PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN DI KABUPATEN KARO TAHUN

Transkripsi

1 PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN DI KABUPATEN KARO TAHUN BELLA OKTOLINA SIREGAR PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM MEDAN 2017

2 PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN DI KABUPATEN KARO TAHUN TUGAS AKHIR Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya BELLA OKTOLINA SIREGAR PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM MEDAN 2017

3 iii

4 PERNYATAAN PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR PERTANIAN DI KABUPATEN KARO TAHUN TUGAS AKHIR Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, Juni 2017 BELLA OKTOLINA SIREGAR iv

5 PENGHARGAAN Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala kasih karunia dan penyertaan-nya penulis dapat menyelesaikan penyusunan tugas akhir ini dengan judul Faktor-Faktor yang Mempengaruhi Hasil Produksi Padi Sawah di Kecamatan Binjai Selatan. Terimakasih Penulis sampaikan kepada Bapak Prof. Dr. Tulus, M.Si yang telah meluangkan waktunya dalam memberikan saran dan masukan kepada penulis untuk menyelesaikan penyusunan tugas akhir. Terima kasih kepada Bapak Dr. Kerista Sebayang, M.S Selaku Dekan FMIPA USU, Ibu Dr. Elly Rosmaini, M.Si selaku Ketua Program Studi D3 Statistika FMIPA USU dan Dosen Penasehat Akademik yang telah memberikan masukan dan motivasi selama menjalani perkuliahan, Bapak Drs. Marihat Situmorang, M.Kom selaku Sekretaris Program Studi D3 Statistika FMIPA USU yang telah memberikan dukungan penuh kepada penulis untuk menyelesaikan penyusunan Tugas Akhir tepat pada waktunya, kepada Bapak Dr. Suyanto, M.Kom dan Bapak Drs, Rosman Siregar, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU, beserta seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada orang tua saya Bapak Sahala Parlindungan Siregar dan Ibu Marsaulina Hutapea beserta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan kepada penulis agar dapat menyelesaikan tugas akhir. Semoga Tuhan Yang Maha Esa akan membalasnya. Penulis BELLA OKTOLINA SIREGAR v

6 DAFTAR ISI Halaman PERSETUJUAN PERNYATAAN PENGHARGAAN DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR i ii iii iv vi vii BAB 1 PENDAHULUAN Latar Belakang Perumusan Masalah Batasan Masalah Maksud dan Tujuan Manfaat Penelitian Waktu dan Lokasi Penelitian Metode Penelitian Tinjauan Pustaka 6 BAB 2 LANDASAN TEORI Pengertian Ramalan Kegunaan dan Peran Ramalan Jenis Peramalan Pengertian Metode Peramalan Metode Peramalan yang Digunakan Metode Pemulusan (Smoothing) Ketepatan Ramalan Produk Domestik Regional Bruto Perhitungan Pendapatan PDRB Perhitungan atas Dasar Harga Berlaku Perhitungan atas Dasar Harga Konstan 18 BAB 3 GAMBARAN UMUM KABUPATEN KARO Keadaan Daerah Keadaan Iklim (Suhu, Angin, Curah Hujan) Pemerintahan Penduduk Pertanian Subsektor Tanaman Pangan Subsektor Perkebunan Subsektor Peternakan Subsekor Perikanan Subsektor Kehutanan 24 vi

7 BAB 4 ANALISIS DATA Arti Analisis Data Analisa Pemulusan Eksponensial Ganda Metode Pemulusan Eksponensial Ganda Penaksiran Model Peramalan Penentuan Bentuk Persamaan dan Nilai Peramalan 68 BAB 5 IMPLEMENTASI SISTEM Tahapan Implementasi Sistem Microsoft Excel Pengaktifan Microsoft Excel Jendela Lembar Kerja Pengisian Data Implementasi Sistem Peramalan PDRB Fungis pemulusan Eksponensial Pembuatan Grafik 82 BAB 6 PENUTUP Kesimpulan Saran 85 DAFTAR PUSTAKA LAMPIRAN vii

8 DAFTAR TABEL Nomor Tabel Tabel 4.1 Tabel 4.2 Tabel 4.3 Tabel 4.4 Taberl 4.5 Tabel 4.6 Tabel 4.7 Tabel 4.8 Tabel 4.9 Tabel 4.10 Tabel 4.11 Tabel 4.12 Tabel 4.13 Judul Nilai PDRB Sektor Pertanian Berdasarkan Harga Berlaku dan Harga Kostan (Jutaan Rupiah) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,1) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,2) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,3) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,4) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,5) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,6) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,7) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,8) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,9) Perbandingan Ukuran Ketepatan Metode Peramalan atas Dasar Harga Berlaku Ukuran Ketepatan Peramalan PDRB Sektor Pertanian atas Dasar Berlaku (α = 0,7) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,1) Halaman viii

9 Tabel 4.14 Tabel 4.15 Tabel 4.16 Tabel 4.17 Tabel 4.18 Tabel 4.19 Tabel 4.20 Tabel 4.21 Tabel 4.22 Tabel 4.23 Tabel 4.24 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,2) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,3) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,4) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,5) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,6) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,7) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,8) Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,9) Perbandingan Ukuran Ketepatan Metode Peramalan atas Dasar Harga Konstan Ukuran Ketepatan Peramalan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,7) Peramalan PDRB Sektor Pertanian Kabupaten Karo atas Dasar Harga Berlaku dan Harga Konstan (Jutaan Rupian) Untuk Tahun 2017,2018,2019 dan ix

10 DAFTAR GAMBAR Nomor Gambar Judul Halaman Gambar 4.1 Plot PDRB Sektor Pertanian Kabupaten Karo Berdasarkan Harga Berlaku dan Harga konstan 27 Gambar 4.2 Plot Pemulusan Eksponensial Satu Parameter dari Brown ( = 0,7) 40 Gambar 4.3 Plot Pemulusan Eksponensial Satu Parameter dari Brown ( = 0,7) 54 Gambar 5.1 Cara Pengaktifan Microsoft Excel 74 Gambar 5.2 Lembar Kerja Microsoft Excel Gambar 5.3 Tampilan Data PDRB 76 Gambar 5.4 Tampilan Menu Analysis 78 Gambar 5.5 Tampilan Input Range 79 Gambar 5.6 Hasil Eksponensial Smoothing Pertama 79 Gambar 5.7 Hasil Eksponensial Smoothing Kedua 80 Gambar 5.8 Tampilan Grafik 83 x

