Peramalan Nilai Penjualan Energi Listrik PT. PLN Persero Cabang Medan Tahun 2015

(1)

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK

PT. PLN (PERSERO) CABANG MEDAN

UNTUK TAHUN 2015

TUGAS AKHIR

A’ZAM JAMIL LUBIS

082407058

PROGRAM STUDI D-III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK

PT. PLN (PERSERO) CABANG MEDAN

UNTUK TAHUN 2015

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

A’ZAM JAMIL LUBIS

082407058

PROGRAM STUDI D-III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PT. PLN PERSERO CABANG MEDAN TAHUN 2015 Kategori : TUGAS AKHIR

Nama : A’ZAM JAMIL LUBIS

NIM : 082407058

Program Studi : D3 STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2011

Diketahui

Departemen Matematika FMIPA USU Pembimbing

(4)

PERNYATAAN

PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PT. PLN (PERSERO)

CABANG MEDAN UNTUK TAHUN 2015

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah kerja saya sendiri, kecuali beberapa kutipan dari beberapa ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2011

(5)

PENGHARGAAN

Bismillahirrahmanirrahim,

Puji dan syukur atas kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya kepada seluruh alam beserta seluruh isinya dan berkat kekuatan iman dari-Nya, maka Tugas Akhir dengan judul “PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PT. PLN (PERSERO) CABANG MEDAN UNTUK TAHUN 2015” dapat diselesaikan tepat pada waktunya. Kemudian seiring shalawat dan salam penulis ucapkan kepada junjungan Nabi besar Muhammad SAW yang membawa umatnya ke jalan yang benar dan kesejahteraan hidup.

Penulis menyadari bahwa Tugas Akhir ini masih banyak kekurangan dan kelemahan dengan demikian penulis harapkan saran dan kritik yang sifatnya membangun demi peningkatan mutu penulisan Tugas Akhir di masa yang akan datang.

Pada kesempatan ini penulis menghaturkan terima kasih atas petunjuk dan bimbingan yang telah diberikan kepada penulis sehingga akhirnya penulis dapat menyelesaikan Tugas Akhir ini. Maka dengan ini penulis mengucapkan terima kasih sebesar-besarnya kepada :

1. Ayahanda Drs. Asfid Durri Lubis dan Ibunda tersayang Dr. Suzi Khairi, yang membesarkan dan mendidik penulis dengan penuh kasih sayang dan cinta dari kecil hinggga saat ini telah memberikan motivasi dan restu serta materi yang tak ternilai dengan apapun.

2. Bapak DR. Sutarman, M.Sc, selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara.

(6)

4. Bapak Drs.H. Haluddin Panjaitan selaku Pembimbing yang memberikan bimbingan, arahan dan pengalaman kepada penulis.

5. Bapak Drs. Faigiziduhu Buulolo selaku Koordinator Program Studi DIII Satistika FMIPA USU.

6. Untuk saudara-saudari kandung penulis Shahnaz Nadya Lubis, Khairi Asfi Lubis, Chadizah Qubro Lubis dan Muhammad Yunus Lubis yang telah memberikan semangat dan do’a kepada penulis.

7. Untuk saudari Devi Utari yang telah memberikan semangat, motivasi dan do’a yang tulus kepada penulis.

8. Untuk sahabat-sahabatku dari kelas Statistika B 2008 dan semua rekan-rekan dari DIII Statistika FMIPA USU yang telah membantu, memberi semangat, arahan dan motivasi selama perkuliahan.

Atas segala bantuan dan budi baik semua pihak penulis ucapkan terima kasih, semoga Allah SWT memberikan rahmat dan hidayah-Nya kepada kita semua. Amin ya rabbal’alamin.

Akhirnya penulis berharap semoga Tugas Akhir ini dapat memberikan manfaat kepada semua pihak yang memerlukan.

Medan, Juni 2011 Penulis

A’zam Jamil Lubis

(7)

DAFTAR ISI

1.2Identifikasi Masalah 3

1.3Tujuan dan Manfaat Penelitian 4

1.4Metodologi Penelitian 4

1.5Lokasi Penelitian 5

1.6Metode Analisis yang Digunakan 5

1.7Sistematika Penulisan 8

Bab 2 Landasan Teori 10

2.1 Pengertian Peramalan (Forecasting) 10

2.2 Kegunaan dan Peran Peramalan 11

2.3 Jenis Peramalan 13

2.4 Pemilihan Teknik dan Metode Permalan 15

2.5 Analisa Deret Berkala 17

2.6 Penentuan Pola Data 17

2.7 Metode Pemulusan (Smoothing) 18

2.8 Metode Smoothing yang Digunakan 20

2.9 Ketepatan Ramalan 21

Bab 3 Sejarah Tempat Riset 23

3.1 Sejarah Badan Pusat Statistik (BPS) 23

3.1.1 Masa Pemerintahan Hindia Belanda 23

3.1.2 Masa Pemerintahan Jepang 24

3.1.3 Masa Pemerintahan Republik Indonesia 25 3.1.4 Masa Orde Baru sampai Sekarang 26

3.2 Program Pengembangan Statistik 27

3.3 Kegiatan Badan Pusat Statistik 28

(8)

Halaman

Bab 4 Analisis Data 37

4.1 Arti Analisis Data 37

4.2 Analisis Pemulusan Eksponensial Ganda 37 4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown 40

4.3.1 Penaksiran Model Peramalan 40

4.3.2 Penentuan Bentuk Persamaan Peramalan 54 4.4 Peramalan Nilai Penjualan Energi Listrik 55

Bab 5 Impelementasi Sistem 59

5.1 Pengertian Implementasi Sistem 59

5.2 Microsoft Excel 60

5.3 Langkah-Langkah Memulai Pengolahan Data dengan Excel 61

5.4 Menghitung Ketepatan Peramalan 65

5.5 Hasil Dalam Metode Pemulusan Eksponensial dari Brown 66

5.6 Pembuatan Grafik 67

Bab 6 Kesimpulan dan Saran 68

6.1 Kesimpulan 69

6.2 Saran 70

(9)

DAFTAR TABEL

Halaman

Tabel 4.1 Nilai Penjualan Energi Listrik PT. PLN (Persero)

Cabang Medan 39

Tabel 4.2 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter

dari Brown dengan menggunakan α= 0,1 41 Tabel 4.3 Peramalan Nilai Penjualan Energi Listrik dengan

Pemulusan Eksponensial Ganda Linier Satu Parameter

dari Brown dengan menggunakan α= 0,9 49 Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan 50 Tabel 4.12 Pemulusan Eksponensial Ganda Linier Satu Parameter

dari Brown dengan menggunakan α= 0,7 pada Nilai Penjualan Energi Listrik PT. PLN (Persero)

Cabang Kota Medan 51

Tabel 4.13 Peramalan Nilai Penjualan Energi Listrik PT. PLN ( Persero ) Cabang Medan untuk tahun 2010, 2011,

(10)

DAFTAR GAMBAR

Halaman Gambar 4.1 Plot Data Penjualan Energi Listrik dari Tahun 1998-2009 39 Gambar 4.2 Plot Pemulusan Eksponensial Satu Parameter

(11)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Dalam perekonomian, manusia berperan sebagai produsen sekaligus sebagai konsumen yang selalu berupaya memenuhi kebutuhan hidupnya melalui alat pemuas kebutuhan yang tersedia dan beranekaragam. Berbagai macam cara dilakukan terkhusus bagi konsumen guna mendapatkan kebutuhan hidupnya yaitu primer atau sekunder, baik itu melalui pemanfaatan Sumber Daya Alam (SDA) yang tersedia maupun pendaur-ulangan bahan-bahan atau produk-produk yang sudah lama tidak digunakan lagi. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu alat pemuas kebutuhan manusia misalnya : tanah, air, energi gas, energi panas, energi listrik, dan sebagainya.

