BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Singkat Badan Pusat Statistik di Indonesia
Sejarah Badan Pusat Statistik dibagi dalam tiga masa, yaitu masa sebelum kemerdekaan, masa setelah kemerdekaan dan masa orde baru. Masa sebelum kemerdekaan dibagi kembali dalam dua masa yaitu masa pemerintahan Belanda dan masa pemerintahan Jepang.
1. Masa Pemerintahan Belanda
1.1Pada bulan Febuari 1920, kantor statistik pertama kali dibentuk oleh direktur pertanian, kerajinan, dan perdagangan (Directur Van Lanbouw Nijerverheid en Hendle) yang berkedudukan di bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik.
1.2Pada bulan Maret 1923, dibentuk suatu komisi untuk badan statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diserahi tugas merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidan statistika di Indonesia.
1.3Pada 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 pekerjaaan mekanisme statistik perdagangan yang semula dilaksanakan oleh kantor.
1.4Invoer Uitvoer en Accijinsen (UIA) yang sekarang disebut kantor bea dan
2. Masa Pemerintahan Jepang
2.1Pada kegiatan juni 1944, Pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer.
2.2Pada masa ini CKS diganti namanya menjadi Shomubu Chosasitsu Gunseikanbu.
3. Masa Kemerdekaan Republik
3.1Setelah Proklamasi Kemerdekaan republik Indonesia tanggal 17 Agustus 1945, kegiatan statistika ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi Linggarjati. Sementara ini pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS. 3.2Berdasarkan surat edaran Kementerian Kemakmuran, tanggal 12 juni 1950 No. 219/S.C, KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah dan bertanggung jawab kepada Menteri Kemakmuran.
3.3Dengan Surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44, lembaga KPS berada dibawah tanggung jawab Menteri Perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24 Desember 1953 No. 18.009/M KPS dibagi menjadi dua bagian yaitu bagian Research
3.4Dengan Keputusan Presiden RI NO. 131 Tahun 1957, kementerian Perekonomian dipecah menjadi kementerian Perdagangan dan Perindustrian. Untuk selanjutnya keputusan Presiden RI No. 172 Tahun 1957 , terhitung mulai tanggal 1 juni 1957 nama KPS diubah menjadi Biro Pusat Statistik yang semula menjadi tanggung jawab dan wewenang berada dibawah Perdana Menteri.
4. Masa Orde Baru Sampai Sekarang
4.1Pada pemerintahan orde baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka unuk mendapatkan statistik yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan statistik pembenahan Organisasi Biro Pusat Statistik.
4.2Dalam masa orde baru ini BPS telah mengalami empat kali perubahan Struktur Organisasi, Yaitu :
1. Peraturan Pemerintahan No.16 Tahun 1968 tentang Organisasi BPS. 2. Peraturan Pemerintahan No. 16 Tahun 1980 tentang Organisasi BPS. 3. Peraturan Pemerintahan No. 2 Tahun 1992 tentang Organisasi BPS
dan Keputusan Presiden No. 6 Tahun 1992 tentang Kedudukan, tugas, fungsi, Susunan dan Tata Kerja Biro Pusat Statistik.
4. Undang-Undang No. Tahun 1997 tentang Statistik. 5. Keputusan Presiden RI No. 86 tentang BPS.
6. Keputusan Presiden RI No. 100 Tahun 1998 tentang Organisasi dan Tata Kerja BPS.
4.3 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. 6 Tahun 1968. Berdasarkan peraturan pemerintah No. 6 Tahun 1980 di tiap provinsi terdapat perwakilan BPS dengan nama kantor statistik provinsi. Di kabupaten / kotamadya. Pada tanggal 10 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 ditetapkan nama Badan Pusat Statistik sekaligus mengatur tata kerja dan Struktur Organisasi BPS yang baru.
3.2 Visi Dan Misi 3.2.1 Visi
Badan Pusat Statistik mempunyai Visi untuk menjadikan informasi sebagai tulang punggung pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutahir.
3.2.2 Misi
3.3 Sejarah Singkat Provinsi Sumtera Utara 3.3.1 Letak
Provinsi Sumatera Utara terletak pada 1° - 4° Lintang Utara dan 98° - 100° Bujur Timur, Luas daratan Provinsi Sumatera Utara 72.981,23 km²
3.3.2 Iklim
BAB 4
ANALISA DATA DAN EVALUASI
4.1 Analisa Data
Untuk menganalisa data yang akan diolah, penulis harus memperoleh nilai m periode ke depan sebagai perbandingannya terhadap data tahun sebelumnya (data masa lalu). Dalam hal ini penulis akan menganalisa tingkat pengangguran di Provinsi Sumatera Utara untuk tahun 2015 s/d 2017 berdasarkan tahun – tahun sebelumnya.Adapun data tingkat pengangguran di Provinsi Sumatera Utara dapat dilihat pada tabel berikut :
Tabel 4.1 Data Tingkat Pengangguran di Provinsi Sumatera Utara di Provinsi Sumatera Utara Pada Tahun 2015 s/d 2017
Gambar 4.1 Tingkat Pengangguran di Provinsi Sumatera Utara Tahun 2000 s/d 2014
Dari data di atas, untuk tingkat pengangguran di Provinsi Sumatera Utara maka penulis akan menganalisis data tersebut dan meramalkan tingkat pengangguran untuk tahun 2015 s/d 2017 dengan menggunakan metode pemulusan (Smoothing) Eksponensial Linier Satu Parameter Brown.
