UNU215101 Manajemen Industri

PERAMALAN KEBUTUHAN ENERGI LISTRIK

DENGAN METODE TIME SERIES ANALYSIS

Muhammad Irfan Nazhmi

20/463245/TK/51237

www.ugm.ac.id Locally Rooted, Globally Respected

 Pendahuluan
Peramalan merupakan metode untuk memprediksi kebutuhan konsumen di
masa yang akan datang berdasarkan data historis dan menggunakan beberapa
bentuk sistem model matematis untuk memberikan hasil prediksi. Salah satu
metode peramalan yang dapat digunakan adalah time series.

Metode time series merupakan metode peramalan yang menggunakan

analisis data untuk memprediksikan atau meramalkan pada masa mendatang.
Pada peramalan time series terdapat empat model data, yaitu model horizontal,
model tren, model musiman, dan model siklis. Pada metode time series terdapat
beberapa metode peramalan, antara lain tren linear, tren quadratic, tren
exponential, dan tren s-curve.

www.ugm.ac.id Locally Rooted, Globally Respected

 Pendahuluan
Peramalan ini bertujuan untuk mengetahui kebutuhan energi listrik jangka
panjang berdasarkan jumlah pelanggan, energi terjual, dan daya tersambung di
UID (Unit Induk Distribusi) Jawa Timur pada data kebutuhan energi listrik sektor
industri periode tahun 2021 hingga tahun 2025 dengan membandingkan hasil
perhitungan error dari metode time series dengan model Exponential Growth
Curve dan model Linear.

www.ugm.ac.id Locally Rooted, Globally Respected

 Model Exponential Growth Curve
Model exponential growth curve merupakan suatu bentuk yang mempunyai
data dimana perubahan datanya semakin lama semakin bertambah secara
eksponensial. Model Exponential Growth Curve memiliki persamaan sebagai
berikut:

𝑌 = 𝛽o𝑒^𝛽1^𝑇 (1)

e = eksponensial (2,71828)

β0 = konstanta yang menunjukan nilai data pada tahun awal

β1 = besarnya perubahan data dari satu periode ke periode lainnya

T = tahun

www.ugm.ac.id Locally Rooted, Globally Respected

 Model Linear
Model Linear sendiri merupakan suatu bentuk data dimana perubahan
datanya berdasarkan waktu adalah konstan. Model Linear memiliki persamaan
sebagai berikut:

𝑌𝑡 = 𝛽0+𝛽1𝑇

Yt = nilai data pada tahun t

Model Linear ini sangat mudah dioperasikan jika menggunakan alat bantu seperti
komputer dan juga dapat menggunakan banyak variabel sehingga dapat
memperoleh hasil data yang akurat dan optimal.

www.ugm.ac.id Locally Rooted, Globally Respected

 Data Rekapitulasi UID Jawa Timur 2010-2020

www.ugm.ac.id Locally Rooted, Globally Respected

 Grafik dengan Exponential Growth Curve

Grafik Prediksi Jumlah Pelanggan Model Exponential Growth Curve Tahun 2010-2020

www.ugm.ac.id Locally Rooted, Globally Respected

 Grafik dengan Exponential Growth Curve

Grafik Prediksi Jumlah Daya Tersambung Model Exponential Growth Curve Tahun 2010-2020

www.ugm.ac.id Locally Rooted, Globally Respected

 Grafik dengan Exponential Growth Curve

Grafik Prediksi Jumlah Energi Terjual Model Exponential Growth Curve Tahun 2010-2020