(12)

mendukung kemajuan ilmu pengetahuan dan teknologi tersebut, salah sautnya adalah energi listrik.

Tanpa adanya energi listrik kehidupan manusia pada modernisasi saat ini pasti sangat jauh berbeda jika dibandingkan pada saat sekarang ini sebab dalam seluruh aspek kehidupan manusia baik keperluan seharu-hari, dunia usaha, industri, pemerintahan, pendidikan dan lainnya sangat dibutuhkan energi listrik yang sangat bermanfaat dalam kelangsungan proses kegiatan masing-masing bidang.

Meskipun saat ini telah tersedia sebuah alat yang dinamakan genset (generator set) yang dapat tetap mengalirkan listrik dengan menggunakan bahan bakar solar, namun alat tersebut digunakan hanya sebagai cadangan ketika listrik padam tetapi dengan menggunakan alat ini juga menghabiskan biaya yang cukup besar. Oleh karena itu energi listrik tetap sangat diperlukan meskipun alat itu telah ada. Kita secara bersama-sama mengelola dan menjaga jaringan listrik yang ada didaerah kita ini dengan menjadikannya sebagai harta yang harus dirawat dan diperhatikan dengan baik. Kita perlu introspeksi terhadap penggunaan arus listrik sehingga tidak terjadi pemborosan dan kita juga harus tahu bahwa biaya produksi listrik sangat besar, karenanya kita harus menghemat penggunaan listrik secara efisien jika tidak dibutuhkan sebaiknya lampu tersebut dimatikan.

(13)

Berdasarkan pemikiran di atas maka penulis memilih judul “PERAMALAN NILAI PENJUALAN ENERGI LISTRIK PT. PLN (PERSERO) CABANG MEDAN UNTUK TAHUN 2015”.

1.2Identifikasi Masalah

Listrik sebagai sumber energi yang sangat penting dalam kehidupan manusia. Demikian halnya kota Medan sebagai salah satu kotamadya di Sumatera Utara yang sekarang ini mengarah kepada industrialisasi dan modernisasi maka besar kemungkinan kondisi seperti ini juga akan sangat membutuhkan energi khususnya energi listrik yang cukup besar. Bagi pihak PLN, hal itu tentu akan menjadi suatu tantangan besar sekaligus peluang bisnis dalam mendapatkan keuntungan karena PLN sebagai satu-satunya instansi yang memonopoli energi listrik.

Adapun yang menjadi masalah dalam tulisan ini yaitu :

1. Bagaimana bentuk persamaan yang dapat dipakai untuk meramalkan besarnya nilai penjualan energi listrik untuk tahun 2015.

2. Berapa besarnya nilai penjualan energi listrik yang diramalkan dimasa yang akan datang yaitu untuk tahun 2015.

(14)

1.3 Tujuan dan Manfaat Penelitian

Secara umum penelitian ini bertujuan untuk mengetahui besarnya nilai penjualan energi listrik PT. PLN (Persero) Cabang Medan untuk tahun 2015 dengan menggunakan metode pemulusan (smoothing) eksponensial ganda.

Adapun manfaat dari penelitian ini yaitu dapat memberikan masukan dan menjadi bahan pertimbangan untuk menghadapi naik atau turunnya tingkat permintaan energi listrik dari masyarakat.

1.4 Metodologi Penelitian

Metode yang penulis gunakan dalam melaksanakan penelitian ini adalah : 1. Studi Kepustakaan (Library Research)

Suatu cara penelitian yang digunakan untuk memperoleh data atau informasi dari perpustakan yaitu dengan membaca buku-buku, referensi, bahan-bahan yang bersifat teoritis yang membantu dalam menyusun Tugas Akhir ini.

2. Pengumpulan Data

(15)

bentuk angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang data tersebut.

1.5 Lokasi Penelitian

Penelitian atau pengumpulan data mengenai Nilai Penjualan Energi Listrik PT. PLN (Persero) Cabang Medan diperoleh dari kantor Badan Pusat Statistik (BPS)

Propinsi Sumatera Utara di Jalan Kapten Muslim No. 71 Medan.

1.6 Metode Analis yang Digunakan

Perhitungan dilakukan untuk meramalkan seberapa besar nilai penjualan energi listrik (dalam rupiah) PT. PLN (Persero) Cabang Medan untuk tahun 2015 dengan

menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda.

(16)

Peramalan nilai penjualan energi listrik PT. PLN (Persero) Cabang Medan untuk tahun 2015 yang menggunakan metode pemulusan (smoothing) eksponensial ganda memiliki tahap-tahap dalam menentukan ramalan. Persamaan-persamaan yang dipergunakan dalam penerapan metode pemulusan (smoothing) eksponensial ganda adalah seperti yang akan diuraikan dibawah ini.

Persamaan ini terkenal dengan nama Metode atau Teknik “Brown’s One Parameter Linier Exponensial Smoothing” yaitu sebagai berikut :

a. Menentukan pemulusan pertama (S't)

S_t' = αX_t+ (1-α) S_t'₋₁

Dengan :

S'

t = Pemulusan pertama periode t

X_t = Nilai periode t

S_t'₋₁ = Pemulusan pertama periode t-1

b. Menentukan pemulusan kedua (S"_t)

S"_t = αS'_t + (1- α )S"_t₋₁

Dengan :

(17)

c. Menentukan besarnya konstanta (a_t)

a_t = 2 S_t'- S"_t

Dengan :

a_t= konstanta pemulusan

d. Menentukan besarnya slope / koefisien (bt)

bt=

α α − 1 ( S

' t- S

" t )

Dengan :

b_t= konstanta pemulusan

e. Menentukan besarnya trend peramalan / forecast (F_t₊_m)

F_t₊_m = a_t+ b_t(m)

Dengan :

Ft+m = Hasil pengamatan untuk m periode kedepan yang diramalkan

(18)

1.7 Sistematika Penulisan

Sistematika penulisan diuraikan untuk memberikan kerangka atau gambaran dari Tugas Akhir ini, yaitu sebagai berikut :

BAB 1 : PENDAHULUAN

Pada Bab ini berisi tentang latar belakang masalah, identifikasi masalah, tujuan dan manfaat, metodologi penelitian, lokasi penelitian, metode analisis yang digunakan, serta sistematika penulisan.

BAB 2 : TINJAUAN TEORITIS

Pada Bab ini berisi tentang pengertian peramalan, kegunaan dan peran peramalan, analisis deret berkala, penentuan pola data, metode pemulusan yang digunakan dan ketepatan ramalan.

