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 diolah penulis adalah data per tahun dari banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan yang dimulai dari tahun 2005 sampai 2015. Metode yang digunakan

untuk

mengolah

data

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 Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015 Energi yang Periode

Tahun

Disalurkan (kWh)

1

2005

2.466.322.426

2

2006

2.549.229.019

3

2007

2.686.768.353

4

2008

2.934.732.684

5

2009

3.015.459.439

6

2010

3.317.639.094

7

2011

3.531.333.729

8

2012

4.159.259.769

9

2013

4.360.477.995

10

2014

4.388.722.350

11

2015

4.551.872.318

Universitas Sumatera Utara

13

Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015 sebagai berikut:

Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005-2015 5000000000 4000000000

3000000000 2000000000 1000000000

0 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Tahun

Energi yang Disalurkan

Gambar 3.1 Tampilan Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015

Langkah-langkah menggunakan

untuk

metode

menentukan pemulusan

bentuk

persamaan

eksponensial

ganda:

peramalan metode

dengan

linier

satu

parameter dari Brown adalah: 1.

Menentukan harga parameter smoothing eksponensial ganda yang besarnya 0 < α < 1.

2.

Menghitung harga smoothing eksponensial tunggal menggunakan Persamaan (2.2): St  =



dst. (Untuk

sampai

pada α = 0,1 dapat dilihat pada Tabel 3.2)


14



dst. (Untuk

sampai


dst. (Untuk

sampai


Menghitung

harga



3.

smoothing

eksponensial

ganda

menggunakan

Persamaan (2.3): 

dst. (Untuk

sampai


dst. (Untuk

sampai





15

 α = 0,3

=

dst. (Untuk 4.

sampai

at

Menghitung koefisien

pada α = 0,3 dapat dilihat pada Tabel 3.4) dan

bt

menggunakan Persamaan (2.4) dan

Persamaan (2.5):

at = St  ( St  St )  2St  St bt =

 ( St  St ) 1

 nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama. =

dst. (Untuk

sampai


nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama.

dst. (Untuk

sampai





16


dst. (Untuk

sampai



dst. (Untuk

sampai


 nilai konstanta pada periode pertama dikosongkan karena nilai eksponensial tunggal dan eksponensial ganda pada periode pertama mempunyai nilai yang sama.

dst. (Untuk

sampai




17

dst. (Untuk 5.

sampai


Menghitung trend peramalan Ft  m menggunakan Persamaan (2.6):

Ft  m = at  bt m  nilai ramalan pertama dikosongkan karena nilai konstanta smoothing sebelum periode pertama tidak ada. nilai ramalan kedua dikosongkan karena nilai konstanta smoothing periode pertama tidak ada.

dst. (Untuk

sampai


 nilai ramalan pertama dikosongkan karena nilai konstanta smoothing sebelum periode pertama tidak ada. nilai ramalan kedua dikosongkan karena nilai konstanta smoothing periode pertama tidak ada.

dst. (Untuk

sampai


 nilai ramalan pertama dikosongkan karena nilai konstanta smoothing sebelum periode pertama tidak ada. nilai ramalan kedua dikosongkan karena nilai konstanta smoothing periode pertama tidak ada.

dst. (Untuk 6.

sampai


Menghitung nilai kesalahan (error) menggunakan Persamaan (2.7).


