PROPOSAL METODE PENELITIAN

PROYEKSI HARGA BERAS DI KABUPATEN BANYUMAS

MENGGUNAKAN METODE TREND ANALYSIS
FORECASTING

1.
2.
3.
4.

Nadyo Nur Rahman

Lina Marlina
Farkhati Sholikha
Billy Beniar

Oleh :
( H1B010xxx )
( H1B012023 )
( H1B012025 )
( H1B012031 )

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
JURUSAN MATEMATIKA
PURWOKERTO
2015

BAB I
PENDAHULUAN
1.1 Latar Belakang
Pangan merupakan kebutuhan dasar utama bagi manusia yang harus
dipenuhi setiap saat. Bahkan akibat pentingnya pangan tersebut, hak memperoleh
pangan dijadikan sebagai salah satu hak asasi manusia yang tertuang dalam pasal
27 UUD 1945 maupun dalam Deklarasi Roma (1996). Sebagai kebutuhan dasar
dan salah satu hak asasi manusia, pangan mempunyai arti dan peran yang sangat
penting bagi kehidupan suatu bangsa. Ketersediaan pangan yang lebih kecil
dibandingkan kebutuhannya dapat menciptakan ketidak-stabilan ekonomi.
Kondisi pangan yang kritis ini bahkan dapat membahayakan stabilitas ekonomi
dan stabilitas Nasional. Bagi Indonesia, pangan sering diidentikkan dengan beras
karena jenis pangan ini merupakan makanan pokok utama bagi penduduk
Indonesia.
Di Indonesia terdapat banyak daerah penghasil beras, salah satunya adalah
Jawa Tengah yang merupakan lumbung beras nasional kedua setelah Jawa Timur,
dengan produksi sekitar 779 ribu ton dengan hampir setiap wilayah merupakan
daerah potensi padi. Terdapat beberapa wilayah di Jawa Tengah yang merupakan
sentra penghasil beras, salah satunya adalah wilayah Banyumas. Banyumas
menghasilkan sekitar 350 ribu Ton per tahunnya yang kemudian menjadi pemasok
utama kebutuhan beras untuk penduduk Banyumas dan sekitarnya. Akan tetapi
sebagai daerah penghasil beras, ternyata tidak menjamin terjadinya kesejahteraan
terhadap bahan pangan ini. Hal ini terbukti dengan terus meningkatnya harga
beras dari tahun ke tahun di wilayahkabupaten Bnayumas ini. Hingga Februari
2015 harga beras yang beredar dipasaran rata-rata mencapai Rp10.000/kg. Jika
harga terus melonjak naik hal ini tentu saja akan menjadi masalah besar,
dikarenakan beras adalah makanan pokok yang sehari-hari dikonsumsi oleh
penduduk Banyumas.
Berdasarkan penjelasan diatas, dibutuhkan suatu kajian yang dapat
meramalkan harga beras untuk masa yang akan datang. Peramalan adalah kegiatan
memperkirakan yang terjadi di masa depan, salah satunya peramalan

menggunakan metode Trend Analysis Forecasting. Oleh karena itu, penulis

tertarik untuk meramalkan harga beras dengan judul Proyeksi Harga Beras di
Kabupaten Banyumas Menggunakan Metode Trend Analysis Forecasting karena
terjadi kenaikan harga beras setiap tahunnya.
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, diperoleh beberapa rumusan masalah
sebangai berikut :
1. Bagaimana memilih model Trend Analysis Forecasting terbaik untuk
meramalkan harga beras di Kabupaten Banyumas ?
2. Bagaimana hasil peramalan harga beras untuk tahun-tahun selanjutnya
dari model Trend Analysis Forecasting terbaik yang diperoleh ?
1.3 Batasan Masalah
Batasan masalah yang digunakan penulis antara lain :
1. Harga beras yang digunakan merupakan rata-rata harga beras perbulan
selama setahun.
2. Data yang digunakan merupakan data tahun 2003-2013.
1.4 Tujuan
Adapun tujuan yang ingin diperoleh dari penelitian ini adalah sebagai berikut :
1. Mengetahui model Trend Analysis Forecasting terbaik yang diperoleh
untuk meramalkan harga beras di Kabupaten Banyumas.
2. Mengetahui peramalan harga beras untuk tahun-tahun selanjutnya dari
model Trend Analysis Forecasting terbaik yang diperoleh.