11 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pembangunan nasional di negara-negara berkembang seperti Indonesia pada umumnya fokus pada pembangunan ekonomi melalui usaha pertumbuhan ekonomi. Pertumbuhan ekonomi berkaitan erat dengan peningkatan produksi barang dan jasa, yang diukur antara lain melalui Produk Domestik Bruto (PDB) pada tingkat nasional dan Produk Domestik Regional Bruto (PDRB) pada tingkat daerah, baik provinsi, kabupaten maupun kota. Pembangunan ekonomi nasional ini mempunyai dampak atas pembangunan ekonomi daerah, sebab daerah adalah bagian integral dari suatu negara. Pembangunan ekonomi daerah merupakan proses dimana pemerintah daerah dan masyarakat mengelola sumberdaya-sumberdaya yang ada guna merangsangpertumbuhan ekonomi di daerah yang bersangkutan. John Glasson (1990) mengatakan kemakmuran suatu wilayah berbeda dengan wilayah lainnya. Perbedaan tersebutdisebabkan oleh perbedaan pada struktur ekonominya dan faktor ini merupakan faktor utama. Perubahan wilayah kepada kondisi yang lebih makmur tergantung pada usaha-usaha di daerah tersebut dalam menghasilkan barang dan jasa serta usaha-usaha pembangunan yang diperlukan. Demikian juga halnya dengan Kabupaten Karo. Pertumbuhan ekonominya dapat diukur berdasarkan peningkatan PDRB. Data PDRB tersebut dapat digunakan sebagai salah satu cara untuk melihat seberapa besar kemampuan suatu

12 2 sector ekonomi dalam memproduksi barang dan jasa. Di Kabupaten Karo, pertanian merupakan sektor utama penyokong perekonomian masyarakat. Sekitar 75% penduduk bermata pencaharian sebagai petani. Dari daerah ini diproduksi jenis-jenis komoditi hasil pertanian antara lain sayur-sayuran, buah-buahan, bunga-bungaan, dan biji-bijian. Beberapa hasil produksi tersebut bahkan telah diekspor. Untuk itu ingin diketahui apakah sektor pertanian masih dapat dijadikan sebagai komoditas utama penyokong perekonomian di Kabupaten Karo pada tahun Produk domestik regional bruto adalah penjumlahan dari semua total barang dan jasa pada akhir periode yang dihasilkan oleh suatu kelompok penduduk di suatu. Pengukuran kondisi perekonomian suatu wilayah dapat dilakukan dengan salah satu caranya yaitu peramalan/forecasting. Forecasting adalah peramalan/perkiraan mengenai sesuatu yang belum terjadi. Salah satu jenis metode peramalan yang digunakan adalah metode exponential smoothing. Metode exponential smoothing ini kemudian dibagi lagi menjadi tiga kategori yaitu single exponential smooting, double exponential smoothing dan triple exponential smoothing. Metode doubel exponential smoothing masuk dalam kategori model peramalan deret berkala, metode ini dilakukan dengan penghitungan secara terusmenerus. Oleh karena itu penulis memilih judul: PERAMALAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) KABUPATEN KARO PADA SEKTOR PERTANIAN TAHUN

13 3 1.2 Perumusan Masalah Berdasarkan latar belakang di atas maka terdapat beberapa masalah yang akan dibahas antara lain: 1. Berapa besar jumlah peramalan PDRB Kabupaten Karo tahun Adakah peningkatan kontribusi yang diberikan pertanian bagi PDRB Kabupaten Karo tahun Apakah masih relevan sektor pertanian sebagai komoditas utama penopang perekonomian Kabupaten Karo tahun Bagaimana penggunaan metode double exponensial smoothing untuk meramalkan PDRB Kabupaten Karo tahun Batasan Masalah Untuk menghindari pembahasan yang melebar agar sesuai dengan sasaran maka perlu membuat batasan masalah. Pembatasan masalah dalam Tugas Akhir ini adalah untuk meramalkan PDRB Kabupaten Karo pada sektor pertanian tahun Maksud dan Tujuan Adapun tujuan dari penulisan Tugas Akhir ini adalah: 1. Untuk mengetahui besar jumlah peramalan PDRB Kabupaten Karo tahun Memperkirakan peningkatan kontribusi yang diberikan pertanian bagi PDRB Kabupaten Karo tahun

14 4 3. Mengetahui relevansi sektor pertanian sebagai komoditas utama penopang perekonomian Kabupaten Karo tahun Manfaat Penelitian Dengan maksud dan tujuan yang disebutkan di atas, diharapkan dapat memberikan manfaat sebagai berikut: 1. Bagi Penulis a. Sebagai penerapan ilmu dari mata kuliah yang diperoleh selama kuliah. b. Sebagai syarat untuk menyelesaikan program D-3 Statistika. 2. Bagi lembaga/instansi dan masyarakat umumnya a. Dapat memperkirakan PDRB Kabupaten Karo pada sektor pertanian tahun b. Sebagai informasi mengenai peningkatan PDRB Kabupaten Karo sektor pertanian tahun Waktu dan Lokasi Penelitian Penelitian atau pengumpulan data mengenai produk PDRB sektor pertanian Kabupaten Karo diperoleh dari Badan Pusat Statistika (BPS) Kabupaten Karo, Jalan Jamin Ginting No. 131 (Raya) Berastagi mulai tanggal 15 Maret sampai 15 April 2017.

15 5 1.7 Metode Penelitian Dalam penyusunan Tugas Akhir ini, penulis membutuhkan data yang diperoleh melalui serangkaian tinjauan penelitian, riset maupun pengambilan data. a. Metode Penelitian Kepustakaan Dalam hal ini pengumpulan data dan keteranngannya dapat dilakukan dengan membaca serta mempelajari buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti. b. Metode Pengumpulan Data Pengumpulan data yang dilakukan penulis adalah metode pengumpulan data sekunder yang diperoleh dan diterbitkan oleh BPS. c. Metode Analisis Data penelitian dianalisis dengan menggunakan Pemulusan Eksponensial Ganda. Persmaan ini dikenal dengan nama metode Linier Satu Parameter dari Brown, yaitu: a. Menentukan pemulusan pertama/ tunggal ( b. Menentukan pemulusan kedua/ganda ( c. Menentukan besarnya konstanta (

16 6 d. Menentukan besarnya slope ( e. Menentukan besarnya forecast ( Dengan: nilai pemulusan eksponensial tunggal. nilai pemulusan eksponensial ganda. konstanta slope (kecenderungan/kemiringan). hasil peramalan untuk m periode ke depan yang akan diramalkan. parameter pemulusan eksponensial besarnya adalah 0< <1. m = jumlah periode ke muka yang di ramalkan. 1.8 Tinjauan Pustaka Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Ramalan tidak pernah tepat 100%, kalau tepat mungkin karena kebetulan (J. Supranto,1993). Metode peramalan adalah suatu cara memperkirakan secara kuantitatif maupun kualitatif apa yang akan terjadi pada masa depan, berdasarkan data yang

17 7 relevan pada masa lalu. Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu sehingga dapat memberikan cara pemikiran, pengerjaan, dan pemecahan yang sistematis, serta memberikan tingkat keyakinan yang lebih besar atau ketepatan hasil ramalan yang dibuat (Sofian Assaury,1984). Smoothing ekponensial adalah suatu metode peramalan rata-rata yang melakukan pembobotan menurun secara ekponensial terhadap nilai pengamatan yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relatif besar dengan nilai observasi yang lebih tua ( Spyros Markridakis, 1999).

