Proyeksi Nilai Penjualan Energi Listrik Di Pt.Pln (Persero) Cabang Medan Helvetia Untuk Tahun 2015

(1)

1

PROYEKSI NILAI PENJUALAN ENERGI LISTRIK DI PT. PLN (PERSERO) CABANG MEDAN HELVETIA UNTUK TAHUN

2015

TUGAS AKHIR

M. FACHRIO NASUTION 112407115

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(2)

i

PERSETUJUAN

Judul : PROYEKSI NILAI PENJUALAN ENERGI LISTRIK DI

PT.PLN (PERSERO) CABANG MEDAN HELVETIA

UNTUK TAHUN 2015

Kategori : TUGAS AKHIR

Nama : M. FACHRIO NASUTION

Nim : 112407115

Program Studi : D3 STATISTIK

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM

(FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Pebruari 2015

Diketahui/Disetujui oleh: Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,

(3)

ii

PERNYATAAN

PROYEKSI NILAI PENJUALAN ENERGI LISTRIK DI PT.PLN

(PERSERO) CABANG MEDAN HELVETIA UNTUK TAHUN 2015

TUGAS AKHIR

Saya mengaku bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali

beberapa kutipan dari ringksan yang masing-masing disebutkan sumbernya.

Medan, Pebruari 2015

M. FACHRIO NASUTION

(4)

iii

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha

Penyayang, dengan lipahan dan karunianya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul “PROYEKSI NILAI PENJUALAN

ENERGI LISTRIK DI PT. PLN (PERSERO) CABANG MEDAN HELVETIA

UNTUK TAHUN 2015”.

Terima kasih penulis sampaikan kepada Bapak Drs. Agus Salim Harahap,

M.Si selaku Dosen Pembimbing yang telah meluangkan waktuya selama

penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulolo, M.Si dan Bapak Dr. Suwarno Arriswoyo, M.Si selaku Ketua dan

Sekretaris Program Studi D3 Statistika FMIPA USU Medan, Bapak Prof. Dr.

Tulus, M.Si, dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris

Departemen Matematika FMIPA USU Medan, Bapak Drs. Sutarman, M.Sc selaku

Dekan FMIPA USU, seluruh Staff dan Dosen Program Studi D3 Statistika

FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak

terlupakan kepada Bapak Ir. Abdul Kholik Nasution dan Ibu Nurliza dan keluarga

yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga

Tuhan Yang Maha Esa membalasnya.

Penulis

(5)

iv

1.2 Identifikasi Masalah 1

1.3 Pembatasan Masalah 3

1.4 Maksud dan Tujuan 3

1.5 Metode Penelitian 4

1.6 Sistematika Penulisan 5

Bab 2 Landasan Teori 6

2.1 Pengertian Peramalan {Forecasting) 6

2.2 Jenis peramalan 7

2.3 Pemilihan Teknik dan Metode Peramalan 8

2.4 Kegunaan Peramalan 9

2.5 Metode Pemulusan (Smoothing ) 10

2.6 Metode Smoothing yang Digunakan 11

2.7 Ketepatan Ramalan 12

Bab 3 Sejarah dan Stmktur BPS 14

3.1 Sejarah Singkat Badan Pusat Statistik 14

3.1.1 Masa Pemerintahan Hindia Belanda 15

3.1.2 Masa Pemerintahan Jepang 15

3.1.3 Masa Kemerdekaan Republik Indonesia 15

3.1.4 Masa Orde Baru sampai Sekarang 16

3.2 Struktur Organisasi Badan Pusat Statistik 18 3.3 Tugas dan Wewenangan Masing-Masing Bagian di

Badan Pusat Statistik 20

3.3.1 Bagian Tata Usaha 20

3.3.2 Bidang Statistik Produksi 21

3.3.3 Bidang Statistik Distribusi 23

3.3.4 Bidang Statistik Sosial 23

3.3.5 Bidang Integrasi Pengolahan dan Diseminasi

Statistik 24

3.4 Ruang Lingkup Kegiatan Kantor BPS Propinsi

(6)

v

Bab 4 Analisis Data 26

4.1 Arti Analisis Data 26

4.2 Analisis Pemulusan Eksponensial Ganda 26 4.3 Metode Pemulusan Eksponensial Ganda

Satu Parameter Dari Brown 30

4.4 Peramalan Nilai Penjualan Energi Listrik 42

Bab 5 Implementasi Sistem 44

5.1 Microsoft Excel 44

Bab 6 Kesimpulan dan Saran

6.1 Kesimpulan 49

6.2 Saran 50

(7)

1 BAB 1

PENDAHULUAN

1.1 Latar 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 usaha dilakukan terkhusus bagi konsumen dalam memenuhi kebutuhan hidupnya, baik itu melalui pemanfaataan sumber Daya Alam (SDA) yang tersedia maupun pendaur-ulangan produk-produk yang sudah lama tidak digunakan lagi.Sumber Daya Alam yang tersedia merupakan salah satu alat pemuas kebutuhan manusia misalnya, tanah, air, energi panas, listrik dan sebagainya.

