SIMULASI PERAMALAN TINGKAT INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH DENGAN METODE EXPONENTIAL SMOOTHING MENGGUNAKAN MICROSOFT VISUAL BASIC 6.0 Tugas Akhir disusun sebagai salah satu syarat untuk memperoleh gelar Ahli Madya Program Studi Statistika Terapan dan Komputasi
oleh Shela Ardhiana Rezwari 4112312033
JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG 2015 i
ii
iii
iv
MOTTO DAN PERSEMBAHAN
MOTTO
Sesungguhnya sesudah kesulitan itu ada kemudahan (QS. Al Insyirah: 6). Tidak ada harga atas waktu, tapi waktu sangat berharga. Memiliki waktu tidak menjadikan kita kaya, tetapi menggunakannya dengan baik adalah sumber dari semua kekayaan (Mario Teguh). If you can’t explain it simply, you don’t understand it well enough (Albert Einstein). There’s no next time, it’s now or never.
PERSEMBAHAN Untuk Bapak, Ibu, Kakak, dan Adik terimakasih atas doa, kasih sayang dan motivasinya yang selama ini Teman-teman D3 Staterkom angkatan 2012
Almamaterk
v
ABSTRAK Rezwari, Shela Ardhiana. 2015. Simulasi Peramalan Tingkat Indeks Pembangunan Manusia Di Provinsi Jawa Tengah Dengan Metode Exponential Smoothing Menggunakan Microsoft Visual Basic 6.0. Tugas Akhir (TA), Program Studi Statistika Terapan dan Komputasi Jurusan Matematika FMIPA UNNES. Pembimbing: Drs. Supriyono, M.Si dan Florentina Yuni Arini, S.Kom, M.Cs. Indeks Pembangunan Manusia (IPM) merupakan suatu ukuran yang digunakan untuk mengukur pencapaian pembangunan manusia di suatu wilayah. Ukuran kinerja pembangunan secara keseluruhan dibentuk melalui pendekatan tiga dimensi dasar, yaitu umur panjang dan sehat, pengetahuan, dan penghidupan yang layak. Suatu cara untuk memprediksi kondisi di masa yang akan datang disebut dengan forecast. Model forecast exponential smoothing merupakan salah satu model peramalan deret berkala yang dilakukan dengan perhitungan secara terus menerus menggunakan data terbaru, untuk memprediksi kemungkinan pada periode mendatang. Keterkaitan dunia komputasi dalam dunia sehari-hari sangatlah penting di era globalisasi seperti ini yang diharapkan semua pekerjaan tidak dikerjakan secara manual. Sebagai contoh pengolahan dan perhitungan data tertentu yang bisa diaplikasikan dalam sebuah program sehingga ketika seseorang melakukan perhitungan data bisa lebih menghemat waktu dalam menghitung. Tujuan dari penulisan tugas akhir ini adalah untuk mengetahui cara meramalkan data dengan metode exponential smoothing dan mengetahui seberapa besar nilai forecast (peramalan) Indeks Pembangunan Manusia Provinsi Jawa Tengah Tahun 2014 menurut pemilihan nilai alpha dengan mengambil tiga sampel yaitu nilai α terkecil yaitu 0,1; nilai tengah yaitu 0,5; dan nilai α tebesar yaitu 0,9, serta membuat program aplikasi untuk mempermudah perhitungan dengan menggunakan Miscrosoft Visual Basic 6.0. Hasil dari penulisan tugas akhir ini yaitu peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan alpha 0,1; 0,5; dan 0,9 untuk metode single exponential smoothing berturut-turut sebesar 71,34; 73,49; dan 73,98. Untuk metode double exponential smoothing berturut-turut sebesar 72,53; 74,50; dan 74,69. Sedangkan untuk metode triple exponential smoothing berturut-turut sebesar 73,43; 74,,62; dan 74,92. Diperoleh kesimpulan bahwa peramalan terbaik untuk IPM Indeks Pembangunan Manusia Tahun 2014 untuk alpha 0,1 menggunakan metode triple exponential smoothing diperoleh nilai forecast sebesar 73,43. Untuk alpha 0,5 menggunakan metode triple exponential smoothing diperoleh nilai forecast sebesar 74,62. Sedangkan untuk alpha 0,9 menggunakan metode double exponential smoothing diperoleh nilai forecast sebesar 74,61. Saran yang diberikan pada pembuatan program simulasi ini yaitu melakukan pengembangan pada program simulasi yang telah dibuat dan memperhatikan kekurangan maupun kelemahan pada program simulasi tersebut. Kata Kunci : Peramalan dan Exponential Smoothing. vi
PRAKATA Puji syukur saya panjatkan kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan judul: “Simulasi Peramalan Tingkat Indeks Pembangunan Manusia Di Provinsi Jawa Tengah Dengan Metode Exponential Smoothing Menggunakan Microsoft Visual Basic 6.0”. Dalam mengerjakan dan menyusun tugas akhir ini, penulis telah banyak mendapatkan bantuan, bimbingan, dan dorongan yang sangat bermanfaat dari berbagai pihak. Oleh karena itu pada kesempatan ini penulis mengucapkan terimakasih kepada: 1. Prof. Dr. Fathur Rokhman, Rektor Universitas Negeri Semarang. 2. Prof. Dr. Wiyanto, M.Si, Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang. 3. Drs. Arief Agoestanto, M.Si, Ketua Jurusan Matematika Universitas Negeri Semarang. 4. Endang Sugiharti, S.Si,. M.Kom, Ketua Program Studi Statistika Terapan dan Komputasi. 5. Drs. Supriyono, M.Si, sebagai Dosen Pembimbing I. 6. Florentina Yuni Arini, S.Kom, M.Cs, sebagai Dosen Pembimbing II. 7. Ibram S.E sebagai Kepala Badan Pusat Statistik Provinsi Jawa Tengah. 8. Semua staf dan anggota Dinas BPS Provinsi Jawa Tengah. 9. Bapak dan Ibu serta keluargaku yang selalu mendoakan serta memberikan dorongan dan motivasi kepadaku. vii
10. Teman-teman D3 Staterkom angkatan 2012 yang selalu memberi motivasi dan dukungan dalam menyelesaikan tugas akhir. 11. Pihak lain yang telah membantu baik langsung maupun tidak langsung sehingga tugas akhir ini dapat terselesaikan. Dalam penyusunan Tugas Akhir ini penulis menyadari masih terdapat keterbatasan serta kekurangan, sehingga masih jauh dari sempurna. Oleh karena itu, merupakan kebanggaan bagi penulis apabila ada masukan yang membantu demi kesempurnaan Tugas Akhir ini untuk bekal melangkah yang lebih baik. Dengan tersusunnya Tugas Akhir ini penulis berharap semoga bermanfaat bagi penulis sendiri, pihak-pihak yang terkait serta pembaca pada umumnya.
Semarang,
2015
Penulis,
Shela Ardhiana Rezwari 4112312033
viii
DAFTAR ISI
Halaman ABSTRAK ............................................................................................................ vi PRAKATA ............................................................................................................ vii DAFTAR ISI ......................................................................................................... ix DAFTAR TABEL ................................................................................................. xi DAFTAR GAMBAR ............................................................................................ xii DAFTAR LAMPIRAN ....................................................................................... xiii BAB 1. PENDAHULUAN ......................................................................................... 1 1.1 Latar Belakang ......................................................................................... 1 1.2 Rumusan Masalah dan Pembatasan Masalah .......................................... 4 1.3 Tujuan dan Manfaat ................................................................................. 5 1.4 Sistematika Penulisan .............................................................................. 6 2. LANDASAN TEORI ..................................................................................... 8 2.1 Indeks Pembangunan Manusia ................................................................ 8 2.2 Peramalan (Forecast) ............................................................................... 21 2.3 Data Time Series ...................................................................................... 23 2.4 Peramalan Dengan Pemulusan (Smoothing) ............................................ 23 2.5 Microsoft Visual Basic 6.0 ...................................................................... 30 2.6 Flowchart ................................................................................................. 38 3. METODE PENELITIAN............................................................................... 42 3.1 Ruang Lingkup Penelitian........................................................................ 42 3.2 Variabel Penelitian dan Cara pengambilan Data ..................................... 42 3.3 Metode Penelitian .................................................................................... 43 3.4 Analisis Data ............................................................................................ 44
ix
4. HASIL PENELITIAN DAN PEMBAHASAN ............................................. 46 4.1 Data .......................................................................................................... 46 4.2 Rancangan Program ................................................................................. 48 4.3 Hasil Penelitian ........................................................................................ 54 4.4 Pembahasan Hasil Simulasi Program ...................................................... 79 4.5 Pembahasan Rekap Hasil Ramalan .......................................................... 82 5. PENUTUP...................................................................................................... 84 5.1 Simpulan .................................................................................................. 84 5.2 Saran ........................................................................................................ 85 DAFTAR PUSTAKA ........................................................................................... 86 LAMPIRAN .......................................................................................................... 88
x
DAFTAR TABEL
Tabel
Halaman
2.1
Komoditi Kebutuhan Pokok Sebagai Dasar Perhitungan Daya Beli (PPP).18
2.2
Nilai Maksimum dan Minimum Komponen IPM ...................................... 20
4.1
Data IPM Provinsi Jawa Tengah Tahun 2005 sampai Tahun 2013............. 46
4.2
Perhitungan manual peramalan Single Exponential Smoothing Alpha 0,1 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............ 56
4.3
Simulasi program peramalan Single Exponential Smoothing Alpha 0,1 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 56
4.4
Perhitungan manual peramalan Single Exponential Smoothing Alpha 0,5 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 58
4.5
Simulasi program peramalan Single Exponential Smoothing Alpha 0,5 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 58
4.6
Perhitungan Manual peramalan Single Exponential Smoothing Alpha 0,9 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 60
4.7
Simulasi program peramalan Single Exponential Smoothing Alpha 0,9 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 60
4.8
Perhitungan Manual peramalan Double Exponential Smoothing Alpha 0,1 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 64
4.9
Simulasi program peramalan Double Exponential Smoothing Alpha 0,1 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 70
4.10 Perhitungan Manual peramalan Double Exponential Smoothing Alpha 0,5 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 71 4.11 Simulasi program peramalan Double Exponential Smoothing Alpha 0,5 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 72 4.12 Perhitungan Manual peramalan Double Exponential Smoothing Alpha 0,9 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 73 4.13 Simulasi program peramalan Double Exponential Smoothing Alpha 0,9 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 74
xi
Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,1 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel...................... 73 4.15 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 73 4.16 Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,5 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 75 4.17 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 75 4.18 Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,9 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 77 4.19 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1 IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 77 4.20 Rekap hasil Peramalan terbaik Indeks Pembangunan Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014 dengan semua metode peramalan berdasarkan alpha 0,1; 0,5; dan 0,9. ........................................................... 82
xii
DAFTAR GAMBAR Gambar
Halaman
2.1
Tampilan Kotak Dialog New Project Visual Basic 6.0................................ 31
2.2
Tampilan dasar Visual Basic 6.0 ................................................................. 32
2.3
Menu-menu pada Menu Bar ........................................................................ 33
2.4
Bentuk Toolbar Standart ............................................................................. 33
2.5
Kumpulan kontrol pada Toolbox ................................................................. 33
2.6
Bentuk dari Form Window .......................................................................... 34
2.7
Suatu Prosedur dalam Code Window ........................................................... 34
2.8
Project Explorer .......................................................................................... 35
2.9
Tab alphabetic pada Properties Windows ................................................... 35
2.10 Bentuk dari form pada Layout Window ....................................................... 36 4.1
Pola Data IPM Provinsi Jawa Tengah Tahun 2005-2013 ............................ 47
4.2
Flowchart alir sistem................................................................................... 59
4.3
Tampilan Desain Form Awal ...................................................................... 50
4.4
Tampilan Desain form Input Data ............................................................... 50
4.5
Tampilan Desain form Peramalan ............................................................... 51
4.6
Tampilan Desain form Single Exponential Smoothing ................................ 52
4.7
Tampilan Desain form Double Exponential Smoothing .............................. 52
4.8
Tampilan Desain form Triple Exponential Smoothing ................................ 53
4.9
Trend Peramalan Metode Single Exponential Smoothing Alpha 0,1 ........... 57
4.10 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,5 .......... 59 4.11 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,9 .......... 61 4.12 Trend Peramalan Metode Double Exponential Smoothing Alpha 0,1 ........ 65 4.13 Trend Peramalan Metode Double Exponential Smoothing Alpha 0,5 ........ 67 4.14 Trend Peramalan Metode Double Exponential Smoothing Alpha 0,9 ........ 69 4.15 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,1 .......... 74 4.16 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,5 .......... 76 4.17 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,9 .......... 78
xiii
4.18 Hasil Peramalan terbaik dengan Alpha 0,1 untuk Indeks Pembangunan Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014, berdasarkan simulasi program menggunakan Microsoft VB 6.0. .................................................... 79 4.19 Hasil Peramalan terbaik dengan Alpha 0,5 untuk Indeks Pembangunan Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014, berdasarkan simulasi program menggunakan Microsoft VB 6.0. .................................................... 80 4.20 Hasil Peramalan terbaik dengan Alpha 0,9 untuk Indeks Pembangunan Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014, berdasarkan simulasi program menggunakan Microsoft VB 6.0. .................................................... 81
xiv
DAFTAR LAMPIRAN Lampiran
Halaman
1. Data IPM Provinsi Jawa Tengah Tahun 2005 – 2013...................................... 88 2. Perhitungan Peramalan Metode Single Exponential Smoothing IPM Provinsi Jawa Tengah Tahun 2014 ................................................................................. 89 3. Perhitungan Peramalan Metode Double Exponential Smoothing IPM Provinsi Jawa Tengah Tahun 2014 ................................................................................. 90 4. Perhitungan Peramalan Metode Triple Exponential Smoothing IPM Provinsi Jawa Tengah Tahun 2014..................................................................................93 5. Koding Program................................................................................................96
xv
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah Manusia berkualitas merupakan kekayaan bangsa yang sesungguhnya. Sudah sepantasnya apabila manusia menjadi tujuan utama dalam pembangunan. Keberhasilan pembangunan khususnya pembangunan manusia dapat dinilai secara parsial dengan melihat seberapa besar permasalahan yang paling mendasar di masyarakat
tersebut
dapat
teratasi.
Permasalahan-permasalahan
tersebut
diantaranya adalah kemiskinan, pengangguran, buta huruf, ketahanan pangan, dan penegakan demokrasi. Namun persoalannya adalah pencapaian pembangunan manusia secara parsial sangat bervariasi dimana beberapa aspek pembangunan tertentu berhasil dan beberapa aspek pembangunan lainnya gagal (BPS, 2006:3). Menurut UNDP (1990:1), pembangunan manusia adalah suatu proses untuk memperbesar pilihan-pilihan bagi manusia (“a process of enlarging people’s choices”). Dari definisi ini dapat dItarik kesimpulan bahwa fokus pembangunan suatu negara adalah penduduk, karena penduduk adalah kekayaan nyata suatu negara. Konsep atau definisi pembangunan manusia tersebut pada dasarnya mencakup dimensi pembangunan yang sangat luas. Definisi ini lebih luas dari definisi pembangunan yang hanya menekankan pada pertumbuhan ekonomi. Dalam konsep pembangunan manusia, pembangunan seharusnya dianalisis serta dipahami dari sudut manusianya, bukan hanya dari pertumbuhan ekonominya.
