BAB 3 PENGOLAHAN DATA

BAB 3 PENGOLAHAN DATA

3.1 Pengertian Pengolahan Data Pengolahan data dapat diartikan sebagai penjabaran atas pengukuran data kuantitatif menjadi suatu penyajian yang lebih mudah dimengerti dan menguraikan suatu masalah secara keseluruhan. Data yang akan diolah oleh penulis adalah data per tahun nilai penjualan energi listrik PT. PLN (Persero) Provinsi Sumatera Utara yang dimulai dari tahun 2004 sampai 2014. Metode yang digunakan untuk mengolah data tersebut adalah metode peramalan smoothing eksponensial ganda yaitu metode linier satu parameter dari Brown.

3.2 Pengolahan Data dengan Metode Smoothing Eksponensial Ganda: Metode Linier Satu-Parameter dari Brown Tabel 3.1

Data Nilai Penjualan Energi Listrik Provimsi Sumatera Utara Tahun 2004-2014

Periode

Tahun

Energi yang Terjual (GWH)

1 2 3 4 5 6 7 8 9 10 11

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

4.439,97 4.613,87 4.940,87 5.163,43 5.757,83 6.069,90 6.636,29 7.194,04 7.809,32 7.917,24 8.271,01

Universitas Sumatera Utara

14

Langkah-langkah yang ditempuh untuk menentukan bentuk persamaan peramalan dengan menggunakan metode pemulusan eksponensial ganda: metode linier satuparameter dari Brown adalah: 1. Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0 < α < 1. 2. Menghitung harga smoothing eksponensial tunggal dengan menggunakan persamaan 2.2.  α = 0,1 S1 = 4.439,97 S 2 = (0,1)(4.613,87)  (1 0,1)(4.439,97)  4.457,36 S3 = (0,1)(4.940,87)  (1 0,1)(4.457,36)  4.505,71

dst.  α = 0,2 S1 = 4.439,97 S 2 = (0, 2)(4.613,38)  (1 0, 2)(4.439,97)  4.474,75 S3 = (0, 2)(4.940,87)  (1 0, 2)(4.474,75)  4.567.97

dst. . . .  α = 0,9 S1 = 4.439,97 S 2 = (0,9)(4.613,38)  (1 0,9)(4.439,97)  4.596, 48 S3 = (0,9)(4.940,87)  (1 0,9)(4.596, 48)  4.906, 43

dst.


15

3. Menghitung harga smoothing eksponensial ganda dengan menggunakan persamaan 2.3.  α = 0,1 S1 = 4.439,97 S 2 = (0,1)(4.613,38)  (1 0,1)(4.439,97)  4.441,71 S3 = (0,1)(4.490,87)  (1 0,1)(4.441,71)  4.448,11

dst.  α = 0,2 S1 = 4.439,97 S 2 = (0, 2)(4.613,38)  (1 0, 2)(4.439,97)  4.446,93 S3 = (0, 2)(4.490,87)  (1 0, 2)(4.446,93)  4.471.14

dst. . . .  α = 0,9 S1 = 4.439,97 S 2 = (0,9)(4.613,38)  (1 0,9)(4.439,97)  4.580,83 S3 = (0,9)(4.490,87)  (1 0,9)(4.580,83)  4.873,87

dst. 4. Menghitung koefisien at dan bt dengan menggunakan persamaan 2.4 dan persamaan 2.5.  α = 0,1

a1

=-

a2 = 2(4.457,36)  (4.441,71)  4.473.01 a3 = 2(4.505,71)  (4.448,11)  4.563,31 dst.


