LAPORAN KEGIATAN MAGANG MAHASISWA

DI BADAN PUSAT STATISTIK KOTA SURAKARTA

PERAMALAN BANYAKNYA AIR MINUM YANG DISALURKAN

PERUSAHAAN DAERAH AIR MINUM (PDAM) KOTA SURAKARTA
DENGAN MODEL SINGLE EXPONENTIAL SMOOTHING

DISUSUN OLEH:
TRI INDRAYANA PRASETYA
M0113051

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET SURAKARTA
2016

1
 HALAMAN PENGESAHAN
LAPORAN MAGANG MAHASISWA
Tanggal 11 Januari 2016 sampai 8 Februari 2016
DI BADAN PUSAT STATISTIK KOTA SURAKARTA

Oleh
Tri Indrayana Prasetya
NIM. M0113051

Menyetujui,
Pembimbing KMM Pembimbing Lapangan

Titin Sri Martini, S.Si., M.Kom Ir. Sigit Subiyantoro, MM.

NIP. 197501202008122001 NIP. 196506161992121001

Mengetahui

Koordinator KMM
Jurusan Matematika FMIPA UNS

Dr. DEWI RETNO SARI S S.Si.,M.Kom.

NIP. 197007201997022001

KATA PENGANTAR

2
 Assalamualaikum wr. Wb.
Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat,
hidayah serta inayah-Nya sehingga penulis dapat menyusun laporan Kegiatan
Magang Mahasiswa (KMM) pada salah satu instansi yang ada di kota Surakarta,
yaitu Badan Pusat Statistik Kota Surakarta, mulai tanggal 11 Januari 2016 sampai
8 Februari 2016.
Dalam penyusunan laporan ini penulis telah banyak mendapatkan bantuan
dari banyak pihak, untuk itu penulis mengucapkan terima kasih kepada
1. Bapak Supriyadi Wibowo, S.Si., M.Si selaku Ketua Program Studi
Matematika FMIPA UNS.
2. Ibu Etik Zukhronah, M.Si selaku dosen koordinator KMM jurusan
matematika.
3. Ibu Titin Sri Martini, S.Si., M.Kom
4. Bapak R. Bagus Rahmat Susanto, S.Si selaku Kepala Badan Pusat Statistik
Kota Surakarta.
5. Bapak Sigit Subiyantoro, MM selaku pembimbing lapangan KMM yang telah
sabar membimbing penulis menyelesaikan KMM.
6. Pihak-pihak lain yang telah membantu dari mulai persiapan, pelaksanaan
hingga terselesaikan laporan pelaksanaan KMM yang tidak dapat disebutkan
satu per satu.
Penulis menyadari bahwa laporan Kegiatan Magang Mahahsiswa ini masih
banyak terdapat kekurangan dalam penyusunannya. Oleh sebab itu penulis
mengharap saran dan kritik yang membangun dari pembaca guna perbaikan
penulis dimasa yang akan datang. Penulis berharap semoga laporan ini bermanfaat
bagi penulis dan pembaca
Wassalamualaikum wr. Wb.
Surakarta, Februari 2016

Penulis
BAB I
PENDAHULUAN

3
 1.1. Latar Belakang
Pada kurikulum program studi Strata Satu program studi matematika
bidang konsentrasi statistik fakultas MIPA Universitas Sebelas Maret, mewajibkan
mahasiswa melaksanakan Kegiatan Magang Mahasiswa (KMM). Berdasarkan
Peraturan Rektor No:373/J27/PP/2005 tentang Pedoman Pelaksanaan KMM,
kegiatan tersebut dilaksanakan pada suatu institusi mitra yaitu suatu lembaga atau
unit kerja baik di dalam maupun di luar UNS (pemerintah atau swasta) yang
lingkup tugasnya relevan dengan pembangunan Tri Dharma Perguruan Tinggi
dengan tujuan untuk meningkatkan kompetensi mahasiswa sekaligus sebagai
bentuk kontribusi perguruan tinggi tentang jurusan matematika pada instansi atau
lembaga di luar perguruan tinggi. Dengan adanya KMM, mahasiswa diharapkan
mampu mensinergiskan ilmu di perkuliahan dengan dunia kerja (lapangan)
sehingga mahasiswa memperoleh pengalaman yang nantinya akan digunakan
dalam dunia kerja yang sebenarnya.
Seiring dengan perkembangan jaman, untuk memenuhi kebutuhan
kebutuhan dalam perencanaan dan evaluasi pembangunan mutlak dibutuhkan
statistik yang handal, lengkap, tepat, akurat, dan terpercaya. Salah satu instansi
yang menyediakan adalah Badan Pusat Statistik (BPS). Dengan adanya otonomi
daerah maka pembangunan daerah-daerah pun ditingkatkan. Dalam
pembangunan, data sangat dibutuhkan dan mempunyai peranan yang sangat
penting sehingga di setiap kota/kabupaten didirikan BPS sebagai wakil dari
masing-masing kota dalam peningkatan perkembangan pembangunan di kota
masing-masing.
Oleh karena itu, penulis mengambil tempat di Badan Pusat Statistik Kota
Surakarta sebagai tempat pelaksanaan KMM dengan tujuan untuk belajar lebih
lanjut dalam mendapatkan pengetahuan tentang statistik meliputi pencarian
,pengolahan data, analisis data, dan juga publikasi hasil analisis data. Kegiatan
yang dilaksanakan selama KMM adalah mengikuti setiap kegiatan atau program
yang sedang dilaksanakan di BPS Surakarta. Penulis dalam hal ini menggunakan

4
data Banyaknya Air Minum yang Disalurkan Setiap Bulan di Kota Surakarta oleh
PDAM dari Januari 2007 sampai Desember 2014.

Penulis menggunakan data dari publikasi Badan Pusat Statistik Kota

Surakarta yang bersumber dari PDAM kota Surakarta dikarenakan penulis ingin
mengetahui bagaimana konsumsi air minum yang disalurkan setiap bulannya dan
juga ingin menerapkan materi yang didapatkan selama perkuliahan. Penulis
sendiri dalam hal menganalisis data banyaknya air minum yang disalurkan PDAM
kota Surakarta sendiri mengaplikasikannya dalam metode peramalan untuk dapat
mengetahui perkiraan kebutuhan akan air minum di tahun selanjutnya.

1.2. Tujuan
Tujuan dari Kegiatan Magang Mahasiswa adalah sebagai berikut :
1. Menerapkan ilmu pengetahuan yang didapat selama perkuliahan.
2. Mengetahui pola data, metode dan model terbaik dari data Banyaknya Air
Minum yang disalurkan PDAM di Kota Surakarta yang dapat digunakan untuk
meramalkan Banyaknya Air Minum di Kota Surakarta tahun 2015.
3. Mendapatkan pengalaman kerja di instansi.

1.3. Manfaat
Manfaat dari Kegiatan Magang Mahasiswa adalah sebagai berikut :
1. Memperoleh pengalaman dalam dunia kerja, kemampuan dalam
berkomunikasi serta bersosialisasi dengan berbagai pihak.
2. Dapat menerapkan ilmu yang telah diperoleh di perkuliahan dalam dunia kerja

BAB II
LANDASAN TEORI

5
 2.1 Pengertian Peramalan
Menurut Sudjana (1988), meramal sesungguhnya adalah menduga atau
memprediksi peristiwa di masa depan dan bertujuan memperkecil resiko yang
mungkin terjadi akibat suatu pengambilan keputusan. Karena ramalan tidak dapat
sepenuhnya menghilangkan risiko, maka faktor ketidakpastian harus diperhatikan
secara eksplisit dalam proses pengambilan keputusan.
Peramalan diperlukan karena adanya perbedaan kesenjangan waktu
(timelag) antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan
waktu pelaksanaan kebijakan tersebut. Apabila perbedaan waktu tersebut panjang,
maka peran peramalan begitu penting dan sangat dibutuhkan, terutama dalam
penentuan kapan terjadi suatu sehingga dapat dipersiapkan tindakan yang perlu
dilakukan.
Metode peramalan akan membantu dalam mengadakan pendekatan analisa
terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan
cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta
memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang
dibuat.

Menurut Supranto (1984), forecasting atau peramalan adalah

memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan data
masa lampau yang di analisis secara ilmiah, khususnya menggunakan metode
statistika. Menurut Sohfjan Assauri (1993), peramalan merupakan seni dan ilmu
dalam memprediksi kejadian yang mungkin dihadapi pada masa yang akan
datang. Dengan menggunakan 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.

Langkah-langkah untuk melakukan peramalan antara lain :

a. Merumuskan atau menentukan masalah yang akan dianalisis

6
 b. Mengumpulkan data yang diperlukan dalam peramalan

c. Membuat model dan evaluasi yang sesuai dengan pola data

d. Menghitung kesalahan pada setiap metode yang digunakan

e. Memilih metode yang terbaik

f. Melakukan peramalan data mendatang

Peramalan yang baik adalah peramalan yang menghasilkan nilai eror

seminim mungkin. Untuk mengukur keefektifan suatu peramalan maka digunakan
suatu ukuran standar statistik yang bisa kita peroleh dari hasil pengolahan data
menggunakan software.

