Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta : Universitas
Indonesia.
Makridakis, S. Wheelwright, S, C, McGee, V, E. 1999. Metode dan Aplikasi
Peramalan Edisi Kedua. Jakarta: Binarupa Aksara.
Manurung, Adler Haymans. 1990. Teknik Peramalan Bisnis dan Ekonomi.
Jakarta: Rineka Cipta.
Wicaksono Yudhy. 2005. Aplikasi Excel dalam Menganalisis Data. Jakarta: Alex
Media Komputindo.
http://www.repository.usu.ac.id
http://www.portal-statistik.com/search/label/forecasting
www.academia.edu
www.google.co.id
www.pln.co.id
PENGOLAHAN DATA
3.1 Penyajian Data
Data yang akan diolah dalam tugas akhir adalah data yang diambil dari PT PLN
(Persero) Tanjung Morawa, yaitu data mengenai nilai penjualan energi listrik pada
tahun 2016 dan 2017.
Tabel 3.1 Data Nilai Penjualan Energi Listrik di PT PLN (Persero)
Tanjung Morawa tahun 2006-2015
Tahun Energi yang Terjual (kWh)
2006 274.077.385
2007 292.882.200
2008 307.489.260
2009 312.806.978
2010 332.169.307
2011 353.747.931
2012 369.642.562
2013 367.661.563
2014 397.845.288
2015 433.161.164
Gambar 3.1 Grafik Nilai Penjualan Energi Listrik di Tanjung Morawa Tahun
2006-2015
3.2 Pengolahan Data dengan Metode Smoothing Eksponensial Ganda:
Metode Linier Satu-Parameter dari Brown
Langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan
dengan menggunakan metode pemulusan eksponensial ganda: metode linier
satu-parameter dari Brown adalah:
1. Menentukan harga parameter smoothing eksponensial ganda yang besarnya .
$ = (0,2)(292.882.200,00) + (1 − 0,2)(274.077.385,00) = 277.838.348,00
; = (0,2)(307.489.260,00) + (1 − 0,2)(277.838.348,00)
= 283.768.530,40
3. Menghitung harga smoothing eksponensial ganda dengan menggunakan persamaan 2.3.
• = 0,1
= 274.077.385,00
$ = (0,1)(275.957.866,50) + (1 − 0,1)(274.077.385,00)
= 274.265.433,15
; = (0,1)(279.111.005,85) + (1 − 0,1)(274.265.433,15)
= 274.749.990,42
dst.
• = 0,2
= 274.077.385,00
$ = (0,2)(277.838.348,00) + (1 − 0,2)(274.077.385,00)
= 274.829.577,60
; = (0,2)(283.768.530,40) + (1 − 0,2)(274.829.577,60)
.
.
.
• = 0,9
= 274.077.385,00
$ = (0,9)(291.001.718,50) + (1 − 0,9)(274.077.385,00)
= 289.309.285,15
; = (0,9)(305.840.505,85) + (1 − 0,9)(289.309.285,15)
= 304.187.383,78
dst.
4. Menghitung koefisien dan dengan menggunakan persamaan 2.4 dan persamaan 2.5.
• = 0,1
= −
$ = 2(275.957.866,50) − (274.265.433,15) = 277.650.299,85
; = 2(279.111.005,85) − (274.749.990,42) = 283.472.021,28
dst.
$ = 2(277.838.348,00) − (274.829.577,60) = 280.847.118,40
; = 2(283.768.530,40) − (276.617.368,16) = 290.919.692,64
dst.
$ = 1 − 0,2 (277.838.348,00 − 274.829.577,60) = 752.192,60
$ = 2(291.001.718,50) − (289.309.285,15) = 292.694,151,85
; = 2(305.840.505,85) − (304.187.383,78) = 307.493.627,92
dst.
5. Menghitung trend peramalan dengan menggunakan persamaan 2.6.
• = 0,1
= −
$ = −
; = (277.650.299,85 + 188.048,15)(1) = 277.838.348,00
< = (283.472.021,28 + 484.557,27)(1) = 283.956.578,55
dst.
• = 0,2
; = (280.847.118,40 + 752.192,60)(1) = 281.599.311,00
< = (290.919.692,64 + 1.787.790,56)(1) = 292.707.483,20
dst.
; = (292.694.151,85 + 15.231.900,15)(1) = 307.926.052,00
< = (307.493.627,92 + 14.878.098,63)(1) = 322.371.726,55
dst.
6. Menghitung nilai kesalahan (error) dengan menggunakan persamaan 2.7.
• = 0,1
= −
$ = −
; = 307.489.260,00 − 277.838.348,00 = 29.650.912,00
< = 312.806.978,00 − 283.956.578,55 = 28.850.399,45
dst.
• = 0,2
= −
$ = −
; = 307.489.260,00 − 281.599.311,00 = 25,889.949,00
< = 312.806.978,00 − 292.707.483,20 = 20.099.494,80
; = 307.489.260,00 − 307.926.052,00 = −436.792,00
< = 312.806.978,00 − 322.371.726,55 = −9.564.748,55
dst.
Untuk = 0,3 sampai dengan = 0,8 hasilnya pada Tabel 3.2-Tabel 3.10.
3.3 Penaksiran Model Peramalan
Dalam mengolah data pada Tabel 3.1, digunakan metode peramalan yaitu dengan
metode pemulusan eksponensial satu-parameter dari Brown. Untuk memenuhi
perhitungan pemulusan eksponensial tunggal, ganda dan ramalan yang akan
datang, maka kita harus menentukan parameter dari nilai α terlebih dahulu yang
biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α yang
dipilih dari 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu
ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing elemen
dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.
