PERAMALAN NILAI PENJUALAN ENERGI LISTRIK DI PT. PLN (PERSERO) CABANG BINJAI UNTUK TAHUN 2008

Transkripsi

1 PERAMALA ILAI PEJUALA EERGI LISTRIK DI PT. PL (PERSERO) CABAG BIJAI UTUK TAHU 2008 TUGAS AKHIR MAGDALEA LUMBATOBIG DEPARTEME MATEMATIKA FAKULTAS MATEMATIKA DA ILMU PEGETAHUA ALAM UIVERSITAS SUMATERA UTARA MEDA 2008

2 DAFTAR ISI Persetujuan Pernyataan Penghargaan Daftar isi Halaman ii iii iv v Bab 1 Pendahuluan Latar Belakang Identifikasi Masalah Pembatasan Masalah Maksud dan Tujuan Metode Penelitian Sistematika Penulisan 5 Bab 2 Landasan Teori Pengertian Peramalan (Forecasting) Jenis peramalan Pemilihan Teknik dan Metode Peramalan Kegunaan Peramalan Metode Pemulusan (Smoothing ) Metode Smoothing yang Digunakan Ketepatan Ramalan 12 Bab 3 Sejarah dan Struktur BPS Sejarah Singkat Badan Pusat Statistik Masa Pemerintahan Hindia Belanda Masa Pemerintahan Jepang Masa Kemerdekaan Republik Indonesia Masa Orde Baru sampai Sekarang Struktur Organisasi Badan Pusat Statistik Tugas dan Wewenangan Masing Masing Bagian di Badan Pusat Statistik Bagian Tata Usaha Bidang Statistik Produksi Bidang Statistik Distribusi Bidang Statistik Sosial Bidang Integrasi Pengolahan dan Diseminasi Statistik 25

3 3.4 Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatra Utara 26 Bab 4 Analisis Data Arti Analisis Data Analisis Pemulusan Eksponensial Ganda Metode Pemulusan Eksponensial Ganda 30 Satu Parameter Dari Brown Peramalan ilai Penjualan Energi Listrik 42 Bab 5 Implementasi Sistem Microsoft Excel 44 Bab 6 Kesimpulan dan Saran 6.1 Kesimpulan Saran 50 Daftar Pustaka Lampiran

4 BAB 1 PEDAHULUA 1.3 Latar Belakang Dalam perekonomian, manusia berperan sebagai produsen sekaligus sebagai konsumen yang selalu berupaya memenuhi kebutuhan hidupnya melalui alat pemuas kebutuhan yang tersedia dan beranekaragam. Berbagai macam usaha dilakukan terkhusus bagi konsumen dalam memenuhi kebutuhan hidupnya, baik itu melalui pemanfaataan sumber Daya Alam (SDA) yang tersedia maupun pendaur-ulangan produk-produk yang sudah lama tidak digunakan lagi. Sumber Daya Alam yang tersedia merupakan salah satu alat pemuas kebutuhan manusia misalnya, tanah, air, energi panas, listrik dan sebagainya. Listrik adalah salah satu kebutuhan terpenting dalam kehidupan manusia, khususnya pada era globalisasi dan modernisasi saat ini perkembangan teknologi yang semakin canggih memerlukan banyak hal yang dapat mendukung kemajuan IPTEK tersebut, salah satunya adalah energi listrik. Tanpa adanya energi listrik kehidupan manusia pada modernisasi saat ini pasti sangat jauh berbeda jika dibandingkan pada saat sekarang ini sebab dalam seluruh aspek kehidupan manusia baik keperluan sehari-hari, dunia usaha, industri, pemerintahan, pendidikan dan lainnya sangat dibutuhkan energi

5 listrik yang sangat bermanfaat dalam berlangsungnya proses kegiatan masing-masing bidang. Meskipun saat ini telah ada tersedia sebuah alat yang dinamakan Genset (Generator Set) yang dapat tetap mengalirkan listrik dengan menggunakan bahan bakar solar, namun alat tersebut digunakan hanya sebagai cadangan ketika listrik padam karena dengan menggunakan alat ini juga menghabiskan biaya yang cukup besar. Oleh karena itu energi listrik tetap sangat diperlukan meskipun alat itu telah ada dan diharapkan kita juga harus menjaga dan menggunakan listrik sebaik dan sehemat mungkin agar pihak PL juga dapat memproduksi listrik dengan baik dan kita tetap dapat menikmati manfaat listrik dalam kehidupan kita. Dari keadaan tersebut, penulis ingin meneliti salah satu Sumber Daya Alam yang kita miliki yaitu energi listrik. Dalam hal ini, penulis ingin mengetahui berapa besar nilai penjualan energi listrik (dalam rupiah) yang diperoleh oleh PT. PL (PERSERO) Cabang Binjai. Oleh karena berbagai alasan tersebut penulis mencoba untuk meramalkan besarnya nilai penjualan energi listrik untuk tahun 2008 di PT. PL (PERSERO) Cabang Binjai. Berdasarkan pemikiran di atas maka penulis memilih judul PERAMALA ILAI PEJUALA EERGI LISTRIK DI PT. PL (PERSERO) CABAG BIJAI UTUK TAHU Identifikasi Masalah