2.2 Macam-macam Pola Data

Salah satu aspek yang paling penting dalam penyeleksian metode
peramalan yang sesuai untuk data runtun waktu adalah untuk mempertimbangkan
perbedaan tipe pola data. Ada empat tipe umum pola data :
a. Pola stasioner terjadi bila nilai-nilai data berfluktuasi di sekitar nilai
rata-rata yang konstan. Metode yang dapat digunakan untuk data
berpola stasioner adalah naive, simple average, moving average, single
exponential smoothing.
b. Pola musiman terjadi bila suatu deret dipengaruhi oleh faktor musiman
yang ditandai dengan adanya pola perubahan yang berulang secara
otomatis dari tahun ke tahun. Metode yang dapat digunakan untuk
data berpola musiman adalah naive, seasional exponential smoothing,
adaptive filtering, classical decomposition, cencus x-12, Box-jenkins,
time series multiple regression.
c. Pola siklis terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang. Metode yang dapat digunakan untuk data berpola
siklis adalah multiple regression, Box-jenkins, Leading indicator,
econometric model.

7
 d. Pola trend terjadi bila terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data. Metodde yang dpat digunakan untuk data berpola
trend adalah naive, simple average, single exponential smoothing,
double exponential smoothing, simple regression, exponential trend
model, s-curve fitting, gompertz model, growth curves.
Pola data dapat dianalisis dengan menggunakan autokorelasi.

Y Y Yt k Y
n

t
t k 1
rk , k 0,1,2,...
Y Y
n
2
t
t 1

dimana,
rk
= Koefisien autokorelasi untuk sebuah lag dari peride ke- k

Yt
= Observasi dalam periode waktu ke- t

Yt k
= Observasi k perode sebelumnya atau waktu periode (t-k)
Y
= Rata-rata dari nilai time series

Jika data berkala tersebut random, hampir semua koefisien autokorelasi

terletak di dalam interval kepercayaan dengan standar eror yang kecil. Tiap-tiap
koefisien autokorelasi berada dalam interval kepercayaan yang diberikan :
0 Z SE ( rk ) t

dimana
k 1
1 2 ri
2

i 1
SE ( rk )
n
,
dengan

8
 SE (rk ) t
= Standar eror dari autokorelasi pada lag k

ri
= autokorelasi pada lag i

k = lag

n = jumlah observasi dalam data berkala

2.3 Metode Peramalan

2.3.1 Averaging Methods

Averaging methods terdiri dari Mean ( rata-rata sederhana ), Single

Moving Average ( bergerak tunggal ), dan Double Moving Average ( bergerak
ganda ). Averaging methods dipakai apabila:

1. Kondisi setiap data pada waktung berbeda mempunyai bobot yang sama
sehingga fluktuasi random data dapat diredam dengan rata-ratanya.

2. Tidak semua data masa lalu dapat mewakili asumsi pola data berlanjut terus
dimasa yang akan datang, maka dapat dipilih sejumlah periode tertentu saja.

3. Perioda yang relevan adalan n perioda terakhir, maka rata-rata dapat dihitung
dengan n perioda yang berbeda. Perataan ini disebut dengan Moving Average.

4. Datanya stasioner, Single Moving Average cukup baik untuk meramalkan

keadaan.

5. Datanya tidak stasioner, mengandung pola trend maka dilakukan Moving

Average pada hasil Single Moving Average yang dinamakan Moving Average
with Linear Trend.

6. Peramalan jangka pendek.

Salah satu cara untuk meramalkan data time series yang memiliki
trend linear adalah dengan menggunakan double moving average. Metode

9
 ini secara tidak langsung dinamakan set pertama dihitung moving
averagenya dan set kedua dihitung sebagai moving average dari set
pertama.Pertama, untuk menghitung moving average dari order ke-k
digunakan persamaan :

Y + Y +Y ++Y tk+ 1
M t=Y^ t+1= t t1 t2
k

^
Dimana: Y t +1 = Nilai peramalan untuk periode selanjutnya

Yt = Nilai sebenarnya pada periode t

k = Jumlah perlakuan pada moving average

Kemudian persamaan (1) digunakan untuk menghitung moving

average kedua

M t + M t1 + M t2 ++ M t k+1
M 't= (1)
k

Persamaan (2) digunakan untuk menghitung peramalan dengan

menambahkan selisih antara moving average pertama dan moving average
kedua dengan moving average pertama.

at =M t + ( M t M 't ) =2 M tM 't (2)

Persamaan (3) adalah faktor penyesuaian tambahan yang mirip

dengan kemiringan ukuran yang dapat berubah selama runtun waktu
tersebut.

2
bt =
k1
( M t M 't ) (3)

Akhirnya (4) persamaan ini digunakan untuk membuat ramalan p

periode di masa depan.

10
 Y^ t + p=a t +b t p (4)

Dengan :

k = jumlah periode dalam moving average

p = jumlah periode peramalan untuk masa mendatang

2.3.2 Single Expinential Smoothing

Metode pemulusan eksponensial tunggal tidak cukup baik diterapkan jika

datanya bersifat tidak stasioner, karena persamaan yang digunakan dalam metode
eksponensial tunggal tidak terdapat prosedur pemulusan pengaruh tren yang
mengakibatkan data tidak stasioner menjadi tetap tidak stasioner, tetapi metode ini
merupakan dasar bagi metode-metode pemulusan eksponensial lainnya
(Makridakis, Wheelright dan McGee,1992).
ExponentialSmoothing secara terus menerus mempertimbangkan kembali
suatu perkiraan yang dipandang dari data sebelumnya. Metode Exponential
Smoothing berdasarkan pada pemulusan nilai-nilai sebelumnya di dalam suatu
eksponensial yang menurun. Data masa lalu dimuluskan dengan cara melakukan
pembobotan menurun secara eksponensial terhadap nilai pengamatan yang lebih
lama, atau nilai yang lebih baru diberikan bobot yang relatif lebih besar dibanding
nilai pengamatan yang lebih lama.
Dalam suatu penyajian exponential smoothing, peramalan baru (pada saat
t+1) dapat dianggap sebagai jumlahan dari pengamat yang baru (pada waktu t)
dan peramalan yang sebelumnya (untuk waktu t). Besarnya (dimana 0 < < 1)
diberikan padanilai pengamatan yang baru saja diamati, dan besar (1-) diberikan
padapenramalan yang sebelumnya.
Peramalan Baru = [ x (pengamatan baru)] + [(1-) x (peramalan sebelumnya)]
Pengamatan terakhir memiliki nilai yang paling besar, yaitu 0 << 1.

11
 Pengamatan satu periode sebelumnya memiliki konstanta smoothing yang
lebih kecil, yaitu (1- ).
Pengamatan dua periode sebelumnya akan lebih kecil lagi, yaitu (1- )2dan
begitu seterusnya.
Y^ t +1= Y t +(1 ) Y^ t

Dimana

Y^ t +1 = nilai pemulusan berikutnya atau nilai peramalan untuk periode

berikutnya

= konstanta pemulusan (0< <1)

Yt = pengamatan baru atau nilai sebelumnya pada periode t

^
Y^ t = nilai pemulusan sebelumnya atau peramalan untuk periode t

Persamaan di bawahmenunjukkanuntukperiode t. Denganmensubtitusikan

Y^ t = Y t 1 +(1 ) Y^ t +1

Sehingga diperoleh

Y^ t = Y t + (1 ) Y^ t = Y t + ( 1 ) [ Y t1 + ( 1 ) Y^ t +1]

Dengan subtitusi selanjutnya diperoleh

Y^ t +1= Y t + ( 1 ) Y t1 + (1 )2 Y t 2 + (1 )3 Y t 3+

2.3.3 Double Eksponensial Smoothing (Holts)

Double Eksponensial Smoothing merupakan pengembangan dari metode

exponensial smooting

12
 Yt p Lt pTt

Dengan
Lt Yt (1 )( Lt 1 Tt 1 )

Tt ( Lt Lt 1 ) (1 )Tt 1

dimana
Lt
= nilai hasil penghalusan (smoothing) pada periode ke-t

= konstanta penghalusan (smoothing) untuk level yang nilainya
0 1

Yt
= nilai observasi/ pengamatan pada periode ke-t

= konstanta penghalusan (smoothing) untuk estimasi trend yang
0 1
nilainya
Tt
= estimasi trend
p
= periode waktu ke depan untuk yang akan diramalkan nilainya

Yt p
= nilai peramalan pada p periode ke depan.

2.3.4 Trend Analisis

Analisis trend merupakan model trend umum untuk data time series dan
untuk meramalkan. Analisis trend adalah analisis yang digunakan untuk
mengamati kecenderungan data secara menyeluruh pada suatu kurun waktu yang
cukup panjang.

