PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT. PERUSAHAAN GAS NEGARA (PERSERO) CABANG MEDAN TAHUN 2018 OLEH: RASYIDA AYU RITONGA

(1)

OLEH:

RASYIDA AYU RITONGA 142407148

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2017

(2)

(3)

PERNYATAAN

PERAMALAN JUMLAH PELANGGAN ENERGI GAS PADA PT. PERUSAHAAN GAS NEGARA (PERSERO)

CABANG MEDAN TAHUN 2018

TUGAS AKHIR

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

Medan, Juni 2017

RASYIDA AYU RITONGA 142407148

(4)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Allah SWT, dengan limpah karunia- Nya penulis dapat menyelesaikan penyusunan tugas akhir ini dengan judul Peramalan Jumlah Pelanggan Energi Gas pada PT. Perusahaan Gas Negara (Persero) Cabang Medan Tahun 2018.

Terimakasih Penulis sampaikan kepada ibu Dr. Elly Rosmaini, M.Si selaku Ketua Program Studi D3 Statistika FMIPA USU dan pembimbing yang telah membimbing saya dalam menyelesaikan Tugas Akhir ini serta sebagai Penasihat Akademik saya, dan Bapak Drs. Marihat Situmorang, M.Kom selaku Sekertaris Program Studi D3 Statistika FMIPA USU, Bapak Dr. Suryanto, M.Kom dan Bapak Drs. Rosman Siregar, M.Si selaku Ketua dan Sekertaris Departemen Matematika FMIPA USU, Bapak Dr. Kerista Sebayang, MS selaku Dekan FMIPA USU, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah.

Akhirnya tidak terlupakan kepada orangtua saya Bapak Mulatiur Ritonga S.Sos M.Ap dan Ibu Zahiyar Hawa S.Ag dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Allah SWT akan membalasnya.

Medan, Juni 2017 Penulis,

(5)

RASYIDA AYU RITONGA DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR viii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Tinjauan Pustaka 4

1.7 Metode Penelitian 5

BAB 2 TINJAUAN TEORITIS 8

2.1 Pengertian Peramalan 8

2.2 Kegunaan Peramalan 8

2.3 Jenis Peramalan 9

2.4 Jenis-Jenis Metode Peramalan 11

2.4.1 Analisa Deret Berkala 12

2.4.2 Pemilihan Teknik Dan Metode Peramalan 12

2.4.3 Metode Pemulusan (Smoothing) 13

2.5 Metode yang Digunakan 15

2.6 Ketepatan Peramalan 16

BAB 3 PENGOLAHAN DATA 18

3.1 Data yang Dibutuhkan 18

3.2 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown

19

3.2.1 Penaksiran Model Peramalan 19

3.2.2 Penentuan Bentuk Persamaan dan Nilai 33

(6)

BAB 4 IMPLEMENTASI SISTIM 35

4.1 Pengertian Implementasi Sistim 35

4.2 Microsoft Excel 2013 35

4.3 Pengaktifan Microsoft Excel 2013 36

4.4 Pembuatan Grafik dengan Microsoft Excel 2013 37 4.5 Pengolahan Data dengan Microsoft Excel 2013 39

4.6 Menghitung Ketepatan Peramalan 42

BAB 5 KESIMPULAN DAN SARAN 44

5.1 Kesimpulan 44

5.2 Saran 44

DAFTAR PUSTAKA LAMPIRAN

(7)

DAFTAR TABEL

halaman Table 3.1 Data Jumlah Pelanggan Energi Gas di PT. PGN

(PERSERO) Medan Tahun 2006 sampai 2015

18 Table 3.2 Peramalan Jumlah Pelanggan Gas dengan

Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown

dengan menggunakan α = 0,1

21

Table 3.3 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown

22

23

24

25

26

27

28

(8)

Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown

Table 3.11 Perbandingan Ukuran Ketetapan Metode Peramalan 30 Table 3.12 Perhitungan dengan Metode Pemulusan

Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,4 dan Ukuran Ketepatan Peramalan Jumlah Pelanggan Gas di PT.

PGN (Persero) Medan

31

Table 3.13 Peramalan Jumlah Pelanggan Energi Gas Pada PT.

Perusahaan Gas Negara (Persero) Cabang Medan

34

(9)

DAFTAR GAMBAR

halaman Gambar 3.1 Plot Data Jumlah Pelanggan Energi Gas di PT.

PGN (Persero) Cabang Medan dari Tahun 2006 sampai Tahun 2015

19

Gambar 4.1 Pengaktifan Microsoft Excel 2013 36 Gambar 4.2 Tampilan Lembar Kerja Microsoft Excel 2013 37 Gambar 4.3 Tampilan Data Jumlah Pelanggan Energi Gas 37

Gambar 4.4 Tampilan Line With Makers 38

Gambar 4.5 Tampilan Grafik Jumlah Pelanggan Energi Gas Tahun 2006 sampai 2015 pada Microsoft Excel

39 Gambar 4.6 Hasil Perhitungan Metode Pemulusan

Eksponensial Ganda Satu Parameter dari Brown dengan α = 0,4

41

Gambar 4.7 Hasil Perhitungan Metode Pemulusan

Eksponensial Ganda Satu Parameter dari Brown dengan Ukuran Ketepatan Peramalan

43

(10)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Sumber daya alam di Indonesia adalah segala potensi alam yang dapat dikembangkan untuk proses produksi. Sumber daya alam ialah semua kekayaan alam baik berupa benda mati maupun benda hidup yang berada di bumi dan dapat dimanfaatkan untuk memenuhi kebutuhan manusia (Bustanul arifin, 2001) .

Berbagai macam usaha dilakukan manusia dalam memenuhi kebutuhan hidupnya, baik melalui pemanfaatan energi sumber daya alam yang sudah tersedia maupun pendaur-ulangan produk-produk yang sudah lama tidak digunakan lagi.

Tetapi tidak semua sumber daya alam dapat dimanfaatkan secara terus menerus, maka dari itu sumber daya alam dibedakan menjadi beberapa jenis menurut kemampuan pembaharuannya yaitu:

1. Sumber daya alam yang dapat diperbaharui (renewable resources), sumber daya alam yang digunakan secara terus menerus dan tidak akan habis.

Contohnya: tanah, air, udara, tumbuhan, hewan.

