PERAMALAN JUMLAH BARANG YANG DI ONGKAR DAN DI
UAT DI PELABUHAN BELAWAN TAHUN 2012
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memcapai gelar ahli madya
FAHMI WAHYUDA
082407092
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERAMALAN JUMLAH BARANG YANG DIBONGKAR DAN DIMUAT DI PELABUHAN BELAWAN TAHUN 2012 Kategori : TUGAS AKHIR
Nama : FAHMI WAHYUDA NIM : 082407092
Program Studi : D-III STATISTIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juni 2011
Diketahui
Departemen Matematika FMIPA USU Pembimbing
Prof. Dr. Tulus, M.Si Drs. Faigiziduhu Bu’ulölö, M.Si NIP. 19620901 198803 1 002 NIP. 19531218 198003 1 003
PERNYATAAN
PERAMALAN JUMLAH BARANG YANG DI BONGKAR DAN DI MUAT DI PELABUHAN BELAWAN TAHUN 2012
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 2011
PENGHARGAAN
Alhamdulillahi rabbil ‘alamin
Segala puji penulis tujukan kepada Allah Rabbul’alamin, Yang Maha Pengasih lagi Maha Penyayang, atas anugerah kesehatan dan ilham yang terus mengalir hingga hari ini. Salam penulis kepada hamba Allah yang paling mulia baginda Rasullah SAW.
Selama penyusunan Tugas Akhir ini penulis banyak menerima bantuan moril maupun materil yang tak ternilai harganya. Karenanya penulis mengucapkan terima kasih kepada :
1. Bapak Drs. Faigiziduhu Bu’ulölö, M.Si selaku Ketua Program Studi Statistika dan sekaligus Dosen Pembimbing yang telah memberikan bimbingan dan arahan dalam penulisan laporan Tugas Akhir ini.
2. Bapak Drs. Suwarno Ariswoyo, M.Si selaku sekretaris Program Studi D III Statistika FMIPA Universitas Sumatera Utara.
3. Bapak Prof. Dr. Tulus, M.Si selaku Ketua Depatemen Matematika FMIPA Universitas Sumatera Utara.
4. Ibu Dra. Mardiningsih, M.Si selaku sekretaris Depatemen Matematika FMIPA Universitas Sumatera Utara.
5. Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA Universitas Sumatera Utara 6. Seluruh Dosen Pengajar di Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara khususnya Departemen Matematika. 7. Seluruh staf dan Pegawai Kantor Otoritas Pelabuhan Belawan -1.
8. Teristimewa untuk Ayahanda dan Ibunda tercinta yang telah memberi dukungan dan semangat kepada penulis dalam menyelesaikan Tugas Akhir ini.
9. Sahabat-sahabat saya yang telah membantu dan memberi motifasi untuk menyelesaikan Tugas Akhir ini.
Akhirnya penulis menyadari bahwa sebagaimana hasil karya manusia, Tugas Akhir yang penulis susun ini masih sangat jauh dari sempurna, baik dalam penulisan, tata bahasa maupun nilai ilmiahnya. Karena itu penulis dengan hati terbuka menerima segala kritik dan saran yang bertujuan untuk menyempurnakan penyusunan Tugas Akhir ini. Semoga Allah SWT memberikan rahmat-Nya kepda kita semua. Amin.
Medan, Juni 2011 Penulis
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Daftar Isi v
Daftar Tabel ix
Daftar Gambar x
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Batasan Rumusan Masalah 2 1.3 Tujuan dan Manfaat Penelitian 3
1.4 Lokasi Penelitian 3
1.5 Tinjauan Pustaka 3
1.6 Metodologi Penelitian 4 1.7 Sistematika Penulisan 6
Bab 2 Landasan Teori 8
2.1 Konsep Dasar Peramalan 8 2.2 Beberapa Sifat Hasil Peramalan 9
2.3 Teknik Peramalan 9
2.3.1Faktor-faktor yang Mempengaruhi Pemilihan Teknik Peramalan 9 2.3.2Kegunaan Pemilihan Teknik Peramalan 11 2.4 Klasifikasi Metode Peramalan 12 2.4.1Peramalan Kualitatif 12 2.4.2Peramalan Kuantitatif 12 2.5.2.1 Metode Time Series 13
2.5.2.1.1 Metode Proyeksi Kecenderungan dengan
Regresi 14
2.5.2.1.2 Metode Kausal 17 2.5 Kriteria Performance Peramalan 19 Bab 3 Analisis dan Pengolahan Data 22
3.1 Studi Kasus 22
3.1.1Peramalan Jumlah Barang Yang Dibongkar 22 3.1.2Peramalan Jumlah Barang Yang Dimuat 28
Bab 4 Implementasi Sistem 34
4.1 Pengeritan Implementasi Sistem 34
4.2 Tahap Implementasi 34
4.3 Pengaktifan Microsoft Excel 35 4.4 Lembar Kerja Microsoft Excel 36
4.5.1Menghitung Peramalan Dengan Metode Linier 38 4.5.2Menghitung Peramalan Dengan Metode Eksponensial 41
Bab 5 Penutup 44
5.1 Kesimpulan 44
5.2 Saran 44
DAFTAR TABEL
DAFTAR GAMBAR
Gambar 3.1. Scatter Diagram Jumlah Barang Yang Dibongkar 23 Gambar 3.2 Scatter Diagram Jumlah Barang Yang Dimuat 29 Gambar 4.1 Tampilan awal jendela Microsoft Office Excel 2007 36 Gambar 4.2 Input Data Awal pada Microsoft Office Excel 2007 38 Gambar 4.3 Hasil Perhitungan Microsoft Office Excel 2007 Untuk Metode Linier 40 Gambar 4.4 Hasil Perhitungan Microsoft Office Excel 2007 Untuk Metode
BAB 1
PENDAHULUAN
1.1Latar Belakang
Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
laut merupakan sarana transportasi yang diminan, sehingga laut memiliki peranan
yang penting bagi perekonomian suatu bangsa. Untuk mengakomodasi kepentingan
transportasi laut, peranan pelabuhan sangat besar artinya bagi transportasi laut, untuk
itu pelabuhan memerlukan pananganan yang professional karena pelabuhan
merupakan persinggahan antar moda, yaitu darat, laut, dan udara.
Pelabuhan adalah tempat yang terdiri dari daratan dan perairan disekitarnya
dengan batas-batas tertentu sebagai tempat kegiatan pemerintahan dan kegiatan
ekonomi yang dipergunakan sebagai tempat kapal bersandar, berlabuh, naik-turun
penumpang, dan bongkar muat barang yang dilengkapi dengan fasilitas keselamatan
salah satu pelabuhan yang terbesar di Sumatera Utara. Pelabuhan ini berperan penting
untuk melayani kegiatan di wilayah Sumatera Utara dan seluruh wilayah di Indonesia.
Kegiatan bongkar muat kapal merupakan kegiatan membongkar dan memuat
isi muatan kapal yang mana setiap kapal yang mana setiap kapal memiliki jenis
muatan barang tersendiri. Banyaknya barang yang akan dibongkar dan dimuat dalam
kapal membutuhkan tenaga kerja yang cukup banyak untuk membongkar isi muatan
kapal ke gudang penyimpanan sementara begitu juga sebaliknya.
