APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA BROWN DALAM MERAMALKAN JUMLAH PENDUDUK BERDASARKAN JENIS KELAMIN DI KOTA MEDAN

dokumen-dokumen yang mirip
Evelina Padang, Gim Tarigan, Ujian Sinulingga

BAB 1 PENDAHULUAN Latar Belakang

PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS

BAB 2 TINJAUAN TEORITIS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Sejalan dengan kemajuan dan peningkatan taraf kehidupan, maka jumlah

BAB II TINJAUAN PUSTAKA. masa yang akan datang. Sedangkan ramalan adalah suatu situasi yang diperkirakan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Indonesia merupakan negara agraris karena memiliki tanah yang subur. Karena

BAB 1 PENDAHULUAN. Indonesia merupakan salah satu negara berkembang yang dengan giat melakukan

PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS

ANALISIS KELAYAKAN RENCANA PEMBUKAAN SHOWROOM MOBIL OLEH PT XYZ BERDASARKAN RAMALAN PERMINTAAN DI BANDA ACEH

PENERAPAN METODE GOAL PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI TEH (Studi Kasus: PT Perkebunan Nusantara IV Pabrik Teh Bah Butong)

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Kabupaten Mandailing Natal merupakan daerah yang memiliki potensi sumber daya

BAB 2 LANDASAN TEORITIS

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA

BAB 3 PENGOLAHAN DATA

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA

BAB. 1 PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN. Semenjak terjadinya krisis ekonomi, mengakibatkan lumpuhnya sendi-sendi

BAB 2 LANDASAN TEORI

PENGENDALIAN PERSEDIAAN MINYAK SAWIT DAN INTI SAWIT PADA PT PQR DENGAN MODEL ECONOMIC PRODUCTION QUANTITY (EPQ)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pengangguran merupakan masalah ekonomi makro yang berpengaruh langsung bagi

PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL PERGERAKAN INFLASI KOTA PALU

PENGOPTIMALAN PERSEDIAAN DENGAN METODE SIMPLEKS PADA PT. XYZ

APLIKASI METODE CUTTING PLANE DALAM OPTIMISASI JUMLAH PRODUKSI TAHUNAN PADA PT. XYZ. Nico, Iryanto, Gim Tarigan

Trigustina Simbolon, Gim Tarigan, Partano Siagian

BAB 2 TINJAUAN TEORITIS. Seperti diketahui PDRB adalah penjumlahan dari seluruh Nilai Tambah Bruto (NTB)

APLIKASI PROGRAM DINAMIK UNTUK MENGOPTIMALKAN BIAYA TOTAL PADA PENGENDALIAN PRODUKSI MINYAK SAWIT DAN INTI SAWIT

BAB 2 TINJAUAN TEORITIS. Semua barang dan jasa sebagai hasil dari kegiatan-kegiatan ekonomi yang beroperasi

DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENGENDALIAN PERSEDIAAN PRODUKSI CRUDE PALM OIL (CPO) MENGGUNAKAN MODEL ECONOMIC PRODUCTION QUANTITY (EPQ) PADA PKS. PT. ABC

BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan untuk memperkirakan apa yang akan

BAB 2 LANDASAN TEORI

Siska Ernida Wati, Djakaria Sebayang, Rachmad Sitepu

METODE PEMULUSAN (SMOOTHING)

Anri Aruan, Rosman Siregar, Henry Rani Sitepu

BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN (Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)

BAB 2 LANDASAN TEORI. sama setiap hrinya. Pada bulan-bulan tertentu curah hujan sangat tinggi dan pada

BAB 1 PENDAHULUAN. Ekomoni adalah salah satu hal yang terpenting untuk dipelajari. Karena ekonomi

BAB 2 LANDASAN TEORI. datang dengan waktu yang relatif lama (assaury, 1991). Secara teoritis peramalan

BAB II TINJAUAN PUSTAKA

ANALISIS PENGARUH CURAH HUJAN DI KOTA MEDAN

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. Produksi jagung merupakan hasil bercocok tanam, dimana dilakukan penanaman bibit

Perkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri

PREDIKSI HARGA DAGING SAPI DI PEKANBARU DENGAN METODE PEMULUSAN EKSPONENSIAL TRIPEL WINTER

PENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE BAYES PADA EKSPEKTASI FUNGSI UTILITAS. Selvira Lestari Siregar, Suwarno Ariswoyo, Pasukat Sembiring

PREDIKSI KEBUTUHAN BERAS DI PROVINSI SUMATERA UTARA TAHUN DENGAN METODE FUZZY REGRESI BERGANDA. Ristauli Pakpahan, Tulus, Marihat Situmorang

BAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi

HALASAN B SIRAIT, PARAPAT GULTOM, ESTHER S NABABAN

Dian Kristanti 1) 1 Prodi Pendidikan Matematika, STKIP Bina Bangsa Meulaboh.