www.ugm.ac.id Locally Rooted, Globally Respected

 Grafik dengan Model Linear

Grafik Prediksi Jumlah Pelanggan Model Linear Tahun 2010-2020

www.ugm.ac.id Locally Rooted, Globally Respected

 Grafik dengan Model Linear

Grafik Prediksi Daya Tersambung Model Linear Tahun 2010-2020

www.ugm.ac.id Locally Rooted, Globally Respected

 Grafik dengan Model Linear

Grafik Prediksi Energi Terjual Model Linear Tahun 2010-2020

www.ugm.ac.id Locally Rooted, Globally Respected

 Hasil Peramalan
Berdasarkan dari hasil data perhitungan nilai error, didapatkan bahwa metode
Analisis Time Series model exponential growth curve mempunyai nilai error peramalan
lebih baik pada jumlah pelanggan dan tingkat akurasi yang baik dibandingkan dengan
model linear sedangkan Jumlah Daya Tersambung dan Jumlah Energi Terjual didapatkan
jika metode Analisis Time Series Model linear mempunyai nilai error peramalan lebih
baik dibandingkan dengan model exponential growth curve di UID Jawa Timur sektor
industri.

www.ugm.ac.id Locally Rooted, Globally Respected

 Hasil Peramalan Jumlah Pelanggan

Grafik Peramalan Jumlah Pelanggan Pada Tahun 2021-2025

www.ugm.ac.id Locally Rooted, Globally Respected

 Hasil Peramalan Jumlah Daya Tersambung (MVA)

Grafik Peramalan Jumlah Daya Tersambung Pada Tahun 2021-2025

www.ugm.ac.id Locally Rooted, Globally Respected

 Hasil Peramalan Jumlah Energi Terjual (GWh)

Grafik Peramalan Jumlah Energi Terjual Pada Tahun 2021-2025

www.ugm.ac.id Locally Rooted, Globally Respected

 Kesimpulan
Dari hasil perhitungan error, metode peramalan yang paling tepat untuk melakukan peramalan dengan
metode time series dengan model exponential growth curve untuk jumlah pelanggan, sedangkan daya
tersambung dan energi terjual menggunakan model Linear.

Setelah itu, didapatkan bahwa jumlah pelanggan listrik di UID Jawa Timur dari tahun 2021-2025
mengalami kenaikan dengan rata-rata kenaikan per tahun sebesar 13.437,8. Untuk daya tersambung juga
mengalami kenaikan dengan rata-rata kenaikan per tahun sebesar 357,304 MVA dan energi terjual mengalami
kenaikan dengan rata-rata kenaikan per tahun sebesar 752,428 GWh.

Berdasarkan RUPTL 2019-2028 rata-rata jumlah produksi listrik di UID Jawa Timur pada tahun
2021-2025 sebesar 47.023,6 Gwh dan rata-rata energi terjual pada sektor industri sebesar 22.268,6 GWh
dengan persentase 47,29%. Sedangkan dari hasil penelitian rata-rata jumlah energi listrik di UID Jawa Timur
pada tahun 2021-2025 sebesar 17.740,1 GWh, artinya terjadi jumlah produksi energi listrik dengan energi listrik
yang terjual mencukupi sebesar 4.528,5 Gwh dari total produksi energi listrik pada tahun 2021-2025 di UID
Jawa Timur.