BAB 3 : SEJARAH TEMPAT RISET

Pada Bab ini menjelaskan tentang sejarah Kantor Badan Pusat Statistik (BPS) beserta struktur organisasinya.

BAB 4 : ANALISA DATA

(19)

BAB 5 : IMPLEMENTASI SITEM

Dalam Bab ini membahas tentang software yang digunakan dalam analisa data serta cara penggunaan dari software yang dipakai.

BAB 6 : KESIMPULAN DAN SARAN

(20)

BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan (Forecasting)

Peramalan (forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan yang mengaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa sehingga dapat dipersiapkan tindakan yang perlu dilakukan.

(21)

membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau yang disusun.

2.2 Kegunaan dan Peran Peramalan

Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peritiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi diatas peralaman sangat diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan tindakan yang perlu dilakukan.

(22)

Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah yang didasarkan atas pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan merupakan masalah yang selalu dihadapi maka peramalan juga merupakan masalah yang selalu dihadapi karena peramalan berkaitan erat dengan pengambilan suatu keputusan.

Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh metode yang digunakan juga ditentukan oleh baik tidaknya informasi maupun data yang digunakan atau ketepatan ramalan yang dibuat. Selama data maupun informasi yang digunakan tidak dapat meyakinkan maka hasil peramalan yang disusun juga akan sukar dipercaya akan ketepatannya.

Oleh karena itu, ketepatan dari ramalan tersebut merupakan hal yang sangat penting. Walaupun demikian perlu disadari bahwa ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahnnya tersebut.

Di dalam bagian organisasi terdapat beberapa peranan penting dalam peramalan : 1. Penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang

(23)

2. Penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan peralatan dapat berkisar antaa beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan sumber daya di masa yang akan datang.

3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka waktu panjang. Keputusan semacam ini bergantung kepada kesempatan pasar, faktor-faktor lingkungan dan pengembangan internal dari sumber daya finansial, manusia, produk dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.

Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang.

(24)

2.3 Jenis Peramalan

Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu :

1. Peramalan Kwalitatif atau Teknologis

Peramalan Kwalitatif adalah peramalan yang didasarkan atas data kwalitaitf pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. Metode kwalitaitf dapat dibagi menjadi 2 yaitu : Metode eksploratif dan normatif.

2. Peramalan Kwantitatif

(25)

Peramalan kwantitatif dapat digunakan bila terdapat tiga kondisi yaitu : 1. Adanya informasi tentang masa lalu.

2. Informasi tersebut dapat dikwantitatifkan 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 analisis 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. Merode Regresi

Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang.

3. Metode Box-Jenkins

Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang.

2.4Pemilihan Teknik dan Metode Peramalan

(26)

Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan yaitu :

1. Horizon Waktu

Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan yaitu : cakupan waktu di masa yang akan datang dan jumlah periode untuk peramalan yang diinginkan.

2. Pola Data

Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari Model

Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisis keadaan untuk pengambilan keputusan.

4. Biaya yang dibutuhkan

Umumnya ada 4 (empat) unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan yaitu : biaya-biaya pengembangan, penyimpangan (storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan.

5. Ketepatan Metode Peramalan

Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.

(27)

Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan.

2.5Analisis Deret Berkala

Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan dengan kejadian lainnya.

Metode time series merupakan metode peramalan kwantitatif didasarkan atas penggunaaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stationer itu sendiri berarti bahwa tidak terdapat pertumbuhan / penurunan data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu.

2.6Penentuan Pola Data

(28)

1. Pola Horizontal (H)

Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata yang konstan.

2. Pola Musiman (S)

Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman. Misalnya kwartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu.

3. Pola Siklis (C)

Pola data yang menunjukkan gerak naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.

4. Pola Trend (T)

Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.

2.7Metode Pemulusan (Smoothing)

Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai bebrapa tahun untuk menaksir nilai pada beberapa tahun ke depan.

Secara umum Metode Smoothing diklasifikasikan menjadi dua bagian, yaitu : 1. Metode Rata-rata

(29)

b. Rata-rata bergerak tunggal ( Single Moving Average ) c. Rata-rata bergerak ganda ( Double Moving Average ) d. Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuannya adalah untuk memanfaaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial adalah :

F_t₊₁= α X_t+(1-α)F_t

Dengan :

F_t₊₁ = Ramalan satu periode ke depan

X_t = Data aktual pada periode ke-t

F_t = Ramalan aktual pada periode ke-t α = Parameter pemulusan

Metode smoothing eksponensial terdiri atas : 1. Smoothing Eksponensial Tunggal

a. Satu Parameter b. Pendekatan Adaptif 2. Smoothing Eksponensial Ganda

a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt

3. smoothing Eksponensial Tripel

a. Metode kuadratik satu parameter dari Brown

(30)

4. Smoothing Eksponensial menurut klasifikasi Pegels.

2.8Metode Smoothing Yang Digunakan

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan nilai penjualan energi listrik pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu “Smoothing Eksponensial Satu Parameter dari Brown”.

Metode ini merupakan metode yang dikemukakan oleh Brown. Dasar pemikiran dari Metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya.

Persamaan yang tepat dipakai dalam pelaksanaan Pemulusan Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut :

(31)

Dengan :

S'_t = Nilai pemulusan eksponensial tunggal

S"

t = Nilai pemulusan eksponensial ganda

a_t, b_t = konstanta pemulusan

F_t₊_m = Hasil permalan untuk m periode ke depan yang akan diramalkan α = Parameter pemulusan eksponensial besarnya adalah 0<α<1.

2.9Ketepatan Ramalan

Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala ( time series ) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.

Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain : 1. ME ( Mean Error ) atau Nilai Tengah Kesalahan

ME =

2. MSE ( Mean square Absolut Error ) atau Nilai Tengah Kesalahan Kuadrat

(32)

3. MAE ( Mean Absolut Error ) atau Nilai Tengah Kesalahan Absolut

4. MAPE ( Mean Absolut Percentage Error ) atau Nilai Tengah Kesalahan Persentase Absolut

(33)

BAB 3

SEJARAH TEMPAT RISET

3.1 Sejarah Badan Pusat Statistik ( BPS )

Kantor BPS Propinsi Sumatera Utara merupakan lembaga pemerintahan non departemen yang berada dibawah dan bertanggung jawab langsung kepada presiden. Adapun sejarah BPS di Indonesia terjadi 4 ( empat ) masa pemerintahan di Indonesia antara lain :

3.1.1 Masa Pemerintahan Hindia Belanda

(34)

Pada bulan Maret 1923 dibentuk suatu komisi yang bernama komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia. Selain dari itu, Komisi ini mengurus terutama bagian statistik yang dimuat di dalam laporan Indonesia yang sebelumnya disebur Laporan Kolonial.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Center Kantor Voor De Dtatistiek ( CKS ) atau kantor statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan Mekanisme Statistik Perdagangan yang smula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen ( IUA ) yang sekarang disebut Kantor Bea Cukai.

(35)

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944 pemerintahan jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Dan tugas serta fungsi kegiatan statistik pada saat itu lebih terkonsentrasi untuk keperluan militer. Pada masa ini juga CKS diganti namanya menjadi Shomubu Chosasitsu Gunseikanbu.