BAB 2 LANDASAN TEORI

BAB 3 PENGOLAHAN DATA

OPTIMASI MASALAH TRANSPORTASI DENGAN MENGGUNAKAN METODE POTENSIAL PADA SISTEM DISTRIBUSI PT. XYZ

2015 RANCANG BANGUN SISTEM APLIKASI PERAMALAN JUMLAH MUATAN KAPAL RO-RO DENGAN METODE WINTER S TIGA PARAMETER

APLIKASI MANN-WHITNEY UNTUK MENENTUKAN ADA TIDAKNYA PERBEDAAN INDEKS PRESTASI MAHASISWA YANG BERASAL DARI KOTA MEDAN DENGAN LUAR KOTA MEDAN

ANALISIS PERAMALAN DENGAN MENGGUNAKAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL ABSTRACT

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

PENERAPAN METODE BRANCH AND BOUND DALAM MENENTUKAN JUMLAH PRODUKSI OPTIMUM PADA CV. XYZ. Angeline, Iryanto, Gim Tarigan

BAB IV METODE PERAMALAN

BAB 2 LANDASAN TEORI

Polres Tapanuli Selatan merupakan bagian dari Kepolisian Republik Indonesia yang melayani di bidang pemeliharan dan keamanan, ketertiban

BAB 2 LANDASAN TEORI

ANALISIS PERSEDIAAN BAHAN BAKU SAYUR OLAHAN PADA PT. AAA

BAB 1 PENDAHULUAN. hasil penjualan yang setinggi-tingginya, memperoleh pelanggan baru, dan

BAB 2 LANDASAN TEORI

Saintia Matematika ISSN: Vol. 2, No. 2 (2014), pp

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN Oleh: Norma Endah Haryati ( )

Saintia Matematika ISSN: Vol. 2, No. 3 (2014), pp FAKTOR YANG MEMPENGARUHI KESADARAN WAJIB PAJAK PBB (PAJAK BUMI DAN BANGUNAN)

BAB 1 PENDAHULUAN. barang yang dimaksud terdiri dari barang dari dalam negeri, barang dari luar negeri,

ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT DI KOTAMADYA SIBOLGA

METODE SUBGRADIEN PADA FUNGSI NONSMOOTH

BAB 2 TINJAUAN TEORITIS. 2.1 Produk Domestik Regional Bruto

BAB 1 PENDAHULUAN. energi perlu dilaksanakan secara berdayaguna dan berhasilguna. Dilihat dari

BAB I PENDAHULUAN. Sejak kondisi ekonomi dan bisnis selalu berubah setiap waktu, maka para

PENERAPAN TEORI PERMAINAN DALAM STRATEGI PEMASARAN PRODUK BAN SEPEDA MOTOR DI FMIPA USU

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS ESTIMASI PERUBAHAN MINAT MAHASISWA UNIVERSITAS SUMATERA UTARA TERHADAP TUJUH OPERATOR GSM

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

TRANSFORMASI WAVELET DISKRIT PADA SINTETIK PEMBANGKIT SINYAL ELEKTROKARDIOGRAM

BAB I PENDAHULUAN 1.1 Latar Belakang

Togu P. Marpaung, Normalina Napitupulu, Rachmad Sitepu

ANALISIS DAN SIMULASI SISTEM ANTRIAN PADA BANK ABC

INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN

ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT PRODUKSI PADI SAWAH DI KABUPATEN PADANG LAWAS

PENERAPAN ANALISIS KONJOIN PADA PREFERENSI MAHASISWA TERHADAP PEKERJAAN

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Rina Tinarty Sihombing, Henry Rani Sitepu, Rosman Siregar