(8)

2

Meskipun saat ini telah ada 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 karena dengan menggunakan alat ini juga menghabiskan biaya yang cukup besar. Oleh karena itu energi listrik tetap sangat diperlukan meskipun alat itu telah ada dan diharapkan kita juga harus menjaga dan menggunakan listrik sebaik dan sehemat mungkin agar pihak PLN juga dapat memproduksi listrik dengan baik dan kita tetap dapat menikmati manfaat listrik dalam kehidupan kita.

Dari keadaan tersebut, penulis ingin meneliti salah satu Sumber Daya Alam yang kita miliki yaitu energi listrik Dalam hal ini, penulis ingin mengetahui berapa besar nilai penjualan energi listrik (dalam rupiah) yang diperoleh oleh PT PLN (PERSERO) Cabang Medan Helvetia. Oleh karena berbagai alasan tersebut penulis mencoba untuk meramalkan besarnya nilai penjualan energi listrik untuk tahun 2015 di PT. PLN (PERSERO) Cabang Medan Helvetia. Berdasarkan pemikiran di atas maka penulis memilih judul " PROYEKSI NILAI PENJUALAN ENERGI LISTRIK DI PT. PLN (PERSERO) CABANG MEDAN HELVETIA

UNTUK TAHUN 2015 ".

1.2 Identifikasi Masalah

(9)

3

membutuhkan energi khususnya energi listrik yang cukup besar. Bagi pihak PLN, hal ini tentu akan menjadi suatu tantangan besar sekaligus peluang bisnis dalam mendapatkan keuntungan karena PLN sebagai satu-satunya instansi yang memonopoli energi listrik.

Yang menjadi permasalahannya adalah : Bagaimana bentuk persamaan yang dapat dipakai untuk meramalkan besarnya nilai penjualan energi listrik di masa yang akan datang yaitu pada tahun 2015 di PT. PLN (PERSERO) Cabang Medan Helvetia. Dengan menggunakan persamaan di atas dapat dihitung berapa besarnya nilai penjualan energi listrik di PT. PLN (PERSERO) Cabang Medan Helvetia yang diramalkan untuk tahun 2015.

1.3 Pembatasan Masalah

Dari latar belakang yang telah diuraikan di atas, maka yang menjadi batasan permasalahan adalah besarnya nilai penjualan energi listrik di Medan Helvetia pada tahun 2015 dengan menggunakan data dari tahun 2002 - 2013.

1.4 Maksud dan Tujuan

(10)

4 1.5 Metode Penelitian

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

Suatu cara penelitian yag digunakan untuk memperoleh data atau informasi dari perpustakaan yaitu dengan membaca buku-buku, referensi, bahan-bahan yang bersifat teoritis yang mendukung Tugas Akhir ini.

2. Pengumpulan Data

Pengumpulan data untuk keperluan riset ini penulis lakukan dengan data sekunder dari BPS (Badan Pusat Statistik).Data sekunder adalah data yang diperoleh atau dirangkum ulang berdasarkan data yang telah tersedia atau disusun oleh BPS.Data yang dikumpulkan tersebut kemudian diatur, disusun, dan disajikan dalam bentuk angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3. Melakukan Analisis Data

Pengolahan data untuk meramalkan nilai penjualan energi listrik (dalam rupiah) di PT. PLN (PERSERO) Cabang Medan helvetia menggunakan Metode Pemulusan Eksponensial Ganda : metode linier satu parameter dari Brown. Adapun rumus yang digunakan adalah sebagai berikut:

F

t+m =

a

t

+ b

t

(m)

dimana :

Ft+m= hasil pengamatan untuk m periode ke depan yang diramalkan

ɑt , bt = konstanta pemulusan

(11)

5 1.6 Sistematika Penulisan

Adapun sistematika penulisan yang dipergunakan penulis antara lain :

BAB 1 : PENDAHULUAN

Bab ini akan menjelaskan Latar Belakang, Identifikasi masalah, Maksud dan Tujuan Penelitian, Metode penelitian, program komputer yang digunakan dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan tentang konsep dan definisi tentang hal-hal yang menyangkut penyelesaian masalah yang dihadapi dalam Tugas Akhir.

BAB 3 : SEJARAH DAN STRUKTUR BPS

Dalam bab ini penulis menguraikan mengenai sejarah singkat berdirinya Badan Pusat Statistika (BPS) Provinsi Sumatera Utara.

BAB 4 : ANALISIS DATA

Bab ini menguraikan tentang data yang telah diamati dan cara penggunaan rumus yang telah ditentukan untuk analisis data tersebut.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau software yang dipakai sebagai analisis terhadap data yang diperoleh. Dimana program ini berfungsi sebagai pengolah data, sehingga akan menghasilkan informasi yang dibutuhkan.

BAB 6 : KE SIMPULAN DAN SARAN

(12)

6 BAB 2

LANDASAN TEORI

2.1 Pengertian Peramalan (Forecasting)

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

(13)

7 2.2 Jenis peramalan

Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu : 1. Peramalan Kualitatif atau teknologis

Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu.Hasil peramalan ini sangat bergantung pada orang yang menyusunnya, karena berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi 2 yaitu : metode eksploratoris dan normatif.

2. Peramalan Kuantitatif

Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu.Hasil peramalan ini sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Karena dengan metode yang berbeda akan diperoleh suatu hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik.Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur penyusunan yang baik. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.

