PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) MENURUT LAPANGAN USAHA KOTA PEMATANGSIANTAR TAHUN LAPORAN TUGAS AKHIR

Teks penuh

(1)PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) MENURUT LAPANGAN USAHA KOTA PEMATANGSIANTAR TAHUN 2017-2019. LAPORAN TUGAS AKHIR. SHAFIRA WIDAD 152407025. PROGRAM STUDI D-3 STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2018. UNIVERSITAS SUMATERA UTARA.

(2) PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) MENURUT LAPANGAN USAHA KOTA PEMATANGSIANTAR TAHUN 2017-2019. LAPORAN TUGAS AKHIR. Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya. SHAFIRA WIDAD 152407025. PROGRAM STUDI D-3 STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2018. UNIVERSITAS SUMATERA UTARA.

(3) PERNYATAAN ORISINALITAS. PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) MENURUT LAPANGAN USAHA KOTA PEMATANGSIANTAR TAHUN 2017-2019. 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, 1 Juni 2018. ShafiraWidad 152407025. i UNIVERSITAS SUMATERA UTARA.

(4) PENGESAHAN TUGAS AKHIR. Judul. : PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) MENURUT LAPANGAN USAHA KOTA PEMATANGSIANTAR TAHUN 2017-2019. Nama. : SHAFIRA WIDAD. Kategori. : TUGAS AKHIR. Nomor Induk Mahasiswa. : 152407025. Program Studi. : D3 STATISTIKA. Fakultas. : MIPA – Universitas Sumatera Utara. Disetujui di Medan,. Juni 2018. ii UNIVERSITAS SUMATERA UTARA.

(5) PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) MENURUT LAPANGAN USAHA KOTA PEMATANGSIANTAR TAHUN 2017-2019. ABSTRAK. Produk Domestik Regional Bruto (PDRB) pada tingkat regional menggambarkan kemampuan suatu wilayah untuk menciptakan output (nilai tambah) pada suatu waktu tertentu.PDRB atas dasar harga berlaku atau dikenal dengan PDRB nominal disusun berdasarkan harga yang berlaku pada periode perhitungan , dan bertujuan untuk melihat struktur perekonomian. Sedangkan PDRB atas dasar konstan (riil) disusun berdasarkan harga pada tahun dasar dan bertujuan untuk mengukur pertumbuhan ekonomi. Adapun tujuan dari penelitian ini adalah untuk memperkirakan dan memberi gambaran mengenai nilai Produk Domestik Regional Bruto menurut lapangan usaha di Kota Pematangsiantar pada tahun 2017, 2018 , 2019. Metode analisis yang dipergunakan adalah metode pemulusan eksponensial berganda yaitu metode linier satu parameter dari Brown. Dalam menyelesaikan tugas akhir ini, data yang diperoleh dari Badan Pusat Statistik yaitu mengambil data sekunder. Berdasarkan data yang diperoleh menunjukkan hasil bahwa peramalan dari Produk Regional Domestik Bruto Menurut Lapangan Usaha Kota Pematangsiantar dari tahun ke tahun mengalami peningkatan baik berdasarkan harga berlaku maupun berdasarkan harga konstan. Kata kunci: Atas Dasar Harga Belaku, Atas Dasar Harga Konstan, Metode Eksponensial Berganda, Peramalan, Produk Domestik Regional Bruto Menurut Lapangan Usaha. iii UNIVERSITAS SUMATERA UTARA.

(6) FORECASTING OF GROSS REGIONAL DOMESTIC PRODUCT (GRDP) BY INDUSTRIAL ORIGIN OF PEMATANGSIANTAR IN 2017-2019. ABSTRACT. Gross Regional Domestic Product (GRDP) at the regional level describe the ability of a region to create output (value added) at any given time. The PDRB at current prices known as nominal GRDP is based on the prevailing price in the calculation period, and the purpose is to perceived the structure economy. GRDP on Constant Market Price (real) is based on price in the base year and the purpose is to measure economic growth. The purpose of this study is to estimate and give an idea the value of Gross Regional Domestic Product by business field in Pematangsiantar City in 2017, 2018, 2019. The method of analysis used is double exponential method which is linear method one parameter of Brown. To completing this final project, the data taken from Central Bureau of Statistics that is secondary data. Based on the data obtained shows the result that the forecasting of the Regional Domestic Product of Gross by Pematangsiantar City Business from year to year has increased both based on current market prices and constant market prices. Keywords: Constant Market Price, Current Market Prices ,Double Exponential Method, Forecasting, Gross Regional Domestic Product by Industrial Origin. iv UNIVERSITAS SUMATERA UTARA.

(7) PENGHARGAAN. Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan tugas akhir ini dengan judul “Peramalan Produk Domestik Regional Bruto (PDRB) Menurut Lapangan Usaha Kota Pematangsiantar Tahun 2017-2019”. Terima kasih penulis sampaikan kepada Bapak Drs.Ujian Sinulingga, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada Ibu Dr. Elly Rosmaini, M.Si dan Bapak Open Darnius, M.Sc selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Dr. Suyanto, M.Kom dan Bapak Drs. Rosman Siregar, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU, seluruh staf dan Dosen Program Studi D3 Statistika FMIPA USU serta Pegawai FMIPA USU . Akhirnya tidak terlupakan kepada Ayah Jaya Irawan dan Ibu Herlina Pasaribu , kakak Dian Fauziah dan adik Tihani Firzanah serta seluruh keluarga dan rekan-rekan kuliah Reza, Husni, Habib, Ardian dan teman- teman lainnya yang tidak dapat dituliskan namanya satu persatu yang selama ini memberikan bantuan dan dorongan yang diperlukan.Semoga Tuhan Yang Maha Esa membalasnya.. Medan, 1 Juni 2018. Shafira Widad 152407025. v UNIVERSITAS SUMATERA UTARA.

(8) DAFTAR ISI. Halaman PERNYATAAN ORISINALITAS PENGESAHAN LAPORAN TUGAS AKHIR ABSTRAK ABSTRACT PENGHARGAAN DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN. i ii iii iv v vi viii x xi. BAB 1 PENDAHULUAN 1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian. 1 3 3 3 3. BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian Peramalan (Forcasting) 2.2 Kegunaan dan Manfaat Peramalan 2.3 Jenis Peramalan 2.4 Metode Pemulusan (Smoothing) 2.5 Metode Peramalan yang digunakan 2.6 Ketepatan Ramalan 2.7 Pengukuran Kesalahan Peramalan. 5 5 6 7 8 9 10. BAB 3 METODE PENELITIAN 3.1 Metode Penelitian 3.1.1 Waktu dan Tempat 3.1.2 Metode penelitian 3.2 Sejarah Singkat Tempat Riset 3.2.1 Sejarah Singkat Badan Pusat Statistik 3.2.2 Masa Pemerintahan Hindia Belanda 3.2.3 Masa Pemerintahan Jepang 3.2.4 Masa Kemerdekaan Republik Indonesia 3.2.5 Masa Orde Baru Sampai Sekarang 3.3 Logo Badan Pusat Statistik 3.4 Visi dan Misi Badan Pusat Statistik 3.4.1 Visi 3.2.4 Misi 3.5 Struktur Organisasi Badan Pusat Statistik. 12 12 12 13 13 14 14 15 15 16 16 17 17 17. vi UNIVERSITAS SUMATERA UTARA.

(9) 3.5.1 Bagan Struktur Organisasi BPS 3.5.2 Tugas dari Struktur BPS. 18 19. BAB 4 HASIL DAN PEMBAHASAN 4.1 Pengolahan Pemulusan Eksponensial Ganda 4.2 Metode Pemulusan Eksponensial Ganda 4.3 Penentuan Bentuk Persamaan dan Nilai Peramalan 4.4 Microsoft Excel 3.5.1 Langkah-langkah Memulai Pengolahan Data. 20 24 55 57 58. BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan 5.2 Saran. 62 62. DAFTAR PUSTAKA LAMPIRAN. vii UNIVERSITAS SUMATERA UTARA.

(10) DAFTAR TABEL. Nomor. Judul. Halaman. Tabel Tabel 4.1. Nilai PDRB Menurut Lapangan Usaha Berdasarkan. 21. Harga Berlaku dan Harga Konstan Tabel 4.2. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 26. Harga Berlaku ( = 0,1) Tabel 4.3. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 27. Harga Berlaku ( = 0,2) Tabel 4.4. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 28. Harga Berlaku ( = 0,3) Tabel 4.5. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 29. Harga Berlaku ( = 0,4) Tabel 4.6. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 30. Harga Berlaku ( = 0,5) Tabel 4.7. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 31. Harga Berlaku ( = 0,6) Tabel 4.8. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 32. Harga Berlaku ( = 0,7) Tabel 4.9. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 33. Harga Berlaku ( = 0,8) Tabel 4.10. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 34. Harga Berlaku ( = 0,9) Tabel 4.11. Perbandingan Ukuran Ketetapan Metode Peramalan Atas. 36. Dasar Berlaku Tabel 4.12. Ukuran Ketetapan Peramalan PDRB Menurut Lapangan. 37. viii UNIVERSITAS SUMATERA UTARA.

(11) Usaha Atas Dasar Harga Berlaku ( = 0,9) Tabel 4.13. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 41. Harga Konstan ( = 0,1) Tabel 4.14. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 42. Harga Konstan ( = 0,2) Tabel 4.15. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 43. Harga Konstan ( = 0,3) Tabel 4.16. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 44. Harga Konstan ( = 0,4) Tabel 4.17. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 45. Harga Konstan ( = 0,5) Tabel 4.18. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 46. Harga Konstan ( = 0,6) Tabel 4.19. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 47. Harga Konstan ( = 0,7) Tabel 4.20. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 48. Harga Konstan ( = 0,8) Tabel 4.21. Peramalan PDRB Menurut Lapangan Usaha Berdasarkan. 49. Harga Konstan ( = 0,9) Tabel 4.22. Perbandingan Ukuran Ketetapan Metode Peramalan Atas. 51. Dasar Konstan Tabel 4.23. Ukuran Ketetapan Peramalan PDRB Menurut Lapangan. 52. Usaha Atas Dasar Harga Konstan ( = 0,9) Tabel 4.24. Tabel Peramalan Nilai PDRB Menurut Lapangan Usaha. 57. Kota Pematangsiantar tahun 2017-2019. ix UNIVERSITAS SUMATERA UTARA.

(12) DAFTAR GAMBAR. Nomor. Judul. Halaman. Gambar Gambar 3.1. Logo BPS. 16. Gambar 3.2. Struktur Organisasi BPS. 18. Gambar 4.1. Plot PDRB Menurut Lapangan Usaha Atas Dasar. 22. Berlaku dan Harga Konstan Gambar 4.2. Plot Pemulusan Eksponensial Satu Parameter dari Brown dengan. Gambar 4.3. = 0,9. Plot Pemulusan Eksponensial Satu Parameter dari Brown dengan. 38. 53. = 0,9. Gambar 4.4. Tampilan Lembar Kerja Excel. 59. Gambar 4.5. Tampilan Data. 59. Gambar 4.6. Data Hasil Peramalan. = 0,1. 61. x UNIVERSITAS SUMATERA UTARA.

