PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN KABUPATEN TAPANULI SELATAN TAHUN 2019 LAPORAN TUGAS AKHIR

(1)

SELATAN TAHUN 2019

LAPORAN TUGAS AKHIR

IVAN BUSRIADI HARAHAP 152407075

PROGRAM STUDI D-3 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2018

(2)

SELATAN TAHUN 2019

LAPORAN TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya

IVAN BUSRIADI HARAHAP 152407075

PROGRAM STUDI D-3 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2018

(3)

PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN KABUPATEN TAPANULI SELATAN TAHUN 2019

LAPORAN TUGAS AKHIR

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

Medan, Juni 2018

Ivan Busriadi Harahap 152407075

(4)

(5)

ABSTRAK

Penelitian ini dilakukan untuk mengetahui ramalan produk domestik regional bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan tahun 2019 dengan menggunakan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown. Peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian masa lalu.

Seperti yang diketahui, PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) yang dihasilkan oleh setiap kegiatan/lapangan usaha. Dengan data produk domestik regional bruto dari tahun 2008-2016 akan diramalkan Produk Domestik Regional Bruto di Kabupaten Tapanuli Selatan atas dasar harga berlaku dan atas dasar harga konstan untuk tahun 2017, 2018, dan 2019. Hasil perhitungan peramalan pada data Produk Domestik Regional Bruto di Kabupaten Tapanuli Selatan atas dasar harga berlaku untuk tahun 2017 adalah 5.115.029,76; Tahun 2018 adalah 5.560.020,51; Tahun 2019 adalah 6.005.011,25. Adapun atas dasar harga konstan untuk tahun 2017 adalah 4.346.737,74; Tahun 2018 adalah 4.785.595,70; Tahun 2019 adalah 5.224.453,66. Bagi para penulis lain yang tertarik pada permasalahan yang sama yaitu peramalan diharapkan untuk dapat meneliti lebih lanjut Produk Domestik Regional Bruto dengan metode peramalan yang berbeda. Agar penelitian-penelitian yang akan datang memiliki ruang lingkup yang lebih luas.

Kata kunci : Peramalan, PDRB, Metode Pemulusan Eksponensial Ganda.

(6)

ABSTRACT

This research was conducted to find out the forecast of gross regional domestic product (GRDP) of Agriculture Sector of South Tapanuli Regency 2019 by using One Line Parameter Multiple Exponential Smoothing from Brown. Forecasting is an attempt to forecast future circumstances through past testing. As you know, GRDP is the sum of all Gross Added Value (NTB) generated by each activity / field of business. Gross regional domestic product data from 2008-2016 will be forecast Gross Regional Domestic Product in South Tapanuli Regency at current and constant market prices for 2017, 2018 and 2019. Forecasting results for Gross Regional Domestic Product data in South Tapanuli Regency at current prices for 2017 is 5,115,029,76; The year 2018 is 5,560,020,51; The year 2019 is 6,005,011.25. As for the basis of constant prices for 2017 is 4,346,737.74; The year 2018 is 4,785,595.70; The year 2019 is 5,224,453.66.

For other writers interested in the same problem of forecasting is expected to further investigate the Gross Regional Domestic Product with different forecasting methods. In order for future studies to have a wider scope.

Keywords: Forecasting, GRDP, Multiple Exponential Smoothing Method

(7)

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih dan Maha Penyang. Dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Peramalan Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan Tahun 2019.

Terima kasih penulis sampaikan kepada Ibu Dr. Elvina Herawati, M.Si selaku Dosen Pembimbing yang telah meluangkan waktunya dalam memberikan saran dan masukan kepada penulis untuk menyelesaikan penyusunan tugas akhir ini.

Terima kasih kepada Bapak Dr. Pasukat Sembiring, M.Si selaku Dosen Penasehat Akademik yang telah membimbing saya selama ini. Terima kasih Kepada Ibu Dr.

Elly Rosmaini, M.Si dan Bapak Dr. Open Darnius, M.Sc selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU yang memberikan dukungan penuh kepada penulis untuk menyelesaikan penyusunan tugas akhir tepat pada waktunya. Kepada Bapak Dr. Suyanto, M.Kom dan Bapak Drs., Rosman Siregar, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU, Bapak Dr. Krista Sebayang, MS selaku Dekan FMIPA USU, seluruh staf dan dosen Program Studi D3 Statistika FMIPA USU, pegawai dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada orangtua saya Bapak Marawal Harahap dan Ibu Aminah Hanum serta keluarga yang selama ini memberikan bantuan dan dukungan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis,

Ivan Busriadi Harahap

(8)

Halaman

PENGESAHAN LAPORAN TUGAS AKHIR i

ABSTRAK ii

ABSTRACT iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR GAMBAR ix

DAFTAR LAMPIRAN x

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1,3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

BAB 2 TINJAUAN PUSTAKA 4

2.1 Produksi Domestik Regional Bruto (PDRB) 4

2.2 Perhitungan Pendapatan PDRB 6

2.2.1 Perhitungan Atas Dasar Harga Berlaku 6 2.2.2 Perhitungan Atas Dasar Harga Konstan 6

2.3 Pengertian Peramalan 7

2.4 Manfaat Peramalan 8

2.5 Jenis-jenis Peramalan 8

2.6 Langkah-langkah Peramalan 9

2.8 Ketepatan Metode Peramalan 10

BAB 3 METODE PENELITIAN 11

3.1 Metode Penelitian 11

3.2 Sumber Data Penelitian 12

3.3 Waktu dan Tempat Penelitian 13

(9)

4.2 Pengumpulan Data Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan 14 4.3 Metode Pemulusan Eksponensial Ganda: Metode Linier

Satu-Parameter dari Brown 15

4.3.1 Penaksiran Model Peramalan 15

4.4 Penentuan Bentuk Persamaan Peramalan 39

4.5 Penentuan Nilai Peramalan 40

BAB 5 KESIMPULAN DAN SARAN 42

5.1 Kesimpulan 42

5.2 Saran 43

DAFTAR PUSTAKA LAMPIRAN

(10)

Halaman Tabel 4.1 Data PDRB Sektor Pertanian Kabupaten Tapanuli Selatan

Atas Harga Konstan dan Atas Dasar Harga Berlaku Menurut

Lapangan Usaha Tahun 2008-2016 (Jutaan Rupiah) 14 Tabel 4.2 Peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku

(α = 0,1) 16

Tabel 4.3 Peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku

(α = 0,2) 17

(α = 0,3) 18

(α = 0,4) 19

(α = 0,5) 20

(α = 0,6) 21

(α = 0,7) 22

(α = 0,8) 23

(α = 0,9) 24

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan Atas Dasar

Harga Berlaku 25

Tabel 4.12 Peramalan PDRB Sektor Pertanian Atas Dasar Harga Konstan

(α = 0,1) 26

(α = 0,2) 27

(11)

(α = 0,4) 29

(α = 0,5) 30

(α = 0,6) 31

(α = 0,7) 32

(α = 0,8) 33

(α = 0,9) 34

Tabel 4.21 Perbandingan Ukuran Ketepatan Metode Peramalan Atas Dasar

Harga Konstan 35

Tabel 4.22 Ketepatan Peramalan PDRB Sektor Pertanian Atas Dasar Harga

Berlaku (α = 0,5) 36

Tabel 4.23 Ketepatan Peramalan PDRB Sektor Pertanian Atas Dasar Harga

Konstan (α = 0,5) 38

Tabel 4.24 Peramalan PDRB Sektor Pertanian ADHB Tahun 2017, 2018

dan 2019 40

Tabel 4.25 Peramalan PDRB Sektor Pertanian ADHK Tahun 2017, 2018

dan 2019 41

(12)

Halaman Gambar 3.1 Peta Lokasi Badan Pusat Statistik Provinsi Sumatera Utara 13 Gambar 4.1 Grafik PDRB Sektor Pertanian Kabupaten Tapanuli Selatan

Atas Harga Konstan dan Atas Dasar Harga Berlaku Menurut Lapangan Usaha Tahun 2008-2016 (Jutaan Rupiah) 15 Gambar 4.2 Grafik Data Aktual dan Peramalan PDRB Sektor Pertanian

ADHB Kabupaten Tapanuli Selatan Tahun 2019 37 Gambar 4.3 Grafik Data Aktual dan Peramalan PDRB Sektor Pertanian

ADHK Kabupaten Tapanuli Selatan Tahun 2019 39

(13)

Nomor Lampiran

Judul Halaman

1 Surat Pengantar Riset 44

2 Surat Permohonan Pengantar Riset 45

3 Surat Balasan Permohonan Riset 46

4 Surat Keputusan Pembimbing Laporan Tugas Akhir 47 5 Keterangan Hasil Uji Implementasi Sistem Tugas Akhir 48

6 Kartu Bimbingan Tugas Akhir Mahasiswa 49

7 Data Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan Tahun 2008- 2016

50

(14)

PENDAHULUAN

1.1 Latar Belakang

Pembangunan ekonomi merupakan serangkaian usaha dan kebijaksanaan yang bertujuan untuk meningkatkan taraf hidup masyarakat, memperluas lapangan kerja, pemerataan pembagian pendapatan, meningkatkan hubungan ekonomi regional dan mengusahakan pergeseran kegiatan ekonomi dari sektor pertanian ke sektor sekunder dan tersier. Dengan kata lain arah dari pembangunan ekonomi adalah mengusahakan agar pendapatan masyarakat naik secara mantap dan tingkat pemerataannya semakin membaik sesuai dengan yang digariskan dalam GBHN dan UUD 1945 yaitu mencapai Masyarakat Adil dan Makmur.

Masyarakat adil dan makmur tercapai bila terpenuhinya kebutuhan materil dan sprituil, namun kriteria dan tolak ukurnya sebagai patokan belum ada yang pasti.

Jadi untuk analisa yang dilakukan semata-mata hanya berdasarkan pada kebutuhan secara fisik/materil.

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 bagaimana tingkat pembangunan adalah Produk Domestik Regional Bruto (PDRB).

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 bedasarkan harga berlaku dan harga konstan (Sadono Sukirno, 2006: 9).

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 suatu daerah pergeseran dan struktur perekonomian daerah. Sedangkan PDRB atas dasar harga konstan dapat mencerminkan perkembangan real ekonomi secara keseluruhan

(15)

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 tampak saat pengambilan keputusan (H. A. Manurung, 1990: 46)

Berdasarkan uraian diatas, maka penulis tertarik mengambil judul

“PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN KABUPATEN TAPANULI SELATAN TAHUN 2019”.

1.2 Rumusan Masalah

Sebagai rumusan masalah yang akan dianalisis dalam penelitian ini adalah sebagai berikut:

1. Untuk mengetahui model persamaan yang cocok dipakai untuk meramalkan jumlah pendapatan PDRB Sektor Pertanian Kabupaten Tapanuli Selatan untuk tahun 2019 dengan menggunakan Pemulusan Eksponensial Ganda: metode linier Satu-Parameter dari Brown.

2. Berapa jumlah pendapatan PDRB Sektor Pertanian Kabupaten Tapanuli Selatan yang diramalkan untuk tahun 2019.

1.3 Batasan Masalah

Agar penulisan Tugas Akhir ini tidak menyimpang dari apa yang telah dirumuskan serta untuk menyederhanakan penelitian ini, maka penulis memerlukan batasan-batasan. Adapun batasan-batasan dalam penelitian ini adalah:

1. Yang diramalkan hanya Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan pada tahun 2019.

2. Data yang digunakan hanya data tahun 2008-2016.

(16)

3. Penulis tidak menganalisa faktor-faktor yang mempengaruhi Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan.

4. Metode yang digunakan adalah Pemulusan Eksponensial Ganda: metode Linier Satu Parameter dari Brown.

1.4 Tujuan Penelitian

Adapun tujuan penelitian adalah:

1. Untuk mengetahui persamaan yang cocok dalam meramalkan Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan.

2. Untuk mengetahui peramalan Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan pada tahun 2019.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah:

1. Untuk melengkapi dan memenuhi persyaratan dalam menyelesaikan pendidikan D-3 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 ilmu bagi penulis.

(17)

TINJAUAN PUSTAKA

2.1 Produk Domestik Regional Bruto (PDRB)

Semua barang dan jasa sebagai hasil dari kegiatan-kegiatan ekonomi yang beroperasi diwilayah domestik, tanpa memperhatikan apakah faktor produksinya berasal dari atau dimiliki oleh penduduk daerah tersebut, merupakan produk domestik daerah yang bersangkutan. Pendapatan yang timbul oleh karena adanya kegiatan produksi tersebut merupakan pendapatan domestik. Yang dimaksud dengan wilayah domestik suatu dearah adalah meliputi daratan dan lautan yang berada didalam batas-batas geografis daerah tersebut.

