PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO
(PDRB) KOTA MEDAN PADA SEKTOR PERDAGANGAN
TAHUN 2011
TUGAS AKHIR
ABDIEL PARHUSIP
072407014
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO
(PDRB) KOTA MEDAN PADA SEKTOR PERDAGANGAN
TAHUN 2011
TUGAS AKHIR
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Ahli Madya
ABDIEL PARHUSIP
072407014
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERNYATAAN
PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO
(PDRB) KOTA MEDAN PADA SEKTOR PERDAGANGAN
TAHUN 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, Juni 2010
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah kurnia-Nya Tugas Akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar isi v
Daftar Tabel vii
Daftar Gambar viii
Bab 1 Pendahuluan 1
1.1 Latar Belakang Masalah 1
1.2 Rumusan Masalah 3
1.3 Pembatasan Masalah 4
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Sistematika Penulisan 5
Bab 2 Tinjaun Pustaka 7
2.1 Pengertian Peramalan 7
2.2 Kegunaan dan Peran Peramalan 7
2.3 Jenis-jenis Peramalan 8
2.4 Langkah-langkah dalam Metode Peramalan 9
2.5 Pengertian dan Kegunaan Metode Peramalan 9
2.6 Jenis-jenis Metode Peramalan 10
2.7 Metode Pemulusan (Smoothing) 11
2.7.1 Rata-rata Bergerak (Moving Average) 11 2.7.2 Pemulusan Eksponensial (Exponential Smoothing)14
2.8 Pengertian Perdagangan 17
2.9 Produk Domestik Regional Bruto (PDRB) 18
Bab 3 Metode Penelitian 23
3.1 Ruang Lingkup 23
3.2 Variabel dan Metode Pengumpulan Data 23
Bab 4 Analisa Dan Evaluasi 29
4.1 Analisa Data 29
4.1.1 Pemulusan Eksponensial Tunggal 29
4.1.2 Pemulusan Eksponensial Ganda 40
4.2 Evaluasi Data 77
4.2.1 Pemulusan Eksponensial Tunggal 77
4.2.2 Pemulusan Eksponensial Ganda 79
Bab 5 Implementasi Sistem 82
5.1 Pengertian Implementasi Sistem 82
5.2 Microsoft Excel 82
5.3 Pengoperasian Microsoft Excel 83
5.4 Pembuatan Grafik 88
Bab 6 Penutup 91
6.1 Kesimpulan 91
6.2 Saran 92
Daftar Pustaka 93
DAFTAR TABEL
Halaman
Tabel 3.1 Data PDRB Kab. Grobogan Sub Sektor Tanaman Pangan
Atas Dasar Harga Berlaku Tahun 2000 – 2004 (Jutaan Rupiah) 27 Tabel 4.1 Mean Absolute Error, Mean Squared Error Dengan Single
Exponential Smoothing 78
Tabel 4.2 Mean Absolute Error, Mean Squared Error Dengan Double
DAFTAR GAMBAR
Halaman Gambar 3.1 Grafik Data PDRB Kota Medan Sektor Perdagangan
Tahun 1997 -2008 28
Gambar 4.1 Grafik Ramalan PDRB Kota Medan Sektor Perdagangan
Dengan Pemulusan Eksponensial Tunggal (alpha = 0.9) 78 Gambar 4.2 Grafik Ramalan PDRB Kota Medan sektor Perdagangan
Dengan Pemulusan Eksponensial Ganda (Double
Exponential Smoothing) alpha = 0.6 80
Gambar 5.1 Tampilan Microsoft Excel 83
Gambar 5.2 Mengaktifkan Microsoft Excel 84
Gambar 5.3 Menyimpan File Pada Microsoft Excel 86
Gambar 5.4 Analisis Pada Microsoft Excel 88
Gambar 5.5 Proses Pembuatan Grafik 89
BAB 1
PENDAHULUAN
1.1Latar Belakang Masalah
Pembangunan dikatakan berhasil bila ditunjang oleh sektor ekonomi yang mapan,
karena pada hakekatnya pembangunan ekonomi adalah serangkaian usaha
peningkatan taraf hidup masyarakat, mengusahakan kesempatan kerja serta
mengurangi ketimpangan kesejahteraan dan pendapatan. Untuk dapat
mengembangkan suatu sistem ekonomi yang dapat mendukung pembangunan
masyarakat perlu adanya data sebagai indikator perencanaan ekonomi, dimana dengan
data yang tersedia akan mempermudah dalam mengambil kebijakan sehingga
pembangunan ekonomi itu tidak salah sasaran dan tepat guna.
Salah satu ciri kesejahteraan dan gambaran tingkat keberhasilan pembangunan
suatu daerah dapat diukur dari besarnya Produk Domestik Regional Bruto (PDRB) di
daerah tersebut. Demikian juga dengan keadaan di Kota Medan, salah satu sektor yang
memberi kontribusi besar dalam pencapaian Produk Domestik Regional Bruto
Medan memang strategis. Keberadaan Pelabuhan Belawan di jalur Selat Malaka yang
cukup modern sebagai pintu gerbang atau pintu masuk wisatawan dan perdagangan
barang dan jasa baik perdagangan domestik maupun luar negeri (ekspor-impor),
menjadikan Medan sebagai pintu gerbang Indonesia bagian barat.
Dari semua paparan tersebut menurut harga berlaku tahun 2000 sektor
perdagangan memberikan sokongan yang begitu besar bagi Produk Domestik
Regional Bruto (PDRB) Kota Medan akan tetapi dengan berjalannya waktu masihkah
sektor perdagangan memberikan kontribusi yang sama besarnya bagi Produk
Domestik Regional Bruto (PDRB) Kota Medan?. Bagaimanakah keadaan sektor
perdagangan pada saat sekarang ini?
Atas dasar itu, maka dilakukan proyeksi (peramalan) untuk mengetahui terjadi
tidaknya fluktuasi pada perekonomian Kota Medan dari salah satu potensi terbesarnya
yakni sektor perdagangan, untuk mendapatkan informasi apakah sektor perdagangan
masih menjadi penyumbang terbesar pada Produk Domestik Regional Bruto (PDRB)
dan mengetahui besarnya sumbangan sektor perdagangan bagi Produk Domestik
Peramalan sendiri merupakan suatu proses memperkirakan secara sistematik
tentang apa yang paling mungkin terjadi dimasa depan berdasar informasi masa lalu
dan sekarang yang dimiliki agar kesalahannya (selisih apa yang terjadi dengan hasil
perkiraan) dapat diperkecil. Peramalan dapat juga diartikan sebagai usaha
memperkirakan perubahan. Agar tidak disalahpahami bahwa peramalan tidak
memberi jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari
yang sedekat mungkin dengan yang terjadi.
Saat ini hampir semua organisasi memerlukan perkiraan masa depan untuk
membantu menentukan keputusan terbaik. Begitu pula pemerintah daerah khususnya
daerah Kota Medan, kiranya perlu mengadakan proyeksi atau peramalan untuk
menentukan kebijakan demi kemajuan perekonomian daerah apalagi dengan telah
digulirkannya undang-undang tentang otonomi daerah yang menuntut kemandirian
suatu daerah dalam mengurusi daerahnya sendiri.
Dalam melakukan proyeksi atau peramalan digunakan metode Metode
Pemulusan Eksponensial (metode eksponensial smoothing),dengan asumsi bahwa
pendapatan daerah selalu berfluktuasi setiap tahunnya, itulah yang menjadi
1.2 Rumusan Masalah
Berdasarkan latar belakang tersebut diatas dapat disimpulkan sebagai berikut.
a. Berapa ramalan jumlah Produk Domestik Regional Bruto (PDRB) Kota
Medan pada tahun 2011?
b. Bagaimana fluktuasi Produk Domestik Regional Bruto (PDRB) pada tahun
1997 sampai 2011 di Kota Medan?
c. Adakah peningkatan kontribusi yang diberikan sektor perdagangan bagi
Produk Domestik Regional Bruto (PDRB) Kota Medan tahun 2011?
d. Apakah masih relevan sektor perdagangan dijadikan komoditas utama
penopang perekonomian Kota Medan tahun 2011?