2. Sumber daya alam yang tidak dapat diperbaharui (non renewable resources), sumber daya alam jika digunakan secara terus menerus akan habis karena jumlahnya yang terbatas di muka bumi. Contohnya: barang tambang dan barang galian. Barang tambang seperti: minyak bumi, batu bara, gas alam. Barang galian seperti: emas, timah, nikel, mineral, besi, perak

(11)

3. Sumber daya alam yang tidak terbatas jumlahnya contoh: sinar matahari, pasang surut air laut dan udara.

Gas alam sering juga disebut sebagai gas bumi atau gas rawa. Gas dapat ditemukan di ladang minyak, ladang gas bumi dan juga tambang batubara. Gas bumi atau gas alam bukan saja merupakan gas bakar yang paling penting, tetapi juga merupakan bahan baku utama untuk berbagai sintesis kimia. Produk dari gas bumi yang terutama misalnya berbagai hidrokarbon dan LPG (Liquifed Petroleum Gas). Dengan semakin naiknya nilai minyak bumi, maka proses pemulihan hasil gas makin ditingkatkan. Secara garis besar pemanfaatan gas alam terbagi atas 3 kelompok yaitu:

1. Gas alam sebagai bahan bakar

Antara lain sebagai bahan bakar Pembangkit Listrik Tenaga Gas (PLTG), bahan bakar industri, bahan bakar kendaraan bermotor dan sebagai bahan bakar untuk kebutuhan rumah tangga.

2. Gas alam sebagai bahan baku

Antara lain bahan baku pabrik pupuk, petrokimia, metanol, bahan baku plastik, hujan buatan, industri besi tuang, pengelasan dan bahan pemadam api ringan.

3. Gas alam sebagai komoditas energi untuk ekspor

Gas alam yang paling besar digunakan untuk komoditas ekspor di dunia yaitu LNG (Liquified Natural Gas) atau gas alam cair.

Gas alam termasuk sumber energi utama yang banyak digunakan oleh masyarakat untuk berbagai keperluan, baik untuk rumah tangga, komersial maupun industri dan dari tahun ke tahun penggunaan gas alam selalu meningkat,

(12)

3

hal ini karena banyaknya keuntungan yang diperoleh dari penggunaan gas alam dibanding dengan sumber energi lain. Energi yang dihasilkan gas alam lebih efisien. Tidak seperti halnya dengan minyak bumi dan batubara, penggunaannya jauh lebih bersih dan sangat ramah lingkungan sehingga tidak menimbulkan polusi terhadap lingkungan. Disamping itu, gas alam juga mempunyai beberapa keunggulan lain, seperti tidak berwarna, tidak berbau, tidak korosif dan tidak beracun.

Dari pembahasan di atas maka penulis ingin meramalkan banyaknya jumlah pelanggan energi gas pada PT. Perusahaan Gas Negara Cabang Medan untuk tahun 2018 untuk mencapai tujuan yang diinginkan, sehingga penulis memilih judul “Peramalan Jumlah Pelanggan Energi Gas Pada PT.

Perusahaan Gas Negara (Persero) Cabang Medan Tahun 2018”.

1.2 Perumusan Masalah

Saat ini gas alam telah menjadi sumber daya alam yang banyak dimanfaatkan dalam kehidupan manusia. PT. Perusahaan Gas Negara merupakan sumber pendistribusian gas yang di salurkan dari Pertamina kepada pelanggannya dalam tekanan yang cukup tinggi yang kemudian di salurkan kepada pelanggannya untuk berbagai kebutuhan yang semakin meningkat. Yang menjadi masalah dalam penulisan ini adalah meramalkan berapa jumlah pelanggan energi gas pada PT.

Perusahaan Gas Negara (PERSERO) Cabang Medan tahun 2018.

1.3 Batasan Masalah

(13)

Pembatasan masalah bertujuan untuk memperjelas arah dan tujuan dari suatu masalah yang akan diteliti sehingga tidak menimbulkan kekeliruan. Untuk lebih mengarahkan penguraian, sesuai dengan latar belakang dan tuntutan menetapkan masalahnya sehingga ada yang menjadi arahan sebagai pedoman yang jelas dan tegas dalam mengambil keputusan. Maka dari itu penulis menetapkan pembatasan ruang lingkup permasalahan yaitu berdasarkan “Data Jumlah Pelanggan Energi Gas pada PT. Perusahaan Gas Negara (PERSERO) cabang Medan dari tahun 2006-2015”.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk mengetahui jumlah pelanggan energi gas di tahun 2018 dengan menggunakan metode pemulusan smoothing eksponensial ganda: metode linier satu parameter dari Brown.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini untuk memberi masukkan bagi pembaca maupun PT.

Perusahaan Gas Negara cabang Medan.

1.6 Tinjauan Pustaka

Penulis menggunakan buku-buku statistika untuk mendukung serta merangkum penelitian ini, termasuk buku yang memuat informasi mengenai peramalan dengan menggunakan metode pemulusan smoothing eksponensial ganda: metode linier satu parameter dari Brown, yaitu metode peramalan yang digunakan penulis untuk mendapatkan hasil penelitian.

(14)

5

1. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang.

Ramalan tidak pernah tepat 100%, kalau tepat mungkin karena kebetulan (J. Supranto,1993).

2. Metode peramalan adalah suatu cara memperkirakan secara kuantitatif maupun kualitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu sehingga dapat memberikan cara pemikiran, pengerjaan, dan pemecahan yang sistematis, serta memberikan tingkat keyakinan yang lebih besar atau ketepatan hasil ramalan yang dibuat (Sofjan Assauri, 1984).

3. Smoothing ekponensial adalah suatu metode peramalan rata-rata yang melakukan pembobotan menurun secara ekponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relative besar dengan nilai observasi yang lebih tua (Spyros Markridakis, 1999).

4. Metode peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efesien. Metode peramalan ini terdiri atas dua metode yaitu, metode peramalan kualitatif dan peramalan kuantitatif. Metode pemulusan eksponensial ganda : metode linier satu parameter dari Brown yang digunakan penulis termasuk kedalam metode peramalan kuantitatif karena tersedianya informasi atau data dimasa yang akan datang (Menurut Makridakis, Wheelright dan McGee 1999).

(15)

1.7 Metode Penelitian

Metode yang digunakan penulis untuk mendapatkan hasil peramalan ini adalah:

1. Penelitian Kepustakaan

Yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan, dengan membaca buku–buku, refrensi dan bahan-bahan yang bersifat teoritis yang ada kaitannya dengan energi gas.

2. Metode Pengumpulan Data

Pengumpulan data yang dilakukan penulis di sini untuk keperluan penelitian dilakukan dengan riset atau pengambilan data dengan menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) kota Medan Jl. Gaperta No. 311 Medan. 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. Pengolahan Data

Pengolahan data untuk meramalkan jumlah pelanggan energi gas pada PT.

