BAB IV

PEMBAHASAN
A. PENJELASAN UMUM
1. Tabungan BTN Cermat
Dalam rangka untuk memasyarakatkan budaya
menabung di Bank, PT Bank Tabungan Negara (BTN)
memberikan kemudahan kepada masyarakat terutama
bagi yang berpenghasilan rendah melalui Tabungan BTN
Cermat. Dengan misi yang diusung BTN tersebut,
masyarakat cukup melakukan setoran awal Rp 10.000,- di
Kantor Pos. Selanjutnya masyarakat dapat menabung di
loket Kantor Pos dan Loket Bank BTN mana saja dengan
setoran minimal sebesar Rp 5.000,00. Selain itu, kelebihan
yang ditawarkan produk ini yaitu gratis biaya administrasi
sampai kapanpun. Sehingga uang nasabah yang disimpan
di Tabungan BTN Cermat ini tidak akan berkurang.
Kemudian untuk pelaksanaannya, Tabungan BTN
Cermat ini merupakan produk dai Bank BTN tapi dalam
pelaksanaannya bekerja sama dengan jaringan Kantor Pos.
Lalu bagi masyarakat yang tertarik untuk menjadi nasabah
Tabungan BTN Cermat, tidak harus datang ke kantor Bank
BTN untuk membuka rekening tabungan, namun calon
nasabah cukup datang mengisi form pembukaan rekening
di Kantor Pos terdekat. Penabung BTN Cermat akan
mendapatkan kartu ATM yang dapat digunakan untuk
bertransaksi di loket Kantor Pos maupun di mesin ATM Bank
BTN serta mesin ATM berlogo Link dan ATM Bersama.
Sedangkan untuk setoran tabungan selanjutnya bisa
dilakukan di Kantor Pos dan Bank BTN di seluruh Indonesia,
lalu untuk penarikan tabungan dan transfer antar rekening
bisa dilayani di Kantor Pos, ATM BTN, ATM Link, dan ATM
28

Bersama. Untuk cek saldo bisa dilakukan baik di Kantor

Pos, Bank BTN, ATM BTN, ATM Link, dan ATM Bersama.
Serta untuk pencetakan lima transaksi terakhir dapat
dilakukan di Kantor Pos dan ATM BTN, lalu bisa juga
melayani pembayaran listrik PLN< Telkom, tagihan
Handphone, cicilan Kredit Kepemilikan Rumah (KPR) BTN
yang dilakukan di ATM BTN. Sehingga cukup dengan kartu
Tabungan BTN Cermat bisa melakukan berbagai transaksi
dari mulai tarik tunai, transfer, cek saldo hingga
pembayaran tagihan bulanan.
2. Slogan BTN Cermat
Tabungan BTN Cermat ini memiliki slogan 4U, yaitu
dengan kartU, tanpa bukU, setorana minimal sepuluh ribU,
dan gratis biaya administrasi selalU
B. ANALISIS DATA
1. Penentuan Metode Peramalan
Peramalan merupakan hal yang penting yang harus dilakukan
perusahaan agar dapat merencanakan strategi pemasaran, untuk itu
diperlakukan pemilihan metode peramalan yang sesuai agar hasil
peramalan tidak jauh dari kenyataan. Sedangkan untuk dapat melakukan
peramalan diperlukan data-data dari periode sebelumnya. Data periode
sebelumnya digunakan sebagai panduan untuk dapat melakukan peramalan.
Adapun data pembukaan rekening tabungan BTN cermat adalah
seperti dalam tabel 1 berikut :
Tabel 1 : Jumlah pembukaan rekening tabungan BTN Cermat Bank
BTN KC Yogyakarta
Tahun