1.5 Kegunaan
Kegunaan yang dapat diperoleh atau dicapai dalam penelitian ini adalah
sebagai berikut :
1. Bagi Mahasiswa
Menambah pengetahuan, wawasan dan dapat mengaplikasikan peramalan
dalam dunia kerja, khususnya bidang statistik dengan menggunakan
Metode Trend Analysis Forecasting.
2. Bagi Instansi Terkait

Sebagai bahan pertimbangan dalam mengambil berbagai kebijakan terkait

dengan permasalahan tersebut.

BAB II
TINJAUAN PUSTAKA

2.1 Pangan
Pangan adalah segala sesuatu yang berasal dari sumber hayati dan air, baik
yang diolah maupun yang tidak diolah, yang diperuntukkan sebagai makanan
ataupun minuman bagi konsumsi manusia. Termasuk di dalamnya adalah bahan
tambahan pangan, bahan baku pangan dan bahan lain yang digunakan dalam
proses penyiapan, pengolahan atau pembuatan makanan atau minumam (Saparinto
dan Hidayati, 2006).
Kualitas pangan dapat ditinjau dari aspek mikrobiologis, fisik (warna, bau,
rasa dan tekstur) dan kandungan gizinya. Pangan yang tersedia secara alamiah
tidak selalu bebas dari senyawa yang tidak diperlukan oleh tubuh, bahkan dapat
mengandung senyawa yang merugikan kesehatan orang yang mengkonsumsinya.
Senyawa-senyawa yang dapat merugikan kesehatan dan tidak seharusnya terdapat
di dalam suatu bahan pangan dapat dihasilkan melalui reaksi kimia dan biokimia
yang terjadi selama pengolahan maupun penyimpanan, baik karena kontaminasi
ataupun terdapat secara alamiah. Selain itu sering dengan sengaja ditambahkan
bahan tambahan pangan (BTP) atau bahan untuk memperbaiki tekstur, warna dan
komponen mutu lainnya ke dalam proses pengolahan pangan (Hardiansyah dan
Sumali, 2001).
Berdasarkan cara perolehannya, pangan dapat dibedakan menjadi 3
(Saparinto dan Hidayati, 2006) :
1. Pangan segar
Pangan segar adalah pangan yang belum mengalami pengolahan. Pangan
segar dapat dikonsumsi langsung ataupun tidak langsung.
2. Pangan Olahan
Pangan olahan adalah makanan atau minuman hasil proses pengolahan dengan
cara atau metode tertentu, dengan atau tanpa bahan tambahan. Contoh: teh
manis, nasi, pisang goreng dan sebagainya. Pangan olahan bisa dibedakan
lagi menjadi pangan olahan siap saji dan tidak siap saji.
a. Pangan olahan siap saji adalah makanan dan minuman yang sudah diolah dan
siap disajikan di tempat usaha atau di luar tempat usaha atas dasar pesanan.

b. Pangan olahan tidak siap saji adalah makanan atau minuman yang sudah
mengalami proses pengolahan, akan tetapi masih memerlukan tahapan
pengolahan lanjutkan untuk dapat dimakan atau minuman.
3. Pangan Olahan Tertentu
Pangan olahan tertentu adalah pangan olahan yang diperuntukkan bagi
kelompok tertentu dalam upaya memelihara dan meningkatkan kualitas
kesehatan. Contoh: ekstrak tanaman stevia untuk penderita diabetes, susu
rendah lemak untuk orang yang menjalani diet rendah lemak dan sebagainya
2.2 Beras
Beras adalah butir padi yang telah dibuang kulit luarnya (sekamnya) yang
menjadi dedak kasar (Sediotama, 1989). Beras adalah gabah yang bagian kulitnya
sudah dibuang dengan cara digiling dan disosoh menggunakan alat pengupas dan
penggiling serta alat penyosoh (Astawan, 2004).
Kebiasaan makan beras dalam bentuk nasi terbentuk melalui sejarah yang
panjang. Beras berasal dari kata weas dalam bahasa Jawa Kuno. Beras dipilih
menjadi pangan pokok karena sumber daya alam lingkungan mendukung
penyediaannya dalam jumlah yang cukup, mudah dan, cepat pengolahannya,
memberi kenikmatan pada saat menyantap, dan aman dari segi kesehatan.
Sesungguhnya rasa lapar dapat dipuaskan dengan memakan makanan apa
saja, terutama makanan sumber pati atau lazimnya disebut karbohidrat. Namun
perlu diperhatikan, dalam konsep makan, terdapat dua unsur yang dianut oleh
kebanyakan orang yaitu kenyang dan nikmat. Makanan disenangi jika
memberikan kesan nikmat pada indra penglihatan mengenai warna, bentuk, dan
ketampakan lainnya seperti indera pembau, pengecap, peraba di mulut mengenai
tekstur, dan bila mungkin juga indera pendengaran pada saat penyajian dan
penyantapannya (Haryadi, 2006).