Persahaan Gas Negara (PERSERO) Cabang Medan adalah dengan menggunakan Metode Pemulusan Eksponensial Ganda yaitu Metode Linier Satu Parameter dari Brown. Adapun bentuk umum dari metode eksponensial adalah:

Ft+1 = α Xt + (1–α) Ft Dimana:

Ft+1 : Ramalan suatu periode ke depan

(16)

7

Xt : Data aktual pada periode ke-t Ft : Ramalan pada periode ke-t α : Parameter pemulusan

Persamaan yang dapat dipakai dalam pelaksanaan Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut:

S’t = α Xt + (1-α) S’t-1 S”t = α S’t + (1-α) S”t-1

a_t = S’t + (S’t – S”t) = 2 S’t – S”t

bt = (S’t – S”t) Ft+m = at + bt m Dengan:

m = Jumlah periode di depan yang diramalkan S’ = Nilai eksponensial smoothing tunggal S” = Nilai eksponensial smoothing ganda α = Parameter Pemulusan Ekponensial

at = Nilai konstanta pada periode ke t bt = Nilai slope

Ft+m = Hasil peramalan untuk m periode ke depan yang akan diramalkan.

4. Implementasi Sistem

Dalam pengolahan data pada Tugas Akhir ini penulis menggunakan software sebagai implementasi sistem yaitu Microsoft Office Excel 2013 untuk memperoleh hasil perhitungan. Karena dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan,

(17)

dan keandalan dalam memproses data.

(18)

BAB 2

TINJAUAN TEORITIS

2.1 Pengertian Peramalan

Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Metode peramalan merupakan 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.

Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Oleh karena itu, metode peramalan termasuk dalam kegiatan peramalan kuantitatif. Keberhasilan dari suatu peramalan sangat ditentukan oleh pengetahuan teknik tentang informasi lalu yang dibutuhkan yaitu informasi yang bersifat kuantitatif. Serta teknik dan metode peramalannya.

2.2 Kegunaan Peramalan

Di dalam bagian organisasi terdapat beberapa kegunaan peramalan diantaranya:

1. Berguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan

(19)

seperti itu adalah ramalan tingkat permintaan konsumennya atau si pelanggan.

2. Berguna dalam penyediaan sumber daya tambahan. Waktu tenggang (lead time) untuk memperoleh bahan baku, menerima pekerja baru atau pembelian mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan digunakan untuk menentukan kebutuhan sumber daya di masa yang akan datang.

3. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam waktu jangka panjang.

Keputusan semacam ini bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangannya. Semua penentuan ini memerlukan peramalan yang baik dan dapat menafsirkan pendugaan serta membuat keputusan yang baik.

Walaupun banyak bidang lain yang memerlukan peramalan, namun tiga kelompok di atas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang.

2.3 Jenis Peramalan

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua kategori utama yaitu:

1. Peramalan yang kualitatif atau teknologis

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang yang menyusunnya. Hal ini sangat penting karena hasil peramalan

(20)

11

tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya.

2. Peramalan Kuantitatif

Peramalan kuantitatif merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada metode yang diperguanakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda pula.

Metode kuantitaif dapat dibagi dalam deret berkala (time series) dan metode kausal.

Dalam hal ini penulis membatasi bahwa metode peramalan yang akan digunakan dalam penyusunan Tugas Akhir ini adalah cara memperkirakan sesuatu yang akan terjadi di masa depan secara kuantitatif. Oleh karena itu, dalam pembahasan selanjutnya akan ditekankan pada peramalan kuantitatif. Pada dasarnya peramalan kuantitatif dibedakan atas:

1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu (time series).

2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, bukan waktu, yang disebut dengan metode korelasi atau sebab akaibat (causal methods).

Dalam penulisan Tugas Akhir ini, digunakan metode peramalan yang pertama, yaitu metode peramalan dengan menggunakan variabel waktu atau yang dikenal dengan time series.

(21)

Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu:

1. Adanya informasi 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.

Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (asumption of mend continuity). Asumsi ini merupakan modal yang mendasari dari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.

2.4 Jenis-Jenis Metode Peramalan

Metode-metode peramalan dengan analisa deret waktu yaitu:

1. Metode pemulusan eksponensial dan rata-rata bergerak

Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk peramalan jangka panjang.

2. Metode Regresi

Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang.

3. Metode Box-Jenkins

Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dari jangka panjang.

Dalam penulisan Tugas Akhir ini, yang akan digunakan adalah metode time series yang pertama, yaitu metode pemulusan eksponensial.

(22)

13

2.4.1 Analisa Deret Berkala

Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisa deret berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungannya dengan kejadian lain.

Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antar variabel yang akan diperkirakan dengan variabel waktu. Tujuan time series ini mencakup meneliti pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak. Stasioner itu sendiri berarti bahwa tidak terdapat pertumbuhan atau penurunan data. Data secara kasar harus horizontal sepanjang waktu, dengan kata lain fluktuasi data tetap konstan setiap waktu.

2.4.2 Pemilihan Teknik Dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisa keadaan dalam mempersiapkan peramalan.

Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu:

1. Horizon waktu

Ada dua aspek dari horizon waktu yang berhubungan dengan masing- masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang. Aspek kedua adalah jumlah periode untuk peramalan yang diinginkan.

(23)

2. Pola data

Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari model

Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola.

Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.

4. Biaya yang dibutuhkan

Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan. Yakni biaya-biaya pengembangan, penyimpanan data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik- teknik dan metode peramalan.

5. Ketepatan metode peramalan

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

6. Kemudahan dalam penerapan

Metode-metode yang dapat dimengerti dan mudah dialokasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.

2.4.3 Metode Pemulusan (Smoothing)

Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai

(24)

15

beberapa tahun lalu untuk menaksir nilai pada beberapa tahun ke depan. Secara umum metode smoothing diklasifikasikan menjadi dua bagian:

1. Metode Rata-rata

Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

Metode rata-rata dibagi atas empat bagian:

a. Rata-rata sederhana

b. Rata-rata bergerak tunggal (Single moving average) c. Rata-rata bergerak ganda (Double moving average) d. Kombinasi rata-rata bergerak lainnya.

2. Metode Pemulusan Eksponensial

Bentuk umum dari metode pemulusan eksponensial : Ft+1 = α Xt + (1–α) Ft

Dimana:

Ft+1 : Ramalan suatu periode ke depan Xt : Data aktual pada periode ke-t Ft : Ramalan pada periode ke-t α : Parameter pemulusan Metode ini terdiri atas:

1. Pemulusan Eksponensial Tunggal a. Satu Parameter (One Parameter) b. Parameter Adaptif

2. Pemulusan Eksponensial Ganda

a. Satu Parameter (Metode Linier) dari Brown

(25)

b. Dua Parameter dari Holt 3. Pemulusan Eksponensial Triple

a. Satu Parameter (Metode Kuadratik) dari Brown

Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi.

b. Metode Kecenderungan Dan Musim Tiga Parameter Dari Winter Dapat digunakan untuk data berbentuk trend dan musiman.