(13) DAFTAR LAMPIRAN. Nomor. Judul. Lampiran 1.. Surat Keterangan Hasil Uji Program Tugas Akhir. 2.. Kartu Bimbingan Tugas Akhir. 3.. Surat Mohon Izin Pengambilan Data. 4.. Surat Balasan Pengambilan Data. 5.. Data PDRB Menurut Lapangan Usaha Tahun 2010-2016. 6.. Surat Keputusan Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam. 7.. Lampiran SK Pembimbing Tugas Akhir. xi UNIVERSITAS SUMATERA UTARA.

(14) BAB 1 PENDAHULUAN. 1.1. Latar Belakang Kota Pematangsiantar terletak pada wilayah geografis yang strategis. menghubungkan kawasan pantai timur dan pantai barat (dataran tinggi) wilayah Sumatera Utara dan sebagai pintu gerbang menuju kawasan wisata Danau Toba. Disamping letak geografis, kota Pematangsiantar juga merupakan pusat koleksi dan distribusi kawasan hinterlandnya terutama komoditas hasil pertanian, perikanan, peternakan dan sebagainya. Kota Pematangsiantar juga memiliki sektor industri baik skala kecil, menengah bahkan besar dan pusat-pusat perdagangan baik pasar tradisional dan pasar modern. Kondisi tersebut didukung oleh kedudukan Kota Pematangsiantar sebagai Pusat Kegiatan Wilayah (PKW) berdasarkan Rencana Tata Ruang Wilayah (RTRW) Provinsi Sumatera Utara. Disamping hal tersebut, potensi unggulan Kota Pematangsiantar lainnya adalah disektor Pendidikan dan Kesehatan. Berdasarkan data Angka Partisipasi Kasar (APK) Kota Pematangsiantar selalu berada diatas angka 100 % baik sekolah dasar, pertama dan menengah, hal ini menunjukkan bahwa siswa yang bersekolah di Kota Pematangsiantar juga berasal dari kawasan di luar wilayah administratif Kota Pematangsiantar. Sektor Kesehatan dimana Rumah Sakit Umum Daerah (RSUD) Dr. Djasamen Saragih milik Pemerintah Kota Pematangsiantar merupakan rumah sakit rujukan bagi rumah sakit-rumah sakit kawasan sekitarnya dan keberadaan rumah sakit swasta di Kota Pematangsiantar yang memiliki Bed Occupancy Ratio (BOR) yang sangat tinggi dengan pasien yang banyak berasal dari wilayah Kabupaten sekitarnya. Pembangunan ekonomi Kota Pematangsiantar saat ini diarahkan pada upaya meningkatkan pendapatan perkapita masyarakat yang dibarengi oleh perubahan institusional dan modernisasi serta pertumbuhan ekonomi dengan memperhatikan aspek pemerataan pendapatan, kesempatan kerja, laju pertumbuhan penduduk, dan perubahan struktur ekonomi daerah. Pertumbuhan ekonomi Kota Pematangsiantar yang semakin baik tersebut seiring dengan membaiknya perekonomian regional dan. UNIVERSITAS SUMATERA UTARA.

(15) 2. nasional, yang memberikan pengaruh yang signifikan terhadap pendapatan asli daerah. Pertumbuhan perekonomian daerah secara umum dapat dilihat melalui perkembangan Produk Domestik Regional Bruto (PDRB) dan PDRB per-kapita. Data Produk Domestik Regional Bruto (PDRB) sangat penting bagi setiap pemerintah daerah untuk mengetahui tingkat pertumbuhan ekonomi dan tingkat kemakmuran masyarakat. PDRB juga dapat digunakan untuk melihat struktur perekonomian dan dapat dijadikan indikator dasar dalam perencanaan maupun penentuan kebijakan pembangunan. Produk. Domestik. Regional. Bruto. (PDRB). pada. tingkat. regional. menggambarkan kemampuan suatu wilayah untuk menciptakan output (nilai tambah) pada suatu waktu tertentu. Untuk menyusun PDRB digunakan 2 pendekatan, yaitu produksi dan penggunaan. Keduanya menyajikan komposisi data nilai tambah dirinci menurut sumber kegiatan ekonomi (lapangan usaha) dan menurut komponen penggunaannya. PDRB dari sisi lapangan usaha merupakan penjumlahan seluruh komponen nilai tambah bruto yang mampu diciptakan oleh lapangan usaha atas berbagai aktivitas produksinya. Sedangkan dari sisi penggunaan menjelaskan tentang penggunaan dari nilai tambah tersebut. Penyajian PDRB menurut lapangan usaha dirinci menurut total nilai tambah dari seluruh lapangan usaha yang mencakup kategori Pertanian, Kehutanan, dan Perikanan; Pertambangan dan Penggalian; Industri Pengolahan; Pengadaan Listrik dan Gas; Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang; Konstruksi; Perdagangan Besar dan Eceran, Reparasi Mobil dan Sepeda Motor; Transportasi dan Pergudangan; Penyediaan Akomodasi dan Makan Minum; Informasi dan Komunikasi; Jasa Keuangan dan Asuransi; Real Estat; Jasa Perusahaan; Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib; Jasa Pendidikan; Jasa Kesehatan dan Kegiatan Sosial; dan Jasa lainnya. PDRB menurut lapangan usaha memiliki pengaruh yang besar terhadap laju pertumbuhan ekonomi kota Pematangsiantar, yang mendorong penulis ingin mengadakan penelitian terhadap lapangan usaha untuk meramalkan data Produk Domestik Regional Bruto yang akan datang dengan metode Pemulusan (Smoothing) Eksponensial Satu Parameter dari Brown sebagai bahan penulisan tugas akhir dengan. UNIVERSITAS SUMATERA UTARA.

(16) 3. judul “PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) MENURUT LAPANGAN USAHA KOTA PEMATANGSIANTAR TAHUN 2017-2019”. 1.2. Rumusan Masalah Mengestimasi atau memperkirakan harga Produk Regional Domestik Bruto. Pematangsiantar Menurut Lapangan Usaha berdasarkan harga berlaku dan berdasarkan harga konstan pada tahun 2017-2019. 1.3. Batasan Masalah Agar permasalahan yang dibahas dalam penelitian ini tidak menyimpang dari. sasaran yang dituju, maka dilakukan batasan masalah: 1. Hanya data Produk Regional Domestik Bruto menurut Lapangan Usaha saja yang diramalkan. 2. Data yang dibutuhkan yaitu data Produk Regional Domestik Bruto periode 2010 sampai dengan 2016 yang diperoleh dari Badan Pusat Statistik kota Pematangsiantar. 3. Peramalan dilakukan secara kuantitatif.. 1.4. Tujuan Penelitian Adapun tujuan penulis melakukan penelitian ini adalah untuk memperkirakan. dan memberi gambaran mengenai nilai Produk Domestik Regional Bruto Menurut Lapangan Usaha di Kota Pematangsiantar dengan meramalkannya menggunakan metode pemulusan (smoothing) eksponensial satu parameter dari brown.. 1.5. Manfaat Penelitian Penelitian ini dilakukan dengan harapan dapat memberikan manfaat antara lain: 1. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu yang didapat selama dunia perkuliahan, dengan menyatukan materi dan objek permasalahan yang dijadikan sebagai materi pembahasan.. UNIVERSITAS SUMATERA UTARA.

(17) 4. 2. Untuk mengetahui laju pertumbuhan ekonomi menurut lapangan usaha di Kota Pematangsiantar pada tahun yang akan datang. 3. Sebagai bahan referensi tentang peramalan Produk Domestik Regional Bruto (PDRB).. UNIVERSITAS SUMATERA UTARA.

(18) BAB 2 TINJAUAN PUSTAKA. 2.1. Pengertian Peramalan (Forcasting) Adapun pengertian peramalan (forecasting) menurut pendapat para ahli:. Berdasarkan pendapat Barry Render dan Jay Heizer (2001) , peramalan adalah seni dan ilmu memprediksi peristiwa-peristiwa masa depan dengan pengambilan data historis dan memproyeksikannya ke masa depan dengan menggunakan beberapa bentuk model matematis. Berdasarkan pendapat Lerbin R. Aritonang R. (2002) , peramalan adalah kegiatan penerapan model yang telah dikembangkan pada waktu yang akan datang. Berdasarkan pendapat Lalu Sumayang (2003) ,peramalan adalah perhitungan yang objektif dan dengan menggunakan data-data masa lalu, untuk menentukan sesuatu dimasa yang akan datang. Dari pengertian di atas , peramalan itu adalah suatu seni atau ilmu memprediksi masa depan dengan menggunakan data-data masa lalu untuk menentukan sesuatu dimasa yang akan datang. 2.2. Kegunaan dan Manfaat Peramalan Kegunaan peramalan terlihat pada saat pengambilan keputusan atau. menetapkan berbagai kebijakan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Adapun manfaat dari peramalan adalah sebagai berikut: a. Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan tepat. b. Merupakan. suatu. pedoman. dalam. menentukan. tingkat. persediaan. perencanaan sehingga dapat bekerja secara optimal. c. Sebagai masukan untuk penentuan jumlah investasi.. UNIVERSITAS SUMATERA UTARA.

(19) 6. d. Membantu menentukan pengembangan suatu pekerjaan untuk periode selanjutnya. Ketepatan hasil ramalan merupakan hal yang penting karena akan digunakan dalam mengambil keputusan untuk kedepannya. Sehingga pemilihan metode dan penentuan faktor dan variabel sangat penting dalam mendapatkan hasil peramalan yang baik. 2.3. Jenis Peramalan Menurut Render dan Heizer (2004) pada jenis peramalan dapat dibedakan. menjadi beberapa tipe. Dilihat dari perencanaan operasi di masa depan, maka peramalan dibagi menjadi 3 macam yaitu: a. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan indikator perencanaan lainnya. b. Peramalan teknologi. (technological forecast) memperhatikan tingkat. kemajuan tehnologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru. c. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Menurut Render dan Heizer (2004) dalam melakukan peramalan diperlukan perhitungan yang akurat sehingga diperlukan peramalan yang tepat. Pada dasarnya terdapat dua pendekatan umum untuk mengatasi semua model keputusan untuk meramal: a. Peramalan Kualitatif Yaitu. peramalan. yang menggabungkan. faktor-faktor. seperti. intuisi. pengambilan keputusan, emosi, pengalaman pribadi, dan sistem nilai. b. Peramalan Kuantitatif. UNIVERSITAS SUMATERA UTARA.

