PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN
DENGAN PERIODE BULANAN
TUGAS AKHIR
RAHMAYANI NASUTION 112407098
PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN
DENGAN PERIODE BULANAN
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya
RAHMAYANI NASUTION 112407098
PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Peramalan Nilai Ekspor dan Impor Semua Tanaman di Balai
Besar Karantina Pertanian Belawan
Kategori : Tugas Akhir
Nama : Rahmayani Nasution
NIM : 112407098
Program Studi : D3 Statistika
Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam (FMIPA)
Universitas Sumatera Utara
Disetujui di
Medan, Juni 2014
Disetujui Oleh
Ketua Program Studi D3 Statistika FMIPA Pembimbing,
USU
Dr. Faigiziduhu Bu’ulölö, M.Si Dr. Sutarman M.Sc
SURAT PERNYATAAN
PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN
DENGAN PERIODE BULANAN
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 2014
RAHMAYANI NASUTION
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan
Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan Tugas
Akhir ini dengan judul “Peramalan Nilai Ekspor dan Impor Semua Tanaman di
Balai Besar Karantina Pertanian Belawan dengan Periode Bulanan”.
Terimakasih penulis sampaikan kepada Bapak Dr. Sutarman, M.Sc selaku
pembimbing sekaligus Dekan FMIPA USU yang telah meluangkan waktunya
selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu
Bu’ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan
Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si
dan Ibu Dr. Mardinigsih, M.Si selaku Ketua dan Sekretaris Departemen
Matematika FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan
kepada Bapak Alm. Ramlan Nasution, Ibu Tumita dan keluarga yang selama ini
memberikan bantuan dan dorongan yang diperlukan semoga Tuhan Yang Maha
Esa membalasnya.
Penulis
DAFTAR ISI
Halaman
PERSETUJUAN i
PERNYATAAN ii PENGHARGAAN iii DAFTAR ISI iv DAFTAR TABEL v DAFTAR GAMBAR vi BAB 1 PENDAHULUAN 1 1.1. Latar Belakang 1
1.2. Rumusan Masalah 3
1.3. Batasan Masalah 3
1.4. Tujuan dan Manfaat 6
1.5. Metode Penelitian 6
1.6. Sistematika Penulisan 8
BAB 2 LANDASAN TEORI 10
2.1. Pengertian Peramalan 10
2.2.Jenis Peramalan 11
2.3.Metode Peramalan 12
2.3.1. Pengertian Metode Peramalan 13
2.3.2. Jenis Jenis Metode Peramalan 13
2.4.Metode Box-Jenkis 15
2.5.Metode Deret Berkala (Times Series) Box-Jenkins 18
2.6.Metode Auto Regresive (AR) 18
2.7.Metode Rataan Bergerak 19
2.8.Metode Box-Jenkins 20
2.9.Peramalan Metode Box-Jenkins 21
BAB 3 SEJARAH PERUSAHAAN 22
3.1. Sejarah Singkat Karantina Pertanian 22
3.2. Organisasi Karantina 24
3.3. Arti dan Makna Logo 24
3.4. Visi dan Misi 26
BAB 4 ANALISA DAN EVALUASI 28
4.1. Studi Kasus 28
4.2. Analisa Plot Data Awal30
BAB 5 KESIMPULAN DAN SARAN 46
5.1. Kesimpulan 46
5.2. Saran 47
DAFTAR PUSTAKA
LAMPIRAN
DAFTAR TABEL
Halaman
Tabel 4.1.1. Data Bulanan Nilai Ekspor Pertanian Belawan 2008-2012 28
Tabel 4.1.2. Data Bulanan Nilai Impor Pertanian Belawan 2008-2012 29
Tabel 4.2.1. Nilai-nilai Pembedaan Pertama Ekspor 35
Tabel 4.2.2. Nilai-nilai Pembedaan Pertama Impor 36
Tabel 4.2.3. Nilai-nilai Pembedaan Kedua Ekspor 41
DAFTAR GAMBAR
Halaman
Gambar 3.3.1. Arti dan Makna Logo 24
Gambar 4.2.1. Plot Ekspor dan Impor Pertanian Belawan Tahun 2008-2012 30
Gambar 4.2.2. Autokorelasi Nilai Ekspor Pertanian Belawan Tahun 2008-2012 31
Gambar 4.2.3. Autokorelasi Nilai Impor Pertanian Belawan Tahun 2008-2012 32
Gambar 4.2.4. Autokorelasi Parsial Nilai Ekspor 33
Gambar 4.2.5. Autokorelasi Parsial Nilai Impor 34
Gambar 4.2.6. Autokorelasi Nilai Ekspor dengan Pembedaan Pertama 37
Gambar 4.2.7. Autokorelasi Nilai Impor dengan Pembedaan Pertama 38
Gambar 4.2.8. Autokorelasi Parsial Nilai Ekspor dengan Pembedaan Pertama 39
Gambar 4.2.9. Autokorelasi Parsial Nilai Impor dengan Pembedaan Pertama 40
Gambar 4.3.0. Autokorelasi Nilai Ekspor dengan Pembedaan Kedua 42
Gambar 4.3.1. Autokorelasi Nilai Impor dengan Pembedaan Kedua 43
Gambar 4.3.2. Autokorelasi Parsial Nilai Ekspor dengan Pembedaan Kedua 44
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Pada mulanya hubungan perdagangan hanya terbatas pada satu wilayah Negara
yang tertentu, tetapi dengan semakin berkembangnya arus perdagangan maka
hubungan dagang tersebut tidak hanya dilakukan antara para pengusaha dalam
satu wilayah negara saja, tetapi juga dengan para pedagang dari negara lain, tidak
terkecuali Indonesia. Bahkan hubungan-hubungan dagang tersebut semakin
beraneka ragam, termasuk cara pembayarannya.