No

2013

1
2
3
4
5
6

Bulan
Mei
Juni
Juli
Agustus
September
Oktober
29

Jumlah Rekening
10671
16567
14405
23505
23626
9276

7
8

November
Desember

Tahun

No

Bulan

2014

9
10
11
12
13
14
15
16
17
18
19
20
21

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari

2015

11463
20916
Jumlah Rekening
10492
13937
19973
20134
20211
23465
20251
23547
23626
10301
15675
10300
20765

Faktor utama yang mempengaruhi pemilihan metode peramalan

adalah identifikasi pola dari data. Untuk mengidentifikasi pola data,
diperlukan gambar visualiasi data untuk kemudian dapat ditentukan tipe
dari pola data agar metode dipilih sesuai untuk tipe pola data tersebut.
Menggambar grafik time series data pembukaan rekening tabungan BTN
Cermat dengan script R-Studio yaitu sebagai berikut:
> plot(fix,main=Jumlah Rekening Tabungan BTN Cermat Bank BTN KC
Yogyakarta, xlab=Bulan , ylab=Rekening)

30

Gambar 2: Plot data jumlah pembukaan Rekening Tabungan BTN

Cermat Bank BTN KC Yogyakarta
Berdasarkan Gambar 2 dapat dilihat bahwa pembukaan rekening
tabungan BTN Cermat mengalami fluktuasi setiap bulannya yang terjadi
pada bulan Mei 2013 sampai bulan Januari 2015. Untuk melakukan
peramalan pembukaan rekening tabungan BTN Cermat beberapa bulan
berikutnya, peneliti menggunakan metode sebagai berikut :
a. Metode Single Moving Average
b. Metode Single Exponential Smoothing
2. Tata Cara Peramalan Pembukaan Rekening Tabungan BTN Cermat
a. Menggunakan Metode Single Moving Average
Perhitungan peramalan pembukaan tabungan BTN Cermat
berdasarkan Metode Single Moving Average dari bulan Mei 2013
sampai bulan Januari 2015 dengan k = 3 (dipilih k yang menghasilkan
error paling kecil atau paling optimal yaitu 3) adalah sebagai berikut:
(10671+16567+14405)
Agustus 2013 =
3
= 13881
(16567+14405+23505)
September 2013 =
3
= 18159
31

menggunakan rumus yang sama dihitung peramalan

pembukaan rekening tabungan BTN Cermat sampai dengan
peramalan bulan Februari tahun 2015 diperoleh, yaitu sebesar 15580.
Tabel peramalan pembukaan rekening tabungan BTN Cermat
dengan Metode Single Moving Average dari Mei 2013 sampai Januari
2015 selengkapnya dapat dilihat pada lampiran 1.
Sedangkan perhitungan peramalan tabungan BTN Cermat
dengan Metode Single Moving Average berdasarkan perhitungan
dengan Program R-Studio akan diperoleh dengan langkah-langkah
berikut :
1. Import data dengan cara Import Datasets From Text File
Pilih file bernama fix (tipe file: csv)
Adapun output pada program R-Studio yaitu sebagai berikut:
2. Untuk mengubah kelas data frame menjadi kelas data time series
menggunakan script Program R-Studio yaitu sebagai berikut:
Sehingga diperoleh output sebagai berikut:

3. Meramalkan data dengan metode Single Moving Average

berorder 3 atau MA (3) menggunakan script Program R-Studio
yaitu sebagai berikut:
> SMA(fix,3)

Sehingga diperoleh output sebagai berikut:

Time Series:
Start = 1
End = 21
Frequency = 1
[1]
NA
NA 13881.00 18159.00 20512.00 18802.33 14788.33
13885.00 14290.33
[10] 15115.00 14800.67 18014.67 20106.00 21270.00 21309.00
22421.00 22474.67 19158.00
[19] 16534.00 12092.00 15580.00