(20) 7. Yaitu peramalan yang menggunakan satu atau lebih model matematis dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Ada lima metode peramalan kuantitatif, yaitu metode pendekatan naif, metode rata-rata bergerak, metode pemulusan eksponential, pemulusan tren, dan regresi linear. 2.4. Metode Pemulusan (Smoothing) Metode Pemulusan atau Smoothing adalah metode peramalan dengan. mengadakan penghalusan atau pemulusan terhadap data lampau, yaitu mengambil rata-rata dan nilai dari beberapa tahun yang akan datang. Secara umum metode pemulusan (smoothing) dapat diklasifikasikan sebagia berikut: 1. Metode rata-rata (Average) Metode rata-rata terdiri atas: a. Rata-rata sederhana b. Rata-rata bergerak tunggal (single moving average) c. Rata-rata bergerak ganda (double moving average) d. Rata-rata bergerak linier 2.. Metode Pemulusan Eksponensial (Smoothing) Metode rata-rata terdiri atas: a. Metode eksponensial tunggal b. Metode eksponensial ganda 1. Metode linier satu parameter dari Brown 2. Metode dua parameter dari Holt c. Metode eksponensial Triple d. Metode eksponensial menurut klasifikasi Pegels. UNIVERSITAS SUMATERA UTARA.

(21) 8. 3.. Metode Pemulusan Lainnnya a. Metode kontrol adaptif dari Chow b. Metode adaptif satu parameter dari Brown c. Pemulusan tiga parameter Box- Jenkins d. Metode pemulusan harmonis dari Harrison e. Sistem pemerataan dari tiga trigg (Tracking Signal). 2.5. Metode Peramalan yang Digunakan Metode Linier Satu Parameter dari Brown adalah metode untuk memprediksi. beberapa periode dengan menggunakan data trend. Teori pendukung yang digunakan untuk menyusun tulisan ini dikutip dari buku Metode dan Aplikasi Peramalan Edisi Kedua Jilid 1 oleh Spyros Makridaks , bentuk umum yang digunakan dalam penyusunan suatu ramalan di dalam Ekoponensial Smoothing Tunggal yaitu:. Sedangkan di dalam Ekponensial Smoothing Linier atau yang dikenal dengan nama Metode “Brown’s One Parameter Linier Eksponensial Smoothing”, persamaan yang digunakan sebagai berikut: Ft+m = ɑt + bt (m) Sedangkan: S’t. = ɑXt + (1- ɑ)S’t-1. (2.1). S”t. = ɑS’t + (1- ɑ)S”t-1. (2.2). ɑt. = S’t + (S’t - S”t ) = 2S’t – S”t. (2.3). bt. =. ( S’t - S”t ). Ft+m = ɑt + bt (m) = Xt - Ft+m. (2.4) (2.5) (2.6). UNIVERSITAS SUMATERA UTARA.

(22) 9. Keterangan: Xt = nilai periode t S’t = pemulusan pertama periode t S’t-1 = pemulusan pertama periode t-1 S”t = pemulusan kedua periode t S”t-1 = pemulusan kedua periode t-1 ɑt. = konstanta pemulusan. bt. = konstanta pemulusan. Ft+m = hasil pengamatan untuk periode m kedepan yang diramalkan. 2.6. m. = jumlah periode kedepan yang diramalkan. e. = error. Ketepatan Ramalan Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan, yaitu. bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala (time series) dari masa lalu dapat diramalkan situasi yang akan terjadi dimasa yang akan datang, untuk menguji kebenara ramalan ini digunakan ketepatan ramalan. Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain: 1. Nilai Tengah Galat (Mean Error). 2. Nilai Tengah Galat Kuadrat (Mean Square Error). 3. Nilai Tengah Galat Absolut (Mean Absolute Error). UNIVERSITAS SUMATERA UTARA.

(23) 10. 4. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error). 5. Nilai Tengah Galat Persentase (Mean Percentage Error). 6. Jumlah Kuadrat Galat (Sum Square Error). 7. Deviasi Standar Galat (Standart Deviation of Error). Keterangan: =. (kesalahan pada periode ke- t). = data aktual pada perode ke - t = nilai ramalan pada periode ke – t n = banyak periode waktu Metode paramalan yang dipilih adalah metode peramalan yang meberikan nilai MSE yang terkecil. 2.7. Pengukuran Kesalahan Peramalan Keakuratan keseluruhan dari setiap model peramalan dapat dijelaskan dengan. membandingkan nilai yang diramal dengan nilai aktual atau nilai yang sedang diamati. Kesalahan peramalan mengatakan seberapa baik kinerja suatu model dibandingkan dengan model itu sendiri dengan menggunakan data masa lalu.. UNIVERSITAS SUMATERA UTARA.

(24) 11. Untuk menghitung kesalahan peramalan (deviasi) adalah Kesalahan peramalan =. -. dimana: = nilai aktual = nilai peramalan Ada beberapa perhitunngan yang biasa digunakan untuk menghitung kesalahan peramalan (forecast error) total.. UNIVERSITAS SUMATERA UTARA.

(25) BAB 3 METODE PENELITIAN. 3.1. Metode Penelitian. 3.1.1 Waktu dan Tempat Penulis melakukan pengambilan data diadakan di Badan Pusat Statistik (BPS) kota Pematangsiantar di Jalan Porsea No. 5 Pematangsiantar. Pengambilan data dilakukan sekali yaitu tanggal 27 Februari 2018 dengan pengarahan pegawai BPS untuk pengunduhan buku publikasi di website BPS kota Pematangsiantar.. 3.1.2 Metode Penelitian Ada 5 metode penelitian yang digunakan penulis dalam melakukan penelitian ini adalah sebagai berikut: 1. Metode Penelitian Kepustakaaan ( study literature) Studi kepustakaan dilakukan dengan mengambil referensi dengan membaca buku yang memuat teori – teori yang erat kaitannya dengan tugas akhir atau apapun yang terkait dengan objek yang diteliti.. 2. Metode Pengumpulan data Pengumpulan data yang dilakukan penulis adalah metode pengumpulan data sekunder yang di terbitkan oleh Badan Pusat Statistik Kota Pematangsiantar.. 3. Metode Pengolahan Data Data ini diperoleh dengan menggunakan metode Pemulusan Eksponensial . Metode ini dikenal dengan nama Metode Linier Satu Parameter dari Brown. Adapun langkah-langkah yang ditempuh untuk menentukan betuk persamaan adalah :. a.. Menentukan harga parameter eksponensial yang besarnya dari 0<. <1. UNIVERSITAS SUMATERA UTARA.

(26) 13. b.. Menghitung. harga. pemulusan. eksponensial. tunggal. dengan. menggunakan persamaan : =. c.. (2.1). Menghitung. harga. pemulusan. ekspoensial. ganda. dengan. menggunakan persamaan: (2.2). d.. Menghitung konstanta ɑt dan bt dengan menggunakan persamaan: –. (2.3) (2.4). e.. Menghitung trend persamaan Ft+m dengan menggunakan persamaan : (2.5). f.. Menghitung nilai kesalahan (error) dengan menggunakan persamaan : –. (2.6). 4. Implemetasi Sistem Dalam Pengolahan data pada Tugas Akhir ini penulis menggunakan salah satu perangkat lunak sebagai implementasi sistem yaitu Microsoft Excel dalam menyelesaikan masalah untuk memperoleh hasil perhitungan.. 5. Kesimpulan dan Saran Bagian akhir dari penulis tugas akhir ini adalah menarik kesimpulan dan memberikan saran dari hasil analisa-analisa yang dikemukakan penulis.. 3.2. Sejarah Singkat Tempat Riset. 3.2.1 Sejarah Singkat Badan Pusat Statistik. UNIVERSITAS SUMATERA UTARA.

(27) 14. Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal-hal tersebut BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan ukuran-ukuran lainnya. Berikut ini beberapa masa peralihan BPS di Indonesia.. 3.2.2 Masa Pemerintahan Hindia Belanda Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directure Vand Landbow Nijeverheiden Handend) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik. Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statitik di Indonesia. Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Voor de Statistik (CKS) atau kantor statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme Statistik Perdagangan yang semula dilakukan oleh kantor Invoer Vitvoer en Accijensen (IUA) yang sekarang diisebut kantor Bea dan Cukai.. 3.2.3 Masa Pemerintahan Jepang Pada bulan Juni 1994, pemerintah Jepang baru mengaktifkan kembali kegiatan Statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa itu Central Kantor Voor de Statistik diganti namanya menjadi Shomubu Chosasitsu Gunseikanbu.. UNIVERSITAS SUMATERA UTARA.

(28) 15. 3.2.4 Masa Kemerdekaan Republik Indonesia Setelah Proklamasi kemerdekaan RI tanggal 17 Agustus 1945, kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia) dipindahkan ke Yogyakarta sebagai sekuens dari perjanjian Linggarjati. Sementara itu pemerintah Belanda (NICA) di Jakarta mengaktifkan kembali Central Kantor Voor de Statistik. Berdasarkan surat edaran kementerian kemakmuran tanggal 12 Juni 1950 Nomor 219/ KPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia) dan Central Voor de Statistik dilebur menjadi Kantor Pusat Statistik (KPS) dan berada di bawah dan bertanggung jawab kepada Menteri Kemakmuran. Dengan keputusan Presiden RI Nomor 131 tahun 1957, kemerdekaan Perekonomian dipecah menjadi kementerian Perdagangan dan kementerian Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172, terhitung tanggal 1 Juni 1957 Kantor Pusat Statistik diubah menjadi Biro Pusat Statistik yang semula menjadi tanggung jawab dan wewenang berada di bawah Perdana Menteri.. 3.2.5 Masa Orde Baru Sampai Sekarang Perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan organisasi Biro Pusat Statistik. Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980, Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti Undang-Undang Nomor: 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.. UNIVERSITAS SUMATERA UTARA.

(29) 16. 3.3. Logo Badan Pusat Statistik Berikut adalah logo Badan Pusat Statistik. Gambar 3.1 Logo BPS. Logo BPS terdiri dari 3 warna yang masing-masing mempunyai makna. Adapun makna yang dimaksud adalah : 1. Biru Memiliki makna tentang Sensus Penduduk yang dilakukan oleh pihak BPS setiap 10 tahun sekali (tahun berakhiran angka 0) yang mencakup index pembangunan manusia, kemiskinan, kependudukan, kesehatan, ketahanan sosial, konsumsi dan pagelaran, pendidikan, perumahan, sosial budaya, tenaga kerja. 2. Hijau Memiliki makna tentang Sensus Pertanian yang dilakukan setiap 10 tahun sekali (tahun berakhiran angka 3) yang mencakup index tanaman pangan, hortikultura, kehutanan, perkebunan, perikanan dan peternakan. 3. Orange Memiki makna tentang Sensus Ekonomi yang dilakukan setiap 10 tahun sekali (tahun berakhiran angka 6) yang mencakup index kegiatan eksporimpor, industri, inflasi, harga produsen, harga perdagangan, keuangan, komunikasi, konstruksi, neraca arus dana, nilai tukar petani, pariwisata, produk domestik bruto, produk domestik regional bruto, transportasi, upah buruh, dan usaha mikro kecil.. 3.4. Visi dan Misi Badan Pusat Statistik. UNIVERSITAS SUMATERA UTARA.

