PROYEKSI TINGKAT KESEMPATAN KERJA DI KOTA MEDAN PADA TAHUN DENGAN MENGGUNAKAN METODE PEMULUSAN EKSPONENSIAL GANDA TUGAS AKHIR

(1)

PROYEKSI TINGKAT KESEMPATAN KERJA DI KOTA MEDAN PADA TAHUN 2016-2020 DENGAN MENGGUNAKAN

METODE PEMULUSAN EKSPONENSIAL GANDA

TUGAS AKHIR

ANDIKA PRATAMA 142407005

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2017

(2)

PROYEKSI TINGKAT KESEMPATAN KERJA DI KOTA MEDAN PADA TAHUN 2016-2020 DENGAN MENGGUNAKAN

METODE PEMULUSAN EKSPONENSIAL GANDA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai Ahli Madya

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2017

(3)

PERSETUJUAN

Judul : PROYEKSI TINGKAT KESEMPATAN KERJA DI KOTA MEDAN PADA TAHUN 2016-2020

DENGAN MENGGUNAKAN METODE

PEMULUSAN EKSPONENSIAL GANDA Kategori : TUGAS AKHIR

Nama : ANDIKA PRATAMA Nomor Induk Mahasiswa : 142407005

Program Studi : D3 STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

Diluluskan Medan, Juli 2017

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing

Dr. Elly Rosmaini, M.Si Dr. Suyanto, M.Kom

NIP. 19600520 198503 2 002 NIP. 195908131986011002

(4)

PERNYATAAN

PROYEKSI TINGKAT KESEMPATAN KERJA DI KOTA MEDAN PADA TAHUN 2016-2020

DENGAN MENGGUNAKAN METODE EKSPONENSIAL GANDA

TUGAS AKHIR

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

Medan, Juli 2017

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah melimpahkan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul “Proyeksi Tingkat Kesempatan Kerja Di Kota Medan Pada Tahun 2016-2020 Dengan Menggunakan Metode Pemulusan Eksponensial Ganda”, disusun sebagai salah satu syarat untuk menyelesaikan program D3 dan memperoleh Ahli Madya.

Terimakasih penulis ucapkan kepada Bapak Dr. Suyanto, M.Kom selaku Pembimbing dan Ketua Departemen Matematika yang telah meluangkan waktu selama penyusunan Tugas Akhir. Terimakasih kepada Bapak Dr. Faigiziduhu Buulolo, M.Si selaku Dosen Pembimbing Akademik yang telah meluangkan waktu selama kegiatan akademik, terimakasih kepada Ibu Dr. Elly Rosmaini, M.Si dan Bapak Drs. Marihat Situmorang, M.Kom selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, terimakasih kepada Bapak Drs. Rosman Siregar, M.Si selaku Sekretaris Departemen Matematika FMIPA USU, terimakasih kepada Bapak Dr. Kerista Sebayang M.S. selaku Dekan FMIPA USU. Terimakasih kepada seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU, seluruh Staff Badan Pusat Statistik Kota Medan, terimakasih kepada yang teristimewa Ayahanda Winarno dan Ibunda Rita Susiana yang selalu mendo’akan dan terimakasih kepada teman-teman kuliah.

Semoga Tugas Akhir ini dapat bermanfaat, khususnya dalam pengembangan ilmu pengetahuan. Penulis sangat menyadari sepenuhnya bahwa Tugas Akhir ini tidaklah sempurna. Karena itu saran dari pembaca senantiasa penulis harapkan untuk perbaikan pada kesempatan penulisan yang akan datang.

Penulis

(Andika Pratama)

(6)

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

DAFTAR LAMPIRAN viii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Identifikasi Masalah 3

1.4 Tujuan Penelitian 3

1.5 Tempat dan Waktu Penelitian 3

1.6 Metode Penelitian 4

1.7 Sistematika Penulisan 4

BAB 2 LANDASAN TEORI 6

2.1 Pengertian

2.1.1 Peramalan (Forecast) 2.1.2 Analisis Deret Berkala 2.1.3 Kesempatan Kerja 2.1.4 Pekerja

2.1.5 Pengangguran

6 6 6 7 8 9 2.2 Hubungan Forecast Dengan Rencana 10

2.3 Metode Peramalan 10

2.4 Metode Analisa Data 2.4.1 Uji Stasioneritas 2.4.2 Pola Data

2.4.3 Pemilihan Metode Yang Baik

10 11 11 12 2.5 Peramalan Dengan Pemulusan (Smoothing) 13 2.5.1 Metode Exponential Smoothing 13 2.5.2 Metode Double Exponential Smoothing 15

2.6 Laju Pertumbuhan 17

2.7 Tingkat Kesempatan Kerja 17

BAB 3 GAMBARAN UMUM KOTA MEDAN 18

3.1 Letak Geografis 18

3.2 Komposisi Penduduk 20

3.3 Latar Belakang Historis 22

BAB 4 ANALISIS DATA DAN PERANCANGAN 30

4.1 Analisis Data 30

(7)

4.2 Uji Stasioneritas 31

4.2.1 Uji Grafik 31

4.2.2 Uji Augmented Dickey-Fuller 33 4.2.2 Uji Phillips-Perron 35

4.3 Perancangan 36

BAB 5 IMPLEMENTASI DAN PEMBAHASAN 39

5.1 Implementasi 39

5.1.1 Penyajian Data

5.1.2 Penaksiran Model Peramalan 5.1.2.1 Angkatan Kerja

5.1.2.2 Angkatan Kerja Yang Bekerja 5.1.3 Peramalan

5.1.3.1 Angkatan Kerja

5.1.3.2 Angkatan Kerja Yang Bekerja 5.1.4 Laju Pertumbuhan

5.1.4.1 Angkatan Kerja

5.1.4.2 Angkatan Kerja Yang Bekerja 5.1.5 Tingkat Kesempatan Kerja

39 40 40 48 55 55 58 61 61 62 63

5.2 Pembahasan 66

BAB 6 KESIMPULAN DAN SARAN 68

6.1 Kesimpulan 68

6.2 Saran 68

Daftar Pustaka Lampiran

(8)

DAFTAR TABEL

Nomor Judul Halaman

3.1 Luas Wilayah Kota Medan Berdasarkan Kecamatan 18 3.2 Komposisi Penduduk Kota Medan Berdasarkan

Jenis Kelamin Tahun 2015

20

3.3 Komposisi Penduduk Kota Medan Berdasarkan Agama Tahun 2015

22 3.4 Komposisi Kelurahan Kota Medan Berdasarkan

Peraturan Pemerintah Tahun 1973

26

3.5 Komposisi Kelurahan Kota Medan Berdasarkan Peraturan Pemerintah Tahun 1991

27 3.6 Komposisi Kelurahan Kota Medan Berdasarkan

Peraturan Pemerintah Tahun 1992

28 4.1 Jumlah Angkatan Kerja Di Kota Medan Tahun 2006-

2015

30

5.1 Data Angkatan Kerja Di Kota Medan 39

5.2 Perbandingan Ukuran Ketetapan Metode Peramalan 41 5.3 Perhitungan nilai 𝒆_𝒕 dan 𝒆_𝒕^𝟐 dengan 𝜶 = 𝟎, 𝟑 47 5.4 Perbandingan Ukuran Ketetapan Metode Peramalan 49 5.5 Perhitungan nilai 𝒆_𝒕 dan 𝒆_𝒕^𝟐 dengan 𝜶 = 𝟎, 𝟒 55 5.6 Peramalan Nilai Pertumbuhan Penduduk Angkatan

Kerja Di Kota Medan

57

5.7 Peramalan Nilai Pertumbuhan Penduduk Angkatan Kerja Yang Sudah Bekerja Di Kota Medan

60 5.8 Hasil Proyeksi Tingkat Kesempatan Kerja 66

(9)

DAFTAR GAMBAR

Nomor Judul Halaman

4.1 Uji Grafik Angkatan Kerja Yang Sudah Bekerja Menggunakan Eviews 8

31 4.2 Uji Grafik Angkatan Kerja Yang Sudah Bekerja

Menggunakan Eviews 8

32

4.3 Uji ADF Angkatan Kerja Menggunakan Eviews 8 33 4.4 Uji ADF Angkatan Kerja Yang Sudah Bekerja

Menggunakan Eviews 8

34 4.5 Uji Phillips-Perron Angkatan Kerja Menggunakan

Eviews 8

35 4.6 Uji Phillips-Ferron Angkatan Kerja Yang Sudah

Bekerja Menggunakan Eviews 8

36

4.7 Diagram Perancangan Implementasi 37

5.1 Grafik Proyeksi Angkatan Kerja Di Kota Medan 58 5.2 Grafik Proyeksi Angkatan Kerja Sudah Bekerja Di

Kota Medan

60

(10)