2.5 Metode Yang Digunakan

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat.

Maka metode peramalan analisis deret berkala yang digunakan untuk meramalkan jumlah pelanggan energi gas pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda Satu Parameter dari Brown.

Persamaan yang dapat dipakai dalam pelaksanaan Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut:

S’t = α Xt + (1-α) S’t-1 S”t = α S’t + (1-α) S”t-1

a_t = S’t + (S’t – S”t) = 2 S’t – S”t

bt = (S’t – S”t) Ft+m = at + bt m Dengan:

(26)

17

m = Jumlah periode di depan yang diramalkan S’ = Nilai eksponensial smoothing tunggal S” = Nilai eksponensial smoothing ganda α = Parameter Pemulusan Ekponensial at = Nilai konstanta pada periode ke t bt = Nilai slope

Ft+m = Hasil peramalan untuk m periode ke depan yang akan diramalkan.

2.6 Ketepatan Peramalan

Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Beberapa krikteria yang digunakan untuk menguji ketepatan ramalan adalah:

1. Nilai tengah kesalahan (Mean Error) ∑

2. Nialai tengah kesalahan kuadrat (Mean Square Error) ∑

3. Nilai tengah kesalahan absolut (Mean Absolut Error) ∑

4. Nilai tengah kesalahan persentase (Mean Percentage Error)

(27)

∑

5. Nilai tengah kesalahan persentase absolut (Mean Absolute Percentage Error)

∑ Dengan:

(Kesalahan pada periode ke t) Data aktual pada periode ke t

Nilai ramalan pada periode ke t

( ) (100) (Kesalahan persentase pada periode ke t) Banyaknya periode waktu

Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE paling kecil.

(28)

BAB 3

ANALISIS DATA

3.1 Data Yang Dibutuhkan

Data yang dibutuhkan untuk menganalisa peramalan jumlah pelanggan energi gas di kota Medan adalah sebagai berikut:

Table 3.1 Data Jumlah Pelanggan Energi Gas di PT. PGN (PERSERO) Medan Tahun 2006 sampai 2015

NO Tahun Jumlah Pelanggan

1 2006 18.628

2 2007 19.231

3 2008 19.094

4 2009 19.201

5 2010 19.181

6 2011 19.481

7 2012 19.535

8 2013 19.713

9 2014 19.752

10 2015 19.563

Sumber : PT. Perusahaan Gas Negara (Persero) Cabang Medan Badan Pusat Statistik Provinsi Sumatera Utara

(29)

Gambar 3.1 Plot Data Jumlah Pelanggan Energi Gas di PT. PGN (Persero) Cabang Medan dari Tahun 2006 sampai Tahun 2015

3.2 Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown

3.2.1 Penaksiran Model Peramalan

Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data (tabel 3.1) dengan peramalan bedasarkan metode pemulusan eksponensial satu parameter dari brown. Untuk memenuhi perhitungan pemulusan ganda, tunggal dan ramalan yang akan datang, maka terlebih dahulu kita menentukan parameter nilai α secara coba dan salah (trial and error). Suatu nilai α dipilih yang besarnya 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran tetapan perhitungan dengan mengkuadratkan masing-masing kesalahan untuk masing-masing item dalam sebuah susunan data dan kemudian memperoleh rata- rata atau nilai tengah kuadrat tersebut dan kemudian dicoba nilai α yang lain.

Untuk menghitung MSE pertama dicari error terlebih dahulu yang merupakan hasil dari data asli dikurangi hasil ramalan. Lalu tiap error

18000 18500 19000 19500 20000

Jumlah Pelanggan

Tahun

Jumlah Pelanggan Energi Gas di Kota Medan Tahun 2006-2015

Pelanggan Gas

(30)

21

pertama perhitungan ini adalah nilai jumlah pelanggan gas atas dasar harga berlaku, yaitu:

(31)

Tabel 3.2 Peramalan Jumlah Pelanggan Gas dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,1

Untuk: α=0,1 dan n=8 Maka:

^∑

MSE =

MSE = 15.4735,20

t Xt S't S''t at bt Ft+m et |et| et2

1 18.628,00 18.628,00 18.628,00

2 19.231,00 18.688,30 18.634,03 18.742,57 6,03

3 19.094,00 18.728,87 18.643,51 18.814,23 9,48 18.748,60 345,40 345,40 119.301,16 4 19.201,00 18.776,08 18.656,77 18.895,40 13,26 18.823,71 377,29 377,29 142.347,74 5 19.181,00 18.816,57 18.672,75 18.960,40 15,98 18.908,65 272,35 272,35 741.73,433 6 19.481,00 18.883,02 18.693,78 19.072,26 21,03 18.976,38 504,62 504,62 254.642,86 7 19.535,00 18.948,22 18.719,22 19.177,21 25,44 19.093,28 441,72 441,72 195.113,75 8 19.713,00 19.024,69 18.749,77 19.299,62 30,55 19.202,65 510,35 510,35 260.453,92 9 19.752,00 19.097,42 18.784,53 19.410,31 34,77 19.330,17 421,83 421,83 177.943,69 10 19.563,00 19.143,98 18.820,48 19.467,49 35,94 19.445,08 117,92 117,92 13.905,07

JUMLAH 1.237.881,62

(32)

22

t Xt S't S''t at bt Ft+m et |et| e_t²

1 18.628,00 18.628,00 18.628,00

2 19.231,00 18.748,60 18.652,12 18.845,08 24,12

3 19.094,00 18.817,68 18.685,23 18.950,13 33,11 18.869,20 224,80 224,80 50.535,04 4 19.201,00 18.894,34 18.727,05 19.061,63 41,82 18.983,24 217,76 217,76 474.19,418 5 19.181,00 18.951,68 18.771,98 19.131,37 44,92 19.103,46 77,54 77,54 601.3,0719 6 19.481,00 19.057,54 18.829,09 19.285,99 57,11 19.176,30 304,70 304,70 928.44,528 7 19.535,00 19.153,03 18.893,88 19.412,19 64,79 19.343,10 191,90 191,90 368.24,935 8 19.713,00 19.265,03 18.968,11 19.561,94 74,23 19.476,97 236,03 236,03 557.08,567 9 19.752,00 19.362,42 19.046,97 19.677,87 78,86 19.636,17 115,83 115,83 134.16,062 10 19.563,00 19.402,54 19.118,08 19.686,99 71,11 19.756,73 -193,73 193,73 37.532,35