Oleh karena itu, penulis ingin mengetahui volume pertambahan dan
peningkatan/penurunan jumlah barang yang di bongkar maupun dimuat di Pelabuhan
Utama Belawan pada tahun2012. Untuk melihat jumlah barang yang dibongkar
maupun dibongkar diperlukan teknik peramalan dan analisa yang lengkap. Dalam hal
ini penulis menggunakan teknik peramalan. Teknik tersebut menghasilkan perkiraan
jumlah barang yang dibongkar dan dimuat untuk tahun 2012. Tujuannya adalah
sebagai indicator atau bahan pertimbangan bagi pemerintah dan khususnya bagi pihak
Otoritas Pelabuhan Belawan selaku pihak perencana kegiatan bongkar muat di
Pelabuhan Utama Belawan.
Berdasarkan uraian diatas, maka penulis tertarik untuk meramalkan Jumlah
Barang Yang Bongkar Dan Dimuat Di Pelabuhan Utama Belawan Tahun 2012.
1.2Batasan dan Rumusan Masalah
Untuk mengarahkan penelitian ini agar tidak menyimpang dari maksud dan tujuan
penelitian serta tepat sasaran yang akan dituju, maka pambatasan ruang lingkup
2006-2011. Berkaitan dengan hal tersebut, peneliti merumuskan permasalahan yaitu
berapakah jumlah barang yang dibongkar dan dimuat di Pelabuhan Utama Belawan
untuk tahun 2012.
1.3Tujuan dan Manfaat Penelitian
Adapun tujuan dari penelitian ini adalah untuk memperkirakan atau memproyeksikan
jumlah barang yang dibongkar dan dimuat di Pelabuhan Utama Belawan pada tahun
2012 berdasarkan data kegiatan bongkar muat tahun 2006-2010.
Penelitian ini diharapkan dapat memberikan manfaat antara lain:
1. Menberikan atau menambah wawasan bagi penulis, terutama dalam penerapan
ilmu yang didapatkan di bangku kuliah dengan menyatukan materi perkuliahan
dengan objek permasalahan yang dijadikan materi pembahasan.
2. Sebagai alat perencanaan bagi pihak Otoritas Pelabuhan Belawan selaku pihak
penyelenggara kegiatan bongkar muat di Pelabuhan Utama Belawan.
3. Hasil penelitian ini diharapkan dapat bermanfaat sebagai bahan masukan dan
referensi bagi pihak yang berkepentingan.
Tempat dilaksanakannya penelitian ini adalah di Pelabuhan Utama Belawan. Dan data
yang digunakan adalah data kegiatan bongkar muat yang telah ada di Kantor Otoritas
Pelabuhan Belawan. Jl. Suar No.1 Pelabuhan Belawan, Medan.
1.5Tinjauan Pustaka
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang terjadi pada
masa depan, berdasarkan data yang relevan di masa lalu. Metode peramalan akan
membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari
data masa lalu sehinga dapat membarikan cara pemikiran, pengerjaan dan pemecahan
yang sistematis dan pragmatis serta memberikan tingkat keyakinan yang lebih besar
atas ketepatan hasil peramalan yang dibuat atau disusun. (Assaury, sofyan;teknik dan Metode Peramalan).
Peramalan merupakan suatu alat bantu yang penting pada perencanaan yang
efektif dan efisien. Peramalan juga sangat penting dalam pengambilan suatu
keputusan. Aspek-aspek yang menggunakan peramalan cukup luas baik secara waktu,
faktor-faktor penentu kejadian seharusnya dan jenis-jenis pola data dan beberapa hal
lain (Manurung, Alder Haymans;Teknik Peramalan).
Peramalan adalah kegiatan memperkirakan atau memprediksi apa yang akan
terjadi pada masa yang akan datang dengan waktu yang relatif lama, sedangkan waktu
yang relatif singkat tidak dibutuhkan peramalan. Pada umumnya kegunaan peramalan
adalah:
1. Untuk menentukan kebutuhan sumber daya di masa yang akan datang.
2. Sebagai alat bantu perencanaan.
(Markridakis, Spyros;Metode dan Aplikasi Peramalan).
1.6 Metodologi Penelitian
Metode penelitian yang digunakan penulis dalam penelitian ini adalah:
1. Metode Kepustakaan
Metode kepustakaan yaitu metode pengumpulan data untuk memperoleh data
dan informasi dari perpustakaan, dengan membaca buku-buku, dan referensi
yang bersifat teoritis yang mendukung penulisan tugas akhir.
2. Metode Pengumpulan Data
Untuk keperluan penelitian ini, penulis menggunakan data sekunder mengenai
kegiatan bongkar muat di Pelabuhan Utama Belawan tahun 2006-2010 yang di
peroleh dari Kantor Otoritas Pelabuhan Belawan.
3. Teknik dan Analisa Data
Penelitian ini menggunakan metode peramalan dengan metode Time Series
yang digunakan untuk memperkirakan angka atau besaran untuk tahun
berikutnya. Metode Time Series yang dipilih adalah metode proyeksi kecenderungan dengan regresi, Metode ini merupakan dasar garis
kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan
tersebut dapat di proyeksikan hal-hal yang akan diteliti pada masa yang akan
datang.
a. Metode Linier, dengan fungsi peramalan:
Ŷt = a + bt
Ŷt = nilai ramalan periode ke-t
a, b = harga kostanta a dan b
t = waktu/periode
dengan harga konstanta a dan b diperoleh dari persamaan:
( ) ( )
( )
∑
∑
∑ ∑ ∑
− − − = − = 2 2 t t n y t ty n b n bt Y ab. Eksponensial, dengan fungsi peramalan :
Yt = aebt
di mana:
Ŷt = Nilai ramalan periode ke-t
t = Waktu/periode
e = bilangan konstan = 2,7183
dengan menggunakan transformasi logaritma natural, maka harga konstanta a
dan b diperoleh dari persamaan:
( )
21.7Sistematika Penulisan
Adapun sistematika penulisan yang digunakan penulis adalah antara lain:
Bab 1 : PENDAHULUAN
Pada bab ini penulis menguraikan latar belakang penulisan,
permasalahan yang ditumbulkan, maksud dan tujuan, pembatasan
masalah dan sistematika penulisan
Bab 2 : TINJAUAN TEORITIS
Bab ini berisi tentang suatu tinjauan teori untuk duplikasi dalam
pengolahan data yang didapat.
Bab 3 : ANALISA DAN PENGOLAHAN DATA
Analisa dan Evaluasi Data, akan menganalisis semua data dan
informasi yang ada secara kuantitatif dan merupakan isi pokok dari
tugas akhir.
Bab 4 : IMPLEMENTASI SISTEM
Bab ini menguraikan tentang program atau software yang dipakai
sebagai analisis terhadap data yang diperoleh yaitu dengan
menggunakan Program Microsoft Excel.
Bab ini merupakan bab penutup yang merupakan hasil dan
kesimpulan dari pembahasan serta saran penulis berdasarkan
kesimpulan yang didapat.