3.1.3 Masa Pemerintahan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan statistik ditangani oleh lembaga atau instansi baru yang sesuai dengan suasana kemerdekaan yaitu Kantor Penyelidikan Perangkaan Umum republik Indonesia ( KPPURI ). Tahun 1946, Kantor KPPURI dipindahkan ke Yogyakarta sebagai sekuensi dari perjanjian Linggar Jati. Sementara ini pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS. Perkembangan berikutnya KPPURI berdasarkan surat edaran Kementrian Kemakmuran tanggal 12 Juni !950 No.219/S.C, KPPURI dan CKS dilebur menjadi Kantor Pusat Statistik ( KPS ) dan berada di bawah dan bertanggungjawab kepada Menteri Kemakmuran.

(36)

Afdeling A dan bagian penyelenggaraaan tata usaha yang disebut Afdeling B. Dengan keputusan Presiden RI No.131 Tahun 1957, kementrian perekonomian dipecah menjadi kementrian perdagangan dan perindustrian.

Untuk selanjutnya keputusan Presiden RI No.172 Tahun 1957, terhitung mulai 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik dan urusan statistik yang semula menjadi tanggung jawaban wewenang Menteri Perekonomian dialihkan menjadi wewenang dan berada di bawah Perdana Menteri. Berdasarkan Keppres ini pula secara formal nama Biro Pusat Statistik dipergunakan.

3.1.4 Masa Orde Baru sampai Sekarang

Seiring dengan perkembangan zaman, khususnya pada pemerintahan Orde Baru untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan mutlak dibutuhkan data statistik. Untuk mendapatkan data secara tepat dan akurat, salah satu unsurnya adalah pembenahan organisasi BPS.

Dalam masa orde baru ini, BPS telah mengalami empat kali perubahan struktur organisasi :

1. Peraturan pemerintah No.16 Tahun 1968 tentang organisasi BPS. 2. Peraturan pemerintah No.6 Tahun 1980 tentang organisasi BPS.

3. Peraturan pemerintah No.2 Tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja BPS.

(37)

5. Keputusan Presiden RI No. 86 Tahun 1998 tentang BPS.

6. Keputusan Kepala BPS No.100 Tahun 1998 tentang organisasi dan tata kerja BPS.

7. PP No.51 Tahun 1998 tentang penyelenggaraan statistik.

Tahun 1968, ditetapkan peraturan pemerintah No.16 Tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan daerah. Tahun 1980, peraturan pemerintah No.6 Tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah No.16 Tahun 1968. Berdasarkan peraturan pemerintah No.6 Tahun 1980 ditiap Provinsi terdapat perwakilan BPS dengan nama kantor statistik provinsi dan di kabupaten atau kotamadya, terdapat cabang perwakilan BPS dengan nama kantor statistik kabupaten atau kotamadya. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juli 1998 dengan keputusan RI No. 86 Tahun 1998, ditetapkan BPS sekaligus mengatur tata kerja dan struktur organisasi BPS yang baru.

3.2 Program Pengembangan Statistik

Untuk mewujudkan pengembangan statistik, BPS membagi dalam 4 program yaitu : 1. Program penyempurnaan dan pengembangan statistik.

2. Program penyempurnaan sistem informasi. 3. Program pendidikan dan aparatur negara.

(38)

Adapun visi dari Badan Pusat Statistik adalah menjadi sumber informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir. Sedangkan misi Badan Pusat Statistik adalah untuk menjunjung pembangunan nasional BPS mengembangkan misi mengarahkan pembangunan statistik pada penyediaan data statistik yang handal dan bermutu, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu statistik.

3.3 Kegiatan Badan Pusat Statistik

3.3.1 Kedudukan, Tugas dan Fungsi Badan Pusat Statistik

Badan Pusat Statistik sebagai lembaga pemerintah non departemen yang berada di bawah dan bertangung jawab kepada Presiden ( Kepres No. 86 Tahun 1998 ), dalam melaksanakan tugasnya berdasarkan beberapa ketentuan perundangan :

1. UU No. 16 tentang statistik.

2. Keputusan Presiden No. 86 Tahun 1998 tentang BPS.

3. Peraturan pemerintah No. 51 tahun 1999 tentang penyelenggaraan statistik.

(39)

Fungsi yang diselenggarakan Badan Pusat Statistik adalah :

1. Perumusan kebijaksanaan perencanaan, pengumpulan, pengolahan, penyajian data dan analisis di bidang statistik produksi dan kependudukan serta bidang statistik distribusi dan neraca nasional.

2. Pembinaan dan pelaksanaan koordinasi kegiatan statistik dengan departemen dan instansi lainnya dalam mengembangkan berbagai jenis statistik yang diperlukan, serta pelaksanaan kerjasama di bidang statistik dengan lembaga / organisasi lain baik di dalam maupun luar negeri.

3. Penyajian data kepada pemerintah dan masyarakat dari hasil kegiatan statistik produksi dan kependudukan serta distribusi dan neraca nasional secara berkala baik dari hasil penelitian sendiri maupun dari data sekunder.

4. Penyebarluasan statistik melalui berbagai cara baik langsung maupun tidak langsung serta pelaksanaan upaya peningkatan dasar statistik bagi masyarakat. 5. Pengelolaan keuangan, kepegawaian dan organisasi, perlengkapan dan

perbekalan, serta memberikan pelayanan administrasi di lingkungan BPS.

3.3.2 Tata Kerja Badan Pusat Statistik

(40)

3.3.3 Struktur Organisasi Badan Pusat Statistik

Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetapkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai / staf tertentu.

Adapun tujuan dari struktur organisasi di kantor BPS Propinsi Sumatera Utara adalah:

1. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan-kegiatan yang saling berhubungan satu sama lain. 2. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi

manajemen.

3. Pembuatan keputusan yaitu membuat keputusan-keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

Struktur organisasi kantor BPS Provinsi Sumatera Utara dipimpin oleh seorang kepala yang dibantu oleh bagian tata usaha. Bagian Tata Usaha terdiri dari :

1. Sub Bagian Urusan Dalam

2. Sub Bagian Perlengkapan dan Perbekalan 3. Sub Bagian Keuangan

4. Sub Bagian Kepegawaian

(41)

Uraian tugas Bagian Tata Usaha :

1. Menyusun program kerja tahunan bagian.

2. Mengatur dan melaksanakan perhimpunan dan penyusunan program kerja tahunan, baik rutin maupun proyek kantor BPS provinsi dan menyimpannya ke BPS.

3. Mengatur dan melaksanakan urusan dalam yang meliputi surat menyurat, pengadaan dan percetakan arsip, rumah tangga, pemeliharaan gedung, keamanan dan ketertiban lingkungan, serta perjalanan dinas dalam dan luar negeri.

4. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang meliputi penyusunan rencana kebutuhan, penyaluran dan pengemasan, penyimpanan pergudangan, inventaris, penghapusan, serta pemeliharaan peralatan dan perlengkapan.

5. Mengatur dan melaksanakan urusan keuangan yang meliputi tata usaha keuangan, perbendaharaan, verifikasi dan pembukuan.

6. Mengatur dan melaksanakan urusan dan mutasi pegawai, pembinaan pegawai, kesejahteraaan pegawai, administrasi jabatan dan fungsional, hukum, organisasi tata laksana serta penyajian.