JUMLAH 340.293,97

^∑

MSE =

MSE = 42.536,75

(33)

t Xt S't S''t at bt Ft+m et |et| et2

1 18.628,00 18.628,00 18.628,00

2 19.231,00 18.808,90 18.682,27 18.935,53 54,27

3 19.094,00 18.894,43 18.745,92 19.042,94 63,65 18.989,80 104,20 104,20 10.857,64 4 19.201,00 18.986,40 18.818,06 19.154,74 72,14 19.106,59 94,41 94,41 8.913,25 5 19.181,00 19.044,78 18.886,08 19.203,48 68,02 19.226,88 -45,88 45,88 2.105,34 6 19.481,00 19.175,65 18.972,95 19.378,34 86,87 19.271,50 209,50 209,50 43.890,88 7 19.535,00 19.283,45 19.066,10 19.500,81 93,15 19.465,21 69,79 69,79 4.869,98 8 19.713,00 19.412,32 19.169,96 19.654,67 103,87 19.593,96 119,04 119,04 14.171,39 9 19.752,00 19.514,22 19.273,24 19.755,20 103,28 19.758,53 -6,53 6,53 42,69 10 19.563,00 19.528,86 19.349,93 19.707,78 76,68 19.858,48 -295,48 295,48 87.307,58

JUMLAH 172.158,74

^∑

MSE =

MSE = 21.519,84

(34)

24

t Xt S't S''t at bt Ft+m et |et| e_t²

1 18.628,00 18.628,00 18.628,00

2 19.231,00 18.869,20 18.724,48 19.013,92 96,48

3 19.094,00 18.959,12 18.818,34 19.099,90 93,86 19.110,40 -16,40 16,40 268,96 4 19.201,00 19.055,87 18.913,35 19.198,39 95,01 19.193,76 7,24 7,24 52,42 5 19.181,00 19.105,92 18.990,38 19.221,47 77,03 19.293,41 -112,41 112,41 12.635,56 6 19.481,00 19.255,95 19.096,61 19.415,30 106,23 19.298,50 182,50 182,50 33.307,71 7 19.535,00 19.367,57 19.204,99 19.530,15 108,39 19.521,53 13,47 13,47 181,49 8 19.713,00 19.505,74 19.325,29 19.686,19 120,30 19.638,54 74,46 74,46 5.544,97 9 19.752,00 19.604,25 19.436,87 19.771,62 111,58 19.806,49 -54,49 54,49 2.969,41 10 19.563,00 19.587,75 19.497,22 19.678,27 60,35 19.883,20 -320,20 320,20 102.526,77

JUMLAH 157.487,29

^∑

MSE =

MSE = 19.685,91

(35)

t Xt S'^t S''^t a^t b^t F^t+m e^t |e^t| et2

1 18.628,00 18.628,00 18.628,00

2 19.231,00 18.929,50 18.778,75 19.080,25 150,75

3 19.094,00 19.011,75 18.895,25 19.128,25 116,50 19.231,00 -137,00 137,00 18.769,00 4 19.201,00 19.106,38 19.000,81 19.211,94 105,56 19.244,75 -43,75 43,75 1.914,06 5 19.181,00 19.143,69 19.072,25 19.215,13 71,44 19.317,50 -136,50 136,50 18.632,25 6 19.481,00 19.312,34 19.192,30 19.432,39 120,05 19.286,56 194,44 194,44 37.805,94 7 19.535,00 19.423,67 19.307,98 19.539,36 115,69 19.552,44 -17,44 17,44 304,07 8 19.713,00 19.568,34 19.438,16 19.698,51 130,18 19.655,05 57,95 57,95 3.358,56 9 19.752,00 19.660,17 19.549,16 19.771,17 111,00 19.828,69 -76,69 76,69 5.880,97 10 19.563,00 19.611,58 19.580,37 19.642,79 31,21 19.882,18 -319,18 319,18 101.873,18

JUMLAH 188.538,04

^∑

MSE =

MSE = 23.567,25

(36)

26

^∑

MSE =

MSE = 30.681,50

t Xt S't S''t at bt Ft+m et |et| et2

1 18.628,00 18.628,00 18.628,00

2 19.231,00 18.989,80 18.845,08 19.134,52 217,08

3 19.094,00 19.052,32 18.969,42 19.135,22 124,34 19.351,60 -257,60 257,60 66.357,76 4 19.201,00 19.141,53 19.072,69 19.210,37 103,26 19.259,56 -58,56 58,56 3.429,27 5 19.181,00 19.165,21 19.128,20 19.202,22 55,51 19.313,63 -132,63 132,63 17.591,25 6 19.481,00 19.354,68 19.264,09 19.445,28 135,89 19.257,74 223,26 223,26 49.846,81 7 19.535,00 19.462,87 19.383,36 19.542,39 119,27 19.581,17 -46,17 46,17 2.131,45 8 19.713,00 19.612,95 19.521,11 19.704,79 137,75 19.661,66 51,34 51,34 2.636,17 9 19.752,00 19.696,38 19.626,27 19.766,49 105,16 19.842,54 -90,54 90,54 8.197,18 10 19.563,00 19.616,35 19.620,32 19.612,38 -5,95 19.871,65 -308,65 308,65 95.262,11

JUMLAH 245.452,00

(37)

1 18.628,00 18.628,00 18.628,00

2 19.231,00 19.050,10 18.923,47 19.176,73 295,47

3 19.094,00 19.080,83 19.033,62 19.128,04 110,15 19.472,20 -378,20 378,20 143.035,24 4 19.201,00 19.164,95 19.125,55 19.204,35 91,93 19.238,19 -37,19 37,19 1.383,10 5 19.181,00 19.176,18 19.160,99 19.191,37 35,44 19.296,28 -115,28 115,28 13.288,56 6 19.481,00 19.389,56 19.320,99 19.458,12 159,99 19.226,82 254,18 254,18 64.608,23 7 19.535,00 19.491,37 19.440,25 19.542,48 119,27 19.618,12 -83,12 83,12 6.908,31 8 19.713,00 19.646,51 19.584,63 19.708,39 144,38 19.661,75 51,25 51,25 2.626,96 9 19.752,00 19.720,35 19.679,64 19.761,07 95,00 19.852,77 -100,77 100,77 10.154,03 10 19.563,00 19.610,21 19.631,04 19.589,38 -48,60 19.856,07 -293,07 293,07 85.891,88

JUMLAH 327.896,31

^∑

MSE =

MSE = 40.987,04

(38)

