Proyeksi Tingkat Produksi Ketersediaan Kedelai Propinsi Sumatera Utara

(1)

PROYEKSI TINGKAT PRODUKSI KETERSEDIAAN KEDELAI PROPINSI SUMATERA UTARA

TUGAS AKHIR

PITTRIANI HARAHAP 052407038

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(2)

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

PITTRIANI HARAHAP 052407038

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : PROYEKSI TINGKAT PRODUKSI

KETERSEDIAAN KEDELAI PROPINSI SUMATERA UTARA

Katergori : TUGAS AKHIR

Nama : PITTRIANI HARAHAP

Nomor Induk Mahasiswa 052407038 Program Studi

Departemen

: :

DIPLOMA-3 STATISTIKA MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Januari 2008

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU Pembimbing Ketua,

Dr. Saib Suwilo, M.Sc. Drs. Marwan Harahap, M.Eng.

(4)

PERNYATAAN

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 2008

(5)

PENGHARGAAN

Bismillahirrahmanirrahim,

Puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya kepada seluruh alam semesta beserta seluruh isinya dan berkat kekuatan iman dari-Nya, maka Tugas Akhir dengan judul “PROYEKSI TINGKAT PRODUKSI

KETERSEDIAAN KEDELAI PROPINSI SUMATERA UTARA” dapat

diselesaikan tepat pada waktunya. Kemudian seiring Shalawat dan salam penulis ucapkan kepada junjungan Nabi besar Muhammad SAW yang membawa umatnya ke jalan yang benar dan kesejahteraan hidup.

Penulis menyadari bahwa Tugas Akhir ini masih banyak kekurangan dan kelemahan dengan demikian penulis harapkan saran dan kritik yang sifatnya membangun demi peningkatan mutu penulisan Tugas Akhir di masa yang akan datang.

Pada kesempatan ini penulis menghanturkan terima kasih atas petunjuk dan bimbingan yang berharga yang telah diberikan kepada penulis sehingga akhirnya penulis dapat menyelesaikan Tugas Akhir ini. Maka dengan ini penulis mengucapkan terima kasih sebesar-besarnya kepada:

(6)

dari kecil hingga saat ini memberi motivasi dan restu serta materi yang tak ternilai dengan apapun.

2. Bapak Dr.Eddy Marlianto, M.Sc, selaku Dekan FMIPA USU 3. Bapak Dr.Saib Suwilo, M.Sc, selaku ketua Departemen Matematika

4. Bapak Drs.Marwan Harahap, M.Eng, selaku pembimbing pada penyelesaian tugas akhir ini yang telah memberikan bimbingan, panduan dan pengarahan kepada penulis..

5. Bapak Drs.Suwarno Ariswoyo, M.Si, selaku ketua jurusan Statistika

6. Kepada pihak Badan Ketahanan Pangan yang telah memberikan ijin, arahan dan waktunya kepada penulis dalam pengumpulan data mengenai Produksi Ketersediaan Kedelai Propinsi Sumatera Utara.

7. Teristimewa buat saudara-saudaraku yang tercinta terima kasih telah membantu dan menjadi penopang setiap langkahku.

8. Untuk sahabatku, Misdarwana Nasution, Renny Triana, Nur Halimah Lubis, Nurmasyitah, Ratna Eka Putri, Lilis Suryani, dan Pramudita Rizki Siregar terima kasih telah membantu dan memahamiku selama ini.

(7)

Akhirnya penulis berharap semoga Tugas Akhir ini dapat memberikan manfaat kepada semua pihak yang memerlukan.

Medan, Juni 2008 Penulis

(8)

DAFTAR ISI

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi vi

Daftar Tabel viii

Daftar Gambar ix

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Identifikasi Masalah 3

1.3 Tujuan dan Manfaat Penelitian 3

1.4 Lokasi Penelitian 4

1.5 Metodologi Penelitian 4

1.6 Metode Analisis 5

1.7 Sistematika Penulisan 7

BAB 2 LANDASAN TEORI 8 2.3.5 Metode double eksponential smoothing 13

BAB 3 SEJARAH BADAN KETAHANAN PANGAN 16

3.1 Sejarah Perkembangan Badan Ketahanan Pangan 16 3.1.1 Visi Badan Ketahanan Pangan Propinsi Sumatera Utara 17 3.1.2 Misi Badan Ketahanan Pangan Propinsi Sumatera Utara 18 3.1.3 Tugas Badan Ketahanan Pangan Propinsi Sumatera Utara 18 3.1.4 Fungsi Badan Ketahanan Pangan Propinsi Sumatera Utara 19 3.1.5 Lokasi Badan Ketahanan Pangan 20 3.2 Struktur Organisasi Badan Ketahanan Pangan 20 3.3 Kegiatan dan Jaringan Kerja Badam Ketahahan Pangan 21 3.3.1 Kegitan Badan Ketahanan pangan 21 3.3.2 Jaringan Kerja Badan Ketahanan Pangan 23

BAB 4 ANALISIS DATA 26

4.1 Data Yang Dianalisis 26

4.2 Proyeksi produksi kedelai menggunakan double

eksponential smoothing dengan α = 0,1 28 4.3 Proyeksi produksi kedelai menggunakan double

(9)

4.4 Proyeksi produksi kedelai menggunakan double

(10)

DAFTAR TABEL

(11)

DAFTAR GAMBAR

(12)

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Lebih dari 17% Produk Domestik Bruto (PDB) diperoleh dari sektor pertanian dengan tingkat pertumbuhan sekitar 3%. Kedudukan sub sektor tanaman pangan dalam sektor pertanian sangat menonjol karena merupakan penyumbang terbesar yaitu sekitar 62% pada tahun 1990. selain itu, sektor pertanian juga merupakan penyerap tenaga kerja terbesar. Sekitar 34,45 juta tenaga kerja atau 72% dari total tenaga kerja yang tersedia terserap oleh sektor pertanian. Bila dibandingkan dengan jumlah tenaga kerja yang terserap dalam sektor ini maka dalam rentang lima tahun terjadi kenaikan sebesar 13%. Walaupun demikian, laju kenaikan penyerapan tenaga kerja dari sektor pertanian ini hanya 0,8% pertahun, jauh lebih kecil bila dibandingkan dengan sektor industri yang mencapai 7,24% per tahun.

(13)

Dimasa mendatang pembangunan sektor tidak lepas dari pengaruh globalisasi perdagangan. Dengan dilakukannya perdagangan bebas, termasuk untuk produk pertanian, baik dikawasan Asia (AFTA) yang diberlakukan pada tahun 2010 maupun kawasan Asia Pasifik (APEC) lebih diarahkan pada pengembangan agribisnis dan agroindustri.

Setiap kebijakan ekonomi maupun kebijakan perusahaan tidak terlepas dari usaha untuk meningkatkan kesjahteraan masyarakat atau meningkatkan keberhasilan perusahaan unruk mencapai tujuannya pada masa yang akan datang. Oleh karena itu perlu diperkirakan atau diramalkan situasi dan kondisi yang bagaimana yang akan terjadi pada masa mendatang. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Jadi dalam menentukan kebijakan itu perlu diperkirakan kesempatan dan peluang yang ada dan ancaman yang mungkin terjadi.

Hal ini menunjukkan bahwa Dinas Pertanian Propinsi Sumatera Utara mampu meningkatkan produksi kedelai di waktu yang akan datang, dengan rincian bahwa pemerintah lebih serius dalam mengusahakan sumber daya yang diperlukan dalam peningkatan produksi kedelai..

(14)

1.2. Identifikasi Masalah

Sesuai dengan judul tersebut maka yang menjadi identifikasi masalah adalah bagaimana produksi ketersediaan kedelai ditahun yang akan datang dan bagaimana pemerintah mengatasi masalah kelangkaan pangan yang semakin meningkat. Dengan terus meningkatnya jumlah populasi penduduk ditahun yang akan datang, maka kebutuhan sandang pangan akan terus meningkat pula.

Seperti halnya pertambahan penduduk yang terus meningkat, karena kedelai merupakan makanan pokok bagi bangsa Indonesia pada umumnya di Propinsi Sumatera Utara. Untuk mengetahui apakah sudah dapat mencukupi kebutuhan, maka harus mengetahui tingkat produksi kedelai tersebut. Dengan mengetahui tingkat produksi pangan kedelai, maka ketersediaan kedelai dimasa yang akan datang dapat diperkirakan.

