PERAMALAN PRODUKSI DAGING AYAM KAMPUNG DI PROVINSI SUMATERA UTARA PADA TAHUN 2020 LAPORAN TUGAS AKHIR RICKY WIBOWO

(1)

PERAMALAN PRODUKSI DAGING AYAM KAMPUNG DI PROVINSI SUMATERA UTARA PADA TAHUN 2020

LAPORAN TUGAS AKHIR

RICKY WIBOWO 152407032

PROGRAM STUDI D-3 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2018

(2)

PERAMALAN PRODUKSI DAGING AYAM KAMPUNG DI PROVINSI SUMATERA UTARA PADA TAHUN 2020

LAPORAN TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya

RICKY WIBOWO 152407032

PROGRAM STUDI D-3 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2018

(3)

RICKY WIBOWO 152407032

Medan,

11

^September²⁰¹⁸

Saya menyatakan bahwa laporan tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapakutipan dan ringkasanyangmasing-masingdisebutkansumbemya.

LAPORAN TUGAS AKHIR

PERAMALAN PRODUKSI DAGING AYAM KA.l\1PUNG DI PRO""1NST SUMATERA UTARA PADA TAHUN 2020

PERNYATAAN

(4)

Drs. Gim Tarigan, M.Si NIP. 19550202198601 1001 Pembimbing

Ketua Program Studi D-3 Statistika

Disetujui di

Medan,11 September 2018

PERAMALAN PRODUKSI DAGING AYAM KAMPUNG DI PROVINSJ SUMATERA UTARA P ADA TAHUN 2020

LAPORANTUGASAKHffi RICKY WlBOWO

152407032

DIPLOMA - 3 STATISTIKA

MIPA - UNIVERSITAS SUMATERA UTARA Kategori

Nama

Nomor Induk Mahasiswa Program Studi

Fakultas Judul

PENGESAHAN LAPORAN TUGAS AKHlR

(5)

ii

PERAMALAN PRODUKSI DAGING AYAM KAMPUNG DI

PROVINSI SUMATERA UTARA PADA TAHUN 2020

ABSTRAK

Penelitian ini diarahkan untuk meramalkan jumlah produksi daging ayam kampung untuk tahun 2020. Metode yang digunakan dalam penelitian ini adalah Metode Exponensial Smoothing dengan Metode Linier Satu Parameter Brown. Peramalan yaitu suatu kegiatan yang bertujuan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Data dalam penelitian ini menggunakan data sekunder.

Sumber data yang diperoleh dari Badan Pusat Statistika (BPS) Sumatera Utara dengan data dari tahun 2007-2016. Hasil ramalan jumlah produksi daging ayam kampung di provinsi sumatera utara tahun 2020 sebesar 19.145,26 ton. sehingga dapat disimpulkan bahwa jumlah produksi danging ayam kampung di provinsi Sumatera Utara mengalami kenaikan.

Kata Kunci : Metode Exponensial Smoothing, Produksi Daging Ayam kampung

(6)

iii

PERAMALAN PRODUKSI DAGING AYAM KAMPUNG DI

PROVINSI SUMATERA UTARA PADA TAHUN 2020

ABSTRACT

This research is aimed to predict the amount of chicken meat production for 2020.

The method used in this research is Exponential Smoothing Method with One Linear Parameter Brown Method. Forecasting is an activity that aims to predict what will happen in the future. Data in this research use secondary data. Source of data obtained from Central Statistics Agency (BPS) of North Sumatera with data from 2007-2016. The results of the forecast number of chicken meat production in the province of northern Sumatera in 2020 amounted to 19,145.26 tons. so it can be concluded that the amount of chicken meat production in North Sumatera province has increased.

Keyword : Exponential Smoothing Method, Chicken Meat Production.

(7)

iv

RICKY WIBOWO

Medan,

n

September 2018 Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis mampu menyelesaikan penyusunan Tugas Akhir ini dengan judul Peramalan Produksi Daging Ayam Kampung di Provinsi Sumatera Utara Pada Tahun 2020.

Terima kasih penulis sampaikan kepada Bapak Drs. Gim Tarigan, M.Si selaku dosen pembimbing yang telah meluangkan waktunya selama penyusunan laporan tugas akhir ini. Terimakasih kepada Ibu Dr. EUyRosmaini, M.Si dan Bapak Dr. Open Darnius, M.Sc selaku Ketua dan Sekretaris Program Studi D-3 Statistika FMIP A USU, Dekan dan Wakil Dekan FMIPA USU, seluruh Staf dan Dosen Program Studi D-3 Statisika FMIP A USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhimya tidak terlupakan kepada Bapak,lbu dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan akan membalasnya.

PENGHARGAAN

(8)

vi DAFTAR ISI

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 Latar Belakang 1

1.2 Permasalahan 2

1.3 Pembatas Masalah 2

1.3 Tujuan Penelitian 2

1.4 Manfaat Penelitian 2

BAB 2 TINJAUAN PUSTAKA

2.1 Pengertian Peramalan 3

2.2 Jenis-Jenis Peramalan 3

2.3 Langkah-langkah Peramalan 4

2.4 Pemilihan metode Peramalan 5

2.5 Kegunaan Peramalan 5

2.6 Metode Pemulusan (Smoothing) 6

2.7 Metode Pemulusan (Smoothing) yang Digunakan 7

2.8 Ketepatan Peramalan 8

BAB 3 METODE PENELITIAN

3.1 Waktu dan Tempat 10

(9)

vii

3.2 Peta Lokasi 10

3.3 Metode Pengumpulan Data 10

3.4 Metode Pengolahan Data 11

BAB 4 PEMBAHASAN DAN HASIL

4.1 Pengolahan Data 12

4.2 Pengolahan Data dengan Metode Smoothing Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown

13

4.3 Penaksiran Model Peramalan 18

4.4 Penentuan Bentuk Persamaan Peramalan 23

4.5 Peramalan Jumlah Produksi Daging Ayam Kampung untuk Tahun 2017,2018,2019 dan 2020

24

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan 26

5.2 Saran 27

DAFTAR PUSTAKA LAMPIRAN

(10)

vii DAFTAR TABEL

Halaman

Tabel 4.1 Data Produksi Daging Ayam Kampung di Provinsi Sumatera Utara Pada Tahun 2007-2016