Tahap pertama dalam perhitungan ini adalah perhitungan Pemulusan Eksponensial Tunggal dengan menggunakan rumus persamaan :
α + (1 – ) Maka dari rumus di atas dapat dihitung :
Tahun 2012 = (0,1)(379.982) + (1 – 0,1)(456.687,1) = 449.016,6 Tahun 2013 = (0,1)(412.202) + (1 – 0,1)(449.016,6) = 445.335,1 Tahun 2014 = (0,1)(390.712) + (1 – 0,1)(445.335,1) = 439.872,8
Dan tahap selanjutnya untuk menghitung peramalan tingkat pengangguran yaitu mencari Pemulusan Eksponensial Ganda dengan menggusnakan rumus :
α + (1-
Selanjutnya dicari nilai a dengan menggunakan rumus : + ( - 2 -
Maka dapat dihitung :
2001 = 2(325.077,3) – (334.663,8) = 315.490,8
Tahap selanjutnya adalah dengan menghitung nilai b dengan menggunakan persamaan :
(
Dalam perhitungan a dan b dapat ditentukan ramalan tingkat pengangguran di Provinsi Sumatera Utara untuk tahun 2015 s/d 2017. Untuk itu tahap selanjutnya adalah menghitung ramalan tingkat pengangguran dengan menggunakan persamaan :
Ft+m = at + btm
Untuk α = 0,1 maka besarnya ramalan dapat dihitung :
F2001 + 1 untuk m = 1 = (315.490,8) + (-1065,17)1 F2002 untuk m = 1 = 314.425,6
Nilai perhitungan dapat dilihat pada tabel yang ditampilkan di bawah ini. Tabel 4.2 Peramalan Tingkat Pengangguran dengan Pemulusan
Eksponensial Ganda Linier dari Brown (α = 0,1)
Tahun Xt S’t S”t at bt Ft+m
2000 335729 335729 335729
2001 229212 325077,3 334663,8 315490,8 -1065,17
Dari tabel di atas dapat dicari nilai kesalahan ramalan dengan menggunakan MSE dengan formula sebagai berikut:
Dimana untuk mendapatkan nilai harus terlebih dahulu memperoleh nilai et, ini diperoleh dengan rumus sebagai berikut:
et = Xt - Ft
e unuk peiode ke-3 (tahun 2002)
e2002 = X2002 –F2002
e2002 = 335504 - 314425,6
e2002 = 21078,4
e unuk peiode ke-4 (tahun 2003)
e2002 = X2003 –F2003
e2002 = 404117 - 317576,1
e2002 = 86540,89
e unuk peiode ke-5 (tahun 2004)
e2002 = X2004 –F2004
e2002 = 758092 - 334029,9
e2002 = 424062,1
Tabel 4.3 Ramalan dan Nilai Tengah Kesalahan Kuadrat dengan (α = 0,1)
Tahun Xt Ft+m et
2000 335729 2001 229212
2002 335504 314425,6 21078,4 444298947 2003 404117 317576,1 86540,89 7489325642 2004 758092 334029,9 424062,1 179828662960 2005 636980 418853,3 218126,7 47579237840 2006 632049 466730,3 165318,7 27330266129 2007 571334 506227 65107,03 4238925874 2008 554539 527334,5 27204,53 740086450 2009 532427 541512,5 -9085,54 82547103 2010 491806 548704,6 -56898,6 3237456119 2011 402125 546243,3 -144118 20770077381 2012 379982 525769 -145787 21253846890 2013 412202 503519,8 -91317,8 8338937201 2014 390712 490706,5 -99994,5 9998908714
Jumlah 331332577249
25487121327
25487121327
Dengan menggunakan perhitungan yang sama maka dapat ditentukan nilai pemulusan Tunggal, Ganda, a, b, Ramalan, kesalahan dan kesalahan kudrat yang akan datang untuk α = 0,2 sampai dengan α = 0,9. Nilai perhitungannya dapat
Tabel 4.4 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,2)
Tahun Xt S’t S”t at bt Ft+m et
2000 335729 335729 335729
2001 229212 314425,6 331468,3 297382,9 -4260,68
2002 335504 318641,3 328902,9 308379,6 -2565,41 293122,2 42381,8 1796216971 2003 404117 335736,4 330269,6 341203,2 1366,702 305814,2 98302,76 9663432624 2004 758092 420207,5 348257,2 492157,9 17987,58 342569,9 415522,1 172658585671 2005 636980 463562 371318,2 555805,9 23060,97 510145,5 126834,5 16086999522 2006 632049 497259,4 396506,4 598012,4 25188,25 578866,9 53182,14 2828339658 2007 571334 512074,3 419620 604528,7 23113,58 623200,7 -51866,7 2690152952 2008 554539 520567,3 439809,5 601325,1 20189,45 627642,3 -73103,3 5344086990 2009 532427 522939,2 456435,4 589443 16625,95 621514,5 -89087,5 7936590139 2010 491806 516712,6 468490,8 564934,3 12055,43 606069 -114263 13056028413 2011 402125 493795,1 473551,7 514038,4 5060,844 576989,7 -174865 30577677233 2012 379982 471032,4 473047,8 469017,1 -503,848 519099,3 -139117 19353616769 2013 412202 459266,4 470291,5 448241,2 -2756,3 468513,2 -56311,2 3170952346 2014 390712 445555,5 465344,3 425766,6 -4947,21 445484,9 -54772,9 3000068200
Jumlah 288162747488
22166365191
Tabel 4.5 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,3)
Tahun Xt S’t S”t at bt Ft+m et
2000 335729 335729 335729
2001 229212 303773,9 326142,5 281405,3 -9586,53
2002 335504 313292,9 322287,6 304298,3 -3854,86 271818,8 63685,2 4055804699 2003 404117 340540,2 327763,4 353316,9 5475,763 300443,4 103673,6 10748217410 2004 758092 465805,7 369176,1 562435,3 41412,7 358792,7 399299,3 159439935772 2005 636980 517158 413570,6 620745,3 44394,58 603848 33131,96 1097726740 2006 632049 551625,3 454987 648263,5 41416,39 665139,9 -33090,9 1095008764 2007 571334 557537,9 485752,3 629323,5 30765,26 689679,9 -118346 14005762331 2008 554539 556638,2 507018,1 606258,4 21265,78 660088,8 -105550 11140754301 2009 532427 549374,9 519725,1 579024,6 12707,03 627524,2 -95097,2 9043471373 2010 491806 532104,2 523438,8 540769,6 3713,727 591731,6 -99925,6 9985134960 2011 402125 493110,4 514340,3 471880,6 -9098,52 544483,3 -142358 20265883778 2012 379982 459171,9 497789,8 420554 -16550,5 462782 -82800 6855847292 2013 412202 445080,9 481977,1 408184,7 -15812,7 404003,5 8198,502 67215439,14 2014 390712 428770,3 466015,1 391525,4 -15962,1 392372,1 -1660,08 2755849,91
Jumlah 247803518710
19061809132
Tabel 4.6 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,4)
Tahun Xt S’t S”t at bt Ft+m et 2000 335729 335729 335729
2001 229212 293122,2 318686,3 267558,1 -17042,7
2002 335504 310074,9 315241,7 304908,1 -3444,54 250515,4 84988,6 7223062130 2003 404117 347691,8 328221,7 367161,8 12980,01 301463,6 102653,4 10537728744 2004 758092 511851,9 401673,8 622029,9 73452,04 380141,8 377950,2 142846377869 2005 636980 561903,1 465765,5 658040,7 64091,73 695482 -58502 3422479324 2006 632049 589961,5 515443,9 664479 49678,38 722132,4 -90083,4 8115025355 2007 571334 582510,5 542270,5 622750,4 26826,63 714157,4 -142823 20398528450 2008 554539 571321,9 553891,1 588752,7 11620,54 649577,1 -95038,1 9032233541 2009 532427 555763,9 554640,2 556887,6 749,1439 600373,2 -67946,2 4616692378 2010 491806 530180,8 544856,4 515505,1 -9783,78 557636,8 -65830,8 4333693252 2011 402125 478958,5 518497,2 439419,7 -26359,2 505721,3 -103596 10732193881 2012 379982 439367,9 486845,5 391890,3 -31651,7 413060,5 -33078,5 1094185681 2013 412202 428501,5 463507,9 393495,1 -23337,6 360238,5 51963,5 2700204891 2014 390712 413385,7 443459 383312,4 -20048,9 370157,6 20554,45 422485284,9
Jumlah 225474890780
17344222368
Tabel 4.7 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,5)