1.3 Pembatasan Masalah
Dalam penyusunan Tugas Akhir ini dibatasi pada masalah peramalan Produk
Domestik Regional Bruto (PDRB) Atas Dasar Harga Berlaku Menurut Lapangan
Usaha Kota Medan pada sektor perdagangan pada tahun 1997-2011 dengan Metode
1.4Tujuan Penelitian
Tujuan dari kegiatan ini adalah untuk :
a. mengetahui berapa ramalan jumlah Produk Domestik Regional Bruto (PDRB)
Kota Medan pada tahun 2011.
b. mengetahui fluktuasi Produk Domestik Regional Bruto (PDRB) tahun 1997
sampai dengan 2011di Kota Medan.
c. memperkirakan seberapa besar peningkatan Produk Domestik Regional Bruto
(PDRB) Kota Medan pada sektor perdagangan tahun 2011.
d. mengetahui relevansi sektor perdagangan dijadikan sebagai komoditas utama
penopang perekonomian Kota medan pada tahun 2011.
1.5Manfaat Penelitian
Dengan tujuan yang telah disebutkan diatas, diharapkan dapat memberikan manfaat
sebagai berikut.
a. Bagi Penulis
2) Sebagai syarat untuk menyelesaikan program studi D3 Statistika Departemen
Matematika Fakultas Matematika dan Ilmu Pegetahuan Alam, Universitas
Sumatera Utara.
b. Bagi Lembaga/Instansi dan masyarakat umumnya
1) Dapat memperkirakan Produk Domestik Regional Bruto (PDRB) Kota Medan
pada sektor perdagangan pada tahun 2011.
2) Sebagai informasi mengenai fluktuasi Produk Domestik Regional Bruto
(PDRB) Kota Medan sektor perdagangan tahun 1997 – 2011.
3) Sebagai pertimbangan dalam pengambilan kebijakan dalam masalah
pengembangan sektor perdagangan bagi pemeritah daerah yang bersangkutan.
1.6Sistematika Penulisan
Untuk memudahkan dalam memahami keseluruhan isi Laporan Tugas Akhir ini, maka
disusun sistematika sebagai berikut :
BAGIAN AWAL
Meliputi : halaman judul dan halaman persetujuan.
BAB I
Pendahuluan, yang akan mengatur pada pembahasan berikutnya meliputi : latar
belakang masalah, perumusan masalah, pembatasan masalah, tujuan penelitian,
BAB II
Tinjauan Pustaka, menguraikan tentang teori yang digunakan dalam pembahasan
tugas akhir. Landasan teori merupakan alat yang penting untuk memahami dan
menafsirkan setiap data dan informasi yang terkumpul.
BAB III
Metode Penelitian, menguraikan tentang ruang lingkup, variable, metode pengambilan
data dan analisis data.
BAB IV
Analisa dan Evaluasi Data, akan menganalisis semua data dan informasi yang ada
secara kuantitatif dan merupakan isi pokok dari tugas akhir.
BAB V
Penutup, menguraikan tentang kesimpulan dan saran.
BAGIAN AKHIR
BAB 2
TINJAUAN PUSTAKA
2.1 Pengertian Peramalan
Peramalan adalah kegiatan memperkirakan apa yang terjadi pada waktu yang akan
datang sedangkan rencana merupakan penentuan apa yang akan dilakukan pada waktu
yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
rencana diantaranya didasarkan pada suatu proyeksi atau ramalan. Pada hakekatnya
banyak keputusan penting yang dilakukan secara pribadi, instansi, maupun perusahaan
kepada kejadian-kejadian dimasa yang akan mendatang sehingga memerlukan
ramalan tentang keadaan lingkungan masa depan tersebut. Sehingga setiap kebijakan
ekonomi tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat
dan meningkatkan keberhasilan pembangunan untuk mencapai tujuannya pada masa
yang akan datang, dimana kebijaksanaan tersebut dilaksanakan. (Sofjan Assauri,
2.2 Kegunaan dan Peran Peramalan
Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Setiap orang
selalu dihadapkan pada masalah pengambilan keputusan. Keputusan yang baik adalah
keputusan yang didasarkan pertimbangan apa yang akan terjadi pada waktu keputusan
itu dilaksanakan. Kurang tepat ramalan yang kita susun atau yang kita buat maka
kurang baiklah keputusan yang kita ambil. Walaupun demikian perlu disadari bahwa
suatu ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahan. Sehingga
yang paling diperhatikan adalah usaha untuk memperkecil kemungkinan
kesalahannya.
(Sofjan Assauri, 1984)
2.3 Jenis-jenis Peramalan
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas
dua macam, yaitu :
1. Peramalan Kualitatif
Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang
2. Peramalan Kuantitatif
Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode
yang dipergunakan dalam peramalan tersebut. (Sofjan Assauri, 1984)
Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut :
a. Tersedia informasi (data) tentang masa lalu
b. Informasi (data) dapat dikuantitatifkan dalam bentuk data numerik
c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut
pasa masa yang akan datang.
Baik tidaknya metode yang digunakan oleh perbedaan atau penyimpangan
antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan
antara hasil ramalan dengan kenyataan yang terjadi, maka semakin baik pula metode
yang digunakan.
2.4 Langkah-langkah Dalam Metode Peramalan
Langkah-langkah dalam metode peramalan :
b. Langkah kedua adalah menyeleksi dan memilih data, data-data yang kurang
relevan harus dibuang supaya tidak mempengaruhi akurasi peramalan.
c. Langkah ketiga adalah menganalisis data
d. Langkah keempat adalah menentukan metode yang dipergunakan
e. Langkah kelima adalah memproyeksikan data dengan menggunakan metode
yang dipergunakan dan mempertimbangkan adanya beberapa faktor
perubahan.
2.5 Pengertian dan Kegunaan Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi
pada masa depan, berdasarkan data yang relevan pada masa lalu. Oleh karena metode
peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan
ini dipergunakan dalam peramalan yang obyektif.
Sebagaimana diketahui bahwa metode peramalan merupakan cara berfikir
yang sistematis dan pragmatis atas pemecahan suatu masalah. Disamping itu metode
peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu
masalah dalam peramalan. Selain itu, metode peramalan memberikan cara pengerjaan
yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkannya
teknik-teknik tersebut, maka diharapkan dapat memberikan kepercayaan atau keyakinan yang
lebih besar, karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi
secara ilmiah.
Dari uraian diatas, dapat disimpulkan bahwa metode peramalan sangat
berguna, karena akan membantu dalam mengadakan pendekatan analisis terhadap
tingkah laku atau pola dari data yang lalu. Sehingga dapat memberikan cara
pemikiran, pengajaran dan pemecahan yang sistematis dan pragmatis, serta
memberikan tingkat keyakinan yang lebih besar atas ketetapan hasil ramalan yang
dibuat atau disusun. (Sofjan Assauri, 1984)
2.6 Jenis-jenis Metode Peramalan
1. Metode peramalan yang digunakan atas penggunaan analisa hubungan antar
variabel yang diperkirakan dengan variabel waktu merupakan deret berkala
(Time Series). Metode peramalan yang termasuk pada jenis ini yaitu :
a. Metode Pemulusan (Smoothing)
b. Metode Box Jenkins
c. Metode Proyeksi Trend dengan regresi
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan
mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab
akibat (metode causal). Metode yang termasuk dalam jenis ini adalah :
a. Metode Regresi dan Korelasi
b. Metode Ekonometri
c. Metode Input Output
2.7 Metode Pemulusan (Smoothing)
Metode Pemulusan (Smoothing) adalah metode peramalan dengan mengadakan
penghalusan atau pemulusan data masa lalu yaitu dengan mengambil rata-rata dari
nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Smoothing
dilakukan dengan dua cara yaitu rata-rata bergerak (moving average) dan pemulusan
eksponensial (exponential smoothing).
2.7.1 Rata-rata Bergerak (Moving Average)
Dengan rata-rata bergerak (moving averages) ini dilakukan peramalan dengan
mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan
rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak
digunakan, karena setiap kali data observasi baru tersedia, maka angka rata-rata yang
1. Rata-rata Bergerak Tunggal (Single Moving Averages)
Menetukan ramalan dengan metode rata-rata bergerak tunggal (single moving
averages) cukup mudah dilakukan. Bila akan menerapkan 4 bulan rata-rata
bergerak maka maka ramalan pada bulan Mei dihitung sebesar rata-rata dari 4
bulan sebelumnya, yaitu bulan Januari, Februari, Maret, April.