12

Tabel 4.2 Data Produksi Daging Ayam Kampung di Provinsi Sumatera Utara Pada Tahun 2007-2016

13

Tabel 4.3 Perhitungan Peramalan Produksi Daging Ayam Kampung dengan Smoothing Eksponensial Ganda Linier Dari Brown dengan α = 0,1

18

Tabel 4.4 Perhitungan Peramalan Jumlah Produksi Daging Ayam Kampung dengan Smoothing Eksponensial

Ganda Linier Dari Brown dengan α = 0,2

19

Tabel 4.5 Perhitungan Peramalan Jumlah Produksi Daging Ayam Kampung dengan Smoothing Eksponensial Ganda Linier Dari Brown dengan α = 0,3

19

20

Tabel 4.7 Perhitungan Peramalan ProduksiDaging Ayam

Kampung dengan Smoothing Eksponensial Ganda Dari Brown dengan α = 0,5

20

Tabel 4.8 Perhitungan Peramalan Produksi Daging Ayam Kampung dengan Smoothing Eksponensial Ganda

21

(11)

viii Linier Dari Brown dengan α = 0,6

21

22

Tabel 4.12 Perbandingan Ukuran Ketepatan Metode Peramalan Jumlah Produksi Daging Ayam Kampung

23

Tabel 4.13 Peramalan Produksi Daging Ayam Kampung di Provinsi Sumatera Utara untuk Tahun 2017, 2018, 2019 dan 2020

25

(12)

viii DAFTAR GAMBAR

Halaman

Gambar 3.1 Peta Lokasi Penelitian 10

Gambar 4.1 Perkembangan Produksi Daging Ayam Kampung di

Provinsi Sumatera Utara Pada Tahun 2007-2016 13

(13)

ix DAFTAR LAMPIRAN

1 Perhitungan Peramalan Produksi Daging Ayam Kampung dengan Smoothing Eksponensial Ganda Linier Dari Brown dengan α = 0,4

29

2 Surat Permohonan Pengambilan Data 30

3 Surat Izin Pengambilan Data 31

4 Suran Balasan Pengambilan Data 32

5 Surat Keputusan (SK) Pembimbing Tugas Akhir 33

6 Kartu Bimbingan Tugas Akhir 34

7 Surat Keterangan Uji Hasil Implementasi Sistem Tugas Akhir 35

(14)

1

BAB 1 PENDAHULUAN

1.1. Latar Belakang

Kebutuhan daging ayam kampung sebagai salah satu sumber protein hewani semakin meningkat sejalan dengan meningkatnya kesadaran masyarakat terhadap pentingnya gizi yang seimbang, pertambahan penduduk dan meningkatnya daya beli masyarakat. Pemenuhan kebutuhan daging di Indonesia dapat berasal dari berbagai jenis ternak penghasil daging seperti sapi, kerbau, kambing, domba, dan berbagai jenis unggas lainnya.

Sebagai salah satu Provinsi yang memiliki pertumbuhan ekonomi yang stabil, Sumatera Utara merupakan kawasan industri penting di Indonesia. Berbagai Industri penting di wilayah ini, seperti peternakan, pertanian dan perkebunan (terutama kelapa sawit dan karet) menyebabkan peningkatan secara nyata pendapatan domestik regional. Peningkatan ekonomi tersebut berpengaruh terhadap pola konsumsi masyarakat setempat, yang secara langsung mendorong peningkatan permintaan terhadap bahan pangan, oleh karena itu penyediaan produk unggas termasuk daging ayam kampung di wilayah Sumatera Utara dituntut untuk terus meningkat.

Dengan semakin pentingnya pertanian dalam pembangunan Indonesia, yakni sub sektor peternakan komoditas daging ayam kampung di daerah Sumatera Utara, terutama dalam rangka tujuan swasembada, penting untuk dapat mengerti seberapa besar peningkatan produksi daging sapi untuk tahun kedepan. Banyak usaha yang dilakukan oleh pemerintah guna mencukupi kebutuhan masyarakat dalam penyediaan produksi daging ayam kampung, karena semakin lama kebutuhan masyarakat terhadap daging ayam kampung semakin meningkat dan peningkatan ini harus diimbangi dalam penyediaan daging ayam kampung tersebut. Dari uraian diatas, maka penulis tertarik mengadakan penelitian tentang produksi daging ayam kampung, dengan judul, “PERAMALAN PRODUKSI DAGING AYAM KAMPUNG DI PROVINSI SUMATERA UTARA TAHUN 2020”.

(15)

2

1.2 Permasalahan

Permasalahan dalam penelitian ini adalah: Bagaimana meramalkan produksi daging ayam kampung di Provinsi Sumatera Utara tahun 2020, dimana produksi daging sapi setiap tahun dapat diketahui apakah bertambah atau berkurang.

1.3 Pembatas Masalah

Lingkup yang akan dibahas mencakup analisa untuk mengetahui tingkat kenaikan/penurunan produksi daging ayam kampung serta memperkirakan produksi daging ayam kampung di Provinsi Sumatera Utara tahun 2020. Data yang menjadi rujukan adalah data dari tahun 2007 sampai tahun 2016 dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk memberikan gambaran seberapa besar produksi daging ayam kampong tahun 2020 di Provinsi Sumatera Utara, sehingga dapat menjadi acuan bagi Pemerintah untuk mengendalikan ketersediaan daging ayam kampung.

1.5 Manfaat Penelitian

Adapun manfaat penelitian ini adalah:

1. Sebagai bahan informasi bagi pihak-pihak yang berkepentingan dalam melihat perkembangan produksi daging ayam kampung di Sumatera Utara.