13
 Untuk menggunakan trend analisis, ada beberapa syarat yang harus
dipenuhi, yaitu:

a. Data mempunyai nilai tren yang relatif konstan.

b. Data yang dimiliki tidak mengandung unsur musiman.
c. Data tidak digunakan untuk meramalkan dalam jangka waktu yang cukup
panjang.
Trend dapat dipergunakan untuk meramalkan kondisi data di masa
mendatang, maupun dapat dipergunakan untuk memprediksi data pada suatu
waktu dalam kurun waktu tertentu. Beberapa metode yang dapat kan untuk
memodelkan tren, antara lain :
2.3.4.1 Tipe Model Linear (Linear Model)
Trend linier adalah suatu trend yang kenaikan atau penurunan nilai
yang akan diramalkan naik atau turun secara linier. Analisis Trend yang
digunakan secara umum untuk model trend linier adalah :
T^ t =b 0+ b1 t

2.3.4.2 Tipe Model Kuadratik (Quadratic Model)

Trend parabolik (kuadratik) adalah trend yang nilai variabel tak
bebasnya naik atau turun secara linier atau terjadi parabola bila datanya
dibuat scatter plot (hubungan variabel dependen dan independen adalah
kuadratik). Analisis Trend yang digunakan secara umum untuk model
trend kuadratik adalah :
T^ t =b 0+ b1 t+b 2 t 2

2.3.4.3 Tipe Model Eksponensial (Exponential Growth Model)

Trend eksponensial ini adalah sebuah trend yang nilai variabel tak
bebasnya naik secara berlipat ganda atau tidak linier. Analisis Trend yang
digunakan secara umum untuk model trend pertumbuhan eksponensial
adalah :
T^ t =b 0 b 1
t

14
 2.3.4.4 Tipe Model Kurva-S (S-Curve Models)
Trend model kurva S digunakan untuk model trend logistik Pearl
Reed. Trend ini digunakan untuk data runtun waktu yang mengikuti kurva
bentuk S. Analisis Trend yang digunakan secara umum untuk model kurva
S adalah :
Yt = (10) / (0+12t)

2.4 Evaluasi Metode / Teknik Peramalan

Untuk memilih metode mana yang paling tepat dalam peramalan, harus
dilakukan evaluasi terhadap teknik/ metode peramalan yang digunakan.
Evaluasi teknik peramalan tersebut meliputi :
2.3.1 Mean Absolute Deviation (MAD)
1 n
MAD | Yt Yt |
n t 1

MAD digunakan untuk mengukur keakuratan teknik yang digunakan.

2.3.2 Mean Square Error (MSE)

2
1 n
MSE Yt Yt
n t 1

Nilai eror yang dikuadratkan berakibat eror peramalan menjadi

besar. Teknik dengan moderate eror lebih dipilih ketimbang yang
mempunyai eror kecil akan tetapi kadang justru menghasilkan eror yang
besar.

15
 2.3.3 Mean Absolute Percentage Error (MAPE)
1 n | Yt Yt |
MAPE Y
n t 1 t

MAPE menunjukkan seberapa besar eror peramalan terhadap nilai

yang sebenarnya. Untuk membandingkan keakuratan teknik yang
digunakan.
2.3.4 Mean Percentage Error (MPE)

1 n Yt Yt
MPE
n t 1 Yt

MPE digunakan untuk menentukan apakah metode peramalan yang

digunakan bias atau tidak.

MPE mendekati nol tak bias

MPE besar, Negatif overestimate

MPE besar, Positif underestimate
Selain itu, perlu dilakukan analisis untuk memastikan bahwa
metode/teknik yang dipakai sudah memenuhi uji kecukupan atau belum,
yaitu :
Residu dari koefisien autokorelasi.
Metode dikatakan baik jika residual berpola random
Plot residual mendekati distribusi normal.

16
 BAB III
PROFIL INSTANSI

3.1 Sejarah Berdirinya Badan Pusat Statistik

1. Masa Pemerintahan Hindia Belanda

Kantor Statistik pertama kali didirikan bulan Februari 1920 oleh Direktur
Pertanian, Kerajinan dan Perdagangan (Directeur Van Landbouw Nijverheid en
Handel), berkedudukan di Bogor. Tugas dari kantor statistik adalah mengolah dan
mempublikasikan data statistik.

Pada bulan Maret 1923 dibentuk suatu komisi untuk statistik, yang
anggotanya merupakan wakil dari tiap-tiap departemen. Komisi ini mempunyai
tugas pencapaian kesatuan kegiatan statistik di Indonesia. Pada tanggal 24
September 1924, nama lembaga diganti menjadi Central Kantoor voor de
Statistiek (CKS) atau Kantor Pusat Statistik yang berkedudukan di Jakarta.

2. Masa Pemerintahan Jepang

Pada bulan Juni 1924, pemerintahan Jepang mengaktifkan kembali

kegiatan statistik yang difokuskan untuk memenuhi kebutuhan perang dan militer.
Pada masa ini CKS diganti namanya menjadi Shomubu Chosasitu Gunseikanbu.

3. Masa Pemerintahan Republik Indonesia

Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus

1945, kegiatan statistik tidak lagi ditangani oleh Shomubu Chosasitu Gunseikanbu
tetapi oleh lembaga atau instansi baru yang sesuai dengan suasana kemerdekaan
Indonesia yaitu Kantor Penyidik Perangkaan Umum Republik Indonesia
(KAPPURI). Tahun 1946 kantor KAPPURI dipindahkan ke Yogyakarta sebagai
konsekuensi dari perjanjian Linggarjati. Sementara itu, pemerintah Hindia
Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

17
 Berdasarkan Surat Edaran Kementrian Kemakmuran tanggal 12 Juni 1950
Nomor 219/S.C,KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS)
yang berada di bawah tanggung jawab Kementrian Kemakmuran.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 Nomor P/44,

lembaga KPS berada di bawah tanggung jawab Menteri Perekonomian.
Selanjutnya dengan Keputusan Menteri Perekonomian tanggal 14 Desember 1953
Nomor 18.099/M KPS dibagi menjadi 2 bagian, yaitu bagian riset yang disebut
Afdeling A serta bagian penyelenggaraan dan tata usaha yang disebut Afdeling B.

Dengan Keputusan Presiden RI Nomor 131 Tahun 1957, Kementrian

Perekonomian dipecah menjadi Kementrian Perdagangan dan Kementrian
Perindustrian. Selanjutnya dengan Keputusan Presiden RI Nomor 172 Tahun 1957
terhitung mulai tanggal 1 Juni 1957, KPS diubah menjadi Biro Pusat Statistik, dan
urusan statistik yang semula menjadi tanggung jawab dan wewenang Menteri
Perekonomian, dialihkan menjadi wewenang Biro Pusat Statistik dan berada di
bawah Perdana Menteri. Berdasarkan Keputusan Presiden tersebut secara formal
nama Biro Pusat Statistik dipergunakan.

Dalam rangka memperhatikan kebutuhan data bagi perencanaan

Pembangunan Semesta Berencana dan mengingat Statistiek Ordonnantie 1934,
dirasakan tidak sesuai lagi dengan cepatnya kemajuan yang dicapai negara kita,
maka tanggal 26 September 1960 telah diundangkan UU Nomor 7 Tahun 1960
tentang Statistik.

Berdasarkan keputusan Presidium Kabinet RI Nomor Aa/C/9 tahun 1965

maka setiap Daerah Tingkat I dan II dibentuk kantor cabang Biro Pusat Statistik
dengan nama Kantor Sensus dan Statistik Daerah (KKS) yang mempunyai tugas
menyelenggarakan kegiatan statistik di daerah. Di setiap daerah administrasi
kecamatan dapat diangkat seorang atau lebih pegawai yang merupakan pegawai
KKS di tingkat II dan ditempatkan di bawah pengawasan Kepala Kecamatan.

18
4. Masa Orde baru sampai sekarang

Seiring dengan perkembangan zaman khususnya pada masa pemerintahan

orde baru untuk memenuhi kebutuhan dalam perencanaan dan evaluasi
pembangunan mutlak dibutuhkan statistik. Untuk mendapatkan statistik yang
handal, lengkap, tepat, akurat, dan terpercaya, salah satu unsurnya adalah
pembenahan organisasi Biro Pusat Statistik.

Dalam masa Orde Baru ini, Biro Pusat Statistik telah mengalami 3 kali
perubahan struktur organisasi :

a. Peraturan Pemerintah Nomor 16 Tahun 1968

b. Peraturan Pemerintah Nomor 6 tahun 1960
c. Peraturan Pemerintah Nomor 2 Tahun 1992 tentang Organisasi Biro
Statistik dan Keputusan Presiden Nomor 6 tahun 1992 tentang Kedudukan,
Tugas, Fungsi, Susunan Organisasi, dan Data Kerja BPS.

Pada tahun 1997 Biro Pusat Statistik menjadi Badan Pusat Statistik (BPS),
seperti yang dikenal sekarang ini. Seiring dengan bertambahnya usia BPS
ikut berperan aktif dalam dinamika perjuangan bangsa Indonesia. Data
yang dihasilkan BPS merupakan data rekaman fenomena perkembangan
social dan ekonomi dari tahun ke tahun yang bermanfaat bagi pemerintah,
swasta, maupun masyarakat.

3.2 Informasi Umum Badan Pusat Statistik (BPS)

Badan Pusat Statistik adalah Lembaga Pemerintah Non-Departemen yang

bertanggung jawab langsung kepada Presiden. Sebelumnya, BPS merupakan Biro
Pusat Statistik, yang dibentuk berdasarkan UU Nomor 6 Tahun 1960 tentang
Sensus dan UU Nomer 7 Tahun 1960 tentang Statistik. Sebagai pengganti kedua
UU tersebut ditetapkan UU Nomor 16 Tahun 1997 tentang Statistik. Berdasarkan
UU ini yang ditindaklanjuti dengan peraturan perundangan dibawahnya, secara
formal nama Biro Pusat Statistik diganti menjadi Badan Pusat Statistik.

19
Materi yang merupakan muatan baru dalam UU Nomor 16 Tahun 1997, antara
lain :

a) Jenis statistik berdasarkan tujuan pemanfaatannya terdiri atas statistik

dasar yang sepenuhnya diselenggarakan oleh BPS, statistik sektoral yang
dilaksanakan oleh instansi Pemerintah secara mandiri atau bersama dengan
BPS, serta statistik khusus yang diselenggarakan oleh lembaga, organisasi,
perorangan, dan atau unsur masyarakat lainnya secara mandiri atau
bersama dengan BPS.

b) Hasil statistik yang diselenggarakan oleh BPS diumumkan dalam Berita

Resmi Statistik (BRS) secara teratur dan transparan agar masyarakat
dengan mudah mengetahui dan atau mendapatkan data yang diperlukan.

c) Sistem Statistik Nasional yang andal, efektif, dan efisien.

d) Dibentuknya Forum Masyarakat Statistik sebagai wadah untuk

menampung aspirasi masyarakat statistik, yang bertugas memberikan
saran dan pertimbangan kepada BPS.

