PERAMALAN JUMLAH PENUMPANG DOMESTIK
KAPAL LAUT DI PELABUHAN BELAWAN
TAHUN 2014
TUGAS AKHIR
GITA CHANDRA NURANI
082407055
PROGRAM STUDI D-III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERAMALAN JUMLAH PENUMPANG DOMESTIK
KAPAL LAUT DI PELABUHAN BELAWAN
TAHUN 2014
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
GITA CHANDRA NURANI
082407055
PROGRAM STUDI D-III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul :PERAMALAN JUMLAH PENUMPANG DOMESTIK KAPAL LAUT DI PELABUHAN BELAWAN TAHUN 2014
Kategori : TUGAS AKHIR
Nama : GITA CHANDRA NURANI Nomor Induk Mahasiswa : 082407055
Program Studi : DIPLOMA III STATISTIKA Departemen : MATEMATIKA
PERNYATAAN
PERAMALAN JUMLAH PENUMPANG DOMESTIK KAPAL LAUT DI PELABUHAN BELAWAN TAHUN 2014
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
Assalamualaikum Wr.Wb
Bismillahirrahmanirrahim
Syukur alhamdulillah penulis ucapkan kepada Allah SWT, dengan limpahan karunia-NYA akhirnya penulis dapat menyelesaikan Tugas Akhir ini tepat pada waktunya.
Dalam penulisan ini, penulis menyadari bahwa selesainya Tugas Akhir ini merupakan bantuan, bimbingan dan pengarahan dari berbagai pihak sehubungan dengan hal tersebut, penulis pada kesempatan ini ingin menyampaikan ucapan terima kasih saya sampaikan kepada :
1.Bapak Prof. Dr. Tulus, M.Si selaku Ketua Departemen FMIPA USU, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua Dosen dan Pegawai pada Departemen Matematika FMIPA USU.
2.Bapak Drs. Djakaria Sebayang, M.Si. sebagai pembimbing saya pada penyelesaian Tugas Akhir ini yang telah memberikan panduan dan penuh kepercayaan kepada saya untuk menyempurnakan Tugas Akhir ini. Panduan ringkas, padat dan professional telah diberikan kepada saya agar penulis dapat menyeleaikan tugas ini.
3.Terkhusus penulis ucapkan terima kasih yang sebesar-besarnya kepada Ayahanda dan Ibunda karena dengan dorongan dan motivasinya sehingga terselesaikannya Tugas Akhir ini, begitu juga adik
4.Buat sahabat-sahabat saya terima kasih atas perhatian dan kerjasamanya.
5.Buat teman-teman khususnya STAT A dan umumnya STAT B dan C stambuk 2008.
Semoga Allah SWT membalas segala budi baik Bapak, Ibu dan saudara-saudara sekalian. Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna dan sederhana baik dalam penulisan maupun dalam tata bahasanya. Oleh karena itu, penulis mengharapkan kritik dan saran yang sifatnya untuk penyempurnaan Tugas Akhir ini. Semoga karya sederhana ini dapat bermanfaat bagi pengembangan ilmu Statistik.Amin.
Medan. Juni 2011
DAFTAR ISI
1.7 Sistematika Penulisan 8
Bab 2 Landasan Teori 10
2.1 Pengertian Peramalan 10
2.2 Kebutuhan dan Kegunaan Peramalan 11 2.3 Peranan Teknik Peramalan Dewasa Ini 12 2.4 Metode Peramalan Eksponensial Ganda 14
2.5 Metode Peramalan 17
2.5.1 Pemilihan Teknik dan Metode Peramalan 18
Bab 3 Sejarah Singkat Tempat Riset 20
Bab 4 Analisis Data 30
4.1 Pengumpulan Data 30
4.2 Metode Smoothing Eksponensial Linier Satu Parameter dari Brown 31
4.3 Pemilihan Metode 32
4.3.1 Statistik Uji yang Digunakan 32
Bab 5 Implementasi Sistem 58
5.1 Tahapan Implementasi 58
5.2 Microsoft Excel 59
5.3 Langkah-langkah Memulai Pengolahan Data dengan Excel 59
5.4 Penggambaran Hasil 62
Bab 6 Kesimpulan Dan Saran 66
6.1 Kesimpulan 66
6.2 Saran 67
DAFTAR TABEL
Halaman
Tabel 4.1 :Data Jumlah Penumpang Domestik 30
Tabel 4.2 :Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan = 0,1 Pada Data Jumlah Penumpang Domestik yang
Turun di Pelabuhan Belawan 34
Tabel 4.3 : Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan = 0,2 Pada Data Jumlah Penumpang Domestik yang
Turun di Pelabuhan Belawan 35
Tabel 4.4 : Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan = 0,3 Pada Data Jumlah Penumpang Domestik yang
Turun di Pelabuhan Belawan 36
Tabel 4.5 : Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan = 0,4 Pada Data Jumlah Penumpang Domestik yang
Turun di Pelabuhan Belawan 37
Tabel 4.6 : Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan = 0,5 Pada Data Jumlah Penumpang Domestik yang
Turun di Pelabuhan Belawan 38
Tabel 4.7 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,6 Pada Data Jumlah Penumpang Domestik yang
Turun di Pelabuhan Belawan 39
Tabel 4.8 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,7 Pada Data Jumlah Penumpang Domestik yang
Tabel 4.9 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,8 Pada Data Jumlah Penumpang Domestik yang
Turun di Pelabuhan Belawan 41
Tabel 4.10 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,9 Pada Data Jumlah Penumpang Domestik yang
Turun di Pelabuhan Belawan 42
Tabel 4.11 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,1 Pada Data Jumlah Penumpang Domestik yang Naik
di Pelabuhan Belawan 43
Tabel 4.12 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,2 Pada Data Jumlah Penumpang Domestik yang Naik
di Pelabuhan Belawan 44
Tabel 4.13 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,3 Pada Data Jumlah Penumpang Domestik yang Naik
di Pelabuhan Belawan 45
Tabel 4.14 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,4 Pada Data Jumlah Penumpang Domestik yang Naik
di Pelabuhan Belawan 46
Tabel 4.15 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,5 Pada Data Jumlah Penumpang Domestik yang Naik
Tabel 4.16 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,6 Pada Data Jumlah Penumpang Domestik yang Naik
di Pelabuhan Belawan 48
Tabel 4.17 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,7 Pada Data Jumlah Penumpang Domestik yang Naik
di Pelabuhan Belawan 49
Tabel 4.18 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,8 Pada Data Jumlah Penumpang Domestik yang Naik
di Pelabuhan Belawan 50
Tabel 4.19 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown
Menggunakan = 0,9 Pada Data Jumlah Penumpang Domestik yang Naik
di Pelabuhan Belawan 51
Tabel 4.20 : Perbandingan Ukuran Ketepatan Metode Peramalan 52
Tabel 4.21 : Nilai Ramalan (Forecast) Jumlah Penumpang Domestik di
Pelabuhan Belawan 55
Tabel 4.22 : Pemulusan Eksponensial Untuk Penumpang Turun 56
DAFTAR GAMBAR
Halaman
Gambar 4.1 : Nilai Aktual Penumpang Domestik di Pelabuhan Belawan 31
Gambar 4.2 : Nilai Peramalan Penumpang Domestik yang Turun di
Pelabuhan Belawan 57
Gambar 4.3 : Nilai Peramalan Penumpang Domestik yang Naik di
Pelabuhan Belawan 57
Gambar 5.2 : Tampilan Lembar Kerja Microsoft Excel 59
Gambar 5.3 : Tampilan Lembar Kerja Pengisian Data 60
Gambar 5.4 : Tampilan Kotak Dialog Chart Type 63
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Indonesia merupakan Negara maritim yang mempunyai belasan ribu pulau dengan
teritori laut yang sangat luas. Wilayah Indonesia terbentang sepanjang 3.977 mil
diantara Samudra Hindia dan Samudra Pasifik. Luas daratan Indonesia adalah
1.922.570 dan luas perairannya 3.257.483 . Indonesia adalah Negara
kepulauan terbesar di dunia terdiri dari 17.508 pulau, dengan perairan laut teritorial
(3,2 juta ) terluas di dunia (belum termasuk 2,9 perairan Zona Ekonomi
Eksklusif terluas di dunia) dan 95.108 km garis pantai terpanjang kelima di dunia.