2. Sebagai bahan informasi bagi pemerintah untuk membuat kebijakan dalam mengendalikan ketersediaan daging ayam kampung di Sumatera Utara.

3. Sebnagai bahan rujukan bagi penelitian sejenis selanjutnya.

(16)

3

BAB 2

TINJAUAN PUSTAKA

2.1. Pengertian Peramalan

Peramalan (forecasting) menurut Sofyan Assauri (1984) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa yang akan datang..

Oleh karena itu perlu dilihat dan dikaji situasi dan kondisi pada saat kebijakan tersebut dilaksanakan.

Kegunaan dari peramalan dapat dilihat pada saat pengambilan keputusan.

Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang dialami kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan merupakan masalah yang dihadapi, maka peramalan juga merupakan masalah yang harus dihadapi, karena peramalan berkaitan erat dengan pengambilan keputusan.

2.2. Jenis-jenis Peramalan

Menurut Makridakis, Wheelright, dan McGee (1999), teknik peramalan dapat dibagi dalam 2 bagian jika dilihat dari sifatnya, yaitu:

a. Peramalan Kualitatif

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya, karena berdasarkan pemikiran yang bersifat instuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi dua, yaitu metode eksploratoris dan normative.

b. Peramalan Kuantitatif

Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur peramalan penyusunan dengan baik. Semakin baik dalam menggunakan prosedur peramalan, maka penyimpangan antara hasil peramalan dengan kenyataan yang terjadi juga semakin kecil.

Metode peramalan kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal. Peramalan kuantitatif dapat digunakan bila memenuhi syarat berikut:

(17)

4

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 di masa yang akan datang dan kondisi ini disebut dengan kondisi yang konstan.

Metode-metode peramalan dengan analisis deret waktu dibagi tiga yaitu:

1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak

Metode ini sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk ramalan jangka panjang.

2. Metode Regresi

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

3. Metode Box-Jenkins

Metode ini jarang dipakai, tetapi baik untuk ramalan jangka pendek, menengah, dan panjang.

2.3. Langkah-langkah Peramalan

Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga langkah peramalan yang penting, yaitu:

1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data maka dapat diketahui pola data tersebut.

2. Menentukan metode yang digunakan. Masing-masing metode akan memberikan hasil peramalan yang berbeda.

3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan.

2.4. Pemilihan Metode Peramalan

Dalam pemilihan metode peramalan, perlu diketahui terlebih dahulu ciri-ciri penting dalam pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan. Ada 6 faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu:

a. Horizon waktu

(18)

5

Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan, yaitu cakupan waktu di masa yang akan datang dan jumlah periode untuk peramalan yang diinginkan.

b. Pola Data

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

c. Jenis dan model

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

d. Biaya yang dibutuhkan

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

e. Ketepatan peramalan

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

f. Kemudahan dan penerapan

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

2.5. Kegunaan Peramalan

Kegunaan peramalan dalam suatu penelitian adalah untuk memperkirakan situasi dan kondisi yang akan terjadi dari suatu yang diteliti untuk masa yang akan datang setelah situasi tersebut dianalisis. Peramalan merupakan suatu alat bantu yang penting dalam perencanaan yang efektif dan efisien.

Dalam hal ini penyusunan suatu rencana untuk mencapai tujuan atau sasaran suatu organisasi/lembaga terdapat perbedaan waktu pelaksanaan. Perencanaan dan peramalan merupakan dua hal yang sangat erat kaitannya, hal ini dapat dilihat dalam penyusunan rencana, di mana dalam penyusunan ini melibatkan peramalan juga.

Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk menyusun rencana karena dapat membantu menganalisis data dari masa lalu, sehingga melalui metode peramalan akan didapat cara pemikiran dan pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketetapan hasil analisis.

(19)

6

2.6. Metode Pemulusan (Smoothing)

Metode pemulusan atau smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Metode smoothing banyak digunakan untuk menghilangkan atau mengurangi keteracakan dari data deret berkala. Secara umum, metode smoothing diklasifikasikan menjadi dua bagian, yaitu:

a. Metode Rata-rata

Metode rata-rata dibagi atas empat bagian, yaitu:

1. Nilai tengah (mean)

2. Rata-rata bergerak tunggal (single moving average) 3. Rata-rata bergerak ganda (double moving average) 4. Kombinasi rata-rata bergerak lainnya.

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

b. Metode Pemulusan Eksponensial

Bentuk umum dari pemulusan eksponensial adalah:

dengan:

= ramalan satu periode ke depan = data aktual pada periode ke-t = ramalan pada periode ke-t = parameter smoothing

Metode smoothing eksponensial terdiri atas:

1. Smoothing eksponensial tunggal

2. Smoothing eksponensial ganda, yang terdiri atas:

a. Metode linier satu parameter dari Brown b. Metode dua parameter dari Holt

2.7. Metode Smoothing yang Digunakan

Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang cepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan nilai produksi Daging ayam kampung pada pemecahan masalah ini

1 (1 )

t t t

F₊ =X + − F 2.1

1

Ft₊

Xt

Ft



(20)

7

adalah dengan menggunakan metode smoothing eksponensial ganda yaitu metode smoothing eksponensial satu parameter dari Brown.

Metode ini merupakan metode yang digunakan oleh Brown. Dasar pemikiran dari metode smoothing eksponensial linier satu parameter dari Brown adalah dengan rata-rata bergerak linier, karena kedua nilai smoothing tunggal dan ganda ketinggalan dari data sebenarnya.