Kenyataan menunjukkan bahwa sebagian dari faktor produksi yang digunakan dalam kegiatan produksi disuatu daerah bersal dari dari daerah lain atau dari luar negeri, demikian juga sebaliknya faktor produksi yang dimiliki oleh penduduk daerah tersebut ikut serta dalam proses produksi di daerah lain atau luar negeri. Hal ini menyebabkan nilai produk domestik yang timbul disuatu daerah tidak sama dengan pendapatan yang diterima penduduk derah tersebut.

Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB) yang dihasilkan oleh setiap kegiatan/lapangan usaha. Dalam perhitungan PDRB, seluruh lapangan usaha dikelompokkan menjadi Sembilan faktor ekonomi.

Ini sesuai dengan pembagian yang digunakan dalam perhitungan Produk Domestik Bruto (PDRB) ditingkat nasional. Hal ini juga memudahkan para analisis 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

(18)

d. Subsektor kehutanan e. Subsektor perikanan

2. Sektor Pertambangan dan Penggalian a. Subsektor minyak dan gas

b. Subsektor Pertambangan dan migas c. Subsektor penggalian

3. Sektor Perdangan, Hotel dan Restoran a. Subsektor Perdagangan besar dan kecil b. Subsektor hotel

c. Subsektor restoran

4. Sektor Industri Pengolahan

a. Subsektor industry besar dan sedang b. Subsektor pengilangan minyak c. Industri kecil rumah tangga

5. Sektor Listrik, Gas, dan Air bersih a. Subsektor listrik

b. Subsektor gas kota c. Subsektor air bersih

6. Sektor bangunan

7. Sektor Pengangkutan dan Komunikasi a. Subsektor Pengangkutan

1) Angkutan rel

2) Angkutan laut, sungai dan danau 3) Angkutan udara

4) Angkutan penunjangan dan pengangkutan b. Subsektor komunikasi

(19)

8. Sektor jasa-jasa

a. Subsektor pemerintahan b. Subsektor swasta

1) Sosial kemasyarakatan 2) Hiburan dan rekreasi

3) Perorangan dan rumah tangga

9. Sektor Keuangan, Persewaan dan Jasa Perusahaan a. Subsektor bank

b. Subsektor lembaga keuangan bukan bank c. Subsektor jasa penunjang keuangan d. Subsektor sewa bangunan

2.2 Perhitungan Pendapatan PDRB

Perhitungan pendapatan PDRB ini dibagi menjadi dua bagian, yaitu:

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 (NTB) 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

PDRB atas dasar harga konstan dapat mencerminkan perkembangan real ekonomi secara keseluruhan dari tahun yang digambarkan melalui laju pertumbuhan ekonomi.

Nilai Tambah Bruto (NTB) atas dasar harga konstan ini hanya menggambarkan perubahan volume/kuantum pruduksi saja. Perhitungan atas dasar harga konstan ini berguna untuk melihat perubahan ekonomi secara keseluruhan

(20)

maupun secara sektoral. Juga untuk melihat perubahan struktur perekonomian sustu kota di provinsi dari tahun ke tahun.

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 memperkirakan atau mengistimasikan apa yang akan terjadi pada masa yang akan datang, tetapi belum tentu bisa dilaksanakan. Peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian masa lalu.

Makridakis (1994: 39-40) menyatakan bahwa ada tiga sumber utama untuk mengidentifikasi ketidakakuratan dalam peramalan, yaitu:

1. Kesalahan dalam identifiksi 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 hubungan rata-rata dapat diidentifikasi, fluktuasi di sekitar nya terjadi pada hampir semua kasus. Dan tujuan dari model statistik ini adalah untuk mengidentifikasi pola atau hubungan sedemikian rupa sehingga fluktasi 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 memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data relevan dengan masa yang lalu. Jenis dari metode ramalan ini dapat menjadi beberapa metode, diantaranya adalah metode pemulusan (smoothing), metode Box-Jenkins (Arima) dan metode Regresi.

(21)

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 perencaaan dan peramalan. Bila waktu tenggang ini besar nya nol atau sangat kecil, maka tiak dibutuhkan peramalan.

Bila waktu tenggang tersebut panjang dan hasil yang di peroleh membutuhkan faktor-faktor yang menyatakan bahwa perencaan 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 dengan erat dengan pengambilan suatu keputusan.

Baik tidaknya suatu peramalan sangat bergantung terhadap metode peramalan yang digunakan. Oleh karena itu, ketepatan dari metode peralaman digunakan.

Walaupun demikian perlu diketahui bahwa suatu peramalan selalu ada unsur kesalahannya. Baik kesalahan ketika pengumpulan 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 ditinjau dari jangka waktu, peramalan dapat dibedakan menjadi peramalan jangka pendek dan peramalan jangka panjang.

Berdasarkan ruang lingkupnya, peramalan dibedakan menjadi peramalan mikro dan peramalan makro. Dan jika berdasarkan metode peramalan yang digunakan, peramalan dibedakan menjadi metode kualitatif dan metode kuantitatif.

(22)

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 kesalahan dalam meramal yang biasanya diukur dengan mean squared error.

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 dengan kondisi masa yang akan datang.

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

1. Pengumpulan data

Langkah pertaman 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 yang 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.

4. Menggunakan model yang dipilih untuk dijadikan alat peramalan.

(23)

2.7 Ketepatan Metode Permalan

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 mean squared error. Metode double exponensial smoothing biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan. Maksudnya data tersebut 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 ) X_t = Data aktual pada periode ke t

F_t = Nilai ramalan pada periode ke t

n = Banyaknya periode waktu yang dianalisa

( Makridakis, 1999:59 )

(24)

METODE PENELITIAN

3.1 Metode Penelitian

Metode yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Ruang lingkup

Pengambilan data dilakukan di BPS Provinsi Sumatera Utara. Data yang diambil adalah data PDRB Sektor Pertanian Kabupaten Tapanuli Selatan tahun 2008-2016.