2.3 Harga Beras

Harga adalah jumlah uang yang harus dibayar oleh pelanggan untuk
memperoleh suatu produk. Harga merupakan satu-satunya unsur bauran
pemasaran yang memberikan pemasukan atau pendapatan bagi perusahaan,

sedangkan ketiga unsur lainnya (Produk, Promosi dan Distribusi) menyebabkan

timbulnya biaya.
Salah satu kebijakan pangan yang mendapat perhatian khusus adalah
kebijakan harga beras. Kebijakan harga beras di Indonesia pertama kali diajukan
secara komprehensif dan operasional oleh Mears dan Afiff pada tahun 1969.
Falsafah dasar kebijakan tersebut berisikan beberapa komponen sebagai berikut:
(1) menjaga harga dasar yang cukup tinggi untuk merangsang produksi,
(2) perlindungan harga maksimum yang menjamin harga yang layak bagi
konsumen,
(3) perbedaan yang layak antara harga dasar dan harga maksimum untuk
memberikan keuntungan yang wajar bagi swasta untuk penyimpanan
beras, dan
(4) hubungan harga yang wajar antara daerah maupun terhadap harga
internasional (Amang (1989) dalam Kusumaningrum (2008) ).
Instrumen kebijakan harga yang dilakukan pemerintah adalah penetapan
harga dasar (floor price) dengan tujuan untuk meningkatkan produksi beras dan
pendapatan petani melalui pemberian jaminan harga (guaranteed price) yang
wajar dan penetapan batasan harga eceran tertinggi (ceiling price) dengan tujuan
memberikan perlindungan kepada konsumen.
Ketidakefektifan harga dasar gabah (HDG) membuat pemerintah mulai
menggagas harga dasar pembelian pemerintah (HDPP) yang tidak lain merupakan
transisi menuju pelepasan harga gabah ke pasar. Dalam Inpres No 9/2002, istilah
harga dasar disandingkan dan dikaburkan dengan istilah harga dasar pembelian
pemerintah (HDPP), yang tentu saja tidak terlalu memiliki konsekuensi kewajiban
pemerintah untuk mengamankannya. Harga dasar akhirnya sama sekali hilang
dalam Inpres No 2/2005 karena telah berganti menjadi harga pembelian
pemerintah (HPP) (Arifin, 2006).
Pengalaman telah membuktikan kepada kita bahwa gangguan pada
ketahanan pangan seperti meroketnya kenaikan harga beras pada waktu krisis
ekonomi 1997/1998, yang berkembang menjadi krisis multidimensi, telah memicu
kerawanan sosial yang membahayakan stabilitas ekonomi dan stabilitas Nasional.
Nilai strategis beras juga disebabkan karena beras adalah makanan
pokok paling penting. Industri perberasan memiliki pengaruh yang besar dalam

bidang ekonomi (dalam hal penyerapan tenaga kerja, pertumbuhan dan dinamika
ekonomi perdesaan, sebagai wage good), lingkungan (menjaga tata guna air dan
kebersihan udara) dan sosial politik (sebagai perekat bangsa, mewujudkan
ketertiban dan keamanan). Beras juga merupakan sumber utama pemenuhan gizi
yang meliputi kalori, protein, lemak dan vitamin.
2.4 UJi Kenormalan Data
Uji kenormalan data dapat dilakukan dengan menggunakan uji KolmogorofSmirnov. Pada uji ini akan dilakukan uji hipotesis pada residual data dengan
hipotesis seperti berikut:
H0 : residual berdistribusi normal
H1 : residual tidak berdistribusi normal
Daerah penolakan untuk uji Kolmogorov-Smirnov adalah apabila P-Value <
. Jika H0 ditolak itu berarti residual data tidak berdistribusi normal. Namun jika
H0 gagal ditolak artinya residual data berdistribusi normal. Apabila residual data
berdistribusi normal hal ini menunjukkan bahwa data berdistribusi normal.