Peramalan yang dapat dipakai dalam pelaksanaan smoothing eksponensial linier satu parameter dari Brown adalah sebagai berikut:

=

= =

dengan:

= nilai smoothing eksponensial tunggal

= nilai smoothing ganda , = konstanta smoothing

= hasil peramalan untuk m periode kedepan yang akan diramalkan

= kesalahan pada periode ke-t

2.8. Ketepatan Peramalan

Ketepatan peramalan adalah suatu hal yang mendasar dalam peramalan yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang,

S t X_t + −(1 )S_t₋₁ 2.2

S t S_t^+ −(1 )S_t^₋₁ 2.3

at S_t+(S_t−S_t)=2S_t−S_t 2.4

bt ( )

1 S^t S^t

 ^⁻ ^

− 2.5

Ft m₊ a_t +b m_t 2.6

et = X_t−F_t 2.7

S t

S t

at b_t

Ft m₊

et

(21)

8

untuk menguji kebenaran ramalan ini digunakan ketepatan. Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan adalah:

a. ME (Mean Error)/Nilai Tengah Kesalahan

b. MSE (Mean Square Error)/Nilai Tengah Kesalahan Kuadrat

c. MAE (Mean Absolute Error)/Nilai Tengah Kesalahan Absolut

`

d. MPE (Mean Percentage Error)/Nilai Tengah Kesalahan Persentase

e. MAPE (Mean Absolute Percentage Error)/Nilai Tengah Kesalahan Persentase Absolut

f. SSE (Sum Square Error)/Jumlah Kuadrat Kesalahan

dengan:

(kesalahan persentase pada periode ke-t)

1 N

t t

ME e

=

N

= 

2.8

2 1 N

t t

e MSE N

=



=

2.9

1 N

t t

e MAE N

=



=

2.10

1 N

t t

PE MPE N

=



=

2.11

1 N

t t

PE MAPE N

=



=

2.12

2 1 N

t

SSE et

=

= 

2.13

t t

t

X F

PE X

 − 

=  

  100

(22)

9

N= Banyaknya periode waktu

Metode peramalan yang dipilih adalah metode yang memberikan nilai MSE yang terkecil.

g. Pertumbuhan Geometri

Adapun rumus proyeksi geometri adalah sebagai berikut :

𝑃𝑡 = 𝑃𝑜(1 + 𝑟)^𝑡 2.14

dengan:

𝑃𝑡 = Jumlah hasil yang dicapai pada tahun t 𝑃𝑜 = Jumlah hasil yang dicapai pada tahun awal

𝑟 = Rata-rata tingkat perkembangan hasil yang dicapai per tahun 𝑡 = Jangka waktu (tahun)

(23)

10

BAB 3

METODE PENELITIAN

3.1 Waktu dan Tempat

Penelitian ini dilakukan pada Badan Pusat Statistik (BPS) Sumatera Utara Jalan. Asrama No.179, Dwi Kora, Medan Helvetia, Kota Medan, Sumatera Utara.Waktu Penelitian dimulai dari 04 September sampai dengan 14 September.

3.2 Peta Lokasi

Gambar 3.1 Peta Lokasi Penelitian

3.3 Metode Pengumpulan Data

Metode pengumpulan data untuk keperluan penelitian dilakukan penulis dengan menggunakan data sekunder. Data sekunder adalah data primer yang diperoleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram.

Pengumpulan data untuk keperluan penelitian ini penulis menggunakan data sekunder yang diperoleh dari Badan Pusat Statistika Sumatera Utara Jumlah Produksi Daging Ayam Kampung di Sumatera Utara pada tahun 2007-2016.

(24)

11

3.4 Metode Pengolahan Data

Metode Pengolahan data menggunakan metode peramalan smoothing eksponensial ganda yaitu metode linier satu-parameter dari Brown.

Adapun langkah-langkah yang dilakukan dalam pengolahan data adalah:

1) Melihat Pertumbuhan Geometri

2) Menghitung jumlah kuadrat error dari masing-masing α dengan menggunakan persamaan-persamaan yang telah ditetapkan.

3) Menentukan nilai MSE dari masing-masing α.

4) Menentukan nilai MSE terkecil.

5) Menentukan bentuk persamaan peramalan dengan menggunakan α dari nilai MSE terkecil.

6) Menentukan peramalan untuk periode berikutnya.

(25)

12

BAB 4

PEMBAHASAN DAN HASIL

4.1. Pengolahan Data

Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan suatu masalah secara keseluruhan. Data yang akan diolah oleh penulis adalah data per tahun produksi ikan laut di Sumatera Utara yang dimulai dari tahun 2007 sampai 2016. Metode yang digunakan untuk mengolah data tersebut adalah metode peramalan smoothing eksponensial ganda yaitu metode linier satu parameter dari Brown.

Tabel 4.1 Data Produksi Ayam Kampung di Sumatera Utara Tahun 2007-2016

Tahun

Produksi Daging Ayam Kampung (Ton)

2007 18320,17

2008 18057,26

2009 12768,57

2010 13734,64

2011 13430,39

2012 14314,07

2013 18435,18

2014 16647,62

2015 16904,89

2016 17831,07

Sumber: BPS Provinsi Sumatera Utara

(26)

13

Gambar 4.1 Perkembangan Jumlah Produksi Ayam Kampung di Sumatera Utara Tahun 2007-2016

4.2. Pengolahan Data dengan Metode Smoothing Eksponensial Ganda:

Metode Linier Satu-Parameter dari Brown

Tabel 4.2 Data Jumlah Produksi Daging Ayam Kampung di Sumatera Utara Tahun 2007-2016

Periode Tahun Produksi Daging Ayam Kampung

1 2007 18320,17

2 2008 18057,26

3 2009 12768,57

4 2010 13734,64

5 2011 13430,39

6 2012 14314,07

7 2013 18435,18

8 2014 16647,62

9 2015 16904,89

10 2016 17831,07

Langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan metode pemulusan eksponensial ganda: metode linier satu-parameter dari Brown adalah:

0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Ton

Produksi Daging Ayam Kampung

Tahun

Produksi Daging Ayam Kampung

(27)

14

1. Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0

< α < 1.

2. Menghitung harga smoothing eksponensial tunggal dengan menggunakan persamaan 2.2.

• α = 0,1 S 1

= 18320,17 S 2

= (0,1)(18057,26) + (1 − 0,1)(18320,17) = 18293.88 S 3

= (0,1)(12768,57) + (1 − 0,1)(18293.88) = 17741,35 dst.

• α = 0,2 S 1

= 18320,17

S 2 = (0,2)(18057,26) + (1 − 0,2)(18320,17) =18267,59 S 3

= (0,2)(12768,57) + (1 − 0,2)(18267,59) = 17167,78 dst.

. . .

• α = 0,9 S 1

= 18320,17 S 2

= (0,9)(18057,26) + (1 − 0,9)(18320,17) = 18083,55 S 3

= (0,9)(12768,57) + (1 − 0,9)(18083,55) =13300,07 dst.

3. Menghitung harga smoothing eksponensial ganda dengan menggunakan persamaan 2.3.

• α = 0,1

𝑆₁^" = 18320,17

𝑆₂^" = (0,1)(18293,88) + (1 − 0,1)(18320,17) = 18317,54 𝑆₃^" = (0,1)(17741,35) + (1 − 0,1)(18317,54) = 18259,92 dst.

(28)

15

• α = 0,2

𝑆₁^" =18320,17

𝑆₂^" = (0,2)(18267,59) + (1 − 0,2)(18320.17) = 18309,65 𝑆₃^" = (0,2)(17167,78) + (1 − 0,2)(18309,65) = 18081,28 dst.

. . .

• α = 0,9

𝑆₁^" = 18320,17

𝑆₂^" = (0,9)(18083,55) + (1 − 0,9)(18320.17) = 18107,21 𝑆₃^" = (0,9)(13300,07) + (1 − 0,9)(18107,21) = 13780,78 dst.

4. Menghitung koefisien a^t

dan ^b^t dengan menggunakan persamaan 2.4 dan persamaan 2.5.

• α = 0,1 𝑎₁ = −

𝑎₂ = 2(18293,88) − (18317,54) = 18270,22 𝑎₃ = 2(17741,35) − (18259,92) = 17222,77 dst.

𝑏₁ = − 𝑏₂ = ^0,1

1−0,1(18293,88 − 18317,54) = -2,63 𝑏₃ = ^0,1

1−0,1(17741,35 − 18259,92) = -57,62 dst.

• α = 0,2 𝑎₁ = −

𝑎₂ = 2(18267,59) − (18309,65) = 18225,52 𝑎₃ = 2(17167,78) − (18081,28) = 16254,29 dst.

𝑏₁ = − 𝑏₂ = 0,2

1 − 0,2(18267,59 − 18309,65) = −10,52

(29)

16

𝑏₃ = ^0,2

1−0,2(17167,78 − 18081,28) = -228,37 dst.

. . .

• α = 0,9 𝑎₁ = −

𝑎₂ = 2(18083,55) − (18107,21) = 18059,89 𝑎₃ = 2(13300,07) − (13780,78) = 12819,35 dst.

𝑏₁ = − 𝑏₂ = 0,9

1 − 0,9(18083,55 − 18107,21) = −212,96 𝑏₃ = ^0,9

1−0,9(13300,07 − 13780,78) = -4326,43 dst.

5. Menghitung trend peramalan F^{t m}₊

dengan menggunakan persamaan 2.6.

• α = 0,1 𝐹₁ = − 𝐹₂ = −

𝐹₃ = (18270,22 − 2,63)(1) = 18267,59 𝐹₄ = (17222,77 − 57,62)(1) = 17165,16 dst.

• α = 0,2 𝐹₁ = − 𝐹₂ = −

𝐹₃ = (18225,52 − 10,52)(1) = 18215,01 𝐹₄ = (16254,29 − 228,37)(1) = 16025,92 dst.

. . .

(30)

17

• α = 0,9 𝐹₁ = − 𝐹₂ = −

𝐹₃ = (18059,89 − 212,96)(1) = 17846,93 𝐹₄ = (12819,35 − 4326.43)(1) = 8492,92 dst.

6. Menghitung nilai kesalahan (error) dengan menggunakan persamaan 2.7.

• α = 0,1 𝑒₁ = − 𝑒₂ = −

𝑒₃ = 12768,57 − 18267,59 = -5499,02 𝑒₄ = 13734,64 − 17165,16 = −3430,52 dst.

• α = 0,2 𝑒₁ = − 𝑒₂ = −

𝑒₃ = 12768,57 − 18215,01 = −5446,44 𝑒₄ = 13734,64 − 16025,92 = −2291,28 dst.

. . .

• α = 0,9 𝑒₁ = − 𝑒₂ = −

𝑒₃ = 12768,57 − 17846,93 = −5078,36 𝑒₄ = 13734,64 − 8492,92 = 5241,72 dst.

Untuk α = 0,3 sampai dengan α = 0,8 hasilnya pada Tabel 4.3 – Tabel 4.

4.3. Penaksiran Model Peramalan

Dalam mengolah data pada Tabel 4.2, penulis menggunakan metode peramalan yaitu dengan metode smoothing eksponensial satu parameter dari Brown.

Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan

(31)

18

yang akan datang, maka kita harus menentukan parameter dari nilai α terlebih dahulu yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α yang dipilih dari 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masing-masing elemen dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.

Untuk menghitung nilai MSE adalah pertama dicari terlebih dahulu error yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error (persamaan 2.9).

Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,1

4.3. Penaksiran Model Peramalan

Dalam mengolah data pada Tabel 4.2, penulis menggunakan metode peramalan yaitu dengan metode smoothing eksponensial satu parameter dari Brown.

Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang, maka kita harus menentukan parameter dari nilai α terlebih dahulu yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α yang dipilih dari 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masing-masing elemen dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.

Untuk menghitung nilai MSE adalah pertama dicari terlebih dahulu error yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error (persamaan 2.9).

Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,1

18.320,17 18.320,17 18.320,17 - - - - -

18.057,26 18.293,88 18.317,54 18.270,22 -2,63 - - -

12.768,57 17.741,35 18.259,92 17.222,77 -57,62 18.267,59 -5.499,02 30.239.198,96 13.734,64 17.340,68 18.168 16.513,36 -91,92 17.165,16 -3.430,52 11.768.435,22 13.430,39 16.949,65 18.046,16 15.853,13 -121,83 16.421,43 -2.991,04 8.946.337,99 14.314,07 16.686,09 17.910,16 15.462,03 -136,01 15.731,30 -1.417,23 2.008.540,69 18.435,18 16.861 17.805,24 15.916,76 -104,92 15.326,02 3.109,16 9.666.881,59 16.647,62 16.839,66 17.708,68 15.970,64 -96,56 15.811,84 835,78 698.521,34

Xt S'_t S"_t a_t b_t F_t e_t e_t²

(32)

19

16.904,89 16.846,18 17.622,43 16.069,94 -86,25 15.874,08 1.030,81 1.062.561,56 17.831,07 16.944,67 17.554,66 16.334,69 -67,78 15.983,69 1.847,38 3.412.823.24

67.803.300,60

Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,1 dan N=10, MSE = 8.475.412,58

18.320,17 18.320,17 18.320,17 - - - - -

18.057,26 18.267,59 18.309,65 18.225,52 -10,52 - - -

12.768,57 17.167,78 18.081,28 16.254,29 -228,37 18.215,01 -5.446,44 29.663.665,10 13.734,64 16.481,16 17.761,25 15.201,06 -320,02 16.025,92 -2.291,28 5.249.942,04 13.430,39 15871 17.383,20 14.358,80 -378,05 14.881,03 -1.450,64 2.104.360,12 14.314,07 15.559,62 17.018,49 14.100,75 -364,72 13.980,75 333,32 111.102,28 18.435,18 16.134,73 16.841,74 15.427,72 -176,75 13.736,03 4.699,15 22.082.034,66 16.647,62 16.237,31 16.720,85 15.753,76 -120,89 15.250,97 1.396,65 1.950.629,06 16.904,89 16.370,82 16.650,84 16.090,80 -70,01 15.632,88 1.272,01 1.618.012,31 17.831,07 16.662,87 16.653,25 16.672,50 2,41 16.020,80 1.810,27 3.277.085,81

66.056.831,38

Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,2 dan N=10, MSE =8.257.103,92

Tabel 4.5 Perhitungan Peramalan Jumlah Produksi Ikan Laut dengan Smoothing Eksponensial Ganda Linier Dari Brown dengan α = 0,3

18.320,17 18.320,17 18.320,17 - - - - -

18.057,26 18.241,30 18.296,51 18.186 -24 - - -

12.768,57 16.599,48 17.787,40 15.412 -509 18.162 -5.394 29.093.661 13.734,64 15.740,03 17.173,19 14.307 -614 14.902 -1.168 1.363.779 13.430,39 15.047,14 16.535,37 13.559 -638 13.693 -262 68.783 14.314,07 14.827,22 16.022,93 13.632 -512 12.921 1.393 194.0409 18.435,18 15.909,61 15.988,93 15.830 -34 13.119 5.316 28.261.129 16.647,62 16.131,01 16.031,55 16.230 43 15.796 851 724.771 16.904,89 16.363,17 16.131,04 16.595 99 16.273 632 399.171 17.831,07 16.803,54 16.332,79 17.274 202 16.695 1.136 1.291.123

63.142.826

Xt S'_t S"_t a_t b_t F_t e_t e²_t

Xt S'_t S"_t a_t b_t F_t e_t et²

(33)

20

18.320,17 18,32 18.320 - - - - -

18.057,26 18,22 18.278 18.151,91 -42,07 - - -

12.768,57 16,04 17.381 14.691,43 -896,67 18.109,84 -5.341,27 28.529.186,58 13.734,64 15,12 16.475 13.756,28 -906,29 13.794,76 -60,12 3.614,27 13.430,39 14,44 15.662 13.221,45 -813,42 12.849,99 580,40 336.858,77 14.314,07 14,39 15.153 13.627,89 -508,46 12.408,02 1.906,05 3.633.015,93 18.435,18 16,01 15.495 16.521,51 342,06 13.119,44 5.315,74 28.257.137,57 16.647,62 16,26 15.803 16.725,36 307.51 16.863,57 -215,95 46.636,05 16.904,89 16,52 16.090 16.950,96 287,03 17.032,87 -127,98 16.379,53 17.831,07 17,04 16.472 17.617,56 381,92 17.238 593,07 351.737,16

61.174.566

18.320,17 18.320,17 18.320,17 - - - - -

18.057,26 18.188,72 18.254,44 18.122,99 -65,73 - - -

12.768,57 15.478,64 16.866,54 14.090,74 -1387,90 18.057,26 -5.288,69 27.970.241,92 13.734,64 14.606,64 15.736,59 13.476,69 -1129,95 12.702,84 1.031,80 1.064.606,08 13.430,39 14.018,52 14.877,55 13.159,48 -859,04 12.346,74 1.083,65 1.174.297,32 14.314,07 14.166,29 14.521,92 13.810,66 -355,63 12.300,44 2.013,63 4.054.708,29 18.435,18 16.300,74 15.411,33 17.190,14 889,41 13.455,03 4.980,15 24.801.875,35 16.647,62 16.474,18 15.942,75 17.005,60 531,42 18.079,55 -1.431,93 2.050.422,18 16.904,89 16.689,53 16.316,14 17.062,92 373,39 17.537,03 -632,14 399.596,63 17.831,07 17.260,30 16.788,22 17.732,38 472,08 17.436,31 394,76 155.832,16

61.671.579,93

Tabel 4.8 Perhitungan Peramalan Jumlah Produksi Ikan Laut dengan Smoothing

(34)

21

Eksponensial Ganda Linier Dari Brown dengan α = 0,6

18.320,17 1.832,.17 18.320,17 - - - - -

18.057,26 18.162,42 18.225,52 18.099,33 -94,65 - - -

12.768,57 14.926,11 16.245,88 13.606,35 -1979,65 18.004,68 -5236,11 27.416.826,99 13.734,64 14.211,23 15.025,09 13.397,37 -1220,79 11.626,70 2107,94 4.443.407,67 13.430,39 13.742,73 14.255,67 13.229,78 -769,42 12.176,58 1253,81 1.572.036,11 14.314,07 14.085,53 14.153,59 14.017,48 -102,08 12.460,36 1853,71 3.436.228,31 18.435,18 16.695,32 15.678,63 17.712,01 1525,04 13.915,39 4519,79 20.428.464,85 16.647,62 16.666,70 16.271,47 17.061,93 592,84 19.237,05 -2589,43 6.705.170,09 16.904,89 16.809,61 16.594,36 17.024,87 322,89 17.654,77 -749,88 562.324,82 17.831,07 17.422,49 17.091,24 17.753,74 496,88 17.347,76 483,31 233.591,39 64.798.050,22

Untuk mendapatkan nilai MSE digunakan persamaan 2.9 dengan α = 0,6 dan N=10, MSE = 8099756.28

18.320,17 18.320,17 18320,17 - - - - -

18.057,26 18.136,13 18191,34 18080,92 -128,83 - - -

12.768,57 14.378,84 15522,59 13235,09 -2668,75 17952,10 -5183,53 26868941,79 13734.64 13.927,90 14406,31 13449,49 -1116,28 10566,33 3168,31 10038164,81 13.430,39 13.579,64 13827,64 13331,64 -578,66 12333,21 1097,18 1203806,41 14.314,07 14.093,74 14013.91 14173,57 186,27 12752,98 1561,09 2437005,44 18.435,18 17132,75 16197,10 18068,40 2183,19 14359,84 4075,34 16608382,77 16.647,62 16793,16 16614,34 16971,98 417,24 20251,59 -3603,97 12988565,03 16.904,89 16871,37 16794,26 16948,48 179,92 17389,22 -484,33 234575,12 17.831,07 17543,16 17318,49 17767,83 524,23 17128,40 702,67 493743,91

70873185,28

18320,17 18320,17 18320,17 - - - - -

(35)

22

18057,26 18109,84 18151,91 18067,78 -168,26 - - - 12768,57 13836,82 14699,84 12973,81 -3452,07 17899,51 -5130,94 26326586,33 13734,64 13755,08 13944,03 13566,12 -755,81 9521,74 4212,90 17748516,30 13430,39 13495,33 13585,07 13405,59 -358,96 12810,31 620,08 384495,83 14314,07 14150,32 14037,27 14263,37 452,20 13046,63 1267,44 1606416,73 18435,18 17578,21 16870,02 18286,40 2832,75 14715,58 3719,60 13835460,56 16647,62 16833,74 16840,99 16826,48 -29,03 21119,15 -4471,53 19994543,35 16904,89 16890,66 16880,73 16900,59 39,73 16797,45 10,44 11542,38 17831,07 17642,99 17490,54 17795,44 609,81 16940,32 890,75 793427,05

80700988,53

18320,17 18320,17 18320,17 - - - - -

18057,26 18083,55 18107,21 18059,89 -212,96 - - - 12768,57 13300,07 13780,78 12819,35

-

4326,43 17846,93 -5078,36 25789760,60 13734,64 13691,18 13700,14 13682,22 -80,64 8492,92 5241,72 27475593,96 13430,39 13456,47 13480,84 13432,10 -219,31 13601,58 -171,19 29307,06 14314,07 14228,31 14153,56 14303,06 672,73 13212,80 1101,27 1212804,92 18435,18 18014,49 17628,40 18400,59 3474,84 14975,78 3459,40 11967426,05 16647,62 16784,31 16868,72 16699,90 -759,68 21875,42 -5227,80 27329928,25 16904,89 16892,83 16890,42 16895,24 21,70 15940,21 964,68 930598,54 17831,07 17737,25 17652,56 17821,93 762,14 16916,95 914,12 835621,05

95571040.44

Kemudian nilai-nilai MSE yang telah diperoleh dapat dilihat pada nilai α yang memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan metode peramalan Jumlah Produksi Daging Ayam Kampung di Sumatera Utara dengan melihat MSE adalah sebagai berikut:

Tabel 4.12 Perbandingan Ukuran Ketepatan Metode Peramalan Jumlah Produksi Daging Ayam Kampung

Xt S'_t S"_t a_t b_t F_t e_t et²

(36)

23

A MSE

0,1 8.475.412,58 0,2 8.257.103,92 0,3 7.892.853,24 0,4 7.646.820,73 0,5 7.708.947,49 0,6 8.099.756,28 0.7 8.859.148.16 0.8 10.087.623.57 0.9 11.946.380.05

Dari Tabel 4.12, dapat dilihat bahwa MSE nilai produksi Daging Ayam Kampung yang paling kecil terdapat pada α = 0,4 yaitu dengan MSE = 7.646.820,73

4.4. Penentuan Bentuk Persamaan Peramalan

Melalui cara trial and error dengan 0 < α < 1, telah diperoleh untuk nilai Produksi Daging Ayam Kampung, perhitungan peramalan pemulusan eksponensial linier satu-parameter dari Brown masing-masing dengan α = 0,1 sehingga dapat ditentukan bentuk persamaan peramalan untuk periode-periode berikutnya.

