APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT PADAPT.PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011

APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT PADAPT.PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011

TUGAS AKHIR

EDYAN SYAHPUTRA LUBIS 062407083

DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2009

Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ahli madya


DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2009


PERSETUJUAN

Judul

: APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011.

Kategori Nama NIM Program Studi Departemen Fakultas

: TUGAS AKHIR : EDYAN SYAHPUTRA LUBIS : 062407083 : DIPLOMA III STATISTIKA : MATEMATIKA : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2009

Diketahui Departemen Matematika FMIPA USU Ketua

Pembimbing

Dr. Saib Suwilo, M.Sc NIP 131796149

Drs. Djenda Djudjur Ginting,MS NIP. 130672238


PERNYATAAN

APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011 TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan,



DAFTAR ISI

Halaman Persetujuan Pernyataan Penghargaan Abstrak Daftar Isi Daftar Tabel Daftar Gambar

ii iii iv v vi viii ix

BAB 1 Pendahuluan 1.1 Latar Belakang 1.2 Tujuan dan Manfaat 1.3 Ruang Lingkup Pembahasan 1.4 Identifikasi Masalah 1.5 Pembahasan Masalah 1.6 Metode Penelitian 1.7 Sistematika Penulisan

1 1 2 3 3 4 4 5

BAB 2 Landasan Teori 2.1 Pengertian Peramalan 2.2 Kegunaan Peramalan 2.3 Metode Peramalan 2.4 Pemilihan Teknik dan Metode Peramalan 2.5 Analisa Deret Berkala 2.6 Penentuan Pola Data 2.7 Metode Penulisan (Smoothing) 2.8 Metode Smoothing Yang Digunakan 2.8.1 Metode Smoothing Eksponensial Ganda Satu Parameter Dari Brown 2.8.2 Ketepatan Ramalan Beberapa Kriterian Yang Dingunakan Untuk Menguji

7 7 8 10 11 13 14 16 19

20

BAB 3 Sekilas Tentang PTPN III 3.1 Struktur Organisasi P.T Perkebunan Nusantara III 3.2 Kegiatan dan Jaringan Kerja P.T Perkebunan Nusantara III

22 23 24

BAB 4 Analisa dan Pengolaha Data

28

19


4.1 Analisa Data 4.2 Analisa Pemulusan Eksponensial Ganda Linier Satu Parameter dari Brown 4.2.1 Peramalan Dengan Smoothing Eksponensial Linier Satu Parameter dari Brown dengan α = 0,1 4.2.2 Peramalan Dengan Smoothing Eksponensial Linier Satu Parameter dari Brown dengan α = 0,5 4.2.3 Peramalan Dengan Smoothing Eksponensial Linier Satu Parameter dari Brown dengan α = 0,9 4.2.4 Nilai Kesalahan (Galat)

28 30 32 36 39 43

BAB 5 Implementasi Sistem 5.1 Pengertian Implementasi Sistem 5.2 Tahap-tahap Implementasi Pada Peramalan Produksi Kelapa Sawit Dengan Metode Smoothing Eksponensial 5.2.1 Pengaktifan Excel 2003 5.2.2 Implementasi Pada Peramalan Produksi Kelapa Sawit Dengan Metode Smoothing Eksponensial

48 48

52

BAB 6 Kesimpulan dan Saran 6.1 Kesimpulan 6.2 Saran

56 56 57

Daftar Pustaka

58

50 50

Lampiran : Berkas


DAFTAR TABEL

Halaman Tabel 4.1 Produksi Kelapa Sawit PT. Perkebunan Nusantara III Medan Tabel 4.2 Peramalan Produksi Kelapa Sawit Dengan α = 0,1 Tabel 4.3 Peramalan Produksi Kelapa Sawit Dengan α = 0,5 Tabel 4.4 Peramalan Produksi Kelapa Sawit Dengan α = 0,9 Tabel 4.5 Perhitungan Ukuran Statistik Standar Untuk satu Set Kesalahan ( α = 0,1) Tabel 4.6 Perhitungan Ukuran Statistik Standar Untuk satu Set Kesalahan ( α = 0,5) Tabel 4.7 Perhitungan Ukuran Statistik Standar Untuk satu Set Kesalahan ( α = 0,9)

29 34 37 40 44 45 46


DAFTAR GAMBAR

Halaman Gambar 2.1 Pola Data Horizontal Gambar 2.2 Pola Data Musiman Gambar 2.3 Pola Data Siklis Gambar 2.4 Pola Data Trend Gambar 3.1 Struktur Organisasi P.T Perkebunan Nusantara III Medan Gambar 4.1 Grafik Produksi Kelapa Sawit PT. Perkebunan Nusantara III Medan Januari 06 s/d Desember 08 Gambar 4.2 Grafik Ramalan Produksi Kelapa sawit dari Jan 09 s/d Des 11 0,1) Gambar 4.3 Grafik Ramalan Produksi Kelapa sawit dari Jan 09 s/d Des 11 ( α 0,5) Gambar 4.4 Grafik Ramalan Produksi Kelapa sawit dari Jan 09 s/d Des 11 ( α 0,9) Gambar 5.1 Tampilan Cara Pengaktifan Excel 2003 Gambar 5.2 Tampilan Jendela Excel 2003 Gambar 5.3 Tampilan Menu Tools Gambar 5.4 Tampilan Menu Data Analysis Gambar 5.5 Tampilan Menu Exponential Smoothing Gambar 5.6 Tampilan Jendela Chart atau Grafik

14 15 15 16 23 30 (α 36 39 42 51 51 53 53 55 55


BAB 1 PENDAHULUAN

1.1

Latar Belakang

Indonesia adalah negara Agraris. Selain wilayah Indonesia mempunyai tanah yang subur, penduduk Indonesia pun terbukti banyak bekerja di sector pertanian dan perkebunan. Dalam hal ini hasil perkebunan tidak berbeda jauh dengan hasil pertanian, khususnya hasil kelapa sawit.

Budi daya kelapa sait masih merupakan produk unggulan yang menjadi andalan PT. Perkebunan Nusantara III (Persero), 77 % pendapatan perusahaan diperoleh dari penjualan komoditi ini beserta hasil olahannya seperti Minyak Sawit (CPO) dan Inti sawit (PK).

PT. Perkebunan Nusantara III adalah perusahaan perkebunan yang berada di Indonesia. Sebagai suatu perusahaan perkebunan, PT. Perkebunan Nusantara III tidak lepas dari masalah perencanaan. Masalah produksi merupakan masalah yang sangat mendasar dari setiap perusahaan perkebunan. Dalam sektor perkebunan, tingkat kualitas sangat diperhatikan. Hal ini yang mendorong perusahaan perkebunan melakukan yang terbaik untuk menghasilkan produksi dengan kualitas yang terbaik.


Pada PT. Perkebunan Nusantara III penjualan produksi kelapa sawit bukan hanya dipasar lokal tetapi sudah diekspor ke luar negeri seperti CPO yang 69 % volume produksi diekspor ke pasar luar negeri.

Oleh karena berbagai alas an di atas itulah, penulis mencoba untuk meramalkan produksi kelapa sawit untuk tahun 2010 dan tahun 2011 di PT. Perkebunan Nusantara. III Dengan judul “APLIKASI METODE PEMULUSAN EKSPONENSIAL

GANDA

DARI

BROWN

UNTUK

PERAMALAN

PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA TAHUN 2010 DAN 2011”.

1.2

Tujuan dan Manfaat

Secara umum penelitian ini bertujuan untuk mengetahui besarnya produksi kelapa sawit di PT. Perkebunan Nusantara III untuk tahun 2010 dan tahun 2011 denga Metode Pemulusan Eksponensial Gnada Satu Parameter.

1.3

Ruang Lingkup Pembahasan

Sehubungan dengan keterbatasan waktu dan kemampuan penulis serta untuk menghindari kesimpangsiuran dalam penulisan Tugas Akhir yang sesuai dengan judul dan latar belakang masalah yang telah diuraikan, penulis membatasi ruang lingkup penelitian pada peramalan produksi kelapa sawit di PT. Perkebunan Nusantara III, Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

menggunakan Metode Eksponensial Ganda Satu Parameter. Yang digunakan pada penelitian ini adalah produksi kelapa sawit dalam 3 (tiga) tahun terakhir yaitu tahun 2006 sampai dengan tahun 2008 per bulan serta meramalkannya untuk tahun 2010 dan tahun 2011.