Untuk order k=3, data ke-4 diramalkan berdasarkan rata-rata

data ke-1 hingga data ke-3, yaitu 13881 dan seterusnya.
32

Sehingga data ke-22 diramalkan berdasarkan rata-rata data ke19 hingga data ke-21, yaitu 15580.
4. Menggambar grafik data jumlah pembukaan rekening tabungan
BTN Cermat dan hasil ramalannya dengan metode MA (3). Pada
langkah 3 terlihat bahwa peramalan data ke-4 terletak pada
baris/urutan ke-3 sehingga perlu digeser terlebih dahulu menjadi
urutan ke-4, caranya adalah dengan fungsi lag() dengan script
Program R-Studio sebagai berikut:
>y=SMA(fix,3)
>lag=lag(y,-1)

Sehingga diperoleh output sebagai berikut:

>lag
Time Series:
Start = 2
End = 22
Frequency = 1
[1]
NA
NA 13881.00 18159.00 20512.00 18802.33 14788.33
13885.00 14290.33
[10] 15115.00 14800.67 18014.67 20106.00 21270.00 21309.00
22421.00 22474.67 19158.00
[19] 16534.00 12092.00 15580.00

Dari output di atas terlihat bahwa urutan ke-3 telah bergeser ke

urutan ke-4, hal ini ditandai dengan informasi Start=2. Dengan
fungsi cbind(), dapat dilihat data riil dan data hasil ramalan
mulai bulan ke-4 hingga bulan ke-21. Sedangkan bulan ke-22
hanya terdapat nilai ramalan saja karena data riilnya tidak ada.
Menggunakan script Program R-Studio sebagai berikut:
>cbind(fix,lag)

Sehingga diperoleh output sebagai berikut:

Time Series:
Start = 1
End = 22
Frequency = 1
fixlag
1 10671
NA
2 16567
NA
3 14405
NA
4 23505 13881.00
5 23626 18159.00

33

6 9276 20512.00
7 11463 18802.33
8 20916 14788.33
9 10492 13885.00
10 13937 14290.33
11 19973 15115.00
12 20134 14800.67
13 20211 18014.67
14 23465 20106.00
15 20251 21270.00
16 23547 21309.00
17 23626 22421.00
18 10301 22474.67
19 15675 19158.00
20 10300 16534.00
21 20765 12092.00
22 NA 15580.00

Output di atas menunjukkan hasil perhitungan peramalan jumlah

pembukaan tabungan BTN Cermat sampai bulan ke-22, dengan
nilai peramalannya sebesar 15580 pada bulan ke-22.
5. Menghitung nilai error hasil peramalan terhadap data riil dengan
script Program R-Studio sebagai berikut:
>error=c(fix-lag)

Sehingga diperoleh output sebagai berikut:

>error
[1]
NA
NA 9624.0000 5467.0000 -11236.0000 -7339.3333
[7]
6127.6667 -3393.0000
-353.3333
4858.0000
5333.3333
2196.3333
[13]
3359.0000 -1019.0000
2238.0000
1205.0000 -12173.6667
-3483.0000
[19] -6234.0000 8673.0000

Nilai error tersebut merupakan selisih antara data riil dengan

hasil peramalan yang selanjutnya dapat digunakan untuk
mencari nilai Mean Squared Error.
6. Menghitung Mean Squared Error dengan script Program RStudio sebagai berikut:
> std(error)

Sehingga diperoleh output sebagai berikut:

[1] 38992894

34

Hasil perhitungan peramalan jumlah pembukaan rekening

tabungan BTN Cermat Bank BTN KC Yogyakarta dengan Metode
Single Moving Average disajikan pada gambar di bawah ini.
Menggunakan script Program R-Studio sebagai berikut:
>plot(fix,main=Peramalan dengan MA(3))
>lines(lag,col=2, lwd=3)
>legend(bottomleft, lty=1, lwd=1, col=c(1,2), legend=c(data
riil,ramalan))

Sehingga diperoleh output sebagai berikut:

Gambar 3: Plot perhitungan peramalan jumlah pembukaan rekening

tabungan BTN Cermat Bank BTN KC Yogyakarta dengan Metode
Single Moving Average length=3
Berdasarkan peramalan menggunakan Metode Single Moving
Average, didapatkan error yaitu:
MSE= 38992894.48

Nilai error pada perhitungan ini sesuai dengan perhitungan

menggunakan Program R-Studio pada output berikut ini.
> std(error)
[1] 38992894

b. Menggunakan Metode Exponential Smoothing

35

Y Perhitungan peramalan pembukaan tabungan BTN

3

Cermat berdasarkan Metode Exponential Smoothing adalah sebagai

berikut:
Juli 2013(

= ( 0,09 x 16576 ) + (( 1 0,09 ) x 10671 )

^

Agustus 2013 (

= 11201,64
) = ( 0,09 x 14405 ) + ((1 0,09 ) x 11201,64)
4

Y = 11489,9424
5

September 2013 (

) = ( 0,09 x 23505 ) + ((1 0,09 ) x

11489,94)
= 12571,2976
menggunakan rumus yang sama dihitung peramalan pembukaan
tabungan BTN Cermat sampai dengan bulan Januari tahun 2015,
dimana pada bulan Februari 2015 yaitu sebesar 16618,93.
Tabel peramalan pembukaan rekening tabungan BTN Cermat
dengan Metode Exponential Smoothing dari bulan Mei 2013 sampai
bulan Januari 2015 selengkapnya dapat dilihat pada lampiran 2.
Sedangkan, perhitungan peramalan pembukaan rekening
tabungan BTN Cermat berdasarkan perhitungan dengan Program RStudio akan diperoleh dengan langkah-langkah berikut :
1. Memasukkan data pembukaan rekening tabungan BTN Cermat
dari bulan Mei 2013 sampai bulan Januari 2015 pada script
window dengan cara Import Datasets From Text File Pilih
File bernama fix (tipe file:csv).
Adapun output pada program R-Studio yaitu sebagai berikut:
2. Untuk mengubah kelas data frame menjadi kelas data time series
menggunakan script Program R-Studio yaitu sebagai berikut:
> fix=ts(fix)

Sehingga diperoleh output sebagai berikut:

3. Mencari nilai alpha yang optimal menggunakan script Program

R-Studio yaitu sebagai berikut:
>accuracy=fix.ses

36

Sehingga diperoleh output sebagai berikut:

>accuracy
HoltWintersexponentialsmoothingwithouttrendandwithoutseasonalcomponent.
Call:
HoltWinters(x = fix, alpha = 0.0910024, beta = FALSE, gamma = FALSE)
Smoothing parameters:
alpha: 0.0910024
beta : FALSE
gamma: FALSE

Terlihat bahwa nilai optimal alpha adalah 0,0910024.

4. Metode Exponential Smoothing menggunakan script Program
R-Studio yaitu sebagai berikut:
>fix.ses=HoltWinters(fix, alpha=0.0910024, beta=FALSE, gamma=FALSE)

5. Informasi yang tersedia dari fungsi HoltWinters dapat dilihat

menggunakan perintah names() pada Program R-Studio sebagai
berikut:
>names(fix.ses)
[1] "fitted"
"x"
"alpha"
"beta"
"gamma"
[6] "coefficients" "seasonal"
"SSE"
"call"
>fix.ses
HoltWintersexponentialsmoothingwithouttrendandwithoutseasonalcomponent.
Call:
HoltWinters(x = fix, alpha = 0.0910024, beta = FALSE, gamma = FALSE)
Smoothingparameters:
alpha: 0.0910024
beta : FALSE
gamma: FALSE
Coefficients:
[,1]
a 16618.93

Pada output di atas, x adalah data time series, sedangkan alpha,

beta dan gamma adalah parameter Holt Winters. Ketiga
parameter ini bernilai antara [0,1]. Beta menunjukkan parameter
trend dan gamma menunjukkan parameter seasonal. Sedangkan

