PERAMALAN NILAI PENJUALAN ENERGI LISTRIK
(DALAM RUPIAH) PADA SEKTOR INDUSTRI
DI PT. PLN (PERSERO) CABANG MEDAN
TUGAS AKHIR
SUPRAYOGI
082407043
PROGRAM STUDI DIPLOMA III STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH) PADA SEKTOR INDUSTRI
DI PT. PLN (PERSERO) CABANG MEDAN
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
SUPRAYOGI 082407043
PROGRAM STUDI DIPLOMA III STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERAMALAN NILAI PENJUALAN ENERGI
LISTRIK (DALAM RUPIAH) PADA SEKTOR INDUSTRI DI PT. PLN (PERSERO) CABANG MEDAN
Kategori : TUGAS AKHIR
Nama : SUPRAYOGI
Nomor Induk Mahasiswa : 082407043
Program Studi : DIPLOMA (D3) STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juni 2011
Diketahui/Disetujui oleh :
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
PERNYATAAN
PERAMALAN NILAI PENJUALAN ENERGI LISTRIK (DALAM RUPIAH) PADA SEKTOR INDUSTRI DI PT. PLN (PERSERO) CABANG MEDAN
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini sdalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Mei 2011
PENGHARGAAN
Puji dan syukur penulis ucapkan kehadirat Allah Swt atas Rahmat dan Ridho-Nya akhirnya penulis dapat menyelesaikan Tugas Akhir ini dengan baik dan tepat pada waktunya.
Dalam menyelesaikan Tugas Akhir ini, penulis tidak terlepas dari bantuan dan bimbingan dari berbagai pihak. Oleh karena itu pada kesempatan ini penulis mengucapkan terima kasih kepada:
1. Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU
2. Bapak Prof. Drs. Tulus, Vordipl, M.Si, Ph.D selaku Ketua Departemen FMIPA USU
3. Bapak Drs. Faigiziduhu Bu’ulolo, M.Si selaku Ketua Program Studi Statistika 4. Bapak Drs. Djakaria Sebayang, M.Si selaku pembimbing yang telah
membimbing saya dalam menyelesaikan Tugas Akhir ini.
5. Kedua orang tua yang saya cintai yang selalu memberi dukungan, doa, dan semangat dalam menyelesaikan Tugas Akhir ini.
6. Seluruh rekan-rekan mahasiswa D3 Statistika yang turut membantu menyelesaikan Tugas Akhir ini.
7. Seluruh sahabat penulis terutama Uwenk, Eny, Agan yang memberikan dukungan positif kepada penulis dalam menyelesaikan Tugas Akhir ini.
DAFTAR ISI
Bab 1 Pendahuluan 1.1 Latar Belakang 1.2 Identifikasi Masalah 1.3 Batasan Masalah 1.4 Tujuan Penulisan 1.5 Tinjauan Pustaka 1.6 Metode Penelitian 1.7 Sistematika Penulisan
Bab 2 Tinjauan Teoritis
2.1 Pengertian Peramalan 2.2 Kegunaan Peramalan 2.3 Jenis Peramalan
2.4 Jenis-jenis Metode Peramalan 2.4.1 Analisa Deret Berkala
2.4.2 Pemilihan Teknik Dan Metode Peramalan 2.4.3 Penentuan Pola Data
2.5 Metode Pemulusan (Smoothing) 2.5.1 Metode Yang Digunakan 2.6 Ketepatan Peramalan
Bab 3 Sejarah Singkat Tempat Riset
3.1 Sejarah Singkat Badan Pusat Statistik Sumatera Utara 3.2 Visi dan Misi Badan Pusat Statistik
3.2.1 Visi Badan Pusat Statistik 3.2.2 Misi Badan Pusat Statistik
3.3 Struktur Organisasi Badan Pusat Statistik Sumatera Utara 3.4 Tugas, Fungsi dan Kewenangan
Bab 4 Analisa Data
4.1 Data Yang Dibutuhkan
4.2 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown
4.2.1 Penaksiran Model Peramalan
4.3 Peramalan Nilai Penjualan Energi Listrik
Bab 5 Implementasi Sistem
5.1 Pengertian Implementasi Sistem 5.2 Microsoft Office Excel 2007
5.3 Langkah-langkah Memulai Microsoft Office Excel 2007 5.4 Pembuatan Grafik Dengan Microsoft Office Excel 2007 5.5 Pengolahan Data Dengan Microsoft Office Excel 2007 5.6 Menghitung Ketepatan Peramalan
DAFTAR TABEL
Tabel 4.1 Data penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan
Tabel 4.2 Menentukan MSE dengan α = 0,1 Tabel 4.3 Menentukan MSE dengan α = 0,2
Tabel 4.4 Perbandingan ukuran ketetapan metode peramalan
Tabel 4.5 Pemulusan eksponensial linier satu perameter dari Brown menggunakan α = 0,5 pada data nilai penjualan energi listrik (dalam rupiah) pada sektor industri di PT. PLN (persero) cabang Medan
Tabel 4.6 Peramalan nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan
Halaman
25 27 28 29
30
DAFTAR GAMBAR
Gambar 4.1 Plot data nilai penjualan energi listrik pada sektor industri cabang Medan dari tahun 2000 sampai dengan 2009
Gambar 5.1 Langkah memulai Microsoft Office Excel 2007 Gambar 5.2 Tampilan lembar kerja Microsoft Office Excel 2007
Gambar 5.3 Tampilan lembar kerja Microsoft Office Excel 2007 dengan data nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan
Gambar 5.4 Tampilan Chart nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang Medan dalam Microsoft Office Excel 2007
Gambar 5.5 Hasil peramalan dalam metode pemulusan eksponensial ganda satu parameter dari Brown
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 beraneka ragam. Berbagai macam cara dilakukan oleh
konsumen guna mendapatkan kebutuhan hidupnya yaitu primer atau sekunder, baik
itu melalui pemanfaatan Sumber Daya Alam (SDA) yang tersedia maupun
pendaur-ulangan bahan-bahan atau produk-produk yang sudah lama tidak digunakan lagi.