18 BAB 2 LANDASAN TEORI 2.1 Pengertian Ramalan Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan didefinisikan sebagai kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang dengan data dan informasi yang ada. Sedangkan ramalan adalah suatu situasi atau kondisi yang memperkirakan apa yang akan terjadi pada masa yang akan datang. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yang dikenal sebagai metode peramalan. Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran dan pemecahan yang sisitematis dan pragmatis, serta memnberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat. 2.2 Kegunaan dan Peran Peramalan Pada umumnya kegunaan peramalan adalah sebagai berikut: 1. Sebagai alat bantu dalam perencanaan yang efektif dan efisien. 2. Untuk menentukan kebutuhan sumber daya di masa yang akan datang. 3. Untuk membuat keputusan yang tepat.

19 9 Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Setiap orang selalu dihadapkan pada masa masalah pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan pada pertimbangan yang akan terjadi pada waktu keputusan itu dilaksanakan. Tidak tepatnya ramalan yang disusun maka hasilnya pun akan kurang baik. Walau demikian perlu disadari bahwa ramalan adalah tetap ramalan. Akan selalu ada unsur kesalahan atau kekeliruan. Jadi yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan atau kekeliruan tersebut. 2.3 Jenis Peramalan Terdapat beberapa jenis peramalan. Berdasarkan sifatnya peramalan dapat dibedakan menjadi dua yaitu peramalan kualitatif dan kuantitatif. Metode peramalan kualitatif dibagi menjadi dua yaitu metode eksplanatoris dan normatif, sedangkan metode peramalan kuantitatif dibagi menjadi metode peramalan deret waktu dan kasual. 1. Peramalan kualitatif Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran pengetahuan penyusunnya. a. Model eksplanatoris Model ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah masa depan dengan melihat semua kemungkinan yang ada.

20 10 b. Model normatif Model ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah dapat dicapai atau tidak berdasarkan kendala, sumber daya, dan teknologi yang tersedia. 2. Peramalan kuantitatif Peramalan kuantitatif yaitu peramalan yang sangat mengandalkan pada data historis. Hasil peramalan yang dibuat sangat tergantung pada metode yang digunakan. Baik tidaknya metode yang digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang akan terjadi. a. Model deret berkala Pada model ini pendugaan dilakukan berdasarkan nilai masa lalu dari suatu variabel atau kesalahan masa lalu. Tujuannya adalah menemukan pola dalam deret data historis dengan mengeksploitasikan pola dalam deret data historis tersebut ke masa depan. Metode-metode peramalan dengan menggunakan time series yaitu: 1. Metode smoothing (pemulusan) 2. Metode box-jenkis 3. Metode perkiraan trend dengan regresi. b. Model kausalitas Model peramalan yang didasarkan atas penggunaan analisa pola hubungan antar variabel yang akan diperkirakan dengan variabel lain

21 11 yang mempengaruhinya yang disebut dengan metode korelasi atau sebab akibat (metode kausal). Model ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu arah atau lebih variabel bebas. Model peramalan kausalitas antara lain: 1. Metode regresi 2. Metode ekonometrika\metode analisis input-output. Teknik peramalan kuantitatif sangat beragam, dikembangkan dari berbagai disiplin ilmu dan untuk berbagai maksud. Setiap teknik yang dipilih sifat, ketepatan, tingkat kesulitan dan biaya tersendiri yang harus dipertimbangkan. 2.4 Pengertian Metode Peramalan Metode peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang kana terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu. Metode peramalan ini digunakan dalam peramalan yang objektif. Sedangkan kegunaan metode peramalan adalah untuk memperkirakan secara sistematis dan pragmatis atas dasar data yang relevan pada masa lalu. Dengan demikian peramalan diharapkan dapat memberikan objektivitas yang lebih besar. Metode peramalan juga menggunakan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama atas permasalahan, maka akan diperoleh dasar pemikiran dan pemecahan yang sama karena argumentasinya sama.

22 Metode Peramalan yang Digunakan Metode pemulusan (smoothing) eksponensial Pemulusan eksponensial adalah sekelompok metode yang menunjukkan pembobotan menurun secara ekponensial terhadap nilai pengamatan yang lebih tua. Dalam pemulusan ekspinensial terdapat satu atau lebih parameter pemulusan yang ditentukan secara ekplisit, dan hasil pilihan ini menentukan bobot yang dikenakan pada nilai observasi.metode pemulusan terdiri atas tunggal, ganda, dan metode yang lebih rumit. Untuk mendapatkan hasil yang baik dan tepat haruslah digunakan metode peramalan yang tepat juga. Dalam meramalkan pendapatan PDRB sektor pertanian ini digunakan metode pemulusan eksponensial ganda yaitu metode linier satu parameter dari Brown. Metode ini merupakan metode yang digunakan oleh Brown. Dasar pemikirannya adalah terdapat pada waktu sebelum data sebenarnya bila pada itu ada trend. ganda adalah: Persamaan yang dapat dipakai dalam metode pemulusan eksponensial

23 13 Dengan : nilai pemulusan eksponensial tunggal. nilai pemulusan eksponensial ganda. konstanta slope (kecenderungan/kemiringan). hasil peramalan untuk m periode ke depan yang akan diramalkan. parameter pemulusan eksponensial besarnya adalah 0< <1. m = jumlah periode ke muka yang di ramalkan. 2.6 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 yang dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam permodelan deret berkala (time series) dari data masa lalu dapat meramalkan situasi yang akan terjadi pada masa yang akan datang. Untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan. Beberapa kriteria yang dapat digunakan untuk menguji ketepatan ramalan adalah: 1. Nilai Tengah Galat (Mean Error)

24 14 2. Nilai Tengah Galat Kuadrat (Mean Square Error) 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) 7. Deviasi Standar Galat (Standart Deviation Error)

25 Produk Domestik Regional Bruto Pengertian produk domestik regional bruto adalah keseluruhan produk dari hasil proses produksi dari hasil proses produksi dari sektor maupun subsektor dari suatu wilayah. Adapun sektor-sektor tersebut terdiri dari: 1. Sektor pertanian a. Subsektor tanaman bahan makanan b. Subsektor tanaman perkebunan c. Subsektor peternakan dan hasilnya d. Subsektor kehutanan e. Subsektor perikanan 2. Sektor pertambangan dan penggalian a. Subsektor minyak dan gas b. Subsektor pertambangan bukan migas c. Subsektor penggalian 3. Sektor industri pengolahan a. Subsektor industri besar dan sedang b. Subsektor industri pengilangan minyak c. Subsektor industri kecil dan rumah tangga