37

pada data ini (stasioner), parameter yang digunakan hanya alpha

saja. Jadi, beta maupun gamma didefinisikan FALSE.
>fix.ses$fitted
Time Series:
Start = 2
End = 21
Frequency = 1
xhat level
2 10671.00 10671.00
3 11207.55 11207.55
4 11498.53 11498.53
5 12591.14 12591.14
6 13595.34 13595.34
7 13202.27 13202.27
8 13043.99 13043.99
9 13760.37 13760.37
10 13462.94 13462.94
11 13506.08 13506.08
12 14094.58 14094.58
13 14644.18 14644.18
14 15150.78 15150.78
15 15907.39 15907.39
16 16302.67 16302.67
17 16961.92 16961.92
18 17568.37 17568.37
19 16907.02 16907.02
20 16794.90 16794.90
21 6203. 85 16203.85

Output di atas menunjukkan hasil perhitungan peramalan jumlah

pembukaan tabungan BTN Cermat sampai bulan ke-21.
6. Peramalan untuk 10 periode kedepan menggunakan script
Program R-Studio yaitu sebagai berikut:
> ramal.fix.ses=forecast.HoltWinters(fix.ses, h=10)

Sehingga diperoleh output sebagai berikut:

Terlihat bahwa hasil peramalan untuk beberapa periode

berikutnya yaitu sebesar 16618,93.
38

7. Menghitung Mean Squared Error dengan script Program RStudio sebagai berikut:
> std(error)

Sehingga diperoleh output sebagai berikut:

[1] 38902672,92

Hasil perhitungan peramalan jumlah pembukaan rekening

tabungan BTN Cermat Bank BTN KC Yogyakarta dengan Metode
Exponential Smoothing disajikan pada gambar di bawah ini.
Menggunakan script Program R-Studio sebagai berikut:
> plot(fix.ses)

Sehingga diperoleh output sebagai berikut:

Gambar 4: Plot perhitungan peramalan jumlah pembukaan rekening

tabungan BTN Cermat Bank BTN KC Yogyakarta dengan Metode
Exponential Smoothing dengan alpha = 0,0910024
Adapun hasil perhitungan peramalan jumlah pembukaan
rekening tabungan BTN Cermat untuk beberapa periode kedepan
disajikan pada gambar di bawah ini.
Menggunakan script Program R-Studio sebagai berikut:
39

Sehingga diperoleh output sebagai berikut:

Gambar 5: Plot perhitungan peramalan jumlah pembukaan rekening

tabungan BTN Cermat untuk beberapa periode kedepan
Berdasarkan peramalan menggunakan Metode Exponential
Smoothing, didapatkan error sebagai berikut:
MSE= 38902672,92
Nilai error pada perhitungan ini sesuai dengan perhitungan
menggunakan Program R-Studio pada output berikut ini.
> mean(fix.ses)
[1] 38902672,92

C. PEMBAHASAN MASALAH
Berdasarkan perhitungan sebelumnya diperoleh hasil peramalan adalah
sebagai berikut.
Tabel 2: Hasil peramalan pembukaan rekening tabungan BTN Cermat dari
kedua metode
Program
R-Studio

Single Moving Average

15580

Exponential Smoothing
16618,93

Jika dibandingkan dengan data sebenarnya, maka diperoleh nilai eror sebagai
berikut.
Tabel 3: Besar nilai eror dari kedua metode
40

Program
R-Studio

Single Moving Average

38992894

Exponential Smoothing
38902672,92

Dari hasil diatas dapat ditentukan salah satu metode yang lebih tepat
untuk peramalan pembukaan rekening tabungan BTN Cermat, yaitu Metode
Exponential Smoothing karena memiliki tingkat Mean Squared Error (MSE)
yang lebih kecil dibanding dengan Metode Single Moving Average
berdasarkan perhitungan menggunakan R-Studio.
Walaupun demikian perhitungan ini hanya merupakan salah satu contoh
penerapan Metode Single Moving Average dan Metode Exponential
Smoothing yang sudah penulis pelajari di bangku perkuliahan, sehingga hasil
peramalan yang diperoleh masih jauh dari jumlah pembukaan rekening
tabungan BTN Cermat yang sesungguhnya.