2.5 Peramalan
Menurut Heizer dan Render (2006), peramalan adalah seni ilmu untuk
memperkirakan kejadian di masa depan. Hal ini dilakukan dengan melibatkan
pengambilan data masa lalu dan menempatkannya ke masa mendatang
menggunakan

kombinasi

model

matematika

yang

disesuaikan

dengan

pertimbangan yang baik dari seorang manajer. Peramalan merupakan bagian vital
bagi setiap organisasi bisnis untuk pengambilan keputusan manajemen yang
sangat signifikan. Peramalan menjadi dasar bagi perencanaan jangka panjang
perusahaan. Ketepatan hasil peramalan bisnis akan meningkatkan peluang
tercapainya investasi yang menguntungkan. Semakin tinggi akurasi yang dicapai
peramalan, maka semakin meningkat pula peran peramalan dalam perusahaan.
Menurut Heizer dan Render (2006), peramalan biasanya berdasarkan
horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas beberapa
kategori :

a.

Peramalan jangka pendek. Peramalan ini mencakup jangka waktu hingga

satu tahun tetapi umumnya kurang dari tiga bulan. Peramalan ini digunakan
untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja,

b.

penugasan kerja, dan tingkat populasi.

Peramalan jangka menengah. Peramalan

jangka

menengah,

atau

intermediate umumnya mencakup hitungan bulanan hingga tiga tahun.

Peramalan ini berguna untuk merencanakan penjualan, perencanaan,
anggaran produksi, anggaran kas, dan menganalisis bermacam-macam
c.

rencana operasi.
Peramalan jangka panjang. Peramalan ini umumnya digunakan untuk
perencanaan masa tiga tahun atau lebih. Sebagai contoh adalah untuk
merencanakan

produk

baru,

pembelanjaan

modal,

lokasi

atau

pengembangan fasilitas, serta penelitian dan pengembangan (litbang).

Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat
dibedakan menjadi dua macam, yaitu:
a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil
penyelidikan.
b. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada
masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang
digunakan dalam peramalan tersebut. Hal yang perlu diperhatikan dalam
penggunaan metode-metode peramalan adalah baik tidaknya metode yang
digunakan, ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan
dengan kenyataan yang terjadi. Metode yang baik adalah metode yang
menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan yang
sekecil mungkin.
Makridakis, dkk., (1992), menjelaskan bahwa peramalan kuantitatif dapat
diterapkan bila terdapat 3 kondisi berikut:
a. Tersedia informasi tentang masa lalu (data historis)
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik

c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa mendatang.
2.6 Metode Peramalan
Metode peramalan adalah metode atau cara untuk memperkirakan secara
kuantitatif apa yang akan terjadi di masa depan berdasarkan data yang relevan
pada masa lalu. Oleh karena itu, metode peramalan yang digunakan adalah
peramalan objektif karena berdasarkan dengan metode kuantitatif (Assauri, 1984).
Sebelum melakukan peramalan, terdapat beberapa syarat kecukupan yang harus
dipenuhi agar hasil ramalan memiliki error yang minimal. Syarat kecukupan
tersebut di antaranya adalah pemeriksaan kenormalan data. Apabila salah satu
syarat tidak terpenuhi maka data harus ditransformasi agar data lebih stabil.
Berikut ini adalah bagan yang menggambarkan tentang beberapa metode
peramalan :

Jenis-jenis Metode Peramalan

Peramalan Kualitatif

Metode Deret Waktu

Peramalan Kuantitatif

Metode Kausal

Metode Smoothing
Metode Regresi
Jenis-jenis Metode Peramalan
Metode Box-Jenkins
Metode Analysis Trend
Peramalan Kualitatif