6 Listrik sebagai sumber energi yang sangat penting dalam kehidupan manusia. Demikian halnya kota Binjai sebagai salah satu kotamadya di Sumatera Utara yang tidak jauh terletak dari kota Medan yang sekarang ini mengarah kepada industrialisasi dan modernisasi maka besar kemungkinan kondisi seperti ini juga akan sangat membutuhkan energi khususnya energi listrik yang cukup besar. Bagi pihak PL, hal ini tentu akan menjadi suatu tantangan besar sekaligus peluang bisnis dalam mendapatkan keuntungan karena PL sebagai satu-satunya instansi yang memonopoli energi listrik. Yang menjadi permasalahannya adalah : Bagaimana bentuk persamaan yang dapat dipakai untuk meramalkan besarnya nilai penjualan energi listrik di masa yang akan datang yaitu pada tahun 2008 di PT. PL (PERSERO) Cabang Binjai. Dengan menggunakan persamaan di atas dapat dihitung berapa besarnya nilai penjualan energi listrik di PT. PL (PERSERO) Cabang Binjai yang diramalkan untuk tahun Pembatasan Masalah Dari latar belakang yang telah diuraikan di atas, maka yang menjadi batasan permasalahan adalah besarnya nilai penjualan energi listrik di kotamadya Binjai pada tahun 2008 dengan menggunakan data dari tahun Maksud dan Tujuan

7 Maksud dan tujuan penelitian ini adalah untuk memperkirakan besar nilai penjualan energi listrik di PT. PL (PERSERO) Cabang Binjai untuk tahun 2008 dengan menggunakan persamaan peramalan yang telah diperoleh. 1.8 Metode Penelitian Metode yang penulis gunakan dalam melaksanakan penelitian ini adalah : 1. Studi Kepustakaan (Library Research) Suatu cara penelitian yag digunakan untuk memperoleh data atau informasi dari perpustakaan yaitu dengan membaca buku-buku, referensi, bahan-bahan yang bersifat teoritis yang mendukung Tugas Akhir ini. 2. Pengumpulan Data Pengumpulan data untuk keperluan riset ini penulis lakukan dengan data sekunder dari BPS (Badan Pusat Statistik). Data sekunder adalah data yang diperoleh atau dirangkum ulang berdasarkan data yang telah tersedia atau disusun oleh BPS. Data yang dikumpulkan tersebut kemudian diatur, disusun, dan disajikan dalam bentuk angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang sekumpulan data tersebut. 3. Melakukan Analisis Data Pengolahan data untuk meramalkan nilai penjualan energi listrik

8 (dalam rupiah) di PT. PL (PERSERO) Cabang Binjai menggunakan Metode Pemulusan Eksponensial Ganda : metode linier satu parameter dari Brown. Adapun rumus yang digunakan adalah sebagai berikut : dimana : F t+m = a t + b t (m) F t+m = hasil pengamatan untuk m periode ke depan yang diramalkan a t, b t = konstanta pemulusan m = periode kedepan yang diramalkan 1.9 Sistematika Penulisan Adapun sistematika penulisan yang dipergunakan penulis antara lain : BAB 1 : PEDAHULUA Bab ini akan menjelaskan Latar Belakang, Identifikasi masalah, Maksud dan Tujuan Penelitian, Metode penelitian, program komputer yang digunakan dan sistematika penulisan. BAB 2 : LADASA TEORI Bab ini menguraikan tentang konsep dan definisi tentang hal-hal yang menyangkut penyelesaian masalah yang dihadapi dalam Tugas Akhir. BAB 3 : SEJARAH DA STRUKTUR BPS Dalam bab ini penulis menguraikan mengenai sejarah singkat berdirinya Badan Pusat Statistika (BPS) Provinsi Sumatera Utara.

9 BAB 4 : AALISIS DATA Bab ini menguraikan tentang data yang telah diamati dan cara penggunaan rumus yang telah ditentukan untuk analisis data tersebut. BAB 5 : IMPLEMETASI SISTEM Bab ini menjelaskan tentang program atau software yang dipakai sebagai analisis terhadap data yang diperoleh. Dimana program ini berfungsi sebagai pengolah data, sehingga akan menghasilkan informasi yang dibutuhkan. BAB 6 : KESIMPULA DA SARA Bab ini merupakan bab penutup yang merupakan hasil dan kesimpulan dari pembahasan serta saran penulis berdasarkan kesimpulan yang didapat dari permasalahan tersebut.

10 BAB 2 LADASA TEORI 2.4 Pengertian Peramalan (Forecasting) Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai asumsi yang berhubungan dengan tindakan-tindakan yang perlu diambil serta variabel-variabel lain yang mempengaruhi permasalahan arus penjualan yang akan terjadi. Peramalan diperlukan karena adanya perbedaan waktu antara keadaan akan dibutuhkannya suatu kebijakan baru. Apabila perbedaan waktu tersebut panjang, maka peran peramalan menjadi penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadi suatu peristiwa sehingga dapat dipersiapkan tindakan yang diperlukan. Kegunaan dari suatu peramalan dapat dilihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan oleh pertimbangan apa yang akan terjadi saat keputusan tersebut dilakukan. Apabila keputusan yang diambil kurang tepat sebaiknya keputusan tersebut tidak dilaksanakan. Oleh karena masalah pengambilan keputusan merupakan masalah yang dihadapi maka peramalan juga merupakan masalah

11 yang harus dihadapi, karena peramalan berkaitan erat dengan pengambilan suatu keputusan. 2.5 Jenis peramalan Berdasarkan sifatnya, teknik peramalan dapat dibagi dalam 2 kategori utama yaitu : 1. Peramalan Kualitatif atau teknologis Peramalan Kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada orang yang menyusunnya, karena berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman dari orang-orang yang menyusunnya. Metode kualitatif dapat dibagi menjadi 2 yaitu : metode eksploratoris dan normatif. 2. Peramalan Kuantitatif Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Karena dengan metode yang berbeda akan diperoleh suatu hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan semakin baik. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti prosedur penyusunan yang baik. Metode kuantitatif dapat dibagi dalam deret berkala (time series) dan metode kausal. Peramalan kuantitatif dapat digunakan bila terdapat tiga kondisi yaitu: 1. Adanya informasi tentang masa lalu. 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data.