1
2
Sebagaimana dikutip dari UNDP (1995:118), sejumlah premis penting dalam
pembangunan
manusia
diantaranya
adalah:
pembangunan
harus
mengutamakan penduduk sebagai pusat perhatian; Pembangunan dimaksudkan untuk memperbesar pilihan-pilihan bagi penduduk, tidak hanya untuk meningkatkan pendapatan mereka; oleh karena itu, konsep pembangunan manusia harus terpusat pada penduduk secara keseluruhan, dan bukan hanya pada aspek ekonomi saja; Pembangunan manusia memperhatikan bukan hanya pada upaya meningkatkan kemampuan (kapabilitas) manusia tetapi juga pada upaya-upaya memanfaatkan kemampuan manusia tersebut secara optimal; Pembangunan manusia didukung empat pilar pokok, yakni: produktifitas, pemerataan, kesinambungan, dan pemberdayaan; dan Pembangunan manusia menjadi dasar dalam penentuan tujuan pembangunan dan dalam menganalisis pilihan-pilihan untuk mencapainya. Indeks Pembangunan Manusia (IPM) merupakan salah satu cara untuk mengukur keberhasilan atau kinerja suatu negara atau wilayah dalam bidang pembangunan manusia. IPM merupakan suatu indeks komposit yang mencakup tiga bidang pembangunan manusia yang dianggap sangat mendasar yang dilihat dari kualitas fisik dan non fisik penduduk. Adapun 3 indikator tersebut yakni indikator kesehatan, tingkat pendidikan, dan indikator ekonomi. Kualitas fisik tercermin dari angka harapan hidup, sedangkan kualitas non fisik tercermin dari lamanya rata-rata penduduk bersekolah dan angka melek hidup (tingkat pendidikan), serta mempertimbangkan kemampuan ekonomi yaitu pengeluaran real per kapita. Provinsi Jawa Tengah secara administratif terbagi menjadi 29
3
kabupaten dan 6 kota, dengan banyaknya jumlah Kabupaten/Kota tentunya akan memberikan gambaran mengenai pembangunan manusia yang bervariasi (Mudrajad,2003: 26). Suatu cara untuk memprediksi kondisi di masa yang akan datang disebut dengan peramalan (forecast) (Gitosudarmo & Najmudin, 2000: 1). Peramalan dapat menunjang proses pengambilan keputusan. Ada tiga model yang dikenal untuk menganalisis peramalan, yaitu model ekonometrika, model deret berkala (time series) dan model ramalan kualitatif. Model ramalan exponential smoothing merupakan salah satu model ramalan deret berkala. Teknik peramalan dengan metode exponential smoothing dilakukan dengan perhitungan secara terus menerus menggunakan data baru, untuk memprediksi kemungkinan pada periode mendatang.
Untuk
kemudahan
perhitungan
ramalan
model
exponential
smoothing, dapat digunakan software pengolahan data Miscrosoft excel dengan memasukkan formula yang sesuai dengan rumus exponential smoothing. Dengan adanya kemajuan ilmu teknologi semakin dirasakan kegunaanya oleh manusia. Hal tersebut terjadi karena hasil kemajuan yang ada pada saat ini telah menjadi bagian yang tidak dapat dipisahkan dengan kebutuhan manusia itu sendiri. Salah satu kemajuan ilmu teknologi adalah pembuatan program dengan Visual Basic. Visual Basic merupakan bahasa pemrograman yang paling popular dan mudah untuk dipelajari oleh pemula sekalipun. Cukup banyak aplikasi yang berbasis Windows yang diprogram dengan Visual Basic dan ini semakin menegaskan bahwa Visual Basic adalah bahasa yang cukup mudah untuk dipahami.
4
Dari uraian diatas terlihat bahwa ada keterkaitan program dengan kegiatan sehari-hari sebagai media yang mempermudah suatu pekerjaan sehingga tidak membutuhkan waktu yang lama dalam proses pengelolaan dan proses pengerjaanya. Microsoft Visual Basic yang diaplikasikan ke dalam bentuk program perhitungan memberi kemudahan dalam proses perhitungan dan pengolahan data. Dalam hal ini adalah meramalkan kemungkinan yang akan terjadi di waktu mendatang berdasarkan data waktu sebelumnya. Berdasarkan pemikiran di atas, maka penulis mencoba untuk membuat suatu program aplikasi yang dapat membantu mempermudah dan mempercepat dalam perhitungan peramalan terutama untuk model ramalan pemulusan (smoothing forecast) sebagai Tugas Akhir dengan judul “Simulasi Peramalan Tingkat Indeks Pembangunan Manusia Di Provinsi Jawa Tengah Dengan Metode Exponential Smoothing Menggunakan Microsoft Visual Basic 6.0”.
1.2
Rumusan Masalah Dan Pembatasan Masalah
1.2.1 Rumusan Masalah Masalah yang akan disajikan dalam penelitian ini adalah sebagai berikut: a.
Bagaimana model peramalan metode exponential smoothing terbaik untuk IPM Provinsi Jawa Tengah Tahun 2014 berdasarkan alpha 0,1; 0,5; dan 0,9?
b.
Berapakah nilai peramalan metode exponential smoothing untuk IPM Provinsi Jawa Tengah Tahun 2014 berdasarkan alpha 0,1; 0,5; dan 0,9?
5
c.
Bagaimana pengembangan program Visual Basic 6.0 untuk peramalan metode exponential smoothing untuk IPM Provinsi Jawa Tengah Tahun 2014?
1.2.2
Pembatasan Masalah
Dalam penulisan Tugas Akhir ini, penulis hanya akan membahas metode exponential smoothing untuk meramalkan IPM Provinsi Jawa Tengah Tahun 2014 dalam pemilihan nilai α dengan mengambil tiga sampel yaitu nilai α terkecil yaitu 0,1; nilai tengah yaitu 0,5; dan nilai α tebesar yaitu 0,9. Kemudian menyusun program aplikasi untuk mempermudah peramalan metode exponential smoothing dengan menggunakan Microsoft Visual Basic 6.0 .
1.3 Tujuan dan Manfaat 1.3.1 Tujuan Tujuan yang ingin dicapai melalui penelitian ini adalah sebagai berikut: 1. Untuk mengetahui dan menganalisis penggunaan metode exponential smoothing terhadap peramalan IPM Provinsi Jawa Tengah Tahun 2014. 2. Untuk mengetahui berapa besar nilai ramalan metode exponential smoothing terhadap IPM Provinsi Jawa Tengah Tahun 2014. 3. Untuk mengetahui pengembangan program Visual Basic 6.0 terhadap peramalan dengan metode exponential smoothing IPM Provinsi Jawa Tengah Tahun 2014. 1.3.2 Manfaat
6
Adapun manfaat penelitian ini adalah sebagai berikut. 1.
Bagi Mahasiswa a. Mengaplikasikan ilmu yang telah didapat dibangku perkuliahan sehingga menunjang persiapan untuk terjun ke dunia kerja. b. Menambah wawasan dan pengetahuan penggunaan metode exponential smoothing untuk peramalan IPM Provinsi Jawa Tengah. c. Terapan langsung Microsoft Visual Basic 6.0 untuk penyusunan program aplikasi peramalan dengan metode exponential smoothing.
2.
Bagi Jurusan Matematika a. Dapat dijadikan sebagai bahan studi kasus bagi pembaca dan acuan bagi mahasiswa. b. Sebagai bahan referensi bagi pihak perpustakaan dan bahan bacaan yang dapat menambah ilmu pengetahuan bagi pembaca.
3.
Bagi Instansi Aplikasi Visual Basic 6.0 untuk peramalan Metode Exponential Smoothing dapat dijadikan sebagai instrumen atau alat dalam melakukan peramalan IPM Provinsi Jawa Tengah agar lebih efektif dan efisien.
1.4 Sistematika Penulisan Sistematika Tugas Akhir terdiri dari tiga bagian yaitu bagian pendahuluan, bagian isi dan bagian akhir seperti berikut. (1)
Bagian awal berisi halaman judul, halaman pengesahan, abstrak, motto dan persembahan, kata pengantar, daftar isi, daftar lampiran dan daftar tabel.
(2)
Bagian isi terdiri dari lima bab, yaitu:
7
BAB I : PENDAHULUAN Dalam bab ini berisi latar belakang masalah, rumusan dan batasan masalah, tujuan dan manfaat, serta sistematika tugas akhir.
BAB II : LANDASAN TEORI Dalam bab ini akan dibahas dan diuraikan secara teoritis mengenai konsep–konsep yang dijadikan landasan teori masalah dan berisi tentang deskripsi IPM, peramalan dengan metode exponential smoothing, dan Miscrosoft Visual Basic. BAB III : METODE KEGIATAN Dalam bab ini akan dibahas dan diuraikan metode kegiatan yang berisi langkah–langkah yang ditempuh untuk memecahkan masalah, variabel yang digunakan, cara mengumpulkan data dan analisis data. BAB IV : HASIL KEGIATAN DAN PEMBAHASAN Dalam bab ini akan dikemukakan metode kegiatan yang berasal dari peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan Microsoft Excel, dan simulasi program peramalan exponential smoothing dengan Microsoft Visual Basic 6.0. BAB V : PENUTUP Dalam bab ini berisi simpulan dari pembahasan dan saran yang berkaitan dengan simpulan. (3)
Bagian
akhir
tugas
akhir
berisi
daftar
pustaka
dan
lampiran.
BAB II LANDASAN TEORI
2.1 Indeks Pembangunan Manusia 2.1.1
Konsep Umum Pembangunan Manusia
Mengutip isi Human Development Report (HDR) pertama tahun 1990, pembangunan manusia adalah suatu proses untuk memperbanyak pilihan-pilihan yang dimiliki oleh manusia. Diantara banyak pilihan tersebut, pilihan yang terpenting adalah untuk berumur panjang dan sehat, untuk berilmu pengetahuan, dan untuk mempunyai akses terhadap sumber daya yang dibutuhkan agar dapat hidup secara layak (UNDP 1995:1). Pada tahun 1990 UNDP (United Nations Development Programme) dalam laporannya “Global Human Development Report” memperkenalkan konsep “Pembangunan Manusia (Human Development)” sebagai paradigma baru model pembangunan. Menurut UNDP, pembangunan manusia dirumuskan sebagai perluasan pilihan bagi penduduk (enlarging the choices of people), yang dapat dilihat sebagai proses upaya ke arah “perluasan pilihan” dan sekaligus sebagai taraf yang dicapai dari upaya tersebut. Pada saat yang sama pembangunan manusia dapat dilihat juga sebagai pembangunan (formation) kemampuan manusia melalui perbaikan taraf kesehatan, pengetahuan, dan keterampilan; sekaligus sebagai pemanfatan (utilization) kemampuan/ketrampilan mereka. Konsep pembangunan di atas jauh lebih luas pengertiannya dibandingkan konsep
8
9
pembangunan ekonomi yang menekankan pada pertumbuhan (economic growth), kebutuhan dasar, kesejahteraan masyarakat, atau pegembangan sumber daya manusia (UNDP 1993:1). Berdasarkan konsep Pembangunan Manusia yang dikembangkan oleh PBB (Perserikatan Bangsa-Bangsa), menetapkan peringkat kinerja pembangunan manusia pada skala 0,0 – 100,0 dengan kategori sebagai berikut: a)
IPM ≥ 80,00
b) 66,00 ≤ IPM < 79,90 c)
50,00 ≤ IPM < 65,90
d) IPM < 50,00 (Sumber
data perhitungan komponen IPM dari Survei Sosial Ekonomi Nasional
(SUSENAS) yang dilakukan BPS setiap tahun yang mencakup seluruh Provinsi di Indonesia). Sebagaimana dikutip dari laporan UNDP atau United Nations Development Programme (1995:103), ada beberapa konsep penting mengenai pembangunan manusia yaitu sebagai berikut: a.
Pembangunan harus mengutamakan penduduk sebagai pusat perhatian.
b.
Pembangunan dimaksudkan untuk
memperbesar pilihan-pilihan bagi
penduduk, bukan hanya untuk meningkatkan pendapatan mereka. Oleh karena itu, konsep pembangunan manusia harus berpusat pada penduduk secara komprehensif dan bukan hanya pada aspek ekonomi semata. c.
Pembangunan
manusia
memperhatikan
bukan
hanya
pada
upaya
meningkatkan kemampuan atau kapasitas manusia, tetapi juga pada
10
upayaupaya memanfaatkan kemampuan/kapasitas manusia tersebut secara optimal. d.
Pembangunan manusia didukung oleh empat pilar pokok, yaitu diantaranya produktivitas, pemerataan, kesinambungan dan pemberdayaan.
e.
Pembangunan manusia menjadi dasar dalam penentuan tujuan pembangunan dan dalam menganalisis pilihan-pilihan untuk mencapainya. Menurut UNDP dalam Human Development Report (HDR) 1995 yang
menekankan bahwa untuk memperluas pilihan-pilihan manusia, konsep pembangunan manusia harus dibangun dari empat dimensi yang tidak terpisahkan. Berdasarkan konsep di atas maka untuk menjamin tercapainya tujuan pembangunan manusia, ada empat unsur pokok yang perlu diperhatikan (UNDP, 1995:12) yaitu: a.
Produktivitas (Productivity) Masyarakat harus mampu untuk meningkatkan produktifitas mereka dan berpartisipasi penuh dalam proses mencari penghasilan dan lapangan pekerjaan. Oleh karena itu, pembangunan ekonomi merupakan bagian dari model pembangunan manusia.
b.
Pemerataan (equity) Masyarakat harus mempunyai akses untuk memperoleh kesempatan yang adil. Semua hambatan terhadap peluang ekonomi dan politik harus dihapuskan sehingga masyarakat dapat berpartisipasi di dalam dan memperoleh manfaat dari peluang-peluang yang ada.
11
c.
Kesinambungan (Sustainability) Akses untuk memperoleh kesempatan harus dipastikan bahwa tidak hanya untuk generasi sekarang tetapi juga untuk generasi yang akan datang. Semua jenis pemodalan baik itu fisik, manusia, dan lingkungan hidup harus dilengkapi.
d.
Pemberdayaan (Empowerment) Pembangunan harus dilakukan oleh masyarakat, dan bukan hanya untuk mereka. Masyarakat harus berpartisipasi penuh dalam mengambil keputusan dan prosesproses yang memengaruhi kehidupan mereka.
2.1.2
Komponen IPM
Komponen IPM adalah usia hidup (longevity), pengetahuan (knowledge), dan standar hidup layak (decent living). Usia hidup diukur dengan angka harapan hidup atau e0 yang dihitung menggunakan metode tidak langsung (metode Brass, varian Trussel) berdasarkan variabel rata-rata anak lahir hidup dan rata-rata anak yang masih hidup (Bappeda, 2012: 6-7). Komponen pengetahuan diukur dengan angka melek huruf dan rata-rata lama sekolah yang dihitung berdasarkan data Susenas Kor. Sebagai catatan, UNDP dalam publikasi tahunan HDR sejak 1995 menggunakan indikator partisipasi sekolah dasar, menengah, dan tinggi sebagai pengganti rata-rata lama sekolah karena sulitnya memperoleh data rata-rata lama sekolah secara global. Indikator angka melek huruf diperoleh dari variabel kemampuan membaca dan menulis, sedangkan indikator rata-rata lama sekolah dihitung dengan menggunakan dua
12
variabel secara simultan; yaitu tingkat/kelas yang sedang/pernah dijalani dan jenjang pendidikan tertinggi yang ditamatkan (Bappeda, 2009: 1). Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi real yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator PDB per kapita real yang telah disesuaikan (adjusted real GDP per capita) sebagai ukuran komponen tersebut karena tidak tersedia indikator lain yang lebih baik untuk keperluan perbandingan antar negara (Bappeda, 2009: 2). Indeks pembangunan manusia (IPM) atau Human Development Index (HDI) adalah indikator untuk mengukur kualitas (derajat perkembangan manusia) dari hasil pembangunan ekonomi. Human Development Index diperkenalkan pertama kali oleh UNDP pada tahun 1990. IPM menggunakan ukuran sosial ekonomi yang lebih komprehensif daripada GNP dan memungkinkan untuk membandingkan negara dengan cara yang berbeda. Penghitungan IPM sebagai indikator pembangunan manusia memiliki tujuan penting (UNDP, 1995:118), diantaranya: a)
Membangun indikator yang mengukur dimensi dasar pembangunan manusia dan perluasan kebebasan memilih.
b) Memanfaatkan sejumlah indikator untuk menjaga ukuran tersebut sederhana. c)
Membentuk satu indeks komposit dari pada menggunakan sejumlah indeks dasar.
d) Menciptakan suatu ukuran yang mencakup aspek sosial dan ekonomi. Dalam indeks pembangunan manusia terdapat tiga komposisi indikator yang digunakan untuk mengukur besar indeks pembangunan manusia suatu negara, yakni :
13
1.