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

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.

(14)

8

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 ramalan jangka panjang.

2.3 Pemilihan Teknik dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan.

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

(15)

9 3. Jenis dari Model

Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-peaibahan 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 empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya penyimpanan (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.

6. Kemudahan dan Penerapan

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

2.4 Kegunaan Peramalan

(16)

10

oleh siapa dialaksanakan. Perencanaan dan peramalan sangat erat kaitannya, ini dapat dilihat dalam hal penyusunan rencana, dimana dalam penyusunan ini melibatkan masalah peramalan juga.

Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk menyusun rencana karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Sehingga dengan metode peramalan akan memberikan cara pemikiran, pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis.

2.8 Metode Pemulusan(Smoothing)

Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Secara umum Metode smoothing diklasifikasikan menjadi dua bagian, yaitu:

1. Metode Rata-rata

Metode rata-rata dibagi atas empat bagian, yaitu: a. Nilai tengah

b. Rata-rata bergerak tunggal c. Rata-rata bergerak ganda

d. Kombinasi rata-rata bergerak lainnya.

(17)

11 2. Metode Pemulusan Eksponensial .

Bentuk umum dari metode pemulusan eksponensial adalah: Ft+1 = α Xt + (1 - a ) Ft

Dimana :

Ft+1 : ramalan satu periode ke depan

Xt : data actual pada periode ke-t

Ft : ramalan pada periode ke-t

α : parameter pemulusan

Metode smoothing eksponensial terdiri atas: 1. Smoothing Eksponensial Tunggal

2. Smoothing Eksponensial Ganda

a. Metode linier satu parameter dari brown

b. Metode dua parameter dari holt

2.6 Metode 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 Ekspononsial Ganda yaitu "Smoothing Eksponensial Satu Parameter dari Brown".

(18)

12

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

St' = αXt+(l-α)St-1 St" = αXt + (l-α)St-1"

at = St' + (St'-St")=2St'-St"

bt =

(St'-St") Ft+m = at + btm Dimana :

St'= nilai pemulusan eksponensial tunggal

St"= nilai pemulusan eksponensial ganda

at, bt = konstantapemulusan

Ft+m = hasil peramalan untuk m periode ke depan yang akan diramalkan

2.7Ketepatan 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.

(19)

13 1. ME (Mean Error) / Nilai Tengah Kesalahan

2. MSE (Mean Square Absolut Error) / Nilai Tengah Kesalahan Kuadrat

3. MAE ( Mean Abslut Error ) / Nilai Tengah Kesalahan Absolut

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

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

6. SSE ( Sum Square Error ) / Juinlah Kuadrat Kesalahan

N

SSE =∑

t=1

Dimana :

et : Xt - Ft

Xt : data aktual pada periode ke-t

Pet : 100( kesalahan persentase pada peride ke-t)

Ft : nilai ramalan pada peride ke-t

N : banyaknya periode waktu

(20)

14 BAB 3

SEJARAH DAN STRUKTUR BPS

3.1 Sejarah Singkat Badan Pusat Statistik

Kantor Badan Pusat Statistik (BPS) propinsi sumatera utara merupakan lembaga pemerintahan non departemen yang berada dibawah dan bertanggung jawab langsung kepada presiden.

Badan Pusat Statistik ini ada sejak :

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan febaiari 1920, kantor statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Direetur Van Land Bouw Nijeverheid En Handel), dan kedudukan di bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik.

(21)

15

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Voor De Statistiek (CKS) atau kantor statistik dan dipindahkan ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang sekarang disebut kantor Bea Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan juni 1944 pemerintah jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini CKS diganti menjadi Shomubu Chosasitsu Gunseikanbu

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia (RI) tanggal 17 Agustus 1945. Kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia). Tahun 1946, Kantor KAPPURI dipindahkan ke Yogyakarta sebagai sekuens dari Perjanjian Linggar Jati. Sementara ini pemerintah Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

(22)

16

Dengan surat Menteri Perekonomian tanggal 1 maret 1952 Nomor : P/44,lembaga KPS berada dibawah dan bertanggung jawab perekonomian. Selanjutnya keputusan Menteri 2 bagian yaitu bagian Research yang disebut Afdeling A dan bagian penyelenggara tata usaha yang disebut Afdeling B.

Dengan keputusan Presiden Republik Indonesia Nomor : 131 tahun 1957, kementerian perekonomian dipecah menjadi kementerian Perdagangan dan Kementerian Perindustrian. Untuk selanjutnya Presiden Republik indonesia Nomor :172 tahun 1957, terhitung mulai tanggal 1 juni 1957 KPS diubah menjadi Biro Pusat Statistik dan urusan statistik semula menjadi tanggung jawab dan wewenang berada di bawah Perdana Menteri.

3.1.4 Masa Orde Baru sampai Sekarang

Pada pemerintah Orde Baai khususnya untuk memenuhi kebutuhan perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenaran organisasi Biro Pusat Statistik. Dalam masa Orde Baai ini Badan Pusat Statistik telah mengalami empat (4) kali perubahan struktur organisasi :

a) Peraturan pemerintah Nomor : 16 tahun 1968 tentang organisasi Badan Pusat Statistik.

b) Peraturan pemerintah Nomor : 6 tahun 1980 tentang organisasi Badan Pusat

Statistik.

c) Peraturan pemerintah Nomor : 2 tahun 1992 tentang kedudukan, tugas, fungsi,susunan dan tata kerja Biro Pusat Statistik.

