17
PERAMALAN NILAI INFLASI KESEHATAN DI KABUPATEN
SEMARANG DENGAN METODE KUADRATIK
Adib Khoiruddin Fahmi1, Much Aziz Muslim2
1Jurusan Matematika, FMIPA, Universitas Negeri Semarang 2Jurusan Ilmu Komputer, FMIPA, Universitas Negeri Semarang
email: 1akfahmie@gmail.com, 2a212muslim@yahoo.com
Abstrak
Inflasi di Indonesia diumpamakan seperti penyakit kronis dan berakar di sejarah. Inflasi merupakan salah satu peristiwa moneter yang menunjukkan suatu kecenderungan akan naiknya harga barang-barang secara umum, yang berarti terjadinya penurunan nilai uang. Pengendalian inflasi akan mencegah terjadinya kenaikan inflasi yang terlalu tinggi dan tidak stabil yang akan memberikan dampak negatif pada kondisi sosial ekonomi masyarakat Indonesia. Inflasi tidak hanya berdampak pada ekonomi, inflasi juga akan berdampak pada semua aspek tidak terkecuali aspek kesehatan. Kesehatan merupakan faktor utama kehidupan manusia, dan ketika inflasi juga masuk ke aspek kesehatan maka akan berdampak pada kehidupan seseorang. Cara untuk mengendalikan inflasi adalah dengan menggunakan ramalan, teknik peramalan yang digunakan adalah metode kuadratik. Untuk mempermudah perhitungan dan mengetahui grafik ramalannya, Microsoft Excel adalah solusi sebagai aplikasi pembantunya. Dimana Y merupakan data asli Nilai Inflasi Kesehatan di Kabupaten Semarang, Y’ merupakan data hasil ramalan Nilai Inflasi Kesehatan di Kabupaten Semarang. Dari hasil analisis yang telah dilakukan, diperoleh persamaan trend metode kuadratik yaitu Hasil peramalan Nilai Inflasi Kesehatan dengan menggunakan Metode Trend Kuadratik pada bulan September 2015 adalah 0,467675769% , bulan Oktober 2015 adalah 0,511576% dan bulan November 2015 adalah 0,55929% , bulan Desember 2015 adalah 0,610821%, bulan Januari 2016 adalah 0,666166% , bulan Februari 2016 adalah 0,725327, bulan Maret 2016 adalah , bulan April 2016 adalah dan bulan Mei 2016 adalah
Kata Kunci: Metode Kuadratik, Inflasi Kesehatan
1. PENDAHULUAN
Inflasi di Indonesia diumpamakan seperti penyakit kronis dan berakar di sejarah. Secara historis, tingkat dan volatilitas inflasi Indonesia lebih tinggi dibanding negara berkembang lain. Sementara negara-negara berkembang lain mengalami tingkat inflasi antara 3% sampai 5% pada periode 2005-2014, Indonesia memiliki rata-rata tingkat inflasi tahunan sekitar 8,5% dalam
periode yang sama. “Inflasi merupakan Salah satu peristiwa moneter yang menunjukkan suatu kecenderungan akan naiknya harga barang-barang secara umum, yang berarti terjadinya penurunan nilai uang”[1].
18 ketidakstabilan ekonomi, defisit neraca
pembayaran, dan merosotnya tingkat kehidupan dan kesejahteraan masyarakat.
Pengendalian inflasi akan mencegah terjadinya kenaikan inflasi yang terlalu tinggi dan tidak stabil yang akan memberikan dampak negatif pada kondisi sosial ekonomi masyarakat Indonesia. Salah satu cara untuk mengendalikan inflasi adalah dengan menggunakan ramalan, ramalan telah banyak digunakan dan membantu dengan baik dalam berbagai manajemen sebagai dasar-dasar perencanaan, pengawasan dan pengambilan keputusan.
Adapun metode yang digunakan untuk forecast atau peramalan yaitu: metode metode kuadrat terkecil, metode rata-rata bergerak, metode setengah rata-rata, metode kuadratik dan metode eksponensial dan sebagainya.
Metode kuadratik biasanya diterapkan untuk data historis dimana jika digambar akan membentuk garis tidak lurus atau berbentuk parabola. Kelebihan dari metode kuadratik ini adalah sudah mempertimbangkan pengaruh acak pada data masa lalu yang akan diramalkan, metode ini merupakan dasar bagi metode peramalan non linear lainnya.
Kesehatan adalah salah satu unsur utama dalam setiap kehidupan seseorang. Kesehatan sangat menunjang dalam aktivitas setiap manusia. Menjaga kesehatan juga memerlukan biaya yang tidak sedikit, hingga ada istilah jika kesehatan itu mahal.
Biaya kesehatan adalah besarnya dana yang harus disediakan untuk menyelenggarakan dan atau memanfaatkan berbagai upaya kesehatan yang diperlukan oleh perorangan, keluarga, kelompok dan masyarakat [2].
Kantor badan pusat statistik kabupaten semarang merupakan salah satu bentuk instansi yang bergerak dalam statistika. Salah satu tugas dari kantor badan pusat statistik kabupaten semarang adalah memberikan rekap informasi mengenai nilai-nilai inflasi pada
setiap periodenya di daerah kabupaten semarang.
Ramalan nilai inflasi kesehatan pada suatu periode di daerah kabupaten semarang, akan sangat bermanfaat untuk mengendalikan inflasi Kesehatan di daerah kabupaten semarang pada masa yang akan datang. Pengendalian ini akan berdampak pada pertumbuhan ekonomi dan kesejahteraan masyarakat, sehingga kestabilan inflasi menjadi sangat penting karena berkaitan dengan pertumbuhan ekonomi yang akan berdampak pada peningkatan kesejahteraan masyarakat.
2. METODE
2.1Metode Pengumpulan Data
Dalam penyusunan artikel ini, data diperoleh dengan menggunakan beberapa metode:
1. Metode Literatur
Metode ini digunakan untuk memperlancar dalam penjelasan dan memecahkan masalah dalam penulisan. Adapun literatur yang digunakan adalah buku tentang metode kuadratik, uji asumsi klasik, perusahaan/ industri dan buku bacaan yang ada di BPS Kabupaten Semarang.
2. Metode Dekomposisi
Metode dekomposisi yaitu metode pengumpulan data dengan cara mengambil data yang berbentuk tertulis tentang Inflasi di Kabupaten Semarang. Data tersebut merupakan data sekunder yaitu data yang telah diolah oleh Badan Pusat Statistik Kabupaten Semarang.
2.2Metode Kuadratik
Persamaan yang digunakan pada trand metode kuadratik untuk mencari nilai ramalan yaitu:
19 Keterangan:
= nilai trend yang ditaksir, adalah waktu
a,b,c = konstanta
Persamaan normal trend kuadratik:
∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑
∑
Disederhanakan menjadi :
∑ ∑
∑ ∑
∑ ∑ ∑
Dimana
∑ ∑
Untuk mempermudah perhitungan dan pemlotingan grafik metode kuadratik, maka digunakan Microsoft Excel.
2.3Ketentuan periode waktu
Ketentuan yang digunakan untuk periode waktu (x) yang memiliki nilai-nilai yang berbeda untuk jumlah periode waktu ganjil dan periode waktu genap:
1) Untuk jumlah periode waktu ganjil (n ganjil), nilai-nilai x-nya adalah:
…,-3, -2, -1, 0, +1, +2, +3,… 2) Untuk jumlah periode waktu genap (n
genap), nilai-nilai x-nya adalah: …,-5, -3, -1, +1, +3, +5,…
2.4 Menghitung kesalahan peramalan Untuk menentukan jenis peramalan trend mana yang paling mendekati benar maka diukur error (kesalahan) forecast. Untuk mengukur error (kesalahan) forecast, biasanya
digunakan Mean Absolute Error (MAE) atau
Mean Square Error (MSE). Trend yang
menghasilkan error terkecil adalah trend yang dipilih. Mean Absolute Error adalah rata-rata nilai absolute dari kesalahan meramal (tidak dihiraukan tanda positif dan negatifnya).[3]
∑| |
∑ Keterangan :
= data sebenarnya
= data ramalan dihitung dari model yang digunakan pada waktu t
=banyaknya data hasil ramalan Gelombang Musim
3. HASIL DAN PEMBAHASAN
a. Penghitungan dengan Metode Kuadratik Berikut ini merupakan data yang akan diolah dengan metode kuadratik, data ini diperoleh dari Badan Pusat Statistik [4].
Tabel 1. Tampilan Perhitungan Data Dengan Metode Kuadratik
Dengan menggunkan persamaan yang ada pada metode kuadratik, diperoleh perhitungan sebagai berikut.
20 ... (1)
∑ ∑
... (2) ∑ ∑ ∑
... (3)
Dari persamaan (1) dan (3), diperoleh
|x 133 | x 1 Persamaannya menjadi
-
Subtitusikan c ke persamaan (1)
Dan dari persamaan (2), diperoleh
Sehingga diperoleh persamaan garis trendnya sebagai berikut:
Setelah memperoleh persamaan metode kuadratik, kemudian mulai perhitungan dengan bantuan microsoft Exel
Gambar 1. Hasil perhitungan metode
kuadratik menggunakan Exel
Dari gambar tersebut diperoleh
∑| | 4,09999
∑ 1,57267
∑| |
∑
Dari perhitungan dengan metode Kuadratik yang telah dilakukan, didapatkan perbandingan antara
Gambar 2.Grafik perbandingan antara
𝒅
b. Hasil Peramalan
Dengan menggunakan persamaan garis trend yang diperoleh sebelumnya
maka dapat diperoleh peramalan untuk bulan September 2015 sampai dengan Mei 2016 sebagai berikut.
0 0.5 1 1.5
1 3 5 7 9 11 13 15 17 19
In
fl
as
i
Bulan
Perbandingan Y dan Y'
21 - Untuk bulan September 2015 periodenya
(X) adalah 21, maka
- Untuk bulan Oktober 2015 periodenya (X) adalah 23, maka
- Untuk bulan November 2015 periodenya (X) adalah 25, maka
- Untuk bulan Desember 2015 periodenya (X) adalah 27, maka
- Untuk bulan Januari 2016 periodenya (X) adalah 29, maka
- Untuk bulan Februari 2016 periodenya (X) adalah 31, maka
- Untuk bulan Maret 2016 periodenya (X) adalah 33, maka
- Untuk bulan April 2016 periodenya (X) adalah 35, maka
22 - Untuk bulan Mei 2016 periodenya (X)
adalah 37, maka
4. KESIMPULAN
Dari hasil analisis data dan pembahasan dapat disimpulkan bahwa:
1. Peramalan Nilai Inflasi Kesehatan dengan menggunakan metode Trend Kuadratik menghasilkan persamaan
persamaan tersebut dapat digunakan umtuk meramalkan Nilai Inflasi Kesehatan untuk 3-5 bulan kedepan.
2. Hasil peramalan Nilai Inflasi Kesehatan dengan menggunakan Metode Trend Kuadratik pada bulan September 2015 adalah 0,467675769% , bulan Oktober 2015 adalah 0,511576% dan bulan November 2015 adalah 0,55929% , bulan Desember 2015 adalah 0,610821%, bulan Januari 2016 adalah 0,666166% , bulan Februari 2016 adalah 0,725327, bulan Maret 2016 adalah , bulan April 2016 adalah dan bulan Mei 2016 adalah
Dari hasil peramalan dengan Metode Trend Kuadratik, nilai inflasi kesehatan di Kabupaten Semarang mengalami kenaikan.
5. REFERENSI
[1] Rimsky K. Judisseno. 2002. Sistem Moneter Dan Perbankan Di Indonesia.
PT Gramedia Pustaka Utama, Jakarta
[2] Azrul Azwar. 2004. Tubuh Sehat Ideal dari Segi Kesehatan. Depkes : 1-7
[3] Sukestiyarno. 2012. Statistika Dasar. Universitas Negeri Semarang, Semarang. [4] BPS Kabupaten Semarang. 2013. Statistik
Daerah Kabupaten Semarang 2015. BPS