16

b1 = -

b2 =

0,1 (4.457,36  4.441, 71)  1, 74 1  0,1

b3 =

0,1 (4.505, 71  4, 448,11)  6.40 1  0,1

dst.  α = 0,2

a1 = a2 = 2(4.474,75)  (4.446,93)  4.502,57 a3 = 2(4.567,97)  (4.471,14)  4.664,81 dst. b1 = -

b2 =

0, 2 (4.474, 75  4.446,93)  6,96 1  0, 2

b3 =

0, 2 (4.567,97  4.471,14)  24, 21 1  0, 2

dst. . . .  α = 0,9

a1 = a2 = 2(4.596, 48)  (4.580,83)  4.612,13 a3 = 2(4.906, 43)  (4.873,87)  4.938,99 dst. b1 = -

b2 =

0,9 (4.596, 48  4.580,83)  140,86 1  0,9

b3 =

0,1 (4.906, 43  4.873,87)  293, 04 1  0,1

dst.


17

5. Menghitung trend peramalan Ft  m dengan menggunakan persamaan 2.6.  α = 0,1

F1 = F2 = F3 = (4.473,01  1,74)(1)  4.474,75 F4 = (4.563,31  6, 40)(1)  4.569,71 dst.  α = 0,2

F1 = F2 = F3 = (4.502,57  6,96)(1)  4.509,53 F4 = (4.664,81 24, 21)(1)  4.689,02 dst. . . .  α = 0,9

F1 = F2 = F3 = (4.612,13  140,86)(1)  4.752,99 F4 = (4.938,99  293,04)(1)  5.232,03 dst. 6. Menghitung nilai kesalahan (error) dengan menggunakan persamaan 2.7.  α = 0,1 e1 = -

e2 = e3 = 4.940,87  4.474,75  466,12 e4 = 5163, 43  4.569,71  593,72


18

dst.  α = 0,2 e1 = -

e2 = e3 = 4.940,87  4.509,53  431,34 e4 = 5.163, 43  4.689,02  474, 41 dst. . . .  α = 0,9 e1 = -

e2 = e3 = 4.940,87  4.752,99  187,88 e4 = 5.163, 43  5.232,03  68,60 dst. Untuk α = 0,3 sampai dengan α = 0,8 hasilnya pada Tabel 3.2 – Tabel 3.10.

3.3 Penaksiran Model Peramalan Dalam mengolah data pada Tabel 3.1, penulis menggunakan metode peramalan yaitu dengan metode smoothing eksponensial satu parameter dari Brown. Untuk memenuhi perhitungan smoothing eksponensial tunggal, ganda dan ramalan yang akan datang, maka kita harus menentukan parameter dari nilai α terlebih dahulu yang biasa digunakan dengan cara trial and error atau coba dan salah. Nilai α yang dipilih dari 0 < α < 1, dihitung Mean Square Error (MSE) yang merupakan suatu ukuran ketepatan perhitungan dengan mengkuadratkan nilai error masingmasing elemen dalam sebuah susunan data dan kemudian dicoba nilai α yang lain.


19

Untuk menghitung nilai MSE adalah pertama dicari terlebih dahulu error yang merupakan hasil dari data asli dikurang hasil ramalan. Lalu tiap error dikuadratkan dan dibagi dengan banyaknya error (persamaan 2.9).


Tabel 3.2

Perhitungan Peramalan Nilai Penjualan Energi Listrik dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,1

Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.457,36

4.441,71

4.473,01

1,74

-

-

-

4.940,87

4.505,71

4.448,11

4.563,31

64,0

4.474,75

466,12

217.267,85

5.163,43

4.571,48

4.460,45

4.682,52

12,34

4.569,71

593,72

352.499,88

5.757,83

4.690,12

4.483,41

4.896,82

22,97

4.694,86

1.062,97

1.129.912,45

6.069,90

4.828,10

4.517,88

5.138,31

34,47

4.919,79

1.150,11

1.322.756,12

6.636,29

5.008,92

4.566,99

5.450,85

49,10

5.172,78

1.463,51

2.141.867,30

7.194,04

5.227,43

4.633,03

5.821,83

66,04

5.499,95

1.694,09

2.869.945,55

7.809,32

5.485,62

4.718,29

6.252,95

85,26

5.887,87

1.921,45

3.691.969,15

7.917,24

5.728,78

4.819,34

6.638,22

101,05

6.338,20

1.579,04

2.493.353,27

8.271,01

5.983,00

4.935,70

7.030,30

116,37

6.739,27

1.531,74

2.346.226,49

SSE 16.565.798,06

Untuk mendapatkan nilai MSE digunakan persamaan 2.8 dengan α = 0,1 dan N=11 MSE = 1.505.981,64