18

 α = 0,1 nilai error periode pertama dikosongkan karena ramalan pada periode pertama tidak ada. nilai error periode kedua dikosongkan karena ramalan pada periode kedua tidak ada. 2.686.768.353 − 2.482.903.745 = 203.864.608 2.934.732.684 − 2.524.505.732 = 410.226.952 dst. (Untuk

sampai


 α = 0,2 nilai error periode pertama dikosongkan karena ramalan pada periode pertama tidak ada. nilai error periode kedua dikosongkan karena ramalan pada periode kedua tidak ada. e3 = 2.686.768.353 − 2.499.485.063 = 187.283.290 e4 = 2.934.732.684 − 2.577.714.643 = 357.018.041

dst. (Untuk

sampai


 α = 0,3 nilai error periode pertama dikosongkan karena ramalan pada periode pertama tidak ada. nilai error periode kedua dikosongkan karena ramalan pada periode kedua tidak ada.

dst. (Untuk

sampai


8. Menghitung nilai kuadrat kesalahan (error). 

= 0,1 = nilai kuadrat error periode pertama dikosongkan karena ramalan pada periode pertama tidak ada = nilai kuadrat error periode kedua dikosongkan karena ramalan pada periode kedua tidak ada. = (203.864.608)2 = 41.560.778.558.085.400


19

= (410.226.952)2 = 168.286.151.974.915.000 dst. (Untuk

sampai


 α = 0,2 = nilai kuadrat error periode pertama dikosongkan karena nilai error pada periode pertama tidak ada. nilai kuadrat error periode kedua dikosongkan karena nilai error pada periode kedua tidak ada. = (187.283.290)2 = 35.070.030.638.310.500 = (357.018.041)2 = 127.461.881.713.724.000 dst. (Untuk

sampai


 α = 0,3 = nilai kuadrat error periode pertama dikosongkan karena nilai error pada periode pertama tidak ada. nilai kuadrat error periode kedua dikosongkan karena nilai error pada periode kedua tidak ada. = (170.701.971)2 = 29.139.162.971.565.900 = (308.783.526)2 = 95.347.265.996.925.400 dst. (Untuk

sampai


Dengan perhitungan yang sama, untuk α = 0,4 sampai dengan α = 0,9 hasilnya ditampilkan pada Tabel 3.5 sampai 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 dengan nilai α yang lain.


20

Untuk menghitung nilai MSE yaitu terlebih dahulu mencari error yang merupakan hasil dari data asli dikurang hasil ramalan.

Lalu tiap error

dikuadratkan dan dibagi dengan banyaknya error.