Model Ekonometri
ModelKuantitatif
Input/Output
Peramalan

Gambar 2.1 Bagan metode peramalan

Metode peramalan kuantitatif Makridakis, dkk. (1992) dibagi menjadi 2,
yaitu:

Metode Deret Waktu

Metode Kausal

Metode Smoothing

Metode Regresi

Metode Box-Jenkins

Model Ekonometri

Metode Analysis Trend

Model Input/Output

1. Metode Kausal, yaitu metode peramalan masa depan dari suatu faktor yang
diramalkan (faktor tak bebas) dengan didasari suatu asumsi bahwa faktor itu
menunjukkan suatu hubungan sebab akibat dengan satu atau lebih faktor
bebas. Tujuan dari metode kausal adalah menemukan bentuk hubungan
sebab akibat tersebut, dan menggunakannya untuk meramalkan nilai masa
depan dari faktor tak bebas.
2. Metode deret waktu, yaitu metode peramalan masa depan yang dilakukan
berdasarkan data masa lalu. Tujuan dari metode deret berkala adalah
menemukan pola dalam deret data historis dan menerapkan pola tersebut
lebih lanjut ke masa depan.

2.7 Deret Waktu

Deret waktu merupakan serangkaian data pengamatan yang terjadi
berdasarkan indeks waktu secara berurutan dengan interval waktu tetap. Menurut
Aswi dan Sukarna (2006), analisis deret waktu adalah salah satu prosedur
statistika yang diterapkan untuk meramalkan struktur variabel statistk keadaan
yang akan terjadi di masa yang akan datang dalam rangka pengambilan
keputusan.
Tujuan dari metode peramalan deret waktu adalah untuk menemukan pola
dalam deret data historis dan mengeksplorasikan pola tersebut ke masa depan.

X 1 ,..., X b ,..., X n
Secara matematis suatu data berkala diberi simbol

X1
variabel

dengan nilai

X2
= data pada waktu pertama,

Xb
= data pada waktu kedua,

= data

Xn
pada waktu ke-b dan
= data pada waktu ke-n.
Pola Deret Waktu merupakan pola yang dibentuk oleh suatu deret waktu
yang digunakan pada peramalan tentang masa depan. Menurut Makridakis, dkk.,
(1992), pola deret waktu dibagi menjadi empat bagian, yaitu:

a. Pola Horisontal (H)

Pola horisontal terjadi jika data berfluktuasi disekitar nilai rata-rata yang
konstan.

Gambar 2.2 Bentuk pola data horizontal

b. Pola Musiman (S)

Pola musiman terjadi jika suatu deret dipengaruhi oleh faktor
musiman. Pola musiman memiliki gerakan yang naik turun secara teratur
yang cenderung terulang untuk jangka waktu tertentu.

Xt

Gambar 2.3 Bentuk pola data musiman

c. Pola siklis (C)

Pola siklis terjadi jika datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis. Pola siklis
memiliki gerakan naik turun secara teratur yang cenderung terulang kembali
setelah jangka waktu lebih dari 1 periode.

Gambar 2.4 Bentuk pola data siklis

d. Pola Trend (T)

Xt

Pola trend terjadi bilamana terdapat kenaikan atau penurunan jangka

panjang dalam data.

Xt

Gambar 2.5 Bentuk pola data trend

2.8 Trend analysis Forecasting

Trend adalah pergerakan jangka panjang dalam suatu kurun waktu yang
kadang-kadang dapat digambarkan dengan garis lurus atau kurva mulus. Deret
waktu untuk bisnis dan ekonomi dapat lebih baik dilihat dari segi trend. Pada
kenyataannya, trend dapat diwakili oleh beberapa fungsi sederhana seperti garis
lurus sepanjang periode untuk deret waktu yang diamati.
Trend Analysis Forecasting merupakan dasar garis trend untuk suatu
persamaan matematis sehingga dengan dasar persamaan tersebut dapat
diproyeksikan untuk meramalkan pergerakan keadaan pada masa yang akan
datang. Untuk peramalan jangka pendek maupun peramalan jangka panjang,
ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk
penggunaan metode peramalan ini adalah data bulanan ataupun data tahunan yang
memiliki kecenderungan naik dan semakin banyak data yang dimiliki maka hasil
yang diperoleh akan semakin baik. Minimal data yang digunakan adalah data
pencatatan selama 5 periode.
Beberapa model trend untuk meramalkan pergerakan keadaan pada masa
yang akan datang, antara lain model trend linear, trend quadratic, model trend
exponential growth.
2.8.1

Model Trend Linear

Deret waktu jika digambarkan ke dalam plot akan mendekati garis lurus.