Tahun Xt S’t S”t at bt Ft+m et
2000 335729 335729 335729
2001 229212 282470,5 309099,8 255841,3 -26629,3
2002 335504 308987,3 309043,5 308931 -56,25 229212 106292 11297989264 2003 404117 356552,1 332797,8 380306,4 23754,31 308874,8 95242,25 9071086185 2004 758092 557322,1 445059,9 669584,2 112262,1 404060,8 354031,3 125338125977 2005 636980 597151 521105,5 673196,6 76045,55 781846,3 -144866 20986248497 2006 632049 614600 567852,8 661347,3 46747,27 749242,1 -117193 13734228547 2007 571334 592967 580409,9 605524,1 12557,13 708094,5 -136761 18703447182 2008 554539 573753 577081,4 570424,6 -3328,44 618081,3 -63542,3 4037619521 2009 532427 553090 565085,7 541094,3 -11995,7 567096,1 -34669,1 1201948499 2010 491806 522448 543766,9 501129,1 -21318,9 529098,6 -37292,6 1390735218 2011 402125 462286,5 503026,7 421546,3 -40740,2 479810,3 -77685,3 6035002771 2012 379982 421134,3 462080,5 380188 -40946,2 380806,1 -824,14 679206 2013 412202 416668,1 439374,3 393962 -22706,2 339241,8 72960,18 5323187927 2014 390712 403690,1 421532,2 385847,9 -17842,1 371255,8 19456,22 378544315
Jumlah 217498843109
16730680239
Tabel 4.8 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,6)
Tahun Xt S’t S”t at bt Ft+m et
2000 335729 335729 335729
2001 229212 271818,8 297382,9 246254,7 -38346,1
2002 335504 310029,9 304971,1 315088,7 7588,224 207908,6 127595,4 16280586101 2003 404117 366482,2 341877,7 391086,6 36906,64 322677 81440,04 6632480115 2004 758092 601448,1 497619,9 705276,2 155742,2 427993,2 330098,8 108965196635 2005 636980 622767,2 572708,3 672826,1 75088,37 861018,4 -224038 50193201090 2006 632049 628336,3 606085,1 650587,5 33376,79 747914,5 -115866 13424817909 2007 571334 594134,9 598915 589354,8 -7170,11 683964,3 -112630 12685577825 2008 554539 570377,4 581792,4 558962,3 -17122,6 582184,7 -27645,7 764286593,7 2009 532427 547607,1 561281,3 533933 -20511,2 541839,7 -9412,74 88599744,21 2010 491806 514126,5 532988,4 495264,5 -28292,9 513421,9 -21615,9 467246163,3 2011 402125 446925,6 481350,7 412500,5 -51637,7 466971,7 -64846,7 4205089711 2012 379982 406759,4 436595,9 376922,9 -44754,8 360862,8 19119,21 365544189,5 2013 412202 410025 420653,4 399396,6 -15942,6 332168,2 80033,83 6405414594 2014 390712 398437,2 407323,7 389550,7 -13329,7 383454 7257,994 52678471,87
Jumlah 220530719143
16963901473
Tabel 4.9 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,7)
Tahun Xt S’t S”t at bt Ft+m et
2000 335729 335729 335729
2001 229212 261167,1 283535,7 238798,5 -52193,3
2002 335504 313202,9 304302,8 322103,1 20767,08 186605,2 148898,8 22170852641 2003 404117 376842,8 355080,8 398604,8 50778,02 342870,2 61246,81 3751171735 2004 758092 643717,2 557126,3 730308,2 202045,5 449382,8 308709,2 95301366460 2005 636980 639001,2 614438,7 663563,6 57312,41 932353,7 -295374 87245620584 2006 632049 634134,7 628225,9 640043,4 13787,16 720876 -88827 7890243987 2007 571334 590174,2 601589,7 578758,7 -26636,2 653830,6 -82496,6 6805688109 2008 554539 565229,6 576137,6 554321,5 -25452,1 552122,5 2416,477 5839362,85 2009 532427 542267,8 552428,7 532106,8 -23708,9 528869,4 3557,58 12656374,93 2010 491806 506944,5 520589,8 493299,3 -31838,9 508397,9 -16591,9 275292307,3 2011 402125 433570,9 459676,5 407465,2 -60913,2 461460,3 -59335,3 3520682952 2012 379982 396058,7 415144 376973,3 -44532,5 346551,9 33430,07 1117569462 2013 412202 407359 409694,5 405023,5 -5449,52 332440,8 79761,22 6361852507 2014 390712 395706,1 399902,6 391509,6 -9791,88 399574 -8861,97 78534566,24
Jumlah 234537371050
18041336235
Tabel 4.10 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,8)
Tahun Xt S’t S”t at bt Ft+m et
2000 335729 335729 335729
2001 229212 250515,4 267558,1 233472,7 -68170,9
2002 335504 318506,3 308316,6 328695,9 40758,53 165301,8 170202,2 28968788885 2003 404117 386994,9 371259,2 402730,5 62942,57 369454,4 34662,56 1201493066 2004 758092 683872,6 621349,9 746395,2 250090,7 465673,1 292418,9 85508834131 2005 636980 646358,5 641356,8 651360,2 20006,89 996485,9 -359506 129244512267 2006 632049 634910,9 636200,1 633621,7 -5156,71 671367,1 -39318,1 1545915240 2007 571334 584049,4 594479,5 573619,2 -41720,6 628465 -57131 3263952799 2008 554539 560441,1 567248,8 553633,4 -27230,8 531898,7 22640,32 512584063 2009 532427 538029,8 543873,6 532186 -23375,2 526402,6 6024,368 36293013,87 2010 491806 501050,8 509615,3 492486,2 -34258,3 508810,9 -17004,9 289165448,7 2011 402125 421910,2 439451,2 404369,1 -70164,1 458227,9 -56102,9 3147537735 2012 379982 388367,6 398584,3 378150,9 -40866,8 334205 45777,03 2095536133 2013 412202 407435,1 405665 409205,3 7080,627 337284,1 74917,93 5612695837 2014 390712 394056,6 396378,3 391735 -9286,68 416285,9 -25573,9 654024878,6
Jumlah 262081333496
20160102577
Tabel 4.11 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,9)
Tahun Xt S’t S”t at bt Ft+m et
2000 335729 335729 335729
2001 229212 239863,7 249450,2 230277,2 -86278,8
2002 335504 325940 318291 333588,9 68840,77 143998,4 191505,6 36674394831 2003 404117 396299,3 388498,5 404100,1 70207,47 402429,7 1687,29 2846948 2004 758092 721912,7 688571,3 755254,2 300072,8 474307,6 283784,4 80533586818 2005 636980 645473,3 649783,1 641163,5 -38788,2 1055327 -418347 175014206134 2006 632049 633391,4 635030,6 631752,3 -14752,5 602375,2 29673,76 880531883 2007 571334 577539,7 583288,8 571790,7 -51741,8 616999,8 -45665,8 2085363333 2008 554539 556839,1 559484 554194,1 -23804,8 520048,9 34490,11 1189567461 2009 532427 534868,2 537329,8 532406,6 -22154,3 530389,3 2037,679 4152136,227 2010 491806 496112,2 500234 491990,5 -37095,8 510252,4 -18446,4 340268390,6 2011 402125 411523,7 420394,7 402652,7 -79839,2 454894,6 -52769,6 2784635944 2012 379982 383136,2 386862 379410,3 -33532,7 322813,5 57168,53 3268241244 2013 412202 409295,4 407052,1 411538,8 20190,05 345877,6 66324,4 4398926465 2014 390712 392570,3 394018,5 391122,2 -13033,6 431728,8 -41016,8 1682378267
Jumlah 308859099854
23758392296
23758392296
Tabel 4.12 Nilai alpa dengan Mean Square Error
Alpa MSE
0,1 25487121327 0,2 22166365191 0,3 19061809132 0,4 17344222368 0,5 16730680239 0,6 16963901473 0,7 18041336235 0,8 20160102577 0,9 23758392296
4.2 Peramalan Tingkat Pengangguran di Provinsi Sumatera Utara
Setelah diketahui error yang terdapat pada data di atas, maka dilakukan peramalan tingkat pengangguran di Provinsi Sumatera Utara hingga tahun 2017. Seperti telah diuraikan sebelumya peramalan yang baik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi.