Persamaan Matematis dari teknik ini adalah :
N X X
X X
F t t t t n
t
1 2
1 1
... − +
− −
+ = + + (Indriyo dan Najmudin,2000:8)
Keterangan :
1
+ t
F : ramalan untuk periode ke t + 1
X
t : nilai riil periode ke t
n : jangka waktu rata-rata bergerak.
a. Karakteristik Khusus Rata-rata Bergerak Tunggal (Single Moving Averages)
Metode single moving average memiliki karakteristik khusus.
1. Untuk menentukan ramalan pada periode yang akan datang
memerlukan data historis selam jangka waktu tertentu.
2. Semakin panjang jangka waktu rata-rata bergerak (moving
halus. Artinya pada rata-rata bergerak (moving average) yang
jangka waktunya lebih panjang, perbedaan ramalan terkecil dengan
ramalan terbesar menjadi lebih kecil.
b. Menghitung Kesalahan Ramalan
Hasil proyeksi yang akurat adalah ramalan yang bisa meminimalkan kesalahan
meramal. Besarnya kesalahan meramaldihitung dengan mengurangi data riil
dengan besarnya ramalan.
Error (E) = X
t - Ft (Indriyo dan Najmudin,2000:11) Keterangan :
X
t = data riil periode ke-t
F
t = ramalan periode ke-t
Dalam menghitung kesalahan ramalan digunakan.
a)Mean Absolute Error
Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa
menghiraukan tanda positif maupun negatif.
n F X
MAE=
∑
t − t (Indriyo dan Najmudin,2000: 11)Mean Squared Error adalah kuadrat rata-rata kesalahan meramal.
(
)
n F X
MSE t t
2
∑
−= (Indriyo dan Najmudin,2000:11)
Metode ini mudah menghitungnya dan sederhana, tetapi mempunyai
kelemahan-kelemahan antara lain :
(1) perlu data histories yang cukup,
(2) data tiap periode diberi weight (bobot) sama,
(3) kalau fluktuasi data tidak random, tidak menghasilkan forecasting yang
baik. (Pangestu Subagyo, 1986:11).
2. Rata-rata Bergerak Ganda (Double Moving Average)
Menentukan ramalan dengan metode rata-rata bergerak ganda (double moving
average) sedikit lebih sulit dibandingkan dengan metode rata-rata bergerak tunggal (single moving average). Ada beberapa langkah dalam menentukan
ramalan dengan metode rata-rata bergerak ganda (double moving average),
antara lain sebagai berikut.
1. Menghitung moving average/ rata-rata bergerak pertama, diberi simbol
S I
t, dihitung dari data historis yang ada. Hasilnya diletakkan pada periode
2. Menghitung moving average/rata-rata bergerak kedua, diberi simbol SII t,
dihitung dari rata-rata bergerak pertama. Hasilnya diletakkan pada
periode terakhir moving average kedua.
3. Menentukan besarnya nilai a
t (konstanta)
(
It IIt)
t I
t s s s
a = + −
4. Menentukan besarnya nilai b
t (slope)
(
)
1 2 − − = V s s b t II t I tV adalah jangka waktu moving average.
5. Menentukan besarnya peramalan
) (m b a m Ft + = +
m adalah jangka waktu forecast kedepan.(Indriyo dan
Najmudin,2000:13).
2.7.2 Pemulusan Eksponensial (Exponential Smoothing)
Metode pemulusan eksponensial (exponential smoothing) merupakan pengembangan
dari metode rata-rata bergerak (moving averages). Dalam metode ini peramalan
data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih
besar.
Dua metode dalam pemulusan eksponensial (exponential smoothing)
diantaranya pemulusan eksponensial tunggal (single exponential smoothing) dan
pemulusan eksponensial ganda (double exponential smoothing).
1. Pemulusan Eksponensial Tunggal (Single Exponential Smoothing)
Pada metode single exponential smoothing bobot yang diberikan pada data
yang ada adalah sebesar α untuk data yang terbaru, α(1-α) untuk data yang
lama, α(1-α) 2
untuk data yang lebih lama, dan seterusnya. Besarnya α adalah antara 0 dan 1. Semakin mendekati 1 berarti data terbaru lebih diperhatikan.
Secara matematis besarnya peramalan adalah:
F
t+1= α Xt+ (1-α) Ft (Indriyo dan Najmudin,2000:17) F
t+1 : ramalan untuk periode ke t + 1
X
t : nilai riil periode ke t
F
t : Ramalan untuk periode ke t
Dari persamaan di atas besarnya peramalan periode yang akan datang
dijelaskan sebagai berikut.
F
t+1 = α Xt + (1-α) Ft
F
F
t+1 = Ft + αXt - α Ft
F
t+1 = Ft + α (Xt – Ft) (Indriyo dan Najmudin,2000:17)
(X
t - Ft) merupakan kesalahan ramlan (forecast error) periode ke t. Dengan
dapat dikatakan bahwa forecast pada periode yang akan datang adalah ramalan
sebelumnya ditambah α (alpha) dikalikan dengan kesalahan forecast periode sebelumnya.
Dalam melakukan peramalan dengan menggunakan metode single
exponential smoothing besarnya α (alpha) ditentukan secarat trial dan error
sampai diketemukan α (alpha) yang menghasilkan forecast error terkecil.
Metode ini lebih cocok digunakan untuk meramal data-data yang fluktuatif
secara random (tidak teratur). (Pangestu Subagyo, 1986:22).
2. Pemulusan Eksponensial Ganda (Double Exponential Smoothing)
Pada metode ini proses penentuan ramalan dimulai dengan menentukan alpha
secara trial dan error. Sedangkan tahap-tahap dalam menentukan ramalan
adalah sebagai berikut.
(
1−)
−1+
= t It
t I
S X
S α α (Indriyodan Najmudin,2000:23)
S I
t
: smoothing pertama periode ke t
X
t : nilai rii periode t
S I
t– 1 : smoothing pertama periode t - 1
2. Menentukan Smoothing kedua (S II
t)
( )
1− −1+
= It IIt
t II
S S
S α α (Indriyo dan Najmudin,2000:23)
1
−
t II
S : smoothing kedua periode t-1 3. Menentukan besarnya konstanta (a
t)
t II t I
t S S
a =2 −
4. Menentukan besarnya slope (b t)
(
It IIt)
t S S
b −
−
= αα
1
5. Menentukan besarnya forecast (F t + m)
F
t + m = at + bt (m), dimana m adalah jangka waktu peramalan.
Metode pemulusan eksponensial ganda (double exponential smoothing) ini
biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan.
2.8 Pengertian Perdagangan
Perdagangan (perniagaan) adalah kegiatan tukar menukar barang atau jasa atau
keduanya. Pada masa awal sebelu
dinamakan barter yaitu menukar barang dengan barang. Pada masa modern
perdagangan dilakukan dengan penukaran
sejumlah uang. Pembeli akan menukar barang atau jasa dengan sejumlah uang yang
diinginkan penjual. (Wikipedia Bahasa Indonesia, Ensiklopedia Bebaas – Mozilla
Firefox)
Dalam Produk Domestik Regional Bruto (PDRB) mencakup seluruh kegiatan
pengumpulan dan pendistribusian barang baru maupun lama, bekas/afkiran, oleh
produsen atau importir kepada konsumen, tanpa mengubah bentuk dan sifat
barang-barang tersebut. Kegiatan pendistribusian/penyaluran dapat melalui pedagang besar
(pedagang yang umumnya melayani pedagang eceran atau konsumen lain yang bukan
konsumen rumah tangga).
Barang-baran yang diperdagangkan meliputi produksi sektor
produksi dari dalam daerah, daerah lain maupun dari luar negeri/ impor. Barang yang
diperdagangkan ini disebut sebagai penyediaan (supply).