12 3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang. Metode-metode peramalan dengan analisis deret waktu yaitu: 1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak Sering digunakan untuk ramalan jangka pendek dan jarang dipakai untuk ramalan jangka panjang. 2. Metode Regresi Metode ini bisa digunakan untuk ramalan jangka menengah dan jangka panjang. 3. Metode Box Jenkins Jarang dipakai, namun baik untuk ramalan jangka pendek, menengah dan jangka panjang. 2.6 Pemilihan Teknik dan Metode Peramalan Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan. Ada enam faktor utama yang diidentifikasikan sebagai teknik dan metode peramalan, yaitu: 1. Horizon waktu

13 Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan, yaitu: cakupan waktu di masa yang akan datang dan jumlah periode untuk peramalan yang diinginkan. 2. Pola Data Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan. 2. Jenis dari Model Model-model merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola. Model-model perlu diperhatikan karena masing-masing model mempunyai kemampuan yang berbeda dalam analisis keadaan untuk pengambilan keputusan. 4. Biaya yang dibutuhkan Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya penyimpanan (storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode peramalan. 5. Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan sangat erat kaitannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. 6. Kemudahan dan Penerapan Metode- metode yang dapat dimengerti dan mudah aplikasikan sudah merupakan suatu prinsip umum bagi pengambil keputusan.

14 2.4 Kegunaan Peramalan Kegunaan peramalan dalam suatu penelitian adalah melakukan analisis terhadap situasi yang diteliti untuk memperkirakan situasi dan kondisi yang akan terjadi dari sesuatu yang diteliti di masa depan. Peramalan merupakan suatu alat bantu yang penting dalam perencanaan yang efektif dan efisien. Dalam hal ini penyusunan suatu rencana untuk mencapai tujuan atau sasaran suatu organisasi terdapat perbedaan waktu antara kegiatan apa saja yang perlu dilakukan, kapan waktu pelaksanaan dan oleh siapa dialaksanakan. Perencanaan dan peramalan sangat erat kaitannya, ini dapat dilihat dalam hal penyusunan rencana, dimana dalam penyusunan ini melibatkan masalah peramalan juga. Dengan demikian dapat dikatakan bahwa peramalan merupakan dasar untuk menyusun rencana karena akan membantu dalam mengadakan analisis terhadap data dari masa lalu. Sehingga dengan metode peramalan akan memberikan cara pemikiran, pengerjaan yang teratur dan terarah serta perencanaan yang sistematis hingga memberikan ketepatan hasil analisis. 2.8 Metode Pemulusan (Smoothing ) Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Secara umum Metode smoothing diklasifikasikan menjadi dua bagian, yaitu: 1. Metode Rata-rata

15 Metode rata-rata dibagi atas empat bagian, yaitu: a. ilai tengah (mean) b. Rata-rata bergerak tunggal (Single Moving average). c. Rata-rata bergerak ganda (Double Moving average). d. Kombinasi rata-rata bergerak lainnya. Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu dalam mengembangkan suatu sistem peramalan pada periode mendatang. 2. Metode Pemulusan Eksponensial Bentuk umum dari metode pemulusan eksponensial adalah: Dimana : F t+1 = α X t + ( 1 α ) F t F t+1 X t F t α : ramalan satu periode ke depan : data actual pada periode ke-t : ramalan pada periode ke-t : parameter pemulusan Metode smoothing eksponensial terdiri atas: 1. Smoothing Eksponensial Tunggal 2. Smoothing Eksponensial Ganda a. Metode linier satu parameter dari brown b. Metode dua parameter dari holt 2.9 Metode Smoothing yang Digunakan

16 Untuk mendapatkan hasil yang baik harus diketahui cara peramalan yang tepat. Maka metode peramalan analisis time series yang digunakan untuk meramalkan nilai penjualan energi listrik pada pemecahan masalah ini adalah dengan menggunakan Metode Smoothing Ekspononsial Ganda yaitu Smoothing Eksponensial Satu Parameter dari Brown. Metode ini merupakan metode yang dikemukakan oleh brown. Dasar pemikiran dari Metode Smoothing eksponensial Linier Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Persamaan yang dapat dipakai dalam pelaksanaan Pemulusan Eksponensial Linier Satu Parameter dari Brown adalah sebagai berikut : S t = α X t + ( 1 α ) S t-1 S t = α X t + ( 1 α ) S t-1 a t = S t + (S t - S t ) = 2 S t S t b t = α ( S t - S t ) 1 α F t+m = a t + b t m Dimana : S t S t = nilai pemulusan eksponensial tunggal = nilai pemulusan eksponensial ganda a t, b t = konstanta pemulusan

17 F t+m = hasil peramalan untuk m periode ke depan yang akan diramalkan 2.10Ketepatan Ramalan Ketepatan ramalan adalah satu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala (time series) dari data masa lalu dapat diramalkan situasi yang akan terjadi pada masa yang akan datang, untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan. Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain: 1. ME (Mean Error) / ilai Tengah Kesalahan ME = t=1 et 2. MSE ( Mean Square Absolut Error) / ilai Tengah Kesalahan Kuadrat MSE = 2 et t=1

18 3. MAE ( Mean Abslut Error ) / ilai Tengah Kesalahan Absolut MAE = t=1 e t 4. MAPE ( Mean Absolut Percentage Error ) / ilai Tengah Kesalahan Persentase Absolut MAPE = t=1 PE t 5. MPE ( Mean Percentage Error ) / ilai Tengah Kesalahan Persentase MPE = t=1 PE t 6. SSE ( Sum Square Error ) / Jumlah Kuadrat Kesalahan SSE = 2 e t t= 1 Dimana : e t Xt : X t F t : data aktual pada periode ke-t Pe t : X t Ft 100 ( kesalahan persentase pada peride ke-t ) X t F t : nilai ramalan pada peride ke-t : banyaknya periode waktu

19 Metode peramalan yang dipilih adalah Metode peramalan yang memberikan nilai MSE yang terkecil. BAB III SEJARAH DA STRUKTUR BPS