Berdasarkan undang-undang yang telah disebutkan di atas, peranan yang harus

dijalankan oleh BPS adalah sebagai berikut :

a) Menyediakan kebutuhan data bagi pemerintah dan masyarakat. Data ini

didapatkan dari sensus atau survey yang dilakukan sendiri dan juga dari
departemen atau lembaga pemerintahan lainnya sebagai data sekunder

b) Membantu kegiatan statistik di departemen, lembaga pemerintah atau

institusi lainnya, dalam membangun sistem perstatistikan nasional.

c) Mengembangkan dan mempromosikan standar teknik dan metodologi

statistik, dan menyediakan pelayanan pada bidang pendidikan dan
pelatihan statistik.

20
 d) Membangun kerjasama dengan institusi internasional dan negara lain
untuk kepentingan perkembangan statistik Indonesia.

3.3 Visi, Misi, Fungsi dan Tujuan Badan Pusat Statistik

Visi BPS Kota Surakarta adalah sebagai pelopor data statistik terpercaya
untuk semua. Sedangkan misi BPS Kota Surakarta adalah :

1. Menyediakan data statistik berkualitas melalui kegiatan statistik yang

terintegrasi dan berstandar nasional maupun internasional.
2. Memperkuat Sistem Statistik Nasional yang berkesinambungan melalui
pembinaan dan koordinasi di bidang statistic
3. Membangun insan statistik yang profesional, berintegritas dan amanah
untuk kemajuan perstatistikan

3.4 Badan Pusat Statistik Kota Surakarta

Badan Pusat Statistik adalah Lembaga Pemerintah Non-Departemen yang
bertanggung jawab langsung kepada Presiden. Sebelumnya, BPS merupakan Biro
Pusat Statistik, yang dibentuk berdasarkan UU Nomor 6 Tahun 1960 tentang
Sensus dan UU Nomer 7 Tahun 1960 tentang Statistik. Sebagai pengganti kedua
UU tersebut ditetapkan UU Nomor 16 Tahun 1997 tentang Statistik. Berdasarkan
UU ini yang ditindaklanjuti dengan peraturan perundangan dibawahnya, secara
formal nama Biro Pusat Statistik diganti menjadi Badan Pusat Statistik.

Materi yang merupakan muatan baru dalam UU Nomor 16 Tahun 1997, antara
lain :

e) Jenis statistik berdasarkan tujuan pemanfaatannya terdiri atas statistik

dasar yang sepenuhnya diselenggarakan oleh BPS, statistik sektoral yang
dilaksanakan oleh instansi Pemerintah secara mandiri atau bersama dengan
BPS, serta statistik khusus yang diselenggarakan oleh lembaga, organisasi,
perorangan, dan atau unsur masyarakat lainnya secara mandiri atau
bersama dengan BPS.

21
 f) Hasil statistik yang diselenggarakan oleh BPS diumumkan dalam Berita
Resmi Statistik (BRS) secara teratur dan transparan agar masyarakat
dengan mudah mengetahui dan atau mendapatkan data yang diperlukan.

g) Sistem Statistik Nasional yang andal, efektif, dan efisien.

h) Dibentuknya Forum Masyarakat Statistik sebagai wadah untuk

menampung aspirasi masyarakat statistik, yang bertugas memberikan
saran dan pertimbangan kepada BPS.

Berdasarkan undang-undang yang telah disebutkan di atas, peranan yang harus

dijalankan oleh BPS adalah sebagai berikut :

e) Menyediakan kebutuhan data bagi pemerintah dan masyarakat. Data ini

didapatkan dari sensus atau survey yang dilakukan sendiri dan juga dari
departemen atau lembaga pemerintahan lainnya sebagai data sekunder

f) Membantu kegiatan statistik di departemen, lembaga pemerintah atau

institusi lainnya, dalam membangun sistem perstatistikan nasional.

g) Mengembangkan dan mempromosikan standar teknik dan metodologi

statistik, dan menyediakan pelayanan pada bidang pendidikan dan
pelatihan statistik.

h) Membangun kerjasama dengan institusi internasional dan negara lain

untuk kepentingan perkembangan statistik Indonesia.

3.5 Struktur Organisasi Badan Pusat Statistik Kota Surakarta

BPS dipimpin oleh seorang Kepala yang mempunyai tugas memimpin BPS
sesuai dengan ketentuan peraturan perundang-undangan yang berlaku;
menyiapkan kebijakan nasional dan kebijakan umum sesuai dengan tugas BPS;
menetapkan kebijakan teknis pelaksanaan tugas BPS yang menjadi tanggung
jawabnya; serta membina dan melaksanakan kerja sama dengan instansi dan
organisasi lain. Kepala dibantu oleh sub bagian tata usaha dan kelima seksi, yaitu

22
 seksi statistik sosial, seksi statistik produksi, seksi statistik distribusi, seksi
Nerwilis dan seksi integrasi, pengolahan, dan diseminasi statistik (IPDS).

Berikut adalah gambar struktur organisasi BPS :

Kepala

Sub Bagian TU

Seksi StatistikSeksi
Sosial
Statistik Seksi
Produksi Seksi Nerwilis Seksi IPDS
Statistik Distribusi

Tenaga Fungsional

Uraian Tugas Bidang Pekerjaan Badan Pusat Statistik Kota Surakarta

Tugas, fungsi dan kewenangan BPS telah ditetapkan berdasarkan

Peraturan Presiden Nomor 86 Tahun 2007 tentang Badan Pusat Statistik dan
Peraturan Kepala Badan Pusat Statistik Nomor 7 Tahun 2008 tentang Organisasi
dan Tata Kerja Badan Pusat Statistik.
1. Tugas
Melaksanakan tugas pemerintahan dibidang statistik sesuai peraturan
perundang-undangan.
2. Fungsi
1) Pengkajian, penyusunan dan perumusan kebijakan dibidang
statistik;
2) Pengkoordinasian kegiatan statistik nasional dan regional;
3) Penetapan dan penyelenggaraan statistik dasar;

23
 4) Penetapan sistem statistik nasional;
5) Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah
dibidang kegiatan statistik; dan
6) Penyelenggaraan pembinaan dan pelayanan administrasi umum
dibidang perencanaan umum, ketatausahaan, organisasi dan
tatalaksana, kepegawaian, keuangan, kearsipan, kehumasan,
hukum, perlengkapan dan rumah tangga.
3. Kewenangan
1. Penyusunan rencana nasional secara makro di bidangnya;
2. Perumusan kebijakan di bidangnya untuk mendukung
pembangunan secara makro;
3. Penetapan sistem informasi di bidangnya;
4. Penetapan dan penyelenggaraan statistik nasional;
5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-
undangan yang berlaku, yaitu;
a. Perumusan dan pelaksanaan kebijakan tertentu di bidang
kegiatan statistik;
b. Penyusun pedoman penyelenggaraan survei statistik sektoral.

BPS Kota Surakarta mempunyai tugas melaksanakan penyelenggaraan

statistik dasar, neraca wilayah serta koordinasi dan kerjasama statistik.

Fungsi BPS Kota Surakarta :

a. Pengumpulan, pengolahan serta evaluasi dan laporan statistik dasar di

tingkat kota meliputi statistik sosial, statistik produksi, statistik distribusi,
neraca wilayah, dan analisis statistik serta integrasi pengolahan dan
diseminasi statistik;
b. koordinasi dan kerjasama statistik dengan instansi pemerintah, swasta,
lembaga, organisasi perorangan atau unsur masyarakat lainnya;
c. penghimpunan dan pengembangan rujukan statistik serta pemberian
rekomendasi penyelenggaraan statistik kepada instansi pemerintah di
tingkat kota;
d. penyiapan bahan untuk pemngembangan pambakuan konsep, definisi,
klasifikasi-klasifikasi, dan ukuran-ukuran serta pengembangan ilmu
pengetahuan dan teknologi yang mendukung penyelenggaraan statistik;

24
 e. pelayanan informasi statistik dan penyebarluasan hasil statistik kepada
pemerintah dan masyarakat serta upaya peningkatan sadar statistik bagi
masyarakat;
f. pembinaan penyelenggaraan statistik, responden, dan pengguna statistik;
g. penyusunan rencana dan program serta urusan administrasi dan
kerumahtanggaan Badan Pusat Statistik kota.

