Peramalan Jumlah Penumpang Domestik Kapal Laut Di Pelabuhan Belawan Tahun 2014

(1)

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

(2)

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

(3)

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

(4)

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

(5)

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

(6)

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

(7)

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

(8)

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

Tabel 4.7 : Aplikasi Pemulusan Eksponensial Linier Satu Paramete dari Brown

(9)

Menggunakan = 0,1 Pada Data Jumlah Penumpang Domestik yang Naik

di Pelabuhan Belawan 43

(10)

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

(11)

DAFTAR GAMBAR

Halaman

Gambar 4.1 : Nilai Aktual Penumpang Domestik di Pelabuhan Belawan 31

Gambar 4.2 : Nilai Peramalan Penumpang Domestik yang Turun di

Gambar 4.3 : Nilai Peramalan Penumpang Domestik yang Naik di

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

(12)

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

(13)

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

(14)

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

(15)

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

(16)

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

(17)

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 :

(18)

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

(19)

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.

(20)

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

(21)

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

(22)

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

(23)

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

(24)

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

(25)

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

(26)

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

(27)

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)

(28)

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

(29)

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

(30)

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

(31)

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

(32)

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

(33)

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

(34)

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.

(35)

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.

(36)

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

(37)

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

(38)

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

4. Mengatur dan melaksanakan penerimaan pemeriksaan dokumen hasil

(39)

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

(40)

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

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

(41)

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

(42)

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

(43)

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.

(44)

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

(45)

= nilai ramalan pada periode ke t

(46)

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

(47)

= 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

(48)

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}

(49)

= 4.291.413.334

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}

(50)

=

= 3.249.270.213

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}

(51)

=

=2.531.710.692

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

(52)

=

= 1.982.377.477

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

(53)

=

= 1.579.630.888

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 - - -

(54)

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}

=

= 1.300.053.236

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 - - -

(55)

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}

=

= 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 - - -

(56)

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}

=

= 7.385.530.349

Tahun

(57)

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}

=

(58)

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}

=

(59)

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}

=

(60)

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}

=

(61)

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}

=

(62)

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}

=

(63)

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}

=

(64)

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}

=

(65)

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