Tingkat kesehatan diukur harapan hidup saat lahir (tingkat kematian bayi).
2.
Tingkat pendidikan diukur dengan jumlah penduduk yang melek huruf atau tingkat pendidikan yang telah dicapai atau lamanya pendidikan seorang penduduk.
3.
Standar kehidupan diukur dengan tingkat pengeluaran perkapita per tahun (BPS,2012:2).
2.1.3
Indikator IPM
Beberapa istilah yang digunakan dalam penghitungan Indeks Pembangunan Manusia, antara lain mencakup pengertian indikator IPM mengenai istilah angka harapan hidup, Tingkat pendidikan, dan angka hidup layak diantaranya adalah: a)
Angka Harapan Hidup Angka Harapan Hidup merupakan rata-rata perkiraan banyak tahun yang dapat ditempuh oleh seseorang selama hidup. Penghitungan angka harapan hidup melalui pendekatan tak langsung (indirect estimation). Jenis data yang digunakan adalah Anak Lahir Hidup (ALH) dan Anak Masih Hidup (AMH). Paket program Mortpack digunakan untuk menghitung angka harapan hidup berdasarkan input data ALH dan AMH. Selanjutnya, dipih metode Trussel dengan model West, yang sesuai dengan histori kependudukan dan kondisi Indonesia dan negara-negara Asia Tenggara umumnya (Preston, 2004). Indeks harapan hidup dihitung dengan menghitung nilai maksimum dan nilai minimum harapan hidup sesuai standar UNDP, yaitu angka tertinggi sebagai batas atas untuk penghitungan indeks dipakai 85 tahun dan terendah adalah 25 tahun (BPS, 2013:106).
14
b) Tingkat Pendidikan Dalam hal ini, indikator yang digunakan adalah rata-rata lama sekolah (mean years of schooling) dan angka melek huruf. Pada proses pembentukan IPM, rata-rata lama sekolah memiliki bobot sepertiga dan angka melek huruf diberi bobot dua pertiga, kemudian penggabungan kedua indikator ini digunakan sebagai indeks pendidikan sebagai salah satu komponen pembentuk IPM. Rata-rata lama sekolah menggambarkan jumlah tahun yang digunakan oleh penduduk usia 15 tahun keatas dalam menjalani pendidikan formal. Perhitungan rata-rata lama sekolah menggunakan dua batasan yang dipakai sesuai kesepakatan beberapa negara. Rata-rata lama sekolah memiliki batas maksimumnya 15 tahun dan batas minimum sebesar 0 tahun. Angka melek huruf adalah presentase penduduk usia 15 tahun keatas yang dapat membaca dan menulis huruf latin dan atau huruf lainnya. Seperti halnya rata-rata lama sekolah, angka melek huruf juga menggunakan batasan yang dipakai sesuai kesepakatan beberapa negara. Batas maksimum untuk angka melek huruf adalah 100, sedangkan batas minimumnya 0 (nol). Nilai 100 menggambarkan kondisi 100 persen atau semua masyarakat mampu membaca dan menulis, sedangkan nilai 0 mencerminkan kondisi sebaliknya (BPS, 2013:107). c)
Indeks Hidup Layak Untuk mengukur dimensi standar hidup layak (daya beli), UNDP mengunakan indikator yang dikenal dengan real per kapita GDP adjusted. Untuk perhitungan IPM sub nasional (Provinsi atau Kabupaten/Kota) tidak
15
memakai PDRB per kapita karena PDRB per kapita hanya mengukur produksi suatu wilayah dan tidak mencerminkan daya beli real masyarakat yan penting bagi IPM. Untuk mengukur daya beli penduduk antar Provinsi di Indonesia, BPS menggunakan data rata-rata konsumsi 27 komoditi terpilih dari Survei Sosial Ekonomi Nasional (SUSENAS) yang dianggap paling dominan dikonsumsi oleh masyarakat Indonesia dan telah distandarkan agar bisa dibandingkan antar daerah dan antar waktu yang disesuaikan dengan indeks PPP (BPS, 2013:107). 2.1.4
Metodologi
2.1.4.1 Cakupan IPM Provinsi Jawa Tengah IPM adalah suatu indikator pembangunan manusia yang diperkenalkan UNDP pada tahun 1990. Pada dasarnya IPM mencakup tiga komponen yang dianggap mendasar bagi manusia dan secara operasional mudah dihitung untuk menghasilkan suatu ukuran yang merefleksikan upaya pembangunan manusia. Ketiga aspek tersebut berkaitan dengan peluang hidup (longevity), pengetahuan (knowledge), dan hidup layak (decent living). Peluang hidup dihitung berdasarkan angka harapan hidup ketika lahir; pengetahuan diukur berdasarkan rata-rata lama sekolah angka melek huruf penduduk usia 15 tahun keatas; dan hidup layak diukur dengan pengeluaran per kapita yang didasarkan pada Purchasing Power Parity (paritas daya beli dalam rupiah) (Bappeda, 2012: 6-7). Usia hidup diukur dengan angka harapan hidup atau e0 yang dihitung menggunakan metode tidak langsung (metode Brass, varian Trussel) berdasarkan variabel rata-rata anak lahir hidup dan rata-rata anak
yang masih hidup.
16
Komponen pengetahuan diukur dengan angka melek huruf dan rata-rata lama sekolah yang dihitung berdasarkan data Suseda. Sebagai catatan, UNDP dalam publikasi tahunan Human Development Report (HDR). Indikator angka melek huruf diperoleh dari variabel kemampuan membaca dan menulis, sedangkan indikator rata-rata lama sekolah dihitung dengan menggunakan dua variabel secara simultan; yaitu tingkat/kelas yang sedang/pernah dijalani dan jenjang pendidikan tertinggi yang ditamatkan (Bappeda, 2009: 1). Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi real yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator Produk Domestik Bruto (PDB) per kapita real yang telah disesuaikan (adjusted real GDP per capita) sebagai ukuran komponen tersebut karena tidak tersedia indikator lain yang lebih baik untuk keperluan perbandingan antar negara (BPS, 2013: 107). Penghitungan indikator konsumsi real per kapita yang telah disesuaikan dilakukan melalui tahapan pekerjaan sebagai berikut :
Menghitung pengeluaran konsumsi per kapita dari Susenas Modul (=A) .
Mendeflasikan nilai A dengan Indeks Harga Konsumen (IHK) ibukota propinsi yang sesuai (=B).
Menghitung daya beli per unit (=Purchasing Power Parity (PPP)/unit). Metode penghitungan sama seperti metode yang digunakan International Comparison Project (ICP) dalam menstandarkan nilai PDB suatu negara.
17
Data dasar yang digunakan adalah data harga dan kuantum dari suatu basket komoditi yang terdiri dari nilai 27 komoditi yang diperoleh dari Susenas Modul (Tabel 2.1).
Membagi nilai B dengan PPP/unit (=C).
Menyesuaikan nilai C dengan formula Atkinson sebagai upaya untuk memperkirakan nilai marginal utility dari C.
Penghitungan PPP/unit dilakukan dengan rumus : ∑ PPP / unit = ------------------------∑ dimana, E( i,
j):
Pengeluaran konsumsi untuk komoditi j di kabupaten ke-i
p( 9, j ) : Harga komoditi j di DKI Jakarta (Jakarta Selatan) q( i,,j ) : Jumlah komoditi j (unit) yang dikonsumsi di kabupaten ke-i Rumus Atkinson (dikutip dari Arizal Ahnaf dkk, 1998;129) yang digunakan untuk penyesuaian rata-rata konsumsi real secara matematis sebagai berikut : C (i)* = C(i)
jika C(i) < Z
= Z + 2(C(i) – Z) (1/2)
jika Z < C(i) < 2Z
= Z + 2(Z) (1/2)+ 3(C(i) – 2Z) (1/3)
jika 2Z < C(i) < 3Z
= Z + 2(Z) (1/2)+ 3(Z) (1/3)+4(C(i) – 3Z) (1/4)
jika 3Z < C(i) < 4Z
di mana, C(I)
= Konsumsi per kapita riil yang telah disesuaikan dengan PPP/unit
18
Z
= Threshold atau tingkat pendapatan tertentu yang digunakan sebagai batas kecukupan yang dalam laporan ini nilai Z ditetapkan secara arbiter sebesar Rp 547.500,- per kapita setahun, atau Rp 1.500,- per kapita per hari.
Indeks Pembangunan Manusia (IPM) disajikan dalam 27 komoditi seperti Tabel 2.1 Tabel 2.1 Komoditi Kebutuhan Pokok Sebagai Dasar Perhitungan Daya Beli (PPP) Sumbangan Terhadap Komoditi
Unit Total Konsumsi (%)*)
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22.
(1) Beras lokal Tepung terigu Ketela pohon Ikan Ikan teri Daging sapi tongkol/tuna/cakalang Daging ayam kampung Telur ayam Susu kental manis Bayam Kacang panjang Kacang tanah Tempe Jeruk Pepaya Kelapa Gula pasir Kopi bubuk Garam Merica/lada Mie instant Rokok kretek/filter
(2) Kg Kg Kg Kg Ons Kg Kg Butir 397 gram Kg Kg Kg Kg Kg Kg Butir Ons Ons Ons Ons 80 gram 10 batang
(3) 7.25 0.10 0.22 0.50 0.32 0.78 0.65 1.48 0.48 0.30 0.32 0.22 0.79 0.39 0.18 0.56 1.61 0.60 0.15 0.13 0.79 2.86
19
23. 24. 25. 26. 27.
Listrik Kwh 2.06 Air minum M3 0.46 Bensin Liter 1.02 Minyak tanah Liter 1.74 Sewa rumah Unit 11.56 Total 37.52 *) Berdasarakan data SUSENAS 1996, Sumber: BPS 2013 Unit kuantitas rumah dihitung berdasarkan indeks kualitas rumah yang dibentuk dari tujuh komponen kualitas tempat tinggal yang diperoleh dari Suseda. Ketujuh komponen kualitas yang digunakan dalam penghitungan indeks kualitas rumah diberi skor sebagai berikut :
Lantai : keramik, marmer, atau granit = 1, lainnya = 0
Luas lantai per kapita : > 10 m2 = 1, lainnya = 0
Dinding : tembok = 1, lainnya = 0
Atap : kayu/sirap, beton = 1, lainnya = 0
Fasilitas penerangan : listrik = 1, lainnya = 0
Fasilitas air minum : leding = 1, lainnya = 0
Jamban : milik sendiri = 1, lainnya = 0
Skor awal untuk setiap rumah = 1 Indeks kualitas rumah merupakan penjumlahan dari skor yang dimiliki oleh
suatu rumah tinggal dan bernilai antara 1 sampai dengan 8. Kuantitas dari rumah yang dikonsumsi oleh suatu rumah tangga adalah Indeks Kualitas Rumah dibagi 8. Sebagai contoh, jika suatu rumah tangga menempati suatu rumah tinggal yang mempunyai Indeks Kualitas Rumah = 6, maka kuantitas rumah yang dikonsumsi oleh rumah tangga tersebut adalah 6/8 atau 0,75 unit (BPS, 2013: 108). 2.1.4.2 Metode Perhitungan
20
Rumus penghitungan IPM dikutip dari Arizal Ahnaf dkk (1998;129) dapat disajikan sebagai berikut : IPM = 1/3 [X(1) + X (2) + X (3)] dimana, X(1) : Indeks harapan hidup X(2)
: Indeks pendidikan = 2/3(indeks melek huruf) + 1/3(indeks rata-rata lama sekolah)
X(3)
: Indeks standar hidup layak
Masing-masing indeks komponen IPM tersebut merupakan perbandingan antara selisih nilai suatu indikator dan nilai minimumnya dengan selisih nilai maksimum dan nilai minimum indikator yang bersangkutan. Rumusnya dapat disajikan sebagai berikut :
Dimana, Indikator ke-i (i = 1,2,3) : : Nilai maksimum X(i) :
Nilai minimum X(i)
Nilai maksimum dan nilai minimum indikator
seperti terlihat dalam Tabel
2.2. Tabel 2.2 Nilai Maksimum dan Minimum Komponen IPM Indikator Komponen
Nilai
Nilai
Catatan
21
IPM
Maksimum
Minimum
Angka Harapan Hidup (Tahun)
85
25
Standar (UNDP)
Angka Melek Huruf (Persen)
100
0
Standar (UNDP)
Rata-rata lama sekolah
15
0
Standar (UNDP)
360.000 b)
Pengeluaran per
(Tahun) Daya Beli (Rupiah)
732.720
a)
(1996, dst)
Kapita Real Disesuaikan
Sumber: BPS, BAPPENAS, UNDP, 2004 Catatan:
disesuaikan a) Perkiraan maksimum pada akhir PJP II yahun 2018 b) Penyesuaian garis kemiskinan lama dengan garis kemiskinan baru
2.1.4.3 Rancangan Sampling Secara umum rancangan sampling Indeks Pembangunan Manusia (IPM) melalui dua tahap. Tahap Pertama, dari setiap provinsi dipilih secara purposive bersyarat, dipilih sejumlah Kabupaten yang merupakan daerah sentra produksi pertanian. Dan tahap selanjutnya dari setiap Kabupaten terpilih, dipilih sejumlah Kecamatan yang merupakan sentra produksi pertanian.
2.2
Peramalan (Forecast)
2.2.1
Definisi dan Tujuan Peramalan
Peramalan adalah seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Dengan digunakannya peralatan metode-metode peramalan maka akan memberikan hasil peramalan yang lebih dapat dipercaya ketetapannya. Oleh karena masing-masing metode peramalan berbeda-beda, maka penggunaannya harus hati-hati terutama dalam pemilihan metode untuk penggunaan dalam kasus tertentu (Ariyoso, 2009:1). Peramalan juga memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan
22
data masa lampau yang dianalisis secara ilmiah, khususnya menggunakan metode statistika (Soepranto, 1984:4). Peramalan
definisikan
sebagai
alat/teknik
untuk
memprediksi
atau
memperkirakan suatu nilai pada masa yang akan datang dengan meperhatikan data atau informasi yang relevan, baik data/informasi masa lalu maupun data/informasi saat ini (Djalal & Hardius,2004:226).
2.2.2
Hubungan Forecast Dengan Rencana
Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang (Pangestu Subagyo, 1986:3). Dengan sendirinya terjadi perbedaan antara forecast dengan rencana. 2.2.3
Pemilihan Metode Yang Baik
Dalam bidang sosial ekonomi meskipun tidak dapat membuat forecast persis dengan kenyataan, tapi bukan berarti forecast tidak penting. Melainkan forecast sangat penting sebagai pedoman dalam pembuatan rencana. Menurut Sahli (2013: 63). Ketepatan metode peramalan digunakan sebagai petunjuk seberapa jauh model peramalan meproduksi data yang telah diketahui tersebut. Kerja dengan menggunakan forecast jauh lebih baik dari pada tanpa forecast sama sekali, hanya sekarang masalahnya bagaimanakah cara membuat forecast agar mendekati kenyataan. Caranya harus bisa memlilih metode forecast yang cocok dengan kasusnya. Banyak metode forecast yang ada, misalnya metode
23
dekomposisi, moving average, exponential smoothing, input output, regresi, simulasi, analisis runtun waktu dan lain sebagainya. Tetapi setiap suatu metode mungkin sangat cocok untuk membuat forecast mengenai satu hal, tetapi tidak cocok untuk hal lain. Oleh karena itu kita harus memilih metode mana yang paling cocok yaitu yang bisa meminimumkan kesalahan / error forecast (Subagyo,1989:5). Pemilihan teknik peramalan yang digunakan dipengaruhi oleh empat aspek, yaitu pola atau karakteristik data, jangka waktu, biaya dan tingkat akurasi yang diinginkan. Pola atau karakteristik data merupakan aspek utama yang sangat berpengaruh terhadap pemilihan teknik peramalan. Suatu data yang memilik pola trend (naik atau turun) akan lebih tepat bila di ramalkan dengan teknik dekomposisi. Sedangkan data yang berpola fluktuatif akan lebih tepat bila diforecast dengan teknik smoothing (Gitosudarmo & Najmudin, 2000:5).