(30) 17. Dalam hal pencapaian suatu tujuan diperlukan suatu perencanaan dan tindakan nyata untuk dapat mewujudkannya. Secara umum bisa dikatakan bahwa Visi dan Misi dalah suatu konsep perencanaan yang disertai dengan tindakan sesuai dengan apa yang direncakan suatu instansi untuk mencapai suatu tujuan tertentu.. 3.4.1 Visi Visi dapat diartikan sebagai gambaran situasi dan karateristik mengenai yang dicapai dalam organisasi, lembaga atau perusahaan dalam suatu waktu yang jauh kedepannya. Atau pengertian visi dapat diartikan seperti cara pandang jauh kedepan mengenai arah dan kemana organisasi, lembaga, perusahaan agar mampu eksis, antisipatif dan inovatif. Visi BPS adalah “Pelopor data statistik terpercaya untuk semua”. 3.4.2 Misi Misi adalah suatu pernyataan yang berisikan mengenai apa yang harus dilaksanakan sebagai bentuk usaha nyata dan penting untuk mewujudkan visi organisasi, perusahaan atau lembaga. Atau dapat juga dikatakan misi adalah langkahlangkah untuk mencapai tujuan utama (visi) dari organisasi, perusahaan, atau lembaga. Misi BPS adalah : a. Menyediakan data statistik berkualitas melalui kegiatan statistik yang terintegrasi dan berstandar nasional maupun internasional. b. Memperkuat Sistem Statistik Nasional yang berkesinambungan melalui pembinaan dan koordinasi di bidang statistik. c. Membangun insan statistik yang profesional, berintegritas dan amanah untuk kemajuan perstatistikan.. 3.5. Struktur Organisasi Badan Pusat Statistik Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai. struktur organisasi, karena perusahaan juga merupakan organisasi. Organisasi adalah. UNIVERSITAS SUMATERA UTARA.

(31) 18. suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama. Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain. Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Kota Pematangsiantar adalah struktur organisasi berbentuk Lini dan staf. 1. Bagian Tata Usaha. 2. Bidang Statistik Produksi. 3. Bidang Statistik Distribusi. 4. Bidang Statistik Kependudukan. 5. Bidang Integrasi Pengolahan dan Diseminasi Statistik. 6. Bidang Neraca Wilayah dan Analisis Statistik.. 3.5.1 Bagan Struktur Organisasi Badan Pusat Statistik Berikut ini adalah Struktur Organisasi Badan Pusat Statistik. Gambar 3.2 Struktur Organisasi BPS. UNIVERSITAS SUMATERA UTARA.

(32) 19. 3.5.2 Tugas dari Struktur Organisasi Badan Pusat Statistik. 1. Kepala BPS Tugas : Memimpin BPS Kabupaten/Kota dengan tugas dan fungsi BPS serta membina semua aparatur dan staf nya. 2. Sub Bagian Tata Usaha Tugas : Melakukan penyusunan rencana dan program, urusan kepegawaian, keuangan dan perlengkapan. 3. Seksi Statistik Sosial Tugas : Melakukan pengumpulan, pengolahan, analisis, evaluasi dan pelaporan statistik sosial. 4. Seksi Statistik Produksi Tugas : Melakukan pengumpulan, pengolahan, analisis, evaluasi dan pelaporan statistik produksi. 5. Seksi Statistik Distribusi Tugas : Melakukan pengumpulan, pengolahan, analisis, evaluasi dan pelaporan statistik distribusi. 6. Seksi Neraca Wilayah & Analisis Statistik Tugas : Melakukan pengumpulan, pengolahan, analisis, evaluasi dan pelaporan neraca wilayah dan analisis statistik lintas sektor. 7. Seksi Integrasi Pengolahan & Diseminasi Statistik Tugas : Melakukan pengintegrasian pengolahan data, pengolahan jaringan dan rujukan statistik, serta diseminasi dan layanan statistik.. UNIVERSITAS SUMATERA UTARA.

(33) BAB 4 HASIL DAN PEMBAHASAN. 4.1. Pengolahan Pemulusan Eksponensial Ganda Pada bagian ini penulis menentukan nilai parameter yang akan digunakan,. dimana nilai parameter ( ) besarnya antara 0<. <1 dengan cara trial dan. error.Adapun langkah-langkah yang ditempuh untuk menentukan betuk persamaan adalah : a. Menentukan harga parameter eksponensial yang besarnya dari 0<. <1. b. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan : =. c. Menghitung harga pemulusan ekspoensial ganda dengan menggunakan persamaan:. d. Menghitung konstanta ɑt dan bt dengan menggunakan persamaan: –. e. Menghitung trend persamaan Ft+m dengan menggunakan persamaan :. f. Menghitung nilai kesalahan (error) dengan menggunakan persamaan :. UNIVERSITAS SUMATERA UTARA.

(34) 21. –. Tabel 4.1: Nilai Produk Domestik Regional Bruto (PDRB) Menurut Lapangan Usaha Berdasarkan Harga Berlaku dan Harga Konstan Periode. Tahun. Atas Dasar Harga Berlaku. Atas Dasar Harga Konstan. 1. 2010. 25.191.073,54. 25.191.073,54. 2. 2011. 28.322.942,36. 26.608.852,75. 3. 2012. 31.290.836,91. 28.089.277,98. 4. 2013. 34.954.032,74. 29.413.003,21. 5. 2014. 38.984.091,15. 30.984.516,02. 6. 2015. 42.707.592,86. 32.304.024,93. 7. 2016. 46.409.051,57. 33.589.800,87. Sumber : Badan Pusat Statistik Hubungan harga berlaku dan harga konstan dapat dilihat pada grafik ini:. Nilai (dalam juta). Data Aktual 50.000.000,00 45.000.000,00 40.000.000,00 35.000.000,00 30.000.000,00 25.000.000,00 20.000.000,00 15.000.000,00 10.000.000,00 5.000.000,00 0,00. Atas Dasar Harga Berlaku Atas Dasar Harga Konstan. 2010 2011 2012 2013 2014 2015 2016 Tahun. UNIVERSITAS SUMATERA UTARA.

(35) 22. Gambar 4.1: Plot Produk Domestik Regional Bruto (PDRB) Menurut Lapangan. Usaha Berdasarkan Harga Berlaku dan Harga. Konstan Langkah- langkah yang ditempuh untuk bentuk persamaan peramalan dengan menggunakan metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah: 1. Menentukan harga parameter smoothing eskponensial ganda besarnya 0< α < 1 2. Menghitung harga smoothing eskponensial tunggal dengan menggunakan persamaan (2.1) = α. = 0,1 = 25.191.073,54 = (0,1) 28.322.942,36 + (1 - 0,1) (25.191.073,54) = 25.504.260,42 = (0,1) 31.290.836,91+ (1 – 0,1) (25.504.260,42) = 26.082.918,07. dan seterusnya hingga diperoleh harga. pada α = 0,1.Selanjutnya. dilakukan perhitungan yang sama sampai α = 0,9 menggnaka persamaan (2.1) 3. Menghitung harga smoothing eskponensial ganda dengan menggunakan persamaan (2.2). α. = 0,1. = 25.191.073,54 = (0,1) 28.322.942,36 + (1 – 0,1) 25.191.073,54 = 25.222.392,23 = (0,1) 31.290.836,91 + (1 – 0,1) 25.222.392,23 = 25.308.444,81 Dan seterusnya hingga diperoleh harga. pada α = 0,1. Selanjutnya. dilakukan perhitungan yang sama sampai α = 0,9 menggunakan persamaan (2.2). 4. Menghitung koefisien αt dan bt dengan menggunakan persamaan (2.3) dan persamaan (2.4).. UNIVERSITAS SUMATERA UTARA.

(36) 23. = 0,1 –. = nilai konstanta pada periode satu dikosongkan karena mempunyai nilai yang sama dengan nilai eksponensial tunggal dan nilai eksponensial ganda. = 2 (25.504.260,42) – (25.222.392,23) = 25.786.128,62 = 2 (26.082.918,07) – (25.308.444,81) = 26.857.391,33 dan seterusnya hingga diperoleh harga. pada α = 0,1.Selanjutnya. dilakukan perhitungan yang sama sampai α = 0,9 menggunakan persamaan (2.3).. = nilai slope pada periode satu dikosongkan karena nilai eksponensialnya adalah nol. =. (25.504.260,42- 25.222.392,23) = 31.318,69. =. (26.082.918,07- 25.308.444,81) = 86.052,58. dan seterusnya hingga diperoleh harga b7 pada α = 0,1. Selanjutnya dilakukan perhitungan yang sama sampai α = 0,9 menggunakan persamaan (2.4). 5. Menghitung trend peramalan Ft+m dengan menggunakan persamaan (2.5). α. = 0,1. = data pada periode pertama tidak ada sehingga nilai ramalan pertama dikosongkan. = data pada periode pertama tidak ada sehingga nilai ramalan kedua dikosongkan. UNIVERSITAS SUMATERA UTARA.

(37) 24. = (25.786.128,62+ 31.318,69) (1) = 25.817.447,30 = (26.857.391,33 + 86.052,58) (1) = 26.943.443,91 dan seterusnya hingga diperoleh harga F7 pada α = 0,1. Selanjutnya dilakukan perhitungan yang sama sampai α = 0,9 menggunakan persamaan (2.5) 6. Menghitung nilai kesalahan (error) dengan menggunakan persamaan (2.6). α. = 0,1 – = ramalan pada periode pertama tidak ada sehingga nilai error periode pertama bernilai nol. = ramalan pada periode kedua tidak ada sehingga nilai error periode pertama bernilai nol. = 31.290.836,91 – 25.817.447,30 = 5.473.289,61 = 34.954.032,74 – 26.817.447,30 = 8.010.588,83. dan seterusnya hingga diperoleh harga. pada α = 0,1.Selanjutnya. dilakukan perhitungan yang sama sampai α = 0,9 menggunakan persamaan (2.6).. 4.2. Metode Pemulusan Eksponensial Ganda Dalam pengolahan dan penganalisaan data, penulis mengaplikasikan data. pada Tabel 4.1 dengan metode peramalan ( forecasting ) berdasarkan Metode Pemulusan Satu Parameter dari Brown. Untuk memenuhi perhitungan pemulusan eksponensial tunggal, ganda dan ramalan yang akan datang, maka terlebih dahulu kita menentukan parameter nilai ɑ yang biasanya secara trial and error ( coba dan salah ). Suatu nilai ɑ yang dipilih yang besarnya 0<. <1, dihitung Mean Square. Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing – masing kesalahan ke dalam suatu susunan data dan kemudian dicoba nilai ɑ yang lain.. UNIVERSITAS SUMATERA UTARA.