Kegiatan ekspor impor didasari oleh kondisi bahwa tidak ada suatu Negara
yang benar-benar mandiri karena satu sama lain saling membutuhkan dan saling
mengisi. Setiap Negara memiliki karakteristik yang berbeda, baik sumber daya
alam, iklim, geografi, demografi, struktur ekonomi dan struktur sosial. Perbedaan
tersebut menyebabkan perbedaan komoditas yang dihasilkan, komposisi biaya
yang diperlukan, kualitas dan kuantitas produk. secara langsung atau tidak
langsung membutuhkan pelaksanaan pertukaran barang dan atau jasa antara satu
negara dengan negara lainnya. Maka dari itu antara negara-negara yang terdapat
didunia perlu terjalin suatu hubungan perdagangan untuk memenuhi kebutuhan
Transakasi perdagangan internasional yang lebih dikenal dengan istilah
ekspor impor, pada hakikatnya adalah suatu transaksi sederhana yang tidak lebih
dari membeli dan menjual barang antara pengusaha-pengusaha yang bertempat
tinggal atau berdomisili dinegara-negara yang berbeda. Namun dalam pertukaran
barang dan jasa yang menyeberangi laut ataupun darat ini tidak jarang timbul
berbagai masalah yang kompleks antara para pengusaha yang mempunyai bahasa,
kebudayaan, adat istiadat, dan cara yang berbeda-beda
Ekspor adalah proses transportasi barang atau komoditas dari suatu negara
ke negara lain secara legal, umumnya dalam proses perdagangan. Proses ekspor
pada umumnya adalah tindakan untuk mengeluarkan barang atau komoditas dari
dalam negeri untuk memasukannya ke negara lain. Ekspor barang secara besar
umumnya membutuhkan campur tangan dari bea cukai di negara pengirim
maupun penerima. Ekspor adalah bagian penting dari perdagangan internasional,
lawannya adalah impor.
Impor adalah proses transportasi barang atau komoditas dari suatu negara
ke negara lain secara legal, umumnya dalam proses perdagangan. Proses impor
umumnya adalah tindakan memasukan barang atau komoditas dari negara lain ke
dalam negeri. Impor barang secara besar umumnya membutuhkan campur tangan
dari bea cukai di negara pengirim maupun penerima. Impor adalah bagian penting
Pengutamaan Ekspor bagi Indonesia sudah digalakkan sejak tahun
1983.Sejak saat itu,ekspor menjadi perhatian dalam memacu pertumbuhan
ekonomi seiring dengan berubahnya strategi industrialisasi dari penekanan pada
industri substitusi impor ke industri promosi ekspor. Konsumen dalam negeri
membeli barang impor atau konsumen luar negeri membeli barang
domestik,menjadi sesuatu yang sangat lazim. Persaingan sangat tajam antar
berbagai produk. Selain harga,kualitas atau mutu barang menjadi faktor penentu
daya saing suatu produk.
Sesuai dengan penjelasan di atas maka penulis ingin mengangkat judul
“PERAMALAN NILAI EKSPOR DAN IMPOR SEMUA TANAMAN DI BALAI BESAR KARANTINA PERTANIAN BELAWAN DENGAN PERIODE BULANAN”.
1.2 Perumusan Masalah
Untuk memperjelas dan mempermudah penelitian ini agar tidak menyimpang dari
sasaran yang dituju, maka penulis hanya meramalkan n nisbi yang akan datang
(Bulan Januari 2007 – Desember 2012).
1.3 Tinjauan Pustaka
Metode ARIMA adalah salah satu metode peramalan yang ada dalam
mempengaruhi variabel dependen. Selain menggunnakan model regresi model ini
juga dapat menggunakan metode ARIMA atau metode BOX-JENKINS, untuk
mencari model terbaik yang dapat digunakan dalam peramalan. Metode ARIMA
berasal dari penggabungan antara Autoregresive (AR), Moving Average (MA).
Dalam meramalkan ekspor dan impor, maka dapat digunakan beberapa buku
antara lain :
Assauri, S [1] menguraikan tentang defenisi peramalan adalah kegiatan
memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan
ramalan adalah situasi atau kondisi yang diperlukan akan terjadi pada masa yang
akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang
dikenal dengan metode peramalan.
Daljoeni, N [2] menguraikan tentang klimatologi yakni seluk-beluknya,
klasifikasinya serta pernyataan secara wilayah. Dalam beberapa uraian diusahakan
relevansinya dengan kehidupan makhluk hidup.
Makridakis, S [3] menguraikan bahwa dalam metode dan aplikasi
peramalan Makridakis, pada dasarnya ada dua model dari metode Box-Jenkins
yaitu model linier untuk deret statis (Stationery Series) dan model linier yang
tidak statis (Non Stationery Series). Model-model untuk deret statis menggunakan
teknik penyaringan untuk deret waktu yaitu apa yang disebut dengan ARIMA
(Auto Regresive-Moving Average) untuk suatu kumpulan data, sedangkan untuk
model yang tidak statis menggunakan apa yabg disebut debgan ARIMA (Auto
Untuk kumpulan data, model ARIMA (p,q) menjadi:
Xt = ∅1Xt-1 + ∅2Xt-2 + ... + ∅pXt-p+ et – �1et-1 - ... – �qet-q
Untuk data yang dikumpulkan secara bulanan, pembedaan satu musim penuh
(tahun) dapat dihitung Xt – Xt-12 = (1-B12)Xt, sehingga untuk model ARIMA (p,d,f),
(P,D,Q)s dengan s adalah jumlah periode permusim.
