Peramalan Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kota Padangsidimpuan Tahun 2012

(1)

PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN KOTA

PADANGSIDIMPUAN TAHUN 2012

TUGAS AKHIR

TONGKU AHMAD HUSEIN DAULAY 082407009

PROGRAM STUDI DIPLOMA-III STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(2)

PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN KOTA

PADANGSIDIMPUAN TAHUN 2012

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi memperoleh gelar Ahli Madya

TONGKU AHMAD HUSEIN DAULAY 082407009

PROGRAM STUDI DIPLOMA-III STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : PERAMALAN PRODUK DOMESTIK REGIONAL

BRUTO (PDRB) SEKTOR PERTANIAN KOTA PADANGSIDIMPUAN TAHUN 2012

Kategori : TUGAS AKHIR

Nama : TONGKU AHMAD HUSEIN DAULAY

Nomor Induk Mahasiswa : 082407009

Program Studi : D-III STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Disahkan di

Medan, Mei 2011

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

(4)

PERNYATAAN

PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR

PERTANIAN KOTA PADANGSIDEMPUAN TAHUN 2012

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Mei 2011

(5)

PENGHARGAAN

Alhamdulillahirobbil’alamin, puji syukur penulis panjatkan kehadirat Allah SWT atas limpahan Rahmat dan Karunia-Nya, shalawat dan salam kepada Nabi Muhammad SAW serta keluarga beliau, sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan baik dan tepat pada waktunya. Adapun tujuan penulisan Tugas Akhir ini sebagai syarat untuk menyelesaikan Program D-3 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.

Dalam kesempatan ini, penulis mengucapkan banyak terimakasih kepada: 1. Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA, Bapak Prof. Dr. Tulus, M.Si

selaku Ketua Departemen Matematika FMIPA USU dan Bapak Drs. F. Bu’lolo, M. Si selaku Ketua Program Studi D-III Statistika FMIPA USU. 2. Bapak Drs. Pasukat Sembiring, M.Si selaku Pembimbing, yang telah banyak

berkontribusi dalam menyelesaikan Tugas Akhir ini.

3. Seluruh Staf dan pegawai Program Studi D-III Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara .

4. Teristimewa dengan rasa hormat penulis mengucapkan terimakasih yang sebesar-besarnya kepada kedua orangtua saya, Ayahanda tercinta Syaiful Bakhri Daulay dan Ibunda terkasih Annur Hasibuan atas doa restu, kasih sayang, pengorbanan, dan motivasi dari mereka baik moril maupun materil yang telah diberikan kepada saya dan saudara tercinta penulis (k. juli, k. amna fitri, fahrul,amar, dan jumhar).

5. Untuk saudara-saudara saya di pintu kemenangan (Bg Yudha, Bg Agus, Bg Emir, Bg Oki, Akh Hadi, Akh Heru, Akh Subhan, Akh Firman, Akh Annas, dan semua stambuk 2009, 2010). Serta saudari-saudari saya (Ka’ Nana, Ka’Lia, Ka Sri, Ka Heny dan yang lainnya, yang tidak bisa saya ucapkan satu persatu).

6. Buat sahabat-sahabat saya (Suryo, Surya, Riduwan, Rahmad, Saipul) dan teman-teman saya Stat-A 2008 serta seluruh teman-teman di statistika.

(6)

Semoga Tugas Akhir ini bermanfaat bagi pembaca pada umumnya dan bagi penulis khususnya serta dapat memotivasi kita untuk meningkatkan ilmu pengetahuan sebagai bekal dimasa yang akan datang. Amin.

Medan, Mei 2011

(7)

DAFTAR ISI

Daftar Tabel viii

Daftar Gambar x

1.5 Metode Penelitian 5

1.6 Tinjauan Pustaka 5

1.7 Sistematika Penulisan 6

Bab 2 Tinjauan Teoritis 8

2.1 Produk Domestik Regional Bruto (PDRB) 8

2.2 Penghitungan Pendapatan PDRB

2.2.1 Perhitungan Atas Dasar Harga Berlaku 2.2.2 Perhitungan Atas Dasar Harga Konstan

10 11 11

2.3 Pengertian Peramalan 12

2.4 Manfaat Peramalan 13

2.5 Jenis-jenis Peramalan 14

2.6 Langkah-langkah Peramalan 2.7 Metodologi Penelitian

2.8 Ketepatan Metode Peramalan

15 16 18

Bab 3 Gambaran Umum Badan Pusat Statisti 20

Bab 4 Analisis dan Pengolahan Data 26

4.1 Arti Analisa Data 26

4.2 Pengumpulan Data PDRB Sektor Pertanian Kota Padang Sidimpuan

26

4.3 Metode Pemulusan Eksponensial Ganda : Metode Linear Satu-Parameter dari Brown

4.3.1 Penaksiran Model Peramalan

28

4.4 Penentuan Bentuk Persamaan Peramalan 54

(8)

Bab 5 Implementasi Sistem 58 5.1 Pengertian dan Tahapan Implementasi Sistem 58

5.2 Pengertian Microsoft Excel 58

5.3 Pembuatan Grafik 62

Bab 6 Kesimpulan dan Saran 64

6.1 Kesimpulan 64

6.2 Saran 65

Daftar Pustaka 66

(9)

DAFTAR TABEL

Halaman

Tabel 4.1 Data PDRB Sektor Pertanian kota Padangsidimpuan ADHB dan ADHK Menurut Lapangan Usaha Thun

2002-2009 27

Tabel 4.2 Peramalan PDRB Sektor Pertanian Atas Dasar Harga

Berlaku (α = 0,1) 30

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan Atas

Dasar Harga Berlaku 39

Konstan (α = 0,1) 40

(10)

Tabel 4.21 Perbandingan Ukuran Ketepatan Metode Peramalan Atas

Dasar Harga Konstan 49

Tabel 4.22 Ukuran Ketepatan Peramalan PDRB Sektor Pertanian Atas

Dasar Harga Berlaku (α = 0,9) 51 Tabel 4.23 Ukuran Ketepatan Peramalan PDRB Sektor Pertanian Atas

Dasar Harga Konstan (α = 0,9) 53

Tabel 4.24 Peramalan PDRB Sektor Pertanian ADHB tahun 2010,

2011, 2012 56

Tabel 4.25 Peramalan PDRB Sektor Pertanian ADHK tahun 2010,

(11)

DAFTAR GAMBAR

Halaman

Gambar 4.1 Grafik PDRB Padangsidimpuan Sektor Pertanian ADHK

dan ADHB Menurut Lapangan Usaha Tahun 2002-2009 28 Gambar 4.2 Grafik Data Aktual dan Peramalan PDRB Sektor Pertanian

ADHB Kota Padangsidimpuan tahun 2012 52 Gambar 4.3 Grafik Data Aktual dan Peramalan PDRB Sektor Pertanian

ADHK Kota Padangsidimpuan tahun 2012 54

Gambar 5.1 Cara Mengaktifkan Microsoft Excel 59

Gambar 5.2 Analisa pada Microsoft Excel 61

Gambar 5.3 Proses Pembuatan Grafik 62

(12)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Semenjak terjadinya krisis ekonomi pada tahun 1998 yang melanda Indonesia

mengakibatkan lumpuhnya perekonomian nasional. Oleh sebab itu, informasi

mengenai perekonomian Indonesia sangat penting. Sampai pada saat ini masalah

kesejahteraan dan perekonomian rakyat menjadi prioritas utama yang perlu

diperhatikan oleh pemerintah. Karena kesejahteraan rakyat merupakan parameter

tingkat keberhasilan pembangunan. Untuk mencapai tujuan ini, pemerintah sudah

melakukan pembangunan yang bertahap meskipun belum seperti yang diharapkan

oleh masyarakat.

Pemulihan perekonomian nasional harus ada kerja sama antara pemerintah

dengan rakyat. Hal ini juga harus didukung data statistik yang dapat membantu untuk

merencanakan suatu kebijakan sehingga menjadi bahan pertimbangan dalam

mengambil keputusan. Salah satu alat yang digunakan untuk dapat menggambarkan

(13)

PDRB didefinisikan sebagai jumlah nilai tambah yang dihasilkan oleh seluruh unit

usaha dalam suatu wilayah, atau merupakan jumlah nilai barang dan jasa akhir yang

dihasilkan oleh seluruh unit usaha. Penyajian PDRB dihitung berdasarkan harga

berlaku dan harga konstan.

PDRB atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa

yang dihitung menggunakan harga pada tahun berjalan. Nilai PDRB harga berlaku

nominal menunjukkan kemampuan sumber daya ekonomi yang dihasilkan oleh suatu

daerah pergeseran dan struktur perekonomian daerah. Sedangkan PDRB atas dasar

harga konstan dapat mencerminkan perkembangan real ekonomi secara keseluruhan

dari tahun ke tahun yang digambarkan melalui laju pertumbuhan ekonomi. Dari

PDRB dapat diketahui roda perekonomian suatu daerah dengan menggunakan cabang

ilmu Statistika yaitu Peramalan.

Pada dasarnya peramalan (forecasting) merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa yang akan datang, tetapi dengan

menggunakan metode – metode tertentu maka peramalan akan menjadi lebih dari

sekedar perkiraan. Peramalan memanfaatkan informasi yang ada pada masa lalu untuk

dijadikan bahan pertimbangan untuk mengambil keputusan. Peramalan merupakan

suatu unsur yang sangat penting dalam pengambilan keputusan, sebab efektif

tidaknya suatu keputusan sering kali dipengaruhi oleh beberapa faktor yang tidak

(14)

Dari uraian diatas, penulis tertarik mengambil judul “PERAMALAN

PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN KOTA PADANGSIDIMPUAN TAHUN 2012”.

1.2Rumusan masalah

Masalah yang dibahas dalam penelitian ini adalah :

1. Untuk mengetahui model persamaan yang cocok dipakai untuk meramalkan

jumlah pendapatan PDRB Sektor Pertanian Kota Padangsidimpuan untuk

tahun 2012 dengan menggunakan Pemulusan Eksponensial Ganda: metode

Linear Satu-Parameter dari Brown.

2. Berapa jumlah pendapatan PDRB Sektor Pertanian Kota Padangsidimpuan

yang diramalkan untuk tahun 2012.

1.3Batasan Masalah

Agar penulisan Tugas Akhir ini tidak menyimpang dari apa yang telah dirumuskan

serta untuk menyederhanakan penelitian ini, maka penulis memerlukan

batasan-batasan. Batasan-batasan dalam penelitian ini adalah:

1. Yang diramalkan hanya Produk Domestik Regional Bruto (PDRB) Sektor

Pertanian Kota Padangsidimpuan pada tahun 2012

(15)

3. Penulis tidak menganalisa faktor-faktor yang mempengaruhi Produk Domestik

Regional Bruto (PDRB) Sektor Pertanian Kota Padangsidimpuan

4. Metode yang digunakan adalah Pemulusan Eksponensial Ganda: metode

Linear Satu Parameter dari Brown.

1.4Manfaat dan Tujuan

Manfaat yang diharapkan dalam penelitian ini adalah:

1. Untuk melengkapi dan memenuhi persyaratan dalam menyelesaikan

pendidikan DIII Statistika FMIPA USU

2. Sebagai bahan pertimbangan dalam mengambil keputusan suatu masalah

3. Mengetahui peramalan perolehan PDRB di tahun – tahun mendatang

4. Sebagai referensi untuk penelitian-penelitian selanjutnya yang berhubungan

dengan peramalan dengan metode Pemulusan Eksponensial Ganda

5. Untuk menambah dan ilmu bagi penulis

Tujuan yang ingin diketahui dalam penyusunan Tugas Akhir ini adalah:

1. Untuk mengetahui persamaan yang cocok dalam meramalkan Produk

Domestik Regional Bruto (PDRB) Sektor Pertanian Kota Padangsidimpuan

2. Untuk mengetahui peramalan Produk Domestik Regional Bruto (PDRB)

(16)

1.5Metode Penelitian

Metode-metode yang dipakai untuk penulisan Tugas Akhir ini adalah:

1. Study kepustakaan (library Research).

Penulis mengadakan penulisan dengan membaca buku-buku yang berkaitan

dengan permasalahan, kemudian mengkaji dan menelaah untuk dijadikan

referensi.

2. Metode Pengumpulan Data

Data yang dipergunakan dalam penelitian ini adalah data sekunder yang

diperoleh dari Badan Pusat Statistik (BPS) Sumatera Utara. Yang dikumpulkan

kemudian diatur dan disajikan dalam bentuk angka dalam tabel. Data sekunder

adalah data yang diperoleh atau dirangkum ulang berdasarkan data yang telah

tersedia.

1.6Tinjauan Pustaka

Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan

variabel untuk mengestimasi nilainya di masa yang akan datang. Metode peramalan

adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang

(17)

Peramalan dengan menggunakan metode exponensial smoothing yang linier

dapat dilakukan dengan perhitungan yang hanya membutuhkan tiga buah nilai data

dan satu nilai α.

Teknik dari Pemulusan Eksponensial Linear dari Brown serupa dengan

rata-rata bergerak linier. Karena nilai dari pemulusan tunggal dan ganda ketinggalan dari

data yang sebenarnya bila terdapat unsur trend. Teknik ini dapat digunakan untuk

memodel trend runtut waktu dan cara perhitungannya lebih efisien bila dibandingkan

dengan MA (Moving Average) ganda serta membutuhkan lebih sedikit data karena hanya satu parameter yang digunakan (Lerbin R. Aritonang R. 2002: 55).

1.7Sistematika Penulisan

Sistematika dalam penulisan Tugas Akhir ini secara garis besar dibagi menjadi 6 bab,

yaitu:

BAB 1 PENDAHULUAN

Dalam bab ini penulis menguraikan latar belakang, indentifikasi masalah,

batasan masalah, maksut dan tujuan penulisan, metodologi penelitian,

(18)

BAB 2 LANDASAN TEORI

Dalam bab ini penulis menguraikan teoritis dan analisa tentang segala

sesuatu yang berhubungan dengan masalah tugas akhir ini.

BAB 3 SEJARAH SINGKAT BADAN PUSAT STATISTIK

Dalam bab ini penulis menguraikan sejarah singkat Badan Pusat Statistik

beserta visi dan misi BPS.

BAB 4 ANALISA DAN PEMBAHASAN

Dalam bab ini penulis menguraikan metode perhitungan PDRB atas harga

berlaku maupun harga konstan dan meramalkan PDRB Sektor Pertanian

Kota Padangsidimpuan pada tahun 2012.

BAB 5 IMPLEMENTASI SISTEM

Dalam bab ini penulis membahas tentang software yang digunakan dalam analisis data serta cara penggunaan dari software yang dipakai.

BAB 6 KESIMPULAN DAN SARAN

(19)

BAB 2

TINJAUAN TEORITIS

2.1 Produk Domestik Regional Bruto (PDRB)

Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB)

yang dihasilkan oleh setiap kegiatan/lapangan usaha. Dalam penghitungan PDRB,

seluruh lapangan usaha dikelompokkan menjadi sembilan sektor ekonomi. Ini sesuai

dengan pembagian yang digunakan dalam penghitungan Produk Domestik Bruto

(PDB) ditingkat nasional. Hal ini juga memudahkan para analis untuk

membandingkan PDRB antar provinsi dan antara PDRB dengan PDB. Sembilan

sektor yang dimaksud adalah:

1. Sektor Pertanian

a. Subsektor tanaman bahan makanan

b. Subsektor tanaman perkebunan

c. Subsektor peternakan dan hasil-hasilnya

d. Subsektor kehutanan

e. Subsektor perikanan

2. Sektor Pertambangan dan Penggalian

(20)

b. Subsektor pertambangan dan migas

c. Subsektor penggalian

3. Sektor Industri Pengolahan

a. Subsektor industri besar dan sedang

b. Subsektor pengilangan minyak

c. Industri kecil rumah tangga

4. Sektor Listrik, Gas, dan Air bersih

a. Subsektor listrik

b. Subsektor gas kota

c. Subsektor air bersih

5. Sektor Bangunan

6. Sektor Perdagangan, Hotel dan Restoran

a. Subsektor perdagangan besar dan kecil

b. Subsektor hotel

c. Subsektor restoran

7. Sektor Pengangkutan dan Komunikasi

a. Subsektor pengangkutan

1) Angkutan rel

2) Angkutan laut, sungai dan danau

(21)

4) Angkutan penunjang dan pengangkutan

b. Subsektor komunikasi

8. Sektor Keuangan, Persewaan dan Jasa Perusahaan

a. Subsektor bank

b. Subsektor lembaga keuangan bukan bank

c. Subsektor jasa penunjang keuangan

d. Subsektor sewa bangunan

9. Sektor Jasa-jasa

a. Subsektor pemerintahan

b. Subsektor swasta

1) Sosial kemasyarakatan

2) Hiburan dan rekreasi

3) Perorangan dan rumah tangga

2.2 Penghitungan Pendapatan PDRB

(22)

2.2.1 Perhitungan Atas Dasar Harga Berlaku

PDRB atas dasar harga berlaku merupakan jumlah seluruh NTB atau nilai barang dan

jasa akhir yang dihasilkan oleh unit-unit produksi dalam suatu periode tertentu,

biasanya satu tahun, yang dinilai dengan harga tahun yang bersangkutan.

NTB atas dasar harga berlaku yang didapat dari pengurangan Nilai Produksi

Bruto (NPB) dengan biaya antara masing-masing dinilai atas dasar harga berlaku.

NTB menggambarkan perubahan volume/kuantum produksi yang dihasilkan dan

tingkat perubahan harga dari masing-masing kegiatan, subsektor, dan sektor.

2.2.2 Perhitungan Atas Dasar Harga Konstan

DRB atas dasar harga konstan dapat mencerminkan perkembangan real ekonomi

secara keseluruhan dari tahun ke tahun yang digambarkan melalui laju pertumbuhan

ekonomi.

Nilai Tambah Bruto (NTB) atas harga konstan ini hanya menggambarkan

perubahan volume/kuantum produksi saja. Perhitungan atas dasar harga konstan ini

berguna untuk melihat perubahan ekonomi secara keseluruhan maupun secara

sektoral. Juga untuk melihat perubahan struktur perekonomian suatu kota di provinsi

(23)

2.3 Pengertian Peramalan

Peramalan berasal dari kata ramalan yang artinya suatu situasi atau kondisi yang akan

terjadi pada masa yang akan datang. Sedangkan peramalan adalah bentuk kegiatannya.

Peramalan adalah memperkirakan atau mengestimasikan apa yang akan terjadi pada

masa yang akan datang, tetapi belum tentu bisa dilaksanakan. Peramalanadalah suatu

usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di

masa lalu (Limif Rokhah, 2004:10).

Makridakis (1994: 39-40) menyatakan bahwa ada tiga sumber utama untuk

mengidentifikasi ketidakakuratan dalam peramalan, yaitu:

1. Kesalahan dalam identifikasi pola dan hubungan

Pola atau hubungan mungkin tidak teridentifikasi dengan benar karena informasi

tidak cukup tersedia, karena model dibuat dengan jumlah variabel yang terbatas.

2. Pola yang tidak tepat dan hubungan yang tidak pasti

Walaupun pola dan hubungan rata-rata dapat di identifikasi, fluktuasi di sekitarnya

terjadi pada hampir kasus. Dan tujuan dari model statistic ini adalah untuk

mengidentifikasi pola atau hubungan sedemikian rupa sehingga fluktuasi

diusahakan sekecil mungkin.

3. Perubahan pola atau hubungan

Perubahan pola atau hubungan tersebut tentu saja dapat menyebabkan kesalahan

peramalan yang tingkat kesalahannya tidak dapat ditetapkan sebelumnya.

Metode peramalan adalah cara untuk memperkitakan secara kuantitatif apa

(24)

yang lalu. Jenis dari metode ramalan ini dapat dibagi menjadi beberapa metode,

diantaranya adalah metode Pemulusan (Smoothing), metode Box-Jenkins (Arima) dan

metode Regresi.

2.4 Manfaat Peramalan

Peramalan diperlukan karena adanya perbedaan waktu antara kesadaran akan

dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut.

Waktu tenggang merupakan suatu alasan untuk perencanaan dan peramalan. Bila

waktu tenggang ini besarnya nol atau sangat kecil, maka tidak dibutuhkan peramalan.

Bila waktu tenggang tersebut panjang dan hasil yang diperoleh membutuhkan

faktor-faktor yang menyatakan bahwa perencanaan dapat dibentuk memiliki peranan penting,

maka peramalan terjadi atau dibutuhkan sehingga tindakan yang tepat dapat

dilakukan.

Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan

keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan

apa yang terjadi pada saat pengambilan keputusan. Apabila keputusan yang diambil

kurang tepat, sebaiknya keputusan tersebut tidak dilaksanakan. Pengambilan

keputusan merupakan masalah yang selalu dihadapi karena peramalan berkaitan erat

dengan pengambilan suatu keputusan.

Baik tidaknya suatu peramalan sangat bergantung terhadap metode peramalan

(25)

untuk dipertimbangkan. Walaupun demikian perlu diketahui bahwa suatu ramalan

selalu ada unsur kesalahannya. Baik kesalahan ketika pengumpulan data maupun

dalam pengolahan data. Sehingga yang penting adalah usaha bagaimana kesalahan itu

diminimalisir. Dan pada akhirnya keputusan atau ramalan yang diperoleh baik untuk

digunakan.

2.5 Jenis-jenis Peramalan

Jenis peramalan dapat dibedakan berdasarkan jangka waktu, ruang lingkup, dan

metode yang digunakan. Jika ditijau dari jangka waktu, peramalan dapar dibedakan

menjadi peramalan jangka pendek dan peramalan jangka panjang. Berdasarkan ruang

lungkupnya, peramalan dibedakan menjadi peramalan mikro dan peramalan makro.

Dan jika berdasarkan metode peramalan yang digunakan, peramalan dibedakan

menjadi metode kualitatif dan metode kuantitatif.

Menurut Makridakis (1999:19), peramalan kuantitatif dapat diterapkan bila

terdapat tiga kondisi berikut:

1. Tersedia informasi tentang masa lalu

2. Informasi tersebut dapat dikuantitatifkan dalam data numerik

3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut

dimasa yang akan datang.

Peramalan bertujuan mendapatkan peramalan atau prediksi yang bisa meminimumkan

(26)

2.6 Langkah-langkah Peramalan

Hampir semua metode peramalan formal dilakukan dengan cara mengekstrapolasi

kondisi masa lalu untuk masa yang akan datang. Hal ini dikarenakan bahwa asumsi

kondisi masa lalu sama dengan kondisi masa yang akan datang. Berdasarkan

pemikiran ini, maka langkah-langkah dalam metode peramalan adalah:

1. Pengumpulan data

Langkah pertama ini merupakan langkah yang sangat penting. Karena apabila data

yang dikumpulkan kurang tepat, maka hasil dari peramalan akan kurang tepat.

2. Menyeleksi data

Pada langkah yag kedua ini, data yang kurang relevan harus dibuang supaya tidak

mengganggu akurasi peramalan.

3. Memilih model peramalan

Dalam pemilihan metode peramalan ini, salah satu yang sering dipakai adalah

kesalahan peramalan. Semakin kecil kesalahan peramalan, semakin baik metode

yang dipakai. Karena semakin mendekati data aktual.

(27)

2.7 Metodologi Penelitian

Metode yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Ruang lingkup

Pengambilan data dilakukan di BPS Sumatera Utara. Data yang diambil adalah data

PDRB Sektor Pertanian kota Padangsidimpuan tahun 2002-2009.

2. Variabel

Variabel yang diteliti adalah PDRB Sektor Pertanian Kota Padangsidimpuan tahun

2002-2009 sebagai dasar untuk meramalkan pada tahun 2012.

3. Metode Pengambilan Data

Metode pengambilan data yang dilakukan adalah:

a. Pengumpulan Data

Metode ini digunakan untuk mendapatkan data tentang PDRB Sektor Pertanian

Kota Padangsidimpuan tahun 2002-2009. Data yang diambil merupakan data

sekunder karena diperoleh dari BPS Sumatera Utara.

b. Literatur

Penulis mengumpulkan dan memilih sumber bacaan (buku-buku) yang berkaitan

(28)

4. Metode Analisa data

Metode analisa data yang dipakai adalah metode Pemulusan Eksponensial Ganda:

metode Linier Satu Parameter dari Brown digunakan untuk data runtut waktu yang

memiliki komponen trend yang linier. Peramalan dengan menggunakan metode

Exponensial Smoothing yang linier dapat dilakukan dengan perhitungan yang

hanya membutuhkan tiga buah nilai data dan satu nilai α.

Metode pemulusan eksponensial terkadang lebih efisien bila dibandingkan

dengan meode peramalan yang lainnya. Tahap-tahap yang dilakukan dalam

menentukan ramalan ini adalah:

a. Menentukan pemulusan pertama ( S’t )

S’t = α Xt + (1- α) S’t -1

b. Menentukan pemulusan kedua ( S’’t )

S”t = α S’t + (1- α)S”t -1

c. Menentukan besarnya konstanta ( at )

at = S’t + (S’t – S’’t) = 2S’t - S”t

d. Menentukan besarnya pemulusan ( bt )

bt = α α

−

1 (S’t – S”t)

e. Menentukan besarnya peramalan ( Ft+m )

(29)

Dengan:

m = jumlah periode ke muka yang diramalkan

S’t = nilai pemulusan eksponensial tunggal

S”t = nilai pemulusan eksponensial ganda

α = parameter pemulusan eksponensial besarnya adalah 0< α<1

at = nilai konstanta pada periode ke t

bt = nilai konstanta pemulusan

Ft + m = hasil peramalan untuk m periode kedepan

(Makridakis, 1999:112).

2.8 Ketepatan Metode Peramalan

Walaupun pemulusan eksponensial ini sederhana, namun metode ini juga mempunyai

masalah. Dalam pemodelan deret-berkala, sebagian data yang diketahui dapat

digunakan untuk meramalkan sisa data berikutnya sehingga memungkinkan orang

untuk mempelajari ketepatan ramalan secara lebih langsung.

Untuk memilih α yang tepat caranya dicari nilai α yang bisa meminimumkan

(30)

mengalami kenaikan dari periode satu ke periode berikutnya dan penurunan

jumlahnya tidak terlalu drastis (Makridakis, 1993:10).

Ukuran yang digunakan untuk menguji ketepatan metode peramalan ini adalah

nilai tengah kesalahan kuadrat (Mean Squared Error), dengan kriteria bahwa semakin kecil MSE, berarti model itu semakin tepat untuk digunakan. MSE dapat dicari

dengan rumus sebagai berikut:

MSE = n

e n i

i

∑

=1

2

Dengan:

et = Xt – Ft ( kesalahan pada periode ke t )

Xt = data aktual pada periode ke t

Ft = nilai ramalan pada periode ke t

n = banyaknya periode waktu yang dianalisa

(31)

BAB 3

GAMBARAN UMUM BADAN PUSAT STATISTIK

3.1. Sejarah Singkat Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat

Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang

pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,

pendapatan dan keagamaan. Selain hal-hal diatas, Badan Pusat Statistik juga bertugas

melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di

pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa

oleh dua atau lebih instansi, memajukan keseragaman dalam pengangguran definisi,

klasifikasi dan ukuran-ukuran lainnya.

Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur

pertanian, kerajinan dan perdagangan (Directuer Van Landbouw Nijverheid en

Hendie) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan

(32)

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama

Centraal Kantoor Voor de Statistick (CKS) atau Kantor Pusat Statistik dan

dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme

statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijnsen (IUA)

yang sekarang disebut Kantor Bea dan Cukai.

Masa Pemerintahan Jepang

Pada bulan Juni 1942, pemerintahan Jepang baru mengaktifkan kembali kegiatan

statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Pada

masa ini CKS diganti namanya menjadi Shomubu Chasasitsu Gunseikanbu.

Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 agustus 1945,

kegiatan statistik ditangani oleh lembaga baru sesuai dengan susunan kemerdekaan

yaitu KAPPURI (Kantor Penyelidikan Perangkaan Umum Republik Indonesia).

Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi dari

Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di Jakarta

(33)

Berdasarkan surat edaran Kementrian Kemakmuran tanggal 12 Juni 1950

No.219/S.C;KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan

berada dibawah Kementrian Kemakmuran.

Berdasarkan Surat Menteri Perekonomian tanggal 1 Maret 1952 No.P/44,

lembaga KPS berada dibawah dan bertanggung-jawab kepada Menteri Perekonomian

dan pada tanggal 24 Desember 1953 dengan surat Menteri Perekonomian

No.18.099/M, KPS dibagi menjadi dua bagian yaitu bagian research yang disebut

Afdeling A, dan bagian penyelenggaraan dan tatausaha yang disebut Afdeling.

Dengan Keputusan Presiden Republik Indonesia No.131 tahun 1957,

Kementerian Perekonomian dipecah menjadi Kementerian Perdagangan dan

Kementerian Perindustrian. Untuk selanjutnya dengan Keputusan Presiden Republik

Indonesia No.172 tahun 1957 KPS diubah menjadi BPS (Biro Pusat Statistik) dan

urusan statistik yang semula menjadi tanggung jawab dan wewenang Menteri

Perekonomian dialihkan menjadi dibawah dan bertanggung-jawab kepada Perdana

Menteri. Berdasarkan KEPPRES ini pula secara formal nama Biro Pusat Statistik

dipergunakan.

Memenuhi anjuran PBB agar setiap negara anggota menyelenggarakan sensus

penduduk secara serentak, maka pada tanggal 24 September 1960 telah diundangkan

UU No.6 tahun 1960 tentang Sensus, sebagai pengganti Volk Stelling Ordonnantie

(34)

Dalam rangka memperhatikan kebutuhan dana bagi perencanaan pembangunan

semesta berencana dan mengingat materi statistieck ordonnantie 1934 dirasakan sudah

tidak sesuai lagi dengan kemajuan-kemajuan yang cepat dicapai oleh negara kita,

maka pada tanggal 26 September 1960 telah diundangkan UU No.7 tahun 1960

tentang statistik.

Berdasarkan keputusan Presidium Kabinet RI No.Aa/C/9 tahun 1965, maka

pada tiap-tiap daerah Tingkat I dan Tingkat II dibentuk kantor-kantor cabang BPS

dengan nama Kantor Sensus Statistik Daerah (KKS) yang mempunyai tugas

menjalankan kegiatan-kegiatan statistik di daerah-daerah. Di setiap daerah

administrasi kecamatan, dapat diangkat seorang atau lebih pegawai yang merupakan

pegawai KKS Tingkat II dan dibawah pengawasan Kepala Kecamatan.

Masa Orde Baru sampai Sekarang

Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam

perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang

handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi

Biro Pusat Statistik.

Dalam masa orde baru ini, Biro Pusat Statistik telah mengalami empat kali

perubahan struktur organisasi, yaitu:

(35)

2. Peraturan Pemerintah No.6 tahun 1980 tentang organisasi Biro Pusat Statistik

3. Peraturan Pemerintah No.2 tahun 1992 tentang organisasi Biro Pusat Statistik

dan Keputusan Presiden No.6 tahun 1992 tentang Kedudukan, Tuga, Fungsi,

Susunan, Reorganisasi dan Tata Kerja Biro Pusat Statistik

4. Undang-undang No.16 tahun 1997 tentang statistik

5. Keputusan Presiden RI No.86 tahun 1998 tentang Badan Pusat Statistik

6. Keputusan Kepala BPS No.100 tahun 1998 tentang Organisasi dan TataKerja

BPS

7. PP No.15 tahun 1999 tentang Penyelenggaraan Statistik

Sebagai pengganti UU Nomor 6 Tahun 1960 tentang Sensus dan UU Nomor 7

Tahun 1960 tentang Statistik, ditetapkan UU Nomor 16 Tahun 1997 tentang Statistik.

Berdasarkan UU ini yang ditindaklanjuti dengan peraturan perundangan dibawahnya,

secara formal nama Biro Pusat Statistik diganti menjadi Badan Pusat Statistik.

Materi yang merupakan muatan baru dalam UU Nomor 16 Tahun 1997, antara lain :

1. Jenis statistik berdasarkan tujuan pemanfaatannya terdiri atas statistik dasar

yang sepenuhnya diselenggarakan oleh BPS, statistik sektoral yang

dilaksanakan oleh instansi Pemerintah secara mandiri atau bersama dengan

BPS, serta statistik khusus yang diselenggarakan oleh lembaga, organisasi,

perorangan, dan atau unsur masyarakat lainnya secara mandiri atau bersama

dengan BPS.

2. Hasil statistik yang diselenggarakan oleh BPS diumumkan dalam Berita Resmi

Statistik (BRS) secara teratur dan transparan agar masyarakat dengan mudah

(36)

3. Sistem Statistik Nasional yang andal, efektif, dan efisien.

4. Dibentuknya Forum Masyarakat Statistik sebagai wadah untuk menampung

aspirasi

masyarakat statistik, yang bertugas memberikan saran dan pertimbangan

kepada BPS.

Berdasarkan Undang-Undang Nomor 16 Tahun 1997, peranan yang harus

dijalankan oleh BPS adalah sebagai berikut :

1. Menyediakan kebutuhan data bagi pemerintah dan masyarakat. Data ini

didapatkan dari

departemen atau lembaga pemerintahan lainnya sebagai data sekunder

2. Membantu kegiatan statistik di departemen, lembaga pemerintah atau

institusi lainnya, dalam membangun sistem perstatistikan nasional.

3. Mengembangkan dan mempromosikan standar teknik dan metodologi

statistik, dan menyediakan pelayanan pada bidan

statistik.

4. Membangun kerjasama dengan institusi internasional dan negara lain untuk

kepentingan perkembangan statistik Indonesia.

Berdasarkan Peraturan Pemerinatah No.6 tahun 1988 di tiap provinsi terdapat

perwakilan Badan Pusat Statistik dengan nama Kantor Statistik Kabupaten/Kota. Pada

tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No.6 dan 7

tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan Presiden

Republik Indonesia No.86 tahun 1998 ditetapkan Badan Pusat Statistik sekaligus

(37)

BAB 4

ANALISIS DAN PENGOLAHAN DATA

4.1 Arti Analisa Data

Definisi analisa data dapat diuraikan sebagai berikut : Menurut Patton (1980) Analisa

Data adalah proses mengatur urutan data, mengorganisasikannya kedalam suatu pola,

kategori dan satuan uraian dasar. Menurut Bogdan dan Taylor (1975) Analisa Data

adalah proses yang merinci usaha formal untuk menemukan tema dan merumuskan

hipotesis (ide) seperti yang disarankan oleh data dan sebagai usaha untuk memberikan

bantuan pada tema dan hipotesis itu.

4.2 Pengumpulan Data Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kota Padangsidimpuan

Seperti yang dijelaskan pada bab 1, data yang dipergunakan dalam Tugas Akhir ini

(38)

Sumatera Utara. Yaitu data Produk Domestik Regional Bruto (PDRB) kota

Padangsidimpuan Sektor Pertanian atas dasar harga konstan dan atas dasar harga

berlaku menurut lapangan usaha dari tahun 2002-2009.

Dari pengumpulan data yang telah dilakukan, maka diperoleh data pada tahun

2002-2009 sebagai berikut:

Tabel 4.1 Data PDRB Padangsidimpuan Sektor Pertanian Atas Harga Konstan dan Atas Dasar Harga Berlaku Menurut Lapangan Usaha Tahun 2002-2009 (Jutaan Rupiah)

No Tahun Atas Dasar Harga Berlaku Atas Dasar Harga Konstan

1 2002 117.469,96 96.718,84

2 2003 131.497,60 101.794,77

3 2004 152.829,91 107.166,02

4 2005 183.364,11 111.834,68

5 2006 217.556,42 117.862,82

6 2007 248.337,85 123.356,05

7 2008 281.705,96 127.503,76

8 2009 305.882,87 132.688,88

(39)

Gambar 4.1 Grafik PDRB Padangsidimpuan Sektor Pertanian Atas Harga Konstan dan Atas Dasar Harga Berlaku Menurut Lapangan Usaha Tahun 2002-2009 (Jutaan Rupiah)

4.3 Metode Pemulusan Eksponensial Ganda : Metode Linear Satu-Parameter dari Brown.

4.3.1 Penaksiran Model Peramalan

Dalam pengolahan dan penganalisaaan data, penulis mengaplikasikan data (tabel 3.1)

(40)

eksponensial ini, maka terlebih dahulu kita menentukan parameter nilai α yang secara

coba dan salah (trial and error).

Suatu nilai α dipilih yang besarnya 0 < α < 1, dihitung MSE (Mean Square

Error) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan

masing-masing kesalahan.

Untuk menghitung MSE pertama dicari error terlebih dahulu, yang merupakan

hasil dari data asli dikurangi hasil ramalan. Lalu tiap error dikuadratkan dan dibagi

dengan banyaknya error. Secara matematis rumus MSE tahap pertama perhitungan ini

(41)

Tabel 4.2 Peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku (α=0,1)

Tahun Xt S’t S”t at bt Ft+m e2

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 118.872,72 117.610,24 120.135,21 140,28

2004 _{152.829,91 122.268,44 118.076,06 126.460,83} _{465,82 120.275,49} _{1.059.790.391,75} 2005 _{183.364,11 128.378,01 119.106,25 137.649,77} _{1.030,20 126.926,65} _{3.185.187.026,70} 2006 _{217.556,42 137.295,85 120.925,21 153.666,49} _{1.818,96 138.679,96} _{6.221.495.680,26} 2007 _{248.337,85 148.400,05 123.672,70 173.127,40} _{2.747,48 155.485,45} _{8.621.568.453,17} 2008 _{281.705,96 161.730,64 127.478,49 195.982,79} _{3.805,79 175.874,89 11.200.215.660,25} 2009 305.882,87 176.145,86 132.345,23 219.946,50 4.866,74 199.788,59 11.255.996.936,10

(42)

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 120.275,49 118.031,07 122.519,91 561,11

2004 _{152.829,91 126.786,37 119.782,13 133.790,62} _{1.751,06 123.081,02} _{884.996.694,22} 2005 _{183.364,11 138.101,92 123.446,09 152.757,75} _{3.663,96 135.541,68} _{2.286.984.887,62} 2006 _{217.556,42 153.992,82 129.555,43 178.430,21} _{6.109,35 156.421,71} _{3.737.452.414,65} 2007 _{248.337,85 172.861,83 138.216,71 207.506,94} _{8.661,28 184.539,55} _{4.070.222.531,67} 2008 _{281.705,96 194.630,65 149.499,50 239.761,81 11.282,79 216.168,22} _{4.295.195.433,93} 2009 305.882,87 216.881,10 162.975,82 270.786,37 13.476,32 251.044,59 3.007.236.472,40

(43)

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 121.678,25 118.732,45 124.624,06 1.262,49

2004 _{152.829,91 131.023,75 122.419,84 139.627,66} _{3.687,39 125.886,54} _{725.944.971,41} 2005 _{183.364,11 146.725,86 129.711,64 163.740,07} _{7.291,81 143.315,05 1.603.927.110,77} 2006 _{217.556,42 167.975,03 141.190,66 194.759,39 11.479,01 171.031,88 2.164.533.099,50} 2007 _{248.337,85 192.083,87 156.458,62 227.709,12 15.267,96 206.238,41 1.772.362.962,82} 2008 _{281.705,96 218.970,50 175.212,19 262.728,81 18.753,56 242.977,09 1.499.925.514,29} 2009 305.882,87 245.044,21 196.161,79 293.926,63 20.949,61 281.482,38 595.384.122,81

(44)

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 123.081,02 119.714,38 126.447,65 2.244,42

2004 _{152.829,91 134.980,57 125.820,86 144.140,29} _{6.106,48 128.692,07} _{582.635.223,31} 2005 _{183.364,11 154.333,99 137.226,11 171.441,87 11.405,25 150.246,76 1.096.758.553,10} 2006 _{217.556,42 179.622,96 154.184,85 205.061,07 16.958,74 182.847,12 1.204.735.684,20} 2007 _{248.337,85 207.108,92 175.354,48 238.863,36 21.169,63 222.019,81} _{692.639.166,28} 2008 _{281.705,96 236.947,73 199.991,78 273.903,69 24.637,30 260.032,98} _{469.717.959,71} 2009 305.882,87 264.521,79 225.803,78 303.239,79 25.812,00 298.540,99 53.903.190,16

(45)

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 124.483,78 120.976,87 127.990,69 3.506,91

2004 _{152.829,91 138.656,85 129.816,86 147.496,83} _{8.839,99 131.497,60} _{455.067.449,94} 2005 _{183.364,11 161.010,48 145.413,67 176.607,29 15.596,81 156.336,82} _{730.474.404,74} 2006 _{217.556,42 189.283,45 167.348,56 211.218,34 21.934,89 192.204,10} _{642.740.256,14} 2007 _{248.337,85 218.810,65 193.079,60 244.541,70 25.731,05 233.153,23} _{230.572.684,54} 2008 _{281.705,96 250.258,30 221.668,95 278.847,66 28.589,35 270.272,74} _{130.718.505,28} 2009 305.882,87 278.070,59 249.869,77 306.271,40 28.200,82 307.437,01 2.415.337,54

(46)

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 125.886,54 122.519,91 129.253,18 5.049,95

2004 _{152.829,91 142.052,56 134.239,50 149.865,62 11.719,59 134.303,13} _{343.241.651,28} 2005 _{183.364,11 166.839,49 153.799,50 179.879,49 19.559,99 161.585,22} _{474.320.189,02} 2006 _{217.556,42 197.269,65 179.881,59 214.657,71 26.082,09 199.439,48} _{328.223.494,67} 2007 _{248.337,85 227.910,57 208.698,98 247.122,16 28.817,39 240.739,80} _{57.730.343,14} 2008 _{281.705,96 260.187,80 239.592,27 280.783,33 30.893,30 275.939,55} _{33.251.468,16} 2009 305.882,87 287.604,84 268.399,82 306.809,87 28.807,54 311.676,63 33.567.665,38

(47)

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 127.289,31 124.343,50 130.235,11 6.873,54

2004 _{152.829,91 145.167,73 138.920,46 151.415,00 14.576,96 137.108,66 247.157.827,33} 2005 _{183.364,11 171.905,20 162.009,78 181.800,62 23.089,31 165.991,96 301.791.762,40} 2006 _{217.556,42 203.861,05 191.305,67 216.416,44 29.295,89 204.889,93 160.439.969,43} 2007 _{248.337,85 234.994,81 221.888,07 248.101,55 30.582,40 245.712,33} _6.893.355,69 2008 _{281.705,96 267.692,62 253.951,25 281.433,98 32.063,18 278.683,95} _9.132.532,03 2009 305.882,87 294.425,79 282.283,43 306.568,16 28.332,18 313.497,16 57.977.443,26

(48)

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 128.692,07 126.447,65 130.936,49 8.977,69

2004 152.829,91 _{148.002,34 143.691,40 152.313,28} _{17.243,75 139.914,18} _{166.815.978,11} 2005 183.364,11 _{176.291,76 169.771,69 182.811,83} _{26.080,28 169.557,04} _{190.635.314,53} 2006 217.556,42 _{209.303,49 201.397,13 217.209,85} _{31.625,44 208.892,11} _{75.070.283,03} 2007 248.337,85 _{240.530,98 232.704,21 248.357,75} _{31.307,08 248.835,29} _247.445,20 2008 281.705,96 _{273.470,96 265.317,61 281.624,31} _{32.613,40 279.664,83} _4.166.220,29 2009 305.882,87 299.400,49 292.583,91 306.217,06 27.266,30 314.237,72 69.803.512,02

(49)

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 130.094,84 128.832,35 131.357,32 11.362,39

2004 152.829,91 _{150.556,40 148.384,00 152.728,81 19.551,65 142.719,71} _{102.216.103,60} 2005 183.364,11 _{180.083,34 176.913,41 183.253,27 28.529,41 172.280,46} _{122.847.368,26} 2006 217.556,42 _{213.809,11 210.119,54 217.498,68 33.206,14 211.782,68} _{33.336.058,11} 2007 248.337,85 _{244.884,98 241.408,43 248.361,52 31.288,89 250.704,82} _5.602.541,30 2008 281.705,96 _{278.023,86 274.362,32 281.685,40 32.953,89 279.650,41} _4.225.281,09 2009 305.882,87 303.096,97 300.223,50 305.970,43 25.861,19 314.639,29 76.674.900,70

(50)

Kemudian dilihat nilai MSE yang paling kecil atau yang paling minimum dari

perhitungan Peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku diatas.

Sehingga diperoleh perbandingan ukuran ketepatan metode peramalan nilai PDRB

Sektor Pertanian kota Padangsidimpuan dengan MSE sebagai berikut:

Table 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan Atas Dasar Harga Berlaku

α MSE

0,1 6.924.042.358,04

0,2 3.047014.739,08

0,3 1.393.679.630,27

0,4 683.398.296,13

0,5 365.331.439,70

0,6 211.722.468,61

0,7 130.565.481,69

0,8 84.456.458,86

0,9 57.483.708,84

Sumber: Perhitungan

Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang

paling kecil atau yang paling minimum yaitu pada α = 0,9 yaitu dengan MSE =

57.483.708,84.

Rumus MSE tahap pertama pada perhitungan PDRB atas dasar harga konstan

(51)

Tabel 4.12 Peramalan PDRB Sektor Pertanian Atas Dasar Harga Konstan (α=0,1)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 _97.226,43 _96.769,60 _97.683,27 _50,76

2004 107.166,02 _98.220,39 _96.914,68 _99.526,10 _145,08 _97.734,03 _{88.962.510,82} 2005 111.834,68 99.581,82 97.181,39 101.982,25 266,71 99.671,18 147.950.632,51 2006 _{117.862,82 101.409,92} _{97.604,25 105.215,60} _{422,85 102.248,96} _{243.792.545,41} 2007 _{123.356,05 103.604,53} _{98.204,27 109.004,79} _{600,03 105.638,45} _{313.913.413,01} 2008 _{127.503,76 105.994,46} _{98.983,29 113.005,62} _{779,02 109.604,82} _{320.372.004,95} 2009 _{132.688,88 108.663,90} _{99.951,35 117.376,44} _{968,06 113.784,64} _{357.370.370,57}

(52)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 97.734,03 96.921,88 98.546,17 203,04

2004 107.166,02 _99.620,42 _{97.461,59 101.779,26} _539,71 _98.749,21 _{70.842.656,91} 2005 _{111.834,68 102.063,28} _{98.381,92 105.744,63} _{920,34 102.318,97} _{90.548.691,13} 2006 _{117.862,82 105.223,18} _{99.750,18 110.696,19} _{1.368,25 106.664,96} _{125.391.957,50} 2007 _{123.356,05 108.849,76} _{101.570,09 116.129,42} _{1.819,92 112.064,44} _{127.500.347,99} 2008 _{127.503,76 112.580,56} _{103.772,19 121.388,93} _{2.202,09 117.949,34} _{91.286.962,45} 2009 132.688,88 116.602,22 106.338,19 126.866,25 2.566,01 123.591,02 82.770.991,49

(53)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 98.241,62 97.175,67 99.307,56 456,83

2004 _{107.166,02 100.918,94} _{98.298,65 103.539,23} _1.122,98 _99.764,40 _{54.784.008,23} 2005 _{111.834,68 104.193,66} _{100.067,16 108.320,17} _{1.768,50 104.662,20} _{51.444.399,06} 2006 _{117.862,82 108.294,41} _{102.535,33 114.053,49} _{2.468,18 110.088,67} _{60.437.413,82} 2007 _{123.356,05 112.812,90} _{105.618,60 120.007,20} _{3.083,27 116.521,66} _{46.708.855,30} 2008 _{127.503,76 117.220,16} _{109.099,07 125.341,25} _{3.480,47 123.090,47} _{19.477.120,77} 2009 132.688,88 121.860,78 112.927,58 130.793,97 3.828,51 128.821,72 14.954.963,43

(54)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 98.749,21 97.530,99 99.967,44 812,15

2004 _{107.166,02 102.115,94} _{99.364,97 104.866,90} _{1.833,98 100.779,58} _{40.786.564,78} 2005 _{111.834,68 106.003,43} _{102.020,35 109.986,51} _{2.655,39 106.700,88} _{26.355.886,01} 2006 _{117.862,82 110.747,19} _{105.511,09 115.983,29} _{3.490,73 112.641,90} _{27.258.017,34} 2007 _{123.356,05 115.790,73} _{109.622,95 121.958,52} _{4.111,86 119.474,02} _{15.070.140,77} 2008 _{127.503,76 120.475,94} _{113.964,14 126.987,74} _{4.341,20 126.070,38} _2.054.583,67 2009 132.688,88 125.361,12 118.522,93 132.199,30 4.558,79 131.328,94 1.849.431,99

(55)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 99.256,81 97.987,82 100.525,79 1.268,98

2004 107.166,02 _103.211,41 _{100.599,62 105.823,21} _2.611,80 _101.794,77 _{28.850.326,56} 2005 111.834,68 _107.523,05 _{104.061,33 110.984,76} _3.461,71 _108.435,00 _{11.557.807,10} 2006 117.862,82 _112.692,93 _{108.377,13 117.008,73} _4.315,80 _114.446,48 _{11.671.413,16} 2007 123.356,05 _118.024,49 _{113.200,81 122.848,17} _4.823,68 _121.324,53 _4.127.055,73 2008 127.503,76 _122.764,13 _{117.982,47 127.545,78} _4.781,66 _127.671,85 _28.254,46 2009 132.688,88 127.726,50 122.854,49 132.598,52 4.872,02 132.327,44 130.639,21

(56)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 99.764,40 98.546,17 100.982,62 1.827,33

2004 _{107.166,02 104.205,37} _{101.941,69 106.469,05} _3.395,52 _102.809,96 _{18.975.293,57} 2005 _{111.834,68 108.782,96} _{106.046,45 111.519,46} _4.104,76 _109.864,57 _3.881.342,87 2006 _{117.862,82 114.230,87} _{110.957,11 117.504,64} _4.910,65 _115.624,22 _5.011.328,53 2007 _{123.356,05 119.705,98} _{116.206,43 123.205,53} _5.249,32 _122.415,30 _885.013,87 2008 _{127.503,76 124.384,65} _{121.113,36 127.655,94} _4.906,93 _128.454,85 _904.580,83 2009 132.688,88 129.367,19 126.065,66 132.668,72 4.952,30 132.562,87 15.879,55

(57)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 100.271,99 99.206,05 101.337,94 2.487,21

2004 _{107.166,02 105.097,81} _{103.330,28 106.865,34} _{4.124,24 103.825,14} _{11.161.465,81} 2005 _{111.834,68 109.813,62} _{107.868,62 111.758,62} _{4.538,34 110.989,58} _714.199,25 2006 _{117.862,82 115.448,06} _{113.174,23 117.721,89} _{5.305,61 116.296,96} _2.451.926,43 2007 _{123.356,05 120.983,65} _{118.640,83 123.326,48} _{5.466,60 123.027,50} _107.944,07 2008 _{127.503,76 125.547,73} _{123.475,66 127.619,80} _{4.834,83 128.793,08} _1.662.342,45 2009 132.688,88 130.546,53 128.425,27 132.667,80 4.949,61 132.454,63 54.872,82

(58)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 100.779,58 99.967,44 101.591,73 3.248,60

2004 _{107.166,02 105.888,73} _{104.704,47 107.072,99} _4.737,04 _104.840,33 _5,408.843,28 2005 _{111.834,68 110.645,49} _{109.457,29 111.833,69} _4.752,81 _111.810,03 _607,60 2006 _{117.862,82 116.419,35} _{115.026,94 117.811,77} _5.569,65 _116.586,51 _1,628.972,73 2007 _{123.356,05 121.968,71} _{120.580,36 123.357,06} _5.553,42 _123.381,42 _643,69 2008 _{127.503,76 126.396,75} _{125.233,47 127.560,03} _4.653,11 _128.910,48 _1,978.863,79 2009 132.688,88 131.430,45 130.191,06 132.669,85 4.957,59 132.213,14 226.325,19

(59)

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 101.287,18 100.830,34 101.744,01 4.111,50

2004 _{107.166,02 106.578,14} _{106.003,36 107.152,91} _{5.173,01 105.855,51} _1.717.425,98 2005 _{111.834,68 111.309,03} _{110.778,46 111.839,59} _{4.775,10 112.325,93} _241.324,70 2006 _{117.862,82 117.207,44} _{116.564,54 117.850,34} _{5.786,08 116.614,69} _1.557.816,81 2007 _{123.356,05 122.741,19} _{122.123,52 123.358,85} _{5.558,98 123.636,42} _78.608,71 2008 _{127.503,76 127.027,50} _{126.537,11 127.517,90} _{4.413,58 128.917,84} _1.999.610,21 2009 132.688,88 132.122,74 131.564,18 132.681,31 5.027,07 131.931,48 573.652,60

(60)

Kemudian dilihat nilai MSE yang paling kecil atau yang paling minimum dari

perhitungan Peramalan PDRB Sektor Pertanian Atas Dasar Harga Konstan diatas.

Sehingga diperoleh perbandingan ukuran ketepatan metode peramalan nilai PDRB

Sektor Pertanian kota Padangsidimpuan dengan MSE sebagai berikut:

Table 4.21 Perbandingan Ukuran Ketepatan Metode Peramalan Atas Dasar Harga Konstan

α MSE

Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang

paling kecil atau yang paling minimum yaitu pada α = 0,9 yaitu dengan MSE = 1.028.073,17.

Jadi dapat disimpulkan bahwa alpha (α) yang cocok untuk meramalkan Produk

Domestik Regional Bruto Sektor Pertanian Kota Padangsidimpuan tahun 2012 adalah

(61)

akan diuraikan ukuran ketepatan peramalan PDRB Sektor Pertanian Atas Dasar Harga

(62)

Table 4. 22 Ukuran Ketepatan Peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku (α=0,9)

Tahun Xt S_’t S”t at bt Ft+m e2

2002 117.469,96 117.469,96 117.469,96

2003 131.497,60 130.094,84 128.832,35 131.357,32 11.362,39

2004 152.829,91 150.556,40 148.384,00 152.728,81 19.551,65 142.719,71 102.216.103,60

2005 183.364,11 180.083,34 176.913,41 183.253,27 28.529,41 172.280,46 122.847.368,26

2006 217.556,42 213.809,11 210.119,54 217.498,68 33.206,14 211.782,68 33.336.058,11

2007 248.337,85 244.884,98 241.408,43 248.361,52 31.288,89 250.704,82 5.602.541,30

2008 281.705,96 278.023,86 274.362,32 281.685,40 32.953,89 279.650,41 4.225.281,09

2009 305.882,87 303.096,97 300.223,50 305.970,43 25.861,19 314.639,29 76.674.900,70

2010 331.831,62 m=1

2011 357.692,80 m=2

2012 383.553,99 m=3

(63)

Jika dilihat dari hasil perhitungan , peramalan PDRB dengan Atas Dasar Harga

Berlaku dan Atas Dasar Harga Konstan untuk Sektor Pertanian kota Padangsidimpuan

setiap tahun meningkat. Gambaran mengenai hubungan antara perkembangan data

aktual dengan nilai peramalan dengan Atas Dasar Harga Berlaku dapat dilihat pada

grafik dibawah ini:

(64)

Table 4. 23 Ukuran Ketepatan Peramalan PDRB Sektor Pertanian Atas Dasar Harga Konstan (α=0,9)

Tahun Xt S_’t S”t at bt Ft+m e2

2002 96.718,84 96.718,84 96.718,84

2003 101.794,77 101.287,18 100.830,34 101.744,01 4.111,50

2004 107.166,02 106.578,14 106.003,36 107.152,91 5.173,01 105.855,51 1.717.425,98

2005 111.834,68 111.309,03 110.778,46 111.839,59 4.775,10 112.325,93 241.324,70

2006 117.862,82 117.207,44 116.564,54 117.850,34 5.786,08 116.614,69 1.557.816,81

2007 123.356,05 122.741,19 122.123,52 123.358,85 5.558,98 123.636,42 78.608,71

2008 127.503,76 127.027,50 126.537,11 127.517,90 4.413,58 128.917,84 1.999.610,21

2009 132.688,88 132.122,74 131.564,18 132.681,31 5.027,07 131.931,48 573.652,60

2010 137.708,38 m=1

2011 275.416,76 m=2

2012 413.125,14 m=3

(65)

Dengan cara yang sama, maka gambaran mengenai hubungan antara

perkembangan data aktual dengan nilai peramalan dengan Atas Dasar Harga Konstan

dapat dilihat pada grafik dibawah ini:

Gambar 4.3 Grafik Data Aktual dan Peramalan PDRB Sektor Pertanian ADHK Kota Padangsidimpuan tahun 2011

4.4 Penentuan Bentuk Persamaan Peramalan

Setelah ditentukan harga parameter pemulusan eksponensial yang besarnya 0 < α < 1

dengan cara coba dan salah didapat perhitungan peramalan pemulusan eksponensial

ganda: metode linier satu parameter dari Brown dengan α = 0,9 untuk nilai PDRB

(66)

Seperti yang telah dijelaskan pada bab 2 (tinjauan teoritis) persamaan yang

dipakai dalam perhitungan peramalan untuk tahun berikutnya adalah sebagai berikut:

S’t = α Xt + (1- α) S’t -1

Berdasarkan data terakhir dapat diramalkan PDRB Atas Dasar Harga Berlaku dan

Atas Dasar Harga Konstan untuk tahun berikutnya dengan bentuk persamaan sebagai

berikut:

1. untuk PDRB Atas Dasar Harga Berlaku

Ft+m = 305.970,43+ 25.861,19 (m)

2. untuk PDRB Atas Dasar Harga Konstan

Ft+m = 132.681,31+ 5.027,07 (m)

4.5 Penentuan Nilai Peramalan

Setelah diketahui model peramalan PDRB Sektor Pertanian Atas Dasar Harga

Berlaku, maka dapat dihitung peramalan untuk tahun 2010, 2011, 2012 seperti

dibawah ini:

1. Nilai Peramalan Tahun 2010

Ft+m = 305.970,43+ 25.861,19 (m)

(67)

= 331831.62

Ft+m = 305.970,43+ 25.861,19 (m)

Ft+2 = 305.970,43+ 25.861,19 (2)

= 357692.80

Ft+m = 305.970,43+ 25.861,19 (m)

Ft+3 = 305.970,43+ 25.861,19 (3)

= 383553.99

Tabel 4.24 Peramalan PDRB Sektor Pertanian ADHB tahun 2010, 2011 dan 2012

No Tahun Peramalan

1 2010 331.831.62

2 2011 357.692.80

3 2012 383.553.99

Dengan cara yang sama maka model peramalan PDRB Sektor Pertanian Atas

Dasar Harga Konstan dapat dihitung peramalan untuk tahun 2010, 2011, 2012 seperti

dibawah ini:

Ft+m = 132.681,31+ 5.027,07 (m)

Ft+1 = 132.681,31+ 5.027,07 (m)

(68)

Ft+m = 132.681,31+ 5.027,07 (m)

Ft+2 = 132.681,31+ 5.027,07 (m)

= 275.416,76

Ft+m = 132.681,31+ 5.027,07 (m)

Ft+3 = 132.681,31+ 5.027,07 (m)

= 413.125,14

Tabel 4.25 Peramalan PDRB Sektor Pertanian ADHK tahun 2010, 2011 dan 2012

No Tahun Peramalan

1 2010 137.708,38

2 2011 275.416,76

3 2012 413.125,14

(69)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian dan Tahapan Implementasi Sistem

Implementasi sistem adalah suatu prosedur yang dilakukan untuk menyelesaikan

desain sistem yang ada dalam dokumen yang telah disetujui, menginstal dan memulai

sistem baru atau sistem yang diperbaiki.

Tahap implementasi system merupakantahap penerapan hasil desain tertulis

maupun secara manual kedalam programming. Pada tahapan inilah semua hasil desain secara manual dituangkan kedalam bahasa program tertentu untuk memudahkan

pengerjaan serta menghasilkan sebuah system informasi yang sesuai dengan hasil

desain tertentu. Di dalam Peramalan PDRB Sektor Pertanian kota Padangsidimpuan

(70)

5.2 Pengoperasian Microsoft Excel

Cara mengaktifkan Microsoft Excel sama dengan program-program aplikasi

umumnya yang ada di dalam Microsoft Office, yaitu:

1. Klik tombol “start” yang ada pada taskbar, lalu pilih all program, lalu akan muncul program-program yang telah diinstal dalam computer.

2. Klik Microsoft Office, lalu akan muncul Microsoft Excel yang bisa digunakan

dalam memanipulasi data.

Gambar 5.1 Cara Mengaktifkan Microsoft Excel

Setelah aktif di dalam Microsoft Excel, akan tampil lembar kerja baru yang

tersusun atas sel-sel yang terbentuk dalam baris dan kolom. Satu lembar kerja

dapat memuat 65536 baris dan 256 kolom yaitu dari kolom A-IV, sedangkan 1 sel

(71)

dengan (=). Nilai yang dihasilkan dapat berubah apabila rangkaian nilai dalam

rumus berubah.

3. Kita dapat memasukkan data yang akan diolah kedalam lembar kerja, yaitu:

a. Tempatkan pointer kedalam sel yang akan diolah

b. Ketik data yang akan diolah

c. Tekan enter atau tanda panah untuk berpindah sel atau dengan

menggerakkan mouse ke tempat lain.

4. Pemrosesan data

Dalam penjelasan ini, pengolahan PDRB Sektor Pertanian Atas Dasar Harga

Berlaku kota Padangsidimpuan akan dipaparkan, dengan langkah sebagai berikut:

a. Pemulusan pertama ( S't ), untuk tahun 2002 ditentukan sebesar tahun 2002

dari data historisnya sehingga rumus yang tertera pada sel C2 adalah =B2.

Sedangkan tahun 2003 dapat dihitung dengan rumus

=($L$1*B3+(1-$L$1)*C2). Dalam perhitungan Tugas Akhir ini menghasilkan angka

130.094,84 serta untuk tahun-tahun berikutnya hanya menyalin rumus

tersebut.

b. Pemulusan kedua ( S''t ), untuk tahun 2002 ditentukan sebesar tahun 2002

dari data pemulusan pertama sehingga rumus yang tertera pada sel D2 adalah

=C2. Sedangkan untuk tahun 2003 dapat dihitung dengan rumus

=($L$1*C3+(1-$L$1)*D2). Dalam perhitungan Tugas Akhir ini menghasilkan

angka 128.832,35 serta untuk tahun-tahun berikutnya hanya menyalin rumus

tersebut.

c. Nilai at baru bisa dicari pada tahun 2003 yaitu dengan rumus yang tertera

(72)

angka 131.357,32 serta untuk tahun-tahun berikutnya hanya menyalin rumus

tersebut.

d. Nilai bt baru bisa dicari pada tahun 2003 yaitu dengan rumus yang tertera pada

sel F3 =($L$1/(1-$L$1))*(C3-D3). Dalam perhitungan Tugas Akhir ini

menghasilkan angka 11.362,39 serta untuk tahun-tahun berikutnya hanya

menyalin rumus tersebut.

e. Nilai untuk forecast (F_t₊_m) baru dapat dicari pada tahun 2004, yaitu pada sel

G4 dapat dicari dengan menggunakan rumus =$E$3+$F$3*(1) dalam

perhitungan Tugas Akhir ini menghasilkan angka 142.719,71 dan untuk

forecast berikutnya hanya menyalin rumus tersebut.

f. Nilai Error kuadrat untuk tahun 2004 dapat dicari dengan rumus pada sel H4

=(B4-G4)^2. Dalam perhitungan Tugas Akhir ini menghasilkan

102.216.103,60 dan untuk tahun-tahun berikutnya hanya menyalin rumus

tersebut.

g. Menghitung MSE dapat menggunakan rumus pada sel =H10/L2. Dalam

(73)

Gambar 5.2 Analisis Pada Microsoft Excel

5.3 Pembuatan Grafik

Grafik pada Excel dapat dibuat menjadi satu dengan data atau terpisah pada lembar

grafik tersendiri, namun masih berada di file yang sama. Untuk membuat grafik pada

excel dapat menggunakan chart wizard yang terdapat pada toolbar. Langkah-langkah

yang perlu dilakukan adalah sebagai berikut:

1. Sorot sel yang ingin dibuat grafik pada tabel data

2. Klik menu Insert, chart

(74)

Gambar 5.3 Proses Pembuatan Grafik

4. Klik Ok

5. Tentukan keterangan pendukung grafik seperti title (judul tabel), axes (sumbu

koordinat tabel), gridlines (garis bantu skala tabel), legends (keterangan tabel)

data labels (nama data label) dan data table

6. Klik Ok

(75)

Gambar 5.4 Grafik Yang Dihasilkan Pada Microsoft Excel

Dengan pengoperasian yang sama dilakukan untuk PDRB Sektor Pertanian

(76)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya pada

bab 4 maka kesimpulan yang diperoleh adalah sebagai berikut:

1. Pada hasil analisis Pemulusan eksponensial ganda: metode linier satu

parameter dari Brown diperoleh MSE yang terkecil adalah pada α = 0,9. Baik

Atas Dasar Harga Berlaku maupun Atas Dasar Harga Konstan.

2. Data yang diperoleh dan diramalkan pada PDRB Sektor Pertanian kota

Padangsidimpuan dari tahun ke tahun meningkat. Peramalan Atas Dasar Harga

Berlaku pada tahun 2012 meningkat dengan angka Rp. 383.553,99 (dalam

jutaan). Sedangkan Atas Dasar Harga Konstan pada tahun yang sama juga

meningkat dengan angka Rp. 413.125,14 (dalam jutaan).

3. Bentuk persamaan peramalan PDRB Sektor Pertanian Atas Dasar Harga

Berlaku kota Padangsidimpuan tahun 2010-2012 adalah:

Ft+m = 305.970,43+ 25.861,19 (m)

4. Bentuk persamaan peramalan PDRB Sektor Pertanian Atas Dasar Harga