(38) 25. Untuk menghitung nilai MSE pertama kali dicari error terlebih dahulu yang merupakan hasil ramalan kemudian tiap error dikuadratkan dan dibagi banyaknya error. Secara matematis MSE tahap pertama perhitungan ini adalah nilai PDRB atas dasar harga berlaku, yaitu:. UNIVERSITAS SUMATERA UTARA.

(39) Tahun. Tabel 4.2 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,1 ). -. 5.473.389,61. -. 64.169.533.348.848,70. 29.957.993.779.068,80. -. 26. 31.318,69. 25.817.447,30. 8.010.588,83. -. 25.786.128,62. 86.052,58. 26.943.443,91. 10.352.476,89 107.173.777.696.283,00. -. 25.222.392,23. 26.857.391,33. 166.158,47. 28.631.614,26. 11.839.324,75 140.169.610.467.058,00. -. 25.504.260,42 25.308.444,81. 28.465.455,79. 269.683,24. 30.868.268,11. -. 28.322.942,36 26.082.918,07 25.474.603,28. 30.598.584,87. 388.076,49. 12.903.235,27 166.493.480.336.864,00. -. 2011 31.290.836,91 26.970.029,54. 25.744.286,53. 33.117.739,81. 33.505.816,30. 25.191.073,54. 2012 34.954.032,74 28.171.435,70. 26.132.363,02. 517.108,84. 25.191.073,54. 2013 38.984.091,15 29.625.051,42. 35.957.431,00. 25.191.073,54. 2014 42.707.592,86. 26.649.471,86. 2010. 2015 31.303.451,43. 145.766.589,90 48.579.015,33 507.964.395.628.122,00. 46.409.051,57. Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 26.

(40) Tahun. Tabel 4.3 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,2 ). -. 4.847.015,84. -. 41.552.599.485.352,60. 23.493.562.572.599,00. -. 27. 125.274,75. 26.443.821,07. 6.446.130,58. 57.434.895.626.576,30. -. 26.318.546,32. 319.155,39. 28.507.902,16. 7.578.581,37. 59.192.249.153.065,10. -. 25.316.348,29. 28.188.746,77. 577.000,61. 31.405.509,78. 7.693.649,92. 55.316.477.645.643,80. -. 25.817.447,30 25.635.503,68. 30.828.509,17. 880.143,86. 35.013.942,94. 7.437.504,80. -. 28.322.942,36 26.912.125,23 26.212.504,29. 34.133.799,07. 1.187.889,86. 38.971.546,77. -. 2011 31.290.836,91 28.520.506,73 27.092.648,15. 37.783.656,91. 1.485.390,05. 25.191.073,54. 2012 34.954.032,74 30.613.223,61. 28.280.538,02. 41.649.048,50. 25.191.073,54. 2013 38.984.091,15 33.032.097,46. 29.765.928,07. 25.191.073,54. 2014 42.707.592,86 35.707.488,28. 2010. 2015 46.409.051,57. 160.342.722,71 34.002.882,52 236.989.784.483.237,00. 2016. Jumlah. UNIVERSITAS SUMATERA UTARA. 27.

(41) 2012. 2011. 2010. 34.954.032,74. 31.290.836,91. 28.322.942,36. 25.191.073,54. 32.598.134,77. 29.861.296,32. 27.678.695,00. 26.130.634,19. 25.191.073,54. 30.888.701,55. 28.856.299,84. 27.252.656,30. 26.134.667,71. 25.472.941,73. 25.191.073,54. 40.373.242,85. 36.339.969,70. 32.469.936,35. 29.222.722,29. 26.788.326,64. -. 2.032.401,71. 1.603.643,54. 1.117.988,58. 661.725,98. 281.868,19. -. 42.405.644,56. 37.943.613,25. 33.587.924,93. 29.884.448,27. 27.070.194,83. -. -. 4.003.407,01. 4.763.979,61. 5.396.166,22. 5.069.584,47. 4.220.642,08. -. -. 16.027.267.712.453,40. 22.695.501.758.510,50. 29.118.609.832.210,70. 25.700.686.672.103,40. 17.813.819.550.584,10. -. -. 28. 2013 38.984.091,15 35.630.972,20. 2.392.708,34. Tabel 4.4 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,3 ). 2014 42.707.592,86. 44.447.382,13. Tahun. 2015. 33.281.409,89. 111.355.885.525.862,00. 38.864.396,01. 170.891.825,84 23.453.779,39. 46.409.051,57. Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 28.

(42) 2012. 2011. 2010. 34.954.032,74. 31.290.836,91. 28.322.942,36. 25.191.073,54. 34.200.350,18. 31.011.189,54. 28.382.627,40. 26.443.821,07. 25.191.073,54. 33.496.958,81. 30.759.433,18. 28.465.488,51. 26.768.354,49. 25.692.172,55. 25.191.073,54. 41.709.535,70. 37.641.267,19. 33.556.890,57. 29.996.900,32. 27.195.469,58. -. 2.737.525,63. 2.293.944,67. 1.697.134,02. 1.076.181,94. 501.099,01. -. 44.447.061,33. 39.935.211,86. 35.254.024,59. 31.073.082,26. 27.696.568,60. -. -. 1.961.990,24. 2.772.381,00. 3.730.066,56. 3.880.950,48. 3.594.268,31. -. -. 3.849.405.709.778,53. 7.686.096.434.001,47. 13.913.396.578.435,70. 15.061.776.640.631,30. 12.918.764.713.024,40. -. -. 29. 2013 38.984.091,15 37.603.247,25. 3.051.444,07. Tabel 4.5 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,4 ). 2014 42.707.592,86. 45.702.735,08. Tahun. 2015. 36.548.402,88. 53.429.440.075.871,40. 41.125.568,98. 178.405.948,62 15.939.656,61. 46.409.051,57. Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 29.

(43) 2012. 2011. 2010. 34.954.032,74. 31.290.836,91. 28.322.942,36. 25.191.073,54. 35.486.534,37. 31.988.977,59. 29.023.922,43. 26.757.007,95. 25.191.073,54. 35.856.160,30. 32.615.256,98. 29.743.979,59. 27.498.981,59. 25.974.040,75. 25.191.073,54. 42.337.966,93. 38.357.811,76. 34.233.975,58. 30.548.863,27. 27.539.975,16. -. 3.448.448,65. 3.240.903,32. 2.871.277,39. 2.244.998,00. 1.524.940,84. 782.967,21. -. 45.578.870,25. 41.229.089,15. 36.478.973,58. 32.073.804,12. 28.322.942,36. -. -. 830.181,32. 1.478.503,71. 2.505.117,57. 2.880.228,63. 2.967.894,55. -. -. 689.201.023.039,22. 2.185.973.224.180,02. 6.275.614.026.997,09. 8.295.716.932.269,39. 8.808.398.059.919,69. -. -. 30. 2013 38.984.091,15 39.097.063,61. 46.201.506,24. Tabel 4.6 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,5 ). 2014 42.707.592,86. 39.304.608,94. Tahun. 2015 42.753.057,59. 26.254.903.266.405,40. 46.409.051,57. 183.683.679,46 10.661.925,77. 2016. Jumlah. UNIVERSITAS SUMATERA UTARA. 30.

(44) 2012. 2011. 2010. 34.954.032,74. 31.290.836,91. 28.322.942,36. 25.191.073,54. 36.515.835,36. 32.813.451,68. 29.602.580,08. 27.070.194,83. 25.191.073,54. 37.862.919,62. 34.310.964,27. 31.003.657,63. 28.288.966,57. 26.318.546,32. 25.191.073,54. 42.598.860,10. 38.720.706,45. 34.623.245,72. 30.916.193,58. 27.821.843,35. -. 3.551.955,35. 3.307.306,64. 2.714.691,06. 1.970.420,26. 1.127.472,78. -. 46.150.815,45. 42.028.013,09. 37.337.936,78. 32.886.613,84. 28.949.316,12. -. -. 258.236,12. 679.579,77. 1.646.154,37. 2.067.418,90. 2.341.520,79. -. -. 66.685.893.580,10. 461.828.669.556,09. 2.709.824.217.508,22. 4.274.220.898.153,61. 5.482.719.591.270,10. -. -. 31. 2013 38.984.091,15 40.230.889,86. 3.644.920,36. Tabel 4.7 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,6 ). 2014 42.707.592,86. 46.367.733,79. Tahun. 2015. 41.507.839,98. 12.995.279.270.068,10. 43.937.786,89. 6.992.909,95. 46.409.051,57. 187.352.695,28. 2016. Jumlah. UNIVERSITAS SUMATERA UTARA. 31.

(45) 2012. 2011. 2010. 34.954.032,74. 31.290.836,91. 28.322.942,36. 25.191.073,54. 37.339.884,71. 33.503.403,02. 30.118.600,35. 27.383.381,71. 25.191.073,54. 39.505.906,10. 35.792.699,37. 32.182.600,22. 29.100.727,02. 26.725.689,26. 25.191.073,54. 42.688.654,73. 38.887.070,06. 34.824.205,82. 31.136.473,68. 28.041.074,17. -. 3.713.206,74. 3.610.099,14. 3.081.873,20. 2.375.037,76. 1.534.615,72. -. 46.401.861,47. 42.497.169,20. 37.906.079,02. 33.511.511,44. 29.575.689,89. -. -. 7.190,10. 210.423,66. 1.078.012,13. 1.442.521,30. 1.715.147,02. -. -. 51.697.599,85. 44.278.116.540,50. 1.162.110.147.381,99. 2.080.867.699.222,66. 2.941.729.307.075,43. -. -. 32. 2013 38.984.091,15 41.097.280,42. 3.716.729,89. Tabel 4.8 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,7 ). 2014 42.707.592,86. 46.408.404,46. Tahun. 2015. 43.222.635,99. 6.229.036.967.820,43. 44.815.520,22. 4.453.294,21. 46.409.051,57. 189.892.311,02. 2016. Jumlah. UNIVERSITAS SUMATERA UTARA. 32.

(46) 2012. 2011. 2010. 34.954.032,74. 31.290.836,91. 28.322.942,36. 25.191.073,54. 38.002.797,49. 34.077.622,84. 30.571.983,25. 27.696.568,60. 25.191.073,54. 40.823.412,00. 37.050.524,87. 33.241.434,38. 29.896.680,51. 27.195.469,58. 25.191.073,54. 42.709.855,57. 38.955.070,11. 34.913.811,31. 31.247.285,98. 28.197.667,61. -. 3.772.887,14. 3.809.090,49. 3.344.753,86. 2.701.210,93. 2.004.396,04. -. 46.482.742,71. 42.764.160,60. 38.258.565,17. 33.948.496,91. 30.202.063,65. -. -. -73.691,14. -56.567,74. 725.525,98. 1.005.535,83. 1.088.773,26. -. -. 5.430.383.446,21. 3.199.909.263,01. 526.387.950.324,89. 1.011.102.306.218,21. 1.185.427.207.335,90. -. -. 33. 2013 38.984.091,15 41.766.633,79. 3.725.724,81. Tabel 4.9 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,8 ). 2014 42.707.592,86. 46.411.999,22. Tahun. 2015. 44.549.136,81. 2.731.547.756.588,22. 45.480.568,01. 2.689.576,19. 46.409.051,57. 191.656.029,04. 2016. Jumlah. UNIVERSITAS SUMATERA UTARA. 33.