BAB 2
LANDASAN TEORI
2.1Konsep Dasar Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Metode peramalan adalah cara untuk
dengan dasar data yang relevan pada masa lalu. Dengan kata lain metode peramalan
ini digunakan dalam peramalan yang bersifat objektif.
Disamping itu metode peramalan memberikan urutan pengerjaan atas
pendekatan masalah dalam peramalan, sehingga apabila digunakan pendekatan yang
sama pada suatu permasalahan dalam kegiatan peramalan, maka akan didapat dasar
pemikiran yang sama.
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh
metode yang digunakn , juga di tentukan oleh baik tidaknya informasi yang
digunakan. Selama informasi yang digunakan tidak meyakinkan, maka hasil
peramalan yang disusun juga akan sulit dipercaya ketepatannya.
2.2Beberapa Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal
yang harus dipetimbangkan yaitu:
2. Ramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi
ketidakpastiaan yang akan terjadi, tetapi tidak dapat menghilangkan
ketidakpastiaan tersebut.
3. Peramalan seharusnya memberikan informasi tetang beberapa ukuran kesalahan,
artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi
4. Peramalan jangka pendek lebih akurat dibanding dengan peramalan jangka
panjang. Hal ini desebabkan karena pada peramalan jangka pendek faktor-faktor
yang mempengaruhi angka relatif masih konstan sedangkan peramalan jangka
panjang kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi.
2.3Teknik Peramalan
2.3.1 Faktor-faktor yang Mempengaruhi Pemilihan Teknik Peramalan
Tujuan peramalan dimaksudkan untuk meredam ketidakpastian, sehingga diperoleh
suatu perkiraan yang mendekati keadaan yang sebenarnya. Faktor-faktor yang harus
dipertimbangkan dalam suatu peramalan antara lain:
1. Horizon Peramalan
Ada dua aspek dari horison waktu yang berhubungan dengan masing-masing
metode peramalan yaitu:
a. Cakupan waktu dimasa yang akan datang
Perbedaan dari metode peramalan yang digunakan sebaiknya disesuaikan.
b. Periode peramalan
Ada teknik dan metode peramalan yang hanya dapat meramal untuk
peramalan satu atau dua periode dimuka, teknik dan metode lain dapat
meramalkan beberapa waktu di depan.
2. Tingkat ketelitian
Tingkat ketelitian yang dibutuhkan sengat erat hubungannya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan. Dalam suatu pengambilan
keputusan diharapkan variasi atau penyimpangan atas ramalan antara 10% -15%
3. Ketersediaan data
Metode yang digunakan sangat besar manfaatnya. Apabila dari data yang lalu
diketahui adanya pola musiman, maka untuk untuk peramalan satu tahun ke depan
sebaiknya digunakan metode variasi musiman. Sedangkan apabila diketahui
hubungan antar variabel saling mempengaruhi, maka perlu digunakan metode
sebab akibat atau korelasi.
5. Bentuk pola data
Dasar utama metode peramalan adalah anggapan bahwa pola data yang
diramalkan akan berkelanjutan. Sebagai contoh, beberapa deret yang menunjukan
pola musiman, atau trend. Metode peramalan yang lain mungkin lebih sederhana,
terdiri dari satu nilai rata-rata, dengan fluktuasi yang acakan atau random yang
terkandung. Karena perbedaan kemampuan metode peramalan untuk
mengidentifikasi pola-pola data, maka perlu adanya usaha penyesuaian pola data.
6. Biaya
Umumnya ada empat jenis biaya dalam proses peramalan yaitu: biaya
pengembangan, biaya penyimpanan, biaya operasi, dan biaya kesempatan
penggunaan teknik peramalan. Adanya perbedaan nyata berpengaruh atas menarik
tidaknya penggunaan metode tertentu untuk suatu keadaan yang dihadapi.
2.3.2 Kegunaan Pemilihan Teknik Peramalan
Metode yang dipergunakan memberi manfaat jika dikaitkan dengan informasi atau
data yang dipunyai. Apabila data yang lalu diketahui dengan pola musiman, maka
Sedangkan bila pola data menunjukkan pola hubungan antar variabel, maka sebaiknya
digunakan metode sebab akibat atau korelasi.
Metode peramalan menghasilkan urutan pekerjaan dan memecahan atas
pendekatan suatu masalah dalam peramalan; sehingga bila digunakan pendekatan
yang sama pada proses peramalan, maka akan di dapat dasar pemikiran dan
pemecahan yang sama karena argumentasinya sama. Selain itu, metode peramalan
memberikan cara pengerjaan yang teratur dan terarah, sehingga dengan demikian
dapat dimungkinkannya penggunaan teknik-teknik penganalisaan yang lebih maju.
Dari uraian ini dapat disimpulkan metode peramalan sangat berguna karena membantu
dalam melakukan pendekatan analisis terhadap pola data yang lalu untuk mengetahui
kondisi pada periode yang akan datang.
2.4Klasifikasi Metode Peramalan
Dalam sistem peramalan, metode yang berbeda akan memberikan hasil yang berbeda
dan derajat galat peramalan yang juga berbeda. Salah satu seni dalam peramalan
adalah memilih metode peramalan. Berdasarkan sifat ramalan yang telah disusun,
maka peramalan dapat dibedakan atas dua macam, yaitu:
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada
menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat pendapat, intuitif, pengetahuan, dan
pengalaman.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif masa
lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang
dipergunakan dalam peramalan tersebut.
2.5.1 Peramalan Kualitatif
Peramalan kualitatif biasanya digunakan bila tidak ada atau sedikit data masa lalu
tersedia. Dalam metode ini, pendapat pakar dan prediksi mereka dijadikan dasar untuk
menetapkan permintaan yang akan datang.
2.5.2 Peramalan Kuantitatif
Metode peramalan ini didasarkan pada data kuantitatif pada masa lalu. Hasil
peramalan yang dibuat tergantung pada metode yang dipergunakan dalam peramalan
tersebut. Metode yang baik yaitu yang memberi nilai-nilai perbedaan atau
penyimpangan yang mungkin. Peramalan kuantitatif hanya dapat digunakan apabila
terdapat dua kondisi berikut:
1. Adanya informasi tentang keadaan yang lain.
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data dapat diasumsikan
bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
Adapun langkah-langkah melakukan peramalan secara kuantitatif sebagai berikut:
2. Pembuatan diagram pencar (scatter diagram)
3. Pilih minimal dua metode peramalan yang dianggap sesuai
4. Hitung parameter-parameter fungsi peramalan.
5. Hitung kesalahan setiap metode yang terbaik, yaitu yang memiliki kesalahan
terkecil
6. Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
7. Menghitung peramalan berdasarkan metode dengan kesalahan terkecil.
2.5.2.1 Metode Time Series
Metode time series dalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan beberapa pola
atau kombinasi pola selalu berulang sepanjang waktu, dan pola dasarnya dapat
diidentifikasi semata-mata atas dasar data historis dari serial itu.