Sedangkan tugas dan wewenang tiap bagian di BPS adalah sebagai berikut :

1. Kepala
Memimpin BPS kota sesuai tugas dan fungsi serta membina aparatur BPS
agar berdaya guna dan berhasil guna.

2. Sub Bagian Tata Usaha

Melakukan rencana program urusan kepegawaian dan hukum, keuangan,
perlengkapan serta urusan intern instansi.
Secara rinci tugas dari sub bagian tata usaha sebagai berikut :
a. menuyusun program kerja tahunan sub bagian tata usaha;
b. melakukan penyiapan bahan dan penyusunan rancangan usaha program
dan anggaran tahunan BPS kota baik rutin maupun proyek dan
menyampaikan ke BPS provinsi;
c. mengikuti program pelatihan yang diselenggarakan dalam rangka
kegiatan ketatausahaan;
d. melakukan penyiapan, penyusunan rencan dan program, serta pengadaan,
penyaluran, penyimpanan, inventaris, penghapusan dan pemeliharaan
peralatan dan perlengkapan;
e. melakukan kegiatan tata usaha kepegawaian, pengadaan dan mutasi
pegawai, pembinaan pegawai, hukum dan perundang-undangan,
organisasi dan tata laksana, kesejahteraan pegawai, admonistrasi jabatan
fungsional serta penggajian;
f. melakukan kegiatan tata usaha keuangan, perbendaharaan, verifikasi dan
pembukuan, serta pengendalian pelaksanaan anggaran;
g. melakukan kegiatan surat menyurat, kearsipan, rumah tangga,
pemeliharaan gedung, keamanan dan ketertiban lingkungan, perjalanan
dinas, serta penggandaan atau percetakan;
h. melakukan kegiatan penyelenggaraan berbagai pelaksanaan teknis dan
pelatihan administrasi;

25
 i. membantu kepala BPS kota dalam melaksanakan pengawasn pelaksanaan
kegiatan dan anggaran;
j. membantu kepala BPS kota dalam melaksanakan penyiapan bahan untuk
penyusunan laporan tahunan akuntabilitas kinerja dan laporan tahunan
pelaksanaan program kerja lainnya, bekerja sama dengan satuan
organisasi terkait;
k. melaksanakan kegiatan pelayanan administrasi lainnya kepada semua
satuan organisasi di lingkungan BPS kota;
l. membantu kepala BPS kota dalam melaksanakan pembinaan, pengamatan
lanjut dan pengawasan pelaksanaan kegiatan ketatausahaan di BPS kota;
m. melakukan penerangan kegiatan statistik dan kehumasan;
n. melakukan kegiatan pendistribusian publikasi yang dihasilkan BPS kota
kepada instansi terkait;
o. melakukan penghimpunan tata cara dan hasil kegiatan yang dilakukan di
lingkungan sub bagian tata usaha;
p. menyusun laporan kegiatan sub bagian tata usaha secara berkala dan
sewaktu waktu;
q. mengatur dan melaksanakan tugas lain yang diberikan oleh atasan
langsung.

3. Seksi Statistik Sosial

Tugas dan wewenang seksi statistik sosial adalah melakukan pengumpulan,
pengolahan, analisis, evaluasi dan pelaporan statistik sosial.
Secara rinci tugas seksi statistik sosial sebagai berikut :
a. menyusun program tahunan seksi stastistik sosial;
b. melakukan penyiapan dokumen dan bahan yang diberikan untuk kegiatan
pengumpulan statistik sosial yang mencakup kegiatan statistik
kependudukan, kesejahteraan rakyat, ketahanan sosial, serta kegiatan
statistik sosial lainnya yang ditentukan;
c. mengikuti program pelatihan yang diselenggarakan dalam rangka
kegiatan statistik sosial;
d. membantu kepala BPS kota dalam menyiapkan program pelatihan
petugas lapangan kegiatan statistik sosial;
e. melakukan pembagian dokumen dan peralatan yang diperlukan untuk
pelaksanaan kegiatan statistik sosial;

26
 f. melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan
terhadap pelaksanaan kegiatan statistik sosial;
g. melakukan penerimaan dan pemeriksaan dokumen hasil pengumpulan
data statistik sosial;
h. melakukan pengolahan data statistik sosial sesuai dengan system dan
program yang ditetapkan, bekerja sama dengan organisasi terkait;
i. melakukan penyiapan dokumen dan atau hasil pengolahan statistik sosial
yang akan dikirim ke BPS dan atau BPS provinsi;
j. melakukan evaluasi hasil pengolahan statistik sosial sebagai bahan
masukan untuk penyempurnaan selanjutnya;
k. membantu kepala BPS kota dalam melaksanakan pembinaan petugas
lapangan dalam rangka pengumpulan data statistik sosial di kota dan
kecamatan;
l. membantu kepala BPS kota dalam koordinasi dan kerjasama pelaksanaan
kegiatan statistik sosial baik dengan pemerintah kota maupun instansi
lain;
m. melakukan penyiapan naskah publikasi statistik sosial dan menyampaikan
kesatuan organisasi terkait untuk pelaksanaan pencetakan dan
penyebarannya;
n. membantu kepala BPS kota dalam melaksanakan pembinaan penyusunan
publikasi statistik sosial dalam bentuk buku publikasi;
o. membantu kepala BPS kota dalam melaksanakan dan mengembangkan
statistik sosial;
p. membantu kepala BPS kota dalam melaksanakan pengendalian
pelaksanaan kegiatan statistik sosial;
q. membantu kepala BPS kota dalam koordinasi lapangan dengan pihak
kecamatan, koordinator kecamatan dan instansi yang terkait dalam
pelaksanaan kegiatan statistik sosial;
r. melakukan penyiapan bahan laporan akuntabilitas seksi statistik sosial;
s. melakukan penghimpunan tata cara dan hasil kegiatan yang dilakukan di
lingkungan statistik sosial;
t. menyusun laporan kegiatan statistik sosial secara berkala dan sewaktu
waktu;
u. melakukan tugas lain yang diberikan oleh atasan langsung.

4. Seksi Statistik Produksi

27
Tugas dan wewenang seksi statistik produksi adalah pengumpulan,
pengolahan, analisis, evaluasi dan pelaporan statistik produksi.
Secara rinci tugas seksi statistik produksi sebagai berikut :
a. menyusun program kerja tahunan seksi statistik produksi;
b. melakukan penyiapan dokumen dan bahan yang diberikan untuk kegiatan
pengumpulan statsitik produksi yang mencakup kegiatan statistik
pertanian, industry, pertambangan, energi serta kegiatan statistik produksi
lainnya yang ditentukan;
c. mengikuti program pelatihan yang diselenggarakan dalam rangka
kegiatan statistik produksi;
d. membantu kepala BPS kota dalam menyikapi program pelatihan petugas
lapangan kegiatan statistik produksi;
e. melakukan pembagian dokumen dan peralatan yang diperlukan untuk
pelaksanaan kegiatan lapangan statistik produksi;
f. melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan
terhadap pelaksanaan kegiatan statistik produksi;
g. melakukan penerimaan dan pemeriksaan dokumen hasil pengumpulan
data statistik produksi;
h. melakukan pengolahan data statistik produksi sesuai dengan system dan
program yang ditetapkan, bekerjasama dengan organisasi terkait;
i. melakukan penyiapan dokumen dan atau hasil pengolahan statistik
produksi yang akan dikirim ke BPS dan atau BPS provinsi sesuai dengan
jadwal yang ditetapkan;
j. melakukan evaluasi hasil pengolahan statistik produksi sebagai bahan
masukan untuk penyempurnaan selanjutnya;
k. membantu kepala BPS kota dalam melaksanakan pembinaan petugas
lapangan dalam rangka pengumpulan data statistik produksi di kota dan
di kecamatan;
l. membantu kepala BPS kota dalam koordinasi dan kerjasama pelaksanaan
kegiatan statistik produksi baik dengan pemerintah daerah maupun
instansi lain;
m. melakukan penyiapan naskah publikasi statistik produksi dan
menyampaikan kesatuan organisasi terkait untuk pelaksanaan pencetakan
dan penyebarannya;
n. membantu kepala BPS kota dalam melaksanakan pembinaan penyusunan
publikasi statistik produksi dalam bentuk buku publikasi;

28
 o. membantu kepala BPS kota dalam melaksanakan dan mengembangkan
statistik produksi;
p. membantu kepala BPS kota dalam melaksanakan pengendalian
pelaksanaan kegiatan statistik produksi;
q. membantu kepala BPS kota dalam koordinasi lapangan dengan pihak
kecamatan, koordinator kecamatan dan instansi terkait dalam pelaksanaan
kegiatan statistik produksi;
r. melakukan penyiapan bahan laporan akuntabilitas seksi statistik produksi;
s. melakukan penghimpunan tata cara dan hasil kegiatan yang dilaksanakan
di lingkungan statistik produksi;
t. menyusun laporan kegiatan statistik produksi secara berkala dan sewaktu
waktu;
u. melakukan tugas lain yang diberikan oleh atasan langsung.