(23)

17

e) Keputusan Presiden Republik Indonesia Nomor :86 tahun 1998 tentang Badan Pusat Statistik.

f) Keputusan kepala Badan Pusat Statistik Nomor :100 tahun 1998 tentang organisasi dan tenaga kerja Badan Pusat Statistik.

g) Peraturan Pemerintah Nomor : 51 tahun 1999 tentang penyelenggaraan statistik.

(24)

18 3.2 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu - individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. 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 tersebut.

Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi ini dan staf. Struktur ini mengandung unsur - unsur spesialisasi kerja, standardisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat Statistik (BPS) Propinsi Sumatera Utara adalah :

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

manajemen.

(25)

19

Adapun bagan atau struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut:

Peraturan Presiden Republik Indonesia Nomor : 86 tahun 1998 ditetapkan Badan Pusat sebagaimana dalam lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin seorang Kepala Kantor.

Kepala Kantor dibantu bagian tata usaha yang terdiri dari: a. Sub Bagian Urusan Dalam

b. Sub Bagian Perlengkapan c. Sub Bagian Keuangan d. Sub Bagian Kepegawaian

e. Sub Bagian Bina Potensi / Bina Program

Sedangkan Bidang Penunjang Statistik terdiri dari lima (5) bidang yaitu :

1. Bidang Statistik Produksi

Bidang statistik Produksi mempunyai tugas untuk melaksanakan kegiatan Statistik Pertanian, Industri, Konstruksi pertambangan dan energi.

2. Bidang Statistik Distribusi

(26)

20 3. Bidang Statistik Sosial

Bidang Statistik kependudukan mempunyai tugas yaitu melaksanakan kegiatan demografi dan rumah tangga, ketenagakerjaan, serta statistik kesejahteraan.

4. Bidang Integrasi Pengolahan dan Diseminasi Statitik (IPDS)

Penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan komputer.

5. Bidang Neraca Wilayah dan Analisis Statistik

Mempunyai tugas untuk penyusunan neraca Produksi, Neraca konsumsi, dan Akumulasi penyajian analisis serta kegiatan penerapan statistik.

3.3 Tugas dan Wewenang Masing-Masing Bagian di Badan Pusat Statistik

Wewenang (authority) adalah : hak untuk melakukan sesuatu atau memerintahkan orang lain untuk melakukan atau tidak melakukan sesuatu agar tercapai tujuan tertentu.

Contoh: seorang manager suatu organisasi mempunyai hak untuk memberi perintah dan tugas serta menilai pelaksanaan kerja bawahannya.

(27)

21 3.3.1 Bagian Tata Usaha

a. Menyusun program kerja tahun bidang yang meliputi kegiatan statistik pertanian, industri, konstruksi energi dan statistik produksi lainnya .

b. Mengatur dan melaksanakan penghimpunan barang dan penyusunan program

kerja tahunan baik rutin maupun proyek kantor statistik propinsi dan menyampaikan ke Badan Pusat Statistik.

c. Mengatur dan melaksanakan urusan dalam yang meliputi surat - surat

penggandaan atau percetakan kearsipan, rumah tangga dan pemeliharaan gedung keamanan dan lingkungan serta perjalanan dinas maupun luar negeri. d. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang

meliputi penyusunan, penyimpanan atau penggudangan, inventarisasi dan penghapusan serta pemeliharaan perlengkapan.

e. Mengatur dan melaksanakan urusan dan keuangan yang meliputi tata usaha

keuangan, perbankan, vertikasi dan pembukuan.

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

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

(28)

22 3.3.2 Bidang Statistik Produksi

a. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik pertanian, industri, konstruksi energi dan statistik produksi lainnya yang ditemukan..

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat dibidang statistik produksi.

c. Mengatur dan mengkordinasikan penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya.

d. Membantu kepala kantor Badan Pusat Statistik Propinsi atau pimpinan bagian proyek untuk menyiapkan program pelatihan petugas lapangan.

e. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap

pelaksanaan lapangan produksi.

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.

h. Mengatur dan melaksanakan evaluasi hasil kerja kegiatan statistik produksi. i. Mengatur dan menyiapkan hasil pengolahan statistik produksi yang akan

dikirim ke pusat melalui komputer sesuai dengan jadwal yang ditentukan. j. Membantu kepala kantor badan pusat statistik propinsi melakukan pembinaan

(29)

23 3.3.3 Bidang Statistik Distribusi

a. Menyusun program kerja tahunan bidang yang meliputi pelaksanaan kegiatan statistik pertanian, industri pertambangan, energi dan satistik produksi lainnya yang ditentukan.

b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di bidang statistik produksi.

c. Membantu kepala kantor Badan Pusat Statistik memimpin proyek untuk menyiapkan proyek tugas lapangan.

d. Mengatur dan mengkoordinasikan penyelenggaraan petugas lapangan di pusat

pelatihan serta mengatur pelatihan.

e. Mengatur dan melaksanakan dokumen yang diperlukan untuk pelaksanaan lapangan, melakukan pembinaan dan pengawasan terhadap kegiatan statistik produksi.

f. Melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan terhadap pelaksanaan kegiatan statistik produksi

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

h. Mengatur dan melaksanakan pengolahan data statistik distribusi secara

sederhana sesuai yang diterapkan oleh pusat.

i. Bersama-sama dengan bidang pengolahan data dan menyiapkan pengolahan statistik distribusi melalui komputer sesuai yang diterapkan.

j. Mengatur dan mengevaluasi hasil kegiatan statistik distribusi sebagai bahan masukan untuk peyempurnaan selanjutnya.