Ada empat komponen utama yang mempengaruhi analisis ini, yaitu :
a. Pola siklis, jika data memilki siklus yang berulang secara periodik
b. Pola musiman, jika pola penjualan berulang setiap periode
c. Pola horizontal, jika nilai data berfluktuasi di sekitar nilai rata-rata.
d. Pola trend, jika data memiliki kecenderungan untuk naik atau turun terus menerus
2.5.2.1.2 Metode Proyeksi Kecenderungan dengan Regresi
Metode ini merupakan dasar garis kecenderungan untuk suatu persamaan, sehingga
dengan dasar persamaan tersebut dapat di proyeksikan hal-hal yang akan diteliti pada
masa yang akan datang.
a. Konstan, dengan fungsi peramalan (Ŷt):
Ŷt = a ...(2.1)
di mana:
Ŷt = nilai ramalan periode ke-t
a = harga kostanta a
dengan harga konstanta a diperoleh dari persamaan:
N Y
a=
∑
1 ...(2.2)b. Linier, dengan fungsi peramalan:
Ŷt = a + bt ...(2.3)
di mana:
Ŷt = nilai ramalan periode ke-t
a, b = harga kostanta a dan b
t = waktu/periode
dengan harga konstanta a dan b diperoleh dari persamaan:
( ) ( )
( )
∑
∑
∑ ∑ ∑
− −− =
− =
2 2
t t
n
y t ty n b
n bt Y a
...(2.4)
c. Kuadratis, dengan fungsi peramalan :
Ŷt = a + bt + ct2 ...(2.5)
di mana:
Ŷt = nilai ramalan periode ke-t
t = waktu/periode
dengan harga konstanta a, b dan c diperoleh dari persamaan:
2 2 α β θα δ α θ − ∂ − ∂ = ∂ − = − − =
∑
∑ ∑
b b c n t c t b Y a ...(2.6) dengan:( )
∑ ∑
∑
∑ ∑
∑
∑ ∑
∑
∑
∑
− = − = − = − = ∂ 3 2 2 2 2 4 2 2 t n t t Y t n Y t tY n Y t t n t α θ δ ...(2.7)d. Eksponensial, dengan fungsi peramalan :
Ŷt = aebt
...(2.8)
di mana:
Ŷt = Nilai ramalan periode ke-t
t = Waktu/periode
e = bilangan konstan = 2,7183
dengan menggunakan transformasi logaritma natural, maka harga konstanta a
( )
22 ln ln ln ln
∑
∑
∑
∑
∑
∑
∑
− − = − = t t n Y t Y t n b n t b Y a ...(2.9)e. Siklis, dengan fungsi peramalan :
n t c n b a
Yˆt = + sin2τ + cos2τ
...(2.10)
di mana :
n t n t b n c n t a n t Y n t n t c n b n t a n t Y n t c n t b na Y τ τ τ τ τ τ τ τ τ τ τ τ 2 cos 2 sin 2 cos 2 cos 2 cos 2 cos 2 sin 2 sin 2 sin 2 sin 2 cos 2 sin 2 2
∑
∑
∑
∑
∑
∑
∑
∑
∑
+ + = + + = + + = ...(2.11)2.5.2.1 Metode Kausal
Peramalan dengan metode kausal mendasarkan hasil ramalan yang disusun atas pola
hubungan antara variabel yang dicari atau diramalkan dengan variabel-variabel yang
mempengaruhinya yang bukan waktu. Dalam analisa ini, diasumsikan bahwa faktor
atau variabel yang menunjukkan suatu hubungan pengaruh sebab akibat dengan satu
atau lebih variabel bebas. Sebagai contoh, permintaan akan baju baru mungkin
berhubungan dengan banyaknya populasi pendapatan masyarakat, jenis kelamin,
budaya daerah, dan bulan-bulan khusus.
Jadi, maksud dari analisa metode kausal adalah untuk menemukan bentuk pola
hubungan yang saling mempengaruhi antara variabel yang dicari dan variabel-variabel
variabel pada masa yang akan datang. Metode kausal dapat dipergunakan dalam
peramalan dengan keberhasilan yang lebih besar, sehingga sering dipergunakan untuk
pengambilan keputusan. Metode kausal ini terdiri dari :
1. Metode regresi dan korelasi
Metode regresi dan korelasi didasarkan pada penetapan suatu persamaan estimasi
menggunakan teknik “least squares”. Ketepatan peramalan dengan metode ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka
panjang ternyata ketepatannya kurang begitu baik.
Persamaan regresi dengan tiga variabel bebas X1, X2 dan X3 ditaksir oleh:
3 2 1
ˆ a bX cX dX
Y = + + + ...(2.12)
Dengan :
Yˆ = nilai estimasi Y
a = nilai konstanta a
X1, X2, X3 = nilai variabel independent
b, c, d = slope yang berhubungan dengan nilai X1, X2 dan X3
Bentuk umum persamaan normal regresi:
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
+ + + = + + + = + + + = + + + = 2 3 2 3 1 3 3 3 3 2 2 2 1 2 2 2 3 1 2 1 2 1 1 1 3 2 1 X d X X c X X b X a YX X X d X c X X b X a YX X X d X X c X b X a YX X d X c X b an Y ...(2.13)Harga-harga a, b, c dan d yang telah di dapat kemudian disubstitusikan kedalam
Rumus koefisien korelasi yang digunakan adalah sebagai berikut:
} ) ( }{
) (
{
∑
2∑
2∑
2∑
2∑
∑ ∑
− −
− =
Y Y
n X X
n
Y X Y
X n r
i i
i i
xy ...(2.14)
2. Model Ekonometri
Metode ini didasarkan atas peramalan pada sistem persamaan regresi yang
diestimasikan secara simultan. Baik untuk peramalan jangka pendek maupun
untuk jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data
yang dibutuhkan untuk penggunaan metode peramalan ini adalah data kuartalan
beberapa tahun.
3. Model Output-Input
Metode ini dipergunakan untuk menyusun proyeksi trend ekonomi jangka
panjang. Model ini kurang baik ketepatannya untuk peramalan jangka pendek, dan
sangat baik ketepatannya untuk peramalan jangka panjang. Data yang digunakan
untuk metode ini adalah data tahunan selama sekitar sepuluh sampai lima belas
tahun.
2.5 Kriteria Performance Peramalan
Seorang perancang tentu menginginkan hasil perkiraan peramalan yang tepat atau
paling tidak dapat memberikan gambaran yang paling mendekati sehingga rencana
Ketepatan yang kecil memberikan arti ketelitian peramalan tinggi, keakuratan
hasil peramalan tinggi, begitu pula sebaliknya. Besar kesalahan suatu peramalan dapat
dihitung dengan beberapa cara, antara lain adalah:
1. Mean Square Error (MSE)
n Y Y MSE=
∑
i − i)ˆ (
...(2.15)
di mana:
Yi= data aktual periode i
Ŷ = nilai taksiran periode i
n = banyaknya periode
2. Standard Error of Estimate (SEE)
f n
Y Y
SEE i i
− −
=
∑
2
) ˆ (
...(2.16)
Di mana :
Ŷ = nilai taksiran
f = derajat kebebasan
Untuk data konstan, f = 1 Untuk data linier, f = 2
Untuk data kuadratis, f = 3 Untuk data siklis, f = 3
Setelah didapat kesalahan (error) dari masing-masing metode peramalan, maka akan dilakukan pengujian terhaddapm dua metode yang memiliki error terkecil
guna mendapatkan peramalan yang lebih baik. Pengujian dilakukan dengan test
distribusi F, jika diasumsikan metode “X” adalah metode yang memiliki besar
errorterkecil pertama, dan metode “Y” adalah metode permalan yang memiliki error
paling kecil kedua, maka langkah-langkah pengujiannya sebagai berikut:
H0 : Metode “X” lebih baik daripada metode “Y”
H1 : Metode “X” tidak lebih baik daripada metode “Y”
2. Lakukan test statistic dengan rumus:
2 2 2 1
S S
F = ...(2.17)
Di mana:
S1 = besarnya error metode peramalan “X”
S2 = besarnya error metode peramalan “Y”
3. Bandingkan hasil yang diproleh dar langkah 2 dengan hasil yang diperoleh dari
table distribusi F.