Peramalan tingkat pengangguran di Provinsi Sumatera Utara Tahun 2015 s/d 2017 diperoleh dengan α = 0,5 melalui persamaan berikut:
Ft+m = at + btm
F2014+m = 389550,72014 + (-13329,72014) (m)s
Ramalan untuk tahun 2015 dari tahun 2014 dengan α = 0,6
F2014+m = a2014 + b2014m
F2014+1 = 385847,92014 + (-17842,12014)(1)
F2015 = 368005,8
Ramalan untuk tahun 2016 dari tahun 2014 dengan α = 0,6
F2014+m = a2014 + b2014m
F2014+2 = 385847,92014 + (-17842,12014)(2)
F2016 = 350163,7
Ramalan untuk tahun 2017 dari tahun 2014 dengan α = 0,6
F2014+m = a2014 + b2014m
F2014+3 = 385847,92014 + (-17842,12014)(3)
Tabel 4.13 data aktual peramalan tingkat pengangguran di Provinsi Sumatera Utara
Tahun Xt S’t S”t at bt Ft+m
2000 335729 335729 335729
2001 229212 282470,5 309099,8 255841,3 -26629,3
2002 335504 308987,3 309043,5 308931 -56,25 229212 2003 404117 356552,1 332797,8 380306,4 23754,31 308874,8 2004 758092 557322,1 445059,9 669584,2 112262,1 404060,8 2005 636980 597151 521105,5 673196,6 76045,55 781846,3 2006 632049 614600 567852,8 661347,3 46747,27 749242,1 2007 571334 592967 580409,9 605524,1 12557,13 708094,5 2008 554539 573753 577081,4 570424,6 -3328,44 618081,3 2009 532427 553090 565085,7 541094,3 -11995,7 567096,1 2010 491806 522448 543766,9 501129,1 -21318,9 529098,6 2011 402125 462286,5 503026,7 421546,3 -40740,2 479810,3 2012 379982 421134,3 462080,5 380188 -40946,2 380806,1 2013 412202 416668,1 439374,3 393962 -22706,2 339241,8 2014 390712 403690,1 421532,2 385847,9 -17842,1 371255,8
Tabel 4.14 Peramalan Tingkat Pengangguran di Provinsi Sumatera Utara
Persentase Tingkat Pengangguran di Provinsi Sumatera Utara dapat dihitung dengan rumus :
Y = 100 %
Y = Dimana :
Y = Persentase ramalan tahun t
X = Hasil ramalan Tingkat Pengangguran Tahun t Z = Hasil ramalan Tingkat Pengangguran
1. Persentase tahun 2015
2. Persentase tahun 2016
Persentase Ramalan_2016 =
= , − ,
, X
100 %
= − ,
,
x 100 %
= −
,
%
=
- 4,84832 %
Ini berarti bahwa hasil peramalan Tingkat Pengangguran di Provinsi Sumatera Utara tahun 2016 mengalami penurunan sebayak 4,84832 % dari tahun 2015.
3. Persentase tahun 2017
Persentase Ramalan_2017 =
= , − ,
,
x 100%
= − ,,
x 100 %
= − ,
x 100%
=
- 5,09536 %
4.3 Analisis Data Dengan Menggunakan Regresi Linier Berganda
Tabel 4.15 Data Jumlah Pengangguran, Jumlah Perusahaan, dan Jumlah Angkatan Kerja di Provinsi Sumatera Utara pada Tahun 2005-2014 Tahun
Jumlah 5004156 105552 57193660
Sumber: Badan Pusat Statistik Provinsi Sumatera Utara Persamaan Regresi Linier Berganda
Dari data tersebut akan dibentuk persamaan regresi linier berganda dengan terlebih dahulu menentukan koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan jumlah variabel seperti berikut:
Tabel 4.16 Tabel Masukan data
No. Y
Dimana:
Y = Tingkat Pengangguran (Jiwa) X1 = Jumlah Perusahaan (Unit) X2 = Jumlah Angkatan Kerja (Jiwa)
Tabel 4.17 Tabel Kuadrat masing-masing variabel No.
1 405743520400 859329 43789678360129
2 399485938401 1483524 39665685724900 3 326422539556 1404225 37146611419204 4 307513502521 1229881 31969197365161 5 283478510329 1164241 30158724956416 6 241873141636 1004004 33676108884544 7 161704515625 1014049 30295887388900 8 144386320324 1046529 27456656808100 9 169910488804 1012036 27919144796449 10 152655866944 992016 27108006706225 Jumlah 2593174344540 11209834 329185702410028
Tabel 4.18 Tabel Perkalian antara variabel Y dengan variabel
Tabel 4.19 Tabel Perkalian antara variabel
Untuk membuat persamaan regresi linier dari data diatas maka dibutuhkan harga-harga di bawah ini:
Dengan mensubtitusikan angka-angka diatas ke dalam sistem persamaan normal: = b0n + b1 + b2
∑ � X2i = b0∑ � + b1∑ �X2i + b2∑ �
Dengan demikian terbentuk persamaan sebagai berikut: 5004156 = 10 + 10552 + 57193660
5317094853 = 10552 + 11209834 + 60442783718
29008069898735 = 57193660 + 60442783718 + 329185702410028 Untuk mencari nilai b0, b1, dan b2 digunakan software SPSS:
b0 = -787415,854 b1 = 273,812 b2 = 0,175
Maka persamaan regresi linier berganda yang dihasilkan adalah:
̂=-787415,854 + 273,812 X1 + 0,175 X2
4.4 Uji Keberartian Regresi
Tabel 4.20 Tabel Deviasi msing-masing variabel
Tabel 4.21 Tabel Kuadrat dari deviasi masing-masing variabel
No. ( )2 ( - )2 - )2
1 18649835347 16435,24 806423756121
2 17327351996 26503,84 334898319616
3 5029419459 16848,04 140952190096
4 2929342428 2894,44 4255605225
5 1024729730 566,44 51833628900
6 74125212,16 2830,24 7013392516
7 9661042048 2323,24 46309318416
8 14504252009 1036,84 229878055936
9 7781639225 2420,64 189668089081
10 12034879853 3504,64 262995634561
Jumlah 89016617306 75363,6 2074227990468
Tabel 4.22 Tabel Penggandaan antara deviasi
Tabel 4.23 Tabel Penggandaan antara deviasi Xi dengan Yi
No. (x1-x1ratarata).(Y-Yratarata) (x2-x2ratarata).(Y-Yratarata)
1 -17507556,08 122636333408
2 21429917,52 76176775114
3 9205208,32 26625320422
4 2911838,92 -3530739999
5 761871,32 -7288035438
6 458030,72 -721019562
7 4737606,92 21151743958
8 3877961,92 57742612122
9 4340109,12 38417816722
10 6494453,12 56259406892
Jumlah 36709441,8 387470213639
Maka didapatlah: 36709441,8 387470213639
Sehingga diperoleh dua macam kuadrat-kuadrat yaitu dan sebagai
berikut:
= (273,812)(36709441,8) + (0,175)(387470213639) 10051485678 67807287387
77858773065
Maka dapat dicari dengan:
= / /− −
= /
=
=24,090
Untuk Ftabel , yaitu nilai statistik F jika dilihat dari tabel distribusi F denga derajat kebebasan pembilang v1 = k dan v2 = n-k-1 dan = 5 % = 0,05 maka:
Ftabel
=
= 4,35
4.5 Uji Koefisien Korelasi
Koefisien korelasi dapat dirumuskan sebagai berikut :
r
Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan dua variabel bebas X1 , X2 yaitu :
1. Koefisien korelasi antara Y dengan X1
= , −
√{ − 2}{ − 2}
=
−√ − − −
= ,
2. Koefisien korelasi antara Y dengan X2
ry2
= −
√{ − }{ − }
= −
√{ − }{ − }
= 0,902
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai sistem atau sistem yang diperbaiki.
Tahapan implementasi sistem merupakan tahapan penerapan hasil desain yang tertulis ke dalam programming (coding). Dalam pengolahan data pada karya tulis ini penulis menggunakan Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil perhitungan.
Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan dalam memproses data. Dengan adanya perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalanya data yang sangat rumit dan banyak tidak dapat dikerjakan secara manual atau dengan manggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga yang sangat banyak untuk mengolah data tersebut, disamping itu faktor kesalahan yang dilakukan manusia relatif besar.