(30)

24 3.3.4 Bidang Statistik Sosial

a. Menyusun program kerja tahunan bidang-bidang yang utama ruang lingkup bidang statistik kependudukan adalah meliputi pelaksanaan kegiatan statistik demokratis dan rumah tangga dan statistik kepedudukan lainnya.

b. Mengatur keikutsertaan program lainnya yang akan diselenggrakan oleh statistik bidang penduduk .

c. Membantu kepala kantor Badan Pusat Statistik propinsi atau pimpinan bagian proyek untuk menyiapkan pengolahan latihan tugas lapangan

d. Mengatur dan mengkoordinasi penyelenggaran latihan tugas lapangan di pusat serta mengatur penjatahan pelatihannya.

e. Mengatur dan melaksanakan penjatahan dokumen untuk melaksanakan tugas

lapangan .

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

g. Bersama-sama dengan bidang pengolahan data mengatur dan menyiapkan pengolahan data statistik kependudukan melalui komputer sesuai yang ditetapkan

h. Mengatur dan melaksanakan penerimaan dokumen hasil dari pengumpulan data statistik kependudukan

i. Mengatur dan menyiapkan pengolahan data statistik kependudukan yang akan

dikirim ke pusat sesuai dengan jadwal yang ditetapkan.

(31)

25

3.3.5 Bidang Integrasi Pengolahan dan Diseminasi Statistik

a. Menyusun program kerja tahunan.

b. Melaksanakan penyusunan, pemeliharaan, penyelesaian permasalahan dan pengembangan sistem jaringan komunikasi data sesuai dengan aturan yang ditetapkan serta membantu penyerapan teknologi informasi .

c. Mengatur dan melaksanakan keikutsertaan dalam program latihan yang diselenggarakan oleh Badan Pusat Statistik 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

(32)

26

3.4 Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatra Utara

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

Sesudah dikumpulkan data sebelumnya agar data yang diperlukan itu dapat dipergunakan dengan sebaik-baiknya

Mengolah data badan pusat statistik sesudah dikumpulkan data tersebut satu persatu kemudian data diolah kembali.

c. Menyajikan Data Badan Pusat Statistik

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

d. Menganalisis data Badan Pusat Statistik

Kemudian data tersebut dianalisisatau dibahas terhadap data statistik tersebut juga, dan disebar luaskan .Misalnya Indikator pendapatan, Proyeksi keadaan perekonomian dan ketenaga kerjaan di Indonesia, Analisis Badan Pusat Statistik perbankan, dan lembaga keuangan lainnya.

e. Memasyarakatkan data Badan Pusat Statistik

(33)

27 BAB 4

ANALISIS DATA

4.1 Arti Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan menguraikan suatu masalah secara parsial ataupun keseluaihan. 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 HELVETIA dari tahun 2002 - 2013. Analisis yang dipakai dalam pengolahan data ini adalah analisis pemulusan eksponensial ganda.

4.2 Analisis Pemulusan Eksponensial Ganda

Pada bagian ini penulis menentukan nilai parameter yang akan digunakan, dimana nilai parameter (a) besarnya antara 0 < α < 1 dengan cara trial dan error.

(34)

28

1. Menentukan harga parameter smoothing eksponensial yang besarnya dari 0 < α <1

2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan :

St' = α Xt+( 1 - α) St-1

3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan :

St"= α Xt + (1 - α) St-1"

4. Menghitung koefisien

a

_t dan

b

_t dengan menggunakan persamaan :

ɑt = St' + (St' - St") = 2St' - St"

bt = α (St' - St")

1 -α

5. Menghitung trend peramalan (

F

t+m) dengan menggunakan persamaan :

(35)

29

Tabel 4.1 Nilai Penjualan Energi Listrik di PT.PLN (PERSERO) CABANG

MEDAN HELVETIA

No Tahun _{Nilai Penjualan (Milyar rupiah)}

1 2002 41,47

2 2003 48,27

3 2004 56,15

4 2005 72,98

5 2006 85,05

6 2007 118,83

7 2008 156,49

8 2009 221,86

9 2010 303,19

10 2011 340,05

11 2012 351,75

12 2013 369,61

(36)

30

4.3 Metode Pemulusan Eksponensial Ganda Satu Parameter Dari Brown

4.3.1Penaksiran 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 a yang biasanya secara trial and error (coba dan salah). Suatu nilai a 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 a yang lain.