1.4

Identifikasi Masalah

Adapun masalah yang dibahas dalam tugas akhir ini adalah dengan model peramalan produksi kelapa sawit di PT. Perkebunan Nusantara III, agar diketahui perubahan produksi kelapa sawit setiap tahunnya.

1.4

Pembatasan Masalah

Berdasarkan identifikasi masalah diatas, dibuatlah pembatasan masalah penelitian ini yang diarahkan pada hal peramalan produksi untuk 2 (dua) tahun mendatang, tahun 2010 dan tahun 2011 yaitu bagaimana keterkaitan produksi kelapa sawit di PT. Perkebunan Nusantara III.

1. Metode Penelitian

Dalam penelitian Tugas Akhir ini metode yang penulis gunakan adalah:

1. Studi Kepustakaan (Library Research) Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Penulis membuat penulisan Tugas Akhir dengan membaca buku-buku di perpustakaan.

2. Metode Pengumpulan Data

Pengumpulan data untuk penelitian ini, penulis lakukan dengan menggunakan Data Sekunder yang diperoleh dari PT. Perkebunan Nusantara III.

3. Analisis Data

Dari model peramalan yang didapat, diramalkan untuk meramalkan produksi kelapa sawit di PT. Perkebunan Nusantara III untuk tahun 2010 dan tahun 2011 dengan Metode Pemulusan Eksponensial : Ft +1 = α p X t + (1 − α p )F1 Keterangan: Ft +1 = ramalan satu periode ke depan = data aktual pada periode ke t Xt

F1 αp

= ramalan pada periode ke t = parameter pemulusan

2. Sistematika Penulisan


Adapun sistematika dalam Penulisan Tugas Akhir ini secara garis besarnya dibagi dalam 5 (lima) Bab. Masing-masing bab dibagi atas beberapa sub-sub bab, yaitu:

BAB 1

PENDAHULUAN Bab ini bertujuan menjelaskan latar belakang masalah, tujuan dan manfaat penelitian, ruang lingkup pembahasan, identifikasi masalah, perumusan masalah, metode penelitian, lokasi penelitian dan sistematika penelitian

BAB 2

TINJAUAN TEORITIS Bab ini menguraikan tentang segala sesuatu yang menyangkut terhadap penyelesaian masalah yang dihadapi, sesuai denagn judul yang diuraikan.

BAB 3

SEKILAS TENTANG Bab ini menjelaskan tentang struktur PT. Perkebunan Nusantara dan Kegiatan dan Jaringan Kerja PT. Perkebunan Nusantara III.

BAB 4

ANALISA DAN PEMBAHASAN Bab ini menguraikan tentang penganalisaan dan pengolahan data yang diperoleh.


BAB 5

IMPLEMENTASI SISTEM Bab ini menjelaskan tentang implementasi system yang digunakan yaitu penggunaan Microsoft Excel 2003.

BAB 6

KESIMPULAN DAN SARAN Bab ini menguraikan tentang ringkasan dan kesimpulan dari pembahasan dalam penyelesaian Tugas Akhir, serta saran-saran.


BAB 2

LANDASAN TEORI

2.1

Pengertian Peramalan

Peramalan berasal dari kata ramalan yang artinya adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Sedangkan peramalan adalah bentuk kegiatannya. Ramalan tersebutdapat didasarkan atas bermacammacamcara yaitu Metode Pemulusan Eksponensial atau Rata-Rata Bergerak, Metode Box Jenkins dan Metode Regresi. Semua itu dikenal dengan Metode Peramalan.

Metode Peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain Metode Peramalan yang bersifat objektif. Disamping itu metode Peramalan memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan, sehingga bila digunakan pendekatan yang sama dlam suatu permasalahan dalam suatu kegiatan peramalan, akan dapat dasar pemikiran dan pemecahan yang sama. Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Baik tidaknya suatu peramalan yang disusun selain ditentukan oleh metode yang digunakan, juga ditentukan oleh baik tidaknya informasi yang digunalan. Selama informasi yang digunakan tidak dapat menyakinkan untuk mendapat hasil yang bagus , hasil peramalan yang disusun juga akan sukar ipercaya ketepatannya.

2.2

Kegunaan Peramalan

Sering terdapat senjang waktu (time lag) antara kesadaran akan peristiwa. Adanya waktu tenggang (Lead time) ini merupakan alasan uatama bagi perncanaan dan permalan. Dalam situasi itu peramalandiperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan.

Dalam perencanaan di organisasi atau perusahaan peramalam merupakan kebutuhan yang sangat penting, baik burknya peramalan dapat mempengaruhi seluruh bagian organisasi karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun. Peramalan merupakan alat bantu yang penting dalam perencanaan yang penting yang efekti dan efisien. Di dalam bagian organisasi terdapat kegunaan peramalan, yaitu: 1. Barguna untuk penjadwalan sumber daya yang tersedia. Penggunaan sumber dya yang efisien memerlukanpenjadwalan produksi, transportasi, kas, personalia dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan akan konsumennya atau pelanggan.


2. Berguna dalam penyediaan sumber daya tambahan waktu tenggan (Lead Time) untuk memperoleh bahan baku, menerima pekerja baru atau membeli mesin dan peralatan dapat berkisar antara beberapa hari sampai daya di masa mendatang. 3. Berguna untuk menentukan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang dimiliki dalam jangka panjang. Keputusan semacam itu bergantung kepada faktor-faktor lingkungan, manusia dan pengembangan sumber daya keuangan. Semua penentuan ini memerlukan ramalan yang baik dan manager yang dapat menafsirkan pendugaan serta membuat keputusan yang baik.

Walaupun terdapat banyak bagian lain yang memerlukanperamaln, namun 3 (tiga) kelompok tersebut merupakan bantuk khas dari kegunaan peramalan jangka pendek, menegah dan panjang.

Dari uraian yang sudah dijelaskan, dapat dikatakan Metode Peramalan sangat berguna karena akan membantu dalam mengadakan analsis terhadap data dari masa lalu, sehingga dapat memberikan cara pemikiran, pengerjaan yang teratur dan terarah, perencanaan yang sistematis serta memberikan ketepatan hasil peramalan yang dibuat atau disusun.

2.3

Metede Peramalan


Berdasarkan sifatnya teknikperamalan dibagi dalam 2 (dua) kategori, yaitu: 1. Metode Peramalan Kulitatif atau Teknologis Peramalan Kulitatif adalah peramalan yang didasarkan atas data kuitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya. Metode Kualitatif atau Teknologis dapat dibagi menjadi Metode Eksplanatoris dan Normatif. 2. Metode Peramalan Kuantitaif Peramalan Kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa yang lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda yang digunakan yang digunakan oleh

perbedaan atau penyimpangan antara hasil

ramalan dengan kenyataan yang terjadi berarti metode yang digunakan semakin baik. Metode Kuantitatif dapat dibagi dalam deret berkala (Time Series) dan Metode Kausal. Peramaln Kuantitatif dapat digunakan bila terdapat 3 (tiga)kondisi, yaitu: a. Adanya informasi tentang masa lalu. b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data. c. Informasi tersebut dapat diasumsikan bahwa bebapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang. Kondisi yang terakhir ini dibuat sebagai asumsi yang berkesinambungan (Asumption of Continuity), asumsi ini merupakan modal yang mendasari semua Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Metode Peramalan Kuantitatif dan banyak Metode Peramalan Teknologis, terlepas dari bagaimana canggihnya metode tersebut. Metode-metode peramalan dengan analisa deret waktu, yaitu: 1. Metode Pemulusan Eksponensial dan Rata-rata Bergerak, sering digunakan untuk ramalanjangka pendek dan jarang dipakai untuk peramalan jangka panjang. 2. Metode Regresi, metode ini biasa digunakan untuk ramalan jangka menengah dan panjang. 3. Metode Bo Jenkins, metode ini jarang dipakai tetapi baik untuk jangka pendek, jangka menegah dan panjang.

2.4

Pemilihan Tekni dan Metode Peramalan

Dalam pemilihan teknik dan metode peramalan, pertama-tama perlu diketahui ciri-ciri penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan dalam mempersiapkan peramalan.

Ada 6 (enam) faktor utama yang diidentifikasikan sebagi teknik dan metode peramalan, yaitu:

1. Horizon Waktu Ada 2 (dua) aspek dari HorozonWaktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu di masa yang akan datang, kedua adalah jumlah periode untuk peramalan yang diinginkan.