2.3
Data Time Series Data time series yaitu data yang dikumpulkan dari waktu ke waktu untuk
melihat perkembangan suatu kegiatan (misal perkembangan penjualan, harga dan sebagainya), apabila data digambarkan akan menunjukan fluktuasi dan dapat digunakan sebagai dasar penarikan trend untuk meramalkan suatu kegiatan. Hasil peramalan ini berguna sebagai dasar perencanaan dan penarikan kesimpulan.
2.4
Peramalan Dengan Pemulusan (Smoothing) Metode smoothing merupakan teknik meramal dengan cara mengambil rata-
rata dari nilai beberapa periode yang akan datang. Dalam metode ini data historis
24
digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Smoothing dapat dilakukan dengan cara moving average atau exponential smoothing. 2.4.1
Metode Exponential Smoothing
Metode Exponential Smoothing merupakan perkembangan dari metode moving average sederhana. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar (Gitosudarmo & Najmudin, 2000: 16). Metode Exponential Smoothing lebih cocok digunakan untuk meramal hal-hal yang fluktuasi datanya bersifat random (tidak teratur) (Subagyo, 1989:22). Beberapa keunggulan metode
pemulusan
eksponensial ( exponential smoothing ) dibandingkan dengan metode tradisional (Leabo Dick A., 1968:322) adalah : 1.
Data-data selalu dioperasikan dengan efisien;
2.
Hanya membutuhkan sedikit data dari satu waktu ke waktu berikutnya;
3.
Dapat dimodifikasi untuk mengolah data yang berisi trend tertentu atau pola musiman;
4.
Dapat digunakan dengan biaya murah baik secara manual maupun dengan komputer. Dalam bidang sumber daya air metode exponential smoothing juga telah
banyak digunakan terutama dalam peramalan data. Tularam, G. A., dkk.. (2008) menggunakan exponential smoothing dalam metode untuk memisahkan aliran dasar yang merupakan dampak langsung dari kesalahan hitungan, yaitu dengan meminimumkan kesalahan dan menyeleksi koefisien aliran dasar alpha (α). Ada
25
tiga metode dalam Exponential Smoothing yaitu single exponential smoothing, double exponential smoothing, triple exponential smoothing. Nilai konstana atau parameter disebut smoothing constant. Persamaan ini digunakan untuk menghitung ramalan dengan metode pemulusan eksponensial. Metode ini banyak mengurangi masalah penyimpangan data, karena tidak perlu lagi menyimpan semua data historis atau sebagian (seperti dalam kasus rata-rata bergerak).
1) Konstanta Pemulusan (smoothing constant alpha) Konstanta pemulusan (alpha) berfungsi sebagai faktor penimbang. Nilai konstanta mempengaruhi keakuratan dan ketepatan dari forecast. Nilai yang dipilih harus secara signifikan menurunkan forecast error. Kecepatan pemulusan (smoothing) dari respon sebelumnya adalah fungsi dari nilai . Jika mendekati 1, laju pemulusan cepat berarti nilai prediksi yang baru sudah memasukkan faktor penyesuaian untuk setiap tingkat kesalahan yang terjadi pada nilai prediksi yang lama. Tetapi jika mendekati 0, laju pemulusan lambat berarti nilai prediksi yang baru hampir sama dengan nilai prediksi yang lama. Nilai yang menghasilkan tingakat kesalahan (error) yang paling kecil adalah yang dipilih dalam proses peramalan. Untuk mengetahui nilai yang paling optimal, dapat digunakan metode simulasi atau trial dan error. Ini merupakan prosedur iterasi yang dimulai dengan nilai
antara 0,1 sampai 0,9 (Subagyo, 1986:19).
26
Cara menggunakan metode diatas adalah sebagai berikut: a. Tentukan terlebih dahulu nilai awal untuk b. Kemudian cari nilai peramalannya menggunakan rumus exponential smoothing. c. Setelah diperoleh nilai peramalannya selanjutnya kita hitung nilai The Sum of the Squared Errors (SSE), yaitu jumlah dari seluruh nilai peramalan. d. Langkah selanjutnya menghitung nilai The Mean of the Squared Errors (MSE), yaitu rata-rata dari seluruh nilai peramalan atau nilai The Sum of the Squared Errors (SSE) dibagi dengan banyak data. Telah dijelaskan sebelumnya bahwa nilai yang terbaik adalah yang memberikan hasil The Mean of the Squared Errors (MSE) yang minimum. Maka, yang memberikan nilai The Mean of the Squared Errors (MSE) terkecil itulah yang dipilih untuk proses peramalan. 2) Kesalahan Ramalan (forecast error) Untuk mendapatkan hasil forecast yang mendekati ketepatan adalah dengan memilih hasil forecast yang memiliki nilai Mean Square Error (MSE) atau Mean Absolute Error (MAE). a. Mean Square Error (MSE) Mean Square Error (MSE) adalah kuadrat rata-rata nilai error kuadrat dari kesalahan meramal. ∑|
|
b. Mean Absolute Error (MAE) Mean Absolute Error (MAE) rata-rata nilai absolute dari kesalahan
27
meramal (tidak dihiraukan tanda positif atau negatifnya). ∑|
|
2.4.1.1 Metode Single Exponential Smoothing Pada metode ini digunakan jika data tidak mempengaruhi secara signifikan oleh faktor trend dan musiman. Setiap data diberi bobot tertentu dengan data yang lebih baru diberi bobot yang lebih besar dari pada data yang lebih lama. Bobot yang diberikan pada data yang ada sebesar untuk data yang terbaru, (1-) untuk data yang lama, (1-)2 untuk data yang lebih lama, dan seterusnya. Besarnya adalah anatara 0 dan 1. Semakin mendekat 1 berarti semakin lebih diperhatikan. Metode ini cocok digunakan untuk meramalkan hal-hal yang fluktuasinya secara random (tidak teratur) (Gitosudarmo & Najmudin, 2000: 17). Menurut Pangestu Subagyo (1986: 19) rumus untuk besarnya forecast single exponential smoothing secara sistematis adalah:
Keterangan: St+1 = ramalan untuk periode ke t+1 Xt = nilai data asli periode ke-t St = ramalan untuk periode ke-t α = konstanta perataan antara 0 dan 1 2.4.1.2 Metode Double Exponential Smoothing Metode ini merupakan model linier yang dikemukakan oleh Brown. Metode double exponential smoothing ini biasanya lebih tepat digunakan untuk meramalkan data yang mengalami trend kenaikan dan proses smoothing dilakukan
28
dua kali. Pada metode ini proses penentuan ramalan dimulai dengan menentukan besarnya secara trial dan error. Menurut (Gitosudarmo & Najmudin (2000: 23) tahap-tahap dalam melakukan ramalan adalah sebagai berikut: 1) Menentukan Smoothing pertama S t
S t = Smoothing pertama periode ke-t Xt = nilai data pada periode ke-t
S t1 = Smoothing pertama periode ke t-1 2) Menentukan Smoothing kedua
Smoothing ke dua periode t – 1 3) Menentukan besarnya nilai at (konstanta)
4) Menentukan besarnya nilai bt (slope)
5) Menentukan besarnya forecast
m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang akan datang peramalan dilakukan (Sugiman, 2013:26). 2.4.1.3 Metode Triple Exponential Smoothing Metode ini merupakan metode yang yang dikemukakan oleh Brown, dengan menggunakan persamaan kuadrat. Metode ini lebih cocok kalau dipakai untuk
29
membuat forecast hal yang berfluktuasi atau mengalami gelombang pasang surut. Menurut Subagyo (1986: 26) prosedur pembuatan forecast dengan metode ini adalah sebagai berikut: 1) Menentukan Smoothing pertama S t
S t = Smoothing pertama periode ke-t Xt = nilai data pada periode ke-t
S t1 = Smoothing pertama periode ke t-1 Untuk bulan pertama S t belum bisa dicari dengan rumus diatas. Maka boleh ditentukan secara bebas seperti nilai yang terjadi pada bulan pertama 2) Menentukan Smoothing kedua
Pada bulan pertama biasanya nilai
ditentukan seperti nilai yang terjadi
pada bulan pertama. 3) Menentukan Smoothing ketiga
Pada bulan pertama biasanya nilai
ditentukan seperti nilai yang terjadi
pada bulan pertama. 4) Menentukan besarnya nilai at (konstanta)
5) Menentukan besarnya nilai bt (slope) [
]
30
Mencari ct dengan menggunakan rumus:
6) Menentukan besarnya forecast
m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang akan datang forecast dilakukan.(Sugiman, 2013:27)
2.5
Microsoft Visual Basic 6.0
2.5.1
Definisi Visual Basic
Program Microsoft Visual Basic merupakan bahasa pemrograman tingkat tinggi (High Level Languange). Microsoft Visual Basic juga merupakan bahasa pemrograman Object Oriented Programming (OOP), yaitu pemrograman berorientasi pada objek. Microsoft Visual Basic memiliki beberapa versi yaitu Microsoft Visual Basic 3.0, Microsoft Visual Basic 5.0, Microsoft Visual Basic Versi 6.0, VB. Net. Dan mungkin akan berkembang lagi dengan berbagai versi dan semakin sempurna dalam penggunaannya. Menurut Kusrini (2007:171), “Visual Basic adalah salah satu bahasa pemrograman komputer”. Bahasa pemrograman adalah perintah-perintah yang dimengerti oleh komputer untuk melakukan tugas-tugas tertentu. Visual Basic merupakan salah satu development tool, yaitu alat bantu untuk membuat berbagai macam program komputer, khususnya yang menggunakan sistem operasi windows.
31
Menurut Suhata, (2005:3), “Visual Basic 6.0 merupakan salah satu bahasa pemrograman yang dapat digunakan untuk menyusun dan membuat program aplikasi pada lingkungan sistem operasi windows”. Program aplikasi dapat berupa program database, program grafis, dan lain sebagainya. Di dalam visual basic 6.0 sudah terdapat kompenen-kompenen yang sangat membantu pembuatan program aplikasi. Menurut Komputer & Pengembangan (2004 : 34) untuk membuat sebuah program aplikasi Visual Basic, dapat dilakukan dengan tiga langkah yaitu: 1) Menyusun atau mengatur objek-objek pada bidang yang disebut form. 2) Menentukan isi dari properties pada masing-masing objek sesuai dengan kebutuhan untuk mengontrol aplikasi, 3) Menuliskan kode program kontrol yang dimaksud. Pada bagian ini akan dituliskan kode-kode program dalam sebuah aplikasi yang sedang dibuat. Untuk membuat aplikasi Visual Basic harus diketahui variabel dan jenis datanya. 2.5.2
Memulai Program Visual Basic 6.0
Program Visual Basic 6.0 berjalan pada sistem operasi Windows, maka sebelum memulai mengoperasikan program tersebut, harus mengaktifkan terlebih dahulu sistem operasi Windows, dengan langkah-langkah sebagai berikut: 1. Klik tombol mouse sebelah kiri pada Start pada Taskbar. 2. Pilih menu program Visual Basic 6.0. 3. Selanjutnya sebuah kotak dialog New Project akan ditampilkan. 4. Dari tampilan tersebut pilih aplikasi Standart EXE, lalu klik Open.
32
Gambar 2.1 Tampilan Kotak Dialog New Project Visual Basic 6.0.
2.5.3
Tampilan Dasar Program Visual Basic 6.0
Gambar 2.2 Tampilan dasar Visual Basic 6.0
33
Layar program Visual Basic 6.0 merupakan suatu lingkungan besar yang terdiri dari beberapa bagian kecil yang tersusun sedekimian rupa dan mempunyai sifat-sifat sebagai berikut: 1.
Docking, berfungsi sebagai tempat peletakan bagian IDE (Integrated Development Integration) sehingga dapat menempel dengan bagian lain yang berdekatan.
2.
Floating, elemen-elemennya dapat digeser-geser ke posisi mana saja.
3.
Sizable, elemen atau jendela dapat diubah-ubah ukurannya. Dari sifat-sifat yang ada, maka dapat dengan mudah memindahkan,
menggeser, memperbesar atau meperkecil ukuran suatu komponen layar Visual Basic 6.0 dapat dilihat pada Gambar 2.2.
2.5.3
Struktur Aplikasi Program Visual Basic 6.0
Aplikasi (project) yang tedapat dalam Visual Basic 6.0 terdiri atas bagianbagian sebagi berikut: i.
Menu Bar
Gambar 2.3 Menu-menu pada Menu Bar Main Bar merupakan kumpulan perintah-perintah yang dikelompokan dalam kiteria operasinya. ii.
Toolbar
Gambar 2.4 Bentuk Toolbar Standart
34
Toolbar merupakan sekumpulan tombol yang mewakili suatu perintah tertentu pada Visual Basic. iii.
Toolbox
Gambar 2.5 Kumpulan kontrol pada Toolbox Toolbox merupakan sebuah jendela dimana obyek atau kontrol ditempatkan yang dibutuhkan untuk membentuk suatu program, dengan cara dipasang pada form. iv.
Form Window
Gambar 2.6 Bentuk dari Form Window
35
Form Window (jendela form) merupakan area kerja untuk merancang suatu program aplikasi Visual Basic. Pada jendela form ini dapat meletakkan kontrol seperti command button, textbox, label, checkbox, dan lainnya. v.
Code Window
Gambar 2.7 Suatu Prosedur dalam Code Window Code Window merupakan area untuk menuliskan kode-kode program Visual Basic. Suatu kode-kode program merupakan kumpulan dari intruksi untuk menjalankan obyek yang berupa kontrol maupun form serta logika program.
vi.
Project Explorer
Gambar 2.8 Project Explorer
36
Project Explorer berfungsi berbagai saran pengakses bagian-bagian pembentuk project. Pada windows ini terdapat tiga tombol pengaktif untuk Windows Code, Windows Object dan Toggle Folder. Juga terdapat diagram yang menampilkan susunan folder penyimpanan file-file project. vii.
Properties Windows
Gambar 2.9 Tab alphabetic pada Properties Windows Properties Windows merupakan area yang berisi semua informasi mengenai kontrol yang dibuat, dan bertugas menyiapkan segala properti dari kontrol yang diperlukan dalam perancangan user interface maupun pemograman. Tampilan Properties Windows dapat dilihat pada Gambar 2.9 viii.
Form Layout Window
37
Gambar 2.10 Bentuk dari form pada Layout Window Form Layout Window merupakan jendela yang menunjukkan tata letak form saat ditampilkan pada layar monitor dapat dilihat pada Gambar 2.10. 2.5.4
Keunggulan Aplikasi Visual Basic
Dengan adanya Microsoft Visual Basic 6.0 ini dapat memudahkan para programmer untuk membuat program yang familiar untuk pemakai (User) karena menggunakan visualisasi dan animasi yang cukup tinggi serta tampilan yang menarik untuk dilihat. Karena kemiripannya dengan pemrograman basic, bahasa pemrograman Microsoft Visual Basic ini menjadi lebih mudah untuk dipahami dan dipelajari. Microsoft Visual Basic 6.0 ini mempunyai kemampuan yang sangat besar dalam membuat program-program yang lebih kompleks. Microsoft Visual Basic terdiri dari beberapa versi, dan Microsoft Visual Basic 6.0 merupakan penyempurnaan dari versi sebelumnya. Sejak diciptakan versi pertamanya pada tahun 1991, Microsoft Visual Basic kini telah mencapai versi yang keenam yang memilki keunggulan dari versi sebelumnya. Berikut ini beberapa keunggulan dari Microsoft Visual Basic 6.0: a)
Kemampuan membuat ActiveX dan fasilitas internet yang lebih banyak.
b) Memiliki compiler yang dapat menghasilkan output file executable (.exe).