DAFTAR LAMPIRAN

Nomor Judul Halaman

A. Data Angkatan Kerja Di Kota Medan Tahun 2006- 2015

L-1 B.1. Hasil Pemulusan Eksponensial Linier Satu

Parameter Dari Brown Menggunakan 𝛼 = 0,1 Pada data Penduduk Angkatan Kerja

L-2

B.2. Hasil Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan 𝛼 = 0,2 Pada data Penduduk Angkatan Kerja

L-2

L-3

L-4

L-5

L-6

B.10. Hasil Pemulusan Eksponensial Linier Satu Parameter Dari Brown Menggunakan 𝛼 = 0,1 Pada data Penduduk Angkatan Kerja Yang Bekerja

L-6

(11)

L-7

L-8

L-9

L-10

Surat Keputusan Pembimbing Tugas Akhir

Permohonan Surat Pengantar Pengambilan Data Riset

Surat Izin Pengambilan Data Surat Selesai Pengambilan Data

Kartu Bimbingan Tugas Akhir Mahasiswa

(12)

1.1 Latar Belakang

Kesempatan kerja bagi setiap warga negara Indonesia merupakan hak yang telah dijamin oleh UUD 1945 Pasal 27 Ayat (2) “Tiap-tiap warga negara berhak atas pekerjaan dan penghidupan yang layak”. Dari kutipan tersebut telah jelas bahwa kesejahteraan adalah kemampuan warga negara untuk menjalani kehidupan dan pekerjaan yang layak. Setiap warga negara pada dasarnya memiliki keinginan untuk berkehidupan dan bekerja secara layak agar mendapatkan kehidupan yang sejahtera. Setiap hak berawal dengan kewajiban, dan warga negara memiliki kewajiban untuk mencapai kehidupan yang sejahtera atau dengan kata lain kehidupan sejahtera dicapai dengan memenuhi kewajiban sebagai tenaga kerja.

Tenaga kerja (Man Power) ialah besarnya bagian dari penduduk yang dapat diikut sertakan dalam proses ekonomi (Tan Goan Tiang, 1965). Tenaga kerja (Man Power) dibagi menjadi dua kelompok yaitu angkatan kerja (labor force) dan bukan angkatan kerja. Angkatan kerja ialah terdiri atas golongan yang bekerja dan golongan penganggur atau sedang mencari kerja. Bukan angkatan kerja ialah terdiri atas golongan yang bersekolah, golongan yang mengurus rumah tangga, dan golongan lain-lain atau menerima penghasilan dari pihak lain, seperti pensiunan dan lain sebagainya.

Pertumbuhan penduduk yang semakin meningkat setiap tahunnya menjadi hal yang harus dijadikan prioritas, dimana setiap meningkatnya pertumbuhan penduduk akan semakin bertambah pula kebutuhan lapangan pekerjaan bagi tiap warga negara. Pertumbuhan penduduk yang tinggi dan penyebaran penduduk yang kurang seimbang merupakan faktor yang amat mempengaruhi manfaat hasil pembangunan bagi peningkatan kesejahteraan rakyat. Dari pertumbuhan penduduk yang tinggi, diperlukan usaha yang semakin besar untuk mempertahankan suatu tingkat kesejahteraan warga negara di dalam memenuhi kebutuhan pokok seperti makanan, perumahan, pakaian, pekerjaan, dan kesehatan. Perlunya usaha yang lebih besar lagi dibutuhkan bilamana tingkat

(13)

2

kesejahteraan ingin ditingkatkan. Uraian tersebut terdapat pada Undang Undang Ketenagakerjaan No. 13 Tahun 2003 pasal 39 ayat (1) “Pemerintah bertanggung jawab mengupayakan perluasan kesempatan kerja baik di dalam maupun di luar hubungan kerja”. Fakta tersebut menjadi desakan terhadap pemerintah akan penciptaan lapangan kerja yang semakin meluas.

Kesempatan kerja merupakan salah satu kebutuhan pokok manusia (Human Basic Needs) yang tidak ada bedanya dengan sandang, pangan dan papan serta merupakan salah satu indikator ekonomi yang digunakan untuk mengukur tingkat keberhasilan perekonomian suatu daerah. Kesempata n kerja dapat memeperlihatkan tingkat partisipasi masyarakat suatu negara dalam membangun perekonomiannya indikator ini juga dapat digunakan sebagai tolak ukur keberhasilan Pemerintah dalam menjalankan kebijakan ekonominya.

Seiring dengan pertumbuhan ekonomi yang sangat pesat di Indonesia khususnya Kota Medan. Masih cukup banyak masyarakat yang terbilang kurang mampu, salah satu faktornya disebabkan oleh kurangnya lapangan pekerjaan yang tersedia. Untuk menghadapi keterpurukan tersebut Pemerintah dan seluruh masyarakat dituntut untuk bekerja keras, Apalagi Indonesia adalah salah satu negara yang termasuk dalam Masyarakat Ekonomi ASEAN (MEA).

Masyarakat Ekonomi ASEAN adalah bentuk integrasi ekonomi ASEAN dalam artian adanya system perdagangan bebas antara Negara-negara ASEAN. Indonesia dan sembilan negara anggota ASEAN lainnya telah menyepakati perjanjian Masyarakat Ekonomi ASEAN atau ASEAN Economic Community (AEC).

Sesuai permasalahan ketenagakerjaan tersebut, penulis membuat judul penelitian “Proyeksi Tingkat Kesempatan Kerja Di Kota Medan Pada Tahun 2016-2020 Dengan Menggunakan Metode Pemulusan Eksponensial Ganda” dengan maksud memberikan masukkan kepada pemerintah daerah Kota Medan dalam mengambil tindakan yang tepat untuk dapat dilakukan dimasa mendatang dalam mengatasi permasalahan ketenagakerjaan.

(14)

1.2 Rumusan Masalah

Untuk mengetahui kesempatan kerja di Kota Medan, adapun yang menjadi dasar permasalahan penelitian adalah sebagai berikut :

1. Bagaimana jumlah angkatan kerja dan angkatan kerja yang sudah bekerja tahun 2016-2020 di Kota Medan.

2. Bagaimana kesempatan kerja atau peluang kerja tahun 2016-2020 di Kota Medan.

1.3 Identifikasi Masalah

Mengingat kemampuan dan keterbatasan waktu dalam penelitian, penulis melakukan pembatasan atau ruang lingkup masalah sebagai berikut :

1. Peninjauan terfokus pada jumlah angkatan kerja yang sudah bekerja dan jumlah angkatan kerja yang belum bekerja.

2. Data yang dianalisa menggunakan metode Pemulusan Eksponensial Ganda untuk meramalkan jumlah penduduk angkatan kerja dan angkatan kerja yang sudah bekerja di Kota Medan tahun 2016-2020.

3. Mengetahui tingkat kesempatan kerja di Kota Medan tahun 2016-2020.

1.4 Tujuan Penelitian

Tujuan penelitian ini adalah untuk mengetahui seberapa besar angka kesempatan kerja atau peluang kerja di Kota Medan dan seberapa besar jumlah tenaga produktif tersebut dalam memenuhi lapangan pekerjaan yang ada di kota Medan pada tahun 2016-2020.

1.5 Tempat dan Waktu Penelitian

Penelitian atau pengambilan data dilakukan di Kantor Badan Pusat Statistik (BPS) Kota Medan dan waktu penelitian dilaksanakan bulan Januari 2017 sampai dengan bulan Mei 2017.

(15)

4

1.6 Metode Penelitian

Penelitian ini menggunakan metode penelitian deskriptif, pelaksanaan penelitian meliputi data, analisis dan interpretasi tentang arti data yang diperol eh. Metode penelitian yang digunakan adalah sebagai berikut :

1. Studi Kepustakaan

Studi pustaka yaitu mempelajari berbagai buku referensi serta hasil penelitian sebelumnya yang sejenis yang berguna untuk mendapatkan landasan teori mengenai masalah yang akan diteliti (Sarwono:2006).

2. Pengumpulan Data

Tahap pengumpulan data menggunakan metode dokumentasi yaitu pengumpulan data dimana peneliti menyelidiki benda-benda tertulis seperti buku-buku, majalah, dokumen, peraturan-peraturan, dan sebagainya (Arikunto, 2002:158). Metode ini digunakan untuk memperoleh data angkatan kerja di Kota Medan.

3. Pengolahan Data

Pengolahan data menggunakan metode pemulusan eksponensial ganda berdasarkan data angkatan kerja di Kota Medan tahun 2006-2015.