BAB 3 ANALISA DATA. produksi kelapa sawit dari tahun 2007 sampai dengan tahun Tabel 3.1 Data Produksi Kelapa Sawit di

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

PEMODELAN PERAMALAN PENJUALAN PAKAN UDANG PADA PT CENTRAL PROTEINA PRIMA, TBK DENGAN METODE PEMULUSAN EKSPONENSIAL (EXPONENTIAL SMOOTHING) SKRIPSI

Peramalan Jumlah Penumpang Pada Siluet Tour And Travel Kota Malang Menggunakan Metode Triple Exponential Smoothing

ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG. Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan

Transkripsi:

Saintia Matematika Vol. 1, No. 1 (2013), pp. 11 18. APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA BROWN DALAM MERAMALKAN JUMLAH PENDUDUK BERDASARKAN JENIS KELAMIN DI KOTA MEDAN Hotlim P. Sirait, Ujian Sinulingga, Rachmad Sitepu Abstrak. Penelitian ini dilakukan untuk meramalkan jumlah penduduk berdasarkan jenis kelamin di kota Medan tahun 2012 dan 2013 dengan metode pemulusan eksponensial ganda Brown berdasarkan data dari tahun 1996 sampai dengan 2011. Dalam peramalan ini yang digunakan adalah data yang bersifat trend dan non musiman. Model peramalan jumlah penduduk berdasarkan jenis kelamin di kota Medan berdasarkan data dari tahun 1996 sampai dengan 2011 dengan pemulusan ganda brown. Dari hasil pembahasan diperoleh pertumbuhan jumlah penduduk jenis kelamin perempuan lebih tinggi dari laki-laki, dengan periode ke-17 atau pada tahun 2012 jumlah penduduk perempuan 1.076.449 orang dan jumlah penduduk lakilaki 1.050.230 sedangkan periode ke-18 atau tahun 2013 jumlah penduduk perempuan 1.081.913 orang dan jumlah penduduk laki-laki 1.054.004 orang 1. PENDAHULUAN Jumlah penduduk kota medan menurut jenis kelamin merupakan data berkala (time series) yang dikumpulkan menurut waktu untuk menggambarkan perkembangan atau pertumbuhan penduduk di kota medan pertahunnya. Data berkala tersebut digunakan untuk membuat ramalan dan Received 24-10-2012, Accepted 01-12-2012. 2010 Mathematics Subject Classification: 57R10 Key words and Phrases: Pemulusan eksponensial, forecasting, Metode Eksponensial ganda Brown. 11

Hotlim P. Sirait APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA 12 selanjutnya data hasil ramalan dapat berguna untuk dasar pembuatan perencanaan pemerataan penduduk, baik jangka pendek, menengah, maupun jangka panjang. Dimana untuk meramalkan jumlah penduduk penduduk kota medan tersebut digunakan eksponensial ganda Brown. 2. LANDASAN TEORI Pemulusan eksponensial linier satu-parameter dari Brown merupakan metode yang lebih disukai untuk data non-stasioner, karena metode ini mempunyai satu parameter (dibanding dua parameter Holt).[1]Persamaan yang di pakai dalam implementasi pemulusan eksponensial linear satu parameter dari Brown ditunjukan dibawah ini : Inisialisasi awal : S t = S t = X 1 Dimana : Dengan : a t = 2S t S t α b t = 1 α (S t S t ) (1) S t = αx t + (1 α)s t 1 S t = αs t + (1 α)s t 1 S t = nilai pemulusan eksponensial tunggal S t = nilai pemulusan eksponensial ganda α = parameter pemulusan eksponensial a t, b t = konstanta pemulusan 3. METODE PENELITIAN 1. Pengambilan data jumlah penduduk dari Badan Pusat Statistik (BPS) kota Medan. 2. Menguji nilai parameter-parameter pemulusan dengan cara trial and error.