(Produk Domestik Regional Bruto (PDRB) Kota Medan Tahun 2008)
2.9 Produk Domestik Regional Bruto (PDRB)
Produk Domestik Regional Bruto (PDRB) didefinisikan sebagai jumlah nilai tambah
yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau merupakan jumlah
seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit usaha. Kegunaan
PDRB antara lain memperlihatkan:
a. tingkat pertumbuhan ekonomi
Laju pertumbuhan ekonomi regional baik total maupun sektoral umumnya
dihitung berdasarkan angka indeks berantai baik total PDRB maupun sektor –
sektornya. Yang dimaksud dengan pertumbuhan ekonomi adalah perubahan
persentase PDRB atas dasar harga konstan dari suatu kurun waktu.
b. tingkat kemakmuran ekonomi
Tingkat kemakmuran ekonomi biasanya diukur dengan pendapatan perkapita
yang merupakan hasil bagi pendapatan regional dengan angka penduduk
c. tingkat inflasi dan deflasi
Tingkat inflasi dan deflasi dapat diketahui bila PDRB atas dasar harga berlaku
dibandingkan dengan PDRB atas dasar harga konstan, hasil baginya disebut
indeks harga implisit.
d. struktur perekonomian
Struktur perekonomian biasanya terdiri atas sektor – sektor menurut klasifikasi
lapangan usaha.
Data PDRB disajikan dalam dua bentuk yaitu menurut klasifikasi lapangan usaha
(sektoral) dan menurut penggunaannya.
a. PDRB menurut lapangan usaha
Penyajian PDRB menurut lapangan usaha akan memberikan gambaran
mengenai peranan masing – masing sektor. PDRB menurut lapangan usaha
dirinci menurut 11 sektor yaitu:
1. sektor pertanian
2. sektor pertambangan dan penggalian
3. sektor industri pengolahan
4. sektor listrik, gas, dan air minum
6. sektor perdagangan, hotel dan restoran
7. sektor pengangkutan dan komunikasi
8. sektor bank, lembaga keuangan lainnya
9. sektor sewa rumah
10.sektor pemerintahan dan pertahanan
11.sektor jasa-jasa
Untuk memperoleh angka – angka PDRB menurut lapangan usaha dilakukan
penghitungan sebagai berikut:
NTB = NPB – NBA
NP(NPB) = HP x KP
NBA(BA) = HBA x KBA
dimana :
NTB = nilai tambah bruto
NPB = nilai produksi bruto (nilai produksi)
NBA = nilai biaya antara
HP = harga produksi
KP = kuantum produksi
HBA = harga biaya antara
b. PDRB menurut penggunaannya
Penyajian PDRB menurut penggunaannya menggambarkan bagaimana
penggunaan barang dan jasa akhir oleh berbagai kegiatan ekonomi. Secara
rinci penyajiannya berbentuk sebagai berikut:
1. pengeluaran konsumsi akhir rumah tangga
2. pengeluaran konsumsi lembaga non-profit
3. pengeluaran konsumsi akhir pemerintah
4. pembentukan modal tetap bruto
5. ekspor neto
Untuk memperoleh angka – angka PDRB menurut penggunaannya, dilakukan
penghitungan secara langsung pada komponen – komponen yang tercakup. Namun
karena mengalami kesulitan dalam kelengkapan data, sehingga data komponen yang
dihitung secara rasional berdasar pada penghitungan sektoral. Dari komponen –
komponen yang tercakup dalam perhitungan PDRB menurut penggunaan dapat
dinotasikan dalam suatu rumus persamaan sebagai berikut:
Y + M = C + IF + IS +E
dimana :
Y = Produk Domestik Regional Bruto
C = konsumsi rumah tangga, pemerintah, lembaga swasta tidak mencari
untung
If = pembentukan modal tetap bruto
Is = perubahan stok
E = ekspor
Dengan berdasarkan pada persamaan tersebut maka PDRB menurut penggunaan dapat
digolongkan menjadi:
1. pengeluaran konsumsi rumah tangga
2. pengeluaran konsumsi lembaga non-profit
3. pembentukan modal tetap Bruto
4. perubahan stok
5. ekspor neto (ekspor dikurangi impor)
BAB 3
METODE PENELITIAN
3.1 Ruang Lingkup
Fokus kegiatan yang dilakukan membahas sektor perdagangan, perkiraan besarnya
pendapatan pada sektor perdagangan Produk Domestik Regional Bruto (PDRB)
berdasarkan data tahun 1997 sampai dengan 2008.
3.2 Variabel dan Metode pengumpulan data
1. Variabel
Variabel dalam penelitian ini adalah volume besarnya Produk Domestik Regional
Bruto (PDRB) Kota Medan tiap tahun.
2. Metode pengumpulan data
Metode pengumpulan data yang digunakan adalah sebagai berikut.
Metode ini digunakan untuk memperkuat teori-teori yang telah ada yaitu dengan
membaca buku-buku.
b. Metode Dokumentasi
Data yang dianalisis diperoleh dari BPS Sumatera Utara yaitu Produk Domestik
Regional Bruto (PDRB) Kota Medan dari tahun 1997 sampai dengan tahun 2008.
3.3 Analisis Data
Metode analisis data yang digunakan dalam tugas akhir ini adalah metode pemulusan
(smoothing) dengan pemulusan eksponensial (exponential smoothing). Metode ini
adalah pengembangan dari metode perataan (average).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.
Dua metode dalam pemulusan eksponensial (exponential smoothing) diantaranya
pemulusan eksponensial tunggal (single exponential smoothing) dan pemulusan
eksponensial ganda (double exponential smoothing).
a. Pemulusan Eksponensial Tunggal (Single Exponential Smoothing)
Metode ini adalah pengembangan dari metode rata-rata bergerak (moving
F
t+1= α Xt+ (1-α) Ft (Indriyo dan Najmudin,2000:17) F
t+1 : ramalan untuk periode ke t + 1
X
t : nilai riil periode ke t
F
t : Ramalan untuk periode ke t
Dari persamaan di atas besarnya peramalan periode yang akan datang
dijelaskan sebagai berikut.
F
t+1 = α Xt + (1-α) Ft
F
t+1 = α Xt + Ft - α Ft
F
t+1 = Ft + αXt - α Ft
F
t+1 = Ft + α (Xt – Ft) (Indriyo dan Najmudin,2000:17)
(X
t - Ft) merupakan kesalahan meramal periode ke t. Dengan demikian dapat
dikatakan bahwa ramalan pada periode yang akan datang adalah ramalan
sebelumnya ditambah α (alpha) dikalikan dengan kesalahan peramalan periode
sebelumnya.
Dalam melakukan peramalan dengan menggunakan metode pemulusan
eksponensial tunggal (single exponential smoothing) besarnya α (alpha)
menghasilkan kesalahan meramal terkecil. Metode ini lebih cocok digunakan
untuk meramal data-data yang fluktuatif secara random (tidak teratur).
(Pangestu Subagyo, 1986:22).
b. Pemulusan Eksponensial Ganda (Double Exponential Smoothing)
Pada metode ini proses penentuan ramalan dimulai dengan menentukan
besarnya alpha secara trial dan error. Sedangkan tahap-tahap dalam
menentukan ramalan adalah sebagai berikut.
1. Menentukan Smoothing pertama (S I
t)
(
1−)
−1+
= t It
t I
S X
S α α (Indriyodan Najmudin,2000:23)
S I
t
: smoothing pertama periode ke t
X
t : nilai rii periode t
SI
t– 1 : smoothing pertama periode t - 1
2. Menentukan Smoothing kedua (S II
t)
(
1−)
−1+
= It IIt
II
t S S
S α α (Indriyo dan Najmudin,2000:23)
1
−
II t
S : smoothing kedua periode t -1
3. Menentukan besarnya konstanta (a t)
t II t I
t S S
4. Menentukan besarnya slope (b t)
(
It IIt)
t S S
b −
−
= αα
1
5. Menentukan besarnya forecast (F t + m)
F
t + m = at + bt (m), dimana m adalah jangka waktu peramalan.
Metode pemulusan eksponensial ganda (double exponential smoothing) ini
biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan.