20 Universitas Sumatera Utara

Tabel 3.3


Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.474,75

4.446,93

4.502,57

6,96

-

-

-

4.940,87

4.567,97

4.471,14

4.664,81

24,21

4.509,53

431,34

186.054,20

5.163,43

4.687,07

4.514,32

4.859,81

43,19

4.689,02

474,41

225.062,95

5.757,83

4.901,22

4.591,70

5.210,74

77,38

4.902,99

854,84

730.743,22

6.069,90

5.134,95

4.700,35

5.569,56

108,65

5.288,11

781,79

611.188,10

6.636,29

5.435,22

4.847,33

6.023,12

146,97

5.678,21

958,08

917.920,72

7.194,04

5.786,99

5.035,26

6.538,71

187,93

6.170,09

1.023,95

1.048.470,20

7.809,32

6.191,45

5.266,50

7.116,41

231,24

6.726,65

1.082,67

1.172.185,15

7.917,24

6.536,61

5.520,52

7.552,70

254,02

7.347,65

569,59

324.436,25

8.271,01

6.883,49

5.793,11

7.973,87

272,59

7.806,72

464,29

215.562,32

SSE

5,431,623.10

Untuk mendapatkan nilai MSE digunakan persamaan 2.8 dengan α = 0,2 dan N=11 MSE = 493.783,92