Hotlim P. Sirait APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA 13 3. Perbandingan nilai M ean Squared Error(MSE) dan Sum Squared Error (SSE) yang terkecil dari parameter-parameter pemulusan yang diberikan oleh [4] dengan formula : MSE = SSE = n t=1 n t=1 e 2 t n e 2 t (2) 4. Perhitungan peramalan jumlah penduduk dengan eksponensial ganda Brown memakai nilai MSE dan SSE yang terkecil[4]. 5. Penarikan kesimpulan. 4. HASIL DAN PEMBAHASAN Berdasarkan pengambilan data jumlah penduduk dari Badan Pusat Statistik (BPS) Medan, diperoleh sebagai berikut : Tabel 1: Jumlah penduduk kota Medan no Tahun laki-laki perempuan 1 1996 942.427 952.888 2 1997 943.594 955.434 3 1998 944.379 956.688 4 1999 944.891 957.609 5 2000 945.847 958.426 6 2001 960.477 966.043 7 2002 979.106 984.776 8 2003 990.216 1.003.384 9 2004 995.968 1.010.174 10 2005 1.012.040 1.024.145 11 2006 1.027.607 1.039.681 12 2007 1.034.696 1.048.460 13 2008 1.039.707 1.062.398 14 2009 1.049.457 1.071.596 15 2010 1.036.926 1.060.684 16 2011 1.046.560 1.070.664 Sumber: BPS Medan (2007-2011)

Hotlim P. Sirait APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA 14 4.1 Jenis kelamin laki-laki Dengan menggunakan persamaan (1) maka data diatas diolah dengan nilai parameter pemulusan α = 0,1 ; α = 0,5 ; α = 0,95 sebagai berikut : Tabel 2: Data perhitungan peramalan jenis kelamin laki-laki α = 0,1 Tahun Xt S't S"t A b Ft et et*et 1996 942.427 942.427 942.427 0 0 0 0 0 1997 943.594 942.543,7 942.438,67 942.648,73 11,67 0 0 0 1998 944.379 942.727,23 942.467,526 942.986,934 28,856 942.660,4 1.719 2953585,96 1999 944.891 942.943,607 942.515,1341 943.372,0799 47,6081 943.015,79 1.875 3516412,544 2000 945.847 943.233,9463 942.587,0153 943.880,8773 71,88122 943.419,688 2.427 5891843,545 2001 960.477 944.958,2517 942.824,139 947.092,3644 237,123635 943.952,7585 16.524 273050557,2 2002 979.106 948.373,0265 943.379,0277 953.367,0253 554,8887548 947.329,488 31.777 1009746714 2003 990.216 952.557,3239 944.296,8573 960.817,7904 917,8296143 953.921,9141 36.294 1317260675 2004 995.968 956.898,3915 945.557,0107 968.239,7722 1.260,153414 961.735,62 34.232 1171855841 2005 1.012.040 962.412,5523 947.242,5649 977.582,5397 1.685,554158 969.499,9256 42.540 1809657929 2006 1.027.607 968.931,9971 949.411,5081 988.452,4861 2.168,943219 979.268,0939 48.339 2336649843 2007 1.034.696 975.508,3974 952.021,197 998.995,5977 2.609,688926 990.621,4293 44.075 1942567784 2008 1.039.707 981.928,2576 955.011,9031 1.008.844,612 2.990,70606 1.001.605,287 38.102 1451740561 2009 1.049.457 988.681,1319 958.378,826 1.018.983,438 3.366,922878 1.011.835,318 37.622 1415390938 2010 1.036.926 993.505,6187 961.891,5053 1.025.119,732 3.512,679271 1.022.350,361 14.576 212449262,4 2011 1.046.560 998.811,0568 965.583,4604 1.032.038,653 3.691,955157 1.028.632,411 17.928 321398433 Dengan menggunakan perhitungan seperti yang di lakukan di atas dengan menggunakan persamaan (1) maka dapat diperoleh perhitungan peramalan jenis kelamin laki-laki dengan α = 0,5 dan α = 0,95. Maka oleh karena itu, nilai perbandingan nilai MSE dan SSE dari tiap-tiap parameter pemulusan dapat dilihat dari perhitungan berikut : 1. untuk α = 0,1 14 [(944.379 942.660, 4)2 + (944.891 943.015, 7) 2 + + (1.046.560 1.028.632, 4) 2 ] = 948.152.169,9 SSE = [(944.379 942.660, 4) 2 + (944.891 943.015, 7) 2 + + (1.046.560 1.028.632, 4) 2 ] = 13.274.130.379 2. untuk α = 0,5 14 [(944.379 943.594)2 + (944.891 944.670, 7) 2 + + (1.046.560 1.046.148, 1) 2 ]

