PERAMALAN TINGKAT PRODUKSI KARET RAKYAT PADATAHUN 2019 DIKABUPATEN BATU BARA
BERDASARKAN DATA TAHUN 2008 – 2017
LAPORAN TUGAS AKHIR
ADE GALUH AL QORINA AR 152407021
PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2018
PERAMALAN TINGKAT PRODUKSI KARET RAKYAT PADA TAHUN 2019 DIKABUPATEN BATU BARA
BERDASARKAN DATA TAHUN 2008 – 2017
LAPORAN TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2018
PERNYATAAN
PERAMALAN TINGKAT PRODUKSI KARET RAKYAT PADA TAHUN 2019 DIKABUPATEN BATU BARA BERDASARKAN
DATA TAHUN 2008 – 2017
LAPORAN TUGAS AKHIR
Saya menyatakan bahwa laporan tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2018
Ade Galuh Al Qorina AR 152407021
PENGESAHAN LAPORAN TUGAS AKHIR
Judul : Peramalan Tingkat Produksi Karet Rakyat pada Tahun 2019 di Kabupaten Batu Bara Berdasarkan Tahun 2008 - 2019
Kategori : Laporan Tugas Akhir
Nama : Ade Galuh Al Qorina AR
Nomor Induk Mahasiswa : 152407021
Program Studi : Diploma 3 Statistika
Fakultas : MIPA – Universitas Sumatera Utara
Disetujui di Medan, Juni 2018
Ketua Program Studi D-3 Statistika Pembimbing, FMIPA USU
r. Elly Rosmaini, M.Si Dr. Faigiziduhu Bu’ulolo, M.Si NIP. 19600520 198503 2 002 NIP. 19531218 198003 1 003
PERAMALAN TINGKAT PRODUKSI KARET RAKYAT PADA TAHUN 2019 DIKABUPATEN BATU BARA
BERDASARKAN DATA TAHUN 2008 – 2017
ABSTRAK
Peramalan adalah perkiraan mengenai sesuatu yanng belum terjadi atau yang akan terjadi pada waktu yang akan datang. Peramalan merupakan salah satu unsur yang sangat penting dalam pengambilan keputusan, sebab efektif tidak atau tidaknya suatu keputusan umumnya tergantung pada beberapa faktor yang tidak dapat kita lihat pada saat keputusan itu diambil. Dalam matematika, bagian yang bisa digunakan dalam peramalan adalah Pemulusan (Smoothing) Eksponensial Ganda, Metode Linier Satu Parameter dari Brown. Tujuan dari penulisan tugas akhir ini adalah untuk meramalkan tingkat Produksi Karet Rakyat di Kabupaten Batu Bara.
Seperti yang diketahui, Karet merupakan salah satu komoditas unggulan Kabupaten Batu bara. Karet (Hevea Brasilensis) merupakan salah satu sub sektor perkebunan yang dikonsumsi sebagai bahan baku industri. Pengembangan Perkebunan karet memberikan peranan penting bagi perekonomian nasional, yaitu sebagai sumber devisa, sumber bahan baku industri, sumber pendapatan dan kesejahteraan masyarakat serta sebagai pengembangan pusat pusat pertumbuhan perekonomian di daerah dan sekaligus berperan dalam pelestarian fungsi lingkungan hidup. Dengan data tingkat produksi karet mulai tahun 2008 sampai tahun 2017 akan diramalkan pada tahun berikutnya yaitu tahun 2019 dengan terlebih dahulu menentukan model yang tepat. Sehingga didapat peramalan tingkat produksi karet tahun 2019 adalah 1.888,0 ton. Bagi para penulis lain yang tertarik pada permasalahan yang sama yaitu peramalan diharapkan untuk dapat meneliti lebih lanjut faktor-faktor yang memengaruhi tingkat produksi karet dengan metode peramalan yang berbeda. Agar penelitian yang akan datang memiliki ruang lingkup yang lebih luas.
Kata kunci :Peramalan,Pemulusan, Metode Satu Parameter
FORECASTING OPEN UNEMPLOYMENT RATES (OUR) OF POPULATION AGED 15 YEARS AND OVER IN THE
CITY OF TEBING TINGGI IN 2019 WITH THE METHOD OF LEAST SQUARES
ABSTRACT
Forecasting is a estimated about something that has not occurred or that will occur in the future.Forecasting is one of the very important elements in decision-making, for not effectively or whether a decision generally depends on several factors that we cannot see at the moment the decision was taken.In mathematics, the part that can be used in forecasting is Pemulusan (Smoothing) of double Exponential, Linear Method One – parameters of Brown.The purpose of writing this final task is to predict people's rubber production levels selma two years ahead.As is known, the Rubber is one of the leading commodity coal District.Rubber (Hevea Brasilensis) is one of the plantation sector consumed as an industrial raw material.Development of rubber plantations provide a vital role for the national economy, that is, as a source of foreign exchange, the source of the raw material industry, the source of the income and welfare of society as well as development of economy growth Center Center in the area and was instrumental in the preservation of environmental functions.With rubber production level data beginning in 2008 until the year 2017 will be foreseen in the next year, namely the year 2019 by first determining the right model.So come by forecasting the unemployment rate is open the year 2019 is 1,888.0 tons. For the other authors who are interested in the same issues that is forecasting expected to be able to examine more factors – factors that affect people's rubber production levels with different forecasting methods.In order for research – research that will have a broader scope.
.
Keywords :Rubber, Forecasting, Smoothing, Method one parameter
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan tugas akhir ini dengan judul Peramalan Tingkat Produksi Karet Rakyat pada Tahun 2019 di Kabupaten Batu Bara Berdasarkan Data Tahun 2008 – 2017.
Terimakasih penulis sampaikan kepada Bapak Dr. Faigiziduhu Bu’ulolo, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Ibu Dr. Elly Rosmaini, M.Si dan Bapak Dr. Open Darnius, M,Sc selaku Ketua dan Sekretaris Program Studi D-3 Statistika FMIPA USU, Bapak Dr. Suyanto, M.Kom dan Bapak Drs. Rosman Siregar, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr.
Kerista Sebayang, M.S. selaku Dekan FMIPA USU Medan, seluruh Staff dan Dosen Program Studi D-3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan untuk keluargaku Ayah (H.Abdul Rahim Karim), ibu (Almh. Hj Juli Zanibar Siagian), beserta keluarga dan buat semua teman yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
Medan, Juni 2018 Penulis
Ade Galuh Al Qorina AR
DAFTAR ISI
Halaman
PERNYATAAN i
PENGESAHAN TUGAS AKHIR ii
ABSTRAK iii
ABSTRACK iv
PENGHARGAAN DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN
v vi viii ix x
BAB 1 PENDAHULUAN 1
1.1 LatarBelakang 1
1.2 Perumusan Masalah 2
1.3BatasanMasalah 2
1.4Tujuan dan Manfaat Penelitian 2
1.5 Tinjauan Pustaka 2
1.6Metodologi Penelitian 3
BAB 2 TINJAUAN PUSTAKA 4
2.1Pengertian dan Kegunaan Peramalan 4
2.2 Jenis jenis Peramalan 5
2.3 Definisi Metode Peramalan 6
2.4 Jenis jenis Metode Peramalan 7
2.5 Kegunaan Peramalan 8
2.6 Metode Pemulusan (smoothing) 9
2.7 Metode Pemulusan yang Digunakan 11
BAB 3 METODE PENELITIAN 12
3.1 Jenis dan Sumber Data
3.2 Metode Analisis dan Pengolahan Data 3.3 Metode Pengolahan Data
3.4 Sejarah Badan Pusat Statistik
3.4.1 Masa Pemerintahan Hindia Belanda 3.4.2 Masa Pemerintahan Republik Indonesia 3.4.3 Masa Kemerdekaan Republik Indonesia 3.4.4 Masa Orde sampai Sekarang
3.5 Tugas , Fungsi, dan Kewenangan Badan Pusat Statistik 3.5.1 Tugas
3.5.2 Fungsi 3.5.3 Kewenangan
3.6 Visi, Misi, dan Nilai nilai Inti 3.6.1 Visi
12 12 13 13 14 14 14 15 17 17 17 17 17 18
3.6.2 Misi
3.6.3 Nilai nilai Inti 3.7 Struktur Organisasi Bps
3.7.1 Bps Kabupaten/Kota 3.7.2 Bps Provinsi
3.8 Logo Badan Pusat Statistik 3.8.1 Biru
3.8.2 Hijau 3.8.3 Orange
18 18 19 19 20 23 23 23 23 BAB 4 PEMBAHASAN DAN HASIL
4.1 Data dan Pembahasan
4.2 PenaksiranModel Peramalan 4.3 Penentuan Bentuk Peramalan
4.4Peramalan Produksi Karet Rakyat untuk Tahun 2018 2019
BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan
5.2Saran DAFTAR PUSTAKA LAMPIRAN
25 25 30 41 41 42 42 42 43
DAFTAR TABEL
Nomor Tabel
Judul Halaman
2.1 Aplikasi Pemulusan Eksponensial Linier Satu Parameter dari Brown pada Data Produksi Karet Rakyat di Kabupaten Batu Bara pada Tahun 2019
11
4.1 Data Produksi Karet Rakyat di Kabupaten Batu Bara pada Tahun 2008-2017
26 4.2 Perhitungan Peramalan Produksi Karet dengan Smoothing
Eksponensial Ganda Linier dari Brownn dengan α = 0,1
31 4.3 Perhitungan Peramalan Produksi Karet dengan Smoothing
Eksponensial Ganda Linier dari Brownn dengan α = 0,1
32 4.4
4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12
Perhitungan Peramalan Produksi Karet dengan Smoothing Eksponensial Ganda Linier dari Brownn dengan α = 0,1 Perhitungan Peramalan Produksi Karet dengan Smoothing Eksponensial Ganda Linier dari Brownn dengan α = 0,1 Perhitungan Peramalan Produksi Karet dengan Smoothing Eksponensial Ganda Linier dari Brownn dengan α = 0,1 Perhitungan Peramalan Produksi Karet dengan Smoothing Eksponensial Ganda Linier dari Brownn dengan α = 0,1 Perhitungan Peramalan Produksi Karet dengan Smoothing Eksponensial Ganda Linier dari Brownn dengan α = 0,1 Perhitungan Peramalan Produksi Karet dengan Smoothing Eksponensial Ganda Linier dari Brownn dengan α = 0,1 Perhitungan Peramalan Produksi Karet dengan Smoothing Eksponensial Ganda Linier dari Brownn dengan α = 0,1 Perbandingan Ukuran Ketetapan Metode Peramalan
Peramalan Produksi Karet di Kabupaten Batu Bara untuk Tahun 2018 dan 2019
33 34 35 36 37 38 39 40 41
DAFTAR GAMBAR
Nomor Gambar
Judul Halaman
3.7.1 Bagan Struktur Badan Pusat Statistik Kabupaten/Kota Seprovinsi Sumatera Utara
21
3.7.2 Bagan Struktur Badan Pusat Statistik Provinsi
22 3.5.3 Logo BPS
25
DAFTAR LAMPIRAN
Nomor Lampiran
Judul Halaman
1 Surat Pengantar Riset
2 Surat Permohonan Pengantar Riset
3 Surat Balasan Dari Badan Pusat Statistik Provinsi Sumatera Utara
4 Surat Keputusan Pembimbing Laporan Tugas Akhir 5 Keterangan Hasil Uji Implementasi Sistem Tugas Akhir 6 Kartu Bimbingan Tugas Akhir Mahasiswa
7 Data Tingkat Pengangguran Terbuka
BAB 1 PENDAHULUAN
1.1 Latar Belakang
Karet merupakan salah satu komoditas unggulan Kabupaten Batu bara. Karet (Hevea Brasilensis) merupakan salah satu sub sektor perkebunan yang dikonsumsi sebagai bahan baku industri. Pengembangan perkebunan karet memberikan peranan penting bagi perekonomian nasional, yaitu sebagai sumber devisa, sumber bahan baku industri, sumber pendapatan dan kesejahteraan masyarakat serta sebagai pengembangan pusat pusat pertumbuhan perekonomian di daerah dan sekaligus berperan dalam pelestarian fungsi lingkungan hidup.
Daerah Kabupaten Batu Bara merupakan Daerah yang sebagian penduduknya bermata pencaharian sebagai petani karet. Luas perkebunan karet milik swasta di Kabupaten Batu Bara Lebih Luas di banding jumlah luas perkebunan karet rakyat nya. Meskipun luas perkebunanan rakyat lebih besar, tetapi hasil produksinya hampir sama dengan milik perkebunan swasta yang luasnya masih dibawah kebun rakyat. Efek dari meningkatnya produksi karet rakyat adalah kesejahteraan rakyat di kabupaten Batu Bara akan meningkat. Kendala perkebunan rakyat umumnya adalah disebabkan minimnya modal yang dimiliki petani yang tidak bisa membeli pupuk dan bibit unggul. Tidak hanya masalah modal, tetapi perawatan dan pengetahuan Sumber Daya Manusia (SDM) petani masih rendah.
Dalam meningkatkan produksi perkebunan karet, Pemerintah Kabupaten Batu Bara melaksanakan upaya penggunaan bibit unggul karet pada petani dan percepatan peremajaan karet tua. Petani juga melakukan peningkatan efesiensi usaha petani, pengembangan infrastruktur dan kebijakan lainnya yang dapat mendorong penguatan permodalan petani karet di Kabupaten Batu Bara.
Melihat permasalahan yang terjadi di Kabupaten Batu Bara , Penulis tertarik untuk meramalkan tingkat produksi Karet milik rakyat yang saat ini tingkat produksi nya hampir sama dibandingkan den gan perkebunan milik swasta meskipun luas tanah lebih besar milik rakyat. Untuk mencapai tujuan yang diinginkan tersebut, maka penulis membuat tugas akhir ini dengan judul tulisan yaitu “Peramalan
2
Tingkat Produksi Karet Rakyat pada Tahun 2019 di Kabupaten Batu Bara Berdasarkan Data Tahun 2008-2017”
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah di uraikan di atas, maka yang menjadi permasalahan adalah berapa jumlah produksi karet rakyat yang dihasilkan di Kabupaten Batu Bara di Tahun 2019.
1.3 Batasan Masalah
Sehubung dengan keterbatasan waktu dan kemampuan penulis serta untuk menghindari kesimpangsiuran dalam penulisan Tugas Akhir yang sesuai dengan rumusan masalah dan latar belakang masalah yang telah di uraikan, maka penulis membatasi ruang lingkup penelitian pada peramalan jumlah produksi karet Rakyat yang ada di Kabupaten Batu Bara pada tahun 2019 berdasarkan data tahun 2008- 2017 yang di peroleh dari Badan Pusat Statistik Kabupaten Batu Bara.
1.4 Tujuan Penelitian
Adapun tujuan penelitian dalam penuisan Tugas Akhir ini adalah untuk mengetahui dan meramalkan berapa jumlah produksi karet di Kabupaten Batu Bara pada tahun 2019 berdasarkan data tahun 2008-2017. Dari hasil tersebut diharapkan dapat menjadi bahan masukan bagi pembaca maupun pemerintah daerah dalam melakukan tindakan tindakan selanjutnya yang nantinya dibutuhkan.
1.5 Manfaat Penelitian
Penelitian ini dilakukan dengan harapan dapat memberikan manfaat antara lain:
a. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu yang didapat selama didunia perkuliahan, dengan menyatukan materi dan objek permasalahan yang dijadikan sebagai materi pembahasan.
b. Hasil penelitian inidiharapkan dapat bermanfaat sebagai masukan dan referensi bagi pihak yang berkepentingan.
c. Melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya.
3
1.6 Metodologi Penelitian
Adapun metodologi penelitian ini adalah:
1. Studi Kepustakaan (Studi Literatur)
Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku- buku dan literatur pelajaran yang didapat di perkuliahan maupun umum, dan sumber informasi lainnya yang berhubungan dengan objek yang diteliti.
2. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan penulis dalam penyusunan tugas akhir ini adalah dengan menggunakan data sekunder, yaitu data yang diambil dari sumbernya yang berasal dari Kantor Badan Pusat Statistik Provinsi Sumatera Utara
3. Metode Pengolahan Data
Data yang telah ditentukan dianalisis dengan menggunakan metode kuadrat terkecil.
4. Membuat Kesimpulan
BAB 2
TINJAUAN PUSTAKA
2.1 Pengertian dan Kegunaan Peramalan
Peramalan (Sofyan Assauri, 1984) adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Untuk memprediksi hal tersebut diperlukan data yang akurat di masa lalu, sehingga dapat dilihat prospek situasi dan kondisi di masa yang akan datang
Pada umumnya kegunaan peramalan adalah sebagai berikut:
a. Sebagai alat bantu dalam perencanaan yang efektif dan efisien.
b. Untuk menentukan kebutuhan sumber daya di masa mendatang.
c. Untuk membuat keputusan yang tepat.
Kegunaan peramalan terlihat pada suatu pengambilan keputusan. Keputusan yang baik adalah keputusan yang di dasarkan atas pertimbangan apa yang terjadi pada waktu keputusan dalam berbagai kegiatan perusahaan. Baik tidaknya hasil suatu penelitian sangat ditentukan oleh ketetapan ramalan yang dibuat.
2.2 Jenis-jenis Peramalan
Menurut Sofyan Assauri (1984) peramalan dapat di bedakan menjadi beberapa macam berdasarkan sudut pandang kita melihatnya. Bila dilihat dari sifat penyusunannya, maka peramalan dapat dibagi menjadi dua macam, yaitu:
a. Peramalan objektif, yaitu peramalan yang didasarkan pada data yang relavan dari masa lalu dengan menggunakan teknik-teknik atau metode-metode dalam penganalisaan data tersebut.
b. Peramalan subjektif, yaitu peramalan yang didasarkan pada perasaan atau intuisi dari orang yang menyusunnya.
Jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam, yaitu:
5
a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari 3,5 tahun atau 3 semester.
b. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari 1,5 tahun atau 3 semester.
Berdasarkan sifat ramalan yang telah disusun makan peramalan dibedakan menjadi dua macam, yaitu:
a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan oleh pemikiran yang bersifat intuisi, pendapat, dan pengetahuan, serta pengalaman penyusunnya.
b. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan kuantitatif sangat mengandalkan data historis yang ada. Hasil peramalan yang dibuat sangat bergantung pada metode-metode yang digunakan dalam peramalan tersebut.
Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut:
a. Adanya informasi tentang keadaan masa lalu.
b. Informasi tersebut dapat dilakukan dikuantitatifkan dalam bentuk data.
c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
2.3 Definisi Metode Peramalan
Metode peramalan adalah cara memperkirakan atau mengestimasikan secara kuantitatif maupun kualitatif apa yang akan terjadi pada masa depan berdasarkan data relevan pada masa lalu. Metode peramalan juga merupakan cara memperkirakan secara kuantitatif, karena itu metode peramalan termasuk dalam kegiatan peramalan kuantitatif.
Kegunaan metode peramalan ini adalah untuk memperkirakan apa yang akan terjadi pada masa depan secara sistematis dan pragmatis, sehingga metode peramalan
6
sangat berguna untuk dapat memperkirakan secara sistematis dan pragamatis atas dasar data yang relevan pada masa lalu, dengan demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih besar. Metode peramalan juga memberikan urutan pengerjaan dari pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan adlam suatu kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama, karena argumentasinya sama. Dengan demikian, metode peramalan memberikan cara pengerjaan yang teratur dan terarah, dengan demikiann dapat dimungkinkan penggunaan teknik-teknik penganalisaan yang lebih maju.
2.4 Jenis-jenis Metode Peramalan
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas:
a. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu yang merupakan deret waktu atau time series, yaitu:
1) Metode smoothing, mencakup data lewat (past data), Metode rata rata kumulatif, metode rata-rata bergerak (moving averages) dan metode exponential smoothing. Metode smoothing digunakan untuk mengurangi ketidak teraturan musiman dari data yang lalu maupun kedua-duanya, dengan membuat rata-rata tertimbang dari sederetan data yang lalu.
Ketepatan (accuracy) dari peramalan dengan metode ini akan terdapat pada jangka pendek, sedangkan untuk peramalan jangka panjang sangat kurang ketepatannya. Data yang dibutuhkan ialah data minimal selama dua tahun.
2) Metode Box Jenkins, menggunakan dasar deret waktu dengan mode matematis, agar kesalahan yang terjadi dapat sekecil mungkin. Penggunaan metode ini membutuhkan identifikasi model dan estimasi parameternya.
Metode ini sangat baik ketepatan (accuracy) untuk paramter jangka pendek, sedangkan untuk peramalan jangka panjang sangat kurang ketepatannya.
Data yang dibutuhkan ialah data minimun dua tahun dan data yang dimiliki lebih dari dua tahun.
3) Metode Proyeksi trend dengan regresi , merupakan dasar garis trend untuk suatu persamaan matematis, sehingga dengan dasar persamaan tersebut
7
dapat diproyeksikan hal yang di teliti untuk masa depan. Data yang dibutuhkan ialah data tahunan, dan semakin banyak data yang dimiliki semakin lebih baik, serta minimum data tahunan adalah lima tahun.
b. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu, yang disebut metode korelasi atau sebab akibat (causal methods), yang terdiri dari:
1) Metode regresi dan korelasi, didasarkan pada penetapan suatu persamaan estimasi menggunakan teknik least square. Data yang digunakan untuk penggunaan metode peramalan ini adalah data kuartalan dari beberapa tahun yang lalu.
2) Model ekonometri, didasarkan atas peramalan pada sistem persamaan regresi yang diestimasikan secara simultan. Data yang dibutuhkan adlaah data kuartalan beberapa tahun.
3) Model input output, di pergunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Data yang dibutuhkan adalah data tahunan selam sekitar sepuluh sampai lima belas tahun.
2.5 Metode Pemulusan (Smoothing)
Metode Pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusa atau pemulusan terhadapt data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun menaksir nilai pada tahun yang akan datang.
Secara umum pemulusan (smoothing) dapat digolongkan menjadi beberapa bagian:
a. Metode perataan (Average) 1) Nilai Tengah (Mean)
2) Rata-Rata Bergerak Tunggal (Single Moving Average) 3) Rata-rata Bergerak Ganda (Double Moving Average) 4) Kombinasi Rata-rata Bergerak Lainnya
b. Metode Pemulusan (Smoothing) Eksponensial a) Pemulusan Eksponensial Tunggal
1) Satu Parameter
8
2) Pendekatan Adaptif b) Pemulusan Ekspoensial Ganda
1) Metode Linier Satu Parameter dari Brown 2) Metode Dua Parameter dari Holt
c) Pemulusan Eksponensial Triple
1) Pemulusan Kwadratik Satu Parameter dari Brown
Dapat digunakan untuk meramalkan data dengan suatu pola trend dasar.
Bentuk pemulusan yang lebih tingggi dapat digunakan bila dasar pola datanya adalah kuadratik, kubik atau orde yang lebih tinggi.
2) Metode kecenderungan dan Musiman Tiga Parameter dari Winter.Metode ini merupakan salah satu dari beberapa meode pemulusan eksponensial yang dapat menangani musiman.
d) Pemulusan Eksponensial Menurut Klasifikasi Pegels Bentuk umum dari metode pemulusan eksponensial adalah:
𝐹 = α𝑋 + 1 𝛼 𝐹
di mana:
Ft-1 = Ramalan untuk periode mendatang
α = Parameter eksponensial yang besarnya 0 < α < 1 Xt = Nilai aktual pada periode ke-t
Ft = Ramalan pada periode ke-t 2.6 Metode Peramalan yang Digunakan
Untuk mendapat suatu hasil yang baik dan tepat maka perlu diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan tingkat produksi karet rakyat di Kabupaten Batu Bara pada tahun 2019, maka penilis menggunakan metode smoothing eksponensial ganda yaitu “Smoothing Eksponensial Satu Parameter dari Brown”.
Metode ini merupakan metode linier yang dikemukakan oleh Brown. Dasar pemikiran dari Metode Smoothing Eksponensial Satu Parameter dari Brown adalah sama 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
9
disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Satu Parameter dari Brown adalah sebagai berikut:
𝑆 = α𝑋 + (1 𝛼)𝑆 (2.1) 𝑆 = α𝑠 +(1- α)𝑆 (2.2) 𝛼 𝑆′ + ( 𝑆′ 𝑆 ) =2𝑆 𝑆 (2.3) 𝑏 = 𝑆 𝑆 (2.4)
𝐹 = αt + bt m (2.5)
di mana :
F = Nilai peramalan untuk m periode ke depan 𝛼 = Besarnya konstanta periode t
𝑏 = Besarnya slope periode ta
m = Jumlah periode yang diramalkan 𝑋 = Nilai riil periode t
α = Nilai parameter pemulusan
𝑆′ = Nilai pemulusan eksponensial tunggal periode t 𝑆 = Nilai pemulusan eksponensial ganda periode t 𝑆′ = Nilai pemulusan eksponensial tunggal periode t-1 𝑆 = Nilai pemulusan eksponensial ganda periode t-1
Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan rumus dibawah ini:
𝑒 = 𝑋 – 𝐹 (2.6)
Akhir persamaan (2.5) menunjukkan bagaimana memperoleh ramalan untuk periode ke muka dari t. Ramalan untuk m periode ke muka adalah αt, di mana merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m kali komponen kecenderungan bt. Bila semua hasil hitungan telah didapat, maka semua data yang telah dimasukkan ke dalam contoh tabel Smoothing Eksponensial Ganda Satu Parameter dari Brown berikut ini:
Tabel 2.1 Aplikasi Pemulusan Eksponensial Linear Satu Parameter dari Brown pada Data Produksi Karet Rakyat di Kabupaten Batu Bara Pada Tahun 2019
10
(1) (2) (3) (4) (5) (6) (7) (8)
Tahun Periode (Tahun)
Produksi Karet Rakyat
Pemulusa n Ekspo nensial Tunggal
Pemulu san Ekspon
ensial Ganda
Nilai αt
Nilai bt
Nilai F=αt +bt = (m) Bila m=1
2008 1 X1 (2.1) (2.2) - - -
2009 2 X2 ... ... (2.3) (2.4) -
2010 3 X3 ... ... ... ... (2.5)
2011 4 X4 ... ... ... ... ...
2012 5 X5 ... ... ... ... ...
- - - ... ... ... ... ...
- - - ... ... ... ... ...
Tahun Ke-n
Periode Ke-n
Xn ... ... ... ... ...
2.7 Ketetapan Peramalan
Perlu dipahami bahwa tidak ada suatu metode terrbaik untuk suatu peramalan.
Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramalan time series, metode permalan terbaik adalah metode yang memenuhi kriteria ketetapan ramalan. Kriteria ini berupa Mean Square Error (MSE), Mean Absulte Percentage Error (MAPE) dan Mean Absolute Deviation (MAD)
Berikut ini adalah ketepatan Ramalan Beberapa kriteria yang digunakan untuk menguji nilai ramalan yaitu:
a. Jumlah Kuadrat Kesalahan (Sum Square Error), dirumuskan dengan:
SSE = ∑ 𝑋 𝐹 (2.7)
b. Nilai Tengah Kesalahan Kuadrat (Mean Square Error) dirumuskan dengan:
11
MSE = ∑ (2.8)
c. Nilai Tengah Kesalahan Persentase Absolute (Mean Absolute Percentage Error), dirumuskan dengan:
MAPE = ∑ | | (2.9)
d. Kesalahan Persentase (Percentage Error), dirumuskan dengan:
PE = X 100 ( Kesalahan persentase pada periode ke-t (2.10) e. Nilai Tengah Deviasi Absolute (Mean Absolute Deviation), dirumuskan dengan:
MAD = ∑ (2.11) di mana:
et = Kesalahan pada periode ke-t Xt = Data aktual pada periode ke-t Ft = Nilai ramalan pada periode ke-t n = Banyaknya periode waktu
BAB 3
METODE PENELITIAN
Metode penelitian adalah cara ilmiah untuk mendapat data dengan tujuan dan kegunaan tertentu (Sugiyono, 2004). Sedangkan menurut Arikunto metode penelitian adalah cara yang digunakan oleh peniliti dalam mengumpulkan data dan penelitiannya (2002).
3.1 Jenis dan Sumber Data
Jenis dan sumber data yang digunakan dalam penelitian ini merupakan data sekunder dalam bentuk deret waktu (time series) periode waktu sepuluh tahun yakni dari tahun 2008 hingga tahun 2017. Penulis memilih data sekunder karena waktu dan biaya yang lebih hemat. Data yang di kumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
3.2 Metode Analisis dan Pengolahan Data
Metode analisis yang digunakan dalam penelitian ini adalah metode deskriptif dan metode kuantitatif. Analisis deskriptif digunakan untuk menjelaskan gambaran perkembangan tingkat produksi karet di Kabupaten Batu Bara. Analisis secara kuantitatif digunakan untuk menganalisa faktor-faktor yang mempengaruhi perkembangan tingkat produksi karet.
Dalam penelitian ini analisis yang dipakai adalah Pemulusan (smoothing) Metode Linier Satu Parameter, dan langkah-langkah yang harus dilakukan adalah:
a. Studi kepustakaan, yaitu dengan membaca buku-buku referensi yang bersifat teoritis yang mendukung serta relevan dengan Tugas Akhir ini.
b. Menentukan topik permasalahan tujuan dari penentuan topik permasalahan adalah sebagai rumusan mendasar penelitian ini dilakukan. Topik permasalahannya adalah berapa jumlah produksi karet rakyat yang dihasilkan di Kabupaten Batu Bara di Tahun 2019.
c. Menentukan tujuan penelitian merupakan sesuatu yang akan dituju dan diperoleh dari suatu penelitian. Tujuan dilakukannya penelitian ini adalah untuk
13
mengetahui besar keterkaitan faktor faktor yang mempengaruhi tingkat produksi karet rakyat.
d. Pengumpulan data
Pengumpulan data dilakukan dari beberapa instansi sebagaimana telah dijelaskan pada jenis dan sumber data.
e. Pengolahan data
1) Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0 < α < 1
2) Menghitung harga smoothing eksponensial tunggal dengan menggunakan persamaan (2.1). .
3) Menghitung harga smoothing eksponensial ganda dengan menggunakan persamaan (2.2).
4) Menghitung koesfisien αt dan bt dengan menggunakan persamaan (2.3) dan persamaan (2.4).
5) Menghitung trend peramalan Ft+m dengan menggunakan persamaan (2.5) f. Implementasi sistem dengan Microsoft Office Excel
g. Membuat Kesimpulan
3.3 Metode Pengumpulan Data
Dalam penelitian ini metode pengumpulan data dengan metode dokumentasi.
Dokumentasi adalah mencari data mengenai hal-hal atau variabel yang berupa catatan, transkrip, buku, surat kabar, majalah, prasasti, notulen rapat, lengger, agenda, dan sebagainya (Arikunto, 2006). Dalam penelitian ini metode dokumentasi dilakukan dengan cara mencatat atau menyalin bahan-bahan berupa gambaran umum impor garam dan jumlah serta hal lain yang berkaitan dengan permasalahan yang dibahas.
3.4 Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara Bidang Pertanian, Agrarian, Petambangan, Kependudukan, Sosial, Ketenagakerjaan, Keuangan, Pendapatan, dan Keagamaan. Selain hal hal diatas BPS juga bertugas untuk
14
melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di Pusat maupun di Daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran-ukuran lainnya.
Berikut ini adalah beberapa masa peralihan pada BPS,yaitu:
3.4.1 Masa Pemeritahan Hindia Belanda
Pada bulan Februari 1920, kantor statistik pertama kali oleh direktur pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid end Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasi data statistik.
Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan nama Centraal Kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen (IUA) yang sekarang disebut Kantor Bea Cukai.
3.4.2 Masa Pemerintahan Jepang
Pada bulan Juni 1942 pemerintah Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhkan perang/militer. Pada masa ini CKS diganti namanya menjadi Shoumbu Chasasitsu Gunseikanbu.
3.4.3 Masa Kemerdekaan Republik Indonesia
Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945 kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi dari Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.
Berdasarkan surat edaran Kementrian Kemakmuran tanggal 12 Juni 1950 No.219/S.C;KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah Kementrian Kemakmuran.
15
Dengan surat Mentri Perekonomian tanggal 1 Maret 1952 No.P/44, lembaga KPS berada dibawah dan bertanggungjawab kepada Mentri Perekonomian , dan pada tanggal 24 Desember 1953 dengan surat Mentri Perekonomian No. 18.099/M, KPS dibagi menjdi dua bagian yaitu bagian research yang disebut Afdeling A, dan bagian penyelenggaran dan tata usaha yang disebut Afdeling B.
Dengan keputusan Presiden Republik Indonesia No. 131 tahun 1957, Kementrian Perekonomian dipecah menjadi Kementrian Perdagangan dan Kementrian Perindustrian. Untuk selanjutnya dengan keputusan Presiden Republik Indonesia No. 172 tahun 1957 KPS diubah menjadi BPS, dan urusan statistik semula menjadi tanggung jawab dan wewenang Mentri Pereknomian dialihkan menjadi dibawah dan bertanggungjawab kepada Perdana Mentri. Berdasarkan KEPPRES ini pula secara formal nama BPS dipergunakan.
Memenuhi anjuran PBB agar setiap negara menyelenggarakan sensus penduduk secara serentak, maka pada tanggal 24 September 1960 telah diundangkan UU No. 6 tahun 1960 tentang Sensus, sebagai pengganti Volk Stelling Ordonnantie 1930.
Dalam rangka memperhatikan kebutuhan data bagi perencanaan pembangunan semesta berencana dan mengingat materi statitik ordonnantie 1934 dirasakan sudah tidak sesuai lagi dengan kemajuan- kemajuan yang cepat dicapai oleh Negara kita, maka tanggal 26 September 1960 telah diundangkan UU No. 7 tahun 1960 tentang Statistik.
Berdasarkan keputusan Presidium Kabinet RI No. Aa/C/9 tahun 1965, maka tiap-tiap daerah Tingkat 1 dan Tingkat 2 dibentuk kantor-kantor cabang BPS dengan nama kantor Sensus Statistik Daerah (KKS) yang mempunyai tugas menjalankan kegiatan-kegiatan statistik di daerah-daerah. Disetiap daerah administrasi kecamatan, dapat diangkat seorang atau lebih pegawai yang merupakan pegawai KKS ditingkat 2 dan dibawah pengawasan Kepala Kecamatan.
3.4.4 Masa Orde Sampai Sekarang
Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik
16
yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi BPS.
Dalam masa orde baru ini BPS telah mengalami empat kali perubahan struktur organisasi, yaitu :
a. Peraturan Pemerintah No. 16 tahun 1969 tentang Organisasi Biro Pusat Statistik.
b. Peraturan Pemerintah No. 6 tahun 1980 tentang Organisasi Biro Pusat Statistik.
c. Peraturan Pemerintah No. 2 tahun 1992 tentang Organisasi Biro Pusat Statistik dan keputusan Presiden No. 6 tahun 1992 tentang Kedudukan, Tugas, Fungsi, Susuanan, Reorganisasi dan tata kerja Biro Pusat Statistik.
d. Undang- Undang No. 16 tahun 1997 tentang Statistik.
e. Keputusan Presiden RI No. 86 tahun 1998 tentang Badan Pusat Statistik.
f. Keputusan Kepala BPS No. 100 tahun 1998 tentang Organisasi dan Tata Kerja BPS.
g. PP Tahun 1999 tentang Penyelenggaran Statistik.
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yaitu yang mengatur organisasi dan tata kerja d pusat dan di daerah. Tahun 1980, Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968. Berdasarkan Peraturan Pemerintah No. 6 tahun 1988 di tiap provinsi terdapat perwakilan BPS dengan nama Kantor Statistik Provinsi dan di Kabupaten/Kota terdapat cabang perwakilan BPS dengan nama Kantor Statistik Kabupaten/Kota. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan Presiden Republik Indonesia No. 86 tahun 1998 ditetapkan BPS sekaligus mengatur tata kerja dan struktur BPS yang baru.
3.5 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik
Tugas, fungsi dan kewenangan BPS telah ditetapkan berdasarkan Peraturan Presiden Nomor 86 Tahun 2007 tentang Badan Pusat Statistik dan Peraturan Kepala Badan Pusat Statistik Nomor 7 Tahun 2008 tentang Organisasi dan Tata Kerja Badan Pusat Statistik.
17
3.5.1 Tugas
Melaksanakan tugas pemerintahan dibidang statistik sesuai peraturan perundang-undangan.
3.5.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi antara lain :
a. Pengkajian, penyusunan dan perumusan kebijakan dibidang statistik;
b. Pengkoordinasian kegiatan statistik nasional dan regional;
c. Penetapan dan penyelenggaraan statistik dasar;
d. Penetapan sistem statistik nasional;
e. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah dibidang kegiatan statistik; dan
f. Penyelenggaraan pembinaan dan pelayanan administrasi umum dibidang perencanaan umum, ketatausahaan, organisasi dan tatalaksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan dan rumah tangga.
3.5.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai kewenangan antara lain :
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.
3.6 Visi, Misi dan Nilai-nilai Inti
18
3.6.1 Visi
Pelopor data statistik terpercaya untuk semua
3.6.2 Misi
a. Menyediakan data statistik berkualitas melalui kegiatan statistik yang terintegrasi dan berstandar nasional maupun internasional.
b. Memperkuat Sistem Statistik Nasional yang berkesinambungan melalui pembinaan dan koordinasi di bidang statistik
c. Membangun insan statistik yang profesional, berintegritas dan amanah untuk kemajuan perstatistikan
3.6.3 Nilai-nilai Inti
Core values (nilai–nilai inti) BPS merupakan pondasi yang kokoh untuk membangun jati diri dan penuntun perilaku setiap insan BPS dalam melaksanakan tugas.
Nilai-nilai Inti BPS terdiri dari:
a. PROFESIONAL 1) Kompeten
Mempunyai keahlian dalam bidang tugas yang dikerjakan.
2) Efektif
Memberikan hasil maksimal.
3) Efisien
Mengerjakan setiap tugas secara produktif, dengan sumber daya minimal.
4) Inovatif
Selalu melaukan permbaruan dan/atau penyempurnaan melalui proses pembelajaran diri secara terus menerus.
5) Sistemik
Meyakini bahwa setiap pekerjaan mempunyai tata urutan proses perkerjaan yang satu menjadi bagian tidak terpisahkan dari pekerjaan yang lain.
b. INTEGRITAS 1) Dedikasi
Memiliki pengabdian yang tinggi terhadap profesi yang diemban dan institusi.
19
2) Disiplin
Melaksanakan pekerjaan sesuai dengan ketentuan yang telah ditetapkan.
3) Konsisten
Satunya kata dengan perbuatan.
4) Terbuka
Menghargai ide, saran, pendapat, masukan, dan kritik dari berbagai pihak.
5) Akuntabel
Bertanggung jawab dan setiap langkahnya terukur.
c. AMANAH 1) Terpercaya
Melaksanakan pekerjaan sesuai dengan ketentuan, yang tidak hanya didasarkan pada logika tetapi juga sekaligus menyentuh dimensi mental spiritual.
2) Jujur
Melaksanakan semua pekerjaan dengan tidak menyimpang dari prinsip moralitas.
3) Tulus
Melaksanakan tugas tanpa pamrih, menghindari konflik kepentingan (pribadi, kelompok, dan golongan), serta mendedikasikan semua tugas untuk perlindungan kehidupan manusia, sebagai amal ibadah atau perbuatan untuk Tuhan Yang Maha Esa.
4) Adil
Menempatkan sesuatu secara berkeadilan dan memberikan haknya.
3.7 Struktur Organisasi BPS
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.
3.7.1 BPS Kabupaten/Kota
20
Gambar 3.1 Struktur Organisasi BPS Kabupaten/Kota
3.7.2 BPS Provinsi
BAGAN STRUKTUR BADAN PUSAT STATISTIK PROVINSI
21
Gambar 3.2 Struktur Organisasi BPS Provinsi
Berdasarkan Peraturan Presiden Nomor 86 Tahun 2007 tentang Badan Pusat Statistik dan Peraturan Kepala Badan Pusat Statistik Nomor 7 Tahun 2008 tentang Organisasi dan Tata Kerja Badan Pusat Statistik. Susunan organisasi BPS terdiri dari:
a. Kepala
BPS dipimpin oleh seorang Kepala yang mempunyai tugas memimpin BPS sesuai dengan ketentuan peraturan perundang-undangan yang berlaku;
menyiapkan kebijakan nasional dan kebijakan umum sesuai dengan tugas BPS;
menetapkan kebijakan teknis pelaksanaan tugas BPS yang menjadi tanggung jawabnya; serta membina dan melaksanakan kerja sama dengan instansi dan organisasi lain. Kepala dibantu oleh seorang Sekretaris Utama, 5 (lima) Deputi dan Inspektorat Utama.
b. Sekretariat Utama
Sekretariat Utama mempunyai tugas mengkoordinasikan perencanaan, pembinaan, pengendalian administrasi, dan sumber daya di lingkungan BPS.
Sekretariat Utama terdiri dari beberapa Biro, setiap Biro terdiri dari beberapa
22
Bagian dan setiap Bagian terdiri dari beberapa Subbagian. Sekretariat Utama terdiri dari Biro Bina Program, Biro Keuangan, Biro Kepegawaian, Biro Hubungan Masyarakat dan Hukum, dan Biro Umum.
c. Deputi Bidang Metodologi dan Informasi Statistik
Deputi Bidang Metodologi dan Informasi Statistik mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang metodologi dan informasi statistik. Deputi Bidang Metodologi dan Informasi Statistik terdiri dari Direktorat Pengembangan Metodologi Sensus dan Survei, Direktorat Diseminasi Statistik, dan Direktorat Sistim Informasi Statistik.
d. Deputi Bidang Statistik Sosial
Deputi Bidang Statistik Sosial mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang statistik sosial. Deputi Bidang Statistik Sosial terdiri dari Direktorat Statistik Kependudukan & Ketenagakerjaan, Direktorat Statistik Kesejahteraan Rakyat, dan Direktorat Statistik Ketahanan Sosial.
e. Deputi Bidang Statistik Produksi
Deputi Bidang Statistik Produksi mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang statistik produksi. Deputi Bidang Statistik Produksi terdiri dari Direktorat Statistik Tanaman Pangan, Hortikultura &
Perkebunan, Direktorat Peternakan, Perikanan & Kehutanan dan Direktorat Statistik Industri.
f. Deputi Bidang Statistik Distribusi dan Jasa
Deputi Bidang Statistik Distribusi dan Jasa mempunyai tugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang statistik distribusi dan jasa.
Deputi Bidang Statistik Distribusi & Jasa terdiri dari Direktorat Statistik Harga, Direktorat Statistik Distribusi, dan Direktorat Statistik Keuangan, TI &
Pariwisata.
g. Deputi Bidang Neraca dan Analisis Statistik
Deputi Bidang Neraca dan Analisis Statistik mempunyai tugas melaksanakan perumusan dan melaksanakan kebijakan di bidang neraca dan analisis statistik.
Deputi Bidang Neraca dan Analisis Statistik terdiri dari Direktorat Neraca Produksi, Direktorat Neraca Pengeluaran, dan Direktorat Analisis &
Pengembangan Statistik.
23
h. Inspektorat Utama
Inspektorat Utama yang mempunyai tugas melaksanakan pengawasan fungsional terhadap pelaksanaan tugas di lingkungan BPS.
i. Pusat Pendidikan dan Pelatihan
Pusat Pendidikan dan Pelatihan (Pusdiklat) yang mempunyai tugas melaksanakan penyelenggaraan pendidikan dan pelatihan prajabatan dan kepemimpinan serta teknis dan fungsional.
j. Instansi Vertikal
Instansi Vertikal BPS terdiri dari BPS Provinsi dan BPS Kabupaten/Kota.
BPS Provinsi adalah instansi vertikal BPS yang berada di bawah dan bertanggung jawab kepada Kepala BPS.
BPS Kabupaten/Kota adalah instansi vertikal BPS yang berada di bawah dan bertanggung jawab kepada Kepala BPS Provinsi.
3.5 Logo Badan Pusat Statistik
Logo pada Badan Pusat Statistik memiliki warna biru, hijau dan orange dan disetiap warna memiliki arti khusus, yaitu:
3.5.1 Biru
Melambangkan kegiatan sensus penduduk yang dilakukan sepuluh tahun sekali pada setiap tahun yang berakhiran angka 0 (nol).
3.5.2 Hijau
Melambangkan kegiatan sensus pertanian yang dilakukan sepuluh tahun sekali pada setiap tahun yang berakhiran angka 3 (tiga).
3.5.3 Orange
Melambangkan kegiatan sensus ekonomi yang dilakukan sepuluh tahun sekali pada setiap tahun yang berakhiran angka 6 (enam).
24
Gambar 3.3 Logo Badan Pusat Statistik
25
BAB 4
PEMBAHASAN DAN HASIL
4.1 DATA DAN PEMBAHASAN
Data yang akan diolah oleh penulis adalah data per tahun produksi karet rakyat di Kabupaten Batu Bara yang dimulai pada tahun 2008 – 2017. Metode yang di gunakan untuk mengolah data tersebut adalah metode peramalan Smoothing Eksponensial Ganda yaitu metode linier satu parameter dari Brown.
Tabel 4.1 Data Produksi Karet Rakyat di Kabupaten Batu Bara pada Tahun 2008 – 2017
Periode Tahun Produksi Karet (Ton)
1 2008 8.159,10
2 2009 112.528,00
3 2010 117,30
4 2011 117,30
5 2012 147,90
6 2013 165,00
7 2014 485,00
8 2015 485,00
9 2016 791,00
10 2017 791,00
Langkah- langkah yang ditempuh untuk bentuk persamaan peramalan dengan menggunakan metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah:
a. Menentukan harga parameter smoothing eskponensial ganda besarnya 0 < α < 1 b. Menghitung harga smoothing eskponensial tunggal dengan menggunakan
persamaan (2.1)
α = 0,1 S′ = 8.159,10
26
S′ = (0,1) 112.528,00 + (1 - 0,1) (8.159,00) = 18.595,9 S′ = (0,1) 117,30 + (1 – 0,1) (18.595,9) = 16.748,04 Dan seterusnya hingga diperoleh harga 𝑠′ pada α = 0,1.
α = 0,2 𝑆′ = 8.159,10
𝑆′ = (0,2) 112.528,00 + (1 - 0,2) (8.159,10) = 29.032,88 𝑆′ = (0,2)117,30 + (1 – 0,2)(29.032,88) = 23.249,764 Dan seterusnya hingga diperoleh harga𝑠′ pada α = 0,2 Selanjutnya dilakukan perhitungan yang sama sampi α = 0,9
α = 0,9 𝑆′ = 8.159,10
𝑆′ = (0,9)112.528,00+(1– 0.9)( 8.159,10) = 102.091,11 𝑆′ = (0,9) 117,30 +(1-0,9) (102.091,11)=10.314,681 Dan seterusnya hingga diperoleh harga 𝑠′ pada α = 0,9.
c. Menghitung harga smoothing eskponensial ganda dengan menggunakan persamaan (2.2).
α = 0,1 𝑠′′ = 8.159,10
𝑠′′ = (0,1) 18.595,9 + (1 – 0,1) (8.159,10) = 9.202,78 𝑠′′ = (0,1) 16.748,04 + (1 – 0,1) (9202,78) = 9.957,306 Dan seterusnya hingga diperoleh harga 𝑠′′ pada α = 0,1.
α = 0,2 𝑠′′ = 8.159,10
𝑠′′ = (0,2) 29.032,88 + (1 – 0,2) (8.159,10) = 12.333,856 𝑠′′ = (0,2) 23.249,764 + (1 – 0,2) (12.333,856) = 14.517,0376 Dan seterusnya hingga diperoleh harga 𝑠′′ pada α = 0,2
Selanjutnya dilakukan perhitungan yang sama sampai α = 0,9 menggunakan persamaan (2.2).
α = 0,9 𝑠′′ = 8.159,10
𝑠′′ = (0,9) (102.091,11) + (1 – 0,9) (8.159,10) = 92.697,909
27
𝑠′′ = (0,9) (10.314,681) + (1 – 0,9)(92.697,909) = 18.553,0038 Dan seterusnya hingga diperoleh harga 𝑠′′ pada α = 0,9.
d. Menghitung koefisien αt dan bt dengan menggunakan persamaan (2.3) da persamaan (2.4).
α = 0,1
α1 = nilai konstanta pada periode satu dikosongkan karena mempunyai nilai yang sama dengan nilai eksponensial tunggal dan nilai eksponensial ganda.
α2 = 2 (18.595,9) – (9.202,78) = 46.394,58 α3 = 2 (16.748,04) – (9.957,306) = 43.453,39 dan seterusnya hingga diperoleh harga α1 2 pada α = 0,1.
b1 = nilai slope pada periode satu dikosongkan karena nilai eksponensialnya adalah nol.
b2 = , , (18.595,9 - 9.202,78) = 1.043,68 b3 = ,, (16.748,04 - 9.957,306) = 754,526 dan seterusnya hingga diperoleh harga b1 2 pada α = 0,1
α = 0,2
α1 = nilai konstanta pada periode satu dikosongkan karena mempunyai nilai yang sama dengan nilai eksponensial tunggal dan nilai
eksponensial ganda.
α2 = 2 (29.032,88) – (12.333,856) = 46.131,904 α3 = 2 (23.249,764) – (14.517,0376) = 31.982,4904 dan seterusnya hingga diperoleh harga α1 2 pada α = 0,2
b1 = nilai slope pada periode satu dikosongkan karena nilai eksponensialnya adalah nol.
b2 = , , (29.032,88 - 12.333,856) = 4174,756
b3 = , , (23.249,764 - 14.517,0376) = 2.183,1816 dan seterusnya hingga diperoleh harga b 1 2 pada α = 0,2.
Selanjutnya dilakukan perhitungan yang sama sampai α = 0,9 menggunaakan persamaan (2.3) dan persamaan (2.4).
28
α = 0,9
α1 = nilai konstanta pada periode satu dikosongkan karena mempunyai nilai yang sama dengan nilai eksponensial tunggal dan nilai eksponensial ganda
α2 = 2 (102.091,11) – (92.697,909) = 111.484,311 α3 = 2 (10.314,681) – (18.553,0038) = 2.076,3582 dan seterusnya hingga diperoleh harga α 12 pada α = 0,9.
b1 = nilai slope pada periode satu dikosongkan karena nilai eksponensialnya adalah nol.
b2 = , , (102.091,11 - 92.697,909) = 84.538,809
b3 = , , (10.314,681 - 18.553,0038) = -74.144,9052 dan seterusnya hingga diperoleh harga b 12 pada α = 0,9.
e. Menghitung trend peramalan Ft+m dengan menggunakan persamaan (2.5).
α = 0,1
F1 = data pada periode pertama tidak ada sehingga nilai ramalan pertama dikosongkan.
F2 = data pada periode pertama tidak ada sehingga nilai ramalan kedua dikosongkan
F3 = (46.394,58 + 1.043,68) (1) = 47.438,26 F4 = (43.453,39 + 754,526) (1) = 44.207,916
Dan seterusnya hingga diperoleh harga F10 pada α = 0,1.
α = 0,2
F1 = data pada periode pertama tidak ada sehingga nilai ramalan pertama dikosongkan.
F2 = data pada periode pertama tidak ada sehingga nilai ramalan kedua dikosongkan.
F3 = (46.131,904 + 4.174,756) (1) = 50.306,66 F4 = (31.982,4904 + 2.183,1816) (1) = 34.165,672 Dan seterusnya hingga diperoleh harga F10 pada α = 0,2.
29
Selanjutnya dilakukan perhitungan yang sama sampai α = 0,9 menggunakan persamaan (2.5).
α = 0,9
F1 = data pada periode pertama tidak ada sehingga nilai ramalan pertama dikosongkan.
F2 = data pada periode pertama tidak ada sehingga nilai ramalan kedua dikosongkan.
F3 = (111.484,311 + 84.538,809) (1) = 196.023,12 F4 = (2.076,3582 + (-74.144,9052) (1) = -72.068,547 Dan seterusnya hingga diperoleh harga F10 pada α = 0,9.
f. Menghitung nilai kesalahan (error) dengan menggunakan persamaan (2.6).
α = 0,1
e1 = ramalan pada periode pertama tidak ada sehingga nilai error periode pertama bernilai nol.
e2 = ramalan pada periode kedua tidak ada sehingga nilai error periode pertama bernilai nol.
e 3 = 117,30 - 47.438,26 = -47.320,96 e 4 = 117,30 - 44.207,916 = -44.090,62
dan seterusnya hingga diperoleh harga F10 pada α = 0,1.
α = 0,2
e 1 = ramalan pada periode pertama tidak ada sehingga nilai error periode pertama bernilai nol.
e 2 = ramalan pada periode kedua tidak ada sehingga nilai error periode pertama bernilai nol.
e 3 = 117,30 - 50.306,66 = -50.189,36 e 4 = 117,30 - 34.165,672 = -34.048,37
dan seterusnya hingga diperoleh harga e10 pada α = 0,2.
Selanjutnya dilakukan perhitungan yang sama sampai α = 0,9 menggunakan persamaan (2.6).
α = 0,9
e 1 = ramalan pada periode pertama tidak ada sehingga nilai error periode pertama bernilai nol.
30
e 2 = ramalan pada periode kedua tidak ada sehingga nilai error periode pertama bernilai nol.
e 3 = 117,30 - 196.023,12 = -195.905,82 e 4 = 117,30 – (-72068,547) = 72185,847
dan seterusnya hingga diperoleh harga e1 0 pada α = 0,9.
Dengan demikian yang sama, maka dapat ditentuka nilai smoothing eksponensial tunggal, ganda, dan ramalan yang akan datang untuk α = 0,1 sampai dengan α = 0,9 yang akan ditampilkan pada tabel 3.2 sampai 3.10
4.2 Penaksiran Model Peramalan
Dalam mengolah data pada tabel 4.1 penulis menggunakan metode peramalan yaitu dengan metode smoothing eksponensial satu parameter dari Brown. Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang, maka kita harus menentukan parameter nilai α terlebih dahulu yang bisa digunakan dengan cara trial and error atau coba dan salah. Nilai yang di pilih dari 0 < α < 1, dihitung mean square errror (MSE) yang merupakan suatu ukuran ketetapan perhitungan dengan mengkuadratkan nilai error masing-masing elemen dalam sebuah susunan data dan kemudian dicoba nilai yang lain.
Untuk menghitung nilai MSE adalah pertama dicari terlebih dahulu errror yang merupkan hasil dari data asli dikurang hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error persamaan.
31 Tabel 4.2 Perhitungan Peramalan Produksi Karet dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,1
Periode Tahun Xt S't S"t at bt Ft+m ei ei2
1 2.008 8.195 8.159 8.159 - - - - -
2 2.009 112.528 18.596 9.203 27.989 1.044 - - -
3 2.010 117 101.287 26.865 175.709 8.269 29.033 (28.916) 836.110.767
4 2.011 117 117 91.170 (90.935) (10.117) 183.978 (183.861) 33.804.709.201
5 2.012 148 120 118 123 0 (101.052) 101.200 10.241.486.552
6 2.013 165 150 123 176 3 123 42 1.729
7 2.014 485 197 154 240 5 179 306 93.722
8 2.015 485 485 226 744 29 244 241 57.893
9 2.016 791 516 488 543 3 773 18 324
10 2.017 791 791 543 1.039 28 546 245 59.927
Jumlah 44.882.520.114
Untuk mendapatkan nilai MSE digunakan persamaan (2.7) dengan α = 0,1 dan n = 8
MSE = ∑ = . . . = 5.610.315.014,3
32 Tabel 4.3 Perhitungan Peramalan Produksi Karet Rakyat dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,2
Periode Tahun Xt S't S"t at bt Ft+m ei ei2
1,00 2.008,00 8.159,10 8.159,10 8.159,10 - - - - -
2,00 2.009,00 112.528,00 29.032,88 12.333,86 45.731,90 2.087,38 - - -
3,00 2.010,00 117,30 90.045,86 41.235,48 138.856,24 6.101,30 47.819,28 (47.701,98) 2.275.479.086,73 4,00 2.011,00 117,30 117,30 72.060,15 (71.825,55) (8.992,86) 144.957,54 (144.840,24) 20.978.695.702,62 5,00 2.012,00 147,90 123,42 118,52 128,32 0,61 (80.818,40) 80.966,30 6.555.542.383,42
6,00 2.013,00 165,00 151,32 129,00 173,64 2,79 128,93 36,07 1.301,19
7,00 2.014,00 485,00 229,00 166,86 291,14 7,77 176,43 308,57 95.215,44
8,00 2.015,00 485,00 485,00 280,20 689,80 25,60 298,91 186,09 34.628,74
9,00 2.016,00 791,00 546,20 497,24 595,16 6,12 715,40 75,60 5.715,36
10,00 2.017,00 791,00 791,00 595,16 986,84 24,-8 601,28 189,72 35.993,68 Jumlah 29.809.890.027,18
Untuk mendapatkan nilai MSE digunakan persamaan (2.7) dengan α = 0,2 dan n = 8
MSE = ∑ = . . . , = 3.726.236.253,4
Tabel 4.4 Perhitunan Peramalan Produksi Karet Rakyat dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,3
Periode Tahun Xt S't S"t at bt Ft+m ei ei2
1,0 2.008,0 8.159,1 8.159,1 8.159,1 - - - - -
2,0 2.009,0 112.528,0 39.469,8 11.841,6 67.097,9 11.840,6 - - -
3,0 2.010,0 117,3 78.804,8 23.642,1 133.967,4 23.641,1 78.938,5 (78.821,2) 6.212.787.875,1
4,0 2.011,0 117,3 117,3 35,9 198,7 34,9 157.608,6 (157.491,3) 24.803.503.276,0
5,0 2.012,0 147,9 126,5 38,6 214,3 37,6 233,6 (85,7) 7.344,5
6,0 2.013,0 165,0 153,0 46,6 259,5 45,6 252,0 (87,0) 7.562,0
7,0 2.014,0 485,0 261,0 79,0 443,0 78,0 305,1 179,9 32.378,4
8,0 2.015,0 485,0 485,0 146,2 823,8 145,2 521,0 (36,0) 1.296,0
9,0 2.016,0 791,0 576,8 173,7 979,9 172,7 969,0 (178,0) 31.684,0
10,0 2.017,0 791,0 791,0 238,0 1.344,0 237,0 1.152,6 (361,6) 130.754,6
Jumlah 31.016.502.170,7
Untuk mendapatkan nilai MSE digunakan persamaan (2.7) dengan α = 0,3 dan n = 8
MSE = ∑ = . . . , = 3.877.062.771,3
34 Tabel 4.5 Perhitunan Peramalan Produksi Karet Rakyat dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,4
Periode Tahun Xt S't S"t at bt Ft+m ei ei2
1,0 2.008,0 8.159,1 8.159,1 8.159,1 - - - - -
2,0 2.009,0 112.528,0 49.906,7 9.886,1 89.927,2 4.446,7 - - -
3,0 2.010,0 117,3 67.563,7 36.700,4 98.427,1 3.429,3 94.373,9 (94.256,6) 8.884.310.413,8 4,0 2.011,0 117,3 117,3 40.550,0 (40.315,4) (4.492,5) 101.856,3 (101.739,0) 10.350.830.903,5 5,0 2.012,0 147,9 129,5 83,3 175,7 5,1 (44.807,9) 44.955,8 2.021.022.155,4
6,0 2.013,0 165,0 154,7 93,2 216,3 6,8 180,9 (15,9) 252,2
7,0 2.014,0 485,0 293,0 122,1 463,9 19,0 223,1 261,9 68.581,1
8,0 2.015,0 485,0 485,0 224,3 745,7 29,0 482,8 2,2 4,7
9,0 2.016,0 791,0 607,4 351,7 863,1 28,4 774,7 16,3 266,8
10,0 2.017,0 791,0 791,0 443,5 1.138,5 38,6 891,5 (100,5) 10.093,6
Jumlah 21.256.242.671,1
Untuk mendapatkan nilai MSE digunakan persamaan (2.7) dengan α = 0,4 dan n = 8
MSE = ∑ = . . . , = 2.657.030.333,9
35 Tabel 4.6 Perhitunan Peramalan Produksi Karet Rakyat dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,5
Periode Tahun Xt S't S"t at bt Ft+m ei ei2
1,0 2.008,0 8.159,1 8.159,1 8.159,1 - - - - -
2,0 2.009,0 112.528,0 60.343,6 34.251,3 86.435,8 26.092,2 - - -
3,0 2.010,0 117,3 56.322,7 58.333,1 54.312,2 (2.010,5) 112.528,0 (112.410,7) 12.636.165.474,5 4,0 2.011,0 117,3 117,3 28.220,0 (27.985,4) (28.102,7) 52.301,8 (52.184,5) 2.723.216.821,8 5,0 2.012,0 147,9 132,6 125,0 140,3 7,7 (56.088,1) 56.236,0 3.162.482.072,4
6,0 2.013,0 165,0 156,5 144,5 168,4 11,9 147,9 17,1 292,4
7,0 2.014,0 485,0 325,0 240,7 409,3 84,3 180,3 304,7 92.842,1
8,0 2.015,0 485,0 485,0 405,0 565,0 80,0 493,6 (8,5) 73,1
9,0 2.016,0 791,0 638,0 561,5 714,5 76,5 645,0 146,0 21.316,0
10,0 2.017,0 791,0 791,0 714,5 867,5 76,5 791,0 - -
Jumlah 18.521.978.892,3
Untuk mendapatkan nilai MSE digunakan persamaan (2.7) dengan α = 0,5 dan n = 8
MSE = ∑ = . . . , = 2.315.247.361,5