Tabel 3.2 Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,1

2.466.322.426

2.466.322.426

2.466.322.426

-

-

-

-

-

2.549.229.019

2.474.613.085

2.467.151.492

2.482.074.679

829.066

-

-

-

2.686.768.353

2.495.828.612

2.470.019.204

2.521.638.020

2.867.712

2.482.903.745

203.864.608

41.560.778.558.085.400

2.934.732.684

2.539.719.019

2.476.989.185

2.602.448.853

6.969.982

2.524.505.732

410.226.952

168.286.151.974.915.000

3.015.459.439

2.587.293.061

2.488.019.573

2.686.566.549

11.030.388

2.609.418.835

406.040.604

164.868.972.436.134.000

3.317.639.094

2.660.327.665

2.505.250.382

2.815.404.947

17.230.809

2.697.596.937

620.042.157

384.452.276.460.312.000

3.531.333.729

2.747.428.271

2.529.468.171

2.965.388.371

24.217.789

2.832.635.756

698.697.973

488.178.857.510.528.000

4.159.259.769

2.888.611.421

2.565.382.496

3.211.840.345

35.914.325

2.989.606.160

1.169.653.609

1.368.089.565.689.170.000

4.360.477.995

3.035.798.078

2.612.424.054

3.459.172.102

47.041.558

3.247.754.670

1.112.723.325

1.238.153.196.982.780.000

4.388.722.350

3.171.090.505

2.668.290.699

3.673.890.311

55.866.645

3.506.213.660

882.508.690

778.821.587.335.226.000

4.551.872.318

3.309.168.687

2.732.378.498

3.885.958.875

64.087.799

3.729.756.956

822.115.362

675.873.667.643.717.000 5.308.285.054.590.870.000

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

482.571.368.599.170.000

21 Universitas Sumatera Utara


2.466.322.426

2.466.322.426

2.466.322.426

-

-

-

-

-

2.549.229.019

2.482.903.745

2.469.638.690

2.496.168.799

3.316.264

-

-

-

2.686.768.353

2.523.676.666

2.480.446.285

2.566.907.048

10.807.595

2.499.485.063

187.283.290

35.075.030.638.310.500

2.934.732.684

2.605.887.870

2.505.534.602

2.706.241.138

25.088.317

2.577.714.643

357.018.041

127.461.881.713.724.000

3.015.459.439

2.687.802.184

2.541.988.118

2.833.616.249

36.453.516

2.731.329.455

284.129.984

80.729.848.026.052.000

3.317.639.094

2.813.769.566

2.596.344.408

3.031.194.724

54.356.289

2.870.069.765

447.569.329

200.318.303.967.904.000

3.531.333.729

2.957.282.398

2.668.532.006

3.246.032.791

72.187.598

3.085.551.013

445.782.716

198.722.229.767.933.000

4.159.259.769

3.197.677.873

2.774.361.179

3.620.994.566

105.829.173

3.318.220.389

841.039.380

707.347.238.779.789.000

4.360.477.995

3.430.237.897

2.905.536.523

3.954.939.271

131.175.344

3.726.823.739

633.654.256

401.517.716.031.837.000

4.388.722.350

3.621.934.788

3.048.816.176

4.195.053.399

143.279.653

4.086.114.615

302.607.735

91.571.441.420.096.800

4.551.872.318

3.807.922.294

3.200.637.399

4.415.207.188

151.821.224

4.338.333.052

213.539.266

45.599.017.946.004.000 1.888.342.708.291.650.000


171.667.518.935.604.000



2.466.322.426

2.466.322.426

2.466.322.426

-

-

-

-

-

2.549.229.019

2.491.194.404

2.473.784.019

2.508.604.788

7.461.593

-

-

-

2.686.768.353

2.549.866.589

2.496.608.790

2.603.124.387

22.824.771

2.516.066.382

170.701.971

29.139.162.971.565.900

2.934.732.684

2.665.326.417

2.547.224.078

2.783.428.756

50.615.288

2.625.949.158

308.783.526

95.347.265.996.925.400

3.015.459.439

2.770.366.324

2.614.166.752

2.926.565.896

66.942.674

2.834.044.044

181.415.395

32.911.545.421.820.700

3.317.639.094

2.934.548.155

2.710.281.173

3.158.815.137

96.114.421

2.993.508.569

324.130.525

105.060.597.067.256.000

3.531.333.729

3.113.583.827

2.831.271.969

3.395.895.685

120.990.796

3.254.929.558

276.404.171

76.399.265.883.051.000

4.159.259.769

3.427.286.610

3.010.076.361

