LAPORAN KERJA PRAKTIK

BADAN PUSAT STATISTIK KOTA MATARAM

(Studi Kasus: Peramalan Indeks Harga Konsumen di Kota Mataram

Menggunakan Metode Double Exponential Smoothing dengan Damped
Parameter)

Disusun Oleh:
Afaf Amirah Azzahra
20611199

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2023

i
LEMBAR PERSETUJUAN DOSEN PEMBIMBING

ii
 LEMBAR PENGESAHAN PEMBIMBING LAPANGAN

LAPORAN KERJA PRAKTIK

BADAN PUSAT STATISTIK KOTA MATARAM

Peramalan Indeks Harga Konsumen di Kota Mataram Menggunakan

Metode Double Exponential Smoothing dengan Damped Parameter

Disusun oleh:

Nama : Afaf Amirah Azzahra

Nomor Mahasiswa : 20611199

Menyetujui, Yogyakarta, 23 Mei 2023

Dosen Pembimbing Lapangan Penyusun

(Aziz Setiawan, S.E.) (Afaf Amirah Azzahra)

Mengetahui,
Direktur/Kepala Instansi tempat KP

(Mohammad Reza Nugraha Kusumowinoto SST, MAP)

iii
LEMBAR PENGESAHAN KERJA PRAKTIK

iv
 KATA PENGANTAR

Assalamu’alaikum Wr.Wb

Rasa syukur yang tak lupa penulis panjatkan kepada Allah SWT karena
rahmat dan karuniaNya, penulis dapat menyelesaikan Laporan Kerja Praktik
dengan judul “Peramalan Indeks Harga Konsumen di Kota Mataram Menggunakan
Metode Double Exponential Smoothing dengan Damped Parameter”. Shalawat
serta salam selalu tercurah kepada Nabi Muhammad SAW beserta keluarga,
sahabat dan umatnya.
Laporan ini dibuat untuk melengkapi persyaratan kelulusan pada mata kuliah
Kerja Praktik dalam menyelesaikan jenjang S1 di Program Studi Statistika,
Universitas Islam Indonesia.
Selama masa Kerja Praktik hingga penyusunan laporan yang dibantu oleh
berbagai pihak oleh karena itu penulis ingin menyampikan ucapan terima kasih
setulusnya kepada:
1. Baba, mama dan adik penulis yang telah memberikan doa, dukungan, serta
semangat dan masukkan dalam menyusun Laporan Kerja Praktik.
2. Bapak Prof. Riyanto, S.Pd., M.Si., Ph.D. selaku Dekan Fakultas
Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Indonesia,
Yogyakarta.
3. Bapak Dr. Edy Widodo, S.Si, M.Si., selaku Ketua Jurusan Statistika beserta
seluruh jajarannya.
4. Ibu Mujiati Dwi Kartikasari S.Si., M.Sc. selaku dosen pembimbing yang
telah meluangkan waktu, tenaga dan pikiran dalam membimbing dengan
penuh kesabaran.
5. Bapak Aziz Setiawan, S.E. selaku Pembimbing Lapangan yang telah
memberikan ilmunya selama penulis melakukan Kerja Praktik.
6. Nabila Dwi Fazira, Desti Ana Dwi Saputri dan Shekila Aulia Yasmin teman
bertukar ide serta membantu tahap-tahap pada pengerjaan Laporan Kerja
Praktik.
7. Seluruh keluarga mejimi yang selalu memberi semangat serta dukungan
kepada penulis dalam menyelesaikan Laporan Kerja Praktik.
8. Seluruh pegawai BPS Kota Mataram yang selalu memberikan gambaran
dan wawasan terbaru bagi penulis.
9. Serta semua pihak yang telah membantu dan tidak dapat penulis sebutkan
satu per satu.
Penulis sadar bahwa dalam penulisan laporan ini masih jauh dari kata
sempurna. Oleh karena itu, diharapkan kepada pembaca untuk memberikan kritik

v
dan saran yang membangun untuk laporan ini. Akhir kata, penulis mengharapkan
laporan kerja praktik ini dapat bermanfaat bagi banyak pihak.