7. Menyusun laporan kegiatan bagian secara berkala dan sewaktu-waktu.

(42)

Sedangkan bidang penunjang BPS ada 5 bidang yaitu : 1. Bidang Statistik Produksi

Mempunyai tugas melaksanakan kegiatan BPS pertanian, industri, serta BPS konstruksi pertambangan dan energi.

Uraian tugas Bidang Statistik Produksi : a. Menyusun program tahunan bidang

b. Yang termasuk ruang lingkup tugas bidang BPS Produksi adalah meliputi pelaksanaan kegiatan statistik pertanian, industri, konstruksi, pertambangan, energi dan statistik produksi lainnya yang ditentukan. c. Mengatur keikutsertaan program latihan yang diselenggarakan oleh

pusat dibidang statistik produksi.

d. Membantu Kepala Kantor BPS Provinsi atau Pimpinan Bagian Proyek untuk menyiapkan program petugas bagian lapangan.

e. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihan.

f. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil pengumpulan data statistik produksi.

g. Bersama-sama dengan bidang pengolahan data, mengatur dan menyiapkan data statistik produksi melalui komputer sesuai yang diterapkan.

2. Bidang Statistik Distribusi

(43)

Uraian tugas Bidang Statistik Distribusi :

a. Menyusun program kerja tahunan bidang.

b. Yang termasuk ruang lingkup tugas bidang BPS distribusi adalah meliputi harga konsumen dan perdagangan besar, keuangan harga produsen, niaga dan jasa serta statistik distribusi lainnya.

c. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di bidang statistik distribusi.

d. Membantu Kepala Kantor BPS Provinsi atau Pimpinan Proyek untuk menyiapkan program tugas lapangan.

e. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya. f. Mengatur dan melaksanakan penjatahan dokumen yang diperlukan

untuk pelaksanaan lapangan.

g. Mengatur dan melaksanakan penerimaan dan pemeriksaan dokumen hasil pengumpulan data statistik distribusi.

3. Bidang Statistik Kependudukan

Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan BPS demografi dan rumah tangga, BPS tenaga kerja serta BPS kesejahteraan. Uraian tugas Bidang Statistik Kependudukan :

a. Menyusun program kerja tahunan bidang.

(44)

c. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di bidang statistik kependudukan.

d. Membantu Kepala Kantor BPS Provinsi atau Pimpinan Proyek atau Pimpinan Bagian Proyek untuk menyiapkan program petugas lapangan.

e. Mengatur dan mengkoordinasi penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya. f. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data

termasuk bahan komputer yang bekerja sama dengan satuan organisasi terkait.

g. Mengatur dan melaksanakan penjatahan dokumen untuk melaksanakan tugas di lapangan.

h. Melakukan pembinaan dan pengawasan lapangan terhadap pengawasan kegiatan statistik kependudukan.

4. Bidang Integrasi Pengolahan dan Diseminasi Statistik ( IPDS )

Integrasi Pengolahan dan Diseminasi Statistik ( IPDS ) mempunyai tugas sebagai penyiapan data, penyusunan sistem dan program sistem dan program serta operasional pengolahan data dengan komputer.

Uraian tugas Bidang Integrasi Pengolahan dan Diseminasi Statistik : a. Menyusun program kerja tahunan.

(45)

c. Mengatur dan melaksanakan keikutsertaaan dalam program latihan yang diselenggarakan oleh BPS dalam bidang pengolahan, penyajian dan pelayanan statistik.

d. Melaksanakan koordinasi pengolahan dan pemeliharaan perangkat keras dan perangkat lunak serta menyusun sistem pengolahan data.

e. Mengatur integrasi penggunaan sistem dan program aplikasi pengolahan data statistik seperti data statistik kependudukan, data statistik produksi, dan data statistik distribusi termasuk sarana pendukungnya.

f. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data termasuk bahan komputer yang bekerjasama dengan satuan organisasi terkait.

5. Bidang Neraca Wilayah dan Analisis Statistik

Mempunyai tugas untuk penyusunan neraca produksi, neraca konsumsi dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

3.4 Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatera Utara

Ruang lingkup kegiatan kantor Badan Pusat Statistik ( BPS ) di Provinsi Sumatera Utara yaitu :

a. Merencanakan kegiatan Badan Pusat Statistik untuk dilaksanakan misalnya : jenis data yang akan dikumpulkan, kegunaan data dan lain-lain.

b. Mengumpulkan data Badan Pusat Statistik ( BPS )

(46)

sesudah dikumpulkan data tersebut satu persatu kemudian data diolah kembali.

c. Menyajikan Data Badan Pusat Statistik ( BPS )

Kantor Badan Pusat Statistik ( BPS ) adalah merupakan suatu sumber atau pusat informasi yang dapat mempermudah masyarakat untuk mengetahui tentang perkembangan Negara Indonesia.

d. Menganalisa Data Badan Pusat Statistik ( BPS )

Kemudian data tersebut dianalisa atau dibahas terhadap data statistik tersebut dan juga disebarluaskan. Misalnya : Indikator Pendapatan, Proyeksi Keadaan Perekonomian dan Ketenagakerjaan di Indonesia, Analisa Badan Pusat Statistik ( BPS ) Perbankan dan Lembaga Keuangan lainnya.

e. Memasyarakatkan Data Badan Pusat Statistik ( BPS )

(47)

BAB 4

ANALISIS DATA

4.1 Arti Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data kwantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan menguraikan suatu masalah secara parsial ataupun keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data. Data yang akan diolah adalah data nilai penjualan energi listrik di PT. PLN (Persero) Cabang Medan dari tahun 1998-2009. Analisis yang dipakai dalam pengolahan data ini adalah analisis pemulusan eksponensial ganda.

4.2 Analisis Pemulusan Eksponensial Ganda

(48)

Adapun langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan Metode Linier Satu Parameter dari Brown adalah :

1. Menentukan harga parameter smoothing eksponensial yang besarnya dari 0<α <1 2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan

persamaan :

S'_t = αX_t+ (1-α) S'_t₋₁

3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan :

4. Menghitung koefisien a_t dan b_t dengan menggunakan persamaan :

a_t = 2 S'

5. Menghitung trend peramalan (Ft+m) dengan menggunakan persamaan :

(49)

Data Aktual

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Tahun

Tabel 4.1 Nilai Penjualan Energi Listrik PT. PLN (Persero) Cabang Medan

No. Tahun Nilai Penjualan (Milyar Rupiah)

1 1998 392,36

Sumber : Badan Pusat Statistik (BPS) Propinsi Sumatera Utara

(50)

4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown

4.3.1 Penaksiran Model Peramalan

Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel (4.1) dengan metode peramalan (forecasting) berdasarkan metode pemulusan eksponensial satu parameter dari Brown.

Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang. Maka terlebih dahulu kita menentukan parameter nilai α yang biasanya secara trial and 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 item dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.