5. Seksi Statistik Distribusi

Tugas dan wewenang seksi statistik distribusi adalah melakukan
pengumpulan, pengolahan, analisis, evaluasi dan pelaporan statistik produksi.
Secara rinci tugas seksi statistik produksi sebagai berikut :
a. menyusun program kerja tahunan seksi statistik distribusi;
b. melakukan penyiapan dokumen dan bahan yang diberikan untuk kegiatan
pengumpulan statsitik distribusi yang mencakup kegiatan statistik harga
konsumen dan perdagangan besar, keuangan dan harga produsen, niaga
dan jasa, serta kegiatan statistik distribusi lainnya;
c. mengikuti program pelatihan yang diselenggarakan dalam rangka
kegiatan statistik distribusi;
d. membantu kepala BPS kota dalam menyikapi program pelatihan petugas
lapangan kegiatan statistik distribusi;
e. melakukan pembagian dokumen dan peralatan yang diperlukan untuk
pelaksanaan kegiatan lapangan statistik distribusi;
f. melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan
terhadap pelaksanaan kegiatan statistik distribusi;
g. melakukan penerimaan dan pemeriksaan dokumen hasil pengumpulan
data statistik distrbusi;
h. melakukan pengolahan data statistik distribusi sesuai dengan sistem dan
program yang ditetapkan, bekerjasama dengan organisasi terkait;

29
i. melakukan penyiapan dokumen dan atau hasil pengolahan statistik
distribusi yang akan dikirim ke BPS dan atau BPS provinsi sesuai dengan
jadwal yang ditetapkan;
j. melakukan evaluasi hasil pengolahan statistik distribusi sebagai bahan
masukan untuk penyempurnaan selanjutnya;
k. membantu kepala BPS kota dalam melaksanakan pembinaan petugas
lapangan dalam rangka pengumpulan data statistik distribusi di kota dan
di kecamatan;
l. membantu kepala BPS kota dalam koordinasi dan kerjasama pelaksanaan
kegiatan statistik distribusi baik dengan pemerintah daerah maupun
instansi lain;
m. melakukan penyiapan naskah publikasi statistik distribusi dan
menyampaikan kesatuan organisasi terkait untuk pelaksanaan pencetakan
dan penyebarannya;
n. membantu kepala BPS kota dalam melaksanakan pembinaan penyusunan
publikasi statistik distribusi dalam bentuk buku publikasi;
o. membantu kepala BPS kota dalam melaksanakan dan mengembangkan
statistik distribusi;
p. membantu kepala BPS kota dalam melaksanakan pengendalian
pelaksanaan kegiatan statistik distribusi;
q. membantu kepala BPS kota dalam koordinasi lapangan dengan pihak
kecamatan, koordinator kecamatan dan instansi terkait dalam pelaksanaan
kegiatan statistik distribusi;
r. melakukan penyiapan bahan laporan akuntabilitas seksi statistik
distribusi;
s. melakukan penghimpunan tata cara dan hasil kegiatan yang dilaksanakan
di lingkungan statistik distribusi;
t. menyusun laporan kegiatan statistik distribusi secara berkala dan sewaktu
waktu;
u. melakukan tugas lain yang diberikan oleh atasan langsung.

30
Seksi Neraca Wilayah dan Analisis Statistik

Tugas dan wewenang seksi Neraca Wilayah dan Analisis Statistik adalah
melakukan pengumpulan, kompilasi data, pengolahan, analisis, evaluasi dan
pelaporan Neraca Wilayah dan Analisis Statistik .
Secara rinci tugas seksi Neraca Wilayah dan Analisis Statistik sebagai
berikut:
a. menyusun program kerja tahunan seksi Neraca Wilayah dan Analisis
Statistik;
b. melakukan penyiapan dokumen dan bahan yang diberikan untuk kegiatan
pengumpulan Statistik Neraca Wilayah dan Analisis Statistik yang
mencakup kegiatan penyusunan neraca produksi, neraca konsumsi, dan
neraca lainnya, analisis dan perkembangan statistik serta penyusunan
neraca wilayah dan analisis statistik lainnya yang ditentukan;
c. mengikuti program pelatihan yang diselenggarakan dalam rangka
kegiatan statistik Neraca Wilayah dan Analisis Statistik;
d. membantu kepala BPS kota dalam menyikapi program pelatihan petugas
lapangan kegiatan statistik Neraca Wilayah dan Analisis Statistik;
e. melakukan pembagian dokumen dan peralatan yang diperlukan untuk
pelaksanaan kegiatan lapangan statistik Neraca Wilayah dan Analisis
Statistik;
f. melakukan pembinaan, pengamatan lanjut, dan pengawasan lapangan
terhadap pelaksanaan kegiatan statistik Neraca Wilayah dan Analisis
Statistik;
g. melakukan penerimaan dan pemeriksaan dokumen hasil pengumpulan
data statistik Neraca Wilayah dan Analisis Statistik;
h. melakukan evaluasi pengolahan data statistik Neraca Wilayah dan
Analisis Statistik sesuai dengan sistem dan program yang ditetapkan,
bekerjasama dengan organisasi terkait;
i. melakukan penyiapan dokumen dan atau hasil pengolahan statistik
Neraca Wilayah dan Analisis Statistik yang akan dikirim ke BPS dan atau
BPS provinsi sesuai dengan jadwal yang ditetapkan;
j. melakukan penyusunan neraca wilayah dan analisis statistik lintas sektor;

31
 k. melakukan evaluasi hasil pengolahan statistik Neraca Wilayah dan
Analisis Statistik sebagai bahan masukan untuk penyempurnaan
selanjutnya;
l. membantu kepala BPS kota dalam melaksanakan pembinaan petugas
pencacah, pengawas, pemeriksa, serta pengumpulan data neraca wilayah
di kota dan di kecamatan;
m. membantu kepala BPS kota dalam koordinasi dan kerjasama pelaksana
kegiatan neraca wilayah dan analisis statistik baik dengan pemerintah
daerah maupun instansi lain;
n. melakukan penyiapan naskah publikasi dengan bentuk baku yang
ditetapkan serta menyampaikan kesatuan organisasi terkait untuk
pelaksanaan pencetakan dan penyebarannya;
o. melakukan kegiatan penyiapan dan penghimpunan bahan serta
penyusunan naskah publikasi statistik berkala sesuai bentuk baku yang
ditetapkan serta menyampaikan ke satuan organisasi terkait untuk
pelaksanaan pencetakan dan penyebarannya;
p. membantu kepala BPS kota dalam melaksanakan pembinaan penyusunan
publikasi neraca wilayah dalam bentuk buku publikasi;
q. membantu kepala BPS kota dalam melaksanakan dan mengembangkan
statistik produksi;
r. membantu kepala BPS kota dalam melaksanakan pengendalian
pelaksanaan kegiatan neraca wilayah dan analisis statistik;
s. melakukan penyiapan bahan laporan akuntabilitas seksi neraca wilayah
dan analisis statistik;
t. melakukan penghimpunan tata cara dan hasil kegiatan yang dilaksanakan
di lingkungan seksi neraca wilayah dan analisis statistik;
u. menyusun laporan kegiatan seksi neraca wilayah dan analisis statistik
secara berkala dan sewaktu waktu;
v. melakukan tugas lain yang diberikan oleh atasan langsung.

6. Seksi Integrasi Pengolahan dan Diseminasi Statistik

Tugas dan wewenang seksi integrasi pengolahan dan diseminasi statistik
adalah melaksanakan pengintegrasian pengolahan data, pengelolaan jaringan
dan rujukan statistik serta diseminasi dan layanan statistik.
Secara rinci tugas seksi integrasi pengolahan dan diseminasi statistik sebagai
berikut :

32
a. menyusun program kerja tahunan seksi integrasi pengolahan dan
diseminasi statistik;
b. melakukan penyusunan, pemeliharaan, penyelesaian permasalahan dan
penerapan system jaringan komunikasi data sesuai dengan aturan yang
ditetapkan serta membantu penerapan teknologi informasi;
c. mengikuti program pelatihan yang diselenggarakan dalam rangka
kegiatan integrasi pengolahan dan diseminasi statistik;
d. melakukan koordinasi pengolahan dan pemeliharaan perangkat keras dan
perangkat lunak serta menyusun system pengelolaan data, melakukan
pengolahan data bekerja sama dengan satuan organisasi terkait;
e. melakukan pembuatan, implementasi serta operasi system dan program
aplikasi pengolahan dan diseminasi data statistik termasuk sarana
pendukungnya;
f. melakukan penyusunan, pemeliharaan serta pengembangan system basis
data statistik dan system basis data manajemen sesuai aturan yang
ditetapkan;
g. melakukan kajian dan evaluasi kebutuhan pengolahan data termasuk
bahan komputer, bekerjasama dengan organisasi terkait;
h. membantu kepala BPS kota dalam melaksanakan kegiatan rujukan
statistik dasar, statistik sektoral dan statistik ;
i. melakukan penerimaan, pengelolaan serta pengolahan semua dokumen
yang berkaitan dengan rujukan statistik dan penyempurnaan format yang
berkaitan dengan rujukan statistik;
j. melakukan penyusunan serta evaluasi data untuk rujukan statistik;
k. melakukan kompilasi rancangan teknis survey statistik sektoral instansi
pemerintah lain serta membahas dengan satuan organisasi terkait sesuai
dengan asas pembakuan dan manfaat;
l. membantu kepala BPS kota dalam mengatur dan menyiapkan konsep
rekomendasi sebagai bahan pelaksana survey statistik sektoral bagi
instansi pemerintah lain, bekerja sama dengan satuan organisasi terkait;
m. melakukan kompilasi naskah dari satuan organisasi di lingkungan BPS
kota dalam bentuk softcopy untuk dijadikan naskah publikasi siap cetak;
n. membantu kepala BPS kota dalam mengatur dan melaksanakan
pemantauan serta evaluasi publikasi yang telah diterbitkan;
o. melakukan penyusunan prosedur penyiapan bahan serta melaksanakan
kegiatan pelayanan informasi statistik dan konsultasi statistik, serta

33
 sosialisasi dan penyebarluasan dan pemasyarakatan pengguna produk
informasi;
p. melakukan pengelolaan bahan pustaka dan dokumen statistik sesuai
pedoman yang ditentukan;
q. melakukan penyusunan penyiapan bahan, pemeliharaan data dan peta
untuk pemetaan serta kerangka contoh induk termasuk datanya untuk
keperluan sistem informasi geografis, rancangan survei dan sensus
bekerja sama dengan organisasi yang terkait;
r. melakukan penyiapan bahan laporan akuntabilitas seksi integrasi
pengolahan dan diseminasi statistik;
s. melakukan pemantauan perubahan wilayah administrasi yang dilakukan
oleh pemerintah daerah setempat dan menyampaikannya ke satuan
organisasi terkait;
t. melakukan penghimpunan tata cara dan hasil kegiatan yang dilaksanakan
di lingkungan seksi integrasi pengolahan dan diseminasi statistik;
u. menyusun laporan kegiatan seksi integrasi pengolahan dan diseminasi
statistik secara berkala dan sewaktu waktu;
v. melakukan tugas lain yang diberikan oleh atasan langsung.