Untuk menghitung nilai MSE pertama, dicari terlebih dahulu error yang
merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error
dikuadratkan dan dibagi dengan banyaknya error. Secara matematis rumus
MSE adalah sebagai berikut:
Tabel 3.2 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,1
MSE = 22.282.344.273.539.800,008
MSE = 2.785.293.034.192.480
307.489.260,00 279.111.005,85 274.749.990,42 283.472.021,28 484.557,27 277.838.348,00 29.650.912,00 879.176.582.431.744,00 2009
312.806.978,00 282.480.603,07 275.523.051,68 289.438.154,45 773.061,26 283.956.578,55 28.850.399,45 832.345.548.424.556,00 2010
332.169.307,00 287.449.473,46 276.715.693,86 298.183.253,06 1.192.642,18 290.211.215,71 41.958.091,29 1.760.481.424.699.970,00 2011
353.747.931,00 294.079.319,21 278.452.056,40 309.706.582,03 1.736.362,54 299.375.895,23 54.372.035,77 2.956.318.273.502.209,00 2012
369.642.562,00 301.635.643,49 280.770.415,11 322.500.871,88 2.318.358,71 311.442.944,56 58.199.617,44 3.387.195.469.766.580,00 2013
367.661.563,00 308.238.235,44 283.517.197,14 332.959.273,74 2.746.782,03 324.819.230,59 42.842.332,41 1.835.465.446.689.230,00 2014
397.845.288,00 317.198.940,70 286.885.371,50 347.512.509,90 3.368.174,36 335.706.055,78 62.139.232,22 3.861.284.181.130.060,00 2015
433.161.164,00 328.795.163,03 291.076.350,65 366.513.975,41 4.190.979,15 350.880.684,26 82.280.479,74 6.770.077.346.895.410,00
Tabel 3.3 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,2
MSE = 7.860.805.508.857.670,008
MSE = 982.600.688.607.209
Tahun $
2006 274.077.385,00 274.077.385,00 274.077.385,00 - - - - -
2007
292.882.200,00 277.838.348,00 274.829.577,60 280.847.118,40 752.192,60 - - - 2008
307.489.260,00 283.768.530,40 276.617.368,16 290.919.692,64 1.787.790,56 281.599.311,00 25.889.949,00 670.289.459.222.601,00 2009
312.806.978,00 289.576.219,92 279.209.138,51 299.943.301,33 2.591.770,35 292.707.483,20 20.099.494,80 403.989.691.215.230,00 2010
332.169.307,00 298.094.837,34 282.986.278,28 313.203.396,40 3.777.139,76 302.535.071,68 29.634.235,32 878.187.903.001.135,00 2011
353.747.931,00 309.225.456,07 288.234.113,84 330.216.798,30 5.247.835,56 316.980.536,16 36.767.394,84 1.351.841.323.320.460,00 2012
369.642.562,00 321.308.877,26 294.849.066,52 347.768.687,99 6.614.952,68 335.464.633,86 34.177.928,14 1.168.130.771.888.320,00 2013
367.661.563,00 330.579.414,40 301.995.136,10 359.163.692,71 7.146.069,58 354.383.640,67 13.277.922,33 176.303.221.271.919,00 2014
397.845.288,00 344.032.589,12 310.402.626,70 377.662.551,54 8.407.490,61 366.309.762,29 31.535.525,71 994.489.381.875.700,00 2015
433.161.164,00 361.858.304,10 320.693.762,18 403.022.846,02 10.291.135,48 386.070.042,15 47.091.121,85 2.217.573.757.062.310,00
Tabel 3.4 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,3
MSE = 3.453.300.234.586.890,008
MSE = 431.662.529.323.361
Tahun $
2006 274.077.385.00 274.077.385,00 274.077.385,00
- - - - -
2007
292.882.200.00 279.718.829,50 275.769.818,35 283.667.840,65 1.692.433,35 - - - 2008
307.489.260.00 288.049.958,65 279.453.860,44 296.646.056,86 3.684.042,09 285.360.274,00 22.128.986,00 489.692.021.388.199,00 2009
312.806.978.00 295.477.064,46 284.260.821,64 306.693.307,27 4.806.961,20 300.330.098,95 12.476.879,05 155.672.510.828.331,00 2010
332.169.307.00 306.484.737,22 290.927.996,32 322.041.478,12 6.667.174,67 311.500.268,47 20.669.038,53 427.209.153.754.628,00 2011
353.747.931.00 320.663.695,35 299.848.706,03 341.478.684,68 8.920.709,71 328.708.652,79 25.039.278,21 626.965.453.152.589,00 2012
369.642.562.00 335.357.355,35 310.501.300,82 360.213.409,87 10.652.594,80 350.399.394,39 19.243.167,61 370.299.499.697.341,00 2013
367.661.563.00 345.048.617,64 320.865.495,87 369.231.739,42 10.364.195,05 370.866.004,67 -3.204.441,67 10.268.446.394.353,70 2014
397.845.288.00 360.887.618,75 332.872.132,73 388.903.104,77 12.006.636,86 379.595.934,46 18.249.353,54 333.038.904.537.796,00 2015
433.161.164.00 382.569.682,33 347.781.397,61 417.357.967,04 14.909.264,88 400.909.741,63 32.251.422,37 1.040.154.244.833.650,00
Tabel 3.5 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,4
MSE = 2.037.998.963.016.500,008
MSE = 254.749.870.377.062
307.489.260,00 291.955.290,60 283.033.809,48 300.876.771,72 5.947.654,08 289.121.237,00 18.368.023,00 337.384.268.928.527,00 2009
312.806.978,00 300.295.965,56 289.938.671,91 310.653.259,21 6.904.862,43 306.824.425,80 5.982.552,20 35.790.930.825.724,70 2010
332.169.307,00 313.045.302,14 299.181.324,00 326.909.280,27 9.242.652,09 317.558.121,64 14.611.185,36 213.486.737.624.279,00 2011
353.747.931,00 329.326.353,68 311.239.335,87 347.413.371,49 12.058.011,87 336.151.932,36 17.595.998,64 309.619.168.138.879,00 2012
369.642.562,00 345.452.837,01 324.924.736,33 365.980.937,69 13.685.400,45 359.471.383,36 10.171.178,64 103.452.874.894.242,00 2013
367.661.563,00 354.336.327,41 336.689.372,76 371.983.282,05 11.764.636,43 379.666.338,14 -12.004.775,14 144.114.626.265.684,00 2014