5.2 Microsoft Excel
Microsoft Excel merupakan progran 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 pengolahan 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, versi 2003, versi 2007.
Sheet (Lembar Kerja) Excel terdiri dari 256 kolom dan 65536 baris. Setiap kolom diberi nama dengan huruf mulai dari A, B, C,...,Z kemudian dilanjutkan AA, AB, AC,... sampai kolom IV. Sedangkan kolom baris ditandai dengan angka mulai dari 1, 2, 3,...,65536.
5.2.1 Langkah-Langkah Memulai Pengolahan Data dengan Excel
Sebelum pengoperasian software ini, pastikan pada komputer terpasang program excel. Langkah-langkahnya :
1. Start Klik tombol
2. Pilih All Program dan Klik Microsoft Office, Microsoft Excel Klik OK
3. Apabila program telah berada di dektop maka arahkah kursor ke program dan daoble klik pada program tersebut.
Gambar 5.1 Langkah awal dalam Ms.Excel
Setelah itu muncul tampilan worksheet (lembar kerja) seperti gambar 5.2 dibawah ini:
Gambar 5.2 Tampilan Worksheet Microsoft Exce
Gambar 5.3 Tampilan Tabel Tingkat Pengangguran dalam
Microsoft Excel
Dari data pada gambar 5.3 diatas kita dapat menentukan besarnya peramalan, untuk setiap perhitungan akan diberi nama pada setiap kolom seperti berikut : 1. Pada kolom pertama ditulis keterangan dengan
2. Pada kolom kedua ditulis keterangan dengan 3. Pada kolom ketiga ditulis dengan keterangan
4. Pada kolom keempat ditulis dengan keterangan 5. Pada kolom kelima ditulis dengan keterangan 6. Pada kolom keenam ditulis dengan keterangan
7. Pada kolom ketujuh ditulis dengan keterangan (error)
Maka perhitungan masing-masing smoothing pertama, smoothing kedua, konstanta, slope, dan forecast (ramalan) 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 : 0,5*B4+0,5*C3.
2. Smoothing kedua, untuk tahun kedua ditentukan sebesar jumlah produksi tahun pertama dari data historisnya. Sehingga rumus yang tertera padas el D4 adalah D4. Sedangkan untuk tahun kedua dapat dihitung dengan rumus : 0,5*C4+0,5*D3.
3. Nilai bisa dicari pada tahun kedua yaitu dengan rumus : 2*C4-D4.
4. Nila bisa dicari pada tahun kedua yaitu dengan rumus yang tertera pada sel F4 adalah: 0,5/0,5*(C4-D4).
5. Forecast untuk tahun ketiga yaitu pada sel G5 dapat dicari dengan menggunakan rumus : E4+F5*(1).
5.3 SPSS
dapat melakukan secara lebih cepat semua perhitungan statistik dari yang sederhana sampai yang rumit sekalipun yang jika kita lakukan secara manual akan memakan waktu yang lebih lama.
5.3.1 Pengolahan Data dengan SPSS
1. Memulai SPSS pada Window yaitu sebagai berikut: a. Pilih menu Start dari Windows
b. Selanjutnya pilih menu Program c. Pilih SPSS inc, PASW Statistics 18 Tampilannya adalah sebagai berikut:
Gambar 5. 4 Tampilan awal Dekstop
Maka SPSS siap untuk dipergunakan. Jika ingin membuka File, pilih nama file yang disimpan dan Klik Open. Jika akan memulai mendesain variabel dan akan memasukkan data, pilih Cancel.
2. Memasukkan data kedalam SPSS
Editor pilih Variabel View. Lakukan dengan mengklik tab Sheet variabel view yang berada di bagian kiri bawah atau langsung menekan Ctrl+T. Tampilan variable view juga dapat dimunculkan dari View lalu pilih Variable.
Gambar 5.5 Tampilan Jendela Variabel View dalam SPSS Pada tampilan jendela Variabel View terdapat kolom-kolom berikut: Name : untuk memasukkan nama variabel yang akan diuji
Type : untuk mendefenisikan tipe apakah bersifat numeric atau string Width : untuk menuliskan panjang pendek variabel
Decimal : untuk menuliskan jumlah decimal dibelakang koma Label : untuk menuliskan label variabel
Values : untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal bukan Scale
Missing : untuk menuliskan ada tidaknya jawaban kosong Columns : untuk menuliskan lebar kolom
Measure : untuk menentukan skala pengukuran variabel, misalnya nominal, ordinal, atau scale
3. Melakukan pemasukkan (entri) data dengan mengklik pada icon data view.
Gambar 5.6 Tampilan Pemasukkan Data Pada Icon Data View 4 Pengolahan Data dengan Persamaan Regresi
Langkah-langkahnya adalah sebagai berikut:
a. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression dan klik Linear seperti gambar berikut:
b. Setelah itu akan muncul kotak dialog Linear Regression, pada kotak dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas Y (Tingkat Pengangguran) pada kotak Dependent, dan variabel bebas X (Jumlah Perusahaan, Angkatan Kerja) pada kotak Independent seperti gambar berikut:
Gambar 5.8 Kotak Dialog Linier Regression
d. Selanjutnya klik kotak Plots pada kotak dialog Linear Regression untuk membuat grafik. Isi kolom Y dengan pilihan SRESID dan kolom X dengan ZPRED, kemudian klik Next. Isi kolom Y dengan ZPRED dan kolom X dengan DEPENDNT. Pada Standardizes Residual Plots, aktifkan Histogram dan Normal Probability Plot. Lalu klik Continue untuk melanjutkan seperti gambar berikut
Kemudian klik tombol Options pada kotak dialog Linier Regression sehingga muncul kotak dialog yang baru. Pada Stepping Method Criteria, aktifkan Use Probability of F dengan standard error 0,05 oleh karena itu masukkan nilai entry 0,05. Aktifkan include in aquation dan Exclude Cases litwise pada Missing Values seperti gambar berikut :
e. Selanjutnya klik OK pada kotak dialog Linear Regression. Maka akan muncul output sebagai berikut:
Gambar 5.12 Output persamaan regresi
BAB 6 KESIMPULAN
6.1 Kesimpulan
Berdasarkan hasil pengolahan data dan analisis data yang dilakukan pada bab-bab sebelumnya maka kesimpulan yang diperoleh antara lain :
1. Metode peramalan yang baik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan data yang sebenarnya, atau metode tersebut memghasilkan bias sekecil mungkin. Dalam kasus ini hasil analisis Metode Smoothing Eksponensial dengan satu parameter dari Brown diperoleh nilai MSE yang terkecil adalah = 0,5 yakni MSE = 16730680239 Bentuk persamaan peramalan dari adalah :
F2014+m = a2014 + b2014m
F2014+1 = 385847,92014 + (-17842,12014)(1)
Rangkuman semua hasil peramalan dapat dilihat seperti yang tertera dalam tabel
2001 229212 282470,5 309099,8
2002 335504 308987,3 309043,5 229212 2003 404117 356552,1 332797,8 308874,8 2004 758092 557322,1 445059,9 404060,8 2005 636980 597151 521105,5 781846,3 2006 632049 614600 567852,8 749242,1 2007 571334 592967 580409,9 708094,5 2008 554539 573753 577081,4 618081,3 2009 532427 553090 565085,7 567096,1 2010 491806 522448 543766,9 529098,6 2011 402125 462286,5 503026,7 479810,3 2012 379982 421134,3 462080,5 380806,1 2013 412202 416668,1 439374,3 339241,8 2014 390712 403690,1 421532,2 371255,8
2015 368005,8
2016 350163,7
2017 332321,6
Dari tabel diatas diperoleh bahwa:
a. Hasil peramalan jumlah Tingkat Penganguran pada tahun 2015 adalah 368005,8
b. Hasil peramalan jumlah Tingkat Penganguran pada tahun 2016 adalah 350163,7
d. Hasil peramalan dengan menggunakan metode smoothing linier berganda brown pada tiap tahun adalah menurun, yang menyatakan bahwa tingkat pengangguran di Provinsi Sumatera Utara selalu menurun.