20 2.1 Sejarah Singkat Badan Pusat Statistik Kantor Badan Pusat Statistik (BPS) propinsi sumatera utara merupakan lembaga pemerintahan non departemen yang berada dibawah dan bertanggung jawab langsung kepada presiden. Badan Pusat Statistik ini ada sejak : Masa Pemerintahan Hindia Belanda Pada bulan februari 1920, kantor statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directur Van Land Bouw ijeverheid En Handel), dan kedudukan di bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik. Pada tahun 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 statistik di Indonesia. Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Voor De Statistiek (CKS) atau kantor statistik dan dipindahkan ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme statistik perdagangan

21 yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang sekarang disebut kantor Bea Cukai Masa Pemerintahan Jepang Pada bulan juni 1944 pemerintah jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini CKS diganti menjadi Shomubu Chosasitsu Gunseikanbu Masa Kemerdekaan Republik Indonesia Setelah Proklamasi Kemerdekaan Republik Indonesia (RI) tanggal 17 Agustus Kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia). Tahun 1946, Kantor KAPPURI dipindahkan ke Yogyakarta sebagai sekuens dari Perjanjian Linggar Jati. Sementara ini pemerintah Belanda (ICA) di Jakarta mengaktifkan kembali CKS. Berdasarkan surat edaran kementerian kemakmuran tanggal 12 juli 1950 nomor:219/s.c, KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah dan bertanggung jawab kepada kemakmuran. Dengan surat Menteri Perekonomian tanggal 1 maret 1952 omor : P/44,lembaga KPS berada dibawah dan bertanggung jawab perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24 Desember 1953 omor:18.009/m,kps dibagi menjadi

22 2 bagian yaitu bagian Research yang disebut Afdeling A dan bagian penyelenggara tata usaha yang disebut Afdeling B. Dengan keputusan Presiden Republik Indonesia omor :131 tahun 1957, kementerian perekonomian dipecah menjadi kementerian Perdagangan dan Kementerian Perindustrian. Untuk selanjutnya Presiden Republik indonesia omor :172 tahun 1957, terhitung mulai tanggal 1 juni 1957 KPS diubah menjadi Biro Pusat Statistik dan urusan statistik semula menjadi tanggung jawab dan wewenang berada di bawah Perdana Menteri Masa Orde Baru sampai Sekarang Pada pemerintah Orde Baru khususnya untuk memenuhi kebutuhan perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenaran organisasi Biro Pusat Statistik. Dalam masa Orde Baru ini Badan Pusat Statistik telah mengalami empat (4) kali perubahan struktur organisasi : a) Peraturan pemerintah omor : 16 tahun 1968 tentang organisasi Badan Pusat Statistik. b) Peraturan pemerintah omor : 6 tahun 1980 tentang organisasi Badan Pusat Statistik. c) Peraturan pemerintah omor : 2 tahun 1992 tentang kedudukan, tugas, fungsi,susunan dan tata kerja Biro Pusat Statistik. d) Undang undang omor :16 tahun 1997 tentang statistik.

23 e) Keputusan Presiden Republik Indonesia omor :86 tahun 1998 tentang Badan Pusat Statistik. f) Keputusan kepala Badan Pusat Statistik omor :100 tahun 1998 tentang organisasi dan tenaga kerja Badan Pusat Statistik. g) Peraturan Pemerintah omor : 51 tahun 1999 tentang penyelenggaraan statistik. Tahun 1968, ditetapkan peraturan pemerintah omor : 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980 peraturan pemerintah omor : 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah omor : 6 tahun 1980 di tiap provinsi terdapat perwakilan Badan Pusat Statistik dengan nama kantor Statistik Provinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti undang undang omor : 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 juni 1998 dengan Keputusan Pre Statistik, sekaligus mengatur tata kerja dan struktur Organisasi Badan Pusat Statistik yang baru. 2.2 Struktur Organisasi Badan Pusat Statistik Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan. Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu

24 perusahaan dalam mencapai tujuan yang ditetapkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai / staf tersebut. Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi ini dan staf. Struktur ini mengandung unsur unsur spesialisasi kerja, standardisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja. Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat Statistik (BPS) Propinsi Sumatera Utara adalah : a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan kegiatan yang saling berhubungan satu sama lain. b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi manajemen. c. Pembuatan keputusan yaitu membuat keputusan keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut. Adapun bagan atau struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut:

25 Peraturan Presiden Republik Indonesia omor : 86 tahun 1998 ditetapkan Badan Pusat sebagaimana dalam lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin seorang Kepala Kantor. Kepala Kantor dibantu bagian tata usaha yang terdiri dari : a. Sub Bagian Urusan Dalam b. Sub Bagian Perlengkapan c. Sub Bagian Keuangan d. Sub Bagian Kepegawaian e. Sub Bagian Bina Potensi / Bina Program Sedangkan Bidang Penunjang Statistik terdiri dari lima (5) bidang yaitu : 1. Bidang Statistik Produksi Bidang statistik Produksi mempunyai tugas untuk melaksanakan kegiatan Statistik Pertanian, Industri, Konstruksi pertambangan dan energi. 2. Bidang Statistik Distribusi Bidang Statistik ditribuisi mempunyai tugas untuk melaksanakan kegiatan statistik konsumen dan perdagangan besar, statistik keuangan dan harga produsen serta niaga dan jasa. 3. Bidang Statistik Sosial Bidang Statistik kependudukan mempunyai tugas yaitu melaksanakan kegiatan demografi dan rumah tangga, ketenagakerjaan, serta statistik kesejahteraan. 4. Bidang Integrasi Pengolahan dan Diseminasi Statitik (IPDS)

26 Penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan komputer. 5. Bidang eraca Wilayah dan Analisis Statistik Mempunyai tugas untuk penyusunan neraca Produksi, eraca konsumsi, dan Akumulasi penyajian analisis serta kegiatan penerapan statistik. 2.3 Tugas dan Wewenang Masing Masing Bagian di Badan Pusat Statistik Wewenang (authority) adalah : hak untuk melakukan sesuatu atau memerintahkan orang lain untuk melakukan atau tidak melakukan sesuatu agar tercapai tujuan tertentu. Contoh: seorang manager suatu organisasi mempunyai hak untuk memberi perintah dan tugas serta menilai pelaksanaan kerja bawahannya. Tugas adalah: kewajiban untuk melakukan sesuatu agar tercapai tujuan tertentu. Contoh: sekretaris yang mengarsip surat, membuat notulen rapat Bagian Tata Usaha a. Menyusun program kerja tahun bidang.