26 16 4. Sektor listrik, gas, dan air bersih a. Subsektor listrik b. Subsektor gas kota c. Subsektor air bersih 5. Sektor bangunan 6. Sektor perdagangan, hotel, dan restoran a. Subsektor perdagangan besar dan eceran b. Subsektor hotel c. Subsektor restoran 7. Sektor pengangkutan dan komunikasi a. Subsektor pengangkutan 1. Angkutan rel 2. Angkutan jalan laut 3. Angkutan laut, sungai, dan danau 4. Angkutan udara 5. Jasa penunjang angkutan b. Subsektor komunikasi 8. Sektor keuangan, persewaan, dan jasa perusahaan a. Subsektor bank b. Subsektor lembaga keuangan bukan bank

27 17 c. Subsektor jasa penunjang keuangan d. Subsektor jasa perusahaan e. Subsektor sewa bangunan 9. Sektor jasa-jasa a. Subsektor pemerintah b. Subsektor swasta 1. Sosial kemasyarakatan 2. Hiburan dan rekreasi 3. Perorangan dan rumah tangga Disini penulis membatasi hanya untuk pemulusan PDRB atas sektor pertanian saja. 2.8 Perhitungan Pendapatan PDRB Perhitungan atas dasar harga berlaku PDRB atas dasar harga berlaku merupakan jumlah seluruh nilai tambah bruto (NTB) atau nilai barang dan jasa yang dihasilkan oleh unit-unit produksi dalan suatu periode tertentu dan biasanya satu tahun yang dinilai dengan harga tahun yang bersangkutan. NTB atas dasar harga berlaku yang diperoleh dari selisih output dengan biaya antara yang dinilai masing-masing atas dasar harga berlaku adalah menggambarkan perubahan volume produksi yang dihasilkan dan tingkat perubahan harga masingmasing kegiatan subsektor dan sektor.

28 Perhitungan atas dasar harga konstan Perhitungan atas dasar harga konstan memiliki pengertian yang sama dengan harga berlaku, yang membedakannya adalah penilaiannya dilakukan dengan satu tahun dasar tertentu. NTB atas dasar harga konstan ini hanya menggambar perubahan volume/kuantum produksi saja. Pengaruh perubahan harga telah dihilangkan dengan cara menilai dengan harga satu tahun dasar tertentu. Perhitungan atas dasar harga konstan berguna untuk melihat perubahan ekonomi secara keseluruhan atau sektoral. Selain itu juga untuk melihat perubahan struktur perekonomian suatu kota di provinsi dari tahun ke tahun.

29 BAB 3 GAMBARAN UMUM KABUPATEN KARO 3.1 Keadaan Daerah Ibu kota Kabupaten Karo adalah Kabanjahe yang terletak sekitar 76 Km sebelah kota Medan, ibukota Provinsi Sumatera Utara. Kabupaten Karo terletak di dataran tinggi Pegunungan Bukit Barisan dan merupakan daerah Hulu Sungai. Luas wilayah Kabupaten Karo adalah 2.127,25 Km2 atau Ha atau 2,97 persen dari luas Provinsi Daerah Tingkat I Sumatera Utara, dan secara geografis terletak di antara Lintang Utara dan dan Bujur Timur. Batasbatas wilayah Kabupaten Karo adalah: 1. Sebelah Utara berbatasan dengan Kabupaten Langkat dan Deli Serdang. 2. Sebelah Selatan berbatasan dengan Kabupaten Dairi dan Toba Samosir. 3. Sebelah Timur berbatasan dengan Kabupaten Deli Serdang dan Kabupaten Simalungun. 4. Sebelah Barat berbatasan dengan Kabupaten Aceh Tenggara (Provinsi Nanggroe Aceh Darusalam). Kabupaten Karo terletak pada ketinggian meter di atas permukaan laut dengan perbandingan luas daerah ketinggian meter dari permukaan laut seluas Ha (39,91%), daerah ketinggian meter dari permukaan laut seluas Ha (4,98%), daerah ketinggian > meter dari permukaan laut seluas Ha (4,98%). Bila dilihat dari sudut kemiringan/ lereng tanahnya dapat dibedakan menjadi datar 2 % = Ha (11,24%), landai

30 % = Ha (35,22%), miring 15-40% = Ha (19,35%), curam 40% = Ha (34,19%). Sejak zaman Belanda Kabupaten Karo sudah terkenal sebagai tempat peristirahatan. Setelah kemerdekaan Republik Indonesia kemudian dikembangkan menjadi daerah tujuan wisata di Provinsi Sumatera Utara. Objek-objek pariwisata di Kabupaten Karo adalah panorama yang indah di daerah pegunungan, air terjun, air panas, dan kebudayaan yang unik. Selain itu Kabupaten Karo juga terkenal sebagai daerah penghasil berbagai buah-buahan dan bunga-bungaan, dan mata pencaharian penduduk yang terutama adalah usaha pertanian pangan, hasil holtikultura dan perkebunan rakyat. Keadaan hutan cukup luas yaitu mancapai Ha atau 60,99% dari luas Kabupaten Karo. Kabupaten Karo merupakan Daerah Hulu Sungai (DHS) dan Daerah Aliran Sungai (DAS) Wampu/ Ular, sub Daerah Aliran Sungai Laubiang. Potensi industri yang ada adalah industri kecil dan aneka industri yang mendukung pertanian dan pariwisata. Potensi sumbersumber mineral dan pertambangan yang ada di Kabupaten Karo diduga cukup potensial namun masih memerlukan survei lapangan. 3.2 Keadaan Iklim (Suhu, Angin, Curah Hujan) Suhu udara rata-rata di Kabupaten Karo berkisar antara 18,4 C 19,3 C, tersebar antara 86,3% sampai 90,3%. Di Kabupaten Karo seperti daerah lainnya terdapat dua musim yaitu musim penghujan dan musim kemarau. Musim hujan pertama terjadi mulai bulan Agustus sampai bulan Januari dan musim hujan kedua pada bulan Maret sampai bulan Mei. Sedangkan arah angin terbagi dua arah atau gerak

31 21 yaitu angin yang berhembus dari arah Barat kira-kira bulan Oktober sampai bulan Maret dan dari arah Timur dan Tenggara antara bulan April sampai bulan September. 3.3 Pemerintahan Secara administrasi Kabupaten Karo terdiri dari 17 Kecamatan dan 262 Desa/Kelurahan (252 Desa dan 10 Kelurahan), dengan pusat pemerintahan berada di Kabanjahe. Untuk menetapkan anggota DPRD Karo periode maka telah diadakan wilayah pemilihan yang terdiri dari: a. Daerah Pemilihan Lau Baleng, Mardinding, dan Tigabinanga b. Daerah Pemilihan Juhar, Kutabuluh, Munte, dan Payung c. Daerah Pemilihan Kabanjahe d. Daerah Pemilihan Berastagi dan Simpang Empat e. Daerah Pemilihan Barusjahe, Tigapanah dan Merek. Hasil Pemilu telah menetapkan anggota DPRD Karo dari 12 partai Pemilu.PDI Perjuangan memperoleh suara terbanyak dengan jumlah anggota dewan 11 orang. 3.4 Penduduk Hasil Sensus Penduduk Kabupaten Karo tahun 2000 berjumlah jiwa, pada pertengahan tahun 2009 diperkirakan sebesar yang mendiami wilayah seluas 2.127,25 Km2. Kepadatan penduduk diperkirakan sebesar 174,22 jiwa/km2. Laju pertumbuhan penduduk tahun (keadaan tengah tahun)