Tabel 3.1
Data PDRB Kota Medan Sektor Perdagangan
Atas Dasar Harga Berlaku Tahun 1997 – 2008 (Jutaan Rupiah)
Tahun PDRB Sektor Perdagangan 1997 1.875.287,45
1998 2.983.978,36 1999 3.378.471,43 2000 4.563.228,26
2001 5.510.135,70 2002 6.135.245,81 2003 6.569.556,17 2004 7.313.398,82 2005 9.209.143,29 2006 10.242.023,94 2007 11.362.637,09
0 2000000 4000000 6000000 8000000 10000000 12000000 14000000 16000000
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Tahun
P
D
R
[image:42.595.111.525.163.358.2]B
Gambar 3.1 Grafik Data PDRB Kota Medan Sektor Perdagangan Tahun 1997 -2008
Dari grafik diatas dapat dilihat bahwa data Produk Domestik Regional Bruto (PDRB)
Kota Medan termasuk data yang mengalami trend kenaikan, karena itu metode yang
lebih tepat untuk digunakan dalam peramalan data di atas adalah metode Pemulusan
Eksponensial Ganda (Double Exponential Smoothing). Akan tetapi untuk
membuktikan metode mana yang cocok digunakan dalam peramalan ini, akan
dilakukan peramalan dengan dua metode dalam exponential smoothing yaitu single
exponential smoothing dan Pemulusan Eksponensial Ganda (double exponential
BAB 4
ANALISA DAN EVALUASI
4.1 Analisa Data
Berdasarkan metode yang telah dibahas dalam bab sebelumnya (BAB III), dilakukan
peramalan pada data Produk Domestik Regional Bruto (PDRB) yang dikonsentrasikan
pada sektor perdagangan atas dasar harga berlaku tahun 1997 sampai dengan 2011 di
Kota Medan sebagai kelompok pengamatan seperti yang terlihat dalam tabel 3.1.
Dalam peramalan ini digunakan metode pemulusan ekspoensial (exponential
smoothing) yang digunakan untuk meramalkan besarnya Produk Domestik Regional Bruto (PDRB) sektor perdagangan Kota Medan tahun 2011, berikut adalah uraian
singkat dari hasil penelitian yang telah dilakukan.
4.1.1 Pemulusan Eksponensial Tunggal
Dalam melakukan peramalan dengan metode pemulusan eksponensial tunggal (single
0.9. dengan tujuan untuk menemukan α yang menghasilkan kesalahan peramalan
terkecil.
Dengan menggunakan α sebesar 0.1, perhitungan ramalan (forecast)adalah
sebagai berikut.
Tahun 1997 : belum bisa ditentukan karena data pertama.
Tahun 1998 : ditentukan oleh besarnya PDRB tahun 1997 yaitu sebesar 1.875.287,45
Tahun 1999 : F
t+1 = α Xt+ (1-α)Ft
F
1998+1 = α X1998+ (1-α)F1998
F
1999 = (0.1 x 2.983.978,36) + (1 – 0.1)1.875.287,45
= 298.397,836 + (0.9 x 1.875.287,45)
= 298.397,836 + 1.687.758,705
= 1.986.156,541
Tahun 2000 : F
t+1 = α Xt + (1-α)Ft
F
1999+1 = α X1999 + (1-α)F1999
F
2000 = (0.1 x 3.378.471,43) + (1 – 0.1)1.986.156,541
= 337.847,143 + (0.9 x 1.986.156,541)
= 337.847,143 + 1.787.540,887
Tahun 2001 : F
t+1 = α Xt + (1-α)Ft
F
2000+1 = α X2000 + (1-α)F2000
F
2001 = (0.1 x 4.563.228,26) + (1 – 0.1) 2.125.388,03
= 456.322,826 + (0.9 x 2.125.388,03 )
= 456.322,826 + 1.912.849,227
= 2.369.172,053
Tahun 2002 : F
t+1 = α Xt + (1-α)Ft
F
2001+1 = α X2001 + (1-α) F2001
F
2002 = (0.1 x 5.510.135,70) + (1 – 0.1) 2.369.172,053
= 551.013,570 + (0.9 x 2.369.172,053)
= 551.013,570 + 2.132.254,848
= 2.683.268,418
Tahun 2003 : F
t+1 = α Xt + (1-α) Ft
F
2002+1 = α X2002 + (1-α)F2002
F
2003 = (0.1 x 6.135.245,81) + (1 – 0.1) 2.683.268,418
= 613.524,581 + (0.9 x 2.683.268,418)
= 3.028.466,157
Tahun 2004 : F
t+1 = α Xt + (1-α) Ft
F
2003+1 = α X2003 + (1-α)F2003
F
2004 = (0.1 x 6.569.556,17) + (1 – 0.1) 3.028.466,157
= 656.955,617 + (0.9 x 3.028.466,157)
= 656.955,617 + 2.725.619,541
= 3.382.575,158
Tahun 2005 : F
t+1 = α Xt + (1-α)Ft
F
2004+1 = α X2004 + (1-α) F2004
F
2005 = (0.1 x 7.313.398,82) + (1 – 0.1) 3.382.575,158
= 731.339,882 + (0.9 x 3.382.575,158)
= 731.339,882 + 3.044.317,644
= 3.775.657,524
Tahun 2006 : F
t+1 = α Xt + (1-α) Ft
F
2005+1 = α X2005 + (1-α)F2005
F
= 920.914,329 + (0.9 x 3.775.657,524)
= 920.914,329 + 3.398.091,772
= 4.319.006,101
Tahun 2007 : F
t+1 = α Xt + (1-α) Ft
F
2006+1 = α X2006 + (1-α)F2006
F
2007 = (0.1 x 10.242.023,94) + (1 – 0.1) 4.319.006,101
= 1.024.202,394 + (0.9 x 4.319.006,101)
= 1.024.202,394 + 3.887.105,491
= 4.911.307.805
Tahun 2008 : F
t+1 = α Xt + (1-α) Ft
F
2007+1 = α X2007 + (1-α)F2007
F
2008= (0.1 x 11.362.637,09) + (1 – 0.1) 4.911.307.805
= 1.136.263,709 + (0.9 x 4.911.307.805)
= 1.136.263,709 + 4.420.177,096
= 5.556.440,805
10 ,79 43.811.644
=
MAE
=4.381.164,48
(
)
n F X
MSE t t
2
∑
− =10
00 8.051.289, 229.631.32
=
MSE
= 22.963.132.805.128,90
Dengan menggunakan α sebesar 0.6, perhitungan ramalan (forecast)adalah
sebagai berikut.
Tahun 1997 : belum bisa ditentukan karena data pertama.