1.7 Sistematika Penulisan

Adapun sistematika dalam penulisan penelitian secara garis besar dibagi dalam 6 (enam) bab yang masing-masing bab dibagi atas beberapa sub-sub bab yaitu sebagai berikut :

BAB 1 PENDAHULUAN

Bab ini menjelaskan latar belakang pengambilan judul, perumusan masalah, identifikasi masalah, tujuan penelitian, metode penelitian, tempat dan waktu penelitian, dan sistematika penulisan.

(16)

BAB 2 LANDASAN TEORI

Bab ini menjelaskan tentang segala yang mencakup penyelesaian yang menyangkut pada penelitian dan perumusan masalah.

BAB 3 GAMBARAN UMUM KOTA MEDAN

Bab ini membahas secara ringkas mengenai sejarah kota Medan.

BAB 4 ANALISIS DATA DAN PERANCANGAN

Bab ini berisianalisisdata untuk mengetahui metode yang paling tepat untuk meramalkan peningkatan jumlah penduduk angkatan kerja dan angkatan kerja yang sudah bekerja di Kota Medan tahun 2016-2020 dan perancangan implementasi berupa tahapan dalam pelaksanaan peramalan.

BAB 5 IMPLEMENTASI DAN PEMBAHASAN

Bab ini berisi tentang implementasi dalam pengolahan data menggunakan metode yang telah ditentukan dan membahas hasil dari data yang telah diolah.

BAB 6 KESIMPULAN DAN SARAN

Bab ini merangkum hasil dari analisa dan peramalan pada bab-bab sebelumnya. Selain kesimpulan, bab ini juga memberikan saran yang bersifat membangun terkhusus kepada peneliti yang akan datang.

(17)

BAB 2

LANDASAN TEORI

2.1 Pengertian

2.1.1 Peramalan (Forecast)

Peramalan adalah seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Dengan digunakannya peralatan metode- metode peramalan maka akan memberikan hasil peramalan yang lebih dapat dipercaya ketetapannya. Oleh karena masing-masing metode peramalan berbeda- beda, maka penggunaannya harus hati-hati terutama dalam pemilihan metode untuk penggunaan dalam kasus tertentu (Ariyoso, 2009:1). Peramalan juga memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan data masa lampau yang dianalisis secara ilmiah, khususnya menggunakan metode statistika (Soepranto, 1984:4).

Peramalan definisikan sebagai alat/teknik untuk memprediksi atau memperkirakan suatu nilai pada masa yang akan datang dengan meperhatikan data atau informasi yang relevan, baik data/informasi masa lalu maupun data/informasi saat ini (Djalal & Hardius, 2004:226).

2.1.2 Analisis Deret Berkala

Data berkala (Time Series) adalah data yang terdiri dari satu objek namun teridiri dari beberapa waktu periode, seperti harian, bulanan, triwulanan, dan tahunan.

Misalnya : data pertumbuhan PDB dari tahun 2009 sampai 2013 (objeknya hanya satu : pertumbuhan PDB triwulanan, namun disajikan dalam beberapa periode : dari tahun 2009-2013 secara triwulan). Contoh lainnya adalah data harian saham, data bulanan BI rate dari tahun 2008-2014, dan lain-lain. Data ini nantinya akan diamati trend atau pola perubahannya dari tahun ke tahun (berurutan), sehingga data ini dikatakan sebagai data historis atau runtun waktu. Pola perubahan atau trend pada waktu-waktu lampau tersebut akan dapat digunakan untuk mengestimasi pola perubahan pada tahun-tahun atau waktu mendatang.

(18)

2.1.3 Kesempatan Kerja

Kesempatan kerja identik dengan Sasaran Pembangunan Nasional, khususnya pembangunan ekonomi. Kesempatan kerja merupakan sumber pendapatan bagi mereka yang memperoleh kesempatan kerja dan juga merupakan sumber dari peningkatan Pendapatan Nasional, melalui peningkatan Produk Nasional Bruto.

GBHN telah menyebutkan bahwa tujuan Pembangunan Nasional disamping meningkatkan produksi nasional, maka pertumbuhan ekonomi juga harus mempercepat lapangan pekerjaan, oleh karena kesempatan kerja bukan memiliki nilai ekonomis, tetapi juga mengandung nilai kemanusiaan dengan menumbuhkan rasa harga diri, sehingga memberikan isi kepada asas manusia. Kesempatan kerja yang diartikan sebagai permintaan tenaga kerja (Demand For Labor) yaitu suatu keadaan yang menggambarkan tersedianya lapangan kerja yang siap diisi oleh para pencari kerja.

Sejak tahun 1976 hingga saat ini, konsep dan perihal ketenagakerjaan yang digunakan Badan Pusat Statistik (BPS) adalah sama. Konsep dan defenisi tersebut sesuai dengan Labour Force Approuch yang diperkenalkan oleh Internasional Labour Organization (ILO). Pendekatan ini juga diterapkan di negara-negara berkembang selain Indonesia.

Konsep dan defenisi yang digunakan oleh Badan Pusat Statistik dalam penelitian ketengakerjaan sejak tahun 1976 adalah sebagai berikut :

1. Bekerja adalah mereka yang melakukan suatu pekerjaan dengan maksud memperoleh atau membantu memperoleh pendapatan atau keuntungan dan lamanya bekerja paling sedikit satu jam yang secara kontinu dalam seminggu yang lalu (seminggu sebelum pencacahan). Dengan demikian, pekerjaan keluarga yang tanpa upah yang membantu dalam satu usaha/kegiatan ekonomi, dimaksudkan sebagai pekerja.

2. Setengah pengangguran (sementara tidak bekerja) adalah mereka yang mempunyai pekerjaan tetapi selama seminggu yang lalu tidak bekerja karena berbagai alasan seperti sakit, cuti, menuggu panenan, mogok dan lain sebagainya. Termasuk ereka yang sudah diterima bekerja tetapi selama seminggu yang lalu belum bekerja. Mereka dikategorikan sebagai bekerja.

(19)

8

3. Mencari pekerjaan adalah mereka yang tidak bekerja dan mencari pekerjaan seperti mereka yang belum pernah bekerja atau mereka yang sudah pernah bekerja, karena sesuatu hal berhenti atau diberhentikan dan sedang berusaha untuk mendapatkan pekerjaan. Mereka ini dikatergorikan sebagai pengangguran terbuka. Seseorang mencari pekerjaan tetapi dia sudah mempunyai pekerjaan atau sedang bekerja, tetapi digolongkan sebagai bekerja.

4. Sekolah adalah mereka yang melakukan kegiatan, bersekolah di sekolah formal dari pendidikan dasar sampai dengan pendidikan tinggi selama seminggu yang lalu sebelum pencacahan. Mereka ini dianggap yang sedang libur.

5. Mengurus rumah tangga adalah mereka yang mengurus rumah tangga tanpa mendapatkan upah. Misalkan ibu-ibu rumah tangga atau anknya yang sedang membantu mengurus rumah tangga. Sebaliknya, pembantu rumah tangga yang mendapat upah walaupun pekerjaanya rumah tangga dianggap bekerja.

6. Kegiatan lainnya adalah kegiatan selain dari yang disebutkan diatas, yakni mereka yang sudah pensiun, menerima royalti, penerimaan deviden dan orang- orang yang cacat jasmani (buta, bisu dan sebagainya) yang tidak mampu melakukan suatu pekerjaan.

7. Angkatan kerja adalah penduduk usia lebih sama dengan 15 tahun yang bekerja atau mempunyai pekerjaan sementara tidak bekerja atau mereka yang mencari pekerjaan. Mereka adalah penduduk usia kerja dan kegiatan, seperti pada butir 1,2 dan 3 di atas selama seminggu sebelum pencacahan.

8. Bukan angkatan kerja adalah pendudukan usia kerja dengan kegiatan seperti pada butir 4,5 dan 6 diatas seminggu selama seminggu sebelum pencacahan.

9. Tingkat Partisipasi Angkatan Kerja atau dalam penulisan ini dinyatakan dengan kesempatan kerja/peluang kerja adalah persentase angkatan kerja terhadap total penduduk usia kerja.

2.1.4 Pekerja

Pekerja mencakup orang-orang yang mempunyai pekerjaan dan saat disensus memang sedang bekerja, serta orang orang yang mempunyai pekerjaan namun sementara waktu sedang tidak bekerja, misalnya petani sedang menanti panen atau

(20)

untuk mendapatkan penghasilan dan keuntungan minimal satu jam dalam satu minggu sebelum pencacahan.

2.1.5 Pengangguran

Pengangguran merupakan masalah pelik dan terjadi bukan hanya di negara-negara berkembang, tetapi juga di negara maju. Namun, tekanan masalah pengangguran banyak terasa di negara-negara berkembang. Hal ini wajar karena negara negara berkembang umumnya adalah negara yang tingkat pertumbuhan penduduknya tinggi dan tingkat pendidikan masyarakatnya rendah.

Pengangguran terjadi karena tidak seimbangnya antara kesempatan kerja dengan angkatan kerja atau antara permintaan tenaga kerja dengan penawaran tenaga kerja. Pegangguran dapat diartikan sebagai angkatan kerja yang tidak bekerja atau seseorang yang tergolong angkatan kerja dan ingin mendapatkan pekerjaan, tetapi belum dapat memperolehnya.

Seseorang yang tidak bekerja tetapi sedang aktif mencari pekerjaan tidak tergolong sebagai penganggur, contohnya para ibu rumah tangga, meraka tidak mau bekerja karena ingin mengurus keluarganya atau para anak orang kaya, mereka tidak ingin bekerja karena gajinya lebih rendah dari yang diinginkannya. Kelompok ibu rumah tangga dan anak orang kaya tersebut dikategorikan sebagai pengangguran sukarela.

Salah satu faktor penting yang menentukan tingkat kemakmuran suatu masyarakat adalah tingkat pendapatan. Tingginya tingkat pengangguran akan mengurangi pendapatan masyarakat sehingga dengan adanya pengangguran, tingkat kemakmuran masyarakat akan berkurang.

Pengangguran akan menimbulkan masalah ekonomi dan sosial bagi individu yang mengalaminya. Pengangguran juga akan berdampak negatif terhadap keadaan ekonomi, politik, dan sosial bagi negara yang mempunyai tingkat pengangguran yang tinggi. Pengangguran sangat berpengaruh terhadap pencapaian kesejahteraan masyarakat dan prospek pembangunan di negara yang bersangkutan.

(21)

10

2.2 Hubungan Forecast Dengan Rencana

Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang (Pangestu Subagyo, 1986:3). Dengan sendirinya terjadi perbedaan antara forecast dengan rencana.

2.3 Metode Peramalan

Berdasarkan sifat, teknik peramalan terbagi dua yaitu :

1. Metode peramalan kualitatif atau teknologis adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan dan pengalaman seseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang lain dapat berbeda.

2. Metode Peramalan kuantitatif merupakan merupakan peramalan yang didasarkan atas data kuantitatif pada masa lalu. Metode peramalan kuantitatif dibagi dalam deret berkala (time series) dan metode kausal. Model seri waktu /metode deret berkala metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu sedangkan model/metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable).

2.4 Metode Analisa Data

Dengan menyesuaikan data yang telah diperoleh, dilakukan analisa sementara yaitu dengan cara deskriptif. Adapun tahapan-tahapan analisa deskriptif yang dilakukan adalah sebagai berikut:

1. Melakukan analisis data angkatan kerja dan angkatan kerja yang sudah bekerja tahun 2006-2015.

2. Melakukan peramalan data angkatan kerja dan angkatan kerja yang sudah

(22)

3. Melakukan analisa kesempatan kerja tahun 2016-2020.

2.4.1 Uji Stasioneritas

Stasioner merupakan suatu kondisi data time series yang jika rata-rata, varian dan covarian dari peubah-peubah tersebut seluruhnya tidak dipengaruhi oleh waktu (Juanda dan Junaidi, 2012). Metode pengujian stasioneritas dan akar unit yang akan digunakan disini adalah metode Augmented Dickey Fuller (ADF) dan Phillips Perron (PP). Prosedur untuk mengetahui data stasioner atau tidak dengan cara membandingkan antara nilai statistik ADF atau PP dengan nilai kritis distribusi Mac Kinnon. Nilai statistik ADF atau PP ditunjukkan oleh nilai t statistik. Jika nilai absolut statistik ADF atau PP lebih besar dari nilai kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai statistik ADF atau PP lebih kecil dari nilai kritisnya maka data tidak stasioner.

2.4.2 Pola Data

Analisis runtun waktu adalah suatu metode kuantitatif untuk menentukan pola data masa lalu yang telah dikumpulkan secara teratur. Analisis runtun waktu merupakan salah satu metode peramalan yang menjelaskan bahwa deretan observasi pada suatu variabel dipandang sebagai realisasi dari variabel random berdistribusi bersama.

Gerakan musiman adalah gerakan rangkaian waktu yang sepanjang tahun pada bulan-bulan yang sama yang selalu menunjukkan pola yang identik. Gerakan random adalah gerakan naik turun waktu yang tidak dapat diduga sebelumnya dan terjadi secara acak.

Asumsi yang penting yang harus dipenuhi dalam memodelkan runtun waktu adalah asumsi kestasioneran artinya sifat-sifat yang mendasari proses tidak dipengaruhi oleh waktu atau proses dalam keseimbangan. Apabila asumsi stasioner belum dipenuhi maka deret belum dapat dimodelkan. Namun, deret yang nonstasioner dapat ditransformasikan menjadi deret yang stasioner.

(23)

12

Runtun waktu adalah himpunan observasi berurut dalam waktu atau dimensi apa saja Pola data dalam time series dapat dibedakan menjadi empat jenis siklis (cyclical) dan trend.

1. Pola Horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata- rata yang konstan. Pola seperti itu adalah “stasioner” terhadap nilai rata- ratanya. Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis ini. Demikian pula, suatu keadaan pengendalian kualitas yang menyangkut pengambilan contoh dari suatu proses produksi kontinyu yang secara teoritis tidak mengalami perubahan juga termasuk jenis ini.

2. Pola Musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).

3. Pola Siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.

4. Pola Trend (T) terjadi bila terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.

2.4.3 Pemilihan Metode Yang Baik

Dalam bidang sosial ekonomi meskipun tidak dapat membuat peramalan persis dengan kenyataan, tapi bukan berarti peramalan tidak penting. Melainkan peramalan sangat penting sebagai pedoman dalam pembuatan rencana. Menurut (Sahli, 2013:63). Ketepatan metode peramalan digunakan sebagai petunjuk seberapa jauh model peramalan meproduksi data yang telah diketahui tersebut.

Kerja dengan menggunakan peramalan jauh lebih baik dari pada tanpa peramalan sama sekali, hanya sekarang masalahnya bagaimanakah cara membuat peramalan agar mendekati kenyataan. Caranya harus bisa memlilih metode peramalan yang cocok dengan kasusnya. Banyak metode peramalan yang ada, misalnya metode dekomposisi, moving average, exponential smoothing, input output, regresi, simulasi, analisis runtun waktu dan lain sebagainya. Tetapi setiap suatu metode

(24)

mungkin sangat cocok untuk membuat peramalan mengenai satu hal, tetapi tidak cocok untuk hal lain. Oleh karena itu kita harus memilih metode mana yang paling cocok yaitu yang bisa meminimumkan kesalahan/error forecast (Subagyo, 1989:5).

Pemilihan teknik peramalan yang digunakan dipengaruhi oleh empat aspek, yaitu pola atau karakteristik data, jangka waktu, biaya dan tingkat akurasi yang diinginkan. Pola atau karakteristik data merupakan aspek utama yang sangat berpengaruh terhadap pemilihan teknik peramalan. Suatu data yang memilik pola trend (naik atau turun) akan lebih tepat bila di ramalkan dengan teknik dekomposisi.

Sedangkan data yang berpola fluktuatif akan lebih tepat bila menggunakan teknik smoothing (Gitosudarmo & Najmudin, 2000:5).

2.5 Peramalan Dengan Pemulusan (Smoothing)

Metode smoothing merupakan teknik meramal dengan cara mengambil ratarata dari nilai beberapa periode yang akan datang. Dalam metode ini data historis digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Smoothing dapat dilakukan dengan cara moving average atau exponential smoothing.

2.5.1 Metode Exponential Smoothing

Metode Exponential Smoothing merupakan perkembangan dari metode moving average sederhana. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar (Gitosudarmo &

Najmudin, 2000:16). Metode Exponential Smoothing lebih cocok digunakan untuk meramal hal-hal yang fluktuasi datanya bersifat random (tidak teratur) (Subagyo, 1989:22). Beberapa keunggulan metode pemulusan eksponensial (exponential smoothing) dibandingkan dengan metode tradisional (Leabo Dick A., 1968:322) adalah :

1. Data-data selalu dioperasikan dengan efisien;

2. Hanya membutuhkan sedikit data dari satu waktu ke waktu berikutnya;

(25)

14

3. Dapat dimodifikasi untuk mengolah data yang berisi trend tertentu atau pola musiman;

4. Dapat digunakan dengan biaya murah baik secara manual maupun dengan komputer.

Dalam bidang sumber daya air metode exponential smoothing juga telah banyak digunakan terutama dalam peramalan data. Penggunaan exponential smoothing dalam metode untuk memisahkan aliran dasar yang merupakan dampak langsung dari kesalahan hitungan, yaitu dengan meminimumkan kesalahan dan menyeleksi koefisien aliran dasar alpha (Tularam, G. A., et all, 2008). Ada tiga metode dalam Exponential Smoothing yaitu single exponential smoothing, double exponential smoothing, triple exponential smoothing.

Nilai konstana atau parameter α disebut smoothing constant. Persamaan ini digunakan untuk menghitung ramalan dengan metode pemulusan eksponensial.

Metode ini banyak mengurangi masalah penyimpangan data, karena tidak perlu lagi menyimpan semua data historis atau sebagian seperti dalam kasus rata-rata bergerak.

1. Konstanta Pemulusan α (smoothing constant alpha)

Konstanta pemulusan α (alpha) berfungsi sebagai faktor penimbang. Nilai konstanta α mempengaruhi keakuratan dan ketepatan dari forecast (peramalan).

Nilai α yang dipilih harus secara signifikan menurunkan forecast error. Kecepatan pemulusan (smoothing) dari respon sebelumnya adalah fungsi dari nilai α . Jika α mendekati satu, laju pemulusan cepat berarti nilai prediksi yang baru sudah memasukkan faktor penyesuaian untuk setiap tingkat kesalahan yang terjadi pada nilai prediksi yang lama. Tetapi jika α mendekati nol, laju pemulusan lambat berarti nilai prediksi yang baru hampir sama dengan nilai prediksi yang lama. Nilai α yang menghasilkan tingakat kesalahan (error) yang paling kecil adalah yang dipilih dalam proses peramalan. Untuk mengetahui nilai α yang paling optimal, dapat digunakan metode simulasi atau trial dan error. Ini merupakan prosedur iterasi yang dimulai dengan nilai α antara 0,1 sampai 0,9 (Subagyo, 1986:19).

(26)

2. Kesalahan Ramalan (forecast error)

Untuk mendapatkan hasil forecast yang mendekati ketepatan adalah dengan memilih hasil forecast yang memiliki nilai Mean Square Error (MSE) atau Mean Absolute Error (MAE).

a. Mean Square Error (MSE)

Mean Square Error (MSE) adalah kuadrat rata-rata nilai error kuadrat dari kesalahan meramal.

𝑀𝑆𝐸 = ∑|𝑋

_𝑡

− 𝑆

_𝑡

|

²

𝑛

(2.1)

b. Mean Absolute Error (MAE)

Mean Absolute Error (MAE) rata-rata nilai absolute dari kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya).

𝑀𝐴𝐸 = ∑ |𝑋

_𝑡

− 𝑆

_𝑡

| 𝑛

(2.2)

2.5.2 Metode Double Exponential Smoothing

Metode ini merupakan model linier yang dikemukakan oleh Brown. Metode double exponential smoothing biasanya lebih tepat digunakan untuk meramalkan data yang mengalami trend kenaikan dan proses smoothing dilakukan dua kali. Pada metode ini proses penentuan ramalan dimulai dengan menentukan besarnya α secara trial dan error (Gitosudarmo & Najmudin, 2000:23).

Tahap-tahap dalam melakukan ramalan adalah sebagai berikut : 1. Menentukan Smoothing pertama 𝑆_𝑡^′

𝑆

_𝑡^′

= 𝛼𝑋

_𝑡

+ (1 − 𝛼)𝑆

_𝑡−1^′ ^(2.3)

(27)

16

Keterangan:

𝑆_𝑡^′ = Smoothing pertama periode ke-t 𝑋_𝑡 = nilai data pada periode ke-t 𝑆_𝑡−1^′ = Smoothing pertama periode ke t-1

2. Menentukan Smoothing kedua

𝑆

_𝑡^′′

= 𝛼𝑆

_𝑡^′

+ (1 − 𝛼)𝑆

_𝑡−1^′′ ^(2.4)

Keterangan :

𝑆_𝑡^′′= Smoothing ke dua periode t – 1

3. Menentukan besarnya nilai at (konstanta)

𝑎

_𝑡

= 2𝑆

_𝑡^′

− 2𝑆

_𝑡^′′ ^(2.5)

4. Menentukan besarnya nilai bt (slope)

𝑏

_𝑡

= 𝛼

(1 − 𝛼) (𝑆

_𝑡^′

− 𝑆

_𝑡^′′

)

^(2.6)

5. Menentukan besarnya forecast

𝐹

_𝑡+𝑚

= 𝑎

_𝑡

+ 𝑏

_𝑡

(𝑚)

^(2.7)

m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang akan datang peramalan dilakukan (Sugiman, 2013:26).

(28)

2.6 Laju Pertumbuhan

Laju pertumbuhan adalah perbandingan antara dua nilai dalam waktu tertentu, yang ditunjukkan dalam bentuk persentase dari nilai awal, adapun formula (rumusan) yang digunakan untuk mengetahui seberapa besar laju pertumbuhan angkatan kerja yang bekerja adalah sebagai berikut :

r

_kk

= B

_t

− B

_t−1

B

_t−1

x100%

^(2.8)

Dimana:

B_t = Jumlah Penduduk Yang Bekerja Tahun t B_t−1= Jumlah Penduduk Yang Bekerja Tahun t-1

2.7 Tingkat Kesempatan Kerja

Adapun formula (rumusan) yang digunakan untuk mengetahui seberapa besar tingkat kesempatan kerja adalah dengan menggunakan rumus Tingkat Kesempatan Kerja (TKK) dengan konsep defenisi persentase jumlah penduduk yang bekerja terhadap jumlah angkatan kerja. Tingkat Kesempatan Kerja berguna sebagai pengindikasi besarnya persentase angkatan kerja yang bekerja.

TKK =Jumlah Penduduk Yang Bekerja

Jumlah Angkatan Kerja x100% (2.9)

(29)

BAB 3

GAMBARAN UMUM KOTA MEDAN

3.1 Letak Geografis

Kotamadya Medan merupakan kota terbesar ketiga di Indonesia setelah Jakarta dan Surabaya. Kota ini merupakan wilayah yang subur di wilayah dataran rendah timur dari provinsi Sumatera Utara dengan ketinggian berada di 22,5 meter di bawah permukaan laut. Kota ini dilalui oleh dua sungai yaitu Sungai Deli dan Sungai Babura yang bermuara di Selat Malaka.

Secara Geografis, Medan terletak pada 3,30⁰− 3,43⁰ LU dan 98,35⁰− 98,44⁰ BT dengan topografi cenderung miring ke utara. Sebelah barat dan timur Kota Medan berbatasan dengan Kabupaten Deli Serdang. Di sebelah utara berbatasan dengan selat Malaka. Letak yang strategis ini menyebabkan Medan berkembang menjadi pintu gerbang kegiatan perdagangan barang dan jasa baik itu domestik maupun internasional. Kota Medan beriklim tropis basah dengan curah hujan rata-rata 2000-2500 mm per tahun. Suhu udara Kota Medan berada pada maksimum 32,4⁰C dan minimum 24⁰C.

Kotamadya Medan memiliki 21 kecamatan dan 158 kelurahan. Adapun luas wilayah masing-masing kecamatan dapat dilihat dalam tabel 3.1.

Tabel 3.1 Luas Wilayah Kota Medan Berdasarkan Kecamatan

No Kecamatan Luas (𝐊𝐦^𝟐) Persentase (%)

1. Medan Tuntungan 20,68 7,80

2. Medan Selayang 12,81 4,83

3. Medan Johor 14,58 5,50

4. Medan Amplas 11,19 4,22

5. Medan Denai 9,05 3,41

6. Medan Tembung 7,99 3,01

(30)

No Kecamatan Luas (𝐊𝐦^𝟐) Persentase (%)

7. Medan Kota 5,27 1,99

8. Medan Area 5,52 2,08

9. Medan Baru 5,84 2,20

10. Medan Polonia 9,01 3,40

11. Medan Maimun 2,98 1,13

12. Medan Sunggal 15,44 5,83

13. Medan Helvetia 13,16 4,97

14. Medan Barat 6,82 2,57

15. Medan Petisah 5,33 2,01

16. Medan Timur 7,76 2,93

17. Medan Perjuangan 4,09 1,54

18. Medan Deli 20,84 7,86

19. Medan Labuhan 36,67 13,83

20. Medan Marelan 23,82 8,99

21. Medan Belawan 26,25 9,90

Jumlah 265,10 100

Sumber : Medan Dalam Angka Tahun 2016

Dari Tabel 3.1 dapat dilihat bahwa Kecamatan yang terluas adalah Kecamatan Labuhan dengan luas sebesar 36,67 km². Berdasarkan Tabel 3.1 juga dapat disimpulkan bahwa luas Kota Medan secara keseluruhan adalah sebesar 265,10 km².

(31)

20

3.2 Komposisi Penduduk

Penduduk Kota Medan terdiri dari berbagai macam suku atau etnis. Sebelum kedatangan bangsa asing ke wilayah Medan yang merupakan bagian dari wilayah Sumatera Timur pada saat itu, penduduk Medan masih dihuni oleh suku-suku asli, seperti : Melayu, Simalungun, dan Karo. Namun, seiring dengan hadir dan berkembangnya perkebunan tembakau di Sumatera Timur maka demografi penduduk Medan berubah dengan hadirnya suku-suku pendatang, seperti Jawa, Batak Toba, Cina, dan India. Suku-suku pendatang itu tinggal menetap dan telah bercampur baur dengan penduduk asli sehingga Kota Medan sampai saat ini dihuni oleh berbagai macam etnis, seperti : Melayu, Simalungun, Batak Toba, Mandailing, Cina, Angkola, Karo, Tamil, Benggali, Jawa, dan lain sebagai. Suku-suku yang ada di Kota Medan ini hidup secara harmonis dan toleran antara satu suku dengan yang lain.

Komposi Penduduk Kota Medan tidak hanya dilihat berdasarkan suku, tetapi juga berdasarkan jenis kelamin, agama, mata pencaharian, dan pendidikan.

Adapun komposisi penduduk Kota Medan berdasarkan jenis kelamin, dapat dilihat dalam tabel 3.2.

Tabel 3.2 Komposisi Penduduk Kota Medan Berdasarkan Jenis Kelamin Tahun 2015

No Kecamatan

Jenis Kelamin

Jumlah Laki-laki Perempuan

1. Medan Tuntungan 42.288 43.325 85.613

2. Medan Selayang 65.207 66.805 132.012

3. Medan Johor 61.176 62.674 123.850

4. Medan Amplas 72.147 73.914 146.061

5. Medan Denai 48.897 50.095 98.992

6. Medan Tembung 36.769 37.670 74.439

(32)

No Kecamatan

Jenis Kelamin

Jumlah Laki-laki Perempuan

7. Medan Kota 20.086 20.577 40.663

8. Medan Area 27.636 28.313 55.949

9. Medan Baru 20.025 20.515 40.540

10. Medan Polonia 52.433 53.717 106.150

11. Medan Maimun 57.192 58.593 115.785

12. Medan Sunggal 74.448 76.273 150.721

13. Medan Helvetia 31.303 32.071 63.374

14. Medan Barat 35.902 36.781 72.683

15. Medan Petisah 55.036 56.384 114.720

16. Medan Timur 47.361 48.521 95.882

17. Medan Perjuangan 67.759 69.419 137.178

18. Medan Deli 89.632 91.828 181.460

19. Medan Labuhan 58.025 59.447 117.472

20. Medan Marelan 80.152 82.115 162.267

21. Medan Belawan 48.463 49.650 98.113

Jumlah 1.091.937 1.118.687 2.210.624

Berdasarkan Tabel 3.2 dapat dilihat jumlah penduduk terbanyak berada pada Kecamatan Medan Deli dengan jumlah 181.460 orang yang dihuni oleh 89.632 laki-laki dan 91.828 perempuan. Berdasarkan Tabel 2.2 di atas juga dapat dimpulkan bahwa penduduk Kota Medan bila dirinci dari jenis kelaminnya berjumlah 2.210.624 orang dengan 1.091.937 penduduk berjenis kelamin laki-

(33)

22

laki dan 1.118.687 penduduk berjenis kelamin perempuan. Dengan demikian, jumlah penduduk Kota medan secara keseluruhan adalah 2.210.624 orang.

Komposisi penduduk Kota Medan juga dapat dilihat dari agama yang dianut oleh penduduk Kota Medan. Adapun komposisi penduduk Kota Medan berdasarkan agama, dapat dilihat dalam tabel 3.3.

Tabel 3.3 Komposisi Penduduk Kota Medan Berdasarkan Agama Tahun 2015

No Agama Jumlah

1 Islam 1.207.541

2 Protestan 418.876

3 Katolik 143.637

3 Budha 209.646

4 Hindu 43.509

6 Lain-lain 53

Jumlah 2.023.262

Dari data dalam Tabel 3.3 dapat disimpulkan bahwa mayoritas Penduduk Kota Medan menganut agama Islam dengan jumlah 1.207.541 disusul kemudian oleh agama Kristen Protestan dengan jumlah 418.876, dan Budha dengan jumlah 209.646. Sementara agama Hindu merupakan agama yang paling sedikit dianut oleh penduduk Kota Medan.

3.3. Latar Belakang Historis

Kotamadya Medan awalnya adalah sebuah perkampungan kecil yang dinamakan kampung “MEDAN PUTRI”. Letaknya berada di antara pertemuan Sungai Deli

(34)

beberapa sumber disebutkan bahwa pendiri kampung Medan adalah Raja Guru Patimpus yang merupakan nenek moyang Datuk Hamparan Perak Dua Belas Kuta dan Datuk Sukapiring. Kedua wilayah itu merupakan bagian dari Kesultanan Deli.

Jhon Anderson, seorang pegawai pemerintah Inggris, yang pernah berkunjung ke Medan pada tahun 1823 menyebutkan bahwa kala itu penduduk kampung Medan berjumlah 200 orang.

Nama Deli mulai terkenal ketika Jacobus Nienhuys, seorang pengusaha Belanda, membuka perkebunan tembakau pada tahun 1865 di Sumatera Timur.

Daun tembakau yang berasal dari Deli sangat terkenal dan tidak ada tandingannya sebagai bahan pembungkus cerutu, sehingga menarik minat para investor asing untuk menanamkan modalnya di wilayah Sumatera Timur.

Hadirnya perkebunan tembakau di wilayah Sumatera Timur telah membawa perubahan yang signifikan baik dari segi ekonomi, sosial, dan demografi.

Keuntungan yang didapat dari perkebunan tembakau begitu besar sehingga mempengaruhi perkembangan perekonomian di Sumatera Timur. Keuntungan itu tidak hanya dirasakan oleh pihak pengusaha perkebunan saja tetapi juga dirasakan oleh pihak sultan dan raja-raja yang berkuasa di Sumatera Timur. Keuntungan yang didapat berkat hadirnya perkebunan tembakau di Sumatera Timur telah mengangkat kondisi sosial-ekonomi pihak penguasa Sumatera Timur. Sebelum kedatangan Belanda, para raja hidup dalam keadaan melarat. Setelah kedatangan Belanda, gaya hidup pihak penguasa Sumatera Timur pun berubah. Mereka tidak melewatkan sedikt waktu pun untuk mengadakan pesta-pesta mewah untuk menyambut tamu- tamu Eropa. Selain itu, banyak orang dari luar wilayah Sumatera Timur datang ke wilayah ini untuk mencari nafkah sehingga mempengaruhi demografi Sumatera Timur pada saat itu.

Seiring dengan perkembangan perkebunan tembakau di Sumatera Timur, pihak pengusaha perkebunan mulai memperkerjakan kuli-kuli Cina. Awalnya pihak pengusaha mempekerjakan penduduk asli, yaitu Batak dan Melayu, tetapi karena mereka cenderung malas bekerja maka pihak pengusaha tidak mempekerjakan penduduk asli lagi. Namun pada akhirnya pihak pengusaha pihak pengusaha mendatangkan kuli-kuli yang berasal dari Jawa dan India dengan sistem

(35)

24

kontrak. Dengan demikian komposisi penduduk wilayah Sumatera Timur tidak hanya didiami oleh penduduk asli tetapi juga didiami oleh suku-suku pendatang, seperti Jawa, Cina, India, dan suku Batak Toba yang datang ke Sumatera Timur untuk mencari nafkah.

Pada tahun 1887, Kesultanan Deli dipindahkan dari Labuhan ke Kota Medan. Bersamaan dengan itu, Kota Medan dijadikan sebagai Ibukota Karesidenan Sumatera Timur dengan luas wilayah 90.000 km². Dengan dijadikannya Medan sebagai ibukota Karesidenan Sumatera Timur, maka Medan menjadi pusat perekonomian Sumatera Timur. Di Kota medan juga dibuka kantor Chartered Bank pada tahun 1888 yang disusul oleh dibukanya kantor Nederlandsche Handel Maatschaappij pada tahun 1892. Perkembangan perekonomian yang begitu pesat menyebabkan dibukanya Belawan sebagai pelabuhan internasional Ketika Medan dijadikan Ibukota Karesidenan Sumatera Timur, tumbuh kampung- kampung yang baru, yaitu Kampung Petisah Hulu, Kampung Petisah Hilir, Kampung Kesawan, dan Kampung Sungai Rengas. Kampung-kampung ini dikepalai oleh seorang kepala kampung di bawah komando Kontrolir di Labuhan. Kampung Petisah Hulu disatukan dengan Petisah Hilir yang dikepalai oleh seorang Kepala Kampung.

Kemudian, tumbuh lagi kampung yang baru, yatiu Kampung Aur dan Kampung Keling yang dikepalai oleh wakil Kepala Kampung.

Pada tahun 1918 status Medan beralih dari status ibukota Karesidenan Sumatera Timur menjadi status Gementee (Kotapraja) tetapi kota Maksum dan Sungai Kera tidak termasuk ke dalam wilayah Kotapraja. Kedua wilayah itu tetap berada dalam kekuasaan Sultan Deli.

Walikota Kotapraja Medan pada saat itu adalah Baron Daniel Mackay.

Selain itu, muncul pula tempat pemukiman baru yang letaknya terpisah dari penduduk pribumi dan berdiam secara eksklusif. Tempat pemukiman itu ditujukan untuk orang-orang Eropa dan orang-orang Cina. Bahkan dikalangan penduduk pribumi ada juga yang membentuk kelompoknya sendiri seperti kampung Mandailing. Pada masa itu penduduk Medan berjumlah 43.826 jiwa. Hal ini disebabkan penduduk pribumi telah bercampur-baur dengan pendatang asing, seperti orang Eropa, orang Cina, dan orang Asia lainnya. Selanjutnya, Medan

(36)

mengalami perkembangan yang begitu pesat baik dari segi ekonomi dan pemerintahan. Setelah Indonesia merdeka, Kota Medan menjadi kota otonom yang berada di bawah pengawasan Gubernur Sumatera. Hal ini sesuai dengan ketetapan Gubernur No.103 pada tanggal 17 Mei 1946 mengenai pembentukan 15 kota otonom. Ketika Negara Sumatera Timur(NST) terbentuk Medan dijadikan Stadsgemente.

Seiring dengan terbentuknya Propinsi Sumetara Utara maka pemerintahan Negara Sumatera Timur pun dihapuskan. Propinsi Sumatera Utara yang telah terbentuk itu meliputi wilayah Karesidenan Aceh, Sumatera Timur dan Tapanuli dengan Medan sebagai pusat pemerintahannya. Tetapi pembentukan propinsi Sumatera Utara menuai protes dari kalangan masyarakat Aceh yang menginginkan wilayah Aceh menjadi satu propinsi yang otonom dan tetap tunduk pada pemerintah pusat. Setelah melaui perundingan, maka pada tahun 1956 Aceh tidak lagi menjadi bagian dari Propinsi Sumatera Utara. Dengan demikian, terjadi perubahan jumlah Daerah Otonom tingkat II, yaitu 10 Kabupaten, 3 Kota besar termasuk Kota Medan, dan 3 kota kecil lainnya.

Melalui Keputusan Gubernur Propinsi Sumatera Utara Nomor 66/III/PSU ditetapkan bahwa sejak 21 September 1951, daerah kota Medan diperluas tiga kali lipat dengan mengambil wilayah Kabupaten Deli dan Serdang.. Keputusan tersebut disusul oleh Maklumat Walikota Medan nomor 2 tanggal 29 September 1951 yang menetapkan luas kota Medan menjadi 5.130 Ha dan meliputi 4 kecamatan, yaitu : Kecamatan Medan, Kecamatan Medan Timur, Kecamatan Medan Barat, dan Kecamatan Medan Baru. Empat kecamatan tersebut memiliki 59 Kepenghuluan.

Dalam perkembangan selanjutnya Medan yang telah menjadi Kotamadya, mengalami perluasan daerah. Melalui Peraturan Pemerintah No.22 tahun 1973 ditetapkan bahwa beberapa wilayah yang sudah menjadi bagian dari Kabupaten Deli Serdang, dimasukkan ke dalam wilayah Kotamadya Medan, sehingga Medan memiliki 11 Kecamatan dan 116 Kelurahan. Kemudian, melalui sebuah surat persetujuan dari Mendagri pada tahun 1986, Kelurahan yang ada di Kotamadya Medan ditambah menjadi 144 Kelurahan. Sebelas Kecamatan yang ada di Kotamadya Medan pada saat itu, dapat dilihat dalam tabel 3.4.

(37)

26

Tabel 3.4 Komposisi Kelurahan Kota Medan Berdasarkan Peraturan Pemerintah Tahun 1973

No. Kecamatan Jumlah Kelurahan

1. Kecamatan Medan Kota 26

2. Kecamatan Medan Timur 18

3. Kecamatan Medan Barat 13

4. Kecamatan Medan Baru 18

5. Kecamatan Medan Deli 6

6. Kecamatan Medan Labuhan 7

7. Kecamatan Medan Johor 11

8. Kecamatan Medan Sunggal 14

9. Kecamatan Medan Tuntungan 11

10. Kecamatan Medan Denai 14

11. Kecamatan Medan Belawan 6

Sumber : Badan Pusat Statistik Kota Medan

Melalui Peraturan Pemerintah RI No. 59 tahun 1991 tentang pembentukan beberapa Kecamatan di Sumtera Utara, maka Kecamatan yang ada di Kotamadya Daerah Tingat II Medan dimekarkan menjadi 19 Kecamatan, dapat dilihat dalam tabel 3.5.

(38)

3. Kecamatan Medan Amplas 8

5. Kecamatan Medan Tembung 7

7. Kecamatan Medan Area 12

9. Kecamatan Medan Polonia 5

10. Kecamatan Medan Maimun 6

11. Kecamatan Medan Selayang 6

13. Kecamatan Medan Helvetia 7

14. Kecamatan Medan Petisah 7

(39)

28

Kemudian dua wilayah di Kotamadya Medan dimekarkan menjadi wilayah Kecamatan berdasarkan Peraturan Pemerintah Republik Indonesia No.35 tahun 1992 tentang pembentukan Kecamatan di Sumatera Utara. Berdasarkan keputusan tersebut, Kecamatan di Kotamadya Medan yang semula berjumlah 19 menjadi 21 Kecamatan. Dua Kecamatan yang mengalami pemekaran tersebut adalah Kecamatan Medan Marelan dengan 4 Kelurahan dan Kecamatan Medan Perjuangan dengan 9 Kelurahan.

Perkembangan terakhit berdasarkan Surat Keputusan Gubernur KDH Tingkat I Sumatera Utara Nomor 140.22/2772.K/1996 tanggal 30 September 1996 tentang pendefitipan 7 kelurahan di Kotamadya Daerah Tingkat II Medan berdasarkan Peraturan Pemerintah Republik Indonesia Nomor 35 tahun 1992 tentang Pembentukan Beberapa Kecamatan di Kotamadya Daerah Tingkat II Medan, secara administrasi Kota Medan dimekarkan kembali, dibagi atas 21 kecamatan yang mencakup 151 kelurahan, dapat dilihat dalam tabel 3.6.

3. Kecamatan Medan Amplas 8

5. Kecamatan Medan Tembung 7

7. Kecamatan Medan Area 12

9. Kecamatan Medan Polonia 5

10. Kecamatan Medan Maimun 6

(40)

11. Kecamatan Medan Selayang 6

13. Kecamatan Medan Helvetia 7

14. Kecamatan Medan Petisah 7

17. Kecamatan Medan Perjuangan 9

20. Kecamatan Medan Marelan 4

(41)

BAB 4

ANALISIS DATA DAN PERANCANGAN

4.2 Analisis Data

Sebelum melakukan penelitian lebih lanjut, perlu dilakukan analisis deskriptif dan pengujian data untuk melihat pola data yang sebenarnya, yang nantinya akan digunakan sebagai acuan untuk menggunakan metode peramalan yang paling baik.

Data yang digunakan dapat dilihat pada tabel 4.1 : Tabel 4.1 Data Angkatan Kerja Di Kota Medan

Tahun Bekerja Belum Bekerja/

Pengangguran

Agkatan Kerja

2006 755.882 133.470 889.352

2007 729.892 123.670 853.562

2008 833.832 125.477 959.309

2009 824.250 137.160 961.410

2010 886.815 133.811 1.020.626

2011 902.097 99.916 1.002.013

2012 851.642 84.501 936.143

2013 904.331 100.568 1.004.899

2014 882.514 92.437 974.951

2015 875.794 108.243 984.037

Sumber : BPS Kota Medan

(42)

4.2 Uji Stasioneritas 4.2.1 Uji Grafik

Pada pola suatu grafik juga dapat ditentukan bahwa data menunjukkan stasioner atau menunjukkan adanya trend, hal ini dapat dilihat dari garis (line) apakah data berada di sekitar rata-rata.