2. Pola Data Dasar utama dari metode peramalan adalah anggapan bahwa macam-macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan.

3. Jenis dari Model Model-model adalah suatu deret di mana 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 analisa keadaan untuk pengambilan keputusan.

4. Biaya Yang Dibutuhkan Umumnya ada 4 (empat) unsur biaya yang tercakup di dalam penggunaan suatu prosedur peramalan, yaitu biaya-biaya pengembagan, penyimpanan (Storage) data, operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode lainnya.

5. Ketepatan Metode Peramalan Tingkat ketepatan yang dibutuhkan dangat erat kaitannya dengan tingkat perincian yang dibuttuhkan dalam suatu peramalan.

6. Kemudahan Dalam Penerapan


Metode-metode yang dapat dimengerti dan mudah diaplikasikan sudah merupakan sutu prinsip umum bagi pengambil keputusan.

2.5

Analisa Deret Bekala

Data Berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisa Deret Berkala memungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan dengan kejadian lainnya.

Metode Time Series merupakan metode peramalan kuantitatif yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Tujuan Time Series ini mencakup penelitian pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tudak dan ektrapolasi ke masa yang akan datang. Stasioner itu sendiri berarti bahwa tidak terdapat pertumbuhan/penurunan pada data. Data secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data konstan setiap waktu.

2.6

Penentuan Pola Data

Hal penting yang harus diperhatikan dalam metode deret berkala adalah menentukan jenis pola data historisnya, sehinggan pola data yang tepat dengan pola data historis tersebutdapat diuji, pola data umumnya dapat dibdakan sebagi berikut:

1.

Pola Data Horizontal


Pola ini terjadi bila nilai berfluktuasi di sekitar nilai rata-rata yang konstan. Y

waktu Gambar 2.1 Pola Data Horizontal

2.

Pola Data Musiman (Seasonal)

Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam deret waktu. Pola yang ini terjadi bila suatu deret dipengaruhi oleh faktor musiman misalnya kwartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu

Y

Waktu Gambar 2.2 Pola Data Musiman

3. Pola Data Siklus (Cyclical) Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Pola Data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend, yang terjadi akibat pengaruh oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Y

Waktu Gambar 2.3 Pola Data Siklis

4. Pola Data Trend Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.

Y

Waktu Gambar 2.4 Pola Data Trend


2.7

Metode Pemulusan (Smoothing)

Metode Smoothing adalah suatu metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitudengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan. Secara umum Metode Smoothing diklasifikasikan menjadi 2 (dua) bagian, yaitu:

2.7.1

Metode

Rata-Rata

Metode Rata-rata dibagi atas 4 (empat) bagian, yaitu:

Nilai Tengah (mean) Rata-rata bergerak tunggal (Singel Moving Average) Rata-rata bergerak ganda (Double Moving Average) Kombinasi rata-rata bergerak lainnya.

Metode rata-rata tujuanya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.

Metode Pemulusan Eksponensial Bentuk umum dari Metode Pemulusan adalah: Ft +1 = α p X t + (1 − α p )F1

(1)

Keterangan: Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

F1

Ft +1

= ramalan satu periode ke depan

Xt

= data aktual pada periode ke t

= ramalan pada periode ke t

αp

= parameter pemulusan

Bentuk umum tersebut dipeluas, akan berubah menjadi:

Ft +1 = α p X t + α p (1 − α p )X t −1 + α p (1 − α p ) X t − 2 + ... + (1 − α p ) Ft −( N −1) (2) N

2

Dari erluasan bentuk umum diatas dapatlah dikatakan bahwa Metode Smoothing

Eksponensial

merupakansekelompok

metode

yang

menunjukkan

pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relative besar dengan nilai observasi yang lebih tua. Metode ini terdiri atas:

Smoothing Eksponensial Tunggal a.1

Satu Parameter (one parameter)

a.2

Pendekatan Aditif (ARRES) Digunakan untuk data yang bersifat stasioner dan tidak menunjukkan pola atau

trend.

Smoothing Eksponensial Ganda b.1

Metode Satu Paramete Dari Brown

b.2

Metode Dua Parameter Dari Holt


Smoothing Eksponensial Triple c.1

Metode Kuadratik Satu Parameter Dari Brown

c.2

Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi

c.3

Metode Kecenderungan dan Musiman Tiga Parameter Dari Winter

c.4

Dapat digunakan untuk data berbentuk trend dan musiman

d. Smoothing Eksponensial menurut Klasifikasi Pegels

2.8

Metode Smoothing Yang Digunakan

Untuk mendapatkan hasil yang baik, harus diketahui cara peramalan yang tepat. Data produksi kelepa sawit ke dalam grafis menunjukkan pola data trend linier yang dapat juga dilihat dari plot autokorelasi nilai-nilai autokorelasi yang menunjukkan pola data trend linier.

Oleh karena itu metode peramalan analisis time series yang digunakanuntuk meramalkan nilai produlsi kelapa sawit pada penelitian ini adalah dengan menggunakan Metode Smoothing Eksponensial Ganda Satu Parameter Dari Brown.

2.8.1 Metode Smoothing Eksponensial Ganda Satu Parameter Dari Brown


Metode ini merupakan metode linier yang dikemukakan oleh Brown. Dasar pemikiran dari Metode Smoothing Eksponensial Linier Satu Parameter dari Brown adalah sama dengan rata-rata bergerak linier karena ke dua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Jika terdapat unsur trend, maka perbedaan nilai pemulusan tunggal dan ganda dapt ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipaki dalam penggunaan Smoothing Eksponensial Linier Satu Parameter dari Brownadalah sebagai berikut:

St` = α p X t + (1 − α p )St`−1

(3)

St`` = α p St` + (1 − α p )St``−1

(4)

(

)

at = St` + St` − St`` = 2 St` − St``−1

bt =

αp ( St` − St`` ) 1−αp

Ft + m = α t + bt m

(5) (6)

(7)

Keterangan: St`

=

nilai pemulusan eksponensial tunggal (singel eksponensial smoothing value)


St``

=

nilai pemulusan eksponensial ganda (double eksponensial smoothing value)

αp

=

parameter pemulusan eksponensial yang besarnya 0 < α p < 1

at , bt =

konstanta pemulusan

Ft + m =

hasil peramalan untuk periode ke depan yang diramalkan

2.8.2 Ketepatan Ramalan Beberapa Kriteria Yang Digunakan Untuk Menguji

Ketepatan ramalan beberapa kriteria yang digunakan untuk menguji antara lain yaitu:

1. ME (Mean Error) atau Nilai Tengah Kesalahan N

ME = ∑ t =1

et N

(8)

2. MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat

et2 t =1 N N

MSE = ∑

(9)

3. MAE (Mean Absolute Error) atau Nilai Tengah Kesalahn Absolute N

MAE = ∑ t =1

et N

(10)

4. MAPE (MeanAbsolute Percentage Error) atau Nilai Tengah Kesalahan Persentase Absolute N

MAPE = ∑ t =1

PEt N

(11)


5. MPE ( Mean Percentage Error) atau Nilai Tengah Kesalahan Persentase N

MPE = ∑ t =1

keterangan:

PEt N

(12)

et = X t Ft (kesalahan pada periode ke t) X t = data actual pada periode ke t  X − Ft PEt =  t  Xt

 100 (kesalahan persentase pada periode ke t) 

Ft = nilai ramalan pada periode ke t N = banyaknya periode waktu

BAB 3 SEKILAS TENTANG PTPN III


3.1 Struktur Organisasi PT. Perkebunan Nusantara III

3.2 Kegiatan dan Jaringan Kerja PT. Perkebunan Nusantara III Kegiatan yang dilakukan di PT. Perkebunan Nusantara III terbagi atas tugas dan wewenang setiap bagian yang ada. Adapun tugas dan fungsinya sebagai berikut: 1. Direktur Utama Mangarahkan dan memberdayakan seluruh sumber daya perusahaan secara optimal untuk mewujudkan Visi dan Misi perusahaan.

2. Direktur Produksi Mengelolah dan memberdayakan sumber daya produksi, sarana dan prasarana sehinggan tercapainya kinerja bidang produksi secara optimal.

3. Direktur Keuangan Mengelolah dan memberdayakan sumber daya keuangan secara tepat guna, sehingga tercapai Cash Flow, dan biaya operasional perusahaan yang efektif dan efesien.