Berdasarkan perhitungan pada α = 0,4 untuk Produksi Daging Ayam Kampung, dapat diperoleh persamaan peramalan untuk periode berikutnya yaitu dengan menggunakan persamaan 2.6 sebagai berikut:

1. Produksi Daging Ayam Kampung (α = 0,4) 𝐹_𝑡+𝑚 = 𝑎_𝑡+ 𝑏_𝑡𝑚

𝐹_10+𝑚 = 𝑎₁₀+ 𝑏₁₀𝑚

𝐹_10+𝑚 = (17.617,56 + 381.92)(𝑚)

4.5. Peramalan Jumlah Produksi Daging Ayam Kampung untuk Tahun 2017, 2018, 2019 dan 2020

Setelah diperoleh peramalan Jumlah Produksi Daging Ayam Kampung, maka dapat dihitung Jumlah Produksi Daging Ayam Kampung untuk empat periode berikutnya, yaitu untuk tahun 2017, 2018, 2019 dan 2020 seperti di bawah ini:

a. Untuk periode ke-11 (tahun 2017)

(37)

24

𝐹_10+𝑚 𝑎_𝑡+ 𝑏_𝑡𝑚

𝐹₁₀₊₁ (17.617,56 + 381,92)(1) 𝐹₁₁ 17.999,49

b. Untuk periode ke-12 (tahun 2018) 𝐹_10+𝑚 𝑎_𝑡+ 𝑏_𝑡𝑚

𝐹₁₀₊₂ (17.617,56 + 381,92)(2) 𝐹₁₂ 18.381,41

c. Untuk periode ke-13 (tahun 2019) 𝐹_10+𝑚 𝑎_𝑡+ 𝑏_𝑡𝑚

𝐹₁₀₊₃ (17.617,56 + 381,92)(3) 𝐹₁₃ 18.763,33

d. Untuk periode ke-14 (tahun 2020) 𝐹_10+𝑚 𝑎_𝑡+ 𝑏_𝑡𝑚

𝐹₁₀₊₄ (17.617,56 + 381,92)(4) 𝐹₁₄ 19.145,26

Tabel 4.13 Peramalan Jumlah Produksi Daging Ayam Kampung Provinsi Sumatera Utara untuk Tahun 2017, 2018 , 2019 dan 2020

Tahun Periode

Peramalan Jumlah Produksi Daging Ayam Kampung (ton)

2017 11 17.999,49

2018 12 18.381,41

2019 13 18.763,33

2020 14 19.145,26

(38)

25

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan hasil pengolahan data pada Bab 4, maka penulis mengambil kesimpulan sebagai berikut :

a. Dari hasil pengolahan data tahun 2007 sampai 2016 untuk jumlah produksi Daging Ayam Kampung di Provinsi Sumatera Utara dalam satuan (ton) dengan menggunakan metode smoothing eksponensial ganda dengan metode linier satu-parameter dari Brown, diperoleh nilai MSE terkecil yaitu 7.646.820,73 dengan α = 0,4

b. Bentuk persamaan peramalan jumlah produksi Daging Ayam Kampung di Provinsi Sumatera Utara berdasarkan data tahun 2007 sampai 2016, untuk produksi Daging Ayam Kampung dengan α = 0,4 adalah

𝐹_10+𝑚 = (17.617,56 + 381.92)(𝑚)

Peramalan jumlah produksi Daging Ayam Kampung di Provinsi Sumatera Utara untuk tahun 2018-2020 yakni periode ke-14 sebesar 19.145,26(/ton)

c. Berdasarkan jumlah peramalan produksi Daging Ayam Kampung yang diperoleh dari hasil pengolahan data, maka jumlah produksi Daging Ayam Kampung di Provinsi Sumatera Utara mengalami kenaikan dari tahun ke tahun, sehingga dapat disimpulkan jumlah produksi Daging Ayam Kampung di Sumatera Utara meningkat.

(39)

26

5.2. Saran

Berdasarkan uraian dan kesimpulan yang telah dibuat, maka penulis memberikan saran sebagai berikut:

a. Dalam meramalkan jumlah produksi Daging Ayam Kampung di Provinsi Sumatera Utara meningkat dapat menggunakan metode peramalan smoothing eksponensial ganda dengan metode linier satu parameter dari Brown dengan menggunakan alat bantu komputer yaitu program aplikasi Microsoft Excel untuk mempermudah proses perhitungan.

b. Diharapkan kepada Pemerintahan Provinsi Sumatera Utara dan para pembaca untuk lebih bijak dalam menangani jumlah produksi Daging Ayam Kampung dilihat dari semakin berkembangnya zaman sekarang.

(40)

27

DAFTAR PUSTAKA

Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta: Fakultas Ekonomi Universitas Indonesia.

BPS. 2008 . Sumatera Utara Dalam Angka Tahun 2008. Badan Pusat Statistik BPS. 2010 . Sumatera Utara Dalam Angka Tahun 2010. Badan Pusat Statistik BPS. 2014 . Sumatera Utara Dalam Angka Tahun 2014. Badan Pusat Statistik BPS. 2015 . Sumatera Utara Dalam Angka Tahun 2015. Badan Pusat Statistik BPS. 2016 . Sumatera Utara Dalam Angka Tahun 2016. Badan Pusat Statistik BPS. 2017 . Sumatera Utara Dalam Angka Tahun 2017. Badan Pusat Statistik Makridakis, Spyros. 1999. Metode Aplikasi Peramalan Jilid I. Jakarta: Erlangga.

.

(41)

Perhitungan Peramalan Produksi Daging Ayam Kampung

dengan Smoothing Eksponensial Ganda Linier Dari Brown dengan α = 0,4

18320.17 18320 18320 - - - - -

18057.26 18215 18278 18151.91 -42.07 - - -

12768.57 16036 17381 14691.43 -

896.67 18109.84 -

5341.27 28529186.58 13734.64 15116 16475 13756.28

-

906.29 13794.76 -60.12 3614.27 13430.39 14442 15662 13221.45

-

813.42 12849.99 580.40 336858.77 14314.07 14391 15153 13627.89

-

508.46 12408.02 1906.05 3633015.93 18435.18 16008 15495 16521.51 342.06 13119.44 5315.74 28257137.57 16647.62 16264 15803 16725.36 307.51 16863.57 -215.95 46636.05 16904.89 16520 16090 16950.96 287.03 17032.87 -127.98 16379.53 17831.07 17045 16472 17617.56 381.92 17238.00 593.07 351737.16

61174566

(42)

Data Produksi Daging Ayam Kampung Tahun 2007- 2016

Periode Tahun Produksi Daging Ayam Kampung

1 2007 18320,17

2 2008 18057,26

3 2009 12768,57

4 2010 13734,64

5 2011 13430,39

6 2012 14314,07

7 2013 18435,18

8 2014 16647,62