Maljoivi [4] menguraikan tentang peramalan usaha dengan berbagi
metode, salah satunya dengan menggunakan metode runtun waktu lanjutan yang
didalamnya terdapat bermacam-macam metode antara lain : metode otokorelasi
(Yt = Yt-n), metode otoregresi (Yt = ∅1Yt-1 + ... + ∅nYt-n + et), dan metode
Box-Jenkins.
Mudrajad [5] menguraikan tentang anlisis kurs valas menggunakan
pendekatan Box-Jenkins dengan ARIMA (Auto Regresive-integrate-Moving
Average) adalah metode yang menggabungkan banyak unsur dalam teori dan
banyak dipakai untuk tujuan peramalan.
Sudjana [6] menguraikan tentang data yang terdiri atas dua atau lebih
variabel untuk mempelajari cara bagaimana data itu berhubungan. Hubungan yang
didapat pada umumnya dinyatakan dalam bentuk persamaan matematika yang
menyatakan hubungan fungsional antar variabel-variabel. Untuk keperluan
analisis, variabel bebas akan dinyatakan dengan X1, X2,..., Xk + et (k≥ 1) sedangkan
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk dapat menganalisis nilai ekspor dan impor,
menerapkan dan mengaplikasikan metode Box-Jenkins, agar dapat meramalkan
nilai ekpor dan impor bulanan di Pertanian Belawan selama 2013.
1.5 Kontribusi Penelitian
Kontribusi yang dapat diambil dari penelitian ini adalah :
1. Dapat menjadi suatu bahan masukan atau sebagai pertimbangan yang
berguna bagi Karantina Pertanian Belawan dalam mengambil suatu
kebijaksanaan.
2. Sebagai informasi bagi BPS, instansi peternakan, pertanian dan
perkebunan di Kotamadya Medan.
3. Sebagai sarana meningkatkan pengetahuan dan wawasan penulis.
1.6 Metode Penelitian
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa
yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat
didasarkan atas berbagai macam metode, yaitu metode pemulusan eksponensial
atau rata-rat bergerak, metode Box-Jenkins, dan metode Regresi, semua itu
memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan
datang. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang
bersifat objektif.
Peramalan dengan menggunakan metode deret waktu didasarkan pada
pendugaan masa depan yang dilakukan berdasarkan nilai masa lalu dari suatu
variabel dan / atau kesalahan peramalan di masa lalu. Tujuan metode peramalan
deret waktu seperti itu adalah menemukan pola dalam deret data historis dan
mengekstrapolasikan pola dalam deret data tersebut ke masa depan.
Data yang dikumpulkan dalam penelitian ini adalah data sekunder yang
diperoleh dari Balai Besar Karantina Pertanian Belawan, yaitu data ekspor dan
impor dari bulan januari 2009 s/d desember 2013, data yang dikumpulkan
kemudian diatur, disusun dan disajikan dalam tabel. Model peramalan
Box-Jenkins untuk postulasi kelas untuk ARIMA (p,q) yang umum adalah:
Xt = ∅1Xt-1 + ∅2Xt-2 + ... + ∅pXt-p+ et – �1et-1 - ... – �q et-q
Keterangan :
Xt = Variabel yang diramalkan
Xt-p = Variabel pertama dari periode ke 1,2,...,p
∅p = Parameter Auto Regresive
et = Nilai kesalahan pada t
�q = Parameter-parameter dari MA (1,2,...,p)
1.7 Sistematika Penelitian
penulisan tugas akhir ini disususn secara sistematis didalamnya dikemukakan
beberapa hal, dimana setiap Bab seperti yang tercantum dibawah :
BAB 1 PENDAHULUAN
Bab ini menerangkan tentang latar belakang,perumusan masalah, tinjauan
pustaka, tujuan penelitian, kontribusi penelitian, metode penelitian, dan
sistematika penulisan.
BAB 2 LANDASAN TEORI
Bab ini menerangkan tentang segala sesuatu yang mencakup terhadap
penyelesaian masalah sesuai dengan judul yang dibuat.
BAB 3 SEJARAH SINGKAT KARANTINA PERTANIAN
Bab ini menerangkan keadaan KARANTINA PERTANIAN
BAB 4 ANALISIS DATA
Bab ini membahas tentang pengolahan data untuk mencari hasil
BAB 5 KESIMPULAN DAN SARAN
Bab ini menerangkan kesimpulan atas data yang telah diamati juga saran
yang dapat berupa masukan bagi KARANTINA PERTANIAN,
pemerintah maupun swasta serta pihak-pihak lain membutuhkan hasil
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi dimasa
yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang
diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat
didasarkan atas berbagai macam metode, yaitu metode pemulusan eksponensial
atau rata-rat bergerak, metode Box-Jenkins, dan metode Regresi, semua itu
dikenal dengan metode peramalan. Metode peramalan adalah cara untuk
memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan
datang. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang
bersifat objektif.
Disamping itu peramalan memberikan urutan pengerjaan dan pemecahan
atas pendekatan suatu masalah dalam peramalan, sehingga apabila digunakan
pendekatan yang sama suatu permasalahan dalam kegiatan peramalan, maka akan
didapat dasar pemikiran dan pemecahan yang sama.
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh
metode yang digunakan, juga ditentukan baik tidaknya informasi yang digunakan.