Jika F hitung≤ F tabel maka H0 diterima
Jika F hitung > F tabel maka H0 ditolak
Setelah didapatkan metode peramalan yang lebih baik, maka dilakukan
perhitungan terhadap metode peramalan yang terbaik tersebut.
BAB 3
ANALISIS DAN PENGOLAHAN DATA
Dalam pnyelesaian masalah diperlukan suatu data sebagai bahan penunjang dan
diharapkan mendekari masalah. Data yang diambil merupakan data kegiatan bongkar
muat barang dari tahun 2006 sampai tahun 2010 di pelabuhan Belawan, Medan.
3.1.1 Peramalan Jumlah Barang Yang Dibongkar
Data jumlah barang yang dibongkar selama periode 2000 sampai dengan tahun 2009
[image:30.595.176.454.305.431.2]dapat dilihat pada Tabel 3.1 di bawah ini.
Tabel 3.1. Data Jumlah Barang Yang Dibongkar (Ton)
TAHUN JUMLAH BARANG
2006 6.259.637 2007 6.959.975 2008 7.527.212 2009 7.242.572 2010 8.269.722 Sumber: Otoritas Pelabuhan Belawan-1
Adapun langkah-langkah peramalan yang akan dilakukan untuk menentukan
jumlah barang yang dibongkar untuk tahun yang akan datang. Langkah-langkahnya
adalah sebagai berikut:
1. Menentukan tujuan peramalan
Tujuan peramalan adalah untuk menentukan banyaknya jumlah barang yang
dibongkar untuk tiga tahun berikutnya.
Gambar 3.1. Scatter Diagram Jumlah Barang Yang Dibongkar
3. Setelah melihat sebaran pola data seperti pada scatter diagram di atas maka digunakan dua metode peramalan, yaitu:
a. Metode Linier
b. Metode Eksponensial
4. Perhitungan parameter peramalan Metode Linier
a. Metode Linier
Fungsi peramalan : Y = a + bt
Hasil perhitungan parameter peramalan untuk metode linier dapat dilihat pada
[image:31.595.123.501.82.288.2]Tabel 3.2 sebagai berikut:
Tabel 3.2 Hasil Perhitungan Parameter Peramalan Metode Linier
Tahun t Y t2 tY
[image:31.595.144.491.726.766.2]2007 2 6.959.975 4 13.919.950
2008 3 7.527.212 9 22,581,636
2009 4 7.242.572 16 28.970.288
2010 5 8.269.722 25 41.348.610 Jumlah 15 36.259,118 55 113.080.121
b =
∑
∑
∑
∑ ∑
− − 2 2 ) ( t t n Y t tY n = 2 ) 15 ( ) 55 ( 5 ) 36.259.118 ( 15 ) 1 113.080.12 ( 5 − −= 430.276,70
a = n t b Y
∑
−∑
= 5 ) 15 )( 430.276,70 ( 36.259,118−= 5.960.993,50
Maka, fungsi peramalannya adalah : Ŷ = 5.960.993,50 + 430.276,70t
b. Metode Eksponensial
Fungsi peramalan : Y = aebt
Hasil perhitungan parameter peramalan untuk metode eksponensial dapat
[image:32.595.140.508.82.445.2]dilihat pada Tabel 3.3 sebagai berikut:
Tabel 3.3 Hasil Perhitungan Parameter Peramalan Metode Eksponensial
Tahun t Y t2 Ln Y t Ln Y
2007 2 6,959,975.00 4 15.756 31.511
2008 3 7,527,212.00 9 15.834 47.502
2009 4 7,242,572.00 16 15.795 63.182
2010 5 8,269,722.00 25 15.928 79.641
Jumlah 15 36,259,118 55 78.963 237.486
b =
( )
∑
∑
∑
∑ ∑
− − 2 2 ln ln t t n Y t Y t nb = 2
) 15 ( ) 55 ( 5 ) 963 . 78 ( 15 ) 486 . 237 ( 5 − −
b = 0,060
ln a =
n t b Y
∑
ln −∑
ln a =
5 ) 15 )( 060 . 0 ( 963 . 78 −
ln a = 15.792,42
a = 6.037.878,122
Maka, fungsi peramalannya adalah : Ŷ = 6.037.878,122 e0,060t
5. Menghitung Kesalahan Peramalan
Perhitungan kesalahan menggunakan metode MSE (Mean Square Error) dan SEE (Standard Error of Estimation) dengan menggunakan rumus persamaan (2.15) dan (2.16):
a. Metode Linier
[image:33.595.130.502.70.496.2]Dengan derajat kebebasan (f) = 2 dimana Ŷ = 5.960.993,50 + 430.276,70t
Tabel 3.4 Data Perhitungan MSE dan SEE Metode Linier
t Y Ŷ (Y-Ŷ)2
2 6.959,975 6.821.546,90 19.162.338,870
3 7.527,212 7.251.823,60 75.838.770,855
4 7.242,572 7.682.100,30 1.931.85E+11
5 8.269,722 8.112.377,00 24.757.449,025
Jumlah 3.302.71E+11
Besarnya kesalahan peramalan metode linier adalah
n Y Y MSE=
∑
i − i)ˆ (
MSE =
10 11 + 13.30271E
= 66.054.196.918,460
f n
Y Y
SEE i i
− − =
∑
2 ) ˆ ( 2 10 11 + 3.302.71E − = SEE= 331.798,626
b. Metode Eksponensial
Dengan derajat kebebasan (f) = 2 dimana Ŷ = 6.037.878,122 e0,060X
Tabel 3.5 Data Perhitungan MSE dan SEE Metode Eksponensial
t Y Ŷ (Y-Ŷ)2
1 6.259.637,00 6.409.161,405 22.357.547.587,708
2 6.959.975,00 6.803.275,767 24.554.649.729,365
3 7.527.212,00 7.221.625,145 93.383.326.044,574
4 7.242.572,00 7.665.699,807 179.037.141.203,397
5 8.269.722,00 8.137.081,662 17.593.459.347,170
Jumlah 336.926.123.912,214
Besarnya kesalahan peramalan metode eksponensial adalah:
n Y Y MSE=
∑
i − i)MSE =
5
3.912,214 336.926.12
MSE = 67.385.224.782,443
f n
Y Y
SEE i i
− − =
∑
2
) ˆ (
2 10
3.912,214 336.926.12
− =
SEE
SEE= 335.124,914
Hasil perhitungan nilai MSE dan SEE untuk jumlah barang yang dibongkar dapat
[image:35.595.179.331.82.278.2]dilihat pada Tabel 3.6 berikut ini.
