 745970488,19

May-08 128937 124467,88 4469,12 4469,12 19973071,44

Jun-08 147300 133182,99 14117,01 14117,01 199289947,58

Jul-08 151012 152663,27 -1651,27 1651,27 2726698,89

Aug-08 142854 159904,52 -17050,52 17050,52 290720375,16

Sep-08 140425 151333,71 -10908,71 10908,71 118999871,29

Oct-08 143647 144642,08 -995,08 995,08 990174,59

Nov-08 143647 145136,90 -1489,90 1489,90 2219797,88

Dec-08 137862 144888,13 -7026,13 7026,13 49366500,27

Jumlah -12442,51 512966,07 11856288543,46

Bln/ Thun Produksi Ramalan Galat Galat Absolut Galat Kuadrat Mar-06 106784 94039,80 12744,20 12744,20 162414633,64

Apr-06 112395 124181,07 -11786,07 11786,07 138911446,04

May-06 129395 120490,66 8904,34 8904,34 79287342,07

Jun-06 127396 144496,27 -17100,27 17100,27 292419251,17

Jul-06 124068 128906,10 -4838,10 4838,10 23407187,81

(54)

Sep-06 146001 181187,14 -35186,14 35186,14 1238064615,95

Oct-06 129679 143275,95 -13596,95 13596,95 184877112,09

Nov-06 129022 115724,53 13297,47 13297,47 176822733,99

Dec-06 116716 125569,54 -8853,54 8853,54 78385104,74

Jan-07 77696 106313,68 -28617,68 28617,68 818971721,14

Feb-07 82812 44311,00 38501,00 38501,00 1482326921,65

Mar-07 103797 79941,62 23855,38 23855,38 569078993,38

Apr-07 112849 120395,93 -7546,93 7546,93 56956222,87

May-07 118565 123648,94 -5083,94 5083,94 25846453,04

Jun-07 114616 125222,32 -10606,32 10606,32 112493998,34

Jul-07 133417 112737,42 20679,58 20679,58 427644849,00

Aug-07 152829 147976,02 4852,98 4852,98 23551398,55

Sep-07 126679 171477,20 -44798,20 44798,20 2006878731,57

Oct-07 142651 109537,17 33113,83 33113,83 1096525750,40

Nov-07 128177 151552,25 -23375,25 23375,25 546402404,17

Dec-07 129021 118709,19 10311,81 10311,81 106333452,41

Jan-08 86394 127568,89 -41174,89 41174,89 1695371172,81

Feb-08 90825 52105,10 38719,90 38719,90 1499231031,06

Mar-08 110059 87100,27 22958,73 22958,73 527103274,99

Apr-08 127050 125088,45 1961,55 1961,55 3847666,30

May-08 128937 143878,28 -14941,28 14941,28 223241785,74

Jun-08 147300 133831,87 13468,13 13468,13 181390497,36

Jul-08 151012 162819,96 -11807,96 11807,96 139427953,16

Aug-08 142854 157220,27 -14366,27 14366,27 206389816,45

Sep-08 140425 137451,18 2973,82 2973,82 8843634,53

Oct-08 143647 137257,57 6389,43 6389,43 40824786,53

Nov-08 143647 145620,85 -1973,85 1973,85 3896094,50

Dec-08 137862 144105,66 -6243,66 6243,66 38983350,36

(55)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi siatem adalah prosedur yang dilakukan untuk menyelesaikan desain

sistem yang ada dalam dokumen desain sistem yang disetujui, menginstal dan

(56)

Tujuan Implementasi sistem adalah:

1. Menyelesaikan desain sistem yang ada dalam dokumen desain sistem yang

disetujui.

2. Menulis, menguji, dan mendokumentasi program-program dan prosedur yang

diperlukan oleh dokumen desain sistem yang disetujui.

3. Memperhatikan bahwa personel dapat menggunakan sistem baru yaitu dengan

mempersiapkan manual pemakaian dan melatih personel.

4. Memperhitungkan bahwa desain sistem memenuhi permintaan pemakain yaitu

dengan menguji sistem secara keseluruhan.

5. Memastikan bahwa konversi ke sistem baru berjalan secara benar yaitu dengan

merencana, mengontrol, dan melakukan instalasi sistem baru secara benar.

