Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
PERAMALAN PELANGGAN GAS 5 PERIODE KE DEPAN
DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN
METODE SMOOTHING EKSPONENSIAL
TUGAS AKHIR
RAINI MANURUNG
052407053
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
PERAMALAN PELANGGAN GAS 5 PERIODE KE DEPAN
DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN
METODE SMOOTHING EKSPONENSIAL
TUGAS AKHIR
Diajukan untuk melengkapi salah satu syarat dalam menyelesaikan Pendidikan pada Program D-III Statistika
FMIPA Universitas Sumatera Utara
Oleh :
RAINI MANURUNG
052407053
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
2008
PERSETUJUAN
Judul : PERAMALAN PELANGGAN GAS 5 PERIODE
KEDEPAN DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN METODE SMOOTHING EKSPONENSIAL
Kategori : TUGAS AKHIR
Nama : RAINI MANURUNG
Nomor Induk Mahasiswa : 052407053
Program Studi : D3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juni 2008
Diketahui Oleh Dosen Pembimbing,
Departemen Matematika FMIPA USU Ketua,
Dr.Saib Suwilo, M.Sc Drs.Pengarapen Bangun, M.Si
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
PERNYATAAN
PERAMALAN PELANGGAN GAS 5 PERIODE KE DEPAN DI KOTA MADYA MEDAN DENGAN MENGGUNAKAN
METODE SMOOTHING EKSPONENSIAL
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali
beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2008
RAINI MANURUNG
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
KATA PENGANTAR
Puji dan Syukur Penulis panjatkan kepada Tuhan Yesus Kristus yang telah memberikan
Kasih KaruniaNya, sehingga Penulis dapat menyelesaikan Tugas Akhir ini dengan baik
.
Adapun tujuan dari Tugas akhir ini adalah untuk memenuhi persyaratan dalam
menyelesaikan pendidikan Program Diploma-III Jurusan Statistika FMIPA Universitas
Sumatera Utara.
Pada kesempatan ini Penulis juga ingin menyampaikan ucapan Terima Kasih yang
sebesar-besarnya kepada semua pihak yang ikut berpartisipasi dalam menyelesaikan
Tugas Akhir ini :
1. Papa Osten Manurung dan Mama Serti Helmi br.Sirait yang telah
membesarkan dan mendukung Penulis baik dari segi material maupun
spiritual.
2. Bapak Drs. Pengarapen Bangun, M.Si, selaku Dosen Pembimbing yang
telah banyak memberikan bimbingan, arahan serta saran dalam
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
3. Bapak Dr. Eddy Marlianto, M.Sc dan Bapak Dr. Sutarman, M.Sc. selaku
Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetuhuan
Alam Universitas Sumatera Utara.
4. Bapak Dr. Saib Suwilo, M.Sc, selaku Ketua Program Studi D3 Statistika
juga semua Dosen dan Pegawai pada Departemen Matematika FMIPA
USU.
5. Bapak Ir. Ahmad Rifai, Bapak Saeful Hadi, Bapak Rommel Manurung,
Bapak Gindo, Ibu Yusmawati, Ibu Eva, Ibu Hamidah dan semua
Staf/Pegawai PT Perusahaan Gas Negara (Persero) Tbk.
6. Adik-adikku tercinta Natanel (Semangat terus biar cepat wisuda dan
titelnya cepat menyusul), Jumadi Parulian dan Saider Marsaulina (Rajin
belajar biar kelak jadi orang yang berguna).
7. Sahabat-sahabatku Tersayang Lia, Tina, Manogu (Christ A Lone KMK
USU), K’ Agustina (Kakak Kelompokku), Rina (Teman PKL), Duma,
Yoseva, K’Lia, Rona (Seperjuangan Kost di Sipirok 2B).
8. Teman-teman seperjuangan selama mengikuti kuliah di kelas A, B dan C
Stat’ 05, teman-teman Gereja Chapel USU dan GPdI Kristus Jawaban.
9. Buat Seluruh Keluarga besar Manurung dan Sirait, Pa Uda/Ma Uda Putri,
Ma Tua/B’ Saut, Pa Uda/Ma Uda Rodes, Pa Tua/Ma Tua Luky, Tulang
Kecil Arimson Sirait, Tante dan Om Evan dan semua yang tidak dapat
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Untuk semua pihak tersebut Semoga Tuhan Yang Maha Esa akan membalasnya.
Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna, untuk itu Penulis
mengharapkan saran dan Kritik yang membangun dari semua pihak yang membacanya
demi kesempurnaan Tugas Akhir ini.
Demikian Tugas Akhir ini, kiranya dapat bermanfaat bagi siapa saja yang
membacanya, khususnya bagi mahasiswa/I Statistik yang ada di FMIPA Universitas
Sumatera Utara.
Medan, Juni 2008 Penulis
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
DAFTAR ISI
PERSETUJUAN PERNYATAAN KATA PENGANTAR DAFTAR ISI
DAFTAR TABEL DAFTAR GAMBAR
BAB I PENDAHULUAN
1.1 Latar Belakang Pemilihan Judul
1.2 Identifikasi Masalah
1.3 Pembatasan masalah
1.4 Maksud dan Tujuan Penelitian
1.5 Manfaat Penelitian
1.6 Metodologi Penelitian
1Sistematika Penulisan
BAB II TINJAUAN TEORITIS
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
2.2 Metode Peramalan
2.3 Jenis-jenis Metode Peramalan
2.3.1 Pemilihan Teknik dan Metode Peramalan
2.3.2 Penentuan Pola Data
2.4 Metode Pemulusan (smoothing)
2.4.1 Metode Rata-Rata
2.4.2 Metode Smoothing (Pemulusan) Eksponensial
2.5 Metode Pemulusan Yang Digunakan
2.6 Ketepatan Ramalan dan Beberapa Kriteria Yang Digunakan
BAB III SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah singkat PT Perusahaan Gas Negara (Persero) Tbk
3.2 Sejarah Umum Perusahaan/Instansi/Kantor-Kantor
3.2.1 Sejarah berdirinya Perusahaan
3.2.2 Visi dan Misi Perusahaan
3.3 Struktur Organisasi Perusahaan
BAB IV ANALISA DAN PENGOLAHAN DATA
4.1 Data Yang Dianalisa Dan Diolah
4.2 Metode Smoothing Eksponensial Linear Satu Parameter
dari Brown
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
4.2 Estimasi Model Peramalan
4.3 Peramalan Jumlah Pelanggan Gas
BAB VI IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
5.2 Microsof Excel
5.3 Tahap Implementasi
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan
6.2 Saran
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
DAFTAR TABEL
Tabel 4.1 Data Jumlah Pelanggan Gas tahun 1998-2007
Tabel 4.2 Aplikasi Pemulusan (Smoothing) Eksponensial Linier
Satu Parameter dari pada Data Jumlah Pelanggan
Gas dengan Nilai Brown = 0.1
Tabel 4.3 Aplikasi Pemulusan (Smoothing) Eksponensial Linier
Satu Parameter dari pada Data Jumlah Pelanggan
Gas dengan Nilai Brown = 0.2.
Tabel 4.4 Aplikasi Pemulusan (Smoothing) Eksponensial Linier
Satu Parameter dari pada Data Jumlah Pelanggan
Gas dengan Nilai Brown = 0.3
Tabel 4.5 Aplikasi Pemulusan (Smoothing) Eksponensial Linier
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Gas dengan Nilai Brown = 0.4
Tabel 4.6 Aplikasi Pemulusan (Smoothing) Eksponensial Linier
Satu Parameter dari pada Data Jumlah Pelanggan Gas
dengan Nilai Brown = 0.5
Tabel 4.7 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu
Parameter dari pada Data Jumlah Pelanggan Gas
dengan Nilai Brown = 0.6
Tabel 4.8 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu
Parameter dari pada Data Jumlah Pelanggan Gas
dengan Nilai Brown = 0.7
Tabel 4.9 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu
Parameter dari pada Data Jumlah Pelanggan Gas dengan
Nilai Brown = 0.8
Tabel 4.10 Aplikasi Pemulusan (Smoothing) Eksponensial Linier Satu
Parameter dari pada Data Jumlah Pelanggan Gas dengan
Nilai Brown = 0.9
Tabel 4.11 Perbandingan Nilai dalam Pemulusan Eksponensial satu
Parameter dari Brown
Tabel 4.12 Peramalan Jumlah Pelanggan Gas Untuk 5 Periode
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
DAFTAR GAMBAR
Gambar 4.1 Plot Data jumlah Pelanggan Gas di Kota Madya Medan
Gambar 4.2 Plot Pemulusan Eksponensial Linier Satu Parameter
dari Brown dengan Nilai = 0.1
Gambar 4.3 Plot Pemulusan Eksponensial Linier Satu Parameter
dari Brown dengan Nilai = 0.2
Gambar 4.4 Plot Pemulusan Eksponensial Linier satu Parameter
dari Brown dengan Nilai = 0.3
Gambar 4.5 Plot Pemulusan Eksponensial Linier satu Parameter
dari Brown dengan Nilai = 0.4
Gambar 4.6 Plot Pemulusan Eksponensial Linier satu Parameter
dari Brown dengan Nilai = 0.5
Gambar 4.7 Plot Pemulusan Eksponensial Linier satu Parameter
dari Brown dengan Nilai = 0.6
Gambar 4.8 Plot Pemulusan Eksponensial Linier satu Parameter
dari Brown dengan Nilai = 0.7
Gambar 4.9 Plot Pemulusan Eksponensial Linier satu Parameter
dari Brown dengan Nilai = 0.8
Gambar 4.10 Plot Pemulusan Eksponensial Linier satu Parameter
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
BAB I
PENDAHULUAN
1.1 Latar Belakang Pemilihan Judul
Jika mendegar perbincangan mengenai gas, khayalan atau pikiran kita langsung
terhubung dengan sesuatu yang berbahaya, mudah meledak, beracun dan sebainya.
Apalagi jika perbincangan meluas mengenai penggunaan gas tersebut sebagai bahan
bakar, maka terbayang dalam angan-angan adalah sesuatu jenis bahan bakar yang
berbahaya dan mudah meledak, terlebih terdapat unsur api dalam penggunaannya.
Terdapat bermacam-macam jenis dan manfaat gas yang ada disekitar kita, dari
oksigen yang setiap hari diperlukan bernafas untuk paru-paru, gas hydrogen yang dapat
digunakan untuk mengisi balon udara, gas bio yang dihasilkan dari sampah dan atau
kotoran hewan yang dapat dimanfaatkan sebagai bahan bakar, gas bumi yang merupakan
suatu proses alami di dalam perut bumi selama berjuta-juta tahun yang alam kondisi
tekanan suhu atmosfer mempunyai fase atau bentuk gas yang dapat diperoleh dari proses
penambangan, dan dapat dimanfaatkan sebagai bahan bakar, juga sebagai bahan baku
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Pengertiaan bahan bakar dan energi lainnya sebenarnya tidak dapat dipisahkan
dari kehidupan kita sehari-hari bahkan sejak adanya peradapan manusia di muka bumi,
energi dan bahan bakar merupakan bagian sehari-hari yang diperlukan oleh manusia.
Secara sederhana pengartian dari energi sesuatu yang diperlukan untuk kerja, dan ini
dapat diperoleh dari apa saja yang disebut dengan bahan bakar, yang pada hakekatnya
merupakan simpanan dari energi itu sendiri. Dalam kehidupan sehari-hari, pemanfaatan
energi sangat melekat dengan kehidupan manusia. Diantaranya adalah dengan cara
mengkomsumsi makanan dan minuman sebagai bahan bakar untuk tubuh, yang
selanjutnya energi yang masuk dalam tubuh, digunakan untuk melakukan aktifitas atau
kerja.
Sejak ditemukan api oleh manusia primitif pada zaman purba, dilanjutkan dengan
pemanfaatan tenaga binatang untuk mengembangkan kegiatan pertanian, kemudian
adanya revolusi industri dengan ditemukannya mesin uap serta pemanfaatan bahan batu
batubara, gas dan minyak, semuanya merupakan tonggak sejarah yang penting dalam
perkembangan pemanfaatan energi di dunia.
Dalam perkembangannya, penggunaan energi tidak terbatas hanya untuk
memasak, menghangatkan dan menerangi rumah, tetapi juga untuk menggerakkan
alat-alat pertanian, menjalankan aktifitas industri di pabrik, untuk kendaraan bermotor,
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Dengan bertambahnya jumlah penduduk dunia khususnya penduduk kotamadya
Medan, yang dari tahun-ketahun menunjukkan perkembangan yang cukup besar, juga
dengan adanya perkembangan peradapan manusia yang semakin maju, dan peningkatan
taraf hidup manusia yang semakin baik, mengakibatkan pengguanaan energi yang
berhasil ditemukan semakin tumbuh dan pesat.
Sumber energi yang telah ditemukan didunia sampai saat ini, dapat dibedakan atas
energi yang dapat diperbaharui dan energi yang tidak dapat diperbaharui. Sumber energi
yang dapat diperbaharui yang ada di alam dan sudah dimanfaatkan diantaranya berasal
dari energi angin, matahari, mini/mikro hidro (air), sampah atau buangan dari hasil
pertanian atau industri, sumber panas dari tumbuh-tumbuhan atau dikenal dengan biogas,
dan panas bumi atau dikenal juga dengan istilah geothermal yaitu sumber energi panas
yang berasal dari perut bumi yang biasanya keluar dalam bentuk air panas dan dapat
dimanfaatkan sebagai sumber energi panas. Sumber energi yang tidak dapat diperbaharui
yaitu gas bumi, minyak bumi dan batu bara, dikenal sebagai bahan bakar fosil, karena
berasal dari fosil sisa-sisa binatang atau tumbuhan yang hidup ratusan juta tahun yang
lalu.
Kita ketahui kegunaan gas bumi sangat banyak khususnya di wilayah kotamadya
Medan diantaranya Untuk industri semen gas bumi digunakan sebagai bahan bakar pada
proses klin atau pencician batuan semen. Untuk industri pengolahan gas bumi
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
burner atau dapur pemasak furnace. Pengguna Komersial konsumen gas bumi seperti
rumah makan, rumah sakit dan berbagai idustri lainnya. Penggunan rumah tangga gas
bumi dimanfaatkan sebagai bahan bakar yaitu memasak. Dan masih banyak kegunaan
dari gas bumi yang dimanfaatkan sehari-hari dalam kehidupan kita yang dapat
memberikan kemudahan-kemudahan untuk membantu aktifitas penduduk kotamadya
Medan. Kita ketahui kegunaan gas bumi sangat banyak khususnya di wilayah kotamadya
Medan diantaranya untuk industri semen gas bumi digunakan sebagai bahan bakar pada
proses klin atau pencician batuan semen. Untuk industri pengolahan gas bumi
dimanfaatkan sebagi bahan bakar dalam proses produksinya yaitu pada alat pembakar
burner atau dapur pemasak furnace. Pengguna Komersial konsumen gas bumi seperti
rumah makan, rumah sakit dan berbagai idustri lainnya. Penggunan rumah tangga gas
bumi dimanfaatkan sebagai bahan bakar yaitu memasak. Dan masih banyak kegunaan
dari gas bumi yang dimanfaatkan sehari-hari dalam kehidupan kita yang dapat
memberikan kemudahan-kemudahan untuk membantu aktifitas penduduk kotamadya
Medan.
Untuk memenuhi kebutuhan para pelanggannya, maka PT Perusahaan Gas
Negara (Persero) Tbk terus berusaha meningkatkan pelayanan kepada pelaanggan
maupun kualitas, sehingga diperlukan peramalan yang baik tentang kebutuhan di masa
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Karena itu PT Perusahaan Gas Negara (Persero) Tbk harus selalu memperhatikan
akan kebutuhan gas yang dihasilkan apakah mencukupi untuk para pelanggan/konsumen.
1.2Identifikasi Masalah
Gas merupakan kebutuhan penting yang di kotamadya Medan, maka kebutuhan akan
permintaan gas diwaktu yang akan datang perlu diketahui. Untuk mengetahui banyaknya
permintaan akan gas di kotamadya Medan meningkat atau tidak maka harus mengetahui
jumlah pelanggan gas dari tahun sebelumnya. Dengan mengetahui jumlah pelanggan pada
waktu yang akan datang maka harus diketahui terlebih dahulu jumlah pelanggan gas pada
tahun-tahun sebelumnya. Yang menjadi permasalahannya adalah :
1. Bagaimana bentuk persamaan peramalan yang dapat dipakai untuk meramalkan
jumlah pelanggan gas dimasa yang akan datang yaitu untuk lima periode kedepan
di kotamadya Medan.
2. Berapa jumlah pelanggan Gas kotamadya Medan yang diramalkan dimasa yang
akan datang yaitu untuk tahun 2008 sampai tahun 2012.
1.3Pembatasan masalah
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Agar pembatasan dapat lebih terarah, maka perlu dilakukan beberapa pembatasan
permasalahan yaitu :
1. Hanya jumlah Pelanggan Gas di kotamadya Medan saja yang akan
diramalkan.
2. Data yang dibutuhkan hanya data pelanggan gas di kotamadya Medan.
1.4Maksud dan Tujuan Penelitian
Adapun maksud dan tujuan dari penelitian ini adalah untuk mendapatkan bentuk
persamaan peramalan yang dapat dipakai untuk memperkirakan jumlah pelanggan gas di
kotamadya Medan pada PT Perusahaan Gas Negara (Persero) Tbk berdasarkan data
pelanggan dari tahun sebelumnya.
Dengan penggunaan Metode Eksponensial Ganda, maka dapat diramalkan jumlah
Pelanggan Gas pada waktu yang akan datang sesuai dengan waktu yang diingikan.
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Dengan tercapainya tujuan yang dimaksud dalam tulisan ini, diharakan dapat menjadi
suatu bahan masukan atau sebagai pertimbangan yang berguna bagi PT Perusahaan Gas
Negara (Persero) Tbk dalam mengambil suatu kebijaksanaan dalam usaha untuk
meningkatkan pelayanan kepada pelanggan gas di Kota Madya Medan pada masa yang
akan datang.
1.6Metodologi Penelitian
Metodologi penelitian yang digunakan adalah dengan riset lapangan dan studi pengolahan
data dengan penggunaan Analisa Deret Berkala (Time Series). Adapun tahapan yang
dilaksanakan dalam pemecahan masalah yang dilaksanakan dalam pemecahan masalah
yang dihadapi adalah sebagai berikut :
a. Mengambil data di PT Perusahaan Gas Negara (Persero) Tbk Unit
Distribusi Wilayah III Sumbagut, yang bertempat di kotamadya Medan,
tepatnya di Jl. Kol. Yos Sudarso Lorong XII. 18 Gelugur, Medan
b. Menguji sample data yang telah diambil tersebut
c. Membahas konsep Peramalan Deret Berkala
d. Pengolahan data untuk tujuan penelitian
e. Menarik beberapa kesimpulan
1.7Sistematika Penulisan
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Sebagai pendahuluan menjelaskan latar belakang, perumusan masalah,
disertai pembatasan masalah, maksud dan tujuan penelitian, manfaat
penelitian, metodologi penelitian dan sistematika penulisan
BAB II : TINJAUAN TEORITIS
Merupakan landasan teoritis yang menjelaskan tentang beberapa
pengertian dan peramalan serta teori-teori yang ada
BAB III : SEJARAH SINGKAT TEMPAT RISET
Menjelaskan tentang sejarah dan uraian singkat tempat riset
BAB IV : ANALISA DAN PENGOLAHAN DATA
Pembahasan dan hasil yaitu melakukan penganalisaan dan pengolahan
aplikasi data yang diperoleh secra matematis, sehingga diperoleh suatu
ramalan dan kesalahan yang dihasilkan, untuk melihat adanya pola
kesalahan yang sistematis
BAB V : IMPLEMENTASI SISTEM
Penjelasan tentang penggunaan secara komputer dalam menganalisa dan
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
BAB VI : KESIMPULAN DAN SARAN
Kesimpulan dan saran yang merupakan bab penutup yang mengandung
hasil kerja secara ringkas dan adanya sedikit saran penulis berdasarkan
kesimpulan yang didapat dari aplikasi dan analisis data yang diolah
BAB II
TINJAUAN TEORITIS
2.1 Pengertian Peramalan
Peramalan (Assauri, 1991) adalah kegiatan memperkirakan apa yang terjadi pada masa
yang akan datang dengan waktu yang relatif lama, sedangkan dalam waktu yang singkat
tidak dibutuhkan peramalan. Untuk memprediksikan hal tersebut diperlukan data-data
yang akurat di masa lalu, sehingga kita dapat melihat prospek situasi dan kondisi di masa
yang akan datang.
Sering terdapat sepanjang waktu antara kesadaran akan peristiwa. Adanya waktu
tenggang ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi
diatas, peramalan sangat diperlukan sangat diperlukan untuk menetapkan kapan suatu
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Dalam perencanaan di suatu instansi baik instansi pemerintahan maupun swasta,
peramalan merupakan kebutuhan yang sangat mendasar. Dimana baik maupun buruknya
ramalan dapat mempengaruhi seluruh bagian instansi, karena waktu tenggang untuk
pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat
Bantu yang penting dalam perencanaan yang efektif dan efisien. Di dalam bagian
organisasi terdapat beberapa kegunaan, diantaranya :
1. Berguna untuk penjadwalan sumber daya yang tersedia. Pengggunaan
sumber daya efisien memerlukan penjadwalan produksi, transportasi, kas,
personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti
itu adalah ramalan tingkat permintaan konsumennya atau sipelanggan.
2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang untuk
memperoleh bahan baku, menerima pekerja baru atau pembelian mesin
dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun.
Peramalan digunakan untuk menentukan kebutuhan sumber daya di masa
yang akan datang.
3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus
menentukan sumber daya yang dimiliki dlam waktu jangka panjang.
Keputusan semacam ini bergantung kepada faktor-faktor lingkungan,
manusia dan pengembangan sumber daya keuangannya. Semua penentuan
ini memerlukan peramalan yang baik dan manager yang dapat menafsirkan
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Walaupun terdapat banyak bidang lain yang memerlukan peramalan, namun tiga
kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka pendek,
menengah dan panjang.
Dari uraian di atas dapat dikatakan bahwa metode peramalan sangat berguna,
karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu.
Sehingga dengan metode peramalan akan memberikan cara pemikiran, pengerjaan yang
teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil
analisis.
Kegunaan peramalan terlihat pada saat pengambilan keputusan. Keputusan yang
baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada
waktu keputusan dalam berbagai kegiatan perusahaan.
Dari uraian diatas telah diketahui bahwa peranan peramalan sangat penting dalam
penelitian, perencanaan maupun pengambilan keputusan. Baik tidaknya hasil dari suatu
penelitian sangat ditentukan oleh ketepatan ramalan yang dibuat. Oleh sebab itu,
ketepatan peramalan merupakan hal yang sangat penting. Walaupun demikian perlu
diketahui bahwa ramalan selalu ada unsur kesalahannya, sehingga yang perlu
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Dalam usaha mengetahui perkembangan di masa depan, peramalan sangat
dibutuhkan untuk menentukan kapan suatu peristiwa/kebutuhan akan terjadi sehingga
dapat dipersiapkan kebijakan atau tindakan yang diperlukan untuk mengatasi hal tersebut.
2.2 Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi
pada masa depan berdasarkan data yang relevan pada masa lalu.
Dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas dua jenis,
yaitu :
1. Peramalan yang Subjektif, yaitu peramalan yang didasarkan atas perasaan dari orang yang menyusunnya. Dalam hal ini pandangan atau
perkiraan dari orang yang menyusunnya sangat menentukan baik tidaknya
hasil ramalan tersebut.
2. Peramalan yang Objektif, yaitu peramalan yang didasarkan atas data relevan pada masa lalu, dengan menggunakan teknik dan metode dalam
penganalisaan data tersebut.
Teknik peramalan dibagi atas dua kategori utama adalah:
1. Metode Kualitatif, yaitu peramalan yang didasarkan atas data kualitatif
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
perkiraan atau pendapat dan pengetahuan serta pengalaman dari suatu
perusahaan.
2. Metode Kuantitatif, yaitu peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Peramalan kuantitatif dapat digunakan apabila
ketiga kondisi dibawah ini dapat terpenuhi, yaitu:
1. Tersedianya informasi masa lalu.
2. Informasi tersebut dapat di kuantitatifkan dalam bentuk
data numerik.
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu
akan terus berlanjut di masa mendatang.
Orang yang tidak mengenal metode peramalan kuantitatif sering berfikir bahwa
masa lalu tidak dapat menerangkan masa depan secara tepat karena segala sesuatunya
dapat berubah secara tidak konstan. Tetapi setelah sedikit mengetahui data dan teknik
peramalan, maka peramalan dapat mengambarkan keadaan masa depan walupun
peramalan tersebut nantinya memiliki kasalahan, dan kita berusaha agar kesalahan
tersebut sekecil mungkin.
Pada dasarnya metode peramalan kuantitatif dapat dibedakan menjadi dua jenis
model peramalan yang utama, yaitu :
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Pada model ini pendugaan masa depan dilakukan berdasarkan nilai masa lalu
dari suatu variable atau kesalahan masa lalu. Tujuan metode peramalan deret
berkala ini adalah menetukan pola dalam deret data historis ke masa depan.
2. Metode Regresi (Kausal)
Pada model kausal ini mengasumsikan bahwa faktor yang diramalkan
menunjukkan suatu hubungan sebab akibat dengan satu atau lebih variabel
bebas.
Kedua model Deret Berkala dan kausal mempunyai keuntungan dalam situasi
tertentu. Model deret berkala sering kali dapat digunakan dengan mudah untuk meramal,
sedangkan model kausal dapat digunakan dengan keberhasilan yang lebih besar untuk
pengambilan keputusan dan kebijaksanaan.
Langkah penting dalam memilih suatu metode Deret Berkala adalah dengan
mempertimbangkan jenis pola data sehingga metode yang paling tepat dengan pola dapat
diuji. Dalam penulisan proposal ini, digunakan metode peramalan yang pertama, yaitu
metode peramalan dengan menggunakan variabel waktu yang dikenal dengan “time series”, atau metode pemulusan eksponensial.
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Metode-metode peramalan dengan menggunakan analisa deret waktu, yaitu :
1. Metode pemulusan (smoothing) dan Rata-rata Bergerak (moving average).
Metode ini sering digunakan untuk ramalan jangka pendek dan untuk
ramalan jangka panjang.
2. Metode Box Jenkins.
Metode ini jarang dipakai, namun baik untuk ramalan jangka pendek,
menengah dan jangka panjag.
3. Metode Proyeksi Trend dengan Regresi.
Metode ini bisa digunkan untuk ramalan jangka menengah dan jangka
panjang.
2.3.1 Pemilihan Teknik dan Metode Peramalan
Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri
penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam
mempersiapkan peramalan.
Ada enam factor utama yang diidentifikasikan sebagai teknik dan metode
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
1. Horizon Waktu
Ada dua aspek dari horizon waktu yang berhubungan dengan
masing-masing metode peramalan, yaitu :
• Pertama adalah cakupan waktu di masa yang akan datang. Aspek
• kedua adalah jumlah periode untuk peramalan yang diinginkan.
2. Pola Data
Dasar utama dari metode peramlan adalah anggapan bahwa macam dari
pola yang didapati di dalam data yang diramalakan akan berkelanjutan.
3. Jenis dari Model
Model-model merupakan suatu deret dimana waktu digambarkan sebagai
unsur penting untuk menentukan perubahan-perubahan dalam pola.
Model-model perlu diperhatikan karena masing-masing model mempunyai
kemampuan yang berbeda dalam analisa keadaan untuk pengambilan
keputusan.
4. Biaya yang Dibutuhkan
Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu
prosedur peramalan. Yakni biaya-biaya pengembanagan, penyimpanan
(strorage) data, operasi pelaksanaan dan kesempatan dlam penggunaan
teknik-teknik dan metode peramalan.
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Tingkat ketepatan yang dibutuhkan sangat erat kaitanya dengan tingkat
perincian yang dibutuhkan dalam suatu peramalan.
6. Kemudahan dam Penerapan
Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah
merupakan suatu prinsip umum bagi pengambil keputusan.
2.3.2 Penentuan Pola Data
Hal penting harus diperhatikan dalam metode Deret Berkala adalah menetukan jenis pola
data historisnya. Sehingga pola data yang tepat dengan pola data historisnya tersebut
dapat diuji, dimana pola data umumnya dapat dibedakan sebagai berikut :
1. Pola data horizontal
Pola ini terjadi bila berpluktuasi di sekitar nilai rata-rata yang konstan.
2. Pola data Musiman (Seasonal)
Pola yang menunjukkan perubahan yang berulang-ulang secara periodik
dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh
faktor musiman, misalnya : kuartal tahun tertentu, bulanan, atau hari-hari
pada minggu tertentu.
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Pola data yang menunjukkan gerakan naik turun dalam jangka panjang
dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
4. Pola data trend
Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam
data.
2.4 Metode Pemulusan (smoothing)
Metode pemulusan adalah metode peramalan dengan mengadakan penghalusan terhadap
data masa lalu, yaitu mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai
pada tahun yang akan datang.
Secara umum metode pemulusan dibedakan atas dua bagian, yaitu metode
rata-rata dan metode pemulusan eksponensial.
2.4.1 Metode Rata-Rata
Metode rata-rata dibagi atas empat bagian, yaitu:
1. Nilai tengah (Median)
2. Rata-rata bergerak tunggal (Single Moving Average)
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
4. Kombinasi rata-rata bergerak lainnya
Metode rata-rata digunakan untuk data yang bersifat stasioner. Untuk semua kasus
tujuannya adalah memanfaatkan data masa lalu untuk mengembangkan suatu sistem
peramalan pada periode mendatang.
Bentuk umum dari metode rata-rata adalah:
Ft+1= t Xt t
t+1
∑
2.4.2 Metode Smoothing (Pemulusan) Eksponensial
Metode pemulusan eksponensial dibedakan atas empat bagian, yaitu
1. Smoothing Eksponensial Tunggal
a. Satu Parameter
b.
Pendekatan AditifMetode pemulusan ini cukup baik digunakan untuk peramalan yang
mempunyai pola trend atau yang sifat datanya stasioner.
2. Smoothing Eksponensial Ganda
a. Metode linier satu parameter dari Brown
b. Metode dua parameter dari Holt
Metode ini digunakan untuk peramalan data yang bersifat trend.
3. Smoothing Ekspponensial Triple
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Dapat digunakan bila dasar pola datanya adalah kwadratik kubik atau
berorde lebih tinggi.
b. Metode kecenderungan atau musiman tiga parameter dari Winter.
Metode ini merupakan salah satu dari beberapa metode pemulusan
eksponensial yang dapat menangani musiman.
4. Smoothing Eksponensial Menurut Klasifikasi Pegels
Bentuk umum dari metode pemulusan eksponensial adalah:
Dimana:
Ft+1 = ramalan untuk periode mendatang
= parameter eksponensial yang besarnya 0< <1
Xt = nilai aktual pada periode t
Ft = ramalan pada periode t
2.5 Metode Pemulusan Yang Digunakan
Dalam menentukan model penduga yang tepat, dengan menganalisa data jumlah
pelanggan gas, maka metode pemulusan yang digunakan adalah pemulusan (smoothing).
Eksponensial ganda,metode linier satu parameter dari Brown. Untuk pemakaian ini
dipilih dengan menganalisa nilai X yang menghasilkan nilai MSE yang paling kecil.
Adapun dasar pemilihan tersebut adalah dengan dasar:
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
1. Data jumlah pelanggan gas yang akan dianalisa memiliki kecenderungan pola
trend.
2. Smoothing eksponensial ganda dapat dilakukan dengan perhitungan yang
hanya membutuhkan nilai-nilai yang khusus yaitu nilai .
Persamaan yang dipakai dalam pemulusan eksponensial adalah metode linier satu
parameter dari Brown, yaitu sebagai berikut:
S
t’
= X
t+ (1-
) S’
t-1S
t”
= X
t+ (1-
) S”
t-1a
=
S’
t+ (S’- S
t”) = 2S’
t– S
t”
b
=
α α −
1
(S
t’ - St”)
F
t+m=
a
+
b
m
Dimana:
S
t’
=
nilai pemulusan eksponensial tunggalS
t”
= nilai pemulusan eksponensial gandaat .bt = konstanta parameter
= parameter pemulusan eksponensialyang besarnya 0< <1
Ft + m = hasil pengamatan untuk m periode kedepan yang diramal
Dasar pemikiran smoothing eksponensial ganda, metode linier satu parameter dari
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
tunggal dan ganda ketinggalan dari data yang sebenarnya bila terdapat unsur trend.
Perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan
ganda disesuaikan untuk trend.
2.6 Ketepatan Ramalan dan Beberapa Kriteria Yang Digunakan Untuk Menguji
Ketepatan peramalan merupakan salah satu hal yang mendasar dalam peramalan, yaitu
bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan
data yang diberikan, ketepatan peramalan dipandang sebagai kriteria penolakan untuk
untuk memilih suatu metode peramalan. Oleh sebab itu, ketepatan peramalan merupakan
dasar untuk menentukan model penduga yang tepat. Dalam Tugas Akhir ini penulis akan
menggunakan Nilai Tengah Kesalahan Kuadart (MSE) sebagai ukuran ketepatan dalam
meramalakan Jumlah Pelanggan gas untuk tahun yang akan datang.
Beberapa Kriteria yang digunakan untuk menguji, antara lain :
1. ME (Mean Error) / Nilai Tengah Kesalahan
ME= N
ei n
i
∑
=1
2. MAE (Mean Absolut Error) / Nilai Tengah Kesalahan Absolut
MAE
=
∑
=
n
i
N lel 1
/
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
MSE =
∑
= n i N e 1 / 2
4. MAPE (Mean Absolut Percentage Error) / Nilai Tengah Kesalahan Persentase Absolut.
MAPE =
∑
=n i N lPEtl 1 /
5. MPE (Mean Percentage Error) / Nilai Tengah Kesalahan Persentase .
MPE =
∑
= n i N PEt 1 /Dimana: PEt =
( )
100Xt Ft Xt−
ei = Xt-Ft
PEt = Kesalahan Persentase
Xt = Jumlah Pelanggan Gas (Xt) pada periode ke-t
Ft = Nilai Ramalan Pada Period ke-t
N = Banyaknya Data.
Tetapi dalam Tugas Akhir ini Penulis hanya menggunakan Nilai Tengah Kesalahan
Kuadrat (MSE) sebagai ukuran ketepantan dalam meramalkan Jumlah Pelanggan Gas
untuk tahun yang akan datang.
Peramalan tentunya menginginkan tingkat kesalahan ramalan yang sekecil
mungkin untuk mendukung kebenaran ramalannya. Pada metode rata-rata bergerak ganda
ini yang menunjukkan adalah dalam nilai absolut dari kesalahan yaitu dengan
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
BAB III
SEJARAH SINGKAT TEMPAT RISET
3.1 Sejarah singkat PT Perusahaan Gas Negara (Persero) Tbk
PT Perusahaan Gas Negara (Persero) Tbk Distrik Medan merupakan perusahaan yang
bergerak dalam bidang distribusi/penyaluran gas alam sebagai bahan bakar, baik untuk
Konsumen Industri, Komersil maupun Rumah Tangga.
Perusahaan ini mendistribusikan gas alamnya melalui jaringan pipa gas.
Perusahaan ini mengembangkan tugas sebagai pelaksana pendistribusian gas bumi
dengan meningkatkan kemampuannya secara instusional sesuai dengan peraturan
pemerintah, PP .No.27 Tahun 1984.
3.2 Sejarah Umum Perusahaan/Instansi/Kantor-Kantor
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Perusahaan gas ini baru mulai menyalurkan gas bumi pada tahun 1974 di Cirebon.
Penyaluran gas ini sendiri telah menggunakan jaringan pipa yang ditujukan untuk
keperluan bahan bakar disektor Rumah Tangga, Komersil dan Industri yang
menggantikan gas buatan dari batu bara dan juga minyak yang tidak ekonomis. Lalu
penggunaanya mulai menyusul berturut-turut di Jakarta (1979), Bogor (1980). Medan
(1985), Surabaya (1994), dan Palembang (1996). Berikut adalah sejarah berdirinya
perusahaan gas yang ada di kota-kota dan pengusahanya di Indonesia, Antara lain:
3.2.1 Sejarah berdirinya Perusahaan
a. Tahun 1919-1958 : Didirikan dengan nama NV.N.I.G.M
kemudian NV.O.G.E.M sampai 1985.
b. Tahun 1958 : Diambil alih oleh pemerintahan (dinasionalisasikan).
c.Tahun 1958-1965 : Dibawah badan Pimpinan Umum Listrik Negar bergabung
di dalam PLN Eksplositasi XV dibawah DEP.P.U.T.I.
d.Tahun 1965 : 13 Mei berubah menjadi Perusahaan Gas Negara
(PP.No.27 Tahun 1969).
e. Tahun 1984 : Berkembang menjadi Perusahaan umum Gas (PP. NO.27
Tahun 1984)
f. Tahun 1994 : Berubah bentuk menjadi PT. Perusahaan Gas Negara
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
No.486 tanggal 30 Mei 1996 serta Akte perubahan
No.1326 Tanggal 14 Maret 2000 dengan tugas utama
selain melaksanakan usaha dibidang distribusi, transmisi
gas dan pengembangan gas buatan serta uasaha lainya
yang menu njang.
g. Tahun 2005 : Menjadi perusahaan public ditandai dengan listing di
Bursa Efek Jakarta pada tanggal 15 Desember 2005.
PT Perusahaan Gas Negara (Persero) Tbk SBU Distribusi Wilayah III Sumatera
Utara Distrik Medan, diberi wewenang sebagai badab usaha untuk menyelenggarakan
pelayanan gas bumi dengan tujuan ikut melaksanakan dan menunjang kebijaksanaan
serta program pemerintah dalam bidang ekonomi dan pembangunan berdasarkan PERPU
No.27 tahun 1984. salah satu kontribusi yang besar RP. 31.4 triliun kurang lebih 9.3 %
dari total penerimaan dalam negeri yaitu sebasar Rp. 337.1 triliun. Ini membuktikan gas
bumi memiliki peran yang sangat penting dalam pembangunan nasioanal yaitu sebagai
sumber energi dan bahan baku dalam Negara dan sebagai sumber penerimaan dalam
Negara.
Selain itu UU No. 1 tahun 1995 tentang (Perseroan Terbatas) PT Perusahaan Gas
Negara, diwajibkan mengikuti segala peraturan yang berlaku di Indonesia untuk
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
3.2.2 Visi dan Misi Perusahaan Visi
Menjadi Perusahaan Publik Terkemuka Di Bidang Penyedia Gas Bumi
Misi
Meningkatkan Pemanfaatan Gas Bumi Bagi Kepentingan Industri
Komersil dan Rumah Tangga melalui, Jaringan Pipa Transmisi, Medan
Transportasi Lain, Jaringan Pipa, Distribusi dan Kegiatan Niaga Serta
Usaha Lain Yang Mendukung Pemanfaatan Gas Bumi
3.3 Struktur Organisasi PT Perusahaan Gas Negara (Persero) Tbk Distrik Medan
Peminpin tertinggi PT Perusahaan Gas Negara adalah Direktur Utama yang berkantor di
Jakarta. Sedangkan, PT Perusahaan Gas Negara (Persero) Tbk Distrik Medan merupakan
salah satu Distrik di wilayah strategis bisnis distrik Wilayah III Sumatera Utara yang
meliput i Propinsi Sumatera sendiri.
a.Bagian Tehnik
Devisi mengembangkan tugas untuk perencanaan, kontruksi dan memelihara
sarana da prasarana kerja yang terkait dengan penyaluran gas. Bagian ini membawahi 2
(dua) supervisor dimana masing-masing membawahi tehnisi-tehnisi sebagai berikut
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
a. Tehnisi Spesipikasi Tehnik
b. Tehnisi Rancang Bangun
c. Tehnisi Aplikasi Perangkat Keras Tehnk
d. Administrator Perencanaan
Super Kontruksi
a. Officer III Pengendalian Pembagunan
b. Pengawas Kontruksi
b.Bagian Operasioanl
bagian ini mengemban tugas tidak jauh dengan Bagian Tehnik di mana berhubungan
langsung dengan masyarakat luas. Bagian ini membawahi 3 (tiga) supervisor dimana
masing-masing membawahi beberpa seksi yaitu sebagai berikut :
Supervisor Operasional
a. Operator Off Take
b. Tehnisi Scada
c. Tehnisi gas In/Start Up
d. Tehnisi Penanggulangan Gangguan
Officer III Administrator Operasi dan Pemeliharaan
a. Administrator Operasi dan Pemeliharaan
Supervisor Pemeliharaan dan K3LL
a. Officer III Instrumentasi
b. Tehnisi Kalibrasi
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
d. Officer III Pemeliharaan Jaringan dan K3LL
e. Officer III Standarisasi dan Informasi Jaringan
f. Inspektor Jaringan
g. Tehnisi Protaksi Katodik
h. Tehnisi Pemeliharaan Jaringan dan K3LL
c. Bagian Pemasaran
Bagian ini mengemban tugas menangani hal-hal yang berhubungan dengan
kepentingan pelanggan. Bagian ini kegiatanya meliputi survei pelanggan, mencari
pelanggan baru dan pelayanan terhadap pelanggan terhaadap pelanggan yang
menguganakan gas bumi. Bagian ini membawahi 2 (dua) supervisor yang masing-masing
membawahi beberapa seksi sebagai berikut :
Supervisor Penjualan
b. Officer III Pengembangan Pasar
c. Tehnisi Penjualan
d. Wiraniaga
e. Administrator Billing
Supervisor Layanan Pelanggan
a. Administrator Layanan Pelanggan
b. Administrator Pemasaran
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Bagian ini mengemban tugas menangani administrasi keuangan perusahaan
seperti invoice, gaji pegawai, bonus, tunjangan-tunjangan, pengelola SDM. Bagian
supervisor dimana masing-masing juga membawahi beberapa seksi sebagai berikut :
Supervisor Akuntansi dan Keuangan
a. Officer III data Akuntansi
b. Pengelola Anggaran
c. Administrator Pembayaran
d. Pengelola Akuntansi
e. Pengelola Dana
f. Penagih Rekening
g. Pengelola Piutang
Supervisor Administrasi dan Layanan Umum
a. Officer III Pengendalian Persediaan
b. Officer III Pengendalian Gudang
c. Officer III Layanan Umum
d. Administrator Sumber Daya Manusia
e. Administratir Pengadaan Barang dan Jasa
f. Administrator Pengendalian Persediaan
g. Administrator Ramunisasi
h. Administrator Kesektretariatan
i. Pengelola Fasilitas Umum
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
k. Petugas Mess
l. Satpam
m. Cleaning Service
BAB IV
ANALISA DAN PENGOLAHAN DATA
Analisa dan pengolahan data dimaksudkan untuk menentukan sifat-sifat statistika dari
waktu ke waktu, sehingga dapat ditetapkan suatu model penduga atau peramalan yang
tepat serta dapat digunakan untuk meramalkan jumlah pelanggan Gas di tahun yang akan
datang.
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Data yang dibutuhkan untuk dianalisa dalam tinjauan ini adalah data Jumlah
Pelanggan Gas pada tahun 1998 sampai tahun 2007 untuk wilayah Sumatera Utara. Data
pelanggan tersebut disajikan dalam Tabel 4.1.
Langkah pertama yang baik dilakukan unutk menganalisa data deret berkala
adalah dengan memplot data grafik. Dengan mengamati plot data tersebut, dapat dilihat
[image:45.612.161.456.287.409.2]bahwa gerak data memperkirakan pola data trend (Gambar 4-1).
TABEL 4.1.
Data Jumlah Pelanggan Gas Pada PT Perusahaan Gas Negara (Persero) Tbk SBU Distribusi Wilayah III Sumatera Utara Di Kota Madya Medan
NO TAHUN JUMLAH PELANGGAN
1 1998 9978
2 1999 10510
3 2000 11221
4 2001 12218
5 2002 12883
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
7 2004 17060
8 2005 17715
9 2006 18628
10 2007 19231
TOTAL 143844
Sumber : PT Perusahaan Gas Negara (Persero) Tbk SBU Distribusi Wilayah III Sumatera Bagian Utara Distrik Medan
Jl. K.L. Yos Sudarso Lorong XII No. 18, Glugur Medan
Jumlah Pelanggan Gas
0 5000 10000 15000 20000 25000
1996 1998 2000 2002 2004 2006 2008
[image:46.612.215.463.84.226.2]Periode J u m la h P e la n g g a n G as Jumlah Pelanggan Gambar 4-1
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
4.2 Metode Smoothing Eksponensial Linear Satu Parameter dari Brown 4.2.1 Estimasi Model Peramalan
Dalam pengolahan data dan penganalisaan data, penulis mengaplikasikan data (tabel 4.1)
dengan metode peramalan (forecasting) berdasarkan Metode Eksponensial Satu
Parameter dari brown.
Untuk memenuhi perhitungan Smoothing Eksponensial Ganda, Tunggal dan
Ramalan yang akan datang maka terlebih dahulu kita akan menentukan parameter nilai
yang biasanya, secara coba dan salah (Trial and error ). Suatu nilai dipilih yang
besarnya 0< <1, dihitung MSE yang merupakan suatu ukuran ketepatan perhitungan
dengan mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam
sebuah susunan data kemudian memperoleh rata-rata atau nilai tengah jumlah kuadrat
tersebut dan kemudian dicoba nilai yang lain.
Lalu salah satu MSE tersebut dibandingkan untuk menemukan nilai yang
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
[image:49.612.104.606.219.539.2]USU Repository © 2009
TABEL 4.2
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN
PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.1
Tahun Pelanggan S' S" A b Peramalan Error Abs e
1998 9978 9978 9978
1999 10510 10031.2 9983.32 10079.08 5.32
2000 11221 10150.18 10000.01 10300.35 16.686 10084.4 1136.6 1136.6 2001 12218 10356.962 10035.7 10678.22 35.6956 10317.04 1900.96 1900.96 2002 12883 10609.5658 10093.09 11126.04 57.38642 10713.918 2169.082 2169.082 2003 14400 10988.60922 10182.64 11794.58 89.55212 11183.43 3216.57 3216.57 2004 17060 11595.7483 10323.95 12867.55 141.3108 11884.1304 5175.87 5175.87 2005 17715 12207.67347 10512.32 13903.02 188.3723 13008.8565 4706.144 4706.144 2006 18628 12849.70612 10746.06 14953.35 233.7383 14091.396 4536.604 4536.604 2007 19231 13487.83551 11020.24 15955.43 274.1774 15187.089 4043.911 4043.911
MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
∑
=
n
i
N e 1
/ 2
= 105828152.7 / 8
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009 0 5000 10000 15000 20000 25000
1996 1998 2000 2002 2004 2006 2008
Tahun
P
el
an
g
g
an
G
as
[image:50.612.109.483.89.549.2]pelanggan S' S" peramalan
Gambar 4-2
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
[image:51.612.113.605.220.541.2]USU Repository © 2009
TABEL 4.3
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN
PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.2
Tahun Pelanggan S' S" A B Peramalan Error Aba e 1998 9978 9978 9978
1999 10510 10084.4 9999.28 10169.52 21.28
2000 11221 10311.72 10061.77 10561.67 62.488 10190.8 909.28 1030.2 2001 12218 10692.976 10188.01 11197.94 126.2416 10624.16 1525.024 1593.84 2002 12883 11130.9808 10376.6 11885.36 188.5942 11324.184 1752.019 1558.816 2003 14400 11784.78464 10658.24 12911.33 281.6362 12073.952 2615.215 2326.048 2004 17060 12839.82771 11094.56 14585.1 436.3175 13192.9654 4220.172 3867.035 2005 17715 13814.86217 11638.62 15991.11 544.0609 15021.4154 3900.138 2693.585 2006 18628 14777.48974 12266.39 17288.59 627.7743 16535.1668 3850.51 2092.833 2007 19231 15668.19179 12946.75 18389.63 680.3598 17916.361 3562.808 1314.639
MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
∑
=
n
i
N e 1
/ 2
= 39759625.27 /
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Plot Pemulusan Data
0 5000 10000 15000 20000 25000 30000
1996 1998 2000 2002 2004 2006 2008
Tahun
Ju
m
lah
P
el
an
g
g
an
G
as
[image:52.612.142.505.113.541.2]pelanggan s' s" peramalan
Gambar 4-3
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
[image:53.612.115.574.246.556.2]USU Repository © 2009
TABEL 4.4
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN
PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.3
tahun Pelanggan s' S" A B peramalan error abs e 1998 9978 9978 9978
1999 10510 10137.6 10025.88 10249.32 47.88
2000 11221 10462.62 10156.9 10768.34 131.022 10297.2 758.38 923.8 2001 12218 10989.234 10406.6 11571.87 249.6996 10899.36 1228.766 1318.64 2002 12883 11557.3638 10751.83 12362.9 345.2287 11821.566 1325.636 1061.434 2003 14400 12410.15466 11249.33 13570.98 497.4973 12708.126 1989.845 1691.874 2004 17060 13805.10826 12016.06 15594.15 766.7342 14068.4791 3254.892 2991.521 2005 17715 14978.07578 12904.67 17051.49 888.6042 16360.8889 2736.924 1354.111 2006 18628 16073.05305 13855.18 18290.92 950.5161 17940.0898 2554.947 687.9102 2007 19231 17020.43713 14804.76 19236.12 949.5765 19241.4401 2210.563 10.44011
MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
∑
=
n
i
N e 1
/ 2
= 35674664.82 / 8
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Plot Pemulusan Data
0 5000 10000 15000 20000 25000 30000 35000
1996 1998 2000 2002 2004 2006 2008
Tahun
P
el
an
g
g
an
G
as
[image:54.612.109.477.86.549.2]pelanggan s' S" peramalan
Gambar 4-4
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
[image:55.612.115.599.245.551.2]USU Repository © 2009
TABEL 4.5
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN
PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.4
tahun Pelanggan s' S" A B peramalan error abs e 1998 9978 9978 9978
1999 10510 9139.8 9642.72 8636.88 -335.28
2000 11221 8850.18 9325.704 8374.656 -317.016 8301.6 2919.4 2919.4 2001 12218 8975.508 9185.626 8765.39 -140.078 8057.64 4160.36 4160.36 2002 12883 9250.2048 9211.457 9288.952 25.83168 8625.312 4257.688 4257.688 2003 14400 9870.12288 9474.924 10265.32 263.4662 9314.784 5085.216 5085.216 2004 17060 11040.07373 10100.98 11979.16 626.0601 10528.7885 6531.212 6531.212 2005 17715 11938.54424 10836.01 13041.08 735.0243 12605.2239 5109.776 5109.776 2006 18628 12751.52654 11602.22 13900.84 766.2075 13776.1049 4851.895 4851.895 2007 19231 13420.21593 12329.42 14511.02 727.2002 14667.0452 4563.955 4563.955
MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
∑
=
n
i
N e 1
/ 2
= 182955925.4 / 8
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Plot Pemulusan Data
0 5000 10000 15000 20000 25000 30000
1996 1998 2000 2002 2004 2006 2008
Tahun
P
el
an
g
g
an
G
as
[image:56.612.112.475.86.551.2]pelanggan s' S" peramalan
Gambar 4-5
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
[image:57.612.115.608.221.543.2]USU Repository © 2009
TABEL 4.6
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN
PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.5
tahun Pelanggan s' s" A B peramalan error abs e 1998 9978 9978 9978
1999 10510 10244 10111 10377 133
2000 11221 10732.5 10421.75 11043.25 310.75 10510 711 711 2001 12218 11475.25 10948.5 12002 526.75 11354 864 864 2002 12883 12179.125 11563.81 12794.44 615.3125 12528.75 354.25 354.25 2003 14400 13289.5625 12426.69 14152.44 862.875 13409.75 990.25 990.25 2004 17060 15174.78125 13800.73 16548.83 1374.047 15015.3125 2044.688 2044.688 2005 17715 16444.89063 15122.81 17766.97 1322.078 17922.875 -207.875 207.875 2006 18628 17536.44531 16329.63 18743.26 1206.816 19089.0469 -461.047 461.0469 2007 19231 18383.72266 17356.68 19410.77 1027.047 19950.0781 -719.078 719.0781 3576.188 6352.188
MSE
MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
∑
=
n
i
N e 1
/ 2
= 7311701.684 / 8
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Plot Pemulusan GAS
0 5000 10000 15000 20000 25000 30000 35000 40000
1996 1998 2000 2002 2004 2006 2008
Tahun
P
el
an
g
g
an
G
as
[image:58.612.110.477.87.556.2]pelanggan s' s" peramalan
Gambar 4-6
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008. USU Repository © 2009
TABEL 4.7
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.6
tahun Pelanggan s' s" A B peramalan error abs e e kuadrat 1998 9978 9978 9978
1999 10510 10297.2 10169.52 10424.88 191.52
2000 11221 10851.48 10578.7 11124.26 409.176 10616.4 604.6 604.6 365541.16 2001 12218 11671.392 11234.31 12108.47 655.6176 11533.44 684.56 684.56 468622.3936 2002 12883 12398.3568 11932.74 12863.97 698.4259 12764.088 118.912 118.912 14140.06374 2003 14400 13599.34272 12932.7 14265.98 999.9619 13562.4 837.6 837.6 701573.76 2004 17060 15675.73709 14578.52 16772.95 1645.821 15265.9459 1794.054 1794.054 3218630.042 2005 17715 16899.29484 15970.99 17827.6 1392.463 18418.7727 -703.773 703.7727 495296.0639 2006 18628 17936.51793 17150.31 18722.73 1179.319 19220.0668 -592.067 592.0668 350543.1449 2007 19231 18713.20717 18088.05 19338.37 937.7412 19902.0498 -671.05 671.0498 450307.8818 2072.837 6006.615 6064654.51 MSE 758081.8137
MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
∑
=
n
i
N e 1
/ 2
= 6064654.51/ 8
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Plot Pemulusan Data
0 5000 10000 15000 20000 25000 30000 35000 40000
1996 1998 2000 2002 2004 2006 2008
Tahun
P
el
an
g
g
an
G
as
[image:60.612.107.479.87.553.2]pelanggan s' s" peramalan
Gambar 4-7
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008. USU Repository © 2009
TABEL 4.8
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.7
tahun Pelanggan s' s" A B peramalan error abs e e kuadrat 1998 9978 9978 9978
1999 10510 10350.4 10238.68 10462.12 260.68
2000 11221 10959.82 10743.48 11176.16 504.798 10722.8 498.2 498.2 248203.24 2001 12218 11840.546 11511.43 12169.67 767.9476 11680.96 537.04 537.04 288411.9616 2002 12883 12570.2638 12252.61 12887.92 741.1867 12937.614 -54.614 54.614 2982.688996 2003 14400 13851.07914 13371.54 14330.62 1118.927 13629.102 770.898 770.898 594283.7264 2004 17060 16097.32374 15279.59 16915.06 1908.049 15449.5459 1610.454 1610.454 2593562.279 2005 17715 17229.69712 16644.66 17814.73 1365.076 18823.1084 -1108.11 1108.108 1227904.191 2006 18628 18208.50914 17739.36 18677.66 1094.691 19179.8059 -551.806 551.8059 304489.7466 2007 19231 18924.25274 18568.78 19279.72 829.4279 19772.3538 -541.354 541.3538 293063.9183 1160.71 5672.474 5552901.752 MSE 694112.719
MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
∑
=
n
i
N e 1
/ 2
= 5552901.752/ 8
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Plot Pemulusan Data
0 5000 10000 15000 20000 25000 30000 35000 40000
1996 1998 2000 2002 2004 2006 2008
Tahun
P
el
an
g
g
an
G
as
[image:62.612.111.477.87.560.2]pelanggan s' s" peramalan
Gambar 4-8
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008. USU Repository © 2009
TABEL 4.9
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.8
tahun pelanggan s' s" A B peramalan error abs e e kuadrat 1998 9978 9978 9978
1999 10510 10403.6 10318.48 10488.72 340.48
2000 11221 11057.52 10909.71 11205.33 591.232 10829.2 391.8 391.8 153507.24 2001 12218 11985.904 11770.67 12201.14 860.9536 11796.56 421.44 421.44 177611.6736 2002 12883 12703.5808 12517 12890.16 746.3322 13062.096 -179.096 179.096 32075.37722 2003 14400 14060.71616 13751.97 14369.46 1234.975 13636.496 763.504 763.504 582938.358 2004 17060 16460.14323 15918.51 17001.78 2166.537 15604.4346 1455.565 1455.565 2118670.75 2005 17715 17464.02865 17154.92 17773.13 1236.416 19168.314 -1453.31 1453.314 2112121.536 2006 18628 18395.20573 18147.15 18643.26 992.2248 19009.5482 -381.548 381.5482 145579.0375 2007 19231 19063.84115 18880.5 19247.18 733.3533 19635.4867 -404.487 404.4867 163609.5108 613.8645 5450.754 5486113.483 MSE 685764.1854
MSE (Mean Square Error) / Nilai Tengah Kesalahan Kuadrat
MSE =
∑
=
n
i
N e 1
/ 2
= 5486113.483 / 8
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
USU Repository © 2009
Plot Pemulusan Data
0 5000 10000 15000 20000 25000 30000 35000 40000
1996 1998 2000 2002 2004 2006 2008
Tahun
P
el
an
g
g
an
G
as
[image:64.612.106.477.87.309.2]pelanggan s' s" peramalan
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
Raini Manurung : Peramalan Pelanggan Gas 5 Periode Ke Depan Di Kota Madya Medan Dengan Menggunakan Metode Smoothing Eksponensial, 2008.
[image:66.612.105.610.219.541.2]USU Repository © 2009
TABEL 4.10
APLIKASI PEMULUSAN (SMOOTHING) EKSPONENSIAL LINIER SATU PARAMETER DARI BROWN
PADA DATA JUMLAH PELANGGAN GAS DENGAN =0.9
tahun Pelanggan s' s" A B peramalan error abs e 1998 9978 9978 9978
1999 10510 10456.8 10408.92 10504.68 430.92
2000 11221 11144.58 11071.01 11218.15 662.094 10935.6 285.4 285.4 2001 12218 12110.658 12006.69 12214.62 935.6796 11880.24 337.76 337.76 2002 12883 12805.7658 12725.86 12885.67 719.165 13150.302 -267.302 267.302 2003 14400 14240.57658 14089.1 14392.05 1363.246 13604.838 795.162 795.162 2004 17060 16778.05766 16509.16 17046.95 2420.058 15755.2946 1304.705 1304.705 2005 17715 17621.30577 17510.09 17732.52 1000.929 19467.0105 -1752.01 1752.011 2006 18628 18527.33058 18425.61 18629