397.845.288,00 371.739.911,64 350.709.588,31 392.770.234,97 14.020.215,55 383.747.918,48 14.097.369,52 198.735.827.298.614,00 2015
433.161.164,00 396.308.412,59 368.949.118,02 423.667.707,15 18.239.529,71 406.790.450,53 26.370.713,47 695.414.529.040.546,00
Tabel 3.6 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,5
Sumber: Perhitungan
Untuk α = 0,5; N = 8, maka:
MSE = eN$
"
=#
MSE = 1.574.394.678.523.830,008
MSE = 196.799.334.815.479
Tahun $
2006 274.077.385,00 274.077.385,00 274.077.385,00 - - - - -
2007 292.882.200,00 283.479.792,50 278.778.588,75 288.180.996,25 4.701.203,75 - - -
2008 307.489.260,00 295.484.526,25 287.131.557,50 303.837.495,00 8.352.968,75 292.882.200,00 14.607.060,00 213.366.201.843.600,00
2009 312.806.978,00 304.145.752,13 295.638.654,81 312.652.849,44 8.507.097,31 312.190.463,75 616.514,25 380.089.820.453,06
2010 332.169.307,00 318.157.529,56 306.898.092,19 329.416.966,94 11.259.437,38 321.159.946,75 11.009.360,25 121.206.013.114.280,00
2011 353.747.931,00 335.952.730,28 321.425.411,23 350.480.049,33 14.527.319,05 340.676.404,31 13.071.526,69 170.864.809.942.025,00
2012 369.642.562,00 352.797.646,14 337.111.528,69 368.483.763,59 15.686.117,45 365.007.368,38 4.635.193,63 21.485.019.941.240,60
2013 367.661.563,00 360.229.604,57 348.670.566,63 371.788.642,51 11.559.037,94 384.169.881,05 -16.508.318,05 272.524.564.736.779,00
2014 397.845.288,00 379.037.446,29 363.854.006,46 394.220.886,11 15.183.439,83 383.347.680,45 14.497.607,55 210.180.624.583.207,00
2015 433.161.164,00 406.099.305,14 384.976.655,80 427.221.954,49 21.122.649,34 409.404.325,94 23.756.838,06 564.387.354.542.248,00
Tabel 3.7 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,6
Sumber: Perhitungan
Untuk α = 0,6; N = 8, maka:
MSE = eN$
"
=#
MSE = 1.440.342.968.347.830,008
MSE = 180.042.871.043.479
Tahun $
2006 274.077.385,00 274.077.385,00 274.077.385,00 - - - - -
2007 292.882.200,00 285.360.274,00 280.847.118,40 289.873.429,60 6.769.733,40 - - -
2008 307.489.260,00 298.637.665,60 291.521.446,72 305.753.884,48 10.674.328,32 296.643.163,00 10.846.097,00 117.637.820.133.408,00
2009 312.806.978,00 307.139.253,04 300.892.130,51 313.386.375,57 9.370.683,79 316.428.212,80 -3.621.234,80 13.113.341.476.731,10
2010 332.169.307,00 322.157.285,42 313.651.223,45 330.663.347,38 12.759.092,94 322.757.059,36 9.412.247,64 88.590.405.636.686,40
2011 353.747.931,00 341.111.672,77 330.127.493,04 352.095.852,49 16.476.269,59 343.422.440,32 10.325.490,68 106.615.757.782.767,00
2012 369.642.562,00 358.230.206,31 346.989.121,00 369.471.291,61 16.861.627,96 368.572.122,08 1.070.439,92 1.145.841.625.755,11
2013 367.661.563,00 363.889.020,32 357.129.060,59 370.648.980,05 10.139.939,59 386.332.919,57 -18.671.356,57 348.619.556.220.838,00
2014 397.845.288,00 384.262.780,93 373.409.292,79 395.116.269,06 16.280.232,20 380.788.919,64 17.056.368,36 290.919.701.472.637,00
2015 433.161.164,00 413.601.810,77 397.524.803,58 429.678.817,96 24.115.510,79 411.396.501,26 21.764.662,74 473.700.543.999.010,00
Tabel 3.8 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,7
Sumber: Perhitungan
Untuk α = 0,7; N = 8, maka:
MSE = eN$
"
=#
MSE = 1.431.562.126.494.220,008
MSE = 178.945.265.811.778
Tahun $
2006 274.077.385,00 274.077.385,00 274.077.385,00 - - - - -
2007 292.882.200,00 287.240.755,50 283.291.744,35 291.189.766,65 9.214.359,35 - - -
2008 307.489.260,00 301.414.708,65 295.977.819,36 306.851.597,94 12.686.07,01 300.404.126,00 7.085.134,00 50.199.123.797.956,80
2009 312.806.978,00 309.389.297,20 305.365.853,84 313.412.740,55 9.388.034,48 319.537.672,95 -6.730.694,95 45.302.254.509.953,70
2010 332.169.307,00 325.335.304,06 319.344.468,99 331.326.139,12 13.978.615,15 322.800.775,03 9.368.531,97 87.769.391.272.912,60
2011 353.747.931,00 345.224.142,92 337.460.240,74 352.988.045,09 18.115.771,75 345.304.754,27 8.443.176,73 71.287.233.251.799,00
2012 369.642.562,00 362.317.036,28 354.859.997,61 369.774.074,94 17.399.756,87 371.103.816,84 -1.461.254,84 2.135.265.709.761,40
2013 367.661.563,00 366.058.204,98 362.698.742,77 369.417.667,19 7.838.745,16 387.173.831,81 -19.512.268,81 380.728.634.111.943,00
2014 397.845.288,00 388.309.163,09 380.626.037,00 395.992.289,19 17.927.294,23 377.256.412,35 20.588.875,65 423.901.800.518.765,00
2015 433.161.164,00 419.705.563,73 407.981.705,71 431.429.421,75 27.355.668,71 413.919.583,42 19.241.580,58 370.238.423.321.130,00
Tabel 3.9 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,8
Sumber: Perhitungan
Untuk α = 0,8; N = 8, maka:
MSE = eN$
"
=#
MSE = 1.480.195.979.692.370,008
MSE = 185.024.497.461.547
Tahun $
2006 274.077.385,00 274.077.385,00 274.077.385,00 - - - - -
2007 292.882.200,00 289.121.237.00 286.112.466,60 292.130.007,40 12.035.081,60 - - -
2008 307.489.260,00 303.815.655,40 300.275.017,64 307.356.293,16 14.162.551,04 304.165.089,00 3.324.171,00 11.050.112.837.241,80
2009 312.806.978,00 311.008.713,48 308.861.974,31 313.155.452,65 8.586.956,67 321.518.844,20 -8.711.866,20 75.896.612.686.701,20