2. Variabel

Variabel yang diteliti adalah PDRB Sektor Pertanian Kabupaten Tapanuli Selatan tahun 2008-2016 sebagai dasar untuk meramalkan pada tahun 2019

3. Metode Pengambilan data

Metode pengambilan data yang dilakukan adalah:

a. Pengumpulan Data

Metode ini digunakan untuk mendapatkan data tentang PDRB Sektor Pertanian Kabupaten Tapanuli Selatan tahun 2008-2016. Data yang diambil merupakan data sekunder karena diperoleh dari BPS Provinsi Sumatera Utara.

b. Literatur

Penulis mengumpulkan dan memilih sumber bacaan (buku-buku) yang berkaitan dengan Tugas Akhir ini.

4. Metode Analisa Data

Metode analisa 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 metode peramalan yang lainnya. Tahap-tahap yang dilakukan dalam menentukan ramalan ini adalah:

(25)

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) a_t = S’_t + (S’_t – S”_t) = 2S’_t – S”_t d. Menetukan besarnya pemulusan (b_t)

bt =

(S’t – S”t)

e. Menentukan besarnya peramalan (F_t+m) F_t+m = a_t + b_t m

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)

3.2 Sumber Data Penelitian

Data yang dipergunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Adapun data tersebut adalah data Produk Domestik Regional Bruto (PDRB) Sektor Pertanian Kabupaten Tapanuli Selatan tahun 2008-2016.

(26)

3.3 Waktu dan Tempat Penelitian

Penelitian dilakukan pada bulan April sampai Mei 2018 di Kantor Badan Pusat Statistik (BPS) Provinsi Sumatera Utara yang berlokasi di Jl. Asrama No. 179 Dwi Kora, Medan Helvetia, Kota Medan, Sumatera Utara.

3.4 Peta Lokasi Penelitian

Gambar 3.1 Peta Lokasi Badan Pusat Statistik Provinsi Sumatera Utara

(27)

BAB 4

PEMBAHASAN DAN HASIL

4.1 Arti Analisis Data

Defenisi analisis 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 Bogda dan Taylor (1974) Analisa 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 Kabupaten Tapanuli Selatan

Seperti yang dijelaskan pada bab 1, data yang digunakan dalam Tugas Akhir ini adalah data sekunder, dimana data ini diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Yaitu data Produk Domestik Regional Bruto (PDRB) Kabupaten Tapanuli Selatan Sektor Pertanian atas dasar harga berlaku dan atas dasar harga konstan menurut lapangan usaha dari tahun 2008-2016.

Dari pengumpulan data yang telah dilakukan, maka diperoleh data pada tahun 2008-2016 sebagai berikut:

Tabel 4.1 Data PDRB Sektor Pertanian Kabupaten Tapanuli Selatan Atas Harga Berlaku dan Atas Dasar Harga Konstan Menurut Lapangan Usaha Tahun 2008-2016 (Jutaan Rupiah)

Tahun Atas Dasar Harga Berlaku Atas Dasar Harga Konstan

2008 1.049.402,76 495.514,20

2009 1.157.557,52 522.614,68

2010 1.417.397,09 559.782,33

2011 1.678.388,58 591.189,91

2012 1.923.300,40 629.901,88

2013 3.906.798,41 3.369.650,33

2014 4.115.882,92 3.497.803,60

(28)

sumber : Badan Pusat Statistik (BPS) Provinsi Sumatera Utara

Gambar 4.1 Grafik PDRB Sektor Pertanian Kabupaten Tapanuli Selatan Atas Dasar Harga Berlaku dan Atas Dasar Harga Konstan Menurut Lapangan Usaha Tahun 2008-2016 (Jutaan Rupiah)

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

4.3.1 Penaksiran Model Peramalan

Dalam pengolahan data penganalisaan data, penulis mengaplikasikan data-data (tabel 4.1) dengan metode peramalan (forecasting) berdasarkan pemulusan eksponensial ganda: metode linier satu parameter dari Brown. Untuk memenuhi perhitungan pemulusan 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 data asli dikurangi hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara matematis rumus MSE tahap pertama perhitungan ini adalah nilai PDRB atas dasar harga berlaku sebagai berikut:

0 500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000 4500000 5000000

2008 2009 2010 2011 2012 2013 2014 2015 2016

Atas Dasar Harga Berlaku Atas Dasar Harga Konstan

Tahun Atas Dasar Harga Berlaku Atas Dasar Harga Konstan

2015 4.268.196,74 3.608.682,65

2016 4.568.633,03 3.763.500,85

(29)

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

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1060218.24 1050484.31 1069952.16 1081.55

2010 1417397.09 1095936.12 1055029.49 1136842.75 4545.18 1071033.71 119967589619.57 2011 1678388.58 1154181.37 1064944.68 1243418.06 9915.19 1141387.94 288369692515.62 2012 1923300.40 1231093.27 1081559.54 1380627.00 16614.86 1253333.25 448855988055.23 2013 3906798.41 1498663.78 1123269.96 1874057.61 41710.42 1397241.86 6297874056266.48 2014 4115882.92 1760385.70 1186981.53 2333789.86 63711.57 1915768.03 4840505516964.43 2015 4268196.74 2011166.80 1269400.06 2752933.54 82418.53 2397501.44 3499500923945.21 2016 4586633.03 2268713.43 1369331.40 3168095.45 99931.34 2835352.07 3066985001748.95

Jumlah 18562058769115.50

Untuk α = 0,1 dan n = 7 Maka :

MSE = n

e

n

i



i

1 2

=

(30)

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1071033.71 1053728.95 1088338.47 4326.19

2010 1417397.09 1140306.39 1071044.44 1209568.34 17315.49 1092664.66 105451148495.85 2011 1678388.58 1247922.83 1106420.12 1389425.54 35375.68 1226883.82 203856543968.21 2012 1923300.40 1382998.34 1161735.76 1604260.92 55315.65 1424801.21 248501438123.62 2013 3906798.41 1887758.35 1306940.28 2468576.43 145204.52 1659576.57 5050006015072.10 2014 4115882.92 2333383.27 1512228.88 3154537.66 205288.60 2613780.95 2256310331825.25 2015 4268196.74 2720345.96 1753852.29 3686839.63 241623.42 3359826.26 825136935989.62 2016 4586633.03 3093603.38 2021802.51 4165404.24 267950.22 3928463.05 433187726070.58

Jumlah 9122450139545.22

MSE = n

e

n

i



i

1 2

=

(31)

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1081849.19 1059136.69 1104561.69 9733.93