Persamaan model trend linear adalah sebagai berikut:

Y a bt

(2.1)
Keterangan:
Y
= Nilai trend periode terperiode tertentu.
a
= Konstanta atau nilai trend pada periode dasar.
b

= Koefisien arah garis trend atau perubahan trend setiap periode.

= Unit tahun yang dihitung dari periode dasar.

Untuk mencari nilai

dan

dapat diperoleh dengan menggunakan

persamaan normal dari metode kuadrat terkecil, yaitu:

Y na b t
i 1

i 1

i 1

i 1

i 1

(2.2)

tiYi na ti b ti2
(2.3)
n

t
Untuk menyederhanakan perhitungan,
n

t
dibuat menjadi

i 1

pada persamaan (2.2) dan (2.3) dapat

, Ada dua kemungkinan dalam penentuan skala t agar

i 1

i 1

terpenuhi syarat
, yaitu seperti berikut:
a.
Untuk data ganjil, angka nol diletakkan pada tahun atau periode yang di

t
tengah, sehingga skala memiliki selisih 1 .
Tabel 2.1 Contoh Skala t Untuk Data Ganjil
Tahun

2000

2001

2002

2003

2004

t
b.

-2

-1

Untuk data genap, maka angka nol diletakan di antara tahun atau periode

t
yang di tengah sehingga skala memiliki selisih 2.
Tabel 2.2 Contoh Skala t Untuk Data Genap
Tahu

200

t
i 1

200

-5
n

Apabila syarat

200

200

-3

200

-1

200

4
3

5
5

0
terpenuhi, maka persamaan (2.2) dan (2.3) menjadi
n

Y na
i 1

i 1

akibatnya
n

i 1

i 1

tiYi b ti2
2.8.2

t Y
i 1
n

i i

i 1

akibatnya

Model Trend Quadratic

Model trend quadratic merupakan deret waktu dengan data berupa garis

parabola. Persamaan untuk trend quadratic adalah:

Y a bt ct 2
(2.4)
Untuk mencari nilai

a b
c
, , dan diperoleh dengan menggunakan persamaan

normal dari metode kuadrat terkecil, yaitu:

n

i 1

i 1

i 1

Yi na b ti c ti2
(2.5)

i 1

i 1

i 1

i 1

i 1

i 1

tiYi a ti b ti2 c ti3

n

t Y a t
i 1

t
Apabila syarat

i 1

2
i i

i 1

2
i

(2.6)

b ti3 c ti4
(2.7)

0
terpenuhi maka persamaan (2.5), (2.6) dan (2.7) menjadi
n

i 1

i 1

Yi na c ti2
n

t Y b t
i 1

i i

i 1

t Y a t
i 1

2
i i

i 1

2
i

(2.8)

2
i

(2.9)
n

c ti4
i 1

Dari persamaan (2.8) diperoleh

n

i 1

i 1

na Yi c ti2

Dari persamaan (2.9) diperoleh

Yi c ti2
i 1

i 1

(2.10)

i 1

i 1

tiYi b ti2

t Y
i 1
n

i i

t
i 1

akibatnya

2
i

Dengan menggunakan metode eliminasi pada persamaan (2.8) dan (2.10)

diperoleh

t Y n t Y
i 1

2
i

i 1

i 1

2
i i

t
i 1

2
i

n ti4
i 1
n

t Y n t Y
i 1

2
i

i 1

t
i 1

2
i

i 1

2
i i

n ti4
i 1

2.8.3 Model Trend Exponential Growth

Untuk mengukur sebuah deret waktu yang mengalami kenaikan atau
penurunan yang cepat maka digunakan metode trend eksponensial (Trend
Exponential Growth). Dalam metode ini digunakan persamaan:
Y abt
Dalam melakukan perhitungannya, persamaan di atas dapat diubah ke dalam
bentuk semi log sehingga memudahkan untuk mencari nilai

dan

. Perhatikan

bahwa:
Y ab t
log Y log a t log b

(2.11)
(2.12)