(37)

31

Tabel 4.2 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.1

85.05 50.3487 43.027992 57.66941 0.813412 51.2468 33.8032 1142.656

118.83 57.19683 44.4448758 69.94878 1.416884 58.48282 60.34718 3641.782

156.49 67.12615 46.71300292 87.53929 2.268127 71.36567 85.12433 7246.152

221.86 82.59953 50.30165586 114.8974 3.588653 89.80742 132.0526 17437.88

303.19 104.6586 55.73734818 153.5798 5.435692 118.4861 184.7039 34115.54

340.05 128.1977 62.98338548 193.4121 7.246037 159.0155 181.0345 32773.49

351.75 150.5529 71.74034183 229.3656 8.756956 200.6581 151.0919 22828.76

369.61 172.4587 81.81217307 263.1051 10.07183 238.1225 131.4875 17288.96

(38)

32

118.83 70.00837 51.5331296 88.48361 4.61881 71.41376 47.41624 2248.3

156.49 87.30469 58.68744256 115.9219 7.154313 93.10242 63.38758 4017.986

221.86 114.2158 69.79310515 158.6384 11.10566 123.0763 98.78374 9758.227

303.19 152.0106 86.236605 217.7846 16.4435 169.7441 133.4459 17807.82

340.05 189.6185 106.9129807 272.324 20.67638 234.2281 105.8219 11198.27

351.75 222.0448 129.9393419 314.1502 23.02636 293.0004 58.74964 3451.52

369.61 251.5578 154.2630394 348.8526 24.3237 337.1766 32.43341 1051.926

(39)

33

Tabel 4.4 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.3

85,05 76,08812 58,128997 94,04724 7,696767 81,4795 3,5705 12,74847

118,83 96,5195 69,6461467 123,3928 11,51715 101,744 17,08599 291,9311

156,49 124,1626 86,00108173 162,3241 16,35494 134,91 21,58001 465,6966

221,86 165,8881 109,9671804 221,809 23,9661 178,679 43,18095 1864,595

303,19 223,6675 144,0772649 303,2577 34,11008 245,7751 57,41493 3296,474

340,05 280,949 185,1387763 376,7592 41,06151 337,3677 2,682257 7,1945

351,75 330,2842 228,6823961 431,886 43,54362 417,8207 -66,0707 4365,334

369,61 375,1103 272,6107794 477,6099 43,92838 475,4296 -105,82 11197,78

(40)

34

85,05 69,16584 57,969456 80,36222 7,464256 72,0284 13,0216 169,5621

118,83 89,0315 70,3942752 107,6687 12,42482 87,82648 31,00352 961,2183

156,49 116,0149 88,64252608 143,3873 18,24825 120,0936 36,39645 1324,701

221,86 158,3529 116,5266922 200,1792 27,88417 161,6355 60,22447 3626,987

303,19 216,2878 156,4311213 276,1444 39,90443 228,0634 75,12664 5644,013

340,05 265,7927 200,1757363 331,4096 43,74462 316,0488 24,00116 576,0558

351,75 300,1756 240,1756799 360,1755 39,99994 375,1542 -23,4042 547,7564

369,61 327,9494 275,2851508 380,6136 35,10947 400,1755 -30,5655 934,247

(41)

35

118,83 96,11375 79,979375 112,2481 16,13438 92,5025 26,3275 693,1373

156,49 126,3019 103,140625 149,4631 23,16125 128,3825 28,1075 790,0316

221,86 174,0809 138,6107813 209,5511 35,47016 172,6244 49,23563 2424,147

303,19 238,6355 188,623125 288,6478 50,01234 245,0213 58,16875 3383,603

340,05 289,3427 238,9829297 339,7025 50,3598 338,6602 1,389844 1,931666

351,75 320,5464 279,7646484 361,3281 40,78172 390,0623 -38,3123 1467,836

369,61 345,0782 312,421416 377,735 32,65677 402,1098 -32,4998 1056,237

(42)

36

85,05 76,8508 69,397072 84,30453 11,18059 80,3908 4,6592 21,70814

118,83 102,0383 88,9818208 115,0948 19,58475 95,48512 23,34488 544,9834

156,49 134,7093 116,4183251 153,0003 27,4365 134,6796 21,81043 475,6949

221,86 186,9997 158,7671688 215,2323 42,34884 180,4368 41,42316 1715,879

303,19 256,7139 217,535203 295,8926 58,76803 257,5811 45,60886 2080,168

340,05 306,7156 271,0434154 342,3877 53,50821 354,6606 -14,6106 213,4701

351,75 333,7362 308,6590998 358,8133 37,61568 395,8959 -44,1459 1948,861

369,61 355,2605 336,6199334 373,901 27,96083 396,429 -26,819 719,2604

(43)

37

Tabel 4.8 Peramalan Nilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.7

72,98 67,0382 62,12546 71,95094 11,46306 61,546 11,434 130,7364

85,05 79,64646 74,39016 84,90276 12,2647 83,414 1,636 2,676496

118,83 107,0749 97,2695046 116,8804 22,87934 97,16746 21,66254 469,2656

156,49 141,6655 128,3466884 154,9843 31,07718 139,7597 16,73028 279,9024

221,86 197,8016 176,9651576 218,6381 48,61847 186,0615 35,79854 1281,536

303,19 271,5735 243,1909926 299,956 66,22584 267,2566 35,9334 1291,209

340,05 319,507 296,6122314 342,4019 53,42124 366,1818 -26,1318 682,8725

351,75 342,0771 328,4376495 355,7166 31,82542 395,8231 -44,0731 1942,438

369,61 361,3501 351,4763889 371,2239 23,03874 387,542 -17,932 321,5565

(44)