e. Setiap tahunnya hasil peramalan dapat dihitung persentase penurunannya, misalnya pada tahun 2014 untuk peramalan tahun 2015 adalah turun sebesar
-
5,81149 %, pada tahun 2015 untuk peramalan tahun 2016 turunsebesar - 4,84832 %, dan pada tahun 2016 untuk tahun 2017 turun sebesar - 5,09536 %
2. Dari hasil perhitungan koefisien korelasi dari masing-masing variabel diperoleh:
a. Hubungan antara Tingkat Penganggguran dengan Jumlah Perusahaan adalah sebesar 0,448 (45%)
b. Hubungan antara Tingkat Pengganguran dan Jumlah angkatan Kerja adalah sebesar 0,902(90%)
c. Maka faktor yang paling berpengaruh di Provinsi terhadap tingginya tingkat Pengangguran di Sumatera Utara adalah Jumlah angkatan Kerja yaitu sebesar 0,902 (90%)
3. Dari hasil perhitungan uji regresi diperoleh = , dan diperoleh
= 4,35 dengan taraf nyata α = 5%
6.2 SARAN
Penulis memberikan saran bagi semua pihak terlibat didalamnya yaitu:
1. Bagi pihak Pemerintah Provinsi Sumatera Utara agar lebih memperhatikan menyebabkan tingginya pengangguran agar bisa mengambil kebijakan untuk mengurangi tingkat penganguran demi masyarakat di Provinsi Sumatera Utara.
TINJAUAN TEORITIS
2.1 Pengertian Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yaitu Metode Pemulusan Eksponensial atau Rata-rata Bergerak, Metode Box Jenkins, dan Metode Regresi. Semua itu dikenal dengan metode peramalan. Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang bersifat objektif.
Disamping itu metode peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan, maka akan dapat dasar pemikirn dan pemecahan yang sama.
Sering terdapat senjang waktu (Time Log) antara kesadaran akan peristiwa. Adanya waktu tenggang (Lead Time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat akan dilakukan.
Dalam perencanaan di organisasi atau perusahaan peramalan merupakan kebutuhan yang sangat penting, dimana baik buruknya peramalan dapat mempengaruhi seluruh bagian organisasi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efesien. Di dalam bagian organisasi terdapat kegunaan peramalan, yaitu :
1. Berguna untuk penjadwalan dumber daya yang tersedia. Penggunaan sumber daya yang efesien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan seperti tiu adalah ramalan tingkat permintaan akan konsumennya atau pelangggan.
2. Berguna dalam penyediaan sumber daya tambahan waktu tenggang (Lead Time) untuk memperoleh bahan baku, menerima pekerjaan baru, untuk membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya dimasa datang.
pengembangan sumber daya keuangan. Semua penentuan ini memerlukan ramalan yang baik dan menejer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik.
Walaupun terdapat banayak bidang lain yang memerlukan peramalan, namun tiga kelompok diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang.
Dari uraian diatas dapat dikatakan Metode Peramalan sangat berguna, karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan yang sistematis memeberikan ketepatan hasil peramalan yang dibuat atau disusun.
2.3 Metode Peramalan
Berdasarkan sifatnya teknik peramalan dibagi dalam 2 (dua) kategori utama yaitu: 1. Metode peramalan kualitatif atau tekhnologis
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya.
2. Metode peramalan kuantitatif
akan diperoleh hasil peramalan yang berbeda. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik.
Metode kuantitatif dapat dibagi dalam deret berkala (Time Series) dan metode kausal. Peramlan kuantitatif dapat digunakan bila terdapat 3 (tiga) kondisi yaitu :
1. Adanya informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang.
Kondisi yang terakhir ini dibuat sebaga asumsi yang berkesinambungan
(Asumtion of Continuity), asumsi ini merupakan modal yang mendasari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.
2.3.1 Pemilihan Tehnik dan Metode Peramalan
Dalam pemilihan tehnik dan metode peramalan pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan.
1. Horizon Waktu
Ada 2 (dua) aspek dari Horizon Waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu dimasa yang akan datang, kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramalan adalah anggapan bahwa bermacam-macam dari pola yang didapati data yang diramalkan akan berkelanjutan. 3. Jenis dari Model
Model – model merupakan suatu deret dimana waktu digambarkan sebagai umur yang penting untuk menentukan perubahan – perubahan dalam pola. Model – model perlu diperhatikan karena masing – masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan suatu prosedur peramalan, yaitu biaya - biaya pengembangan, penyimpangan (Storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik – teknik dan metode lainnya.
5. Ketepatan Metode Peramalan
Metode – metode yang dapat dimengerti dan mudah diapliksikan sudah merupakan suatu prinsip umum bagi pengambilan keputusan.
2.4 Analisa 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 sesuatu kejadian atau beberapa kejadian serta hubungannya dengan kejadian yang lain.
Metode Time Series merupakan metode peramalan kuantitatif yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan Time Series ini mencakup penelitian pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak terdapat pertumbuhan / penurunan pada data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu.
2.5 Penentuan Pola Data
1. Pola Data Horizontal : Pola ini terjadi bila nilai berfluktasi di sekitar nilai rata – rata yang konstan.
2. Pola Data Musiman (Seasonal) : Pola yang menunjukkan perubahan yang berulang – ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh fakto musiman misalnya kwatal tahun tertentu, bulanan, atau hari – hari pada minggu tertentu.
3. Data Siklis (Cyclical) : 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 Data Trend : Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.
2.6 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 2 (dua) bagian, yaitu : 1. Metode Rata –Rata
Metode rata – rata dibagi 4 (empat) bagian, yaitu : a. Nilai tengah (mean).
Metode rata – rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. 2. Metode Pemulusan (Smoothing) Eksponensial
Bentuk umum dari Metode Pemulusan (Smoothing) Eksponensial ini adalah :
α + (1 –α) ...(2.1) :
ramalan suatu periode ke depan
data aktual periode t ramalan pada periode t
α parameter pemulusan (0< α<1)
Bila bentuk umum tersebut diperluas maka akan berubah menjadi :
α + α(1 –α) + α(1 –α)2 + ... + α(1 –α)N
...(2.2)
Dari perluasan bentuk umum di atas dapatlah bahwa Metode Smoothing Eksponensial secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan nilai observasi yang ebih tua.
Metode ini terdiri atas :
Digunakan untuk data – data yang bersifat stasioner dan tidak menunjukkan pola atau trend.
b. Smoothing Eksponen Ganda
1. Metode Linier Satu Parameter dari Brown 2. Metode Dua Parameter Dari Holt
c. Smoothing Eksponensial Triple
1. Metode Kuadratik Satu Parameter dari Brown
Digunakan untuk pola data kuadratik, kubik, atau orde yang lebih tinggi.