Wassalamualaikum Wr.Wb
Yogyakarta, 23 Mei 2023

(Afaf Amirah Azzahra)

vi
 DAFTAR ISI

HALAMAN SAMPUL ............................................................................................ i

LEMBAR PERSETUJUAN DOSEN PEMBIMBING ........................................... ii
LEMBAR PENGESAHAN PEMBIMBING LAPANGAN .................................. iii
LEMBAR PENGESAHAN KERJA PRAKTIK .................................................... iv
KATA PENGANTAR ............................................................................................ v
DAFTAR ISI ......................................................................................................... vii
DAFTAR TABEL ................................................................................................ viii
DAFTAR GAMBAR ............................................................................................. ix
DAFTAR LAMPIRAN ........................................................................................... x
ABSTRAK ............................................................................................................. xi
1 BAB I PENDAHULUAN .................................................................... 1
1.1 Latar Belakang Masalah ....................................................................... 1
1.2 Rumusan Masalah ................................................................................ 2
1.3 Batasan Masalah ................................................................................... 2
1.4 Tujuan Penelitian.................................................................................. 2
1.5 Manfaat Penelitian................................................................................ 3
2 BAB II TINJAUAN INSTANSI .......................................................... 4
2.1 Visi Misi Instansi ................................................................................. 4
2.2 Struktur Organisasi ............................................................................... 5
2.3 Ruang Lingkup Kerja Instansi.............................................................. 7
2.4 Dokumentasi dan Lokasi Instansi ........................................................ 8
2.4.1 Dokumentasi......................................................................................... 8
2.4.2 Lokasi Instansi...................................................................................... 8
3 BAB III LANDASAN TEORI ........................................................... 10
3.1 Indeks Harga Konsumen .................................................................... 10
3.2 Peramalan (Forecasting) .................................................................... 10
3.3 Double Exponential Smoothing (DES) dengan Damped Parameter .. 12
3.4 Mean Abosolute Percentage Error (MAPE)...................................... 13
5 BAB IV METODOLOGI PENELITIAN .......................................... 14
5.1 Tempat dan Waktu Penelitian ............................................................ 14
5.2 Data dan Sumber Data........................................................................ 14
5.3 Definisi Variabel ................................................................................ 14
5.4 Metode Penelitian ............................................................................... 14
6 BAB V HASIL DAN PEMBAHASAN ............................................. 16
6.1 Deskripsi Pelaksanaan KP .................................................................. 16
6.2 Analisis Deskriptif.............................................................................. 16
6.3 Double Exponential Smoothing (DES) dengan Damped Parameter .. 17
7 BAB VI KESIMPULAN DAN SARAN ........................................... 20
7.1 Kesimpulan......................................................................................... 20
7.2 Saran ................................................................................................... 20
8 DAFTAR PUSTAKA ........................................................................ 21

vii
 DAFTAR TABEL

Tabel 3.1. Kriteria MAPE .................................................................................... 13

Tabel 4.1. Definisi Variabel ................................................................................. 14
Tabel 5.1. Analisis Deskriptif pada Variabel Indeks Harga Konsumen .............. 17
Tabel 5.2. Nilai Parameter Alpha, Beta, dan Phi.................................................. 18
Tabel 5.3. Hasil Peramalan Metode Double Exponential Smoothing .................. 18

viii
 DAFTAR GAMBAR

Gambar 2.1. Struktur Organisasi BPS Kota Mataram ........................................... 5

Gambar 2.2. Ruang Kerja BPS Kota Mataram ...................................................... 8
Gambar 2.3. Penyerahan Plakat Kepada Kepala BPS Kota Mataram ................... 8
Gambar 3.1. Pola Data Horizontal ...................................................................... 11
Gambar 3.2. Pola Data Musiman ........................................................................ 11
Gambar 3.3. Pola Data Siklus.............................................................................. 11
Gambar 3.4. Pola Data Trend .............................................................................. 12
Gambar 4.1. Diagram Alir Penelitian .................................................................. 15
Gambar 5.1. Plot Analisis Deskriptif................................................................... 17
Gambar 5.2. Plot Hasil Peramalan....................................................................... 19

ix
 DAFTAR LAMPIRAN

Lampiran 1 Data Indeks Harga Konsumen Kota Mataram ................................. 23

Lampiran 2 Sintak Program ................................................................................ 23
Lampiran 3 Surat Keterangan Selesai KP ........................................................... 25
Lampiran 4 Surat Keterangan Penerimaan KP ................................................... 26

x
 ABSTRAK

Peramalan Indeks Harga Konsumen di Kota Mataram

MenggunakanMetode Double Exponential Smoothing dengan
Damped Parameter

Afaf Amirah Azzahra1a, Mujiati Dwi

Kartikasari 1b 1Prodi Statistika, FMIPA
UII a20611199@students.uii.ac.id,
b
166110102@uii.ac.id