www.ugm.ac.id Locally Rooted, Globally Respected

 Terima Kasih

www.ugm.ac.id Locally Rooted, Globally Respected

Achmed Syam Illabi
20/456083/TK/50213

PERAMALAN METODE TIME SERIES: EXPONENTIAL SMOOTHING

TERHADAP PRODUKSI KAKAO DI KABUPATEN PADANG PARIAMAN

SUMATERA BARAT
 table of
CONTENT
Pendahuluan METODE lANGKAH

aNALISIS kESIMPULAN

creative portfolio Page 01 of 15

Pendahuluan Page 02 of 15

Kakao menjadi salah satu komoditas yang diunggulkan

di Indonesia dari sektor perkebunan. Komoditas kakao Tanaman Kakao
memiliki peran penting bagi perkembangan perekonomian
negara, khususnya sebagai penyedia lapangan pekerjaan,
sumber devisa negara, dan sumber pendapatan
masyarakat. Komoditas Kakao berada di peringkat 3
setelah kelapa sawit dan karet sebagai penghasil devisa
negara (Badan Pusat Statistik Indonesia, 2018). Berdasarkan
International Cocoa Organization (ICCO (2021)), Tahun 2019
Indonesia merupakan salah satu negara penghasil dan
pengekspor kakao terbesar yang berada pada peringkat
keenam di dunia dengan produksi kakao sebesar 220.000 https://www.google.com/url?sa=i&url=https%3A%2F%2Fwww.tobasatu.com%2F2016%2F04%2F20%2Ftanaman-
kakao-indonesia-dikuasai-pihak-asing%2F&psig=AOvVaw0i83-
ecSCBjYdFouzh9dLq&ust=1679324601460000&source=images&cd=vfe&ved=2ahUKEwjIhvfjoej9AhW0-
ton. HMBHVgcCigQr4kDegUIARDUAQ
Kakao di Padang Pariaman Page 03 of 15

Kakao merupakan salah satu komoditas perkebunan

yang memiliki peran penting bagi perkembangan ekonomi Tanaman Kakao
di Kabupaten Padang Pariaman Sumatera Barat. Produksi
Kakao di Kabupaten Padang Pariaman mengalami tren
yang relatif menurun, dikarenakan adanya faktor seperti
kebijakan dan strategi produksi dalam bersaingnya
produksi kakao di Kabupaten Padang Pariaman pada
industri kakao. Peramalan hasil produksi diperlukan untuk
mengetahui perkembangan hasil produksi dimasa depan
untuk itu dengan adanya metode peramalan time series
dari data masa lampau, sehingga diharapkan dapat
memberikan gambaran yang baik untuk merancang https://www.google.com/url?sa=i&url=http%3A%2F%2Fwww.tuliassociation.com%2Findustri-kakao-di-
indonesia%2F&psig=AOvVaw0i83-
ecSCBjYdFouzh9dLq&ust=1679324601460000&source=images&cd=vfe&ved=2ahUKEwjIhvfjoej9AhW0-
peraturan kedepannya. HMBHVgcCigQr4kDegUIARDEAQ
METODE Page 4 of 15

Gambar perkembangan produksi kakao di Padang Pariaman

Data penelitian yang dipergunakan dalam
peramalan produksi biji kakao di Kabupaten
Padang Pariaman pada pada tahun 2022 yaitu
terdiri atas data sekunder mengenai produksi
biji kakao dari tahun 2019 hingga 2021 dalam
satuan Ton (Badan Pusat Statistik Kabupaten
Padang Pariaman, 2021). Data yang diperoleh
tersebut merupakan produksi biji kakao di
setiap kecamatan di Kabupaten Padang
Pariaman yang nantinya akan diolah. Data
produksi kakao di Kabupaten Padang Pariaman
Sumber : https://padangpariamankab.bps.go.id/indicator/54/40/1/luas-produksi-kakao.html
dapat dilihat pada Tabel dibawah ini.
 Page 5 of 15

Metode time series adalah metode peramalan

dengan menggunakan analisa pola hubungan
antara variabel yang akan dipekirakan dengan
variabel waktu. Peramalan suatu data time
series perlu memperhatikan tipe atau pola
data. Secara umum terdapat empat macam
pola data time series, yaitu horizontal, trend,
musiman, dan siklis

Sumber:
https://softscients.com/2020/04/23/metode-peramalan-deret-waktu-forecasting-time-series/
 Page 56of 15

Metode Exponential Smoothing merupakan

metode peramalan pada data time series
dengan cara memberikan bobot pada data
sebelumnya untuk meramalkan nilai data
selanjutnya. Terdapat tiga jenis metode keterangan:
Exponential Smoothing yaitu: Single, Double, Ft = nilai ramalan untuk periode ke-t
dan Triple. Single digunakan pada data yang xt= nilai aktual periode ke t
memiliki pola berfluktuasi stabil, Double Ft-1 = nilai ramalan untuk periode waktu yang lalu
digunakan pada data yang memiliki pola tren, α = konstanta pemulusan (smoothing constant)
dan Triple digunakan pada data yang memiliki
pola tren dan musiman. . Rumusan exponential
smoothing adalah sebagai berikut.
LANGKAH Page 7 of 15