32 22 adalah sebesr 3,01% per tahun. Tahun 2009 penduduk laki-laki lebih sedikit dari perempuan berjumlah jiwa. Sex rasio sebesar 97,01%. Selanjutnya dengan melihat jumlah penduduk yang berusia di bawah 15 tahun dan 65 tahun ke atas maka diperoleh rasio ketergantungan sebesar 59,76 yang berarti setiap seratus orang usia produktif menanggung 60 orang dari usia di bawah 15 tahun dan 65 tahun ke atas. Beban tanggungan anak bagi usia produktif sebesar 52 orang dan beban tanggungan lanjut usia bagi penduduk usia produktif sebesar 8 orang. 3.5 Pertanian Sektor merupakan bagian penting dalam perekonomian Kabupaten Karo. Peranan sektor ini tehadap PDRB pada tahun 2009 sekitar 60,46% untuk harga berlaku. Sektor pertanian dikelompokkan menurut subsektor tanaman pangan, perkebunan, peternakan, perikanan, dan sektor kehutanan Subsektor tanaman pangan Cakupan subsektor tanaman pangan meliputi padi/ palawija dan holtikultura. Produksi padi pada tahun 2009 tercatat padi ladang sebesar ton, mengalami peningkatan jika dibanding tahun 2008 sebesar ton. Untuk padi sawah produksi sebesar ton pada tahun 2009, keadaan ini juga meningkat dibanding produksi tahun 2008 yaitu ton. Sedangkan komoditi jagung produksi tahun 2008 sebesar ton juga mengalami peningkatan pada tahun 2009 sebesar ton. Sedangkan

33 23 tanaman ubi jalar tahun ton mengalami penurunan pada tahun 2009 menjadi ton Subsektor perkebunan Pada umumnya usaha perkebunan di Kabupaten karo adalah usaha perkebunan rakyat. Jenis tanaman yang biasa ditanam adalah kemiri, kopi, kelapa, tembakau, coklat, kelapa sawit, cengkeh, kulit manis, aren, tebu, vanili, kapulaga, lada, pinang, jahe, dan karet Subsektor peternakan Usaha peternakan umumnya diusahakan oleh rakyat yang bertujuan untuk dikonsumsi dan juga untuk menambah pendapatan rumah tangga. Ternak yang umum dipelihara masyarakat adalah sapi, kerbau, kambing, ayam, babi, kelinci, dan itik Subsektor perikanan Perikanan umumnya diusahakan di sawah sebagai kolam dan di danau bagi Kecamatan Merek. Produksi ikan dari kolam rakyat mengalami peningkatan, di mana tahun 2008 sebesar 138 ton menjadi 140 ton pada tahun 2009.

34 Subsektor kehutanan Di Kabupaten Karo terdapat hutan lindung seluas ,5 Ha daerah kawasan Leuser, hutan suaka alam seluas 7 Ha, hutan produksi terbatas seluas Ha, dan hutan produksi seluas Ha. Dari seluas ,50 Ha hutan yang ada di Kabupaten Karo kondisinya sangat memprihatinkan. Hal ini dapat dilihat dari hasil produksi hutan seperti getah damar, rotan, kayu yang semakin menurun setiap tahun, dan pada beberapa tahun terakhir sudah tidak memproduksi lagi.

35 BAB 4 ANALISIS DATA 4.1 Arti Analisis Data Analisa data pada dasarnya dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu yang lebih mudah untuk ditafsirkan dan menguraikan suatu masalah secara parsial atau keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data. Data yang akan diolah adalah data nilai PDRB sektor pertanian Kabupaten Karo dari tahun Analisa yang dipakai adalah analisis pemulusan eksponensial ganda. Data diolah dengan menngunakan aplikasi Microsoft Excel. 4.2 Analisa Pemulusan Eksponensial Ganda Pada bagian ini dijelaskan nilai parameter (α) yang akan digunakan, yaitu yang besarnya antara 0 < α < 1 dengan cara trial dan error. Adapun langkah-langkah untuk membentuk persamaan peramalan dengan menggunakan metode Linier Satu Parameter dari Brown adalah: 1. Menentukan harga parameter pemulusan eksponensial yang besarnya antara 0 < α < Menentukan harga pemulusan eksponensial tunggal dengan menggunakan persamaan:

36 26 3. Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan: 4. Menghitung konstanta at dan bt dengan menggunakan persamaan: 5. Menghitung trend persamaan Ft+m dengan menggunakan persamaan: Tabel 4.1 Nilai PDRB Sektor Pertanian Berdasarkan Harga Berlaku dan Harga Konstan (Jutaan Rupiah) No. Tahun Berdasarkan harga berlaku Berdasarkan harga kontan , , , , , , , , , , , , , , , , , , , ,48 Sumber: Badan Pusat Statistik (BPS)

37 27 Hubungan harga konstan dan harga berlaku dapat dilihat pada grafik di bawah ini: Axis Title , , , , , , , , ,00 0,00 Data Aktual Tahun Berdasarkan harga berlaku Berdasarkan harga kontan Gambar 4.1 Plot PDRB Sektor Pertanian Kabupaten Karo Berdasarkan Harga Berlaku dan Harga Konstan 4.3 Metode Pemulusan Eksponensial Ganda Penaksiran model peramalan Dalam pengolahan, terlebih penganalisaan data, penulis mengaplikasikan data pada tabel 4.1 dengan peramalan (forecasting) berdasarkan metode Linier Satu Parameter dari Brown. Untuk memenuhi perhitungan pemulusan eksponensial tunggal, ganda dan ramalan yang akan datang, maka terlebih dahulu ditentukan parameter nilai α yang biasanya secara coba-coba dan salah (trial dan error). Suatu nilai α dipilih yang besarnya 0 < α < 1, dihitung mean square error

38 28 (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing kesalahan ke dalam sebuah susunan data dan kemudian dicoba nilai α yang lain. Untuk menghitung nilai MSE pertama dicari error terlebih dahulu yang merupakan hasil dari data asli dikurangi ramalan kemudian tiap error dikuadratkan dan dibagi banyaknya error. Secara matematis MSE nilai PDRB atas dasar harga berlaku dan harga konstan, yaitu:

39 29 Tabel 4.2 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,1) Tahun E , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,06 Jumlah , ,60 Sumber: Perhitungan Untuk α = 0,1 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,60 = = ,82

40 30 Tabel 4.3 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,2) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,68 Jumlah , ,70 Sumber: Perhitungan Untuk α = 0,2 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,70 = = ,96

41 31 Tabel 4.4 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,3) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,51 Jumlah , ,93 Sumber: Perhitungan Untuk α = 0,3 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,93 = = ,49