Indeks Harga Konsumen (IHK) merupakan salah satu indikator

ekonomi yang dapat mengalami tingkat kenaikan (inflasi) atau tingkat
penurunan (deflasi) dari barang/jasa. Faktor penting yang harus
dilakukan untuk memantau atau meramalkan perkembangan IHK agar
menghasilkan data yang valid yaitu dengan metode peramalan.
Penelitian ini bertujuan untuk mengetahui peramalan IHK di Kota
Mataram pada masa yang akan datang yaitu untuk 12 periode kedepan
pada tahun 2023. Data yang digunakan pada penelitian ini adalah data
sekunder Indeks Harga Konsumen pada bulan Januari 2021 sampai bulan
Desember 2022. Pada penelitian ini metode yang digunakan adalah
Double Exponential Smoothing karena pada data IHK di Kota Mataram
memiliki pola data trend yang cenderung naik dan ditambahkan Damped
Parameter, Damped parameter pada penelitian ini digunakan untuk
meredam pertumbuhan secara eskponensial. Berdasarkan hasil yang
diperoleh, didapatkan hasil peramalan pada data Indeks Harga
Konsumen tahun 2023 mengalami peningkatan dan didapatkan nilai
ukuran kesalahan atau error peramalan menggunakan nilai Mean
AbsolutePercentage Error (MAPE) sebesar 0.29%. Dengan nilai MAPE
<10% maka peramalan dengan metode Double Exponential Smoothing
dengan Damped Parameter hasil kemampuan peramalan sangat baik.

Kata Kunci: Indeks Harga Konsumen, Double Exponential

Smoothing (DES) dengan Damped Parameter, Mean Absolute
Percentage Error (MAPE).

xi
 1 BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Indeks Harga merupakan alat ukur untuk menentukan kondisi ekonomi secara
umum. Indeks harga memungkinkan para pemimpin atau masyarakat dapat
mengelola data yang ada untuk memperoleh informasi tentang perkembangan
usaha, misalnya sebagai ukuran keadaan perkembangan ekonomi. Beberapa indeks
harga yang dapat mengukur inflasi adalah Indeks Harga Konsumen (IHK) (Afiyah
& Wijaya, 2018).
IHK merupakan Indeks Harga Konsumen merupakan suatu indeks yang
menghitung rata-rata perubahan harga dalam suatu periode, dari suatu kumpulan
barang dan jasa yang dikonsumsi oleh penduduk/rumah tangga dalam kurun waktu
tertentu. IHK adalah salah satu indikator ekonomi yang dapat mengalami tingkat
kenaikan (inflasi) atau tingkat penurunan (deflasi) dari barang/jasa yang pada
umumnya dikonsumsi oleh rumah tangga dalam suatu kurun waktu tertentu. (BPS,
2022).
Inflasi merupakan kenaikan harga barang dan jasa secara umum dimana
barang dan jasa merupakan kebutuhan pokok masyarakat atau turunnya daya jual
mata uang suatu negara (BPS, Inflasi Kota Mataram, 2022). Deflasi merupakan
kebalikan dari inflasi, yakni penurunan harga barang secara umum dan terus
menerus. Inflasi terjadi ketika harga barang dan jasa meningkat yang menyebabkan
kenaikan harga barang dan jasa lainnya Inflasi yang tinggi menyebabkan
pendapatan riil masyarakat menurun, sehingga taraf hidup masyarakat turun dan
pada akhirnya semua masyarakat, terutama masyarakat miskin akan menjadi
semakin miskin. Tentunya dapat menjadikan dasar pengambilan keputusan
kebijakan ekonomi pemerintah, serta dapat menggambarkan terjadinya inflasi atau
deflasi sehingga masyarakat dapat mudah dalam pengambilan keputusan ekonomi.
Pada tahun 2020 IHK di Kota Mataram naik angka ini lebih tinggi dibanding
angka IHK nasional. IHK ini terjadi karena adanya kenaikan harga indeks pada
kelompok transportasi (Mps, 2023). Faktor penting yang harus dilakukan untuk
memantau atau meramalkan perkembangan IHK agar menghasilkan data yang
valid yaitu dengan metode peramalan. Peramalan atau forecasting adalah
memprediksi kejadian di masa yang akan datang.
Oleh karena itu, peneliti ingin melakukan peramalan IHK di Kota Mataram
untuk 12 periode yang akan datang sebagai salah satu upaya yang dapat dilakukan