27 b. Mengatur dan melaksanakan penghimpunan barang dan penyusunan program kerja tahunan baik rutin maupun proyek kantor statistik propinsi dan menyampaikan ke Badan Pusat Statistik. c. Mengatur dan melaksanakan urusan dalam yang meliputi surat surat penggandaan atau percetakan kearsipan, rumah tangga dan pemeliharaan gedung keamanan dan lingkungan serta perjalanan dinas maupun luar negeri. d. Mengatur dan melaksanakan urusan perlengkapan dan perbekalan yang meliputi penyusunan, penyimpanan atau penggudangan, inventarisasi dan penghapusan serta pemeliharaan perlengkapan. e. Mengatur dan melaksanakan urusan dan keuangan yang meliputi tata usaha keuangan, perbankan, vertikasi dan pembukuan. f. Mengatur dan melaksanakan urusan dan mutasi pegawai, pembinaan pegawai, kesejahteraan pegawai, administrasi jabatan dan fungsional, hukum,organisasi tata laksana serta penyajian. g. Menyusun laporan kegiatan bagian secara berkala dan sewaktu waktu. h. Mengatur dan melaksanakan urusan penyelenggaraan berbagai pelatihan teknis dan pelatihan administratif Bidang Statistik Produksi a. Menyusun program kerja tahunan bidang yang meliputi kegiatan statistik pertanian, industri, konstruksi energi dan statistik produksi lainnya yang ditemukan.

28 b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat dibidang statistik produksi. c. Mengatur dan mengkordinasikan penyelenggaraan pelatihan petugas lapangan di pusat pelatihan serta mengatur penjatahan pelatihannya. d. Membantu kepala kantor Badan Pusat Statistik Propinsi atau pimpinan bagian proyek untuk menyiapkan program pelatihan petugas lapangan. e. Mengatur dan melaksanakan penjatahan dan pengawasan lapangan terhadap pelaksanaan lapangan produksi. f. Mengatur dan melaksanakan pengawasan dan pemeriksaan dokumen hasil pengumpulan data statistik produksi. g. Bersama-sama dengan bidang pengolahan data, mengatur dan menyiapkan data statistik produksi melalui komputer sesuai yang diterapkan. h. Mengatur dan melaksanakan evaluasi hasil kerja kegiatan statistik produksi. i. Mengatur dan menyiapkan hasil pengolahan statistik produksi yang akan dikirim ke pusat melalui komputer sesuai dengan jadwal yang ditentukan. j. Membantu kepala kantor badan pusat statistik propinsi melakukan pembinaan secara teratur petugas pencacah, pengawas dan pemeriksaan pengumpulan data statistik produksi, kabupaten, kotamadya, maupun di kecamatan Bidang Statistik Distribusi

29 a. Menyusun program kerja tahunan bidang yang meliputi pelaksanaan kegiatan statistik pertanian, industri pertambangan, energi dan satistik produksi lainnya yang ditentukan. b. Mengatur keikutsertaan program pelatihan yang diselenggarakan oleh pusat di bidang statistik produksi. c. Membantu kepala kantor Badan Pusat Statistik memimpin proyek untuk menyiapkan proyek tugas lapangan. d. Mengatur dan mengkoordinasikan penyelenggaraan petugas lapangan di pusat pelatihan serta mengatur pelatihan. e. Mengatur dan melaksanakan dokumen yang diperlukan untuk pelaksanaan lapangan, melakukan pembinaan dan pengawasan terhadap kegiatan statistik produksi. f. Melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan terhadap pelaksanaan kegiatan statistik produksi. g. Mengatur dan melaksananakan penerimaan dan pemeriksaan dokumen hasil pengumpulan data statistik distribusi. h. Mengatur dan melaksanakan pengolahan data statistik distribusi secara sederhana sesuai yang diterapkan oleh pusat. i. Bersama-sama dengan bidang pengolahan data dan menyiapkan pengolahan statistik distribusi melalui komputer sesuai yang diterapkan. j. Mengatur dan mengevaluasi hasil kegiatan statistik distribusi sebagai bahan masukan untuk peyempurnaan selanjutnya.

30 k. Membantu kepala kantor Badan Pusat Statistik propinsi melakukan pembinaan secara teratur petugas pencacah,pengawas dan pemeriksaan penyimpulan data statistik produksi, kabupaten,kotamadya ataupun di kecamatan Bidang Statistik Sosial a. Menyusun program kerja tahunan bidang-bidang yang utama ruang lingkup bidang statistik kependudukan adalah meliputi pelaksanaan kegiatan statistik demokratis dan rumah tangga dan statistik kepedudukan lainnya. b. Mengatur keikutsertaan program lainnya yang akan diselenggrakan oleh statistik bidang penduduk. c. Membantu kepala kantor Badan Pusat Statistik propinsi atau pimpinan bagian proyek untuk menyiapkan pengolahan latihan tugas lapangan d. Mengatur dan mengkoordinasi penyelenggaran latihan tugas lapangan di pusat serta mengatur penjatahan pelatihannya. e. Mengatur dan melaksanakan penjatahan dokumen untuk melaksanakan tugas lapangan. f. Melakukan pembinaan dan pengawasan lapangan terhadap pengawasan kegiatan statistik kependudukan. g. Bersama-sama dengan bidang pengolahan data mengatur dan menyiapkan pengolahan data statistik kependudukan melalui komputer sesuai yang ditetapkan