Untuk menghitung nilai MSE pertama dicari error terlebih dahulu, yang merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara matematis rumus MSE (Mean Square Error) adalah sebagai berikut :

MSE = N

e

N

t t

(51)

Tabel 4.2 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan 801.55 648.244 424.6332 871.8548 24.84564 531.241 270.309 73066.96 1116.51 833.046 465.4745 1200.617 40.84128 896.7004 219.8096 48316.26 1086.56 1113.515 530.2786 1696.751 64.80405 1241.459 -154.899 23993.63 1245.83 1102.487 587.4994 1617.475 57.22084 1761.555 -515.725 265972.8 1301.93 1251.44 653.8935 1848.987 66.39406 1674.695 -372.765 138954.1 1439.86 1315.723 720.0764 1911.37 66.18295 1915.381 -475.521 226119.8 1519.3 1447.804 792.8492 2102.759 72.77276 1977.553 -458.253 209995.4 1738.9 1541.26 867.6903 2214.83 74.84108 2175.532 -436.632 190647.1 1829.36 1747.946 955.7158 2540.176 88.02557 2289.671 -460.311 211886.1

Jumlah -2155.32 1441242

(52)

Tabel 4.3 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan 801.55 665.278 462.405 868.151 50.71824 567.304 234.246 54871.19 1116.51 864.542 542.8324 1186.252 80.42739 918.8692 197.6408 39061.89 1086.56 1110.52 656.3699 1564.67 113.5375 1266.679 -180.119 32442.84 1245.83 1118.414 748.7788 1488.049 92.40881 1678.208 -432.378 186950.4 1301.93 1257.05 850.433 1663.667 101.6542 1580.458 -278.528 77577.88 1439.86 1329.516 946.2496 1712.782 95.8166 1765.321 -325.461 105925 1519.3 1455.748 1048.149 1863.347 101.8997 1808.599 -289.299 83693.91 1738.9 1563.22 1151.163 1975.277 103.0141 1965.246 -226.346 51232.69 1829.36 1756.992 1272.329 2241.655 121.1657 2078.291 -248.931 61966.5

Jumlah -1330.69 741460.2

(53)

Jumlah -766.837 415915.1

(54)

Jumlah -394.314 260853.7

(55)

Tabel 4.6 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan 1086.56 1101.535 938.9675 1264.103 162.5675 1324.29 -237.73 56515.55 1245.83 1166.195 1052.581 1279.809 113.6138 1426.67 -180.84 32703.11 1301.93 1273.88 1163.231 1384.529 110.6494 1393.423 -91.4925 8370.878 1439.86 1370.895 1267.063 1474.727 103.8322 1495.179 -55.3188 3060.164 1519.3 1479.58 1373.321 1585.839 106.2586 1578.559 -59.2594 3511.674 1738.9 1629.1 1501.211 1756.989 127.8893 1692.097 46.80281 2190.503 1829.36 1784.13 1642.67 1925.59 141.4596 1884.879 -55.5186 3082.314

Jumlah -158.331 186224.1

(56)

Tabel 4.7 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan 801.55 733.414 639.205 827.623 141.3134 701.376 100.174 10034.83 1116.51 990.526 849.9976 1131.054 210.7926 968.9364 147.5736 21777.97 1086.56 1098.54 999.123 1197.957 149.1254 1341.847 -255.287 65171.43 1245.83 1182.122 1108.922 1255.322 109.7994 1347.082 -101.252 10252.05 1301.93 1279.49 1211.263 1347.717 102.3405 1365.121 -63.191 3993.097 1439.86 1384.688 1315.318 1454.058 104.055 1450.058 -10.1976 103.9907 1519.3 1487.524 1418.642 1556.406 103.3236 1558.113 -38.813 1506.451 1738.9 1651.06 1558.093 1744.027 139.451 1659.73 79.16999 6267.887 1829.36 1793.176 1699.143 1887.209 141.05 1883.478 -54.1184 2928.802

Jumlah -18.1717 153638.7

(57)

Tabel 4.8 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan 631.21 574.825 527.5678 622.0822 110.2668 463.62 167.59 28086.41 801.55 750.448 683.5839 817.3121 156.0161 732.349 69.201 4788.778 1116.51 1022.022 920.4906 1123.553 236.9066 973.3282 143.1818 20501.03 1086.56 1095.545 1043.029 1148.061 122.5381 1360.46 -273.9 75021.24 1245.83 1198.049 1151.543 1244.555 108.5142 1270.599 -24.7694 613.5241 1301.93 1285.1 1245.033 1325.167 93.48997 1353.069 -51.1393 2615.231 1439.86 1398.481 1352.447 1444.515 107.4137 1418.657 21.2029 449.5631 1519.3 1495.468 1452.562 1538.374 100.115 1551.929 -32.6291 1064.66 1738.9 1673.02 1606.882 1739.158 154.3209 1638.489 100.4106 10082.28 1829.36 1802.222 1743.62 1860.824 136.7377 1893.478 -64.1184 4111.173

Jumlah 55.0299 147333.9

(58)

Tabel 4.9 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan 801.55 767.482 725.9622 809.0018 166.079 762.304 39.246 1540.249 1116.51 1053.518 988.0068 1119.029 262.0446 975.0808 141.4292 20002.22 1086.56 1092.55 1071.641 1113.459 83.63452 1381.074 -294.514 86738.35 1245.83 1213.976 1185.509 1242.443 113.8677 1197.093 48.73685 2375.28 1301.93 1290.71 1269.67 1311.75 84.16074 1356.311 -54.3806 2957.253 1439.86 1412.274 1383.753 1440.795 114.0833 1395.911 43.94907 1931.521 1519.3 1503.412 1479.48 1527.344 95.72707 1554.878 -35.5782 1265.807 1738.9 1694.98 1651.88 1738.08 172.3998 1623.071 115.8292 13416.39 1829.36 1811.268 1779.39 1843.146 127.5104 1910.48 -81.1198 6580.417

Jumlah 81.00794 161585.4

(59)

Tabel 4.10 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan 631.21 612.415 594.5324 630.2976 160.9434 483.98 147.23 21676.67 801.55 784.516 765.5176 803.5144 170.9852 791.241 10.309 106.2755 1116.51 1085.014 1053.064 1116.964 287.5467 974.4996 142.0104 20166.95 1086.56 1089.555 1085.906 1093.204 32.84157 1404.51 -317.95 101092.4 1245.83 1229.903 1215.503 1244.303 129.5974 1126.046 119.7844 14348.29 1301.93 1296.32 1288.238 1304.402 72.73504 1373.9 -71.9701 5179.69 1439.86 1426.067 1412.284 1439.85 124.0458 1377.137 62.72329 3934.212 1519.3 1511.356 1501.449 1521.263 89.16468 1563.896 -44.5957 1988.774 1738.9 1716.94 1695.391 1738.489 193.9421 1610.428 128.4721 16505.09 1829.36 1820.314 1807.822 1832.806 112.4308 1932.431 -103.071 10623.67

Jumlah 72.94191 195622.1

(60)

Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang memberikan MSE yang terkecil/minimum. Perbandingan ukuran ketepatan metode peramalan peningkatan nilai penjualan energi listrik di Kota Medan dengan melihat MSE sebagai berikut :

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE

0,1 144.124,2 0,2 74.146,02

0,3 41.591,51 0,4 26.085,37 0,5 18.622,41 0,6 15.363,87 0,7 14.733,39 0,8 16.158,54 0,9 19.862,21

(61)

