PERAMALAN TINGKAT PENGANGGURAN DI PROVINSI SUMATERA UTARA DARI TAHUN DENGAN MENGGUNAKAN METODE EKSPONENSIAL SMOOTHING LAPORAN TUGAS AKHIR

(1)

PERAMALAN TINGKAT PENGANGGURAN DI PROVINSI SUMATERA UTARA DARI TAHUN 2018 – 2020

DENGAN MENGGUNAKAN METODE EKSPONENSIAL

SMOOTHING

LAPORAN TUGAS AKHIR

AAN SAFITRI 152407070

PROGRAM STUDI D-3 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2018

UNIVERSITAS SUMATERA UTARA

(2)

PERAMALAN TINGKAT PENGANGGURAN DI PROVINSI SUMATERA UTARA DARI TAHUN 2018 – 2020

DENGAN MENGGUNAKAN METODE EKSPONENSIAL

SMOOTHING

LAPORAN TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya

AAN SAFITRI 152407070

PROGRAM STUDI D-3 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2018

(3)

PERNYATAAN ORISINALITAS

PERAMALAN TINGKAT PENGANGGURAN DI PROVINSI SUMATERA UTARA DARI TAHUN 2018 – 2020 DENGAN MENGGUNAKAN METODE EKSPONENSIAL

SMOOTHING

LAPORAN TUGAS AKHIR

Saya menyatakan bahwa laporan tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2018

AAN SAFITRI 152407070

(4)

(5)

PERAMALAN TINGKAT PENGANGGURAN DI PROVINSI SUMATERA UTARA DARI TAHUN 2018 – 2020 DENGAN MENGGUNAKAN METODE EKSPONENSIAL SMOOTHING

ABSTRAK

Pengangguran terbuka merupakan pengangguran dimana masyarakat itu sendiri masih dalam keadaan mencari pekerjaan. Dengan menggunakan Metode Eksponensial Ganda, dapat diramalkan seberapa besar peningkatan angka pengangguran di Provinsi Sumatera Utara pada tahun 2018 – 2020 untuk menjelaskan bagaimana pengaplikasian data – data yang diperoleh tersebut dengan menggunakan metode peramalan yang tersedia, sehingga masalah yang timbul adalah memahami bagaimana karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu. Ada banyak metode untuk peramalan. maka pada pembahasan ini akan menggunakan metode pemulusan eksponensial ganda yaitu

“Smoothing Eksponensial Satu Parameter Dari Brown”. Pada metode ini, faktor yang digunakan dalam peramalan hanya faktor data masa lalu, bukan disebabkan faktor lain seperti politik, ekonomi dan lain-lain.

Kata Kunci: Pengangguran, Peramalan, Smoothing Eksponensial

(6)

UNEMPLOYMENT FORECASTING IN NORTH SUMATERA PROVINCE OF THE YEAR 2018 - 2020 BY USING

SMOOTHING EXPONENCE METHOD

ABSTRACT

Open unemployment is unemployment where the community is still in a job search. By using Multiple Exponential Methods, it can be predicted how much increase the unemployment rate in North Sumatra Province in 2018-2020 to explain how the application of the data obtained by using the forecasting method available, so the problem that arises is to understand how the characteristics of a forecasting method would be appropriate for certain decision-making situations. There are many methods for forecasting. then in this discussion will use the method of double exponential smoothing is "Smoothing Exponential One Parameter Of Brown". In this method, the factors used in forecasting are just past data factors, not due to other factors such as politics, economics and others

Keywords: Exponential Smoothing, Forecasting, Unemployment,

(7)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan laporan tugas akhir ini dengan judul Peramalan Tingkat Pengangguran di Sumatera Utara dari Tahun 2018-2020 Dengan Menggunakan Metode Eksponensial Smoothing .

Terima kasih penulis sampaikan kepada Bapak Dr. Pasukat Sembiring, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan laporan tugas akhir ini.

Terima kasih kepada Ibu Dr. Elly Rosmaini, M.Si dan Bapak Dr. Open Darnius, M.Sc selaku Ketua program studi dan Sekretaris program studi D-3 Statistika FMIPA-USU Medan, serta kepada Bapak Dr. Suyanto, M.Kom dan Bapak Drs. Rosman Siregar, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA-USU. Terima kasih kepada Bapak Dr. Kerista Sebayang M.S. selaku Dekan FMIPA USU, seluruh staf dan dosen Program studi D-3 Statistika FMIPA-USU, pegawai dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak, Ibu dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

Medan, 4 Juni 2018

Aan Safitri

(8)

DAFTAR ISI

Halaman

PENGESAHAN LAPORAN TUGAS AKHIR i

ABSTRAK ii

ABSTRACT iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR GAMBAR viii

DAFTAR LAMPIRAN ix

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Permasalahan 2

1.3 Batasan Masalah 2

1.4 Maksud dan Tujuan 2

1.5 Manfaat Penelitian 3

1.6 Metodologi Penelitian 3

1.6.1 Metode Penelitian 4

1.6.2 Metode Pengumpulan Data 4

1.6.3 Metode Pengolahan Data 4

1.7 Lokasi dan Waktu Penelitian 5

BAB 2 TINJAUAN PUSTAKA

2.1 Pengertian Peramalan 6

2.2 Kegunaan Peramalan 6

2.3 Metode Peramalan 7

2.4 Analisa Deret Berkala 8

2.5 Penentuan Pola Data 9

2.6 Metode Pemulusan atau Smoothing 9 2.6.1 Metode Smoothing yang digunakan 9

2.7 Ketepatan Peramalan 11

BAB 3 METODE PENELITIAN

3.1 Sumber Data 13

3.2 Lokasi Penelitian 13

3.3 Variabel Penelitian 13

3.4 Langkah-Langkah Dalam Metode Penelitian 13 BAB 4 HASIL DAN PEMBAHASAN

4.1 Analisa Data 16

4.2 Peramalan Tingkat Pengangguran di Provinsi Sumut 40

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan 43

5.2 Saran UNIVERSITAS SUMATERA UTARA 44

(9)

DAFTAR PUSTAKA 45

LAMPIRAN 46

(10)

DAFTAR TABEL

Halaman

Tabel 4.1 Data Tingkat Pengangguran di Provinsi Sumatera Utara pada Tahun 2018 s/d 2020

16

Tabel 4.2 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (α = 0,1)

30

Tabel 4.3 Peramalan dan Nilai Tengah Kesalahan Kuadrat dengan (α

= 0,1)

31

32

33

34

Tabel 4.7 Peramalan Tingkat Pengangguran denganPemulusan Eksponensial Ganda Linier dari Brown (α = 0,5)

35

36

Tabel 4.9 Peramalan Tingkat Pengangguran denganPemulusan Eksponensial Ganda Linier dari Brown (α = 0,7)

37

38

39

Tabel 4.12 Nilai alpa dengan Mean Square Error ⁴⁰

Tabel Tabel

4.13 4.14

Peramalan Tingkat Pengangguran di Provinsi Sumatera Utara Tahun 2018 s/d 2020

Tabel dan Peramalan

42 43

(11)

DAFTAR GAMBAR

halaman

Gambar 4.1 Tingkat Pengangguran di Provinsi Sumatera Utara Tahun 2000 s/d 2017

16

(12)

DAFTAR LAMPIRAN

Nomor Judul Halaman

Lampiran

1. Surat Permohonan Izin Riset 46

2. Surat Permohonan Pengantar Riset 47

3. Surat Balasan Permohonan Riset 48

4. Lampiran SK Pembimbing Tugas Akhir 49

5. Hasil Uji Program Tugas Akhir 50

6. Kartu Bimbingan Tugas Akhir 51

(13)

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Provinsi Sumatera Utara merupakan salah satu Provinsi yang memiliki kepadatan penduduk yang terbanyak setelah Provinsi DKI Jakarta, Provinsi Jawa Barat, Provinsi Jawa Tengah, dan Provinsi Jawa Timur. Pada masa sekarang merupakan era globalisasi yang merupakan era dimana daya saing pada saaat bekerja sangat ketat.

Dimasa sekarang ini banyak perusahaan lokal yang tidak sanggup untuk bersaing dengan perusahaan asing. Inilah faktor yang membuat masyarakat yang menganggur, PHK dari perusahaan yang tidak mampu bersaing pun terjadi demi menutupi kerugian yang diterima perusahaan tersebut. Untuk bekerja di pemerintahan saja, kita haru mengecam pendidikan yang minimum tamatan SMA.

Pengangguran di Indonesia disebut dengan pengangguran terbuka. Pengangguran terbuka merupakan pengangguran dimana masyarakat itu sendiri masih dalam keadaan mencari pekerjaan. Walaupun para pengangguran juga memiliki pekerjaan, itu pun merupakan bukan pekerjaan yang tetap, karna pekerjaaan tersebut hanya musiman atau melihat kondisi tertentu, misalnya; berjualan durian pada musim durian, menjual mainan anak-anak pada tempat liburan yang sering dikunjungi pada masa liburan sekolah, dan berbagai macam pekerjaan musiman yang lain.

Dari jumlah masyarakat yang masih banyak menganggur, tentu suatu wilayah seperti Provinsi Sumatera Utara tidak akan mengalami kemajuan. Oleh karena itu, perlu diketahui seberapa banyak jumlah pengangguran yang ada di Provinsi Sumatera Utara setiap tahunnya.

Dari uraian di atas, untuk mengetahui meningkat atau menurunnya angka pengangguran pada tahun 2018 s/d 2020 penulis melakukan suatu penelitian yang menggunakan suatu bentuk penduga yaitu Metode Pemulusan (Smoothing).

1.2 Permasalahan

Penyusunan Tugas Akhir ini akan menguraikan tentang fakor – faktor yang dapat mempengaruhi dan tentang aspek - aspek meningkat atau menurunnya angka pengangguran di Provinsi Sumatera Utara serta metode – metode perhitungannya. Maka permasalahan yang dikaji dalam Tugas Akhir ini adalah :

1. Bagaimana cara menganalisis faktor – faktor apa saja yang dapat mempengaruhi angka pengangguran di Provinsi Sumatera Utara

(14)

2. Bagaimana bentuk persamaan peramalan yang dapat digunakan untuk meramalkan jumlah angka pengangguran Provinsi Sumatera Utara di masa yang akan datang yaitu untuk tahun 2018 – 2020.

3. Berapa banyak pengangguran di Provinsi Sumatera Utara tahun 2018 – 2020.

1.3 Batasan Masalah

Adapun permasalahan yang dirangkum dalam Tugas Akhir ini hanya dibatasi pada seberapa besar faktor – faktor yang mempengaruhi angka pengangguran dan perhitungan jumlah angka pengangguran di Provinsi Sumatera Utara untuk tahun 2018 – 2020. Agar pembahasan yang akan dilakukan lebih terarah, maka perlu ditentukan pembatasan masalah, yaiu :

1. Hanya data faktor – faktor yang mempengaruhi angka pengangguran di Provinsi Sumatera Utara untuk meramalkan pada tahun 2018 – 2020.

2. Hanya jumlah angka pengangguran di Provinsi Sumatera Utara pada tahun 2018 – 2020 yang akan diramalkan.

3. Data yang dibutuhkan yaitu data angka pengangguran di Provinsi Sumatera Utara pada tahun 2000 – 2017.

1.4 Maksud dan Tujuan

Adapun maksud dan tujuan dari penelitian ini adalah untuk mendapatkan seberapa besar faktor – faktor yang mempegaruhi angka pengangguran dan untuk mendapatkan bentuk persamaan peramalan yang dapat dipergunakan untuk memperkirakan jumlah angka pengangguran di Provinsi Sumatera Utara pada tahun 2018 – 2020. Dengan menggunakan Metode Eksponensial Ganda, dapat diramalkan seberapa besar peningkatan angka pengangguran di Provinsi Sumatera Utara pada tahun 2018 – 2020. Pada kesempatan di dalam penyusunan Tugas Akhir ini yang berjudul “Peramalan Tingkat Pengangguran di Provinsi Sumatera Utara Tahun 2018 – 2020 dengan Menggunakan Metode Eksponensial Smoothing” adalah maksud untuk menjelaskan bagaimana pengaplikasian data – data yang diperoleh tersebut dengan mengunakan metode peramalan yang tersedia, sehingga masalah yang timbul adalah memahami bagaimana karakteristik suatu metode peramalan akan cocok bagi situasi pengambilan keputusan tertentu.

1.5 Manfaat Penelitian

Dengan tercapainya tujuan yang dimaksud dalam tulisan ini, diharapkan dapat menjadi suatu bahan pertimbangan yang berguna bagi pemerintah, masyarakat dan pengusaha dalam mengambil suatu kebijaksanaan dalam usaha untuk membuka lapangan pekerjaan yang sesuai

(15)

dengan kemampuan, dan pemerintah dapat membantu masyarakat yang ingin membuka usaha dengan membuat koperasi simpan pinjam yang dikelola oleh pemerintah.

1.6 Metodologi Penelitian

Metode penelitian yang digunakan adalah Metode Penelitian Kepustakaan, Metode Pengumpulan Data, Metode Deskriptif, dan Metode Analisa. Studi pengolahan data dengan mengunakan Analisa Deret Berkala (Time Series). Adapun tahapan yang dilaksanakan dalam penyelesaian masalah yang dihadapi adalah sebagai berikut :

1.6.1 Metode Penelitian

Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

1.6.2 Metode Pengumpulan Data

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

Data sekunder yang digunakan diperoleh Badan Pusat Statistik Sumatera Utara.

Data yang telah dikumpulkan kemudian diatur, disusun dan disajikan dalam bentuk angka-angka untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.6.3 Metode Pengolahan Data

1. Metode Pemulusan (Smoothing) Eksponensial Ganda

Data penelitian dianalisa dengan menggunakan Metode Pemulusan (Smoothing) Eksponensial Ganda yaitu “Pemulusan Eksponensial Linier Satu Parameter dari Brown”. Adapun langkah yang dilakukan dalam pengolahan data adalah :

a. Menentukan nilai pemulusan eksponensial tunggal (S’t).

S’t = αXt + (1-α) S’t-1 (1.1)

S’t = Nilai pemulusan ekponensial tunggal α = Parameter pemulusan eksponensial

(16)

Xt = Nilai riil periode t

S’t-1 = Nilai pemulusan eksponensial sebelumnya

(17)

b. Menentukan nilai pemulusan eksponensial ganda S”t = αS’t + (1-α) S”t-1 (1.2) S”t = Nilai pemulusan eksponensial ganda

c. Menentukan besarnya konstanta (at)

at = S’t + (S’t - S”t) = 2S’t - S”t (1.3) at = Besarnya konstanta periode t

d. Menentukan besarnya Alope (bt)

bt= (S’t - S”t)

bt = Slope / nilai trend dari data yang sesuai e. Menentukan besarnya Forecast

Ft+m = at + btm (1.5)

(18)

31

Ft+m = Besarnya forecast m = Jangka waktu forecast

1.7 Lokasi dan Waktu Penelitian

Dalam melakukan peninjauan untuk menyusun Tugas Akhir ini penulis mengumpulkan data dan memilih lokasi pengumpulan data pada kantor Badan Pusat Statistika (BPS) di Jl. Asrama No. 179 Medan. Penulis mengambil data dari tahun lampau sampai tahun tertentu guna melakukan analisis. Sedangkan waktu yang digunakan untuk peninjauan adalah selama 5 hari, yaitu mulai tanggal 17 Mei 2018 sampai dengan tanggal 22 Mei 2018.

BAB 2

TINJAUAN PUSTAKA

2.1 Pengertian Peramalan

Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Ramalan tersebut dapat didasarkan atas

bermacam-macam cara yaitu Metode Pemulusan Eksponensial atau Rata-rata Bergerak, Metode Box Jenkins, dan Metode Regresi. Semua itu dikenal dengan metode peramalan.

Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang bersifat objektif.

Disamping itu metode peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan dalam suatu kegiatan peramalan, maka akan dapat dasar pemikirn dan pemecahan yang sama.

Baik tidaknya suatu peramalan yang disusun, di samping ditentukan leh metode yang digunakan, juga ditentukan baik tidaknya informasi yang digunakan. Selama informasi yang digunakan tidak dapat menyakinkan, maka hasil peramalan yang disusun juga akan sukar dipercaya akan ketepatannya. UNIVERSITAS SUMATERA UTARA

(19)

31

2.2 Kegunaan Peramalan

Sering terdapat senjang waktu (Time Log) antara kesadaran akan peristiwa.

Adanya waktu tenggang (Lead Time) ini merupakan alasan utama bagi perencanaan dan peramalan. Dalam situasi itu peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat akan dilakukan.

Dalam perencanaan di organisasi atau perusahaan peramalan merupakan kebutuhan yang sangat penting, dimana baik buruknya peramalan dapat mempengaruhi seluruh bagian organisasi, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efesien. Di dalam bagian organisasi terdapat kegunaan peramalan, yaitu :

4. Berguna untuk penjadwalan dumber daya yang tersedia. Penggunaan sumber daya yang efesien memerlukan penjadwalan produksi, transportasi, kas, personalia dan sebagainya.

Input yang penting untuk penjadwalan seperti tiu adalah ramalan tingkat permintaan akan konsumennya atau pelangggan.

5. Berguna dalam penyediaan sumber daya tambahan waktu tenggang (Lead Time) untuk memperoleh bahan baku, menerima pekerjaan baru, untuk membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya dimasa datang.

6. Untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan semacam itu berguna kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangan.

Semua penentuan ini memerlukan ramalan yang baik dan menejer yang dapat menafsirkan pendugaan serta membuat keputusan yang baik. Walaupun terdapat banayak bidang lain yang memerlukan peramalan, namun tiga kelompok diatas merupakan bentuk khas dari kegunaan peramalan jangka pendek, menengah dan panjang. Dari uraian diatas dapat dikatakan Metode Peramalan sangat berguna, karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan yang sistematis memberikan ketepatan hasil peramalan yang dibuat atau disusun.

2.3 Metode Peramalan

Berdasarkan sifatnya teknik peramalan dibagi dalam 2 (dua) kategori utama yaitu:

1. Metode peramalan kualitatif atau tekhnologis

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

(20)

31

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

2. Metode peramalan kuantitatif

Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik.

Metode kuantitatif dapat dibagi dalam deret berkala (Time Series) dan metode kausal.

Peramlan kuantitatif dapat digunakan bila terdapat 3 (tiga) kondisi yaitu : 4. Adanya informasi tentang masa lalu.

5. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.

6. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang.

Kondisi yang terakhir ini dibuat sebaga asumsi yang berkesinambungan (Asumtion of Continuity), asumsi ini merupakan modal yang mendasari semua metode peramalan kuantitatif dan banyak metode peramalan teknologis, terlepas dari bagaimana canggihnya metode tersebut.

2.4 Analisa Deret Berkala

Data berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis data berkala memungkinkan untuk mengetahui perkembangan sesuatu kejadian atau beberapa kejadian serta hubungannya dengan kejadian yang lain.

Metode Time Series merupakan metode peramalan kuantitatif yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan Time Series ini mencakup penelitian pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak terdapat pertumbuhan / penurunan pada data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan setiap waktu.

2.5 Penentuan Pola Data

Hal yang penting yang diperhatikan dalam metode deret berkala adalah menentukan jenis pola dan historisnya. Sehingga pola data yang tepat dengan pola data UNIVERSITAS SUMATERA UTARA

(21)

31

historis tersebut dapat di uji, dimana pola data pada umumnya dapat dibedakan sebagai berikut :

2.6 Metode Pemulusan (Smoothing)

Metode 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. Secara umum metode smoothing diklasifikasikan menjadi 2 (dua) bagian, yaitu :

a. Metode Rata –Rata

Metode rata – rata dibagi 4 (empat) bagian, yaitu : 1. Nilai tengah (mean).

2. Rata – rata bergerak tunggal (Singel Moving Average).

3. Rata – rata bergerak ganda (Double Moving Average).

4. Kombinansi rata – rata bergerak lainnya.

Metode rata – rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. Digunakan untuk data – data yang bersifat stasioner dan tidak menunjukkan pola atau trend.

2.6.1 Smoothing Metode Smoothing yang Digunakan

Untuk memperoleh hasil yang baik dan tepat maka haruslah terlebih dahulu diketahui metode yang tepat untuk digunakan dalam peramalan maka pada pembahasan ini akan menggunakan metode pemulusan eksponensial ganda yaitu

“Smoothing Eksponensial Satu Parameter Dari Brown”.

Dalam metode ini data historis digunakan untuk memperoleh angka yang akan dihitung dengan menggunakan metode pemulusan eksponensial Ganda.

Peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Persamaan yang digunakan dalam metode pemulusan eksponensial ganda adalah sebagai berikut.

a. Menentukan Pemulusan Pertama/tunggal ( t)

t =

Xt +

t-1 2.2 b. Menentukan pemulusan kedua/ganda ( _t)

t =

t+

t-1 2.3 c. Menentukan besarnya konstanta ( at)

a_t=

t + (

t

t) = 2

t

t 2.4

d. Menentukan besarnya slope ( b_t )

b_t = (

t

t ) 2.5 e, Menentukan besarnya ramalan ( Ft+m )

(22)

31

F_t+m= a_t + b_tm 2.6

f. Mencari nilai MSE, maka harus ditentukan terlebih dahulu

nilai et(kesalahan) dan et2

(kesalahan kuadrat).

et = Xt

^Ft 2.7

e_t² = (X_t

^Ft)² 2.8

dengan:

X = nilai aktual periode ke-t

t = nilai pemulusan eksponensisal tunggal

t = nilai pemulusan eksponensial ganda

t , b_t = konstanta pemulusan

t+m = hasil peramalan untuk m periode yang akan diramalkan m = jumlah periode kedepan yang akan diramalkan

= parameter pemulusan eksponensial besarnya 0 < < 1 E_t = error (kesalahan peramalan)

Xt = data sebenarnya pada periode ke-t Ft = hasil ramalan pada periode ke-t

2.7 Ketepatan Peramalan

Ketepatan ramalan adalah salah satu 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 satu metode peramalan. Dalam pemodelan deret berkala (time series), dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan. Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain adalah:

a. ME (Mean Error)/Nilai Tengah Kesalahan ME =

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

MSE = 2.10

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

(23)

31

MAE = 2.11

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

MPE = 2.12

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

MAPE = 2.13

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

SSE = 2.14

dengan:

PEt = 100% (kesalahan persentase pada periode ke-t)

N = Banyak periode waktu

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

g. Pertumbuhan GeometriAdapun rumus proyeksi geometri adalah sebagai berikut:

Pt = Po (1 + r)^t 2.15

r =

–

2.16

jika nilair > 0 artinya pertumbuhan positif atau terjadi peningkatan dari tahun sebelumnya.

Jika nilai r < 0 artinya pertumbuhan negatif atau terjadipenurunan dari tahun sebelumnya.

Jika nilai r = 0 artinya tidak terjadi perubahandari tahun sebelumnya.

(24)

31

Dengan:

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

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

(25)

31

BAB 3

METODE PENELITIAN

3.1 Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Sumatera Utara. Adapun data sekunder yang dibutuhkan dalam penelitian ini adalah data tingkat pengangguran di daerah Sumatera Utara dengan periode tahun 2000-2017.

3.2 Lokasi Penelitian

Dalam melakukan peninjauan penulisan Tugas Akhir ini penulis mengambil data secara sekunder yaitu data yang diperoleh dari Badan Pusat Statistik (BPS) Sumatera Utara, Jl. Asrama No. 179, Dwi Kora, Medan Helvetia, Kota Medan.

3.3 Variabel Penelitian

Sampel yang diambil dalam penelitian ini adalah yang berada di Sumatera Utara, Tahun data diambil dari periode tahun 2000 sampai dengan tahun 2017.

3.4 Langkah-Langkah Dalam Metode Penelitian

Adapun langkah-langkah yang digunakan dalam penelitian ini adalah:

1. Studi kepustakaan Yaitu dengan membaca buku-buku referensi yang bersifat teoritis yang mendukung serta relevan dengan Tugas Akhir ini.

2. Menentukan Topik Permasalahan, Tujuan dari penentuan topik permasalahan adalah sebagai rumusan mendasar penelitian ini dilakukan. Topik permasalahannya adalah berapa tingkat pengangguran yang dihasilkan di Sumatera Utara di Tahun 2020.

3,. Menentukan Tujuan Penelitian, Tujuan penelitian merupakan sesuatu yang akan dituju dan diperoleh dari suatu penelitian. Tujuan dilakukannya penelitian ini adalah untuk mengetahui tingkat pengangguran di Sumatera Utara pada tahun 2020.

4. Pengumpulan data

Pengumpulan data dilakukan dari beberapa instansi sebagaimana telah dijelaskan pada jenis dan sumber data.

5. Pengolahan data

1) Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0 < α <

1 UNIVERSITAS SUMATERA UTARA

(26)

31

2) Menghitung harga smoothing eksponensial tunggal dengan menggunakan persamaan (2.1). .

3) Menghitung harga smoothing eksponensial ganda dengan menggunakan persamaan (2.2).

4) Menghitung koesfisien αt dan b_t dengan menggunakan persamaan (2.3) dan persamaan (2.4).

5) Menghitung trend peramalan _Ft+m dengan menggunakan persamaan (2.5) 6. Membuat Kesimpulan

(27)

31

BAB 4

ANALISA DATA DAN EVALUASI

4.1 Analisa Data

Untuk menganalisa data yang akan diolah, penulis harus memperoleh nilai m periode ke depan sebagai perbandingannya terhadap data tahun sebelumnya (data masa lalu). Dalam hal ini penulis akan menganalisa tingkat pengangguran di Provinsi Sumatera Utara untuk tahun 2018 s/d 2020 berdasarkan tahun – tahun sebelumnya.Adapun data tingkat pengangguran di Provinsi Sumatera Utara dapat dilihat pada tabel berikut :

Tabel 4.1 Data Tingkat Pengangguran di Provinsi Sumatera Utara di Provinsi Sumatera Utara Pada Tahun 2018 s/d 2020

Tahun Tingkat Pengangguran

2000 335.729

2001 229.212

2002 335.504

2003 404.117

2004 758.092

2005 636.980

2006 632.049

2007 571.334

2008 554.539

2009 532.427

2010 491.806

2011 402.125

2012 379.982

2013 412.202

2014 390.712

2015 428.794

2016 371.680

2017 377.288

Jumlah/Total 8.244.572

(28)

32

Gambar 4.1 Tingkat Pengangguran di Provinsi Sumatera Utara Tahun 2000 s/d 2017

Dari data di atas, untuk tingkat pengangguran di Provinsi Sumatera Utara maka penulis akan menganalisis data tersebut dan meramalkan tingkat pengangguran untuk tahun 2018 s/d 2020 dengan menggunakan metode pemulusan (Smoothing)Eksponensial Satu Parameter Brown

1. Tahap pertama dalam perhitungan ini menggunakan pemulusan pertama dengan menggunakan rumus persamaan

t =

^Xt +

t-1

α = 0,1

Tahun 2000 = 335.729

Tahun 2001 = (0,1)(229.212) + (1 – 0,1)(335.729) = 325.077,3 Tahun 2002 = (0,1)(335.504) + (1 – 0,1)(325.077,3) = 326.120 Tahun 2003 = (0,1)(404.117) + (1 – 0,1)(326.120) = 333.919,7 Tahun 2004 = (0,1)(758.092) + (1 – 0,1)(333.919,7) = 376.336,9 Tahun 2005 = (0,1)(636.980) + (1 – 0,1)(376.336,9) = 402.401,2 Tahun 2006 = (0,1)(632.049) + (1 – 0,1)(402.401,2) = 425.366 Tahun 2007 = (0,1)(571.334) + (1 – 0,1)(425.366) = 439.962,8 Tahun 2008 = (0,1)(554.539) + (1 – 0,1)(439.962,8) = 451.420,4 Tahun 2009 = (0,1)(532.427) + (1 – 0,1)(451.420,4) = 459.521,1 Tahun 2010 = (0,1)(491.806) + (1 – 0,1)(459521,1) = 462.749,6 Tahun 2011 = (0,1)(402.125) + (1 – 0,1)( 462.749,6) = 456.687,1

Tahun 2012 = (0,1)(379.982) + (1 – 0,1)(456.687,1) = 449.016,6 UNIVERSITAS SUMATERA UTARA

(29)

33

Tahun 2013 = (0,1)(412.202) + (1 – 0,1)(449.016,6) = 445.335,1 Tahun 2014 = (0,1)(390.712) + (1 – 0,1)(445.335,1) = 439.872,8 Tahun 2015 = (0,1)(428.794) + (1 – 0,1)(439.872) = 438.764,9 Tahun 2016 = (0,1)(377.680) + (1 – 0,1)(438.764,9) = 432.056,4 Tahun 2017 = (0,1)(377.288) + (1 – 0,1)(432.056.4) = 426.579,6

α = 0,2

Tahun 2000 = 335.729

Tahun 2001 = (0,2)(229.212) + (1 – 0,2)(335.729) = 314.425,6 Tahun 2002 = (0,2)(335.504) + (1 – 0,2)( 314.425,6) = 318.641,3 Tahun 2003 = (0,2)(404.117) + (1 – 0,2)( 318.641,3) = 335.736,4 Tahun 2004 = (0,2)(758.092) + (1 – 0,2)( 335.736,4) = 420.207,5 Tahun 2005 = (0,2)(636.980) + (1 – 0,2)( 420.207,5) = 463.562 Tahun 2006 = (0,2)(632.049) + (1 – 0,2)( 463.562) = 497.259,4 Tahun 2007 = (0,2)(571.334) + (1 – 0,2)( 497.259,4) = 512.074,3 Tahun 2008 = (0,2)(554.539) + (1 – 0,2)( 512.074,3) = 520.567,3 Tahun 2009 = (0,2)(532.427) + (1 – 0,2)( 520.567,3) = 522.939,2 Tahun 2010 = (0,2)(491.806) + (1 – 0,2)( 522.939,2) = 516.712,6 Tahun 2011 = (0,2)(402.125) + (1 – 0,2)( 516.712,6) = 493.795,1 Tahun 2012 = (0,2)(379.982) + (1 – 0,2)( 493.795,1) = 471.032,4 Tahun 2013 = (0,2)(412.202) + (1 – 0,2)( 471.032,4) = 459.266,3 Tahun 2014 = (0,2)(390.712) + (1 – 0,2)( 459.266,3) = 445.555,4 Tahun 2015 = (0,2)(428.794) + (1 – 0,2)( 445.555,4) = 442.203,1 Tahun 2016 = (0,2)(377.680) + (1 – 0,2)( 442.203,1) = 428.098,5 Tahun 2017 = (0,2)(377.288) + (1 – 0,2)( 428.098,5) = 417.936,4

α = 0,3

Tahun 2000 = 335729

Tahun 2001 = (0,3)(229.212) + (1 – 0,3)(335.729) = 303.774 Tahun 2002 = (0,3)(335.504) + (1 – 0,3)( 303.774) = 313.293 Tahun 2003 = (0,3)(404.117) + (1 – 0,3)( 313.293) = 340.540 Tahun 2004 = (0,3)(758.092) + (1 – 0,3)( 340.540) = 465.806 Tahun 2005 = (0,3)(636.980) + (1 – 0,3)( 465.806) = 517.158 Tahun 2006 = (0,3)(632.049) + (1 – 0,3)( 517.158) = 551.625 Tahun 2007 = (0,3)(571.334) + (1 – 0,3)( 551.625) = 557.538

Tahun 2008 = (0,3)(554.539) + (1 – 0,3)( 557.538) = 556.638 UNIVERSITAS SUMATERA UTARA

(30)

34

Tahun 2009 = (0,3)(532.427) + (1 – 0,3)( 556.638) = 549.375 Tahun 2010 = (0,3)(491.806) + (1 – 0,3)( 549.375) = 532.104 Tahun 2011 = (0,3)(402.125) + (1 – 0,3)( 532.104) = 493.110 Tahun 2012 = (0,3)(379.982) + (1 – 0,3)( 493.110) = 459.172 Tahun 2013 = (0,3)(412.202) + (1 – 0,3)( 459.172) = 445.081 Tahun 2014 = (0,3)(390.712) + (1 – 0,3)( 445.081) = 428.770 Tahun 2015 = (0,3)(428.794) + (1 – 0,3)( 428.770) = 428.777,4 Tahun 2016 = (0,3)(377.680) + (1 – 0,3)( 428.777,4) = 411.648,2 Tahun 2017 = (0,3)(377.288) + (1 – 0,3)( 411.648,2) = 401.340,1

α = 0,4

Tahun 2000 = 335.729

Tahun 2001 = (0,4)(229.212) + (1 – 0,4)(335.729) = 293.122 Tahun 2002 = (0,4)(335.504) + (1 – 0,4)( 293.122) = 310.075 Tahun 2003 = (0,4)(404.117) + (1 – 0,4)( 310.075) = 347.692 Tahun 2004 = (0,4)(758.092) + (1 – 0,4)( 347.692) = 511.852 Tahun 2005 = (0,4)(636.980) + (1 – 0,4)( 511.852) = 561.903 Tahun 2006 = (0,4)(632.049) + (1 – 0,4)( 561.903) = 589.962 Tahun 2007 = (0,4)(571.334) + (1 – 0,4)( 589.962) = 582.511 Tahun 2008 = (0,4)(554.539) + (1 – 0,4)( 582.511) = 571.322 Tahun 2009 = (0,4)(532.427) + (1 – 0,4)( 571.322) = 555.764 Tahun 2010 = (0,4)(491.806) + (1 – 0,4)( 555.764) = 530.181 Tahun 2011 = (0,4)(402.125) + (1 – 0,4)( 530.181) = 478.959 Tahun 2012 = (0,4)(379.982) + (1 – 0,4)( 478.959) = 439.368 Tahun 2013 = (0,4)(412.202) + (1 – 0,4)( 439.368) = 428.502 Tahun 2014 = (0,4)(390.712) + (1 – 0,4)( 428.502) = 413.386 Tahun 2015 = (0,4)(428.794) + (1 – 0,4)( 413.386) = 421.089,9 Tahun 2016 = (0,4)(377.680) + (1 – 0,4)( 421.089,9) = 401.325,9 Tahun 2017 = (0,4)(377.288) + (1 – 0,4)( 401.325,9) = 391.710,7

α = 0,5

Tahun 2000 = 335.729

Tahun 2001 = (0,5)(229.212) + (1 – 0,5)(335.729) = 282.471 Tahun 2002 = (0,5)(335.504) + (1 – 0,5)( 282.471) = 308.987 Tahun 2003 = (0,5)(404.117) + (1 – 0,5)( 308.987) = 356.552

(31)

35

Tahun 2005 = (0,5)(636.980) + (1 – 0,5)( 557.322) = 597.151 Tahun 2006 = (0,5)(632.049) + (1 – 0,5)( 597.151) = 614.600 Tahun 2007 = (0,5)(571.334) + (1 – 0,5)( 614.600) = 592.967 Tahun 2008 = (0,5)(554.539) + (1 – 0,5)( 592.967) = 573.753 Tahun 2009 = (0,5)(532.427) + (1 – 0,5)( 573.753) = 553.090 Tahun 2010 = (0,5)(491.806) + (1 – 0,5)( 553.090) = 522.448 Tahun 2011 = (0,5)(402.125) + (1 – 0,5)( 522.448) = 462.287 Tahun 2012 = (0,5)(379.982) + (1 – 0,5)( 462.287) = 421.134 Tahun 2013 = (0,5)(412.202) + (1 – 0,5)( 421.134) = 416.668 Tahun 2014 = (0,5)(390.712) + (1 – 0,5)( 416.668) = 403.690 Tahun 2015 = (0,5)(428.794) + (1 – 0,5)( 403.690) = 416.242,1 Tahun 2016 = (0,5)(377.680) + (1 – 0,5)( 416.242,1) = 393.961 Tahun 2017 = (0,5)(377.288) + (1 – 0,5)( 393.961) = 385.624,5

α = 0,6

Tahun 2000 = 335.729

Tahun 2001 = (0,6)(229.212) + (1 – 0,6)(335.729) = 271.819 Tahun 2002 = (0,6)(335.504) + (1 – 0,6)( 271.819) = 310.030 Tahun 2003 = (0,6)(404.117) + (1 – 0,6)( 310.030) = 366.582 Tahun 2004 = (0,6)(758.092) + (1 – 0,6)( 366.582) = 601.448 Tahun 2005 = (0,6)(636.980) + (1 – 0,6)( 601.448) = 622.767 Tahun 2006 = (0,6)(632.049) + (1 – 0,6)( 622.767) = 628.336 Tahun 2007 = (0,6)(571.334) + (1 – 0,6)( 628.336) = 594.135 Tahun 2008 = (0,6)(554.539) + (1 – 0,6)( 594.135) = 570.377 Tahun 2009 = (0,6)(532.427) + (1 – 0,6)( 570.377) = 547.607 Tahun 2010 = (0,6)(491.806) + (1 – 0,6)( 547.607) = 514.127 Tahun 2011 = (0,6)(402.125) + (1 – 0,6)( 514.127) = 446.926 Tahun 2012 = (0,6)(379.982) + (1 – 0,6)( 446.926) = 406.759 Tahun 2013 = (0,6)(412.202) + (1 – 0,6)( 406.759) = 410.025 Tahun 2014 = (0,6)(390.712) + (1 – 0,6)( 410.025) = 398.437,2 Tahun 2015 = (0,6)(428.794) + (1 – 0,6)( 398.437,2) = 416.651,3 Tahun 2016 = (0,6)(377.680) + (1 – 0,6)( 416.242,1) = 389.668,5 Tahun 2017 = (0,6)(377.288) + (1 – 0,6)( 389.668,5) = 382.240,2 α = 0,7

Tahun 2000 = 335.729

Tahun 2001 = (0,7)(229.212) + (1 – 0,7)(335.729) = 261.167

(32)

36

Tahun 2002 = (0,7)(335.504) + (1 – 0,7)( 261.167) = 313.203 Tahun 2003 = (0,7)(404.117) + (1 – 0,7)( 313.203) = 376.843 Tahun 2004 = (0,7)(758.092) + (1 – 0,7)( 376.843) = 643.717 Tahun 2005 = (0,7)(636.980) + (1 – 0,7)( 643.717) = 639.001 Tahun 2006 = (0,7)(632.049) + (1 – 0,7)( 639.001) = 634.135 Tahun 2007 = (0,7)(571.334) + (1 – 0,7)( 634.135) = 590.174 Tahun 2008 = (0,7)(554.539) + (1 – 0,7)( 590.174) = 565.230 Tahun 2009 = (0,7)(532.427) + (1 – 0,7)( 565.230) = 542.268 Tahun 2010 = (0,7)(491.806) + (1 – 0,7)( 542.268) = 506.945 Tahun 2011 = (0,7)(402.125) + (1 – 0,7)( 506.945) = 433.571 Tahun 2012 = (0,7)(379.982) + (1 – 0,7)( 433.571) = 396.059 Tahun 2013 = (0,7)(412.202) + (1 – 0,7)( 396.059) = 407.359 Tahun 2014 = (0,7)(390.712) + (1 – 0,7)( 407.359) = 395.706,1 Tahun 2015 = (0,7)(428.794) + (1 – 0,7)( 395.706,1) = 418.867,6 Tahun 2016 = (0,7)(377.680) + (1 – 0,7)( 418.867,6) = 385.836,3 Tahun 2017 = (0,7)(377.288) + (1 – 0,7)( 385.836,3) = 379.852,5 α = 0,8

Tahun 2000 = 335.729

Tahun 2001 = (0,8)(229.212) + (1 – 0,8)(335.729) = 250.515 Tahun 2002 = (0,8)(335.504) + (1 – 0,8)( 250.515) = 318.506 Tahun 2003 = (0,8)(404.117) + (1 – 0,8)( 318.506) = 386.995 Tahun 2004 = (0,8)(758.092) + (1 – 0,8)( 386.995) = 683.873 Tahun 2005 = (0,8)(636.980) + (1 – 0,8)( 683.873) = 646.359 Tahun 2006 = (0,8)(632.049) + (1 – 0,8)( 646.359) = 634.911 Tahun 2007 = (0,8)(571.334) + (1 – 0,8)( 634.911) = 584.049 Tahun 2008 = (0,8)(554.539) + (1 – 0,8)( 584.049) = 560.441 Tahun 2009 = (0,8)(532.427) + (1 – 0,8)( 560.441) = 538.030 Tahun 2010 = (0,8)(491.806) + (1 – 0,8)( 538.030) = 501.051 Tahun 2011 = (0,8)(402.125) + (1 – 0,8)( 501.051) = 421.910 Tahun 2012 = (0,8)(379.982) + (1 – 0,8)( 421.910) = 388.368 Tahun 2013 = (0,8)(412.202) + (1 – 0,8)( 388.368) = 407.435 Tahun 2014 = (0,8)(390.712) + (1 – 0,8)( 407.435) = 394.056,6 Tahun 2015 = (0,8)(428.794) + (1 – 0,8)( 394.056,6) = 421.846,5 Tahun 2016 = (0,8)(377.680) + (1 – 0,8)( 421.846,5) = 381.713,3

Tahun 2017 = (0,8)(377.288) + (1 – 0,8)( 381.713,3) = 378.173,1 UNIVERSITAS SUMATERA UTARA

(33)

37

α = 0,9

Tahun 2000 = 335.729

Tahun 2001 = (0,9)(229.212) + (1 – 0,9)(335.729) = 239.864 Tahun 2002 = (0,9)(335.504) + (1 – 0,9)( 239.864) = 325.940 Tahun 2003 = (0,9)(404.117) + (1 – 0,9)( 325.940) = 396.299 Tahun 2004 = (0,9)(758.092) + (1 – 0,9)( 396.299) = 721.913 Tahun 2005 = (0,9)(636.980) + (1 – 0,9)( 721.913) = 645.473 Tahun 2006 = (0,9)(632.049) + (1 – 0,9)( 645.473) = 633.391 Tahun 2007 = (0,9)(571.334) + (1 – 0,9)( 633.391) = 577.540 Tahun 2008 = (0,9)(554.539) + (1 – 0,9)( 577.540) = 556.112 Tahun 2009 = (0,9)(532.427) + (1 – 0,9)( 556.112) = 534.868 Tahun 2010 = (0,9)(491.806) + (1 – 0,9)( 534.868) = 496.112 Tahun 2011 = (0,9)(402.125) + (1 – 0,9)( 496.112) = 411.524 Tahun 2012 = (0,9)(379.982) + (1 – 0,9)( 411.524) = 383.136 Tahun 2013 = (0,9)(412.202) + (1 – 0,9)( 383.136) = 409.295 Tahun 2014 = (0,9)(390.712) + (1 – 0,9)( 409.295) = 392.570 Tahun 2015 = (0,9)(428.794) + (1 – 0,9)( 392.570) = 425.171,6 Tahun 2016 = (0,9)(377.680) + (1 – 0,9)( 425.171,6) = 377.029,2 Tahun 2017 = (0,9)(377.288) + (1 – 0,9)( 377.029,2) = 377.262,1

2. Dan tahap selanjutnya untuk menghitung peramalan tingkat pengangguran yaitu mencari Pemulusan Eksponensial Ganda dengan rumus :

t =

t+

t-1

Maka dapat dihitung : α = 0,1

Tahun 2000 = 335.729

Tahun 2001 = (0,1)(325.077,3) + (1 – 0,1)(335.729) = 334.663,8 Tahun 2002 = (0,1)(326.120) + (1 – 0,1)(334.663,8) = 333.809,4 Tahun 2003 = (0,1)(333.919,7) + (1 – 0,1)(333.809,4) = 333.820,5 Tahun 2004 = (0,1)(376.336,9) + (1 – 0,1)(333.820,5) = 338.072,1 Tahun 2005 = (0,1)(402.401,2) + (1 – 0,1)(338.072,1) = 344.505 Tahun 2006 = (0,1)(425.366) + (1 – 0,1)(344.505) = 352.591,1 Tahun 2007 = (0,1)(439962,8) + (1 – 0,1)(352.591,1) = 361.328,3 Tahun 2008 = (0,1)(451.420,4) + (1 – 0,1)(361.328,3) = 370.337,5 Tahun 2009 = (0,1)(459.520,9) + (1 – 0,1)(370.337,5) = 379.255,8 Tahun 2010 = (0,1)(462.749,6) + (1 – 0,1)( 379.255,8) = 387.605,2

(34)

38

Tahun 2011 = (0,1)(455.545,8) + (1 – 0,1)(387.605,2) = 394.513,4 Tahun 2012 = (0,1)(451.211,4) + (1 – 0,1)(394.513,4) = 399.963,7 Tahun 2013 = (0,1)(444.088,5) + (1 – 0,1)(399.963,7) = 404.500,9 Tahun 2014 = (0,1)(439.872,2) + (1 – 0,1)(404.500,9) = 408.038,1 Tahun 2015 = (0,1)(438.764,9) + (1 – 0,1) (408.038,1) = 411.110,7 Tahun 2016 = (0,1)(432.056,4) + (1 – 0,1) (411.110,7) = 413.205,3 Tahun 2017 = (0,1)(426.579,6) + (1 – 0,1) (413.205,3) = 414.542,7

α = 0,2

Tahun 2000 = 335.729

Tahun 2001 = (0,2)(314.425,6) + (1 – 0,2)(335.729) = 331.468,3 Tahun 2002 = (0,2)(318.641,28) + (1 – 0,2)( 331.468,3) = 328.902,9 Tahun 2003 = (0,2)(335.736,424) + (1 – 0,2)( 328.902,9) = 330.269,6 Tahun 2004 = (0,2)(420.207,53) + (1 – 0,2)( 330.269,6) = 348.257,2 Tahun 2005 = (0,2)(463.562,03) + (1 – 0,2)( 348.257,2) = 371.318,2 Tahun 2006 = (0,2)(497.259,4) + (1 – 0,2)( 371.318,2) = 396.506,4 Tahun 2007 = (0,2)(512.074,34) + (1 – 0,2)( 396.506,4) = 419.620 Tahun 2008 = (0,2)(520.567,2) + (1 – 0,2)( 419.620) = 439.806,4 Tahun 2009 = (0,2)(522.939,2) + (1 – 0,2)( 439.806,4) = 456.435,4 Tahun 2010 = (0,2)(516.712,6) + (1 – 0,2)( 456.435,4) = 468.490,8 Tahun 2011 = (0,2)(493.795,1) + (1 – 0,2)( 468.490,8) = 473.551,6 Tahun 2012 = (0,2)(471.032,4) + (1 – 0,2)( 473.551,6) = 473.047,8 Tahun 2013 = (0,2)(459.266,3) + (1 – 0,2)( 473.047,8) = 470.291,5 Tahun 2014 = (0,2)(445.555,5) + (1 – 0,2)( 470.291,5) = 465.344,3 Tahun 2015 = (0,2)(442.2203,2) + (1 – 0,2) (465.344,3) = 460.716,102 Tahun 2016 = (0,2)(428.098,6) + (1 – 0,2) (460.716,102) = 454.192,592 Tahun 2017 = (0,2)(417.936,4) + (1 – 0,2) (454.192,592) = 446.941,362

α = 0,3

Tahun 2000 = 335.729

Tahun 2001 = (0,3)(303.774) + (1 – 0,3)(335.729) = 326.143 Tahun 2002 = (0,3)(313.293) + (1 – 0,3)( 326.143) = 322.288 Tahun 2003 = (0,3)(340.540) + (1 – 0,3)( 322.288) = 327.763 Tahun 2004 = (0,3)(465.806) + (1 – 0,3)( 327.763) = 369.176 Tahun 2005 = (0,3)(517.158) + (1 – 0,3)( 369.176) = 413.571

(35)

39

Tahun 2007 = (0,3)(557.538) + (1 – 0,3)( 454.987) = 485.752 Tahun 2008 = (0,3)(556.638) + (1 – 0,3)( 485.752) = 507.018 Tahun 2009 = (0,3)(549.375) + (1 – 0,3)( 507.018) = 519.725 Tahun 2010 = (0,3)(532.104) + (1 – 0,3)( 519.725) = 523.439 Tahun 2011 = (0,3)(493.110) + (1 – 0,3)( 523.439) = 514.340 Tahun 2012 = (0,3)(459.172) + (1 – 0,3)( 514.340) = 497.790 Tahun 2013 = (0,3)(445.081) + (1 – 0,3)( 497.790) = 481.977 Tahun 2014 = (0,3)(428.770) + (1 – 0,3)( 481.977) = 466.015 Tahun 2015 = (0,3)(428.777,4) + (1 – 0,3) (466.015) = 454.843,8 Tahun 2016 = (0,3)(411.648,2) + (1 – 0,3) (454.843,8) = 441.885,1 Tahun 2017 = (0,3)(401.340,1) + (1 – 0,3) (441.885,1) = 429.729,6

α = 0,4

Tahun 2000 = 335.729

Tahun 2001 = (0,4)(393.122) + (1 – 0,4)(335.729) = 318.686 Tahun 2002 = (0,4)(310.075) + (1 – 0,4)( 318.686) = 315.242 Tahun 2003 = (0,4)(347.692) + (1 – 0,4)( 315.242) = 328.222 Tahun 2004 = (0,4)(511.852) + (1 – 0,4)( 328.222) = 401.674 Tahun 2005 = (0,4)(561.903) + (1 – 0,4)( 401.674) = 465.766 Tahun 2006 = (0,4)(589.962) + (1 – 0,4)( 465.766) = 515.444 Tahun 2007 = (0,4)(582.511) + (1 – 0,4)( 515.444) = 542.271 Tahun 2008 = (0,4)(471.322) + (1 – 0,4)( 542.271) = 553.891 Tahun 2009 = (0,4)(555.764) + (1 – 0,4)( 553.891) = 554.640 Tahun 2010 = (0,4)(530.181) + (1 – 0,4)( 554.640) = 544.856 Tahun 2011 = (0,4)(478.959) + (1 – 0,4)( 544.856) = 518.497 Tahun 2012 = (0,4)(439.368) + (1 – 0,4)( 518.497) = 486.856 Tahun 2013 = (0,4)(428.502) + (1 – 0,4)( 486.856) = 463.508 Tahun 2014 = (0,4)(413.386) + (1 – 0,4)( 463.508) = 443.459 Tahun 2015 = (0,4)(421.089,9) + (1 – 0,4) (443.459) = 432.274,4 Tahun 2016 = (0,4)(401.325,9) + (1 – 0,4) (432.274,4) = 419.895 Tahun 2017 = (0,4)(391.710,7) + (1 – 0,4) (419.895) = 408.621,3

α = 0,5

Tahun 2000 = 335.729

Tahun 2001 = (0,5)(282.471) + (1 – 0,5)(335.729) = 309.100 UNIVERSITAS SUMATERA UTARA

(36)

40

Tahun 2002 = (0,5)(308.987) + (1 – 0,5)( 309.100) = 309.044 Tahun 2003 = (0,5)(356.552) + (1 – 0,5)( 309.044) = 332.798 Tahun 2004 = (0,5)(557.322) + (1 – 0,5)( 332.798) = 445.060 Tahun 2005 = (0,5)(597.151) + (1 – 0,5)( 445.060) = 521.106 Tahun 2006 = (0,5)(614.600) + (1 – 0,5)( 521.106) = 567.853 Tahun 2007 = (0,5)(592.967) + (1 – 0,5)( 567.853) = 580.410 Tahun 2008 = (0,5)(573.753) + (1 – 0,5)( 580.410) = 577.081 Tahun 2009 = (0,5)(553.090) + (1 – 0,5)( 577.081 = 565.086 Tahun 2010 = (0,5)(522.448) + (1 – 0,5)( 565.086) = 543.767 Tahun 2011 = (0,5)(462.287) + (1 – 0,5)( 543.767) = 503.027 Tahun 2012 = (0,5)(421.134) + (1 – 0,5)( 503.027) = 462.081 Tahun 2013 = (0,5)(416.668) + (1 – 0,5)( 462.081) = 439.374 Tahun 2014 = (0,5)(403.690) + (1 – 0,5)( 439.374) = 421.532 Tahun 2015 = (0,5)(416.242,1) + (1 – 0,5) (421.532) = 418.887,1 Tahun 2016 = (0,5)(393.961) + (1 – 0,5) (418.887,1) = 406.424,1 Tahun 2017 = (0,5)(385.624,5) + (1 – 0,5) (406.424,1) = 396.024,3

α = 0,6

Tahun 2000 = 335.729

Tahun 2001 = (0,6)(271.819) + (1 – 0,6)(335.729) = 297.383 Tahun 2002 = (0,6)(310.030) + (1 – 0,6)( 297.383) = 304.971 Tahun 2003 = (0,6)(366.482) + (1 – 0,6)( 304.971) = 341.878 Tahun 2004 = (0,6)(601.448) + (1 – 0,6)( 341.878) = 497.620 Tahun 2005 = (0,6)(622.767) + (1 – 0,6)( 497.620) = 572.708 Tahun 2006 = (0,6)(628.336) + (1 – 0,6)( 572.708) = 606.085 Tahun 2007 = (0,6)(594.135) + (1 – 0,6)( 606.085) = 598.915 Tahun 2008 = (0,6)(570.377) + (1 – 0,6)( 598.915) = 581.792 Tahun 2009 = (0,6)(547.607) + (1 – 0,6)( 581.792) = 561.281 Tahun 2010 = (0,6)(514.127) + (1 – 0,6)( 561.281) = 532.988 Tahun 2011 = (0,6)(446.926) + (1 – 0,6)( 532.988) = 481.351 Tahun 2012 = (0,6)(406.759) + (1 – 0,6)( 481.351) = 436.596 Tahun 2013 = (0,6)(410.025) + (1 – 0,6)( 436.596) = 420.653 Tahun 2014 = (0,6)(398.437,2) + (1 – 0,6)( 420.653) = 407.323,7 Tahun 2015 = (0,6)(416.651) + (1 – 0,6) (407.323,7) = 412.920,2 Tahun 2016 = (0,6)(389.668,5) + (1 – 0,6) (412.920,2) = 398.969,2

Tahun 2017 = (0,6)(382.240,2) + (1 – 0,6) (398.969,2) = 388.931,8 UNIVERSITAS SUMATERA UTARA

(37)

41

α = 0,7

Tahun 2000 = 335.729

Tahun 2001 = (0,7)(261.167) + (1 – 0,7)(335.729) = 283.536 Tahun 2002 = (0,7)(313.203) + (1 – 0,7)( 283.536) = 304.303 Tahun 2003 = (0,7)(376.843) + (1 – 0,7)( 304.303) = 355.081 Tahun 2004 = (0,7)(643.717) + (1 – 0,7)( 355.081) = 557.126 Tahun 2005 = (0,7)(639.001) + (1 – 0,7)( 557.126) = 614.439 Tahun 2006 = (0,7)(634.135) + (1 – 0,7)( 614.439) = 628.228 Tahun 2007 = (0,7)(590.174) + (1 – 0,7)( 628.228) = 601.590 Tahun 2008 = (0,7)(565.230) + (1 – 0,7)( 601.590) = 576.138 Tahun 2009 = (0,7)(542.268) + (1 – 0,7)( 576.138) = 552.429 Tahun 2010 = (0,7)(506.945) + (1 – 0,7)( 552.429) = 520.590 Tahun 2011 = (0,7)(433.571) + (1 – 0,7)( 520.590) = 459.677 Tahun 2012 = (0,7)(396.059) + (1 – 0,7)( 459.677) = 415.144 Tahun 2013 = (0,7)(407.359) + (1 – 0,7)( 415.144) = 409.695 Tahun 2014 = (0,7)(395.706,1) + (1 – 0,7)( 409.695) = 399.903 Tahun 2015 = (0,7)(418.867,6) + (1 – 0,7) (399.903) = 413.178,1 Tahun 2016 = (0,7)(385.836,3) + (1 – 0,7) (413.178,1) = 394.038,8 Tahun 2017 = (0,7)(379.852,5) + (1 – 0,7) (394.038,8) = 384.108,4

α = 0,8

Tahun 2000 = 335.729

Tahun 2001 = (0,8)(250.515) + (1 – 0,8)(335.729) = 267.558 Tahun 2002 = (0,8)(318.506) + (1 – 0,8)( 267.558) = 308.317 Tahun 2003 = (0,8)(386.995) + (1 – 0,8)( 308.317) = 371.259 Tahun 2004 = (0,8)(683.873) + (1 – 0,8)( 371.259) = 621.350 Tahun 2005 = (0,8)(646.359) + (1 – 0,8)( 621.350) = 641.357 Tahun 2006 = (0,8)(634.911) + (1 – 0,8)( 641.357) = 636.200 Tahun 2007 = (0,8)(584.049) + (1 – 0,8)( 636.200) = 594.480 Tahun 2008 = (0,8)(560.441) + (1 – 0,8)( 594.480) = 567.249 Tahun 2009 = (0,8)(538.030) + (1 – 0,8)( 567.249) = 543.874 Tahun 2010 = (0,8)(501.051) + (1 – 0,8)( 543.874) = 509.615 Tahun 2011 = (0,8)(421.910) + (1 – 0,8)( 509.615) = 439.451 Tahun 2012 = (0,8)(388.368) + (1 – 0,8)( 439.451) = 398.584

(38)

42

Tahun 2014 = (0,8)(394.056,6) + (1 – 0,8)( 405.665) = 396.378,3 Tahun 2015 = (0,8)(421.846,5) + (1 – 0,8) (396.378,3) = 416.752,9 Tahun 2016 = (0,8)(381.713,3) + (1 – 0,8) (416.752,9) = 388.721,2 Tahun 2017 = (0,8)(378.173,1) + (1 – 0,8) (388.721,2) = 380.282,7

α = 0,9

Tahun 2000 = 335.729

Tahun 2001 = (0,9)(239.864) + (1 – 0,9)(335.729) = 249.450 Tahun 2002 = (0,9)(325.940) + (1 – 0,9)( 249.450) = 318.291 Tahun 2003 = (0,9)(396.299) + (1 – 0,9)( 318.291) = 388.499 Tahun 2004 = (0,9)(721.913) + (1 – 0,9)( 388.499) = 688.571 Tahun 2005 = (0,9)(645.473) + (1 – 0,9)( 688.571) = 649.783 Tahun 2006 = (0,9)(633.391) + (1 – 0,9)( 649.783) = 635.031 Tahun 2007 = (0,9)(577.540) + (1 – 0,9)( 635.031) = 583.289 Tahun 2008 = (0,9)(556.839) + (1 – 0,9)( 583.289) = 559.484 Tahun 2009 = (0,9)(534.868) + (1 – 0,9)( 559.484) = 537.330 Tahun 2010 = (0,9)(496.112) + (1 – 0,9)( 537.330) = 500.234 Tahun 2011 = (0,9)(411.524) + (1 – 0,9)( 543.767) = 420.395 Tahun 2012 = (0,9)(383.136) + (1 – 0,9)( 420.395) = 386.862 Tahun 2013 = (0,9)(409.295) + (1 – 0,9)( 386.862) = 407.052 Tahun 2014 = (0,9)(392.570) + (1 – 0,9)( 407.052) = 394.018,5 Tahun 2015 = (0,9)(425.171,6) + (1 – 0,9) (394.018,5) = 422.056,3 Tahun 2016 = (0,9)(377.029,2)+ (1 – 0,9) (422.056,3) = 381.531,9 Tahun 2017 = (0,9)(377.262,1) + (1 – 0,9) (381.531,9) = 377.689,1

3. Menghitung koefisien atdan bt dengan menggunakan persamaan 2.4 dan persamaan 2.5

at =

t + (

t

t) = 2

t

α = 0,1

a₃ =

a4 =

dan

b_t= (

t

t )

(39)

43

α = 0,2

a3 =

a₄=

dan,

α = 0,3

a₃ =

a4 =

dan,

begitu seterusnya hingga α = 0,9

4. Menghitung trend F_t+m dengan menggunakan persamaan F_t+m= a_t + b_tm

α = 0,1

begitu seterusnya hingga α = 0,9

(40)

44

5. Menghitung nilai kesalahan (error) dengan menggunakan persamaan e_t = X_t

^Ft

α = 0,1

begitu seterusnya hingga α = 0,9

Dalam perhitungan di atas dapat ditentukan ramalan tingkat pengangguran di Provinsi Sumatera Utara untuk tahun 2018 s/d 2020. Untuk itu tahap selanjutnya. Nilai perhitungan dapat dilihat pada tabel yang ditampilkan di bawah ini.

Tahun X_t S’_t S”_t A_t B_t F_t+m

2000 335729 335729 335729

2001 229212 325077 334664 315490,8 -1065,17

2002 335504 326120 333809 318430,6 -854,378 314425,6 2003 404117 333920 333821 334018,9 11,02222 317576,2 2004 758092 376337 338072 414601,7 4251,644 334029,9 2005 636980 402401 344505 460297,4 6432,911 418853,3 2006 632049 425366 352591 498140,9 8086,1 466730,3 2007 571334 439963 361328 518597,3 8737,167 506227 2008 554539 451420 370338 532503,3 9009,211 527334,5 2009 532427 459521 379256 539786,3 8918,356 541512,5 2010 491806 462750 387605 537894 8349,378 548704,7 2011 402125 456687 394513 518860,8 6908,189 546243,4 2012 379982 449017 399964 498069,5 5450,322 525769 2013 412202 445335 404501 486169,3 4537,133 503519,8 2014 390712 439873 408038 471707,5 3537,189 490706,4 2015 428794 438765 411111 466419 3072,667 475244,7 2016 371.680 432056 413205 450907 2094,556 469491,7 2017 377.288 426579 414542 438616 1337,444 453001,6

Dari tabel di atas dapat dicari nilai kesalahan ramalan dengan menggunakan MSE dengan formula

sebagai berikut: UNIVERSITAS SUMATERA UTARA

(41)

45

Tabel 4.3 Ramalan dan Nilai Tengah Kesalahan Kuadrat dengan (α = 0,1)

Tahun Xt Ft+m Et et²

2000 335729 2001 229212

2002 335504 314425,6 21078,4 444297541 2003 404117 317576,2 86540,8 7489306218 2004 758092 334029,9 424062,1 179828645809 2005 636980 418853,3 218126,7 47579237864 2006 632049 466730,3 165318,7 27330268896

2007 571334 506227 65107,0 4238921449

2008 554539 527334,5 27204,5 740086634

2009 532427 541512,5 -9085,5 82546512

2010 491806 548704,7 -56898,7 3237457004 2011 402125 546243,4 -144118,4 20770106813 2012 379982 525769 -145787,0 21253846129 2013 412202 503519,8 -91317,8 8338944655 2014 390712 490706,4 -99994,4 9998886698 2015 428.794 475244,7 -46450,7 2157666498 2016 371.680 469491,7 -97811,7 9567122136 2017 377.288 453001,6 -75713,6 5732542495

Jumlah 348789883353

34879883353 16 21799367710

(42)

46

Tabel 4.4 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown (0,2)

Tahun Xt S’t S”t at bt Ft+m et et2

2000 335729 335729 335729

2001 229212 314425,6 331468,32 297383 -4260,7

2002 335504 318641,28 328902,912 308380 -2565,4 293122 42381,8 1796216971 2003 404117 335736,424 330269,614 341203 1366,7 305814 98302,8 9663432624 2004 758092 420207,5392 348257,199 492158 17987,6 342570 415522 172658585671 2005 636980 463562,0314 371318,166 555806 23061 510145 126835 16086999522 2006 632049 497259,4251 396506,418 598012 25188,3 578867 53182,1 2828339658 2007 571334 512074,3401 419620,002 604529 23113,6 623201 -51867 2690152952 2008 554539 520567,2721 439809,456 601325 20189,5 627642 -73103 5344086990 2009 532427 522939,2176 456435,408 589443 16626 621515 -89088 7936590139

(43)

47

11814379926 16 73839874538

2010 491806 516712,5741 468490,842 564934 12055,4 606069 -114263 13056028413 2011 402125 493795,0593 473551,685 514038 5060,84 576990 -174865 30577677233 2012 379982 471032,4474 473047,838 469017 -503,85 519099 -139117 19353616769 2013 412202 459266,3579 470291,542 448241 -2756,3 468513 -56311 3170952346 2014 390712 445555,4864 465344,331 425767 -4947,2 445485 -54773 3000068200 2015 428.794 442203,1891 460716,102 423690 -4628,2 420819 7974,57 63593749,58 2016 371.680 428098,5513 454192,592 402005 -6523,5 419062 -47382 2245058433 2017 377.288 417936,441 446941,362 388932 -7251,2 395481 -18193 330985258,2

Jumlah 1,1814379926

(44)

48

MSE = 2359616590258 16 MSE = 22476036893

Tahun X_t S’_t S”_t a_t b_t F_t+m e_t e_t²

2000 335729 335729 335729

2001 229212 303774 326143 281405 -9586,54286

2002 335504 313293 322288 304298 -3854,87143 314425,6 335504 11256293406 2003 404117 340540 327763 353317 5475,771429 300443,329 103673,671 10748230147 2004 758092 465806 369176 562435 41412,68571 358792,771 399299,229 15943987398 2005 636980 517158 413571 620745 44394,6 603847,986 33132,0143 1097730371 2006 632049 551625 454987 648264 41416,41429 665140 -33091 1095014281 2007 571334 557538 485752 629324 30765,25714 689680,014 -118346,014 14005779097 2008 554539 556638 507018 606258 21265,75714 660088,757 -105549,757 11140751233 2009 532427 549375 519725 579025 12707,05714 627524,057 -95097,0571 9043450277 2010 491806 532104 523439 540770 3713,742857 591731,757 -99925,7571 9985156941 2011 402125 493110 514340 471881 -9098,52857 544483,343 -142358,343 20265897781 2012 379982 459172 497790 420554 -16550,5286 462781,971 -82799,9714 6855835269 2013 412202 445081 481977 408185 -15812,6571 404003,471 8198,52857 67215870,74 2014 390712 428770 466015 391526 -15962,0571 392372,043 -1660,04286 2755742,288 2015 428.794 428777,4 454843,8 402711 -11171,307 375563,443 53230,5571 2833492214 2016 371.680 411648,2 441885,1 381411 -12958,6818 391539,72 -19859,72 394408478,5 2017 377.288 401340,1 429721,6 372959 -12163,4941 368452,581 8835,419 78064628,91

Jumlah 35961659025

(45)

49

Tabel 4.6 Peramalan Tingkat Pengangguran dengan Pemulusan Eksponensial Ganda Linier dari Brown(α=0,4)

Tahun Xt S’t S”t at bt Ft+m et et2

2000 335729 335729 335729

2001 229212 293122 318686 267558 -17043

2002 335504 310075 315242 304908 -3444,5 250515 84988,6 7223062130 2003 404117 347692 328222 367162 12980 301464 102653 10537728744 2004 758092 511852 401674 622030 73452 380142 377950 142846377869 2005 636980 561903 465766 658041 64091,7 695482 -58502 3422479324 2006 632049 589962 515444 664479 49678,4 722132 -90083 8115025355 2007 571334 582511 542271 622750 26826,6 714157 -142823 20398528450 2008 554539 571322 553891 588753 11620,5 649577 -95038 9032233541 2009 532427 555764 554640 556888 749,144 600373 -67946 4616692378 2010 491806 530181 544856 515505 -9783,8 557637 -65831 4333693252 2011 402125 478959 518497 439420 -26359 505721 -103596 10732193881 2012 379982 439368 486846 391890 -31652 413061 -33079 1094185681 2013 412202 428502 463508 393495 -23338 360239 51963,5 2700204891 2014 390712 413386 443459 383312 -20048,9 370157,5 20.555 422485284,9 2015 428.794 421089,9 432274,4 409905,3 -7456,38 363263,5 65.530 4.294.242.062 2016 371.680 401325,9 419895 382756,8 -12379,4 402448,9 -30.769 946.724.694 2017 377.288 391710,7 408621,3 374800,2 -11273,7 370377,4 6.911 47.756.461

Jumlah 230763613998

230763613998 16 14422725875