28

1 18.628,00 18.628,00 18.628,00

2 19.231,00 19.110,40 19.013,92 19.206,88 385,92

3 19.094,00 19.097,28 19.080,61 19.113,95 66,69 19.592,80 -498,80 498,80 248.801,44 4 19.201,00 19.180,26 19.160,33 19.200,19 79,72 19.180,64 20,36 20,36 414,53 5 19.181,00 19.180,85 19.176,75 19.184,96 16,42 19.279,90 -98,90 98,90 9.782,00 6 19.481,00 19.420,97 19.372,13 19.469,82 195,38 19.201,38 279,62 279,62 78.189,58 7 19.535,00 19.512,19 19.484,18 19.540,21 112,05 19.665,19 -130,19 130,19 16.950,54 8 19.713,00 19.672,84 19.635,11 19.710,57 150,93 19.652,26 60,74 60,74 3.689,02 9 19.752,00 19.736,17 19.715,96 19.756,38 80,85 19.861,50 -109,50 109,50 11.989,66 10 19.563,00 19.597,63 19.621,30 19.573,97 -94,66 19.837,23 -274,23 274,23 75.201,22

JUMLAH 445.018,00

^∑

MSE =

MSE = 55.627,25

(39)

1 18.628,00 18.628,00 18.628,00

2 19.231,00 19.170,70 19.116,43 19.224,97 488,43

3 19.094,00 19.101,67 19.103,15 19.100,19 -13,28 19.713,40 -619,40 619,40 383.656,36 4 19.201,00 19.191,07 19.182,27 19.199,86 79,13 19.086,91 114,09 114,09 13.016,53 5 19.181,00 19.182,01 19.182,03 19.181,98 -0,24 19.278,99 -97,99 97,99 9.601,65 6 19.481,00 19.451,10 19.424,19 19.478,01 242,16 19.181,74 299,26 299,26 89.557,45 7 19.535,00 19.526,61 19.516,37 19.536,85 92,17 19.720,17 -185,17 185,17 34.287,12 8 19.713,00 19.694,36 19.676,56 19.712,16 160,19 19.629,03 83,97 83,97 7.051,60 9 19.752,00 19.746,24 19.739,27 19.753,20 62,71 19.872,35 -120,35 120,35 14.484,98 10 19.563,00 19.581,32 19.597,12 19.565,53 -142,15 19.815,91 -252,91 252,91 63.963,70

JUMLAH 615.619,38

^∑

MSE =

MSE = 76.952,42

(40)

30

Setelah diperoleh nilai MSE untuk masing-masing nilai α, maka salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang memberikan MSE terkecil/minimum. Perbandingan ukuran ketepatan metode peramalan jumlah pelanggan energi gas dengan MSE sebagai berikut:

Tabel 3.11 Perbandingan Ukuran Ketetapan Metode Peramalan

Dari tabel 3.11 diatas dapat dilihat yang menghasilkan nilai MSE yang paling kecil atau minimum yaitu pada nilai parameter pemulusan α = 0,4 yaitu dengan MSE = 19.685,91. Jadi α yang dipakai adalah α = 0,4.

α MSE

0.1 154.735,20 0.2 42.536,75 0.3 21.519,84 0.4 19.685,91 0.5 23.567,25 0.6 30.681,50 0.7 40.987,31 0.8 55.627,25 0.9 76.952,42

(41)

Tabel 3.12 Perhitungan dengan Metode Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0,4 dan Ukuran Ketepatan Peramalan Jumlah Pelanggan Gas di PT. PGN (Persero) Medan

t Xt S't S"t a^t bt Ft+m et |et| et2

PEt |PEt|

1 18.628,00 18.628,00 18.628,00

2 19.231,00 18.869,20 18.724,48 19.013,92 96,48

3 19.094,00 18.959,12 18.818,34 19.099,90 93,86 19.110,40 -16,40 16,40 268,96 -0,09 0,09 4 19.201,00 19.055,87 18.913,35 19.198,39 95,01 19.193,76 7,24 7,24 52,42 0,04 0,04 5 19.181,00 19.105,92 18.990,38 19.221,47 77,03 19.293,41 -112,41 112,41 12.635,56 -0,59 0,59 6 19.481,00 19.255,95 19.096,61 19.415,30 106,23 19.298,50 182,50 182,50 33.307,71 0,94 0,94 7 19.535,00 19.367,57 19.204,99 19.530,15 108,39 19.521,53 13,47 13,47 181,49 0,07 0,07 8 19.713,00 19.505,74 19.325,29 19.686,19 120,30 19.638,54 74,46 74,46 5.544,97 0,38 0,38 9 19.752,00 19.604,25 19.436,87 19.771,62 111,58 19.806,49 -54,49 54,49 2.969,41 -0,28 0,28 10 19.563,00 19.587,75 19.497,22 19.678,27 60,35 19.883,20 -320,20 320,20 102.526,77 -1,64 1,64

jumlah -225,82 781,18 157.487,29 -1,16 4,01

ME -28,23

MAE 97,65

MSE 19685,91

MPE -0,15

MAPE 0,50

(42)

32

Menghitung ukuran ketepatan metode peramalan dengan α = 0,4 adalah:

6. Nilai tengah kesalahan (Mean Eror) ∑

7. Nilai tengah kesalahan kuadrat (Mean Square Eror) ∑

8. Nilai tengah kesalahan absolut (Mean Absolut Eror) ∑

9. Nilai tengah kesalahan persentase (Mean percentage eror) ∑

10. Nilai tengah kesalahan persentase absolut (Mean Absolute Percentage Eror)

∑

(43)

(44)

33

3.2.2 Penentuan Bentuk Persamaan dan Nilai Peramalan

Setelah diketahui bahwa error yang didapat pada model peramalan bersifat random maka dilakukan peramalan jumlah pelanggan gas untuk tahun 2015 dengan menggunakan persamaan:

F_t+m = ɑ_t + b_tm

Ft+m = 19.678,27 + 60,35 (m)

Setelah diperoleh bentuk persamaan peramalan maka dapat dihitung untuk periode tiga tahun kedepan yaitu tahun 2016 - 2018.

a. Untuk periode 11 (tahun 2016) F_t+m = 19.678,27 + 60,35 (m) F10+1 = 19.678,27 + 60,35 (1) F11 = 19.738,62

b. Untuk periode 12 (tahun 2017) Ft+m = 19.678,27 + 60,35 (m) F10+2 = 19.678,27 + 60,35 (2) F₁₂ = 19.798,97

c. Untuk periode 13 (tahun 2018) F_t+m = 19.678,27 + 60,35 (m) F10+3 = 19.678,27 + 60,35 (3) F12 = 19.859,32

(45)

Tabel 3.13 Peramalan Jumlah Pelanggan Energi Gas Pada PT. Perusahaan Gas Negara (Persero) Cabang Medan

Tahun Periode Peramalan (Forecasting)

2016 11 19.738,62

2017 12 19.798,97

2018 13 19. 859,32

(46)

BAB 4

IMPLEMENTASI SISTIM

4.1 Pengertian Implementasi Sistim

Implementasi sistim adalah prosedur yang dilakukan untuk menyelesaikan desain sistim yang ada dalam desain yang disetujui, menginstal, dan memulai sistim baru atau sistim yang diperbaiki.