31 h. Mengatur dan melaksanakan penerimaan dokumen hasil dari pengumpulan data statistik kependudukan i. Mengatur dan menyiapkan pengolahan data statistik kependudukan yang akan dikirim ke pusat sesuai dengan jadwal yang ditetapkan. j. Mengatur dan melaksanakan evaluasi hasil pengolahan statistik kependudukan sebagai bahan untuk penyempurnaan Bidang Integrasi Pengolahan dan Diseminasi Statistik a. Menyusun program kerja tahunan b. Melaksanakan penyusunan, pemeliharaan, penyelesaian permasalahan dan pengembangan sistem jaringan komunikasi data sesuai dengan aturan yang ditetapkan serta membantu penyerapan teknologi informasi c. Mengatur dan melaksanakan keikutsertaan dalam program latihan yang diselenggarakan oleh Badan Pusat Statistik dalam bidang pengolahan, penyajian dan pelayanan statistik. d. Melaksanakan koordinasi pengolahan dan pemeliharaan perangkat keras dan perangkat lunak serta menyusun sistem pengolahan data e. Mengatur integrasi penggunaan sistem dan program aplikasi pengolahan data statistik seperti data statistik kependudukan, data statistik produksi dan data statistik distribusi termasuk sarana pendukungnya. f. Melaksanakan kajian evaluasi kebutuhan dan pengolahan data termasuk bahan komputer yang bekerja sama dengan satuan organisasi terkait.

32 2.4 Ruang Lingkup Kegiatan Kantor BPS Propinsi Sumatra Utara a. Merencanakan kegiatan badan pusat statistik untuk dilaksanakan misalnya : jenis data yang akan dikumpulkan, kegunaan data dan lain-lain. b. Mengumpulkan data badan pusat statistik Sesudah dikumpulkan data sebelumnya agar data yang diperlukan itu dapat dipergunakan dengan sebaik-baiknya Mengolah data badan pusat statistik sesudah dikumpulkan data tersebut satu persatu kemudian data diolah kembali. c. Menyajikan Data Badan Pusat Statistik Kantor Badan Pusat Statistik adalah merupakan suatu sumber atau pusat informasi yang dapat mempermudah masyarakat untuk mengetahui tentang perkembangan negara Indonesia. d. Menganalisis data Badan Pusat Statistik Kemudian data tersebut dianalisisatau dibahas terhadap data statistik tersebut juga, dan disebar luaskan.misalnya Indikator pendapatan, Proyeksi keadaan perekonomian dan ketenaga kerjaan di Indonesia, Analisis Badan Pusat Statistik perbankan, dan lembaga keuangan lainnya. e. Memasyarakatkan data Badan Pusat Statistik Sesudah selesai dikerjakan seluruhnya baru dat tersebut dimasyarakatkan kepada seluruh lapisan masyarakat ini agar tercipta tujuan yang akan dicapai.

33 BAB 4 AALISIS DATA 4.5 Arti 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 parsial ataupun keseluruhan. Untuk pemecahan masalah perlu dilakukan suatu analisis dan pengolahan data. Data yang akan diolah adalah data nilai penjualan energi listrik di PT. PL PERSERO CABAG BIJAI dari tahun Analisis yang dipakai dalam pengolahan data ini adalah analisis pemulusan eksponensial ganda. 4.6 Analisis Pemulusan Eksponensial Ganda Pada bagian ini penulis menentukan nilai parameter yang akan digunakan, dimana nilai parameter (α ) besarnya antara 0 < α < 1 dengan cara trial dan error. Adapun langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan Metode Linier Satu Parameter dari Brown adalah :

34 1. Menentukan harga parameter smoothing eksponensial yang besarnya dari 0 < α <1 2. Menghitung harga pemulusan eksponensial tunggal dengan menggunakan persamaan : S t = α X t + ( 1 α ) S t Menghitung harga pemulusan eksponensial ganda dengan menggunakan persamaan : S t = α X t + ( 1 α ) S t-1 4. Menghitung koefisien a t dan b t dengan menggunakan persamaan : a t = S t + (S t - S t ) = 2 S t S t b t = α ( S t - S t ) 1 α 5. Menghitung trend peramalan (Ft+Metode) dengan menggunakan persamaan : F t+m = a t + b t m

35 Tabel 4.1 ilai Penjualan Energi Listrik di PT.PL (PERSERO) CABAG BIJAI o Tahun ilai Penjualan (Milyar rupiah) , , , , , , , , , , , ,61 Sumber : BPS

36 4.7 Metode Pemulusan Eksponensial Ganda Satu Parameter Dari Brown Penaksiran Model Peramalan Dalam pengolahan dan penganalisisan data, penulis mengaplikasikan data pada tabel 4.1 dengan metode peramalan (forecasting) berdasarkan metode pemulusan eksponensial satu parameter dari Brown. Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang, maka terlebih dahulu kita menentukan parameter nilai α yang biasanya secara trial and error (coba dan salah). Suatu nilai α dipilih yang besarnya 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan masing-masing kesalahan untuk masingmasing item 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 hasil ramalan kemudian tiap error dikuadratkan dan dibagi dengan banyaknya error. Secara matematis rumus MSE (Mean Square Error ) adalah sebagai berikut :

37 Tabel 4.2 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.1 X t S t ' S" a t b t f t+m e e Untuk α = 0.1, = 10 maka : 1. SSE = 2 e t t= 1

38 = MSE = = 2 et t= ,4 10 = 13740,44 Tabel 4.3 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.2 X t S t ' S" a t b t f t+m e e Untuk α = 0.2, = 10 maka :

