Metode Pemulusan (Smoothing) Eksponensial Ganda Dalam Meramalkan Banyaknya Energi Listrik Yang Disalurkan Di PT. PLN (Persero) Cabang Medan Tahun 2018 Chapter III V

(1)

BAB 3

PENGOLAHAN DATA

3.1 Pengertian Pengolahan Data

Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data

kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan suatu masalah secara keseluruhan. Data yang diolah penulis adalah data per tahun dari banyaknya energi listrik yang disalurkan PT. PLN (Persero)

Cabang Medan yang dimulai dari tahun 2005 sampai 2015. Metode yang digunakan untuk mengolah data adalah metode peramalan smoothing

eksponensial ganda yaitu metode linier satu parameter dari Brown.

3.2 Pengolahan Data dengan Metode Smoothing Eksponensial Ganda: Metode Linier Satu Parameter dari Brown

(2)

13

Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015 sebagai berikut:

Gambar 3.1 Tampilan Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015

Langkah-langkah untuk menentukan bentuk persamaan peramalan dengan

menggunakan metode pemulusan eksponensial ganda: metode linier satu parameter dari Brown adalah:

1. Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0

< α < 1.

2. Menghitung harga smoothing eksponensial tunggal menggunakan Persamaan (2.2):

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Grafik Energi Listrik yang Disalurkan PT. PLN

Cabang Medan Tahun 2005-2015

Tahun Energi yang Disalurkan

(3)

14

3. Menghitung harga smoothing eksponensial ganda menggunakan

(4)

(5)

16

nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. eksponensial tunggal dan eksponensial ganda pada periode pertama

mempunyai nilai yang sama.

(6)

17

nilai ramalan pertama dikosongkan karena nilai konstanta smoothing sebelum periode pertama tidak ada.

nilai ramalan pertama dikosongkan karena nilai konstanta smoothing sebelum periode pertama tidak ada. 6. Menghitung nilai kesalahan (error) menggunakan Persamaan (2.7).

(7)

18

2.686.768.353 − 2.482.903.745 = 203.864.608

2.934.732.684 − 2.524.505.732 = 410.226.952

dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2)

e = 2.934.732.684 − 2.577.714.643 = 357.018.041

= (203.864.608)2 = 41.560.778.558.085.400

(8)

19

= (410.226.952)2 = 168.286.151.974.915.000

dst. (Untuk sampai pada α = 0,1 dapat dilihat pada Tabel 3.2)  α = 0,2

= nilai kuadrat error periode pertama dikosongkan karena nilai error pada periode pertama tidak ada.

nilai kuadrat error periode kedua dikosongkan karena nilai error pada periode kedua tidak ada.

= (187.283.290)2 = 35.070.030.638.310.500 = (357.018.041)2 = 127.461.881.713.724.000

dst. (Untuk sampai pada α = 0,2 dapat dilihat pada Tabel 3.3)  α = 0,3

= nilai kuadrat error periode pertama dikosongkan karena nilai error

pada periode pertama tidak ada.

nilai kuadrat error periode kedua dikosongkan karena nilai error

pada periode kedua tidak ada.

= (170.701.971)2 = 29.139.162.971.565.900

= (308.783.526)2 = 95.347.265.996.925.400

Dengan perhitungan yang sama, untuk α = 0,4 sampai dengan α = 0,9 hasilnya

ditampilkan pada Tabel 3.5 sampai Tabel 3.10.

3.3 Penaksiran Model Peramalan

Dalam mengolah data pada Tabel 3.1, 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 dari nilai α terlebih dahulu

yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α

yang dipilih dari 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masing-masing elemen dalam sebuah susunan data dan kemudian dicoba dengan nilai α yang lain.

(9)

20

Untuk menghitung nilai MSE yaitu terlebih dahulu mencari error yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error

dikuadratkan dan dibagi dengan banyaknya error.

(10)

21 Tabel 3.2 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing

Eksponensial Ganda Linier dari Brown dengan α = 0,1

2.466.322.426 2.466.322.426 2.466.322.426 - - - - -

2.549.229.019 2.474.613.085 2.467.151.492 2.482.074.679 829.066 - - -

2.686.768.353 2.495.828.612 2.470.019.204 2.521.638.020 2.867.712 2.482.903.745 203.864.608 41.560.778.558.085.400

2.934.732.684 2.539.719.019 2.476.989.185 2.602.448.853 6.969.982 2.524.505.732 410.226.952 168.286.151.974.915.000

3.015.459.439 2.587.293.061 2.488.019.573 2.686.566.549 11.030.388 2.609.418.835 406.040.604 164.868.972.436.134.000

3.317.639.094 2.660.327.665 2.505.250.382 2.815.404.947 17.230.809 2.697.596.937 620.042.157 384.452.276.460.312.000

3.531.333.729 2.747.428.271 2.529.468.171 2.965.388.371 24.217.789 2.832.635.756 698.697.973 488.178.857.510.528.000

4.159.259.769 2.888.611.421 2.565.382.496 3.211.840.345 35.914.325 2.989.606.160 1.169.653.609 1.368.089.565.689.170.000

4.360.477.995 3.035.798.078 2.612.424.054 3.459.172.102 47.041.558 3.247.754.670 1.112.723.325 1.238.153.196.982.780.000

4.388.722.350 3.171.090.505 2.668.290.699 3.673.890.311 55.866.645 3.506.213.660 882.508.690 778.821.587.335.226.000

4.551.872.318 3.309.168.687 2.732.378.498 3.885.958.875 64.087.799 3.729.756.956 822.115.362 675.873.667.643.717.000

5.308.285.054.590.870.000

Untuk mendapatkan nilai MSE digunakan persamaan (2.8) dengan α = 0,1 dan N = 11

MSE =

482.571.368.599.170.000

(11)

2.466.322.426 2.466.322.426 2.466.322.426 - - - - -

2.549.229.019 2.482.903.745 2.469.638.690 2.496.168.799 3.316.264 - - -

2.686.768.353 2.523.676.666 2.480.446.285 2.566.907.048 10.807.595 2.499.485.063 187.283.290 35.075.030.638.310.500

2.934.732.684 2.605.887.870 2.505.534.602 2.706.241.138 25.088.317 2.577.714.643 357.018.041 127.461.881.713.724.000

3.015.459.439 2.687.802.184 2.541.988.118 2.833.616.249 36.453.516 2.731.329.455 284.129.984 80.729.848.026.052.000

3.317.639.094 2.813.769.566 2.596.344.408 3.031.194.724 54.356.289 2.870.069.765 447.569.329 200.318.303.967.904.000

3.531.333.729 2.957.282.398 2.668.532.006 3.246.032.791 72.187.598 3.085.551.013 445.782.716 198.722.229.767.933.000

4.159.259.769 3.197.677.873 2.774.361.179 3.620.994.566 105.829.173 3.318.220.389 841.039.380 707.347.238.779.789.000

4.360.477.995 3.430.237.897 2.905.536.523 3.954.939.271 131.175.344 3.726.823.739 633.654.256 401.517.716.031.837.000

4.388.722.350 3.621.934.788 3.048.816.176 4.195.053.399 143.279.653 4.086.114.615 302.607.735 91.571.441.420.096.800

4.551.872.318 3.807.922.294 3.200.637.399 4.415.207.188 151.821.224 4.338.333.052 213.539.266 45.599.017.946.004.000

1.888.342.708.291.650.000

MSE =

171.667.518.935.604.000

(12)

2.466.322.426 2.466.322.426 2.466.322.426 - - - - -

2.549.229.019 2.491.194.404 2.473.784.019 2.508.604.788 7.461.593 - - -

2.686.768.353 2.549.866.589 2.496.608.790 2.603.124.387 22.824.771 2.516.066.382 170.701.971 29.139.162.971.565.900

2.934.732.684 2.665.326.417 2.547.224.078 2.783.428.756 50.615.288 2.625.949.158 308.783.526 95.347.265.996.925.400

3.015.459.439 2.770.366.324 2.614.166.752 2.926.565.896 66.942.674 2.834.044.044 181.415.395 32.911.545.421.820.700

3.317.639.094 2.934.548.155 2.710.281.173 3.158.815.137 96.114.421 2.993.508.569 324.130.525 105.060.597.067.256.000

3.531.333.729 3.113.583.827 2.831.271.969 3.395.895.685 120.990.796 3.254.929.558 276.404.171 76.399.265.883.051.000

4.159.259.769 3.427.286.610 3.010.076.361 3.844.496.858 178.804.392 3.516.886.481 642.373.288 412.643.440.653.791.000

4.360.477.995 3.707.244.025 3.219.226.660 4.195.261.390 209.150.299 4.023.301.250 337.176.745 113.688.157.209.177.000

4.388.722.350 3.911.687.523 3.426.964.919 4.396.410.126 207.738.259 4.404.411.689 -15.689.339 246.155.366.650.386

4.551.872.318 4.103.742.961 3.629.998.332 4.577.487.591 203.033.413 4.604.148.385 -52.276.067 2.732.787.171.422.340

868.168.377.741.659.000

MSE =

78.924.397.976.514.500

(13)

2.466.322.426 2.466.322.426 2.466.322.426 - - - - -

2.549.229.019 2.499.485.063 2.479.587.481 2.519.382.646 13.265.055 - - -

2.686.768.353 2.574.398.379 2.517.511.840 2.631.284.918 37.924.359 2.532.647.700 154.120.653 23.753.175.557.850.200

2.934.732.684 2.718.532.101 2.597.919.945 2.839.144.258 80.408.104 2.669.209.277 265.523.407 70.502.679.473.711.000

3.015.459.439 2.837.303.036 2.693.673.181 2.980.932.891 95.753.237 2.919.552.362 95.907.077 9.198.167.424.821.990

3.317.639.094 3.029.437.459 2.827.978.892 3.230.896.026 134.305.711 3.076.686.128 240.952.966 58.058.331.847.328.600

3.531.333.729 3.230.195.967 2.988.865.722 3.471.526.212 160.886.830 3.365.201.737 166.131.992 27.599.838.608.421.200

4.159.259.769 3.601.821.488 3.234.048.029 3.969.594.947 245.182.306 3.632.413.042 526.846.727 277.567.473.807.528.000

4.360.477.995 3.905.284.091 3.502.542.453 4.308.025.728 268.494.425 4.214.777.253 145.700.742 21.228.706.078.146.300

4.388.722.350 4.098.659.394 3.740.989.230 4.456.329.559 238.446.776 4.576.520.153 -187.797.803 35.268.014.781.928.400

4.551.872.318 4.279.944.564 3.956.571.363 4.603.317.764 215.582.134 4.694.776.335 -142.904.017 20.421.558.203.541.500

543.597.945.783.278.000

MSE =

49.417.995.071.207.000

(14)

2.466.322.426 2.466.322.426 2.466.322.426 - - - - -

2.549.229.019 2.507.775.723 2.487.049.074 2.528.502.371 20.726.648 - - -

2.686.768.353 2.597.272.038 2.542.160.556 2.652.383.520 55.111.482 2.549.229.019 137.539.334 18.917.068.397.163.600

2.934.732.684 2.766.002.361 2.654.081.458 2.877.923.263 111.920.902 2.707.495.001 227.237.683 51.636.964.461.589.600

3.015.459.439 2.890.730.900 2.772.406.179 3.009.055.621 118.324.721 2.989.844.166 25.615.273 656.142.223.672.165

3.317.639.094 3.104.184.997 2.938.295.588 3.270.074.406 165.889.409 3.127.380.341 190.258.753 36.198.392.926.638.600

3.531.333.729 3.317.759.363 3.128.027.476 3.507.491.250 189.731.887 3.435.963.815 95.369.914 9.095.420.544.052.350

4.159.259.769 3.738.509.566 3.433.268.521 4.043.750.611 305.241.045 3.697.223.138 462.036.631 213.477.848.486.901.000

4.360.477.995 4.049.493.780 3.741.381.151 4.357.606.410 308.112.630 4.348.991.656 11.486.339 131.935.973.213.426

4.388.722.350 4.219.108.065 3.980.244.608 4.457.971.523 238.863.457 4.665.719.040 -276.996.690 76.727.166.398.634.300

4.551.872.318 4.385.490.192 4.182.867.400 4.588.112.983 202.622.792 4.696.834.980 -144.962.662 21.014.173.335.620.500

427.855.112.747.485.000

MSE =

38.895.919.340.680.500

(15)

2.466.322.426 2.466.322.426 2.466.322.426 - - - - -

2.549.229.019 2.516.066.382 2.496.168.799 2.535.963.964 29.846.373 - - -

2.686.768.353 2.618.487.565 2.569.560.059 2.667.415.071 73.391.259 2.565.810.338 120.958.015 14.630.841.489.506.800

2.934.732.684 2.808.234.636 2.712.764.805 2.903.704.467 143.204.747 2.740.806.330 193.926.354 37.607.430.946.388.700

3.015.459.439 2.932.569.518 2.844.647.633 3.020.491.403 131.882.828 3.046.909.214 -31.449.775 989.088.342.015.506

3.317.639.094 3.163.611.264 3.036.025.811 3.291.196.716 191.378.178 3.152.374.231 165.264.863 27.312.475.061.399.400

3.531.333.729 3.384.244.743 3.244.957.170 3.523.532.315 208.931.359 3.482.574.894 48.758.835 2.377.423.958.758.630

4.159.259.769 3.849.253.759 3.607.535.123 4.090.972.394 362.577.953 3.732.463.674 426.796.095 182.154.906.367.123.000

4.360.477.995 4.155.988.300 3.936.607.030 4.375.369.571 329.071.906 4.453.550.347 -93.072.352 8.662.462.681.979.850

4.388.722.350 4.295.628.730 4.152.020.050 4.439.237.410 215.413.020 4.704.441.478 -315.719.128 99.678.567.551.148.400

4.551.872.318 4.449.374.883 4.330.432.950 4.568.316.816 178.412.900 4.654.650.431 -102.778.113 10.563.340.471.750.100

383.976.536.870.071.000

MSE =

34.906.957.897.279.200

(16)

2.466.322.426 2.466.322.426 2.466.322.426 - - - - -

2.549.229.019 2.524.357.041 2.506.946.657 2.541.767.426 40.624.231 - - -

2.686.768.353 2.638.044.959 2.598.715.469 2.677.374.450 91.768.812 2.582.391.656 104.376.697 10.894.494.834.879.000

2.934.732.684 2.845.726.367 2.771.623.097 2.919.829.636 172.907.629 2.769.143.262 165.589.422 27.419.856.582.252.500

3.015.459.439 2.964.539.517 2.906.664.591 3.022.414.443 135.041.494 3.092.737.265 -77.277.826 5.971.862.342.755.780

3.317.639.094 3.211.709.221 3.120.195.832 3.303.222.610 213.531.241 3.157.455.937 160.183.157 25.658.643.669.392.900

3.531.333.729 3.435.446.377 3.340.871.213 3.530.021.540 220.675.381 3.516.753.851 14.579.878 212.572.851.022.361

4.159.259.769 3.942.115.751 3.761.742.390 4.122.489.113 420.871.177 3.750.696.921 408.562.848 166.923.600.666.475.000

4.360.477.995 4.234.969.322 4.093.001.242 4.376.937.401 331.258.852 4.543.360.289 -182.882.294 33.445.933.575.492.400

4.388.722.350 4.342.596.442 4.267.717.882 4.417.475.001 174.716.640 4.708.196.254 -319.473.904 102.063.575.273.511.000

4.551.872.318 4.489.089.555 4.422.678.053 4.555.501.057 154.960.171 4.592.191.641 -40.319.323 1.625.647.795.215.220

374.216.187.590.997.000

MSE =

34.019.653.417.363.400

(17)

2.466.322.426 2.466.322.426 2.466.322.426 - - - - -

2.549.229.019 2.532.647.700 2.519.382.646 2.545.912.755 53.060.220 - - -

2.686.768.353 2.655.944.222 2.628.631.907 2.683.256.538 109.249.262 2.598.972.975 87.795.378 7.708.028.433.280.920

2.934.732.684 2.878.974.992 2.828.906.375 2.929.043.609 200.274.468 2.792.505.799 142.226.885 20.228.486.691.644.000

3.015.459.439 2.988.162.550 2.956.311.315 3.020.013.784 127.404.940 3.129.318.076 -113.858.637 12.963.789.288.724.200

3.317.639.094 3.251.743.785 3.192.657.291 3.310.830.279 236.345.976 3.147.418.724 170.220.370 28.974.974.259.442.800

3.531.333.729 3.475.415.740 3.418.864.050 3.531.967.430 226.206.759 3.547.176.256 -15.842.527 250.985.650.004.525

4.159.259.769 4.022.490.963 3.901.765.581 4.143.216.346 482.901.530 3.758.174.189 401.085.580 160.869.642.131.288.000

4.360.477.995 4.292.880.589 4.214.657.587 4.371.103.590 312.892.006 4.626.117.876 -265.639.881 70.564.546.436.489.900

4.388.722.350 4.369.553.998 4.338.574.716 4.400.533.280 123.917.129 4.683.995.597 -295.273.247 87.186.290.173.461.500

4.551.872.318 4.515.408.654 4.480.041.866 4.550.775.442 141.467.151 4.524.450.408 27.421.910 751.961.125.767.955

389.498.704.190.104.000

MSE =

35.408.973.108.191.300

(18)

2.466.322.426 2.466.322.426 - - - -

2.549.229.019 2.540.938.360 2.533.476.766 2.548.399.953 67.154.340 - - -

2.686.768.353 2.672.185.354 2.658.314.495 2.686.056.212 124.837.729 2.615.554.293 71.214.060 5.071.442.284.712.540

2.934.732.684 2.908.477.951 2.883.461.605 2.933.494.297 225.147.110 2.810.893.941 123.838.743 15.336.034.265.342.700

3.015.459.439 3.004.761.290 2.992.631.322 3.016.891.259 109.169.716 3.158.641.407 -143.181.968 20.501.075.959.779.800

3.317.639.094 3.286.351.314 3.256.979.314 3.315.723.313 264.347.993 3.126.060.975 191.578.119 36.702.175.668.274.300

3.531.333.729 3.506.835.487 3.481.849.870 3.531.821.105 224.870.556 3.580.071.306 -48.737.577 2.375.351.365.620.090

4.159.259.769 4.094.017.341 4.032.800.594 4.155.234.088 550.950.724 3.756.691.660 402.568.109 162.061.081.985.382.000

4.360.477.995 4.333.831.930 4.303.728.796 4.363.935.063 270.928.202 4.706.184.812 -345.706.817 119.513.202.997.879.000

4.388.722.350 4.383.233.308 4.375.282.857 4.391.183.759 71.554.061 4.634.863.265 -246.140.915 60.585.350.229.908.500

4.551.872.318 4.535.008.417 4.519.035.861 4.550.980.973 143.753.004 4.462.737.820 89.134.498 7.944.958.749.218.330

430.090.673.506.118.000

MSE =

39.099.152.136.919.800

(19)

30

Kemudian nilai-nilai MSE yang telah diperoleh dapat dilihat pada nilai α yang memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan

metode peramalan nilai penjualan energi listrik di PT. PLN (Persero) Cabang Medan dengan melihat MSE adalah sebagai berikut:

Tabel 3.11 Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE 0,7, sehingga dapat ditentukan bentuk persamaan peramalan untuk periode berikutnya.

Berdasarkan perhitungan pada α = 0,7, dapat diperoleh persamaan peramalan untuk periode berikutnya yaitu dengan menggunakan persamaan (2.6)

sebagai berikut:

(20)

31

3.5 Peramalan Banyaknya Energi Listrik yang Disalurkan Tahun 2016, 2017 dan 2018

Setelah diperoleh persamaan peramalan banyaknya energi listrik yang disalurkan, maka dapat dihitung banyaknya energi listrik yang disalurkan untuk tiga periode

berikutnya, yaitu untuk tahun 2016, 2017 dan 2018 : (Persero) Cabang Medan Tahun 2016 sampai 2018

Tahun Periode

Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi listrik yang disalurkan adalah:

(21)

32

=

2. Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah:

2

3. Nilai Tengah Kesalahan Absolut (Mean Absolute Error) adalah:

1

4. Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage Error) adalah:

5. Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah:

(22)

33

6. Jumlah Kuadrat Kesalahan (Sum Square Error) adalah:





N

t t

e

SSE

1 2

374.216.187.590.997.000

(23)

BAB 4

IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi Sistem

Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu

kecepatan, ketepatan dan keandalan. Terutama dalam pengolahan data yang jumlahnya sangat besar dan rumit dikerjakan secara manual tentunya sangat membutuhkan komputer untuk mengolah data. Di samping dapat dikerjakan

dengan cepat dan tepat, juga dapat mengurangi kesalahan perhitungan. Jadi, implementasi sistem merupakan penerapan hasil desain tertulis ke dalam sebuah

tulisan yang mana penulis menggunakan Microsoft Excel 2007 untuk menganalisis data banyaknya energi listrik yang disalurkan.

4.2 Pengenalan Microsoft Excel

Microsoft Excel adalah program lembar kerja atau spreadsheet. Program Microsoft Excel merupakan salah satu program aplikasi Microsoft Office untuk

mengolah data perhitungan. Microsoft Excel dapat melakukan pengolahan data secara cepat pada bidang matematika, akuntansi, statistik dan pada bidang lain

yang memerlukan perhitungan dengan cepat dan teliti. Selain Microsoft Excel, dapat juga mengolah data statistik dengan software lainnya seperti SPSS dan

MINITAB. Hasil pengolahan data statistik menggunakan Microsoft Excel mempunyai keakuratan dan ketelitian yang sama dengan program yang secara khusus melakukan pengolahan data statistik.

Sheet atau lembar kerja Microsoft Excel terdiri dari 16.384 kolom dan 1.048.576 baris. Kolom diberi nama dengan huruf dari A, B, C sampai dengan Z, lalu dilanjutkan dengan AA, AB, AC sampai kolom XFD. Sedangkan baris

ditandai dengan angka mulai dari 1,2,3 sampai dengan 1.048.576. Microsoft Excel 2007 hadir dengan tampilan yang lebih praktis dan mudah digunakan, juga

berintegrasi dengan berbagai software lain seperti Microsoft Word, Microsoft Accses, dan Microsoft Powerpoint.

(24)

35

4.3 Langkah-langkah Pengolahan Data

Cara memulai pengolahan data pada Microsoft Excel yaitu:

1. Klik Start pada sudut kiri bawah layar desktop.

Gambar 4.1 Cara Mengaktifkan Microsoft Excel

2. Klik All Program kemudian klik Microsoft Office dan pilih Microsoft Excel

2007. Maka akan muncul seperti Gambar 4.2.

Gambar 4.2 Tampilan Lembar Kerja Microsoft Excel

(25)

36

3. Masukkan (entry) data yang akan diolah seperti pada Gambar 4.3.

Gambar 4.3 Tampilan Pemasukan Data

4. Olah data dengan memasukkan rumus.

 Persamaan (2.2) untuk nilai α = 0,1 yaitu dengan memasukkan rumus

=0,1*B3+(1-0,1)*C2, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.4.

Gambar 4.4 Tampilan Hasil Olah Data untuk Persamaan (2.2)

=0,1*C3+(1-0,1)*D2, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.5

(26)

37

=2*C3-D3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.6.

=0,1/(1-0,1)*(C3-D3) kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.7.

(27)

38

=E3+F3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.8.

=B4-G4, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.9.

(28)

39

 Kuadratkan nilai et dengan rumus =H4^2 untuk baris dilanjutkan dengan

rumus seperti pada Gambar 4.10.

Gambar 4.10 Tampilan Hasil Kuadrat Persamaan (2.7)

4.4 Pembuatan Grafik

Microsoft Excel menyediakan fasilitas untuk membuat aneka bentuk grafik. Langkah-langkah membuat grafik pada Microsoft Excel sebagai berikut:

1. Blok seluruh tabel yang akan dijadikan grafik, yaitu tahun dan data aktual

energi listrik yang disalurkan (kWh).

2. Pilih menu Insert, kemudian pilih line pada charts.

(29)

40

3. Lalu pilih jenis chart yang diinginkan, yaitu line with markers. 4. Klik Design pada Chart Layouts pilih layout 3.

5. Pada Chart Title ubah menjadi Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005-2015.

6. Klik kanan pada grafik yang telah muncul, pilih select data. 7. Kemudian akan muncul kotak dialog selectdata source.

8. Pada Horizontal (Category) Axis Labels diubah menjadi tahun 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015.

9. Kemudian klik OK, maka akan muncul grafik seperti Gambar 4.11 berikut:

Gambar 4.11 Tampilan Output dari Tabel yang Dijadikan Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015

(30)

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil pengolahan data pada Bab 3, maka penulis mengambil

kesimpulan sebagai berikut:

a. Dari hasil pengolahan data dalam meramalkan banyaknya energi listrik yang disalurkan, maka penyaluran energi listrik PT. PLN (Persero) Cabang Medan

terus meningkat dari tahun ke tahun.

b. Dari hasil pengolahan data tahun 2005 sampai 2015 untuk banyaknya energi

listrik yang disalurkan oleh PT. PLN (Persero) Cabang Medan dalam satuan kWh dengan menggunakan metode smoothing eksponensial ganda dengan metode linier satu parameter dari Brown, diperoleh nilai MSE terkecil yaitu 34.019.653.417.363.400 dengan α = 0,7.

c. Bentuk persamaan peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan dan hasil peramalan untuk 3 periode ke depan

berdasarkan data tahun 2005 sampai 2015 adalah:

Peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan untuk tahun 2018 yakni periode ke-14 adalah sebesar

5.020.383.571 kWh.

5.2 Saran

Karena semakin bertambahnya penduduk, semakin banyak lapangan pekerjaan, dan semakin berkembanya zaman, sehingga besar kemungkinan membutuhkan energi listrik dalam kapasitas yang semakin besar dan berdasarkan hasil peramalan energi listrik yang terus meningkat maka bagi pihak PT. PLN (Persero) Cabang Medan supaya mempersiapkan dan menyediakan kapasitas energi listrik

bagi para pelanggan atau pengguna listrik untuk masa yang akan datang.