Perairan laut Indonesia memiliki posisi geografis strategis sebagai jalur komersial dan
militer. Indonesia adalah lintasan jalur penghubung Samudra Pasifik dengan Samudra
Hindia, dan Benua Asia dengan Benua Australia, untuk kepentingan perdagangan
maritim internasional dan militer global.
Kepulauan Indonesia yang teridiri atas belasan ribu pulau dapat saling
berhubungan selain daru transportasi udara dan darat dapat pula berhubungan dengan
menggunakan transportasi laut. Di Indonesia, perananan tranportasi laut sangat
penting karena Indonesia merupakan Negara kepulauan. Membina transportasi laut
wilayah (wawasan nusantara), tetapi juga akan membuka sumber-sumber kehidupan
rakyat yamg lebih luas dan lebih merata diseluruh wilayah. Kelancaran transportasi
laut membantu pencapaian sasaran pembangunan nasional melalui pengembangan
potensi ekonomi yang ada dan lain-lainnya.
Salah satu sarana transportasi laut adalah pelabuhan. Pelabuhan merupakan
suatu unit transportasi dan unit ekonomi yang berperan untuk merangsang
pertumbuhan dan perkembangan perekonomian, yang terdiri dari kegiatan
penyimpanan, distribusi, pemrosesan, pemasaran dan lain-lainnya.
Data dari Ditjen Perhubungan Laut pada tahun 1999, mencatat jumlah armada
pelayaran sebanyak 5.392 unit, armada non pelayaran sebanyak 1.066 unit, pelayaran
rakyat (pelra) 2.793 unit, perintis 37 unit dan pelni 22 unit. Sedangkan pelabuhan yang
tersedia hanya sekitar 3.247 unit.
Perkembangan pelabuhan lebih meningkat lagi setelah adanya pelabuhan
bebas yang merupakan indikasi bahwa pelabuhan merupakan suatu unit dalam sistem
ekonomi secara keseluruhan dan tidak dapat dipisahkan dengan kondisi ekonomi
daerah yang dilayari oleh pelabuhan tersebut. Pelabuhan Belawan merupakan salah
satu contoh pelabuhan yang sangat diusahakan di Sumatera Utara dan menjadi sarana
transportasi laut yang menghubungkan kota Medan dengan seluruh kota-kota besar di
Indonesia seperti Jakarta, Surabaya, Ujung Pandang, dan lain-lain termasuk berbagai
pelabuhan laut negara sahabat seperti Malaysia, Singapura, dan lain-lain. Selain itu,
pelabuhan Belawan juga menjadi tempat kegiatan pemerintah dan kegiatan ekonomi
yang dipergunakan sebagai tempat kapal bersandar, berlabuh, naik turun penumpang
kegiatan penunjang pelabuhan serta sebagai tempat perpindahan intra dan antar mode
transportasi.
Dalam kegiatan naik turun penumpang pelabuhan Belawan menjadi sarana
transportasi yang sangat penting. Lonjakan penumpang terus terjadi pada hari-hari
libur sekolah dan hari raya keagamaan, misalnya Lebaran dan Natal.
Berdasarkan uraian diatas maka penulis ingin melakukan penelitian terhadap
jumlah penumpang pada masa yang lalu untuk meramalkan jumlah penumpang
dimasa yang akan datang sebagai bahan penulisan Tugas Akhir dengan judul
“Peramalan Jumlah Penumpang Domestik Kapal Laut di Pelabuhan Belawan
Tahun 2014”.
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang telah diuraikan diatas, maka yang menjadi rumusan
masalah adalah sebagai berikut :
1. Bagaimana penggunaan metode pemulusan eksponensial satu parameter
dari Brown untuk meramalkan jumlah penumpang domestik di pelabuhan
Belawan.
2. Menentukan jumlah penumpang domestik pada tahun 2014 di pelabuhan
1.3 Tinjauan Pustaka
Assauri, sofyan menguraikan kegiatan untuk memperkirakan apa yang akan terjadi
pada masa yang akan datang, dikenal dengan apa yang disebut dengan peramalan
(forecasting). Peranan peramalan menjadi penting dan sangat dibutuhkan, terutama
dalam menetukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul
sehingga dapat dipersiapakan tindakan-tindakan apa yang akan diperlukan.
Katalog Badan Pusat Statistik : “ Statistik Perhubungan 2002 (Transportation
and Communication) “ oleh Badan Pusat Statistik (hal. 18-19) menyatakan bahwa
pelabuhan adalah tempat yang terdiri dari daratan dan perairan di sekitarnya 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 pelayaran dan
kegiatan penunjang pelabuhan serta sebagai tempat perpindahan intra dan antar moda
transportasi.
Manurung A.H menguraikan bahwa motode pemulusan ada beberapa macam
yaitu metode rata-rata bergerak dan metode pemulusan eksponensial. Metode
pemulusan eksponesial terbagi dua, yaitu pemulusan eksponensial tunggal dan
pemulusan eksponensial ganda.
Makridakis, S menguraikan bahwa dasar pemikiran dari pemulusan
eksonensial linier satu parameter dari Brown adalah serupa dengan rata-rata bergerak
data yang sebenarnya bilamana terdapat unsur trend. Perbedaan antara nilai pemulusan
tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan
untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial
linier satu parameter dari Brown adalah sebagai berikut :
Dimana :
= Pemulusan eksponensial tunggal
= Pemulusan eksponesial ganda
= Konstanta
= Slope
= Periode di depan yang diramalkan
= Nilai Peramalan (forecast)
1.4 Tujuan Penelitian
1. Untuk mengetahui dan menganalis penggunaan metode smoothing
eksponensial linier satu parameter dari Brown dan untuk meramalkan jumlah
penumpang domestik di Pelabuhan Belawan.
2. Untuk mengetahui prediksi atau ramalan jumlah penumpang domestik pada
tahun 2014 di Pelabuhan Belawan.
1.5 Kontribusi Penelitian
Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut :
1. Dengan adanya penelitian ini diharapakan dapat berguna dan menambah
perbendaharaan penelitian yang telah ada (bahan pustaka) serta dapat dijadikan
sebagai bahan acuan bagi pengembangan penelitian-penelitian selanjutnya.
2. Penelitian ini diharapkan dapat dijadikan bahan masukan bagi PT.PELNI
(Pelayaran Nasional Indonesia) sebagai instansi yang memiliki wewenang
dalam kegiatan pelabuhan sebagai tempat naik turun penumpang untuk
menentukan kebijakan-kebijakan selanjutnya.
1.6 Metodologi Penelitian
Untuk memudahkan penulis dalam penyusunan Tugas Akhir ini, maka penulis
memperoleh data melalui riset atau pengambilan data di kantor BPS (Badan Pusat
Statistik) yang berlokasi di Jl. Asrama No. 179 Medan, Sumatera Utara. Didalam riset
data, penulis juga menggunakan beberapa metode sebagai berikut :
Data yang diambil adalah data sekunder yang dikutip oleh penulis dari
instansi terkait yaitu Badan Pusat Statistik (BPS) yang berlokasi di Jl.
Asrama No. 179 Medan, Sumatera Utara.
2. Studi Literatur
Studi literatur ini meliputi pengambilan teori-teori serta rumus-rumus dari
beberapa sumber bacaan yang berkaitan dengan masalah yang sedang diteliti.
3. Metode Analisis Data
Pada metode pemulusan eksponensial sederhana dilakukan peramalan
dengan pemulusan sekali saja, sedangkan pada metode pemulusan
eksponesial linier satu parameter dari Brown dilakukan dua kali pemulusan
dan kemudian dilakukan permalan. Sehingga metode ini sering disebut
metode Double Exponential Smoothing (pemulusan eksponensial ganda).