Sumber Daya Alam (SDA) yang tersedia merupakan salah satu alat pemuas kebutuhan
manusia misalnya : tanah, air, energi gas, energi panas, energi listrik dan sebagainya.
Listrik merupakan salah satu kebutuhan primer atau penting sebab tidak bisa
dipisahkan dari kehidupan manusia, karena hampir seluruh aspek kegiatan
membutuhkan listrik. Pada era globalisasi dan modernisasi saat ini, khususnya pada
sektor industri yang semakin berkembang, didukung dengan perkembangan teknologi
yang semakin canggih memerlukan banyak hal yang dapat mendukung kemajuan ilmu
Meskipun saat ini telah tersedia sebuah alat yang dinamakan genset (generator
set) yang dapat mengalirkan listrik dengan menggunakan bahan bakar minyak, namun
alat tersebut digunakan hanya sebagai cadangan ketika listrik padam dan dengan
menggunakan alat ini juga menghabiskan biaya yang cukup besar. Oleh karena itu
energi listrik tetap sangat diperlukan meskipun alat itu telah ada. Masyarakat
diharapkan secara bersama-sama mengelola dan menjaga jaringan listrik yang ada
dengan menjadikannya sebagai harta yang harus dirawat dan diperhatikan dengan
baik. Dalam hal ini diperlukan kesadaran oleh setiap kalangan masyarakat terhadap
penggunaan arus listrik sehingga tidak terjadi pemborosan dan juga harus tahu bahwa
biaya produksi listrik sangat besar, oleh karena itu penggunaan listrik harus di hemat
dan digunakan seefisien mungkin.
Dari keadaan dan berbagai alasan tersebut, penulis ingin meneliti salah satu
Sumber Daya Alam (SDA) yaitu energi listrik. Dalam hal ini, penulis ingin
mengetahui dan meramalkan berapa besar nilai penjualan energi listrik (Dalam
Rupiah) yang diperoleh khususnya pada sektor industri di wilayah PT. PLN (Persero)
Cabang Medan. Berdasarkan pemikiran diatas maka penulis memilih judul
“Peramalan Nilai Penjualan Energi Listrik (Dalam Rupiah) Pada Sektor Industri Di
PT.PLN (Persero) Cabang Medan”.
1.2 Identifikasi Masalah
Dalam tulisan ini yang menjadi permasalahan adalah : Bagaimana bentuk persamaan
rupiah) pada sektor industri berdasarkan data dari tahun 2000-2009 di PT.PLN
(Persero) cabang Medan untuk meramalkan .
1.3 Batasan Masalah
Yang menjadi batasan permasalahan adalah besarnya nilai penjualan energi listrik
pada sektor industri di PT. PLN (Persero) cabang Medan dengan menggunakan data
dari tahun 2000-2009.
1.4 Tujuan Penulisan
Maksud dari penelitian ini adalah untuk meramalkan nilai penjualan energi listrik
(dalam rupiah) pada sektor indutri di PT. PLN (Persero) Cabang Medan berdasarkan
data tahun 2000-2009. Adapun tujuannya adalah untuk mengetahui besarnya nilai
penjualan energi listrik (dalam rupiah) pada sektor industri di PT. PLN (Persero)
Cabang Medan.
1.5 Tinjauan Pustaka
Teori-teori penunjang yang digunakan dalam penulisan ini dikutip dari buku-buku
1. Teknik dan Metode Peramalan, oleh Sofjan Assauri. Lembaga Penerbit
Fakultas Ekonomi Universitas Indonesia, 1984, Jakarta. Dari buku ini dikutip
peramalan dengan menggunakan pemulusan (smoothing) eksponensial.
2. Metode dan Aplikasi Peramalan, oleh Spyros Makridakis. Lembaga Penerbit
Erlangga, 1993, Jakarta. Dari buku ini dijelaskan lebih terperinci mengenai
langkah-langkah penggunaan metode pemulusan (smoothing) eksponensial
ganda: metode linier satu parameter dari Brown.
1.6 Metode Penelitian
Metode penelitian dalam penyusunan Tugas Akhir ini adalah:
1. Pengumpulan Data
Pengumpulan data untuk penulisan tugas akhir penulis dilakukan dengan
menggunakan data sekunder mengenai nilai penjualan energi listrik (dalam
rupiah) pada sektor industri di PT. PLN (Persero) Cabang Medan dari tahun
2000-2009 yang diperoleh dari BPS (Badan Pusat Statistik) Provinsi Sumatera
Utara.
2. Analisis Data
Pengolahan data untuk meramalkan nilai penjualan energi listrik (dalam
rupiah) pada sektor industri di PT. PLN (Persero) Cabang Medan dilakukan
dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda :
Persamaan yang dipakai dalam metode pemulusan (Smoothing) Eksponensial
Ganda Satu Parameter dari Brown adalah sebagai berikut:
S’t = α Xt + (1 - α) S’t-1
S”t = α S’t + (1 - α) S”t-1
α t = S”t + ( S’t – S”t ) = 2 S’t – S”t
bt = ( S’t – S”t )
Ft+m = at + bt m
Dengan:
m = Jumlah periode di depan yang diramalkan
S’ = Nilai eksponensial smoothing tunggal
S” = Nilai eksponensial smoothing ganda
α = Parameter pemulusan eksponensial
αt = Nilai konstanta pada priode ke t
bt = Nilai slope
Ft+m = Hasil peramalan untuk m periode ke depan yang akan diramalkan
1.6 Sistematika Penulisan
Adapun sistematika penulisan Tugas Akhir ini secara garis besarnya dibagi dalam 6
BAB 1 : PENDAHULUAN
Bab ini menjelaskan latar belakang, identifikasi masalah , batasan masalah,
maksud dan tujuan, tinjauan pustaka, metodologi penelitian serta sistematika
penulisan.