Hotlim P. Sirait APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA 15 = 86.802.927,77 SSE = [(944.379 943.594) 2 + (944.891 944.670, 7) 2 + + (1.046.560 1.046.148, 1) 2 ] = 1.215.240.989 3. untuk α = 0,95 14 [(944.379 944.644, 3)2 + (944.891 945.193, 4) 2 + + (1.046.560 1.026.588, 9) 2 ] = 98.111.895,2 SSE = [(944.379 944.644, 3) 2 + (944.891 945.193, 4) 2 + + (1.046.560 1.026.588, 9) 2 ] = 1.373.566.533 dengan melihat nilai MSE dan SSE dari masing-masing parameter pemulusan yaitu α = 0,1, α = 0,5 dan α = 0,95 yang digunakan adalah nilai MSE dan SSE yang terkecil yaitu pada α = 0,5, maka peramalan untuk jenis kelamin laki-laki untuk tahun 2012 dan 2013 dapat dilakukan seperti berikut : a. untuk periode ke m = 1 F 17 = a 1 6 + b 1 6(1) F 17 = 1.046.457, 033 + 3.773, 432(1) F 17 = 1.050.230, 465 dari perhitungan di atas, di peroleh hasil peramalan jenis kelamin laki-laki untuk tahun 2012 adalah 1.050.230 orang b. untuk periode ke m = 2 F 18 = a 1 6 + b 1 6(2) F 18 = 1.046.457, 033 + 3.773, 432(2) F 18 = 1.054.003, 864 dari perhitungan di atas, di peroleh hasil peramalan jenis kelamin laki-laki untuk tahun 2013 adalah 1.054.003 orang

Hotlim P. Sirait APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA 16 4.2 Jenis kelamin perempuan Dengan menggunakan persamaan ( 1) maka data di atas dapat diolah dengan nilai parameter pemulusanα= 0,1 ; α = 0,5 ; α = 0,95 sebagai berikut : Tabel 3: Data perhitungan peramalan jenis kelamin perempuan α = 0,1 Tahun Xt S't S"t a b Ft et et*et 1996 952.888 952.888 952.888 0 0 0 0 0 1997 955.434 953.142,6 952.913,46 953.371,74 25,46 0 0 0 1998 956.688 953.497,14 952.971,828 954.022,452 58,368 953.397,2 3.291 10829364,64 1999 957.609 953.908,326 953.065,4778 954.751,1742 93,6498 954.080,82 3.528 12448054,11 2000 958.426 954.360,0934 953.194,9394 955.525,2474 129,46156 954.844,824 3.581 12824821,54 2001 966.043 955.528,3841 953.428,2838 957.628,4843 233,34447 955.654,709 10.388 107916589,9 2002 984.776 958.453,1457 953.930,77 962.975,5213 502,4861824 957.861,8288 26.914 724372613,5 2003 1.003.384 962.946,2311 954.832,3161 971.060,1461 901,5461076 963.478,0075 39.906 1592488239 2004 1.010.174 967.669,008 956.115,9853 979.222,0307 1.283,669186 971.961,6922 38.212 1460180470 2005 1.024.145 973.316,6072 957.836,0475 988.797,1669 1.720,062188 980.505,6998 43.639 1904388519 2006 1.039.681 979.953,0465 960.047,7474 999.858,3455 2.211,699897 990.517,2291 49.164 2417076373 2007 1.048.460 986.803,7418 962.723,3468 1.010.884,137 2.675,599443 1.002.070,045 46.390 2152027885 2008 1.062.398 994.363,1676 965.887,3289 1.022.839,006 3.163,98208 1.013.559,736 48.838 2385176007 2009 1.071.596 1.002.086,451 969.507,2411 1.034.665,661 3.619,912196 1.026.002,988 45.593 2078722703 2010 1.060.684 1.007.946,206 973.351,1376 1.042.541,274 3.843,896468 1.038.285,573 22.398 501689539,7 2011 1.070.664 1.014.217,985 977.437,8223 1.050.998,148 4.086,684763 1.046.385,17 24.279 589461563,8 Dengan menggunakan perhitungan seperti yang di lakukan di atas dengan menggunakan persamaan (1) maka dapat diperoleh perhitungan peramalan jenis kelamin laki-laki dengan α = 0,5 dan α = 0,95. Maka oleh karena itu, nilai perbandingan nilai MSE dan SSE dari tiap-tiap parameter pemulusan dapat dilihat dari perhitungan berikut : 1. untuk α = 0,1 14 [(956.688 953.397, 2)2 + (957.609 954.080, 8) 2 + + (1.070.664 1.046.385, 2) 2 ] = 1.139.257.339 SSE = [(956.688 953.397, 2) 2 + (957.609 954.080.8) 2 + + (1.070.664 1.046.385, 2) 2 ] = 15.949.602.743 2. untuk α = 0,5 14 [(956.688 955.434)2 + (957.609 957.324, 5) 2 + + (1.070.664 1.072.344, 6) 2 ]