Proses yang dilakukan adalah sebagai berikut :
1. Menentukan smoothing pertama ( )
= Smoothing pertama periode t
= Nilai pengamatan periode t
= Smoothing pertama periode t-1
2. Menentukan Smoothing kedua t-1
= Smoothing kedua periode t-1
4. Menetukan besarnya slope ( )
5. Menentukan besarnya nilai peramalan ( )
Dimana m adalah periode didepan yang diramalkan.
1.7 Sistematika Penulisan
Adapun sistematika dalam penulisan Tugas Akhir ini secara garis besarnya dibagi
dalam 6 bab yang masing-masing bab dibagi atas beberapa sub-sub bab, yaitu :
Bab 1 : Pendahuluan
Bab ini menerangkan tentang latar belakang, perumusan
masalah, tinjauan pusataka, kontribusi penelitian, metodologi
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 ini berisikan tentang sejarah singkat BPS (Badan Pusat
Statistik).
Bab 4 : Analisa Data
Bab ini membahas tentang pengolahan data untuk mencari
hasil peramalan.
Bab 5 : Implementasi Sistem
Bab ini membahas tentang software yang digunakan dalam
analisa data serta cara penggunaan dari software yang dipakai.
Bab 6 : Kesimpulan dan Saran
Bab ini memberikan beberapa kesimpulan dan saran dari hasil
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
peramalan adalah deret waktu. Metode ini disebut sebagai metode peramalan deret
waktu karena memiliki karakteristik bahwa data yang dianalisis bersifat deret waktu.
Periode waktu dari deret waktu dapat berupa tahunan, mingguan, bulanan, semesteran,
kuartal dan lain-lain. Jenis pola data sangat penting untuk diketahui karena akan
berpengaruh terhadap hasil ramalan. Beberapa literatur menyebutkan, bahwa pola data
cenderung akan berulang pada periode waktu mendatang. Identifikasi pola terhadap
data deret waktu juga berfungsi untuk menentukan metode yang akan digunakan untuk
menganalisis data tersebut.
Beberapa bentuk analisa deret waktu dapat dikelompokkan ke dalam beberapa
kategori :
1. Metode pemulusan (Smoothing), metode pemulusan dapat dilakukan dengan dua
pendekatan yakni metode perataan (Average) dan metode pemulusan eksponensial
(Exponential Smoothing).
2. Model ARIMA (Autoregressive Integrated Average), model ARIMA dapat
3. Analisis deret berkala multivariat model ARIMA digunakan untuk analisis data
deret waktu pada kategori data berkala tunggal, atau sering dikategorikan
model-model univariat.
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada
masa yang akan datang. Dalam usaha mengetahui atau melihat perkembangan di masa
depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi
atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan atau
tindakan-tindakan yang perlu dilakukan. Peramalan merupakan bagian integral dari
kegiatan pengambilan keputusan manajemen.
2.2 Kebutuhan dan Kegunaaan Peramalan
Sering terdapat waktu senjang (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. Jika waktu
tenggang ini nol atau sangat kecil, maka perencanaan tidak diperlukan. Jika waktu
tenggang ini panjang dan hasil persitiwa akhir tergantung pada faktor-faktor yang
dapat diketahui, maka perencanaan dapat memegang peranan penting. Dalam situasi
seperti itu peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi
atau timbul, sehingga tindakan yang tepat dapat dilakukan.
Dalam hal manajemen dan administrasi, perencanaan merupakan kebutuhan
beberapa tahun (untuk kasus penanaman modal) sampai beberapa hari atau bahkan
beberapa jam (untuk penjadwalan produksi dan transportasi).
2.3 Peranan Teknik Peramalan Dewasa Ini
Sejak awal tahun 1960-an, semua jenis organisasi telah menunjukkan keinginan yang
meningkat untuk mendapatkan ramalan dan menggunakan sumber daya peramalan
secara lebih baik. Komitmen tentang peramalan telah tumbuh karena beberapa faktor,
yang pertama adalah karena meningkatnya kompleksitas organisasi dan
lingkungannya, hal ini membuat pengambil keputusan semakin sulit untuk
mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya
ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula,
lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang
lengkap. Ketiga, lingkungan dari kebanyakan organisasi telah berubah dengan cepat.
Hubungan yang harus dimengerti oleh organisasi selalu berubah-ubah dan peramalan
memungkinkan organisasi mempelajari hubungan yang baru secara lebih cepat.
Keempat, pengambilan individu secara eksplisit. Peramalan formal merupakan salah
satu cara untuk mendukung tindakan yang akan diambil. Kelima, dan mungkin yang
terpenting bahwa pengembangan metode peramalan dan pengetahuan yang
menyangkut aplikasinya telah memungkinkan adanya penerapan secara langsung oleh
para praktisi dari pada hanya dilakukan oleh para teknisi ahli.
Dengan adanya jumlah besar metode peramalan yang tersedia, maka masalah
yang timbul bagi para praktisi adalah dalam memahami bagaimana karakteristik suatu
Suatu peramalan sangat beragam dan horison waktu peramalan, faktor yang
menetukan hasil sebenarnya, tipe pola data dan berbagai pola aspek lainnya. Untuk
menghadapi penggunaan yang luas seperti itu, beberapa teknik dikembangkan. Teknik
tersebut dibagi dalam dua kategori yaitu metode kuantitatif dan metode kualitatif atau
teknologis. Metode kuantitatif dapat dibagi menjadi deret berkala dan metode kausal,
sedangkan metode kualitatif atau teknologis dapat dibagi menjadi metode
eksploratoris dan normatif.
Model deret berkala sering kali dapat digunakan dengan mudah untuk
meramal, sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih
besar untuk pengambilan keputusan dan kebijaksanaan. Bilamana data yang
diperlukan tersedia, suatu hubungan peramalan dapat dihipotesiskan baik sebagai
fungsi dari waktu atau sebagai fungsi dari variabel bebas, kemudian diuji. Langkah
penting dalam memilih suatu metode deret berkala yang tepat adalah dengan
mempertimbangkan jenis pola data sehingga metode yang paling tepat dengan pola
tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis siklis dan trend
yaitu :
1. Pola horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata
yang konstan (deret seperti itu stasioner dengan nilai rata-ratanya). Contohnya
adalah data produk penjualan yang tidak meningkat atau menurun selama waktu
tertentu.
2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman
(misalnya kuartal tertentu, bulanan, atau hari-hari pada minggu tertentu).
Penjualan dari produk seperti minuman ringan, es krim, dan bahan bakar pemanas
3. Pola siklis (S) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti berhubungan dengan siklus bisnis. Penjualan produk seperti mobil,
baja, dan peralatan utama lainnya.
4. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional (GNP)
dan berbagai indikator bisnis atau ekonomi lainnya mengikuti suatu pola trend
selama perubahannya sepanjang waktu.
2.4 Metode Peramalan Eksponesial Ganda (Metode Linier Satu Parameter dari
Brown)
Kelompok metode yang menunjukkan pembobotan menurun secara eksponesial
terhadap nilai pengamatan yang lebih tua disebut prosedur pemulusan eksponesial.
Seperti halnya dengan rata-rata bergerak, metode eksponensial terdiri atas tunggal,
ganda dan metode yang lebih rumit. Semua mempunyai sifat yang sama, yaitu nilai
yang lebih baru diberikan bobot yang relatif besar dibanding nilai pengamatan yang
lebih lama.
Dalam kasus rata-rata bergerak, bobot yang dikenakan pada nilai-nilai
pengamatan merupakan hasil sampingan dari sistem MA tertentu yang diambil. Tetapi
dalam pemulusan eksponensial, terdapat satu atau lebih parameter pemulusan yang
ditentukan secara eksplisit, dan hasil pilihan ini menetukan bobot yang dikenakan
Dengan cara analogi yang dipakai pada waktu berangkat dari rata-rata
bergerak tunggal ke pemulusan (smoothing) eksponesial tunggal juga dapat berangkat
dari rata-rata bergerak ganda kepemulusan ganda. Perpindahan seperti ini mungkin
menarik karena salah satu keterbatasan dari rata-rata bergerak linier, kecuali bahwa
jumlah nilai data yang diperlukan sekarang adalah 2N-1. Pemulusan eksponensial
linier dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk . Pendekatan
ini juga memberikan bobot yang semakin menurun pada observasi masa lalu. Dengan
alasan ini pemulusan eksponensial linier lebih disukai dari pada rata-rata bergerak
linier sebagai suatu metode peramalan dalam berbagai kasus utama.
Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah sama
dengan rata-rata bergerak linier, karena kedua nilai pemulusan eksponensial tunggal
dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend,
perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai
pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam
implementasi pemulusan eksponesial linier satu parameter dari Brown sebagai
Dimana :
adalah nilai pemulusan eksponensial tunggal
adalah nilai pemulusan eksponensial ganda
m adalah jumlah periode kedepan yang diramalkan
Jenis inisialisasi muncul dalam setiap metode pemulusan eksponensial. Jika
parameter pemulusan tidak mendekati nol, pengaruh dari proses inisialisasi ini
dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi jika
mendekati nol, proses inisialisasi tersebut dapat memainkan peranan yang nyata
selama periode waktu kedepan yang panjang.
Beberapa kriteria untuk menguji ketepatan ramalan yaitu :
1. ME (Mean Error) / nilai tengah kesalahan
2. MSE (Mean Square Error) / nilai tengah kesalahan kuadrat
3. MAE (Mean Absolut Error) / nilai tengah kesalahan absolut
4. MAPE (Mean Absolut Percentage Error)
Dimana :
= (kesalahan pada periode t)
= data aktual pada periode ke t
= (kesalahan persentase pada periode ke t)
= nilai ramalan pada periode ke t
N = banyaknya periode waktu
2.5 Metode Peramalan
Berdasarkan sifatnya teknik peramalan dapat dibagi dalam dua kategori utama yaitu :
1. Metode peramalan kuantitatif
Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitaif pada
masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode yang
dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh
hasil peramalan yang berbeda pula. Baik tidaknya metode yang digunakan ditentukan
oleh perbedaan atau penyimpangan antara hasil dengan kenyataan yang terjadi berarti
metode yang dipergunakan semakin baik. Metode kuantitatif dapat dibagi dalam deret
berkala (time series) dan metode kausal.
2. Metode peramalan kualitatif atau teknologis
Peramalan kualitatif adalah yang didasarkan atas data kualitatif pada masa lalu. Hasil
ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang
bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya. Metode
kualitatif ini sendiri dapat dibagi menjadi metode eksploratoris dan normatif.
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.
Metode-metode peramalan dengan analisa deret waktu yaitu :
1. Metode Pemulusan Eksponensial dan Rata-rata bergerak
Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk
peramalan jangka panjang.
2.5.1 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri
penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaaan
Ada enam faktor utama yang diidentifikasi sebagai teknik dan metode
peramalan, yaitu :
1. Horizon Waktu
2. Pola Data
3. Jenis dan Model
4. Biaya yang dibutuhkan
5. Ketepatan metode peramalan
BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Singkat Kegiatan Statistik di Indonesia
3.1.1 Masa Pemerintahan Hindia Belanda
1. Pada bulan Februari 1920, kantor Statistik pertama kali didirikan oleh direktur
Pertanian, Kerajinan dan Perdagangan, dan Kependudukan di Bogor. Kantor
diserahi tugas untuk mengolah dan mempublikasikan data Statistika.
2. Pada bulan Maret 1923, dibentuk suatu komisi untuk Statistik yang anggotanya
merupakan wakil dari tiap-tiap Departemen. Komisi tersebut diberikan tugas
merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai
kesatuan dalam kegiatan dibidang statistik Indonesia.
3. Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan central
kantor voor statistik ( CKS ) atau kantor statistik yang dipindahkan ke Jakarta.
Bersama dengan itu beralih juga pekerjaan statistik perdagangan yang semula
1.1.2 Masa Pemerintahan Jepang
1. Pada bulan Juni 1944, pemerintah jepang mengaptifkan kembali kegiatan statistik
yang utamanya diarahkan untuk memenuhi kebutuhan perang dan militer.
2. Pada masa itu central kantor voor statistic (CKS) diganti menjadi Chosasitsu
Gunseikanbu.
3.1.3 Masa Kemerdekaan Republik Indonesia
1. Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945,
kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana
kemrdekaan yaitu KAPPURI ( kantor penyelidik perangkat umum RI ). Tahun
1946 kantor KAPPURI dipindahkan ke Yogyakarta sebagai hasil dari perjanjian
linggarjati. Semantara itu pemerintahan belanda mengaktifkan kembali CKS.
2. Berdasarkan surat edaran kementrian kemakmuran tanggal 12 Juni 1950 nomor
219/S.C. KAPPURI dan CKS dilebur menjadi kantor pusat statistik dan berada
dibawah pertanggung jawaban menteri kemakmuran.
3. Dengan surat mentri perekonomian tanggal 1 Maret 1952 nomor P/44, lembaga
PKS berada dibawah ini dan tanggung jawab mentri perekonomian tanggal 24
Desember 1953 nomor 18.099/MKPS dibagi menjadi 2 bagian yaitu disebut
sebagai Afdeling A, dan bagian tata usaha yang disebut sebagai Afdeling B.
4. Dengan keputusan presiden RI nomor 131 tahun1957, kementrian ekonomi
dipecah menjadi kementrian perdagangan dan kementrian perindustrian. Untuk
selanjutnya keputusan president RI nomor 172 tahun 1957, terhitung sejak tanggal
3.1.4 Masa Orde Baru Sampai Sekarang
1. Pada pemerintahan orde baru khususnya untuk memenuhi kebutuhan perencanaan
dan evaluasi pembangunan, untuk mendapatkan statistik yang handal, lengkap,
akurat dan terpercaya mulai diadakan pembenahan organisasi Biro Pusat
Statistika.
2. Dalam masa orde baru ini biro pusat statistika yang telah mengalami 4 (empat)
kali perubahan struktur organisasi.
a. Peraturan pemerintah nomor 16 tahun 1968 tentang organisasi BPS
b. Peraturan pemerintah nomor 6 tahun 1980 tentang organisasi BPS
c. Peraturan pemerintah nomor 2 tahun 1992 tentang kedudukan, tugas dan
fungsi, susunan dan tata kerja Biro Pusat Statistik.
d. Undang-undang nomor 16 tahun 1997 tentang statistik.
e. Keputusan president RI nomor 86 tahun 1998 tentang biro pusat statistik.
f.Keputusan kepala BPS nomor 100 tahun 1998 tentang organisasi dan tata kerja
BPS.
g. Peraturan pemerintah nomor 51 tahun 1999 tentang penyelenggaraan statistik.
3. Tahun 1968, ditetapkan peraturan pemerintah nomor 16 tahun 1968 yaitu yang
mengatur organisasi dan tata kerja dipusat dan di daerah. Peraturan pemerintah
nomor 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah
nomor tahun 1980 di tiap propinsi terdapat perwakilan BPS. Pada tanggal 17 Juni
1988 dengan keputusan presiden nomor 86 tahun1998 ditetapkan biro pusat
3.1.5 Visi Dan Misi Biro Pusat Statistik
a. Visi Biro Pusat Statistik
Biro pusat statistik mempunyai visi menjadikan informasi statistik sebagai tulang
punggung informasi pembangunan nasional dan regional, didukung sumber daya
manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang
mutakhir.
b. Misi Biro Pusat Statistik
Dalam perjuangan pembangunan nasional biro pusat statistik mengembangkan
misi mengarahkan pembangunan statsistik pada penyajian dan data statistik yang
bermutu handal, efektif, dan efesien, peningkatan kesadaran masyarakat arti dan
kegunaan statistik dan pengembangan ilmu pengetahuan statistik.