Tabel 3.6 Perhitungan nilai MSE dan SEE setiap Metode Peramalan
Metode Peramalan MSE SEE
Linier 66.054.196.918,460 331.798,626 Eksponensial 67.385.224.782,443 335.124,914
Dari kedua metode yang dicoba,nilai SEE yang paling kecil adalah Linier. Maka
untuk meramalkan jumlah barang yan gdibongkar di Pelabuhan Belawan, M etode
Linier lebih baik dari Metode Eksponensial.
6. Perhitungan peramalan
Adapun hasil peramalan banyaknya jumlah barang yang dibongkar di pelabuhan
belawan untuk tahun 2011 dan tahun 2012 sebagai berikut:
Tahun 2011 ( t = 6 ), maka hasil peramalannya:
Ŷ = 5.960.993,50 + 430.276,70t
Ŷ = 5.960.993,50 + 430.276,70(11)
Ŷ = 8.542.653,70
Ŷ = 5.960.993,50 + 430.276,70t
Ŷ = 5.960.993,50 + 430.276,70(7)
Ŷ = 8.972.930.40
3.1.2. Peramalan Jumlah Barang Yang Dimuat Tahun 2012
Data jumlah barang yang dimuat selama periode 2006 sampai dengan tahun 2010
[image:36.595.209.417.292.449.2]Data dapat dilihat pada tabel 3.7.
Tabel 3.7 Data Jumlah Barang Yang Dimuat Tahun Jumlah Barang
2006 538.602
2007 974.286
2008 1.186.819
2009 1.128.960
2010 1.216.190
Sumber: Otoritas Pelabuhan Belawan-1
Adapun langkah-langkah peramalan yang akan dilakukan untuk menentukan
jumlah barang yang dimuat untuk tahun yang akan datang. Langkah-langkahnya
adalah sebagai berikut:
1. Menentukan tujuan peramalan
Tujuan peramalan adalah untuk menentukan banyaknya jumlah barang yang
dibongkar untuk tiga tahun berikutnya.
Gambar 3.2 Scatter Diagram Jumlah Barang Yang Dimuat 3. Memilih Metode Peramalan
Setelah melihat sebaran pola data seperti pada scatter diagram di atas maka digunakan tiga metode peramalan, yaitu:
a. Metode Linier
b. Metode Eksponensial
4. Perhitungan parameter peramalan
a. Metode Linier
Fungsi peramalan : Y = a + bt
Hasil perhitungan parameter peramalan untuk metode linier dapat dilihat pada
[image:37.595.163.470.618.766.2]Tabel 3.8 sebagai berikut:
Tabel 3.8 Hasil Perhitungan Parameter Peramalan Metode Linier
Tahun t Y t2 tY
2006 1 538.602 1 538.602
2007 2 974.286 4 1.948.572
2008 3 1.186.819 9 3.560.457
2009 4 1.128.960 16 4.515.840
2010 5 1.216.190 25 6.080.950
b =
∑
∑
∑
∑ ∑
− − 2 2 ( )t t n Y t tY n = 2 ) 15 ( ) 55 ( 5 ) 5.044.857 ( 55 ) 16.644.421 ( 5 − −
= 150.985
a = n t b Y
∑
−∑
= 5 ) 55 )( 150.985 ( 1.040.478−= 556.016.4
Maka, fungsi peramalannya adalah : Ŷ = 556.016,40 + 150.985t
b. Metode Eksponensial
Fungsi peramalan : Y = aebt
Hasil perhitungan parameter peramalan untuk metode eksponensial dapat
dilihat pada Tabel 3.9 sebagai berikut:
Tabel 3.9 Hasil Perhitungan Parameter Peramalan Metode Eksponensial
Tahun t Y t2 Ln Y t Ln Y
2006 1 538602.00 1 13.197 13.197
2007 2 974286.00 4 13.789 27.579
2008 3 1186819.00 9 13.987 41.960
2009 4 1128960.00 16 13.937 55.747
2010 5 1216190.00 25 14.011 70.056
Jumlah 15 5,044,857 55 68.921 208.539
b = 2 ) 15 ( ) 55 ( 5 ) 921 . 68 ( 15 ) 539 . 208 ( 5 − −
b = 0,178
ln a =
n t b Y
∑
ln −∑
ln a =
5 ) 15 )( 178 , 0 ( 509 . 68 −
ln a = 13,251
a = 568.808,492
Maka, fungsi peramalannya adalah : Ŷ = 568.808,492e0,178t
5. Menghitung Kesalahan Peramalan
Perhitungan kesalahan menggunakan metode MSE (Mean Square Error) dan SEE (Standard Error of Estimation) dengan menggunakan rumus persamaan (2.15) dan (2.16):
a. Metode Linier
[image:39.595.147.290.84.313.2]Derajat bebas (f) = 2 denganŶ = 556.016,40 + 150.985t
Tabel 3.10 Data Perhitungan MSE dan SEE Metode Linier
t Y Ŷ (Y-Ŷ)2
1 538.602 707.001,40 28.358.357,920
2 974.286 857.986,40 13.525.596,960
3 1.186.819 1.008.971,40 31.629.768,826
4 1.128.960 1.159.956,40 960.776,813
5 1.216.190 1.310.941,40 8.977.827,802
Besarnya kesalahan peramalan metode linier adalah
n Y Y MSE=
∑
i − i)ˆ (
MSE =
5
,321 83.452.328
= 16.690.465.664
f n
Y Y
SEE i i
− − =
∑
2 ) ˆ ( 2 5 ,321 83.452.328 − = SEE = 166.785.62b. Metode Eksponensial
[image:40.595.148.484.436.593.2]Derajat bebas (f) = 2, dengan Ŷ = 568.808,492e0,178t
Tabel 3.11 Data Perhitungan MSE dan SEE Metode Eksponensial
t Y Ŷ (Y-Ŷ)2
1 538602 679.378,775 19.818.100.241,501
2 974286 811.442,736 26.517.928.607,663
3 1186819 969.178,518 47.367.379.354,662
4 1128960 1.157.576,448 818.901.082,270
5 1216190 1.382.596,918 27.691.262.449,008
Jumlah 122.213.571.735,104
Besarnya kesalahan peramalan metode eksponensial adalah
n Y Y MSE=
∑
i − i)ˆ (
MSE =
5
7.735,104 122.213.51
f n
Y Y
SEE i i
− − =
∑
2
) ˆ (
2 5
7.735,104 122.213.51
− =
SEE
= 201.836,214
[image:41.595.179.345.85.187.2]Hasil rekapitulasi nilai MSE dan SEE untuk akseptor KB aktif dapat dilihat pada
Tabel 3.12 berikut ini.
Tabel 3.12 Rekapitulasi nilai MSE dan SEE setiap Metode Peramalan
Metode Peramalan MSE SEE
Linier 16.690.465.664 166.785.62 Eksponensial 24.442.714.347,021 201.836,214
Dari kedua metode yang dicoba,nilai SEE yang paling kecil adalah Linier. Maka
untuk meramalkan jumlah barang yang di bongkar di Pelabuhan Belawan, Metode
Linier lebih baik dari Metode Eksponensial.