4. Direktur Pemasaran Mengelolah dan memberdayakan sumber daya pemasaran dan pengadaan secara optimal, sehingga tercapai kepuasan pelanggan dan pemasok. Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

5. Direktur SDN dan Umum Mengelolah dan memberdayakan sumber daya manusia dan darana pendukung lainnya sehingga tercapai kinerja bidang SDM/Umum yang optimal.

6. Kepala Bagian Sekretaris Korporat Melakukan fungsi manajemen dengan memberadayakan sumber daya yang berhubungan dengan Aspk Legal dan Kepatuhan, Aspek Manajemen Hubungan dengan Invebtor sehingga terwujudnya Corporte Image yang positif dan standar.

7. Kepala Bagian Satuan Pengawasan Intern Melaksanakan pemberdayaan sumber daya dalam melaksanakan pengawasan analisa dan evaluasi untuk mencapai kinerja yang optimal.

8. Kepala Bagian Teknologi Informasi Melaksanakan rancangan, pemeliharaan,montoring, analisa, dan evaluasi serta pengembangan dan memberdayakan sumber daya informasi untuk menghasilkan kinerja informasi secara lengkap (Full Performance Information).

9. Kepala Bagian Tanaman


Melaksanakan montoring, analisa dan evaluasi dalam pemberdayaan sumber daya untuk meningkatkan kinerja bidang tanaman.

10. Kepala Bagian Teknik Melaksanakan fungsi-fungsi manajemen dan pemberdayaan sumber daya teknik sehingga terwujudnya Best Practices di Bidang Teknik.

11. Kepala Bagian Teknologi Melaksanakan fungsi-fungsi manajemen dengan memberdayakan sumber daya teknologi dan mengefektifkan sistem untuk mengoptimalkan kinerja bidang teknologi, sistem manajeman mutu dan lingkungan. 12. Kepala Bagian Pembiayaan Melaksanakan monitoring, analisa dan evaluasi serta memberdayakan sumber daya keuangan dan akutansi secara optimal untuk mewujudkan kondisi keuangan yang sehat.

13. Kepala Bagian Pengadaan Barang Melaksanakan pengadaan barang, monitoring, analisa dan evaluasi serta memberdayakan sumber daya secara optimal.

14. Kepala Bagian Pemasaran Melaksanakan fungsi manajemen pemasaran dengan menggunakan sumber daya pemasaran secara maksimal sehingga tercapai kepuasaan pelanggan, peningkatan Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

arus kas masuk. Pengoptimalan harga, peminimuman sock dan penangihan pembayaran yang efektif.

15. Kepala Bagian Bagian Sumber Daya Manusia Melaksanakan monitoring, analiosa dan evaluasi dalam memberdayakan sumber daya manusia perusahaan secara optimal, sehingga terwujudnya karyawan yang berilmu pengetahuan (Know Ledgeable Worker).

16. Kepala Bagian Umum Melaksanakan monitoring, analisa dan evaluasi memberdayakan sumber daya dilingkungan perusahaan secara optimal sehingga terwujudnya Zero Accident, Zero Cinfict, dan Zero Management.

17. Distrik Manager Melaksanakan monitoring, analisa, evaluasi, memberi keputusan terobosanterobosan serta memberdayakan sumber daya perusahaan yang ada di distriknya untuk mencapai kinerja yang optimal.

18. General Manager Rumah Sakit Melaksanakan monoring, analisa, evaluasi erta memberdayakan seluruh sumber daya perusahaan untuk mencapai kinerja optimal. 19. Manager Kebun Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Melaksanakan fungsi-fungsi manajemen serta memberdayakan pengalokasian seluruh sumber dayan perusahaan secara optimal untuk mencapai sasaran unit kebun.

20. Manager Pabrik Kelapa Sawit Memberdayakan sumber daya prusahaan diunitnya, sehingga terwujudnya kinerja pabrik yang optimal.

21. Manager Rumak sakit Melaksanakan fungsi-fungsi manajeman untuk memberdayakan seluruh sumber daya unit kerja secara optimal untuk mewujudkan operasional excellence.

BAB 4 Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

ANALISA DAN PENGOLAHAN DATA

4.1 Analisa Data

Analisa diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah ditafsirkan dan menguraikan masalah secara parsial atauoun keseluruhan. Analisa data dilakukan agar diperoleh hasil sesuai dengan yang diinginkan. Dalam bab ini dilakukan analisa terhadap data yang diperoleh sebelumnya sesuai dengan metode peramalan yang telah ditentukan sebelumnya. Adapun data yang digunakan dalam penganalisaan data adalah data produksi karet setiap bulan dari tahun 2006 s/d 2008 PT. Perkebunan Nusantara III (Persero) Medan. Analisa yang dipakai dalam peramalan ini adalah Metode Pemulusan Ganda (Linier), dimana datanya adalah sebagai berikut:


Tabel 4.1 Produksi Kelapa Sawit PT. Perkebunan Nusantara III (Persero) Medan Tahun 2006 s/d 2008

No.

Bulan-Tahun

Produksi (TON)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Jan-06 Feb-06 Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08

78036 86927 106784 112395 129395 127396 124068 156109 146001 129679 129022 116716 77696 82812 103797 112849 118565 114616 133417 152829 126679 142651 128177 129021 86394 90825 110059 127050 128937 147300 151012 142854 140425 143647 143647 137862

Sumber : Bagian Tanaman PT. Perkebunan Nusantara III (Persero) Medan


Grafik Produksi Kelapa Sawit PT. Perkebunan Nusantara III Medan Tahun 2006-2008

160000 140000 120000 100000 80000 60000 40000 20000 0

January February Maret April Mei Juni Juli Agustus September Oktober November Desember January February Maret April Mei Juni Juli Agustus September Oktober November Desember January February Maret April Mei Juni Juli Agustus September Oktober November Desember

Jumlah Produksi (Ton)

180000

2006

2007

2008

Bulan dan Tahun

Gambar 4.1 Grafik Produksi Kelapa Sawit PT. Perkebunan Nusantara III (Persero) Medan Jan- 06 s/d Des 08

Bentuk Grafik diatas merupakan bentuk data musiman dimana data seperti ini terjadi bila seriesnya dipengaruhi oleh faktor musiman, contohnya bulanan, mingguan, tahunan. Dalam hal ini musiman yang mempengaruhi series dari data produksi karet PT. Perkebunan Nusantara III (Persero) Medan adalah seperti, curah hujan, lama penyinaran matahari, kecepatan angin, dan lain sebagainya seperti yang telah dijelaskan dalam.


4.2 Analisa Pemulusan Eksponensial Ganda (Linier Satu Parameter dari Brown)

Pada pemulusan Eksponensial Tunggal dilakukan peramalan dengan satu kali penghalusan saja. Sedangkan pada metode Brown ini dilakukan dua kali penghalusan dan kemudian dilakukan peramalan. Sehingga metode ini sering disebut Metode Penghalusan Eksponensial Berganda (Double Exponential Smoothing). Dasar pemikiran dari Pemulusan Eksponensial Linier dari Brown ini hampir sama dengan Rata-rata bergerak Linier karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend. Perbedaan antara nilai pemulusan tunggal dan ganda ditambahkan kepada nilai pemulusan tunggal dan disesuaikan dengan trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linier satu parameter dari Brown yaitu: S’t = αXt + (1-α)S’t-1 S”t = α S’t + (1-α) S”t-1 at = S’t + (S’t - S”t) = 2S’t - S”t bt =

α (S’t - S”t) 1-α

Ft+m = at + btm , dimana m = 1,2,3…. dimana m adalah jumlah periode ke muka yang diramalkan. Pada t=1 nilai S’t dan S’’t tidak tersedia jadi harus ditentukan pada periode awal yaitu dengan menetapkan S’t dan S’’t sama dengan Xt atau dengan menggunakan suatu nilai rata-rata dari beberapa nilai pertama sebagai titik awal.


Jenis masalah inisialisasi ini muncul dalam setiap metode pemulusan (smoothing) eksponensial. Jika parameter pemulusan α tidak mendekati nol, pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika α mendekati nol proses inisialisasi tersebut dapat memainkan peranan yang nyata selama periode waktu ke muka yang panjang. Berikut ini akan digunakan peramalan dengan metode pemulusan (smoothing) eksponensial dengan α=0.1, α=0.5, α=0.9, dimana nilai parameter α besarnya antara 0<α<1 dengan trial dan error (sesuai dengan langkah yang ditempuh dalam pemecahan Metode Linier Satu Parameter dari Brown).