Tahapan Implementasi merupakan tahapan penerapan hasil desain tertulis ke

dalam programming (coding). Dalam pengolahan data pada karya tulis ini penulis

menggunakan suatu perangkat lunak (software) sebagai implementasi sistem yaitu

program Excel 2003 dalam masalah memperoleh hasil perhitungan. Diharapkan

dengan penggunaan Microsoft Excel 2003 ini dapat meningkatkan pengetahuan dan

kemampuan dalan hal:

1. Pemahaman bentuk elemen dari lembar kerja Excel.

2. Menganalisa data dan lembar kerja.

3. Kreasi dan modifikasi grafik.

(57)

Tahap-Tahap Implementasi pada Peramalan Produksi Karet dengan Metode

Smoothing Eksponensial

Pengaktifan Excel 2003

Sebelumnya, pastikan komputer anda telah terpasang Program Excel 2003,

selanjutnya anda dapat menjalankan program ini dengan langkag sebagai

berikut:

1. Klik Start.

2. Pilih Programs.

3. Klik Microsoft Office, dan pilih Microsoft Excel 2003. selanjutnya

(58)

Gambar 5.1 Tampilan Cara Pengaktifan Excel 2003

(59)

Implementasi pada Peramalan Produksi Karet dengan Metode Smoothing

Eksponensial

Terdapat banyak fungsi-fungsi statistik yang disediakan oleh Microsoft

Excel 2003, diantaranya adalah fungsi average, standar deviasi, fungsi

median, fungsi mean dan lain-lain. Berikut ini penulis akan menyajikan

penjelasan tentang penggunaan Microsoft Excel 2003 dalam pemulusan

eksponensial.

Metode Eksponensial Smoothing merupakan salah satu metode untuk

meramalkan keadaan di masa yang akan datang. Langkah-langkah yang

digunakan untuk menentukan menentukan eksponensial smoothing dari

data-data aktual yang tersedia untuk diolah sehingga dapat dicari ramalan

untuk periode selanjutnya adalah sebagai berikut:

1. Pada lembar kerja Excel, masukkan data-data yang akan diolah.

2. Lalu hitunglah ramalan data tersebut dengan menggunakan menu yang

ada pada Excel, yaitu:

a. Klik Tools lalu Data Analysis.

b. Bila Data Analysis belum tersedia pada menu Tools, maka

sebelumnya klik Tools kemudian klik Add-Ins dan beri tanda

check pada Analysis ToolPak. Maka secara otomatis menu

Data Analysis tersedia.

3. Pada menu Analysis Tools, pilih Exponential Smoothing lalu akan

terdapat pull down untuk menu eksponensial smoothing seperti pada

(60)

Gambar 5.3 Tampilan Menu Tools

(61)

4. Masukkan Input Range pada menu input dengan memasukkan range

pada data aktual yang telah dimasukkan ke Excel. Masukkan angka

sebagai periode dari eksponensial smoothing. Dan Damping Factor,

misalnya untuk =0.1, maka Damping Factornya adalah 0.9.

5. Kemudian masukkan Output Range pada menu Output Options dengan

menentukan hasil output ditempatkan. Lalu klik OK, maka hasil output

akan muncul pada range yang telah ditentukan.

6. Untuk menghitung nilai a, b, dan nilai ramalan digunakan data angka

numeric yaitu karakter nilai konstanta dan karakter khusus yang dibaca

dalam format data angka yaitu terdiri dari angka dan tanda-tanda

khusus, sesuai dengan perhitungan tertentu.

Contohnya: =G8+H8(1) lalu tekan Enter.

(62)

Gambar 5.5 Tampilan Menu Exponential Smoothing

(63)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil penelitian dan perhitungan yang penulis lakukan dalam peramalan

Produksi Kelapa Sawit PT. Perkebunan Nusantara III (Persero) Medan, diambil

kesimpulan sebagai berikut:

1. Diperlukannya data statisik yang lengkap dan akurat dalam usaha

pengoptimalan peningkatan produksi kelapa sawit sebagai bentuk usaha

pengamatan perkembangan produksi karet itu sendiri.

2. Terdapat perbandingan hasil perhitungan peramalan produksi kelapa sawit PT.

Perkebunan Nusantara III (Persero) Medan, pada =0.1, =0.5, =0.9, namun

hal ini merupakan sangat menarik untuk diamati mengingat pentingnya suatu

peramalan demi usaha peningkatan usaha produksi dalam kontribusinya

memberikan yang terbaik bagi perusahaan yang bersangkutan.

3. Beberapa faktor musim adalah hal yang sangat mempengaruhi produktivitas

karet disamping hal-hal lainnya yang juga berpengaruh.

4. Terbentuknya pola data yang linier pada hasil ramalan yang berarti