UTARA TAHUN 2021 DENGAN MENGGUNAKAN METODE PEMULUSAN (SMOOTHING) EKSPONENSIAL
TUGAS AKHIR
ELISABET LUMBAN BATU 172407043
PROGRAM STUDI D3 STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2020
PERAMALAN TINGKAT PERKEMBANGAN EKSPOR
BERDASARKAN SEKTOR INDUSTRI DI PROVINSI SUMATERA UTARA TAHUN 2021 DENGAN MENGGUNAKAN METODE
PEMULUSAN (SMOOTHING) EKSPONENSIAL TUGAS AKHIR
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh gelar Ahli Madya
ELISABET LUMBAN BATU 172407043
PROGRAM STUDI D3 STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2020
PERNYATAAN ORISINALITAS
PERAMALAN TINGKAT PERKEMBANGAN EKSPOR
BERDASARKAN SEKTOR INDUSTRI DI PROVINSI SUMATERA UTARA TAHUN 2021 DENGAN MENGGUNAKAN METODE
PEMULUSAN (SMOOTHING) EKSPONENSIAL
TUGAS AKHIR
Saya menyatakan bahwa laporan tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2020
Elisabet Lumban Batu 172407043
PERAMALAN TINGKAT PERKEMBANGAN EKSPOR
BERDASARKAN SEKTOR INDUSTRI DI PROVINSI SUMATERA UTARA TAHUN 2021 DENGAN MENGGUNAKAN METODE
PEMULUSAN (SMOOTHING) EKSPONENSIAL ABSTRAK
Indonesia adalah negara agraris yang mempunyai struktur perekonomian yang bersifat struktur ekonomi ekspor/import. Oleh karena itu, perkembangan ekonomi dan globalisasi membuat suatu negara saling ketergantungan dan membutuhkan satu sama lain dalam memenuhi kebutuhan dan memasarkan produk unggul negaranya, dalam hal ini negara-negara dunia melaksanakan pertukaran barang dan jasa dalam konteks perdagangan internasional. Keberhasilan dalam meningkatkan ekspor mencerminkan peningkatan daya saing dan sekaligus merupakan suatu indikasi dari tumbuhnya dinamika positif dalam kewirausahaan suatu negara. Penelitian ini bertujuan untuk mengetahui hasil perkiraan tingkat perkembangan ekspor berdasarkan sektor industri di Provinsi Sumatera Utara tahun 2021. Data yang digunakan adalah data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara. Metode yang digunakan dalam penelitian ini adalah Metode Pemulusan (Smoothing) Eksponensial dari Brown.
Dapat disimpulkan pada penelitian ini bahwa hasil perkiraan tingkat perkembangan ekspor berdasarkan sektor industri di Provinsi Sumatera Utara pada tahun 2021 sebanyak 7.602.424,189 (000 US$). Ini berarti peningkatan persentase tingkat perkembangan ekspor berdasarkan sektor industri di Provinsi Sumatera Utara pada tahun 2021 sebesar 1,27% atau kenaikannya sebesar 95.690,958 (000 US$).
Kata Kunci : Ekspor, Pemulusan Eksponensial, Sektor Industri
FORECASTING OF EXPORT DEVELOPMENT LEVELS BASED ON INDUSTRIAL SECTOR IN NORTH SUMATERA PROVINCE BY
2021 USING DISCOVERY METHOD (SMOOTHING) EXPONENTIAL
ABSTRACT
Indonesia is an agricultural country that has an economic structure that is export / import economic structure. Therefore, economic development and globalization make a country interdependent and need each other to meet the needs and market superior products of his country, in this case the countries of the world carry out the exchange of goods and services in the context of international trade. The success in increasing exports reflects an increase in competitiveness and at the same time is an indication of the growth of positive dynamics in a country's entrepreneurship. from the Central Statistics Agency of North Sumatra Province. The method used in this research is Brown's Exponential Smoothing Method. It can be concluded in this study that the estimated results of the level of export development based on the industrial sector in North Sumatra Province in 2021 were 7,602,424,189 (000 US $). This means an increase in the percentage rate of export development based on the industrial sector in North Sumatra Province in 2021 by 1,27% or an increase of 95,690,958 (000 US $).
Keywords : Exports, Exponential Smoothing, Industrial Sector
PENGHARGAAN
Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa atas Rahmat dan Karunia-Nyalah sehingga penulis dapat menyelesaikan tugas akhir ini tepat pada waktunya.
Pada kesempatan ini, penulis menyampaikan ucapan terima kasih atas bantuan dan bimbingan yang sangat berharga yang telah diberikan kepada penulis sehingga penulis dapat menyelesaikan tugas akhir ini dengan tepat waktu . maka dengan ini penulis mengucapkan terima kasih kepada :
1. Bapak Prof. Dr. Kerista Sebayang, M.S selaku Dekan FMIPA USU.
2. Ibu Dr. Nursahara Pasaribu, M.Sc selaku Wakil Dekan FMIPA USU.
3. Ibu Dr. Elly Rosmaini, M.Si selaku Ketua Program Studi D3 Statistika
4. Ibu Dr. Dra. Rahmawati Pane, M.Si selaku dosen pembimbing yang bermurah hati untuk meluangkan waktu untuk membimbing dan memotivasi penulis dalam penulisan tugas akhir ini. Ide, masukan, kritikan dan bantuan lainnya merupakan hal-hal yang tak mungkin terbalas hanya dengan ucapan terimakasih. Dan penulis serahkan kepada Tuhan Yang Maha Esa untuk membalas kebaikannya.
5. Bapak T. Lumban Batu dan Mama T. Butar-Butar yang telah membesarkan dan mendidik penulis dengan penuh kasih saying dan cinta kasih hingga saat ini selalu memberikan doa, dukungan serta materi yang tak ternilai dengan apapun.
6. Untuk Abang, Kakak dan Adik penulis (Rumondang, Rugun, Marito, Lisna, Marthin, Amry, Purnama) yang selalu mendukung dan memotivasi penulis hingga sampai di titik ini.
7. Semua orang-orang hebat yang penulis temui selama perkuliahan, yang menjadi pemberi semangat dan motivasi yang luar biasa dalam pengerjaan tugas akhir ini:
Abigail Eleanor (Kak Tamel, Gress, Jemina, Rauli, Fourta, Celi, Ariska, Ony, Tety, Nita, Siska, dan Desi) dan sahabat penulis Rangga Wana Lumban Gaol.
Terimakasih untuk setiap doa-doa dan dukungan yang kalian beri.
Penulis juga menyadari bahwa dalam penulisan Tugas Akhir ini masih terdapat beberapa kekurangan. Oleh karena itu, dengan tangan terbuka penulis menerima segala kritik dan saran yang bersifat membangun untuk kesempurnaan Tugas Akhir ini. Akhir kata, penulis mengucapkan terima kasih.
Medan, Juli 2020
Elisabet Lumban Batu
DAFTAR ISI
Halaman
PENGESAHAN TUGAS AKHIR i
ABSTRAK ii
ABSTRACT iii
PENGHARGAAN iv
DAFTAR ISI v
DAFTAR TABEL vii
DAFTAR GAMBAR viii
DAFTAR LAMPIRAN ix
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 4
1.2 Rumusan Masalah 4
1.3 Batasan Masalah 4
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Sistematika Penelitian 5
BAB 2 TINJAUAN PUSTAKA 6
2.1 Pengertian Peramalan 6
2.2 Jenis-jenis Peramalan 6
2.3 Peranan dan Kegunaan Peramalan 7
2.4 Jenis-jenis Pola Data 8
2.5 Metode Peramalan 10
2.5.1 Pengertian Metode Peramalan 10
2.5.2 Jenis-jenis Metode Peramalan 11
2.5.3 Metode Pemulusan (Smoothing) 11
2.5.4 Metode Peramalan Yang Digunakan 13 2.5.5 Metode Pemulusan Eksponensial Ganda 13
2.5.6 Penaksiran Model Peramaln 14
BAB 3 Metode Penelitian 15
3.1 Sumber Data 15
3.2 Lokasi Penelitian 15
3.3 Studi Kepustakaan 15
3.4 Metode Pengumpulan Data 15
3.5 Metode Pengolahan Data 16
BAB 4 HASIL DAN KESIMPULAN 17
4.1 Penyajian Data 17
4.2 Implementasi Sistem 18
4.2.1 Pengertian Implementasi Sistem 18
4.2.2 Microsoft Excel 19
4.2.3 Pengaktifan Microsoft Excel 19
4.2.4 Langkah-langkah Pengolahan Data dengan 21 Microsoft Excel
4.2.5 Pembuatan Grafik 24
4.3 Metode Smoothing Eksponensial Ganda Satu 24 Parameter dari Brown
4.4 Perkiraan Tingkat Perkembangan Ekspor Berdasarkan 37 Sektor Industri di Provinsi Sumatera Utara
BAB 5 KESIMPULAN DAN SARAN 39
5.1 Kesimpulan 39
5.2 Saran 39
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL
Nomor Judul Halaman
Tabel
4.1 Tingkat Perkembangan Ekspor Berdasarkan Sektor Industri 17 di Provinsi Sumatera Utara tahun 2009-2018
4.2 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,1 28 4.3 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,2 29 4.4 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,3 30 4.5 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,4 31 4.6 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,5 32 4.7 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,6 33 4.8 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,7 34 4.9 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,8 35 4.10 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,9 36 4.11 Perbandingan ukuran ketepatan metode peramalan 37 4.12 Perkiraan Tingkat Perkembangan Ekspor Berdasarkan Sektor 38
Industri di Provinsi Sumatera Utara Periode Tahun 2019-2020
DAFTAR GAMBAR
Nomor Judul Halaman
Gambar
2.1 Pola Data Horizontal 8
2.2 Pola Data Musiman 9
2.3 Pola Data Siklis 9
2.4 Pola Data Trend 10
4.1 Plot Data Tingkat Perkembangan Ekspor Berdasarkan Sektor 18
Industri di Provinsi Sumatera Utara tahun 2009-2018 4.2 Cara Mengaktifkan Microsoft Excel 20
4.3 Lembar Kerja Microsoft Excel 20
4.4 Tampilan Data Nilai Ekspor Berdasarkan Sektor Industri 21
4.5 Tampilan Proses Perhitungan Peramalan 23
4.6 Tampilan Grafik 24
4.7 Tingkat Perkembangan Ekspor Berdasarkan Industri Di 38 Provinsi Sumatera Utara dari tahun 2009-2021
DAFTAR LAMPIRAN
Nomor Judul
Lampiran
1. Surat Permohonan Pengantar Pengambilan Data Riset
2. Surat Izin Pengambilan Data
3. Surat Balasan Izin Riset Pengambilan Data
4. Hasil Uji Impementasi Sistem
5. Surat Keputusan Dekan
6. Formulir Kontrol Bimbingan
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Tidak ada suatu negara di dunia ini yang tidak melakukan ekspor, atau dengan bahasa sederhananya menjual barang atau jasa yang melewati batas-batas negaranya.
Barang komoditas diangkut dengan menggunakan kapal laut jika negara penjual barang dibatasi dengan air laut. Contohnya, transaksi ekspor antara Indonesia-Jepang, antara Taiwan-Korea, antara Malaysia-Arab Saudi, antara India-Thailand. Namun, akan menggunakan angkutan darat seperti armada truk atau gerbong barang kereta api jika negara penjual barang dan negara pembeli barang terletak dalam satu benua atau satu pulau yang sama. Misalnya, transaksi ekspor antara negara Iran dan Afganistan, antara India dan Pakistan, antara Thailand dan Kamboja, antara Vietnam dan Cina, antara negara-negara Irak-Turki-Sirya-Yordania, atau transaksi ekspor antara Timor Lorosae dengan Indonesia, antara Jerman dan Hungaria, dan lainnya.
Indonesia adalah negara agraris yang mempunyai struktur perekonomian yang bersifat struktur ekonomi ekspor/import. Suatu negara yang mempunyai struktur ekonomi ekspor seperti Indonesia, sangat terpengaruh oleh maju mundurnya ekspor.
Salah satu petunjuk mengenai perkembangan ekonomi Indonesia adalah penampilan Anggaran Pendapatan dan Belanja Negara (APBN) yang diterbitkan pada setiap menjelang tahun anggaran baru. Apabila diperhatikan sumber penerimaan dalam negeri sebagaimana tercermin dalam realisasi Anggaran Pendapatan dan Belanja Negara (APBN) terlihat bahwa sebagian besar sumber penerimaan negara berasal dari perdagangan luar negeri (ekspor migas dan non migas), dimana ekspor migas memegang peranan terbesar dari keseluruhan penerimaan dalam negeri, rata-ratanya adalah 65%.
Oleh karena itu, perkembangan ekonomi dan globalisasi membuat suatu negara saling ketergantungan dan membutuhkan satu sama lain dalam memenuhi kebutuhan dan memasarkan produk unggul negaranya, dalam hal ini negara-negara dunia
ii
melaksanakan pertukaran barang dan jasa dalam konteks perdagangan internasional.
Ekspor mungkin
tampaknya mudah sebagai suatu perpanjangan dari pemasaran domestik pada skala yang lebih besar. Ini adalah salah satu kesalahan utama yang menyebabkan kegagalan ekspor.
Ekspor haruslah didasari atas prinsip dan sistem dalam suatu lingkungan yang dinamik dan setiap penjualan ekspor harus disesuaikan dengan karakteristik pasar target.
Pengekspor harus waspada dan peka pada perubahan diluar negeri, dan harus memiliki kemampuan berespon cepat.
Keberhasilan dalam meningkatkan ekspor mencerminkan peningkatan daya saing dan sekaligus merupakan suatu indikasi dari tumbuhnya dinamika positif dalam kewirausahaan suatu negara. Daya saing telah menjadi kunci bagi perusahaan, negara maupun wilayah untuk bisa berhasil dalam partisipasinya dalam globalisasi dan perdagangan bebas dunia. Berdasarkan dari hal ini, peningkatan ekspor bukan lagi sekedar pilihan melainkan merupakan suatu keharusan.
Memasarkan produk di luar negeri berbeda dengan memasarkannya di dalam negeri, pasar luar negeri yang sangat kompetitif sehingga hanya pengusaha yang mempunyai daya saing yang tinggi yang akan menang dalam persaingan dan berhasil mendapatkan pangsa pasar. Dalam usaha untuk menciptakan daya saing maka perbaikan mutu produk ekspor perlu ditingkatkan, sehingga dapat menghindari adanya penolakan dari negara tujuan ekspor.
Dalam persaingan internasional khusunya di dalam daya saing produk ekspor, ada tiga aspek yang perlu diperhatikan (Amir, 2003:281), aspek tersebut adalah sebagai berikut:
1. Harga, dalam menawarkan suatu produk harga haruslah sama atau lebih rendah dari harga yang ditawarkan pesaing, atau biaya produksinya lebih rendah dari biaya produksi di negara tujuan. Dalam hal ini negara pengekspor memiliki keunggulan komparatif.
2. Mutu Produk, mutu yang ditawarkan harus memenuhi atau sesuai dengan selera konsumen.
3. Waktu Penyerahan, harus sesuai dengan situasi dan kondisi pasaran di negara tujuan. Keterlambatan pengiriman dan penyerahan barang dapat berakibat fatal
3
karena memungkinkan produk tersebut tidak lagi dipasarkan yang akhirnya dapat mengurangi selera dan permintaan akan produk tersebut.
Sumatera Utara merupakan salah satu provinsi di Indonesia, dimana Provinsi Sumatera Utara juga ikut berpartisipasi dalam melakukan perdagangan internasional, terutama dalam melakukan ekspor dan impor. Provinsi Sumatera Utara memiliki produk ekspor unggulan dengan perkembangan dan perubahan baik dari volume ekspor maupun nilai ekspor setiap tahunnya. Adanya peningkatan maupun penurunan ekspor di Provinsi Sumatera Utara disebabkan adanya daya saing terhadap produk tersebut. Dengan adanya daya saing ini peran aparatur pemerintah dan eksportir Provinsi Sumatera Utara dituntut untuk menjaga agar produk ekspor tetap memiliki kemampuan dalam persaingan di pasar internasional.
Peramalan (forecasting) adalah suatu perkiraan tingkat permintaaan yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu dimasa yang akan datang. Peramalan (forecasting) permintaan produk dan jasa di waktu mendatang sangat penting dalam perencanaan dan pengawasan produksi. Suatu peramalan banyak mempunyai arti, maka peramalan tersebut perlu direncanakan dan dijadwalkan sehingga akan diperlukan suatu periode untuk membuat suatu kebijaksanaan dan menetapkan beberapa hal yang mempengaruhi kebijaksanaan tersebut. Disamping itu, peramalan juga diperlukan untuk memperkirakan apa yang akan terjadi dimasa yang akan datang juga para pengambil keputusan perlu untuk membuat perencanaan.
Salah satu metode yang digunakan dalam metode peramalan adalah metode pemulusan (smoothing) eksponensial yang merupakan suatu metode peramalan rata-rata bergerak yang memberikan bobot secara eksponensial atau bertingkat pada data terbarunya sehingga data terbaru tersebut akan mendapatkan bobot yang lebih besar.
Dengan kata lain, semakin baru atau semakin kini datanya, semakin besar pula bobotnya. Hal ini dikarenakan data yang terbaru dianggap lebih relavan sehingga diberikan bobot yang lebih besar (Makridakis). Parameter Pemulusan (Smoothing) biasanya dilambangkan dengan α (alpha).
Berdasarkan latar belakang uraian diatas, maka penulis tertarik untuk melakukan penelitian dengan judul “Peramalan Tingkat Perkembangan Ekspor Berdasarkan Sektor Industri Di Provinsi Sumatera Utara Tahun 2021 Dengan Menggunakan Metode Pemulusan (Smoothing) Eksponensial’’.
1.2 Rumusan Masalah
Permasalahan yang akan dibahas adalah bagaimana tingkat perkembangan ekspor berdasarkan sektor industri di Provinsi Sumatera Utara tahun 2021 dengan menggunakan metode pemulusan (smoothing) eksponensial berdasarkan data tahun 2009-2018.
1.3 Batasan Masalah
Batasan masalah dalam penelitian ini adalah:
1. Penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) , data yang akan diteliti pada tahun 2009-2018.
2. Penelitian ini membahas bagaimana memperkirakan tingkat perkembangan ekspor berdasarkan sektor industri di Provinsi Sumatera Utara tahun 2021 dengan menggunakan metode pemulusan (smoothing) eksponensial.
3. Untuk data kuantitatif yang digunakan adalah data ekspor berdasarkan sektor industri yang mengacu pada nilai Free On Board (FOB) yang artinya harga
barang ditempat asal.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengetahui hasil perkiraan dari tingkat perkembangan ekspor berdasarkan sektor industri di Provinsi Sumatera Utara tahun 2021 dengan metode pemulusan (smoothing) eksponensial.
1.5 Manfaat Penelitian Manfaat dari penelitian ini adalah:
5
1. Memberikan informasi tentang bagaimana cara memperkirakan tingkat perkembangan ekspor berdasarkan sektor di Provinsi Sumatera Utara dengan metode pemulusan (smoothing) eksponensial.
2. Sebagai referensi bagi pemerintah ataupun pihak yang terkait, guna mengetahui perkembangan ekspor di Provinsi Sumatera Utara.
3. Memberikan kontribusi bagi penelitian selanjutnya, terlebih bagi yang akan melakukan penelitian dengan pembahasan yang sama.
1.6 Sistematika Penelitian
Penulisan tugas akhir ini disusun secara sistmatis, yang didalamnya dikemukakan bab sebagai berikut:
Bab 1 : Pendahuluan
Dalam bab ini diuraikan latar belakang masalah, perumusan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, yang digunakan dan bagaimana sistematika penulisannya.
Bab 2 : Landasan Teori
Bab ini menguraikan segala sesuatu yang berhubungan dengan penyelesaian masalah sesuai dengan judul dan permasalahan yang diutarakan mengenai metode peramalan.
Bab 3 : Metode Penelitian
Bab ini menguraikan tentang objek pengamatan, metode pengambilan data, sumber data, dan teknik pengolahan data.
Bab 4 : Hasil dan Pembahasan
Bab ini menjelaskan mengenai data yang akan dianalisis, metode analisis data dengan menggunakan metode peramalan serta interpretasi data.
Bab 5 : Kesimpulan dan Saran
Bab ini berisi tentang kesimpulan dan saran yang dapat diberikan penulis sesuai dengan analisis yang dilakukan.
BAB 2
TINJAUAN PUSTAKA
2.1 Pengertian Peramalan
Peramalan (forecasting) adalah suatu teknik analisa perhitungan yang dilakukan dengan pendekatan kualitatif atau kuantitatif untuk melakukan perkiraan peristiwa yang akan datang dengan penggunaan referensi data pada masa lalu. Untuk memprediksi hal tersebut diperlukan data yang akurat di masa lalu. Sehingga dapat dilihat prospek situasi dan kondisi yang akan datang.
2.2 Jenis-jenis Peramalan
Peramalan pada umumnya dapat dibedakan dari berbagai segi, tergantung dalam cara melihatnya atau memandangnya.
Dilihat dari jangka waktu yang disusun, peramalan dapat dibedakan atas 2 macam yaitu:
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester.
2. Peramalan jangka pendek , yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang dilakukan kurang dari satu setengah tahun atau tiga semester.
Dilihat dari sifat penyusunannya maka peramalan dapat dibedakan menjadi 2 macam yaitu:
1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya.
2. Peramalan objektif, yaitu peramalan yang didasarkan atas data yang relavan pada masa lalu dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.
Jika dilihat dari sifat peramalan yang telah disusun maka peramalan dapat dibedakan atas 2 macam yaitu:
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif masa lalu. Hasil peramalan yang ada tergantung pada orang yang menyusunnya, karena peramalan tersebut sangat ditentukan oleh pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman dari penyusunnya.
2. Peramalan kuantitatif yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat tergantung pada metode yang digunakan dalam peramalan tersebut. Metode yang baik adalah metode yang memberikan nilai-nilai penyimpangan yang sekecil mungkin.
2.3 Peranan dan Kegunaan Peramalan
Beberapa bagian organisasi dimana peramalan kini memainkan peranan yang penting antara lain:
1. Penjadwalan sumber daya yang tersedia
Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, khas, personalia, dan lain sebagainya.
2. Penyediaan sumber daya tambahan
Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan peralatan dapat berkisar antara beberapa hari, bulan bahkan sampai beberapa tahun. Jadi peramalan diperlukan untuk menentukan kebutuhan sumber daya dimasa yang akan datang.
3. Penentuan sumber daya yang diinginkan
Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka panjang. Keputusan semacam itu harus bergantung pada kesempatan pasar, faktor lingkungan dan pengembangan internal dari sumber daya finansial, manusia, produk dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manejer dapat menafsirkan perkiraan serta membuat keputusan yang tepat.
Sedangkan kegunaan dari peramalan adalah sebagai berikut:
8
1. Menentukaan apa yang dibutuhkan untuk pengembangan atau perluasan organisasi (perusahaan, pabrik, home industri, dan lain sebagainya).
2. Menentukan perencanaan lanjutan bagi produk-produk yang ada untuk dikerjakan dengan fasilitas yang ada.
3. Menentukan penjadwalan jangka pendek produk-produk yang ada untuk dikerjakan berdasarkan peralatan yang ada.
2.4 Jenis-jenis Pola Data 1. Pola Horizontal
Pola horizontal terjadi bila nilai data berfluktuasi disekitar nilai rata-rata yang konstan. Contohnya adalah suatu produk yang penjualannya tidak meningkat atau menurun selama kurun waktu tertentu. Struktur pola datanya adalah sebagai berikut:
Gambar 2. 1 Pola Data Horizontal 2. Pola Musiman
Pola musiman terjadi bila faktor musiman misalnya triwulan, trimester, tahunan, bulanan. Struktur pola datanya adalah sebagai berikut:
Gambar 2.2 Pola Data Musiman 3. Pola Siklis
Pola siklis terjadi bila mana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis seperti penjualan produk mobil,
baja, dan peralatan lainnya. Struktur pola datanya adalah sebagai berikut:
Gambar 2.3 Pola Data Siklis 4. Pola Trend
Pola ini terjadi bila mana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Seperti penjualan banyak perusahaan produk bruto nasional seperti GNP (Gross National Product). Struktur pola datanya adalah sebagai berikut:
10
Gambar 2.4 Pola Data Trend
2.5 Metode Peramalan
2.5.1 Pengertian Metode Peramalan
Metode peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang terjadi pada masa yang akan datang berdasarkan data yang relavan pada masa lalu. Dengan demikian metode peramalan diharapkan dapat memberikan objektifitas yang lebih besar. Metode peramalan juga memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan dalam kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama, karena argumentasinya sehingga sama. Metode peramalan memberikan cara pengerjaan yang teratur dan terarah, sehingga dengan demikian dapat dimungkinkannya penggunaan teknik-teknik penganalisaan yang lebih maju.
Dapat disimpulkan bahwa metode peramalan sangat berguna, karena akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaaan dan pemecahan yang sistematis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat.
2.5.2 Jenis-jenis Metode Peramalan
1. Metode peramalan yang didasarkan atas penggunaan analisa hubungan antar variabel yang diperkirakan dengan variabel waktu merupakan deret berkala (time series). Metode peramalan yang termasuk pada jenis ini yaitu:
a. Metode pemulusan (smoothing) b. Metode box Jenkins
c. Metode proyeksi trend dengan regresi
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab akibat (metode kasual). Metode peramalan yang termasuk jenis ini adalah:
a. Metode regresi dan korelasi b. Metode ekonometri
c. Metode input output
2.5.3 Metode Pemulusan (Smoothing)
Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun sebelumnya untuk menaksir nilai pada beberapa tahun kedepan. Secara umum pemulusan (smoothing) dapat digolongkan menjadi beberapa bagian:
1. Metode Perataan (Avarage) a. Nilai tengah (Mean)
b. Rata-rata bergerak tunggal (Single Moving Avarage) c. Rata-rata bergerak ganda (Double Moving Avarage) d. Kombinasi rata-rata bergerak lainnya.
2. Metode pemulusan (Smoothing)
a. Pemulusan eksponensial tunggal 1. Satu parameter (One Paramate) 2. Pendekatan aditif (ARRES)
12
Pendekatan aditif digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola atau trend. Pendekatan ini memiliki kelebihan yang nyata dalam hal nilai yang dapat berubah secara terkendali, dengan adanya perubahan dalam pola datanya.
b. Pemulusan eksponensial ganda
1. Metode Linier Satu Parameter dari Brown
=αXt + (1-α) t-1 2-1
= α + (1-α) t-1 2-2
at = + ( ) = 2 2-3
bt = ( ) 2-4
Ft+m = at + btm 2-5
Keterangan:
= Nilai eksponensial smoothing tunggal
= Nilai eksponensial smoothing ganda α = Nilai parameter pemulusan eksponensial At,bt = konstanta pemulusan
Ft+m = Hasil peramalan untuk m periode kedepan yang akan diramalkan
Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan rumus dibawah ini:
1. ME (Mean Error) atau Nilai Tengah Kesalahan:
ME = ∑ 2-6
2. MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat:
MSE = ∑ 2-7
3. SDE (Standart Deviation of Error) atau Deviasi Standar Kesalahan:
SDE = √∑ 2-8
Keterangan:
Et = Xt – Ft (kesalahan pada periode t) Xt = Data Aktual pada periode t
Ft = Nilai Ramalan pada periode t 2. Metode Dua Parameter dari Holt
Metode ini digunakan peramalan data yang bersifat trend
St = αXt + (1 - α)(St-1 + bt-1) 2-9
bt = Y(St – St-1) + (1 - α)bt – 1 2-10
Ft+m = St + btm 2-11
Keterangan:
Y = Parameter Peramalan Eksponensial.
2.5.4 Metode Peramalan yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat.
Data tingkat perkembangan ekspor berdasarkan sektor industri di Provinsi Sumatera Utara dari tahun 2009 sampai 2018 sudah diplot ke dalam grafis menunjukkan pola trend linier yang dapat juga dilihat dari plot auto korelasi yang menunjukkan pola data linier.
Maka metode peramalan analisis time Series yang digunakan untuk memperkirakan tingkat perkembangan ekspor berdasarkan sector industry di Provinsi Sumatera Utara tahun 2021 adalah dengan menggunakan Metode Eksponensial Ganda, yaitu Pemulusan (Smoothing).
2.5.5 Metode Pemulusan Eksponensial Ganda
Menentukan nilai parameter yang akan digunakan, dimana nilai parameter (α) besarnya antara 0 < α < 1 dengan cara trial dan error.
Adapun langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan Metode Linier Satu Parameter dari Brown adalah:
1. Menentukan harga parameter Smoothing eksponensial yang besarnya dari 0 < α < 1 2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan rumus:
= αXt + (1- α)
3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan rumus:
14
= α + (1- α)
Menghitung koefisien ɑt dan bt dengan menggunakan rumus:
ɑt = + ( ) = 2 bt = ( )
5. Menggunakan trend peramalan (Ft+m)dengan menggunakan rumus:
Ft+m = ɑt + btm
2.5.6 Penaksiran Model Peramalan
Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data dengan metode peramalan (forecasting) berdasarkan metode pemulusan eksponensial satu parameter dari Brown.
Untuk memenuhi perhitungan pemulusan (smoothing) eksponensial ganda perkiraan yang akan datang, maka terlebih dahulu menentukan parameter nilai α yang biasanya secara trial dan error.
Suatu nilai α dipilih besarnya 0 < α < 1, dihitung Mean Square Error masing- masing kesalahan untuk masing-masing item dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.
Untuk menghitung nilai MSE pertama dicari nilai error terlebih dahulu, yang merupakan hasil dari data asli dikurang hasil perkiraan kemudian tiap error dikuadratkan. Setelah didapat hasil nilai kuadrat dari error maka dicari nilai MSE yaitu membagi jumlah kuadrat error dengan banyaknya periode waktu. Secara matematis rumus MSE (Mean Square Error) adalah sebagai berikut:
MSE = ∑
BAB 3
METODE PENELITIAN
3.1 Sumber Data
Sumber data dalam penelitian ini adalah jumlah ekspor berdasarkan sektor industri di Provinsi Sumatera Utara dari tahun 2009-2018 yang diperoleh dari Badan Pusat Statistika Provinsi Sumatera Utara. Data jumlah ekspor yang digunakan adalah jumlah ekspor berdasarkan sektor industri dalam nilai Free On Board (FOB) yang artinya harga barang ditempat asal.
3.2 Lokasi Penelitian
Untuk mempermudah penelitian ini, peneliti mengadakan penelitian dan pengumpulan data pada kantor Badan Pusat Statistik (BPS) Provinsi Sumatera Utara, Jl.
Asrama No. 179, Dwi Kora, Medan Helvetia, Kota Medan.
3.3 Studi Kepustakaan
Studi pustaka merupakan suatu cara penelitian yang digunakan untuk memperoleh data atau informasi dari perpustakaan yaitu dengan membaca buku-buku, jurnal-jurnal ataupun sumber terbitan lainnya dan bahan-bahan yang bersifat teoritis yang mendukung serta relavan dengan penulisan tugas akhir ini.
3.4 Metode Pengumpulan Data
Metode pengumpulan data untuk keperluan penelitian ini dilakukan penulis dengan mengumpulkan data sekunder dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Pengumpulan data yang diambil melalui data sekunder. Data sekunder adalah data yang dikumpulkan, diperoleh dari sumber-sumber yang tercetak, dimana data tersebut telah dikumpulkan oleh pihak lain sebelumnya. Dalam hal ini penulis
merangkum data berdasarkan data yang telah tersedia atau disusun oleh BPS. Data yang dikumpulkan
16
tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
3.5 Metode Pengolahan Data
Pengolahan data dilakukan dengan menggunakan metode deskriptif, yaitu metode yang dilakukan terlebih dahulu mengumpulkan data yang ada kemudian diklasifikasikan, dianalisis selanjutnya diinterpretasikan sehingga dapat memberikan pemecahan terhadap permasalahan.
Pengolahan data menggunakan metode peramalan Pemulusan (Smoothing) Eksponensial Ganda yaitu metode Linier Satu Parameter dari Brown. Langkah-langkah yang dilakukan dalam pengolahan data adalah:
1. Menghitung nilai pemulusan eksponensial tunggal dan nilai pemulusan eksponensial ganda pada periode ke t dengan mengunakan parameter pemulusan 0 < α < 1.
2. Menghitung nilai konstanta pemulusan yaitu ɑt dan bt . 3. Menghitung trend peramalan Ft+m.
4. Menghitung jumlah kuadrat error dari masing-masing α dengan menggunakan persamaan-persamaan yang telah ditetapkan.
5. Menentukan nilai MSE dari masing-masing α.
6. Menentukan nilai MSE terkecil.
7. Menentukan model peramalan dengan menggunakan α dari nilai MSE terkecil.
8. Menentukan model peramalan untuk periode berikutnya.
9. Memperoleh hasil perkiraan tingkat perkembangan ekspor berdasarkan sektor industri di Provinsi Sumatera Utara tahun 2021.
BAB 4
HASIL DAN PEMBAHASAN
4.1 Penyajian Data
Data yang akan diolah dalam tugas akhir ini adalah data yang dikumpulkan dari kantor Badan Pusat Statistik (BPS) Provinsi Sumatera Utara, yaitu data tingkat perkembangan ekspor berdasarkan sektor industri di Sumateraa Utara dari tahun 2009 sampai 2018. Adapun data yang diperoleh dari hasil survei yang dilakukan oleh Badan Pusat Statistik Provinsi Sumatera Utara adalah sebagai berikut:
Tabel 4.1 Tingkat Perkembangan Ekspor Berdasarkan Sektor Industri di Provinsi Sumatera Utara tahun 2009-2018
Periode Tahun Nilai Ekspor Berdasarkan Sektor Industri (000 US$)
1 2009 5.012.880
2 2010 6.467.624
3 2011 7.922.544
4 2012 7.644.597
5 2013 7.179.658
6 2014 7.410.702
7 2015 6.132.002
8 2016 6.314.124
9 2017 8.570.706
10 2018 8.084.339
Sumber: Badan Pusat Statistik Provinsi Sumatera Utara
18
Gambar 4.1 Plot Data Tingkat Perkembangan Ekspor Berdasarkan Sektor Industri di Provinsi Sumatera Utara tahun 2009-2018.
4.2 Implementasi Sistem
4.2.1 Pengertian Implementasi Sistem
Implementasi merupakan tahapan penerapan hasil desain tertulis kedalam programming untuk menghasilkan sebuah sistem informasi yang sesuai dengan hasil desain tertentu. Tahapan implementasi harus menentukan basis apa yang akan diterapkan dalam menuangkan hasil desain tertulis sehingga sistem yang dibentuk memiliki kelebihan-kelebihan tersendiri.
Komputer memiliki kelebihan dari manusia dalam mengolah data yaitu kecepatan, ketepatan, dan keandalannya. Oleh karena itu sangat membantu tugas manusia dalam pengolahan data karena ada kalanya data-data yang sangat rumit dan banyak itu tidak dapat dikerjakan secara manual atau dengan tenaga manusia. Dalam data pengolahan tingkat perkembangan ekspor berdasarkan sektor industri di provinsi Sumatera Utara , implementasi yang digunakan adalah dengan menggunakan software Excel.
0 1000000 2000000 3000000 4000000 5000000 6000000 7000000 8000000 9000000
1 2 3 4 5 6 7 8 9 10
Nilai Ekspor Berdasarkan Sektor Industri (000 US$) Tahun 2009-2018
Periode Tahun Nilai Ekspor Berdasarkan Sektor Industri (000 US$) Tahun 2009-2018
4.2.2 Microsoft Excel
Microsoft Excel atau Microsoft Office Excel adalah sebuah program aplikasi lembar kerja (spread sheet) yang dibuat dan didistribusikan oleh Microsoft Corporation yang dapat dijalankan pada Microsoft Windows dan Mac OS. Microsoft excel banyak berperan dalam pengeloaan informasi khususunya data yang berbentuk angka, dihitung, diproyeksikan, dianalisa dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan excel dalam berbagai bentuk versi mulai dari versi 1.0 tahun 1985, versi 2.0 tahun 1987, versi 1.5 tahun 1988, versi 2.2 tahun 1989, versi 3.0 tahun 1990, versi 4.0 tahun 1992, versi 5.0 tahun 1993, versi 7.0 tahun 1995, versi 97 tahun 1997, versi 8.0 tahun 1998, versi 2000 tahun 1999, versi 9.0 tahun 2000, versi 2002 dan 10.0 tahun 2001, versi 2003 tahun 2003, versi 11.0 tahun 2004, versi 2007 tahun 2007, versi 2010 tahun 2010, versi 2013 tahun 2013, versi 2016 tahun 2016, terakhir versi 2019 tahun 2019.
Dalam pengelolaan data Tugas Akhir ini, penulis mengolah data dengan menggunakan Microsoft Excel 2013 karena Microsoft Excel hadir dengan berbagai penyempurnaan, lebih mudah digunakan, lebih terintegrasi dengan berbagai software lainnya, seperti Microsoft Word, SPSS, dan lain sebagainya. Keunggulan lembar kerja (spreadsheet) ini adalah udah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.
4.2.3 Pengaktifan Microsoft Excel
Tahap pertama menggunakan Microsoft Excel adalah mengaktifkan windows.
Pastikan bahwa pada komputer telah terpasang program Excel . Kemudian pada desktop, double klik icon Microsoft Excel, seperti gambar dibawah:
20
Gambar 4.2 Cara Mengaktifkan Microsoft Excel
Setelah pengaktifan, akan tampil jendela Microsoft Excel yang siap digunakan.
Adapaun lembar kerja Microsoft Excel adalah sebagai berikut:
Gambar 4.3 Lembar Kerja Microsoft Excel
Setelah itu lakukan pengisian data kedalam lembar kerja Microsoft Excel sama dengan pengetikan data kedalamnya. Dalam mengisi data ke lembar kerja dengan keyboard, diperlukan langkah-langkah berikut:
a. Letakkan pointer pada sel yang ingin diisi data b. Ketik data yang akan diolah
c. Tekan enter atau klik kiri pada sel yang lain untuk konfirmasi atau mengakhirinya.
4.2.4 Langkah-langkah Pengolahan Data dengan Microsoft Excel
Untuk mengolah data tingkat perkembangan ekspor berdasarkan sektor industri di provinsi Sumatera Utara maka data yang diperoleh dimasukkan ke lembar kerja.
Kolom pertama untuk periode, kolom kedua untuk tahun, kolom ketiga untuk nilai ekspor berdasarkan sektor industri.
Gambar 4.4 Tampilan Data Nilai Ekspor Berdasarkan Sektor Industri
Selanjutnya dari data tersebut, akan dihitung besar nilai Mean Square Error (MSE) yang terkecil dengan nilai parameter yang besarnya 0 < α <1 dengan cara trial dan error, dengan menghitung masing-masing pemulusan pertama ( ), pemulusan
22
kedua ( ), konstan (ɑt) dan (bt), nilai peramalan (Ft+m), nilai error (e) dan square error (e2) terlebih dahulu.
Langkah-langkah perhitungannya adalah sebagai berikut:
1. Pemulusan Pertama (
Untuk tahun pertama (2009) pemulusan pertamanya sama dengan tahun 2009 pada data sebenarnya, sedangkan untuk tahun 2010 diletakkan disel D3 nilainya dihitung dengan rumus = (0,1*C3)+(0,9*D2). Dalam kasus ini menghasilkan angka 5.158.354,4. Untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
2. Pemulusan Kedua ( )
Untuk tahun pertama (2009) pemulusan pertamanya sama dengan tahun 2009 pada data sebenarnya, sedangkan untuk tahun 2010 diletakkan disel E3 nilainya dihitung dengan rumus = (0,1*D3)+(0,9*E2). Dalam kasus ini menghasilkan angka 5.027.427,44. Untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
3. Perhitungan Nilai (ɑt)
Nilai ɑt dapat dicari pada tahun kedua (2010) yakni dengan rumus = (2*D3-E3).
Dalam kasus ini menghasilkan angka 5.289.281,360. Untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
4. Perhitungan Nilai (bt)
Nilai bt dapat dicari pada tahun kedua (2010) yakni dengan rumus = {0,1/0,9*(D3-E3)}. Dalam kasus ini menghasilkan angka 15.457,440. Untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
5. Nilai peramalan (Ft+m)
Nilai peramalan yang dicari adalah nilai ramalan mulai periode ke-3 diletakkan disel H4 yaitu dengan rumus = F3+(G3*1). Dalam kasus ini menghasilkan angka 5.303.828,800. untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
6. Perhitungan Error (e)
Nilai error yang dicari adalah nilai ramalan mulai periode ke-3 diletakkan disel I4 yaitu dengan rumus = C4-H4. Dalam kasus ini menghasilkan angka 2.618.715,200. Untuk tahun-tahun berikutnya hanya menyalin rumus tersebut 7. Perhitungan Square Error (e2)
Nilai e2 yang dicari adalah nilai ramalan mulai periode ke-3 diletakkan disel J4 yaitu dengan rumus = I^2. Dalam kasus ini menghasilkan angka 6.857.669.298.711,040. Untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.
8. Perhitungan Mean Square Error (MSE)
Dari jumlah error kuadrat yang telah dihitung, kemudian hitung Mean Square Error (MSE) dengan rumus = J12/8
Gunakan nilai parameter (α) dari 0,1 sampai 0,9 untuk mendapatkan nilai Mean Square Error (MSE) yang terkecil dengan langkah-langkah perhitungan yang sama seperti diatas. Dalam perhitungan didapat nilai Mean Square Error yang terkecil adalah MSE = 1.014.293,978 dengan α = 0,1
Sehingga nilai parameter (α) yang digunakan untuk menghhitung peramalan Tingkat Perkembangan Ekspor Berdasarkan Sektor Industri di Provinsi Sumatera Utara adalah 0,1.
24
Gambar 4.5 Tampilan Proses Perhitungan Peramalan
4.2.5 Pembuatan Grafik
Grafik pada Microsoft Excel dapat dibuat menjadi satu dengan data terpisah pada lembar grafik tersendiri, namun masih difile yang sama. Adapun langkah-langkahnya adalah sebagai berikut:
a. Sorot sel atau range yang akan dibuat grafik b. Pilih menu insert – chart
c. Pilih tipe grafik yang sesuai, kemudian klik Ok.
Adapun tampilannya adalah sebagai berikut:
Gambar 4.6 Tampilan Grafik
4.3 Metode Smoothing Eksponensial Ganda Satu Parameter dari Brown
Berdasarkan data nilai ekspor berdasarkan sektor industri diatas penulis menggunakan metode pemulusan (smoothing) eksponensial ganda yaitu metode satu parameter dari Brown. Digunakan α = 0,1. Tahap-tahap perhitungannya adalah sebagai berikut:
1. Menghitung pemulusan eksponensial tunggal, dengan menggunakan persamaan rumus (2-1) yaitu:
= αX
t+ (1-α)
t-1 Maka dapat dihitung:Eksponensial tunggal periode ke-1 (tahun 2009) = 5.012.880 Eksponensial tunggal periode ke-2 (tahun 2010)
= 0,1(6.467.624) + (1 – 0,1) 5.012.880 = 5.158.354,4
Eksponensial tunggal periode ke-3 (tahun 2011) = 0,1(7.922.544) + (1 – 0,1) 5.158.354,4
26
= 5.434.773,4
Hasil selanjutnya hingga pada periode ke-10 (tahun 2018) dapat dilihat pada Tabel 4.2
2. Menghitung pemulusan eksponensial ganda, dengan menggunakan persamaan rumus (2-2) yaitu:
= α + (1-α)
t-1Maka dapat dihitung:
Eksponensial ganda periode ke-1 (tahun 2009) = 5.012.880 Eksponensial ganda periode ke-2 (tahun 2010)
= 0,1(5.158.354,4) + (1 – 0,1) 5.012.880
= 5.027.427,44
Eksponensial tunggal periode ke-3 (tahun 2010)
= 0,1(5.434.773,4) + (1 – 0,1) 5.027.427,44
= 5.068.162,03
Eksponensial tunggal periode ke-4 (tahun 2011)
= 0,1(5.655.755,7) + (1 – 0,1) 5.158
= 5.126.921,40
Hasil selanjutnya hingga pada periode ke-10 (tahun 2018) kedapat dilihat pada Tabel 4.2
3. Menghitung nilai konstanta pemulusan (ɑt), dengan menggunakan persamaan rumus (2-3) yaitu:
ɑ
t= + ( ) = 2
Maka dapat dihitung:
Nilai at untuk periode ke-2 (tahun 2009) ɑ2 = 2(5.158.354,4) – 5.027.427,44 ɑ2 = 5.289.281,360
Nilai at untuk periode ke-3 (tahun 2010) ɑ3 = 2(5.434.773,4) – 5.068.162,03
ɑ3 = 5.801.384,688
Nilai at untuk periode ke-4 (tahun 2011) ɑ4 = 2(5.655.755,7) – 5.126.921,40 ɑ4 = 6.184.590,047
Hasil ɑt selanjutnya hingga pada periode ke-10 (tahun 2018) dapat dilihat pada Tabel 4.2
4. Menghitung nilai konstanta pemulusan (bt), dengan menggunakan persamaan rumus (2-4) yaitu:
b
t=
( )
Maka dapat dihitung:
Nilai bt untuk periode ke-2 (tahun 2009) b2 =
(5.158.354,4 – 5.027.427,44) b2 = 14.547,440
Nilai bt untuk periode ke-3 (tahun 2010) b3 =
(5.434.773,4 – 5.068.162,03) b3 = 40.734,592
Nilai bt untuk periode ke-4 (tahun 2011) b4 =
(5.655.755,7 – 5.126.921,40) b4 = 58.759,369
Hasil bt selanjutnya hingga pada periode ke-10 (tahun 2018) dapat dilihat pada Tabel 4.2
5. Menghitung ramalan nilai ekspor berdasarkan sektor industri, dengan menggunakan persamaan rumus (2-5) yaitu:
F
t+m= a
t+ b
tm
Maka dapat dihitung:
Untuk periode ke-3 (tahun 2010) dengan m=1 F3 = 5.289.281,360 + 14.547,440 (1)
28
F3 = 5.303.828,800
Nilai bt untuk periode ke-4 (tahun 2011) F4 = 5.801.384,688+ 40.734,592 (1) F4 = 5.842.119,280
Hasil Ft+m selanjutnya hingga pada periode ke-10 (tahun 2018) dapat dilihat pada Tabel 4.2
6. Menghitung nilai e (kesalahan) dan (kesalahan kuadrat) dengan menggunakan rumus:
e = X
t- F
tMaka dapat dihitung :
Nilai e untuk periode ke-3 (tahun 2010) e3 = 7.922.544 – 2.211.965,120
e3 = 5.710.578,880
= 32.610.711.144.702,100
Nilai e untuk periode ke-4 (tahun 2011) e4 = 7.644.597 – 2.416.547,824
e4 = 5.228.049,176
= 27.332.498.186.674,300
Hasil e dan selanjutnya hingga pada periode ke-10 (tahun 2018) dapat dilihat
pada Tabel 4.2
Tabel 4.2 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,1
Periode Tahun
Nilai Ekspor Berdasarkan Sektor Industri
(000 US$)
ɑt bt Ft+m E e2
1 2009 5.012.880 5.012.880 5.012.880
2 2010 6.467.624 5.158.354,4 5.027.427,44 5.289.281,360 14.547,440
3 2011 7.922.544 5.434.773,4 5.068.162,03 5.801.384,688 40.734,592 5.303.828,800 2.618.715,200 6.857.669.298.711,040 4 2012 7.644.597 5.655.755,7 5.126.921,40 6.184.590,047 58.759,369 5.842.119,280 1.802.477,720 3.248.925.931.096,390 5 2013 7.179.658 5.808.146,0 5.195.043,86 6.421.248,047 68.122,455 6.243.349,416 936.308,584 876.673.764.472,079 6 2014 7.410.702 5.968.401,6 5.272.379,63 6.664.423,487 77.335,770 6.489.370,502 921.331,498 848.851.729.206,920 7 2015 6.132.002 5.984.761,6 5.343.617,82 6.625.905,378 71.238,197 6.741.759,257 -609.757,257 371.803.912.025,140 8 2016 6.314.124 6.017.697,8 5.411.025,83 6.624.369,856 67.408,002 6.697.143,575 -383.019,575 146.703.995.087,508 9 2017 8.570.706 6.272.998,7 5.497.223,11 7.048.774,205 86.197,283 6.691.777,858 1.878.928,142 3.530.370.963.854,770 10 2018 8.084.339 6.454.132,7 5.592.914,07 7.315.351,315 95.690,958 7.134.971,488 949.367,512 901.298.673.077,194
Jumlah 16.782.298.267.531,000
MSE 2.097.787.283.441,38
MSE = ∑
=
= 2.097.787.283.441,38
30
Tabel 4.3 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,2
Periode Tahun
Nilai Ekspor Berdasarkan Sektor Industri
(000 US$)
ɑt bt Ft+m e e2
1 2009 5.012.880 5.012.880 5.012.880
2 2010 6.467.624 4.657.066,4 4.476.010,64 4.838.122,160 22.631,970
3 2011 7.922.544 4.517.907,5 4.032.599,26 5.003.215,776 60.663,532 4.860.754,130 3.061.789,870 9.374.557.208.034,610 4 2012 7.644.597 4.378.785,7 3.663.957,98 5.093.613,449 89.353,467 5.063.879,308 2.580.717,692 6.660.103.805.801,810 5 2013 7.179.658 4.220.994,4 3.353.265,82 5.088.722,922 108.466,069 5.182.966,916 1.996.691,084 3.986.775.285.524,100 6 2014 7.410.702 4.117.865,7 3.094.399,23 5.141.332,168 127.933,309 5.197.188,991 2.213.513,009 4.899.639.842.163,260 7 2015 6.132.002 3.907.492,8 2.866.268,66 4.948.716,858 130.153,012 5.269.265,477 862.736,523 7.443.143.089.118,440 8 2016 6.314.124 3.757.406,6 2.668.755,59 4.846.057,626 136.081,377 5.078.869,871 1.235.254,129 1.525.852.763.482,310 9 2017 8.570.706 3.862.995,9 2.521.304,06 5.204.687,712 167.711,478 4.982.139,003 3.588.566,997 12.877.813.088.806,500 10 2018 8.084.339 3.898.830,6 2.406.926,31 5.390.734,909 186.488,038 5.372.399,191 2.711.939,809 7.354.617.529.631,640
Jumlah 47.423.673.832.356,000
MSE 5.927.959.229.044,51
MSE = ∑
=
= 5.927.959.229.044,51
Tabel 4.4 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,3
Periode Tahun
Nilai Ekspor Berdasarkan Sektor Industri
(000 US$)
e e2
1 2009 5.012.880 5012880 5.012.880
2 2010 6.467.624 4155778,4 3.924.593,84 4.386.962,960 33.026,366
3 2011 7.922.544 3701299,3 3.117.345,62 4.285.252,944 83.421,952 44.19.989,326 3.502.554,674 12.267.889.246.360,700 4 2012 7.644.597 3355369,2 2.517.678,85 4.193.059,541 119.670,049 43.68.674,896 3.275.922,104 10.731.665.631.475,800 5 2013 7.179.658 3066724,2 2.069.047,62 4.064.400,855 142.525,231 43.12.729,591 2.866.928,409 8.219.278.505.116,280 6 2014 7.410.702 2887777,2 1.737.111,05 4.038.443,282 164.380,874 42.06..926,086 3.203.775,914 10.264.180.105.515,500 7 2015 6.132.002 2634644,2 1.479.442,16 3.789.846,276 165.028,866 4.202824,156 1.929.177,844 3.721.727.154.993,110 8 2016 6.314.124 2475663,4 1.283.175,84 3.668.150,858 170.355,358 3.954.875,141 2.359.248,859 5.566.055.176.753,090 9 2017 8.570.706 2590034,9 1.157.226,59 4.022.843,306 204.686,909 3.838.506,216 4.732.199,784 22.393.714.795.924,000 10 2018 8.084.339 2621458,4 1.072.204,45 4.170.712,278 221.321,988 4.227.530,215 3.856.808,785 14.874.974.007.890,900
Jumlah 88.039.484.624.030,000
MSE 11.004.935.578.003,7
MSE = ∑
=
= 11.004.935.578.003,7
32
Tabel 4.5 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,4
Periode Tahun
Nilai Ekspor Berdasarkan Sektor Industri
(000 US$)
e e2
1 2009 5.012.880 5.012.880 5.012.880
2 2010 6.467.624 3.654.490,4 3.373.177,04 3.935.803,760 46.885,560
3 2011 7.922.544 2.984.948,6 2.322.401,09 3.647.496,192 110.424,592 3.982.689,320 3.939.854,680 15.522.454.899.517,900 4 2012 7.644.597 2.555.428,9 1.648.983,54 3.461.874,227 151.074,224 3.757.920,784 3.886.676,216 15.106.252.008.020,100 5 2013 7.179.658 2.251.223,1 1.214.512,44 3.287.933,823 172.785,115 3.612.948,451 3.566.709,549 12.721.417.009.781,200 6 2014 7.410.702 2.091.804,1 937.887,87 3.245.720,286 192.319,368 3.460.718,938 3.949.983,062 15.602.366.186.294,900 7 2015 6.132.002 1.868.282,6 749.560,99 2.987.004,307 186.453,610 3.438.039,654 2.693.962,346 7.257.433.121.881,340 8 2016 6.314.124 1.752.382,0 624.974,79 2.879.789,185 187.901,200 3.173.457,917 3.140.666,083 9.863.783.445.539,720 9 2017 8.570.706 1.908.499,8 565.834,85 3.251.164,732 223.777,490 3.067.690,385 5.503.015,615 30.283.180.860.546,900 10 2018 8.084.339 1.953.533,8 534.854,29 3.372.213,262 236.446,581 3.474.942,222 4.609.396,778 21.246.538.659.429,800
Jumlah 127.603.426.191.012,000
MSE 15.950.428.273.876,5
MSE = ∑
=
= 15.950.428.273.876,5
Tabel 4.6 Metode Eksponensial Satu Parameter dari Brown dengan α = 0,5
Periode Tahun
Nilai Ekspor Berdasarkan
Sektor Industri (000
US$)
e e2
1 2009 5.012.880 5.012.880 5.012.880
2 2010 6.467.624 3.153.202,4 2.821.760,24 3.484.644,560 66.288,432
3 2011 7.922.544 2.368.855,6 1.647.765,68 3.089.945,520 144.217,984 3.550.932,992 4.371.611,008 19.110.982.805.266,800 4 2012 7.644.597 1.948.887,5 1.018.771,59 2.879.003,410 186.023,182 3.234.163,504 4.410.433,496 19.451.923.622.638,800 5 2013 7.179.658 1.692.409,6 678.626,75 2.706.192,350 202.756,560 3.065.026,592 4.114.631,408 16.930.191.623.700,100 6 2014 7.410.702 1.587.275,0 498.040,87 2.676.509,078 217.846,821 2.908.948,910 4.501.753,090 20.265.780.883.324,500 7 2015 6.132.002 1.406.837,7 389.704,21 2.423.971,170 203.426,697 2.894.355,898 3.237.646,102 10.482.352.281.795,800 8 2016 6.314.124 1.334.831,2 328.335,23 2.341.327,261 201.299,203 2.627.397,867 3.686.726,134 13.591.949.583.431,900 9 2017 8.570.706 1.524.486,2 316.616,24 2.732.356,208 241.573,997 2.542.626,464 6.028.079,536 36.337.742.892.342,000 10 2018 8.084.339 1.570.677,0 315.375,82 2.825.978,203 251.060,238 2.973.930,205 5.110.408,795 26.116.278.048.180,500
Jumlah 162.287.201.740.680,000
MSE 20.285.900.217.585
MSE = ∑
=
= 20.285.900.217.585