6. Perhitungan peramalan
Adapun hasil peramalan jumlah baran gyang dimuat untuk tahun 2011 dan 2012
sebagai berikut:
Tahun 2010 ( t = 6 ), maka hasil peramalannya:
Ŷ = 556.016,40 + 150.985t Ŷ = 556.016,40 + 150.985(6)
Ŷ = 1.461.926.4
Tahun 2012 ( t = 7 ), maka hasil peramalannya:
Ŷ = 556.016,40 + 150.985t
Ŷ = 556.016,40 + 150.985 (7)
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengeritan Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk melakukan desain sistem
yang ada dan yang telah disetujui, biasanya disajikan dalam bentuk komputerisasi.
Tujuan dari implementasi sistem adalah sebagai berikut :
1. Menyelesaikan desain sistem yang ada dalam dokumen sistem yang disetujui.
2. Menulis, menguji dan mendokumentasikan program-program dan
prosedur-prosedur yang diperlukan oleh dokumen desain sistem tersebut.
3. Memastikan bahwa orang lain dapat mengoperasikan sistem baru yang telah
dibuat, untuk menyelesaikan persoalan-persoalan yang mereka hadapi yang
disesuaikan dengan sistem yang telah dibuat.
4. Memperhitungkan bahwa sistem baru memenuhi permintaan pemakai lainnya.
4.2 Tahap Implementasi
Tahap implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam
programming (coding). Pada tahapan inilah seluruh hasil desain dituangkan ke dalam bahasa pemograman tertentu untuk menghasilkan sebuah sistem informasi yang sesuai
Implementasi yang sudah selesai harus di uji coba kehandalannya sehingga
dapat diketahui kehandalan dari sistem yang ada dan telah sesuai dengan apa yang
diinginkan. Dalam data pengolahan jumlah penduduk implementasi yang digunakan
penulis adalah dengan menggunakan software Excel. Selain berfungsi sebagai
manipulasi atau pengolah angka, Microsoft Excel juga dapat digunakan untuk
memanipulasi teks komputer. Untuk dapat menggunakan Microsoft Excel secara
maksimal kita juga harus menguasai sistem operasi Microsoft Windows.
4.3 Pengaktifan Microsoft Excel
Dalam pengolahan data dan implementasi sistem untuk menyelesaikan permasalahan
yang telah dibahas dalam Tugasa Akhir ini, penulis menggunakan salah satu
perangkat bagian dari Microsoft Office yaitu Microsoft Excel.
Microsoft Excel adalah salah satu software yang paling dikenal dan digemari untuk menyelesaikan persoalan-persoalan perhitungan. Hal ini juga didukung oleh
fasilitas yang dimilikinya, dimana hampir semua program-program perhitungan
statistik terkandung didalamnya dan itulah alasan penulis memilih Microsoft Excel
sebagai alat implementasi sistem.
Adapun cara untuk mengaktifkan Microsoft Excel adalah :
1. Pada Desktop, klik Start.
3. Lalu pilih Microsoft Office, kemudian pilih dan klik
Microsoft Office Excel sehingga akan tampil jendela utama aplikasi Microsoft
office Excel pda layar monitor.
4.4 Lembar Kerja Microsoft Excel
Sebuah pengaktifan akan tampil lembar kerja Excel yang sudah siap untuk
[image:44.595.109.525.338.576.2]dipergunakan, lembar kerja Excel tersebut dapat dilihat pada gambar di bawah ini.
Gambar 4.1 tampilan awal jendela Ms. Excel
Lembar kerja Excel adalah kumpulan kolom dan baris, dimana kolom
berurutan darin atas ke bawah sedangkan baris berurutan dari kiri ke kanan yang
Pada setiap kolom dan baris terdapat sel dan ini diidetifikasikan dengan alamat
yang merupakan kombinasi antara abjad untuk kolom dan angka untuk baris,
disamping itu lembar kerja Excel terdapat banyak elemen yang memiliki fungsi
tersendiri.
4.5 Pengisian Data
Pengisian data ke dalam lembar kerja Excel adalah sama dengan memasukkan atau
pengetikan data ke dalamnya. Ada dua alternatif pengisian data, yakni menggunakan
keyboard komputer atau melalui submenu yang terdapat pada menu Excel. Dalam
pengisian data ke dalam lembar kerja dengan keyboard, diperlukan langkah-langkah
sebagai berikut :
1. Letakkan pointer pada sel yang ingin diisi data.
2. Ketik data yang diinginkan.
3. Tekan Enter atau klik tombol kiri mouse pada sel lain untuk konfirmasi atau
mengakhirinya, sedangkan alternatif kedua dalam mengisi data adalah
menggunakan submenu pada menu edit di Excel. Dengan alternatif ini, akan
Gambar 4.2 Input Data Awal pada Microsoft Office Excel 2007
4.5.1 Menghitung Peramalan Dengan Metode Linier 1. Menentukan nama variabel untuk perhitungan
a. Pada cel D3 ketikkan X^2
b. Pada cel E3 ketikkan XY
c. Pada cel F3 ketikkan Y’
d. Pada cel G3 ketikkan (Y-Y’)
e. Pada cel H3 ketikkan (Y-Y’)^2
2. Mencari nilai koefisen a dan b
a. Masukkan nilai n (banyak data) pada cel B2, untuk n = 10
b. Untuk mencari nilai pada kolom X^2digunakan rumus:
untuk cel D4: =B4^2, untuk cel D5: =B5^2, begitu pula seterusnya sampai
dengan cel D13: = B8^2.
untuk cel E4: =B4*C4, untuk tahun cel E5: =B5*C5, begitu pula seterusnya
dengan cel E13: =B8*C8.
d. Menhitung jumlah total, untuk total X: =SUM(B4:B10), untuk total Y:
=SUM(C4:C10) begitu pula untuk cel berikutnya.
e. Menentukan harga koefisien b (pada cel B13) digunakan rumus:
=((B2*E11)-(B16*C11))/((B2*D11)-(B11^2))
f. Menentukan harga koefisien a (pada cel B14) digunakan rumus:
=(C11-(B13*B11))/B2
3. Mengitung kesalahan peramalan
a. Untuk mempermudah langkah selanjutnya, harga koefisien a dan b di copykan
pada cel B16 dan D16.
b. Setelah didapat harga koefisien a dan b, selanjutnya dapat di cari nilai taksiran
untuk Y’ dengan rumus:
untuk cel F4: =$B$16+($D$16*B4), untuk cel F5: =$B$16+($D$16*B5),
begitu pula seterusnya sampai dengan cel F13: =$B$16+($D$16*B8)
c. Nilai untuk (Y-Y') di tentukan dengan rumus:
untuk cel G4: =C4-F4, untuk cel G5: =C5-F5, begitu pula seterusnya sampai
dengan cel G8: =C8-F8
d. Nilai untuk (Y-Y')^2 di tentukan dengan rumus:
untuk cel H4: =G4^2, untuk cel H5: =G5^2, begitu pula seterusnya sampai
dengan cel H8: =G8^2
e. Menentukan nilai SEE dan MSE Dengan rumus:
SEE (pada cel H13) digunakan rumus: =(H11/(B2-2))^0,5
MSE (pada cel H14) digunakan rumus: =H11/B2
a. Menentukan periode untuk X=6 (pada cel B19) dengan rumus: =B2+1
untuk X=7 (pada cel B20) dengan rumus: =B2+2
untuk X=8 (pada cel B21) dengan rumus: =B2+3
b. Menentukan besar peramalan untuk X=6(pada cel C19) digunakan rumus:
=$B$16+$D$16*B19, untuk X=12 (pada cel C20) digunakan rumus:
=$B$16+$D$16*B20, untuk X=13 (pada cel C21) digunakan rumus:
=$B$16+$D$16*B21.