(47) 2012. 2011. 2010. 34.954.032,74. 31.290.836,91. 28.322.942,36. 25.191.073,54. 38.541.172,27. 34.554.902,34. 30.962.728,77. 28.009.755,48. 25.191.073,54. 41.872.194,59. 38.103.388,70. 34.163.336,57. 30.639.244,62. 27.727.887,28. 25.191.073,54. 42.709.707,01. 38.978.955,84. 34.946.468,12. 31.286.212,92. 28.291.623,67. -. 3.768.805,89. 3.940.052,13. 3.524.091,95. 2.911.357,33. 2.536.813,74. -. 46.478.512,90. 42.919.007,97. 38.470.560,07. 34.197.570,25. 30.828.437,42. -. -. -69.461,33. -211.415,11. 513.531,08. 756.462,49. 462.399,49. -. -. 4.824.876.710,70. 44.696.348.004,81. 263.714.173.392,04. 572.235.499.684,80. 213.813.292.051,43. -. -. 34. 2013 38.984.091,15 42.290.950,80. 3.712.542,21. Tabel 4.10 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku ( ɑ=0,9 ). 2014 42.707.592,86. 46.409.746,18. Tahun. 2015. 45.584.736,80. 1.099.284.189.843,78. 45.997.241,49. 1.451.516,63. 46.409.051,57. 192.894.088,60. 2016. Jumlah. UNIVERSITAS SUMATERA UTARA. 34.

(48) 35. Kemudian dihitung nilai MSE untuk setiap. ( mulai dari 0,1 sampai dengan 0,9 ). dengan rumus sebagai berikut:. Dimana untuk = 0,1 nilai MSE diperoleh: = 507.964.395.628.122,00 dan ( n = 7 ). Sehingga :. =72.566.342.232.588,90. Salah satu nilai MSE tersebut dibandingkan untuk mementukan nilai. yang. memberikan MSE yang terkecil/minimum. Perbandingan ukuran ketetapan metode peramalan. peningkatan. nilai. PDRB. Menurut. Lapangan. Usaha. di. Kota. Pematangsiantar dengan MSE sebagai berikut:. UNIVERSITAS SUMATERA UTARA.

(49) 36. Tabel 4.11 Perbandingan Ukuran Ketetapan Metode Peramalan Atas Dasar Harga Berlaku. MSE 0,1. 72.566.342.232.588,90. 0,2. 33.855.683.497.605,30. 0,3. 15.907.983.646.551,70. 0,4. 7.632.777.153.695,91. 0,5. 3.750.700.466.629,34. 0,6. 1.856.468.467.152,59. 0,7. 889.862.423.974,35. 0,8. 390.221.108.084,03. 0,9. 157.040.598.549,11. Dari tabel di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil atau minimum terletak pada. =0,9 yaitu dengan MSE =. 157.040.598.549,11. UNIVERSITAS SUMATERA UTARA.

(50) Tahun -. -. -. -. -. 37. -. = 0,9 ). -. Tabel 4.12 Ukuran Ketetapan Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Berlaku (. 25.191.073,54. -. 25.191.073,54. 30.828.437,42. 25.191.073,54. 1,48. 34.197.570,25. 2010. 1,48. 2,16. 38.470.560,07. -. 462.399,49. 2,16. 1,32. 42.919.007,97. -. 213.813.292.051,43. 756.462,49. 1,32. 0,50. 462.399,49. 572.235.499.684,80. 513.531,08. -0,50. -. 2.911.357,33. 756.462,49. 263.714.173.392,04. 211.415,11. -. 30.639.244,62 31.286.212,92. 3.524.091,95. 513.531,08. 44.696.348.004,81. -. 30.962.728,77 34.163.336,57 34.946.468,12. 3.940.052,13. -211.415,11. 2.536.813,74. 31.290.836,91 34.554.902,34 38.103.388,70 38.978.955,84. 3.768.805,89. 46.478.512,90. 27.727.887,28 28.291.623,67. 2012 34.954.032,74 38.541.172,27 41.872.194,59 42.709.707,01. 0,15. 28.009.755,48. 2013 38.984.091,15 42.290.950,80. -0,15. 28.322.942,36. 2014 42.707.592,86. 69.461,33. 2011. 2015. 4.824.876.710,70. 192.894.088,60. -69.461,33. 5,60. 3.712.542,21. 4,31. 45.584.736,80 46.409.746,18. 1.099.284.189.843,78 2.013.269,51. 45.997.241,49. 1.451.516,63. 46.409.051,57 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 37.

(51) 38. Peramalan PDRB Menurut Lapangan Uaha Atas Dasar Harga Berlaku setiap tahun meningkat. Gambaran mengenai hubungan antara perkembangan data aktual dengan peramalan dapat dilihat pada grafik berikut ini :. Data Aktual dan Peramalan PDRB Menurut Lapangan Usaha 50.000.000,00 45.000.000,00. NIlai (dalam juta). 40.000.000,00 35.000.000,00 30.000.000,00. Data Aktual. 25.000.000,00. Pemulusan Tunggal. 20.000.000,00. Pemulusan Ganda. 15.000.000,00. Peramalan. 10.000.000,00 5.000.000,00 0,00. 2010 2011 2012 2013 2014 2015 2016 Tahun. Gambar 4.2 Plot Pemulusan Eksponensial Satu Parameter dari Brown dengan = 0,9 Ukuran ketepatan metode peramalan atas dasar berlaku dengan menggunakan. =. 0,9 adalah: 1. Nilai Tengah Galat (Mean Error). 207.359,43. UNIVERSITAS SUMATERA UTARA.

(52) 39. 2. Nilai Tengah Galat Kuadrat (Mean Square Error). 157.040.598.549,11. 3. Nilai Tengah Galat Absolut (Mean Absolute Error). = 287.609,93. 4. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error). 0,16 5. Nilai Tengah Galat Persentase (Mean Percentage Error). UNIVERSITAS SUMATERA UTARA.

(53) 40. 0,62 6. Jumlah Kuadrat Galat (Sum Square Error). 1.099.284.189.843,78 7. Deviasi Standar Galat (Standart Deviation of Error). Dengan metode perhitungan di atas maka secara matematis MSE dapat dicari perhitungan nilai PDRB Atas Dasar Harga Konstan adalah sebagai berikut:. UNIVERSITAS SUMATERA UTARA.

(54) -. -. -. -. 41. -. Tabel 4.13 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan (. 25.191.073,54. Tahun 25.191.073,54. 6.836.387.291.023,33. 25.191.073,54. 2.614.648,60. 11.568.612.554.396,90. 2010. 25.474.629,38. 3.401.266,32. 18.081.218.319.136,30. 40.324,28. 26.011.736,89. 4.252.201,58. 21.593.988.506.579,40. -. 25.971.412,62. 74.336,94. 26.732.314,44. 4.646.933,24. -. 25.245.575,61. 26.657.977,49. 116.858,96. 27.657.091,69. 14.177,79. 25.608.494,11 25.319.912,55. 27.540.232,74. 163.328,29. 25.460.451,59. 28.089.277,98 25.988.945,02 25.436.771,51. 28.540.009,01. 23.877.526.243.291,70. 25.205.251,33. 2012 29.413.003,21 26.488.502,12 25.600.099,80. 4.886.463,57. 25.332.851,46. 2013 30.984.516,02 27.070.054,40. 28.703.337,30. 26.608.852,75. 2014 32.304.024,93. 212.192,93. 2011. 2015. 29.631.765,38. 81.957.732.914.427,70. 25.812.292,72. 19.801.513,31. 27.722.029,05. 134.579.109,70. 33.589.800,87 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 41.



(57) -. -. -. -. 44. -. Tabel 4.16 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan (. 25.191.073,54. Tahun 25.191.073,54. 3.111.629.222.374,27. 25.191.073,54. 1.763.981,07. 2.101.562.739.797,10. 2010. 26.325.296,91. 1.449.676,77. 1.828.895.201.820,34. 509.081,65. 27.963.326,44. 1.352.366,52. 720.719.982.817,95. -. 27.454.244,79. 741.029,93. 29.632.149,50. 848.952,29. -. 25.926.999,86. 28.891.119,57. 957.408,57. 31.455.072,64. 226.844,67. 26.690.622,33 26.668.029,79. 30.497.664,07. 1.093.240,94. 26.098.452,23. 28.089.277,98 27.779.574,68 27.625.438,36. 31.998.402,11. 248.161.219.184,20. 25.417.918,21. 2012 29.413.003,21 29.061.551,22 28.718.679,30. 498.157,83. 25.758.185,22. 2013 30.984.516,02 30.358.540,70. 33.091.643,04. 26.608.852,75. 2014 32.304.024,93. 1.172.946,19. 2011. 2015. 33.410.464,05. 8.010.968.365.993,85. 29.891.625,49. 5.913.134,47. 31.651.044,77. 148.467.488,54. 33.589.800,87 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 44.

(58) -. -. -. -. 45. -. Tabel 4.17 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan (. 25.191.073,54. Tahun 25.191.073,54. 2.191.658.861.620,57. 25.191.073,54. 1.480.425,23. 939.504.547.134,59. 2010. 26.608.852,75. 969.280,43. 717.344.121.266,90. 724.551,11. 28.443.722,78. 846.961,70. 124.353.342.612,52. -. 27.719.171,67. 966.871,22. 30.137.554,32. 352.637,69. -. 26.270.069,45. 29.170.683,10. 1.178.611,64. 31.951.387,24. 354.444,80. 26.994.620,56 27.236.940,67. 30.772.775,60. 1.266.771,07. 26.254.407,95. 28.089.277,98 28.203.811,89 28.415.552,31. 32.215.865,51. 11.484.186.792,62. 25.545.518,34. 2012 29.413.003,21 29.594.163,95 29.682.323,38. 107.164,30. 25.899.963,15. 2013 30.984.516,02 30.949.094,44. 33.482.636,57. 26.608.852,75. 2014 32.304.024,93. 1.293.562,14. 2011. 2015. 33.563.009,80. 3.984.345.059.427,19. 30.975.885,52. 3.756.469,35. 32.269.447,66. 150.624.153,66. 33.589.800,87 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 45.