4.2.1 Peramalan dengan Smoothing Eksponensial Linier Satu Parameter dari Brown dengan α=0.1

Bulan Ke-2 (Feb-06), X2= 86927 Perhitungan Eksponensial Tunggal S’t

= αXt + (1-α)S’t-1

S’2

= 0.1(86927) + 0.9(78036,00) = 78925,10

a. Perhitungan Eksponensial Ganda S”t

= α S’t + (1-α) S”t-1

S”2 = 0.1(78925.10) + 0.9(78036,00) = 78124,91


b. Perhitungan Nilai a at

= 2S’t - S”t

a2

= 2(78925.10) – 78124,91 = 79725,29

c. Perhitungan Nilai b bt

b2

=

α (S’t - S”t) 1-α

=

0.1 (78925.10- 78124,91) 0.9

= 88,91 d. Peramalan Untuk Bulan Ke-3 (Mar-06), m=1 Ft+m

= at + btm

F2+1

= 84938,46+ (88,91)(1)

FMar-06 = 79814,20

Peramalan untuk bulan ke-38 atau periode ke-2 (m=2), F38

= a36 + b36(2)

FFeb-09 = 141802,80+1251,71(2) = 144306,23

Demikian seterusnya untuk periode-periode selajutnya dan dapat dilihat pada tabel berikut ini:


Tabel 4.2 Peramalan Produksi Kelapa Sawit dengan α = 0.1

No.

Bulan

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

Jan-06 Feb-06 Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08

Prod. Kelapa Sawit 78036 86927 106784 112395 129395 127396 124068 156109 146001 129679 129022 116716 77696 82812 103797 112849 118565 114616 133417 152829 126679 142651 128177 129021 86394 90825 110059 127050 128937 147300 151012 142854 140425

S't 78036,00 78925,10 81710,99 84779,39 89240,95 93056,46 96157,61 102152,75 106537,57 108851,72 110868,75 111453,47 108077,72 105551,15 105375,74 106123,06 107367,26 108092,13 110624,62 114845,06 116028,45 118690,71 119639,33 120577,50 117159,15 114525,74 114079,06 115376,16 116732,24 119789,02 122911,31 124905,58 126457,53

S"t 78036 78124,91 78483,52 79113,11 80125,89 81418,95 82892,81 84818,81 86990,68 89176,79 91345,98 93356,73 94828,83 95901,06 96848,53 97775,98 98735,11 99670,81 100766,19 102174,08 103559,52 105072,64 106529,31 107934,13 108856,63 109423,54 109889,09 110437,80 111067,24 111939,42 113036,61 114223,51 115446,91

a 79725,29 84938,46 90445,68 98356,01 104693,97 109422,41 119486,69 126084,47 128526,65 130391,51 129550,21 121326,62 115201,24 113902,94 114470,14 115999,40 116513,45 120483,04 127516,03 128497,38 132308,78 132749,36 133220,88 125461,67 119627,93 118269,03 120314,52 122397,24 127638,61 132786,02 135587,66 137468,14

b 88,91 358,61 629,59 1012,78 1293,06 1473,87 1925,99 2171,88 2186,10 2169,20 2010,75 1472,10 1072,23 947,47 927,45 959,13 935,70 1095,38 1407,89 1385,44 1513,12 1456,67 1404,82 922,50 566,91 465,55 548,71 629,44 872,18 1097,19 1186,90 1223,40

Nilai Ramalan a+b(m) 79814,2 85297,07 91075,26 99368,80 105987,02 110896,28 121412,69 128256,34 130712,75 132560,70 131560,96 122798,72 116273,47 114850,41 115397,60 116958,53 117449,15 121578,42 128923,92 129882,82 133821,89 134206,03 134625,70 126384,18 120194,84 118734,59 120863,22 123026,68 128510,79 133883,21 136774,56


34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

Oct-08 Nov-08 Dec-08 Jan-09 Feb-09 Mar-09 Apr-09 May-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10 Mar-10 Apr-10 May-10 Jun-10 Jul-10 Aug-10 Sep-10 Oct-10 Nov-10 Dec-10 Jan-11 Feb-11 Mar-11 Apr-11 May-11 Jun-11 Jul-11 Aug-11 Sep-11 Oct-11 Nov-11 Dec-11

143647 143647 137862

128176,47 129723,53 130537,37

116719,86 118020,23 119271,94

139633,08 141426,82 141802,80

1272,96 1300,37 1251,71

138691,54 140906,04 142727,19 143054,51 144306,23 145557,94 146809,66 148061,37 149313,09 150564,80 151816,51 153068,23 154319,94 155571,66 156823,37 158075,09 159326,80 160578,51 161830,23 163081,94 164333,66 165585,37 166837,08 168088,80 169340,51 170592,23 171843,94 173095,66 174347,37 175599,08 176850,80 178102,51 179354,23 180605,94 181857,66 183109,37 184361,08 185612,80 186864,51


m=1 m=2 m=3 m=4 m=5 m=6 m=7 m=8 m=9 m=10 m=11 m=12 m=13 m=14 m=15 m=16 m=17 m=18 m=19 m=20 m=21 m=22 m=23 m=24 m=25 m=26 m=27 m=28 m=29 m=30 m=31 m=32 m=33 m=34 m=35 m=36

Gambar 4.2 Grafik Ramalan Produksi Kelap Sawit dari Jan-09 s/d Des-11

Nov-11

Sep-11

Jul-11

May-11

Mar-11

Jan-11

Nov-10

Sep-10

Jul-10

May-10

Mar-10

Jan-10

Nov-09

Sep-09

Jul-09

May-09

Mar-09

200000,00 180000,00 160000,00 140000,00 120000,00 100000,00 80000,00 60000,00 40000,00 20000,00 0,00

Jan-09

Jumlah (TON)

Ramalan Produksi Kelapa Sawit PT. Perkebunan Nusantara III dengan Alpa 0.1

Bulan dan Tahun

Data di atas menunjukkan suatu pola data yang linier. Kenaikan produksi terjadi pada periode ini. Hal ini merupakan suatu hal yang sangat diharapkan oleh perusahaan yang bersangkutan. Tidak terdapat suatu penyimpangan data pada suatu periode tertentu. Kenaikan yang seperti inilah yang diharapkan dapat memberikan bagi pihak yang terkait dalam hal laba (keuntungan).

4.2.2 Peramalan dengan Smoothing Eksponensial Linier Satu Parameter dari Brown dengan α=0.5 Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Perhitungan dalam peramalan dengan α=0.5, pada prinsipnya sama dengan perhitungan pada peramalan dengan α=0.1, hanya saja pada bagian ini tidak dituliskan kembali bagaiman rumus dan cara perhitungannya secara manual. Mengingat juga telah digunakan implementasi yang digunakan dalam memudahkan proses perhitungan peramalan. Untuk lebih jelasnya dapat diamati dalam tabel berikut ini. Tabel 4.3 Peramalan Produksi Kelapa Sawit dengan α = 0.5

No.

Bulan

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

Jan-06 Feb-06 Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08

Prod. Kelapa Sawit 78036 86927 106784 112395 129395 127396 124068 156109 146001 129679 129022 116716 77696 82812 103797 112849 118565 114616 133417 152829 126679 142651 128177 129021 86394 90825 110059 127050 128937

S't 78036 82481,50 94632,75 103513,88 116454,44 121925,22 122996,61 139552,80 142776,90 136227,95 132624,98 124670,49 101183,24 91997,62 97897,31 105373,16 111969,08 113292,54 123354,77 138091,88 132385,44 137518,22 132847,61 130934,31 108664,15 99744,58 104901,79 115975,89 122456,45

S"t 78036 80258,75 87445,75 95479,81 105967,1 113946,2 118471,4 129012,1 135894,5 136061,2 134343,1 129506,8 115345 103671,3 100784,3 103078,7 107523,9 110408,2 116881,5 127486,7 129936,1 133727,1 133287,4 132110,8 120387,5 110066 107483,9 111729,9 117093,2

a 84704,25 101819,8 111547,9 126941,8 129904,3 127521,8 150093,5 149659,3 136394,7 130906,9 119834,2 87021,47 80323,92 95010,31 107667,6 116414,2 116176,9 129828 148697,1 134834,8 141309,3 132407,8 129757,8 96940,81 89423,12 102319,7 120221,9 127819,7

b 2222,75 7187,00 8034,06 10487,31 7979,05 4525,22 10540,71 6882,40 166,73 -1718,13 -4836,31 -14161,78 -11673,70 -2887,00 2294,42 4445,17 2884,32 6473,27 10605,19 2449,38 3791,08 -439,77 -1176,54 -11723,34 -10321,46 -2582,12 4245,99 5363,27