Tabel 3.4


Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.492,14

4.455,62

4.528,66

15,65

-

-

-

4.940,87

4.626,76

4.506,96

4.746,56

51,34

4.544,31

396,56

157.259,83

5.163,43

4.787,76

4.591,20

4.984,32

84,24

4.797,90

365,53

133.614,37

5.757,83

5.078,78

4.737,48

5.420,09

146,27

5.068,56

6.89,,7

475.095,61

6.069,90

5.376,12

4.929,07

5.823,17

191,59

5.566,36

5.03,54

253.551,88

6.636,29

5.754,17

5.176,60

6.331,74

247,53

6.014,76

6.21,53

386.301,91

7.194,04

6.186,13

5.479,46

6.892,80

302,86

6.579,27

6.14,77

377.942,63

7.809,32

6.673,09

5.837,55

7.508,63

358,09

7.195,66

6.13,66

376.576,03

7.917,24

7.046,33

6.200,18

7.892,48

362,64

7.866,72

50,52

2.552,63

8.271,01

7.413,74

6.564,25

8.263,22

364,07

8.255,12

15,89

252,51

SSE

2.163.147,42



Tabel 3.5


Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.509,53

4.467,79

4.551,27

27,82

-

-

-

4.940,87

4.682,07

4.553,50

4.810,63

85,71

4.579,09

361,78

130.884,77

5.163,43

4.874,61

4.681,95

5.067,28

128,44

4.896,34

267,09

71.338,14

5.757,83

5.227,90

4.900,33

5.555,47

218,38

5.195,72

562,11

315.967,20

6.069,90

5.564,70

5.166,08

5.963,32

265,75

5.773,85

296,05

876.44,66

6.636,29

5.993,34

5.496,98

6.489,69

330,90

6.229,07

407,22

165.827,01

7.194,04

6.473,62

5.887,63

7.059,60

390,65

6.820,60

373,44

139.461,11

7.809,32

7.007,90

6.335,74

7.680,06

448,11

7.450,25

359,07

128.927,82

7.917,24

7.371,64

6.750,10

7.993,17

414,36

8.128,16

-210,92

44.488,06

8.271,01

7.731,39

7.142,61

8.320,16

392,51

8.407,53

-136,52

18.637,65

SSE

1.103.176,41



Tabel 3.6


Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.526,92

4.483,45

4.570,40

43,48

-

-

-

4.940,87

4.733,90

4.608,67

4.859,12

125,23

4.613,87

327,00

106.929,00

5.163,43

4.948,66

4.778,67

5.118,66

170,00

4.984,35

179,08

32.071,44

5.757,83

5.353,25

5.065,96

5.640,54

287,29

5.288,66

469,17

220.125,18

6.069,90

5.711,57

5.388,76

6.034,38

322,81

5.927,83

142,07

20.184,95

6.636,29

6.173,93

5.781,35

6.566,52

392,58

6.357,19

279,10

77.896,81

7.194,04

6.683,99

6.232,67

7.135,30

451,32

6.959,10

234,94

55.197,54

7.809,32

7.246,65

6.739,66

7.753,65

506,99

7.586,62

222,70

49.593,76

7.917,24

7.581,95

7.160,80

8.003,09

421,14

8.260,64

-343,40

117.922,76

8.271,01

7.926,48

7.543,64

8.309,32

382,84

8.424,23

-153,22

23.477,28

SSE

703.398,71



Tabel 3.7


Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.544,31

4.502,57

4.586,05

62,60

-

-

-

4.940,87

4.782,25

4.670,38

4.894,11

167,80

4.648,65

292,22

85.392,53

5.163,43

5.010,96

4.874,72

5.147,19

204,35

5.061,92

101,51

103.04,69

5.757,83

5.459,08

5.225,34

5.692,82

350,61

5.351,54

406,29

165.075,14

6.069,90

5.825,57

5.585,48

6.065,67

360,14

6.043,44

26,46

700,32

6.636,29

6.312,00

6.021,39

6.602,61

435,91

6.425,81

210,48

44.303,42

7.194,04

6.841,23

6.513,29

7.169,16

491,90

7.038,53

155,51

24.184,24

7.809,32

7.422,08

7.058,57

7.785,60

545,27

7.661,06

148,26

21.981,88

7.917,24

7.719,18

7.454,93

7.983,42

396,37

8.330,87

-413,63

171.091,23

8.271,01

8.050,28

7.812,14

8.288,41

357,21

8.379,79

-108,,78

11.832,54

SSE

534,865.99



Tabel 3.8


Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.561,70

4.525,18

4.598,22

85,21

-

-

-

4.940,87

4.827,12

4.736,54

4.917,70

211,36

4.683,43

257,44

66.275,35

5.163,43

5.062,54

4.964,74

5.160,34

228,20

5.129,06

34,37

1.181,50

5.757,83

5.549,24

5.373,89

5.724,59

409,15

5.388,54

369,29

136.378,21

6.069,90

5.913,70

5.751,76

6.075,65