38
c)
Memiliki beberapa tambahan sarana wizard yang lebih lengkap.
d) Membuat flat form pembuatan program yang diberi nama developer studio. e)
Sarana akses data yang lebih cepat dan handal untuk membuat aplikasi database yang berkemampuan tinggi dan kompleks.
f)
Penambahan kontrol baru yang lebih canggih serta peningkatan kaidah struktur
2.5.5
bahasa Microsoft Visual Basic 6.0.
Peralatan Pendukung (Tools System)
Peralatan pendukung mempunyai pengertian sebagai media yang dibutuhkan oleh setiap programmer untuk membantu mempermudah dalam pembuatan, pembacaan logika dan algoritma program, serta membantu untuk mengetahui alur program yang dibuat mulai dari masukan, proses, dan keluaran yang dihasilkan. Peralatan yang mendukung dalam perancangan program meliputi konsep teori Normalisasi, File Index, Bagan Alir (Flowchart), Struktur Kode, dan HIPO (Hierarchy plus Input Process Output). 2.5.6
Macam-macam Data di Visual Basic
Visual Basic mempunyai beberapa jenis data. Untuk mengidentifikasi sebuah data pada sebuah variabel, Visual Basic menggunakan satu karakter tanda yang diletakkan di akhir nama sebuah variabel. Jenis data dalam visual basic yaitu boolean, integer, long, single, double, currency, date, object, string, dan variant.
2.6
Flowchart Menurut Jogiyanto (2005:795), “Bagan alir (flowchart) adalah bagan
(chart) yang menunjukan hasil (flow) didalam program atau prosedur sistem secara logika”. Bagan alir digunakan terutama untuk alat bantu komunikasi dan untuk dokumentasi. Menurut Jogiyanto (2005:802), “Flowcart adalah bagan-
39
bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelsaian suatu masalah”. Flowcart merupakan cara penyajian dari suatu algoritma. Pedoman dalam menggambar suatu bagan alir, analis sistem atau pemrograman sebagai berikut; a.
Bagan alir sebaiknya digambar dari atas ke bawah dan mulai dari bagian kiri dari suatu halaman.
b.
Kegiatan didalam bagan alir harus ditunjukan dengan jelas dan harus ditunjukan darimana kegiatan akan dimulai dan dimana akan berakhirnya.
c.
Masing-masing kegiatan didalam bagan alir sebaiknya digunakan suatu kata yang mewakili suatu pekerjaan, misalnya;“persiapkan” dokumen “hitung” gaji.
d.
Masing-masing kegiatan didalam bagan alir harus didalm urutan yang semestinya dan kegiatan yang terpotong dan akan disambung ketempat lain harus ditunjukan dengan jelas menggunakan symbol penghubung.
e.
Gunakanlah symbol-simbol bagan alir yang standar.
Ada 5 macam menurut jogiyanto bagan alir diantranya; a)
Bagan alir sistem (sistems flowchart)
40
Gambar 2.11 Simbol bagan alir sistem Bagan
alir
sistem
(system
menunjukkan arus pekerjaan
secara
flowchart) merupakan keseluruan
dari
bagan sistem.
yang Bagan
menjelaskan urutan-urutan dari prosedure-prosedure yang ada dalam sistem. Bagan alir sistem menunjukan apa yang dikerjakan sistem. Bagan alir sistem digambar dengan simbol-simbol dapat dilihat pada Gambar 2.11 (Sumber: Salemba Infotek).
41
b)
Bagan alir program (program flowchart)
Gambar 2.12 Simbol bagan alir program Bagan alir program (program flowchart) merupakan bagan yang menjelaskan secara rinci langkah-langkah dari proses program. Bagan alir program dibuat dengan menggunakan simbol-simbol dapat dilihat pada Gambar 2.12 (Sumber: Salemba Infotek). c)
Bagan alir dokumen (document flowchart) Bagan alir dokumen (document flowchart) atau disebut bagan alir formulir (form flowchart) atau paperwork flowchart merupakan bagan alir yang menunjukan arus dari laporan dan formulir termasuk tembusan-tembusannya.
42
Bagan alir dokumen ini menggunakan simbol-simbol yang sama dengan yang digunakan di dalam bagan alir sistem. b.
Bagan alir skematik (schematic flowchart) Bagan alir skematik (schematic flowchart) merupakan bagan alir yang mirip dengan bagan alir sistem, yaitu untuk menggambarkan prosedur di dalam sistem. Perbedaannya adalah bagan alir skematik menggunakan simbol-simbol bagan alir sistem , juga menggunakan gambar - gambar komputer dan peralatan lainnya yang digunakan. Maksud penggunaan gambar-gambar ini adalah untuk memudahkan komunikasi kepada orang yang kurang paham dengan simbol-simbol bagan alir.
e.
Bagan alir proses (process flowchart)
Gambar 2.13 Simbol bagan alir proses Bagan alir proses (process flowchart) merupakan bagan alir yang banyak digunakan teknik industri. Bagan alir juga berguna bagi anilis sistem untuk menggambarkan proses dalam suatu prosedure. Bagan alir proses menggunakan lima buah simbol tersendiri dapat dilihat pada Gambar 2.13 (Sumber:
Salemba
Infotek).
BAB III METODE PENELITIAN
3.1 Ruang Lingkup Penelitian Penelitian ini dilakukan untuk membuat suatu program aplikasi untuk menghitung peramalan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014. Fokus dalam penelitian ini adalah peramalan dengan metode exponential smoothing untuk data Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014, dan pembuatan program aplikasi peramalan dengan metode exponential smoothing dengan menggunakan salah satu bahasa pemograman yaitu Microsoft Visual Basic 6.0.
3.2 Variabel Penelitian dan Cara Pengumpulan Data 3.2.1
Variabel Penelitian
Penelitian ini menitik beratkan pada perhitungan dan pembuatan program untuk menghitung peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan Metode exponential smoothing. Variabel dalam penelitian ini meliputi data Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2005 sampai Tahun 2013. 3.2.2 Cara Pengumpulan Data Metode pengumpulan data yang dilakukan dalam penelitian ini adalah sebagai berikut:
42
43
a)
Metode Studi Pustaka Penulis mengumpulkan informasi yang diperlukan dalam peneliyian dari sumber pustaka untuk mengenal istilah-istilah dalam IPM.
b) Metode Dokumentasi Dengan
metode
dokumentasi,
penulis
mengumpulkan
data
Indeks
Pembangunan Manusia (IPM) Provinsi Jawa Tengah dari tahun 2005 sampai tahun 2013.
3.3 Metode Penelitian Metode yang dilakukan dalam penelitian ini adalah menghitung, merancang, dan membuat program aplikasi Visual Basic 6.0 perhitungan peramalan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 dengan metode exponential smoothing dengan langkah-langkah sebagai berikut: 1) Mempersiapkan alat dan bahan yang diperlukan 2) Membuat rancangan diagram alir program 3) Mengubah atau menterjemahkan diagram alir program ke dalam tata bahasa pemograman Microsoft Visual Basic 6.0 4) Membuat program pada aplikasi Microsoft Visual Basic 6.0 5) Mengkompilasi program 6) Menguji program 7) Merevisi program bila diperlukan 8) Memprediksi nilai IPM Provinsi Jawa tengah Tahun 2014 9) Menganalisis hasil.
44
3.4 Analisis Data Hasil perancangan dan pembuatan program diuraikan dan dijelaskan secara deskriptif naratif (gambaran secara umum). Penafsiran dan penarikan kesimpulan dilakukan berdasarkan tiap langkah pembuatan program. Simpulan akhir ditentukan berhasil atau tidaknya program yang dibuat. Indikator keberhasilan didasarkan pada kesesuaian program dengan perhitungan secara manual. 3.4.1
Pembuatan program aplikasi metode peramalan
exponential
smoothing menggunakan Microsoft Visual Basic 6.0. Menu program ini terdiri dari: pola data, analyze, petunjuk penggunaan, dan exit. Pada menu analyze terdiri dari tiga submenu, yaitu single exponential smoothing, double exponential smoothing, triple exponential smoothing. Pada masing-masing form baik single, double, maupun triple exponential smoothing terdapat beberapa tombol yang digunakan untuk menghitung ramalan, melihat pola data, menginput data, import / export data, menghapus data, dan tombol home. 3.4.2
Tahap-tahap peramalan Dalam tahap ini dilakukan pengkajian data yang diperoleh berdasarkan teori
yang ada dan berkaitan dengan exponential smoothing untuk meramalkan nilai Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah tahun 2014. 3.4.2.1 Melihat Pola Data Untuk melihat pola data nilai Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah tahun 2014 dari data time series yang ada, dilakukan melihat pada Graph. Di dalam diagram itu waktu atau periode (X) sebagai absis dan nilai
45
Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah (Y) sebagi ordinat. 3.4.2.2 Memilih Metode Exponential Smoothing Yang Sesuai Berdasarkan Pola Yang Didapat Dari Data Time Series Yang Ada, diantaranya: a)
Jika datanya berfluktuasi secara rendom, maka metode single exponential smoothing adalah tepat.
b) Jika datanya menunjukan suatu trend linier, maka metode double exponential adalah tepat. c)
Jika datanya musiman atau fluktuasi teratur, metode triple exponential smoothing adalah tepat.
3.4.2.3 Menghitung kesalahan ramalan Mengukur error (kesalahan) forecast biasanya digunakan mean absolute error dan mean absolute error. Mean absolute error adalah rata-rata nilai absolute dari kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya) atau
∑|
|
, untuk mean square error adalah rata-rata dari kesalahan forecast
dikuadratkan atau
∑|
|
. Untuk mendapatkan hasil forecast yang mendekati
ketepatan adalah dengan memilih hasil forecast yang memiliki nilai mean square error
atau
mean
absolute
error.
BAB V PENUTUP
5.1 Simpulan Berdasarkan uraian pada hasil penelitian dan pembahasan maka ditarik kesimpulan sebagai berikut. 1. Model peramalan metode exponential smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 untuk alpha 0,1 menggunakan metode triple exponential smoothing diperoleh model forecast adalah
. Untuk
alpha 0,5 menggunakan metode triple exponential smoothing diperoleh model forecast adalah
. Sedangkan
untuk alpha 0,9 menggunakan metode double exponential smoothing model forecast adalah
.
84
85
2. Hasil perhitungan peramalan exponential smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 untuk alpha 0,1 menggunakan metode triple exponential smoothing diperoleh nilai forecast sebesar 73,43. Untuk alpha 0,5 menggunakan metode triple exponential smoothing diperoleh nilai forecast sebesar 74,62. Sedangkan untuk alpha 0,9 menggunakan metode double exponential smoothing diperoleh nilai forecast sebesar 74,61. 3. Pengembangan program visual basic 6.0 untuk peramalan exponential smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 dengan cara membuat program simulasi peramalan
metode
exponential
smoothing,
yang
memuat
proses
peramalan, melihat pola data, dan melihat metode hasil peramalan terbaik.
5.1 Saran Setelah melakukan pembuatan program aplikasi peramalan exponential smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014, saran yang dapat diberikan sebagai berikut. 1. Peneliti dapat menganalisis peramalan dengan semua nilai alpha tidak hanya 0,1; 0,5; dan 0,9 untuk lebih mengetahui metode peramalan terbaik yang tepat untuk setiap nilai alpha. 2. Program simulasi yang tepat dibuat dapat dikembangkan dengan membuat simulasi program peramalan dengan metode yang lain, karena dalam penggunaannya lebih efisien waktu.
86
DAFTAR PUSTAKA
Ariyoso. 2009. Metode Eksponential Smoothing Tahun 2009. Jakarta. Arsyad, Lincolin. 1999. Ekonomi Pembangunan. STIE YKPN. Yogyakarta. Badan Pusat Statistik dan UNDP. 1993. Indeks Pembangunan Manusia Indoensia, Perbandingan Antar Provinsi 1990-1993. Badan Pusat Statistik. Jakarta. Badan Pusat Statistik Provinsi Jawa Tengah. Jawa Tengah Dalam Angka 2014. Badan Pusat Statistik Provinsi Jawa Tengah. Semarang. Bappeda Biak Numfor. 2012. Indeks Pembangunan Manusia dan Analisis Pembangunan Manusia, Biak. Gitosudarmo, I & Najmudin, M. 2000. Teknis Proyeksi Bisnis. Yogyakarta: BPFE. Gujarati, Damodar. 2003. Ekonometrika Dasar. Erlangga. Jakarta. H. Preston, Samuel, et.all,2004. Demography;measuring and Modelling population Processes, Blackwell,USA. Jogiyanto. 2005. Analisis dan Desain. Edisi Ketiga. Yogyakarta: Andi Offset. Kementerian Pemberdayaan Perempuan dan Perlindungan Anak. 2011. Pembangunan Manusia Berbasis Gender. CV. Kementerian Pemberdayaan Perempuan dan Perlindungan Anak. Jakarta. Komputer, W & Pengembangan. 2004. Tutorial Membuat Program Dengan Visual Basic. Jakarta: Salemba Infotek. Kuncoro, Mudrajad. 2003. Ekonomi Pembangunan: Teori, Masalah, dan Kebijakan Edisi Ketiga. UPP AMP YKPN. Yogyakarta.
Kusrini. 2007. Strategi Perancangan dan Pengelolaan Basis Data. Yogyakarta. Leabo Dick A., (1968), Basic Forecast Statistics, Journal of the American Statistical Association:322. Makridakis, S. 2003. Metode dan Aplikasi Peramalan. Jilid 1. Edisi Revisi. Binarupa Aksara: Jakarta.
87
Nachrowi, Djalal dan Hardius Usman (2004) Penggunaan Teknik Ekonometr. Edisi Revisi, PT Rajagrafindo Persada, Jakarta. Pratiwi, Wiwik D., Indeks Pembangunan Sub Bidang Pembangunan Perdesaan. Program Studi Arsitektur ITB. Bandung. Sahli, M. 2013. Penerapan metode exponential smoothing dalam sistem informasi pengendalian persediaan bahan baku (studi kasus toko tirta harum). Jurnal SIMETRIS. 3(1): 59-70. Soepranto, J. 1984. Statistika Teori dan Aplikasi Jilid 1. Jakarta: Erlangga. Subagyo, P. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta. BPFEYogyakarta. Subagyo, Pangestu. 2002. Forecasting Konsep dan Aplikasi. BPFE: Yogyakarta. Sudjana. 2005. Metode Statistika. Bandung: PT. Tarsito. Sugiman. 2013. Bahan Ajar Program Studi Statistika Terapan dan Komputasi D3. Metode Peramalan (Forecasting). Suhata. 2005. Visual Basic Sebagai Pusat Kendali Peralatan Elektronik. PT.Elex Media Komputindo.Jakarta Supranto, J. 1991. Statistik: Teori dan Aplikasi. Jilid 2. Edisi Kelima. Jakarta: Erlangga. Tularam, G. A., at.al. (2008), Exponential Smoothing Method of Base Flow Separation and Its Impact on Continuous Loss Estimates, American Journal of Environmental Sciences 4 (2): 136-144, ISSN 1553-345X Science Publications. United Nations Development Programme (UNDP). 1990. Global Human Development Report. Human Resources Department.