2010 332.169.307,00 327.937.188,30 324.122.145,50 331.752.231,09 15.260.171,19 321.742.409,32 10.426.897,68 108.720.195.229.191,00
2011 353.747.931,00 348.585.782,46 343.693.055,07 353.478.509,85 19.570.909,57 347.012.402,28 6.735.528,72 45.367.347.137.943,60
2012 369.642.562,00 365.431.206,09 361.083.575,89 369.778.836,30 17.390.520,82 373.049.419,42 -3.406.857,42 11.606.677.474.758,90
2013 367.661.563,00 367.215.491,62 365.989.108,47 368.441.874,76 4.905.532,59 387.169.357,12 -19.507.794,12 380.554.031.290.981,00
2014 397.845.288,00 391.719.328,72 386.573.284,67 396.865.372,77 20.584.176,20 373.347.407,35 24.497.880,65 600.146.156.350.252,00
2015 433.161.164,00 424.872.796,94 417.212.894,49 432.532.699,40 30.639.609,82 417.449.54,.98 15.711.615,02 246.854.846.685.305,00
Tabel 3.10 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,9
Sumber: Perhitungan
Untuk α = 0,9; N = 8, maka:
MSE = eN$
"
=#
MSE = 1.571.706.867.142.930,008
MSE = 196.463.358.392.866
Tahun $
2006 274.077.385,00 274.077.385,00 274.077.385,00 - - - - -
2007 292.882.200,00 291.001.718,50 289.309.285,15 292.694.151,85 15.231.900,15 - - -
2008 307.489.260,00 305.840.505,85 304.187.383,78 307.493.627,92 14.878.098,63 307.926.052,00 -436.792,00 190.787.251.264,21
2009 312.806.978,00 312.110.330,79 311.318.036,08 312.902.625,49 7.130.652,30 322.371.726,55 -9.564.748,55 91.484.414.824.726,20
2010 332.169.307,00 330.163.409,38 328.278.872,05 332.047.946,71 16.960.835,96 320.033.277,79 12.136.029,21 147.283.204.985.986,00
2011 353.747.931,00 351.389.478,84 349.078.418,16 353.700.539,52 20.799.546,11 349.008.782,67 4.739.148,33 22.459.526.870.045,90
2012 369.642.562,00 367.817.253,68 365.943.370,13 369.691.137,24 16.864.951,97 374.500.085,63 -4.857.523,63 23.595.535.782.980,40
2013 367.661.563,00 367.677.132,07 367.503.755,87 367.850.508,26 1.560.385,74 386.556.089,21 -18.894.526,21 357.003.120.647.282,00
2014 397.845.288,00 394.828.472,41 392.096.000,75 397.560.944,06 24.592.244,88 369.410.894,01 28.434.393,99 808.514.761.837.155,00
2015 433.161.164,00 429.327.894,84 425.604.705,43 433.051.084,25 33.508.704,68 422.153.188,94 11.007.975,06 121.175.514.943.487,00
(parameter pemulusan) yang memberikan nilai MSE yang paling kecil.
Perbandingan ukuran ketepatan metode peramalan nilai penjualan energi listrik di
PT PLN (Persero) Tanjung Morawa dengan melihat MSE adalah sebagai berikut:
Tabel 3.11 Perbandingan Ukuran Ketepatan Metode Peramalan
α MSE
Dari uraian tabel 3.11 diatas, dapat dilihat bahwa MSE yang paling kecil terdapat
pada α = 0,7, yaitu dengan MSE = 178.945.265.811.778. Perlu diketahui juga,
untuk nilai $ untuk masing-masing bernilai aproksimasi (mendekati) karena
adanya pemotongan dan pembulatan angka desimal yang dilakukan komputer
(Microsoft Office Excel).
3.4 Penentuan Bentuk Persamaan Peramalan
Melalui cara trial and error dengan 0 < α < 1, telah diperoleh perhitungan
peramalan pemulusan eksponensial linier satu-parameter dari Brown dengan
α = 0,7, sehingga dapat ditentukan bentuk persamaan peramalan untuk
periode-periode berikutnya.
Berdasarkan perhitungan pada α = 0,7, dapat diperoleh persamaan peramalan
untuk periode berikutnya yaitu dengan menggunakan persamaan 2.6 sebagai
berikut:
= + ( )
Setelah diperoleh peramalan nilai penjualan energi listrik, maka dapat dihitung
nilai penjualan energi listrik untuk 2 periode berikutnya, yaitu untuk tahun 2016
dan 2017 seperti uraian dibawah ini:
Perhitungannya adalah:
a.Untuk periode ke – 11 (tahun 2016)
Ft+m = 431.429.421,75+ 27.355.668,71 (m) F10+1 = 431.429.421,75 + 27.355.668,71 (1) F11 = 458.785.090,46
b.Untuk periode ke - 12 (tahun 2017)
Ft+m = 431.429.421,75+27.355.668,71 (m) F10+2 = 431.429.421,75+ 27.355.668,71 (2) F12 = 486.140.759,17
Tabel 3.12 Peramalan Nilai Penjualan Energi Listrik di PT PLN (Persero) Tanjung
Morawa untuk Tahun 2016 dan 2017
Tahun Periode Peramalan Nilai
Penjualan Energi Listrik (kWh)
2016 11 458.785.090,46
2017 12 486.140.759,17
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem
baru atau sistem yang akan diperbaiki. Sistem yang sudah dianalisa dan dirancang
secara rinci dengan teknologi yang sudah dipilih dan diseleksi, maka sistem
tersebut sudah memenuhi tahap untuk diimplementasikan.
Dalam hal mendesain, menginstal, menyelesaikan data berupa angka dan
memulai sistem erat kaitannya dengan komputer. Komputer mempunyai
kelebihan khusus jika dibandingkan dengan manusia, yaitu kecepatan, keandalan,
dan ketetapan. Terutama dalam pengolahan data yang jumlahnya sangat besar dan
rumit dikerjakan secara manual tentunya sangat membutuhkan komputer untuk
mengolah data tersebut. Dalam pengolahan data pada karya tulis ini penulis
menggunakan komputer dimana penulis memakai satu perangkat lunak sebagai
implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk
memperoleh hasil perhitungan yang cepat, tepat. Dan tingkat kesalahan yang
relatif kecil.