2. Metode kecenderungan dan musiman tiga parameter dari winter Dapat digunakan untuk data yang berbentuk trend atau musiman. d. Smoothing Eksponensial Menurut Klasifikasi Pegels
2.6.1 Metode Smoothing yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Data tingkat pengangguran di Provinsi Sumatera Utara sudah diplot ke dalam grafis menunjukkan pola data linier. Maka Metode peramalan analisa Time Series yang digunakan untuk meramalkan tingkat pengangguran pada pemecahan permasalahan ini adalah dengan menggunakan Metode Smoothing Eksponensial
Ganda, yaitu “Smoothing Eksponensial Linier Satu Parameter dari Brown”
a. Smoothing Eksponensial Ganda, Metode Linier Satu Parameter dari Brown
Brown adalah serupa dengan rata – rata bergerak linier karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsur trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut :
a. Menentukan nilai pemulusan eksponensial tunggal ( ) α + (1 – ) ...(2.3) Nilai pemulusan eksponensial tunggal Parameter pemulusan eksponensial
Nilai rill periode t
b. Menentukan nilai pemulusan eksponensial ganda α + (1- ...(2.4) Nilai pemulusan eksponensial ganda
c. Menentukan besarnya konstanta ( )
+ ( - 2 - ...(2.5) besarnya konstanta periode t
d. Menentukan besarnya Slope ( )
( ...(2.6)
b. Beberapa Kesalahan dan ukuran Statistik Standar, antara lain :
1. ME (Mean Error) / Nilai Tengah Kesalahan :
2. MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat :
3. MAE (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut :
4. SDE (Standard Deviation of Error) / Deviasi Standar kesalahan :
5. MAPE (Mean Absolute Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut:
Dengan :
- (kesalahan pada periode t). Data aktual pada periode t.
x 100 (Kesalahan persentase pada periode t).
2.7 Pengertian Regresi
Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan bermacam – macam istilah: variabel penjelas, variabel
eksplanotorik, variabel independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel yang kedua adalah variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.
Istilah “regresi” pada mulanya bertujuan untuk membuat perkiraan niali
satu variabel terhadap satu variabel yang lain. Pada perkembangan selanjutnya analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut.
2.8 Regresi Linear Sederhana
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat, dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistika yang paling sering digunakan dalam penelitian – penelitian sosial, terutama penelitian ekonomi. Program computer yang paling banyak digunakan adalah SPSS. Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah varibel bebas terhadap satu buah variabel terikat. Berikut persamaan umumnya adalah :
Y = a + Bx ...(2.12)
Dimana: Y : adalah variabel terikat / tak bebas (dependent) X : adalah variabel bebas (independent)
a : adalah penduga bagi intercept (α)
b : adalah penduga bagi koefisien regresi (β)
2.9 Regresi Linear Berganda
maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam hal ini , , . . . , .
Secara umum persamaan regresi berganda dapat ditulis sebagai berikut : Y = β0 + β1X1i + β2X2i + β3X3i + …+ βnXn + ε ...(2.13) (untuk Populasi)
b0, b1, b2, b3 = Koefisien regresi untuk data sampel
koefisien – koefisien b0, b1, b2, b3 dapat dihitung dengan menggunakan persamaan = b0n + b1 + b2 + b3 ...(2.16)
X1i = b0 + b1 + b2 X2i + b3 X3i ...(2.17)
X2i = b0 + b1 X3i + b2 X3i + b3 ...(2.19)
Harga – harga b0, b1, b2, b3 didapat dengan menggunakan persamaan diatas dengan menggunakan metode eleminasi atau subtitusi. Dalam penelitian ini penulis menggunakan software dari komputer.
2.10 Uji Keberartian Regresi
Sebelum persamaaan regresi yang diperoleh digunakan untuk membuat kesimpulan terlebih dahulu periksa setidak – tidaknya mengenai kelinearan dari keberartiannya. Pemeriksaaan ini ditempuh melalui pengujian hipotesis. Uji keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat untuk regresi yang ditulis JKreg dan Jumlah Kuadrat untuk sisa (residu) yang ditulis dengan JKreg .
Jika x1i = X1i - , x2i = X2i - , . . . , xk = Xki - dan yi = Yi - maka secara umum jumlah kuadrat – kuadrat tersebut dapat dihitung dari :
Dengan derajat kebebasan dk = k
JKreg = b1 yi + b2 yi + bk yi ...(2.20) JKres = ...(2.21) Dengan derajat kebebasan dk = (n – k – 1) untuk sampel berukuran n. Dengan demikian uji keberartian regresi berganda dapat dihitung dengan :
Dimana statistik F yang menyebar mengikuti disttribusi F dengan derajat kebebasan pembilang V1 = k dan penyebut V2 = n – k – 1.
2.11 Uji Koefisien Korelasi
Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antarvariabel. Koefisien korelasi disimbolkan dengan r.
Koefisien korelasi dapat dirumuskan sebagai berikut :
r ...(2.23)
Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan tiga variabel bebas X1 , X2 yaitu :
1. Koefisien korelasi antara Y dengan X1
ry1 ...(2.24)
2. Koefisien korelasi antara Y dengan X2
ry2 ...(2.25)
Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah plus (+) atau minus (-) yang menunjukkan arah korelasi. Makna sifat korelasi :
2. Korelasi negatif (-) berarti jika variabel X1 mengalami kenaikan maka variabel X2 akan mengalami penurunan, atau jika variabel X2 mengalami kenaikan maka variabel X1 akan mengalami penurunan.
Sifat korelasi akan menentukan arah korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut :
1. 0,00 sampai dengan 0,20 berarti korelasi memiliki keeratan sangat lemah. 2. 0,21 sampai dengan 0,40 berarti korelasi memiliki keeratan lemah. 3. 0,41 sampai dengan 0,70 berarti korelasi memiliki keeratan kuat. 4. 0,71 sampai dengan 0,90 berarti korelasi memiliki keeratan sangat kuat. 5. 0,91 sampai dengan 0,99 berarti korelasi memiliki keeratan sangat kuat
sekali.
BAB 1 PENDAHULUAN
1.1 Latar Belakang
Provinsi Sumatera Utara merupakan salah satu Provinsi yang memiliki kepadatan penduduk yang terbanyak setelah Provinsi DKI Jakarta, Provinsi Jawa Barat, Provinsi Jawa Tengah, dan Provinsi Jawa Timur. Pada masa sekarang merupakan era globalisasi yang merupakan era dimana daya saing pada saaat bekerja sangat ketat.
Dimasa sekarang ini banyak perusahaan lokal yang tidak sanggup untuk bersaing dengan perusahaan asing. Inilah faktor yang membuat masyarakat yang menganggur, PHK dari perusahaan yang tidak mampu bersaing pun terjadi demi menutupi kerugian yang diterima perusahaan tersebut. Untuk bekerja di pemerintahan saja, kita haru mengecam pendidikan yang minimum tamatan SMA.
Pengangguran di Indonesia disebut dengan pengangguran terbuka. Pengangguran terbuka merupakan pengangguran dimana masyarakat itu sendiri masih dalam keadaan mencari pekerjaan. Walaupun para pengangguran juga memiliki pekerjaan, itu pun merupakan bukan pekerjaan yang tetap, karna pekerjaaan tersebut hanya musiman atau melihat kondisi tertentu, misalnya; berjualan durian pada musim durian, menjual mainan anak-anak pada tempat liburan yang sering dikunjungi pada masa liburan sekolah, dan berbagai macam pekerjaan musiman yang lain.
karena itu, perlu diketahui seberapa banyak jumlah pengangguran yang ada di Provinsi Sumatera Utara setiap tahunnya.
Dari uraian di atas, untuk mengetahui meningkat atau menurunnya angka pengangguran pada tahun 2015 s/d 2017 penulis melakukan suatu penelitian yang menggunakan suatu bentuk penduga yaitu Metode Pemulusan (Smoothing) Eksponensial Ganda pada pengolahan datanya dan Regresi Linier Berganda pada analisisnya.