88
Lampiran 1 DATA INDEKS PEMBANGUNAN MANUSIA (IPM) PROVINSI JAWA TENGAH TAHUN 2005 - TAHUN 2013
TAHUN
IPM PROVINSI JAWA TENGAH
2005
69,80
2006
70,25
2007
70,91
2008
71,60
2009
72,10
2010
72,49
2011
72,94
2012
73,36
2013
74,05
Sumber : BPS Provinsi Jawa Tengah
Lampiran 2 PERAMALAN METODE SINGLE EXPONENTIAL SMOOTHING TAHUN 2014 α = 0,1
α = 0,5
α = 0,9
Indeks No
Tahun
Pembangunan Daerah (IPM)
1 2 3 4 5 6 7 8 9 10
2005 69,80 2006 70,25 2007 70,91 2008 71,60 2009 72,10 2010 72,49 2011 72,94 2012 73,36 2013 74,05 2014 Jumlah Rata-rata
Forecast
Error
Absolute Error
Error2
Forecast
Error
Absolute Error
Error2
Forecast
Error
Absolute Error
Error2
69,80 69,85 69,95 70,12 70,31 70,53 70,77 71,03 71,33 633,70 70,41
0,45 1,07 1,65 1,98 2,18 2,41 2,59 3,02
0,45 1,07 1,65 1,98 2,18 2,41 2,59 3,02
0,20 1,13 2,72 3,93 4,73 5,80 6,69 9,11
0,45 0,88 1,13 1,07 0,92 0,91 0,88 1,13
0,45 0,88 1,13 1,07 0,92 0,91 0,88 1,13
0,20 0,78 1,28 1,14 0,85 0,83 0,77 1,27
0,45 0,70 0,76 0,58 0,45 0,49 0,47 0,74
0,20 0,50 0,58 0,33 0,20 0,24 0,22 0,54
15,34 1,92
34,32 4,29
7,37 0,92
7,37 0,92
7,13 0,89
69,80 70,21 70,84 71,52 72,04 72,45 72,89 73,31 73,98 647,04 71,89
0,45 0,70 0,76 0,58 0,45 0,49 0,47 0,74
15,34 1,92
69,80 70,03 70,47 71,03 71,57 72,03 72,48 72,92 73,49 643,81 71,53
4,64 0,58
4,64 0,58
2,82 0,35
89
Lampiran 3 PERAMALAN METODE DOUBLE EXPONENTIAL SMOOTHING TAHUN 2014 α = 0,1
Indeks No
Tahun
Pembangunan Daerah (IPM)
S'(t)
S"(t)
a
b
Forecast
Error
Absolute Error
1
2005
69,80
69,8000
69,8000
69,8000
2
2006
70,25
69,8450
69,8045
69,8855
0,0045
69,8000
0,4500
0,4500
0,2025
3
2007
70,91
69,9515
69,8192
70,0838
0,0147
69,8900
1,0200
1,0200
1,0404
4
2008
71,60
70,1164
69,8489
70,3838
0,0297
70,0985
1,5015
1,5015
2,2545
5
2009
72,10
70,3147
69,8955
70,7339
0,0466
70,4135
1,6865
1,6865
2,8443
6
2010
72,49
70,5322
69,9592
71,1053
0,0637
70,7805
1,7095
1,7095
2,9223
7
2011
72,94
70,7730
70,0406
71,5055
0,0814
71,1690
1,7710
1,7710
3,1365
8
2012
73,36
71,0317
70,1397
71,9238
0,0991
71,5869
1,7731
1,7731
3,1440
9
2013
74,05
71,3335
70,2591
72,4080
0,1194
72,0229
2,0271
2,0271
4,1092
10
2014
72,5274 Jumlah
638,2887
11,9387
11,9387
19,6537
Rata-rata
70,9210
1,4923
1,4923
2,4567
90
Lanjutan
No
Tahun
α = 0,5
Indeks Pembangunan Daerah (IPM)
S'(t)
S"(t)
a
b
Forecast
Error
Absolute Error
1
2005
69,80
69,8000
69,8000
69,8000
2
2006
70,25
70,0250
69,9125
70,1375
0,1125
69,8000
0,4500
0,4500
0,2025
3
2007
70,91
70,4675
70,1900
70,7450
0,2775
70,2500
0,6600
0,6600
0,4356
4
2008
71,60
71,0338
70,6119
71,4556
0,4219
71,0225
0,5775
0,5775
0,3335
5
2009
72,10
71,5669
71,0894
72,0444
0,4775
71,8775
0,2225
0,2225
0,0495
6
2010
72,49
72,0284
71,5589
72,4980
0,4695
72,5219
-0,0319
0,0319
0,0010
7
2011
72,94
72,4842
72,0216
72,9469
0,4627
72,9675
-0,0275
0,0275
0,0008
8
2012
73,36
72,9221
72,4718
73,3724
0,4503
73,4095
-0,0495
0,0495
0,0025
9
2013
74,05
73,4861
72,9789
73,9932
0,5071
73,8227
0,2273
0,2273
0,0517
10
2014
74,5003 Jumlah
575,6716
2,0284
2,2462
1,0770
Rata-rata
71,9589
0,2536
0,2808
0,1346
91
Lanjutan
No
Tahun
α = 0,9
Indeks Pembangunan Daerah (IPM)
S'(t)
S"(t)
a
b
Forecast
Error
Absolute Error
1
2005
69,80
69,8000
69,8000
69,8000
2
2006
70,25
70,0250
69,9125
70,1375
0,1125
69,8000
0,4500
0,4500
0,2025
3
2007
70,91
70,4675
70,1900
70,7450
0,2775
70,2500
0,6600
0,6600
0,4356
4
2008
71,60
71,0338
70,6119
71,4556
0,4219
71,0225
0,5775
0,5775
0,3335
5
2009
72,10
71,5669
71,0894
72,0444
0,4775
71,8775
0,2225
0,2225
0,0495
6
2010
72,49
72,0284
71,5589
72,4980
0,4695
72,5219
-0,0319
0,0319
0,0010
7
2011
72,94
72,4842
72,0216
72,9469
0,4627
72,9675
-0,0275
0,0275
0,0008
8
2012
73,36
72,9221
72,4718
73,3724
0,4503
73,4095
-0,0495
0,0495
0,0025
9
2013
74,05
73,4861
72,9789
73,9932
0,5071
73,8227
0,2273
0,2273
0,0517
10
2014
74,5003 Jumlah
575,6716
2,0284
2,2462
1,0770
Rata-rata
71,9589
0,2536
0,2808
0,1346
92
Lampiran 4 PERAMALAN METODE TRIPLE EXPONENTIAL SMOOTHING TAHUN 2014 α = 0,1
Indeks No
Tahun
Pembangunan Daerah (IPM)
S'(t)
S"(t)
S'"(t)
a
b
c
Forecast
Error
Absolute Error
1
2005
69,80
69,8
69,8
69,8
69,8
2
2006
70,25
69,845
69,8045
69,8005
69,9220
0,0119
0,0004
69,8000
0,4500
0,4500
0,2025
3
2007
70,91
69,9515
69,8192
69,8023
70,1992
0,0379
0,0014
69,9340
0,9760
0,9760
0,9525
4
2008
71,60
70,1164
69,8489
69,8070
70,6093
0,0750
0,0028
70,2379
1,3621
1,3621
1,8554
5
2009
72,10
70,3147
69,8955
69,8158
71,0735
0,1147
0,0042
70,6857
1,4143
1,4143
2,0002
6
2010
72,49
70,5322
69,9592
69,8302
71,5494
0,1526
0,0055
71,1903
1,2997
1,2997
1,6892
7
2011
72,94
70,7730
70,0406
69,8512
72,0486
0,1898
0,0067
71,7047
1,2353
1,2353
1,5260
8
2012
73,36
71,0317
70,1397
69,8801
72,5562
0,2251
0,0078
72,2418
1,1182
1,1182
1,2504
9
2013
74,05
71,3335
70,2591
69,9180
73,1414
0,2651
0,0091
72,7851
1,2649
1,2649
1,5998
10
2014
73,4110 Jumlah
641,9906
9,1205
9,1205
11,0761
Rata-rata
71,3323
1,1401
1,1401
1,3845
93
Lanjutan
No
Tahun
α = 0,5
Indeks Pembangunan Daerah (IPM)
S'(t)
S"(t)
S'"(t)
a
b
c
Forecast
Error
Absolute Error
1
2005
69,80
69,8000
69,8000
69,8000
69,8000
2
2006
70,25
70,0250
69,9125
69,8563
70,1938
0,1064
0,0563
69,8000
0,4500
0,4500
0,2025
3
2007
70,91
70,4675
70,1900
70,0231
70,8556
0,2330
0,1106
70,3283
0,5817
0,5817
0,3384
4
2008
71,60
71,0338
70,6119
70,3175
71,5831
0,3114
0,1275
71,1439
0,4561
0,4561
0,2080
5
2009
72,10
71,5669
71,0894
70,7034
72,1359
0,2970
0,0916
71,9583
0,1417
0,1417
0,0201
6
2010
72,49
72,0284
71,5589
71,1312
72,5398
0,2413
0,0418
72,4787
0,0113
0,0113
0,0001
7
2011
72,94
72,4842
72,0216
71,5764
72,9643
0,2129
0,0175
72,8020
0,1380
0,1380
0,0190
8
2012
73,36
72,9221
72,4718
72,0241
73,3749
0,1920
0,0025
73,1859
0,1741
0,1741
0,0303
9
2013
74,05
73,4861
72,9789
72,5015
74,0229
0,2444
0,0297
73,5682
0,4818
0,4818
0,2322
10
2014
74,2821 Jumlah
649,5474
2,4347
2,4347
1,0506
Rata-rata
72,1719
0,3043
0,3043
0,1313
94
Lanjutan
No
Tahun
α = 0,9
Indeks Pembangunan Daerah (IPM)
S'(t)
S"(t)
S'"(t)
a
b
c
Forecast
Error
Absolute Error
1
2005
69,80
69,8000
69,8000
69,8000
69,8000
2
2006
70,25
70,2050
70,1645
70,1281
70,2496
0,0119
0,3280
69,8000
0,4500
0,4500
0,2025
3
2007
70,91
70,8395
70,7720
70,7076
70,9101
0,0157
0,2515
70,4255
0,4845
0,4845
0,2347
4
2008
71,60
71,5240
71,4488
71,3746
71,6002
0,0147
0,0875
71,0515
0,5485
0,5485
0,3008
5
2009
72,10
72,0424
71,9830
71,9222
72,1003
0,0089
-0,1195
71,6587
0,4413
0,4413
0,1948
6
2010
72,49
72,4452
72,3990
72,3513
72,4900
0,0066
-0,1184
72,0494
0,4406
0,4406
0,1941
7
2011
72,94
72,8905
72,8414
72,7924
72,9398
0,0090
0,0119
72,4374
0,5026
0,5026
0,2526
8
2012
73,36
73,3131
73,2659
73,2185
73,3600
0,0082
-0,0149
72,9547
0,4053
0,4053
0,1642
9
2013
74,05
73,9763
73,9053
73,8366
74,0497
0,0155
0,1919
73,3608
0,6892
0,6892
0,4750
10
2014
74,1611 Jumlah
647,8992
3,9619
3,9619
2,0188
Rata-rata
71,9888
0,4952
0,4952
0,2523
95
96 Lampiran 5 Koding Program Simulasi Peramalan Exponential Smoothing 1. Koding Form Utama Private Sub MDIForm_Load() koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306 rs1.CloseRecordset rs1.OpenRs "delete from `exponential smoothing`", koneksi End Sub Private Sub mncontoh_Click() Form7.Show Form1.Hide End Sub Private Sub mnperamalan_Click() Form1.Hide Form7.Show End Sub Private Sub mnudata_Click() Form1.Show End Sub Private Sub mnudouble_Click() Form1.Hide Form3.Show End Sub Private Sub mnukeluar_Click() rs1.CloseRecordset rs1.OpenRs "delete from `exponential smoothing`", koneksi End End Sub Private Sub mnulaporan_Click() Form1.Hide Form5.Show End Sub Private Sub mnusingle_Click() Form1.Hide Form2.Show End
Sub
97 Private Sub mnutriple_Click() Form1.Hide Form4.Show End Sub Private Sub cmdulangi_Click() Unload Me Me.Show End Sub Private Sub cmddata_Click() Form7.Hide Form1.Show End Sub 2. Koding Form Input Data Private Function openExcelFile(ByVal excelFile As String) As Boolean On Error GoTo errHandle Set conXLS = New ADODB.Connection conXLS.ConnectionString = "Provider=Microsoft.Jet.OLEDB.4.0;Data Source=" & Replace(excelFile, Chr$(0), "") & ";Extended Properties=""Excel 8.0;HDR=Yes;IMEX=1""" conXLS.Open openExcelFile = True Exit Function errHandle: openExcelFile = False End Function Private Sub cmdinput_Click() Dim rsExcel As ADODB.Recordset Dim strSql As String startexcel baris = 0 With C .DialogTitle = "Pilih File Excelnya" .InitDir = App.Path .ShowOpen End With If C.FileName <> "" Then Set wb = Eksel.Workbooks.Open(C.FileName) If openExcelFile(C.FileName) Then strSql = "SELECT * FROM [Sheet1$]" Set rsExcel = New ADODB.Recordset rsExcel.Open strSql, conXLS, adOpenForwardOnly, adLockReadOnly If Not rsExcel.EOF Then Do While Not rsExcel.EOF baris = baris + 1 MSFlexGrid1.Rows = baris + 1 MSFlexGrid1.Cols = 11 MSFlexGrid1.TextMatrix(baris, 0) = rsExcel(0).Value MSFlexGrid1.TextMatrix(baris, 1) = rsExcel(1).Value MSFlexGrid1.TextMatrix(baris, 2) = rsExcel(2).Value MSFlexGrid1.TextMatrix(baris, 3) = rsExcel(3).Value MSFlexGrid1.TextMatrix(baris, 4) = rsExcel(4).Value MSFlexGrid1.TextMatrix(baris, 5) = rsExcel(5).Value
98
MSFlexGrid1.TextMatrix(baris, 6) = rsExcel(6).Value MSFlexGrid1.TextMatrix(baris, 7) = rsExcel(7).Value MSFlexGrid1.TextMatrix(baris, 8) = rsExcel(8).Value MSFlexGrid1.TextMatrix(baris, 9) = rsExcel(9).Value MSFlexGrid1.TextMatrix(baris, 10) = rsExcel(10).Value rsExcel.MoveNext DoEvents Loop End If rsExcel.Close Set rsExcel = Nothing End If wb.Close Eksel.Quit End If cmdok.Enabled = True End Sub Private Sub startexcel() On Error GoTo salah Set Eksel = GetObject(, "excel.Application") Exit Sub salah: Set Eksel = CreateObject("excel.Application") End Sub Private Sub cmdperamalan_Click() Form1.Hide Form7.Show End Sub Private Sub cmgrafik_Click() If MSFlexGrid2.TextMatrix(1, 1) = "" Then Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation, "Peringatan") Else With Me.MSChart1 .ColumnCount = 1 .RowCount = MSFlexGrid2.Rows - 1 For j = 1 To MSFlexGrid2.Rows - 1 .Row = j .Column = 1 .RowLabel = j .Data = MSFlexGrid2.TextMatrix(j, 1) Next End With End If End Sub Private Sub cmdok_Click() MSFlexGrid2.Cols
=
2
100
MSFlexGrid2.Rows = MSFlexGrid1.Cols - 1 For I = 2 To MSFlexGrid1.Cols - 1 MSFlexGrid2.TextMatrix(I - 1, 1) = MSFlexGrid1.TextMatrix(Text1.Text, I) Next I cmdperamalan.Enabled = True End Sub Private Sub Form_Load() MSFlexGrid1.Cols = 38 MSFlexGrid1.Cols = 11 MSFlexGrid1.ColWidth(0) = 800 MSFlexGrid1.ColWidth(1) = 2500 MSFlexGrid1.ColWidth(2) = 1500 MSFlexGrid1.ColWidth(3) = 1500 MSFlexGrid1.ColWidth(4) = 1500 MSFlexGrid1.ColWidth(5) = 1500 MSFlexGrid1.ColWidth(6) = 1500 MSFlexGrid1.ColWidth(7) = 1500 MSFlexGrid1.ColWidth(8) = 1500 MSFlexGrid1.ColWidth(9) = 1500 MSFlexGrid1.ColWidth(10) = 1500 MSFlexGrid1.TextMatrix(0, 0) = "Kode" MSFlexGrid1.TextMatrix(0, 1) = "Kab/Kota" MSFlexGrid1.TextMatrix(0, 2) = "2005" MSFlexGrid1.TextMatrix(0, 3) = "2006" MSFlexGrid1.TextMatrix(0, 4) = "2007" MSFlexGrid1.TextMatrix(0, 5) = "2008" MSFlexGrid1.TextMatrix(0, 6) = "2009" MSFlexGrid1.TextMatrix(0, 7) = "2010" MSFlexGrid1.TextMatrix(0, 8) = "2011" MSFlexGrid1.TextMatrix(0, 9) = "2012" MSFlexGrid1.TextMatrix(0, 10) = "2013" cmdok.Enabled = False cmdperamalan.Enabled = False End Sub 3. Koding Form Peramalan Private Sub cmddata_Click(Index As Integer) Form1.Show Unload Me End Sub Private Sub cmddetaildouble_Click() Form3.Show End Sub Private Sub cmddetailsingle_Click() Form2.Show End Sub Private