Tahun 1998 : ditentukan besarnya PDRB tahun 1997 yaitu sebesar 1.875.287,45
Tahun 1999 : F
t+1 = α Xt+ (1-α)Ft
F
1998+1 = α X1998+ (1-α)F1998
F
1999 = (0.6 x 2.983.978,36) + (1 – 0.6)1.875.287,45
= 1.790.387,016 + (0.4 x 1.875.287,45)
= 1.790.387,016 + 750.114,98
Tahun 2000 : F
t+1 = α Xt + (1-α)Ft
F1999+1= α X1999+ (1-α)F1999
F
2000 = (0.6 x 3.378.471,43) + (1 – 0.6) 2.540.501,996
= 2.027.082,858 + (0.4 x 2.540.501,996)
= 2.027.082,858 + 1.016.200,798
= 3.043.283,656
Tahun 2001 : F
t+1 = α Xt + (1-α)Ft
F
2000+1= α X2000+ (1-α)F2000
F
2001 = (0.6 x 4.563.228,26) + (1 – 0.6) 3.043.283,656
= 2.737.936,956 + (0.4 x 3.043.283,656)
= 2.737.936,956 + 2.737.936,956
= 3.955.250,419
Tahun 2002 : F
t+1 = α Xt + (1-α) Ft
F
2001+1= α X2001+ (1-α)F2001
F
2002 = (0.6 x 5.510.135,7) + (1 – 0.6) 3.955.250,419
= 3.306.081,42 + 1.582.100,167
= 4.888.181,587
Tahun 2003 : F
t+1 = α Xt + (1-α) Ft
F
2002+1= α X2002+ (1-α)F2002
F
2003 = (0.6 x 6.135.245,81) + (1 – 0.6) 4.888.181,587
= 3.681.147,486 + (0.4 x 4.888.181,587)
= 3.681.147,486 + 1.955.272,635
= 5.636.420,121
Tahun 2004 : F
t+1 = α Xt + (1-α) Ft
F
2003+1= α X2003+ (1-α)F2003
F
2004 = (0.6 x 6.569.556,17) + (1 – 0.6) 5.636.420,121
= 3.941.733,702 + (0.4 x 5.636.420,121)
= 3.941.733,702 + 2.254.568,048
= 6.196.301,75
Tahun 2005 : F
t+1 = α Xt + (1-α) Ft
F
F
2005 = (0.6 x 7.313.398,82) + (1 – 0.6) 6.196.301,75
= 4.388.039,292 + (0.4 x 6.196.301,75)
= 4.388.039,292 + 2.478.520,7
= 6.866.559,992
Tahun 2006 : F
t+1 = α Xt + (1-α) Ft
F
2005+1= α X2005+ (1-α)F2005
F
2006 = (0.6 x 9.209.143,29) + (1 – 0.6) 6.866.559,992
= 5.525.485,974 + (0.4 x 6.866.559,992)
= 5.525.485,974 + 2.746.623,997
= 8.272.109,971
Tahun 2007 : F
t+1 = α Xt + (1-α) Ft
F
2006+1= α X2006+ (1-α)F2006
F
2007 = (0.6 x 10.242.023,94) + (1 – 0.6) 8.272.109,971
= 6.145.214,364 + (0.4 x 8.272.109,971)
= 6.145.214,364 + 3.308.843,988
= 9.454.058,352
F
2007+1= α X2007+ (1-α)F2007
F
2008 = (0.6 x 11.362.637,09) + (1 – 0.6) 9.454.058,352
= 6.817.582,254 + (0.4 x 9.454.058,352)
= 6.817.582,254 + 3.781.623,341
= 10.599.205,59
n F X MAE=
∑
t − t10 ,02 16.497.210
= MAE
= 1.649.721,00
(
)
n F X
MSE t t
2
∑
− =10
0 .946.547,0 31.515.425
=
MSE
= 3151.542.594.654,70
Dengan menggunakan α sebesar 0.9, perhitungan ramalan (forecast) adalah
sebagai berikut.
Tahun 1998 : ditentukan besarnya PDRB tahun 1997 yaitu sebesar 1.875.287,45
Tahun 1999 : F
t+1 = α Xt+ (1-α)Ft
F
1998+1 = α X1998+ (1-α)F1998
F
1999 = (0.9 x 2.983.978,36) + (1 – 0.9)1.875.287,45
= 2.685.580,524 + (0.1 x 1.875.287,45)
= 2.685.580,524 + 187.528,745
= 2.873.109,269
Tahun 2000 : F
t+1 = α Xt + (1-α)Ft
F
1999+1 = α X1999+ (1-α)F1999
F
2000 = (0.9 x 3.378.471,43) + (1 – 0.9) 2.873.109,269
= 3.040.624,287 + (0.1 x 2.873.109,269)
= 3.040.624,287 + 287.310.9269
= 3.327.935,214
Tahun 2001 : F
t+1 = α Xt + (1-α)Ft
F
2000+1 = α X2000+ (1-α)F2000
F
2001 = (0.9 x 4.563.228,26) + (1 – 0.9) 3.327.935,214
= 4.106.905,434 + 332.793,5214
= 4.439.698,955
Tahun 2002 : F
t+1 = α Xt + (1-α) Ft
F
2001+1 = α X2001+ (1-α)F2001
F
2002 = (0.9 x 5.510.135,7) + (1 – 0.9) 4.439.698,955
= 4.959.122,13 + (0.1 x 4.439.698,955)
= 4.959.122,13 + 443.969.8955
= 5.403.092,026
Tahun 2003 : F
t+1 = α Xt + (1-α) Ft
F
2002+1 = α X2002+ (1-α)F2002
F
2003 = (0.9 x 6.135.245,81) + (1 – 0.9) 5.403.092,026
= 5.521.721,229 + (0.1 x 5.403.092,026)
= 5.521.721,229 + 540.309,2026
= 6.062.030,432
Tahun 2004 : F
t+1 = α Xt + (1-α) Ft
F
F
2004 = (0.9 x 6.569.556,17) + (1 – 0.9) 6.062.030,432
= 5.912.600,553 + (0.1 x 6.062.030,432)
= 5.912.600,553 + 606.203.0432
= 6.518.803,596
Tahun 2005 : F
t+1 = α Xt + (1-α) Ft
F
2004+1 = α X2004+ (1-α)F2004
F
2005 = (0.9 x 7.313.398,82) + (1 – 0.9) 6.518.803,596
= 6.582.058,938 + (0.1 x 6.518.803,596)
= 6.582.058,938 + 651.880,3596
= 7.233.939,298
Tahun 2006 : F
t+1 = α Xt + (1-α) Ft
F
2005+1 = α X2005+ (1-α)F2005
F
2006 = (0.9 x 9.209.143,29) + (1 – 0.9) 7.233.939,298
= 8.288.228,961 + (0.1 x 7.233.939,298)
= 8.288.228,961 + 723.393,9298
Tahun 2007 : F
t+1 = α Xt + (1-α) Ft
F
2006+1 = α X2006+ (1-α)F2006
F
2007 = (0.9 x 10.242.023,94) + (1 – 0.9) 9.011.622,891
= 9.217.821,546 + (0.1 x 9.011.622,891)
= 9.217.821,546 + 901.162,2891
= 10.118.983,835
Tahun 2008 : F
t+1 = α Xt + (1-α) Ft
F
2007+1 = α X2007+ (1-α)F2007
F
2008 = (0.9 x 11.362.637,09) + (1 – 0.9) 10.118.983,835
= 10.226.373,381 + (0.1 x 10.118.983,835)
= 10.226.373,381 + 1.011.898,3835
= 11.238.271,765
n F X MAE=
∑
t − t10 ,18 11.721.596
=
MAE
(
)
n F X
MSE t t
2
∑
− =10
0 .863.958,9 17.204.367
=
MSE
=1.720.436.786.395,89
4.1.2 Pemulusan Eksponensial Ganda
Pada peramalan dengan metode ini digunakan alpha 0.1, 0.6, dan 0.9. Besarnya
peramalan (forecast)bila digunakan alpha 0.1 adalah sebagai berikut.
Tahun 1997 :
S I
t: ditentukan oleh PDRB tahun pertama, yaitu sebesar 1.875.287,45
SII
t: ditentukan juga oleh besarnya PDRB tahun pertama, yaitu sebesar 1.875.287,45
.
a
t : belum bisa ditentukan karena merupakan data pertama.
b
t : belum bisa ditentukan karena merupakan data pertama.