3.844.496.858

178.804.392

3.516.886.481

642.373.288

412.643.440.653.791.000

4.360.477.995

3.707.244.025

3.219.226.660

4.195.261.390

209.150.299

4.023.301.250

337.176.745

113.688.157.209.177.000

4.388.722.350

3.911.687.523

3.426.964.919

4.396.410.126

207.738.259

4.404.411.689

-15.689.339

246.155.366.650.386

4.551.872.318

4.103.742.961

3.629.998.332

4.577.487.591

203.033.413

4.604.148.385

-52.276.067

2.732.787.171.422.340 868.168.377.741.659.000


78.924.397.976.514.500



2.466.322.426

2.466.322.426

2.466.322.426

-

-

-

-

-

2.549.229.019

2.499.485.063

2.479.587.481

2.519.382.646

13.265.055

-

-

-

2.686.768.353

2.574.398.379

2.517.511.840

2.631.284.918

37.924.359

2.532.647.700

154.120.653

23.753.175.557.850.200

2.934.732.684

2.718.532.101

2.597.919.945

2.839.144.258

80.408.104

2.669.209.277

265.523.407

70.502.679.473.711.000

3.015.459.439

2.837.303.036

2.693.673.181

2.980.932.891

95.753.237

2.919.552.362

95.907.077

9.198.167.424.821.990

3.317.639.094

3.029.437.459

2.827.978.892

3.230.896.026

134.305.711

3.076.686.128

240.952.966

58.058.331.847.328.600

3.531.333.729

3.230.195.967

2.988.865.722

3.471.526.212

160.886.830

3.365.201.737

166.131.992

27.599.838.608.421.200

4.159.259.769

3.601.821.488

3.234.048.029

3.969.594.947

245.182.306

3.632.413.042

526.846.727

277.567.473.807.528.000

4.360.477.995

3.905.284.091

3.502.542.453

4.308.025.728

268.494.425

4.214.777.253

145.700.742

21.228.706.078.146.300

4.388.722.350

4.098.659.394

3.740.989.230

4.456.329.559

238.446.776

4.576.520.153

-187.797.803

35.268.014.781.928.400

4.551.872.318

4.279.944.564

3.956.571.363

4.603.317.764

215.582.134

4.694.776.335

-142.904.017

20.421.558.203.541.500 543.597.945.783.278.000


49.417.995.071.207.000



2.466.322.426

2.466.322.426

2.466.322.426

-

-

-

-

-

-

-

-

2.549.229.019

2.507.775.723

2.487.049.074

2.528.502.371

20.726.648

2.686.768.353

2.597.272.038

2.542.160.556

2.652.383.520

55.111.482

2.549.229.019

137.539.334

18.917.068.397.163.600

2.934.732.684

2.766.002.361

2.654.081.458

2.877.923.263

111.920.902

2.707.495.001

227.237.683

51.636.964.461.589.600

3.015.459.439

2.890.730.900

2.772.406.179

3.009.055.621

118.324.721

2.989.844.166

25.615.273

656.142.223.672.165

3.317.639.094

3.104.184.997

2.938.295.588

3.270.074.406

165.889.409

3.127.380.341

190.258.753

36.198.392.926.638.600

3.531.333.729

3.317.759.363

3.128.027.476

3.507.491.250

189.731.887

3.435.963.815

95.369.914

9.095.420.544.052.350

4.159.259.769

3.738.509.566

3.433.268.521

4.043.750.611

305.241.045

3.697.223.138

462.036.631

213.477.848.486.901.000

4.360.477.995

4.049.493.780

3.741.381.151

4.357.606.410

308.112.630

4.348.991.656

11.486.339

131.935.973.213.426

4.388.722.350

4.219.108.065

3.980.244.608

4.457.971.523

238.863.457

4.665.719.040

-276.996.690

76.727.166.398.634.300

4.551.872.318

4.385.490.192

4.182.867.400

4.588.112.983

202.622.792

4.696.834.980

-144.962.662

21.014.173.335.620.500 427.855.112.747.485.000


38.895.919.340.680.500



2.466.322.426

2.466.322.426

2.466.322.426

-

-

-

-

-

2.549.229.019

2.516.066.382

2.496.168.799

2.535.963.964

29.846.373

-

-

-

2.686.768.353

2.618.487.565

2.569.560.059

2.667.415.071

73.391.259

2.565.810.338

120.958.015

14.630.841.489.506.800

2.934.732.684

2.808.234.636

2.712.764.805

2.903.704.467

143.204.747

2.740.806.330

193.926.354

37.607.430.946.388.700

3.015.459.439

2.932.569.518

2.844.647.633

3.020.491.403

131.882.828

3.046.909.214