4.2 Microsoft Office Excel
Microsoft Office Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. Microsoft Office Excel
merupakan salah satu software pengolahan angka yang cukup banyak digunakan
di dunia. Microsoft Office Excel merupakan produk unggulan dari Microsoft
Corporation yang banyak berperan dalam pengolahan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan dipresentasikan
Excel 2007
Sebelum pengoperasian software ini, pastikan pada komputer terpasang program
excel. Adapun cara untuk memulai Microsoft Office Excel 2007, yaitu: 1. Klik Start, Klik Microsoft Office Excel 2007
Gambar 4.1 Cara membuka Microsoft Office Excel 2007
2. Lalu akan muncul tampilan Microsoft Office Excel 2007
keterangan pada masing-masing kolom:
1. Pada kolom pertama diketik keterangan Tahun 2. Pada kolom kedua diketik keterangan
3. Pada kolom ketiga diketik keterangan 4. Pada kolom keempat diketik keterangan 5. Pada kolom kelima diketik keterangan 6. Pada kolom keenam diketik keterangan 7. Pada kolom ketujuh diketik keterangan 8. Pada kolom kedelapan diketik keterangan 9. Pada kolom kesembilan diketik keterangan $
4. Masukkan (entry) data pada kolom pertama berupa keterangan dengan Tahun dan kolom kedua berupa keterangan dengan
Gambar 4.3 Tampilan Pemasukkan Data
5. Olah data dengan memasukkan rumus:
• Persamaan 2.2 untuk nilai = 0,7 , yaitu dengan memasukkan rumus
= (0,7) ∗ (B3) + (1 − 0,7) ∗ (C2), kemudian melanjutkan rumus untuk
Gambar 4.4 Tampilan Hasil Olah Data untuk Persamaan 2.2
• Persamaan 2.3 untuk nilai = 0,7, yaitu dengan memasukkan rumus
= (0,7) ∗ (C3) + (1 − 0,7) ∗ (D2), kemudian melanjutkan rumus
untuk baris selanjutnya seperti pada Gambar 4.5
= 2 ∗ (C3) − D3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.6
Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan 2.4
• Persamaan 2.5 untuk nilai = 0,7 , yaitu dengan memasukkan rumus
= ((0,7)/(1 − 0,7)) ∗ (C3 − D3), kemudian melanjutkan rumus untuk
baris selanjutnya seperti pada Gambar 4.7
= E3 + F3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.8
Gambar 4.8 Tampilan Hasil Olah Data untuk Persamaan 2.6
• Persamaan 2.7 untuk nilai = 0,7 , yaitu dengan memasukkan rumus
= B4 − G4, kemudian melanjutkan rumus untuk baris selanjutnya seperti
pada Gambar 4.9
dilanjutkan dengan rumus tersebut, kemudian jumlahkan hasil kuadrat tersebut dengan rumus = SUM(I4: I11) seperti pada Gambar 4.10
Gambar 4.10 Tampilan Hasil Kuadrat Persamaan 2.7
4.4 Pembuatan Grafik
Untuk membuat grafik pada Microsoft Office Excel 2007 dapat menggunakan
icon chart wizard yang terdapat pada toolbar.
Adapun langkah-langkah dalam membuat grafik,yaitu:
1. Dari data yang sudah ada sebelumnya, sertakan Tahun Peramalan dan hasil peramalan yang sudah diolah. (Lihat Gambar 4.11)
muncul tampilan seperti pada Gambar 4.12 dibawah ini:
Gambar 4.12 Langkah-langkah Pembuatan Grafik Nilai Penjualan Energi
Listrik di Tanjung Morawa
3. Kemudian pilih Select Data lalu akan muncul tampilan Select Data Source, pada bagian Chart Data Range diisi dengan cara memblok kolom Tahun dan kolom seperti Gambar 4.13 dibawah ini:
Axis label range: diisi dengan memblok range dari tahun 2006 – 2017 seperti Gambar 4.14, kemudian klik OK dan klik OK lagi.
Gambar 4.14 Tampilan Axis Labels
5. Setelah itu akan muncul grafik Nilai Penjualan Energi Listrik di Tanjung Morawa dari tahun 2006-2017 Seperti Gambar 4.15 dibawah ini:
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data yang telah dilakukan, maka diperoleh
kesimpulan sebagai berikut:
a. Dari hasil pengolahan data tahun 2006 sampai 2015 untuk nilai penjualan
energi listrik PT PLN (Persero) Tanjung Morawa dalam satuan kWh
(kiloWatt hour) dengan menggunakan metode smoothing eksponensial ganda
dengan metode linier satu-parameter dari Brown, diperoleh nilai MSE
terkecil yaitu 178.945.265.811.778 dengan (parameter pemulusan) = 0,7.
b. Bentuk persamaan peramalan nilai penjualan listrik PT PLN (Persero)
Tanjung Morawa berdasarkan data tahun 2006 sampai 2015 dengan
(parameter pemulusan) = 0,7 adalah 431.429.421,75+27.355.668,71(m).
c. Peramalan nilai penjualan energi listrik PT PLN (Persero) Tanjung Morawa
untuk tahun 2017 yakni periode ke-12 adalah sebesar 486.140.759,17 kWh.
Berdasarkan nilai penjualan energi listrik yang diperoleh dari pengolahan
data, maka penjualan energi listrik PT PLN (Persero) Tanjung Morawa terus
meningkat dari tahun ke tahun. Sehingga dapat dibuat kesimpulan kebutuhan
akan energi listrik untuk kehidupan manusia yang sumber listriknya dari PT
a. Dalam meramalkan nilai penjualan energi listrik untuk waktu yang akan
datang, pihak PT PLN (Persero) dapat menggunakan metode smoothing
eksponensial ganda dengan metode linier satu-parameter dari Brown dengan
menggunakan alat bantu komputer dengan salah satu aplikasi perangkat lunak
yaitu Microsoft Office Excel 2007. Untuk mempermudah proses perhitungan
cepat, tepat dan tingkat kesalahan relatif kecil
b. Diharapkan kepada masyarakat dan para pembaca untuk lebih cermat dalam
pemakaian energi listrik, membatasi pemakaian energi listrik, dan mematikan
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang
akan terjadi pada masa yang akan datang. Peramalan penjualan adalah peramalan
yang mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan
yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan
arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan
waktu antara keadaan akan dibutuhkannya suatu kebijakan baru. Apabila
perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan
sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa
sehingga dapat dipersiapkan tindakan yang diperlukan. (Sofyan Assauri, 1984)
Kegunaan suatu peramalan dapat dilihat pada saat pengambilan
keputusan. Keputusan yang baik adalah keputusan yang didasarkan oleh
pertimbangan yang akan terjadi saat keputusan tersebut dilakukan. Apabila
keputusan yang dialami kurang tepat sebaiknya keputusan tersebut tidak
dilaksanakan.Oleh karena masalah pengambilan keputusan merupakan masalah
yang dihadapi, maka peramalan juga merupakan masalah yang harus dihadapi,
karena peramalan berkaitan erat dengan pengambilan keputusan.
2.2 Jenis-Jenis Peramalan
Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori
utama,yaitu:
1. Peramalan Kualitatif atau Teknologis
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pendapat dan pengetahuan serta pengalaman dari orang-orang yang
menyusunnya. Biasanya peramalan kualitatif ini didasarkan atas hasil
penyelidikan seperti Delphi, analogis dan didasarkan atas ciri-ciri normatif
seperti decision matrices atau decision trees. Metode kualitatif dapat
dibagi menjadi dua, yaitu metode eksploratoris dan normatif.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Peramalan yang baik adalah peramalan yang
dilakukan dengan mengikuti prosedur peramalan penyusunan dengan baik.