Selama informasi yang digunakantidak dapat meyakinkan, maka hasil peramalan
2.2 Kegunaan Peramalan
Sering terdapat senjang waktu (Time Lag) antara kesadaran akan peristiwa atau
kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (Lead
Time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi
itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi
atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Dalam perencanaan di organisasi atau perusahaan peramalan merupakan
kebutuhan yang sangat penting, dimana baik buruknya peramalan dapat
mempengaruhi seluruh bagian organisasi, karena waktu tenggang untuk
pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan
alat bantu untuk yang penting dalam perencanaan yang efektif dan efesien.
Peramalan memiliki banyak kegunaan, diantaranya:
1. Berguna penjadwalan sumber daya yang tersedia.
Penggunaan sumber daya yang efesien memerlukan penjadwalan produksi,
transportasi, kas, personalia, dan sebagainya. Input yang penting untuk
penjadwalan seperti itu adalah ramalan tingkat permintaan akan konsumennya
atau pengalaman.
2. Berguna dalam penyediaan sumber daya tambahan.
Waktu tenggang (Lead Time) untuk memperoleh bahan baku menerima
pekerjaan yang baru atau membeli mesin dan peralatan dapat berkisar antara
beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan
3. Untuk menentukan sumber daya yang diinginkan.
Setiap organisasi harus menentukan sumber daya yang dimiliki dalam jangka
panjang. Keputusan semacam itu bergantung kepada faktor-faktor lingkungan,
manusia dan pengembangan sumber daya keuangan. Semua penentuan ini
memerlukan ramalan yang baik dan manajer yang dapat menafsirkan
pendugaan serta membuat keputusan yang tepat.
Walaupun terdapat banyak bidang lain yang memerlukan peramalan,
namun tiga kelompok diatas merupakan bentuk khas dari kegunaan peramalan
jangka pendek, menengah dan panjang.
Dari uraian diatas dapat dikatakan Metode Peramalan sangat berguna,
karena akan membantu dalam mengadakan analisis terhadap data dari masa
lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan
terarah, perencanaan yang sistematis serta memberikan ketepatan hasil
peramalan yang dibuat atau disusun.
2.3 Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan
terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Metode
peramalan sangat berguna untuk membantu dalam mengadakan pendekatan
analisis terhadap pola dari data yang lalu, sehingga dapat memberikan cara
pemikiran, pekerjaan dan pemecahan yang sistematis, serta memberikan tingkat
2.3.1 Metode Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan oleh
pemikiran yang bersifat intuisi, pendapatan dan pengetahuan serta pengalaman
dari penyusunnya. Biasanya peramalan ini didasarkan atas hasil penyelidikan.
Metode kualitatif ini dapat dibagi menjadi metode eksploratoris dan normatif.
2.3.2 Metode Peraalan 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, adapun yang perlu diperhatikan dari penggunaan
metode-metode tersebut adalah baik tidaknya metode yang dipergunakan sangat
ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan
kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil dengan
kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Metode
kuatitatif dapat dibagi menjadi deret berkala (time series) dan metode kausal.
Sekarang ini telah dikembangkan beberapa metode atau teknik-teknik
peramalan untuk menghadapi bermacam-macam keadaan yang akan terjadi.
Peramalan dibedakan atas peramalan kuantitatif dan kualitatif. Dalam hal ini
pada peramalan kuantitatif. Pada dasarnya metode peramaln kuantitatif ini
dibedakan atas :
1. Metode peramalan yang didasarkan pada penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu, yang
merupakan deret berkala (time series).
2. Metode peramalan yang didasarkan pada penggunaan analisa pola hubungan
antara variabel yang akan diperkirakan dengan variabel lain yang
mempengaruhinya, bukan waktu yang disebut dengan metode korelasi, sebab
akibat (causal methods).
Dalam penulisan proposal ini., digunakan metode peramalan yang
pertama, yaitu metode peramalan dengan menggunakan variabel waktu atau yang
dikenal dengan “time series”.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi, yaitu:
1. Adanya informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu
akan terus berlanjut di masa yang akan datang.
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan
(asumtion of continuity). Asumsi ini merupakan modal yang mendasari dari
semua metode peramalan kuantitatif dan banyak metode peramalan teknologis
Metode-metode peramalan dengan menggunakan analisa deret waktu, yaitu:
1. Metode pemulusan (smoothing) dan rata-rata bergerak (moving average)
Metode ini sering digunakan untuk ramalan jangka pendek dan untuk ramalan
jangka panjang.
2. Metode Box Jenkins
Metode ini jarang dipakai, namun baik digunakan untuk ramalan jangka
pendek, menengah dan jangka panjang.
3. Metode proyeksi trend dengan regresi
Metode ini digunakan untuk ramalan jangka menengah dan jangka panjang.
Dalam penulisan proposal ini, yang akan digunakan adalah metode time
series yang pertama, yaitu metode pemulusan eksponensial.
2.4 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, perlu diketahui ciri-ciri penting
untuk pengambilan keputusan dan analisa keadaan dalam mempersiapkan
peramalan.
Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode
peramalan, yaitu:
1. Horizon Waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing
2. Pola data
Dasar utama metode peramalan adalah anggapan bahwa macam dari pola data
yang diramalkan akan berkelanjutan.
3. Jenis-jenis dari Model
Jenis-jenis model merupakan suatu deret dimana waktu yang digambarkan
sebagai unsur penting untuk menentukan perubahan-perubahan dalam pola.
Masing-masing model perlu diperhatikan karena masing-masing model
mempunyai kemampuan yang berbeda dalam analisa keadaan untuk
pengambilan keputusan.
4. Biaya yang dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan yaitu: biaya-biaya pengembangan, penyimpanan (storage)
data, operasi pelaksaan, kesempatan dalam penggunaan teknik-teknik dan
metode peramalan.