(59) -. -. -. -. 46. -. Tabel 4.18 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan (. 25.191.073,54. Tahun 25.191.073,54. 1.432.496.331.931,51. 25.191.073,54. 1.196.869,39. 329.419.563.063,42. 2010. 26.892.408,59. 573.950,84. 265.687.823.514,14. 941.273,50. 28.839.052,37. 515.449,15. 4.695.440.450,14. -. 27.897.778,88. 1.147.895,80. 30.469.066,87. 68.523,28. -. 26.642.747,55. 29.321.171,08. 1.333.457,49. 32.235.501,65. 510.400,52. 27.270.263,21 27.790.643,35. 30.902.044,16. 1.358.125,87. 26.382.008,08. 28.089.277,98 28.555.907,21 29.124.100,84. 32.293.061,20. 3.768.266.333,43. 25.701.474,06. 2012 29.413.003,21 30.013.072,50 30.482.226,71. -61.386,21. 26.041.741,07. 2013 30.984.516,02 31.387.643,96. 33.651.187,08. 26.608.852,75. 2014 32.304.024,93. 1.336.026,84. 2011. 2015. 33.599.622,66. 2.036.067.425.292,65. 31.818.253,55. 2.293.406,45. 32.708.938,10. 152.087.216,56. 33.589.800,87 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 46.

(60) -. -. -. -. 47. -. Tabel 4.19 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan (. 25.191.073,54. Tahun 25.191.073,54. 834.141.633.307,12. 25.191.073,54. 913.313,55. 69.531.360.658,41. 2010. 27.175.964,43. 263.688,00. 104.847.838.872,47. 1.142.235,45. 29.149.315,21. 323.802,16. 6.634.839.453,19. -. 28.007.079,76. 1.271.442,57. 30.660.713,86. -81.454,52. -. 27.028.020,80. 29.389.271,29. 1.430.105,63. 32.385.479,45. 694.711,81. 27.517.550,28 28.299.463,37. 30.955.373,83. 1.390.192,91. 26.481.252,62. 28.089.277,98 28.844.367,33 29.729.569,00. 32.311.355,84. 12.487.588.395,78. 25.885.785,35. 2012 29.413.003,21 30.342.471,41 31.119.761,91. -111.747,88. 26.183.518,99. 2013 30.984.516,02 31.715.558,88. 33.701.548,75. 26.608.852,75. 2014 32.304.024,93. 1.335.436,45. 2011. 2015. 33.599.858,18. 1.027.643.260.686,97. 32.455.198,36. 1.307.601,30. 33.027.528,27. 153.073.021,71. 33.589.800,87 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 47.

(61) -. -. -. -. 48. -. Tabel 4.20 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan (. 25.191.073,54. Tahun 25.191.073,54. 396.594.765.747,33. 25.191.073,54. 629.757,70. 1.481.627.381,80. 2010. 27.459.520,28. 38.491,91. 56.641.161.704,68. 1.310.423,62. 29.374.511,30. 237.994,04. 25.073.443.580,37. -. 28.064.087,67. 1.335.058,45. 30.746.521,98. -158.345,96. -. 27.408.875,86. 29.411.463,53. 1.487.374,63. 32.462.370,89. 907.378,69. 27.736.481,77 28.743.934,31. 30.974.996,26. 1.386.033,22. 26.552.141,58. 28.089.277,98 29.077.698,92 30.231.308,94. 32.310.358,77. 11.361.666.043,55. 26.098.452,23. 2012 29.413.003,21 30.603.152,60 31.617.342,16. -106.591,12. 26.325.296,91. 2013 30.984.516,02 31.963.850,46. 33.696.391,99. 26.608.852,75. 2014 32.304.024,93. 1.317.814,90. 2011. 2015. 33.594.064,51. 491.152.664.457,73. 32.935.157,06. 641.306,58. 33.264.610,79. 153.739.316,43. 33.589.800,87 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 48.

(62) -. -. -. -. 49. -. Tabel 4.21 Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan (. 25.191.073,54. Tahun 25.191.073,54. 119.855.729.252,25. 25.191.073,54. 346.201,86. 10.330.165.083,27. 2010. 27.743.076,12. -101.637,42. 50.175.138.696,82. 1.428.824,67. 29.514.640,63. 223.998,08. 42.513.454.360,06. -. 28.085.815,96. 1.346.498,36. 30.760.517,94. -206.187,91. -. 27.768.299,37. 29.414.019,58. 1.527.936,80. 32.510.212,84. 1.148.401,16. 27.927.057,66 29.114.797,73. 30.982.276,04. 1.360.924,59. 26.594.674,96. 28.089.277,98 29.264.408,66 30.642.734,53. 32.306.086,81. 5.961.466.381,03. 26.339.474,70. 2012 29.413.003,21 30.812.505,28 32.003.659,12. -77.210,53. 26.467.074,83. 2013 30.984.516,02 32.154.872,97. 33.667.011,40. 26.608.852,75. 2014 32.304.024,93. 1.298.384,06. 2011. 2015. 33.590.572,98. 228.835.953.773,43. 33.302.043,18. 185.164,08. 33.446.308,08. 154.195.458,93. 33.589.800,87 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 49.

(63) 50. Kemudian dihitung nilai MSE untuk setiap. ( mulai dari 0,1 sampai dengan 0,9 ). dengan rumus sebagai berikut:. Dimana untuk = 0,1 nilai MSE diperoleh: = 81.957.732.914.427,70 dan ( n = 7 ). Sehingga :. 11.708.247.559.204,00. Salah satu nilai MSE tersebut dibandingkan untuk mementukan nilai. yang. memberikan MSE yang terkecil/minimum. Perbandingan ukuran ketetapan metode peramalan. peningkatan. nilai. PDRB. Menurut. Lapangan. Usaha. di. Kota. Pematangsiantar dengan MSE sebagai berikut:. UNIVERSITAS SUMATERA UTARA.

(64) 51. Tabel 4.22 Perbandingan Ukuran Ketetapan Metode Peramalan Atas Dasar Harga Konstan. MSE 0,1. 11.708.247.559.204,00. 0,2. 5.267.236.787.907,64. 0,3. 2.408.298.041.841,96. 0,4. 1.144.424.052.284,84. 0,5. 569.192.151.346,74. 0,6. 290.866.775.041,81. 0,7. 146.806.180.098,14. 0,8. 70.164.666.351,10. 0,9. 32.690.850.681,92. Dari tabel di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil. atau. minimum. terletak. pada. =0,9. yaitu. dengan. MSE=. 32.690.850.681,92. UNIVERSITAS SUMATERA UTARA.

(65) 2011. 2010. 28.089.277,98. 26.608.852,75. 25.191.073,54. 29.264.408,66. 27.927.057,66. 26.467.074,83. 25.191.073,54. 30.642.734,53. 29.114.797,73. 27.768.299,37. 26.339.474,70. 25.191.073,54. 32.306.086,81. 30.982.276,04. 29.414.019,58. 28.085.815,96. 26.594.674,96. -. 1.360.924,59. 1.527.936,80. 1.346.498,36. 1.428.824,67. 1.148.401,16. -. -206.187,91. 223.998,08. -101.637,42. 346.201,86. -. -. 42.513.454.360,06. 50.175.138.696,82. 10.330.165.083,27. -. 223.998,08. -. -. 0,72. 101.637,42 -0,35. 119.855.729.252,25 346.201,86. -. 206.187,91 -0,64. 1,23. -. -. 0,23. 0,64. 0,72. 0,35. 1,23. -. -. 33.667.011,40. 32.510.212,84. 30.760.517,94. 29.514.640,63. 27.743.076,12. -. -. 52. 2012 29.413.003,21 30.812.505,28 32.003.659,12. -0,23. = 0,9 ). 2013 30.984.516,02 32.154.872,97. 77.210,53. Tabel 4.23 Ukuran ketetapan Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan (. 2014 32.304.024,93. 5.961.466.381,03. Tahun. 2015. -77.210,53. 154.195.458,93. 1.298.384,06. 3,17. 33.590.572,98. 0,74. 33.302.043,18. 228.835.953.773,43 955.235,80. 33.446.308,08. 185.164,08. 33.589.800,87 Jumlah. 2016. UNIVERSITAS SUMATERA UTARA. 52.

(66) 53. Peramalan PDRB Menurut Lapangan Usaha Atas Dasar Harga Konstan setiap tahun meningkat. Gambaran mengenai hubungan antara perkembangan data aktual dengan peramalan dapat dilihat pada grafik berikut ini. Data Aktual dan Peramlan PDRB Menurut Lapangan Usaha 40.000.000,00. Nilai (dalam juta). 35.000.000,00 30.000.000,00 25.000.000,00 Data Aktual. 20.000.000,00. Pemulusan Tunggal. 15.000.000,00. Pemulusan Ganda. 10.000.000,00. Peramalan. 5.000.000,00. 0,00 2010 2011 2012 2013 2014 2015 2016 Tahun. Gambar 4.3 Plot Pemulusan Eksponensial Satu Parameter dari Brown dengan = 0,9 Ukuran ketepatan metode peramalan atas dasar berlaku dengan menggunakan. =. 0,9 adalah: 1. Nilai Tengah Galat (Mean Error). 2. Nilai Tengah Galat Kuadrat (Mean Square Error). UNIVERSITAS SUMATERA UTARA.

(67) 54. 32.690.850.539,06. 3. Nilai Tengah Galat Absolut (Mean Absolute Error). 4. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error). 5. Nilai Tengah Galat Persentase (Mean Percentage Error). 6. Jumlah Kuadrat Galat (Sum Square Error). UNIVERSITAS SUMATERA UTARA.

(68) 55. 7. Deviasi Standar Galat (Standart Deviation of Error). 4.3. Penentuan Bentuk Persamaan dan Nilai Peramalan Setelah harga parameter pemulusan ekponensial yang besarnya 0 <. < 1. dengan cara trial and error, didapat perhitungan peramalan pemulusan ekponensial linier satu parameter dari Brown dengan berlaku dan dengan. = 0,9 untuk nilai PDRB atas dasar harga. = 0,9 untuk nilai PDRB atas dasar harga konstan.. Seperti yang sudah dijelaskan pada bab 2 (Tinjauan Pustaka) persamaan yang dipakai dalam perhitungan dapat dibuat peramalan untuk satu tahun berikutnya dengan bentuk persamaan: =. +. (m). Perhitungan pada tabel 4.12 di atas di atas didasarkan pada. = 0,9 dan. ramalan untuk satu periode ke depan berdasarkan bentuk persamaan PDRB menurut lapangan usaha atas dasar harga berlaku : = 46.409.746,18 + 3.712.542,21 (m) Setelah diperoleh model peramalan PDRB menurut lapangan usaha atas dasar harga berlaku, maka dapat dihitung peramalan untuk 2017,2018,2019 seperti di bawah ini : 1. Nilai Peramalan tahun 2017 = 46.409.746,18 + 3.712.542,21 (m) = 46.409.746,18 + 3.712.542,21 (1). UNIVERSITAS SUMATERA UTARA.