42 32 Tabel 4.5 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,4) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,99 Jumlah , ,35 Sumber: Perhitungan Untuk α = 0,4 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,35 = = ,29

43 33 Tabel 4.6 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,5) Tahun e ,370,583, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,29 Jumlah , ,50 Sumber: Perhitungan Untuk α = 0,5 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,50 = = ,94

44 34 Tabel 4.7 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,6) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,14 Jumlah , ,65 Sumber: Perhitungan Untuk α = 0,6 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,65 = = ,83

45 35 Tabel 4.8 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,7) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,91 Jumlah , ,38 Sumber: Perhitungan Untuk α = 0,7 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,38 = = ,17

46 36 Tabel 4.9 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,8) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,51 Jumlah , ,66 Sumber: Perhitungan Untuk α = 0,8 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,66 = = ,71

47 37 Tabel 4.10 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Berlaku (α = 0,9) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,58 Jumlah , ,82 Sumber: Perhitungan Untuk α = 0,9 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,82 = = ,73

48 38 Setelah diperoleh nilai MSE untuk masing-masing nilai α, maka salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang memberikan MSE terkecil/minimum. Perbandingan ukuran ketepatan metode peramalan peningkatan nilai PDRB sektor pertanian di Kabupaten Karo dengan MSE sebagai berikut: Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan atas Dasar Harga Berlaku α MSE 0, ,82 0, ,96 0, ,49 0, ,29 0, ,94 0, ,83 0, ,17 0, ,71 0, ,73 Sumber: Perhitungan Dari tabel di atas dapat dilihat bahwa nilai MSE yang paling kecil yaitu pada α = 0,7 dengan MSE = ,17.

49 39 Tabel 4.12 Ukuran Ketepatan Peramalan PDRB Sektor Pertanian atas Dasar Harga Berlaku α = 0,7 Tahun E e PE APE , , , , , , , , , , , , , , , , ,55 7,21 7, , , , , , , , , ,08 4,42 4, , , , , , , , , ,50 8,45 8, , , , , , , , , ,49 26,38 26, , , , , , , , , ,56-11,16 11, , , , , , , , , ,21-3,22 3, , , , , , , , , ,08-5,11 5, , , , , , , , , ,91 0,19 0, , , , , ,62 Jumlah , , ,38 27,17 66,14

50 40 Peramalan PDRB untuk sektor pertanian 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 Sektor Pertanian atas Dasar Harga Berlaku Nilai Jutaan rupiah Xt S' S" Ft+m Tahun Gambar 4.2 Plot Pemulusan Eksponensial Satu Parameter dari Brown (α = 0,7) Ukuran ketepatan metode peramalan atas dasar harga berlaku dengan α = 0,7 adalah: 1. Nilai Tengah Galat (Mean Error) n e i i 1

51 41 2. Nilai Tengah Galat Kuadrat (Mean Square Error) n 2 e i i 1 = = ,37 3. Nilai Tengah Galat Absolut (Mean Absolute Error) n i 1 e i 4. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error) n i 1 APE i 8,27 5. Nilai Tengah Galat Persentase (Mean Percentage Error) n i 1 PE i

52 42 6. Jumlah Kuadrat Galat (Sum Square Error) SSE n 2 e i i 1 = ,38 7. Deviasi Standar Galat (Standart Deviation Error) n 2 e i i 1

53 43 Tabel 4.13 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,1) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Jumlah , ,70 Sumber: Perhitungan Untuk α = 0,1 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,70 = = ,08

54 44 Tabel 4.14 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,2) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,87 96,416, , , , , , , , , , , , , , , , , , , , ,877, , , , , , , , , , , , , , ,61 3,296,476, , , , , ,04 Jumlah , ,18 Sumber: Perhitungan Untuk α = 0,2 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,18 = = ,10

55 45 Tabel 4.15 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,3) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,66 Jumlah , ,90 Sumber: Perhitungan Untuk α = 0,3 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,90 = = ,49

56 46 Tabel 4.16 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,4) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,96 Jumlah , ,30 Sumber: Perhitungan Untuk α = 0,4 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,30 = = ,29

57 47 Tabel 4.17 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,5) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,90 Jumlah , ,80 Sumber: Perhitungan Untuk α = 0,5 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,80 = = ,10

58 48 Tabel 4.18 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,6) Tahun e , , , , ,70 1, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,19 Jumlah , ,50 Sumber: Perhitungan Untuk α = 0,6 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,50 = = ,06

59 49 Tabel 4.19 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,7) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,44 Jumlah , ,70 Sumber: Perhitungan Untuk α = 0,7 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,70 = = ,34

60 50 Tabel 4.20 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,8) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,72 Jumlah , ,50 Sumber: Perhitungan Untuk α = 0,8 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,50 = = ,44

61 51 Tabel 4.21 Pemulusan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,9) Tahun e , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,48 Jumlah , ,10 Sumber: Perhitungan Untuk α = 0,9 dan n = 8 Maka SSE n 2 e i i 1 n 2 e i i 1 = ,10 = = ,89

62 52 Setelah diperoleh nilai MSE untuk masing-masing nilai α, maka salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang memberikan MSE terkecil/minimum. Perbandingan ukuran ketepatan metode peramalan peningkatan nilai PDRB sektor pertanian di Kabupaten Karo dengan MSE sebagai berikut: Tabel 4.22 Perbandingan Ukuran Ketepatan Metode Peramalan atas Dasar Harga Konstan Α MSE 0, ,08 0, ,10 0, ,49 0, ,29 0, ,10 0, ,06 0, ,34 0, ,44 0, Dari tabel di atas dapat dilihat bahwa nilai MSE yang paling kecil yaitu pada α = 0,7 dengan MSE = ,34.

63 53 Tabel 4.23 Ukuran Ketepatan Peramalan PDRB Sektor Pertanian atas Dasar Harga Konstan (α = 0,7) Tahun e e PE APE , , , , , , , , , , , , , , , , ,18 2,72 2, , , , , , , , , ,34 1,58 1, , , , , , , , , ,31 1,58 1, , , , , , , , , ,00 65,33 65, , , , , , , , , ,12-22,55 22, , , , , , , , , ,30-18,17 18, , , , , , , , , ,07-8,70 8, , , , , , , , , ,44-2,75 2, , , , , ,54 Jumlah , , ,70 19,04 123,39

64 54 Peramalan PDRB untuk sektor pertanian atas dasar harga konstan setiap tahun meningkat. Gambaran mengenai hubungan antara perkembangan data aktual dengan peramalan dapat dilihat pada grafik berikut ini: Axis Title Chart Title Axis Title Xt S' S" Ft+m Gambar 4.3 Plot Pemuusan Eksponensial Satu Parameter dari Brown (α = 0,7) Ukuran ketepatan metode peramalan atas dasar harga berlaku dengan α = 0,7 adalah: 1. Nilai Tengah Galat (Mean Error) n e i i 1