5. Ketepatan Metode Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dalam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
Hal penting yang harus diperhatikan dalam metode deret berkala adalah
menentukan jenis pola data historinya. Sehingga pola data yang tepat dengan pola
data historis tersebut dapat diuji, dimana pola data umumnya dapat dibedakan
sebagai berikut:
1. Pola Data Horizontal
Pola ini terjadi bila berpluktasi disekitar nilai rata-rata yang konstan.
2. Pola Data Musiman (Seasonal)
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam
deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor
musiman, misalnya: kuartal tahun tertentu, bulanan, atau hari-hari pada minggu
tertentu.
3. Pola Data Siklis (Cyclical)
Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu
kurva trend. Terjadi bila datanya dipengaruhi oleh fluktasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis.
4. Pola Data Trend
2.5 Metode Deret Berkala (Time Series) Box-Jenkins (ARIMA)
Metode peramalan yang sering digunakan adalah deret waktu (time series).
Dimana sejumlah observasi diambil selama beberapa periode dan digunakan
sebagai dasar dalam penyusunan suatu ramalan untuk beberapa periode dimasa
depan yang diinginkan. Metode Box-Jenkins adalah salah satu metode untuk
menganalisis waktu.
Pada dasarnya ada dua model dari metode Box-Jenkins, yaitu model linier
untuk deret statis (Stasionary Series) dan model untuk deret data yang tidak statis
(Non Stasionary Series). Model-model linier untuk deret data yang statis
menggunakan teknik penyaringan (Auto Regresive-Moving Average) untuk suatu
kumpulan data. Sedangkan untuk model yang tidak statis menggunakan apa yang
disebut ARIMA (Auto Regresive-Moving Average).
2.6 MetodeAuto Regresive (AR)
Metode Auto Regresive adalah model yang menggambarkan bahwa variabel
dependen dipengaruhi oleh variabel dependen itu sendiri pada periode-periode
yang sebelumnya, atau autokorelasi dapat juga sebagai korelasi linier deret
berkala dengan deret berkala itu sendiri dengan selisih waktu (lag) 0,1,2 periode
atau lebih. Bentuk umum Autoregresive dengan ordo p atau dituliskan dengan AR
(p) mempunyai persamaan sebagai berikut:
Xt
=
�
+
∅
1�
�−1+
∅
2�
�−2+ ...+
∅
p�
�−��
t∅ t = Parameter
�
t = Nilai kesalahan pada t� = Nilai kostanta
Persamaan umum model AR (p) dapat juga ditulis sebagai berikut:
(1 -
∅
1B
-
∅
2B
2
- ... -
∅
pB
p)
X
t-
1+
∅
2X
t=
�
+
�
tDalam hal ini B adalah operator mundur (Backward Shift Operator), bentuk
umum operator bergerak mundur ini dapat ditulis sebagai berikut :
B
dX t
=
Yt=d
Model Auto Regresive yang sering dijumpai dalam peraktek adalah model
AR (1) dan AR (2).
Persamaan AR (1) ditulis dengan:
(1 -
∅
1B)
X t
=
�
+
�
tPersamaan AR (2) ditulis dengan:
(1 -
∅
1B-
∅
2B
2)
X t
=
�
+
�
t2.7 Metode Rataan Bergerak
Metode rataan bergerak (Moving Average) mempunyai bentuk umum dengan
X t
=
�
+
�
t–
�
1�
t-1–
�
2�
t-2–
�
q�
t-kKeterangan:
�i = Parameter dari proses rataan bergerak ke-I, i = 1,2,3,...,q
X t = Variabel yang diramalkan
�
t-q = Nilai kesalahan pada saat t-qPersamaan untuk model MA (q) bila menggunakan operator penggerak mundur dapat ditulis sebagai berikut:
X t
=
�
+ (1 -
∅
1B-
∅
2B
2- ...
∅
qB
q)
�
tPersamaan MA (1) dapat dituliskan dengan:
X
t=
�
+
�
t-
∅
1�
t=1Perbedaan model moving average dan model autoregressive terletak pada
jenis variabel independen pada model autoregressive adalah nilai sebelumnya
(lag) dari variabel dependen (Xt) itu sendiri, maka pada model moving average
sebagai variabel independen adalah nilai residual pada periode sebelumnya.
2.8 Metode Box-Jenkins
Metode ARIMA meliputi tiga tahap yang harus dilakukan secara berurutan:
1. Identifikasi parameter-parameter model dengan menggunakan metode autokorelasi dan autokorelasi parsial.
signifikan memberikan kontribusi pada model atau salah satunya dapat
dihilangkan.
3. Pengujian dan penerapan model untuk meramalkan series data beberapa
periode ke depan. Pada tahap ini digunakan try and error yang sangat
bermanfaat untuk meningkatkan pemahaman dalam aplikasi model ARIMA
untuk memprediksi data-data ekspor dan impor yang berbasis time series.
2.9 Peramalan Model Box-Jenkins
Tujuan peramalan adalah untuk menduga nilai deret waktu masa yang akan
datang. Jika model yang ditetapkan menunjukkan residual yang acakan, maka
BAB 3
SEJARAH PERUSAHAAN
3.1 Sejarah Singkat Karantina Pertanian
Pada tahun 1877 sudah dicetuskan peraturan perundang undangan yang berkait
dengan karantina (tumbuhan), yakni Ordonansi 19 Desember 1877 (Staatsblad
No.262) tentang larangan pemasukan tanaman kopi dan biji dari Srilanka. Pada
tahun 1914 sebagai tindak lanjut dari Ordonansi 28 Januari 1914 (Staatsblad
No.161) penyelenggaraan kegiatan perkarantinaan secara institusional di
Indonesia secara nyata baru dimulai oleh sebuah organisasi pemerintah bernama
Instituut voor Plantenzekten en Cultures (Balai Penyelidikkan Penyakit Tanaman
dan Budidaya).