-31.449.775

989.088.342.015.506

3.317.639.094

3.163.611.264

3.036.025.811

3.291.196.716

191.378.178

3.152.374.231

165.264.863

27.312.475.061.399.400

3.531.333.729

3.384.244.743

3.244.957.170

3.523.532.315

208.931.359

3.482.574.894

48.758.835

2.377.423.958.758.630

4.159.259.769

3.849.253.759

3.607.535.123

4.090.972.394

362.577.953

3.732.463.674

426.796.095

182.154.906.367.123.000

4.360.477.995

4.155.988.300

3.936.607.030

4.375.369.571

329.071.906

4.453.550.347

-93.072.352

8.662.462.681.979.850

4.388.722.350

4.295.628.730

4.152.020.050

4.439.237.410

215.413.020

4.704.441.478

-315.719.128

99.678.567.551.148.400

4.551.872.318

4.449.374.883

4.330.432.950

4.568.316.816

178.412.900

4.654.650.431

-102.778.113

10.563.340.471.750.100 383.976.536.870.071.000


34.906.957.897.279.200



2.466.322.426

2.466.322.426

2.466.322.426

-

-

-

-

-

2.549.229.019

2.524.357.041

2.506.946.657

2.541.767.426

40.624.231

-

-

-

2.686.768.353

2.638.044.959

2.598.715.469

2.677.374.450

91.768.812

2.582.391.656

104.376.697

10.894.494.834.879.000

2.934.732.684

2.845.726.367

2.771.623.097

2.919.829.636

172.907.629

2.769.143.262

165.589.422

27.419.856.582.252.500

3.015.459.439

2.964.539.517

2.906.664.591

3.022.414.443

135.041.494

3.092.737.265

-77.277.826

5.971.862.342.755.780

3.317.639.094

3.211.709.221

3.120.195.832

3.303.222.610

213.531.241

3.157.455.937

160.183.157

25.658.643.669.392.900

3.531.333.729

3.435.446.377

3.340.871.213

3.530.021.540

220.675.381

3.516.753.851

14.579.878

212.572.851.022.361

4.159.259.769

3.942.115.751

3.761.742.390

4.122.489.113

420.871.177

3.750.696.921

408.562.848

166.923.600.666.475.000

4.360.477.995

4.234.969.322

4.093.001.242

4.376.937.401

331.258.852

4.543.360.289

-182.882.294

33.445.933.575.492.400

4.388.722.350

4.342.596.442

4.267.717.882

4.417.475.001

174.716.640

4.708.196.254

-319.473.904

102.063.575.273.511.000

4.551.872.318

4.489.089.555

4.422.678.053

4.555.501.057

154.960.171

4.592.191.641

-40.319.323

1.625.647.795.215.220 374.216.187.590.997.000


34.019.653.417.363.400



2.466.322.426

2.466.322.426

2.466.322.426

-

-

-

-

-

2.549.229.019

2.532.647.700

2.519.382.646

2.545.912.755

53.060.220

-

-

-

2.686.768.353

2.655.944.222

2.628.631.907

2.683.256.538

109.249.262

2.598.972.975

87.795.378

7.708.028.433.280.920

2.934.732.684

2.878.974.992

2.828.906.375

2.929.043.609

200.274.468

2.792.505.799

142.226.885

20.228.486.691.644.000

3.015.459.439

2.988.162.550

2.956.311.315

3.020.013.784

127.404.940

3.129.318.076

-113.858.637

12.963.789.288.724.200

3.317.639.094

3.251.743.785

3.192.657.291

3.310.830.279

236.345.976

3.147.418.724

170.220.370

28.974.974.259.442.800

3.531.333.729

3.475.415.740

3.418.864.050

3.531.967.430

226.206.759

3.547.176.256

-15.842.527

250.985.650.004.525

4.159.259.769

4.022.490.963

3.901.765.581

4.143.216.346

482.901.530

3.758.174.189

401.085.580

160.869.642.131.288.000

4.360.477.995

4.292.880.589

4.214.657.587

4.371.103.590

312.892.006

4.626.117.876

-265.639.881

70.564.546.436.489.900

4.388.722.350

4.369.553.998

4.338.574.716

4.400.533.280

123.917.129

4.683.995.597

-295.273.247

87.186.290.173.461.500

4.551.872.318

4.515.408.654

4.480.041.866

4.550.775.442

141.467.151

4.524.450.408

27.421.910

751.961.125.767.955 389.498.704.190.104.000


35.408.973.108.191.300


Tabel 3.10

Perhitungan Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan dengan Smoothing Eksponensial Ganda Linier dari Brown dengan α = 0,9