39 1. SSE = 2 e t t= 1 = 50893,71 2. MSE = = 2 et t= ,71 10 = Tabel 4.4 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.3 X t S t ' S" a t b t f t+m e e 2 41,47 41,47 41, ,27 43,51 42,082 44,938 0, ,15 51,653 44, ,3527 2, ,55 10,6 112,36 72,98 63, , , , ,224 11, , ,05 76, , , , ,4795 3, , ,83 96, , , , ,744 17, , ,49 124, , , , ,91 21, , ,86 165, , ,809 23, ,679 43, , ,19 223, , , , , , , ,05 280, , , , ,3677 2, , ,75 330, , ,886 43, , , , ,61 375, , , , , , , ,32 Untuk α = 0.3, = 10 maka :

40 1. SSE = 2 e t t= 1 = 21752,32 2. MSE = = 2 et t= ,32 10 = 2175,232 Tabel 4.5 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.4 X t S t ' S" a t b t f t+m e e 2 41,47 41,47 41, ,27 44,19 42,558 45,822 1, ,15 48,974 45, ,8236 2, ,91 9,24 85, ,98 58, , ,6476 5, ,39 17,59 309, ,05 69, , , , , , , ,83 89, , , , , , , ,49 116, , , , , , , ,86 158, , , , , , , ,19 216, , , , , , , ,05 265, , , , , , , ,75 300, , , , , , , ,61 327, , , , , , , ,33

41 Untuk α = 0.4, = 10 maka : 1. SSE = 2 e t t= 1 = 14179,33 2. MSE = = 2 et t= ,33 10 = 1417,933 Tabel 4.6 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.5 X t S t ' S" a t b t f t+m e e 2 41,47 41,47 41, ,27 44,87 43,17 46,57 1, ,15 50,51 46,84 54,18 3,67 48,27 7,88 62, ,98 61,745 54, ,1975 7, ,85 15,13 228, ,05 73, ,845 82,95 9, ,65 8,4 70,56 118,83 96, , , , , , , ,49 126, , , , , , , ,86 174, , , , , , , ,19 238, , , , , , , ,05 289, , , , ,6602 1, , ,75 320, , , , , , , ,61 345, , ,735 32, , , , ,5

42 Untuk α = 0.5, = 10 maka : 1. SSE = 2 e t t= 1 = 10178,5 2. MSE = = 2 et t= ,5 10 = 1017,85 Tabel 4.7 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.6 X t S t ' S" a t b t f t+m e e 2 41,47 41,47 41, ,27 45,55 43,918 47,182 2, ,15 51,91 48, ,1068 4, ,63 6,52 42, ,98 64,552 58, , , ,902 13, , ,05 76, , , , ,3908 4, , ,83 102, , , , , , , ,49 134, , , , , , , ,86 186, , , , , , , ,19 256, , , , , , ,168

43 340,05 306, , , , , , , ,75 333, , , , , , , ,61 355, , ,901 27, ,429-26, , ,57 Untuk α = 0.6, = 10 maka : 1. SSE = 2 e t t= 1 = 7983,57 2. MSE = = 2 et t=1 7983,57 10 = 798,357 Tabel 4.8 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.7 X t S t ' S" a t b t f t+m e e 2 41,47 41,47 41, ,27 46,23 44,802 47,658 3, ,15 53,174 50, ,6856 5, ,99 5,16 26, ,98 67, , , , ,546 11, , ,05 79, , , , ,414 1,636 2,676496

44 118,83 107, , , , , , , ,49 141, , , , , , , ,86 197, , , , , , , ,19 271, , ,956 66, , , , ,05 319, , , , , , , ,75 342, , , , , , , ,61 361, , , , ,542-17, , ,819 Untuk α = 0.7, = 10 maka : 1. SSE = 2 e t t= 1 = 6428, MSE = = 2 et t=1 6428, = 642,8819 Tabel 4.9 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.8 X t S t ' S" a t b t f t+m e e 2 41,47 41,47 41,

45 48,27 46,91 45,822 47,998 4, ,15 54,302 52,606 55,998 6,784 52,35 3,8 14,44 72,98 69, , , , ,782 10, , ,05 81, , , , ,8828-0,8328 0, ,83 111, , , , , , , ,49 147, , ,998 34, , , , ,86 206, , , , , , , ,19 283, , , , , , , ,05 328, , , , , , , ,75 347, , ,353 24, , , , ,61 365, , , , ,1011-8, , ,316 Untuk α = 0.8, = 10 maka : 1. SSE = 2 e t t= 1 = 5381, MSE = = 2 et t=1 5381, = 538,1316 Tabel 4.10 Peramalan ilai Penjualan Energi Listrik dengan Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown dengan menggunakan α = 0.9

46 X t S t ' S" a t b t f t+m e e Untuk α = 0.9, = 10 maka : 1. SSE = 2 e t t= 1 = 14, MSE = = 2 et t=1 4683, = 468,3191

47 Kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang memberikan MSE yang terkecil / minimum. Perbandingan ukuran ketepatan metode peramalan peningkatan nilai penjualan energi listrik di Binjai dengan melihat MSE sebagai berikut : Tabel 4.11 Perbandingan Ukuran Ketepatan Metode Peramalan α MSE , , , , , , , , ,3191 Dari tabel 4.11 di atas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil / minimum yaitu pada α = 0.9 yaitu dengan MSE = 468,3191

48 Tabel 4.12 Pemulusan Eksonensial Linier Satu Parameter dari Brown dengan menggunakan α = 0.9 pada ilai Penjualan Energi Listrik di PT.PL (PERSERO) CABAG BIJAI X t S t ' S" a t b t f t+m e e Penentuan Bentuk Persamaan Peramalan Setelah ditentukan harga parameter smoothing eksponensial yang besarnya 0 < α < 1dengan cara trial and error didapat perhitungan peramalan smoothing eksponensial linier satu parameter dari Brown dengan α = 0.9. Perhitungan pada tabel 4.12 di atas didasarkan pada α = 0.9 dan ramalan untuk suatu periode kedepan yaitu dalam perhitungan periode ke 12. seperti yang sudah