Pada tahun 1930 pelaksanaan kegiatan operasional karantina di
pelabuhan-pelabuhan diawasi secara sentral oleh Direktur Balai Penyelidikan Penyakit
Tanaman dan Budidaya, serta ditetapkan seorang pegawai Balai yang kemudian
diberi pangkat sebagai Plantenziektenkundigeambtenaar (pegawai ahli penyakit
tanaman). Pada tahun 1939 Dinas karantina tumbuh-tumbuhan
(Planttenquarantine Diest) menjadi salah satu dari 3 seksi dari Balai Penyelidikan
Penyakit Tanaman (Instituut voor Plantenziekten).
Tahun 1966 dalam reorganisasi dinas karantina tumbuhan tidak lagi
ditampung dalam organisasi Lembaga Pusat Penelitian Pertanian (LP3) yang
dalam Biro Hubungan Luar Negeri Sekretariat Jenderal Departemen Pertanian.
Pada tahun 1969, status organisasi karantina tumbuhan diubah kembali dengan
ditetapkannya Direktorat Karntina Tumbuh-tumbuhan yang secara operasional
berada dibawah Menteri Pertanian dan secara administratif dibawah Sekretariat
Jenderal. Dengan status Direktorat tersebut, status organisasi Karantina tumbuh
meningkat dari elson III menjadi elson II.
Pada tahun 1974, organisasi karantina diintegrasikan dalam wadah Pusat
Karantina Pertanian dibawah Badan Penelitian dan Pengembangan Pertanian.
Tahun 1980 berdasarkan Keputusan Menteri Pertanian No. 453 dan No.
861 tahun 1980, organisasi Pusat Karantina Pertanian (yang notabene baru diisi
karatina tumbuhan ex Direktorat Karantina Tumbuhan), mempunyai rentang
kendali manajemen yang luas. Pusat Karantina Pertanian pada masa itu terdiri dari
5 Balai (eselon III), 14 Stasiun (eselon IV), 38 Pos (eselon V)dan 105 Wilayah
Kerja (non structural)yang tersebar diseluruh Indonesia. Pada tahun 1983 Pusat
Karantina Pertanian dialihkan kembali dari Badan Litbang Pertanian ke
Sekretariat Jenderal dengan pembinaan operasional langsung dibawah Menteri
Pertanian .
Namun kali ini kedua unsur karantina (hewan dan tumbuhan) benar-benar
diintegrasikan. Pada tahun 1985 Direktorat Jenderal Peternakan menyerahkan
pembinaan unit karantina hewan, sedangkan Badan Litbang Pertanian
menyerhkan pembinaan unit karantina tumbuhan, masing-masing kepada
Sekretariat Jenderal Departemen Pertanian. Pada tahun 2001 terbentuklah Badan
Karantina Pertanian, Organisasi eselon I di Departemen Pertanian melalui
3.2 Organisasi Karantina
Karantina Pertanian di Indonesia merupakan tanggung jawab Departemen
Pertanian yang pelaksanaannya oleh Badan Karantina Pertanian, Organisasi
Eselon I lingkup Departemen Pertanian. Badan Karantina Pertanian dipimpin oleh
seorang Kepala Badan.
Di tingkat Pusat, Kepala Badan Karantina Peratanian dibantu oleh 4 pejabat
eselon II, 10 pejabat elson III, 24 pejabat elson IV. Ditingkat lapangan Kepala
Barantan dibantu oleh Kepala UPT terdiri atas 39 UPT Karantina Hewan, 43 UPT
Karantina Tumbuhandan 1 Balai Uji standar.
3.3 Arti dan Makna Logo
Dasar Hukum : Surat Keputusan Kepala Badan Nomor 91.Kpts.PL.030.F.IV.2003
tanggal 1 April 2003 tentang Pakaian Dinas dan Atribut Pegawai Lingkup Badan
Pertanian, maka logo Badan Karantina Pertanian mengacu pada lambang
Kementerian Pertanian. Adapun makna logo Badan Karantina Pertanian sebagai
berikut :
Tunas menggambarkan pengertian biologis daripada seluruh kegiatan yang
dikelola oleh Kementerian Pertanian, kecuali manusia
1. sebagai benda hidup. Tunas berwarna putih dengan dasar berwarna hijau
melambangkan kehidupan
2. Lingkaran berbentuk huruf Q, yang berakar dari bahasa latin kuno
“Quadraqinta” yang berarti empat puluh, menunjukan lamanya masa
penahanan terhadap kapal yang diduga mebawa penyakit menular
3. Lingkaran luar dengan tulisan Badan Karantina Pertanian melingkar
menandakan kesatuan perlindungan Badan Karantina Pertanian sebagai salah
unit di lingkungan Kementerian Pertanian
4. Lingkaran huruf Q dan lingkaran luar berwarna kuning yang
melambangkan kemegahan dan kewaspadaan
5. Tulisan Badan Karantina Pertanian berwarna hijau daun, sinergi dengan
warna dasar Tunas yang melambangkan kehidupan
6. Logo type dengan tipe huruf Candara yang memancarkan nuansa modern
klasik, di tuliskan dibawah lambang masing-masing Badan Karantina
3.4 VISI dan MISI
Visi
Terwujudnya Karantina Tumbuhan Yang Tangguh, Profesional dan Terpercaya
pada Balai Karantina Pertanian Belawan.