Dalam pengolahan data pada Tugas Akhir ini penulis menggunakan satu perangkat lunak sebagai implementasi sistim yaitu Microsoft Excel 2013 dalam menyelesaikan masalah untuk memperoleh hasil perhitungan. Karena dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan dalam memproses data.

4.2 Microsoft Excel 2013

Microsoft Excel 2013 merupakan program aplikasi lembar kerja elektronik dari paket program Microsoft Office. Microsoft Excel banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisa, dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai dari versi 4, versi 5, versi 97, versi 2000, versi XP (2002), versi 2003, versi 2007, versi 2010 dan sekarang versi 2013.

Dalam pengolahan data Tugas Akhir ini, penulis sebagian mengolah dengan menggunakan Microsoft Excel 2013 karena Microsoft Excel 2013 hadir

(47)

dengan berbagai penyempurnaan, lebih mudah digunakan, lebih terintegrasi dengan berbagai software lain, seperti Microsoft Word, SPSS, dan lain-lain.

Keunggulan program spreadsheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows.

4.3 Pengaktifan Microsoft Excel 2013

Tahap pertama menggunakan Microsoft Excel adalah mengaktifkan windows.

Windows yang penulis gunakan pada komputer adalah windows 10. Kemudian lanjutkan dengan langkah-langkah sebagai berikut:

1. Tekan tombol windows pada keyboard, lalu muncul menu start di windows, kemudian pilih Microsoft Excel 2013, seperti gambar 4.1 di bawah ini:

Gambar 4.1 Pengaktifan Microsoft Excel 2013

2. Setelah itu muncul tampilan lembar kerja (work sheet) seperti gambar 4.2 berikut ini:

(48)

37

Gambar 4.2 Tampilan Lembar Kerja Microsoft Excel 2013

4.4 Pembuatan Grafik dengan Microsoft Excel 2013 Langkah-langkah membuat grafik adalah:

1. Input data pada kolom pertama untuk periode, kolom kedua untuk tahun dan kolom ketiga untuk jumlah pelanggan energi gas, seperti gambar berikut:

Gambar 4.3 Tampilan Data Jumlah Pelanggan Energi Gas

2. Kemudian blok data yang akan dijadikan chart, dalam hal ini adalah sel C4:C13.

(49)

3. Lalu klik menu Insert, pada submenu Chart klik Line dan pilih Line with markers, maka akan tampil seperti gambar di bawah ini:

Gambar 4.4 Tampilan Line With Makers

4. Lalu untuk mengubah koordinat garis horizontal menjadi tahun, maka klik pada chart tersebut, lalu klik menu Chart Tools, klik Design, dan klik Select Data.

5. Kemudian pada kotak dialog Horizontal (Category) Axis Labels, klik Edit, dan blok data yang akan dijadikan sebagai tahun, dalam hal ini adalah B4:B13, klik OK, lalu klik OK kembali.

6. Untuk keterangan pendukung grafik seperti judul grafik (Chart Titles), dan Axis Title maka klik menu Chart Tools, klik Design, lalu klik Layout.

Setelah itu klik pada Chart Title dan Axis Titles untuk menggantikan judul grafik, kemudian pilih tata letak yang diinginkan.

7. Untuk menggantikan background grafik agar lebih berwarna adalah dengan cara double klik pada chart, kemudian muncul kotak Format Chart Area di sebelah kanan grafik, lalu pilih Gradient Fill pada bagian chart options. Maka tampilan yang akan muncul seperti gambar 4.5

(50)

39

Gambar 4.5 Tampilan Grafik Jumlah Pelanggan Energi Gas Tahun 2006 sampai 2015 pada Microsoft Excel

4.5 Pengolahan Data dengan Microsoft Excel 2013

Dari data di atas dapat ditentukan peramalan menggunakan α = 0,4 dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini:

1. Pada kolom pertama ditulis keterangan dengan t 2. Pada kolom ke dua ditulis keterangan dengan Xt 3. Pada kolom ke tiga ditulis keterangan dengan S't 4. Pada kolom ke empat ditulis keterangan dengan S''t 5. Pada kolom ke lima ditulis keterangan dengan at 6. Pada kolom ke enam ditulis keterangan dengan bt 7. Pada kolom ke tujuh ditulis keterangan dengan Ft+m 8. Pada kolom ke delapan ditulis keterangan dengan et 9. Pada kolom ke sembilan ditulis keterangan dengan |et|

(51)

10. Pada kolom ke sepuluh ditulis keterangan dengan et² 11. Pada kolom ke sebelas ditulis keterangan dengan PEt 12. Pada kolom ke duabelas ditulis keterangan dengan |PEt|

Maka perhitungan masing-masing untuk periode, data aktual, pemulusan eksponensial tunggal, pemulusan eksponensial ganda, konstanta, slope, forecast, dan error dengan menggunakan α = 0,4 adalah sebagai berikut:

1. Periode (t)

Periode dalam kasus ini adalah tahun, dari 2006 sampai dengan 2015, yang kemudian digantikan dengan periode 1 sampai 10.

2. Data aktual (Xt)

Data aktualnya adalah jumlah pelanggan energi gas pada PT. PGN (Persero) Cabang Medan dari tahun 2006 sampai dengan 2015.

3. Pemulusan Eksponensial Tunggal (S’)

Untuk periode pertama yakni tahun 2006, adalah sebesar periode pertama dari data historisnya, sehingga rumus yang tertera pada sel C4 adalah =B4.

Sedangkan untuk periode kedua yakni tahun 2007 dapat menggunakan rumus =(0,4*B5)+(1-0,4)*C4. Dalam kasus ini untuk sel C5 menghasilkan angka 18.869,20. Untuk periode ketiga sampai periode ke tiga belas kita tinggal menyalin rumus pada sel C5.

4. Pemulusan Eksponensial Ganda (S”)

Untuk periode pertama yakni tahun 2006, adalah sebesar periode pertama dari data historisnya, sehingga rumus yang tertera pada sel D4 adalah =B4.