2010 1417397.09 1182513.56 1096149.75 1268877.37 37013.06 1114295.62 91870503540.97 2011 1678388.58 1331276.07 1166687.64 1495864.49 70537.89 1305890.43 138754872647.42 2012 1923300.40 1508883.37 1269346.36 1748420.37 102658.72 1566402.38 127376196265.92 2013 3906798.41 2228257.88 1557019.82 2899495.94 287673.46 1851079.09 4225981935366.72 2014 4115882.92 2794545.39 1928277.49 3660813.29 371257.67 3187169.40 862508807476.54 2015 4268196.74 3236640.80 2320786.48 4152495.11 392508.99 4032070.97 55755380974.67 2016 4586633.03 3641638.47 2717042.08 4566234.86 396255.60 4545004.10 1732967555.26

Jumlah 5503980663827.50

MSE = n

e

n

i



i

1 2

=

(32)

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1092664.66 1066707.52 1118621.81 17304.76

2010 1417397.09 1222557.63 1129047.57 1316067.70 62340.05 1135926.57 79225654754.95 2011 1678388.58 1404890.01 1239384.55 1570395.48 110336.98 1378407.75 89988500047.38 2012 1923300.40 1612254.17 1388532.39 1835975.94 149147.85 1680732.46 58839206214.44 2013 3906798.41 2530071.86 1845148.18 3214995.55 456615.79 1985123.79 3692833344844.68 2014 4115882.92 3164396.29 2372847.42 3955945.15 527699.24 3671611.34 197377241225.62 2015 4268196.74 3605916.47 2866075.04 4345757.89 493227.62 4483644.39 46417690402.63 2016 4586633.03 3998203.09 3318926.26 4677479.92 452851.22 4838985.51 63681775182.16

Jumlah 4228363412671.85

MSE = n

e

n

i



i

1 2

=

(33)

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1103480.14 1076441.45 1130518.83 27038.69

2010 1417397.09 1260438.62 1168440.03 1352437.20 91998.58 1157557.52 67516602137.78 2011 1678388.58 1469413.60 1318926.82 1619900.38 150486.78 1444435.78 54733912627.84 2012 1923300.40 1696357.00 1507641.91 1885072.09 188715.09 1770387.16 23382458202.73 2013 3906798.41 2801577.70 2154609.81 3448545.60 646967.90 2073787.18 3359930160141.06 2014 4115882.92 3458730.31 2806670.06 4110790.57 652060.25 4095513.50 414913194.75 2015 4268196.74 3863463.53 3335066.79 4391860.26 528396.73 4762850.82 244682657624.01 2016 4586633.03 4225048.28 3780057.54 4670039.02 444990.74 4920256.99 111304948875.49

Jumlah 3861965652803.67

MSE = n

e

n

i



i

1 2

=

(34)

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1114295.62 1088338.47 1140252.76 38935.71

2010 1417397.09 1296156.50 1213029.29 1379283.71 124690.82 1179188.47 56743345689.47 2011 1678388.58 1525495.75 1400509.16 1650482.33 187479.88 1503974.53 30420261814.12 2012 1923300.40 1764178.54 1618710.79 1909646.29 218201.62 1837962.21 7282607245.95 2013 3906798.41 3049750.46 2477334.59 3622166.33 858623.80 2127847.91 3164664868072.54 2014 4115882.92 3689429.94 3204591.80 4174268.07 727257.21 4480790.13 133157274789.54 2015 4268196.74 4036690.02 3703850.73 4369529.31 499258.93 4901525.28 401105040281.38 2016 4586633.03 4366655.83 4101533.79 4631777.86 397683.06 4868788.24 79611561521.50

Jumlah 3872984959414.50

MSE = n

e

n

i



i

1 2

=

(35)

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1125111.09 1102398.59 1147823.59 52995.83

2010 1417397.09 1329711.29 1261517.48 1397905.10 159118.89 1200819.42 46905885410.01 2011 1678388.58 1573785.39 1480105.02 1667465.77 218587.54 1557023.99 14729363997.14 2012 1923300.40 1818445.90 1716943.63 1919948.16 236838.61 1886053.31 1387346069.55 2013 3906798.41 3280292.66 2811287.95 3749297.36 1094344.32 2156786.78 3062540717945.34 2014 4115882.92 3865205.84 3549030.47 4181381.21 737742.52 4843641.68 529632810332.14 2015 4268196.74 4147299.47 3967818.77 4326780.17 418788.30 4919123.73 423705948953.12 2016 4586633.03 4454832.96 4308728.70 4600937.22 340909.93 4745568.47 25260473124.17

Jumlah 4104162545831.47

MSE = n

e

n

i



i

1 2

=

(36)

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1135926.57 1118621.81 1153231.33 69219.05

2010 1417397.09 1361102.99 1312606.75 1409599.22 193984.94 1222450.38 38004221299.40 2011 1678388.58 1614931.46 1554466.52 1675396.40 241859.77 1603584.16 5595700533.41 2012 1923300.40 1861626.61 1800194.59 1923058.63 245728.07 1917256.17 36532686.31 2013 3906798.41 3497764.05 3158250.16 3837277.94 1358055.57 2168786.71 3020684684631.39 2014 4115882.92 3992259.15 3825457.35 4159060.94 667207.19 5195333.51 1165213570510.40 2015 4268196.74 4213009.22 4135498.85 4290519.60 310041.50 4826268.13 311443679810.33 2016 4586633.03 4511908.27 4436626.38 4587190.15 301127.54 4600561.09 193990959.86

Jumlah 4541172380431.10

MSE = n

e

n

i



i

1 2

=

(37)

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1146742.04 1137008.12 1156475.97 87605.36

2010 1417397.09 1390331.59 1364999.24 1415663.93 227991.12 1244081.33 30038353357.64 2011 1678388.58 1649582.88 1621124.52 1678041.24 256125.28 1643655.06 1206417745.03 2012 1923300.40 1895928.65 1868448.23 1923409.06 247323.72 1934166.52 118072621.66 2013 3906798.41 3705711.43 3521985.11 3889437.75 1653536.88 2170732.78 3013923872431.17 2014 4115882.92 4074865.77 4019577.71 4130153.84 497592.59 5542974.63 2036590756540.93 2015 4268196.74 4248863.64 4225935.05 4271792.24 206357.34 4627746.43 129275978750.75 2016 4586633.03 4552856.09 4520163.99 4585548.20 294228.94 4478149.58 11768658784.54

Jumlah 5222922110231.73

MSE = n

e

n

i



i

1 2

=

(38)