Semakin baik kita menggunakan prosedur peramalan, maka penyimpangan
antara hasil peramalan dengan kenyataan yang terjadi juga semakin kecil.
Metode peramalan kuantitatif dapat dibagi dalam deret berkala (time
series) dan metode kausal.Peramalan kuantitatif dapat digunakan bila memenuhi syarat-syarat berikut:
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 dan kondisi ini disebut dengan kondisi yang konstan (assumption of constancy). Asumsi ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis terlepas dari bagaimana canggihnya metode tersebut.
Metode-metode peramalan dengan analisis deret waktu dibagi tiga, yaitu:
1. Metode Pemulusan Eksponensial dan Rata-Rata Bergerak
Metode ini sering digunakan untuk ramalan jangka pendek dan jarang
dipakai untuk ramalan jangka panjang.
jangka panjang.
3. Metode Box-Jenkins
Metode ini jarang dipakai, tetapi baik untuk ramalan jangka pendek,
menengah dan panjang. Metode ini dapat dipergunakan untuk meramalkan
data historis dengan kondisi yang sulit dimengerti pengaruhnya terhadap
data secara teknis.
2.3PemilihanMetodePeramalan
Dalam memilih metode peramalan, perlu diketahui terlebih dahulu ciri-ciri
penting dalam pengambilan keputusan dan analisis keadaan dalam
mempersiapkan peramalan. Ada 6 faktor utama yang diidentifikasikan sebagai
teknik dan metode peramalan, yaitu:
1. Horizon Waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan masing-
masing metode peramalan, yaitu cakupan waktu dimasa yang akan datang
dan jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa macam pola
yang didapati didalam data yang diramalkan akan berkelanjutan.
3. Jenis dan Model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsure yang penting untuk menentukan perubahan-perubahan dalampola.
Model-model perlu diperhatikan Karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisis keadaan untuk pengambilan
keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada empat unsure biaya yang tercakup dalam penggunaan suatu
prosedur peramalan, yaitu biaya-biaya penyimpangan (storage) data,
operasi pelaksanaan, kesempatan dalam penggunaan teknik-teknik dan
5. Ketepatan Peramalan
Tingkat ketepatan yang dibutuhkan sangat erat dengan tingkat perincian yang
dibutuhkan dalam suatu peramalan.
6. Kemudahan dan Penerapan
Metode-metode yang dapat dimengertidan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4KegunaanPeramalan
Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi
dan kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang akan dating
setelah situasi tersebut dianalisis. Peramalan adalah suatu alat bantu yang penting
dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu
rencana untuk mencapai tujuan atau sasaran suatu organisasi/lembaga terdapat
perbedaan waktu pelaksanaan, dan dilaksanakan oleh siapa. Perencanaan dan
peramalan merupakan dua hal yang sangat erat kaitannya, hal ini dapat dilihat
dalam penyusunan rencana, dimana dalam penyusunan ini melibatkan peramalan
juga.
Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar
untuk menyusun rencana karena dapat membantu menganalisis data dari masa
lalu,sehingga melalui metode peramalan akan didapat cara pemikiran dan
pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga
memberikan ketetapan hasil analisis.
2.5 MetodePemulusan(Smoothing)
Metode pemulusan atau smoothing adalah metode peramalan dengan mengadakan
penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai
beberapa tahun untuk menaksir nilai padabeberapatahunkedepan.Metode
metode smoothing diklasifikasikan menjadi duabagian,yaitu:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian yaitu:
a. Nilai tengah (mean)
b. Rata-rata bergerak tunggal (single moving average) c. Rata-rata bergerak ganda (double moving average) d. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu dalam
mengembangkan suatu system peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari pemulusan eksponensial adalah:
= + (1 − ) (2.1)
dimana:
=ramalan satu periode kedepan
= data asli pada periode ke-t
= ramalan pada periode ke-t
= parameter pemulusan
Metode pemulusan atau smoothing eksponensial terdiri atas:
1. Pemulusan atau smoothing eksponensial tunggal
2. Pemulusan atau smoothing eksponensial ganda, yang terdiri atas:
a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt
2.6 MetodeSmoothing yangDigunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang cepat.
Maka metode peramalan analisis time series yang digunakan untuk meramalkan
pasokan nilai penjualan energy listrik pada pemecahan masalah ini adalah dengan
menggunakan metode smoothing eksponensial ganda yaitu metode smoothing
eksponensial satu parameter dari Brown.
Metode ini merupakan metodeyangdigunakanolehBrown.Dasarpemikiran
ketinggalan dari data sebenarnya.
Persamaan yang dapat dipakai dalam pelaksanaan pemulusan eksponensial
linier satu-parameter dari Brown adalah sebagai berikut:
= + (1 − ) (2.2)
=nilai smoothing eksponensial tunggal
=nilai smoothin gganda
=konstanta pada periode ke-t =nil ai s lope
= hasilperamalanuntukmperiodekedepanyangakan diramalkan.
= parameterpemulusan
= jumlah periode di depan yang diramalkan
Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan
rumus dibawah ini:
= − (2.7)
di mana:
= kesalahan pada periode ke-t
X = data asli pada periode ke-t
F = ramalan pada periode ke-t
bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan dipandang sebagai criteria penolakan
untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala
(timeseries) dari data masa lalu dapat diramalkan situasi yang akan terjadipada
masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan
ketepatan. Beberapa kriteria yang digunakan untukmenguji ketepatan ramalan
adalah:
N SSE =
∑
et2t=1
di mana:
= − kesalahan pada periode ke-t
*+ = ,- .
-,- x 100 (kesalahan persentase pada periode ke-t) = data asli pada periode ke-t
= Nilai ramalan pada periode ke-t 1 =Banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
yang terkecil.
PENDAHULUAN
1.1 Latar Belakang
Dalam kehidupan manusia khususnya pada era globalisasi dan modernisasi saat
ini energi listrik merupakan salah satu kebutuhan yang sangat penting. Seperti
hukum kekekalan energi yang berbunyi: “Energi tidak dapat diciptakan dan tidak
dapat dimusnahkan, tetapi hanya bisa berubah bentuk dari bentuk yang satu ke
bentuk lainnya” dengan kata lain, tidak ada manusia yang dapat menciptakan atau
menghilangkan energi. Berdasarkan hukum tersebut, energi hanya dapat berubah
bentuk ke bentuk lainnya. Perubahan-perubahan energi inilah yang banyak
dimanfaatkan untuk kebutuhan hidup manusia. Tanpa adanya energi listrik
kehidupan manusia pasti akan sangat jauh pada saat sekarang ini yang sudah
berkembang pesat dengan berjalannya waktu.