Sub
cmddetailtriple_Click()
101
Form4.Show End Sub Private Sub cmdtampilkan_Click() If cbalfa.Text = "Alfa" Then Respon = MsgBox("Silahkan Pilih Alfa Dulu", vbOKOnly + vbInformation, "Peringatan") Else Form2.Show Form2.Hide Form2.MSFlexGrid1.Rows = Form1.MSFlexGrid2.Rows + 3 Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 3) = "Jumlah" Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 3) = "Rata-rata" For I = 1 To Form1.MSFlexGrid2.Rows - 1 Form2.MSFlexGrid1.TextMatrix(I, 1) = Form1.MSFlexGrid2.TextMatrix(I, 1) Next If Form2.MSFlexGrid1.TextMatrix(1, 0) = "" Then n = Form2.MSFlexGrid1.Rows - 3 For I = 1 To n Form2.MSFlexGrid1.TextMatrix(I, 0) = I Next End If Form2.MSFlexGrid1.TextMatrix(1, 2) = "-" Form2.MSFlexGrid1.TextMatrix(1, 3) = "-" Form2.MSFlexGrid1.TextMatrix(1, 4) = "-" Form2.MSFlexGrid1.TextMatrix(1, 5) = "-" Form2.MSFlexGrid1.TextMatrix(2, 2) = Form2.MSFlexGrid1.TextMatrix(1, 1) For k = 3 To Form2.MSFlexGrid1.Rows - 4 Form2.MSFlexGrid1.TextMatrix(k, 2) = (Format((cbalfa.Text * Form2.MSFlexGrid1.TextMatrix(k - 1, 1)) + ((1 - cbalfa.Text) * Form2.MSFlexGrid1.TextMatrix(k - 1, 2)), "##0.0000")) Next For I = 2 To Form2.MSFlexGrid1.Rows - 4 Form2.MSFlexGrid1.TextMatrix(I + 1, 2) = (Format((cbalfa.Text * Form2.MSFlexGrid1.TextMatrix(I, 1)) + ((1 cbalfa.Text) * Form2.MSFlexGrid1.TextMatrix(I, 2)), "##0.0000")) Form2.MSFlexGrid1.TextMatrix(I, 3) = (Format((Form2.MSFlexGrid1.TextMatrix(I, 1) - Form2.MSFlexGrid1.TextMatrix(I, 2)), "##0.0000")) Form2.MSFlexGrid1.TextMatrix(I, 4) = (Format(Abs(Form2.MSFlexGrid1.TextMatrix(I, 3)), "##0.0000##")) Form2.MSFlexGrid1.TextMatrix(I, 5) = (Format(((Form2.MSFlexGrid1.TextMatrix(I, 4)) ^ 2), "##0.0000##")) Next eror = 0 eror2 = 0 For j = 2 To Form2.MSFlexGrid1.Rows - 4 eror = eror + Form2.MSFlexGrid1.TextMatrix(j, 4) eror2 = eror2 + Form2.MSFlexGrid1.TextMatrix(j, 5) Next mae = Format((eror / (Form2.MSFlexGrid1.Rows - 5)), "##0.0000")
mse
=
Format((eror2
/
(Form2.MSFlexGrid1.Rows
-
5)),
"##0.0000")
102
102
Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 4) = Format(eror, "##0.0000") Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 4) = Format(mae, "##0.0000") Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 5) = Format(eror2, "##0.0000") Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 5) = Format(mse, "##0.0000") koneksi.Execute "INSERT INTO `exponential smoothing` (`Metode`, `Alfa`, `Ramalan`, `MAE`, `MSE`) values ('Single','" & cbalfa.Text & "','" & Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 3, 2) & "','" & mae & "','" & mse & "')" rs.CloseRecordset rs.OpenRs "select * from `exponential smoothing` where `Metode` = 'Single'", koneksi With rs Form2.MSFlexGrid2.Rows = .RecordCount + 1 .MoveFirst baris = 0 Do baris = baris + 1 For kolom = 1 To .FieldCount - 1 Form2.MSFlexGrid2.TextMatrix(.RecordCount, kolom - 1) = .Fields(kolom) Next .MoveNext Loop Until .EOF End With rs3.CloseRecordset rs3.OpenRs "select min(`MAE`) as minimum from `exponential smoothing` where `Metode` = 'Single'", koneksi mae = rs3.Fields("minimum") rs4.CloseRecordset rs4.OpenRs "select * from `exponential smoothing` where `MAE` = '" & rs3.Fields("minimum") & "' and `Metode` = 'Single'", koneksi Form7.lblkesimpulan1.Caption = "Hasil peramalan Indeks Pembangunan Manusia (IPM) Tahun 2014 dengan metode Single Exponential Smoothing, dengan alfa sebesar " + rs4.Fields("Alfa") + " adalah " + rs4.Fields("Ramalan") If Form2.MSFlexGrid1.TextMatrix(1, 1) = "" Then Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation, "Peringatan") Else Dim Nilai1(1 To 1000, 1 To 2) For j = 1 To Form2.MSFlexGrid1.Rows - 3 Nilai1(j, 1) = Form2.MSFlexGrid1.TextMatrix(j, 1) Next For k = 2 To Form2.MSFlexGrid1.Rows - 3 Nilai1(k, 2) = Form2.MSFlexGrid1.TextMatrix(k, 2) Next Form3.Show Form3.Hide
Form3.MSFlexGrid1.Rows
=
Form1.MSFlexGrid2.Rows
+
3
103
103
Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 2, 3) = "Jumlah" Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 1, 3) = "Rata-rata" For I = 1 To Form1.MSFlexGrid2.Rows - 1 Form3.MSFlexGrid1.TextMatrix(I, 1) = Form1.MSFlexGrid2.TextMatrix(I, 1) Next If Form3.MSFlexGrid1.TextMatrix(1, 0) = "" Then n = Form3.MSFlexGrid1.Rows - 3 For I = 1 To n Form3.MSFlexGrid1.TextMatrix(I, 0) = I Next End If Form3.MSFlexGrid1.TextMatrix(1, 2) = Form3.MSFlexGrid1.TextMatrix(1, 1) Form3.MSFlexGrid1.TextMatrix(1, 3) = Form3.MSFlexGrid1.TextMatrix(1, 1) Form3.MSFlexGrid1.TextMatrix(1, 4) = Form3.MSFlexGrid1.TextMatrix(1, 1) Form3.MSFlexGrid1.TextMatrix(1, 5) = "-" Form3.MSFlexGrid1.TextMatrix(1, 6) = "-" Form3.MSFlexGrid1.TextMatrix(2, 6) = Form3.MSFlexGrid1.TextMatrix(1, 1) Form3.MSFlexGrid1.TextMatrix(1, 7) = "-" Form3.MSFlexGrid1.TextMatrix(1, 8) = "-" Form3.MSFlexGrid1.TextMatrix(1, 9) = "-" For I = 2 To Form3.MSFlexGrid1.Rows - 4 Form3.MSFlexGrid1.TextMatrix(I, 2) = (Format((cbalfa.Text * Form3.MSFlexGrid1.TextMatrix(I, 1)) + ((1 cbalfa.Text) * Form3.MSFlexGrid1.TextMatrix(I - 1, 2)), "##0.0000")) Form3.MSFlexGrid1.TextMatrix(I, 3) = (Format((cbalfa.Text * Form3.MSFlexGrid1.TextMatrix(I, 2)) + ((1 cbalfa.Text) * Form3.MSFlexGrid1.TextMatrix(I - 1, 3)), "##0.0000")) Form3.MSFlexGrid1.TextMatrix(I, 4) = (Format((2 * Form3.MSFlexGrid1.TextMatrix(I, 2)) - (Form3.MSFlexGrid1.TextMatrix(I, 3)), "##0.0000")) Form3.MSFlexGrid1.TextMatrix(I, 5) = (Format(((cbalfa.Text * Form3.MSFlexGrid1.TextMatrix(I, 2)) (cbalfa.Text * Form3.MSFlexGrid1.TextMatrix(I, 3))) / (1 - cbalfa.Text), "##0.0000")) Next For k = 2 To Form3.MSFlexGrid1.Rows - 4 Form3.MSFlexGrid1.TextMatrix(k + 1, 6) = (Format(Form3.MSFlexGrid1.TextMatrix(k, 4) 1 + Form3.MSFlexGrid1.TextMatrix(k, 5) + 1, "##0.0000")) Form3.MSFlexGrid1.TextMatrix(k, 7) = (Format(Form3.MSFlexGrid1.TextMatrix(k, 1) - Form3.MSFlexGrid1.TextMatrix(k, 6), "##0.0000")) Form3.MSFlexGrid1.TextMatrix(k, 8) = (Format(Abs(Form3.MSFlexGrid1.TextMatrix(k, 7)), "##0.0000")) Form3.MSFlexGrid1.TextMatrix(k, 9) = (Format(((Form3.MSFlexGrid1.TextMatrix(k, 7)) ^ 2), "##0.0000")) Next eror = 0 eror2 = 0 For j = 2 To Form3.MSFlexGrid1.Rows - 4 eror = eror + Form3.MSFlexGrid1.TextMatrix(j, 8) eror2 = eror2 + Form3.MSFlexGrid1.TextMatrix(j, 9)
Next
104
104
mae = Format((eror / (Form3.MSFlexGrid1.Rows - 5)), "##0.0000") mse = Format((eror2 / (Form3.MSFlexGrid1.Rows - 5)), "##0.0000") Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 2, 8) = Format(eror, "##0.0000") Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 1, 8) = Format(mae, "##0.0000") Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 2, 9) = Format(eror2, "##0.0000") Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 1, 9) = Format(mse, "##0.0000") koneksi.Execute "INSERT INTO `exponential smoothing` (`Metode`, `Alfa`, `Ramalan`, `MAE`, `MSE`) values ('Double','" & cbalfa.Text & "','" & Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 3, 6) & "','" & mae & "','" & mse & "')" rs.CloseRecordset rs.OpenRs "select * from `exponential smoothing` where `Metode` = 'Double'", koneksi With rs Form3.MSFlexGrid2.Rows = .RecordCount + 1 .MoveFirst baris = 0 Do baris = baris + 1 For kolom = 1 To .FieldCount - 1 Form3.MSFlexGrid2.TextMatrix(baris, kolom - 1) = .Fields(kolom) Next .MoveNext Loop Until .EOF End With rs3.CloseRecordset rs3.OpenRs "select min(`MAE`) as minimum from `exponential smoothing` where `Metode` = 'Double'", koneksi mae = rs3.Fields("minimum") rs4.CloseRecordset rs4.OpenRs "select * from `exponential smoothing` where `MAE` = '" & rs3.Fields("minimum") & "' and `Metode` = 'Double'", koneksi Form7.lblkesimpulan2.Caption = "Hasil peramalan Indeks Pembangunan Manusia (IPM) Tahun 2014 dengan metode Double Exponential Smoothing, dengan alfa sebesar " + rs4.Fields("Alfa") + " adalah " + rs4.Fields("Ramalan") If Form3.MSFlexGrid1.TextMatrix(1, 1) = "" Then Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation, "Peringatan") Else Dim Nilai2(1 To 1000, 1 To 2) For j = 1 To Form3.MSFlexGrid1.Rows - 3 Nilai2(j, 1) = Form3.MSFlexGrid1.TextMatrix(j, 1) Next For k = 2 To Form3.MSFlexGrid1.Rows - 3 Nilai2(k, 2) = Form3.MSFlexGrid1.TextMatrix(k, 6) Next
105
Form4.Show Form4.Hide Form4.MSFlexGrid1.Rows = Form1.MSFlexGrid2.Rows + 3 Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 2, 3) = "Jumlah" Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 1, 3) = "Rata-rata" For I = 1 To Form1.MSFlexGrid2.Rows - 1 Form4.MSFlexGrid1.TextMatrix(I, 1) = Form1.MSFlexGrid2.TextMatrix(I, 1) Next If Form4.MSFlexGrid1.TextMatrix(1, 0) = "" Then n = Form4.MSFlexGrid1.Rows - 3 For I = 1 To n Form4.MSFlexGrid1.TextMatrix(I, 0) = I Next End If Form4.MSFlexGrid1.TextMatrix(1, 2) = Form4.MSFlexGrid1.TextMatrix(1, 1) Form4.MSFlexGrid1.TextMatrix(1, 3) = Form4.MSFlexGrid1.TextMatrix(1, 1) Form4.MSFlexGrid1.TextMatrix(1, 4) = Form4.MSFlexGrid1.TextMatrix(1, 1) Form4.MSFlexGrid1.TextMatrix(1, 5) = Form4.MSFlexGrid1.TextMatrix(1, 1) Form4.MSFlexGrid1.TextMatrix(1, 6) = "-" Form4.MSFlexGrid1.TextMatrix(1, 7) = "-" Form4.MSFlexGrid1.TextMatrix(1, 8) = "-" Form4.MSFlexGrid1.TextMatrix(2, 8) = Form4.MSFlexGrid1.TextMatrix(1, 1) Form4.MSFlexGrid1.TextMatrix(1, 9) = "-" Form4.MSFlexGrid1.TextMatrix(1, 10) = "-" Form4.MSFlexGrid1.TextMatrix(1, 11) = "-" For I = 2 To Form4.MSFlexGrid1.Rows - 4 Form4.MSFlexGrid1.TextMatrix(I, 2) = (Format((cbalfa.Text * Form4.MSFlexGrid1.TextMatrix(I, 1)) + ((1 cbalfa.Text) * Form4.MSFlexGrid1.TextMatrix(I - 1, 2)), "##0.0000")) Form4.MSFlexGrid1.TextMatrix(I, 3) = (Format((cbalfa.Text * Form4.MSFlexGrid1.TextMatrix(I, 2)) + ((1 cbalfa.Text) * Form4.MSFlexGrid1.TextMatrix(I - 1, 3)), "##0.0000")) Form4.MSFlexGrid1.TextMatrix(I, 4) = (Format((cbalfa.Text * Form4.MSFlexGrid1.TextMatrix(I, 3)) + ((1 cbalfa.Text) * Form4.MSFlexGrid1.TextMatrix(I - 1, 4)), "##0.0000")) Form4.MSFlexGrid1.TextMatrix(I, 5) = (Format((3 * Form4.MSFlexGrid1.TextMatrix(I, 2)) - (3 * Form4.MSFlexGrid1.TextMatrix(I, 3)) + Form4.MSFlexGrid1.TextMatrix(I, 4), "##0.0000")) Form4.MSFlexGrid1.TextMatrix(I, 6) = (Format(((cbalfa.Text) * (((6 - (5 * cbalfa.Text)) * Form4.MSFlexGrid1.TextMatrix(I, 2)) - ((10 - (8 * cbalfa.Text)) * Form4.MSFlexGrid1.TextMatrix(I, 3)) + ((4 - (3 * cbalfa.Text)) * Form4.MSFlexGrid1.TextMatrix(I, 4))) / (2 * ((1 - cbalfa.Text) ^ 2))), "##0.0000")) Form4.MSFlexGrid1.TextMatrix(I, 7) = (Format(((((cbalfa.Text) ^ 2) * Form4.MSFlexGrid1.TextMatrix(I, 2)) - (((cbalfa.Text) ^ 2) * (2 * Form4.MSFlexGrid1.TextMatrix(I, 3))) + (((cbalfa.Text) ^ 2) * Form4.MSFlexGrid1.TextMatrix(I, 4))) / ((1 - cbalfa.Text) ^ 2), "##0.0000")) Next For k = 2 To Form4.MSFlexGrid1.Rows - 4 Form4.MSFlexGrid1.TextMatrix(k + 1, 8) = (Format(Form4.MSFlexGrid1.TextMatrix(k, 5) +