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 Kabupaten Tapanuli Selatan dengan MSE sebagai berikut:

Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan Atas Dasar Harga Berlaku

Nilai α MSE

0,1 2.651.722.681.302,21 0,2 1.303.207.162.792,17 0,3 786.282.951.975,35 0,4 604.051.916.095,97 0,5 551.709.378.971,95 0,6 553.283.565.630,64 0,7 586.308.935.118,78 0,8 648.738.911.490,15 0,9 746.131.730.033,10

Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil atau yang paling minimum yaitu pada α = 0,5 yaitu dengan MSE = 551.709.378.971,95

Rumus MSE tahap pertama pada perhitungan PDRB atas dasar harga konstan sebagai berikut:

(39)

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

2008 495514.20 495514.20 495514.20

2009 522614.68 498224.25 495785.20 500663.29 271.00

2010 559782.33 504380.06 496644.69 512115.42 859.49 500934.30 3463091105.67 2011 591189.91 513061.04 498286.33 527835.76 1641.64 512974.91 6117586600.43 2012 629901.88 524745.13 500932.21 548558.05 2645.88 529477.39 10085077545.03 2013 3369650.33 809235.65 531762.55 1086708.74 30830.34 551203.93 7943640133686.12 2014 3497803.60 1078092.44 586395.54 1569789.34 54632.99 1117539.09 5665659153638.04 2015 3608682.65 1331151.46 660871.13 2001431.79 74475.59 1624422.33 3937289004138.93 2016 3763500.85 1574386.40 752222.66 2396550.14 91351.53 2075907.39 2847971700049.70

Jumlah 20414225746763.90

MSE = n

e

n

i



i

1 2

=

(40)

2008 495514.20 495514.20 495514.20

2009 522614.68 500934.30 496598.22 505270.37 1084.02

2010 559782.33 512703.90 499819.36 525588.45 3221.14 506354.39 2854544558.93 2011 591189.91 528401.10 505535.71 551266.50 5716.35 528809.59 3891304772.44 2012 629901.88 548701.26 514168.82 583233.70 8633.11 556982.85 5317184562.80 2013 3369650.33 1112891.07 633913.27 1591868.88 119744.45 591866.81 7716081266205.78 2014 3497803.60 1589873.58 825105.33 2354641.83 191192.06 1711613.33 3190475678207.74 2015 3608682.65 1993635.39 1058811.34 2928459.44 233706.01 2545833.89 1129647486968.21 2016 3763500.85 2347608.48 1316570.77 3378646.20 257759.43 3162165.46 361604255942.59

Jumlah 12409871721218.50

MSE = n

e

n

i



i

1 2

=

(41)

2008 495514.20 495514.20 495514.20

2009 522614.68 503644.34 497953.24 509335.44 2439.04

2010 559782.33 520485.74 504712.99 536258.49 6759.75 511774.49 2304752893.50 2011 591189.91 541696.99 515808.19 567585.79 11095.20 543018.24 2320510137.42 2012 629901.88 568158.46 531513.27 604803.64 15705.08 578680.99 2623579619.52 2013 3369650.33 1408606.02 794641.10 2022570.94 263127.82 620508.72 7557779573029.26 2014 3497803.60 2035365.29 1166858.36 2903872.23 372217.26 2285698.77 1469198125907.05 2015 3608682.65 2507360.50 1569009.00 3445712.00 402150.64 3276089.49 110618209291.90 2016 3763500.85 2884202.61 1963567.08 3804838.13 394558.08 3847862.65 7116912585.64

Jumlah 9151961663464.29

MSE = n

e

n

i



i

1 2

=

(42)

2008 495514.20 495514.20 495514.20

2009 522614.68 506354.39 499850.28 512858.51 4336.08

2010 559782.33 527725.57 511000.39 544450.74 11150.12 517194.58 1813716109.36 2011 591189.91 553111.30 527844.76 578377.85 16844.36 555600.86 1266580650.73 2012 629901.88 583827.53 550237.87 617417.20 22393.11 595222.22 1202679117.35 2013 3369650.33 1698156.65 1009405.38 2386907.92 459167.51 639810.31 7452026525621.34 2014 3497803.60 2418015.43 1572849.40 3263181.46 563444.02 2846075.44 424749598224.20 2015 3608682.65 2894282.32 2101422.57 3687142.07 528573.17 3826625.48 47499077671.75 2016 3763500.85 3241969.73 2557641.43 3926298.03 456218.87 4215715.24 204497850958.84

Jumlah 8133056028353.57

MSE = n

e

n

i



i

1 2

=

(43)

2008 495514.20 495514.20 495514.20

2009 522614.68 509064.44 502289.32 515839.56 6775.12

2010 559782.33 534423.39 518356.35 550490.42 16067.03 522614.68 1381434206.52 2011 591189.91 562806.65 540581.50 585031.80 22225.15 566557.45 606758085.65 2012 629901.88 596354.26 568467.88 624240.65 27886.38 607256.94 512793194.38 2013 3369650.33 1983002.30 1275735.09 2690269.50 707267.21 652127.03 7384932899630.51 2014 3497803.60 2740402.95 2008069.02 3472736.88 732333.93 3397536.71 10053448854.27 2015 3608682.65 3174542.80 2591305.91 3757779.69 583236.89 4205070.81 355678834406.25 2016 3763500.85 3469021.82 3030163.87 3907879.78 438857.96 4341016.58 333524417856.01

Jumlah 8086690586233.59

MSE = n

e

n

i



i

1 2

=

(44)

2008 495514.20 495514.20 495514.20

2009 522614.68 511774.49 505270.37 518278.60 9756.17

2010 559782.33 540579.19 526455.67 554702.72 21185.29 528034.78 1007907184.98 2011 591189.91 570945.62 553149.64 588741.61 26693.97 575888.01 234148033.44 2012 629901.88 606319.38 585051.48 627587.27 31901.84 615435.58 209273791.71 2013 3369650.33 2264317.95 1592611.36 2936024.54 1007559.88 659489.11 7344973813241.59 2014 3497803.60 3004409.34 2439690.15 3569128.53 847078.79 3943584.42 198720535440.03 2015 3608682.65 3366973.33 2996060.05 3737886.60 556369.91 4416207.32 652096087543.17 2016 3763500.85 3604889.84 3361357.93 3848421.75 365297.87 4294256.50 281701563182.01

Jumlah 8478943328416.93

MSE = n

e

n

i



i

1 2

=

(45)