Total produksi (Ton)

Diketahui data masing masing kecematan
dari tahun 2019 hingga 2023 ( n = 3 )
Cari nilai α dengan menggunakan
persamaan berikut
a = 2/(n+1) = 2/(3+1) = 0.5
Cari nilai peramalan pertama dengan cara
= Jumlah nilai data / Jumlah data
Selanjutnya dapat menyelesaikan untuk
periode selanjutnya yaitu rumus exponential
smoothing Ft = Ft-1 + α(At-1 - Ft-1)
ANALISIS Page 8 of 15

Dari hasil perhitungan dengan bantuan Excel didapatkan bahwa tren produksi Kakao di Kabupaten

Padang Pariaman mengalami tren penurunan dari rentang tahun 2019 hingga 2021. Dari hasil

estimasi dihasilkan bahwa terjadi sedikit fluktuasi dari rentang tahun 2022 hingga 2024. Nilai

koefisien eksponensial yang digunakan yaitu 0.5. Maka dari data tersebut dapat diprediksi total

produksi kakao pada tahun 2023 akan mengalami kenaikandan turun lagi pada hingga tahun

2025.
 Page 9 of 15

Tren Produksi Kakao Besar Eror

 Page 10 of 15

KESIMPULAN
Dapat disimpulkan bahwa dengan menggunakan metode ini didapatkan bahwa

peramalan dengan metode eksponensial smoothing memiliki nilai error sebesar 1.6 %

dengan memprediksi hasil estimasi untuk tahun 2023 hingga 2025. Nilai error tersebut

diambil dari besar persentase selisih antara total produksi pada tahun 2019 - 2020
dengan hasil ramalan pada tahun 2021 - 2024. Dapat disimpulkan bahwa tren produksi

dari tanaman kakao di Padang Pariaman akan mengalami penurunan hingga tahun

2024 dan memiliki kemungkinan besar sebesar 98% untuk tetap mengalami tren

penurunan.

creative portfolio Page 11 of 15

sekian
terIMA KASIH
+123-456-7890 hello@reallygreatsite.com www.reallygreatsite.com
 UNU215101 Manajemen Industri

Metode Forecasting : Time Series

Kelompok 7

www.ugm.ac.id Locally Rooted, Globally Respected

Kelompok 7
Achmed Syam Illabi 20/456083/TK/50213

Derana Syahda T. 20/463236/TK/51228

M. Lam Alief Rahmansyah 20/460181/TK/50770

Muhammad Irfan Nazhmi 20/463245/TK/51237

www.ugm.ac.id Locally Rooted, Globally Respected

 Forecasting
Forecasting merupakan metode untuk memprediksi kebutuhan konsumen di
masa yang akan datang berdasarkan data historis dan menggunakan beberapa
bentuk sistem model matematis untuk memberikan hasil prediksi. Salah satu
metode peramalan yang dapat digunakan adalah time series.

Metode time series merupakan metode peramalan yang menggunakan

analisis data untuk memprediksikan atau meramalkan pada masa mendatang.
Pada peramalan time series terdapat empat model data, yaitu model horizontal,
model tren, model musiman, dan model siklis. Pada metode time series terdapat
beberapa metode peramalan, antara lain tren linear, tren quadratic, tren
exponential, dan tren s-curve.

www.ugm.ac.id Locally Rooted, Globally Respected

 Metode Time Series
Metode time series adalah metode
peramalan dengan menggunakan analisa pola
hubungan antara variabel yang akan dipekirakan
dengan variabel waktu. Peramalan suatu data
time series perlu memperhatikan tipe atau pola
data. Secara umum terdapat empat macam pola
data time series, yaitu horizontal, trend,
musiman, dan siklis.