3.1.6 Program Pengembangan Statistik
Untuk mewujudkan pembanguna statistik, Biro Pusat Statistik membagi dalam 4
pokok, yaitu :
1. Program penyempurnaan dan pengembangan statistik.
2. Program penyempurnaan sistem imformasi.
3. Program pendidikan dan pelatihan aparatur Negara.
3.2 Ruang Lingkup Kegiatan Biro Pusat Statistik
3.2.1 Kedudukan, Tugas dan Fungsi Biro Pusat Statistik
Biro pusat statistik sebagai lembaga pemerintahan non departemen yang berada
dibawah dan bertanggung jawab kepada Presiden ( kepres Nomor 86 Tahun 1998),
Dalam melaksanakan tugasnya berdasarkan kepada beberapa ketentuan perundangan :
1. Undang-undang nomor 16 tahun 1997 tentang statistik.
2. Kepurusan presiden nomor 86 tahun 1998 biro pusat statistik.
3. Peraturan pemerintah nomor 51 tahun1991 tentang penyelenggaraan statistik.
Berdasasarkan keputusan presiden nomor 86 tahun 1998 dalam menyelenggarakan
statistik dasar melaksanakan koordinasi dan kerja sama serta mengembangkan dan
membina statistik sesuai dengan perundang-undangan yang berlaku.
Fungsi yang diselenggarakan biro pusat statistik :
1. Perumusan kebijakan nasional dibidang statistik.
2. Penyelenggaraan statistik dasar.
3. Menyusun rencana dan program nasional dibidang statistik.
4. Koordinasi dan kerja sama statistik dengan instansi pemerintah, lembaga,
organisasi, perorangan, dan unsur masyarakat lainya.
5. Pelayanan data dan informasi serta hasil statistik kepada pemerintah masyarakat
secara berkala dan sewaktu-waktu baik dari hasil penyelenggaraan statistik.
3.2.2 Tata Kerja Biro Pusat Statistik
Para Deputi wajib melaksanakan koordinasi dan kerja sama teknis statistik didalam
dan di luar Negeri sesuai dengan bidang dan tugas mereka masing-masing. Kemudian
para Deputi melaporkan kepada kepala BPS. Setiap pimpinan satuan unit organisasi
kelompok jabatan fungsional lingkungan BPS dalam melaksanakan tugas wajib
menerapkan prinsip Koordinasi, Integrasi, baik dalam lingkungan masing-masing
satuan unit organisasi dilingkungan BPS, maupun dengan instansi lain dari luar BPS
sesuai dengan bidang dan tugasnya masing-masing.
3.2.3 Alasan Pemakaian Komputer di Biro Pusat Statistik
Mengingat semakin meningkatnya jumlah data yang diolah, sehingga perlu dibantu
oleh suatu alat pengolahan data yang disebut komputer. BPS adalah suatu instansi
pemerintah Indonesia yang menggunakan komputer sebagai alat bantu. Dengan
semakin beragamnya jenis statistik yang diperlukan BPS secara lanjut harus
meremajakan pengolahan data baik perangkat lunak maupun pengolahan.
3.3 Struktur Organisasi Biro Pusat Statistik
Sebagaimana dimuat dalam lampiran struktur organisasi kantor pada biro pusat
statistik Sumatera Utara dipimpin oleh seorang kepala yang dibantu oleh bagian tata
Di samping itu kepala dibagi oleh bagian tata usaha yang terdiri dari :
1. Sub bagian urusan dalam
2. Sub bagian perlengkapan
3. Sub bagian keuangan
4. Sub bagian kepegawaian
Sedangkan bidang penunjang statistik dibagi menjadi 5 bagian :
1. Bidang statistik produksi
2. Bidang statistik distribusi
3. Bidang statistik pengolahan data
4. Bidang statistik kependudukan
5. Neraca wilayah dan analisa
Setiap bidang mempunyai tugas-tugas yaitu :
a. Bidang statistik produksi mempunyai tugas melaksanakan statistik pertanian,
industri serta statistik kontruksi pertambangan dan energi.
b. Bidang statistik kependudukan mempunyai tugas melaksanakan kegiatan statsitik
demografi dan rumah tangga, statistik ketenagakerjaan serta statistik
kesejahteraan.
c. Bidang statistik pengolahan data mempunyai tugas melaksanakan kegiatan
penyediaan data, penyusunan program sistem dan program serta operasi
pengolahan data dengan komputer.
d. Sedangkan bidang wilayah dan analisa mempunyai tugas melaksanakan kegiatan
penyusunan neraca produksi, neraca konsumsi, dan akutansi penyajian dalam
Dalam pembagian tugas yang diketahui dapat diuraikan menurut tugas masing-
masing bagian yaitu :
3.3.1 Tugas Bagian Tata Usaha
1. Menyusun program tahunan
2. Mengatur dan melaksanakan urusan keuangan yang meliputi tata keuangan,
perbendaharaan, verifikasi dan pembukuan.
3. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk
pelaksanaan lapangan.
4. Mengatur dan melaksanakan penerimaan pemeriksaan dokumen hasil pengumpulan
data statistik produksi.
5. Mengatur dan mengkoordinasikan penyelenggaraan petugas lapangan di pusat
pelatihan serta mengatur penjatahan pelatihan.
6. Bersama-sama dengan bidang pengolahan data mengatur menyiapkan pengolahan
data statistik produksi melalui komputer sesuai dengan yang ditetapkan.
3.3.2 Tugas Bidang Statistik Produksi
1. Menyusun program tahunan
2. Mengatur keikutsertaan program latihan yang diselengarakan oleh pusat dibidang
statistik.
3. Mengatur dan melaksanakan penjatahan documen yang diperlukan untuk
pelaksanaan lapangan.
4. Mengatur dan melaksanakan penerimaan pemeriksaan dokumen hasil
5. Mengatur dan melaksanakan koordinasi penyelenggaraan petugas lapangan di
pusat pelatihan serta mengatur penjatahan pelatihan.
6. Bersama-sama dengan bidang pengolahan data mengatur menyiapkan pengolahan
data statistik produksi melalui komputer sesuai dengan yang ditetapkan.
3.3.3 Tugas Statistik Bidang Distribusi
1. Menyusun program kerja tahunan.
2. Membantu kepala kantor statistik, propinsi atau pemimpin proyek pimpinan bagi
proyek statistik.
3. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di
pusat pelatihan serta mengatur penjatahan pelatihan.
4. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan terhadap
pelaksanaan kegiatan statistik distribusi.
5. Mengatur dan melaksanakan pengolahan data statistik secara sederhana sesuai
dengan yang telah ditetapkan.
6. Menyusun laporan kegiatan secara berkala dan sewaktu-waktu.
3.3.4 Tugas Bidang Pengolahan Data
1.Menyusun program kerja tahunan.
2.Meneliti jenis data yang diolah melalui komputer dan bersama-sama dengan
bidang yang bersangkutan serta menentukan sistem pengolahan dengan
komputer.
3. Mengatur pembuatan sistem program pelaksanaan penyiapan data operasi
4.Mengatur dan melaksanakan penerimaan dokumen yang diolah dengan
komputer .
5. Mengatur dan melaksanakan tugas yang langsung diberikan oleh atasan.
3.3.5 Tugas Bidang Statistik Kependudukan
1. Menyusun program kerja tahunan bidang kependudukan.
2. Melaksanakan statistik demografi dan rumah tangga, ketenagakerjaan,
kesejahteraan rakyat dan statistik kependudukan lainnya yang ditentukan.
3. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan untuk
pelaksanaan lapangan.
4. Melakukan pembinaan, pengamatan lanjut dan pengawasan lapangan terhadap
pelaksanaan kegiatan statistik kependudukan.
5. Mengatur dan menyiapkan dokumen dan hasil pengolahan statistik
kependudukan melalui komputer sesuai dengan jadwal yang ditentukan.
3.3.6 Tugas Bidang Neraca Wilayah dan Analisa
1. Menyusun program kerja tahunan.
2. Menyusun dan melaksankan penerangan kegiatan statistik baik kepada
BAB 4
ANALISA DATA
4.1 Pengumpulan Data
Untuk kebutuhan peramalan diperlukan data yang bersifat akurat, validity, reability,
kecukupan data dan dapat menggambarkan time series. Data diperoleh di Kantor BPS
(Badan Pusat Statistik).
Pengumpulan data yang diperoleh merupakan data dari tahun 2000-2008, yaitu
data jumlah penumapang domestik baik yang naik maupun yang turun.