49 dijelaskan pada bab 2 (landasan teori) persamaan yang dipakai dalam perhitungan peramalan adalah sebagai berikut : S t = α X t + ( 1 α ) S t-1 S t = α X t + ( 1 α ) S t-1 a t = S t + (S t - S t ) = 2 S t S t b t = α ( S t - S t ) 1 α F t+m = a t + b t m Berdasarkan data terakhir dapat dibuat peramalan untuk satuan tahun berikutnya dengan bentuk persamaan peramalan : F t+m = a t + b t m F t+m = 369, ,54971(m) 4.8 Peramalan ilai Penjualan Energi Listrik Setelah diketahui error yang terdapat pada model peramalan, maka dilakukan peramalan nilai penjualan energi listrik untuk tahun 2007 dan 2008 dengan menggunakan persamaan :

50 F t+m = 369, ,54971(m) Setelah diperoleh model peramalan nilai penjualan energi listrik, maka dapat dihitung untuk 2 periode kedepan yaitu untuk tahun 2007 dan 2008 seperti di bawah ini : a. Untuk periode ke 13 (tahun 2007) F t+m = 369, ,54971 (m) F 12+1 = 369, ,54971 (1) F 13 = 387,16101 b. Untuk periode ke 14 (tahun 2008) F t+m = 369, ,54971 (m) F 12+2 = 369, ,54971 (2) F 13 = 404,71072 Tabel 4.13 Peramalan ilai Penjualan Energi Listrik di PT. PL PERSERO CABAG BIJAI Untuk ahun 2007 dan 2008

51 Tahun Periode Peramalan , ,71072 Sumber : Perhitungan BAB 5 IMPLEMETASI SISTEM 5.2 Microsoft Excel Microsoft Excel merupakan program aplikasi lembar kerja elektronik (spread sheet) dari program paket Microsoft Office. Excel merupakan salah satu software pengolah angka yang cukup banyak digunakan di dunia. Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data yang berbentuk angka, dihitung, diproyeksikan, dianalisis dan dipresentasikan data

52 pada lembar kerja. Microsoft telah mengeluarkan Excel dalam berbagai versi mulai dari versi 4, versi 5, versi 97, versi 2000, versi 2002 dan versi Sheet (lembar kerja) Excel terdiri dari 256 kolom dan baris. Kolom diberi nama dengan huruf mulai dari A, B, C,..., Z kemudian dilanjutkan AA, AB, AC, sampai kolom IV. Sedangkan 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 windows seperti word, access dan powerpoint. Keunggulan program spreadsheet ini adalah mudah dipakai, fleksibel, mudah terintegrasi dengan aplikasi berbasis windows. Langkah-langkah Memulai Pengolahan data dengan Excel : Sebelum mengoperasikan software ini, pastikan bahwa pada computer terpasang program Excel. Langkah-langkahnya adalah : a. Klik tombol start b. Pilih program dan klik Microsoft Excel c. Setelah itu akan muncul tampilan worksheet (lembaran kerja) seperti di bawah ini

53 Gambar 5.1 Tampilan Lembar Kerja Excel Data tiap tahun ditulis pada 3 kolom pertama periode, tahun dan nilai penjualan energi listrik dalam milyaran rupiah.

54 Gambar 5.2 Tampilan Lembar Kerja Excel dalam menentukan besarnya peramalan dengan α = 0.9 Dari data di atas kita dapat menentukan besarnya forecast (ramalan ) dengan α = 0.9 dan untuk setiap perhitungan akan diberi nama tiap kolom seperti berikut ini : 1. Pada kolom ke-empat ditulis keterangan S t 2. Pada kolom ke-lima ditulis keterangan S t 3. Pada kolom ke-enam ditulis keterangan a t 4. Pada kolom ke-tujuh ditulis keterangan b t 5. Pada kolom ke-delapan ditulis keterangan f t+m (forecast) 6. Pada kolom ke-sembilan ditulis keterangan dengan error (e)

55 7. Pada kolom ke-sepuluh ditulis keterangan square error (e 2 ) Maka perhitungan masing-masing pemulusan pertama, pemulusan kedua, konstanta, slope, forecast, error dan square error adalah sebagai berikut : 1. Pemulusan pertama Untuk tahun pertama yaitu tahun 1995 ditentukan sebesar periode pertama data historisnya, sehingga rumus yang tertera pada sel D2 adalah =C2. sedangkan untuk periode kedua yaitu tahun 1996 pada sel D3 dapat menggunakan rumus =((0.9*C3)+((1-0.9)*D2)). Dalam kasus ini untuk sel D3 menghasilkan angka 47,59 untuk periode ketiga sampai periode 12 kita tinggal menyalin rumus pada sel D3. 2. Pemulusan kedua Untuk periode pertama yaitu tahun 1995 ditentukan sebesar periode pertama data historisnya, sehingga rumus yang tertera pada sel E2 adalah C2. Sedangkan untuk periode kedua yaitu tahun 1996 pada sel E3 dapat menggunakan rumus =((0.9*D3)+((1-0.9)*E2)). Dalam kasus ini untuk sel C3 menghasilkan angka 46,978 untuk periode ketiga sampai periode 12 kita tinggal menyalin rumus pada sel C3. 3. ilai a t baru bisa dicari pada periode kedua yaitu pada tahu Rumus yang digunakan untuk sel F3 adalah = (2*D3)-E3 sehingga akan menghasilkan angka 48,202. Untuk periode ketiga sampai periode kedua kita tinggal menyalin rumus pada F3.