65 55 2. Nilai Tengah Galat Kuadrat (Mean Square Error) n 2 e i i 1 = = ,34 3. Nilai Tengah Galat Absolut (Mean Absolute Error) n i 1 e i ,01 4. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error) n i 1 APE i 15,42

66 56 5. Nilai Tengah Galat Persentase (Mean Percentage Error) n i 1 PE i 6. Jumlah Kuadrat Galat (Sum Square Error) SSE n 2 e i i 1 = ,70 7. Deviasi Standar Galat (Standart Deviation Error) n 2 e i i 1

67 57 Selain diproses dengan menggunakan aplikasi Microsoft Excel, data juga dapat dihitung secara manual, yaitu sebagai berikut: 1. PDRB atas dasar harga berlaku (α = 0,7), karena MSE terkecil pada saat α = 0,7 Tahun 2006 a. Pemulusan tunggal Untuk tahun 2006, nilai sama dengan nilai, karena nilai tidak tersedia. Sehingga nilai = = ,64. b. Pemulusan ganda Untuk tahun 2006, nilai sama dengan nilai, karena nilai tidak tersedia. Sehingga nilai = = ,64. Tahun 2007 a. Pemulusan tunggal ,80 b. Pemulusan ganda ,55

68 58 c. Konstanta d. Slope Tahun 2008 a. Pemulusan tunggal ,58 b. Pemulusan ganda c. Konstanta ,27

69 59 2. PDRB atas dasar harga konstan (α = 0,7), karena MSE terkecil pada saat α = 0,7 Tahun 2006 a. Pemulusan tunggal Untuk tahun 2006, nilai sama dengan nilai, karena nilai tidak tersedia. Sehingga nilai = = ,75. b. Pemulusan ganda Untuk tahun 2006, nilai sama dengan nilai, karena nilai tidak tersedia. Sehingga nilai = = ,75. Tahun 2007 a. Pemulusan tunggal b. Pemulusan ganda

70 60 c. Konstanta d. Slope Tahun 2008 a. Pemulusan tunggal b. Pemulusan ganda c. Konstanta

71 61 d. Slope e. Peramalan Tahun 2009 a. Pemulusan tunggal ) b. Pemulusan ganda c. Konstanta

72 62 d. Slope e. Peramalan Tahun 2010 a. Pemulusan tunggal ,61) b. Pemulusan ganda c. Konstanta

73 63 d. Slope e. Peramalan Tahun 2011 a. Pemulusan tunggal ) b. Pemulusan ganda c. Konstanta

74 64 d. Slope e. Peramalan Tahun 2012 a. Pemulusan tunggal ) b. Pemulusan ganda c. Konstanta

75 65 d. Slope e. Peramalan Tahun 2013 a. Pemulusan tunggal ) b. Pemulusan ganda c. Konstanta

76 66 d. Slope e. Peramalan Tahun 2014 a. Pemulusan tunggal ) b. Pemulusan ganda c. Konstanta

77 67 d. Slope e. Peramalan Tahun 2015 a. Pemulusan tunggal ) b. Pemulusan ganda c. Konstanta

78 68 d. Slope e. Peramalan Penentuan bentuk persamaan dan nilai peramalan Setelah harga parameter pemulusan eksponensial yang besarnya 0 < α < 1 dengan cara trial dan error dengan aplikasi Microsoft Excel, maka diperoleh peramalan Pemulusan Eksponensial Linier Satu Parameter dari Brown dengan α = 0,7 masing-masing untuk nilai PDRB atas dasar harga berlaku dan harga konstan. Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan bentuk persamaan peramalan: Perhitungan pada tabel 4.12 di atas dengan α = 0,7 dan ramalan untuk suatu periode ke depan untuk persamaan PDRB sektor pertanian atas dasar harga berlaku:

79 69 Setelah diperoleh model peramalan, maka dapat dihitung peramalan PDRB sektor pertanian Kabupaten Karo atas dasar harga berlaku untuk tahun 2017, 2018, 2019 dan 2020 sebagai berikut: 1. Nilai peramalan untuk tahun Nilai peramalan untuk tahun Nilai peramalan unutk tahun Nilai peramalan untuk tahun 2020

80 70 Dengan metode perhitungan yang sama seperti di atas, dengan α = 0,7 diperoleh bentuk ramalan untuk suatu periode ke depan berdasarkan bentuk persamaan PDRB sektor pertanian atas dasar harga konstan, yaitu: Setelah diperoleh model peramalan, maka dapat dihitung peramalan PDRB sektor pertanian Kabupaten Karo atas dasar harga berlaku untuk tahun 2017, 2018, 2019 dan 2020 sebagai berikut: 1. Nilai peramalan untuk tahun Nilai peramalan untuk tahun Nilai peramalan untuk tahun 2019

81 71 4. Nilai peramalan untuk 2020 Tabel 4.24 Peramalan PDRB Sektor Pertanian Kabupaten Karo atas Dasar Harga Berlaku dan Harga Konstan (Jutaan Rupiah) untuk Tahun 2017, 2018, 2019 dan 2020 Tahun Peramalan Harga Berlaku Harga Konstan , , , , , , ,54 Sumber: Perhitungan

82 BAB 5 IMPLEMENTASI SISTEM 5.1 Tahap Implementasi Sistem Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal, dan memulai sistem baru atau sistem yang diperbaiki. Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis kedalam programming (coding) untuk menghasilkan sebuah sistem informasi yang sesuai dengan hasil desain tertentu. Dalam data peramalan PRDB sektor pertanian Kabupaten Karo implementasi yang digunakan penulis adalah Microsoft Excel. Selain berfungsi sebagai pengolahan angka atau manipulasi angka, Microsoft Excel juga dapat digunakan untuk manipulasi teks komputer. Untuk dapat menggunakan Microsoft Excel dengan maksimal, harus juga menguasai sistem operasi Microsoft Excel. Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan 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, di samping itu faktor kesalahan yang dilakukan manusia relatif besar. Dengan adanya perangkat lunak komputer, diharapkan pekerjaan tersebut dapat dilakukan dengan cepat dan tepat, waktu dan tenaga dengan tingkat kesalahan yang relatif kecil.

