Peramalan Tingkat Kebutuhan Beras Di Kota Tanjungbalai Pada Tahun 2016

(1)

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA

Jln. Bioteknologi No.1 Kampus USU Padang Bulan Medan-20155 Telp. (061) 8211050, 8214290, Fax. (061) 821429

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama Mahasiswa : Maulana Malik Ibrahim Hsb Nomor Induk Mahasiswa : 122407053

Judul Tugas akhir : Peramalan Tingkat Kebutuhan Beras di Kota Tanjungbalai Pada Tahun 2016

Dosen Pembimbing : Prof. Dr. Saib Suwilo, M.Sc Tanggal Mulai Bimbingan : 24 Maret 2015

Tanggal Selesai Bimbingan :

No

(2)

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA

Jln. Bioteknologi No.1 Kampus USU Padang Bulan Medan-20155 Telp. (061) 8211050, 8214290, Fax. (061) 821429

Hasil Uji Program Tugas Akhir SURAT KETERANGAN

Yang bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir program studi D3 Statistika:

Nama : Maulana Malik Ibrahim Hsb

Nomor Induk Mahasiswa : 122407053 Program Studi : D3 Statistika

Judul : Peramalan Tingkat Kebutuhan Beras di Kota Tanjungbalai Pada Tahun 2016

Telah melaksanakan test program Tugas Akhir mahasiswa tersebut di atas pada tanggal

Dengan Hasil: Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan D3 Statistika FMIPA USU.

Medan, Juni 2015 Dosen Pembimbing,

(3)

DAFTAR PUSTAKA

Badan Ketahanan Pangan Provinsi Sumatera Utara, "Produksi Kebutuhan Pokok", BKP Sumut, Medan, 2014

Mantra, I. Bagoes. 2000. Demografi Umum, Pustaka Pelajar, Yogyakarta, 2000.

Spyros Makridakis, Steven C. Wheel, Victor E. McGee. Metode dan Aplikasi Peramalan, Erlangga, Jakarta, 1996.

(4)

BAB 3 PEMBAHASAN

3.1 Perhitungan Jumlah Penduduk

Sebelum meramalkan tingkat kebutuhan beras dan tingkat produksi beras, maka penulis melakukan perhitungan jumlah penduduk di Kota Tanjungbalai terlebih dahulu. Karena jumlah penduduk sangat memperngaruhi terhadap tingkat kebutuhan beras di Kota Tanjungbalai.

Ada dua yang dipaparkan penulis dalam tugas akhir ini adalah dari Badan Ketahanan Pangan Propinsi Sumatera Utara. Data jumlah penduduk tersebut sebagai berikut:

Table 3.1 Tabel Jumlah Penduduk di Kota Tanjungbalai Pada Tahun 2009 – 2014

Sumber: Badan Ketahanan Pangan Provinsi Sumatera Utara

Tahun Penduduk

(Jiwa)

2009 166.789

2010 167.500

2011 154.445

2012 157.175

2013 158.599

(5)

Grafik 3.1 Grafik Jumlah Penduduk di Kota Tanjungbalai Pada tahun 2009 – 2014

Dari Gambar di atas dapat kita lihat bahwa perkembangan jumlah penduduk dengan mempergunakan data dari table 4.1, penulis dapat meramalkan data jumlah penduduk pada tahun 2016

3.1.1 Perhitungan Laju Pertumbuhan Geometris Penduduk

Setelah uji kecukupan sampel telah terpenuhi, maka penulis melanjutkan dengan perhitungan laju pertumbuhan geometris penduduk untuk meramalkan jumlah penduduk pada tahun 2016. Adapun perhitungan adalah senagai berikut:

(6)

r = ��165 .118 �116 .789�

� �

– 1

r = (0.989981353)�� – 1 r = 0.001670086183

P0 = P2014 = 166789

P_t = P₀ +(1 + r)t _(3.3)

P2015 = P2014 + (1 + r)t

P2015 = 166789 + (1 + (−0.001670086183)1 P2015 = 166510.4479

P₂₀₁₅ = 166510 Jiwa

P0 = P2015 = 166510

Pt = P0 +(1 + r)t (3.4)

P₂₀₁₆ = P₂₀₁₅ + (1 + r)t

P2016 = 166510 + (1 + (−0.001670086183)2 P2016 = 165954.2923

P₂₀₁₆ = 165954 Jiwa

(7)

Table 3.2 Hasil Perhitungan Laju Geometris Penduduk di Kota Tanjungbalai pada Tahun 2009 – 2016

Tahun Penduduk

(Jiwa)

2009 166789

2010 167500

2011 154445

2012 157175

2013 158599

2014 165118

2015* 166510

(8)

Grafik 3.2 Grafik Jumlah Penduduk di Kota Tanjungbalai Pada Tahun 2009 -2016

Keterangan: * adalah jumlah penduduk yang diramalkan

3.2 Peramalan Tingkat Kebutuhan Beras

Data yang diperguanakan penulis sebagai dasar untuk melaksanakan peramalan tingkat kebutuhan beras tahun 2016 adalah data dari tingkat keburtuhan beras pada tahun 2019 samapi 2014. Adapun tingkat kebutuhan beras di Kota Tanjungbalai penulis melampirkan dalam table sebagai berikut:

Table 3.3 Tabel Tingkat Kebutuhan Beras di Kota Tanjungbalai Pada Tahun 2009 – 2014

145000 150000 155000 160000 165000 170000

2009 2010 2011 2012 2013 2014 2015* 2016*

Penduduk (Jiwa)

Tahun Kebutuhan

Beras (Ton)

2009 22488

(9)

Sumber: Badan Ketahanan Pangan Provinsi Sumatera Utara

Grafik 3.3 Grafik Tingkat Kebutuhan Beras di Kota Tanjungbalai Pada Tahun 2009 – 2014

0 5000 10000 15000 20000 25000

1 2 3 4 5 6

Tahun

Kebutuhan Beras (Ton)

Tahun Kebutuhan

Beras (Ton)

2011 21878

2012 21904

2013 20528

(10)

3.2.1 Perhitungan Peramalan Tingkat Kebutuhan Beras dengan

Menggunakan Metode Exponensial Smoothing Ganda dengan � = 0.1

Adapun langkah – langkah peramalan tingkat kebutuhan beras adalah sebagai berikut :

1. Tahun pertama (2009)

a. St′ ditentukan sebesar kebutuhan beras pada tahun pertama (2009), yaitu sebesar 22488 ton.

b. S_t′′ sebesar kebutuhan beras pada tahun pertama (2009), yaitu sebesar 22488 ton.

c. at : belum bias ditentukan d. bt : belum ditentukan

e. F_1+m: Forecast tahun kedua (F₂) ditentukan sebesar kebutuhan tahun pertama, yaitu sebesar 22488 ton.

2. Tahun kedua (2010) ; m=1 Xt = 22584

a. St′ = αXt + (1-α) St′−1 (3.5) = 0.1 (22584) + (1-0.1) 22488

= 2258.4 + (0.9) 22488 = 2258.4 + 20239.2 = 22497.6

b. St′′ = αXt + (1-α) St′′−1 (3.6) = 0.1 (22497.6) + (1-0.1) 22488

= 2249.79 + (0.9) 22488 = 2249.79 + 20239.2 =22488.96

c. a_t = 2S_t′ - S_t′′ (3.7)

(11)

d. b_t = α

e. Forencast tahun ketiga (2011)

(12)

= 0.111111111 (- 47.988) = -0.5332

Ft+m = at + bt (m) (3.13) F2011+1 = a2011 + b2011 (1)

F₂₀₁₂ = 22387.652 + (-0.5332) F2012 = 22387.1188

Perhitungan peramalan tingkat kebutuhan beras secara lengkap tertera pada table di bawah ini

(13)

Tahu

Peramalan Tahun 2015; m=1 Ft+m = a2014 + b2014 (m) F₂₀₁₄₊₁ = 21632.78 – 42.7939 (1) F2015 = 21589.9861

Peramalan Tahun 2016; m=2 Ft+m = a2014 + b2014 (m) F₂₀₁₅₊₁ = 21632.78 – 42.7939 (2) F2016 = 21547.1922

Dari table siatas dapat diketahui kesalahan ramalan dengan menggunakan MSE (Mean Square Error atau Nilai Kesalahan Kuadrat) dengan menggunakan rumus sebagai berikut

(14)

Tabel 3.5 Perhitungan Forecast dan Mean Square Error Kebutuhan Beras dangan � = 0.1

Tahun

Kebutuhan Beras

(Ton)

Forecast Error Absoulut Square Error

2009 22488 - - - -

2010 22584 22488 78.72 22488 505710144

2011 21878 22507.2

-514.984 22507.2 506574052

2012 21904 22382.32

-397.554 22382.32 500968249

2013 20528 22281.32

-1447.84 22281.32 496457399

2014 20406 21920.54

-1269.57 21920.54 480510249

Jumlah 2490220093

Rata - Rata 498044019

MSE = ∑�_�₌₁��2�_� (3.15)

(15)

c. at : belum bias ditentukan d. b_t : belum ditentukan

2. Tahun kedua (2010) ; m=1 Xt = 22584

a. St′ = αXt + (1-α) St′−1 (3.16) = 0.3 (22584) + (1-0.3) 22488

= 67752 + (0.7) 22488 = 67752 + 15741.6 = 83493.6

b. S_t′′ = αS′_t + (1-α) S_t′′₋₁ (3.17) = 0.3 (83493.6) + (1-0.3) 22488

(16)

= 25048.08+ 15741.6

(17)

= 44610 – 22433.1

F_t+m = a_t + b_t (m) (3.25) F2011+1 = a2011 + b2011 (1)

F2012 = 22176.9 + (-54.9) F₂₀₁₂ = 2122

Tabel 3.6 Perhitungan Peramalan Tingkat Kebutuhan Beras dengan Menggunakan Metode Exponensial Smoothing Ganda dengan �= �.�

(18)

1 4 6

Peramalan Tahun 2015; m=1 Ft+m = a2014 + b2014 (m)

F2014+1 = 20708.75 – 257.72076 (1) F₂₀₁₅ = 20451.02924

F2015+1 = 20708.75 – 257.72076 (2) F₂₀₁₆ = 20193.30848

(19)

MSE = ∑ �� 2

� �

�

�=1 (3.26)

Dimana �_� = �_� - �_�

Maka hasil perhitungannya secara lengkap tertera pada tabe di bawah ini .

Tahun Kebutuhan Beras (Ton)

Forecast Error Absoulut

Square

Error

2009 22488

2010 22584 22488 55.68 22488 505710144

2011 21878 22545.6 -378.568 22545.6 508304079

2012 21904 22153.68 -196.258 22153.68 490785538

2013 20528 21952.43 -900.083 21952.43 481909095

2014 20406 21023.86 -560.47 21023.86 442002521

Jumlah

242871137

7

Rata - Rata 485742275

(20)

MSE = 2428711377/5 MSE = 485742275

a. S_t′ ditentukan sebesar kebutuhan beras pada tahun pertama (2009), yaitu sebesar 22488 ton.

b. St′′ sebesar kebutuhan beras pada tahun pertama (2009), yaitu sebesar 22488 ton.

c. at : belum bias ditentukan d. b_t : belum ditentukan

e. F1+m: Forecast tahun kedua (F2) ditentukan sebesar kebutuhan tahun pertama, yaitu sebesar 22488 ton.

2. Tahun kedua (2010) ; m=1 Xt = 22584

a. St′ = αXt + (1-α) St′−1 (3.28) = 0.6 (22584) + (1-0.6) 22488

(21)

b. St′′ = αSt′ + (1-α) St′′−1 (3.29)

(22)

= 22268.4

c. at = 2St′ - St′′ (3.35)

= 2(22122) – 22268.4 = 44244 – 22433.1 = 21810.9

d. bt = ₁_−αα ( St′ - St′′) (3.36) = 0.6

1−0.6 (22122 – 22268.4) = 0.6

0.4 (-146.4) = 1.5 (- 146.4) = -219.6

Ft+m = at + bt (m) (3.37) F2011+1 = a2011 + b2011 (1)

F₂₀₁₂ = 21810.9 + (-219.6) F2012 = 21591.3

Tahun

Kebutuhan

Beras

(Ton)

S't S"t at bt Ft+m

2009 22488 22488 22488

(23)

4 8

F2014+1 = 20359.48 – 469.35648 (1) F₂₀₁₅ = 19890.12352

(24)

MSE = ∑ �� 2

� �

�

�=1 (3.38)

Dimana �_� = �_� - �_�

Maka hasil perhitungannya secara lengkap tertera pada tabe di bawah ini.

Tahun Kebutuhan Beras (Ton)

Square

Error

2009 22488

2010 22584 22488 49.92 22488 505710144

2011 21878 22603.2 -342.544 22603.2 510904650

2012 21904 21767.52 -155.542 21767.52 473824927

2013 20528 21704.78 -789.307 21704.78 471097648

2014 20406 20115.26 -449.839 20115.26 404623846

Jumlah

236616121

5

(25)

MSE = ∑ �� 2

� �

�

�=1 (3.39)

MSE = 2366161215/5 MSE = 473232243

c. at : belum bias ditentukan d. bt : belum ditentukan

2. Tahun kedua (2010) ; m=1 Xt = 22584

(26)

= 0.9 (22584) + (1-0.9) 22488

(27)

= 21939

b. St′′ = αS′t + (1-α) St′′−1 (3.46) = 0.9 (21039) + (1-0.9) 22488

= 19745.1 + (0.1) 22488 = 19745.1 + 2248.8 = 21993.9

c. at = 2St′ - St′′ (3.47)

= 2(21939) – 21993.9 = 43878 – 21993.9 = 21884.1

d. bt = ₁_−αα ( St′ - St′′) (3.48) = 0.9

1−0.9 (21939 – 21993.9) = 0.9

0.1 (-54.9) = 9 (- 54.9) = - 494.1

Ft+m = at + bt (m) (3.49) F₂₀₁₁₊₁ = a₂₀₁₁ + b₂₀₁₁ (1)

F2012 = 21884.1 + (-494.1) F2012 = 21390

(28)

n Beras

F2014+1 = 20396.08 – 323.34876 (1) F2015 = 20072.73124

(29)

F2015+1 = 20396.08 – 323.34876 (2) F2016 = 19749.38248

MSE = ∑�_�₌₁��2�_� (3.50)

Dimana �_� = �_� - �_�

Maka hasil perhitungannya secara lengkap tertera pada tabe di bawah ini.

Tahun

Kebutuhan Beras

(Ton)

Square

Error

2009 22488

2010 22584 22488 78.72 22488 505710144

2011 21878 22660.8 -564.136 22660.8 513511857

2012 21904 21329.52 -85.2344 21329.52 454948423

2013 20528 21807.28 -1139.99 21807.28 475557287

2014 20406 19413.6 -313.425 19413.6 376887865

Jumlah

(30)

6

Rata - Rata 465323115

MSE = ∑�_�₌₁��2�_� (3.51)

MSE = 2326615576/5 MSE = 465323115

BAB 4

IMPLEMENTASI SISTIM

4.1 Microsoft Excel

Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spreadsheet) dari program Microsoft Excel. Microsoft Excel merupakan unggulan dari Microsoft Corporation yang banyak berperan dalam pengolahan informasi khususnya data – data berbentuk angka untuk dihitung, diproyeksikan, dianalisa dan dipresentasikan pada lembar kerja. Dalam hal ini penulis menggunakan Microsoft Excel 2007.

(31)

dilanjutkan dengan AA, AB,AC, …, IV dan baris ditandai dengan angka 1, 2, 3, 4, …, 65536.

Microsoft Excel 2007 hadir dengan berbagai penyempurnaa, tampil lebih terintegrasi dengan berbagai software lain, under windows seperti Word, Acces, maupun Power Point, dan sebagainya. Keunggulan program speed sheet ini adalah mudah dipakai, fleksibel, mudah berintegrasi dengan aplikasi berbasis windows.

4.2 Langkah – Langkah Memulai Pengolahan Data Excel

Sebelum mengoperasikan software ini, pastikan bahwa pada computer telah terpasang program Microsoft Excel. Langkah – langkah adalah sebagai berikut: 1. Klik tombol start

Gambar 4.1 Tampilan Standart dari Windows

(32)

Gambar 4.2 Tampilan Untuk Memilih Program Excel

3. Setelah itu akan muncul tampilan lembar kerja seperti dibawah ini

Gambar 4.3 Tampilan Lembar Kerja Microsoft Excel

(33)

a. Data Produksi beras dengan menggunakan alpha 0.1 pada shet 1, dapat dilihat tampilannya seperti dibawah ini

Gambar 4.4 Tampilan Menginput Data Produksi Beras Pada Lembar Kerja Microsoft Excel

Dari tampilan diatas tersebut dapat kita lihat data yang telah dihitung S't, S”t, forecast, error (kesalahan ramalan), square errornya. Untuk lebih jelasnya dapat dipaparkan sebagai berikut:

1. Pada kolom pertama (A6 : A20) ditulis keterangannya adalah tahun

2. Pada kolom kedua (B6 : B20) ditulis keterangannya dalah produksi beras di Kota Tanjungbalai

3. Pada kolom ketiga (C7 : C20) ditulis keterangannya adalah S’t, dimana S’t adalah smoothing pertama

4. Pada kolom ketiga (D6 : D20) ditulis keterangannya adalah S”t, dimana S”t, dimana S”t adalah Smoothing kedua

5. Pada kolom ketiga (E6 : E20) ditulis keterangannya adalah at (konstanta) 6. Pada kolom ketiga (F6 : F20) ditulis keterangannya adalah b_t (slope)

(34)

8. Pada kolom ketiga (H6 : H20) dituli keterangannya adalah error atau kesalahan ramalan

9. Pada kolom ketiga (I6 : I20) ditulis keterangannya adalah absoulut dari error a(kesalahan ramalan)

10.Pada kolom ketiga (J6 : J20) ditulis keterangannya adalah square error, dimana ini kuadrat dari error.

Maka perhitungan untuk masing- masing perhitungan smoothing pertama, smoothing kedua, konstanta, forecast, error, absoulut error dan square diuraikan dibawah ini:

1. Smoothing pertama S’t, untuk tahun pertama di tentukan sebesar tahun pertama dari data historinya, sehingga angkanya telah tertera pada sel B7, adalah = B7.

Sedangkan untuk tahun kedua yakni tahun 2010 dapat dihitung dengan rumus sebagai berikut : =(0.1*B8) + (0.9*C7), menghasilkan 22497.6. lakukan cara yang sama untuk tahun- tahun berikutnya.

2. Smoothing kedua S”t, untuk tahun pertama ditentukan sebesar tahun pertama ditentukan sebesar tahun pertama dari data historisnya, sehingga angkanya telah tertera pada sel B7, adalah = B7.

Sedangkan untuk tahun kedua yakni tahun 2010 dapat dihitung dengan rumus sebagia berikut : =(0.1*C8) + (0.9*D7), menghasilkan 22488.96. Lakukan cara yang sama untuk tahun- tahun berikutnya.

3. Nilai at baru bisa dicari pada tahun kedua yaitu pada tahun 2010 sehingga rumus yang tertera pada sel E7 adalah: =2*C8-D8, sehingga menghasilkan angka = 22506.24. Lakukan cara yang sama untuk tahun- tahun berikutnya. 4. Nilai bt baru bisa dicari pada tahun kedua yaitu pada tahun 2010 sehingga

rumus yang tertera pada sel B7 adalah: = (0.1/0.9)*(C8-D8), sehingga menghasilkan angka 0.96. Lakukan cara yang sama untuk tahun- tahun berikutnya

(35)

berikut: =E8+F8 sehingga menghasilkan 22505.28. Lakukan cara yang sama untuk tahun- tahun berikutnya.

6. Error untuk tahun kedua dapat di cari dengan rumus =B8-G8, menghasilkan 78.72. Lakukan cara yang sama untuk tahun- tahun berikutnya.

7. Aboulut Error menunjukkan kesalahan ramalan, tanpa menghiraukan tanda positif ataupun tanda negative, sehingga pada sel I8, dapat dihitung dengan menggunakan rumus : =ABS(H8), sehingga menghasilkan 22488. Lakukan cara yang sama untuk tahun- tahun berikutnya.

8. Square Error, menunjukkan kesalahan ramalan di kuadratkan, sehingga pada sel J7, dapat dihitung menggunakan rumus : = H8^2, sehingga menghasilkan 505710144. Lakukan cara yang sama untuk tahun- tahun berikutnya.

9. Jumlah dari Square Error =SUM(K8:K18) untuk jumlah dari square error menghasilkan 2490220093.

10.Menghitung rata- rata mean square error (MSE) dengan rumus =K8:K12 menghasilkan 498044019

11.Untuk tahun- tahhun berikutnya dilakukan dengan cara yang sama Adapun tampilan rumus dapat dilihat pada tampilan dibawah ini

(36)

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisis data yang dilakuaka sebelumnya pada bab 3, maka kesimpulan yang dapat diperoleh adalah sebagia berikut:

1. Peramalan jumlah penduduk berdasarka metode laju pertumbuhan goemetris pada tahun 2015 adalah 166510 jiwa, dan untuk tahun 2016 adalah 165954 jiwa.

2. Metode peramalan yang dipilih untuk meramalkan tingkat kebutuhan beras di Kota Tanjungbalai untuk periode tahun 2015 sampai dengan tahun 2016 adalah metode linear satu parameter dari Brown berdasarkan kriteria MSE terkecil untuk kebutuhan beras adalah dengan α= 0.1, dan MSE =

498044019.

3. Peramalan untuk tahun 2015 kebutuhana beras adalah 21589.9861 ton, dan untuk tahun 2016 kebutuhan beras adalah 21547.1922 ton.

4. Berdasarkan hasil peramalan yang telah penulis kerjakan maka dapat disimpulkan bahwa kebutuhan beras di Kota Tanjungbalai sangat tinggi dan tidak sebanding dengan jumlah penduduk di Kota Tanjungbalai. Hal ini di sebabkan karena beras merupakan pangan pokok di kota tersebut.

5.2 Saran

Adapun saran- saran yang ingin penulis sampaikan adalah:

1. Diharapkan pemerintah memberikan penyuluhan bagi masyarakat agar produktivitas pada dapat lebih ditingkatkan dan menyadarkan masyarakat petani agar tidak mengganti tanaman padi dengan tanaman yang lain. Supaya kebutuhan beras dapat terpenuhi.

(37)

BAB 2

LANDASAN TEORI

2.1 Peramalan

2.1.1 Pengertian Peramalan

Peramalan (Assauri, Sofyan. 1991) adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pasa masa yang akan datang. Ramalan terserbut dapat didasarkan atas bermacam- macam cara yaitu: metode pemulusan eksponensial, atau rata- rata bergerak, metode box- Jenkins, metode regresi, semua itu dikenal dengan metode peramalan.

Metode peramalan ( Spyros Makridakis) adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang bersifat objektif.

2.1.2 Jenis Peramalan

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat teknik peramalan maka peramalan dapat dibedakan menjadi 2 (dua) macam yaitu:

1. Peramalan kuantitatif

(38)

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi sebagai berikut:

1. Adanya informasu tentang masa lalu

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data

3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut dimasa yang akan datang.

2. Peramaln kualitatif

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergabung pada orang yang menyusunnya. Hal yang terpenting karena hasil peramlaan tersebut ditentukan berdasakan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya.

2.1.3 Manfaat Peramalan

kualitas dan mutu hasil peramalan sangat ditentukan oleh proses pelaksanaan penyusunan. Peramalan yang baik yaitu peramalan yang menghasilkan penyimpangan antara hasil peramalan dengan kenyataan sekecil mungkin.

Peranan Peramlan sangat membantu di bidang- bidang lain yang memutuhkan, maka peramalan dapt digunakan untuk:

1. Dasar utama untuk membuat suatu perencanaan, agar perencanaan itu sesuai dengan tingkat kemampuan yang telah ada

2. Sebagi dasar pembanding dari hasil kerja nyata, dengan hasil peramalan yang telah ditentukan. Kalau suatu hasil peramalan tidak tercapai, maka factor apa yang menjadi penyebabnya akan dicari dan dilakukan perbaikan atau koreksi.

(39)

peramalan perkembangan penduduk ini berguna untuk melihat kebutuhan penduduk akan kebutuhan konsumsi beras.

2.1.4 Menentukan Peramalan yang Akurat

Hasil peramalan yang mendekati kenyataan merupakan ramalan yang memilik kesalahan (error) yang minimal.

Ada dua hal pokok yang harus diperhatikan agar suatu ramalan menjadi akurat yaitu:

1. Tersedianya data yang relevan

Tahap pertama dari proses peramalan adalah pengumpulan data. Suatu data dapt ditinjau menurut jenisnya, sifatnya dan menurut sumbernya. Tidak semua data yang diperoleh akan dapat digunakan dan relevan dengan tujuan peramalan. Dan hasil akhir dari peramalan sangat tergantung pada tersedianya data yang relevan.

2. Teknik peramalan

Hal pokok yang kedua yang sangat dipengaruhi terhadap kesuksesan menentukan ramalan adalah penilihan teknik peramalan yang tepat.

2.1.5 Pemilihan Teknik Peramalan

Dalam pemiliha teknik peramalan, pertma- tama perlu diketahui cirri- cirri penting yang diperhatika bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan permalan (Spyros Makridakis).

Ada enam factor utama yang diintensifikasikan dalam pemilihan teknik permalan yaitu:

1. Pola data

(40)

data yang memiliki pola fluktuatif akan lebih tepat bila di forecast dengan teknik smoothing.

2. Jangka waktu

Ada dua jangka waktu yang berhubungan dengan masing- masing metode peramalan. Peramalan adalah cakupan waktu di masa yang akan datang, kedua adalah jumlah periode untuk peramalan yang diinginkan.

3. Biaya yang dibutuhkan

Umumnya ada empat unsure biaya yang tercakup didalam penggunaan suatu prosedur peramala. Yaiut biaya- biaya pengembangan, penyimpanan data, opersi pelaksanaan dan kesempatan dalam penggunaan teknik- teknik dan metode lainnya.

4. Tingkat akurasi peralaman

Tingkat akurasi yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.

2.2 Produksi Beras

Dalam ekonomi Indonesia, pangan terutama beras, mempunyai peranan yang sangat penting. Perkembangan harga beras secara langsung mempengaruhi biaya hidup masyarakat. Demikianlah maka usaha untuk menjaga kemantapan harga beras merupakan hal yang mutlak diperlukan guna untuk menjaga stabilitas ekonomi.

Faktor iklim dan faktor alamiah lainnya mempunyai pengaruh yang besar terhadapa produksi, sedangkan kemampuan manusia untuk mengetahui faktor- faktor lainnya masih terbatas. Karena itu produksi pangan setiap tahunnya merupakan hal yang tidak pasti, demikian pula harga beras.

(41)

masyarakat jumlah- jumlah yang sesuai dengan kebutuhan utnuk kepentingan stabilitas.

Dengan kebijakan tersebut pemerintah berusaha untuk menjaga agar harga beras dapat dipertahankan pada suatu tingkat wajar, dlaam arti disatu pihak cukup tinggi untuk memberikan imbalan yang layak bagi para petani dan dapat merangsang kenaikan produksi, sedangkan dipihak lain cukup rendah untuk tetap berada dalam jangkauan daya beli masyarakat banyak.

2.3 Kebutuhan Beras

Kebutuhan merupakan suatu harapan, ataupun keinginan yang harus dicukupi dimana keinginan itu merupakan suatu hal yang penting dalam membantu melancarkan kehidupan.

Kebutuhan beras adalah salah satu bagian dari kebutuhan primer. Yang mana bila kebutuhan tersebut diabaikan maka kelangsungan hidup seseorang tersebut dapat terganggu. Seperti yang telah kita ketahui beras merupakan kebutuhan pokok bagi bangsa ini.

Dengan demikian dapat disimpulkan bahwa kebutuhan beras sangta penting untuk diketahui, untuk itulah penulisan ingin mengetahuinya. Karena kebutuhan beras sangat erat terhadap tingkat produksi.

2.4 Metode Laju Pertumbuhan Geometri

(42)

Dengan memperhitungkan data diatas maka dapat digunakan suatu rumusan untuk melakukan peramalan jumlah penduduk pada tahunn 2016. Adapun rumusan yang dipergunakan adalah dengan rumusan sebagia berikut:

�� = �� +(�+�)� (2.1) P0 : Jumlah penduduk pada tahun dasar

r : rata- rata laju pertumbuhan penduduk pertahun t : Jangka waktu (dalam banyaknya tahun).

Dengan rumus diatas maka jumlah penduduk tahun 2016 dapat diperkirakan.

2.5 Metode Pemulusan (Smoothing)

Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata- rata dari nilai beberapa tahun untuk menaksir nilai pada pada beberapa tahun kedepan.

Secara umum penghalusan (smoothing) diklarifikasikan menjadi dua yaitu: 1. Metode rata- rata (moving average)

Dengan moving average (rata- rata bergerak) ini kita melakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata- ratanya, lalu menggunakan rata- rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata- rata bergerak digunakan, karena setiap kali data pengamatan baru tersedia, maka angka rata- rata yang baru dihitung, dan dipergunakan sebagai ramalan.

(43)

2. Rata- rata bergerak tunggal (Singel Moving Average) 3. Rata- rata bergerak ganda (Double Moving Average) 4. Kombinasi rata- rta bergerak.

Metode rata- rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. 2. Metode pemulusan (smoothing) eksponensial

Metode pemulusan (smoothing) eksponensial merupakan pengembangan dari metode rata- rata bergerak (moving average). Dalam metode ini peramalan dilakukan dengan mengulang secara terus menerus dengan menggunkan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar.

Bentuk umum dari metode pemulusan (smoothing) eksponensial ini adalah:

��+�= α�� + (1-α) �� (2.3) F_t+1 : ramalan satu period eke depan

Xt : data actual pada periode t Ft : ramalan pada periode t α : parameter pemulusan (0< α<1)

Bila bentuk umum tersebut diperluas maka akan berubah menjadi:

��+�= α��+ α (1-α) ��−�+ �(� − �)��−�+ …+ �(� − �)��(�−�) (2.4)

Metode ini terdiri atas:

1. Smoothing Eksponensial Tunggal a. Satu Parameter (one parameter) b. Pendekatan Aditif (ARRES)

Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola atau trend.

2. Smoothing Eksponensial Ganda

(44)

3. Smoothing Eksponensial Tripel

a. Metode Kuadrat Satu Parameter dari Brown

Digyunaka untuk pola data kuadratif, kubik, atau orde yang lebih tinggi.

b. Metode Kecenderungan dan Musiman Tiga Parameter dari Winter. 4. Smoothing Eksponensial menurut Klasifikasi pegels

2.6Metode Smoothing yang Digunakan

Peramalan dengan menggunakan metode eksponensial smoothing atau disebut juga metode eksponensial smoothing linier. Teknik ini digunakan untuk data runtun waktu yang memiliki komponen trend yang linier. Pada teknik ini, jika parameter (α) tidak mendekati nol, pengaruh proses awalnya secara cepat menjadi kurang berarti bagitu berlalu. Jika parameternya mendekati nol, proses awalnya dapat berperan penting untuk beberapa periode ( Spyros Makridakis),

Metode smoothing ( metode pemulusan) merupakan teknik meramal dengan cara mengambil rata - rata dari nilai beberapa periode yang lalu untuk menaksir nilai pada periode yang akan datang. Dalam metode ini data histories digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus- menerus dengan menggunkan data terbaru.

Kelemahan dari metode ini adalah kurang fleksibel karena konstanta penghalusan terbaik untuk trendnya mungkin sama. Salain itu, dalam metode ini tidak diperhitungkan komponen musim.

Rumus- rumus yang digunakan yaitu:

1. Menentukan Smoothing Pertama (S_t′).

(45)

Xt : Nilai rill periode t

St′−1 : Smoothing pertama periode t-1

2. Menentukan Smoothing kedua (S_t′′)

(�_�′′) = α�_�′ + (1-α)�_�−�′′ (2.6) St′′−1 : Smoothing kedua periode t-1

3. Menentukan Besaran Konstanta (at)

�� = 2��′ - ��′′ (2.7)

4. Menentukan Besaran Slope (bt)

�� = _�−�� ( ��′ - ��′′) (2.8)

5. Menentukan Besarnya Forecast (F1+m)

��+� = �� + �� (m) (2.9) m : Jumlah periode didepan yang diramalkan

(46)

BAB 1 PENDAHULUAN

1.1Latar Belakang

Pangan merupakan kebutuhan dasar manusia yang pemenuhannya merupakan hak asasi setiap rakyat Indonesia dalam mewujudkan sumber daya manusia yang berkualitas untuk pembangunan Nasional. Ketahanan pangan dalam pengertian pemenuhan kebutuhan pangan , diusahakan agar pangan selalu tersedia setiap saat dan terjangkau harganya oleh masyarakat.

Pangan di Indonesia identik dengan beras, karena selamu ini beras merupakan makanan utama sebagian besar masyarakat Indonesia. Indonesia di kenal sebagai negara agraris karena sebagian besar masyarakatnya bermata pencaharian di bidang pertanian.

Pertanian yang banyak di kembangkan adalah padi, bahkan tahun 1984- 1985 Indonesia pernah menjadi negara swasembada beras. Tetapi akhir- akhir ini Indonesia lebih dikenal salah satu negara penginfor beras terbesar di Dunia. Hal ini di sebabkan karena krisis ekonomi yang berkepanjangan dan bebebrapa penyebablainnya di antaranya semaakin besarnya jumlah penduduk, bencana alam, keterbatasal lahan produktif dan pola konsumsi pangan/ budaya makan masyarakat. Sehingga pemerintah mengeluarkan undan- undang N0. 7 Tahun 1996, tentang pangan dan isinya antara lain mengatur mengenai ketersediaan, keragaman, mutu, keamanan, termasuk didalamnya mengenai sistem pengaturan, pembinaan dan pengawasan bidang pangan.

(47)

Oleh karena hal di atas, maka penulis merasa tertarik dan terdorong untuk mengadakan penelitian tentang kebutuhan beras dengan judul “ PERAMALAN TINGKAT KEBUTUHAN BERAS DI KOTA TANJUNGBALAI PADA TAHUN 2016 “.

1.2Identifikasi Masalah

Permasalahan penduduk yang terus meningkat, menyebabkan permintaan beras terus meningkat pula. Karena beras merupakan kebutuhan pokok bagi bangsa Indonesia pada umumnya dan masyarakat Kota Tanjungbalai khususnya maka kecukupan permintaan komoditi ini perlu diketahui dari waktu kewaktu.

Berdasarkan hal ini dapat dirumuskan masalah penelitian sebagai berikut:

1. Perhitungan jumlah penduduk yang dilakukan secara kasar tanpa menghitung angka kematian dan migrasi.

2. Mengetahui tingkat kebutuhan beras di Kota Tanjungbalai, dengan metode eksponensial ganda.

3. Mengetahui tingkat produksi beras di Kota Tanjungbalai, dengan metode eksponensial ganda.

1.3Tinjauan Pustaka

Disini penulis mencari literatur- literatur yang bersifat teoritis yang ada kaitannya dengan penelitian, teori- teori yang di gunakan:

1. Spyros Makridakis, Steven C. Wheel, Victor E. McGee 1996. Metode dan Aplikasi Peramalan, Jakarta : penerbit Erlangga.

Adapun rumus yang digunakan untuk menghitung peramalan tingkat kebutuhan beras dan tingkat produksi beras di Kota Tanjungbalai adalah dengan menggunakan metode Double Eksponensial Smoothing Brown.

(48)

��′ = α �� + (1- α) ��−�′ (1.1)

��" = α ��′ + (1- α) ��−�" (1.2)

�� = 2��′- ��" = ��" + (��′- ��") (1.3)

�� = _�−�� (��′ - ��") (1.4)

��+� = �� + �� (m) (1.5)

Keterangan:

S_t′ : Smoothing pertama periode t

St′−1 : Smoothing pertama periode t-1 X_t : Nilai real periode t

S_t" : Smoothing kedua periode t

S_t"₋₁ : Smoothing kedua periode t-1

at : Konstanta b_t : Slope

Ft+m: Forecast

m : Jumlah periode di depan yang diramalkan.

2. Mantra, I. Bagoes. 2000. Demografi Umum. Yogyakarta: Pustaka Pelajar.

Penulis mengutip rumus untuk menghitung jumlah penduduk dengan metode laju pertumbuhan geometri. Dimana metode berguna untuk menghitung pertumbuhan penduduk secara garis besar (kasar), tanpa menghitung angka kematian dan migrasi. Adapun rumusan yang dipergunakan adalah:

�� = �� +(�+�)� (1.6)

Keterangan:

(49)

P0 : Jumlah penduduk pada tahun dasar

r : rata- rata laju pertumbuhan penduduk pertahun t : Jangka waktu (dalam banyaknya tahun).

Dengan menggunakan rumus diatas maka jumlah penduduk pada tahun 2016 dapat di perkirakan.

1.4Tujuan Penelitian

Tujuan dari penelitian ini adalah: Meramalkan jumlah penduduk untuk produksi beras dalam memenuhi kebutuhan beras di Kota Tanjungbalai pada tahun 2016.

1.5Kontribusi Penelitian

Penelitian ini dilakukan dapat memberikan kontribusi penelitian antara lain:

1. Memberikan masukan yang bermanfaat bagi mahasiswa dan mahasiswi statistika yang ada di Fakultas Matematika dan Ilmu Pengetahuan Alam khususnya

3. Untuk menambah pengetahuan penulis dan mengaflikasikan teori- teori yang telah didapat oleh penulis semasa dibangku perkuliahan

4. Bagi pihak Badan Ketahanan Pangan, dapat bermanfaat bagi masukan dalam mengambil keputusan

5. Agar dapat bermanfaat kepada para pembaca sebagai salah satu reperensi untuk mengaplikasikannya dalam kehidupan sehari- hari.

1.6Metode Penelitian

(50)

pengembalian data. Dalam riset tersebut penulis menggunakan beberapa metode diantaranya:

1. Metode penelitian keputusan (Studi Literature)

Dalam hal ini pengumpulan data serta keterangan- keterangan dapat dilakukan dengan membaca serta mempelajari buku- buku maupun literature- literature pelajaran yang didapat dari perkuliahan, serta informasi lainnya yang berhubungan dengan objek yang diteliti.

2. Metode pengumpulan data

Metode pengumpulan data dapat dibedakan berdasarkan sumbernya yaitu: 1. Data Primer

2. Data Sekunder

Data primer adalah data yang diperoleh langsung dari sumbernya, diamati dan di catat untuk pertama kalinya. Data sekunder adalah data yang bukan diusahakan sendiri pengumpulannya oleh peneliti.

Adapun data yang diperoleh untuk penulisan ini merupakan data sekunder yang penulis peroleh dari Kantor Badan Ketahana Pangan Propinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka- angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3. Metode analisis

(51)

PERAMALAN TINGKAT KEBUTUHAN BERAS

DI KOTA TANJUNGBALAI

PADA TAHUN 2016

TUGAS AKHIR

MAULANA MALIK IBRAHIM HSB

122407053

PROGRAM STUDI D3 STATISTIKA

DEPARTEMENMATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUANALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

(52)

PERAMALAN TINGKAT KEBUTUHAN BERAS

DI KOTA TANJUNGBALAI

PADA TAHUN 2016

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh

Ahli Madya

MAULANA MALIK IBRAHIM HSB

122407053

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

(53)

PERSETUJUAN

Judul : PERAMALAN TINGKAT KEBUTUHAN

BERAS DI KOTA TANJUNGBALAI PADA TAHUN 2016

Kategori : TUGAS AKHIR

Nama : MAULANA MALIK IBRAHIM HSB

Nomor Induk Mahasiswa : 122407053 Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2015

Disetujui oleh

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

Dr. Faigiziduhu Bu’ulölö, M.Si

(54)

PERNYATAAN

PERAMALAN TINGKAT KEBUTUHAN BERAS

DI KOTA TANJUNGBALAI

PADA TAHUN 2016

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masingdisebutkan sumbernya.

Medan, Juli 2015

(55)

PENGHARGAAN

Puji dan syukur penulis panjatkan kehadirat Allah SWT, karena atas berkat dan rahmat-Nya penulis dapat menyelesaikan penyusunan tugas akhir ini dengan judul Peramalan Tingkat Kebutuhan Beras di Kota Tanjungbalai Pada Tahun 2016.

Pada kesempatan ini, dalam penulis mendapatkan banyak bantuan dari barbagai pihak. Terimakasih Penulis sampaikan kepada bapak Prof. Dr. Saib Suwilo, M.Sc selaku pembimbing dan bapak Dr. Faigiziduhu Bu’ulölö, M.Si. dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan selaku Sekertaris Program Studi D3 Statistika FMIPA USU yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekertaris Departemen Matematika FMIPA USU, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, seluruh Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU. Akhirnya tidak terlupakan kepada orang tua saya Ayah Ali Amran Hsb dan Ibu Wardah Siregar dan keluarga yang selalu memberikan dukungan kepada saya baik itu berupa dukungan moril maupun dukungan materil, teman-teman seperjuangan yang selalu memberikan motivasi baik berupa sharing pendapat dan hal-hal lainnya dalam rangka pembuatan tugas akhir ini.

(56)

MAULANA MALIK IBRAHIM HSB

2.1.2 Jenis Peramalan 7 2.1.3 Manfaat Peramalan 8

3.2.1 Perhitungan Peramalan Tingkat Kebutuhan Beras dengan Menggunakan Metode Exponensial Smoothing Ganda dengan α=0.1 23

(57)

3.2.3 Perhitungan Peramalan Tingkat Kebutuhan Beras dengan Menggunakan Metode Exponensial Smoothing

Ganda dengan α=0.6 33

3.2.4 Perhitungan Peramalan Tingkat Kebutuhan Beras dengan Menggunakan Metode Exponensial Smoothing Ganda dengan α=0.1 38

BAB 4 IMPLEMENTASI SISTIM 43

4.1 Microsoft Excel 43

4.2 Langkah- Langkah Memulai Pengolahan Data Excel 43

BAB 5 KESIMPULAN DAN SARAN 49

5.1 Kesimpulan 49

5.2 Saran 49 DAFTAR PUSTAKA

(58)

DAFTAR TABEL

Halaman Tabel 3.1 Tabel Jumlah Penduduk di Kota Tanjungbalai pada Tahun

2009- 2014 17

Tabel 3.2 Hasil Perhitungan Laju Geometris Penduduk di Kota

Tanjungbalai pada Tahun 2009- 2016 20 Tabel 3.3 Tabel Tingkat Kebutuhan Beras di Kota Tanjungbalai Pada

Tahun 2009- 2014 21

Tabel 3.4 Perhitungan Peramalan Tingkat Kebutuhan Beras dengan Menggunakan Metode Exponensial Smoothing ganda dengan

α= 0.1 25

Tabel 3.5 Perhitungan Forecast dan Mean Square Error Kebutuhan Beras

dengan α= 0.1 27

α= 0.3 30

dengan α= 0.3 32

α= 0.6 35

dengan α= 0.6 37

α= 0.9 40

(59)

DAFTAR GRAFIK

Halaman Grafik 3.1 Grafik Jumlah Penduduk di Kota Tanjungbalai Pada

Tahun 2009- 2014 18

Grafik 3.2 Grafik Jumlah Penduduk di Kota Tanjungbalai Pada

Tahun 2009- 2016 21 Grafik 3.3 Grafik Tingkat Kebutuhan Beras di Kota Tanjungbalai

(60)

DAFTAR GAMBAR

Halaman Gambar 4.1 Tampilan Standart dari Windows 44 Gambar 4.2 Tampilan untuk Memilih Program Excel 44 Gambar 4.3 Tampilan Lembar Kerja Microsoft Excel 45 Gambar 4.4 Tampilan Menginput Data Produksi Beras pada Lembar

Kerja Microsoft Excel 45

Gambar 4.5 Tampilan Rumus dari Data Kebutuhan Beras pada Lembar