F
t+m : peramalan (forecast)tahun kedua (F1998) ditentukan oleh besarnya PDRB tahun
pertama, yaitu sebesar 1.875.287,45
Tahun 1998 : X
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 2.983.978,36 + (1 – 0.1) 1.875.287,45
= 298.397,836 + (0.9) 1.875.287,45
= 298.397,836 + 1.687.758,705
= 1.986.156,541
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 1.986.156,541 + (1 – 0.1) 1.875.287,45
= 198.615,6541 + (0.9) 1.875.287,45
= 198.615,6541 + 1.687.758,705
= 1.886.374,359
c. a t = 2 S
I
t- S II
t
= 2 (1.986.156,541) – 1.886.374,359
= 3.972.313,082 - 1.886.374,359
= 2.085.938,723
d. bt
(
SIt −SIIt)
e. Forecast F
t+m = at + bt (m)
F
1998+1 = 2.085.938,723 + 11.086,9091(1)
F
1999 = 2.085.938,723 + 11.086,9091
= 2.097.025,632
Tahun 1999 : X
t = 3.378.471,43
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 3.378.471,43 + (1 – 0.1) 1986156.541
= 337.847,143 + (0.9) 1986156.541
= 337.847,143 + 1787540.887
= 2.125.388,03
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 2.125.388,03 + (1 – 0.1) 1.886.374,359
= 212.538,803 + (0.9) 1.886.374,359
= 212.538,803 + 1.697.736,923
= 1.910.275,726
c. a t = 2 S
I
t- S II
t
= 4.250.776,06 - 1.910.275,726
= 2.340.500,334
d. bt
(
SIt −SIIt)
− = αα 1 = 1 . 0 1 1 . 0
− (2.125.388,03 -1.910.275,726)
= 9 . 0 1 . 0 (215.112,304) = 23.901,3671
e. Peramalan (Forecast)
F
t+m = at + bt (m)
F
1999+1 = 2.340.500,334 + 23.901,3671 (1)
F
2000 = 2.340.500,334 + 23.901,3671
= 2.364.401,701
Tahun 2000 : X
t = 4.563.228,26
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 4.563.228,26 + (1 – 0.1) 2.125.388,03
= 456.322,826 + (0.9) 2.125.388,03
= 456.322,826 + 1.912.849,227
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 2.369.172,053 + (1 – 0.1) 1.910.275,726
= 236.917,2053 + (0.9) 1.910.275,726
= 236.917,2053 + 1.719.248,154
= 1.956.165,359
c. a t = 2 S
I
t- S II
t
= 2 (2.369.172,053) – 1.956.165,359
= 4.738.344,106 - 1.956.165,359
= 2.782.178,747
d. bt
(
SIt −SIIt)
− = αα 1 = 1 . 0 1 1 . 0
− (2.369.172,053 -1.956.165,359)
= 9 . 0 1 . 0 (413.006,694) = 45.889,634 e. Forecast F
t+m = at + bt (m)
F
2000+1 = 2.782.178,747 + 45.889,634 (1)
F
= 2.828.068,38
Tahun 2001 : X
t = 5.510.135,7
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 5.510.135,7 + (1 – 0.1) 2.369.172,053
= 551.013,57 + (0.9) 2.369.172,053
= 551.013,57 + 2.132.254,848
= 2.683.268,418
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 2.683.268,418 + (1 – 0.1) 1.956.165,359
= 268.326,8418 + (0.9) 1.956.165,359
= 236.917,2053 + 1.760.548,823
= 2.028.875,665
c. a t = 2 S
I
t- S II
t
= 2 (2.683.268,418) – 2.028.875,665
= 5.366.536,835 - 2.028.875,665
= 3.337.661,171
d. bt
(
SIt −SIIt)
−
= αα
=
1 . 0 1
1 . 0
− (2.683.268,418 -2.028.875,665)
=
9 . 0
1 . 0
(654.392)
= 45.889,694
e. Forecast
F
t+m = at + bt (m)
F
2001+1 = 3.337.661,171 + 45.889,694 (1)
F
2002 = 3.337.661,171 + 45.889,694
= 3.410.371,476
Tahun 2002 : X
t = 6.135.245,81
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 6.135.245,81 + (1 – 0.1) 2.683.268,418
= 613.524,581 + (0.9) 2.683.268,418
= 613.524,581 + 2.414.941,576
= 3.028.466,157
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 3.028.466,157 + (1 – 0.1) 2.028.875,665
= 302.846,6157 + 1.825.988,098
= 2.128.834,714
c. a t = 2 S
I
t- S II
t
= 2 (3.028.466,157) – 2.128.834,714
= 6.056.932,314 - 2.128.834,714
= 3.928.097,6
d. bt
(
SIt −SIIt)
− = αα 1 = 1 . 0 1 1 . 0
− (3.028.466,157 - 2.128.834,714)
= 9 . 0 1 . 0 (899.631,443) = 99.959,0492 e. Forecast F
t+m = at + bt (m)
F
2002+1 = 3.928.097,6 + 99.959,0492 (1)
F
2003 = 3.928.097,6 + 99.959,0492
= 4.028.056,649
Tahun 2003 : X
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 6.569.556,17 + (1 – 0.1) 3.028.466,157
= 656.955,617 + (0.9) 3.028.466,157
= 656.955,617 + 2.725.619,541
= 3.382.575,158
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 3.382.575,158 + (1 – 0.1) 2.128.834,714
= 338.257,5158 + (0.9) 2.128.834,714
= 338.257,5158 + 1.915.951,243
= 2.254.208,758
c. a t = 2 S
I
t- S II
t
= 2 (3.382.575,158) – 2.254.208,758
= 6.765.150,316 - 2.254.208,758
= 4.510.941,558
d. bt
(
SIt −SIIt)
− = αα 1 = 1 . 0 1 1 . 0
− (3.382.575,158 - 2.254.208,758)
e. Forecast F
t+m = at + bt (m)
F
2003+1 = 4.510.941,558 + 125.374,044 (1)
F
2004 = 4.510.941,558 + 125.374,044
= 4.636.315,602
Tahun 2004 : X
t = 7.313.398,82
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 7.313.398,82 + (1 – 0.1) 3.382.575,158
= 731.339,882 + (0.9) 3.382.575,158
= 731.339,882 + 3.044.317,642
= 3.775.657,524
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 3.775.657,524 + (1 – 0.1) 2.254.208,758
= 377.565,7524 + (0.9) 2.254.208,758
= 377.565,7524 + 2.028.787,883
= 2.406.353.635
c. a t = 2 S
I
t- S II
t
= 7.551.315,049 - 2.406.353.635
= 5.144.961,414
d. bt
(
SIt −SIIt)
− = αα 1 = 1 . 0 1 1 . 0
− (3.775.657,524 - 2.406.353.635)
= 9 . 0 1 . 0 (1.369.303,89) = 152.144,877 e. Forecast F
t+m = at + bt (m)
F
2004+1 = 5.144.961,414 + 152.144,877 (1)
F
2005 = 5.144.961,414 + 152.144,877
= 5.297.106,29
Tahun 2005 : X
t = 9.209.143,29
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 9.209.143,29 + (1 – 0.1) 3.775.657,524
= 920.914,329 + (0.9) 3.775.657,524
= 920.914,329 + 3.398.091,772
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 4.319.006,101 + (1 – 0.1) 2.406.353.635
= 431.900,6101 + (0.9) 2.406.353.635
= 431.900,6101 + 2.165.718,271
= 2.597.618,882
c. a t = 2 S
I
t- S II
t
= 2 (4.319.006,101) – 2.597.618,882
= 8.638.012,202 - 2.597.618,882
= 6.040.393,32
d. bt
(
SIt −SIIt)
− = αα 1 = 1 . 0 1 1 . 0
− (4.319.006,101 - 2.597.618,882)
= 9 . 0 1 . 0 (1.721.387,22) = 191.265,247 e. Forecast F
t+m = at + bt (m)
F
2005+1 = 6.040.393,32 + 191.265,247 (1)
F
= 6.231.658,567
Tahun 2006 : X
t = 10.242.023,94
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 10.242.023,94 + (1 – 0.1) 4.319.006,101
= 1.024.202,394 + (0.9) 4.319.006,101
= 1.024.202,394 + 3.887.105,491
= 4.911.307,885
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 4.911.307,885 + (1 – 0.1) 2.597.618,882
= 491.130,7885 + (0.9) 2.597.618,882
= 491.130,7885 + 2.337.856,993
= 2.828.987,782
c. a t = 2 S
I
t- S II
t
= 2 (4.911.307,885) – 2.828.987,782
= 9.822.615,77 - 2.828.987,782
= 6.993.627,988
d. bt
(
SIt −SIIt)
−
= αα
=
1 . 0 1
1 . 0
− (4.911.307,885 - 2.828.987,782)
=
9 . 0
1 . 0
(2.082.320,1)
= 231.368,9
e. Forecast
F
t+m = at + bt (m)
F
2006+1 = 6.993.627,988 + 231.368,9 (1)
F
2007 = 6.993.627,988 + 231.368,9
= 7.224.996,888
Tahun 2007 : X
t = 11.362.637,09
a.SIt =αXt +
(
1−α)
SIt−1= 0.1 x 11.362.637,09 + (1 – 0.1) 4.911.307,885
= 1.136.263,709 + (0.9) 4.911.307,885
= 1.136.263,709 + 4.420.177,096
= 5.556.440,805
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.1 x 5.556.440,805 + (1 – 0.1) 2.828.987,782
= 555.644.0805 + 2.546.089,004
= 3.101.733,084
c. a t = 2 S
I
t- S II
t
= 2 (5.556.440,805) – 3.101.733,084
= 11.112.881,61 - 3.101.733,084
= 8.011.148,526
d. bt
(
SIt −SIIt)
− = αα 1 = 1 . 0 1 1 . 0
− (5.556.440,805 - 3.101.733,084)
= 9 . 0 1 . 0 (2.454.707,72) = 272.745,302 e. Forecast F
t+m = at + bt (m)
F
2007+1 = 8.011.148,526 + 272.745,302 (1)
F
2008 = 8.011.148,526 + 272.745,302
= 8.283.893,829
10 ,45 31.547.188
=
MAE
= 3.154.718,845
(
)
n F X
MSE t t
2
∑
− =10
0 .902.605,0 112187.409
=
MSE
= 11.218.740.990.260,50
Besarnya forecast bila digunakan alpha 0.6 adalah sebagai berikut.