Perkembangan kehidupan manusia yang terus meningkat sangat
dipengaruhi dengan adanya ketersediaan tenaga listrik, karena dalam seluruh
aspek kehidupan manusia seperti rumah tangga, bisnis (dunia usaha), industri,
pendidikan, pemerintahan dan lainnya sangat membutuhkan energi listrik demi
berlangsungnya proses kegiatan masing-masing aspek. Menurut Abdul Karir
(1996) yang mengatakan bahwa tenaga listrik merupakan landasan bagi suatu
masyarakat yang memiliki taraf kehidupan yang baik dan perkembangan industri
yang maju.
Lembaga yang menangani listrik Negara mulai dari produksi, pembelian,
penambahan daya baru, penjualan energi listrik kepada masyarakat,pemerintahan
dan industri adalah PLN ( Perusahaan Listrik Negara). PT PLN (Persero) Tanjung
Morawa merupakan salah satu daerah yang pertumbuhannya terus meningkat ke
area modernisasi dengan berjalannya waktu. Tanjung Morawa merupakan salah
satu daerah yang pertumbuhan penduduknya, perusahaan, pabrik, dan dunia usaha
besar pula. Hal ini merupakan indikator dan masalah yang cukup penting bagi
instansi PT PLN (Persero) dalam mempersiapkan dan menyediakan kapasitas
energi bagi para pelanggan pengguna listrik untuk masa yang akan datang.
Dari uraian di atas penulis ingin mengetahui berapa besar pasokan Nilai
Penjualan Energi Listrik dalam kWh (kiloWatt hour) yang diperoleh PT PLN
(Persero) Tanjung Morawa pada tahun 2016-2017.
1.2 Rumusan Masalah
Berdasarkan uraian di atas, maka yang menjadi permasalahan di penelitian ini
adalah bagaimana mengetahui besar pasokan penjualan energi listrik oleh PT PLN
(Persero) Tanjung Morawa tahun 2016-2017.
1.3 Batasan Masalah
Agar tugas akhir tidak menyimpang dari sasaran yang ingin dituju, maka penulis
membatasi ruang lingkup permasalahan penelitian pada prediksi pasokan nilai
penjualan energi listrik PT PLN (Persero) pada tahun 2016-2017 mendatang di
Tanjung Morawa.
1.4 Tujuan Penelitian
Berdasarkan uraian perumusan masalah maka tujuan penelitian ini adalah untuk
meramalkan berapa besar pasokan nilai penjualan energi listrik di PT PLN
Adapun penelitian ini diharapkan memberikan informasi dari hasil data besarnya
pasokan penjualan energi listrik yang diramalkan agar penyaluran pasokan
penjualan energi listrik kepada pelanggan diharapkan dapat berjalan dengan
efektif dan efisien untuk tahun yang akan datang.
1.6 Tinjauan Pustaka
Penulis menggunakan buku-buku statistika untuk mendukung serta merangkum
penelitian ini, termasuk buku yang memuat informasi mengenai peramalan
dengan menggunakan metode pemulusan (smoothing) eksponensial ganda adalah
metode linier satu-parameter dari Brown yaitu metode peramalan yang digunakan
penulis untuk mendapatkan hasil penelitian.
Menurut Makridakis, Wheelright dan McGee (1999), bahwa metode
peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif
dan efisien. Metode peramalan terdiri atas dua metode, yaitu metode peramalan
kualitatif dan metode peramalan kuantitatif. Metode smoothing eksponensial
ganda adalah metode linier satu-perameter dari Brown yang digunakan penulis
termasuk ke dalam metode peramalan kuantitatif karena tersedianya informasi
atau data di masa yang akan datang berbentuk numerik sesuai dengan data pada
tahun sebelumnya yang berbentuk numerik juga dan akan terus berlanjut sampai
waktu yang akan datang. Sedangkan Peramalan (forecasting) menurut Sofyan
Assauri (1984) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
1.7 Metode Penelitian
Adapun untuk melaksanakan penelitian ini penulis menggunakan metode:
1. Studi Kepustakaan (Study Literature)
Studi Kepustakaan (Study Literature), yaitu suatu cara penelitian yang
digunakan untuk memperoleh data dan informasi dari perpustakaan
dengan membaca dan mempelajari buku-buku, referensi, bahan-bahan,
yang bersifat teoritis, ilmu yang didapat dari perkuliahan dan yang bersifat
umum, serta sumber informasi lainnya yang berhubungan dengan objek
yang diteliti.
2. Pengumpulan Data
Pengumpulan data dilakukan penulis untuk keperluan penelitian dengan
menggunakan data sekunder. Data sekunder adalah data primer yang
diperoleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel
atau diagram.
3. Pengolahan Data
Pengolahan data menggunakan metode peramalan smoothing eksponensial
ganda yaitu metode linier satu-parameter dari Brown. Langkah-langkah
yang dilakukan dalam pengolahan data adalah:
1) Menghitung jumlah kuadrat eror dari masing-masing α dengan
menggunakan persamaan-persamaan yang telah ditetapkan.
2) Menentukan nilai MSE (Mean Square Error) dari masing- masing α.
3) Menentukan nilai MSE terkecil.
4) Menentukan bentuk persamaan peramalan dengan menggunakan α dari
nilai MSE terkecil.
5) Menentukan peramalan untuk periode berikutnya.
4. Membuat Kesimpulan
merupakan salah satu kebutuhan yang sangat penting. Seperti hukum kekekalan energi yang
berbu yi: E ergi tidak dapat diciptakan dan tidak dapat dimusnahkan, tetapi hanya bisa berubah
bentuk dari bentuk yang satu ke be tuk lai ya de ga kata lai , tidak ada a usia yang dapat
menciptakan atau menghilangkan energi. Berdasarkan hukum tersebut, energi hanya dapat berubah
bentuk ke bentuk lainnya. Perubahan-perubahan energi inilah yang banyak dimanfaatkan untuk
kebutuhan hidup manusia. Tanpa adanya energi listrik kehidupan manusia pasti akan sangat jauh pada
DI PT
P
FAKULTAS MA U
PT PLN (PERSERO) TANJUNG MORAWA
DENGAN METODE SMOOTHING
IRA AYU SOPHYA HUTAPEA
132407004
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA MATEMATIKA DAN ILMU PENGETAHU
UNIVERSITAS SUMATERA UTARA MEDAN
2016
A
DI PT
Diajukan untuk m
P
FAKULTAS MA U
PT PLN (PERSERO) TANJUNG MORAWA
DENGAN METODE SMOOTHING
TUGAS AKHIR
uk melengkapi tugas dan memenuhi syarat m
Ahli Madya
IRA AYU SOPHYA HUTAPEA
132407004
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA MATEMATIKA DAN ILMU PENGETAHU
UNIVERSITAS SUMATERA UTARA MEDAN
2016
A
at memperoleh
PERSETUJUAN
Judul : PERAMALAN NILAI PENJUALAN ENERGI LISTRIK DI PT PLN (PERSERO) TANJUNG MORAWA DENGAN METODE SMOOTHING
Kategori : TUGAS AKHIR
Nama : IRA AYU SOPHYA HUTAPEA
Nomor Induk Mahasiswa : 132407004
Program studi : DIPLOMA 3 STATISTIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2016
Disetujui oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing Ketua
PERAMALAN NILAI PENJUALAN ENERGI LISTRIK
DI PT PLN(PERSERO) TANJUNG MORAWA
DENGAN METODE SMOOTHING
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali
beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2016
PujisyukurpenulispanjatkankepadaTuhan Yang Maha Pemurah dan Maha
Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan
Tugas Akhir ini dengan judul Peramalan Nilai Penjualan Energi Listrik di PT
PLN (Persero) Tanjung Morawa dengan Metode Smoothing.
Terimakasih penulis sampaikan kepada Ibu Dr. Esther Sorta M Nababan,
M.Sc selaku pembimbing yang telah meluangkan waktunya selama penyusunan
tugas akhir ini dan telah memberikan pengarahan. Terimakasih kepada Bapak Dr.
Faigiziduhu Bu’ulӧlӧ, M.Si selaku Ketua Program Studi D3 Statistika FMIPA
USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua
dan Sekretaris Departemen Matematika FMIPA USU, Bapak Dr. Kerista
Sebayang, M.S selaku Dekan FMIPA USU, seluruh staf dan Dosen Program Studi
D3 Statistika FMIPA USUdan rekan-rekan kuliah. Akhirnya tidak terlupakan
kepada Ayah Pieter Laurenc Hutapea, Ibu Tianar Sidauruk dan keluarga yang
selama ini memberikan bantuan dan dorongan yang diperlukan. SemogaTuhan
Yang Maha Esa membalasnya.
Medan, Juli 2016
Penulis
Halaman
DAFTAR GAMBAR vii
BAB 1 PENDAHULUAN 1
1.1 LatarBelakang 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah 2
1.4 TujuanPenelitian 2
1.5 ManfaatPenelitian 3
1.6 Tinjauan Pustaka 3
1.7 Metode Penelitian 4
BAB 2 LANDASAN TEORI 5
2.1 Pengertian Peramalan 5
2.2 Jenis-Jenis Peramalan 5
2.3 PemilihanMetode Peramalan 7
2.4 KegunaanPeramalan 8
2.5 Metode Pemulusan (Smoothing) 8
2.6 Metode Smoothingyang Digunakan 9
2.7 KetepatanPeramalan 11
BAB 3 PENGOLAHAN DATA 13
3.1 Penyajian Data 13
3.2 Pengolahan Data denganMetodeSmoothing EksponensialGanda: Metode Linier Satu-
Parameter dari Brown 14
3.3 Penaksiran Model Peramalan 19
3.4 Penentuan Bentuk Persamaan Peramalan 30 3.5 Peramalan NilaiPenjualanEnergiListrik
untukTahun 2016 dan 2017 31
BAB 4 IMPLEMENTASI SISTEM 32
4.1 Pengertian Implementasi Sistem 32
4.2 Microsoft Office Excel 32
4.3 Langkah-Langkah MemulaiPengolahan Data
denganMicrosoft Office Excel 2007 33
5.1 Kesimpulan 41
5.2 Saran 42
DAFTAR PUSTAKA
Halaman
Tabel 3.1 Data Nilai Penjualan Energi Listrik di PT PLN
(Persero) Tanjung Morawa tahun 2006-2015 13 Tabel 3.2 Perhitungan Peramalan Nilai Penjualan Energi Listrik
Dengan Smoothing Eksponensial Ganda Linier dari
Browndengan α = 0,1 21
Tabel 3.3 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari
Brown dengan α = 0,2 22
Tabel 3.4 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari
Brown dengan α = 0,3 23
Tabel 3.5 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari
Brown dengan α = 0,4 24
Tabel 3.6 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari
Brown dengan α = 0,5 25
Tabel 3.7 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari
Brown dengan α = 0,6 26
Tabel 3.8 Perhitungan Peramalan NilaiPenjualanEnergi Listrik dengan Smoothing Eksponensial Ganda Linier dari
Brown dengan α = 0,7 27
Tabel 3.9 Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari
Brown dengan α = 0,8 28
Tabel 3.10 Perhitungan Peramalan NilaiPenjualanEnergiListrik dengan Smoothing Eksponensial Ganda Linier dari
Brown dengan α = 0,9 29
Tabel 3.11 Perbandingan Ukuran Ketepatan Metode Peramalan 30 Tabel 3.12 Peramalan Nilai Penjualan Energi Listrik di PT PLN
Halaman
Gambar 3.1 Grafik Nilai Penjualan Energi Listrik di Tanjung
MorawaTahun 2006-2015 14
Gambar 4.1 Cara Membuka Microsoft Office Excel 2007 33 Gambar 4.2 Tampilan Microsoft Office Excel 2007 33
Gambar 4.3 Tampilan Pemasukkan Data 34
Gambar 4.4 Tampilan Hasil Olah Data untuk Persamaan 2.2 35 Gambar 4.5 Tampilan Hasil Olah Data untuk Persamaan 2.3 35 Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan 2.4 36 Gambar 4.7 Tampilan Hasil Olah Data untuk Persamaan 2.5 36 Gambar 4.8 Tampilan Hasil Olah Data untuk Persamaan 2.6 37 Gambar 4.9 Tampilan Hasil Olah Data untuk Persamaan 2.7 37 Gambar 4.10 Tampilan Hasil Kuadrat Persamaan 2.7 38 Gambar 4.11 Tampilan Data yang Sudah Diolah 38 Gambar 4.12 Langkah-Langkah Pembuatan Grafik Nilai
PenjualanEnergiListrik di TanjungMorawa 39
Gambar 4.13 TampilanSelect Data Source 39
Gambar 4.14 Tampilan Axis Labels 40
Gambar 4.15 Grafik Nilai Penjualan Energi Listrik di Tanjung