Misi
1. Melindungi dan menyelamatkan kelestarian sumber daya alam hayati
tumbuhan
2. Mendukung keberhasilan Program Agribisnis dan Ketahanan Pangan Nasional
3. Meningkatkan daya saing melalui sistem standarisasi, sanitasi, sertifikasi
karantina
4. Memfasilitasi kelancaran perdagangan/pemasaran produk Agribisnis
5. Meningkatkan pelayanan publik melalui sumber daya manusia yang
profesional
6. Mendorong partisipasi masyarakat dalam penyelenggaraan perkarantinaan
Tugas pokok dan Fungsi
Balai dan Stasiun Karantina Tumbuhan mempunyai tugas melaksanakan kegiatan
operasional perkarantinaan tumbuhan tanaman pangan, hortikultura dan tanaman
perkebunan. Dalam melaksanakan tugas tersebut, Balai dan Stasiun karantina
1. Pelaksanaan pemeriksaan, pengasingan, pengamatan, perlakuan, penahanan,
penolakan, pemusnahan dan pembebasan media pembawa organisme
pengganggu tumbuhan.
2. Pemantauan Daerah Sebar Organisme Pengganggu Tumbuhan Karantina.
3. Pembuatan Koleksi Organisme Pengganggu Tumbuhan.
4. Pengelolaan laboratorium karantina tumbuhan.
5. Pengumpulan dan pengolahan data, informasi serta operasional tindakan
karantina.
6. Pemberian pelayanan teknis kegiatan operasional
7. Pelaksanaan tata usaha dan rumah tangga
BAB 4
ANALISA DAN EVALUASI
4.1 Studi Kasus
Dalam penyelesaian suatu masalah diperlukan suatu data sebagai bahan penunjang
dan diharapkan mendekati masalah. Data yang diambil merupakan data historis
dari nilai ekspor dan impor pertanian belawan dari tahun 2008 sampai 2012 yang
[image:37.595.155.469.468.711.2]disajikan dalam bentuk tabel. Data tersebut adalah sebagai berikut:
Tabel 4.1.1 Data Bulanan Nilai Ekspor Pertanian Belawan Tahun 2008-2012
Bulan Tahun
2008 2009 2010 2011 2012
Januari 509 745 660 647 924
Februari 602 721 702 736 763
Maret 581 682 788 770 821
April 764 588 620 814 995
Mei 695 592 615 1016 966
Juni 408 604 783 929 893
Juli 452 612 625 974 1047
Agustus 501 709 654 798 780
September 498 684 781 730 1003
Oktober 528 718 725 814 955
Nopember 414 752 865 781 850
Tabel 4.1.2 Data Bulanan Nilai Impor Pertanian Belawan Tahun 2008-2012
Bulan Tahun
2008 2009 2010 2011 2012
Januari 425 671 760 635 548
Februari 504 682 563 689 539
Maret 518 512 572 663 464
April 600 543 680 590 553
Mei 523 720 605 509 679
Juni 433 608 732 620 660
Juli 582 598 520 783 610
Agustus 644 562 558 616 481
September 653 701 652 587 447
Oktober 564 786 606 557 475
Nopember 621 755 686 467 441
4.2 Analisis Plot Data Awal
Langkah pertama yang perlu dilakukan untuk menganalisis data time series adalah
membuat plot data terhadap waktu dan melakukan interpretasi secara visual.
Dengan membuat plot data mentah, yaitu data yang akan diolah dan dianalisis,
dapat dideteksi apakah pola data mengandung unsur trend, siklik, musiman atau
tidak mengandung pola tertentu.
[image:39.595.114.547.297.581.2]Des Jun Des Jun Des Jun Des Jun Des Jun 1100 1000 900 800 700 600 500 400 Mont h D a ta Ek spor I mpor Variable Time Series Plot of Ekspor; I mpor
Gambar 4.2.2 Autokorelasi Nilai Ekspor Pertanian Belawan Tahun 2008-2012
Keterangan : dengan menggunakan Autokorelasi terlihat nilai ekspor mengalami
penurunan sehingga harus melakukan langkah selanjutnya untuk mengetahui hasil
Gambar 4.2.3 Autokorelasi Nilai Impor Pertanian Belawan Tahun 2008-2012
Keterangan : karena ternyata nilai ekspor dan impor belum menunjukkan stasioner
Gambar 4.2.5 Autokorelasi Parsial Nilai Impor Pertanian Belawan Tahun 2008-2012
ACF dan PACF diduga order ARIMA yang bisa digunakan adalah
ARIMA (0,1,1) atau ARIMA (0,0,1); ARIMA (1,1,1) atau ARIMA (1,0,1);
ARIMA (1,1,0) atau ARIMA (1,0,0). Dengan menggunakan cara mencoba-coba
(trial and error) pada model ARIMA yang mungkin berdasarkan pada plot ACF
dan PACF, didapatkan kesimpulan bahwa terdapat 3 model yang mungkin yaitu
AR (1), MA(1), serta ARIMA (1), hasil ini didapat berdasarkan pada
Plot data diatas memperlihatkan deret data yang tidak stasioner, maka
perlu diadakan pembedaan pertama dengan persamaan:
Nilai Ekspor Nilai Impor
Xt = xt – xt-1 Xt = xt – xt-1
X2 = x2 – x2-1 X2 = x2 – x2-1
= 602 – 509 = 504 – 425
[image:44.595.112.549.316.581.2]= 93 = 79
Tabel 4.2.1 Nilai-nilai Pembedaan Pertama Ekspor