377,87

6.133,75

-63,85

4.076,45

6.636,29

6.419,51

6.219,19

6.619,84

467,43

6.453,51

182,78

33.406,81

7.194,04

6.961,68

6.738,93

7.184,43

519,75

7.087,27

106,77

11.400,13

7.809,32

7.555,03

7.310,20

7.799,86

571,27

7.704,18

105,14

11.055,07

7.917,24

7.808,58

7.659,06

7.958,09

348,86

8.371,12

-453,88

206.010,31

8.271,01

8.132,28

7.990,32

8.274,24

331,25

8.306,95

-35,94

1.291,90

SSE

471.075,73



Tabel 3.9


Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.579,09

4.551,27

4.606,91

111,30

-

-

-

4.940,87

4.868,51

4.805,06

4.931,96

253,80

4.718,21

222,66

49.577,48

5.163,43

5.104,45

5.044,57

5.164,32

239,51

5.185,76

-22,33

498,72

5.757,83

5.627,15

5.510,64

5.743,67

466,07

5.403,83

354,00

125.316,57

6.069,90

5.981,35

5.887,21

6.075,49

376,57

6.209,74

-139,84

19.554,22

6.636,29

6.505,30

6.381,68

6.628,92

494,48

6.452,06

184,23

33.939,00

7.194,04

7.056,29

6.921,37

7.191,21

539,69

7.123,40

70,64

4.990,52

7.809,32

7.658,71

7.511,25

7.806,18

589,88

7.730,90

78,42

6.149,45

7.917,24

7.865,53

7.794,68

7.936,39

283,43

8.396,06

-478,82

229.267,03

8.271,01

8.189,91

8.110,87

8.268,96

316,19

8.219,82

51,19

2.620,00

SSE

471.912,98



Tabel 3.10


Xt

S 't

S "t

at

bt

Ft

et

et2

4.439,97

4.439,97

4.439,97

-

-

-

-

-

4.613,87

4.596,48

4.580,83

4.612,13

140,86

-

-

-

4.940,87

4.906,43

4.873,87

4.938,99

293,04

4.752,99

187,88

35.298,89

5.163,43

5.137,73

5.111,34

5.164,12

237,47

5.232,03

-68,60

4.706,37

5.757,83

5.695,82

5.637,37

5.754,27

526,03

5.401,59

356,24

126.907,37

6.069,90

6.032,49

5.992,98

6.072,00

355,61

6.280,30

-210,40

44.266,41

6.636,29

6.575,91

6.517,62

6.634,20

524,64

6.427,61

208,68

43.546,68

7.194,04

7.132,23

7.070,77

7.193,69

553,15

7.158,84

35,20

1.239,01

7.809,32

7.741,61

7.674,53

7.808,70

603,76

7.746,84

62,48

3.904,14

7.917,24

7.899,68

7.877,16

7.922,19

202,64

8.412,46

-495,22

245.238,26

8.271,01

8.233,88

8.198,21

8.269,55

321,04

8.124,83

14,618

21.369,20

SSE

526.476,35



29

Kemudian nilai-nilai MSE yang telah diperoleh dapat dilihat pada nilai α yang memberikan nilai MSE yang paling kecil. Perbandingan ukuran ketepatan metode peramalan nilai penjualan energi listrik di PT. PLN (Persero) Provinsi Sumatera Utara dengan melihat MSE adalah sebagai berikut:

Tabel 3.11

Perbandingan Ukuran Ketepatan Metode Peramalan

α MSE 0,1 1.505.981,64 0,2 493.783,92 0,3 196.649,77 0,4 100.288,76 0,5 63.945,34 0,6 48.624,18 0,7 42.825,07 0,8 42.901,18 0,9 47.861,49 Dari Tabel 3.11, dapat dilihat bahwa MSE yang paling kecil terdapat pada α = 0,7 yaitu dengan MSE = 42.825,07

3.4 Penentuan Bentuk Persamaan Peramalan Melalui cara trial and error dengan 0 < α < 1, telah diperoleh perhitungan peramalan pemulusan eksponensial linier satu-parameter dai Brown dengan α = 0,7, sehingga dapat ditentukan bentuk persamaan peramalan untuk periodeperiode berikutnya. Berdasarkan perhitungan pada α = 0,7, dapat diperoleh persamaan peramalan untuk periode berikutnya yaitu denagn menggunakan persamaan 2.6 sebagai berikut:

Ft  m  at  bt m F11 m  a11  b11m F11 m  8.274, 24  331, 25(m)


30

3.5 Peramalan Nilai Penjualan Energi Listrik untuk Tahun 2015, 2016 dan 2017 Setelah diperoleh peramalan nilai penjualan energi listrik, maka dapat dihitung nilai penjualan energi listrik untuk tiga periode berikutnya, yaitu untuk tahun 2014, 2015 dan 2016 seperti di bawah ini: a. Untuk periode ke-12 (tahun 2015) F11 m

 a11  b11m

F111

 8.274, 24  331, 25(1)

F12

 8.605,50

b. Untuk periode ke-13 (tahun 2016) F11 m

 a11  b11m

F11 2

 8.274, 24  331, 25(2)