38

72,98 69,2444 65,91672 72,57208 13,31072 62,782 10,198 103,9992

85,05 81,88888 78,694448 85,08331 12,77773 85,8828 -0,8328 0,693556

118,83 111,4418 104,8923104 117,9912 26,19786 97,86104 20,96896 439,6973

156,49 147,4804 138,9627462 155,998 34,07044 144,1891 12,3009 151,312

221,86 206,9841 193,3798061 220,5883 54,41706 190,0684 31,7916 1010,706

303,19 283,9488 265,8350126 302,0626 72,45521 275,0054 28,1846 794,3719

340,05 328,8298 316,2308128 341,4287 50,3958 374,5178 -34,4678 1188,031

351,75 347,166 340,9789246 353,353 24,74811 391,8245 -40,0745 1605,967

369,61 365,1212 360,2927373 369,9496 19,31381 378,1011 -8,49109 72,09865

(45)

39

85.05 83.66614 82.253176 85.0791 12.71668 87.9604 -2.9104 8.470428

118.83 115.3136 112.0075702 118.6197 29.75439 97.79578 21.03422 442.4384

156.49 152.3724 148.3358823 156.4088 36.32831 148.3741 8.115948 65.86861

221.86 214.9112 208.2537008 221.5688 59.91782 192.7372 29.12285 848.1402

303.19 294.3621 285.7512813 302.973 77.49758 281.4866 21.70341 471.038

340.05 335.4812 330.5082193 340.4542 44.75694 380.4705 -40.4205 1633.821

351.75 350.1231 348.161631 352.0846 17.65341 385.2111 -33.4611 1119.648

369.61 367.6613 365.711344 369.6113 17.54971 369.738 -0.12802 0.01639

(46)

40

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 Binjai dengan melihat MSE sebagai berikut :

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE

0.1 13740,4400

0.2 5089,3710

0.3 2175,2320

0.4 1417,9330

0.5 1017,8500

0.6 793,3570

0.7 642,8819

0.8 538,1816

0.9 468,3191

(47)

41

Tabel 4.12 Pemulusan Eksonensial Linier Satu Parameter dari Brown dengan menggunakan α = 0.9 pada Nilai Penjualan Energi

85.05 83.66614 82.253176 85.0791 12.71668 87.9604 -2.9104 8.470428 118.83 115.3136 112.0075702 118.6197 29.75439 97.79578 21.03422 442.4384

156.49 152.3724 148.3358823 156.4088 36.32831 148.3741 8.115948 65.86861 221.86 214.9112 208.2537008 221.5688 59.91782 192.7372 29.12285 848.1402

303.19 294.3621 285.7512813 302.973 77.49758 281.4866 21.70341 471.038 340.05 335.4812 330.5082193 340.4542 44.75694 380.4705 -40.4205 1633.821

351.75 350.1231 348.161631 352.0846 17.65341 385.2111 -33.4611 1119.648 369.61 367.6613 365.711344 369.6113 17.54971 369.738 -0.12802 0.01639

TOTAL 14.86631 4683.191

4.3.2 Penentuan Bentuk Persamaan Peramalan

Setelah 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 = 0.9.

(48)

42 St' = α Xt+ ( l - α) St - 1

St" = α Xt+ (1 - α) St-1"

at = St' + ( St' - St" ) = 2 St' - St"

bt = α ( St' - St" )

1 -α Ft+m = at + btm

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

Ft+m= at + btm

Ft+m= 369.6113 + 17.54971(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 2014 dan

2015 dengan menggunakan persamaan

Ft+m= 369.6113 + 17.54971(m)

Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat

dihitung untuk 2 periode kedepan yaitu untuk tahun 2014 dan 2015 seperti di

(49)

43

a. Untuk periode ke 13 (tahun 2014)

Ft+m = 369.6113 + 17.54971 (m)

F12+1 = 369.6113 + 17.54971 (1)

F13 = 387.16101

b. Untuk periode ke 14 (tahun 2015)

Ft+m = 369.6113 + 17.54971 (m)

F12+2 = 369.6113 + 17.54971 (2)

F14 = 404.71072

Tabel 4.13 Peramalan Nilai Penjualan Energi Listrik di PT. PLN PERSERO CABANG MEDAN HELVETIA untuk tahun 2014 dan 2015

Tahun Periode Peramalan

2014 13 387.16101

2015 14 404.71072

(50)

44 BAB 5

IMPLEMENTASI SISTEM

5.1 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. 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 dari versi 4, versi 5, versi 97, versi 2000, versi 2002, versi 2003, versi 2007, versi 2010, dan versi 2013

Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf mulai dari A, B, C,..., Z kemudian dilanjutkan AA, AB, AC,.. .sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1, 2, 3,..., 65.536. Excel 2010 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, salah satunya adalah under windows seperti word, access dan powerpoint. Keunggulan program spreadsheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.