BAB 2 : TINJAUAN TEORITIS
Bab ini menguraikan tentang konsep dan defenisi tentang hal-hal yang
menyangkut penyelesaian masalah yang dihadapi dalam Tugas Akhir.
BAB 3 : SEJARAH SINGKAT TEMPAT RISET
Bab ini menjelaskan tentang sejarah singkat berdirinya Badan Pusat Statistik
(BPS) Provinsi Sumatera Utara, visi, misi, dan struktur organisasinya.
BAB 4 : ANALISA 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 : KESIMPULAN DAN SARAN
Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan serta
BAB 2
TINJAUAN TEORITIS
2.1 Pengertian Peramalan
Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan
terjadi pada masa yang akan datang. Metode peramalan merupakan cara untuk
memperkirakan secara kuantitatif apa yang akan 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.
Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif
apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan
pada masa lalu. Oleh karena itu, metode peramalan termasuk dalam kegiatan
peramalan kuantitatif. Keberhasilan dari suatu peramalan sangat ditentukan oleh
pengetahuan teknik tentang informasi lalu yang dibutuhkan yaitu informasi yang
2.2 Kegunaan Peramalan
Di dalam bagian organisasi terdapat beberapa kegunan peramalan diantaranya:
1. Berguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber
daya yang efisien memerlukan penjadwalan produksi, transportasi, kas,
personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu
adalah tingkat permintaan konsumennya atau si pelanggan.
2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang (lead
time) untuk memperoleh bahan baku, menerima pekerja baru atau pembelian
mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa
tahun. Peramalan digunakan untuk menentukan kebutuhan sumber daya di
masa yang akan datang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus
menentukan sumber daya alam yang dimiliki dalam waktu jangka panjang.
Keputusan semacam ini bergantung kepada faktor-faktor lingkungan, manusia,
dan pengembangan sumber daya keuangannya. Semua penentuan ini
memerlukan peramalan yang baik dan menajer yang dapat menafsirkan
pendugaan serta membuat keputusan yang baik.
Walaupun banyak bidang lain yang memerlukan peramalan, namun tiga
kelompok diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek,
2.3 Jenis Peramalan
Berdasarkan sifat peramalan yang telah disusun, maka peramalan dapat dibedakan
atas dua kategori utama yaitu:
1. Peramalan yang kualitatif atau teknologis
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang
yang menyusunnya. Hal ini sangat penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat, dan
pengetahuan dari orang yang menyusunnya.
2. Peramalan kuantitatif
Peramalan kuantitatif merupakan peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung
kepada metode yang dipergunakan dalam peramalan tersebut. Dengan metode
yang berbeda akan diperoleh hasil peramalan yang berbeda pula. Metode
kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal.
Dalam hal ini penulis membatasi bahwa metode peramalan yang digunakan
dalam penyusunan Tugas Akhir ini adalah cara memperkirakan sesuatu yang akan
terjadi di masa depan secara kuantitatif. Oleh karena itu, dalam pembahasan
selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya peramalan
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antar variabel yang akan diperkirakan dengan variabel waktu, yang merupakan
deret waktu (time series).
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan
antar variabel yang akan diperkirakan dengan variabel lain yang
mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau
sebab akibat (causal methods).
Dalam penulisan Tugas Akhir ini, digunakan metode peramalan yang pertama,
yaitu metode peramalan dengan menggunakan variabel waktu atau yang dikenal
dengan time series.
Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu:
1. Adanya informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu
akan terus berlanjut dimasa yang akan datang.
Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan
(asumption of mend continuity). Asumsi ini merupakan modal yang mendasari dari
semua metode peramalan kuantitatif dan banyak metode peramalan teknologis,
2.4 Jenis-Jenis Metode Peramalan
Metode-metode peramalan dengan analisa deret waktu yaitu:
1. Metode pemulusan eksponensial dan rata-rata bergerak
Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk
peramalan jangka panjang.
2. Metode Regresi
Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka
panjang
3. Metode Box-Jenkins
Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah, dan
jangka panjang.
Dalam penulisan Tugas Akhir ini, yang akan digunakan adalah metode time
series yang pertama, yaitu metode pemulusan eksponensial.
2.4.1 Analisa Deret Berkala
Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk
Analisa deret berkala memungkinkan untuk mengetahui perkembangan suatu atau
beberapa kejadian serta hubungannya dengan kejadian lain.
Metode time series merupakan metode peramalan kuantitatif didasarkan atas
penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan
variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan
untuk meramalkan apakah data tersebut stasioner atau tidak. Stasioner itu sendiri
berarti bahwa tidak terdapat pertumbuhan atau penurunan data. Data secara kasar
harus horizontal sepanjang waktu, dengan kata lain fluktuasi data tetap konstan setiap
waktu.
2.4.2 Pemilihan Teknik Dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri
penting yang perlu diperhatikan bagi pengambil keputusan dan analisa 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. Pertama adalah cakupan waktu di masa yang akan datang.
2. Pola data
Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola
yang di dapati di dalam data yang diramalkan akan berkelanjutan.
3. Jenis dari model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsur yang penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisa keadaan untuk pengambilan
keputusan.
4. Biaya yang dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan 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 dalam penerapan
Metode-metode yang dapat dimengerti dan mudah dialokasikan sudah
2.4.3 Penentuan Pola Data
Hal penting yang harus diperhatikan dalam metode deret berkala adalah menentukan
jenis pola data historisnya. Sehingga pola data yang tepat dengan pola data historis
tersebut dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut:
1. Pola Data Horizontal
Pola ini terjadi bila berfluktuasi disekitar nilai rata-rata yang konstan.