Nilai Ramalan a+b(m) 86927,00 109006,75 119582,00 137429,06 137883,31 132047,05 160634,22 156541,71 136561,40 129188,73 114997,88 72859,69 68650,225 92123,30 109962,00 120859,42 119061,17 136301,32 159302,27 137284,19 145100,38 131968,08 128581,23 85217,46 79101,656 99737,54 124467,88


30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08 Jan-09 Feb-09 Mar-09 Apr-09 May-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10 Mar-10 Apr-10 May-10 Jun-10 Jul-10 Aug-10 Sep-10 Oct-10 Nov-10 Dec-10 Jan-11 Feb-11 Mar-11 Apr-11 May-11 Jun-11 Jul-11 Aug-11 Sep-11 Oct-11 Nov-11 Dec-11

147300 151012 142854 140425 143647 143647 137862

134878,22 142945,11 142899,56 141662,28 142654,64 143150,82 140506,41

125985,7 134465,4 138682,5 140172,4 141413,5 142282,2 141394,3

143770,7 151424,8 147116,6 143152,2 143895,8 144019,5 139618,5

8892,52 8479,71 4217,08 1489,90 1241,13 868,66 -887,88

133182,99 152663,27 159904,52 151333,71 144642,08 145136,90 144888,13 138730,66 137842,78 136954,90 136067,02 135179,15 134291,27 133403,39 132515,51 131627,64 130739,76 129851,88 128964,01 128076,13 127188,25 126300,37 125412,50 124524,62 123636,74 122748,86 121860,99 120973,11 120085,23 119197,35 118309,48 117421,60 116533,72 115645,85 114757,97 113870,09 112982,21 112094,34 111206,46 110318,58 109430,70 108542,83 107654,95


m=1 m=2 m=3 m=4 m=5 m=6 m=7 m=8 m=9 m=10 m=11 m=12 m=13 m=14 m=15 m=16 m=17 m=18 m=19 m=20 m=21 m=22 m=23 m=24 m=25 m=26 m=27 m=28 m=29 m=30 m=31 m=32 m=33 m=34 m=35 m=36

Gambar 4.3 Grafik Ramalan Produksi Kelapa Sawit dari Jan-09 s/d Des-11

Nov-11

Sep-11

Jul-11

May-11

Mar-11

Jan-11

Nov-10

Sep-10

Jul-10

May-10

Mar-10

Jan-10

Nov-09

Sep-09

Jul-09

May-09

Mar-09

160000,00 140000,00 120000,00 100000,00 80000,00 60000,00 40000,00 20000,00 0,00 Jan-09

Jumlah Produksi (TON)

Ramalan Produksi Kelapa Sawit PT. Pekebunan Nusantara III dengan Alpha 0.5

Bulan dan Tahun

Data di atas menunjukkan suatu pola data yang linier. Penurunan produksi terjadi pada periode ini. Hal ini merupakan suatu hal yang sangat tidak diharapkan oleh perusahaan yang bersangkutan. Tidak terdapat suatu penyimpangan data pada suatu periode tertentu.


4.2.3 Peramalan dengan Smoothing Eksponensial Linier Satu Parameter dari Brown dengan α=0.9

Perhitungan dalam peramalan dengan α=0.5, sama dengan perhitungan pada peramalan dengan α=0.1 dan α=0.5 namun sama dengan poin sebelumnya tidak dicantumkannya perhitungan secara manual dan tidak dituliskan kembali bagaiman rumus dan cara perhitungannya. Mengingat juga telah digunakan implementasi yang digunakan dalam memudahkan proses perhitungan peramalan. Untuk lebih jelasnya dapat diamati dalam tabel berikut ini:

Tabel 4.4 Peramalan Produksi Kelapa Sawit dengan α = 0.9

No.

Bulan

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Jan-06 Feb-06 Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07

Prod. Kelapa Sawit 78036 86927 106784 112395 129395 127396 124068 156109 146001 129679 129022 116716 77696 82812 103797 112849 118565 114616 133417 152829 126679 142651

S't 78036,00 86037,90 104709,39 111626,44 127618,14 127418,21 124403,02 152938,40 146694,74 131380,57 129257,86 117970,19 81723,42 82703,14 101687,61 111732,86 117881,79 114942,58 131569,56 150703,06 129081,41 141294,04

S"t

a

78036,00 85237,71 102762,22 110740,02 125930,33 127269,43 124689,66 150113,53 147036,62 132946,18 129626,69 119135,84 85464,66 82979,29 99816,78 110541,25 117147,73 115163,09 129928,91 148625,64 131035,83 140268,22

86838,09 106656,56 112512,86 129305,96 127567,00 124116,38 155763,28 146352,86 129814,97 128889,03 116804,54 77982,18 82426,99 103558,45 112924,47 118615,84 114722,06 133210,20 152780,47 127126,98 142319,86

b 7201,71 17524,51 7977,80 15190,31 1339,09 -2579,76 25423,87 -3076,91 -14090,44 -3319,49 -10490,85 -33671,18 -2485,37 16837,49 10724,47 6606,48 -1984,64 14765,82 18696,73 -17589,81 9232,39

Nilai Ramalan a+b(m) 94039,80 124181,07 120490,66 144496,27 128906,10 121536,62 181187,14 143275,95 115724,53 125569,54 106313,68 44311,00 79941,62 120395,93 123648,94 125222,32 112737,42 147976,02 171477,20 109537,17


23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70

Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08 Jan-09 Feb-09 Mar-09 Apr-09 May-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10 Mar-10 Apr-10 May-10 Jun-10 Jul-10 Aug-10 Sep-10 Oct-10 Nov-10 Dec-10 Jan-11 Feb-11 Mar-11 Apr-11 May-11 Jun-11 Jul-11 Aug-11 Sep-11 Oct-11

128177 129021 86394 90825 110059 127050 128937 147300 151012 142854 140425 143647 143647 137862

129488,70 129067,77 90661,38 90808,64 108133,96 125158,40 128559,14 145425,91 150453,39 143613,94 140743,89 143356,69 143617,97 138437,60

130566,66 129217,66 94517,01 91179,47 106438,51 123286,41 128031,87 143686,51 149776,70 144230,22 141092,53 143130,27 143569,20 138950,76

128410,75 128917,88 86805,75 90437,80 109829,41 127030,38 129086,41 147165,32 151130,08 142997,66 140395,26 143583,11 143666,74 137924,44

-9701,56 -1349,00 -34700,65 -3337,53 15259,04 16847,89 4745,46 15654,64 6090,19 -5546,49 -3137,69 2037,75 438,93 -4618,44

151552,25 118709,19 127568,89 52105,10 87100,27 125088,45 143878,28 133831,87 162819,96 157220,27 137451,18 137257,57 145620,85 144105,66 133305,99 m=1 128687,55 m=2 124069,11 m=3 119450,67 m=4 114832,23 m=5 110213,78 m=6 105595,34 m=7 100976,90 m=8 96358,46 m=9 91740,01 m=10 87121,57 m=11 82503,13 m=12 77884,69 m=13 73266,25 m=14 68647,80 m=15 64029,36 m=16 59410,92 m=17 54792,48 m=18 50174,03 m=19 45555,59 m=20 40937,15 m=21 36318,71 m=22 31700,27 m=23 27081,82 m=24 22463,38 m=25 17844,94 m=26 13226,50 m=27 8608,05 m=28 3989,61 m=29 -628,83 m=30 -5247,27 m=31 -9865,71 m=32 -14484,16 m=33 -19102,60 m=34


71 72

Nov-11 Dec-11

-23721,04 -28339,48

Gambar 4.4 Grafik Ramalan Produksi Kelapa Sawit dari Jan-09 s/d Des-11

Ramalan Produksi Kelapa Sawit PT. Perkebunan Nusantara III dengan Alpha 0.5

100000,00

Nov-11

Sep-11

Jul-11

May-11

Mar-11

Jan-11

Nov-10

Sep-10

Jul-10

May-10

Mar-10

Jan-10

Nov-09

Sep-09

May-09

-50000,00

Mar-09

0,00

Jul-09

50000,00

Jan-09

Jumlah (TON)