83 Microsoft Excel Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. Excel merupakan salah satu sofeware pengolah angka yang cukup banyak digunakan di dunia. Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengolahan infomasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan dipresentasikan data pada lembar kerja. Microsoft Excel telah mengeluarkan dalam berbagai versi mulai dari versi 4,versi 5, versi 97, versi 2000,versi 2002, versi 2003, versi 2007, versi 2010 dan versi Pengaktifan Microsoft Excel Tahap pertama mengggunakan Microsoft Excel adalah mengaktifkan windows. Pastikan Microsoft Excel berada pada jaringan Microsoft Windows. Kemudian lanjutkan dengan langkah-langkah sebagai berikut: a. Klik tombol Start

84 74 b. Pilih All Program klik Microsoft Office Microsoft Excel. Gambar 5.1 Cara Pengaktifan Microsoft Excel 5.4 Jendela Lembar Kerja Setelah pengaktifan, akan tampil jendela Microsoft Excel yang siap digunakan. Sheet (lembar kerja) Excel terdiri dari 256 kolom dan baris. Kolom diberi nama dengan huruf mulai dai A, B, C,..., Z kemudian dilanjutkan AA, AB, AC,...sampai kolom IV. Sedangkan kolom baris ditandai dengan angka mulai dari 1, 2, 3,..., Excel 2003 hadir dengan berbagai penyempurnaan, tampil lebih terintegrasi dengan berbagai software lain, salah satunya adalah under window seperti word accsess dan power point. Keunggulan program spread sheet ini adalah mulai dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows. Adapun tampilan lembar kerja Microsoft Excel adalah sebagai berikut:

85 75 Gambar 5.2 Lembar Kerja Microsoft Excel Pengisian Data Pengisian data ke dalam lembar kerja Microsoft Excel sama dengan pemasukan atau pengetikan data ke dalamnya. Dalam mengisi data ke lembar kerja dengan keyboard, diperlukan langlah-langlah sebagai berikut: a. Letakkan pointer pada sel yang ingin diisi data b. Ketik data yang akan diolah c. Tekan enter atau klik kiri pada sel yang lain untuk konfirmasi atau mengakhirinya.

86 76 Untuk mengolah data PDRB sektor pertanian Kabupaten Karo maka data yang telah diperoleh dimasukkan ke lembar kerja. Kolom pertama untuk tahun, kolom kedua untuk harga berlaku, dan kolom ketiga untuk harga konstan. Gambar 5.3 Tampilan Data PDRB 5.6 Implementasi Sistem Peramalan PDRB Fungsi dalam Microsoft Excel adalah untuk memudahkan pengertian formula yang diperlukan dalam melakukan perhitungan aritmatik dan operasi standar lain yang sering diulangi. Ada banyak fungsi statistik yang disediakan oleh Microsoft Excel, diantaranya adalah fungsia average, standart deviasi, median, mean. Dalam mengolah data PDRB sektor pertanian Kabupaten Karo penulis akan menggunakan fungsi statistik yaitu Pemulusan Eksponensial Satu Parameter dari Brown.

87 Fungsi Pemulusan Eksponensial Pemulusan eksponensial adalah metode peramalan dengan mengadakan penghalusan dan pemulusan terhadap data yang lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Langkah-langkah yang digunakan untuk menentukan pemulusan eksponensial dari data-data aktual yang tersedia untuk diolah sehingga dapat dicari ramalan untuk periode selanjutnya adalah sebagai berikut: a. Pada lembar kerja Microsoft Excel masukkan data-data PDRB dan variable yang diperlukan untuk setiap perhitungan: 1. Pada kolom pertama ditulis keterangan dengan 2. Pada kolom kedua ditulis keterangan dengan 3. Pada kolom ketiga ditulis keterangan dengan 4. Pada kolom keempat ditulis keterangan dengan 5. Pada kolom kelima ditulis keterangan dengan 6. Pada kolom keenam ditulis keterangan dengan 7. Pada kolom ketujuh ditulis keterangan dengan error atau e dan b. Pilih menu data data analysis analysis tools exponential smoothing ok. Kemudian akan muncul tampilan sebagai berikut:

88 78 Gambar 5.4 Tampilan Menu Data Analysis Masukkan input pada menu input range dengan memasukkan range pada data aktual yang telah dimasukkan di Microsoft Excel dan damping factor. Kemudian masukkan output range pada menu output option dengan menentukan hasil output yang ditempatkan.

89 79 Gambar 5.5 Tampilan Input Range Lalu klik ok, maka akan muncul hasil output pada sel yang ditentukan. Gambar 5.6 Hasil Exponential Smoothing Pertama

90 80 Untuk mencari pemulusan kedua digunakan formula yang sama, yaitu dengan memasukkan data hasil pemulusan pertama (tunggal). Gambar 5.7 Hasil Eksponential Smoothing Kedua Selanjtunya dihuting nilai-nilai,,,,, e dan e 2 sebagai berikut: 1. Pemulusan Pertama ( Untuk tahun pertama (tahun 2006) pemulusan pertamanya sama dengan tahun 2006 pada data sebenarnya. Sedangkan untuk tahun 2007 (sel C5) nilainya dihtung dengan rumus =0.1*B5+0.9*C4. Dalam kasus ini menghasilkan angka ,63 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 2. Pemulusan Kedua ( Untuk tahun pertama (tahun 2006) pemulusan keduanya sama dengan tahun 2006 pada data sebenarnya. Sedangkan untuk tahun 2007 (sel D5)

91 81 nilainya dihitung dengan rumus =0.1*C5+0.9*D4. Dalam kasus ini menghasilkan angka ,64 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 3. Perhitungan Nilai Nilai dapat dicari pada tahun kedua yakni dengan rumus =2*C5-D5. Dalam kasus ini menghasilkan angka ,63 dan untuk tahuntahun berikutnya hanya menyalin rumus tersebut. 4. Perhitungan nilai Nilai dapat dicari pada tahun tahun kedua dengan rumus yang tertera pada sel F5 adalah =0.1/0.9*(C5-D5). Dalam kasus ini menghasilkan angka ,999 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 5. Nilai peramalan ( ) Yang dicari adalah nilai ramalan mulai periode ketiga (sel G6) yaitu pada tahun 2008 yaitu dengan rumus =E5+F5*1. Dalam kasus ini menghasilkan angka ,63 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 6. Perhitungan Error (e) Nilai error yang dicari adalah nilai error mulai periode ketiga (sel H6) yaitu 2008 dengan rumus =B6-G6. Dalam kasus ini menghasilkan angka ,00 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut.

92 82 7. Perhitungan Square Error (e 2 ) Nilai e 2 yang dicari adalah nilai e 2 mulai periode ketiga (sel I6) yaitu dengan rumus =H6^2 dan dalam kasus ini menghasilkan angka dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 8. Perhitungan Percentage Error (PE) Nilai PE yang dicari adalah nilai PE mulai periode ketiga (sel J6) yaitu dengan rumus =(H6/B6)*100 dan dalam kasus ini menghasilkan angka 19,540 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 9. Perhitungan Absolut Percentage Error (APE) Nilai APE yang dicari adalah nilai APE mulai periode ketiga (sel K6) yaitu dengan rumus =ABS(J6) dan dalam kasus ini menghasilkan angka 19,540 dan untuk tahun-tahun berikutnya hanya menyalin rumus tersebut. 5.8 Pembuatan Grafik Grafik pada Microsoft Excel dapat dibuat menjadi satu dengan data terpisah pada lembar grafik tersendiri, namun masih di file yang sama. Adapun langkahlangkahnya adalah sebagai berikut: a. Sorot sel atau range yang akaan dibuat grafik b. Pilih menu insert chart c. Pilih tipe grafik yang sesuai, kemudian klik ok.

93 83 Adapun tampilannya adalah sebagai berikut: Gambar 5.8 Tampilan Grafik