1.3. Tujuan dan Manfaat Penelitian

(15)

Ketahanan Pangan (BKP) tentang ketersediaan pangan yang akan dilakukan oleh pemerintah untuk mengatasi keadaan pangan yang semakin mengkhawatirkan.

Manfaat penelitian ini dapat mengaplikasikan ilmu dengan menggunakan teori-teori yang diperoleh selama perkuliahan, dapat memberikan masukan dan menjadi bahan pertimbangan dalam upaya meningkatkan hasil ketersediaan pangan kedelai.

1.4. Lokasi Penelitian

Penelitian atau Pengumpulan data mengenai Tingkat Produksi Ketersediaan Kedelai diperoleh dari Badan Ketahanan Pangan (BKP) Jl. Jenderal Besar Dr. Abd. Haris Nasution No. 24 Medan.

1.5. Metodologi Penelitian

Metode penelitian yang digunakan penulis adalah dengan cara sebagai berikut :

(16)

2. Penelitian lapangan, yaitu metode pengumpulan data untuk memperoleh data dan informasi dengan cara terjun ke Departemen Pemerintah Badan Ketahanan Pangan dan meneliti, menulis data yang diperlukan.

Metode pengumpulan data yang digunakan ialah data sekunder.

Yang dimaksud dengan data sekunder disini ialah data yang diolah / diperoleh dari kantor Badan Ketahanan Pangan propinsi sumatera utara.

1.6. Metode Analisis

Perhitungan dilakukan untuk meramalkan seberapa besar tingkat produksi ketersediaan kedelai pada tahun 2009 Propinsi Sumatera Utara yaitu dengan menggunakan Metode Double Exponential Smoothing (Pemulusan Ekponensial

ganda).

(17)

Pada peramalan tingkat produksi kedelai tahun 2009 yang menggunakan Double Exponential Smoothing (pemulusan eksponensial ganda) memiliki tahap-tahap dalam menentukan ramalan. Persamaan - persamaan yang dipergunakan dalam penerapan Metode Double Exponensial Smoothing adalah seperti yang akan diuraikan dibawah ini. Persamaan ini terkenal dengan nama Metode atau Teknik “ Brown’s one

parameter linier Exponential Smoothing” yaitu sebagai berikut:

a. Menentukan Smoothing Pertama (S′_t) c. Menentukan Besarnya Konstanta (a_t)

a_t : 2S′_t – S″_t

e. Menentukan Besarnya Forecast (Ft + m) F_t₊_m : a_t + b_t (m)

(18)

1.7. Sistematika 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 : LANDASAN TEORI

Pada Bab ini berisi tentang pengertian peramalan,produksi,kebutuhan dan metode double exponential smoothing

BAB 3 : SEJARAH BADAN KETAHANAN PANGAN (BKP) Pada Bab ini menjelaskan tentang sejarah berdirinya BKP beserta struktur organisasinya.

BAB 4 : ANALISIS DATA

Dalam bab ini dilakukan analisa data dengan perhitungan Proyeksi Tingkat Produksi Ketersediaan Kedelai.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini membahas tentang software yang digunakan dalam analisa data serta cara penggunaan dari software yang dipakai.

BAB 6 : KESIMPULAN DAN SARAN

(19)

BAB 2

LANDASAN TEORI

2.1 Produksi Kedelai

Dalam ketersediaan kedelai sangat diperlukan diberbagai penjuru masyarakat dimana produksi kedelai merupakan suatu hasil dari bercocok tanam dimana dilakukan dengan penanaman bibit kedelai dan perawatan serta pemupukan yang teratur sehingga menghasilkan suatu hasil yang dapat dimanfaatkan dan digunakan. Pentingnya produksi kedelai ini bagi kehidupan manusia disebabkan kedelai merupakan kebutuhan pokok bagi manusia yang merupakan sumber kalori utama untuk melakukan aktivitasnya sehari-hari umumnya di Indonesia dan khususnya di Propinsi Sumatera Utara.

2.2 Kebutuhan

(20)

Kebutuhan pokok adalah sesuatu kebutuhan yang harus dipenuhi atau dikabulkan demi untuk melakukan aktivitas. Jika hal tersebut tidak dipenuhi atau dicukupi akan menghambat ataupun membatalkan semua atau sebagian atau aktivitas yang akan dilaksanakan maupun yang sedang dilaksanakan.

Dari keterangan diatas dapat ditarik kesimpulan bahwa produksi kedelai memegang peranan sangat penting demi kelanjutan aktivitas ataupun pelaksanaan pembangunan bangsa Indonesia pada umumnya di Propinsi Sumatera Utara.

2.3 Peramalan

2.3.1 Pengertian Peramalan

Dalam hal penyusunan suatu rencana dalam rangka pencapaian tujuan sering terjadi adanya perbedaan waktu antara kegiatan penyusunan rencana yang berupa penentuan kegiatan apa saja yang perlu atau harus dilakukan, oleh karena eratnya hubungan perencanaan dan peramalan maka dapat dilihat bahwa dalam penyusunan rencana sebenarnya telah terlibat masalah peramalan. Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk penyusunan rencana.

Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori yaitu:

(21)

berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunannya.

2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan kuantitatif sangat mengandalkan pada data historis yang dimiliki. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.

Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut :

1. Adanya informasi tentang keadaan yang lalu

2. Informasi tersebut dapat dukuantitatif dalam bentuk data

3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang

(22)

2.3.2 Langkah – langkah Peramalan

Kualitas atau mutu dari hasil peramalan yang disusun, sangat ditentukan oleh proses pelaksanaan penyusunannya. Peramalan yang dilakukan dengan mengikuti langkah – langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan yang penting yaitu:

1. Menganalisa data yang lalu.Tahap ini berguna untuk pola yang terjadi pada masa yang lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut.

2. Menentukan metode yang dipergunakan. Masing – masing metode akan memberikan hasil peramalan yang berbeda. Metode peramalan yang baik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi. Dengan perkataan lain, metode peramalan yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin.

3. Memproyeksi data yang lalu dengan menggunakan metode yang dipergunakan. Hasil inilah yang dipergunakan sebagai dasar untuk perencanaan dan pengambilan keputusan.

2.3.3 Manfaat Peramalan

(23)

Suatu proyeksi yang baik adalah proyeksi yang menghasilkan penyimpangan antara hasil proyeksi dengan kenyataan sekecil mungkin.

Peranan proyeksi sangat membantu di bidang-bidang lain yang membutuhkan, maka proyeksi dapat digunakan untuk :

1. Dasar utama untuk membuat suatu perencanaan,agar prencanaan itu sesuai dengan tingkat kemampuan yang telah ada.

2. Sebagai dasar pembanding dari hasil kerja yang nyata, dengan hasil proyeksi yang telah ditentukan. Kalau suatu hasil proyeksi tidak tercapai, maka faktor apa yang menjadi penyebabnya akan dicari dan dilakukan perbaikan atau koreksi.

Proyeksi tingkat produksi kedelai melihat kedepan akan hasil dari produksi padi tersebut dengan melihat perkembangan pertumbuhan tanaman kedelai tersebut dari tahun-tahun sebelumnya.

2.3.4 Menghitung kesalahan peramalan

Hasil proyeksi yang akurat adalah forecast yang bisa meminimalkan kesalahan meramal (forecast error). Besarnya forecast error (kesalahan meramal) dihitung dengan mengurangi data yang sebenarnya dengan besarnya ramalan.

(24)

Dimana :

X_t : Data sebenarnya periode ke t F_t : Ramalan periode ke t

Dalam menghitung forecast error digunakan :

a. Mean Absolute Error : Mean Absolute error adalah rata-rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif atau tanda negatif.

MAE =

b. Mean Square Error : Mean Square error adalah rata-rata kesalahan meramal dikuadratkan.

2.3.5 Metode double exponential smoothing (pemulusan eksponensial ganda)

(25)

Metode smoothing (metode pemulusan/pelicin) merupakan teknik meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir nilai pada periode yang akan datang. Dalam metode ini data historis digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus-menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar.