[image:48.595.127.544.301.546.2]Berikut ini adalah tampilan untuk hasil pehitungan jumlah barang yang dibongkar.
Gambar 4.3 Hasil Perhitungan Microsoft Office Excel 2007 Untuk Metode Linier
Untuk menghitung variabel lainnya (jumlah barang yang dimuat) hanya cukup dengan
memasukkan data pada kolom Y, dan memasukkan nilai n (pada cel B2), maka
4.5.2 Menghitung Peramalan Dengan Metode Eksponensial
Untuk input data awal dapat di lihat pada gambar 4.2
1. Menentukan nama variabel untuk perhitungan
a. Pada cel D3 ketikkan X^2
b. Pada cel E3 ketikkan LnY
c. Pada cel F3 ketikkan X*LnY
d. Pada cel G3 ketikkan Y’
e. Pada cel H3 ketikkan (Y-Y’)
f. Pada cel I13 ketikkan (Y-Y’)^2
2. Mencari nilai koefisen a dan b
a. Masukkan nilai n (banyak data) pada cel B2, untuk n = 10
b. Untuk mencari nilai pada kolom X^2digunakan rumus:
untuk cel D4: =B4^2, untuk cel D5: =B5^2, begitu pula seterusnya sampai
dengan cel D8: = B8^2.
c. Untuk mencari nilai pada kolom LnYdigunakan rumus:
untuk cel E4: =LN(C4), untuk tahun cel E5: =LN(C5), begitu pula seterusnya
dengan cel E8: =LN(C8).
d. Untuk mencari nilai pada kolom X*LnYdigunakan rumus:
untuk cel F4: =B4*E4 untuk tahun cel F5: =B5*E5, begitu pula seterusnya
dengan cel F8: =B8*E8
e. Menhitung jumlah total, untuk total X: =SUM(B4:B10), untuk total Y:
=SUM(C4:C10) begitu pula untuk cel berikutnya.
f. Menentukan harga koefisien b (pada cel B13) digunakan rumus:
g. Menentukan harga koefisien ln a (pada cel B14) digunakan rumus:
=((E11)-(B13*B11))/B2
h. Menentukan harga koefisien a (pada cel D14) digunakan rumus: =EXP(B14)
3. Mengitung kesalahan peramalan
a. Untuk mempermudah langkah selanjutnya, harga koefisien a dan b di copykan
pada cel B14 dan D14.
b. Setelah didapat harga koefisien a dan b, selanjutnya dapat di cari nilai taksiran
untuk Y’ dengan rumus:
untuk cel G4: =($B$17)*(EXP($D$16*B4)), untuk cel G5:
=($B$17)*(EXP($D$16*B5)), begitu pula seterusnya sampai dengan cel G13:
=($B$17)*(EXP($D$16*B13))
c. Nilai untuk (Y-Y') di tentukan dengan rumus:
untuk cel H4: =C4-G4, untuk cel H5: =C5-G5, begitu pula seterusnya sampai
dengan cel H8: =C8-G8
d. Nilai untuk (Y-Y')^2 di tentukan dengan rumus:
untuk cel I4: =H4^2, untuk cel I5: =H5^2, begitu pula seterusnya sampai
dengan cel I8: =H8^2
e. Menentukan nilai SEE dan MSE Dengan rumus:
SEE (pada cel I13) digunakan rumus: =(I11/(B2-2))^0,5
MSE (pada cel I14) digunakan rumus: =I11/B2
4. Mengitung peramalan periode berikutnya:
c. Menentukan periode untuk X=6 (pada cel B20) dengan rumus: =B2+1
untuk X=7 (pada cel B22) dengan rumus: =B2+2
untuk X=8 (pada cel B22) dengan rumus: =B2+3
untuk X=6(pada cel C20) digunakan rumus:=$B$217*($C$17^($D$16*B25))
untuk X=7(pada cel C21) digunakan rumus: =$B$17*($C$16^($D$16*B26))
untuk X=8(pada cel C22) digunakan rumus: =$B$17*($C$16^($D$16*B27))
[image:51.595.126.543.182.425.2]Berikut ini adalah tampilan untuk hasil pehitungan pasangan usia subur (PUS):
Gambar 4.4 Hasil Perhitungan Microsoft Office Excel 2007 Untuk Metode Eksponensial
Untuk menghitung variabel lainnya (Jumlah Barang Yang Dimuat) hanya cukup
dengan memasukkan data pada kolom Y, dan memasukkan nilai n (pada cel B2),
BAB 5
PENUTUP
5.1 Kesimpulan
Bedasarkan hasil analisis yang telah dilakukan, maka dapat diambil bebrapa
kesimpulan sebagai berikut:
1. Peramalan jumlah barang yang dibongkar dan dimuat di Pelabuhan Belawan tahun
2012 dilkukan dengan meode linier karena memiliki nilai SEE terkecil
masing-masing sebesar 331.798,626 dan 166.785,62 dibandingkan dengan metode
Eksponensial.
2. Berdasarkan gambar scatter diagram, menunjukkan bahwa data jumlah barang yang dibongkar dan dimuat membentuk pola lilier.
3. Hasil peramalan jumlah barang yang dibongkar di Pelabuhan Belawan tahun 2012
adalah 8.972.930,40 Ton. Sedangkan untuk Hasil peramalan jumlah barang yang
dimuat di Pelabuhan Belawan tahun 2012 adalah 1.612.911,4 Ton.
5.2 Saran
Agar kegiatan bongkar muat di Pelabuhan Belawan dapat berjalan dengan baik,
diperlukan perhatian dari Pemerintah dan pihak Otoritas Pelabuhan selaku pihak
penyelenggara kegiatan bongkar muat. Seperti memberikan pelayanan terbaik,
DAFTAR PUSTAKA
1. Assaury, Sofian.1984. Teknik dan Metode Peramalan dan Penerapannya Dalam Ekonomi dan
Dunia Usaha. Jakarta LPEF Universitas Indonesia.
2. Makridakis, Spyros.1989. Metode dan Aplikasi Peramalan. Jakarta: Binapura Aksara.
3. Otoritas Pelabuhan Belawan. Data Kegiatan Bongkar Muat 2010.
4. Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.
5. Suharyadi, Purwanto S.K.2003. Statistika: Untuk Ekonomi dan Keuangan Modern. Jakarta:
