PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO
SEKTOR PERTANIAN KOTA PADANGSIDIMPUAN
TAHUN 2009-2012
TUGAS AKHIR
ERVINA SARI HASIBUAN
072407004
PROGRAM STUDI DIII STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO
SEKTOR PERTANIAN KOTA PADANGSIDIMPUAN
TAHUN 2009-2012
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
ERVINA SARI HASIBUAN
072407004
PROGRAM STUDI DIII STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO KOTA PADANGSIDIMPUAN TAHUN 2009-2012
Kategori : TUGAS AKHIR
Nama : ERVINA SARI HASIBUAN Nomor Induk Mahasiswa : 072407004
Program Studi : D-III STATISTIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (MIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Mei 2010
Diketahui / Disetujui oleh Dosen Pembimbing Departemen Matematika FMIPA USU
PERNYATAAN
PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO SEKTOR PERTANIAN KOTA PADANGSIDIMPUAN
TAHUN 2009-2010
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Mei 2010
PENGHARGAAN
Puji dan syukur penulis ucapkan kehadirat Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpahan karunia-NYA akhirnya penulis dapat menyelesaikan Tugas Akhir ini tepat pada waktunya.
DAFTAR ISI
Daftar Gambar vii
Bab 1 Pendahuluan 1
1.1Latar Belakang 1
1.2Perumusan Masalah 3
1.3Tinjauan Pustaka 3
1.4Tujuan Penelitian 5
1.5Konstribusi Penelitian 5
1.6Metode Penelitian 5
1.7Sistematika Penulisan 7
Bab 2 Tinjauan Teoritis 9
2.1 Produk Domestik Regional Bruto 9 2.2 Klasifikasi Lapangan Usaha 10 2.3 Perhitungan Pendapatan PDRB 11 2.4 Pengertian Peramalan 14 2.5 Pengertian Metode Peramalan 14 2.6 Jenis-Jenis Metode Peramalan 15 2.7 Langkah-Langkah Peramalan 17 2.8 Penentuan Pola Data 18 2.9 Metode Smhoothing Yang Digunakan 19
2.10 Ketepatan Ramalan 20
Bab 3 Analisa Data 22
3.1 Data Yang Dibutuhkan 22
3.2 Metode Smoothing Eksponensial Linier Satu Parameter dari Brown 23 3.3 Penentuan Bentuk Persamaan Peramalan 30 3.4 Peramalan Produk Domestik Regional Bruto Atas Dasar Harga
Berlaku dan Harga Konstan 32
Bab 4 Implementasi Sistem 36 4.1 Pengertian Implementasi Sistem 36
4.2 Microsoft Excel 36
4.3 Pengoperasian Microsoft Excel 37 4.4 SPSS 16.0 for Windows 42 4.5 Pengoperasian SPSS 16.0 for Windows 42
Bab 5 Kesimpulan dan Saran 44
5.1 Kesimpulan 44
5.2 Saran 45
Daftar Pustaka 46
DAFTAR TABEL
Halaman Tabel 3.1 Produk Domestik Regional Bruto Sektor Pertanian Atas
Dasar Harga Berlaku dan Atas Dasar Harga Konstan Kota
Padangsidimpuan Tahun 2002-2008 22 Tabel 3.2 Menentukan Nilai MSE PDRB Atas Dasar Harga Berlaku
Dengan α = 0.1 24
Tabel 3.3 Perbandingan Ukuran Ketepatan Metode Peramalan 25 Tabel 3.4 Pemulusan Eksponensial Linier Satu Parameter dari Brown
Menggunakan α = 0.9 pada Data PDRB Sektor Pertanian Atas
Dasar Harga Berlaku 26
Tabel 3.5 Menentukan Nilai MSE PDRB Atas Dasar Harga Konstan
Dengan α = 0.1 27
Tabel 3.6 Perbandingan Ukuran Ketepatan Metode Peramalan 28 Tabel 3.7 Pemulusan Eksponensial Satu Parameter dari Brown
menggunakan α = 0.9 pada Data PDRB Sektor Pertanian Atas
Dasar Harga Konstan 29
DAFTAR GAMBAR
Halaman
Gambar 3.1 Plot Peramalan PDRB Atas Dasar Harga Berlaku Dengan
α = 0.9 30
Gambar 3.2 Plot Peramalan PDRB Atas Dasar Harga Konstan Dengan
α = 0.9 31
BAB 1
PENDAHULUAN
1.1Latar Belakang
Pembangunan dikatakan berhasil bila ditunjang oleh sektor ekonomi yang
mapan, karena pada hakekatnya pembangunan ekonomi adalah serangkaian
usaha peningkatan taraf hidup masyarakat, mengusahakan kesempatan kerja
serta mengurangi ketimpangan kesejahteraan dan pendapatan. Untuk dapat
mengembangkan suatu sistem ekonomi yang dapat mendukung pembangunan
masyarakat perlu adanya data sebagai indikator perencanaan ekonomi dimana
dengan data yang tersedia akan mempermudah dalam mengambil kebijakan
sehingga pembangunan ekonomi tidak salah sasaran dan tepat guna.
Terjadinya suatu peristiwa adakalanya tidak bersamaan waktunya
dengan saat peristiwa ketika peristiwa itu diharapkan untuk terjadi. Biasanya
ada selang waktu (time lag) antara harapan dan kenyataan kemudian terjadi.
Ini merupakan alasan pokok, mengapa diperlukan adanya suatu peramalan.
Apabila selang waktu itu adalah nol atau sangat pendek, tentu saja tidak
diperlukan adanya peramalan. Sebaliknya, jika selang waktu itu relatf panjang,
maka peranan peramalan akan sangat penting artinya. Dalam situasi semacam
itu, peramalan diperlukan untuk menentukan kapan suatu perisiwa akan terjadi
langkah-lagkah yang tepat. Sehingga tercapai suatu pembangunan struktur
ekonomi regional yang ideal dengan mekanisme perencanaan dalam
menentukan strategi dan kebijaksanaan agar keputusan yang diambil dapat
mencapai sasaran yang optimal dan tepat waktu dengan menggunakan sumber
daya yang ada.
Perkiraan pendapat regional hingga dewasa ini masih merupakan salah
satu parameter yang diakui dunia sebagai alat pengukur tingkat kesejahteraan
suatu bangsa. Jelas sekali untuk mengungkapkan suatu keadaan, angka Produk
Domestik Regional Bruto (PDRB) sangat dibutuhkan dan perlu disajikan,
karena selain dapat dipakai sebagai bahan analisa perencanaan pembangunan
juga merupakan barometer untuk mengukur hasil-hasil pembangunan yang
telah dilaksanakan.
Data statistik mempunyai peranan penting dalam perencanaan
pengambilan keputusan dan evaluasi hasil-hasil pembangunan yang telah
dicapai. Kebutuhan terhadap data-data statistik semakin semakin terasa
diperlukan seiring dengan semakin meningkatnya pembangunan di segala
bidang, baik untuk lingkup nasional maupun regional. Untuk mengetahui
tingkat pertumbuhan ekonomi dan pendapatan masyarakat, maka perlu
disajikan statistik pendapatan regional secara berkala sebagai bahan
perencanaan pembangunan regional khususnya pembangunan dibidang
ekonomi.
publikasi data PDRB secara terus menerus setiap tahun. Oleh karena itu, pada
penulisan Tugas Akhir ini penulis memberikan judul : “Peramalan Produk
Domestik Regional Bruto Sektor Pertanian Kota Padangsidimpuan
Tahun 2009-2012”.
1.2PERUMUSAN MASALAH
Untuk memperjelas dan untuk lebih memudahkan penelitian ini agar tidak
menyimpang dari sasaran yang dituju, maka penulis meramalkan Produk
Domestik Regional Bruto (PDRB) sektor pertanian yang akan datang (tahun
2009 sampai dengan tahun 2012) menggunakan data PDRB tahun 2001
sampai dengan tahun 2008 dengan Metode Pemulusan (Smoothing)
Eksponensial Ganda : .Metode Linier Satu-Parameter dari Brown.
1.3TINJAUAN PUSTAKA
Untuk meramalkan PDRB digunakan metode Smoothing Eksponensial Ganda:
Metode Linier Satu-Parameter dari Brown. Metode ini merupakan teknik
meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang
lalu untuk menaksir nilai suatu periode yang akan datang. Dasar metode ini
adalah menghitung rata-rata bergerak yang kedua, dengan perhitungan yang
hanya membutuhkan tiga buah nilai data dan satu nilai α. Dalam meramalkan
Assauri, S [2] menguraikan tentang metode peramalan, yaitu kegiatan
memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan
ramalan adalah situasi atau kondisi yang diperlukan akan terjadi pada masa
yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam
cara yang dikenal dengan metode peramalan.
Makridakis, S [1] menguraikan bahwa dalam metode dan aplikasi
peramalan makridakis, pada dasarnya ada dua kelompok dari metode
smoothing yaitu metode perataan (average) dan metode pemulusan
eksponensial. Metode perataan menunjukkan pembobotan yang sama terhadap
nilai-nilai pengamatan, yang terdiri atas nilai tengah, rata-rata bergerak
sederhana (simple moving average), dan rata-rata bergerak ganda (double
moving average). Sedangkan metode pemulusan eksponensial menunjukkan
pembobotan menurun secara eksponensial terhadap nilai pengamatan yang
lebih tua, yang terdiri atas tunggal, ganda, dan metode yang lebih rumit.
Untuk suatu kumpulan data, model smoothing yang digunakan adalah
Eksponensial Ganda: Satu-Parameter dari Brown yaitu :
1.4TUJUAN PENELITIAN
Secara umum tujuan penelitian ini adalah :
1.Untuk meramalkan jumlah PDRB Kota Padangsidimpuan pada tahun
2009-2012.
2.Untuk mengetahui tingkat pertumbuhan ekonomi dan tingkat
kemakmuran Kota Padangsidimpuan.
1.5KONSTRIBUSI PENELITIAN
Penganalisaan dengan menggunakan Metode Pemulusan Eksponensial Ganda :
Metode Linier Satu-Parameter dari Brown diharapkan dapat menjadi nilai
tambah dan bermanfaat bagi pihak instansi (BPS) untuk memberikan ramalan
atau gambaran tentang PDRB sektor pertanian Kota Padangsidimpuan di masa
yang akan datang.
1.6METODE PENELITIAN
Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa
yang akan datang. Metode peramalan adalah cara memperkirakan secara
kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang
relevan pada masa lalu. Salah satu metode peramalan kuantitatif adalah analisa
deret berkala (time series) yang berdasarkan hasil ramalan yang disusun atas
mempengaruhinya. Analisa deret berkala ini mencakup metode pemulusan,
variasi musiman, dan Box-Jenkins.
Data yang dikumpulkan dalam penelitian ini adalah data sekunder yang
diperoleh dari Badan Pusat Statistik (BPS) Sumetera Utara, yaitu data PDRB
Kota Padangsidimpuan dari tahun 2001 sampai dengan tahun 2008. Data yang
dikumpulkan tersebut kemudian diatur, disusun, dan disajikan dalam tabel.
Model peramalan Pemulusan Eksponensial Ganda : Metode Linier
Satu-Parameter dari Brown adalah :
1. Menentukan Smoothing Pertama (
di mana : Smoothing pertama periode t
Nilai rill periode t
Smoothing pertama periode t
2. Menentukan Smoothing Kedua (
α
di mana : Smoothing kedua periode t
3. Menentukan Besarnya Konstanta (
5. Menentukan Besarnya Ramalan (
di mana m adalah jumlah periode ke muka yang
diramalkan.
1.7 Sistematika Penulisan
Penulisan Tugas Akhir ini berdasarkan yang penulis ketahui dari perusahaan
dimana data tersebut diambil secara langsung oleh penulis. Dimana
pembahasan Tugas Akhir ini dibagi dalam beberapa bab dan setiap babnya
terdiri dari beberapa sub bab yang sesuai dengan kerangka pemikiran yang
telah ditetapkan.
Secara umum kerangka pemikiran yang penulis gunakan dalam
menyusun Tugas Akhir ini adalah sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini menguraikan mengenai latar belakang, perumusan masalah,
tinjauan pustaka, tujuan penelitian, konstribusi penelitian, metode
penelitian, dan sistematika penulisan.
BAB 2 : TINJAUAN TEORITIS
Bab ini menguraikan tentang teori-teori dan tinjauan tentang segala
BAB 3 : ANALISA DATA
Bab ini menguraikan tentang penyelesaian masalah sesuai dengan judul
dan menampilkannya baik dalam bentuk tabel maupun grafik
BAB 4 : IMPLEMENTASI SISTEM
Bab ini menguraikan tentang program ataupun software yang
digunakan sebagai analisa terhadap data yang diperoleh.
BAB 5 : KESIMPULAN DAN SARAN
Bab ini menjelaskan mengenai kesimpulan dari hasil analisa yang telah
BAB 2
TINJAUAN TEORITIS
2.1Produk Domestik Regional Bruto
Dalam menghitung pendapatan regional, dipakai konsep domestik. Berarti
seluruh nilai tambah yang ditimbulkan oleh berbagai sektor atau lapangan
usaha yang melakukan kegiatan usaha disuatu wilayah atau daerah
dihitung tanpa memperhatikan kepemilikan dari faktor produksi. Dengan
demikian PDRB secara agregatif menunjukkan kemampuan suatu daerah
dalam menghasilkan pendapatan atau balas jasa kepada faktor-faktor
produksi yang ikut berpartisipasi dalam proses produksi di daerah
tersebut. Untuk menghitung pendapatan regional pada suatu kabupaten
atau kotamadya terlebih dahulu dimengerti beberapa konsep dan definisi
dari unsur-unsur pokok sebagai berikut :
1. Output.
Output adalah nilai barang dan jasa yang dihasilkan dalam suatu
periode tertentu, biasanya satu tahun. Output terdiri dari tiga macam
yaitu :
a. Output utama.
c. Output ikutan yaitu output yang terjadi bersama-sama atau
tidak dapat dihindarkan dengan output utamanya.
2. Biaya antara.
Biaya antara adalah barang-barang dan jasa yang tidak tahan lama yang
digunakan dalam proses produksi.
3. Nilai tambah
Nilai tambah bruto adalah selisih antara nilai output dan biaya antara.
Jadi pada dasarnya PDRB adalah total seluruh nilai tambah bruto yang
dihasilkan seluruh sektor kegiatan ekonomi yang ada disuatu wilayah
atau daerah.
2.2 Klasifikasi Lapangan Usaha
PDRB adalah penjumlahan dari seluruh nilai tambah bruto yang
dihasilkan seluruh sektor kegiatan atau lapangan usaha. PDRB ini
menurut lapangan usaha terdiri dari Sembilan sektor, yaitu :
1. Sektor Pertanian.
2. Sektor Pertambangan dan Penggalian
3. Sektor Industri Pengolahan
4. Sektor Listrik, Gas, dan Air Bersih
5. Sektor Bangunan
6. Sektor Perdagangan, Hotel, dan Restoran
8. Sektor Keuangan, Persewaan, dan Jasa Perusahaan
9. Sektor Jasa-Jasa
2.3 Perhitungan Pendapatan PDRB
2.3.1 Perhitungan atas Dasar Harga Berlaku
PDRB atas dasar harga berlaku merupakan jumlah seluruh NTB atau nilai
barang dan jasa akhir yang dihasilkan oleh unit-unit produksi di dalam
periode tertentu, biasanya satu tahun yang dinilai dengan harga tahun
yang bersangkutan.
NTB atas dasar harga berlaku yang didapat dari selisih antara output
dengan biaya antara masing-masing dinilai atas dasar harga berlaku yaitu
menggambarkan volume produksi yang dihasilkan dan tingkat perubahan
harga dari masing-masing kegiatan sub sektor dan sektor. Mengingat sifat
barang dan jasa yang dihasilkan oleh setiap sektor, maka penilaian output
dilakukan sebagai berikut :
1. Untuk sektor primer produksinya bisa diperoleh secara langsung
dari alam seperti pertanian, pertambangan dan penggalian.
Pertama kali dicari kuantum produksi dengan satuan standar yang
biasa digunakan. Setelah itu digunakan kualitas dari jenis barang
yang dihasilkan.
2. Untuk sektor sekunder yang terdiri dari industri, listrik, gas, dan
sektor primer. Data yang diperlukan adalah data kuantum
produksi yang dihasilkan, serta harga produsen masing-masing
kegiatan, subsektor, dan sektor yang bersangkutan.
3. Untuk sektor jasa secara umum produksinya seperti sektor
perdagangan, restoran dan hotel, pengangkutan dan komunikasi,
Bank dan lembaga keuangan lainnya, sewa rumah dan dan jasa
perusahaan dan pemerintah, dan jasa-jasa (perorangan, sosial, dan
masyarakat). Untuk perhitungan kuantum produksinya dilakukan
dengan mencari indikator produksi yang sesuai dengan
masing-masing kegiatannya, sektor dan subsektor.
2.3.2 Penghitungan Atas Dasar Harga Konstan
Penghitungan atas harga konstan yaitu sama dengan atas dasar harga
berlaku, tetapi penilainnya dilakukan dengan harga suatu tahun tertentu.
NTB atas dasar harga konstan ini, hanya menggambarkan perubahan
volume atau kuantum produksi saja. Pengaruh perubahan harga telah
dihilangkan dengan cara menilai dengan harga suatu tahun dasar tertentu.
Penghitungan atas dasar konstan berguna untuk melihat pertumbuhan
ekonomi secara keseluruhan atau sektoral, juga untuk melihat perubahan
struktur perekonomian suatu kabupaten dan kota di propinsi dari tahun ke
Pada dasarnya dikenal empat cara perhitungan nilai tambah atas dasar
harga konstan, yaitu sebagai berikut :
1. Revaluasi
Revaluasi dilakukan dengan cara menilai produksi dan biaya
antara masing-masing tahun dengan tahun dasar. Hasilnya
merupakan output dan biaya antara atas dasar harga konstan.
Selanjutnya nilai tambah atas dasar harga konstan, diperoleh dari
selisih antara output dan biaya antara atas dasar harga konstan.
2. Ekstrapolasi.
Yaitu nilai tambah masing-masing tahun atas dasar harga konstan
diperoleh dengan cara mengalikan nilai tambah pada tahun dasar
dengan indeks produksi.
3. Deflasi.
Yaitu nilai tambah atas dasar harga konstan diperoleh dengan cara
membagi nilai tambah atas dasar harga berlaku masing-masing
tahun dengan indeks harga. Indeks harga yang digunakan sebagai
deflator biasanya merupakan Indeks Harga Konsumen (IHK),
Indeks Harga Perdagangan Besar (IHPB) dan sebagainya,
tergantung mana yang lebih cocok.
4. Deflasi Berganda.
Dalam deflasi berganda ini yang dideflasi adalah output dan biaya
antara, sedangkan nilai tambah diperoleh dari selisih antara output
2.4 Pengertian Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi
pada masa yang akan datang. Sedangkan ramalan adalah dugaan atau
perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu
yang akan datang. Ramalan diperlukan untuk memberikan informasi
sebagai dasar untuk membuat suatu keputusan dalam berbagai kegiatan,
seperti : penjualan, permintaan, pertenakan, perkebunan dan sebagainya.
Kegunaan dari peramalan terlihat pada saat pengambilan keputusan.
Keputusan yang baik adalah keputusan yang didasarkan atas
pertimbangan apa yang akan terjadi pada waktu keputusan itu
dilaksanakan. Jadi kegunaan peramalan adalah :
1. Untuk membuat keputusan yang tepat.
2. Sebagai alat bantu dalam perencanaan yang efektif dan efisien.
3. Untuk menentukan kebutuhan sumber daya di masa yang akan
datang.
2.5 Pengertian Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang
akan terjadi pada masa depan, berdasarkan data yang relevan pada masa
lalu. Metode peramalan sangat berguna untuk membantu dalam
sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan
yang sistimatis dan pragmatis, serta memberikan tingkat keyakinan yang
lebih besar atas ketepatan hasil ramalan yang dibuat atau disusun.
2.6 Jenis-Jenis Metode Peramalan
Berdasarkan sifatnya peramalan dibedakan menjadi dua macam yaitu
Peramalan Kualitatif dan Peramalan Kuantitatif.
2.6.1 Peramalan Kualitatif
Paramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada
orang yang menyusunnya. Hal ini penting karena hasil peramalan
teresebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat
dan pengetahuan serta pengalaman dari penyusunnya.
2.6.2 Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung
pada metode yang dipergunakan dalam peramalan tersebut. Baik tidaknya
metode yang dipergunakan, sangat ditentukan oleh perbedaan atau
Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan
atau penyimpangan yang mungkin. Peramalan kuantitatif dapat digunakan
bila terdapat tiga kondisi berikut :
1. Tersedia informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa mendatang.
Peramalan kuantitatif dibedakan atas :
1. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel
waktu yang merupakan deret berkala (time series). Metode
peramalan yang termasuk jenis data ini adalah :
a. Metode smoothing (pemulusan), yaitu terdiri dari :
Metode rata-rata, dibagi menjadi :
o Nilai Tengah (mean)
o Rata-rata Bergerak Tunggal (Single Moving Average)
o Rata-rata Bergerak Ganda (Double Moving Average)
o Kombinasi Rata-Rata Bergerak Lainnya
Metode Pemulusan Eksponensial, dibagi menjadi :
o Pemulusan Eksponensial Tunggal
o Pemulusan Eksponensial Tunggal : Pendekatan Adaptif
o Pemulusan Eksponensial Ganda : Metode Linier
o Metode Eksponensial Ganda : Metode Dua-Parameter
dari Holt
o Pemulusan Eksponensial Tripel : Metode Kuadratik
Satu-Parameter dari Brown
o Metode Eksponensial Tripel : Metode Kecenderungan
dan Musiman Tiga-Parameter dari Winter
o Metode pemulusan Eksponensial : Klasifikasi Pegels
b. Metode Box-Jenkins.
c. Metode proyeksi trend dengan regresi.
2. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel
lain yang mempengaruhinya, yang bukan waktu, yang disebut
metode korelasi atau sebab akibat, terdiri dari :
a. Metode regresi dan korelasi.
b. Model ekonometri.
c. Model input output.
2.7Langkah-Langkah Peramalan
Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti
langkah-langkah atau prosedur penyusunan yang baik. Pada dasarnya ada
tiga langkah peramalan yang penting, yaitu :
1.Menganalisa data yang lalu.
3.Memproyeksikan data yang lalu dengan menggunakan metode
yang dipergunakan dan mempertimbangkan adanya beberapa
faktor perubahan.
2.8 Penentuan Pola Data
Hal penting yang harus diperhatikan dalam metode deret berkala adalah
menentukan jenis pola data historisnya, sehingga pola data yang tepat
dengan pola data historis tersebut dapat diuji. Di mana pola data dapat
dibedakan menjadi empat yaitu :
1. Pola Horizontal
Pola ini terjadi bilamana nilai data berfluktuasi di sekitar nilai
rata-rata yang konstan.
2. Pola Musiman
Pola ini terjadi bilamana suatu deret difengaruhi oleh faktor
musiman, misalnya : kuartal tahun tertentu, bulanan, atau
hari-hari pada minggu tertentu.
3. Pola Siklis
Pola data yang menunjukkan gerakan naik turun dalam jangka
panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi
oleh fluktasi ekonomi jangka panjang seperti yang berhubungan
dengan siklus bisnis
Pola ini terjadi bilamana terdapat kenaikan atau penurunan
jangka panjang dalam data.
2.9 Metode Smoothing Yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang
tepat. Maka metode peramalan analisis deret berkala yang digunakan
untuk meramalkan Produk Domestik Regional Bruto pada pemecahan
masalah ini adalah dengan menggunakan Metode Smoothing
Eksponensial Ganda : Metode Linier Satu-Parameter dari Brown.
Metode ini merupakan metode yang dikemukakan oleh Brown yaitu
meramal dengan cara mengambil rata-rata dari nilai beberapa periode
yang lalu untuk menaksir nilai suatu periode yang akan datang. Dasar
pemikiran metode ini adalah menghitung rata-rata bergerak yang kedua,
dengan perhitungan yang hanya membutuhkan tiga buah nilai data dan
satu nilai α. Prosedur penentuan nilai α dilakukan dengan : apabila respon
utamanya sangat tidak teratur (dalam artian nilai variasi acaknya besar),
kemudian nilai variasi acak tersebut di rata-ratakan. Dengan demikian
akan dipilih konstanta pemulusan yang kecil. Persamaan yang dipakai
dalam implementasi pemulusan eksponensial linier satu-parameter dari
Brown adalah :
di mana : Smoothing pertama periode t
Nilai rill periode t
Smoothing pertama periode t
α = Parameter pemulusan eksponensial
2. Menentukan Smoothing Kedua (
α
di mana : Smoothing kedua periode t
3. Menentukan Besarnya Konstanta (
4. Menentukan Besarnya Slope (
5. Menentukan Besarnya Ramalan (
di mana m adalah jumlah periode ke muka
yang diramalkan.
2.10 Ketepatan Ramalan
Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu
bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk
suatu kumpulan data yang diberikan. Dalam pemodelan deret berkala dari
akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan
ramalan.
kriteria yang digunakan untuk menguji ketepatan ramalan adalah :
MSE (Mean Squared Error) / Nilai Tengah Galat Kuadrat, yaitu:
di mana :
kesalahan pada periode ke t
data aktual pada periode ke t
nilai ramalan pada periode ke t
ANALISA DATA
3.1 Data yang dibutuhkan
Tabel 3.1
Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Atas Dasar Harga Berlaku dan Atas Dasar Harga Konstan
Kota Padangsidimpuan pada Tahun 2002-2008
Tahun Atas Dasar Harga Berlaku (Jutaan Rupiah)
Atas Dasar Harga Konstan
(Jutaan Rupiah)
2002 117.460,96 98.718,04
2003 131.497,60 101.794,77
2004 152.829,91 107.166,02
2005 183.364,11 111.834,68
2006 217.556,42 117.862,82
2007 251.607,55 123.734,40
2008 281.705,96 127.503,76
3.2 Metode Smoothing Eksponensial Linier Satu Parameter dari Brown
3.2.1 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel)
dengan metode peramalan (forecasting) berdasarkan metode smoothing eksponensial
ganda : metode linier satu-parameter dari Brown.
Untuk memenuhi perhitungan smoothing eksponensial ganda, tunggal untuk
ramalan yang akan datang maka terlebih dahulu kita akan menentukan parameter nilai
α yang biasanya, secara trial dan error (coba dan salah). Suatu nilai α dipilih yang
besarnya 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran
ketepatan perhitungan dengan mengkuadratkan masing-masing kesalahan untuk
masing-masing kesalahan item dalam sebuah susunan data dan kemudian memperoleh
rata-rata atau nilai tengah kuadrat tersebut dan kemudian dicoba α yang lain.
Untuk menghitung MSE pertama dicari error terlebih dahulu, yang merupakan
hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadratkan dan dibagi
dengan banyaknya error. Secara matematis rumus Mean Square Error (MSE) sebagai
3.2.1.1 PDRB Atas Dasar Harga Berlaku
Tabel 3.2 Menentukan Nilai MSE PDRB Atas Dasar Harga Berlaku dengan nilai
α = 0.1
Xt S't S"t αt bt ft+m e e2
117461.0 117461.0 117461.0
131497.6 118864.6 117601.3 120127.9 140.4
152829.9 122261.2 118067.3 126455.0 466.0 120268.3 32561.6 1060259227.3
183364.1 128371.4 119097.7 137645.2 1030.4 126921.0 56443.1 3185827059.7
217556.4 137289.9 120916.9 153662.9 1819.2 138675.6 78880.8 6222185710.7
251607.6 148721.7 123697.4 173746.0 2780.5 155482.2 96125.4 9240089053.1
281706.0 162020.1 127529.7 196510.6 3832.3 176526.5 105179.5 11062725810.1
Jumlah 30771086860.8
MSE 6154217372.2
Maka :
= 6,154,217,372.16
Jadi untuk nilai α = 0.1 sampai dengan nilai α = 0.9 dapat dicari dengan
persamaan diatas. Kemudian salah satu nilai MSE tersebut dibandingkan untuk
ketepatan metode peramalan jumlah PDRB atas dasar harga berlaku sektor pertanian
dengan melihat MSE sebagai berikut :
Tabel 3.3 Perbandingan Ukuran Ketepatan Metode Peramalan
α MSE
0.1 6,154,217,372.2
0.2 3,106,733,590.6
0.3 1,580,895,100.1
0.4 824,488,888.6
0.5 447,034,148.2
0.6 253,399,334.3
0.7 149,260,650.3
0.8 90,032,393.9
0.9 54,740,099.2
Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang
minimum atau terkecil yaitu pada nilai parameter pemulusan α = 0.9, yaitu dengan
Tabel 3.4 Pemulusan Eksponensial Linier Satu Parameter dari Brown
menggunakan α = 0.9 Pada Data PDRB Sektor Pertanian Atas
Dasar Harga Berlaku
Xt S't S"t αt bt ft+m e e2
117461.0 117461.0 117461.0
131497.6 130093.9 128830.6 131357.2 11369.7
152829.9 150556.3 148383.7 152728.9 19553.1 142726.9 10103.0 102070568.6
183364.1 180083.3 176913.4 183253.3 28529.6 172282.0 11082.1 122813454.6
217556.4 213809.1 210119.5 217498.7 33206.2 211782.9 5773.5 33333356.1
251607.6 247827.7 244056.9 251598.5 33937.4 250704.9 902.7 814866.7
281706.0 278318.1 274892.0 281744.3 30835.1 285535.9 -3829.9 14668249.7
Jumlah 273700495.7
MSE 54740099.1
Ukuran ketepatan Metode Peramalan dengan α = 0.9
3.2.1.2 PDRB Atas Dasar Harga Konstan
Tabel 3.5 Menentukan Nilai MSE PDRB Atas Dasar Harga Konstan dengan nilai
α = 0.1
Xt S't S"t αt bt ft+m e e2
98718.04 98718.04 98718.04
101794.77 99025.71 98748.81 99302.62 30.77
107166.02 99839.74 98857.90 100821.59 109.09 99333.39 7832.63 61350155.38
111834.68 101039.24 99076.03 103002.44 218.13 100930.68 10904.00 118897213.82
117862.82 102721.60 99440.59 106002.60 364.56 103220.57 14642.25 214395376.12
123734.40 104822.88 99978.82 109666.93 538.23 106367.16 17367.24 301621142.79
127503.76 107090.96 100690.03 113491.90 711.21 110205.16 17298.60 299241513.74
Jumlah 995505401.85
MSE 199101080.4
Maka :
= 199,101,080.4
Jadi untuk nilai α = 0.1 sampai dengan nilai α = 0.9 dapat dicari dengan
persamaan diatas. Kemudian salah satu nilai MSE tersebut dibandingkan untuk
ketepatan metode peramalan jumlah PDRB atas dasar harga konstan sektor pertanian
dengan melihat MSE sebagai berikut :
Tabel 3.6 Perbandingan Ukuran Ketepatan Metode Peramalan
α MSE
0.1 199,101,080.40
0.2 95,662,197.63
0.3 46,907,757.39
0.4 24,183,342.99
0.5 13,447,004.09
0.6 8,149,111.37
0.7 5,362,302.64
0.8 3,807,630.18
0.9 2,915,462.34
Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang
minimum atau terkecil yaitu pada nilai parameter pemulusan α = 0.9, yaitu dengan
Tabel 3.7 Pemulusan Eksponensial Linier Satu Parameter dari Brown
menggunakan α = 0.9 Pada Data PDRB Sektor Pertanian Atas
Dasar Harga Konstan
Xt S't S"t αt bt ft+m e e2
98718.04 98718.04 98718.04
101794.77 101487.10 101210.19 101764.00 2492.15
107166.02 106598.13 106059.33 107136.92 4849.14 104256.15 2909.87 8467320.14
111834.68 111311.02 110785.86 111836.19 4726.52 111986.06 -151.38 22917.15
117862.82 117207.64 116565.46 117849.82 5779.61 116562.72 1300.10 1690271.76
123734.40 123081.72 122430.10 123733.35 5864.64 123629.43 104.97 11019.70
127503.76 127061.56 126598.41 127524.70 4168.31 129597.99 -2094.23 4385782.94
Jumlah 14577311.69
MSE 2915462.34
Ukuran ketepatan Metode Peramalan dengan α = 0.9
3.3 Penentuan Bentuk Persamaan Peramalan
Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0 < α < 1
dengan cara trial dan error didapat perhitungan peramalan pemulusan atau smoothing
ekasponensial linier satu parameter dari brown dengan α = 0.9.
Perhitungan pada tabel 3.4 dan 3.7 diatas didasarkan atas α = 0.9 dan ramalan
untuk satu periode ke depan yaitu dalam perhitungan periode ke-8, serta gambar
smoothing eksponensial linier satu paeameter dari Brown.
Gambar 3.2 Plot Peramalan PDRB Atas Dasar Harga Konstan Dengan α = 0.9
Seperti yang sudah dijelaskan di bab 2 tinjauan teoritis persamaan yang
dipakai dalam perhitungan peramalan ini sebagai berikut :
Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya
dengan bentuk persamaan peramalan :
1. Untuk PDRB atas dasar harga berlaku :
281744.3 + 30835.1 (m)
2. Untuk PDRB atas dasar harga konstan :
127524.70 + 4168.31 (m)
3.4 Peramalan Produk Domestik Regional Bruto Atas Dasar Harga Berlaku dan
Harga Konstan
Setelah diketahui bahwa error yang terdapat pada model peramalan bersifat random
maka dilakukan peramalan PDRB untuk tahun 2009 sampai dengan tahun 2012
dengan menggunakan persamaan :
1. PDRB Atas Dasar Harga Berlaku
= 281744.3 + 30835.1 (m)
Setelah diperoleh model peramalan Produk Domestik Regional Bruto maka
dapat dihitung untuk 4 periode ke depan untuk tahun 2009-2012 seperti yang
a. Untuk periode ke 8 (tahun 2009)
281744.3 + 30835.1 (m)
281744.3 + 30835.1 (1)
312579.4
b. Untuk periode ke 9 (tahun 2010)
281744.3 + 30835.1 (m)
281744.3 + 30835.1 (2)
343414.5
c. Untuk periode ke 10 (tahun 2011)
281744.3 + 30835.1 (m)
281744.3 + 30835.1 (3)
249.6
d. Untuk periode ke 11 (tahun 2012)
281744.3 + 30835.1 (m)
281744.3 + 30835.1 (4)
Tabel 3.8 Peramalan PDRB Atas Dasar Harga Berlaku
Tahun Periode Peramalan
2009 8 312579.4
2010 9 343414.5
2011 10 374249.6
2012 11 405084.7
2. Untuk PDRB atas dasar harga konstan :
127524.70 + 4168.31 (m)
Setelah diperoleh model peramalan Produk Domestik Regional Bruto maka
dapat dihitung untuk 4 periode ke depan untuk tahun 2009-2012 seperti yang
tertera di bawah ini :
a. Untuk periode ke 8 (tahun 2009)
= 127524.70 + 4168.31 (m)
127524.70 + 4168.31 (1)
131693.01
b. Untuk periode ke 9 (tahun 2010)
127524.70 + 4168.31 (m)
c. Untuk periode ke 10 (tahun 2011)
127524.70 + 4168.31 (m)
127524.70 + 4168.31 (3)
140029.64
d. Untuk periode ke 11( tahun 2012)
127524.70 + 4168.31 (m)
127524.70 + 4168.31 (4)
144197.95
Tabel 3.9 Peramalan PDRB Atas Dasar Harga Konstan
Tahun Periode Peramalan
2009 8 131693.01
2010 9 135861.33
2011 10 140029.64
2012 11 144197.95
Dari ramalan di atas, dapat disimpulkan bahwa peramalan pendapatan PDRB
Sektor Pertanian Atas Dasar Harga Berlaku dan Atas Dasar Harga Konstan di Kota
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Implementasi sistem adalah suatu prosedur yang dilakukan untuk menyelesaikan
desain sistem yang ada dalam dokumen yang telah disetujui, menginstal dan memulai
sistem baru atau sistem yang diperbaiki.
Di dalam sistem data tersebut terdapat suatu perangkat lunak yang dinamakan
dengan software, dan dalam tugas akhir ini penulis menggunakan MS. Word XP
Compatible, MS. Excel XP Compatible dan SPSS 16.0 for Windows dalam penerapan
pengolahan data.
4.2 Microsoft Excel
Microsoft Excel adalah sebuah program aplikasi lembar kerja pada Microsft Office
yang digunakan dalam pengolahan angka. Aplikasi ini memiliki fitur kalkulasi dan
pembuatan grafik. Program ini sering digunakan oleh para akuntan untuk menulis atau
mencatat pengeluaran dan pemasukan dalam perusahaan. Microsoft Excel dapat
membantu penyelesaian tugas-tugas mulai dari perencanaan anggaran belanja,
pembuatan grafik 3-dimensi sampai mengelola buku besar akuntansi untuk sebuah
Tampilan layar Microsoft Excel berupa bentuk standard dari menu bar,
toolbars, formula bar, status bar dan sebuah buku kerja (workbook) baru. Workbook
ini memuat minimum 1 atau maksimum 255 kertas kerja (worksheet). Jumlah
worksheet dalam keadaan biasa ada tiga dan worksheet yang aktif bernama “sheet 1”
alamat sel kiri atas dan alamat sel kanan bawah. Sedangkan “Pointer” adalah petunjuk
sel yang aktif.
4.3 Pengoperasian Microsoft Excel
Cara mengaktifkan Microsoft Excel sama dengan program-program aplikasi
umumnya yang ada di dalam Microsoft Office, yaitu:
1. Klik tombol “start” yang ada pada taskbar
2. Bawa pointer mouse ke “program” , kemudian
3. Klik Microsoft Excel untuk memulai program, selanjutnya excel akan
menampilkan buku kerja yang kosong.
Setelah aktif di dalam Microsoft Excel, akan tampil lembar kerja baru yang
tersusun atas sel-sel yang terbentuk dalam baris dan kolom. Satu lembar kerja dapat
memuat 65536 baris dan 256 kolom yaitu dari kolom A-IV, sedangkan 1 sel dapat
memuat sebanyak 32000 karakter.
Sel aktif memiliki border gelap disekelilingnya, dan alamat sel aktif
ditampilkan pada kotok di atas tepi kiri lembar kerja. Sewaktu mengetik teks atau
rumus, karakter akan terlihat pada formula bar. Tanda + (plus) yang terlihat pada
lembar kerja menandakan keberadaan mouse. Rumus selalu dimulai dengan tanda
sama dengan (=), misalnya: =Sum(range) digunakan untuk menjumlahkan renge
tertentu. Nilai yang dihasilkan dapat berubah apabila rangkaian nilai dalam rumus
berubah.
4. Kita dapat memasukkan data lembar kerja dengan langkah sebagai berikut:
a. Tempatkan petunjuk sel tempat data tersebut akan ditempatkan.
b. Ketik data yang akan dimasukkan.
c. Untuk mengakhiri tekan enter atau tanda panah untuk berpindah sel atau
dengan menggerakkan mouse ke tempat lain.
5. Menyimpan data
Setelah lembar kerja diisi dalam Microsoft Excel disimpan dengan nama file
PDRB. Langkah-langkah dalam menyimpan lembar kerja adalah sebagai
berikut:
a. Ketik file
b. Save as data
c. Klik OK atau enter
Eksistensi penyimpanan data akan tersimpan secara otomatis sehingga
nama file data akan bertambah menjadi Microsoft Excel-PDRB.
Gambar 4.4 Tampilan Cara Penyimpanan Microsoft Excel
6. Pemprosesan data
Selanjutnya adalah pemrosesan data dengan langkah sebagai berikut:
a. pemulusan pertama ( S't ), untuk tahun pertama ditentukan sebesar
sel D2 adalah = C2. Sedangkan untuk tahun kedua dapat dihitung
dengan rumus = ($K$1*C3)+(1-$K$1)*D2. Dalam kasus ini
menghasilkan angka untuk PDRB atas dasar harga berlaku 130.093,9
dan untuk PDRB atas dasar harga konstan 101.487,10 dan untuk
tahun-tahun berikutnya hanya menyalin rumus tersebut.
b. pemulusan kedua ( S''t ), untuk tahun pertama ditentukan sebesar tahun
pertama dari data historisnya sehingga rumus yang tertera pada sel E2
adalah = C2. Sedangkan untuk tahun kedua dapat dihitung dengan
rumus = ($K$1*D3)+(1-$K$1)*E2. Dalam kasus ini menghasilkan
angka untuk PDRB atas dasar harga berlaku 128.830,6, untuk PDRB
atas dasar harga konstan 101.210,19 dan untuk tahun-tahun berikutnya
hanya menyalin rumus tersebut.
c. Nilai a baru bisa dicari pada tahun kedua yaitu dengan rumus yang t
tertera pada sel F3 = (2*D3)-E3. Dalam kasus ini menghasilkan angka
untuk PDRB atas dasar harga berlaku 131.357,2, untuk PDRB atas
dasar harga konstan 101.764,00 dan untuk tahun-tahun berikutnya
hanya menyalin rumus tersebut.
d. Nilai b baru bisa dicari pada tahun kedua yaitu dengan rumus yang t
tertera pada sel G3 = ($K$1/(1-$K$1))*(D3-E3). Dalam kasus ini
menghasilkan angka untuk PDRB atas dasar harga berlaku 11.369,7,
untuk PDRB atas dasar harga konstan 2.492,15 dan untuk tahun-tahun
e. Forecast Ft+m untuk tahun ketiga yaitu pada sel H4 dapat dicari dengan
menggunakan rumus = F3+G3*(1) dengan hasil untuk PDRB atas
dasar harga berlaku 142.726,9, untuk PDRB atas dasar harga konstan
104.256,15 dan untuk forecast berikutnya hanya menyalin rumus
tersebut.
f. Nilai Error kuadrat dapat dicari dengan rumus pada sel I4 = (C4-H4)^2
dengan hasil untuk PDRB atas dasar harga berlaku 102.070.568,6,
untuk PDRB atas dasar harga konstan 8.467.320,14 dan untuk
berikutnya hanya menyalin rumus tersebut.
g. Menghitung MSE dapat menggunakan rumus pada sel = B29/10
dengan hasil untuk PDRB atas dasar harga berlaku 54.740.099,1, untuk
PDRB atas dasar harga konstan 2.915.462,337.
4.4 SPSS 16.0 for Windows
SPSS atau Statistical Package for Social Science, merupakan sebuah program aplikasi
yang memiliki kemampuan analisa statistik cukup tinggi serta sistem manajemen data
pada lingkungan grafis dengan cara pengoperasian yang cukup sederhana sehingga
mudah untuk dipahami. Aplikasi tersebut merupakan salah satu aplikasi perangkat
lunak yang banyak digunakan seiring dengan perkembangan ilmu pengetahuan dan
teknologi dimana banyak institusi yang menginginkan adanya penelitian di berbagai
bidang, penelitian yang banyak berhubungan dengan data-data yang akan diolah
menggunakan suatu metode analisis statistik.
4.5 Pengoperasian SPSS 16.0 for Windows
Cara mengaktifkan program SPSS adalah sebagai berikut:
1. Klik menu Start, pilih All Programs
2. Pilih item SPSS Inc, kemudian SPSS 16.0
3. Jika baru pertama kali masuk, klik tombol Cancel pada kotak dialog yang
4.6Pembuatan Grafik
Untuk membuat grafik pada SPSS, biasa dilakukan dengan langkah-langkah berikut:
1. Klik Graphs, pilih Legacy dialogs dan pilih Line
2. Klik Multiple, pilih Values of individual cases , klik Define
3. Masukkan semua variabel ke pada kolom Lines Represent
4. Klik Title dan buat judul yang sesuai, klik Continue
5. Klik OK.
Gambar 4.7 Tampilan Cara Pembuatan Plot Peramalan PDRB
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada
bab 4 maka kesimpulan yang diperoleh adalah sebagai berikut :
1. Dari plot data dapat kita lihat bahwa terdapat kecenderungan nilai pendapatan
PDRB yaitu meningkat dari tahun ke tahun.
2. Dari data yang telah diramalkan bahwa PDRB Kota Padangsidimpuan sektor
pertanian atas dasar harga berlaku dan atas dasar harga konstan meningkat dari
tahun ke tahun yaitu dari tahun 2009-2012.
3. Nilai kesalahan yang di dapat dari hasil pengolahan tidak terlalu besar dan dari
grafik juga dapat dilihat bahwa data aktual dan peramalan yang disajikan
tidaklah mempunyai perbedaan nilai yang mencolok.
4. Laju pertumbuhan pendapatan PDRB yang semakin meningkat dapat memacu
pertumbuhan volume eksport pada sektor-sektor PDRB, yang mana apabila
volume eksport meningkat maka akan mengakibatkan meningkatnya devisa
5.2 Saran
Saran yang diperoleh penulis adalah sebagai berikut :
1. Diharapkan kepada kantor Badan Pusat Statistik (BPS) agar bisa lebih cepat
mengumpulkan data tiap tahunnya, karena di dalam tugas akhir ini penulis
kesulitan dalam mengumpulkan data karena tidak dapat ditemukan oleh
penulis yaitu data tahun 2009, sehingga penulis ikut meramalkan data PDRB
tahun 2009 yang semestinya data itu tidak perlu diramalkan karena data itu
seharusnya sudah tersedia.
2. Dengan meningkatnya pertumbuhan PDRB sektor pertanian diharapkan dapat
pula meningkatkan pendapatan perkapita masyarakat, oleh karena itu taraf
kemakmuran masyarakat khususnya masyarakat Kota Padangsidimpuan dapat
meningkat pula.
3. Diharapkan kepada pemerintah maupun swasta dapat meningkatkan maupun
memacu pertumbuhan pendapatan PDRB, karena apabila semakin
meningkatnya jumlah pendapatan PDRB khususnya Kota Padangsidimpuan
maka akan dapat pula meningkatkan volume eksport yang akhirnya akan
menaikkan atau meningkatkan devisa Negara.
DAFTAR PUSTAKA
Assauri, Sofyan. 1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi Universitas Indonesia.
BPS Sumatera Utara. 2008. Produk Domestik Regional Bruto (PDRB) Kota
Padangsidimpuan. Badan Pusat Statistik.
BPS Sumatera Utara. 2009. Padangsidimpuan dalam angka 2009. Badan Pusat Statistik.
BPS Sumatera Utara. 2008. PDRB Kota Padangsidimpuan menurut lapangan usaha
2004-2008. Badan Pusat Statistik.
J. Supranto, M.A. 1993. Metode Peramalan Kuantitatif. Jakarta : Rineka Cipta
Lerbin, R. dan Aritonang, R. 2002. Peramalan Bisnis. Edisi Pertama. Jakarta : Ghalia Indonesia.
Lerbin, R. dan Aritonang, R. 2009. Peramalan Bisnis. Edisi Kedua. Jakarta : Ghalia Indonesia
.
Makridakis, Wheewright dan McGEE. 1999. Metode dan Aplikasi Peramalan. Edisi Kedua Jilid Satu. Jakarta : Erlangga
.
Tosin, Rijanto. 1999. Microsoft Excel 2000. Kilat 24 jurus, edisi ke 1. Jakarta : Dinastindo.
L
A
M
P
I
R
A
DEPARTEMEN PENDIDIKAN NASIONAL
UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155
Telp (061) 8211050-8214290 Fax 8214290
Medan, Februari 2010
Nomor : /H5.2.1.8/SPB/2010 Lampiran : 1 Lembar
Perihal : Pengumpulan Data Riset Mahasiswa Program Studi D3 Statistik
FMIPA USU
Kepada Yth :
Bapak Pimpinan Badan Pusat Statistika (BPS) Sumatera Utara Jl. Asrama No. 179 Medan
Dengan Hormat,
Bersama ini kami sampaikan kepada Bapak/Ibu, bahwa Mahasiswa Program Studi Diploma III Statistik FMIPA USU Medan, akan melaksanakan Pengumpulan data / riset di kelurahan yang anda pimpin.
Sehubungan dengan hal tersebut di atas, kami mohon bantuan Saudara agar dapat menerima mahasiswa tersebut di bawah ini untuk melakukan penelitian atau pengumpulan data atas nama :
No. Nama NIM
1. Ervina Sari Hasibuan 072407004
Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Peramalan PDRB Sektor Pertanian Kota
Padangsidimpuan Tahun 2009-2012”, pada Program Studi Diploma III Statistik
FMIPA USU.
Demikian hal ini kami sampaikan, atas kerjasama dan bantuannya kami ucapkan terima kasih.
A.n Dekan
Pembantu Dekan I
1. Yth. Ketua Program Studi D-III Statistik
Dr. Sutarman, M.Sc
NIP.19631026 199103 1 001
Tembusan
DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS SUMATERA UTARA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Jl. Bioteknologi No.1 Kampus USU, Telp.(061) 8211050, Fax (061) 8214290 Medan 20155
Diketahui Disetujui
Ketua Departemen Matematika, Pembimbing
KARTU BIMBINGAN TUGAS AKHIR MAHASISWA
Nama Mahasiswa : ERVINA SARI HASIBUAN
NIM : 072407004
Judul Tugas Akhir : Peramalan Produk Domestik Regional Bruto
Sektor Pertanian Kota Padangsidimpuan
Tahun 2009-2012
Dosen Pembimbing : Drs. Agus Salim Harahap, M.Si
Tanggal Mulai Bimbingan :
Tanggal Selesai Bimbingan :
Dr. Saib Suwilo M.Sc No
Drs. Agus Salim Harahap, M.Si NIP. 19640109 198803 1 004 NIP. 19540828 198103 1 004
SURAT KETERANGAN Hasil Uji Program Tugas Akhir
Yang bertanda tangan dibawah ini, menerangkan bahwa Mahasiswa Tugas Akhir Program Studi Diploma III Statistika :
Nama : ERVINA SARI HASIBUAN Nim : 072407004
Program Studi : D3 Statistika
Judul Tugas Akhir : PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO SEKTOR PERTANIAN KOTA PADANGSIDIMPUAN TAHUN 2009-2012
Telah melaksanakan test program Tugas Akhir Mahasiswa tersebut di atas pada tanggal / Mei / 2010
Dengan Hasil : Sukses / Gagal
Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan Matematika FMIPA USU Medan.
Medan, Mei 2010 Dosen Pembimbing
Produk Domestik Regional Bruto (PDRB) Sektor Pertanian
Atas Dasar Harga Berlaku dan Atas Dasar Harga Konstan
Kota Padangsidimpuan pada Tahun 2002-2008
Tahun
Atas Dasar Harga
Berlaku
(Jutaan Rupiah)
Atas Dasar Harga
Konstan
(Jutaan Rupiah)
2002 117.460,96 98.718,04
2003 131.497,60 101.794,77
2004 152.829,91 107.166,02
2005 183.364,11 111.834,68
2006 217.556,42 117.862,82
2007 251.607,55 123.734,40
2008 281.705,96 127.503,76