Pada tahap ini penulis menguji data angakatan kerja, gambar grafik dapat dilihat pada gambar 4.1.

Gambar 4.1 Uji Grafik Angkatan Kerja Yang Sudah Bekerja Menggunakan Eviews 8

Dapat dilihat dari pengamatan grafik angkatan kerja yang sudah bekerja, bahwa data tidak terindikasi stasioner melainkan menunjukkan adanya trend. Hal itu terlihat dari grafik yang tidak berada di sekitar rata-rata data.

Tahap berikutnya penulis menguji data angkatan kerja yang sudah bekerja, gamabar grafik dapat dilihat pada gambar 4.2.

(43)

32

Gambar 4.2 Uji Grafik Angkatan Kerja Yang Sudah Bekerja Menggunakan Eviews 8

Dapat dilihat dari pengamatan grafik angkatan kerja yang sudah bekerja, bahwa data tidak terindikasi stasioner melainkan menunjukkan adanya trend. Hal itu terlihat dari grafik yang tidak berada di sekitar rata-rata data.

(44)

4.2.2 Uji Augmented Dickey-Fuller

Prosedur untuk mengetahui data stasioner atau tidak dengan cara membandingkan antara nilai statistik Augmented Dickey-Fuller (ADF) dengan nilai kritis distribusi Mac Kinnon. Nilai statistik ADF ditunjukkan oleh nilai t statistik. Jika nilai absolut statistik ADF lebih besar dari nilai kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai statistik ADF lebih kecil dari nilai kritisnya maka data tidak stasioner.

Hipotesis :

𝐻0 ∶ 𝜌 = 0 (Terdapat unit roots, Variabel X tidak stasioner) 𝐻1 ∶ 𝜌 ≠ 0 (Tidak terdapat unit roots, Variabel X stasioner) Statistik uji :

H0 ditolak apabila nilai nilai 𝑃𝑟𝑜𝑏. < 𝛼 H0 diterima apabila nilai nilai 𝑃𝑟𝑜𝑏. ≥ 𝛼

Pada tahap ini penulis menguuji data angkatan kerja terlebih dahulu, hasil pengamatan dapat dilihat pada gambar 4.3.

Gambar 4.3 Uji ADF Angkatan Kerja Menggunakan Eviews 8

(45)

34

Dapat dilihat pada hasil pengamatan pada gambar 4.3 bahwa nilai statistik t adalah sebesar -2,275, lebih besar dari pada nilai kritis pada nilai statistik pada tingkat kepercayaan 1%, 5%, maupun 10%. Serta nilai probabilitas sebesar 0,201 masih lebih besar dari pada nilai kritik 𝛼 = 0,05(0,201 > 0,05). Hasil pengamatan ini menunjukkan bahwa data tidak stasioner melainkan menunjukkan bahwa data angkatan kerja memiliki trend.

Untuk data angkatan kerja yang sudah bekerja, hasil pengamatan dapat dilihat pada gambar 4.4.

Gambar 4.4 Uji ADF Angkatan Kerja Yang Sudah Bekerja Menggunakan Eviews 8

Dapat dilihat pada hasil pengamatan pada gambar 4.4 bahwa nilai statistik t adalah sebesar -2,312, lebih besar dari pada nilai kritis pada nilai statistik pada tingkat kepercayaan 1%, 5%, maupun 10%. Serta nilai probabilitas sebesar 0,201 masih lebih besar dari pada nilai kritik 𝛼 = 0,05(0,192 > 0,05). Hasil pengamatan ini menunjukkan bahwa data tidak stasioner melainkan menunjukkan bahwa data angkatan kerja yang sudah bekerja memiliki trend.

(46)

4.2.3 Uji Phillips-Perron

Prosedur untuk mengetahui data stasioner atau tidak dengan cara membandingkan antara nilai statistik Phillips-Perron (PP) dengan nilai kritis distribusi Mac Kinnon.

Nilai statistik PP ditunjukkan oleh nilai t statistik. Jika nilai absolut statistik PP lebih besar dari nilai kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai statistik PP lebih kecil dari nilai kritisnya maka data tidak stasioner.

Pada tahap ini penulis menguuji data angkatan kerja terlebih dahulu, hasil pengamatan dapat dilihat pada gambar 4.5.

Gambar 4.5 Uji Phillips-Perron Angkatan Kerja Menggunakan Eviews 8

Dapat dilihat pada hasil pengamatan pada gambar 4.5 bahwa nilai statistik t adalah sebesar -1,953, lebih besar dari pada nilai kritis pada nilai statistik pada tingkat kepercayaan 1%, 5%, maupun 10%. Hasil pengamatan ini menunjukkan bahwa data tidak stasioner melainkan menunjukkan bahwa data angkatan kerja memiliki trend.

(47)

36

Untuk data angkatan kerja yang sudah bekerja, hasil pengamatan dapat dilihat pada gambar 4.4.

Gambar 4.6 Uji Phillips-Ferron Angkatan Kerja Yang Sudah Bekerja Menggunakan Eviews 8

Dapat dilihat pada hasil pengamatan pada gambar 4.6 bahwa nilai statistik t adalah sebesar -1,953, lebih besar dari pada nilai kritis pada nilai statistik pada tingkat kepercayaan 1%, 5%, maupun 10%. Hasil pengamatan ini menunjukkan bahwa data tidak stasioner melainkan menunjukkan bahwa data angkatan kerja memiliki trend.

4.3 Perancangan

Setelah pengamatan dengan beberapa uji stasioneritas baik itu uji Augmented Dickey-Fuller, uji Phillips-Perron dan uji Grafik, seluruh hasil dari keempat uji tersebut menunjukkan bahwa data angkatan kerja dan angkatan kerja yang sudah

(48)

bekerja bukan merupakan data yang tidak memiliki pola stasioner atau dapat dikatakan bahwa data pola suatu trend. Dari hasil uji stasioneritas di atas maka penulis merancang metode penelitian atau memilih metode penelitian yang paling baik dan tepat untuk data untuk tahap penelitian selanjutnya yaitu implementasi dari metode penelitian yang telah ditentukan.

Dari hasil kriteria uji stasioneritas di atas, metode penelitian yang paling baik dan tepat digunakan yaitu dengan menggunakan metode pemulusan eksponensial ganda. Untuk lebih jelasnya proses implementasi dapat dilihat pada gambar 4.7.

Gambar 4.7 Diagram Perancangan Implementasi

(49)

38

Adapun tahapan perancangan implementasi peramalan dengan menggunakan metode pemulusan eksponensial ganda adalah sebagai berikut :

Tahap 1 : Penyajian Data

Menyediakan data angkatan kerja dan angkatan kerja yang sudah bekerja di kota Medan tahun 2006-2015.

Tahap 2 : Penaksiran Model Peramalan

Membuat model peramalan yang akan digunakan sebagai alat untuk meramalkan data angkatan kerja dan angkatan kerja yang sudah bekerja di kota Medan tahun 2016-2020.

Tahap 3 : Peramalan Jumlah Angkatan Kerja

Meramalkan pertumbuhan angkatan kerja dan angkatan berkerja menggunakan model peramalan yang telah ditentukan.

Tahap 4 : Menghitung Persentase Laju Pertumbuhan Angkatan Kerja Perhitungan persentase laju pertumbuhan angkatan kerja dan angkatan kerja yang sudah bekerja untuk mengetahui seberapa besar persentase perubahan penduduk disetiap tahunnya.

Tahap 5 : Peramalan Tingkat Kesempatan Kerja

Meramalkan Tingkat Kesempatan Kerja dengan menggunakan data angkatan kerja yang telah diramalkan pada tahap sebelumnya.

(50)

Implementasi adalah prosedur yang dilakukan untuk menyelesaikan desain atau perancangan yang telah disetujui. Dari analisis data pada bab 4 sebelumnya, telah diketahui bahwa metode yang paling tepat untuk meramalkan data angkatan kerja di Kota Medan adalah dengan menggunakan metode Pemulusan Eksponensial Ganda. Karena telah terbukti bahwa data angkatan kerja dan angkatan kerja yang sudah bekerja menunjukkan adanya trend.

5.1 Implementasi 5.1.1 Penyajian Data

Pada tahap ini data diperoleh dari Badan Pusat Statistik Kota Medan. Adapun data yang digunakan dapat dilihat pada tabel 5.1 berikut ini :

Tabel 5.1 Data Angkatan Kerja Di Kota Medan Tahun Bekerja Belum Bekerja/

Pengangguran

Agkatan Kerja

2006 755.882 133.470 889.352

2007 729.892 123.670 853.562

2008 833.832 125.477 959.309

2009 824.250 137.160 961.410

2010 886.815 133.811 1.020.626

2011 902.097 99.916 1.002.013

2012 851.642 84.501 936.143