BAB 3 PEMBAHASAN
3.1 Analisis Data
Analisis data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran
data kuantitatif menjadi suatu penyajian yang lebih mudah untuk ditafsirkan dan
menguraikan suatu masalah secara keseluruhan. Untuk pemecahan masalah perlu
dilakukan suatu analisis dan pengolahan data. Data yang akan diolah adalah data
kebutuhan beras di Kabupaten Deli Serdang pada tahun 2010-2015. Analisis yang
dipakai dalam pengolahan data ini adalah analisis Pemulusan Eksponensial
Ganda.
3.2 Analisis Pemulusan Eksponensial Ganda
Pada bagian ini penulis menentukan nilai parameter yang akan digunakan, dimana
nilai parameter (α) besarnya antara 0 < α < 1. Langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan Metode
Llinier Satu Parameter Brown adalah:
1. Menentukan nilai parameter pemulusan eksponensial yang besarnya dari
0 < α < 1.
2. Menghitung nilai pemulusan eksponensial tunggal dengan menggunakan
persamaan:
St′ =���+ 1− � ��−′ 1
3. Menghitung nilai pemulusan eksponensial ganda dengan menggunakan
persamaan:
��′′ =� St′ + (1 – �) ��−′′ 1
4. Menghitung koefisien ��dan bt dengan menggunakan persamaan:
�� = St′ + St′ −St′′ = 2 St′ −St′′ bt = 1-αα (St′ −St′′)
5. Menghitung trend peramalan dengan menggunakan persamaan:
Tabel 3.1 Nilai Kebutuhan Beras Pada Tahun 2010-2015 D1i Kabupaten Deli Serdang
Tahun Kebutuhan Beras (Ton)
2010 241.069,71
2011 253.619
2012 253.619
2013 241.056
2014 242.684
2015 35.677
Sumber: Badan Ketahanan Pangan Provinsi Sumatera Utara
3.3 Metode Double Exponensial Satu Parameter Brown
Dalam pengolahan dan penganalisian data, penulis mengaplikasikan data pada
Tabel 3.1 dengan metode peramalan berdasarkan Metode Double Exponensial
Smoothing Satu Parameter Brown. Untuk memenuhi perhitungan Single
Exponensial Smoothing, Double Exponensial Smoothing, dan ramalan yang akan
datang, maka terlebih dahulu kita menentukan parameter nilai α dengan cara trial dan error. Setelah itu hitung nilai Mean Square Error (MSE) yang merupakan
suatu ukuran ketepatan peramalan.
Untuk menghitung nilai MSE, pertama dicari error terlebih dahulu yang
merupakan hasil dari data asli dikurangi hasil ramalan kemudian tiap error
Tabel 3.12 Peramalan Jumlah Kebutuhan Beras Untuk Tahun 2016 Di Kabupaten Deli Serdang dengan Metode Double Exponensial Smoothing Satu Parameter Brown dengan α = 0,7.
Tahun Periode Xt S't S"t at bt Ft+m ei │ei│ ei
2 Pe
i │Pei│
2010 1 241.069,71 241.069,71 241.069,71
2011 2 253.619,00 249.854,21 247.218,86 252.489,56 6.149,15
2012 3 253.619,00 252.489,56 250.908,35 254.070,77 3.689,49 258.638,72 (5.019,72) 5.019,72 25.197.548,72 (1,98) 1,98
2013 4 241.056,00 244.486,07 246.412,75 242.559,38 (4.495,60) 257.760,27 (16.704,27) 16.704,27 279.032.492,58 (6,93) 6,93
2014 5 242.684,00 243.224,62 244.181,06 242.268,18 (2.231,69) 238.063,78 4.620,22 4.620,22 21.346.386,83 1,90 1,90
2015 6 35.677,00 97.941,29 141.813,22 54.069,35 (102.367,84) 240.036,49 (204.359,49) 204.359,49 41.762.799.957,56 (572,80) 572,80
2016 7 156.437,19
2
Tabel 3.3 Peramalan Jumlah Kebutuhan Beras Tahun 2016 Di Kabupaten Deli Serdang dengan Metode Double Exponensial Satu
Parameter Brown dengan α = 0,2.