2008 495514.20 495514.20 495514.20

2009 522614.68 514484.54 508793.44 520175.64 13279.24

2010 559782.33 546192.99 534973.12 557412.86 26179.69 533454.87 693135044.74 2011 591189.91 577690.83 564875.52 590506.15 29902.40 583592.55 57719903.28 2012 629901.88 614238.57 599429.65 629047.48 34554.13 620408.54 90123423.47 2013 3369650.33 2543026.80 1959947.66 3126105.95 1360518.00 663601.61 7322699669060.33 2014 3497803.60 3211370.56 2835943.69 3586797.43 875996.03 4486623.95 977765682352.44 2015 3608682.65 3489489.02 3293425.42 3685552.62 457481.73 4462793.46 729505282637.80 2016 3763500.85 3681297.30 3564935.74 3797658.87 271510.32 4143034.36 144045682948.84

Jumlah 9174857295370.90

MSE = n

e

n

i



i

1 2

=

(46)

2008 495514.20 495514.20 495514.20

2009 522614.68 517194.58 512858.51 521530.66 17344.31

2010 559782.33 551264.78 543583.53 558946.04 30725.02 538874.97 437117785.80 2011 591189.91 583204.88 575280.61 591129.16 31697.09 589671.05 2306922.33 2012 629901.88 620562.48 611506.11 629618.85 36225.49 622826.24 50064649.71 2013 3369650.33 2819832.76 2378167.43 3261498.09 1766661.32 665844.35 7310566782242.46 2014 3497803.60 3362209.43 3165401.03 3559017.83 787233.60 5028159.41 2341988914867.71 2015 3608682.65 3559388.01 3480590.61 3638185.40 315189.58 4346251.43 544007711866.68 2016 3763500.85 3722678.28 3674260.75 3771095.82 193670.14 3953374.98 36052185726.71

Jumlah 10233105084061.40

MSE = n

e

n

i



i

1 2

=

(47)

2008 495514.20 495514.20 495514.20

2009 522614.68 519904.63 517465.59 522343.68 21951.39

2010 559782.33 555794.56 551961.66 559627.46 34496.07 544295.06 239855408.15 2011 591189.91 587650.38 584081.50 591219.25 32119.84 594123.53 8606135.69 2012 629901.88 625676.73 621517.21 629836.25 37435.70 623339.09 43070252.22 2013 3369650.33 3095252.97 2847879.39 3342626.55 2226362.19 667271.96 7302848880694.78 2014 3497803.60 3457548.54 3396581.62 3518515.45 548702.23 5568988.73 4289807855020.21 2015 3608682.65 3593569.24 3573870.48 3613268.00 177288.85 4067217.68 210254374050.23 2016 3763500.85 3746507.69 3729243.97 3763771.41 155373.49 3790556.85 732027392.42

Jumlah 11803934668953.70

MSE = n

e

n

i



i

1 2

=

(48)

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 Kabupaten Tapanuli Selatan dengan MSE sebagai berikut:

Tabel 4.21 Perbandingan Ukuran Ketepatan Metode Peramalan Atas Dasar Harga Konstan

Nilai α MSE

0,1 2.916.317.963.823,41 0,2 1.772.838.817.316,92 0,3 1.307.423.094.780,61 0,4 1.161.865.146.907,65 0,5 1.155.241.512.319,08 0,6 1.211.277.618.345,27 0,7 1.310.693.899.338,7 0,8 1.461.872.154.865,91 0,9 1.686.276.381.279,1

Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil atau yang paling minimum yaitu pada α = 0,5 yaitu dengan MSE = 1.155.241.512.319,08.

Jadi dapat disimpulkan bahwa alpha (α) yang cocok meramalkan Produk Domestik Regional Bruto Sektor Pertanian Kabupaten Tapanuli Selatan tahun 2019 adalah 0,5 baik Atas Dasar Harga Berlaku maupun Atas Dasar Harga Konstan.

Dibawah ini akan diuraikan ukuran ketepatan peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku dan Atas Dasar Harga Konstan.

(49)

Tabel 4.22 Ketetapan Peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku (α=0,5)

Tahun X_t S'_t S"_t a_t b_t F_t+m e²

2008 1049402.76 1049402.76 1049402.76

2009 1157557.52 1103480.14 1076441.45 1130518.83 27038.69

2010 1417397.09 1260438.62 1168440.03 1352437.20 91998.58 1157557.52 67516602137.78 2011 1678388.58 1469413.60 1318926.82 1619900.38 150486.78 1444435.78 54733912627.84 2012 1923300.40 1696357.00 1507641.91 1885072.09 188715.09 1770387.16 23382458202.73 2013 3906798.41 2801577.70 2154609.81 3448545.60 646967.90 2073787.18 3359930160141.06 2014 4115882.92 3458730.31 2806670.06 4110790.57 652060.25 4095513.50 414913194.75 2015 4268196.74 3863463.53 3335066.79 4391860.26 528396.73 4762850.82 244682657624.01 2016 4586633.03 4225048.28 3780057.54 4670039.02 444990.74 4920256.99 111304948875.49

2017 5115029.76

2018 5560020.51

2019 6005011.25

(50)

Jika dilihat dari hasil perhitungan, peramalan PDRB dengan Atas Dasar Harga Berlaku untuk Sektor Pertanian Kabupaten Tapanuli Selatan setiap tahun meningkat. Gambaran mengenai hubungan antara perkembangan data aktual dengan nilai peramalan dengan Atas Dasar Harga Berlaku dapat dilihat pada grafik dibawah ini:

Gambar 4.2 Grafik data aktual dan Peramalan PDRB Sektor Pertanian ADHB Kabupaten Tapanuli Selatan Tahun 2019

0 1000000 2000000 3000000 4000000 5000000 6000000 7000000

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

Data Aktual dan Peramalan PDRB Sektor Pertanian ADHB Kabupaten Tapanuli Selatan Tahun 2019

Data Aktual Pemulusan Pertama Pemulusan Kedua Peramalan

(51)

Tabel 4.23 Ketetapan Peramalan PDRB Sektor Pertanian Atas Dasar Harga Kostan (α=0,5)