(51)

45

Sebelum mengoperasikan software ini, pastikan bahwa pada computer terpasang program Excel. Langkah-langkahnya adalah :

a. Klik tombol start

b. Pilih program dan klik Microsoft Excel

c. Setelah itu akan muncul tampilan worksheet (lembaran kerja) seperti di

bawah ini .

Gambar 5.1 Tampilan Lembar Kerja Excel

(52)

46

Gambar 5.2 Tampilan Lembar Kerja Excel dalam menentukan besarnya peramalan dengan a = 0.9

Dari data di atas lcita dapat menentukan besarnya forecast (ramalan ) dengan a = 0.9 .dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini :

1. Pada kolom ke-empat ditulis keterangan St' 2. Pada kolom ke-lima ditulis keterangan St" 3. Pada kolom ke-enam ditulis keterangan at 4. Pada kolom ke-tujuh ditulis keterangan bt

(53)

47

Maka perhitungan masing-masing pemulusan pertama, pemulusan kedua, konstanta, slope, forecast, error dan square error adalah sebagai berikut :

1. Pemulusan pertama

Untuk tahun pertama yaitu tahun 2002 ditentukan sebesar periode pertama data historisnya, sehingga rumus yang tertera pada sel D2 adalah =C2. sedangkan

Untuk periode pertama yaitu tahun 2002 ditentukan sebesar periode pertama data historisnya, sehingga annus yang tertera pada sel E2 adalah C2. Sedangkan untuk periode kedua yaitu tahun 2003 pada sel E3 dapat menggunakan rumus =((0.9*D3)+((1-0.9)*E2)). Dalam kasus ini untuk sel C3 menghasilkan angka 46,978 untuk periode ketiga sampai periode 12 kita tinggal menyalin rumus pada sel C3.

3. Nilai at baru bisa dicari pada periode kedua yaitu pada tahun 2003. Rumus yang digunakan untuk sel F3 adalah = (2*D3)-E3 sehingga akan menghasilkan angka 48,202. Untuk periode ketiga sampai periode kedua kita tinggal menyalin rumus pada F3.

4. Nilai bt baru bisa dicari pada periode kedua yaitu tahun 2003. Rumus yang

(54)

48 5. Peramalan (F /forecast)

Untuk periode ketiga yaitu pada tahun 2004 pada sel H4 dapat dicari dengan menggunakan rumus =F3+G3 sehingga menghasilkan angka 53.71. Untuk periode ketiga sampai periode 12 kita tinggal menyalin rumus pada H3.

6. Error

Untuk periode ketiga yaitu pada tahun 2004 pada sel I4 dapat dicari dengan menggunakan annus =C4+H4 sehingga menghasilkan angka 2.44 Untuk periode ketiga sampai periode 12 kita tinggal menyalin annus pada I4.

7. Square error (e2)

(55)

49 BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada bab 4 maka kesimpulan yang diperoleh adalah sebagai berikut :

1. Pada hasil analisis Metode smoothing eksponensial dengan satu parameter

dari brown didapat analisis dengan nilai MSE yang terkecil adalah dengan a = 0,9 dengan MSE = 468,3191

2. Bentuk persamaan peramalan dari nilai penjualan energi listrik pada PT. PLN (PERSERO) CABANG MEDAN HELVETIA untuk α = 0,9 berdasarkan tahun 2002 - 2013 adalah :

Ft+m=

369,6113 + 17,54971

( m )

(56)

50 6.2 Saran

1. Dalam meramalkan nilai penjualan energi listrik di PT PLN (PERSERO) CABANG MEDAN HELVETIA dengan menggunakan Metode Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown akan sangat membantu jika kita menggunakan alat bantu komputer khususnya program aplikasi Excel.

2. Dalam menentukan nilai penjualan energi listrik, pihak PT PLN (PERSERO) CABANG MEDAN HELVETIA dapat menggunakan analisis peramalan dengan menggunakan Metode Smoothing Eksponensial Ganda.

4. Dengan menganalisis data yang cendeaing meningkat tiap tahunnya, diramalkan penjualan energi listrik di PT. PLN (PERSERO) CABANG MEDAN HELVETIA di masa yang akan datang akan terus meningkat. Hal ini berarti bahwa semakin tinggi permintaan energi listrik oleh masyarakat. Untuk menghadapi kondisi tersebut hendaknya pihak PLN membuat suatu kebijakan baru dalam mempersiapkan berbagai fasilitas yang mendukung.

(57)

51

DAFTAR PUSTAKA

Assauri, Soljan. 1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi Universitas Indonesia.

Makridakis, Spyros. 1993. Metode dan Aplikasi Peramalan. Jakarta : Erlangga. BPS. 2002. Sumatera Utara dalam Angka 2002. Badan Pusat Statistik.

BPS. 2006. Sumatera Utara dalam Angka 2006. Badan Pusat Statistik BPS. 2007. Medan Helvetia dalam Angka 2007. Badan Pusat Statistik.

(58)

52

Tabel 4.1 Nilai Penjualan Energi Listrik di PT.PLN (PERSERO) CABANG MEDAN HELVETIA

No Tahun Nilai Penjualan (Milyar rupiah)

1 2002 41,47

2 2003 48,27