www.ugm.ac.id Locally Rooted, Globally Respected

 Data 1
Data yang digunakan : “PERAMALAN KEBUTUHAN ENERGI LISTRIK DENGAN
METODE TIME SERIES ”

Sumber :
https://ejournal.unesa.ac.id/index.php/JTE/article/download/43033/36922

www.ugm.ac.id Locally Rooted, Globally Respected

 Model Exponential Growth Curve
Model exponential growth curve merupakan suatu bentuk yang mempunyai
data dimana perubahan datanya semakin lama semakin bertambah secara
eksponensial. Model Exponential Growth Curve memiliki persamaan sebagai
berikut:

𝑌 = 𝛽o𝑒^𝛽1^𝑇 (1)

e = eksponensial (2,71828)

β0 = konstanta yang menunjukan nilai data pada tahun awal

β1 = besarnya perubahan data dari satu periode ke periode lainnya

T = tahun

www.ugm.ac.id Locally Rooted, Globally Respected

 Model Linear
Model Linear sendiri merupakan suatu bentuk data dimana perubahan
datanya berdasarkan waktu adalah konstan. Model Linear memiliki persamaan
sebagai berikut:

𝑌𝑡 = 𝛽0+𝛽1𝑇

Yt = nilai data pada tahun t

Model Linear ini sangat mudah dioperasikan jika menggunakan alat bantu seperti
komputer dan juga dapat menggunakan banyak variabel sehingga dapat
memperoleh hasil data yang akurat dan optimal.

www.ugm.ac.id Locally Rooted, Globally Respected

 Data Rekapitulasi UID Jawa Timur 2010-2020

www.ugm.ac.id Locally Rooted, Globally Respected

 Hasil Peramalan

www.ugm.ac.id Locally Rooted, Globally Respected

 Hasil Peramalan

www.ugm.ac.id Locally Rooted, Globally Respected

 Analisis
Setelah dilakukan perhitungan dan perbandingan dengan menggunakan model exponential growth
curve dan model Linear, didapatkan hasil peramalan seperti yang tertera pada grafik di atas.

Dari hasil perhitungan error, metode peramalan yang paling tepat untuk melakukan peramalan dengan
metode time series dengan model exponential growth curve untuk jumlah pelanggan, sedangkan daya
tersambung dan energi terjual menggunakan model Linear.

Setelah itu, didapatkan bahwa jumlah pelanggan listrik di UID Jawa Timur dari tahun 2021-2025
mengalami kenaikan dengan rata-rata kenaikan per tahun sebesar 13.437,8. Untuk daya tersambung juga
mengalami kenaikan dengan rata-rata kenaikan per tahun sebesar 357,304 MVA dan energi terjual mengalami
kenaikan dengan rata-rata kenaikan per tahun sebesar 752,428 GWh.

www.ugm.ac.id Locally Rooted, Globally Respected

 Data 2
Data yang digunakan : “Penjualan masker di suatu toko grosir dari
2016-2020”

Sumber :
https://www.academia.edu/48963323/FORECASTING_PENJUALAN_MA
SKER_PADA_TOKO_GROSIR_MASKER

Dari data diatas dapat diprediksikan penjualan untuk tahun tahun

berikutnya sebagai berikut:

www.ugm.ac.id Locally Rooted, Globally Respected

 Prediksi tahun tahun kedepan :

Grafik :

www.ugm.ac.id Locally Rooted, Globally Respected

 Analisis

Dengan rumus di atas didapat prediksi penjualan pada tahun tahun

berikutnya. Hasil Peramalan menunjukan adanya peningkatan dalam
penjualan masker kesehatan pada tahun 2021 dan 2022, tetapi pada
tahun 2023 dan seterusnya akan terjadi penurunan dalam penjualan
masker kesehatan hal ini dipengaruhi karena hasil pengamatan saat ini
(Yt) yang menunjukkan turunnya penjualan masker karena pandemi
sudah tidak ada lagi, dan masyarakat sudah diperbolehkan tidak
menggunakan masker oleh pemerintah