1.2 Identifikasi Masalah
Penyusunan Tugas Akhir ini akan menguraikan tentang fakor – faktor yang dapat mempengaruhi dan tentang aspek - aspek meningkat atau menurunnya angka pengangguran di Prcvinsi Sumatera Utara serta metode – metode perhitungannya. Maka permasalahan yang dikati dalam Tugas Akhir ini adalah :
1. Bagaimana cara menganalisis faktor – faktor apa saja yang dapat mempengaruhi angka pengangguran di Provinsi Sumatera Utara
2. Bagaimana bentuk persamaan peramalan yang dapat digunakan untuk meramalkan jumlah angka pengangguran Provinsi Sumatera Utara di masa yang akan datang yaitu untuk tahun 2015 – 2017.
1.3 Pembatasan Masalah
Adapun permasalahan yang dirangkum dalam Tugas Akhir ini hanya dibatasi pada seberapa besar faktor – faktor yang mempengaruhi angka pengangguran dan perhitungan jumlah angka pengangguran di Provinsi Sumatera Utara untuk tahun 2015 – 2017. Agar pembahasan yang akan dilakukan lebih terarah, maka perlu ditentukan pembatasan masalah, yaiu :
1. Hanya data faktor – faktor yang mempengaruhi angka pengangguran di Provinsi Sumatera Utara untuk menyelesaikan analisis pada tahun 2015 - 2017.
2. Hanya jumlah angka pengangguran di Provinsi Sumatera Utara pada tahun 2015 - 2017 yang akan diramalkan.
3. Data yang dibutuhkan yaitu data angka pengangguran di Provinsi Sumatera Utara pada tahun 2000 – 2014.
1.4 Maksud dan Tujuan
Adapun maksud dan tujuan dari penelitian ini adalah untuk mendapatkan seberapa besar faktor – faktor yang mempegaruhi angka pengangguran dan untuk mendapatkan bentuk persamaan peramalan yang dapat dipergunakan untuk memperkirakan jumlah angka pengangguran di Provinsi Sumatera Utara pada tahun 2015 – 2017.
besar peningkatan angka pengangguran di Provinsi Sumatera Utara pada tahun 2015 – 2017.
Pada kesempatan di dalam penyusunan Tugas Akhir ini yang berjudul “
Peramalan Tingkat Pengangguran di Provinsi Sumatera Utara Tahun 2015 -2017” adalah maksud untuk menjelaskan bagaimana pengaplikasian data – data yang diperoleh tersebut dengan mengunakan metode peramalan yang tersedia, sehingga masalah yang timbul adalah memahami bagaimana karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu.
1.5 Manfaat Penelitian
Dengan tercapainya tujuan yang dimaksud dalam tulisan ini, diharapkan dapat menjadi suatu bahan pertimbangan yang berguna bagi pemerintah, masyarakat dan pengusaha dalam mengambil suatu kebijaksanaan dalam usaha untuk membuka lapangan pekerjaan yang sesuai dengan kemampuan, dan pemerintah dapat membantu masyarakat yang ingin membuka usaha dengan membuat koperasi simpan pinjam yang dikelola oleh pemerintah.
1.6 Metodologi Penelitian
1. Metode Penelitian Kepustakaan (Studi Literatur)
Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti. 2. Metode Pengumpulan Data
Pengumpulan data untuk keperluan penelitian dilakukan penulis dengan menggunakan data sekunder. Data sekunder adalah data primer yang diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram. Data sekunder yang digunakan diperoleh Badan Pusat Statistik Sumatera Utara. Data yang telah dikumpulkan kemudian diatur, disusun dan disajikan dalam bentuk angka-angka untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
3. Metode Pengolahan Data
1)Metode Pemulusan (Smoothing) Eksponensial Ganda
Data penelitian dianalisa dengan menggunakan Metode Pemulusan
(Smoothing) Eksponensial Ganda yaitu “Pemulusan Eksponensial Linier
Satu Parameter dari Brown”. Adapun langkah yang dilakukan dalam
pengolahan data adalah :
a. Menentukan nilai pemulusan eksponensial tunggal (S’t).
S’t = αXt + (1-α) S’t-1 ...(1.1)
S’t = Nilai pemulusan ekponensial tunggal
α = Parameter pemulusan eksponensial
Xt = Nilai riil periode t
b. Menentukan nilai pemulusan eksponensial ganda
S”t = αS’t + (1-α) S”t-1 ...(1.2)
S”t = Nilai pemulusan eksponensial ganda
c. Menentukan besarnya konstanta (at)
at = S’t + (S’t - S”t) = 2S’t - S”t ...(1.3) at = Besarnya konstanta periode t
d. Menentukan besarnya Slope (bt). bt = �
−� (S’t –S”t) ...(1.4) bt = Slope / nilai trend dari data yang sesuai e. Menentukan besarnya Forecast
Ft+m = at + btm ...(1.5) Ft+m = Besarnya forecast
m = Jangka waktu forecast
2)Analisa dengan menggunakan metode regresi linear
Data penelitian dianalisa dengan menggunakan metode regresi linier berganda untuk melihat persamaan regresi linier nya dan untuk mengetahui hubungan setiap variabel digunakan analisis korelasi. Adapun langkah yang dilakukan dalam pengolahan data adalah :
a. Menentukan kelompok data yang menjadi variabel bebas (X) dan variabel terikat (Y).
b. Menentukan hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Y atas X1, X2, X3, . . ., Xn.
d. Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel bebas X secara bersama-bersama terhadap variabel terikat Y. 1. Langkah – langkah uji regresi linier berganda adalah sebagai
berikut :
a. Menentukan hipotesis
� = Tidak terdapat hubungan yang signifikan antara variabel bebas dan variabel terikat.
e. Uji korelasi untuk mengetahui bagaimana dan seberapa besar pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel terikat. Secara umum rumus uji korelasi sebagai berikut :
...(1.8)
1.7 Lokasi dan Waktu Penelitian
Dalam melakukan peninjauan untuk menyusun Tugas Akhir ini penulis mengumpulkan data dan memilih lokasi pengumpulan data pada kantor Badan Pusat Statistika (BPS) di Jl. Asrama No. 179 Medan. Penulis mengambil data dari tahun lampau sampai tahun tertentu guna melakukan analisis. Sedangkan waktu yang digunakan untuk peninjauan adalah selama 2 minggu, yaitu mulai tanggal 2 April 2016 sampai dengan tanggal 15 April 2016.
1.8 Sistematika Penulisan
Seluruh dari Tugas Akhir ini disusun dalam beberapa bab yang setiap bab tersebut berisikan sub – sub bab, disusun guna memudahkan pembaca untuk mengerti dan memahami isi penulisan ini. Adapun sistematika penulisan adalah sebagai berikut:
Bab ini mengutarakan tentang Latar Belakang, Perumusan Masalah, Maksud dan Tujuan Penelitian, Manfaat Penelitian, Metode Penelitian, Lokasi dan Waktu Penelitian dan Sistematika Penulisan.
BAB 2 TINJAUAN TEORITIS
Bab ini menjelaskan tentang segala sesatu yang mencakup penyelesaian masalah sesuai dengan judul dan permasalahan yang diutarakan.
BAB 3 SEJARAH SINGKAT BPS
Bab ini menjelaskan tentang sejarah singkat berdirinya Badan Pusat Statistik (BPS) serta Struktur Organisasinya.
BAB 4 ANALISA DAN PENGOLAHAN DATA
Bab ini menerangkan penganalisisan data yang telah diamati dan dikumpulkan.
BAB 5 IMPLEMENTASI SISTEM
Bab ini menerangkan tentag kesimpulan data yang telah dianalisis beserta saran – saran.
BAB 6 KESIMPULAN DAN SARAN
Bab ini menerangkan tentang kesimpulan data yang merupakan hasil kerja yang telah dianalisis serta saran – saran berupa masukan bagi Pemerintah maupun swasta dalam pengambilan kebijakan.