Sedangkan untuk periode kedua yakni tahun 2007 dapat menggunakan rumus =(0,4*C5)+((1-0,4)*D4). Dalam kasus ini untuk sel D5

(52)

41

menghasilkan angka 18.724,48. Untuk periode ketiga sampai periode ke tiga belas kita tinggal menyalin rumus pada sel D5.

5. Nilai konstanta pada periode ke-t (at)

Dicari pada periode kedua, dengan rumus pada sel E3 adalah =(2*C5)-D5, sehingga menghasilkan angka 19.013,92. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel E5.

6. Nilai slope (bt)

Dicari pada periode kedua, dengan rumus pada sel F5 adalah =(0,4/(1- 0,4))*(C5-D5), sehingga menghasilkan angka 96,48. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel F5.

7. Peramalan (Ft+m)

Dicari pada periode ketiga, dengan rumus pada sel G6 adalah =E5+F5, sehingga menghasilkan angka 19.110,40. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel G6. Setelah selesai akan tampil seperti gambar dibawah ini:

Gambar 4.6 Hasil Perhitungan Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan α = 0,4

(53)

4.6 Menghitung Ketepatan Peramalan 1. Error (et)

Dicari pada periode ketiga, dengan rumus pada sel H6 adalah =B6-G6 sehingga menghasilkan angka -16,40. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel H6. Untuk jumlah error pada sel H14 digunakan rumus =SUM(H6:H13). Maka hasil jumlah error adalah - 225,82. Untuk Mean Error (ME) pada sel H15 digunakan rumus =H14/8 yang hasilnya adalah -28,23.

2. Absolute Error (|et|)

Dicari pada periode ketiga, dengan rumus pada sel I6 adalah =ABS(H6) sehingga menghasilkan angka 16,40. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel I6. Untuk jumlah absolute error pada sel I14 digunakan rumus =SUM(I6:I13). Dan hasilnya adalah 781,18. Untuk Mean Absolut Error (MAE) pada sel I16 digunakan rumus =I14/8 yang hasilnya adalah 97,65.

3. Square Error (et²)

Dicari pada periode ketiga, dengan rumus pada sel J6 adalah =H6^2 sehingga menghasilkan angka 268,96. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel J6. Untuk jumlah square error pada sel J14 digunakan rumus =SUM(J6:J13). Dan hasilnya adalah 157.487,29.

Untuk Mean Square Error (MSE) pada sel J17 digunakan rumus =J14/8 yang hasilnya adalah 19.685,91.

4. Percentage Error (PE_t)

Dicari pada periode ketiga, dengan rumus pada sel K6 adalah =((B6-

(54)

43

G6)/B6)*100 sehingga menghasilkan angka -0,09. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel K6. Untuk jumlah Percentage Error pada sel K14 digunakan rumus =SUM(K6:K13). Dan hasilnya adalah -1,16. Untuk Mean Percentage Error (MPE) pada sel K18 digunakan rumus =K14/8 yang hasilnya adalah -0,15.

5. Absolute Percentage Error (|PEt|)

Dicari pada periode ketiga, dengan rumus pada sel L6 adalah =ABS(K6) sehingga menghasilkan angka 0,09. Untuk tahun-tahun berikutnya tinggal menyalin rumus pada sel L6. Untuk jumlah Percentage Error pada sel L14 digunakan rumus =SUM(L6:L13). Dan hasilnya adalah 4,01. Untuk Mean Absolute Percentage Error (MAPE) pada sel L19 digunakan rumus

=L14/8 yang hasilnya adalah 0,50.

Setelah selesai akan tampil seperti gambar berikut:

Gambar 4.7 Hasil Perhitungan Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown dengan Ukuran Ketepatan Peramalan

(55)

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisis data yang dilakukan sebelumnya pada Bab 3, maka kesimpulan yang diperoleh adalah sebagai berikut:

1. Dengan Metode Smoothing Eksponensial Ganda Satu Parameter dari Brown didapat nilai MSE yang terkecil adalah dengan α = 0,4 yaitu MSE

= 19.685,91.

2. Bentuk persamaan peramalan dari jumlah pelanggan energi gas pada PT.

PGN (Persero) cabang Medan berdasarkan data dari tahun 2006 sampai dengan tahun 2015 adalah :

Ft+m = 19.678,27 + 60,35 (m)

3. Diperkirakan jumlah pelanggan energi gas pada PT. PGN (Persero) cabang Medan untuk periode ke-13 atau pada tahun 2018 adalah sebanyak 19.859,32. Dari hasil peramalan dapat kita lihat terjadinya peningkatan jumlah pelanggan energi gas pada PT. PGN (Persero) Cabang Medan dari tahun ke tahun.

4.2 Saran

Berdasarkan uraian dan kesimpulan yang telah disebutkan, Penulis memberikan saran yang diharapkan dapat bermanfaat bagi pihak yang terkait, sebagai berikut:

(56)

45

1. Dalam meramalkan jumlah pelanggan energi gas pada PT. PGN (Persero) cabang Medan dangan menggunakan Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown akan sangat membantu jika kita menggunakan alat bantu komputer khusunya program Microsoft Office Excel 2013.

2. Melihat jumlah pelanggan gas yang selalu meningkat dari tahun ke tahun maka untuk itu diharapkan PT. PGN (Persero) lebih serius memperhatikan masalah gas, apalagi gas adalah salah satu sumber daya alam yang tidak dapat di perbaharui atau dapat dikatakan pembaharuannya dibutuhkan ratusan tahun lamanya.

(57)

DAFTAR PUSTAKA

Makridakis, Spyros. 1999. Metode dan Aplikasi Peramalan. Jakarta:Erlangga BPS. 2006. Medan Dalam Angka Tahun 2006

BPS. 2007. Medan Dalam Angka Tahun 2007 BPS. 2008. Medan Dalam Angka Tahun 2008 BPS. 2009. Medan Dalam Angka Tahun 2009 BPS. 2010. Medan Dalam Angka Tahun 2010 BPS. 2011. Medan Dalam Angka Tahun 2011 BPS. 2012. Medan Dalam Angka Tahun 2012 BPS. 2013. Medan Dalam Angka Tahun 2013 BPS. 2014. Medan Dalam Angka Tahun 2014 BPS. 2015. Medan Dalam Angka Tahun 2015

Supranto, J. 1993. Statistik Teori dan Aplikasi. Jakarta:Erlangga

Arifin, Bustanul. 2001. Pengelolaan Sumber Daya Alam Indonesia.

Jakarta:Erlangga

(58)

(59)

(60)

(61)

(62)

(63)