7. Kelompok Jabatan Fungsional

Tugas dan wewenang kelompok jabatan fungsional adalah melakukan
kegiatan sesuai dengan jabatan fungsional berdasarkan peraturan perundang-
undangan yang berlaku.

34
 BAB IV
PEMBAHASAN

1.1 Data
Berikut data Banyaknya Air Minum yang Disalurkan Setiap Bulan
di Kota Surakarta dari bulan Januari 2007 sampai Desember 2014. Untuk tujuan
peramalan, data dibagi menjadi dua yaitu data untuk menghasilkan model dan
untuk evaluasi hasil peramalan. Data yang digunakan untuk membuat model
adalah data dari tahun 2007 sampai dengan 2014, sedangkan data untuk evaluasi
hasil peramalan adalah data bulan Januari sampai Desember 2015.

Tabel 4.1. Data Banyaknya Air Minum yang Disalurkan Setiap Bulan
di Kota Surakarta(dalam liter)
Tahun
Bulan
2007 2008 2009 2010
1.357.39 1.276.26 1.320.13 1.445.41
Januari 3 1 7 8
1.269.93 1.263.37 1.219.64 1.309.36
Februari 7 6 4 0
1.190.82 1.202.10 1.127.01 1.268.32
Maret 4 0 9 9
1.300.99 1.232.40 1.231.27 1.399.03
April 0 1 6 4
1.229.80 1.280.89 1.214.83 1.304.83
Mei 8 8 9 3

35
 1.353.74 1.296.43 1.214.32 1.307.95
Juni 2 8 4 2
1.283.96 1.241.42 1.217.36 1.299.79
Juli 6 1 5 3
1.285.09 1.282.94 1.208.87 1.334.62
Agustus 4 8 8 7
Septembe 1.323.65 1.288.32 1.211.69 1.316.21
r 4 2 3 0
1.215.53 1.418.20 1.271.88 1.314.02
Oktober 3 0 1 3
Nopembe 1.423.89 1.278.30 1.312.18 1.299.86
r 1 5 0 9
Desembe 1.320.83 1.249.58 1.220.06 1.305.41
r 0 3 6 6

Tahun
Bulan
2011 2012 2013 2014
1.289.91 1.288.21 1.341.87 1.316.05
Januari 3 2 0 8
1.236.70 1.218.30 1.257.44 1.259.36
Februari 9 2 6 4
1.159.68 1.205.89 1.212.99 1.227.10
Maret 6 0 4 6
1.281.36 1.309.39 1.259.28 1.297.60
April 3 3 0 7
1.246.10 1.229.43 1.311.17 1.242.65
Mei 7 6 6 5
1.260.60 1.314.49 1.329.43 1.307.48
Juni 0 7 9 7
1.244.65 1.255.94 1.247.44 1.234.76
Juli 0 8 9 5
1.231.91 1.273.49 1.324.72 1.322.37
Agustus 0 0 3 4

36
Septembe 1.371.73 1.331.26 1.287.60 1.251.20
r 0 9 5 8
1.213.45 1.294.44 1.274.76 1.307.27
Oktober 5 1 1 8
Nopembe 1.288.34 1.363.61 1.384.55 1.372.15
r 0 4 9 8
Desembe 1.290.14 1.334.03 1.272.15 1.261.84
r 4 5 2 6

37
 1.2 Pola Data
Berikut adalah plot time series dari data banyaknya air minum yang disalurkan
PDAM di Surakarta tiap bulan (Yt).

Plot Time Series Banyak Air Minum yang Disalurkan PDAM Kota Surakarta
Tahun 2007-2014

1450000

1400000

1350000

1300000
Liter

1250000

1200000

1150000

1100000
Month Jan Jan Jan Jan Jan Jan Jan Jan
Year 2007 2008 2009 2010 2011 2012 2013 2014

Gambar 4.1. Plot Time Series banyaknya air minum yang disalurkan PDAM di
Surakarta

Berdasarkan plot di atas dapat terlihat bahwa data berfluktuasi pada mean data yang
terlihat hampir konstan. Oleh karena itu, dugaan sementara data banyaknya air minum
yang disalurkan PDAM di Surakarta pada Januari 2007 sampai dengan Desember 2014
telah stasioner terhadap mean dan variansi.

Kemudian akan dilihat plot Autocorrelation Function (ACF) pada data tersebut.
Berikut adalah plot ACF dari data banyaknya air minum yang disalurkan PDAM di
Surakarta pada Januari 2007 sampai dengan Desember 2014
 Autocorrelation Function for Data Air PDAM Kota Surakarta 2007-2014
(with 5% significance limits for the autocorrelations)

1,0
0,8
0,6
0,4
Autocorrelation

0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0

1 5 10 15 20 25 30 35 40 45 50
Lag

Gambar 4.2. Plot Autokorelasi data banyaknya air minum yang disalurkan PDAM di
Surakarta pada

Berdasarkan pada plot ACF dari data banyaknya air minum yang disalurkan PDAM
di Surakarta pada Januari 2007 sampai dengan Desember 2014 semua lag masuk dalam
pita konfidensi, sehingga dapat disimpulkan bahwa data stasioner.

1.3 Metode Peramalan dan Uji Asumsi

Untuk tujuan peramalan data banyaknya air minum yang disalurkan PDAM di
Surakarta pada Januari 2007 sampai dengan Desember 2014, dapat digunakan data Yt
dengan metode yang bersesuaian dengan jenis data tersebut.
Untuk data banyaknya air minum yang disalurkan PDAM di Surakarta (Yt), metode
yang mungkin dapat digunakan untuk meramalkan data banyaknya air minum yang
disalurkan PDAM di Surakarta pada Januari 2007 sampai dengan Desember 2014
adalah sebagai berikut :
a. Metode Naive
b. Metode Moving Average
c. Metode Single Exponential Smoothing
Berikut adalah hasil analisis data banyaknya air minum yang disalurkan PDAM di
Surakarta pada Januari 2007 sampai dengan Desember 2014 dengan metode terkait
beserta hasil uji asumsi dan evaluasi metode peramalan.
a. Naive
 Dengan bantuan software Microsoft Excel diperoleh data banyaknya air
minum yang disalurkan PDAM di Surakarta pada Januari 2007 sampai dengan
Desember 2014 yang diolah dengan metode naive. Berikut adalah tabel hasil
dari metode naive

1). MAPE =0,046301471

2). MAD =59721,55208
3). MSE =5687370037
b.
Moving Average
 Dengan software Minitab diperoleh peramalan data banyaknya air minum
yang disalurkan PDAM di Surakarta dengan metode moving average dengan
panjang moving average sebesar tiga (k=3) sebagai berikut.
Moving Average Plot for Data Air yang Disalurkan PDAM Kota Surakarta 2007-2014

1450000 Variable
Actual
Fits
1400000 Forecasts
95,0% PI

1350000 Moving Average

Length 3

Accuracy Measures
air 2007

1300000
MAPE 3
MAD 44347
1250000 MSD 3368658199

1200000

1150000

1100000
1 11 22 33 44 55 66 77 88 99
Index

Gambar 4.3. Plot Double Moving Average banyaknya air minum yang disalurkan
PDAM di Surakarta

1). MAPE =3
2). MAD =44347
3). MSE =3368658199

Untuk memastikan bahwa metode Moving Average dapat meramalkan

banyaknya air minum yang disalurkan PDAM di Surakarta 2015 maka
dilakukan uji kecukupan model dengan uji kenormalan dan kerandoman
residual.

Uji Kenormalan
 Probability Plot of RESIDU Data PDAM Kota Surakarta 2007-2014
Normal
99,9
Mean 1317
StDev 58340
99
N 93
KS 0,067
95 P-Value >0,150
90
80
70
Percent

60
50
40
30
20
10
5

0,1
-200000 -100000 0 100000 200000
RESI5

Gambar 4.4. Probability Plot Metode Double Moving Average banyaknya air minum
yang disalurkan PDAM di Surakarta

i. Ho : residu berdistribusi normal

H1 : residu tidak berdistribusi normal
ii. = 0,05
iii. Daerah Kritis
Ho ditolak jika p-value < = 0,05
iv. Statistik Uji : p-value > 0,150
v. Kesimpulan
Karena p-value > = 0,05 maka Ho tidak ditolak sehingga dapat
disimpulkan residu berdistribusi normal.

Uji Kerandoman Residual

Autocorrelation Function for RESIDU Data PDAM Kota Surakarta 2007-2014
(with 5% significance limits for the autocorrelations)

1,0
0,8
0,6
0,4
Autocorrelation

0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0

1 5 10 15 20 25 30 35 40 45 50
Lag
 Gambar 4.5. Autocorelation Residual Plot banyaknya air minum yang
disalurkan PDAM di Surakarta

Dari plot ACF dapat dilihat bahwa terdapat lag yang keluar dari pita
konfidensi, sehingga dapat di katakan bahwa residu tidak berpola random (acak).