Pada peramalan tingkat produksi kedelai tahun 2009 yang menggunakan double exponential smoothing (pemulusan eksponensial ganda) memiliki tahap-tahap dalam menentukan ramalan. Persamaan-persamaan yang dipergunakan dalam penerapan metode double exponential smoothing adalah seperti yang akan diuraikan dibawah ini, persamaan atau formula ini dikenal dengan nama Metode atau teknik “Brown’s one

parameter linier exponential smoothing”. Pada dasarnya formula atau

tahapan-tahapan tersebut adalah sebagai berikut:

a. Menentukan Smoothing Pertama (S′_t) S′t : αX_t + (1-α) S′_t₋₁

S′t : Smoothing pertama periode t Xt : Nilai real periode t

S′t−1 : Smoothing pertama periode t-1

b. Menentukan Smoothing kedua (S″t) S″_t : αS′t + (1-α) S″_t₋₁

(26)

c. Menentukan Besarnya Konstanta (a_t) a_t : 2S′_t - S″_t

d. Menentukan Besarnya Slope (b_t)

b_t :

α α

−

1 (S′t - S″t)

e. Menentukan Besarnya Forecast (F_t₊_m) Ft+m : at + bt (m),

dimana m adalah jumlah periode ke depan yang diramalkan.

Dengan menggunakan rumus - rumus yang sudah ada, penulis melakukan suatu proyeksi/peramalan tingkat produksi kedelai tahun 2009.Dengan melihat selisih produksi kedelai dari setiap tahunnya tidak begitu konstan (naik turun). Sehingga peramalan kedelai dilakukan dengan metode pemulusan eksponential ganda untuk melicinkan/ memuluskan ramalan produksi kedelai dari tahun ke tahun.

(27)

BAB 3

SEJARAH BADAN KETAHANAN PANGAN

3.1 Sejarah Perkembangan Badan Ketahanan Pangan

Pada orde baru program intensifikasi pertanian bertujuan untuk meningkatkan produktivitas dan produksi beras menuju swasembada pangan. Untuk mewujudkan swasembada pangan dibentuk suatu wadah koordinasi yang bersifat fungsional dari berbagai dinas instansi terkait baik ditingkat pusat, propinsi, kabupaten kota dan sampai ketingkat desa yang disebut Badan Pengendali BIMAS (Bimbingan Massal) ditingkat pusat, satuan pembina BIMAS ditingkat propinsi dan satuan pelaksanaan BIMAS ditingkat Kabupaten, dan satuan penggerak BIMAS ditingkat Kecamatan dan desa. Wadah koordinasi ini ditetapkan berdasarkan keputusan Presiden ditingkat pusat, keputusan Gubernur ditingkat Propinsi, keputusan Bupati/Walikota ditingkat Kabupaten, Kecamatan, dan Desa. Untuk mendukung wadah koordinasi yang bersifat fungsional tersebut, maka ditetapkan adanya Sekretariat Pembina BIMAS ditingkat Propinsi dan Sekretariat pelaksanaan BIMAS ditingkat Kabupaten/Kota yang dipimpin oleh seorang Sekretaris.

(28)

sekarang ini tidak ada lagi kecuali Lembaga Struktural yang menangani keuangan, kehakiman, agama dan pertahanan.

Mengingat wadah koordinasi yang bersifat fungsional yaitu satuan pembinaan BIMAS ditingkat Propinsi, satuan pelaksanaan BIMAS ditingkat Kabupaten, dipandang tugas-tugasnya masih diperlukan dalam rangka peningkatan produktivitas dan produksi bahan pangan pokok dan strategis secara luas, maka pemerintah pusat dan pemerintah daerah (PEMDA) Sumatera Utara membentuk suatu badan yang disebut dengan Badan Ketahanan Pangan (BKP) oleh karena itu Badan Ketahanan Pangan ini berperan sebagai Sekretariat Dewan Ketahanan Pangan yang sekaligus merupakan transparansi dari satuan pembina BIMAS.

Badan Ketahanan Pangan mempunyai tugas dan fungsi yang bersifat koordinatif yang merupakan kesinambungan dari tugas dan fungsi koordinasi yang ditanggung oleh satuan pembina BIMAS dan satuan pelaksana BIMAS pada pemerintah orde baru. Seluruh institusi Badan Ketahanan Pangan menempati kantor lama Kanwil Departemen Pertanian Propinsi Sumatera Utara dan kantor lama BIMAS dan pegawainya berasal dari pegawai sekretariat satuan pembinaan BIMAS dan pegawai Kanwil Departemen Pertanian Sumatera Utara.

3.1.1 Visi Badan Ketahanan Pangan Propinsi Sumatera Utara

(29)

secara efisien dan berkelanjutan menuju masyarakat yang berkualitas dan sejahtera”.

3.1.2 Misi Badan Ketahanan Pangan Propinsi Sumatera Utara

Misi Badan Ketahanan Pangan Propinsi Sumatera Utara:

1. Meningkatkan kebudayaan dan kemandirian masyarakat untuk mewujudkan ketahanan pangan yang berbasis sumber daya lokal yang dimiliki

2. Meningkatkan kualitas sumber daya manusia dan kesejahteraan masyarakat.

3.1.3 Tugas Badan Ketahanan Pangan Propinsi Sumatera Utara

Tugas Badan Ketahanan Pangan Propinsi Sumatera Utara:

1. Sebagai salah satu lembaga teknis daerah Perda No. 4 Tahun 2001, membantu kepala daerah dala pemliharaan ketahanan pangan

(30)

3.1.4 Fungsi Badan Ketahanan Pangan Propinsi Sumatera Utara

Fungsi Badan Ketahanan Pangan Propinsi Sumatera Utara:

1. Mengkoordinasikan perumusan kebijakan dan perencanaan program peningkatan ketahanan pangan daerah yang meliputi aspek-aspek sebagai berikut:

a. Aspek ketersediaan yang bersumber dari produksi, cadangan dan impor b. Aspek distribusi yang berbasis kepada stabilitas harga pangan, aman

dan terjangkau

c. Aspek konsumsi yang berbasis kepada penganekaragaman konsumsi dan beras, bermutu/ bergizi dan aman.

2. Mengkoordinasikan monitoring program peningkatan ketahanan pangan melalui rapat Dewan Ketahanan Pangan, rapat kelompok kerja guna mengantisipasi dan memecahkan masalah yang dihadapi meliputi hal-hal sebagai berikut:

a. Monitoring pelaksanaan kegiatan uasaha tani b. Monitoring ekspor / impor bahan pangan strategis c. Monitoring harga bahan pangan strategis dan lokal

d. Monitoring pengadaan / penyimpanan / penyaluran cadangan makanan e. Monitoring kewapadaan pangan ( Bencana alam dan gangguan OPT) f. Monitoring daerah rawan pangan

g. Monitoring penganekaragaman konsumsi bahan pangan h. Monitoring mutu dan keamanan pangan

(31)

3. Memantau dan mengendalikan ketersediaan dan distribusi bahan pangan, terutama sembilan bahan pangan pokok

4. Mengkoordinasi pelaporan dan evaluasi program peningkatan ketahanan pangan yang meliputi aspek ketersediaan, mutu dan keamanan pangan.

3.1.5 Lokasi Badan Ketahanan Pangan

Bangunan Kantor Badan Ketahanan Pangan Propinsi Sumatera Utara seluas ± 1.276m di atas tanah seluas 14.271m yang terletak di Jl. Jenderal Besar Dr. Abdul Haris Nasution No. 24 Medan.