Tahun Periode Xt S't S"t at bt Ft+m ei │ei│ ei2 Pei │Pei│
2010 1 241.069,71 241.069,71 241.069,71
2011 2 253.619,00 243.579,57 241.571,68 245.587,45 501,97
2012 3 243.758,00 243.615,25 241.980,40 245.250,11 408,71 246.089,43 (2.331,43) 2.331,43 5.435.547,19 (0,96) 0,96 2013 4 241.056,00 243.103,40 242.205,00 244.001,81 224,60 245.658,83 (4.602,83) 4.602,83 21.186.018,23 (1,91) 1,91 2014 5 242.684,00 243.019,52 242.367,90 243.671,14 162,91 244.226,41 (1.542,41) 1.542,41 2.379.031,32 (0,64) 0,64 2015 6 245.677,00 243.551,02 242.604,53 244.497,51 236,62 243.834,05 1.842,95 1.842,95 3.396.472,07 0,75 0,75 Jumlah 1.467.863,71 1.457.938,48 1.451.799,21 1.223.008,03 1.534,82 979.808,71 (6.633,71) 10.319,62 32.397.068,82 (2,75) 4,25
ME (1.105,62)
MAE 1.719,94
MSE 5.399.511,47
MPE (0,46)
Tabel 3.4 Peramalan Jumlah Kebutuhan Beras Tahun 2016 Di Kabupaten Deli Serdang dengan Metode Double Exponensial Satu
Parameter Brown dengan α = 0,3.
Tahun Periode Xt S't S"t at bt Ft+m ei │ei│ ei
2 Pe
i │Pei│
2010 1 241.069,71 241.069,71 241.069,71
2011 2 253.619,00 244.834,50 242.199,15 247.469,85 1.129,44
2012 3 243.758,00 244.511,55 242.892,87 246.130,23 693,72 248.599,28 (4.841,28) 4.841,28 23.438.030,77 (1,99) 1,99 2013 4 241.056,00 243.474,88 243.067,47 243.882,30 174,61 246.823,95 (5.767,95) 5.767,95 33.269.243,74 (2,39) 2,39 2014 5 242.684,00 243.237,62 243.118,52 243.356,72 51,04 244.056,90 (1.372,90) 1.372,90 1.884.855,56 (0,57) 0,57 2015 6 245.677,00 243.969,43 243.373,79 244.565,07 255,28 243.407,77 2.269,23 2.269,23 5.149.426,42 0,92 0,92 Jumlah 1.467.863,71 1.461.097,69 1.455.721,50 1.225.404,17 2.304,08 982.887,90 (9.712,90) 14.251,37 63.741.556,49 (4,02) 5,87
ME (1.618,82)
MAE 2.375,23
MSE 10.623.592,75
MPE (0,67)
MAPE 0,98
Tabel 3.5 Peramalan Jumlah Kebutuhan Beras Tahun 2016 Di Kabupaten Deli Serdang dengan Metode Double Exponensial Satu
Parameter Brown dengan α = 0,4.
Tahun Periode Xt S't S"t at bt Ft+m ei │ei│ ei
2 Pe
i │Pei│
2010 1 241.069,71 241.069,71 241.069,71
2011 2 253.619,00 246.089,43 243.077,60 249.101,26 2.007,89
2012 3 243.758,00 245.156,86 243.909,30 246.404,41 831,70 251.109,14 (7.351,14) 7.351,14 54.039.288,70 (3,02) 3,02 2013 4 241.056,00 243.516,51 243.752,19 243.280,84 (157,11) 247.236,11 (6.180,11) 6.180,11 38.193.818,94 (2,56) 2,56 2014 5 242.684,00 243.183,51 243.524,71 242.842,30 (227,47) 243.123,73 (439,73) 439,73 193.359,52 (0,18) 0,18 2015 6 245.677,00 244.180,90 243.787,19 244.574,62 262,48 242.614,83 3.062,17 3.062,17 9.376.881,19 1,25 1,25 Jumlah 1.467.863,71 1.463.196,92 1.459.120,70 1.226.203,43 2.717,48 984.083,81 (10.908,81) 17.033,15 101.803.348,35 (4,51) 7,01
ME (1.818,14)
MAE 2.838,86
MSE 16.967.224,73
MPE (0,75)
Tabel 3.6 Peramalan Jumlah Kebutuhan Beras Tahun 2016 Di Kabupaten Deli Serdang dengan Metode Double Exponensial Satu
Parameter Brown dengan α = 0,5.