Berdasarkan uji kecukupan model di atas, karena asumsi kenormalan

residual terpenuhi tetapi kerandoman residual tidak dipenuhi maka metode
Double Moving Average tidak dapat digunakan untuk meramalkan data
banyaknya air minum yang disalurkan PDAM di Surakarta.

c. Single Exponential Smoothing

Dengan software minitab, di dapatkan plot Single Exponential Smoothing

dan model peramalannya sebagai berikut :

Smoothing Plot for Data PDAM Kota Surakarta 2007-2014

Single Exponential Method

1450000 Variable
Actual
Fits
1400000 Forecasts
95,0% PI
1350000 Smoothing Constant
Alpha 0,0285511

1300000 Accuracy Measures

liter

MAPE 3
MAD 44023
1250000
MSD 3198641407

1200000

1150000

1100000
1 11 22 33 44 55 66 77 88 99
Index

Gambar 4.6. Plot Single Exponential smoothing banyaknya air minum yang disalurkan
PDAM di Surakarta

1). MAPE =3
2). MAD =44023
3). MSE =3198641407

Untuk memastikan bahwa Single Exponential smoothing dapat meramalkan

banyaknya air minum yang disalurkan PDAM di Surakarta Januari 2015 maka
dilakukan uji kecukupan model dengan uji kenormalan dan kerandoman
residual.
Uji Kenormalan

Probability Plot of RESIDU Data PDAM Kota Surakarta 2007-2014

Normal
99,9
Mean -320,8
StDev 56853
99
N 96
KS 0,065
95 P-Value >0,150
90
80
70
Percent

60
50
40
30
20
10
5

0,1
-200000 -100000 0 100000 200000
RESI2

Gambar 4.7. Probability Plot Metode Single Exponential Smoothing

i. Ho : residu berdistribusi normal

H1 : residu tidak berdistribusi normal
ii. = 0,05
iii. Daerah Kritis
Ho ditolak jika p-value < = 0,05
iv. Statistik Uji : p-value > 0,150
v. Kesimpulan
Karena p-value > = 0,05 maka Ho tidak ditolak sehingga dapat
disimpulkan residu berdistribusi normal.

Uji Kerandoman Residual

 Autocorrelation Function for RESIDU Data PDAM Kota Surakarta 2007-2014
(with 5% significance limits for the autocorrelations)

1,0
0,8
0,6
0,4
Autocorrelation

0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0

1 5 10 15 20 25 30 35 40 45 50
Lag

Gambar 4.8. Autocorelation Residual Plot banyaknya air minum yang disalurkan
PDAM di Surakarta

Dari plot ACF dapat dilihat bahwa semua lag berada dalam pita
konfidensi, sehingga dapat di katakan bahwa residu berpola random (acak).

Berdasarkan uji kecukupan model di atas, karena asumsi kenormalan

residual dan kerandoman residual dipenuhi maka Metode Single Exponential
Smoothing dapat digunakan untuk meramalkan data banyaknya air minum yang
disalurkan PDAM di Surakarta
Tabel 4.2. Perbandingan Tingkat Kesalahan Metode

Single Exponential
Naive Moving Average
Smoothing
MAPE 0,046301471 3 3
MAD 59721,55208 44347 44023
MSD 5687370037 3368658199 3198641407

Berdasarkan Tabel 4.2. Perbandingan Tingkat Kesalahan Metode, nilai

error terkecil adalah pengolahan data yang menggunakan metode Single
Exponential Smoothing. Jadi metode Single Exponential Smoothing yang sesuai
untuk meramalkan banyaknya air minum yang disalurkan PDAM di Surakarta
pada tahun selanjutnya.
 3.4 Peramalan

Berdasarkan analisis sebelumnya metode yang dapat digunakan untuk

meramalkan banyaknya air minum yang disalurkan PDAM di Surakarta pada tahun
selanjutnya adalah metode Single Exponential Smoothing. Hasil peramalan dengan
menggunakan metode Single Exponential Smoothing dengan bantuan software minitab
adalah sebagai berikut.

Single Exponential Smoothing for air 2007

Data air 2007

Length 96

Smoothing Constant

Alpha 0,0285511

Accuracy Measures

MAPE 3
MAD 44023
MSD 3198641407

Time air 2007 Smooth Predict Error

1 1357393 1287584 1285533 71860
2 1269937 1287081 1287584 -17647
3 1190824 1284332 1287081 -96257
4 1300990 1284808 1284332 16658
5 1229808 1283238 1284808 -55000
6 1353742 1285251 1283238 70504
7 1283966 1285214 1285251 -1285
8 1285094 1285210 1285214 -120
9 1323654 1286308 1285210 38444
10 1215533 1284287 1286308 -70775
11 1423891 1288273 1284287 139604
12 1320830 1289203 1288273 32557
13 1276261 1288833 1289203 -12942
14 1263376 1288106 1288833 -25457
15 1202100 1285651 1288106 -86006
16 1232401 1284131 1285651 -53250
17 1280898 1284038 1284131 -3233
18 1296438 1284392 1284038 12400
19 1241421 1283165 1284392 -42971
20 1282948 1283159 1283165 -217
21 1288322 1283307 1283159 5163
22 1418200 1287158 1283307 134893
23 1278305 1286905 1287158 -8853
24 1249583 1285840 1286905 -37322
25 1320137 1286819 1285840 34297
26 1219644 1284901 1286819 -67175
27 1127019 1280393 1284901 -157882
28 1231276 1278991 1280393 -49117
29 1214839 1277159 1278991 -64152
30 1214324 1275365 1277159 -62835
31 1217365 1273709 1275365 -58000
32 1208878 1271858 1273709 -64831
33 1211693 1270140 1271858 -60165
34 1271881 1270190 1270140 1741
35 1312180 1271389 1270190 41990
36 1220066 1269924 1271389 -51323
37 1445418 1274934 1269924 175494
38 1309360 1275917 1274934 34426
39 1268329 1275700 1275917 -7588
40 1399034 1279222 1275700 123334
41 1304833 1279953 1279222 25611
42 1307952 1280752 1279953 27999
43 1299793 1281296 1280752 19041
44 1334627 1282819 1281296 53331
45 1316210 1283772 1282819 33391
46 1314023 1284636 1283772 30251
47 1299869 1285071 1284636 15233
48 1305416 1285652 1285071 20345
49 1289913 1285773 1285652 4261
50 1236709 1284372 1285773 -49064
51 1159686 1280812 1284372 -124686
52 1281363 1280828 1280812 551
53 1246107 1279837 1280828 -34721
54 1260600 1279288 1279837 -19237
55 1244650 1278299 1279288 -34638
56 1231910 1276974 1278299 -46389
57 1371730 1279680 1276974 94756
58 1213455 1277789 1279680 -66225
59 1288340 1278090 1277789 10551
60 1290144 1278434 1278090 12054
61 1288212 1278713 1278434 9778
62 1218302 1276989 1278713 -60411
63 1205890 1274959 1276989 -71099
64 1309393 1275942 1274959 34434
65 1229436 1274614 1275942 -46506
66 1314497 1275753 1274614 39883
67 1255948 1275187 1275753 -19805
68 1273490 1275139 1275187 -1697
69 1331269 1276741 1275139 56130
70 1294441 1277247 1276741 17700
71 1363614 1279713 1277247 86367
72 1334035 1281264 1279713 54322
73 1341870 1282994 1281264 60606
74 1257446 1282265 1282994 -25548
75 1212994 1280287 1282265 -69271
76 1259280 1279687 1280287 -21007
77 1311176 1280586 1279687 31489
78 1329439 1281981 1280586 48853
79 1247449 1280995 1281981 -34532
80 1324723 1282243 1280995 43728
81 1287605 1282396 1282243 5362
82 1274761 1282178 1282396 -7635
83 1384559 1285102 1282178 102381
84 1272152 1284732 1285102 -12950
85 1316058 1285626 1284732 31326
86 1259364 1284876 1285626 -26262
87 1227106 1283227 1284876 -57770
88 1297607 1283638 1283227 14380
89 1242655 1282467 1283638 -40983
90 1307487 1283182 1282467 25020
91 1234765 1281799 1283182 -48417
92 1322374 1282958 1281799 40575
93 1251208 1282051 1282958 -31750
94 1307278 1282772 1282051 25227
95 1372158 1285324 1282772 89386
96 1261846 1284653 1285324 -23478

Forecasts

Period Forecast Lower Upper

97 1284653 1176800 1392507

Single Exponential Smoothing Plot for air 2007

 Jadi, Nilai peramalan banyaknya air minum yang disalurkan PDAM di Surakarta
bulan Januari 2015 adalah 1.284.653 liter dengan kemungkinan tertinggi sebanyak
1.176.800 liter dan terendah sebanyak 1.392.507 liter.

BAB V
PENUTUP
5.1 Kesimpulan
Dari pembahasan diatas dapat ditarik kesimpulan yaitu :
1. Kegiatan Magang Mahasiswa memberikan manfaat kepada mahasiswa karena
mahasiswa dapat menerapkan ilmu pengetahuan yang didapat selama
perkuliahan dan belajar menyesuaikan diri dengan dunia kerja.
2. Metode terbaik untuk meramalkan data banyaknya air minum yang disalurkan
PDAM di Surakarta tahun 2015 adalah dengan metode Single Exponential

Smoothing dengan model

Y^ t +1= Y t +(1 )Y^ t

Y^ t +1=(0,0285511)Y t +(0,9714489) Y^ t