BAB V
41

KESIMPULAN DAN SARAN

A. KESIMPULAN
Dengan selesainya analisis dan penyusunan laporan Kuliah Kerja
Lapangan dengan Judul Penerapan Metode Single Moving Average dan
Exponential Smoothing dalam Peramalan Pembukaan Rekening Tabungan
BTN Cermat pada Bank BTN KC Yogyakarta, dapat diambil kesimpulan
sebagai berikut:
1. Hasil peramalan data pembukaan rekening tabungan BTN Cermat di Bank
BTN KC Yogyakarta pada bulan Februari 2015 adalah sebagai berikut:

Berdasarkan perhitungan peramalan pembukaan rekening tabungan

dengan metode Single Moving Average yaitu sejumlah 15580 rekening.

Berdasarkan perhitungan peramalan pembukaan rekening tabungan

dengan metode Exponential Smoothing dengan alpha 0,0910024 yaitu
sejumlah 17297.1 rekening.

2. Keakuratan hasil peramalan data pembukaan rekening tabungan BTN

Cermat di Bank BTN KC Yogyakarta menggunakan metode Single
Moving Average jika dilihat dari besar MSE yaitu sebesar 38992894.
Sedangkan keakuratan dengan metode Exponential Smoothing yaitu
sebesar 29103881. Berdasarkan peramalan dan tingkat kesalahan tersebut
diketahui bahwa metode yang lebih sesuai untuk digunakan dalam
menganalisis data dengan memiliki tingkat kesalahan yang paling kecil
adalah Metode Exponential Smoothing.
B. SARAN
Berdasarkan hasil analisis data dan kesimpulan yang
telah dibuat, maka dapat dikemukakan saran-saran yang
diharapkan berguna sebagai salah satu bahan pertimbangan
bagi Bank BTN KC Yogyakarta untuk menentukan kebijakan
dalam peramalan pembukaan rekening tabungan BTN Cermat.
Ada pun saran-saran yang dikemukakan adalah:
42

1. Bank BTN KC Yogyakarta lebih baik menerapkan Metode

Exsponential Smoothing daripada Metode Single Moving
Average dalam melakukan peramalan pembukaan rekening
tabungan BTN Cermat karena dari analisis di atas, Metode
Exsponential Smoothing memiliki nilai Mean Squared Error
(MSE) lebih kecil dengan catatan data yang dipergunakan
untuk meramal lebih banyak lagi.
2. Jika akan menerapkan metode peramalan Single Moving
Average dan Eksponential Smoothing sebaiknya
menggunakan data dalam jangka panjang dan penerapan
yang secara terus-menerus.

43

DAFTAR PUSTAKA
Hanke, John E dkk, (2004) Business Forecasting Eighth Edition. Washington :
Pearson Education Internasional.
Sumayang, Lalu, Dasar-Dasar Manajemen Produksi dan Operasi, Salemba
Empat, Jakarta, 2003.
Nasution, Hakim dan Prasetyawan, Perencanaan dan Pengendalian Produksi,
Graha Ilmu, Yogyakarta, 2008.
Tim Penulis. 2010. Pedoman Praktik Kerja Lapangan (PKL). Fakultas
Matematika dan Ilmu Pengetahuan Alam : UNY
Render dan Hizer, Prinsip-Prinsip Manajemen Operasi, Salemba Empat, Jakarta,
2005.
Gunawan dan Marwan, Anggaran Perusahaan, BPFE Yogyakarta, 2004.
www.btn.co.id/corporate/BTN-Info. Diakses pada tanggal 23 Juli 2015.

44