3.2 Struktur Organisasi Badan Ketahanan Pangan

Struktur Organisasi Badan Ketahanan Pangan yaitu:

Badan Ketahanan Pangan Sumatera Utara dipimpin oleh seorang Kepala Badan (Eselon II/a) dan dibantu oleh empat orang Pejabat Struktural Eselon III/a dan 14 orang pejabat Eselon IV/a serta kelompok Jabatan Fungsional (KJF) yakni:

1. Sekretariat

a. Sub Bagian Keuangan b. Sub Bagian Umum

c. Sub Bagian Hukum Dan Organisasi 2. Bidang Pengkajian Pangan

(32)

b. Sub bidang mutu pangan dan gizi

c. Sub Bidang Pemberdayaan Kelembagaan Pangan d. Sub Bidang Analisis Harga Pangan

3. Bidang Kewaspadaan Pangan dan Gizi

a. Sub Bidang Monitoring dan Evaluasi Pangan b. Sub Bidang Sistem Informasi Manajemen Pangan c. Sub Bidang Rawan Pangan

4. Bidang Penganekaragaman Konsumsi Pangan dan Sumber Daya a. Sub Bidang Pola Konsumsi Pangan

b. Sub Bidang Pemberdayaan Masyarakat dan Sumber Daya c. Sub Bidang Penganekaragaman Pangan Lokal

5. Kelompok Jabatan Fungsional

3.3 Kegiatan dan Jaringan Kerja Badan Ketahanan Pangan

3.3.1 Kegiatan Badan Ketahanan Pangan

Program kerja Badan Ketahanan Pangan terdiri dari berbagai kegiatan yang dilaksanakan setiap tahun yaitu antara lain:

1. Memfasilitasi Koordinasi Perencanaan Kebijakan dan Program peningkatan ketahanan pangan Propinsi Sumatera Utara

(33)

3. Melaksanakan pemantauan atau monitoring terhadap harga harian bahan pokok, dan strategi untuk koordinasi dengan Dinas Instansi terkait apabila terjadi fluktuasi harga

4. Melaksanakan sosialisasi dan pembinaan masyarakat tentang diversifikasi konsumsi pangan melalui pemasyarakatan konsumsi pangan yang beragam, bergizi dan berimbang (3B) untuk mengurangi konsumsi beras dan meningkatkan konsumsi daging, telur dan sayur-sayuran

5. Melaksanakan pengawasan terhadap mutu dan keamanan bahan pangan segar, seperti buah dan sayur melalui otoritas kompetensi

6. Melaksanakan pendeteksian dini dan kerawanan pangan melalui Sistem Kewaspadaan Pangan dan Gizi (SKPG)

7. Menyusun peta rawan pangan setiap Kabupaten/ Kota (Food Insecurity Atlas), guna dijadikan acuan dalam mengatasi kerawanpanganan

8. Melaksanakan berbagai kegiatan pemberdayaan terhadap masyarakat melalui kelompok-kelompok masyarakat dengan memberikan bantuan dana penguatan modal usaha kelompok/ bantuan langsung masyarakat yaitu:

a. Bantuan dana penguatan modal bagi lembaga usaha ekonomi pedesaan (DPM-LUEP) untuk stabilisasi harga gabah/ padi ditingkat petani

b. Bantuan penguatan modal usaha kelompok (PMUK) bagi kelompok lembaga pangan untuk memantapkan cadangan pangan kelompok

(34)

d. Bantuan PMUK untuk pengembangan lokal atau tradisional bagi kelompok-kelompok pangan lokal

e. Bantuan PMUK untuk pengembangan dan pemantapan pekarangan bagi kelompok masyarakat untuk meningkatkan mutu dan gizi keluarga

f. Bantuan PMUK bagi kelompok dalam pemberdayaan daerah rawan pangan

9. Melaksanakan pameran pangan dan pemberian penghargaan bagi aparat dan kelompok masyarakat yang berjasa dalam bidang pangan.

3.3.2 Jaringan Kerja Badan Ketahanan Pangan

Jaringan Kerja Badan Ketahanan Pangan melalui Sekretariat Dewan Ketahanan Pangan Propinsi Sumatera Utara meliputi:

1. Dinas Pertanian, Dinas Perkebunan, Dinas Peternakan dan Dinas Perikanan dan Kelautan beserta UPT nya mempunyai tugas dan tanggung jawab dalam kebijakan teknis dan pelaksanaannya yaitu:

a. Menetapkan sasaran, proyeksi areal, populasi/ produktivitas, produksi komuditas rencana kebutuhan

b. Memberikan dan menetapkan rekomendasi teknologi penyebarannya c. Mengatur penyiapan dan pengawasan benih/ bibit

d. Memonitor dan mengawasi penerapan paket teknologi yang direkomendasi e. Mengendalikan OPT, hama dan penyakit ternak serta ikan

(35)

g. Menyiapkan petunjuk teknik - teknik kegiatan intensifikasi, ekstensifikasi, diversifikasi dan rehabilitas masing-masing sub sektor dan sektor

h. Menyampaikan informasi secara teratur dan berkesinambungan sekali sebulan pada awal bulan kepada Sekretariat Dewan tentang perkembangan pelaksanaan kegiatan intensifikasi, ekstensifikasi, diversifikasi dan rehabilitas.

2. Asisten Teritorial Kodam I BB, mempunyai tugas dan tanggung jawab bagi perlindungan dan keamanan bahan pangan yang meliputi aspek ketersediaan produksi, distribusi, konsumsi dan mutu sesuai kewenangan.

3. Kepala Biro Bina Mitra Poldasu, mempunyai tugas dan tanggung jawab dalam memberikan perlindungan keamanan bahan pangan yang meliputi aspek ketersediaan produksi, distribusi, konsumsi, dan mutu sesuai kewenangannya 4. Badan Perencanaan Pembangunan Daerah, mempunyai tugas dan tanggung

jawab dalam memberikan masukan bagi program peningkatan ketahanan pangan sesuai dengan rencana pembangunan jangka menengah pemerintah Propinsi Sumatera Utara

5. Badan Investasi dan Promosi mempunyai tugas dan tanggung jawab dalam memberikan informasi kepada para calon investor PMA/PMDN yang meliputi aspek ketersediaan, distribusi, konsumsi dan kewaspadaan bahan pangan nabati dan hewani.

6. Badan Penelitian dan Pengembangan mempunyai tugas dan tanggung jawab dalam kerja sama pengembangan bahan pangan yang meliputi aspek ketersediaan, distribusi, konsumsi dan kewaspadaan, mutu dan keamanan. 7. Badan Pemberdayaan Masyarakat mempunyai tugas dan tanggung jawab dalam

(36)

8. Badan Informasi dan Komunikasi mempunyai tugas dan ketahanan pangan dan hasil yang dicapai kepada masyarakat luas.

9. Badan Koordinasi Keluarga Berencana, mempunyai tugas dan tanggung jawab dalam memberikan masukan informasi jumlah tahapan kelurga serta perkembangannya guna masukan dalam investasi untuk mencegah dan mengatasi rawan pangan serta memberikan masukan bagi Program Peningkatan Ketahanan Pangan.

10. Dinas Sosial mempunyai tugas dan tanggung jawab dalam menyampaikan data daerah rawan pangan, bencana alam guna mendapatkan penanganan mengatasi masalah ketahanan pangan serta memberikan masukan bagi Program Peningkatan Ketahanan Pangan.

(37)

BAB 4

ANALISIS DATA

4.1 Data Yang Dianalisis

Pada dasarnya data adalah alat bagi pengambil keputusan, bentuk-bentuk dasar pembuatan keputusan atau untuk memecahkan suatu persoalan. Keputusan yang baik jika diperoleh pengambil keputusan tersebut atas dasar data yang baik. Untuk memperoleh dan mengetahui gambaran tentang suatu keadaan atau masalah merupakan salah satu kegunaan data.

Penulis mengumpulkan data yang berhubungan dengan pokok-pokok permasalahan tersebut. Data yang akan diolah dalam tugas akhir ini adalah data Produksi Ketersediaan Kedelai Propinsi Sumatera Utara.

(38)

Tabel 4.1 Produksi Kedelai Propinsi Sumatera Utara

Tahun Produksi

(ton)

Sumber : Kantor Badan Ketahanan Pangan

Produksi Kedelai Propinsi Sumatera 1995-2007

0

1994 1996 1998 2000 2002 2004 2006 2008

Tahun

(39)

Dari tabel 4.1 diatas dapat dilakukan proyeksi tingkat produksi ketersediaan kedelai tahun 2009. Metode yang digunakan adalah dengan menggunakan metode exponential smoothing ganda (linier).