2.466.322.426

2.466.322.426

-

-

-

-

-

-

2.549.229.019

2.540.938.360

2.533.476.766

2.548.399.953

67.154.340

-

-

-

2.686.768.353

2.672.185.354

2.658.314.495

2.686.056.212

124.837.729

2.615.554.293

71.214.060

5.071.442.284.712.540

2.934.732.684

2.908.477.951

2.883.461.605

2.933.494.297

225.147.110

2.810.893.941

123.838.743

15.336.034.265.342.700

3.015.459.439

3.004.761.290

2.992.631.322

3.016.891.259

109.169.716

3.158.641.407

-143.181.968

20.501.075.959.779.800

3.317.639.094

3.286.351.314

3.256.979.314

3.315.723.313

264.347.993

3.126.060.975

191.578.119

36.702.175.668.274.300

3.531.333.729

3.506.835.487

3.481.849.870

3.531.821.105

224.870.556

3.580.071.306

-48.737.577

2.375.351.365.620.090

4.159.259.769

4.094.017.341

4.032.800.594

4.155.234.088

550.950.724

3.756.691.660

402.568.109

162.061.081.985.382.000

4.360.477.995

4.333.831.930

4.303.728.796

4.363.935.063

270.928.202

4.706.184.812

-345.706.817

119.513.202.997.879.000

4.388.722.350

4.383.233.308

4.375.282.857

4.391.183.759

71.554.061

4.634.863.265

-246.140.915

60.585.350.229.908.500

4.551.872.318

4.535.008.417

4.519.035.861

4.550.980.973

143.753.004

4.462.737.820

89.134.498

7.944.958.749.218.330 430.090.673.506.118.000


39.099.152.136.919.800


30

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) Cabang Medan dengan melihat MSE adalah sebagai berikut:

Tabel 3.11

Perbandingan Ukuran Ketepatan Metode Peramalan α

MSE

0,1 482.571.368.599.170.000 0,2 171.667.518.935.604.000 0,3

78.924.397.976.514.500

0,4

49.417.995.071.207.000

0,5

38.895.919.340.680.500

0,6

34.906.957.897.279.200

0,7

34.019.653.417.363.400

0,8

35.408.973.108.191.300

0,9

39.099.152.136.919.800

Dari Tabel 3.11, MSE yang paling kecil terdapat pada α = 0,7 yaitu dengan MSE = 34.019.653.417.363.400.

3.4

Penentuan Bentuk Persamaan Peramalan

Melalui cara trial and error dengan 0 < α < 1, telah diperoleh perhitungan peramalan pemulusan eksponensial linier satu parameter dari Brown dengan α = 0,7, sehingga dapat ditentukan bentuk persamaan peramalan untuk periode berikutnya. Berdasarkan perhitungan pada α = 0,7, dapat diperoleh persamaan peramalan untuk periode berikutnya yaitu dengan menggunakan persamaan (2.6) sebagai berikut:


31

3.5

Peramalan Banyaknya Energi Listrik yang Disalurkan Tahun 2016, 2017 dan 2018

Setelah diperoleh persamaan peramalan banyaknya energi listrik yang disalurkan, maka dapat dihitung banyaknya energi listrik yang disalurkan untuk tiga periode berikutnya, yaitu untuk tahun 2016, 2017 dan 2018 : a. Untuk periode ke-12 (tahun 2016)

b. Untuk periode ke-13 (tahun 2017)

c. Untuk periode ke-14 (tahun 2018)

Tabel 3.12 Peramalan Banyaknya Energi Listrik yang Disalurkan PT. PLN (Persero) Cabang Medan Tahun 2016 sampai 2018 Tahun

Periode

Peramalan Banyaknya Energi Listrik yang Disalurkan

2016

12

4.710.461.228

2017

13

4.865.421.400

2018

14

5.020.383.571

Nilai-nilai kesalahan yang diperoleh dari perincian data ramalan banyaknya energi listrik yang disalurkan adalah: 1.