Tahun Periode Xt S't S"t at bt Ft+m ei │ei│ ei
2 Pei │Pei│
2010 1 241.069,71 241.069,71 241.069,71
2011 2 253.619,00 247.344,36 244.207,03 250.481,68 3.137,32
2012 3 243.758,00 245.551,18 244.879,11 246.223,25 672,07 253.619,00 (9.861,00) 9.861,00 97.239.321,00 (4,05) 4,05 2013 4 241.056,00 243.303,59 244.091,35 242.515,83 (787,76) 246.895,32 (5.839,32) 5.839,32 34.097.687,26 (2,42) 2,42 2014 5 242.684,00 242.993,79 243.542,57 242.445,02 (548,78) 241.728,07 955,93 955,93 913.797,39 0,39 0,39 2015 6 245.677,00 244.335,40 243.938,98 244.731,81 396,41 241.896,24 3.780,76 3.780,76 14.294.132,00 1,54 1,54
Jumlah 1.467.863,71 1.464.598,02 1.461.728,75 1.226.397,59 2.869,27 984.138,64 (10.963,64) 20.437,01 146.544.937,64 (4,53) 8,40
ME (1.827,27)
MAE 3.406,17
MSE 24.424.156,27
MPE (0,76)
MAPE 1,40
Tabel 3.7 Peramalan Jumlah Kebutuhan Beras Tahun 2016 Di Kabupaten Deli Serdang dengan Metode Double Exponensial Satu
Parameter Brown dengan α = 0,6.
Tahun Periode Xt S't S"t at bt Ft+m ei │ei│ ei
2 Pe
i │Pei│
2010 1 241.069,71 241.069,71 241.069,71
2011 2 253.619,00 248.599,28 245.587,45 251.611,11 4.517,74
2012 3 243.758,00 245.694,51 245.651,69 245.737,34 64,24 256.128,86 (12.370,86) 12.370,86 153.038.127,66 (5,08) 5,08 2013 4 241.056,00 242.911,41 244.007,52 241.815,29 (1.644,17) 245.801,57 (4.745,57) 4.745,57 22.520.461,20 (1,97) 1,97 2014 5 242.684,00 242.774,96 243.267,98 242.281,94 (739,53) 240.171,12 2.512,88 2.512,88 6.314.561,07 1,04 1,04 2015 6 245.677,00 244.516,18 244.016,90 245.015,46 748,92 241.542,41 4.134,59 4.134,59 17.094.874,82 1,68 1,68 Jumlah 1.467.863,71 1.465.566,06 1.463.601,26 1.226.461,15 2.947,19 983.643,96 (10.468,96) 23.763,90 198.968.024,75 (4,33) 9,76
ME (1.744,83)
MAE 3.960,65
MSE 33.161.337,46
MPE (0,72)
Tabel 3.8 Peramalan Jumlah Kebutuhan Beras Tahun 2016 Di Kabupaten Deli Serdang dengan Metode Double Exponensial Satu
Parameter Brown dengan α = 0,7.
Tahun Periode Xt S't S"t at bt Ft+m ei │ei│ ei2 Pei │Pei│
2010 1 241.069,71 241.069,71 241.069,71
2011 2 253.619,00 249.854,21 247.218,86 252.489,56 6.149,15
2012 3 243.758,00 245.586,86 246.076,46 245.097,26 (1.142,40) 258.638,72 (14.880,72) 14.880,72 221.435.708,67 (6,10) 6,10 2013 4 241.056,00 242.415,26 243.513,62 241.316,90 (2.562,84) 243.954,87 (2.898,87) 2.898,87 8.403.422,35 (1,20) 1,20 2014 5 242.684,00 242.603,38 242.876,45 242.330,30 (637,17) 238.754,05 3.929,95 3.929,95 15.444.467,86 1,62 1,62 2015 6 245.677,00 244.754,91 244.191,37 245.318,45 1.314,92 241.693,14 3.983,86 3.983,86 15.871.179,74 1,62 1,62 Jumlah 1.467.863,71 1.466.284,34 1.464.946,48 1.226.552,48 3.121,66 983.040,77 (9.865,77) 25.693,39 261.154.778,62 (4,07) 10,55
ME (1.644,30)
MAE 4.282,23
MSE 43.525.796,44
MPE (0,68)
MAPE 1,76
Tabel 3.11 Perbandiangan Ukuran Ketepatan Metode Peramalan
α MSE
0,1 7.304.619.771
0,2 7.378.237.225
0,3 7.337.704.080
0,4 7.238.853.222
0,5 7.129.192.317
0,6 7.045.769.427
0,7 7.014.729.398
0,8 7.051.634.990
0,9 7.161.891.344
Dari Tabel 3.11 dapat dilihat bahwa yang menghasilkan nilai MSE terkecil yaitu
Berdasarkan Tabel 3.12 dengan α = 0,7 maka didapat persamaan peramalan: ��+�= 54.069,35 + 102.367,84 (�)
3
.4 Peramalan Jumlah Kebutuhan BerasSetelah diperoleh bentuk persamaan peramalan, maka dapat dihitung untuk
periode ke depan yaitu tahun 2016.