4.2 Proyeksi produksi ketersediaan kedelai dengan menggunakan double

exponential smoothing dengan α = 0,1

Adapun proyeksi tingkat produksi tanaman kedelai tersebut adalah sebagai berikut :

Tahun ke-1 (1995)

a. S′_t ditentukan sebesar produksi tahun pertama (1995), yaitu sebesar 65185 ton

b. S″t ditentukan sebesar produksi tahun pertama (1995), yaitu sebesar 65185

ton

c. a_t : belum bisa ditentukan d. b_t : belum ditentukan

e. Ft+m: Forecast tahun kedua (F2) ditentukan sebesar produksi tahun pertama,

(40)

(41)

e. Forecast Tahun ke-3 (1997) (m =1) F_t₊_m = a_t + b_t(m)

F₁₉₉₆₊₁ = a₁₉₉₆ + b₁₉₉₆ (1) F2007 = 61324,01 + (- 203,21)

= 61120,8

Tabel 4.2.1 Forecast dengan Double Exponential Smoothing (α = 0,1)

Tahun Produksi

(ton) S’ S" at bt

Forecast (m= 1)

1995 65185 65,185.00 65,185.00 - - -

1996 44864 63,152.90 64,981.79 61,324.01 -203.21 65,185.00

1997 44286 61,266.21 64,610.23 57,922.19 -371.56 61,120.80

1998 55761 60,715.69 64,220.78 57,210.60 -389.45 57,550.63

1999 28816 57,525.72 63,551.27 51,500.17 -669.51 56,821.15

2000 12881 53,061.25 62,502.27 43,620.23 -1,049.00 50,830.66

2001 10719 48,827.02 61,134.74 36,519.30 -1,367.52 42,571.22

2002 10197 44,964.02 59,517.67 30,410.37 -1,617.07 35,151.78

2003 10466 41,514.22 57,717.33 25,311.11 -1,800.35 28,793.30

2004 12333 38,596.10 55,805.20 21,386.99 -1,912.12 23,510.77

2005 15793 36,315.79 53,856.26 18,775.31 -1,948.94 19,474.87

2006 17042 34,388.41 51,909.48 16,867.34 -1,946.79 16,826.37

2007 17345 32,684.07 49,986.94 15,381.20 -1,922.54 14,920.55

2008 - - - 13,458.66

2009 - - - 11,536.12

Forecast tahun 2008 (m =1) F₂₀₀₇₊_m = a₂₀₀₇ + b₂₀₀₇ (m) F₂₀₀₇₊₁ = a₂₀₀₇ + b₂₀₀₇ (1)

F2008 = 15381,20 + (-1922,54) (1)

(42)

Forecast tahun 2009 (m =2) F₂₀₀₇₊₂ = a₂₀₀₇ + b₂₀₀₇ (2)

F₂₀₀₉ = 15381,20 + (-1922,54) (2) = 11536.12

Dari tabel diatas dapat dicari kesalahan ramalan dengan menggunakan MSE (Mean Square Error / Nilai Tengah Kesalahan Kuadrat) sebagai berikut :

Tabel 4.2.2 Forecast dan Mean Squared Error (α = 0,1)

Tahun Produksi

(ton) Forecast Error Absolute Squared Error

1995 65185 - - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 61,120.80 -16,834.80 -16,834.80 283,410,491.04

1998 55761 57,550.63 -1,789.63 -1,789.63 3,202,775.54

1999 28816 56,821.15 -28,005.15 -28,005.15 784,288,202.48

2000 12881 50,830.66 -37,949.66 -37,949.66 1,440,176,883.86

2001 10719 42,571.22 -31,852.22 -31,852.22 1,014,564,189.04

2002 10197 35,151.78 -24,954.78 -24,954.78 622,740,895.47

2003 10466 28,793.30 -18,327.30 -18,327.30 335,889,814.53

2004 12333 23,510.77 -11,177.77 -11,177.77 124,942,434.53

2005 15793 19,474.87 -3,681.87 -3,681.87 13,556,142.99

2006 17042 16,826.37 215.63 215.63 46,496.12

2007 17345 14,920.55 2,424.45 2,424.45 5,877,935.32

(43)

MSE =

∑

Realisasi dan Ramalan Menggunakn Alpha 0,1

0.00

Produksi Forecast

Gambar 4.2 Realisasi dan Ramalan Produksi Kedelai dengan (α = 0,1)

4.3 Proyeksi produksi ketersediaan kedelai dengan menggunakan double exponential smoothing dengan α = 0,2

Tahun ke-2 (1996)

X_t = 44864

a. S′_t = α X_t + (`1-α) S′_t

(44)

(45)

Tabel 4.3.1 Forecast Dengan Double Exponential smoothing (α = 0,2)

Tahun Produksi

(ton) S’ S”

1996 44864 61,120.80 64,372.16 57,869.44 -812.84 65,185.00

1997 44286 57,753.84 63,048.50 52,459.18 -1,323.66 57,056.60

1998 55761 57,355.27 61,909.85 52,800.69 -1,138.64 51,135.52

1999 28816 51,647.42 59,857.36 43,437.47 -2,052.49 51,662.05

2000 12881 43,894.13 56,664.72 31,123.55 -3,192.65 41,384.98

2001 10719 37,259.11 52,783.60 21,734.62 -3,881.12 27,930.90

2002 10197 31,846.69 48,596.21 15,097.16 -4,187.38 17,853.50

2003 10466 27,570.55 44,391.08 10,750.02 -4,205.13 10,909.78

2004 12333 24,523.04 40,417.47 8,628.61 -3,973.61 6,544.88

2005 15793 22,777.03 36,889.38 8,664.68 -3,528.09 4,655.00

2006 17042 21,630.02 33,837.51 9,422.54 -3,051.87 5,136.59

2007 17345 20,773.02 31,224.61 10,321.43 -2,612.90 6,370.67

2008 - - - - - 7,708.53

2009 - - - - - 5.095,63

Forecast tahun 2008 (m =1) F₂₀₀₇₊_m = a₂₀₀₇ + b₂₀₀₇ (m) F2007+1 = a2007 + b2007 (1)

F₂₀₀₈ = (10321,43) + (-2612,90) (1) = 7708,53

Forecast tahun 2009 (m =2) F₂₀₀₇₊₂ = a₂₀₀₇ + b₂₀₀₇ (2)

(46)

Tabel 4.3.2 Forecast dan Mean Square Error (α = 0,2)

Tahun Produksi

1995 65185 - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 57,056.60 -12,770.60 -12,770.60 163,088,224.36

1998 55761 51,135.52 4,625.48 4,625.48 21,395,065.23

1999 28816 51,662.05 -22,846.05 -22,846.05 521,941,909.22

2000 12881 41,384.98 -28,503.98 -28,503.98 812,477,103.87

2001 10719 27,930.90 -17,211.90 -17,211.90 296,249,628.29

2002 10197 17,853.50 -7,656.50 -7,656.50 58,621,932.96

2003 10466 10,909.78 -443.78 -443.78 196,936.65

2004 12333 6,544.88 5,788.12 5,788.12 33,502,296.12

2005 15793 4,655.00 11,138.00 11,138.00 124,055,114.66

2006 17042 5,136.59 11,905.41 11,905.41 141,738,794.92

2007 17345 6,370.67 10,974.33 10,974.33 120,436,017.37

2008 - 7,708.53 - - -

Realisasi dan Ramalan Menggunakan Alpha 0,2

0

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

J

Produksi (ton) Forecast

(47)

4.4 Proyeksi produksi kedelai menggunakan doubble exponential smoothing

dengan α = 0,3

Tahun ke-2 (1999)

X_t = 44864

= 2(59088,70 – 63356,11)

(48)

F. Forecast tahun ke-3 (1997) (m =1) F_t₊_m = a_t + b_t(m)

F₁₉₉₉₊₁ = (54821,29) + (-1828,89) (1) = 52992,40

Tahun Produksi

(ton) S′ S″ at bt

Forecast (m = 1)