www.ugm.ac.id Locally Rooted, Globally Respected

 Data 3
Data yang digunakan : Data penelitian yang dipergunakan dalam
forecasting jumlah wisatawan di daerah wisata Nusa Tenggara Barat
yaitu terdiri atas data wisatawan nusantara dan mancanegara pada
tahun 2020 hingga tahun 2022. Data jumlah wisatawan dapat dilihat
pada tabel berikut ini

www.ugm.ac.id Locally Rooted, Globally Respected

 Forecasting

www.ugm.ac.id Locally Rooted, Globally Respected

 Analisis
Berdasarkan hasil forecasting dengan metode time series exponential
smoothing, maka dapat disimpulkan kian waktu jumlah wisatawan akan
semakin meningkat, belum lagi dengan banyaknya event-event
internasional yang akan dilaksanakan di daerah kuta mandalika tentunya
akan meningkatkan jumlah wisatawan yang akan datang.

www.ugm.ac.id Locally Rooted, Globally Respected

 Data 4
Data yang digunakan : Luas Produksi Tanamana Kakao di Padang Pariaman Sumatera Barat dari
Tahun 2019 hingga 2021

Sumber : https://padangpariamankab.bps.go.id/indicator/54/40/1/luas-produksi-kakao.html

Dari data diatas didapatkan rangkuman data rill sebagai berikut

www.ugm.ac.id Locally Rooted, Globally Respected

 Forecasting

Grafik diatas merupakan tren hasil

peramalan dengan eksponensial smoothing.
Nampak tren relatif menurun.

www.ugm.ac.id Locally Rooted, Globally Respected

 Analisis

Dapat disimpulkan bahwa dengan menggunakan metode ini didapatkan bahwa

peramalan dengan metode eksponensial smoothing memiliki nilai error sebesar
1.6 % dengan memprediksi hasil estimasi untuk tahun 2023 hingga 2025. Nilai
error tersebut diambil dari besar persentase selisih antara total produksi pada
tahun 2019 - 2020 dengan hasil ramalan pada tahun 2021 - 2024. Dapat
disimpulkan bahwa tren produksi dari tanaman kakao di Padang Pariaman akan
mengalami penurunan hingga tahun 2024 dan memiliki kemungkinan besar
sebesar 98% untuk tetap mengalami tren penurunan

www.ugm.ac.id Locally Rooted, Globally Respected

 Lampiran Tugas Pribadi

www.ugm.ac.id Locally Rooted, Globally Respected

 Terima Kasih

www.ugm.ac.id Locally Rooted, Globally Respected

Manajemen Industri
Forecasting

Derana Syahda Trisnakusuma

20/463236/TK/51228
Teknik Elektro
Forecasting

• Forecasting sendiri merupakan metode untuk melakukan

perencanaan dan pengendalian produksi untuk
menghadapi ketidakpastian di masa depan.
• Sebagai contoh yaitu Peramalan penjualan masker di
Indonesia menggunakan metode time series : Exponential
Smoothing
Data

Berikut data penjualan masker yang diambil dari satu toko

grosir masker.
Peramalan

Untuk peramalan kita menggunakan metode time series

Exponential Smoothing dengan rumus sebagai berikut
• Ft+1 = α * Yt + (1 - α) * Ft
Keterangan:
Ft+1 = Perkiraan atau prediksi untuk periode waktu
selanjutnya
Yt = Nilai pengamatan pada periode waktu saat ini
Ft = Perkiraan pada periode waktu sebelumnya
α = 0,2
Hasil Peramalan

Tahun 2021 2022 2023 2024

4573 4858 4486 3788

Hasil Peramalan menunjukan adanya peningkatan dalam penjualan masker

kesehatan pada tahun 2021 dan 2022, tetapi pada tahun 2023 dan seterusnya
akan terjadi penurunan dalam penjualan masker kesehatan hal ini dipengaruhi
karena hasil pengamatan saat ini (Yt) yang menunjukkan turunnya penjualan
masker karena pandemi sudah tidak ada lagi, dan masyarakat sudah
diperbolehkan tidak menggunakan masker oleh pemerintah.
Grafik