Hotlim P. Sirait APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA 17 = 86.323.256,53 SSE = [(956.688 955.434) 2 + (957.609 957.324, 5) 2 + + (1.070.664 1.072.344, 6) 2 ] = 1.208.525.591 3. untuk α = 0,95 14 [(956.688 957.725, 4)2 + (957.609 958.052, 1) 2 + + (1.070.664 1.0451.816, 2) 2 ] = 97.518.012,7 SSE = [(956.688 957.725, 4) 2 + (957.609 958.052, 1) 2 + + (1.070.664 1.0451.816, 2) 2 ] = 1.225.252,2 dengan melihat nilai MSE dan SSE dari masing-masing parameter pemulusan yaitu α = 0,1, α = 0,5 dan α = 0,95 yang digunakan adalah nilai MSE dan SSE yang terkecil yaitu pada α = 0,5, maka peramalan untuk jenis kelamin perempuan untuk tahun 2012 dan 2013 dapat dilakukan seperti berikut : a. untuk periode ke m = 1 F 17 = a 1 6 + b 1 6(1) F 17 = 1.071.084, 152 + 5.414, 616119(1) F 17 = 1.076.498, 769 dari perhitungan di atas, di peroleh hasil peramalan jenis kelamin perempuan untuk tahun 2012 adalah 1.076.499 orang b. untuk periode ke m = 2 F 18 = a 1 6 + b 1 6(2) F 18 = 1.071.084, 152 + 5.414, 616119(2) F 18 = 1.081.913, 385 dari perhitungan di atas, di peroleh hasil peramalan jenis kelamin perempuan untuk tahun 2013 adalah 1.081.913 orang

Hotlim P. Sirait APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA 18 5. KESIMPULAN Nilai ramalan banyaknya penduduk jenis kelamin perempuan untuk periode ke 17 atau nilai ramalan pada tahun 2012 adalah 1.076.499 orang dan untuk periode ke 18 atau nilai ramalan pada tahun 2013 adalah 1.081.913 orang. Sedangkan, nilai ramalan banyaknya penduduk jenis kelamin laki-laki untuk periode ke 17 atau nilai ramalan pada tahun 2012 adalah 1.050.230 orang dan untuk periode ke 18 atau nilai ramalan pada tahun 2013 adalah 1.054.004 orang. Maka diharapkan kepada Pemko Medan dan Dinas/Instansi di kota Medan lebih banyak menyerap tenaga kerja wanita agar perekonomian kota Medan dapat menjadi lebih baik lagi. Daftar Pustaka [1] A. Haymans. Teknik Peramalan Bisnis Dan Ekonomi. Jakarta: Rineka Cipta, (1990). [2] BPS.2006-2011. Medan Dalam Angka. Medan:Badan Pusat Statistik Kota Medan. [3] P. Subagyo. Forecasting Konsep Dan Aplikasi. Yogyakarta: BPFE Yogyakarta, (1986). [4] S. Assauri. Teknik dan Metode Peramalan. Edisi 1. Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, (1984). [5] S. Makridakis. Metode dan Aplikasi Peramalan. Jakarta: Erlangga, (1993). HOTLIM P.S: Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Sumatera Utara, Medan 20155, Indonesia E-mail: hotlin-sirait@yahoo.com Ujian Sinulingga: Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Sumatera Utara, Medan 20155, Indonesia E-mail: Ujian@usu.ac.id Rachmad Sitepu: Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Sumatera Utara, Medan 20155, Indonesia E-mail: Rachmad@usu.ac.id