Tabel 4.12 Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown 631.21 574.825 527.5678 622.0822 110.2668 463.62 167.59 28086.41 167.59 801.55 750.448 683.5839 817.3121 156.0161 732.349 69.201 4788.778 69.201 1116.51 1022.022 920.4906 1123.553 236.9066 973.3282 143.1818 20501.03 143.1818 1086.56 1095.545 1043.029 1148.061 122.5381 1360.46 -273.9 75021.24 273.9 1245.83 1198.049 1151.543 1244.555 108.5142 1270.599 -24.7694 613.5241 24.7694 1301.93 1285.1 1245.033 1325.167 93.48997 1353.069 -51.1393 2615.231 51.1393 1439.86 1398.481 1352.447 1444.515 107.4137 1418.657 21.2029 449.5631 21.2029 1519.3 1495.468 1452.562 1538.374 100.115 1551.929 -32.6291 1064.66 32.6291 1738.9 1673.02 1606.882 1739.158 154.3209 1638.489 100.4106 10082.28 100.4106 1829.36 1802.222 1743.62 1860.824 136.7377 1893.478 -64.1184 4111.173 64.1184

Jumlah 55.0299 147333.9 948.1425

Sumber : Perhitungan

Gambar 4.2 Plot Pemulusan Eksponensial Satu Parameter dari Brown dengan

α= 0,7

Nilai Aktual dan Ramalan Energi Listrik

0 500 1000 1500 2000

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Tahun

(62)

Ukuran Ketepatan Metode Peramalan dengan menggunakan α= 0,7 adalah :

2. MSE ( Mean square Absolut Error ) atau Nilai Tengah Kesalahan Kuadrat

MSE =

3. MAE ( Mean Absolute Error ) atau Nilai Tengah Kesalahan Absolut

(63)

4. MAPE ( Mean Absolute Percentage Error ) atau Nilai Tengah Kesalahan

5. MPE ( Mean Percentage Error ) atau Nilai Tengah Kesalahan Persentase

MPE =

6. SSE ( Sum Square Error ) atau Jumlah Kuadrat Kesalahan

(64)

7. SDE ( Standard Deviation of Error ) atau Deviasi Standar Kesalahan

4.3.2 Penentuan Bentuk Persamaan Peramalan

Bentuk persamaaan ditentukan harga parameter smoothing eksponensial yang besarnya 0<α<1 dengan cara trial and error didapat perhitungan peramalan smoothing eksponensial linier satu parameter dari Brown dengan α=0,7

Perhitungan pada tabel 4.12 di atas didasarkan pada α=0,7 dan ramalan untuk satu periode ke depan yaitu dalam perhitungan periode ke 12. Seperti yang sudah dijelaskan pada bab 2 ( Landasan Teori ) persamaan yang dipakai dalam perhitungan peramalan adalah sebagai berikut :

(65)

bt=

α α −

1 ( S

' t- S

" t )

Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan bentuk persamaan peramalan :

F_t₊_m = 1860.824 + 136.7377 (m)

4.4 Peramalan Nilai Penjualan Energi Listrik

Setelah diketahui error yang terdapat pada model peramalan, maka dilakukan peramalan nilai penjualan energi listrik untuk tahun 2010, 2011, 2012, 2013, 2014 dan 2015 dengan menggunakan persamaan :

F_t₊_m = 1860.824 + 136.7377 (m)

Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat dihitung untuk 6 periode ke depan yaitu untuk tahun 2010, 2011, 2012, 2013, 2014 dan 2015 seperti di bawah ini :

a. Untuk periode ke 13 ( tahun 2010 )

Ft+m = 1860.824 + 136.7377 (m)

F₁₂₊₁ = 1860.824 + 136.7377 (1)

F₁₃ = 1860.824 + 136.7377

(66)

b. Untuk periode ke 14 ( tahun 2011 )

Ft+m = 1860.824 + 136.7377 (m)

F₁₂₊₂ = 1860.824 + 136.7377 (2)

F14 = 1860.824 + 136.7377 (2)

F14 = 1860.824 + 273,4754

F₁₄ = 2134,2994

c. Untuk periode ke 15 ( tahun 2012 )

F_t₊_m = 1860.824 + 136.7377 (m)

F₁₂₊₃ = 1860.824 + 136.7377 (3)

F₁₅ = 1860.824 + 136.7377 (3)

F₁₅ = 1860.824 + 410,2131

F₁₅ = 2271,0371

d. Untuk periode ke 16 ( tahun 2013 )

F_t₊_m = 1860.824 + 136.7377 (m)

F₁₂₊₄ = 1860.824 + 136.7377 (4)

F₁₆ = 1860.824 + 136.7377 (4)

F₁₆ = 1860.824 + 546,9508

(67)

e. Untuk periode ke 17 ( tahun 2014 )

Ft+m = 1860.824 + 136.7377 (m)

F₁₂₊₅ = 1860.824 + 136.7377 (5)

F₁₇ = 1860.824 + 136.7377 (5)

F₁₇ = 1860.824 + 683,6885

F₁₇ = 2544,5125

f. Untuk periode ke 18 ( tahun 2015 )

Ft+m = 1860.824 + 136.7377 (m)

F12+6 = 1860.824 + 136.7377 (6)

F₁₈ = 1860.824 + 136.7377 (6)

F₁₈ = 1860.824 + 820,4262

(68)

Tabel 4.13 Peramalan Nilai Penjualan Energi Listrik PT. PLN ( Persero )

Cabang Medan untuk tahun 2010, 2011, 2012, 2013, 2014 dan 2015

Tahun Periode Peramalan

2010 13 1997,5617

2011 14 2134,2994

2012 15 2271,0371

2013 16 2407,7748

2014 17 2544,5125

(69)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstall dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data pada karya tulis ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil perhitungan.

(70)

yang sangat banyak untuk mengolah data tersebut, disamping itu faktor kesalahan yang dilakukan oleh manusia relatif besar.

Dan dengan adanya komputer peangkat lunak, diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, waktu dan tenaga dengan tingkat kesalahan yang relatif kecil.

5.2 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Excel. Excel merupakan salah satu software pengolah angka yang cukup banyak digunakan di dunia. Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai versi 4, versi 5, versi 97, versi 2000, versi 2002 dan versi 2003.

(71)

5.3 Langkah-langkah Memulai Pengolahan Data Dengan Excel

Sebelum mengoperasikan software ini, pastikan pada komputer terpasang program Excel.