Table 4.1 Data Jumlah Penumpang Domestik
Jumlah Penumpang No. Tahun
Turun Naik
1 2000 308.095 390.831
2 2001 280.110 326.946
3 2002 230.979 258.006
4 2003 149.347 155.126
5 2004 76.701 82.471
Jumlah Penumpang No. Tahun
Turun Naik
7 2006 72.123 72.757
8 2007 67.343 64.878
9 2008 80.309 75.562
Sumber Data : Badan Pusat Statistik (BPS)
Grafik 4.1 : Nilai Aktual Penumpang Domestik Di Pelabuhan Belawan
4.2 Metode Smoothing Eksponensial Linier Satu Parameter dari Brown
Dalam pengumpulan dan pengolahan data, penulis mengaplikasikan data (tabel 3.1)
dengan metode peramalan (forecasting) berdasarkan metode smoothing eksponensial
Pada metode smoothing eksponensial tunggal dilakukan peramalan dengan
pemulusan sekali saja. Sedangkan pada metode smoothing eskponensial satu
parameter dari Brown dilakukan dua kali pelulsan dan kemudian dilakukan peramalan.
Sehingga metode ini sering juga disebut metode pemulusan eksponensial berganda
(Double Exponential Smoothing).
Untuk memenuhi perhitungan smoothing eksponensial satu parameter dari
Brown maka terlebih dahulu kita menentukan parameter yang biasanya secara trial
and error (coba dan salah). Suatu nilai yang dipilih yang besarnya 0 < < 1,
dihitung Mean Square Error (MSE) yang merupakan suau ukuran perhitungan dengan
mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam sebuah
susunan data dan kemudian dicoba nilai yang lain.
Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang
merupakan hasil dari data asli yang dikurangi hasil ramalan kemudian tiap error
dikuadratkan dan dibagi banyak error.
4.3 Pemilihan Metode
4.3.1 Statistik Uji yang Digunakan
Menurut (Reitsch dan hanke, 1981), dalam banyak situasi peramalan, ketepatan
dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Guna
mengukur ketepatan peramalan, maka dibutuhkan uji-uji ketepatan peramalan.
1. ME (Mean Error) / nilai tengah kesalahan
2. MSE (Mean Square Error) / nilai tengah kesalahan kuadrat
3. MAE (Mean Absolut Error) / nilai tengah kesalahan absolute
4. MAPE (Mean Absolut Percentage Error)
5. MPE (Mean Percentage Error)
Dimana :
= (kesalahan pada periode t)
= data aktual pada periode ke t
= nilai ramalan pada periode ke t
Tabel 4.2 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,1 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Untuk = 0,1 dan N (banyaknya data error) = 7 diperoleh :
=
= 14.706.618.751 Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - -
2001 280.110,00 305296,5 307815,15 302777,85 -279,85 - - -
2002 230.979,00 297864,75 306820,11 288909,39 -995,04 302498 -71.519,00 5.114.967.361,00 2003 149.347,00 283012,975 304439,3965 261586,5535 -2380,7135 287914,35 -138.567,35 19.200.910.486,02 2004 76.701,00 262381,7775 300233,6346 224529,9204 -4205,7619 259205,84 -182.504,84 33.308.016.623,43 2005 75.586,00 243702,1998 294580,4911 192823,9084 -5653,143485 220324,16 -144.738,16 20.949.134.525,97 2006 72.123,00 226544,2798 287776,87 165311,6896 -6803,621134 187170,76 -115.047,76 13.235.988.208,49 2007 67.343,00 210624,1518 280061,5982 141186,7054 -7715,271818 158508,07 -91.165,07 8.311.069.702,76 2008 80.309,00 197592,6366 271814,702 123370,5712 -8246,896154 133471,43 -53.162,43 2.826.244.347,76
Tabel 4.3 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,2 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Untuk = 0,2 dan N (banyaknya data error) = 7 diperoleh :
= 6.657.896.840 Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 302.498,00 306.975,60 298.020,40 -1.119,40 - -
2002 230.979,00 288.194,20 303.219,32 273.169,08 -3.756,28 296.901,00 -65.922,00 4.345.710.084,00 2003 149.347,00 260.424,76 294.660,41 226.189,11 -8.558,91 269.412,80 -120.065,80 14.415.796.329,64 2004 76.701,00 223.680,01 280.464,33 166.895,69 -14.196,08 217.630,20 -140.929,20 19.861.039.412,64 2005 75.586,00 194.061,21 263.183,70 124.938,71 -17.280,62 152.699,61 -77.113,61 5.946.508.538,78 2006 72.123,00 169.673,57 244.481,68 94.865,45 -18.702,03 107.658,08 -35.535,08 1.262.742.251,74 2007 67.343,00 149.207,45 225.426,83 72.988,07 -19.054,84 76.163,43 -8.820,43 77.799.924,70 2008 80.309,00 135.427,76 207.427,02 63.428,51 -17.999,81 53.933,23 26.375,77 695.681.336,78
Tabel 4.4 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,3 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 299.699,50 305.576,35 293.822,65 -2.518,65 - - -
2002 230.979,00 279.083,35 297.628,45 260.538,25 -7.947,90 291.304,00 -60.325,00 3.639.105.625,00 2003 149.347,00 240.162,45 280.388,65 199.936,24 -17.239,80 252.590,35 -103.243,35 10.659.189.319,22 2004 76.701,00 191.124,01 253.609,26 128.638,77 -26.779,39 182.696,44 -105.995,44 11.235.033.300,79 2005 75.586,00 156.462,61 224.465,26 88.459,95 -29.143,99 101.859,37 -26.273,37 690.290.207,62 2006 72.123,00 131.160,73 196.473,90 65.847,55 -27.991,36 59.315,96 12.807,04 164.020.306,86 2007 67.343,00 112.015,41 171.136,35 52.894,46 -25.337,55 37.856,19 29.486,81 869.472.042,12 2008 80.309,00 102.503,49 150.546,49 54.460,48 -20.589,86 27.556,91 52.752,09 2.782.782.537,05
Jumlah -200.791,23 30.039.893.338,66
Untuk = 0,3 dan N (banyaknya data error) = 7 diperoleh :
= 4.291.413.334
Tabel 4.5 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,4 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 296.901,00 303.617,40 290.184,60 -4.477,60 - - -
2002 230.979,00 270.532,20 290.383,32 250.681,08 -13.234,08 285.707,00 -54.728,00 2.995.153.984,00 2003 149.347,00 222.058,12 263.053,24 181.063,00 -27.330,08 237.447,00 -88.100,00 7.761.610.000,00 2004 76.701,00 163.915,27 223.398,05 104.432,49 -39.655,19 153.732,92 -77.031,92 5.933.916.698,89 2005 75.586,00 128.583,56 185.472,26 71.694,87 -37.925,80 64.777,30 10.808,70 116.827.909,22 2006 72.123,00 105.999,34 153.683,09 58.315,59 -31.789,17 33.769,07 38.353,93 1.471.023.670,30 2007 67.343,00 90.536,80 128.424,57 52.649,03 -25.258,51 26.526,42 40.816,58 1.665.993.294,33 2008 80.309,00 86.445,68 111.633,02 61.258,35 -16.791,56 27.390,52 52.918,48 2.800.365.931,92
Jumlah -76.962,23 22.744.891.488,65
=
= 3.249.270.213
Tabel 4.6 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,5 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 294.102,50 301.098,75 287.106,25 -6.996,25 - - -