Nilai Tengah Kesalahan (Mean Error) adalah: N

ME   t 1

et N


32

=

2.

Nilai Tengah Kesalahan Kuadrat (Mean Squared Error) adalah: N

e

MSE 

2 t

t 1

N

= = 34.019.653.417.363.400 3.

Nilai Tengah Kesalahan Absolut (Mean Absolute Error) adalah: N

e

MAE 

t

t 1

N

=  133.931.395

4.

Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage Error) adalah: N

MAPE 

 PE

t

t 1

N

= = 3,64 5.

Nilai Tengah Kesalahan Persentase (Mean Persentase Error) adalah: N

MPE 

 PE

t

t 1

N

= = 0,91


33

6.

Jumlah Kuadrat Kesalahan (Sum Square Error) adalah: N

SSE   et2 t 1

 374.216.187.590.997.000


BAB 4 IMPLEMENTASI SISTEM

4.1

Pengertian Implementasi Sistem

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. Di samping dapat dikerjakan dengan cepat dan tepat, juga dapat mengurangi kesalahan perhitungan. Jadi, implementasi sistem merupakan penerapan hasil desain tertulis ke dalam sebuah tulisan

yang

mana

penulis

menggunakan

Microsoft

Excel

2007

untuk

menganalisis data banyaknya energi listrik yang disalurkan.

4.2

Pengenalan Microsoft Excel

Microsoft Excel adalah program lembar kerja atau spreadsheet. Program Microsoft Excel merupakan salah satu program aplikasi Microsoft Office untuk mengolah data perhitungan. Microsoft Excel dapat melakukan pengolahan data secara cepat pada bidang matematika, akuntansi, statistik dan pada bidang lain yang memerlukan perhitungan dengan cepat dan teliti. Selain Microsoft Excel, dapat juga mengolah data statistik dengan software lainnya seperti SPSS dan MINITAB.

Hasil pengolahan data statistik

menggunakan Microsoft Excel

mempunyai keakuratan dan ketelitian yang sama dengan program yang secara khusus melakukan pengolahan data statistik. Sheet atau lembar kerja Microsoft Excel terdiri dari 16.384 kolom dan 1.048.576 baris. Kolom diberi nama dengan huruf dari A, B, C sampai dengan Z, lalu dilanjutkan dengan AA, AB, AC sampai kolom XFD. Sedangkan baris ditandai dengan angka mulai dari 1,2,3 sampai dengan 1.048.576. Microsoft 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.


35

4.3

Langkah-langkah Pengolahan Data

Cara memulai pengolahan data pada Microsoft Excel yaitu: 1.

Klik Start pada sudut kiri bawah layar desktop.

Gambar 4.1 Cara Mengaktifkan Microsoft Excel

2.

Klik All Program kemudian klik Microsoft Office dan pilih Microsoft Excel 2007. Maka akan muncul seperti Gambar 4.2.

Gambar 4.2 Tampilan Lembar Kerja Microsoft Excel


36

3.

Masukkan (entry) data yang akan diolah seperti pada Gambar 4.3.

Gambar 4.3 Tampilan Pemasukan Data

4.

Olah data dengan memasukkan rumus.

 Persamaan (2.2) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =0,1*B3+(1-0,1)*C2, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.4.