Langkah-langkahnya : a. Klik tombol Start

(72)

Setelah itu akan muncul tampilan worksheet (lembar kerja) seperti di bawah ini :

(73)

Dari data di atas kita dapat menentukan besarnya peramalan dengan α = 0,7. Dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini :

1. Pada kolom pertama ditulis keterangan dengan X_t

2. Pada kolom kedua ditulis keterangan dengan S'_t

3. Pada kolom ketiga ditulis keterangan dengan S"t

4. Pada kolom keempat ditulis keterangan dengan at

5. Pada kolom kelima ditulis keterangan dengan b_t

6. Pada kolom keenam ditulis keterangan dengan F_t₊_m

7. Pada kolom ketujuh ditulis keterangan dengan error e

8. Pada kolom kedelapan ditulis keterangan dengan e atau absolute error

(74)

Maka perhitungan masing-masing smoothing pertama, smoothing kedua, konstanta, slope dan forecast sebagai berikut :

1. Smoothing pertama, untuk tahun pertama ditentukan sebesar tahun pertama dari data historisnya sehingga rumus yang tertera pada sel C4 adalah C4. Sedangkan untuk tahun kedua dapat dihitung dengan rumus : 0,7*4B+0,3*C3. Dalam kasus ini menghasilkan angka : 427,99 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

2. Smoothing kedua, untuk tahun kedua ditentukan sebesar nilai penjualan tahun pertama dari data historisnya. Sehingga rumus yang tertera pada sel D4 adalah : D4. Sedangkan untuk tahun kedua dapat dihitung dengan rumus : 0,7*C4+0,3*D3. Dalam kasus ini menghasilkan angka : 417,301 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

3. Nilai a_t baru bisa dicari pada tahun kedua yaitu dengan rumus : 2*C4-D4. Dalam

kasus ini menghasilkan angka : 438,679 untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

4. Nilai b_t baru bisa dicari pada tahun kedua yaitu dengan rumus yang tertera pada

sel F4 adalah : 0,7/0,3*(C4-D4). Dalam hal ini menghasilkan angka : 29,941 untuk tahun-tahun berikutnya hanya menyalin dari rumus tersebut.

5. Forecast F_t₊_muntuk tahun ketiga yaitu pada sel G5 dapat dicari dengan

(75)

5.4 Menghitung Ketepatan Peramalan

1. Jumlahkan error, absolute error dan square error dengan rumus : a. Untuk jumlah error dapat digunakan rumus =SUM(H5:H14) Maka hasil jumlah error adalah : 55,0299

b. Untuk jumlah absolute error dapat digunakan rumus =SUM(I5:I14) Maka hasil jumlah absolute error adalah : 948,1425

c. Untuk jumlah square error dapat digunakan rumus =SUM(J5:J14) Maka hasil jumlah square error adalah : 147.333,9

2. Hitung Mean Error (ME), Mean Absolute Error (MAE) dan Mean Square Absolute Error (MSE) :

a. Menghitung ME dapat menggunakan rumus =H15/10 Maka hasil ME adalah : 5,50299

b. Menghitung MAE dapat menggunakan rumus =I15/10 Maka hasil MAE adalah : 94,81425

(76)

(77)

5.6 Pembuatan Grafik

Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada Excel, bisa menggunakan icon chart wizard yang terdapat pada toolbar.

Adapun langkah-langkah yang diperlukan adalah :

1. Sorot sel atau range yang ingin dibuat grafik pada tabel data. 2. Klik menu Insert, Chart.

3. Klik tipe dan sub tipe grafik misalnya tipe Column dan sub tipe 3-D Column. 4. Klik Next.

5. Tentukan sumber data grafik. Jika sel pointer berada pada tabel data maka otomatis seluruh data tabel akan disorot dan ditandai dengan garis putus-putus.

6. Klik Next.

7. Tentukan keterangan pendukung grafik seperti titles (judul-judul tabel), axis (sumbu koordinat tabel), gridlines (garis bantu skala tabel), legends (keterangan tabel) dan labels (nama-nama data tabel) dan data tabel.

8. Klik Next.

9. Pilih tempat untuk meletakkan grafik ini.

(78)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada bab IV maka kesimpulan yang diperoleh adalah sebagai berikut :

1. Pada hasil analisis Metode Smoothing Eksponensial dengan satu parameter dari Brown di dapat analisis dengan nilai MSE yang terkecil adalah dengan

α= 0,7 yakni dengan MSE = 14.733,39.

2. Bentuk persamaan peramalan dari nilai penjualan energi listrik PT. PLN (Persero) Cabang Medan untuk 6 tahun kedepan adalah :

(79)

3. Diperkirakan nilai penjualan energi listrik PT. PLN (Persero) Cabang Medan untuk periode 6 tahun kedepan adalah sebagai berikut :

(dalam Milyar Rupiah).

Tahun Periode Peramalan

2010 13 1997,5617

2011 14 2134,2994

2012 15 2271,0371

2013 16 2407,7748

2014 17 2544,5125

(80)

6.2 Saran

Saran yang diperoleh adalah sebagai berikut :

1. Dalam meramalkan nilai penjualan energi listrik pada PT. PLN (Persero) Cabang Medan dengan menggunakan Metode Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown akan sangat membantu jika kita menggunakan alat bantu komputer khususnya program aplikasi Excel dan dapat menggunakan analisis peramalan dengan menggunakan Metode Smoothing Eksponensial Ganda.

(81)

DAFTAR PUSTAKA

Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. 2000. Medan Dalam Angka 2000. Medan : BPS Provinsi Sumatera Utara.

(82)

KEMENTERIAN PENDIDIKAN NASIONAL

Perihal : Pengumpulan Data Riset Mahasiswa Program Studi D - III Statistik FMIPA USU

Kepada Yth :

Kepada Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Jl. Kapten Muslim No. 71

Medan

Dengan hormat, bersama ini kami sampaikan kepada Bapak, bahwa Mahasiswa Program Studi Diploma III Statistik FMIPA USU Medan, akan melaksanakan Pengumpulan data / riset di sekolah 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. A’zam Jamil Lubis 082407058

Data yang dimaksud khusus dipergunakan untuk menyusun Tugas Akhir Mahasiswa yang berjudul “Peramalan Nilai Penjualan Energi Listrik PT. PLN (Persero) Cabang Medan Untuk Tahun 2015 ”, pada Program Studi Diploma III Statistik FMIPA USU.

Demikian kami sampaikan, atas kerjasama dan bantuannya diucapkan terima kasih. a.n Dekan

Pembantu Dekan I

Dr. Marpongahtun, M.Sc NIP. 19611115 198803 2 Tembusan :

1. Yth. Ketua Program Studi D-III Statistik 2. Arsip

(83)

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama : A’zam Jamil Lubis

NIM : 082407058

Judul Tugas Akhir : Peramalan Nilai Penjualan Energi Listrik PT.PLN (Persero) Cabang Medan Untuk Tahun 2015

Dosen Pembimbing : Drs. Haluddin Panjaitan

Tanggal Mulai Bimbingan : ………..

Tanggal Selesai Bimbingan : ………..

No. Tanggal

Kartu ini harap dikembalikan ke Departemen Matematika bila bimbingan mahasiswa telah selesai

Diketahui Disetujui

Departemen Matematika FMIPA USU Pembimbing Utama

Prof. Dr. Tulus, M. Si Drs. Haluddin Panjaitan

(84)

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILM PENGETAHUA ALAM PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA

Jl. Bioteknologi No.1 Kampus USU Padang Bulan Medan 20155 Telp. (061) 8211050 - 8214290, Fax. ( 061 ) 8214290

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Diploma III Statistka :

Nama : A’ZAM JAMIL LUBIS

NIM : 082407058

Program Studi : Statistika

Judul Tugas Akhir : Peramalan Nilai Penjualan Energi Listrik PT.PLN (Persero) Cabang Medan Untuk Tahun 2015

Telah melaksanakan test program tugas akhir mahasiswa tersebut di atas pada tanggal ...

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, Juni 2011

Dosen Pembimbing

Drs.HaluddinPanjaitan