2002 230.979,00 262.540,75 281.819,75 243.261,75 -19.279,00 280.110,00 -49.131,00 2.413.855.161,00 2003 149.347,00 205.943,88 243.881,81 168.005,94 -37.937,94 223.982,75 -74.635,75 5.570.495.178,06 2004 76.701,00 141.322,44 192.602,13 90.042,75 -51.279,69 130.068,00 -53.367,00 2.848.036.689,00 2005 75.586,00 108.454,22 150.528,17 66.380,27 -42.073,95 38.763,06 36.822,94 1.355.928.726,13 2006 72.123,00 90.288,61 120.408,39 60.168,83 -30.119,78 24.306,31 47.816,69 2.286.435.603,47 2007 67.343,00 78.815,80 99.612,10 58.019,51 -20.796,29 30.049,05 37.293,95 1.390.838.939,69 2008 80.309,00 79.562,40 89.587,25 69.537,55 -10.024,85 37.223,22 43.085,78 1.856.384.545,92
Jumlah -12.114,39 17.721.974.843,28
=
=2.531.710.692
Tabel 4.7 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,6 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 291.304,00 298.020,40 284.587,60 -10.074,60 - - -
2002 230.979,00 255.109,00 272.273,56 237.944,44 -25.746,84 274.513,00 -43.534,00 1.895.209.156,00 2003 149.347,00 191.651,80 223.900,50 159.403,10 -48.373,06 212.197,60 -62.850,60 3.950.197.920,36 2004 76.701,00 122.681,32 163.168,99 82.193,65 -60.731,51 111.030,04 -34.329,04 1.178.482.987,32 2005 75.586,00 94.424,13 121.922,07 66.926,18 -41.246,92 21.462,14 54.123,86 2.929.392.654,29 2006 72.123,00 81.043,45 97.394,90 64.692,00 -24.527,17 25.679,26 46.443,74 2.157.020.762,26 2007 67.343,00 72.823,18 82.651,87 62.994,49 -14.743,03 40.164,83 27.178,17 738.653.024,56 2008 80.309,00 77.314,67 79.449,55 75.179,79 -3.202,32 48.251,46 32.057,54 1.027.685.835,97
Untuk = 0,6 dan N (banyaknya data error) = 7 diperoleh :
=
= 1.982.377.477
Tabel 4.8 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,7 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 288.505,50 294.382,35 282.628,65 -13.712,65 - - -
2002 230.979,00 248.236,95 262.080,57 234.393,33 -32.301,78 268.916,00 -37.937,00 1.439.215.969,00 2003 149.347,00 179.013,99 203.933,96 154.094,01 -58.146,61 202.091,55 -52.744,55 2.781.987.554,70 2004 76.701,00 107.394,90 136.356,62 78.433,18 -67.577,35 95.947,40 -19.246,40 370.423.912,96 2005 75.586,00 85.128,67 100.497,05 69.760,28 -35.859,56 10.855,83 64.730,17 4.189.994.843,50 2006 72.123,00 76.024,70 83.366,41 68.683,00 -17.130,65 33.900,72 38.222,28 1.460.942.512,58 2007 67.343,00 69.947,51 73.973,18 65.921,84 -9.393,23 51.552,35 15.790,65 249.344.670,53 2008 80.309,00 77.200,55 76.232,34 78.168,77 2.259,16 56.528,61 23.780,39 565.506.750,03
Untuk = 0,7 dan N (banyaknya data error) = 7 diperoleh :
=
= 1.579.630.888
Tabel 4.9 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,8 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 285.707,00 290.184,60 281.229,40 -17.910,40 - - -
2008 80.309,00 77.965,66 76.391,26 79.540,06 6.297,59 61.085,42 19.223,58 369.545.989,88
Jumlah 37.824,98 9.100.372.650,67
Untuk = 0,8 dan N (banyaknya data error) = 7 diperoleh :
=
= 1.300.053.236
Tabel 4.10 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,9 Pada Data Jumlah Penumpang Domestik Yang Turun di Pelabuhan Belawan
Tahun
2000 308.095,00 308.095,00 308.095,00 - - - - - 2001 280.110,00 282.908,50 285.427,15 280.389,85 -22.667,85 - - -
2006 72.123,00 72.561,78 73.121,41 72.002,14 -5.036,70 60.037,48 12.085,52 146.059.887,94 2007 67.343,00 67.864,88 68.390,53 67.339,22 -4.730,88 66.965,44 377,56 142.550,68 2008 80.309,00 79.064,59 77.997,18 80.131,99 9.606,65 62.608,34 17.700,66 313.313.241,59
Jumlah 39.845,06 7.809.941.916,80
Untuk = 0,9 dan N (banyaknya data error) = 7 diperoleh :
=
= 1.115.705.988
Tabel 4.11 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,1 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 384.442,50 390.192,15 378.692,85 -638,85 - - -
2004 82.471,00 323.365,51 378.414,18 268.316,84 -6.116,52 311.910,31 -229.439,31 52.642.396.973,28 2005 86.025,00 299.631,46 370.535,90 228.727,01 -7.878,27 262.200,32 -176.175,32 31.037.744.257,98 2006 72.757,00 276.944,01 361.176,71 192.711,31 -9.359,19 220.848,74 -148.091,74 21.931.163.278,52 2007 64.878,00 255.737,41 350.632,78 160.842,04 -10.543,93 183.352,12 -118.474,12 14.036.117.037,51 2008 75.562,00 237.719,87 339.341,49 136.098,25 -11.291,29 150.298,11 -74.736,11 5.585.485.620,31 Jumlah -1.065.244,15 178.959.209.419,79
Untuk = 0,1 dan N (banyaknya data error) = 7 diperoleh :
=
= 7.385.530.349
Tabel 4.12 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,2 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2002 258.006,00 354.044,40 381.429,36 326.659,44 -6.846,24 365.277,00 -107.271,00 11.507.067.441,00 2003 155.126,00 314.260,72 367.995,63 260.525,81 -13.433,73 319.813,20 -164.687,20 27.121.873.843,84 2004 82.471,00 267.902,78 347.977,06 187.828,49 -20.018,57 247.092,08 -164.621,08 27.100.099.980,37 2005 86.025,00 231.527,22 324.687,09 138.367,35 -23.289,97 167.809,92 -81.784,92 6.688.773.139,41 2006 72.757,00 199.773,18 299.704,31 99.842,04 -24.982,78 115.077,38 -42.320,38 1.791.014.631,06 2007 64.878,00 172.794,14 274.322,28 71.266,01 -25.382,03 74.859,26 -9.981,26 99.625.560,77 2008 75.562,00 153.347,71 250.127,36 56.568,06 -24.194,91 45.883,97 29.678,03 880.785.283,29
Jumlah -540.987,81 75.189.239.879,73
Untuk = 0,2 dan N (banyaknya data error) = 7 diperoleh :
=
Tabel 4.13 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,3 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 371.665,50 385.081,35 358.249,65 -5.749,65 - - -
2002 258.006,00 337.567,65 370.827,24 304.308,06 -14.254,11 352.500,00 -94.494,00 8.929.116.036,00 2003 155.126,00 282.835,16 344.429,61 221.240,70 -26.397,63 290.053,95 -134.927,95 18.205.551.691,20 2004 82.471,00 222.725,91 307.918,50 137.533,31 -36.511,11 194.843,07 -112.372,07 12.627.482.116,08 2005 86.025,00 181.715,64 270.057,64 93.373,63 -37.860,86 101.022,20 -14.997,20 224.916.082,83 2006 72.757,00 149.028,05 233.748,76 64.307,33 -36.308,88 55.512,77 17.244,23 297.363.495,88 2007 64.878,00 123.783,03 200.759,04 46.807,02 -32.989,72 27.998,45 36.879,55 1.360.101.381,17 2008 75.562,00 109.316,72 173.326,35 45.307,10 -27.432,70 13.817,30 61.744,70 3.812.408.001,68
Jumlah -240.922,74 45.456.938.804,84
Untuk = 0,3 dan N (banyaknya data error) = 7 diperoleh :
=
Tabel 4.14 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,4 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 365.277,00 380.609,40 349.944,60 -10.221,60 - - -