Gambar 4.4 Tampilan Hasil Olah Data untuk Persamaan (2.2)  Persamaan (2.3) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =0,1*C3+(1-0,1)*D2, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.5


37

Gambar 4.5 Tampilan Hasil Olah Data untuk Persamaan (2.3)  Persamaan (2.4) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =2*C3D3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.6.

Gambar 4.6 Tampilan Hasil Olah Data untuk Persamaan (2.4)  Persamaan (2.5) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =0,1/(1-0,1)*(C3-D3) kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.7.


38

Gambar 4.7 Tampilan Hasil Olah Data untuk Persamaan (2.5)  Persamaan (2.6) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =E3+F3, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.8.

Gambar 4.8 Tampilan Hasil Olah Data untuk Persamaan (2.6)  Persamaan (2.7) untuk nilai α = 0,1 yaitu dengan memasukkan rumus =B4G4, kemudian melanjutkan rumus untuk baris selanjutnya seperti pada Gambar 4.9.


39

Gambar 4.9 Tampilan Hasil Olah Data untuk Persamaan (2.7)  Kuadratkan nilai et dengan rumus =H4^2 untuk baris dilanjutkan dengan rumus seperti pada Gambar 4.10.

Gambar 4.10 Tampilan Hasil Kuadrat Persamaan (2.7)

4.4

Pembuatan Grafik

Microsoft Excel menyediakan fasilitas untuk membuat aneka bentuk grafik. Langkah-langkah membuat grafik pada Microsoft Excel sebagai berikut: 1. Blok seluruh tabel yang akan dijadikan grafik, yaitu tahun dan data aktual energi listrik yang disalurkan (kWh). 2. Pilih menu Insert, kemudian pilih line pada charts.


40

3. Lalu pilih jenis chart yang diinginkan, yaitu line with markers. 4. Klik Design pada Chart Layouts pilih layout 3. 5. Pada Chart Title ubah menjadi Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005-2015. 6. Klik kanan pada grafik yang telah muncul, pilih select data. 7. Kemudian akan muncul kotak dialog select data source. 8. Pada Horizontal (Category) Axis Labels diubah menjadi tahun 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015. 9. Kemudian klik OK, maka akan muncul grafik seperti Gambar 4.11 berikut:

Gambar 4.11 Tampilan Output dari Tabel yang Dijadikan Grafik Energi Listrik yang Disalurkan PT. PLN Cabang Medan Tahun 2005 sampai 2015


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 dalam meramalkan banyaknya energi listrik yang disalurkan, maka penyaluran energi listrik PT. PLN (Persero) Cabang Medan terus meningkat dari tahun ke tahun.

b.

Dari hasil pengolahan data tahun 2005 sampai 2015 untuk banyaknya energi listrik yang disalurkan oleh PT. PLN (Persero) Cabang Medan dalam satuan kWh dengan menggunakan metode smoothing eksponensial ganda dengan metode linier satu parameter dari Brown, diperoleh nilai MSE terkecil yaitu 34.019.653.417.363.400 dengan α = 0,7.

c.

Bentuk persamaan peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan dan hasil peramalan untuk 3 periode ke depan berdasarkan data tahun 2005 sampai 2015 adalah:

Peramalan banyaknya energi listrik yang disalurkan PT. PLN (Persero) Cabang Medan untuk tahun 2018 yakni periode ke-14 adalah sebesar 5.020.383.571 kWh.

5.2

Saran

Karena semakin bertambahnya penduduk, semakin banyak lapangan pekerjaan, dan semakin berkembanya zaman, sehingga besar kemungkinan membutuhkan energi listrik dalam kapasitas yang semakin besar dan berdasarkan hasil peramalan energi listrik yang terus meningkat maka bagi pihak PT. PLN (Persero) Cabang Medan supaya mempersiapkan dan menyediakan kapasitas energi listrik bagi para pelanggan atau pengguna listrik untuk masa yang akan datang.


BAB 3 PENGOLAHAN DATA

Recommend Documents