Tahun X_t S'_t S"_t a_t b_t F_t+m e²

2008 495514.20 495514.20 495514.20

2009 522614.68 509064.44 502289.32 515839.56 6775.12

2010 559782.33 534423.39 518356.35 550490.42 16067.03 522614.68 1381434206.52 2011 591189.91 562806.65 540581.50 585031.80 22225.15 566557.45 606758085.65 2012 629901.88 596354.26 568467.88 624240.65 27886.38 607256.94 512793194.38 2013 3369650.33 1983002.30 1275735.09 2690269.50 707267.21 652127.03 7384932899630.51 2014 3497803.60 2740402.95 2008069.02 3472736.88 732333.93 3397536.71 10053448854.27 2015 3608682.65 3174542.80 2591305.91 3757779.69 583236.89 4205070.81 355678834406.25 2016 3763500.85 3469021.82 3030163.87 3907879.78 438857.96 4341016.58 333524417856.01

2017 4346737.74

2018 4785595.70

2019 5224453.66

(52)

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 Kabupaten Tapanuli Selatan Tahun 2019

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 = 0,5 untuk nilai PDRB Atas Dasar Harga Berlaku dan Atas Dasar Harga Konstan.

Seperti yang telah dijelaskan pada bab 2 (tinjauan pustaka) persamaan yang dipakai dalam perhitungan peramalan untuk tahun berikutnya adalah sebagai berikut:

S’_t = α X_t+ (1-α) S’_t-1 S”_t = α S’_t + (1-α) S”_t-1

at = S’t + (S’t - S”t) = 2S’t – S”t

b_t =

(S’_t – S”_t) Ft+m = at + bt (m)

0 1000000 2000000 3000000 4000000 5000000 6000000

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

Data Aktual dan Peramalan PDRB Sektor Pertanian ADHK Kabupaten Tapanuli Selatan Tahun 2019

Data Aktual Pemulusan Pertama Pemulusan Kedua Peramalan

(53)

Berdasarkan data terkahir 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 F_t+m = 4.670.039,02 + 444.990,74 (m) 2. Untuk PDRB Atas Dasar Harga Konstan

Ft+m = 3.907.879,78 + 438.857,96 (m)

4.5 Penentuan Nilai Peramalan

Setelah diketahui model peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku, maka dapat dihitung peramalan untuk tahun 2017, 2018, 2019 seperti dibawah ini:

1. Nilai Peramalan Tahun 2017

F_t+m = 4.670.039,02 + 444.990,74 (m) Ft+1 = 4.670.039,02 + 444.990,74 (1)

= 5.115.029,76

F_t+m = 4.670.039,02 + 444.990,74 (m) Ft+2 = 4.670.039,02 + 444.990,74 (2)

= 5.560.020,51

F_t+m = 4.670.039,02 + 444.990,74 (m) F_t+3 = 4.670.039,02 + 444.990,74 (3)

= 6.005.011,25

Tabel 4.24 Peramalan PDRB Sektor Pertanian ADHB Tahun 2017, 2018, dan 2019

No Tahun Peramalan

1 2017 5.115.029,76

2 2018 5.560.020,51

3 2019 6.005.011,25

(54)

Dengan cara yang sama maka model peramalan PDRB Sektor Pertanian Atas Dasar Harga Konstan dapat dihitung peramalan untuk tahun 2017, 2018, 2019 seperti dibawah ini:

F_t+m = 3.907.879,78 + 438.857,96 (m) Ft+1 = 3.907.879,78 + 438.857,96 (1)

= 4.346.737,74

Ft+m = 3.907.879,78 + 438.857,96 (m) F_t+2 = 3.907.879,78 + 438.857,96 (2)

=4.785.595,70

3 Nilai Peramalan Tahun 2019

F_t+m = 3.907.879,78 + 438.857,96 (m) Ft+3 = 3.907.879,78 + 438.857,96 (3)

= 5.224.453,66

Tabel 4.25 Paramalan PDRB Sektor Pertanian ADHK Tahun 2017, 2018, dan 2019

No Tahun Peramalan

1 2017 4.346.737,74

2 2018 4.785.595,70

3 2019 5.224.453,66

(55)

KESIMPULAN DAN SARAN

5.1 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 = 0,5. Baik Atas Dasar Harga Berlaku maupun Atas Dasar Harga Konstan.

2. Data yang diperoleh dan diramalkan pada PDRB Sektor Pertanian Kabupaten Tapanuli Selatan dari tahun ke tahun meningkat. Peramalan Atas Dasar Harga Berlaku pada tahun 2019 meningkat dengan angka Rp. 6.005.011,25 (dalam jutaan). Sedangkan Atas Dasar Harga Konstan pada tahun yang sama juga meningkat dengan angka Rp. 5.224.453,66 (dalam jutaan).

3. Bentuk persamaan peramalan PDRB Sektor Pertanian Atas Dasar Harga Berlaku Kabupaten Tapanuli Selatan 2017-2019 adalah:

Ft+m = 4.670.039,02 + 444.990,74 (m)

4. Bentuk persamaan peramalan PDRB Sektor Pertanian Atas Dasar Harga Konstan Kabupaten Tapanuli Selatan tahun 2017-2019 adalah:

F_t+m = 3.907.879,78 + 438.857,96 (m)

5. Peramalan PDRB Sektor Pertanian Kabupaten Tapanuli Selatan baik Atas Dasar Harga Berlaku maupun Atas Dasar Harga Konstan Tahun 2017-2019 adalah:

No Tahun

Peramalan (Jutaan Rupiah)

ADHB ADHK

1 2017 5.115.029,76 4.346.737,74

2 2018 5.560.020,51 4.785.595,70

3 2019 6.005.011,25 5.224.453,66

(56)

5.2 Saran

Berdasarkan data yang diamati penulis memberi saran dari hasil peramalan PDRB Sektor Pertanian Kabupaten Tapanuli Selatan yaitu sebagai berikut:

1. Dalam menentukan peramalan PDRB Sektor Pertanian Kabupaten Tapanuli Selatan dengan menggunakan Pemulusan Eksponensial Ganda: metode linier satu Parameter dari Brown akan sangat membantu jika dibantu dengan alat komputer khususnya dengan aplikasi Microsoft Excel.

2. Dengan melihat perhitungan PDRB Sektor Pertanian Kabupaten Tapanuli Selatan ini cenderung meningkat dari tahun ke tahun, maka seharusnya pemerintah daerah Kabupaten Tapanuli Selatan membuat suatu kebijakan yang bisa memfasilitasi segala kemungkinan yang ada. Sehinggga perencanaan yang telah direncanakan tidak terkendala.