106 (Form4.MSFlexGrid1.TextMatrix(k, 6) * 1) + ((Form4.MSFlexGrid1.TextMatrix(k, 7) / 2) * (1 ^ 2)), "##0.0000")) Form4.MSFlexGrid1.TextMatrix(k, 9) = (Format(Form4.MSFlexGrid1.TextMatrix(k, 1) - Form4.MSFlexGrid1.TextMatrix(k, 8), "##0.0000")) Form4.MSFlexGrid1.TextMatrix(k, 10) = (Format(Abs(Form4.MSFlexGrid1.TextMatrix(k, 9)), "##0.0000")) Form4.MSFlexGrid1.TextMatrix(k, 11) = (Format(((Form4.MSFlexGrid1.TextMatrix(k, 9)) ^ 2), "##0.0000")) Next eror = 0 eror2 = 0 For j = 2 To Form4.MSFlexGrid1.Rows - 4 eror = eror + Form4.MSFlexGrid1.TextMatrix(j, 10) eror2 = eror2 + Form4.MSFlexGrid1.TextMatrix(j, 11) Next mae = Format((eror / (Form4.MSFlexGrid1.Rows - 5)), "##0.0000") mse = Format((eror2 / (Form4.MSFlexGrid1.Rows - 5)), "##0.0000") Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 2, 10) = Format(eror, "##0.0000") Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 1, 10) = Format(mae, "##0.0000") Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows 2, 11) = Format(eror2, "##0.0000") Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 1, 11) = Format(mse, "##0.0000") koneksi.Execute "INSERT INTO `exponential smoothing` (`Metode`, `Alfa`, `Ramalan`, `MAE`, `MSE`) values ('Triple','" & cbalfa.Text & "','" & Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 3, 8) & "','" & mae & "','" & mse & "')" rs.CloseRecordset rs.OpenRs "select * from `exponential smoothing` where `Metode` = 'Triple'", koneksi With rs Form4.MSFlexGrid2.Rows = .RecordCount + 1 .MoveFirst baris = 0 Do baris = baris + 1 For kolom = 1 To .FieldCount - 1 Form4.MSFlexGrid2.TextMatrix(baris, kolom - 1) = .Fields(kolom) Next .MoveNext Loop Until .EOF End With rs5.CloseRecordset rs5.OpenRs "select min(MAE) as minimum from `exponential smoothing` where `Metode` = 'Triple'", koneksi rs6.CloseRecordset rs6.OpenRs "select * from `exponential smoothing` where `MAE` = '" & rs5.Fields("minimum") & "' and `Metode` = 'Triple'", koneksi
lblkesimpulan3.Caption = "Hasil peramalan Indeks Pembangunan Manusia (IPM) Tahun 2014 dengan metode Triple Exponential Smoothing, dengan alfa sebesar " + rs6.Fields("Alfa") + " adalah " + rs6.Fields("Ramalan")
107
107
rs1.CloseRecordset rs1.OpenRs "select min(MAE) as minimum from `exponential smoothing` where `Metode` = 'Single'", koneksi rs2.CloseRecordset rs2.OpenRs "select * from `exponential smoothing` where `MAE` = '" & rs1.Fields("minimum") & "' and `Metode` = 'Single'", koneksi MSFlexGrid1.TextMatrix(1, 0) = rs2.Fields("Metode") MSFlexGrid1.TextMatrix(1, 1) = rs2.Fields("Alfa") MSFlexGrid1.TextMatrix(1, 2) = rs2.Fields("Ramalan") MSFlexGrid1.TextMatrix(1, 3) = rs2.Fields("MAE") MSFlexGrid1.TextMatrix(1, 4) = rs2.Fields("MSE") rs3.CloseRecordset rs3.OpenRs "select min(MAE) as minimum from `exponential smoothing` where `Metode` = 'Double'", koneksi rs4.CloseRecordset rs4.OpenRs "select * from `exponential smoothing` where `MAE` = '" & rs3.Fields("minimum") & "' and `Metode` = 'Double'", koneksi MSFlexGrid1.TextMatrix(2, 0) = rs4.Fields("Metode") MSFlexGrid1.TextMatrix(2, 1) = rs4.Fields("Alfa") MSFlexGrid1.TextMatrix(2, 2) = rs4.Fields("Ramalan") MSFlexGrid1.TextMatrix(2, 3) = rs4.Fields("MAE") MSFlexGrid1.TextMatrix(2, 4) = rs4.Fields("MSE") rs5.CloseRecordset rs5.OpenRs "select min(MAE) as minimum from `exponential smoothing` where `Metode` = 'Triple'", koneksi rs6.CloseRecordset rs6.OpenRs "select * from `exponential smoothing` where `MAE` = '" & rs5.Fields("minimum") & "' and `Metode` = 'Triple'", koneksi MSFlexGrid1.TextMatrix(3, 0) = rs6.Fields("Metode") MSFlexGrid1.TextMatrix(3, 1) = rs6.Fields("Alfa") MSFlexGrid1.TextMatrix(3, 2) = rs6.Fields("Ramalan") MSFlexGrid1.TextMatrix(3, 3) = rs6.Fields("MAE") MSFlexGrid1.TextMatrix(3, 4) = rs6.Fields("MSE") rs7.CloseRecordset rs7.OpenRs "select min(`MAE`) as minimum from `exponential smoothing`", koneksi rs8.CloseRecordset rs8.OpenRs "select * from `exponential smoothing` where `MAE` = '" & rs7.Fields("minimum") & "'", koneksi Label6.Caption = "Berdasarkan peramalan Indeks Pembangunan Manusia (IPM) Tahun 2014 tersebut, dapat disimpulkan metode peramalan yang terbaik dengan alfa sebesar " + rs8.Fields("Alfa") + " adalah metode " + rs8.Fields("Metode") + " Exponential Smoothing dengan hasil ramalan " + rs8.Fields("Ramalan") + " karena mempunyai nilai MAE dan MSE terkecil yaitu " + rs8.Fields("MAE") + " dan " + rs8.Fields("MSE") If Form4.MSFlexGrid1.TextMatrix(1, 1) = "" Then Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation, "Peringatan") Else Dim Nilai3(1 To 1000, 1 To 2) For j = 1 To Form4.MSFlexGrid1.Rows - 3
Nilai3(j,
1)
=
Form4.MSFlexGrid1.TextMatrix(j,
1)
108
108
Next For k = 2 To Form4.MSFlexGrid1.Rows - 3 Nilai3(k, 2) = Form4.MSFlexGrid1.TextMatrix(k, 8) Next End If End If End If End If cmddetaildouble.Enabled = True cmddetailsingle.Enabled = True cmddetailtriple.Enabled = True End Sub Private Sub cmdulangi_Click(Index As Integer) Unload Me Me.Show End Sub Private Sub Form_Load() koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306 cbalfa.AddItem (0.1) cbalfa.AddItem (0.2) cbalfa.AddItem (0.3) cbalfa.AddItem (0.4) cbalfa.AddItem (0.5) cbalfa.AddItem (0.6) cbalfa.AddItem (0.7) cbalfa.AddItem (0.8) cbalfa.AddItem (0.9) MSFlexGrid1.Rows = 4 MSFlexGrid1.Cols = 5 MSFlexGrid1.ColWidth(2) = 1500 MSFlexGrid1.ColWidth(1) = 800 MSFlexGrid1.ColWidth(2) = 1500 MSFlexGrid1.ColWidth(3) = 1500 MSFlexGrid1.ColWidth(4) = 1500 MSFlexGrid1.TextMatrix(0, 0) = "Metode" MSFlexGrid1.TextMatrix(0, 1) = "Alfa" MSFlexGrid1.TextMatrix(0, 2) = "Ramalan" MSFlexGrid1.TextMatrix(0, 3) = "MAE" MSFlexGrid1.TextMatrix(0, 4) = "MSE" cmddetaildouble.Enabled = False cmddetailsingle.Enabled = False cmddetailtriple.Enabled = False End Sub 4. Koding Form Single Exponential Smoothing Private Sub Command1_Click() Form7.Show Form2.Hide End
Sub
109
Private Sub Form_Load() koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306 cbalfa.AddItem (0.1) cbalfa.AddItem (0.2) cbalfa.AddItem (0.3) cbalfa.AddItem (0.4) cbalfa.AddItem (0.5) cbalfa.AddItem (0.6) cbalfa.AddItem (0.7) cbalfa.AddItem (0.8) cbalfa.AddItem (0.9) cbalfa.Text = Form7.cbalfa.Text MSFlexGrid1.Cols = 6 MSFlexGrid2.Cols = 4 MSFlexGrid2.ColWidth(0) = 800 MSFlexGrid2.ColWidth(1) = 1500 MSFlexGrid2.ColWidth(2) = 1500 MSFlexGrid2.ColWidth(3) = 1500 MSFlexGrid2.TextMatrix(0, 0) = "Alfa" MSFlexGrid2.TextMatrix(0, 1) = "Ramalan" MSFlexGrid2.TextMatrix(0, 2) = "MAE" MSFlexGrid2.TextMatrix(0, 3) = "MSE" MSFlexGrid1.Cols = 11 MSFlexGrid1.Cols = 6 MSFlexGrid1.ColWidth(0) = 1000 MSFlexGrid1.ColWidth(1) = 1500 MSFlexGrid1.ColWidth(2) = 1500 MSFlexGrid1.ColWidth(3) = 1500 MSFlexGrid1.ColWidth(4) = 1500 MSFlexGrid1.ColWidth(5) = 1500 MSFlexGrid1.TextMatrix(0, 0) = "Periode" MSFlexGrid1.TextMatrix(0, 1) = "Data" MSFlexGrid1.TextMatrix(0, 2) = "Forecast" MSFlexGrid1.TextMatrix(0, 3) = "Error" MSFlexGrid1.TextMatrix(0, 4) = "Abs Error" MSFlexGrid1.TextMatrix(0, 5) = "Error^2" End Sub 5. Koding Form Double Exponential Smoothing Private Sub Command1_Click() Form7.Show Form3.Hide End Sub Private Sub Form_Load() koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306 cbalfa.AddItem (0.1) cbalfa.AddItem (0.2) cbalfa.AddItem (0.3) cbalfa.AddItem
(0.4)
110
cbalfa.AddItem (0.5) cbalfa.AddItem (0.6) cbalfa.AddItem (0.7) cbalfa.AddItem (0.8) cbalfa.AddItem (0.9) cbalfa.Text = Form7.cbalfa.Text MSFlexGrid1.Cols = 10 MSFlexGrid2.Cols = 4 MSFlexGrid2.ColWidth(0) = 800 MSFlexGrid2.ColWidth(1) = 1132 MSFlexGrid2.ColWidth(2) = 1132 MSFlexGrid2.ColWidth(3) = 1132 MSFlexGrid2.TextMatrix(0, 0) = "Alfa" MSFlexGrid2.TextMatrix(0, 1) = "Ramalan" MSFlexGrid2.TextMatrix(0, 2) = "MAE" MSFlexGrid2.TextMatrix(0, 3) = "MSE" MSFlexGrid1.Cols = 11 MSFlexGrid1.Cols = 10 MSFlexGrid1.ColWidth(0) = 1000 MSFlexGrid1.ColWidth(1) = 1300 MSFlexGrid1.ColWidth(2) = 1300 MSFlexGrid1.ColWidth(3) = 1300 MSFlexGrid1.ColWidth(4) = 1300 MSFlexGrid1.ColWidth(5) = 1300 MSFlexGrid1.ColWidth(6) = 1300 MSFlexGrid1.ColWidth(7) = 1300 MSFlexGrid1.ColWidth(8) = 1300 MSFlexGrid1.ColWidth(9) = 1300 MSFlexGrid1.TextMatrix(0, 0) = "Periode" MSFlexGrid1.TextMatrix(0, 1) = "Data" MSFlexGrid1.TextMatrix(0, 2) = "S'" MSFlexGrid1.TextMatrix(0, 3) = "S''" MSFlexGrid1.TextMatrix(0, 4) = "Nilai a" MSFlexGrid1.TextMatrix(0, 5) = "Nilai b" MSFlexGrid1.TextMatrix(0, 6) = "Forecast" MSFlexGrid1.TextMatrix(0, 7) = "Error" MSFlexGrid1.TextMatrix(0, 8) = "Abs Error" MSFlexGrid1.TextMatrix(0, 9) = "Error^2" End Sub 6. Koding Form Triple Exponential Smoothing Private Sub Command1_Click() Form7.Show Form4.Hide End Sub Private Sub Form_Load() koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306 cbalfa.AddItem (0.1) cbalfa.AddItem (0.2) cbalfa.AddItem
(0.3)
111
cbalfa.AddItem (0.4) cbalfa.AddItem (0.5) cbalfa.AddItem (0.6) cbalfa.AddItem (0.7) cbalfa.AddItem (0.8) cbalfa.AddItem (0.9) cbalfa.Text = Form7.cbalfa.Text MSFlexGrid1.Cols = 12 MSFlexGrid2.Cols = 4 MSFlexGrid2.ColWidth(0) = 800 MSFlexGrid2.ColWidth(1) = 1132 MSFlexGrid2.ColWidth(2) = 1132 MSFlexGrid2.ColWidth(3) = 1132 MSFlexGrid2.TextMatrix(0, 0) = "Alfa" MSFlexGrid2.TextMatrix(0, 1) = "Ramalan" MSFlexGrid2.TextMatrix(0, 2) = "MAE" MSFlexGrid2.TextMatrix(0, 3) = "MSE" MSFlexGrid1.Cols = 13 MSFlexGrid1.Cols = 12 MSFlexGrid1.ColWidth(0) = 1000 MSFlexGrid1.ColWidth(1) = 1500 MSFlexGrid1.ColWidth(2) = 1500 MSFlexGrid1.ColWidth(3) = 1500 MSFlexGrid1.ColWidth(4) = 1500 MSFlexGrid1.ColWidth(5) = 1500 MSFlexGrid1.ColWidth(6) = 1500 MSFlexGrid1.ColWidth(7) = 1500 MSFlexGrid1.ColWidth(8) = 1500 MSFlexGrid1.ColWidth(9) = 1500 MSFlexGrid1.ColWidth(10) = 1500 MSFlexGrid1.ColWidth(11) = 1500 MSFlexGrid1.TextMatrix(0, 0) = "Periode" MSFlexGrid1.TextMatrix(0, 1) = "Data" MSFlexGrid1.TextMatrix(0, 2) = "S'" MSFlexGrid1.TextMatrix(0, 3) = "S''" MSFlexGrid1.TextMatrix(0, 4) = "S'''" MSFlexGrid1.TextMatrix(0, 5) = "Nilai a" MSFlexGrid1.TextMatrix(0, 6) = "Nilai b" MSFlexGrid1.TextMatrix(0, 7) = "Nilai c" MSFlexGrid1.TextMatrix(0, 8) = "Forecast" MSFlexGrid1.TextMatrix(0, 9) = "Error" MSFlexGrid1.TextMatrix(0, 10) = "Abs Error" MSFlexGrid1.TextMatrix(0, 11) = "Error^2" End
Sub
112
113