F13

 8.936,75

c. Untuk periode ke-14 (tahun 2017) F11 m

 a11  b11m

F113

 8.274, 24  331, 25(3)

F14

 9.268,00

Tabel 3.12

Peramalan Nilai Penjualan Energi Listrik di PT.PLN (Persero) Provinsi Sumatera Utara untuk Tahun 2015, 2016 dan 2017

Tahun

Periode

2015

12

Peramalan Nilai Penjualan Energi Listrik (Gigawatt) 8.605,50

2016

13

8.936,75

2017

14

9.268,00


BAB 4 IMPLEMENTASI SISTIM

4.1. Pengertian Implementasi Sistim Dalam hal pengolahan data, komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketepatan, dan keandalan. Terutama dalam pengolahan data yang jumlahnya sangat besar dan rumit dikerjakan secara manual tentunya sangat membutuhkan komputer untuk mengolah data tersebut. Di samping dapat dikerjakan dengan cepat dan tepat, juga dapat mengurangi kesalahan- kesalahan perhitungan. Jadi, implementasi sistim merupakan penerapan hasil desain tertulis ke dalam sebuah tulisan yang mana dalam hal ini penulis menggunakan Microsoft Excel 2007 untuk menganalisis data nilai ekspor dan impor Provinsi Sumatera Utara.

4.2. Microsoft Excel Microsoft Excel adalah program lembar kerja atau spreadsheet. Program ini merupakan salah satu program aplikasi Microsoft Office untuk mengolah data perhitungan. Excel dapat melakukan pengolahan data secara cepat pada bidang matematika, akuntansi, statistik dan pada bidang-bidang lain yang memerlukan perhitungan dengan cepat dan teliti. Selain Excel, kita juga dapat mengolah data statistik dengan software-software lainnya yang juga cukup terkenal seperti SPSS dan MINITAB. Sheet atau lembar kerja Excel terdiri dari 256 kolom dan 65536 baris. Kolom diberi nama dengan huruf dari A, B, C sampai dengan Z, lalu dilanjutkan dengan AA, AB, AC sampai kolom IV. Sedangkan baris ditandai dengan angka mulai dari 1,2,3 sampai dengan 65536. Excel 2007 hadir dengan tampilan yang lebih praktis dan mudah digunakan, juga berintegrasi dengan berbagai software lain seperti Microsoft Word, Microsoft Accses, dan Microsoft Powerpoint.

4.3. Langkah-langkah Pengolahan Data Adapun cara memulai Excel yaitu dengan cara:


32

1. Klik Start pada sudut kiri bawah layar desktop, maka akan muncul seperti pada Gambar 4.2

Gambar 4.1 Tampilan Icon Start

Gambar 4.2 Tampilan Start

2. Klik Microsoft Office Excel 2007. Maka akan muncul seperti gambar seperti Gambar 4.3.


33

Gambar 4.3 Tampilan Lembar Kerja Microsoft Excel

3. Masukkan(entry) data yang akan diolah seperti pada Gambar 4.4.

Gambar 4.4 Tampilan Pemasukan Data

4. Olah data dengan memasukkan rumus  Persamaan 2.2 untuk nilai pemjualan energi listrik dengan α = 0,7 yaitu

dengan

memasukkan

rumus

=(0,7)*(B3)+(1-0,7)*(C2),

kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.5.


34

Gambar 4.5 Tampilan Hasil Olah Data untuk Persamaan 2.2  Persamaan 2.3 untuk nilai penjualan energi listrik dengan α = 0,7 yaitu dengan memasukkan rumus =(0,7)*(C3)+(1-0,7)*(D2), kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.6.

Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan 2.3  Persamaan 2.4 untuk nilai penjualan energi listrik dengan α = 0,7 yaitu dengan memasukkan rumus =2*(C3)-D3,

kemudian melanjutkan

rumus untuk baris selanjutnya seperti pada Gambar 4.7 sebagai berikut.