Penjualan Masker Kesehatan

6000

5000

4000

3000

2000

1000

0
2016 2017 2018 2019 2020 2021 2022 2023 2024
Manajemen Industri
Forecasting

M. Lam Alief Rahmansyah

20/460181/TK/50770
Teknik Elektro
Forecasting Terhadap Jumlah Wisatawan di
Daerah Wisata Nusa Tenggara Barat
NTB merupakan salah satu provinsi dengan jumlah wisatawan terbanyak
selain Bali, terutama Pulau Lombok yang digadang-gadang sebagai Bali ke 2 di
Indonesia. Dan pada tahun 2022 di Lombok tepatnya daerah Kuta Mandalika,
diresmikannya sirkuit balap, yang digunakan pada ajang WSBK dan Moto GP
pada bulan Maret dan April tahun 2022 lalu menyebabkan meningkatnya jumlah
wisatawan yang datang secara signifikan
Forecasting jumlah wisatawan pada tahun-tahun berikutnya diperlukan
agar pemerintah dan penduduk setempat dapat mempersiapkan daerah wisata
sebaik mungkin, misalnya seperti pembangunan hotel atau tempat penginapan
agar mencukupi jumlah wisatawan yang datang.
Metode dan Data

Data penetilitian yang dipergunakan dalam forecasting jumlah wisatawan di

daerah wisata Nusa Tenggara Barat yaitu terdiri atas data wisatawan nusantara
dan mancanegara pada tahun 2020 hingga tahun 2022.Data jumlah wisatawan
dapat dilihat pada tabel berikut ini
 Metode dan Data
Bulan Wisatawan Mancanegara Wisatawan Nusantara
Tahun 2020 Tahun 2021 Tahun 2022 Tahun 2020 Tahun 2021 Tahun 2022

Januari 15120 777 1841 52744 71704 88605

Februari 12294 641 2143 48381 67420 82770
Maret 9413 956 3429 32553 84707 117268
April 70 771 1904 2720 69331 60179
Mei 145 777 5628 2465 70002 109696
Juni 138 697 8695 8947 88522 112069
Juli 302 797 14612 18379 57880 109719
Agustus 459 1010 24335 29473 56742 102707
September 244 1104 16035 27669 78919 105759
Oktober 610 1033 14848 39880 94482 110417
November 448 1961 14994 44602 104462 114433
Desember 739 1366 18075 52800 107975 136134
Sumber: https://data.ntbprov.go.id/dataset/jumlah-kunjungan-wisatawan-ke-provinsi-nusa-tenggara-barat-ntb
Data
Tahun Jumlah Wisatawan Jumlah Wisatawan Total Jumlah
Mancanegara Nusantara Wisatawan

2020 33982 360613 394595

2021 11890 952146 964036

2022 126539 1249756 1376295

Forecasting

Forecasting (peramalan) akan dilakukan dengan menggunakan metode time

series Exponential Smoothing. Metode menggunakan cara dengan memberikan
bobot pada data sebelumnya untuk meramalkan nilai data selanjutnya. Adapun
persamaan pada Metode ini adalah sebagai berikut

Keterangan:
Ft + ! = nilai ramalan untuk periode selanjutnya
Xt = nilai actual pada periode waktu saat ini
Ft-1 = nilai ramalan untuk periode waktu yang lalu (t-1)
α = konstanta pemulusan (smoothing constant)
Forecasting

Tahun Wisatawan Wisatawan Total Wisatawan

Mancanegera Nusantara

2020 33982 360613 394595

2021 11890 952146 964036

2022 126539 1249756 1376295

Prediksi 140133 1450231 1590364

2023
Prediksi 150012 1492865 1642877
2024
Prediksi 155213 1554121 1709334
2025