Untuk periode ke 7 (tahun 2016)
BAB 4
IMPLEMENTASI SISTEM
4.1 Pengertian Implementasi Sistem
Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu
kecepatan, ketepatan, dan kehandalan dalam memproses data. Dengan adanya
perangkat lunak komputer tersebut kita sangat terbantu karena memang ada
kalanya data-data yang sangat rumit dan banyak itu tidak dapat dikerjakan secara
manual atau dengan menggunakan tenaga manusia yang tentunya membutuhkan
waktu dan tenaga yang sangat banyak untuk mengolah data tersebut, disamping
itu faktor kesalahan yang dilakukan oleh manusia relatif besar.
Implementasi merupakan penerapan hasil desain tertulis kedalam suatu
program yang mana dalam hal ini penulis menggunakan Microsoft Excel untuk
menganalisis data kebutuhan beras.
4.2 Microsoft Excel
Microsoft Office Excel adalah sebuah program aplikasi lembar kerja spreadsheet
yang dibuat dan didistribusikan oleh Microsoft Corporation yang dapat dijalankan
pada Microsoft Windows dan Mac OS. Aplikasi ini memiliki fitur kalkulasi dan
pembuatan grafik, dengan menggunakan strategi marketing Microsoft yang
agresif, menjadikan Microsoft Excel sebagai salah satu program komputer yang
populer digunakan di dalam komputer mikro hingga saat ini.
Sheet (lembar kerja) Excel terdiri dari 256 kolom dan 65536 baris. Kolom
diberi nama dengan huruf mulai dari A, B, C, ..., Z kemudian dilanjutkan AA,
AB, AC sampai kolom IV. Sedangkan kolom baris ditandai dengan angka mulai
dari 1, 2, 3, ...., 65536. Excel 2007 hadir dengan berbagai penyempurnaan,
tampilan lebih integrasi dengan berbagai software lain, salah satunya adalah under
window seperti word, acces, dan power point.
4.3 Langkah-langkah Memulai Pengolahan Data dengan Microsoft Excel
27
Langkah-langkah sebagai berikut:
1. Klik start.
2. Pilih Program dan klik Microsoft Excel.
3. Setelah itu akan muncul tampilan lembar kerja seperti:
Gambar 4.1 Tampilan Worksheet (lembar kerja) Microsoft Excel
Setelah itu, lakukan pengisian data pada lembar kerja Microsoft Excel.
Langkah-langkahnya sebagai berikut:
1. Letakkan pointer pada sel yang ingin diisi data.
28
Gambar 4.2 Proses Pengisian Data
Dari data kebutuhan beras, akan dihitung besarnya nilai Mean Square
Error (MSE) yang terkecil dengan nilai parameter (α) yang besarnya antara 0 < α < 1 dengan cara trial dan error, dengan menghitung nilai masing-masing
pemulusan pertama, pemulusan kedua, konstanta, slope, nilai peramalan, nilai
error, absolute error, square error, persentase error, persentase error absolut
terlebih dahulu.
Langkah-langkah perhitungannya adalah:
1. Smoothing pertama St′ diletakkan di sel E10, untuk tahun pertama ditentukan
sebesar tahun pertama dari data aktual, sehingga rumus yang digunakan adalah
D11. Sedangkan untuk tahun kedua dihitung dengan rumus:
=0,1*D12+0,9*E11. Untuk tahun-tahun berikutnya hanya menyorot rumus
dari tahun kedua.
2. Smoothing kedua ��′′ diletakkan di sel F10, untuk tahun pertama ditentukan
sebesar tahun pertama dari data aktual, sehingga rumus yang digunakan adalah
D11. Sedangkan untuk tahun kedua dihitung dengan rumus:
=0,1*E12+0,9*F11. Untuk tahun-tahun berikutnya hanya menyorot rumus
29
3. Nilai �� diletakkan di sel G10 dan dicari pada tahun kedua, yaitu dengan
rumus: =2*E12-F12. Untuk tahun-tahun berikutnya hanya menyorot rumus
dari tahun kedua.
4. Nilai ( �) diletakkan di sel H10 dan dicari pada tahun kedua, yaitu dengan
rumus: =0,1/0,9*(E12-F12). Untuk tahun-tahun berikutnya hanya menyorot
rumus dari tahun kedua.
5. Nilai peramalan (Ft+m) diletakkan di sel I10 dan dicari pada tahun ketiga, yaitu
dengan rumus: =G12+H12*(1). Untuk tahun-tahun berikutnya hanya
menyorot rumus dari tahun ketiga.
6. Error (��) diletakkan di sel J10 dan dicari pada tahun ketiga, yaitu dengan
rumus: =D13-I13. Untuk tahun-tahun berikutnya hanya menyorot rumus dari
tahun ketiga.
7. Error absolut |��| diletakkan di sel K10 dan dicari pada tahun ketiga, yaitu
dengan rumus: =ABS(J13). Untuk tahun-tahun berikutnya hanya menyorot
rumus dari tahun ketiga.
8. Error kuadrat ��2 diletakkan di sel L10 dan dicari pada tahun ketiga, yaitu
dengan rumus: =J13^2. Untuk tahun-tahun berikutnya hanya menyorot rumus
dari tahun ketiga.
9. Error persentase ��� diletakkan di sel M10 dan dicari pada tahun ketiga,
yaitu dengan rumus: =(D13-I13)/D13*(100). Untuk tahun-tahun berikutnya
hanya menyorot rumus dari tahun ketiga.
10.Error persentase absolut |���| diletakkan di sel N10 dan dicari pada tahun
ketiga, yaitu dengan rumus: =ABS(M13). Untuk tahun-tahun berikutnya
hanya menyorot rumus dari tahun ketiga.
Kemudian dihitung nilai ketepatan ramalannya, yaitu Mean Error (ME),
30
c. Mean Square Error (MSE), hitung terlebih dahulu jumlah Error Kuadrat (ei2)
dengan rumus: =SUM(L11:L16). Kemudian hitung Mean Square Error (MSE)
dengan rumus: =L17/6.
d. Mean Percentage Error (MPE), hitung terlebih dahulu jumlah Error
Percentage (Pei) dengan rumus: =SUM(M11:M16). Kemudian hitung Mean
Percentage Error (MPE) dengan rumus: =M17/6.
e. Mean Absolute Percentage Error (MAPE), hitung terlebih dahulu jumlah Error
Percentage Absolute (│Pei│) dengan rumus: =SUM(N11:N16). Kemudian hitung Mean Absolute Percentage Error (MAPE) dengan rumus: =N17/6.
Gunakan nilai parameter (α) dari 0,1 sampai 0,9 untuk mendapatkan nilai Mean Square Error (MSE) yang terkecil dengan langkah-langkah perhitungan
yang sama seperti diatas. Dalam perhitungan, didapat nilai Mean Square Error
(MSE) yang terkecil adalah MSE = 7.014.729.398 dengan α = 0,7.
Sehingga nilai parameter (α) yang digunakan untuk menghitung peramalan jumlah kebutuhan beras tahun 2016 di Kabupaten Deli Serdang adalah 0,7.
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil pengolahan data dan analisis data yang dilakukan sebelumnya,
maka diperoleh kesimpulan:
1. Pada hasil analisis pemulusan (smoothing) Eksponensial Ganda Metode Linier
Satu Parameter Brown didapat analisis dengan nilai Mean Square Error (MSE)
yang terkecil adalah 7.014.729.398 dengan α = 0,7.
2. Bentuk persamaan peramalan dari besar jumlah kebutuhan beras tahun 2016 di
Kabupaten Deli Serdang untuk setahun kedepan adalah:
��+� = 54.069,35 + 102.367,84 (�)
3. Diramalkan besar jumlah kebutuhan beras tahun 2016 di Kabupaten Deli
Serdang adalah 156.437,19 ton.
5.2 Saran
Saran yang disulkan oleh penulis setelah melakukan penelitian adalah agar
Pemerintah Kabupaten Deli Serdang khususnya bidang pertanian dapat
mempersiapkan diri untuk menghadapi turun naiknya jumlah kebutuhan beras
masyarakat di Kabupaten Deli Serdang.