2. Pola Data Musiman (Seasonal)
Pola yang menunjukan perubahan yang berulang-ulang secara periodik dalam
deret waktu. Pola ini terjadi bila suatu deret dipengaruhi oleh faktor musiman,
misalnya: kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
3. Pola Siklis (Cyclical)
Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari
suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklis bisnis.
4. Pola Data Trend
2.5 Metode Pemulusan (Smoothing)
Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan
penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa
tahun lalu untuk menaksir nilai pada beberapa tahun ke depan. Secara umum metode
smoothing diklarifikasikan menjadi dua bagian:
1. Metode Rata-rata
Metode rata-rata dibagi atas empat bagian:
a. Rata-rata sederhana
b. Rata-rata bergerak tunggal (Single moving average)
c. Rata-rata bergerak ganda (Doubel moving average)
d. Kombinasi rata-rata bergerak lainnya.
Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk
mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial
Bentuk umum dari metode pemulusan eksponensial:
Ft+1 = α Xt + (1-α) Ft
Dimana:
Ft+1 : Ramalan suatu periode ke depan
Xt : Data aktual periode ke depan
Metode ini terdiri atas :
1. Pemulusan Eksponensial Tunggal
a. Satu Parameter (One Parameter)
b. Parameter Adaptif
2. Pemulusan Eksponensial Ganda
a. Satu Parameter (Metode Linier) dari Brown
b. Dua Parameter dari Holt
3. Pemulusan Eksponensial Triple
a. Satu Parameter (Metode Kuadratik) dari Brown
Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi.
b. Metode Kecendrungan Dan Musim Tiga Parameter Dari Winter
Dapat digunakan untuk data berbentuk trend dan musiman.
2.5.1 Metode Yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka
metode peramalan analisis deret berkala yang digunakan untuk meramalkan nilai
penjualan energi listrik pada pemecahan masalah ini adalah dengan menggunakan
Persamaan yang dapat dipakai dalam pelaksanaan Eksponensial Linier Satu
Perameter dari Brown adalah sebagai berikut:
S’t = α Xt + (1 - α) S’t-1
S”t = α S’t + (1 - α) S”t-1
α t = S”t + ( S’t – S”t ) = 2 S’t – S”t
bt = ( S’t – S”t )
Ft+m = at + bt m
Dengan:
m = Jumlah periode di depan yang diramalkan
S’ = Nilai eksponensial smoothing tunggal
S” = Nilai eksponensial smoothing ganda
α = Parameter pemulusan eksponensial
α t = Nilai konstanta pada priode ke t
bt = Nilai slope
Ft+m = Hasil peramalan untuk m periode ke depan yang akan diramalkan
2.6 Ketepatan Ramalan
Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana
mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data
1. Nilai Tengah Kesalahan (Mean Error)
2. Nilai Tengah Kesalahan Kuadrat (Mean Square Error)
MSE =
3. Nilai Tengah Kesalahan Absolut (Mean Absolute Error)
MAE =
4. Nilai Tengah Kesalahan Persentase (Mean Percentage Error)
MPE =
5. Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Persentage
Ft = nilai ramalan pada periode ke t
PEt = kesalahan persentase pada periode ke t
n = banyaknya periode waktu
Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE
BAB 3
SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah Singkat Badan Pusat Statistik Sumatera Utara
Tahun 1968, ditetapkan peraturan pemerintah No. 16 tahun 1968, yang mengatur
Organisasi dan Tata Kerja BPS (di Pusat dan Daerah).
Tahun 1980,ditetapkan Peraturan Pemerintah No.6 tahun 1980, tentang
Organisasi BPS sebagai pengganti PP No. 16 tahun 1968. Berdasarkan PP No. 6/1980
di setiap provinsi terdapat kantor statistik dengan nama KANTOR STATISTIK
PROVINSI dan begitu juga di setiap Kabupaten/Kotamadya terdapat kantor statistik
dengan nama KANTOR STATISTIK KABUPATEN/KOTAMADYA. Dengan
demikian mulai saat itu kantor statistik Provinsi secara resmi ada diseluruh Indonesia,
tidak terkecuali di Provinsi Sumatera Utara dengan nama kantor statistik Provinsi
Sumatera Utara. Demikian juga untuk Kabupaten/Kotamadya seluruh Provinsi
Sumatera Utara berdiri Perwakilan BPS Kantor Statistik Kabupaten/Kotamadya pada
saat itu.
Tahun 1992, ditetapkan Peraturan Pemerintah No. 2 tahun 1992, tentang
organisasi, dan tata kerja Biro Pusat Statistik selanjutnya diatur dengan Keputusan
Presiden.
Tahun 1997, ditetapkan Undang-undang No. 16 tahun 1997 tentang Statistik
sebagai pengganti undang No. 6 tahun 1960 tentang Sensus dan
Undang-undang No.7 tahun 1960 tentang Statistik.
Tahun 1998, ditetapkan Keputusan Presiden No. 86 tahun 1998 tentang Badan
Pusat Statistik sebagai pengganti Keputusan Presiden No. 6 tahun 1992 tentang
kedudukan, tugas, fungsi, susunan organisasi, dan tata kerja Biro Pusat Statitik.
Berdasarkan Keputusan Presiden ini “Kantor Statistik Sumatera Utara” berubah
menjadi BADAN PUSAT STATISTIK ( BPS) PROVINSI SUMATERA UTARA.
3.2 Visi dan Misi Badan Pusat Statistik
3.2.1 Visi Badan Pusat Statistik
Visi Badan Pusat Statistik adalah sebagai penyedia data statistik berkualitas.
3.2.2 Misi Badan Pusat Statistik
1. Menyediakan informasi statistik yang berkualitas: lengkap, akurat, relevan,
mutakhir, dan berkesinambungan.
2. Meningkatkan upaya koordinasi, integrasi, sinkronisasi, dan standarisasi
kegiatan statistik dalam kerangka Sistem Statistik Nasional (SSN) yang andal,
efektif, dan efisien
.
3. Meningkatkan kapasitas sumber daya secara optimal sesuai dengan
perkembangan ilmu pengetahuan dan teknologi informasi mutakhir.
3.3 Struktur Organisasi Badan Pusat Statistik Sumatera Utara
3.4 Tugas, Fungsi, dan Kewenangan Badan Pusat Statistik
Tugas, fungsi, dan kewenangan BPS telah ditetapkan dalam Keputusan Presiden RI
(Keppres) Nomor 103 Tahun 2001. Dalam menjalankan tugas, fungsi, dan
kewenangannya seperti tercantum dibawah ini, BPS juga dibatasi oleh 10 prinsip etika
perstatistikan yang tercantum dalam United National Fundamental Principles of
Official Statistics.
1. Tugas
Melaksanakan tugas pemerintahan di bidang kegiatan statistik sesuai dengan
ketentuan peraturan perundang-undangan yang berlaku.
2. Fungsi
a. Pengkajian dan penyusunan kebijakan nasional di bidang kegiatan
statistik;
b. Penyelenggaraan statistik dasar;
c. Koordinasi kegiatan fungsional dalam pelaksanaan tugas BPS;
d. Fasilitas pembinaan terhadap kegiatan instansi pemerintah di bidang
kegiatan statistik; dan
e. Penyelenggaraan pembinaan dan pelayanan administrasi umum di
bidang perencanaan umum, ketatausahaan, organisasi dan tatalaksana,
kepegawaian, keuangan, kearsipan, hukum, persandian, perlengkapan,
3. Kewenangan
a. Penyusunan rencana nasional secara makro di bidangnya;
b. Perumusan kebijakan di bidangnya untuk mendukung pembangunan
secara makro;
c. Penetapan sistem informasi di bidangnya;
d. Penetapan dan penyelenggaraan statistik nasional;
e. Kewenangan lain sesuai dengan ketentuan peraturan
perundang-undangan yang berlaku, yaitu:
i. Perumusan dan pelaksanaan kebijakan tertentu di bidang
kegiatan statistik;
ii. Penyusun pedoman penyelenggaraan survei statistik sektoral.
BAB 4
ANALISA DATA
4.1 Data Yang Dibutuhkan
Tabel 4.1 Data Nilai Penjualan Energi Listrik Pada Sektor Industri Di PT. PLN (Persero) Cabang Medan
No. Tahun Nilai Penjualan
(Dalam Milyar)
1 2000 309,04
2 2001 382,82
3 2002 491,41
4 2003 463,21
5 2004 498,59
6 2005 501,33
7 2006 543,35
8 2007 588,39
9 2008 617,05
10 2009 568,28
Sumber : Badan Pusat Statistik (BPS)
Gambar 4.1 Data Jumlah Penjualan Energi Listrik Pada Sektor Industri di PT. PLN (Persero) Cabang Medan
Dari gambar 4.1 dapat dilihat bahwa plot data jumlah penjualan energi listrik
pada sektor industri di PT. PLN (Persero) Cabang Medan dari tahun 2000 sampai
tahun 2009 stasioner atau menunjukkan pola trend, sehingga dapat menggunakan
Metode Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter dari Brown.
4.2 Metode Pemulusan Eksponensial Ganda Satu Parameter Dari Brown
4.2.1 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1)
dengan peramalan berdasarkan metode pemulusan eksponensial satu parameter dari
Brown. Untuk memenuhi perhitungan pemulusan ganda, tunggal dan ramalan yang 0,00
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
akan datang, maka terlebih dahulu ditentukan parameter nilai α secara trial and error
(coba dan salah). Suatu nilai α dipilih yang besarnya 0 < α < 1, dihitung Mean Square
Error (MSE) yang merupakan suatu ukuran tetapan perhitungan dengan
mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam sebuah
susunan data dan kemudian memperoleh rata-rata atau nilai tengah kuadrat tersebut
dan kemudian dicoba nilai α yang lain.
Untuk menghitung MSE pertama dicari error terlebih dahulu yang merupakan
hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadratkan dan dibagi
dengan banyaknya error. Secara metematis rumus MSE (Mean Square Error) sebagai
berikut:
Tabel 4.2 Menentukan MSE dengan menggunakan α = 0,1
t Xt S't S''t αt bt Ft+m e e²
Untuk: α = 0,1 ; n = 8
Tabel 4.3 Menentukan MSE dengan menggunakan α = 0,2
t Xt S't S''t αt bt Ft+m e e²
Jumlah 40.852,56
Jadi untuk α = 0,3 sampai dengan α = 0,9 dapat dicari dengan persamaan
diatas.
Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan α
yang memberikan MSE yang terkecil/minimum. Perbandingan ukuran ketetapan
metode peramalan peningkatan nilai penjualan listrik pada sektor industri Cabang
Medan dengan melihat MSE sebagai berikut:
Tabel 4.4 Perbandingan Ukuran Ketetapan Metode Peramalan
α MSE
0,1 13.513,91
0,2 5.106,57
0,3 3.275,51
0,4 2.830,85
0,5 2.760,58
0,6 2.841,30
0,7 3.005,46
0,8 3.242,62
0,9 3.585,10
Dari tabel 4.4 diatas dapat dilihat yang menghasilkan nilai MSE yang paling
kecil atau minimum yaitu pada nilai parameter pemulusan α = 0,5 yaitu dengan MSE
Tabel 4.5 Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter dari Brown dengan menggunakan α = 0,5 pada Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) pada Sektor Industri di PT. PLN (Persero) Cabang Medan
t Xt S't S''t αt bt Ft+m et |et| et² PEt |PEt|
1 309,04 309,04 309,04
2 382,82 345,93 327,49 364,38 18,45
3 491,41 418,67 373,08 464,26 45,59 382,82 108,59 108,59 11.791,79 22,10 22,10
4 463,21 440,94 407,01 474,87 33,93 509,86 -46,65 46,65 2.175,76 -10,07 10,07
5 498,59 469,77 438,39 501,14 31,38 508,80 -10,21 10,21 104,30 -2,05 2,05
6 501,33 485,55 461,97 509,13 23,58 532,52 -31,19 31,19 972,89 -6,22 6,22
7 543,35 514,45 488,21 540,69 26,24 532,71 10,64 10,64 113,25 1,96 1,96
8 588,39 551,42 519,81 583,03 31,61 566,93 21,46 21,46 460,52 3,65 3,65
9 617,05 584,23 552,02 616,45 32,21 614,63 2,42 2,42 5,85 0,39 0,39
10 568,28 576,26 564,14 588,37 12,12 648,66 -80,38 80,38 6.460,25 -14,14 14,14
Ukuran Ketetapan Metode Peramalan dengan α = 0,5 dari tabel 4.5:
1. Nilai tengah kesalahan (Mean Error)
ME =
2. Nilai tengah kesalahan kuadrat (Mean Squared Error)
MSE =
3. Nilai tengah kesalahan absolut (Mean Absolute Error)
4. Nilai tengah kesalahan persentase (Mean Percentage Error)
5. Nilai tengah kesalahan persentase absolut (Mean Absolute Persentage Error)
MAPE =
4.2.2 Penentuan Bentuk Persamaan Peramalan
Perhitungan pada tabel 4.5 diatas didasarkan α = 0,5 dan ramalan untuk satu
periode kedepan yaitu dalam perhitungan periode ke 9. Perhitungan peramalan:
S’t = α Xt + (1-α) S’t-1
S”t = α S’t + (1-α) S”t-1
at = S’t + ( S’t - S”t ) = 2 S’t - S”t
bt = S’t - S”t )
Berdasarkan data terakhir dapat dibuat peramalan untuk satu tahun berikutnya
dengan bentuk persamaan peramalan:
Ft+m = 588,37 + 12,12 (m)
4.3 Peramalan Nilai Penjualan Energi Listrik
Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat
dihitung untuk 3 periode ke depan yaitu untuk tahun 2010, 2011, dan 2012 seperti
tertera dibawah ini:
a. Untuk periode 11 (tahun 2010)
Ft+m = 588,37 + 12,12 (m)
F10+1 = 588,37 + 12,12 (1)
F11 = 600,49
b. Untuk periode 12 (tahun 2011)
Ft+m = 588,37 + 12,12 (m)
F11+1 = 588,37 + 12,12 (2)
F12 = 612,61
c. Untuk periode 13 (tahun 2012)
Ft+m = 588,37 + 12,12 (m)
F12+1 = 588,37 + 12,12 (3)
Tabel 4.6 Peramalan Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) Pada Sektor Industri Di PT. PLN (Persero) Cabang Medan
Tahun 2010 sampai 2012
Tahun Periode Forecasting (Milyar Rupiah)
2010 11 600,49
2011 12 612,61
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru
atau sistem yang diperbaiki.
Dalam pengolahan data pada Tugas Akhir ini penulis menggunakan satu
perangkat lunak sebagai implementasi sistem yaitu Microsoft Office Excel 2007
dalam menyelesaikan masalah untuk memperoleh hasil perhitungan. Karena dalam hal
pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan,
ketepatan, dan keandalan dalam memperoses data.
5.2 Microsoft Office Excel 2007
Microsoft Office Excel 2007 merupakan program aplikasi lembar kerja elektronik dari
paket program Microsoft Office. Microsoft Office Excel banyak berperan dalam
Excel dalam berbagai versi mulai dari versi 4, versi 5, versi 97, versi 2000, versi XP
(2002), versi 2003, versi 2007. Versi 2010.
Dalam pengolahan data Tugas Akhir ini, penulis sebagian mengolah dengan
menggunakan Microsoft Office Excel 2007 karena Microsoft Office Excel 2007 hadir
dengan berbagai penyempurnaan, lebih mudah digunakan, lebih terintegrasi dengan
berbagai software lain, seperti Microsoft Word, SPSS, dan lain-lain. Keunggulan
program spreadsheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan
aplikasi berbagai windows.
5.3 Langkah-langkah Memulai Microsoft Office Excel 2007
Sebelum mengoperasikan software ini, pastikan bahwa pada komputer telah terpasang
program Microsoft Office Excel. Langkahnya sebagai berikut:
1. Klik tombol start, klik All Programs, klik Microsoft Office dan klik Microsoft
Gambar 5.1 Langkah Memulai Microsoft Office Excel 2007
2. Setelah itu muncul tampilan worksheet (lembar kerja) seperti dibawah ini:
5.4 Pembuatan Grafik Dengan Microsoft Office Excel 2007
1. Input data tiap tahun pada kolom pertama untuk periode, kolom kedua untuk
tahun dan kolom ketiga untuk data nilai penjualan energi listrik pada sektor
industri di PT. PLN (persero) cabang Medan, seperti gambar berikut:
Gambar 5.3 Tampilan Lembar Kerja Microsoft Office Excel dengan data nilai penjualan energi listrik pada sektor industri di PT. PLN (persero) cabang
Medan
2. Kemudian blok data yang akan dijadikan chart, dalam hal ini yaitu C2:C14.
3. Lalu klik menu Insert, pada submenu Chart klik Line dan pilih Line With
Markers.
4. Lalu untuk mengubah koordinat garis horizontal menjadi tahun, maka klik
pada Chart tersebut, lalu klik menu Chart Tools, klik Design, dan klik Select
5. Dan pada kotak dialog Horizontal (Category) Axis Label, klik Edit, dan blok
data yang akan dijadikan sebagai tahun, dalam hal ini B2:B14, klik Ok, lalu
Ok.
6. Untuk keterangan pendukung grafik seperti Titles (judul grafik), dan Axis Title
maka klik Chart Tools, Layout, dan klik pada Chart Titles dan Axis Titles, lalu
pilih tata letak yang diinginkan, setelah itu ubah judul menjadi judul yang
diinginkan dengan mengklik dua kali pada title tersebut.
7. Maka akan tampil seperti gambar dibawah ini:
5.5 Pengolahan Data Dengan Microsoft Office Excel 2007
Dari data diatas dapat ditentukan besarnya peramalan dengan α = 0,5. Dan
untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini:
1. Pada kolom pertama ditulis keterangan dengan t
2. Pada kolom ke dua ditulis keterangan dengan Xt
3. Pada kolom ke tiga ditulis keterangan dengan S’t
4. Pada kolom ke empat ditulis keterangan dengan S”t
5. Pada kolom ke lima ditulis keterangan dengan αt
6. Pada kolom ke enam ditulis keterangan dengan bt
7. Pada kolom ke tujuh ditulis keterangan dengan Ft+m
8. Pada kolom ke delapan ditulis keterangan dengan et
9. Pada kolom ke sembilan ditulis keterangan dengan |et|
10.Pada kolom ke sepuluh ditulis keterangan dengan et2
11.Pada kolom ke sebelas ditulis keterangan dengan PEt
12.Pada kolom ke duabelas ditulis keterangan dengan |PEt|
Maka perhitungan masing-masing untuk periode, data aktual, pemulusan
eksponensial tunggal, pemulusan eksponensial ganda, konstanta, slope, forecast, dan
error adalah sebagai berikut :
1. Periode ( t )
Periode dalam kasus ini adalah tahun, dari 2000 sampai dengan tahun 2009,
2. Data aktual ( Xt )
Data aktualnya adalah nilai penjualan energi listrik pada sektor industri di PT.
PLN (persero) cabang Medan dari tahun 2000 sampai dengan 2009.
3. Pemulusan Eksponensial Tunggal ( S’ )
Untuk periode pertama yakni tahun 2000, adalah sebesar periode pertama dari
data historisnya, sehingga rumus yang tertera pada sel C2 adalah = B2.
Sedangkan untuk periode kedua yakni untuk tahun 2000 dapat menggunakan
rumus = (0,5*B3)+((1-0,5)*C2). Dalam kasus ini untuk sel C3 menghasilkan
angka 345,93. Untuk periode ketiga sampai periode ke sepuluh kita tinggal
menyalin rumus pada sel C3.
4. Pemulusan Eksponensial Ganda ( S” )
Untuk periode pertama yakni tahun 2000, adalah sebesar periode pertama dari
data historisnya, sehingga rumus yang tertera pada sel D2 adalah = B2.
Sedangkan untuk periode kedua yakni untuk tahun 2001 dapat menggunakan
rumus =(0,5*C3)+((1-0,5)*D2). Dalam kasus ini untuk sel D3 menghasilkan
angka 327,49. Untuk periode ketiga sampai periode ke sepuluh kita tunggal
menyalin rumus pada sel D3.
5. Nilai konstanta peda periode ke t (αt )
Dicari peda periode kedua, dengan rumus pada sel E3 adalah =(2*C3)-D3,
sehingga menghasilkan angka 364,38. Untuk tahun-tahun berikutnya tinggal
6. Nilai slope ( bt )
Dicari pada periode kedua, dengan rumus pada sel F3 adalah
=(0,5/(1-0,5))*(C3-D3), sehingga menghasilkan angka 18,45. Untuk tahun-tahun
berikutnya tinggal menyalin rumus pada sel F3.
7. Peramalan (Ft+m )
Dicari pada periode ketiga, dengan rumus pada sel G4 adalah =E3+F3,
sehingga menghasilkan angka 382,82. Untuk tahun-tahun berikutnya tinggal
menyalin rumus pada sel G4.
Dan rumus untuk peramalan pada periode ke sebelas atau tahun 2010 adalah
=E11+F11 yang menghasilkan 600,49. Dan untuk periode ke duabelas atau
tahun 2011 adalah =E11+(F11*2) yang menghasilkan 612,61.
Setelah selesai akan tampil seperti gambar dibawah ini:
5.6 Menghitung Ketepatan Peramalan
1. Error ( et )
Dicari pada periode ketiga, dengan rumus pada sel H4 adalah =B4-G4
sehingga menghasilkan angka 108,59. . Untuk tahun-tahun berikutnya tinggal
menyalin rumus pada sel H4. Untuk jumlah Error pada sel H14 digunakan
rumus =SUM(H4:H11). Maka hasil jumlah Error adalah -25,31.
Untuk Mean Error (ME) pada sel H15 digunakan rumus =H14/8 yang hasilnya
adalah -3,16.
2. Absolut Error ( |et| )
Dicari pada periode ketiga, dengan rumus pada sel I4 adalah =ABS(H4)
sehingga menghasilkan angka 108,59. Untuk tahun-tahun berikutnya tinggal
menyalin rumus pada sel I4. Untuk jumlah Absolute Error pada sel I14
digunakan rumus =SUM(I4:I11). Dan hasilnya adalah 311,54.
Untuk Mean Absolute Error (MSE) pada sel I16 digunakan rumus =I14/8 yang
hasilnya adalah 38,94.
3. Square Error ( et2 )
Dicari pada periode ketiga, dengan rumus pada sel J4 adalah =H4^2 sehingga
menghasilkan angka 11.791,79. Untuk tahun-tahun berikutnya tinggal
menyalin rumus pada sel J4. Untuk jumlah Square Error pada sel J14
digunakan rumus =SUM(J4:J11). Dan hasilnya adalah 22.084,61.
4. Percentage Error ( PEt )
Dicari pada periode ketiga, dengan rumus pada sel K4 adalah =(H4/B4)*100
sehingga menghasilkan angka 22,10. Untuk tahun-tahun berikutnya tinggal
menyalin rumus pada sel K4. Untuk jumlah Percentage Error pada sel K14
digunakan rumus =SUM(K4:K11). Dan hasilnya adalah -4,39.
Untuk MeanPercentage Error (MPE) pada sel K18 digunakan rumus =K14/8
yang hasilnya adalah -0,55.
5. Absolute Percentage Error ( | PEt | )
Dicari pada periode ketiga, dengan rumus pada sel L4 adalah =ABS(K4)
sehingga menghasilkan angka 22,10. Untuk tahun-tahun berikutnya tinggal
menyalin rumus pada sel L4. Untuk jumlah Percentage Error pada sel L14
digunakan rumus =SUM(L4:L11). Dan hasilnya adalah 60,58.
Untuk Mean Absolute Percentage Error (MAPE) pada sel L19 digunakan
rumus =L14/8 yang hasilnya adalah 7,57.
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil analisis data yang dilakukan sebelumnya pada Bab 4, maka
kesimpulan yang diperoleh adalah sebagai berikut:
1. Dengan metode Smoothing Eksponensial Ganda Satu Parameter dari Brown di
dapat nilai MSE yang terkecil adalah dengan α = 0,5 yaitu MSE = 2.760,58.
2. Bentuk persamaan peramalan dari nilai penjualan energi listrik pada sektor
industri di PT. PLN (persero) cabang Medan berdasarkan data dari tahun 2000
sampai dengan tahun 2009 adalah:
Ft+m = 588,37 + 12,12 (m)
3. Diperkirakan nilai penjualan energi listrik pada sektor industri di PT. PLN
(persero) cabang Medan tahun 2010 sampai tahun 2012:
Tahun Periode Forecasting (Milyar Rupiah)
2010 11 600,49
2011 12 612,61
6.1 Saran
Saran dari penulis adalah:
1. Dalam meramalkan nilai penjualan energi listrik, pihak PT. PLN (persero)
cabang Medan dapat menggunakan analisis peramalan dengan menggunakan
Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown.
2. Dalam meramalkan nilai penjualan energi listrik pada sektor industri di PT.
PLN (persero) cabang Medan dengan menggunakan Metode Pemulusan
Eksponensial Ganda Satu Parameter dari Brown akan sangat membantu jika
menggunakan alat bantu komputer khususnya program Microsoft Office Excel
2007.
3. Dari hasil peramalan dan dari data yang ada. Nilai penjualan energi listrik pada
sektor industri di PT. PLN (persero) cabang Medan diperkirakan akan terus
mengalami peningkatan, hal ini berarti bahwa semakin tinggi permintaan
energi listrik pada sektor industri. Untuk menghadapi kondisi tersebut
sebaiknya PT. PLN (persero) cabang Medan terus menyiapkan dan
meningkatkan pasokan energi listrik. Sehingga kegiatan perindustrian di
DAFTAR PUSTAKA
Assauri, S. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi
Universitas Indonesia.
Makridakis, S. 1993. Metode dan Aplikasi Peramalan. Jakarta: Erlangga.
Badan Pusat Statistik (BPS) Propinsi Sumatera Utara. Sumatera Utara Dalam Angka
2000 s/d 2009. Medan: BPS Propinsi Sumatera Utara.
Manurung, A. H. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta.
Arifin, J. 2008. Statistik Bisnis Terapan Dengan Microsoft Excel 2007. Jakarta: Elex
Media Komputer.
Data Nilai Penjualan Energi Listrik (Dalam Rupiah) Pada Sektor Industri Di PT. PLN (Persero) Cabang Medan
Dari Tahun 2000 sampai 2009
No. Tahun Nilai Penjualan
(Dalam Milyar)
1 2000 309,04
2 2001 382,82
3 2002 491,41
4 2003 463,21
5 2004 498,59
6 2005 501,33
7 2006 543,35
8 2007 588,39
9 2008 617,05
10 2009 568,28
Sumber : Badan Pusat Statistik (BPS)
Tabel 4.5 Pemulusan Eksponensial Ganda: Metode Linier Satu Parameter dari Brown dengan menggunakan α = 0,5 pada Nilai Penjualan Energi Listrik (Dalam Milyar Rupiah) pada Sektor Industri di PT. PLN (Persero) Cabang Medan
t Xt S't S''t αt bt Ft+m et |et| et² PEt |PEt|
1 309,04 309,04 309,04
2 382,82 345,93 327,49 364,38 18,45
3 491,41 418,67 373,08 464,26 45,59 382,82 108,59 108,59 11.791,79 22,10 22,10
4 463,21 440,94 407,01 474,87 33,93 509,86 -46,65 46,65 2.175,76 -10,07 10,07
5 498,59 469,77 438,39 501,14 31,38 508,80 -10,21 10,21 104,30 -2,05 2,05
6 501,33 485,55 461,97 509,13 23,58 532,52 -31,19 31,19 972,89 -6,22 6,22
7 543,35 514,45 488,21 540,69 26,24 532,71 10,64 10,64 113,25 1,96 1,96
8 588,39 551,42 519,81 583,03 31,61 566,93 21,46 21,46 460,52 3,65 3,65
9 617,05 584,23 552,02 616,45 32,21 614,63 2,42 2,42 5,85 0,39 0,39
10 568,28 576,26 564,14 588,37 12,12 648,66 -80,38 80,38 6.460,25 -14,14 14,14
Jumlah -25,31 311,54 22.084,61 -4,39 60,58
ME -3,16
MAE 38,94
MSE 2760,58
MPE -0,55