150000,00

Bulan dan Tahun

Data di atas menunjukkan suatu pola data yang linier. Penurunan produksi terjadi pada periode ini. Hal ini merupakan suatu hal yang sangat tidak diharapkan oleh perusahaan yang bersangkutan. Tidak terdapat suatu penyimpangan data pada suatu periode tertentu. Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

m=35 m=36

4.2.4 Nilai Kesalahan (Galat)

a)

Mean Error (Nilai Tengah Kesalahan) n

∑e i =1

ME = b)

i

n

Mean Absolute Error (Nilai Tengah Kesalahan Absolut) n

∑e i =1

MAE = c)

i

n

Sum of Squared Error (Jumlah Kuadrat Kesalahan) n

SSE =

∑e i =1

d)

2 i

Mean Squared Error (Nilai Tengah Kesalahan Kuadrat) n

MSE =

∑e i =1

2 i

/n


Disajikan dalam bentuk tabel sebagai berikut:

Nilai Kesalahan ME MAE SE MSE

0.1 3420,012384

17542,02 18154031744,81 533942110,14

0.5 -365,96 15087,24 11856288543,46 348714368,93

0.9 -429,19 17329,46 15411401067,73 453276501,99

dimana untuk mendapatkan nilai-nilai di atas, dipakai n=34

Berdasarkan teori-teori sebelumnya, ramalan yang baik adalah ramalan yang mempunyai nilai galat (kesalahan) yamg paling rendah. Dimana hal itu dilakukan dengan adanya pencocokan suatu model ramalan dengan parameter tertentu dengan data historis yang ada. Sedangkan tujuan optimalisasi statistik pada bagian sebelumnya adalah untuk memilih suatu model agar MSE ataupun SSE minimal. Ketepatan dalam ramalan adalah hal yang sangat diharapkan dalam peramalan. Hal ini dilakukan untuk mengukur kesesuaian suatu metode peramalan tertentuuntuk suatu kumpulan data yang diberikan.

Tabel 4.5 Perhitungan Ukuran Statistik Standar Untuk Satu Set Kesalahan (α=0.1)

Bln/ Thun Mar-06 Apr-06

Produksi 106784 112395

Ramalan 79814,20 85297,07

Galat 26969,80 27097,93

Galat Absolut 26969,80 27097,93

Galat Kuadrat 727370112,04 734297810,28


May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08 Jumlah

129395 127396 124068 156109 146001 129679 129022 116716 77696 82812 103797 112849 118565 114616 133417 152829 126679 142651 128177 129021 86394 90825 110059 127050 128937 147300 151012 142854 140425 143647 143647 137862

91075,26 99368,80 105987,02 110896,28 121412,69 128256,34 130712,75 132560,70 131560,96 122798,72 116273,47 114850,41 115397,60 116958,53 117449,15 121578,42 128923,92 129882,82 133821,89 134206,03 134625,70 126384,18 120194,84 118734,59 120863,22 123026,68 128510,79 133883,21 136774,56 138691,54 140906,04 142727,19

38319,74 28027,20 18080,98 45212,72 24588,31 1422,66 -1690,75 -15844,70 -53864,96 -39986,72 -12476,47 -2001,41 3167,40 -2342,53 15967,85 31250,58 -2244,92 12768,18 -5644,89 -5185,03 -48231,70 -35559,18 -10135,84 8315,41 8073,78 24273,32 22501,21 8970,79 3650,44 4955,46 2740,96 -4865,19 116280,42

38319,74 28027,20 18080,98 45212,72 24588,31 1422,66 1690,75 15844,70 53864,96 39986,72 12476,47 2001,41 3167,40 2342,53 15967,85 31250,58 2244,92 12768,18 5644,89 5185,03 48231,70 35559,18 10135,84 8315,41 8073,78 24273,32 22501,21 8970,79 3650,44 4955,46 2740,96 4865,19 596429,01

1468402167,11 785524023,92 326921712,64 2044190461,87 604585146,28 2023952,59 2858640,01 251054658,76 2901433853,86 1598937486,00 155662361,81 4005641,73 10032452,56 5487444,39 254972205,38 976598581,06 5039659,78 163026390,08 31864828,63 26884578,53 2326296614,75 1264455093,44 102735343,51 69146102,82 65185898,63 589193881,18 506304391,84 80475063,58 13325726,84 24556545,61 7512878,37 23670034,91 18154031744,81


Bln/ Thun Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06

Produksi 106784 112395 129395 127396 124068 156109

Ramalan 86927,00 109006,75 119582,00 137429,06 137883,31 132047,05

Galat 19857 3388,25 9813,00 -10033,06 -13815,31 24061,95

Galat Absolut 19857,00 3388,25 9813,00 10033,06 13815,31 24061,95

Galat Kuadrat 394300449,00 11480238,06 96294969,00 100662343,13 190862859,47 578977588,19


Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08 Jumlah

146001 129679 129022 116716 77696 82812 103797 112849 118565 114616 133417 152829 126679 142651 128177 129021 86394 90825 110059 127050 128937 147300 151012 142854 140425 143647 143647 137862

160634,22 156541,71 136561,40 129188,73 114997,88 72859,69 68650,22 92123,30 109962,00 120859,42 119061,17 136301,32 159302,27 137284,19 145100,38 131968,08 128581,23 85217,46 79101,66 99737,54 124467,88 133182,99 152663,27 159904,52 151333,71 144642,08 145136,90 144888,13

-14633,22 -26862,71 -7539,40 -12472,73 -37301,88 9952,31 35146,78 20725,70 8603,00 -6243,42 14355,83 16527,68 -32623,27 5366,81 -16923,38 -2947,08 -42187,23 5607,54 30957,34 27312,46 4469,12 14117,01 -1651,27 -17050,52 -10908,71 -995,08 -1489,90 -7026,13 -12442,51

14633,22 26862,71 7539,40 12472,73 37301,88 9952,31 35146,78 20725,70 8603,00 6243,42 14355,83 16527,68 32623,27 5366,81 16923,38 2947,08 42187,23 5607,54 30957,34 27312,46 4469,12 14117,01 1651,27 17050,52 10908,71 995,08 1489,90 7026,13 512966,07

214131090,99 721605029,05 56842587,70 155568883,54 1391429878,52 99048402,61 1235295803,20 429554580,28 74011690,91 38980291,75 206089824,37 273164335,19 1064277962,81 28802603,35 286400654,35 8685265,18 1779762662,26 31444459,38 958357165,89 745970488,19 19973071,44 199289947,58 2726698,89 290720375,16 118999871,29 990174,59 2219797,88 49366500,27 11856288543,46


Bln/ Thun Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06

Produksi 106784 112395 129395 127396 124068 156109

Ramalan 94039,80 124181,07 120490,66 144496,27 128906,10 121536,62

Galat 12744,20 -11786,07 8904,34 -17100,27 -4838,10 34572,38

Galat Absolut 12744,20 11786,07 8904,34 17100,27 4838,10 34572,38

Galat Kuadrat 162414633,64 138911446,04 79287342,07 292419251,17 23407187,81 1195249679,92


Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08 Jumlah

146001 129679 129022 116716 77696 82812 103797 112849 118565 114616 133417 152829 126679 142651 128177 129021 86394 90825 110059 127050 128937 147300 151012 142854 140425 143647 143647 137862

181187,14 143275,95 115724,53 125569,54 106313,68 44311,00 79941,62 120395,93 123648,94 125222,32 112737,42 147976,02 171477,20 109537,17 151552,25 118709,19 127568,89 52105,10 87100,27 125088,45 143878,28 133831,87 162819,96 157220,27 137451,18 137257,57 145620,85 144105,66

-35186,14 -13596,95 13297,47 -8853,54 -28617,68 38501,00 23855,38 -7546,93 -5083,94 -10606,32 20679,58 4852,98 -44798,20 33113,83 -23375,25 10311,81 -41174,89 38719,90 22958,73 1961,55 -14941,28 13468,13 -11807,96 -14366,27 2973,82 6389,43 -1973,85 -6243,66 -14592,78