2002 258.006,00 322.368,60 357.313,08 287.424,12 -23.296,32 339.723,00 -81.717,00 6.677.668.089,00 2003 155.126,00 255.471,56 316.576,47 194.366,65 -40.736,61 264.127,80 -109.001,80 11.881.392.403,24 2004 82.471,00 186.271,34 264.454,42 108.088,25 -52.122,05 153.630,04 -71.159,04 5.063.608.973,72 2005 86.025,00 146.172,80 217.141,77 75.203,83 -47.312,65 55.966,20 30.058,80 903.531.457,44 2006 72.757,00 116.806,48 177.007,66 56.605,31 -40.134,12 27.891,19 44.865,81 2.012.941.301,78 2007 64.878,00 96.035,09 144.618,63 47.451,55 -32.389,03 16.471,19 48.406,81 2.343.219.184,67 2008 75.562,00 87.845,85 121.909,52 53.782,19 -22.709,11 15.062,52 60.499,48 3.660.186.832,46
Jumlah -78.046,94 32.542.548.242,31
Untuk = 0,4 dan N (banyaknya data error) = 7 diperoleh :
=
Tabel 4.15 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,5 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 358.888,50 374.859,75 342.917,25 -15.971,25 - - -
2002 258.006,00 308.447,25 341.653,50 275.241,00 -33.206,25 326.946,00 -68.940,00 4.752.723.600,00 2003 155.126,00 231.786,63 286.720,06 176.853,19 -54.933,44 242.034,75 -86.908,75 7.553.130.826,56 2004 82.471,00 157.128,81 221.924,44 92.333,19 -64.795,63 121.919,75 -39.448,75 1.556.203.876,56 2005 86.025,00 121.576,91 171.750,67 71.403,14 -50.173,77 27.537,56 58.487,44 3.420.780.345,32 2006 72.757,00 97.166,95 134.458,81 59.875,09 -37.291,86 21.229,38 51.527,63 2.655.096.138,14 2007 64.878,00 81.022,48 107.740,64 54.304,31 -26.718,17 22.583,23 42.294,77 1.788.847.199,27 2008 75.562,00 78.292,24 93.016,44 63.568,04 -14.724,20 27.586,14 47.975,86 2.301.683.082,77
Jumlah 4.988,19 24.028.465.068,63
Untuk = 0,5 dan N (banyaknya data error) = 7 diperoleh :
=
Tabel 4.16 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,6 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 352.500,00 367.832,40 337.167,60 -22.998,60 - - -
2002 258.006,00 295.803,60 324.615,12 266.992,08 -43.217,28 314.169,00 -56.163,00 3.154.282.569,00 2003 155.126,00 211.397,04 256.684,27 166.109,81 -67.930,85 223.774,80 -68.648,80 4.712.657.741,44 2004 82.471,00 134.041,42 183.098,56 84.984,27 -73.585,71 98.178,96 -15.707,96 246.740.007,36 2005 86.025,00 105.231,57 136.378,36 74.084,77 -46.720,20 11.398,56 74.626,44 5.569.105.547,07 2006 72.757,00 85.746,83 105.999,44 65.494,21 -30.378,92 27.364,57 45.392,43 2.060.472.301,85 2007 64.878,00 73.225,53 86.335,09 60.115,97 -19.664,35 35.115,29 29.762,71 885.818.911,31 2008 75.562,00 74.627,41 79.310,49 69.944,34 -7.024,61 40.451,62 35.110,38 1.232.738.781,50
Jumlah 44.372,20 17.861.815.859,53
Untuk = 0,6 dan N (banyaknya data error) = 7 diperoleh :
=
Tabel 4.17 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,7 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 346.111,50 359.527,35 332.695,65 -31.303,65 - - -
2002 258.006,00 284.437,65 306.964,56 261.910,74 -52.562,79 301.392,00 -43.386,00 1.882.344.996,00 2003 155.126,00 193.919,50 227.833,01 160.005,98 -79.131,55 209.347,95 -54.221,95 2.940.019.861,80 2004 82.471,00 115.905,55 149.483,79 82.327,31 -78.349,23 80.874,43 1.596,57 2.549.035,76 2005 86.025,00 94.989,16 111.337,55 78.640,78 -38.146,24 3.978,08 82.046,92 6.731.696.671,25 2006 72.757,00 79.426,65 88.999,92 69.853,38 -22.337,63 40.494,54 32.262,46 1.040.866.273,63 2007 64.878,00 69.242,59 75.169,79 63.315,40 -13.830,13 47.515,75 17.362,25 301.447.827,33 2008 75.562,00 73.666,18 74.117,26 73.215,09 -1.052,53 49.485,27 26.076,73 679.995.870,39
Jumlah 61.736,98 13.578.920.536,17
Untuk = 0,7 dan N (banyaknya data error) = 7 diperoleh :
=
Tabel 4.18 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,8 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 339.723,00 349.944,60 329.501,40 -40.886,40 - - -
2002 258.006,00 274.349,40 289.468,44 259.230,36 -60.476,16 288.615,00 -30.609,00 936.910.881,00 2003 155.126,00 178.970,68 201.070,23 156.871,13 -88.398,21 198.754,20 -43.628,20 1.903.419.835,24 2004 82.471,00 101.770,94 121.630,80 81.911,08 -79.439,44 68.472,92 13.998,08 195.946.243,69 2005 86.025,00 89.174,19 95.665,51 82.682,87 -25.965,29 2.471,64 83.553,36 6.981.163.967,29 2006 72.757,00 76.040,44 79.965,45 72.115,42 -15.700,06 56.717,58 16.039,42 257.263.019,60 2007 64.878,00 67.110,49 69.681,48 64.539,49 -10.283,97 56.415,37 8.462,63 71.616.172,86 2008 75.562,00 73.871,70 73.033,65 74.709,74 3.352,17 54.255,52 21.306,48 453.965.950,90
Jumlah 69.122,77 10.800.286.070,58
Untuk = 0,8 dan N (banyaknya data error) = 7 diperoleh :
=
Tabel 4.19 Aplikasi Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan =0,9 Pada Data Jumlah Penumpang Domestik Yang Naik di Pelabuhan Belawan
Tahun
2000 390.831,00 390.831,00 390.831,00 - - - - - 2001 326.946,00 333.334,50 339.084,15 327.584,85 -51.746,85 - - - 2002 258.006,00 265.538,85 272.893,38 258.184,32 -66.190,77 275.838,00 -17.832,00 317.980.224,00 2003 155.126,00 166.167,29 176.839,89 155.494,68 -96.053,49 191.993,55 -36.867,55 1.359.216.243,00 2004 82.471,00 90.840,63 99.440,56 82.240,70 -77.399,34 59.441,19 23.029,81 530.372.148,64 2005 86.025,00 86.506,56 87.799,96 85.213,16 -11.640,59 4.841,36 81.183,64 6.590.782.997,73 2006 72.757,00 74.131,96 75.498,76 72.765,16 -12.301,21 73.572,57 -815,57 665.155,40 2007 64.878,00 65.803,40 66.772,93 64.833,86 -8.725,83 60.463,95 4.414,05 19.483.833,03 2008 75.562,00 74.586,14 73.804,82 75.367,46 7.031,89 56.108,03 19.453,97 378.456.777,84
Jumlah 72.566,34 9.196.957.379,64
Untuk = 0,9 dan N (banyaknya data error) = 7 diperoleh :
=
Dari hasil perhitungan maka kemudian salah satu nilai MSE dibandingkan untuk
menentukan nilai yang memberikan MSE terkecil. Perbandingan ukuran ketepatan
metode peramalan jumlah penumpang domestik di Pelabuhan Belawan sebagai
berikut:
Tabel 4.2 Perbandingan Ukuran Ketepatan Metode Peramalan
MSE
Dari tabel 3.20 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang
paling kecil (minimum) adalah nilai parameter pemulusan = 0,9 untuk data
penumpang turun yaitu dengan nilai MSE = 1.115.705.988 dan = 0,9 pada
penumpang naik yaitu dengan nilai MSE = 1.313.851.054. Jadi dari kedua data
penumpang tersebut diperoleh nilai parameter pemulusan yang sama yaitu = 0,9.
1.Peramalan jumlah penumpang domestik yang turun di Pelabuhan Belawan
pada taraf = 0,9
Dari tabel 3.10 pada tahun 2008 diperoleh nilai-nilai yaitu sebagai berikut :
= 80.131,99
a)Peramalan tahun 2009 untuk m=1
= 80.131,99 + 9.606,65 (1)
= 89.738,6
= 89.739
b)Peramalan tahun 2010 untuk m=2
= 80.131,99 + 9.606,65 (2)
= 99.345,29
= 99.345
c)Peramalan tahun 2011 untuk m=3
= 80.131,99 + 9.606,65 (3)
= 108.951,95
= 108.952
d)Peramalan tahun 2012 untuk m=4
= 80.131,99 + 9.606,65 (4)
= 118.558,59