1995 65185 65,185.00 65,185.00 - - -

1996 44864 59,088.70 63,356.11 54,821.29 -1,828.89 65,185.00

1997 44286 54,647.89 60,743.64 48,552.14 -2,612.47 52,992.40

1998 55761 54,981.82 59,015.10 50,948.55 -1,728.55 45,939.67

1999 28816 47,132.08 55,450.19 38,813.96 -3,564.91 49,220.00

2000 12881 36,856.75 49,872.16 23,841.35 -5,578.03 35,249.05

2001 10719 29,015.43 43,615.14 14,415.71 -6,257.02 18,263.32

2002 10197 23,369.90 37,541.57 9,198.23 -6,073.57 8,158.69

2003 10466 19,498.73 32,128.72 6,868.74 -5,412.85 3,124.66

2004 12333 17,349.01 27,694.80 7,003.22 -4,433.91 1,455.89

2005 15793 16,882.21 24,451.03 9,313.39 -3,243.78 2,569.30

2006 17042 16,930.15 22,194.76 11,665.53 -2,256.26 6,069.61

2007 17345 17,054.60 20,652.71 13,456.49 -1,542.05 9,409.26

2008 - - - - - 11,914.44

2009 - - - - - 10,372.39

F2008 = (13456,49) + (-1542,05) (1)

(49)

Forecast tahun 2009 (m = 2) F₂₀₀₇₊₂ = a₂₀₀₇ + b₂₀₀₇ (2)

F₂₀₀₉ = (13456,49) + (-1542,05) (2) = 10372,39

Tahun Produksi

1995 65185 - - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 52,992.40 -8,706.40 -8,706.40 75,801,400.96

1998 55761 45,939.67 9,821.33 9,821.33 96,458,522.97

1999 28816 49,220.00 -20,404.00 -20,404.00 416,323,297.62

2000 12881 35,249.05 -22,368.05 -22,368.05 500,329,862.11

2001 10719 18,263.32 -7,544.32 -7,544.32 56,916,693.65

2002 10197 8,158.69 2,038.31 2,038.31 4,154,688.32

2003 10466 3,124.66 7,341.34 7,341.34 53,895,300.40

2004 12333 1,455.89 10,877.11 10,877.11 118,311,501.01

2005 15793 2,569.30 13,223.70 13,223.70 174,866,113.09

2006 17042 6,069.61 10,972.39 10,972.39 120,393,337.14

2007 17345 9,409.26 7,935.74 7,935.74 62,975,890.83

(50)

Gambar 4.4 Realisasi dan Ramalan Menggunakan Alpha 0,3

dengan α = 0,4

Tahun ke-2 (1999)

(51)

c. a_t = 2 S′_t - S″_t

= 2(57056,60 – 61933,64)

= 52179,56

Tahun Produksi

(ton) S’ S” at bt

Forecast (m = 1)

1995 65185 65,185.00 65,185.00 - - -

1996 44864 57,056.60 61,933.64 52,179.56 -3,251.36 65,185.00

1997 44286 51,948.36 57,939.53 45,957.19 -3,994.11 48,928.20

1998 55761 53,473.42 56,153.08 50,793.75 -1,786.44 41,963.08

1999 28816 43,610.45 51,136.03 36,084.87 -5,017.05 49,007.30

2000 12881 31,318.67 43,209.09 19,428.25 -7,926.94 31,067.82

2001 10719 23,078.80 35,156.97 11,000.63 -8,052.11 11,501.31

2002 10197 17,926.08 28,264.62 7,587.55 -6,892.36 2,948.52

2003 10466 14,942.05 22,935.59 6,948.51 -5,329.03 695.19

2004 12333 13,898.43 19,320.73 8,476.13 -3,614.86 1,619.48

2005 15793 14,656.26 17,454.94 11,857.58 -1,865.79 4,861.27

2006 17042 15,610.55 16,717.18 14,503.92 -737.75 9,991.79

2007 17345 16,304.33 16,552.04 16,056.62 -165.14 13,766.17

2008 - - - - - 15,891.48

(52)

Forecast tahun 2008 (m =1)

Tahun Produksi

1995 65185 - - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 48,928.20 -4,642.20 -4,642.20 21,550,020.84

1998 55761 41,963.08 13,797.92 13,797.92 190,382,596.33

1999 28816 49,007.30 -20,191.30 -20,191.30 407,688,757.22

2000 12881 31,067.82 -18,186.82 -18,186.82 330,760,276.22

2001 10719 11,501.31 -782.31 -782.31 612,008.56

2002 10197 2,948.52 7,248.48 7,248.48 52,540,492.00

2003 10466 695.19 9,770.81 9,770.81 95,468,727.49

2004 12333 1,619.48 10,713.52 10,713.52 114,779,477.11

2005 15793 4,861.27 10,931.73 10,931.73 119,502,732.25

2006 17042 9,991.79 7,050.21 7,050.21 49,705,460.97

2007 17345 13,766.17 3,578.83 3,578.83 12,808,017.05

2008 - 15,891.48 - - -

2009 - 15,726.34 - - -

Jumlah 1,808,741,607.04

(53)

MSE =

∑

0

dengan α = 0,5

Tahun ke-2 (1999)

X_t = 44864

a. S′_t = α X_t + (1-α) S′_t

(54)

(55)

Tahun Produksi

Forecast (m = 1)

1995 65185 65,185.00 65,185.00 - - -

1996 44864 55,024.50 60,104.75 49,944.25 -5,080.25 65,185.00

1997 44286 49,655.25 54,880.00 44,430.50 -5,224.75 44,864.00

1998 55761 52,708.13 53,794.06 51,622.19 -1,085.94 39,205.75

1999 28816 40,762.06 47,278.06 34,246.06 -6,516.00 50,536.25

2000 12881 26,821.53 37,049.80 16,593.27 -10,228.27 27,730.06

2001 10719 18,770.27 27,910.03 9,630.50 -9,139.77 6,365.00

2002 10197 14,483.63 21,196.83 7,770.43 -6,713.20 490.73

2003 10466 12,474.82 16,835.82 8,113.81 -4,361.01 1,057.23

2004 12333 12,403.91 14,619.87 10,187.95 -2,215.96 3,752.80

2005 15793 14,098.45 14,359.16 13,837.75 -260.71 7,971.99

2006 17042 15,570.23 14,964.69 16,175.76 605.53 13,577.04

2007 17345 16,457.61 15,711.15 17,204.07 746.46 16,781.29

2008 - - - - - 17,950.53

2009 - - - - - 18,696.99

(56)

Tahun Produksi

1995 65185 - - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 44,864.00 -578.00 -578.00 334,084.00

1998 55761 39,205.75 16,555.25 16,555.25 274,076,302.56

1999 28816 50,536.25 -21,720.25 -21,720.25 471,769,260.06

2000 12881 27,730.06 -14,849.06 -14,849.06 220,494,657.13

2001 10719 6,365.00 4,354.00 4,354.00 18,957,316.00

2002 10197 490.73 9,706.27 9,706.27 94,211,592.38

2003 10466 1,057.23 9,408.77 9,408.77 88,524,870.59

2004 12333 3,752.80 8,580.20 8,580.20 73,619,818.63

2005 15793 7,971.99 7,821.01 7,821.01 61,168,163.20

2006 17042 13,577.04 3,464.96 3,464.96 12,005,934.00

2007 17345 16,781.29 563.71 563.71 317,764.52

0

(57)

dengan α = 0,6

Tahun ke-2 (1999)

(58)

F₁₉₉₉₊₁ = (48115,36) + (-7315,56) (1) = 40799,80

Tahun Produksi

Forecast (m = 1)

1995 65185 65,185.00 65,185.00 - - -

1996 44864 52,992.40 57,869.44 48,115.36 -7,315.56 65,185.00

1997 44286 47,768.56 51,808.91 43,728.21 -6,060.53 40,799.80

1998 55761 52,564.02 52,261.98 52,866.07 453.07 37,667.68

1999 28816 38,315.21 43,893.92 32,736.50 -8,368.06 53,319.14

2000 12881 23,054.68 31,390.38 14,718.99 -12,503.54 24,368.44

2001 10719 15,653.27 21,948.12 9,358.43 -9,442.26 2,215.45

2002 10197 12,379.51 16,206.95 8,552.07 -5,741.16 -83.83

2003 10466 11,231.40 13,221.62 9,241.18 -2,985.33 2,810.90

2004 12333 11,892.36 12,424.07 11,360.66 -797.56 6,255.86

2005 15793 14,232.74 13,509.27 14,956.22 1,085.21 10,563.10

2006 17042 15,918.30 14,954.69 16,881.91 1,445.41 16,041.42

2007 17345 16,774.32 16,046.47 17,502.17 1,091.78 18,327.32

2008 - - - 18,593.95

2009 - - - 19,685.73

(59)