35186,14 13596,95 13297,47 8853,54 28617,68 38501,00 23855,38 7546,93 5083,94 10606,32 20679,58 4852,98 44798,20 33113,83 23375,25 10311,81 41174,89 38719,90 22958,73 1961,55 14941,28 13468,13 11807,96 14366,27 2973,82 6389,43 1973,85 6243,66 589201,85

1238064615,95 184877112,09 176822733,99 78385104,74 818971721,14 1482326921,65 569078993,38 56956222,87 25846453,04 112493998,34 427644849,00 23551398,55 2006878731,57 1096525750,40 546402404,17 106333452,41 1695371172,81 1499231031,06 527103274,99 3847666,30 223241785,74 181390497,36 139427953,16 206389816,45 8843634,53 40824786,53 3896094,50 38983350,36 15411401067,73


BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi siatem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam dokumen desain sistem yang disetujui, menginstal dan memulai menggunakan sistem baru atau sistem yang diperbaiki. Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Tujuan Implementasi sistem adalah: 1. Menyelesaikan desain sistem yang ada dalam dokumen desain sistem yang disetujui. 2. Menulis, menguji, dan mendokumentasi program-program dan prosedur yang diperlukan oleh dokumen desain sistem yang disetujui. 3. Memperhatikan bahwa personel dapat menggunakan sistem baru yaitu dengan mempersiapkan manual pemakaian dan melatih personel. 4. Memperhitungkan bahwa desain sistem memenuhi permintaan pemakain yaitu dengan menguji sistem secara keseluruhan. 5. Memastikan bahwa konversi ke sistem baru berjalan secara benar yaitu dengan merencana, mengontrol, dan melakukan instalasi sistem baru secara benar. Tahapan Implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming (coding). Dalam pengolahan data pada karya tulis ini penulis menggunakan suatu perangkat lunak (software) sebagai implementasi sistem yaitu program Excel 2003 dalam masalah memperoleh hasil perhitungan. Diharapkan dengan penggunaan Microsoft Excel 2003 ini dapat meningkatkan pengetahuan dan kemampuan dalan hal: 1. Pemahaman bentuk elemen dari lembar kerja Excel. 2. Menganalisa data dan lembar kerja. 3. Kreasi dan modifikasi grafik. 4. Pendayagunaan fasilitas Excel secara maksimal.


Tahap-Tahap Implementasi pada Peramalan Produksi Karet dengan Metode Smoothing Eksponensial

Pengaktifan Excel 2003 Sebelumnya, pastikan komputer anda telah terpasang Program Excel 2003, selanjutnya anda dapat menjalankan program ini dengan langkag sebagai berikut:

1. Klik Start. 2. Pilih Programs. 3. Klik Microsoft Office, dan pilih Microsoft Excel 2003. selanjutnya Excel akan menampilkan buku kerja (Workbook) yang kosong.


Gambar 5.1 Tampilan Cara Pengaktifan Excel 2003

Gambar 5.2 Tampilan Jendela Excel 2003 Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Implementasi pada Peramalan Produksi Karet dengan Metode Smoothing Eksponensial

Terdapat banyak fungsi-fungsi statistik yang disediakan oleh Microsoft Excel 2003, diantaranya adalah fungsi average, standar deviasi, fungsi median, fungsi mean dan lain-lain. Berikut ini penulis akan menyajikan penjelasan tentang penggunaan Microsoft Excel 2003 dalam pemulusan eksponensial. Metode Eksponensial Smoothing merupakan salah satu metode untuk meramalkan keadaan di masa yang akan datang. Langkah-langkah yang digunakan untuk menentukan menentukan eksponensial smoothing dari data-data aktual yang tersedia untuk diolah sehingga dapat dicari ramalan untuk periode selanjutnya adalah sebagai berikut: 1. Pada lembar kerja Excel, masukkan data-data yang akan diolah. 2. Lalu hitunglah ramalan data tersebut dengan menggunakan menu yang ada pada Excel, yaitu: a. Klik Tools lalu Data Analysis. b. Bila Data Analysis belum tersedia pada menu Tools, maka sebelumnya klik Tools kemudian klik Add-Ins dan beri tanda check pada Analysis ToolPak. Maka secara otomatis menu Data Analysis tersedia. 3. Pada menu Analysis Tools, pilih Exponential Smoothing lalu akan terdapat pull down untuk menu eksponensial smoothing seperti pada tampilan berikut ini: Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

Gambar 5.3 Tampilan Menu Tools

Gambar 5.4 Tampilan Menu Data Analysis


4. Masukkan Input Range pada menu input dengan memasukkan range pada data aktual yang telah dimasukkan ke Excel. Masukkan angka sebagai periode dari eksponensial smoothing. Dan Damping Factor, misalnya untuk α=0.1, maka Damping Factornya adalah 0.9. 5. Kemudian masukkan Output Range pada menu Output Options dengan menentukan hasil output ditempatkan. Lalu klik OK, maka hasil output akan muncul pada range yang telah ditentukan. 6. Untuk menghitung nilai a, b, dan nilai ramalan digunakan data angka numeric yaitu karakter nilai konstanta dan karakter khusus yang dibaca dalam format data angka yaitu terdiri dari angka dan tanda-tanda khusus, sesuai dengan perhitungan tertentu. Contohnya: =G8+H8(1) lalu tekan Enter.

Untuk lebih jelasnya dapat dilihat pada gambar berikut ini:


Gambar 5.5 Tampilan Menu Exponential Smoothing

Gambar 5.6 Tampilan Jendela Chart atau Grafik Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil penelitian dan perhitungan yang penulis lakukan dalam peramalan Produksi Kelapa Sawit PT. Perkebunan Nusantara III (Persero) Medan, diambil kesimpulan sebagai berikut: 1. Diperlukannya data statisik yang lengkap dan akurat dalam usaha pengoptimalan peningkatan produksi kelapa sawit sebagai bentuk usaha pengamatan perkembangan produksi karet itu sendiri. 2. Terdapat perbandingan hasil perhitungan peramalan produksi kelapa sawit PT. Perkebunan Nusantara III (Persero) Medan, pada α=0.1, α=0.5, α=0.9, namun hal ini merupakan sangat menarik untuk diamati mengingat pentingnya suatu peramalan demi usaha peningkatan usaha produksi dalam kontribusinya memberikan yang terbaik bagi perusahaan yang bersangkutan. 3. Beberapa faktor musim adalah hal yang sangat mempengaruhi produktivitas karet disamping hal-hal lainnya yang juga berpengaruh. 4. Terbentuknya pola data yang linier pada hasil ramalan yang berarti menunjukkan adanya peningkatan produksi di tahun 2009. hal ini juga Edya Syahputra Lubis : Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011, 2009.

bergantung pada bagian pada perusahaan yang bersangkutan dalam usahanya meningkatkan produksi komoditi tersebut. 5. Penggunaan Metode Smoothing Eksponensial cukup efektif dalan perhitungan peramalan produksi kelapa sawit PT. Perkebunan Nusantara III (Persero) Medan.

6.2 Saran

Penulis memberikan saran yang diharapkan dapat bemanfaat bagi pihak yang terkait, sebagai berikut: 1. Sebaiknya penyusunan data produksi yang terdapat pada perusahaan tempat penulis melakukan penelitian, ditabulasikan dalam bentuk yang lebih rinci atau spesifik sehingga lebih mudah untuk dibaca dan diamati. 2. Melihat hasil peramalan yang dilakukan, hendaknya perlu usaha peningkatan kualitas prodiksi kelapa sawit yang baik. 3. Perusahaan yang terkait dalam peulisan Tugas Akhir ini sebaiknya menggunakan Metode Peramalan Smoothing Eksponensial atau metode peramalan lainnya yang cocok dalam meramalkan produksi komoditinya, untuk memberikan hasil yang terbaik di masa yang akan datang.


DAFTAR PUSTAKA

Assauri, Sofjan. 1984. Teknik dan Metode Peramalan Penerapannya Dalam Ekonomi Dan Dunia Usaha, Edisi 1. Jakarta: Lembaga Penerbitan Fakultas Ekonomi UI.

Makridakis, Sypros. 1993. Metode dan Aplikasi Peramalan. Edisi ke-2. Jakarta: Erlangga. Manurung, Adler Haymans. 1990. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta.


APLIKASI METODE PEMULUSAN EKSPONENSIAL GANDA DARI BROWN UNTUK PERAMALAN PRODUKSI KELAPA SAWIT PADAPT.PERKEBUNAN NUSANTARA III TAHUN 2010 DAN 2011

Recommend Documents