35

Gambar 4.7 Hasil Olah Data untuk Persamaan 2.4  Persamaan 2.5 untuk nilai penjualan energi listrik dengan α = 0,3 yaitu dengan memasukkan rumus =((0,7)/(1-0,7))*(C3-D3) kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.8 sebagai berikut.

Gambar 4.8 Hasil Olah Data untuk Persamaan 2.5  Persamaan 2.6 untuk nilai penjualan energi listrik dengan α = 0,7 yaitu dengan memasukkan rumus =E3+F3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.9 sebagai berikut.


36

Gambar 4.9 Hasil Olah Data untuk Persamaan 2.6  Persamaan 2.7 untuk nilai penjualan energi listrik dengan α = 0,7 yaitu dengan memasukkan rumus =B4-G4, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.10 sebagai berikut.

Gambar 4.10 Hasil Olah Data untuk Persamaan 2.7  Kuadratkan nilai setiap et dengan rumus =H4^2 untuk baris selanjutkan dengan rumus tersebut, kemudian jumlahkan hasil kuadrat tersebut dengan rumus =SUM(I4:I16) seperti pada Gambar 4.11.


37

Gambar 4.11 Hasil Kuadrat Persamaan 2.7  Persamaan 2.6 untuk nilai pemjualan energi listrik dengan α = 0,7 yaitu dengan memasukkan rumus =E3+F3 untuk tahun 2015, rumus =E3+F3(2) untuk tahun 2016, dan rumus =E3+F3(3) untuk tahun 2017, seperti pada Gambar 4.12 sebagai berikut.

Gambar 4.12 Hasil Peramalan

Dari pengolahan data yang telah dilakukan, untuk nilai penjualan energi listrik dengan α = 0,7, dan N=11 maka diperoleh peramalan nilai penjualan energi listrik untuk tahun 2017 sebesar 9.268,00 Untuk α = 0,1, α = 0,2 sampai dengan α = 0,9 dapat menggunakan langkah-langkah pengolahan data yang sama dengan α = 0,7.


BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan Berdasarkan hasil pengolahan data pada Bab 3, maka penulis mengambil kesimpulan sebagai berikut : a.

Dari hasil pengolahan data tahun 2004 sampai 2014 untuk nilai penjualan energi listrik di Provinsi Sumatera Utara dalam satuan GWH dengan menggunakan metode smoothing eksponensial ganda dengan metode linier satu-parameter

dari

Brown,

diperoleh

nilai

MSE

terkecil

yaitu

42.825,07dengan α = 0,7 b.

Bentuk persamaan peramalan nilai penjualan energi listrik Provinsi Sumatera Utara berdasarkan data tahun 2004 sampai 2014, untuk nilai penjualan energi listrik dengan α = 0,7 adalah 𝐹11+𝑚 = 8.274, 24  331, 25(m)

c.

Peramalan nilai penjualan energi listrik Provinsi Sumatera Utara untuk tahun 2017 yakni periode ke-14 sebesar 9.268,00 GWH

d.

Berdasarkan nilai peramalan penjualan energi listrik yang diperoleh dari hasil pengolahan data, maka nilai penjualan energi listrik Provinsi Sumatera Utara terus meningkat dari tahun ke tahun, sehingga persaingan perdagangan Provinsi Sumatera Utara terus meningkat.

5.2. Saran a.

Dalam meramalkan penjualan energi listrik Provinsi Sumatera Utara dapat menggunakan metode peramalan smoothing eksponensial ganda dengan metode linier satu parameter dari Brown dengan menggunakan alat bantu komputer yaitu program aplikasi Microsoft Excel untuk mempermudah proses perhitungan.

b.

Diharapkan kepada Pemerintahan Provinsi Sumatera Utara dan para pembaca untuk lebih bijak dalam menjual energi listrik yamg dilihat dari semakin berkembangnya zaman sekarang persaingan perdagangan semakin meningkat


39

tetapi kapasitas yang tersedia terbatas sehingga nantinya tidak terjadi kerugian.


BAB 3 PENGOLAHAN DATA

Recommend Documents