Forecast tahun 2009 (m = 2) F₂₀₀₇₊₂ = a₂₀₀₇ + b₂₀₀₇ (2)

F₂₀₀₉ = (175052,17) + (-1091,78) (2) = 19685,73

Tahun Produksi

1995 65185 - - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 40,799.80 3,486.20 3,486.20 12,153,590.44

1998 55761 37,667.68 18,093.32 18,093.32 327,368,228.62

1999 28816 53,319.14 -24,503.14 -24,503.14 600,403,673.83

2000 12881 24,368.44 -11,487.44 -11,487.44 131,961,277.75

2001 10719 2,215.45 8,503.55 8,503.55 72,310,358.52

2002 10197 -83.83 10,280.83 10,280.83 105,695,469.77

2003 10466 2,810.90 7,655.10 7,655.10 58,600,497.90

2004 12333 6,255.86 6,077.14 6,077.14 36,931,680.78

2005 15793 10,563.10 5,229.90 5,229.90 27,351,853.09

2006 17042 16,041.42 1,000.58 1,000.58 1,001,154.07

2007 17345 18,327.32 -982.32 -982.32 964,957.48

2008 - 18,593.95 - - -

2009 - 19,685.73 - - -

Jumlah 1,787,685,783.26

Rata-rata 148,973,815.27

(60)

Realisasi dan Ramalan M enggunakan Alpha 0,6

dengan α = 0,7

Tahun ke-2 (1999)

(61)

c. a_t = 2 S′_t - S″_t

Tahun Produksi

Forecast (m = 1)

1995 65185 65185 65185 - - -

1996 44864 50960.3 55227.71 46692.89 -9957.29 65,185.00

1997 44286 46288.29 48970.116 43606.464 -6257.594 36,735.60

1998 55761 52919.187 51734.4657 54103.9083 2764.3497 37,348.87

1999 28816 36046.9561 40753.20898 31340.70322 -10981.25672 56,868.26

2000 12881 19830.78683 26107.51348 13554.06019 -14645.69551 20,359.45

2001 10719 13452.53605 17249.02928 9656.042821 -8858.484198 -1,091.64

2002 10197 11173.66081 12996.27135 9351.050276 -4252.757923 797.56

2003 10466 10678.29824 11373.69018 9982.906312 -1622.581176 5,098.29

2004 12333 11836.58947 11697.71968 11975.45926 324.0295074 8,360.33

2005 15793 14606.07684 13733.56969 15478.58399 2035.85001 12,299.49

2006 17042 16311.22305 15537.92705 17084.51906 1804.357351 17,514.43

2007 17345 17034.86692 16585.78495 17483.94888 1047.857909 18,888.88

2008 - - - - - 18,531.81

(62)

Forecast tahun 2008 (m =1)

Tahun Produksi

1995 65185 - - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 36,735.60 7,550.40 7,550.40 57,008,540.16

1998 55761 37,348.87 18,412.13 18,412.13 339,006,531.14

1999 28816 56,868.26 -28,052.26 -28,052.26 786,929,291.11

2000 12881 20,359.45 -7,478.45 -7,478.45 55,927,214.40

2001 10719 -1,091.64 11,810.64 11,810.64 139,491,217.21

2002 10197 797.56 9,399.44 9,399.44 88,349,472.31

2003 10466 5,098.29 5,367.71 5,367.71 28,812,310.64

2004 12333 8,360.33 3,972.67 3,972.67 15,782,106.93

2005 15793 12,299.49 3,493.51 3,493.51 12,204,612.12

2006 17042 17,514.43 -472.43 -472.43 223,190.10

2007 17345 18,888.88 -1,543.88 -1,543.88 2,383,565.45

2008 - 18,531.81 - - -

2009 - 19,579.66 - - -

Jumlah 1,939,061,092.58

(63)

MSE =

∑

Realisasi dan Ramalan M enggunakan Alpha 0,7

-10000

dengan α = 0,8

Tahun ke-2 (1999)

X_t = 44864

a. S′_t = α X_t + (1-α) S′_t

(64)

(65)

Tahun Produksi

Forecast (m = 1)

1995 65185 65,185.00 65,185.00 - - -

1996 44864 48,928.20 52,179.56 45,676.84 -13,005.44 65,185.00

1997 44286 45,214.44 46,607.46 43,821.42 -5,572.10 32,671.40

1998 55761 53,651.69 42,921.35 64,382.03 42,921.35 38,249.32

1999 28816 33,783.14 35,610.78 31,955.50 -7,310.57 107,303.38

2000 12881 17,061.43 20,771.30 13,351.56 -14,839.48 24,644.92

2001 10719 11,987.49 13,744.25 10,230.72 -7,027.05 -1,487.93

2002 10197 10,555.10 11,192.93 9,917.27 -2,551.32 3,203.67

2003 10466 10,483.82 10,625.64 10,342.00 -567.29 7,365.95

2004 12333 11,963.16 11,695.66 12,230.67 1,070.02 9,774.71

2005 15793 15,027.03 14,360.76 15,693.31 2,665.10 13,300.69

2006 17042 16,639.01 16,183.36 17,094.66 1,822.60 18,358.41

2007 17345 17,203.80 16,999.71 17,407.89 816.36 18,917.26

2008 - - - - - 18,224.25

2009 - - - - - 19,040.60

(66)

Tahun Produksi

1995 65185 - - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 32,671.40 11,614.60 11,614.60 134,898,933.16

1998 55761 38,249.32 17,511.68 17,511.68 306,658,936.42

1999 28816 107,303.38 -78,487.38 -78,487.38 6,160,268,191.37

2000 12881 24,644.92 -11,763.92 -11,763.92 138,389,926.70

2001 10719 -1,487.93 12,206.93 12,206.93 149,009,020.89

2002 10197 3,203.67 6,993.33 6,993.33 48,906,623.09

2003 10466 7,365.95 3,100.05 3,100.05 9,610,333.63

2004 12333 9,774.71 2,558.29 2,558.29 6,544,839.76

2005 15793 13,300.69 2,492.31 2,492.31 6,211,625.21

2006 17042 18,358.41 -1,316.41 -1,316.41 1,732,925.41

2007 17345 18,917.26 -1,572.26 -1,572.26 2,471,985.87

2008 - 18,224.25 - - -

-20000

(67)

dengan α = 0,9

Tahun ke-2 (1999)

(68)

F₁₉₉₉₊₁ = (45067,21) + (-16460,01) (1) = 28607,20

Tahun Produksi

Forecast (m = 1)

1995 65185 65,185.00 65,185.00 - - -

1996 44864 46,896.10 48,724.99 45,067.21 -16,460.01 65,185.00

1997 44286 44,547.01 44,964.81 44,129.21 -3,760.18 28,607.20

1998 55761 54,639.60 53,672.12 55,607.08 8,707.31 40,369.03

1999 28816 31,398.36 33,625.74 29,170.98 -20,046.39 64,314.39

2000 12881 14,732.74 16,622.04 12,843.44 -17,003.70 9,124.60

2001 10719 11,120.37 11,670.54 10,570.21 -4,951.50 -4,160.26

2002 10197 10,289.34 10,427.46 10,151.22 -1,243.08 5,618.71

2003 10466 10,448.33 10,446.25 10,450.42 18.79 8,908.13

2004 12333 12,144.53 11,974.70 12,314.36 1,528.46 10,469.21

2005 15793 15,428.15 15,082.81 15,773.50 3,108.10 13,842.82

2006 17042 16,880.62 16,700.83 17,060.40 1,618.03 18,881.60

2007 17345 17,298.56 17,238.79 17,358.33 537.95 18,678.42

2008 - - - - - 17,896.29

2009 - - - - - 18,434.24

(69)