(69) 56. = 50.122.288,40. 2. Nilai Peramalan tahun 2018 = 46.409.746,18 + 3.712.542,21 (m) = 46.409.746,18 + 3.712.542,21 (2) = 53.834.830,61. 3. Nilai Peramalan tahun 2019 = 46.409.746,18 + 3.712.542,21 (m) = 46.409.746,18 + 3.712.542,21 (3) = 57.547.372,82 Dengan metode perhitungan seperti di atas maka matematis perhitungan pada tabel 4.23 di atas di dasarkan pada. = 0,9 dan ramalan untuk suatu periode ke depan. berdasarkan bentuk persamaan PDRB menurut lapangan usaha atas dasar harga konstan : = 33.590.572,98 + 1.298.384,06 (m) Setelah diperoleh model peramalan PDRB menurut lapangan usaha atas dasar harga konstan, maka dapat dihitung peramalan untuk 2017,2018,2019 seperti di bawah ini : 1. Nilai Peramalan tahun 2017 = 33.590.572,98 + 1.298.384,06 (m) = 33.590.572,98 + 1.298.384,06 (1) = 34.888.957,04. UNIVERSITAS SUMATERA UTARA.

(70) 57. 2. Nilai Peramalan tahun 2018 = 33.590.572,98 + 1.298.384,06 (m) = 33.590.572,98 + 1.298.384,06 (2) = 36.187.341,10. 3. Nilai Peramalan tahun 2019 = 33.590.572,98 + 1.298.384,06 (m) = 33.590.572,98 + 1.298.384,06 (3) = 37.485.725,16. Tabel 4.24 Tabel Peramalan Nilai Produk Domestik Regional Bruto (PDRB) Menurut Lapangan Usaha Kota Pematangsiantar Tahun 2017-2019.. 4.4. Tahun. Berdasarkan Harga Berlaku. Berdasarkan Harga Konstan. 2017. 50.122.288,40. 34.888.957,04. 2018. 53.834.830,61. 36.187.341,10. 2019. 57.547.372,82. 37.485.725,16. Microsoft Excel Microsoft Excel merupakan program aplikasi lembar elektronik (spread. sheet) dari program paket Microsoft Office Excel merupakan salah satu software pengolah angka yang cukup digunakan di dunia. Excel merupakan program unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka , dihitung , diproyeksikan , dianalisa , dan dipresentasikan data pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai dari versi 4, versi 5, versi 97, versi 2000, Excel 2003, Excel 2007, dan Excel 2010. Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65.536. UNIVERSITAS SUMATERA UTARA.

(71) 58. baris. Kolom diberi nama dengan huruf mulai A, B, C, … , Z, kemudian dilanjutkan AA, AB, AC sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1, 2, 3, … , sampai angka 65.536. Excel 2007 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, salah satunya adalah under windows seperti word, Acces, powepoint. Keunggulan program spread sheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbagai windows. 4.4.1 Langkah-langkah Memulai Pengolahan Data dengan Excel Sebelum mengoperasikan software ini, pastikan bahwa komputer terpasang program Excel. Langkah-langkahnya sebagai berikut: a. Klik tombol Start. b. Pilih All Program. c. Lalu pilih Microst Office dan klik Microsoft Excel. d. Setelah itu muncul tampilan worksheet (lembar kerja) seperti dibawah ini:. Gambar 4.4 Tampilan Lembar Kerja Excel Data periode pada kolom pertama, tahun pada kolom kedua dan Atas Dasar Harga Berlaku atau Atas Dasar Harga Konstan pada kolom ketiga. UNIVERSITAS SUMATERA UTARA.

(72) 59. Gambar 4.5 Tampilan Data Dari data di atas dapat menentukan besarnya peramalan α=0,1. Dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini: 1.Pada kolom ketiga ditulis keterangan 2.Pada kolom keempat ditulis keterangan 3. Pada kolom kelima ditulis keterangan 4. Pada kolom keenam ditulis keterangan 5. Pada kolom ketujuh ditulis keterangan. (forecast). 6. Pada kolom kesepuluh ditulis keterangan error (e) 7. Pada kolon kesebelas ditulis keterangan square error ( ) Maka perhitungan masing-masing pemulusan pertama, pemulusan kedua, konstanta, slope, forecast, error dan square error sebagai berikut: 1.. Pemulusan pertama Untuk tahun pertama yakni tahun 2010, ditentukan sebesar periode pertama. dari data historisnya, sehingga rumus pada sel C2 adalah B2. Sedangkan untuk. UNIVERSITAS SUMATERA UTARA.

(73) 60. peride kedua yakni untuk tahun 2011 dapat menggunakan rumus =0,1*B3+(10,1)*C2 sehingga hasil pada sel C3 adalah 25.504.260,42, untuk periode ketiga sampai periode ketujuh tinggal menyalin rumus pada sel C3. 2.. Pemulusan kedua Untuk tahun pertama yakni tahun 2010, ditentukan sebesar periode pertama. dari data historisnya, sehingga rumus yang tertera pada sel D2 adalah B2. Sedangkan untuk periode kedua yakni untuk tahun 2011 dapat menggunakan rumus =0,1*C3+(1-0,1)*D2. Dalam kasus ini untuk sel D3 menghasilkan 25.222.392,23 untuk periode ketiga sampai periode ketujuh tinggal menyalin rumus pada sel D3. 3.. Nilai. baru bisa dicari pada periode kedua yaitu pada tahun 2011.. Rumus yang digunakan untuk E3 adalah =2*C3-D3. Sehingga akan menghasilkan angka 25.786.128,62, untuk tahun-tahun berikutnya tinggal menyalin rumus E3. 4.. Nilai. baru bisa dicari pada periode kedua yaitu pada tahun 2011.. Rumus yang digunakan untuk sel F3 adalah =(0,1/0,9)*(C3-D3). Sehingga akan menghasilkan angka 31.318,69, untuk periode ketiga sampai periode ketujuh tinggal menyalin rumus F3. 5.. Peramalan (F/forecast) Untuk periode ketiga yaitu pada sel G4 dapat dicari dengan menggunakan. rumus =E3+F3*1 sehingga akan menghasilkan angka 25.817.447,30. Untuk periode keempat sampai periode ketujuh tinggal menyalin rumus G4. 6.. Error (e) Untuk periode ketiga yaitu pada sel H4 dapat dicari dengan menggunakan. rumus =B4-G4 sehingga akan menghasilkan angka 5.473.389,61. Untuk periode keempat sampai periode ketujuh tinggal menyalin rumus H4. 7.. Square error (. ). UNIVERSITAS SUMATERA UTARA.

(74) 61. Untuk periode ketiga yaitu pada sel I4 dapat dicari dengan menggunakan rumus =H4^2 sehingga menghasilkan angka 29.957.993.779.068,80. Untuk periode keempat sampai periode ketujuh tinggal menyalin rumus I4. Gambar 4.6 Data Hasil Peramalan =0,1. UNIVERSITAS SUMATERA UTARA.

(75) BAB 5 KESIMPULAN DAN SARAN. 5.1. Kesimpulan Berdasarkan hasil pengolahan data dan analisis data yang dilakukan pada bab. sebelumnya maka kesimpulan yang dapat diperoleh adalah sebagai berikut : 1. Dari data yang ada, maka diperoleh hasil peramalan dari PDRB Menurut Lapangan Usaha Kota Pematangsiantar dari tahun ke tahun mengalami peningkatan. Peramalan berdasarkan harga berlaku pada tahun 2017, 2018, 2019 mengalami peningkatan (dalam juta) sebesar 50.122.288,40 ; 53.834.830,61; 57.547.372,82 sedangkan berdasarkan harga konstan pada periode yang sama mengalami peningkatan sebesar 34.888.957,04 ; 36.187.341,10 ; 37.485.725,16 .. 2. Berdasarkan hasil analisis Metode Pemulusan Eksponensial Satu Parameter dari Brown maka diperoleh analisis dengan nilai MSE terkecil untuk harga berlaku adalah. = 0,9 dan MSE terkecil untuk harga konstan sama yaitu. = 0,9. Bentuk persamaan peramalan dari nilai PDRB Menurut Lapangan Usaha Kota Pematangsiantar untuk 3 tahun kedepan ialah:. 5.2. a. Berdasarkan harga berlaku :. = 46.409.746,18 + 3.712.542,21(m). b. Berdasarkan harga konstan :. = 33.590.572,98 + 1.298.384,06(m). Saran Adapun saran yang diberikan oleh penulis yaitu diharapkan Pemerintah dapat. memperhatikan laju pertumbuhan perekonomian Kota Pematangsiantar khususnya pada sektor-sektor lapangan usaha agar laju pertumbuhan Kota Pematangsiantar tetap meningkat untuk tahun ke depan. Dengan adanya angka peramalan tersebut maka diharapkan dapat memberikan gambaran dalam pengambilan keputusan terhadap. UNIVERSITAS SUMATERA UTARA.

(76) 63. Produk Domestik Regional Bruto (PDRB) khususnya Menurut Lapangan Usaha Kota Pematangsiantar di masa yang akan datang. Pemerintah harus benar-benar memperhatikan faktor-faktor apa saja yang mempengaruhi perubahan jumlah Produk Domestik Regional Bruto yang terjadi di kota Pematangsiantar setiap tahunnya. Dalam meramalkan PDRB Menurut Lapangan Usaha Kota Pematangsiantar dengan Metode Pemulusan Eksponensial Ganda Satu Parameter dari Brown maka penulis menyarankan untuk menggunakan program Microsoft Excel dalam melakukan perhitungan.. UNIVERSITAS SUMATERA UTARA.

(77) DAFTAR PUSTAKA. Makridakis, dkk.1999. Metode dan Aplikasi Peramalan. Jilid 1. Jakarta: Erlangga. Pemerintah Kota Pematangsiantar. (2015). “Potensi Daerah”. [Online]. Tersedia: http://pematangsiantarkota.go.id/statis-3/potensi-daerah.html. [1 April 2018].. [BPS] Kota Pematangsiantar. 2012. Produk Regional Domestik Bruto Menurut Lapangan Usaha Kota Pematangsiantar 2012-2016. Kota Pematangsiantar.. [BPS] Kota Pematangsiantar. 2004. Produk Regional Domestik Bruto Kota Pematangsiantar 2004-2010. Kota Pematangsiantar.. [BPS] Kota Pematangsiantar. 2007. Produk Regional Domestik Bruto Usaha Kota Pematangsiantar 2007-2012. Kota Pematangsiantar.. [BPS] Badan Pusat Statistika. 2014. Pematangsiantar dalam Angka 2014. BPS Kota Pematangsiantar.. [BPS] Badan Pusat Statistika. 2015. Pematangsiantar dalam Angka 2015. BPS Kota Pematangsiantar. Mangihot. (2017). “Pengertian dan Jenis – Jenis Peramalan (Forecasting)”. [Online]. Tersedia: http://mangihot.blogspot.com/2017/03/pengertian-danjenis-jenis-peramalan.html. [25 Mei 2018].. Muchlisin. (2017). “Pengertian, Fungsi dan Jenis-Jenis Peramalan (Forecasting)”. [Online]. Tersedia:https://www.kajianpustaka.com/2017/11/pengertianfungsi-dan-jenis-peramalan-forecasting.html. [25 Mei 2018].. UNIVERSITAS SUMATERA UTARA.

(78) UNIVERSITAS SUMATERA UTARA.