Tahun 1997 :
SI
t: ditentukan oleh PDRB tahun pertama, yaitu sebesar 1.875.287,45
S II
t: ditentukan juga oleh besarnya PDRB tahun pertama, yaitu sebesar 1.875.287,45
a
t : belum bisa ditentukan karena merupakan data pertama.
b
t : belum bisa ditentukan karena merupakan data pertama.
F
t+m : peramalan (forecast) tahun kedua (F2001) ditentukan oleh besarnya PDRB tahun
pertama, yaitu sebesar 1.875.287,45
Tahun 1998 : X
t = 2.983.978,36
= 0.6 x 2.983.978,36 + (1 – 0.6) 1.875.287,45
= 1.790.387,016 + (0.4) 1.875.287,45
= 1.790.387,016 + 750.114,98
= 2.540.501,996
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.6 x 2.540.501,996 + (1 – 0.6) 2.540.501,996
= 1.524.301,198 + (0.4) 2.540.501,996
= 1.524.301,198 + 750.114,98
= 2.274.416,178
c. a t = 2 S
I
t- S II
t
= 2 (2.540.501,996) – 2.274.416,178
= 5.081.003,992 - 2.274.416,178
= 2.806.587,814
d. bt
(
SIt −SIIt)
− = αα 1 = 6 . 0 1 6 . 0
− (2.540.501,996 - 2.274.416,178)
F
t+m = at + bt (m)
F
1998+1 = 2.806.587,814 + 399.128,728 (1)
F
1999 = 2.806.587,814 + 399.128,728
= 3.205.716,542
Tahun 1999 : X
t = 3.378.471,43
a.SIt =αXt +
(
1−α)
SIt−1= 0.6 x 3.378.471,43 + (1 – 0.6) 2.540.501,996
= 2.027.082,858 + (0.4) 2.540.501,996
= 2.027.082,858 + 1.016.200,798
= 3.043.283,656
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.6 x 3.043.283,656 + (1 – 0.6) 2.274.416,178
= 1.825.970,194 + (0.4) 2.274.416,178
= 1.825.970,194 + 909.766,471
= 2.735.736,665
c. a t = 2 S
I
t- S II
t
= 6.086.567,313 - 2.735.736,665
= 3.350.830,648
d. bt
(
SIt −SIIt)
− = αα 1 = 6 . 0 1 6 . 0
− (3.043.283,656 - 2.735.736,665)
= 4 . 0 6 . 0 (307.546,992) = 461.320,487 e. Forecast F
t+m = at + bt (m)
F
1999+1 = 3.350.830,648 + 461.320,487 (1)
F
2000 = 3.350.830,648 + 461.320,487
= 3.812.151,135
Tahun 2000 : X
t = 4.563.228,26
a.SIt =αXt +
(
1−α)
SIt−1= 0.6 x 4.563.228,26 + (1 – 0.6) 3.043.283,656
= 2.737.936,956 + (0.4) 3.043.283,656
= 2.737.936,956 + 1.217.313,463
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.6 x 3.955.250,419 + (1 – 0.6) 2.735.736,665
= 2.737.150,251 + (0.4) 2.735.736,665
= 2.737.150,251 + 1.094,294,666
= 3.467.444,917
c. a t = 2 S
I
t- S II
t
= 2 (3.955.250,419) – 3.467.444,917
= 7.910.500,837 - 3.467.444,917
= 4.443.055,92
d. bt
(
SIt −SIIt)
− = αα 1 = 6 . 0 1 6 . 0
− (3.955.250,419 - 3.467.444,917)
= 4 . 0 6 . 0 (487.805,501) = 731.708,252 e. Forecast F
t+m = at + bt (m)
F
2000+1 = 4.443.055,92 + 731.708,252 (1)
F
= 5.174.764,172
Tahun 2001 : X
t = 5.510.135,7
a.SIt =αXt +
(
1−α)
SIt−1= 0.6 x 5.510.135,7 + (1 – 0.6) 3.955.250,419
= 3.306.081,42 + (0.4) 3.955.250,419
= 3.306.081,42 + 1.582.100,167
= 4.888.181,587
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.6 x 4.888.181,587 + (1 – 0.6) 3.467.444,917
= 2.932.908,952 + (0.4) 3.467.444,917
= 2.932.908,952 + 1.386.977,967
= 4.319.886,919
c. a t = 2 S
I
t- S II
t
= 2 (4.888.181,587) – 4.319.886,919
= 9.776.363,175 - 4.319.886,919
= 5.456.476,256
d. bt
(
SIt −SIIt)
−
= αα
=
6 . 0 1
6 . 0
− (4.888.181,587 - 4.319.886,919)
=
4 . 0
6 . 0
(568.294,668)
= 852.442,002
e. Forecast
F
t+m = at + bt (m)
F
2001+1 = 5.456.476,256 + 852.442,002 (1)
F
2002 = 5.456.476,256 + 852.442,002
= 6.308.918,258
Tahun 2002 : X
t = 6.135.245,81
a.SIt =αXt +
(
1−α)
SIt−1= 0.6 x 6.135.245,81 + (1 – 0.6) 4.888.181,587
= 3.681.147,486 + (0.4) 4.888.181,587
= 3.681.147,486 + 1.955.272,635
= 5.636.420,121
= 0.6 x 5.636.420,121 + (1 – 0.6) 4.319.886,919
= 3.381.852,073 + (0.4) 4.319.886,919
= 3.381.852,073 + 1.727.954,768
= 5.109.806,84
c. a t = 2 S
I
t- S II
t
= 2 (5.636.420,121) – 5.109.806,84
= 11.272.840,24 - 5.109.806,84
= 6.163.033,402
d. bt
(
SIt −SIIt)
− = αα 1 = 6 . 0 1 6 . 0
− (5.636.420,121 - 5.109.806,84)
= 4 . 0 6 . 0 (526.613,281) = 789.919,921 e. Forecast F
t+m = at + bt (m)
F
2002+1 = 6.163.033,402 + 789.919,921 (1)
F
2003 = 6.163.033,402 + 789.919,921
Tahun 2003 : X
t = 6.569.556,17
a.SIt =αXt +
(
1−α)
SIt−1= 0.6 x 6.569.556,17 + (1 – 0.6) 5.636.420,121
= 3.941.733,702 + (0.4) 5.636.420,121
= 3.941.733,702 + 2.254.568,048
= 6.196.301,75
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.6 x 6.196.301,75 + (1 – 0.6) 5.109.806,84
= 3.717.781,05 + (0.4) 5.109.806,84
= 3.717.781,05 + 2.043.922,736
= 5.761.703,786
c. a t = 2 S
I
t- S II
t
= 2 (6.196.301,75) – 5.761.703,786
= 12.392.603,5 - 5.761.703,786
= 6.630.899,714
d. bt
(
SIt −SIIt)
−
= αα
1
= 6 . 0 1
6 . 0
=
4 . 0
6 . 0
(434.597,964)
= 651.896,946
e. Forecast F
t+m = at + bt (m)
F
2003+1 = 6.630.899,714 + 651.896,946 (1)
F
2004 = 6.630.899,714 + 651.896,946
= 7.282.796,66
Tahun 2004 : X
t = 7.313.398,82
a.SIt =αXt +
(
1−α)
SIt−1= 0.6 x 7.313.398,82 + (1 – 0.6) 6.196.301,75
= 4.388.039,292 + (0.4) 6.196.301,75
= 4.388.039,292 + 2.478.520,7
= 6.866.559,992
b.SIIt =αSIt +
(
1−α)
SIIt−1= 0.6 x 6.866.559,992 + (1 –