F₂₀₀₉ = (17358,33) + (537,95) (2) = 18434,24

Tahun Produksi

(ton) Forecast Error Aboslute Squared Error

1995 65185 - - - -

1996 44864 65,185.00 -20,321.00 -20,321.00 412,943,041.00

1997 44286 28,607.20 15,678.80 15,678.80 245,824,769.44

1998 55761 40,369.03 15,391.97 15,391.97 236,912,740.48

1999 28816 64,314.39 -35,498.39 -35,498.39 1,260,135,976.58

2000 12881 9,124.60 3,756.40 3,756.40 14,110,552.23

2001 10719 -4,160.26 14,879.26 14,879.26 221,392,504.32

2002 10197 5,618.71 4,578.29 4,578.29 20,960,728.64

2003 10466 8,908.13 1,557.87 1,557.87 2,426,943.75

2004 12333 10,469.21 1,863.79 1,863.79 3,473,713.67

2005 15793 13,842.82 1,950.18 1,950.18 3,803,199.60

2006 17042 18,881.60 -1,839.60 -1,839.60 3,384,135.61

2007 17345 18,678.42 -1,333.42 -1,333.42 1,778,014.76

(70)

Realisasi dan Ramalan Menggunakan

Tabel 4.10.3 Perbandingan Hasil Taraf Significant dari Metode Peramalan

α Forecast 2009 Mean Squared Error

0,1 11.536,12 420.136.608,49 0,2 5.095,63 255.553.838,72 0,3 10.372,39 174.447.470,76 0,4 15.726,34 150.728.467,25 0,5 18.696,99 144.035.233,67 0,6 19.685,73 148.973.815,27 0,7 19.579,66 161.588.424,38 0,8 19.040,60 614.803.865,21 0,9 18.434,24 202.262.193,34

Dari tabel 4.21 yang bedasarkan perhitungan yang telah dilakukan, terlihatlah bahwa perhitungan yang menggunakan Double Exponential Smoothing (α = 0,2). Oleh karena itu, untuk ramalan tingkat produksi kedelai di Propinsi Sumatera Utara tahun 2009 maka digunakan ramalan yang menggunakan α = 0,2 adalah sebesar

(71)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengenalan Excel

Microsoft Excel adalah aplikasi pengolahan 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.

5.1.1 Mengaktifkan Microsoft Excel

Cara I

• Klik tombol Start

• Pilih dan klik Program, Microsoft Office, Microsoft Excel Cara II

• Pilih dan klik Run

• Ketik pada bagian Open: Excel, klik OK Cara II

• Pilih dan klik Open, klik ganda pada Program File, Microsoft Office, Office,

(72)

(73)

(74)

5.1.3 Istilah-istilah Ms. Excel

• Worksheet adalah daerah tempat lembaran kerja untuk memasukkan data atau rumus. Normalnya MS. Excel menyediakan worksheet atau sheet sebanyak 3 sheet

• Workbook merupakan buku kerja yang terdiri dari beberapa worksheet. Workbook ini merupakan file penyimpanan worksheet sehingga mempermudah mengorganisasi file-file sesuai dengan kebutuhan yang diperlukan

• Cell merupakan perpotongan baris dan kolom yang ditandai dengan aktifnya pointer cell pada posisi tertentu. Posisis cell aktif ditunjukkan pada NameBox

• Cell Pointer adalah tanda penunjuk keaktifan sel berupa kotak bingkai tebal

(75)

• Gridlines adalah garis bantu sel pada area kerja. Gridlines ini hanya tampak pada saat bekerja dalam worksheet tetapi bila hasil kerja dicetak atau ditampilkan dengan print preview, maka Gridlines tersebut tidak tampak

• Fill Handle adalah bagian bawah kanan pointer cell berfungsi untuk memindah atau mengcopy data dan rumus dengan menggunakan mouse

• Mouse Pointer adalah bentuk penunjuk mouse yang tampil pada layar MS. Excel

5.1.4 Jenis Data dalam Ms. Excel

Sebuah sel pada lembar kerja Excel dapat diisi empat jenis data:

• Label/teks

• Numerik

• Alfanumerik

• Rumus

5.2 Operasi File

5.2.1 Menyimpan Worksheet

• Klik menu File, Save atau tekan Ctrl + S

• Pada pilihan Save in, pilih atau klik drive dan folder tempat menyimpan file

• Pada bagian File Name, ketik nama file yang diinginkan

(76)

5.2.2 Membuka Worksheet

• Klik menu File, Open atau tekan Ctrl + O atau tekan tombol Ctrl + F12

• Pada bagian Look in, pilih dan klik drive dan folder file yang akan dibuka

• Pada daftar file, pilih nama file yang ingin dibuka

• Klik tombol Open

5.2.3 Menyimpan Worksheet ke Nama Lain

• Klik menu File, Save As atau tekan tombol F12

• Pada pilihan Save in, pilih atau klik drive dan folder tempat simpan file

• Pada bagian File Name, ketik nama file yang diinginkan

• Klik tombol Save

5.2.4 Keluar dari MS. Excel

Klik menu File, Exit atau tekan Alt + F4 pada keyboard, pilih Yes atau No

5.2.5 Membuka Lembar Kerja Baru

Klik menu File, New atau tekan tombol Ctrl + N

5.3 Formula dan Fungsi Statistik

(77)

Fungsi-fungsi Excel digunakan dalam penulisan formula atau rumus yang dapat dikomendasi dengan alamat sel, range, data konstanta atau gabungan beberapa fungsi.

5.3.1 Fungsi Statistik

Fungsi ini bertujuan untuk menganalisa suatu kumpulan data. Untuk penganalisaan data, beberapa fungsi yang sering digunakan antara lain:

• SUM(range) : mencari total sekumpulan data angka

• MAX(range) : mencari nilai tertinggi dari sekumpulan data angka

• MIN(range) : mencari nilai terendah dari sekumpulan data angka

• AVERAGE : mencari nilai rata-rata dari sekumpulan data angka

• COUNT : mencari banyak data dari sekumpulan data angka

5.4 Grafik dalam Microsoft Excel

(78)

5.4.1 Membuat Grafik

Langkah -langkah membuat grafik:

• Arahkan pointer sel pada tabel data

• Klik menu Insert, Chart

• Tentukan tipe dan sub tipe grafik misalnya tipe Column dan sub tipe 3-D Column

• Klik Next

• Tentukan sumber data grafik. Jika sel pointer berada pada tabel data maka otomatis seluruh data tabel akan disorot ditandai dengan garis putus-putus

• Klik Next

• Tentukan keterangan pendukung grafik seperti titles (judul-judul tabel), axis (sumbu koordinat tabel), gridlines (garis bantu skala tabel), legends

(keterangan tambahan), data labels (nama-nama data tabel) dan data tabel.

• Klik Next

• Tentukan lokasi penempatan grafik

• Klik Finish untuk menghasilkan grafik baru

5.4.2 Menata Grafik

(79)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Setelah analisa dilakukan maka dapat diambil beberapa kesimpulan antara lain :

1. Perhitungan dengan menggunakan taraf significant (α) 0,2 yang menghasilkan nilai yang minimun dengan melihat hasil forecast dengan taraf significant 0,1 sampai dengan 0,9.

2. Dari hasil peramalan ang diperoleh mengenai produksi ketersediaan kedelai Propinsi Sumatera Utara, terlihat bahwa perhitungan yang menggunakan Double Eksponensial Smoothing digunakan dengan α = 0,2 tahun 2009 sebesar 255.553.838,72 ton.

(80)

6.2 Saran

1. Kepada pemerintah disarankan agar tetap memberikan bantuan / penyuluhan pertanian kepada petani dan melindungi hak- hak kepemilikan akan luas lahan bagi para petani dan menghindari adanya penggusuran ataupun melakukan perubahan luas lahan pertanian menjadi suatu lapangan tempat produksi yang lain.

(81)

DAFTAR PUSTAKA

BKP Propinsi Sumatera Utara. 2008. Produksi Ketersediaan Kedelai. Medan : BKP Propinsi Sumatera Utara.

Cochran, William G.1991. Sampling Techniques, New York.

Makridakis, Spyros, dan Wheelwright, Steven C. 1993. Metode dan Aplikasi

Peramalan. Jilid 1. Jakarta: Erlangga.

Nasution, Andi Hakim dan Barizi. 1976. Metode Statistika Untuk Menarik

Kesimpulan, Jakarta: PT Gramedia.

Susanto, H.1969. Statistik, Bagian II.Yogyakarta: Yayasan Penerbitan Fakultas Psikologi UGM.

Sudjana. 1992. Metoda Statistika. Edisi ke-6. Bandung: Tarsito.

Assauri, Sofyan. 1991. Teknik dan Metoda Peramalan Penerapannya dalam Ekonomi