Karena bentuk persamaan telah menjadi bentuk persamaan linier, maka nilai dari

dan

dapat dicari dengan menggunakan persamaan normal dari metode

kuadrat terkecil, yaitu:

log Y n log a t log b

i

i 1

i 1

(2.13)

t log Y t n log a t
i 1

t
Apabila syarat

i 1

i 1

2
i

i 1

log b
(2.14)

terpenuhi, maka persamaan (2.13) dan (2.14) menjadi

n

log Yi n log a

log a

i 1

log Y

i 1

akibatnya

i 1

log b

ti log Yi t log b
i 1

2.9

t log Y

2
i

i 1

akibatnya

t
i 1

2
i

Ketepatan Metode Peramalan

Makridakis, dkk., (1992) menjelaskan setiap metode peramalan memiliki

ketepatan dan tingkat kesulitan masing-masing yang harus dipertimbangkan. Oleh

karena itu, harus dipilih metode yang paling tepat, yaitu metode yang dapat
meminimumkan kesalahan peramalan.
Pada metode peramalan, nilai-nilai yang umum digunakan untuk mengukur

ketepatan suatu metode peramalan untuk suatu data berjumlah

menyatakan nilai data pada periode

X
t
dan

Xt
dengan

^
Xt
menyatakan hasil peramalan

pada periode

. Salah satu ukuran ketepatan metode peramalan adalah dengan

melihat nilai MAPE atau Presentase kesalahan rata-rata. Nilai MAPE merupakan
nilai yang menunjukkan seberapa besar rata-rata kesalahan peramalan
dibandingkan dengan nilai sebenarnya. Semakin kecil nilai MAPE, maka akan
semakin tepat hasil peramalan yang diperoleh. Persamaan yang digunakan untuk
memperoleh nilai MAPE pada peramalan adalah
n
X t X t

Xt
t 1
MAPE
100.
n

(2.15)

BAB III
METODE PENELITIAN
c.1 Metode
Metode yang penulis gunakan dalam menyelesaikan penulisan proposal
ini adalah metode studi pustaka. Metode ini dilakukan dengan cara mencari,
membaca, mempelajari, dan memahami bahan-bahan yang berasal dari
literatur ataupun dari referensi lain seperti dari internet yang mendukung
penulisan proposal ini.
c.2 Data
Data yang digunakan pada peramalan harga beras di Kabupaten
Banyumas ini merupakan data sekunder yang diambil dari Badan Pusat
Statistik tentang harga beras tahun 2003-2013 . Adapun metode yang
digunakan untuk mengumpulan data tersebut adalah metode dokumentasi,
yaitu metode yang memanfaatkan data dari arsip di Badan Pusat Statistik.
c.3 Tempat Pengambilan Data
Data yang digunakan diperoleh dari arsip Badan Pusat Statistik
Banyumas.
c.4 Analisa Data
Analisis yang kami lakukan menggunakan metode forecasting atau
peramalan, karena kami ingin memproyeksikan harga beras di Kabupaten
Banyumas untuk tahun-tahun selanjutnya. Dalam peramalan terdapat
beberapa metode yang dapat digunakan, akan tetapi kali ini kami
menggunakan metode Trend Analysis Forecasting karena setelah data
diplotkan, hasilnya cenderung terus naik.
Penelitian ini juga dilakukan dengan bantuan software Minitab 14.
Analisis data yang dilakukan dengan menggunakan program Minitab 14,
dengan langkah-langkah sebagai berikut :
1.

Memasukkan sumber data

2. Memplot data
3. Menguji kenormalan data, menggunakan uji Kolmogorov-smirnov
4. Melakukan Trend Analysis Forecasting menggunakan model Linier,
Quadratic, dan Eksponential Growth.
5. Penentuan model Trend Analysis Forecasting terbaik
6. Melakukan peramalan harga beras.

DAFTAR PUSTAKA