No. Wt No. Wt No. Wt No. Wt
1 * 16 -94 31 -158 46 84
2 93 17 4 32 29 47 -33
3 -21 18 12 33 127 48 -38
4 183 19 8 34 -56 49 181
5 -69 20 97 35 139 50 -161
6 -287 21 -25 36 -235 51 58
7 44 22 34 37 17 52 174
8 49 23 34 38 89 53 -29
9 -3 24 -12 39 34 54 -73
10 30 25 -80 40 44 55 154
11 -114 26 42 41 202 56 -267
12 -6 27 86 42 -87 57 223
13 337 28 168 43 45 58 -48
14 -24 29 -5 44 -176 59 -105
Tabel 4.2.2 Nilai-nilai Pembedaan Pertama Impor
No. Wt No. Wt No. Wt No. Wt
1 * 16 31 31 -212 46 -30
2 79 17 177 32 38 47 -90
3 14 18 -112 33 94 48 81
4 82 19 -10 34 -46 49 0
5 -77 20 -36 35 80 50 -9
6 -90 21 139 36 -96 51 -75
7 149 22 85 37 45 52 89
8 62 23 -31 38 54 53 126
9 9 24 -56 39 -26 54 -19
10 -89 25 61 40 -73 55 -50
11 57 26 -197 41 -81 56 -129
12 30 27 9 42 111 57 -34
13 20 28 108 43 163 58 28
14 11 29 -75 44 -167 59 -34
Dari plot korelasi diatas terlihat bahwa ada satu koefisien korelasi diri
Tabel 4.2.3 Nilai-nilai Pembedaan Kedua Ekspor
No. Wt No. Wt No. Wt No. Wt
1 * 16 -55 31 -326 46 152
2 * 17 98 32 187 47 -117
3 -114 18 8 33 98 48 -5
4 204 19 -4 34 -183 49 219
5 -252 20 89 35 195 50 -342
6 -218 21 -122 36 -374 51 219
7 331 22 59 37 252 52 116
8 5 23 0 38 72 53 -203
9 -52 24 -46 39 -55 54 -44
10 33 25 -68 40 10 55 227
11 -144 26 122 41 158 56 -421
12 108 27 44 42 -289 57 490
13 343 28 -254 43 132 58 -271
14 -361 29 163 44 -221 59 -57
15 -15 30 173 45 108 60 99
Tabel 4.2.4 Nilai-nilai Pembedaan Kedua Impor
No. Wt No. Wt No. Wt No. Wt
1 * 16 141 31 -339 46 -1
2 * 17 146 32 250 47 -60
3 -65 18 -289 33 56 48 171
4 68 19 102 34 -140 49 -81
5 -159 20 -26 35 126 50 -9
6 -13 21 175 36 -176 51 -66
7 239 22 -54 37 141 52 164
8 -87 23 -116 38 9 53 37
9 -53 24 -25 39 -80 54 -145
10 -98 25 117 40 -47 55 -31
11 146 26 -258 41 -8 56 -79
12 -27 27 206 42 192 57 95
[image:50.595.114.540.493.758.2]Gambar 4.3.3 Autokorelasi Parsial Nilai Impor dengan Menggunakan Pembedaan Kedua
Dari plot korelasi diatas terlihat bahwa ada satu koefisien korelasi diri
berbeda nyata dari nol sehingga diduga ordo dari proses MA adalah 1 (Q = 1).
Dari plot fungsi korelasi diri, ditentukan ordo dari proses regresi diri. Dari plot
tersebut dilihat bahwa ada satu koefisien korelasinya berbeda nyata dari nol,
sehinggadiduga bahwa ordo dari AR adalah 1 (P = 1). Sesuai dengan keterangan
diatas model sementara data yang dibedakan adalah ARIMA (1,1,1). Pendugaan
parameter-parameter model ARIMA dari Box-Jenkins untuk model ARIMA
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari hasil penelitian data sekunder Karantina Pertanian Belawan yang dianalisa
dari Bulan Januari 2008 s/d Desember 2010, dapat diambil beberapa kesimpulan
sebagai berikut:
1. Berdasarkan hasil pengujian plot data aktual, menunjukkan bahwa nilai
ekspor dan impor tidak stasioner. Fluktuasi nilai ekspor dan impor sangat
signifikan, sehingga dilakukan pembedaan (difference) agar diperoleh data
yang stasioner.
2. Dengan menggunakan Plot, Autokorelasi dan Autokorelasi Parsil dapat
dilihat perbedaan nilai ekspor dan impor.
3. Terdapat tabel perbedaan pertama dan perbedaan kedua untuk
5.2 Saran
Dari hasil penelitian dan dari beberapa hasil kesimpulan dapat diambil saran
sebagai berikut:
1. Untuk melakukan prediksi, sebaiknya menggunakan data times series yang
panjang agar dapat mengetahui pola dari data tersebut, sehingga dapat
diketahui apakah datanya stasioner atau tidak.
2. Perlu dilakukan pengujian ordo ARIMA dengan metode try and error
untuk memperoleh hasil yang lebih baik.
3. Gunakan program SPSS dan MINITAB karena model ini dapat
menentukan nilai taksiran kostanta, nilai standart error, uji t dan matriks
DAFTAR PUSTAKA
Assauri,Sofyan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi
Universitas Indonesia.
Cryer, Jonathan D. Time Series Analysis, 1986. Boston, Duxbury Press.
Hasan, M.Iqbal. Pokok-pokok Materi Statistik 2 (Statistik Inferensif), 2005.
Jakarta, PT Bumi Aksara.
Iriawan, Nur & Astuti, Septin Puji. Mengolah Data Statistik dengan mudah
menggunakan Minitab 14 (Yogyakarta: ANDI, 2006).
Makridakis S Wheelwright S.C dan M.C Gee V.E. 1993. Metode dan Aplikasi
Peramalan
Wheelwright, Steven C. 1983. Metode Peramalan Untuk Managemen. New York: