PERAMALAN JUMLAH PRODUKSI PADI DI PROVINSI SUMATERA UTARA
PADA TAHUN 2012-2014
TUGAS AKHIR
PUTRI SIMANJUNTAK 102407010
PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS METEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERAMALAN JUMLAH PRODUKSI PADI DI PROVINSI SUMATERA UTARA
PADA TAHUN 2012-2014
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
PUTRI SIMANJUNTAK 102407010
PROGRAM STUDI D-3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS METEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Peramalan Jumlah Produksi Padi di Provinsi Sumatera Utara Pada Tahun 2012-2014. Kategori : Tugas Akhir
Nama : Putri Simanjuntak Nomor Induk Mahasiswa : 102407010 Program Studi : D3 Statistika Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
Disetujui di
PERNYATAAN
PERAMALAN JUMLAH PRODUKSI PADI DI PROVINSI SUMATERA UTARA PADA TAHUN 2012-2014
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil karya sendiri. Kecuali beberapa kutipan dari ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2013
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Peramalan Jumlah Produksi Padi di Provinsi
Sumatera Utara Pada Tahun 2012 - 2014.
Terimakasih penulis sampaikan kepada Bapak Dr. Sutarman, M.Sc selaku pembimbing sekaligus Dekan FMIPA USU Medan yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwaro Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr.Tulus, M.Si. Ph.D dan Ibu Dra. Mardiningsih, M.Sc selaku ketua dan sekretaris
DAFTAR ISI
1.4 Tujuan Penelitian 3
1.5 Lokasi Penelitian 3
1.6 Tinjauan Pustaka 4
1.7 Metode Penelitian 5
1.8 Sistematika Penulisan 6
BAB 2. LANDASAN TEORI
2.1 Pengertian Peramalan 7 2.2. Jenis-jenis Peramalan 8 2.2.1. Peramalan Kualitatif 9 2.2.2. Peramalan Kuantitatif 9
2.3. Metode Peramalan 10
2.3.1. Metode Kualitatif 10 2.3.2. Metode Kuantitatif 11 2.4. AnalisaDeret Berkala 13 2.5. Metode Peramalan Yang Digunakan 13
BAB 3. GAMBARAN UMUN BADAN PUSAT STATISTIK
3.1. Visi dan Misi BPS Provinsi Sumatera Utara 17
3.1.1. Visi BPS 17
3.1.2. Misi BPS 17
3.2 Struktur Organisasi BPS Provinsi Sumatera Utara 18
BAB 4. PENGOLAHAN DATA
4.1 Data yang diolah 22
4.2 Menentukan Persamaan Auto Regresi 24 4.2.1 Menentukan Koefisien Auto Korelasi 27 4.2.2 Test kuat tidaknya Auto Korelasi 28 4.3 Peramalan Jumlah Produksi Padi Tahun 2012-2014 29
BAB 5.IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 31
5.2 Pengenalan Minitab 31
5.3 Mengaktifkan Minitab 32
5.4 Bagian-bagian Minitab 34
5.5 Pengisian Data 36
BAB 6. KESIMPULAN DAN SARAN
6.1 Kesimpulan 39
6.2 Saran 40
DAFTAR TABEL
Tabel 2.1 Skema hubungan nilai suatu variabel antara yang terjadi 14
pada suatu periode dengan yang terjadi pada periode
berikutnya
Tabel 4.1.1 Data Jumlah Produksi Padi di Provinsi Sumatera Utara 23
tahun 1982- 2011
Tabel 4.2.1 Tabel nilai untuk menghitung , , dan dengan 25
DAFTAR GAMBAR
Gambar 4.1 Hasil Produksi Padi di Prov Sumatera Utara Tahun 1982-2011 24
Gambar 5.1 Tampilan saat membuka Minitab dari icon pada dekstop 33
Gambar 5.2 Tampilan saat membuka Minitab pada windows 33
Gambar 5.3 Tampilan Logo Minitab 34
Gambar 5.4 Tampilan awal Minitab 34
Gambar 5.5 tampilan Lembar kerja worksheet 35
Gambar 5.6 Lembar kerja Project Manager 36
Gambar 5.7 tampilan pengisian data pada worksheet 37
Gambar 5.8 Tampilan pada jendela regression 37
Gambar 5.9 Tampilan kotak dialog regression 38
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Sektor pertanian dalam tatanan pembangunan nasional khususnya padi sangat
berperan penting dalam kehidupan masyarakat. Yang mana padi merupakan salah
satu jenis bahan pokok di Indonesia, yang dapat dikatakan kebutuhan paling
pokok masyarakat di Indonesia. Karena selain menyediakan pangan bagi seluruh
penduduk, juga merupakan sektor andalan penyumbang devisa Negara dari sektor
non migas.
Produksi padi dunia menempati urutan ketiga dari semua serelia, setelah
jagung dan gandum. Namun demikian, padi merupakan sumber karbohidrat utama
bagi mayoritas penduduk dunia. Hasil dari pengolahan padi dinamakan beras.
Untuk itu pemerintah selalu berupaya meningkatkan produksi padi untuk dapat
memenuhi kebutuhan pokok masyarakat kita.
Besarnya kesempatan kerja yang dapat diserap dan besarnya jumlah
penduduk yang masih bergantung pada sektor pertanian ini masih perluh
dikembangkan. Karena dalam pelaksanaannya masyarakat Indonesia masih selalu
kepada perusahaan-perusahaan yang meproduksi kebutuhan tersier. Oleh karena
itu, perluh adanya pengembangan yang membangun di bidang pertanian.
Sejak tahun 1990-an, jumlah produksi pangan terutama beras, cenderung
mengalami penurunan sehingga hampir setiap tahun kita mengimpor beras. Di
samping itu harga beras pun relatif tidak stabil. Meski tampak spekulasi dalam
fluktuasi harga, bagaimanapun fluktuasi harga itu terkait juga dengan fluktuasi
persediaan beras di pasaran. Bagaimanakah sebenarnya keadaan produksi padi di
Sumatera Utara ?
Berdasarkan pemikiran tersebut diatas, maka penulis tertarik untuk meneliti
jumlah produksi padi di Sumatera Utara dengan judul “PERAMALAN JUMLAH
PRODUKSI PADI DI PROVINSI SUMATERA UTARA PADA TAHUN 2012
-2014”.
1.2Rumusan Masalah
Sesuai dengan judul tersebut, maka yang menjadi ruang lingkup permasalahan
adalah bagaimana keadaan perubahan produksi padi setiap tahunnya dan keadaan
di tahun-tahun yang akan datang, serta bagaimana pemerintah bisa meningkatkan
jumlah produksi padi di Provinsi Sumatera Utara. Karena kita tahu, bahwa
wilayah Sumatera Utara adalah wilayah subur dan merupakan sentral produksi
1.3Batasan Masalah
Untuk mengarahkan pembahasan dalam tugas akhir ini agar tidak menyimpang
dari sasaran yang ingin dituju, maka perlu membuat batasan ruang lingkup
permasalahan,yaitu peramalan produksi padi untuk 3 (tiga) tahun mendatang
serta bagaimana keterkaitan produksi padi di Sumatera Utara.
1.4 Tujuan Penelitian
Adapun tujuan dilakukannya penelitian ini adalah untuk meramalkan jumlah
produksi padi pada tahun 2012 sampai 2014 berdasarkan data tahun 1982 sampai
2011 di Sumatera Utara.
1.5 Lokasi Penelitian
Adapun lokasi penelitian atau pengambilan data dilaksanakan di Badan Pusat
Statistik (BPS) Provinsi Sumatera Utara di Jln. Asrama No. 179 Medan.
1.6 Tinjauan Pustaka
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang terjadi
akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau
pola dari data masa lalu sehinga dapat membarikan cara pemikiran, pengerjaan
dan pemecahan yang sistematis dan pragmatis serta memberikan tingkat
keyakinan yang lebih besar atas ketepatan hasil peramalan yang dibuat atau
disusun (J. Supranto, 1981)
Peramalan merupakan suatu alat bantu yang penting pada perencanaan yang
efektif dan efisien. Peramalan juga sangat penting dalam pengambilan suatu
keputusan. Aspek-aspek yang menggunakan peramalan cukup luas baik secara
waktu, faktor-faktor penentu kejadian seharusnya dan jenis-jenis pola data dan
beberapa hal lain ( Alder Haymans, 1986)
Peramalan adalah kegiatan memperkirakan atau memprediksi apa yang akan
terjadi pada masa yang akan datang dengan waktu yang relatif lama, sedangkan
waktu yang relatif singkat tidak dibutuhkan peramalan. Pada umumnya kegunaan
peramalan adalah:
1. Untuk menentukan kebutuhan sumber daya di masa yang akan datang.
2. Sebagai alat bantu perencanaan.
3. Untuk membuat keputusan yang tepat.
(Markridakis, 1993).
Metode auto regresi membahas mengenai pengaruh dan hubungan antara nilai
suatu variabel yang telah terjadi pada suatu periode dan yang terjadi pada
1.7Metode Penelitian
Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah:
1. Studi kepustakaan, yaitu metode pengumpulan data untuk memperoleh data
dan informasi dari perpustakaan dengan cara membaca buku-buku referensi
dan bahan-bahan yang bersifat teoritis yan mendukung penulisan tugas akhir.
2. Metode pengumpulan
Pengumpulan data untuk penelitan ini, penulis menggunakan Data Sekunder
yang diperoleh dari BPS Provinsi.
1.8SISTEMATIKA PENULISAN
Sistematika penulisan Tugas Akhir ini terdiri dari 6 ( enam ) bab yang
masing-masing dirincikan dalam beberapa sub bab yaitu :
BAB 1 : PENDAHULUAN
Bab ini berisi tentang Latar Belakang, Identifikasi Masalah, Batasan
Masalah, Tujuan Penelitian, Lokasi Penelitian, Metodologi Penelitian,
Tinjauan Pustaka dan Sistematika Penulisan.
BAB 2 : LANDASAN TEORI
Bab ini menjelaskan tentang segala sesuatu yang mencakup
penyelesaian masalah sesuai dengan judul dan permasalahan yang
BAB 3 : GAMBARAN UMUM BADAN PUSAT STATISTIK
Bab ini menguraikan tentang sejarah gambaran umum Badan Pusat
Statistik.
BAB 4 : ANALISA DAN PEMBAHASAN
Bab ini menerangkan penganalisaan data yang telah diamati dan
dikumpulkan.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menjelaskan tentang program ataupun software yang di
gunakan sebagai analisa terhadap data yang diperoleh.
BAB 6 : KESIMPULAN DAN SARAN
Bab ini menjelaskan tentang ringkasan dan kesimpulan dari
BAB 2
LANDASAN TEORI
2.1 Pengertian Peramalan
Peramalan adalah suatu proses memperkirakan secara sistematik tentang sesuatu
yang paling mungkin terjadi di masa depan berdasarkan informasi di masa lalu
dan masa sekarang yang dimiliki agar kesalahannya (selisih antara sesuatu yang
terjadi dengan hasil perkiraan) dapat diperkecil. Peramalan dapat juga diartikan
sebagai suatu usaha memperkirakan perubahan. Peramalan tidak memberi
jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari yang
sedekat mungkin dengan yang terjadi. Kegunaan dari peramalan ini terlihat pada
saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang
didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu
dilaksanakan. Ramalan diperlukan untuk memberikan informasi sebagai dasar
untuk membuat suatu keputusan yang dianggap memiliki kesalahan terkecil dalam
berbagai kegiatan.
Berdasarkan sifat penyusunannya, maka peramalan dapat dibagi dalam 2 kategori
utama yaitu:
1. Peramalan yang Subjektif
Peramalan yang subjektif adalah peramalan yang didasarkan atas perasaan
atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari
orang yang menyusunnya sangat menentukan baik tidaknya hasil ramalan
tersebut.
2. Peramalan yang Objektif
Peramalan yang objektif adalah peramalan yang didasarkan atas data yang
relevan pada masa lalu dengan menggunakan teknik-teknik dan
metode-metode dalam penganalisaan data tersebut (Assauri, Sofyan, 1991).
Berdasarkan jangka waktu ramalan yang disusun, maka peramalan dapat
dibedakan atas 2 kategori yaitu:
1. Peramalan Jangka Panjang
Peramalan jangka panjang adalah peramalan yang dilakukan untuk
menyusun hasil ramalan yang jangka waktunya lebih dari setengah tahun.
Misalnya diperlukan penyusunan rencana pembangunan suatu Negara atau
daerah dan lain sebagainya.
2. Peramalan Jangka Pendek
Peramalan jangka pendek adalah peramalan yang dilakukan untuk
menyusun hasil ramalan yang jangka waktunya kurang dari satu setengah
tahun. Misalnya penyusunan rencana produksi, rencana penjualan, rencana
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan
atas atas dua kategori utama, yaitu peramalan kualitatif dan peramalan kuantitatif.
2.2.1 Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan
berdasarkan pendapat dan pengetahuan serta pengalaman dari penyusunnya.
2.2.2 Peramalan Kuantitatif
Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
masa lalu.Peramalan kuantitatif ini memerlukan data historis atau empiris dan ini
menuntut variabel yang digunakan mempunyai satuan ukuran atau dapat diukur.
Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan
dalam peramalan tersebut.
Peramalan Kuantitatif dapat diterapkan bila terdapat kondisi berikut :
a. Tersedia informasi ( data ) tentang masa lalu.
b. Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data
numerik.
c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
Pada penyusunan Tugas Akhir ini, peramalan yang digunakan penulis adalah
peramalan kuantitatif.
2.3 Metode Peramalan
Metode peramalan adalah cara memperkirakan apa yang akan terjadi pada masa
yang akan datang berdasarkan data yang relevan pada masa lalu. Kegunaan
Metode Peramalan ini adalah untuk memperkirakan secara sistematis dan
pragmatis atas dasar data yang relevan pada masa lalu. Dengan demikian metode
peramalan diharapkan dapat memberikan objektivitas yang lebih besar. Metode
peramalan terbagi dalam dua jenis yaitu metode peramalan kualitatif dan
peramalan kuantitatif.
2.3.1 Metode Kualitatif
Metode peramalan kualitatif digunakan dimana tidak ada model matematik yang
dikarenakan data yang ada tidak cukup resprensatif untuk meramalkan masa yang
akan datang. Peramalan ini menggunakan pertimbangan pendapat para pakar yang
ahli dibidangnya. Teknik model peramalan kualitatif berusaha untuk
menggunakan penilaian (judgement) atau faktor subjektif individu dalam
peramalan. Model ini sangat penting atau ketika data kuantitatif yang akurat sulit
2.3.2 Metode Kuantitatif
Metode peramalan kuantitatif sangat beragam, dikembangkan dari berbagai
disiplin ilmu dan untuk berbagai maksud. Setiap teknik yang akan dipilih
memiliki sifat, ketepatan, tingkat kesulitan dan biaya tersendiri yang harus
dipertimbangkan.
Beberapa metode peramalan kuantitatif antara lain:
a. Peramalan dengan metode Smoothing.
Metode Smoothing adalah mengambil dari rata-rata dari nilai-nilai pada
beberapa tahun untuk menaksir nilai pada suatu tahun. Metode Smoothing ini
dilakukan antara lain dengan cara moving averages atau dengan exponential
smoothing.
b. Peramalan dengan metode Dekomposisi.
Metode Dekomposisi sering juga disebut metode time series. Metode ini
didasarkan pada kenyataan bahwa biasanya apa yang yang telah terjadi itu akan
berulang kembali dengan pola yang sama. Artinya yang dulu selalu naik maka
pada waktu yang akan datang biasanya akan naik juga, sedangkan yang dulu
selalu turun maka pada waktu yang akan datang biasanya akan turun juga, yang
biasanya berfluktuasi akan berfluktuasi juga dan yang biasanya tidak teratur
c. Peramalan dengan metode Input-Ouput.
Metode ini memanfaatkan hubungan antara input dan output untuk membuat
peramalan. Hasil suatu sektor industri sebagian akan merupakan input bagian
sektor lain, dan sebagian akan dibeli oleh pemakai akhir
d. Peramalan dengan metode Regresi sederhana.
Meramal dengan metode regresi sederhana berarti meramal sesuatu dengan
melihat faktor lain yang mempengaruhi. Kita menganggap bahwa terdapat
hubungan antara variabel yang ingin diramalkan dengan variabel lain. Variabel
yang ingin diramalkan disebut dengan variabel dependen dan sedangkan
variabel lain disebut variabel independen.
e. Peramalan dengan metode Auto Regresi
Metode ini membahas mengenai pengaruh dan hubungan antara nilai suatu
variabel yang telah terjadi pada suatu periode dan yang terjadi pada periode
berikutnya. Disebut Auto karena variabel yang menjadi variable bebas
(independent variable ) juga digunakan sebagai variable terikat (dependent
variable). Besarnya nilai suatu variabel tergantung pada nilai suatu variabel itu
sendiri yang terjadi sebelumnya.
Data berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu
untuk menggambarkan perkembangan atau pertumbuhan suatu variabel. Analisis
data berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa
kejadian serta hubungannya dengan kejadian lain.
Metode Times Series merupakan metode peramalan kuantitatif didasarkan
atas data-data berkala (time series) yang sifatnya dinamis dan sudah
memperhitungkann perubahan-perubahan, misalnya perubahan dari waktu (t-1) ke
t dan dari t ke (t+1). Pada umumnya pengamatan dan pencatatan itu dilakukan
dalam jangka waktu tertentu. Misalnya: harian, mingguan, bulanan, caturwulan,
enam bulanan, tahunan dan sebagainya.
Secara lengkap pengertian analisa deret berkala dapat dituliskan sebagai berikut :
1. Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan
perkembangan suatu kegiatan (perkembangan produksi, harga, hasil
penjualan ,jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb).
2. Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu.
2.5 Metode Peramalan Yang Digunakan
Dalam meramalkan tingkat produksi padi pada tahun 2012 – 2014 di Provinsi
Sumatera Utara, maka penulis menggunakan metode auto regresi. Metode auto
regresi membahas mengenai pengaruh dan hubungan antara nilai suatu variabel
yang telah terjadi pada suatu periode dan yang terjadi pada periode berikutnya.
untuk mengukur kuat tidaknya hubungan tersebut digunakan koefisien Auto
Korelasi. Disebut Auto karena variabel yang menjadi variable bebas (independent
variable ) juga digunakan sebagai variable terikat (dependent variable). Besarnya
nilai suatu variabel tergantung pada nilai suatu variabel itu sendiri yang terjadi
sebelumnya. Misalnya jumlah produksi tahun ini ( ) tergantung pada jumlah
produksi 1 tahun yang lalu ( ). Jadi secara matematik dapat ditulis :
= ( )
Untuk lebih menjelaskan antara dependent variable dan independent variable,
dapat kita lihat tabel di bawah ini
Tabel 2.1. Skema hubungan nilai suatu variabel antara yang terjadi pada
suatuperiode dengan yang terjadi pada 1 periode berikutnya
Berikut ini langkah-langkah penyusunannya :
1. Untuk memudahkan penyelesaian maka sebaiknya data di susun dalam suatu
tabel. Kita tentukan terlebih dahulu selisih waktu periode. Misalnya : 1 tahun, 2
tahun ,3 tahun, dan seterusnya.
2. Mencari nilai-nilai yang diperlukan untuk menghitung auto regresi, yaitu :
=
∑(∑ ) (∑ ) (∑ )( ) (∑ )
=
∑ ∑Keterangan :
= Banyaknya pasangan data
= Selisih waktu antara dependent dan independent variable
= data periode t-s
= data periode
Dengan demikian persamaan auto regresinya,
= + ( )
Sehingga untuk peramalan periode berikutnya dapat ditentukan dengan persamaan
auto regresi tersebut.
3. Mencari koefisien auto korelasi
=
∑( ) (∑ ∑ )(∑ ) (∑ ) ( (∑ ) (∑ ) )
2.5.1 Uji terhadap koefisien auto korelasi
Setelah melakukan perhitungan auto korelasi dan untuk mengetahui apakah antara
variabel independen dengan variabel dependen betul-betul erat maka nilai r perlu
di uji.
Adapun prosedur pengujian sebagai berikut :
a) Menentukan hipotesis
Ha : ≠ 0 ( ada pengaruh secara signifikan)
Ho : = 0 (tidak ada pengaruh secara signifikan)
b) Menghitung t hitung dengan rumus
=
√
√
c) Menentukan kriteria penerimaan dan penolakan
Tolak H0 jika – / ( ) < > / ( )
Terima H0 jika – / ( ) < < / ( ) dengan df = N-2
d) Setelah dihitung maka kita dapat mengambil kesimpulan yang nantinya akan
BAB 3
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.1Visi dan Misi BPS (Badan Pusat Statistik) Provinsi Sumatera Utara
3.1.1 Visi BPS (Badan Pusat Statistik)
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai
tulang punggung informasi pembangunan nasional dan regional, didukung
Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi
informasi yang mutakhir.
3.1.2 Misi BPS (Badan Pusat Statistik)
Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi
mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu,
handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan
3.2 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara
Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai
struktur organisasi, karena perusahaan juga merupakan organisasi.Dimana
organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang
dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.
Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung
jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana
hubungannya yang satu dengan yang lain.
Dengan adanya struktur organisasi perusahaan yang baik, maka dapat
diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan.
Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi
Sumatera Utara adalah berbentuk Lini dan staff
1. Bagian Tata Usaha/Kepegawaian
2. Bidang Statistik Produksi
3. Bidang Statistik Distribusi
4. Bidang Statistik Kependudukan
5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik
Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara
3.3Job Description
Dalam menjalankan suatu organisasi maka diperlukan personal-personal jabatan
job description atau pembagian kerja. Kepala kantor dibantu bagian tata usaha
yang terdiri dari :
1. Sub Bagian Urusan Dalam
2. Sub Bagian Perlengkapan
3. Sub Bagian Keuangan
4. Sub Bagian Kepegawaian
5. Sub Bagian Bina Program
Sedangkan bidang penunjang statistik ada 5 bidang, yaitu:
1. Bidang Statistik Produksi
Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan
statistik pertanian, industri serta statistik konstruksi pertambangan dan
energi.
2. Bidang Statistik Distribusi
Bidang Statistik Distribusi mempunyai tugas untuk melaksanakan kegiatan
statistik konsumen dan perdagangan besar, statistik keuangan dan harga
produsen serta Statistik Kesejahteraan.
3. Bidang Statistik Sosial
Bidang Statistik Kependudukan mempunyai tugas untuk melaksanakan
kegiatanstatistik demografi dan rumah tangga, statistik ketenaga kerjaan.
Bidang Statistik Pengolahan Data mempunyai tugas yaitu melaksanakan
kegiatan dan penyiapan data, penyusunan sistem dan program serta
operasional pengolahan data dengan komputer.
5. Bidang Neraca Wilayah dan Analisis Statistik
Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas yaitu
melaksanakan kegiatan penyusunan neraca produksi, neraca konsumen
BAB 4
PENGOLAHAN DATA
4.1 Data yang diolah
Padadasarnya data adalah alat bagi pengambil keputusan, bentuk-bentuk dasar
pembuatan keputusanatau untuk memecahkan suatu persoalan. Keputusan yang
baik jika diperoleh pengambil keputusan tersebut atas dasar data yang baik. Untuk
memperoleh dan mengetahui gambaran tentang suatu keadaan atau masalah
merupakan salah satu kegunaan data.
Untuk membahas dan memecahkan persoalan tentang pembentukan
persamaan penduga akan produksi padi seperti yang telah diuraikan pada bagian
sebelumnya, penulis mengumpulkan data yang berhubungan dengan pokok-pokok
permasalahan tersebut. Data yang akan diolah dalam tugas akhir ini adalah data
Produksi Padi di Provinsi Sumatera Utara.
4.2 Menentukan Persamaan Auto Regresi
Dari data hasil produksi padi pada tabel 4.1.1 dapat digambarkan grafik seperti
Gambar 4.1 berikut :
Gambar 4.1 Hasil Produksi Padi di Provinsi Sumatera Utara Tahun 1982-2011
Untuk memperkirakan atau meramalkan hasil produksi Padi di tahun-tahun yang
akan datang, maka terlebih dahulu kita menggambarkan dan menempatkan data
observasi dalam suatu gambar bidang datar dan kemudian menarik suatu garis
yang mengikuti titik-titik tersebut. Gambaran titik-titik tersebut seperti terlihat
pada gambar 4.2 berikut :
Gambar 4.2 Hasil Produksi Padi di Provinsi Sumatera Utara tahun 1982-2011
Tabel 4.2.1 Tabel nilai untuk menghitung , , dan dengan selisih waktu satu tahun
( )
Dari tabel 4.2.1 diatas didapat nilai-nilai sebagai berikut :
Dari nilai-nilai yang didapat t ersebut dapat lah dihit ung nilai
dan
=
∑(∑ ) (∑ ) (∑ )( ) (∑ )
= 29( 262.153.963.230.887)−( 84.969.273) ( 86.741.967)
29( 257.762.312.545.683)−( 84.969.273)
= 7.602.464.933.695.720−7.370.401.874.579.990
7.475.107.063.824.810−7.219.777.354.148.530
= 86.741.967−77.226.537,59
= 9515429,41 29
= 328.118,26
+
= 328.118,26 + 0,908876054
Berdasarkan hasil perhitungan mencari persamaan auto regresi dari data
jumlah produksi padi di Provinsi Sumatera Utara tahun 1982 sampai dengan tahun
2011 diperoleh koefisien auto regresi = 328.118,26 dan koefisien auto regresi
= 0,908876054. Dari koefisien auto regresi tersebut diperoleh persamaan auto
regresi 328.118,26 + 0,908876054
4.2.1 Menentukan Koefisien Auto Korelasi
Berdasarkan tabel 4.2.1 dapat dihitung dengan rumus sebagai berikut:
=
∑( ) (∑ ) (∑ )∑ (∑ ) ( (∑ ) (∑ ) )
=
29 262.153.963.230.887 −84.969.273 86.741.96729 257.762.312.545.683 −84.969.273 2( 29( 267.409.511.835.411 86.741.9672)
= 7.602.464.933.695.720−7.370.401.874.579.990
( 255.329.709.676.278) ( 230.707.004.197.830)
= 232.063.059.115.732
242.706.308.945.845
= 0,91
Berdasarkan perhitungan mencari koefisien auto korelasi dari data jumlah
produksi padi di Provinsi Sumatera Utara tahun 1982 samapi dengan tahun 2011
diperoleh koefisien auto korelasi sebesar 0,956147618.
4.2.2 Test kuat tidaknya auto korelasi
Setelah melakukan perhitungan auto korelasi dan untuk mengetahui apakah antara
variabel independen dengan variabel dependen betul-betul erat maka nilai perlu
di uji.
e) Menentukan hipotesis
Ha : ≠ 0 ( ada pengaruh secara signifikan antara jumlah produksi padi pada
suatu periode dengan periode sebelumnya)
Ho : = 0 (tidak ada pengaruh secara signifikan antara jumlah produksi padi
pada suatu periode dengan periode sebelumnya)
f) Menentukan kriteria penerimaan dan penolakan
Tolak H0 jika – t1/2α(N-2) < thitung > t1/2α(N-2)
Terima H0 jika – t1/2α(N-2) < thitung < t1/2α(N-2) dengan df = N-2
g) Menghitung t hitung dengan rumus
=
√=
, √√ ,
=
, ,= 16,96
Berdasarkan hasil perhitungan test kuat tidaknya auto korelasi, diperoleh =
16,96. Harga tersebut kemudian dibandingkan dengan . Dengan
= 5% dan = 29, diperoleh = −2 yaitu 27. Sehingga ( , ; ) = 2,05
(lampiran). Karena -2,05 < 16,96 > 2,05 maka ditolak. Artinya ada auto
korelasi yang kuat antara jumlah produksi padi suatu tahun (periode) dengan
dengan satu tahun sebelumnya. Sehingga forecast dengan persamaan auoto regresi
dapat di pertanggungjawabkan. Oleh karena itu untuk forecast periode berikutnya
kita forecast dengan selisih satu tahun (periode) .
4.3 Peramalan Jumlah Produksi Padi di Provinsi Sumatera Utara pada
tahun 2012 – 2014
Setelah diketahui bahwa ada auto korelasi yang kuat antara jumlah produksi padi
pada suatu periode dengan periode sebelumnya, maka dapat dilakukan peramalan
pada periode berikutnya dengan menggunakan selisih waktu satu periode(tahun)
dan persamaan auto regresi 328.118,26 + 0,908876054 diperoleh hasil
ramalan untuk tahun 2012,2013,2014 sebagai berikut:
a. Meramal untuk periode ke 31 (tahun 2012) menggunakan nilai jumlah
328.118,26 + 0,908876054
328.118,26 + 0,908876054(3.607.403)
= 3.606.800,46
b. Meramal untuk periode ke 32 (tahun 2013) menggunakan nilai jumlah
produksi pada periode ke 31 (tahun 2012) sebagai variabel bebas
328.118,26 + 0,908876054
328.118,26 + 0,908876054 (3.606.800,46)
= 3.606.252,84
c. Meramal untuk periode ke 33 (tahun 2014) menggunakan nilai jumlah
produksi pada periode ke 32 (tahun 2013) sebagai variabel bebas
328.118,26 + 0,908876054
328.118,26 + 0,908876054 ( 3.606.252,84)
BAB 5
IMPLEMENTASI SISTEM
5.1Pengertian Implementasi Sistem
Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan
desain sistem yang disetrujui, menginstal dan memulai sistem baru atau sistem
baru atau sistem yang diperbaiki.
Tahapan implementasi sistem merupakan tahapan-tahapan penerapan hasil
desain tertulis kedalam programming. Dalam pengolahan data dalam hal ini
menggunakan software minitab 16 sebagai implementasi sistem dalam
memperoleh hasil perhitungan.
5.2 Pengenalan Minitab
Minitab adalah program aplikasi statistika yang dirancang untuk melakukan
pengolahan statistik. Minitab mengkombinasikan kemudahan penggunaan
layaknya Microsoft Excel dengan kemampuannya melakukan analisis statistik
yang kompleks. Minitab dikembangkan di Pennsylvania State University oleh
periset Barbara F. Ryan, Thomas A. Ryan, Jr., dan Brian L. Joiner pada tahun
1972. Minitab memulai versi ringannya OMNITAB, sebuah program analisis
Minitab didistribusikan oleh Minitab Inc, sebuah perusahaan swasta yang
bermarkas di State College, Pennsylvania, dengan kantor cabang di Coventry,
Inggris (Minitab Ltd.) Paris, Perancis (Minitab SARL) dan Sydney, Australia
(Minitab Pty.).
Kini, Minitab seringkali digunakan dalam implementasi Six Sigma, CMMI
serta metode perbaikan proses yang berbasis statistika lainnya. Minitab 16, versi
terbaru perangkat lunak ini, tersedia dalam tujuh bahasa: Inggris, Perancis,
Jerman, Jepang, Korea, Mandarin, dan Spanyol .
5.3 Mengaktifkan Minitab
Harus dipastikan terlebih dahulu bahwa Minitab telah terinstal pada komputer.
Jika pada dekstop sudah ada ikon Minitab, maka Minitab dapat dibuka dengan
cara:
1. Klik dua kali menu Minitab 16 yang terdapat pada icon shortcut tampilan
dekstop yang ditunjukkan pada gambar 5.1 berikut.
2. Selain itu program Minitab dapat diaktifkan melalui : Klik tombol Start
pada jendela windows, kemudian pilih Minitab 16
Gambar 5.2 Tampilan saat membuka Minitab pada windows
Setelah Minitab diaktifkan, maka tampilan pada dekstop adalah seperti gambar
Gambar 5.3 Tampilan Logo Minitab
Tampilan awal Minitab adalah :
Gambar 5.4 Tampilan awal Minitab
5.4 Bagian-bagian Minitab
Minitab terdiri atas beberapa bagian
a. Toolbar merupakan alat untuk mempercepat perintah minitab dan
berbentuk tombol-tombol dalam windows Minitab. Pengoperasiannya pun
mudah yaitu hanya dengan menekan (klik) toolbar tertentu untuk
menjalankan suatu perintah
b. Lembar kerja worksheet terdiri dari kolom dan baris. Input data dapat
dilakukan pada lembar kerja worksheet. Tempatkan nama variable pada
baris pertama lembar worksheet. Baris selanjutnya merupakan tempat data
aktifkan sel tujuan sehingga sel tersebut dilingkupi garis hitam dan
kemudian tuliaskan. Lembar kerja worksheet ditunjukkan pada gambar
5.5 berikut
Gambar 5.5 tampilan Lembar kerja worksheet
c. Lembar kerja session menampilkan hasil analisis data yang telah
dilakukan..
d. Window graph menampilkan grafik data statistik
e. Project Manager berfungsi mengatur file-file yang tersimpan dalam
project. Melalui lembar project manager dapat menavigasi, melihat, dan
memanipulasi proyek. Disamping itu lembar kerja ini juga berfungsi untuk
memudahkan pengelolaan file yang telah dibuat. File-file tersebut akan
disimpan sesuai dengan foldernya seperti folder session,history, graphs,
reportpad, related documents, dan worksheet. Tampilan Project manager
Gambar 5.6 Lembar kerja Project Manager
5.5Pengisian Data
1. Pertama kali menjalankan minitab, terdapat project manager yang masih
kosong karena worksheet masih kosong. Masukkan data yang harus diolah
kedalam worksheet atau panggil data yang sudah dimasukkan dalam
format data lain. Kemudian berikan nama kolom di bawah C1 dan C2
Gambar 5.7 tampilan pengisian data pada worksheet
2. Kemudian dari menu bar pilih stat Regression Regression
3. Setelah itu akan muncul kotak dialog regression, masukkan variable Y ke
kotak Response, dan masukkan variable X ke kotak Predictors. Proses ini
dilakukan dengan memblok variabel dan pilih select. .
Gambar 5.9 Tampilan kotak dialog regression
4. Setelah itu pilih option (kiri bawah). Lalu centang durbin watson statistic,
varians factor, dan prdicter R-Square, kemudian klik Ok.
Gambar 5.10 tampilan regression - options
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan yang dapat diambil dari perhitungan adalah :
1. Berdasarkan hasil perhitungan nilai-nilai koefisien auto regresi maka
diperoleh persamaan 328.118,26 + 0,908876054
2. Dari hasil perhitungan menggunakan metode auto regresi, dapat diketahui
bahwa kontribusi terhadap ditentukan oleh koefisien determinasi
= 0,91 atau 91 % artinya mempengaruhi sebesar 91 % dan
masih ada pengaruh dari variabel yang lain sebesar 0,9 %.
3. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada
tahun 2012 adalah sebesar 3.606.800,46 ton
4. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada
5. Hasil peramalan jumlah produksi padi di Provinsi Sumatera Utara pada
tahun 2014 adalah sebesar 3.605.755,11 ton
6.2Saran
Adapun saran yang diberikan oleh penulis yaitu dengan adanya perhitungan
peramalan jumlah produksi padi di Provinsi Sumatera Utara, diharapkan
Pemerintah dapat meningkatkan produksi padi untuk tahun selanjutnya. Misalnya
DAFTAR PUSTAKA
Assauri, Sofyan.1984. Teknik dan Metode Peramalan. Jakarta : Fakultas Ekonomi Universitas Indonesia.
Indryo Gitosodarmo dan . 2000. Teknik proyeksi bisnis. Yogyakarta : Fakultas Ekonomi Universitas Gajah Mada.
J. Supranto, 1981. Metode Peramalan Kuantitatif Untuk Perencanaan. Jakarta : Gramedia.
Makridakis. S. 1993. Metode dan Aplikasi Peramalan. edisi ke-1. Jakarta : Erlangga.
OUTPUT MINITAB
Welcome to Minitab, press F1 for help.
Regression Analysis: y versus x
The regression equation is
y = 328118 + 0,909 x
Predictor Coef SE Coef T P VIF
Constant 328118 159737 2,05 0,050
x 0,90888 0,05358 16,96 0,000 1,000
S = 158982 R-Sq = 91,4% R-Sq(adj) = 91,1%
PRESS = 798662177617 R-Sq(pred) = 89,96%
Analysis of Variance
Source DF SS MS F P
Regression 1 7,27298E+12 7,27298E+12 287,75 0,000
Total 28 7,95541E+12
Unusual Observations
Obs x y Fit SE Fit Residual St Resid
24 3447393 3007636 3461371 40498 453735 -2,95R
28 3527899 3852302 3534541 43565 317761 2,08R
R denotes an observation with a large standardized residual.