1
untuk mengantisipasi ketidakstabilan ekonomi di Kota Mataram. Pola data yang
tepat untuk data IHK adalah pola trend karena memiliki kecenderungan data trend
naik, maka metode yang tepat untuk pola data trend adalah Double Exponential
Smoothing (Mutiara, 2023). Peramalan Exponential Holt maupun Winter sering
mengalami overforecasting atau nilai prekdisi yang naik secara eksponensial
biasanya nilai tersebut lebih besar dari nilai data aktual. Untuk mengatasi hal ini,
maka ditambahkan Damped Parameter untuk meredam pertumbuhan secara
eskponensial (Rasyidi, 2019). Dan untuk mencari nilai kesalahan dalam metode
peramalan Double Exponential Smoothing dengan Damped Parameter diukur
dengan nilai Mean Absolute Percentage Error (MAPE) untuk melihat nilai
keakuratan dalam peramalan.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang penulis ketahui dan jelaskan sebelumnya,

maka untuk rumusan masalah dari penelitian ini adalah:
1. Bagaimana analisis deskriptif terkait Indeks Harga Konsumen di Kota
Mataram pada bulan Januari 2021-Desember 2022?
2. Bagaimana hasil peralaman Indeks Harga Konsumen di Kota Mataram
untuk 12 bulan kedepan menggunakan metode Double Exponential
Smoothing (DES) dengan Damped Parameter?
1.3 Batasan Masalah

Berikut merupakan batasan masalah dalam penelitian ini agar masalah yang
diangkat tidak menyimpang dari pemasalahan penelitian:
1. Data yang digunakan adalah data Indeks Harga Konsumen di Kota Mataram
pada bulan Januari 2021 sampai bulan Desember 2022 yang diperoleh dari
website BPS Kota Mataram.
2. Peramalan dilakukan dengan menggunakan metode Double Exponential
Smoothing (DES) dengan Damped Parameter.
3. Software yang digunakan dalam peramalan adalah Rstudio.
1.4 Tujuan Penelitian

Tujuan penelitian berdasarkan rumusan masalah adalah sebagai berikut:

1. Untuk mengetahui gambaran umum secara deskriptif mengenai IHK di
Kota Mataram pada bulan Januari 2021 sampai Desember 2022.
2. Untuk mengetahui hasil prediksi Indeks Harga Konsumen di Kota Mataram
untuk 12 bulan kedepan menggunakan metode Double Exponential
Smoothing (DES) dengan Damped Parameter.

2
1.5 Manfaat Penelitian

Berikut adalah manfaat yang diharapkan oleh penulis berdasarkan hasil

penelitian yang diperoleh.
1. Manfaat bagi penulis
Dapat dijadikan sebagai bahan pembelajaran dan dapat
mengimplementasikan ilmu yang diperoleh diperkuliahan maupun pada
saat Kerja Praktik (KP).
2. Manfaat bagi BPS Kota Mataram
Dapat dijadikan sebagai bahan masukkan bagi pemerintah dan dapat
digunakan untuk membantu dalam menunjang sosial ekonomi di Kota
Mataram.
3. Manfaat bagi penelitian lanjutan
Dapat dijadikan sebagai referensi dan bahan acuan bagi keperluan ilmiah.

3
 2 BAB II
TINJAUAN INSTANSI

2.1 Visi Misi Instansi

Badan Pusat Statistik (BPS) Kota Mataram merupakan salah satu lembaga
perwakilan BPS di daerah. Sehingga, dapat dikatakan bahwa visi dan misi dari BPS
Kota Mataram sama dengan visi dan misi Badan Pusat Statistik (BPS) itu sendiri.
Visi Badan Pusat Statistik (BPS), dengan mempertimbangkan capaian
kinerja, memperhatikan aspirasi masyarakat, potensi dan permasalahan, serta
mewujudkan Visi Presiden dan Wakil Presiden maka visi Badan Pusat Statistik
(BPS) untuk tahun 2020-2024 adalah:
“Penyedia Data Statistik Berkualitas untuk Indonesia Maju”
(“Provider of Qualified Statistical Data for Advanced Indonesia”)
Dalam visi yang baru tersebut berarti bahwa BPS berperan dalam penyediaan
data statistik nasional maupun internasional, untuk menghasilkan statistik yang
mempunyai kebenaran akurat dan menggambarkan keadaan yang sebenarnya,
dalam rangka mendukung Indonesia Maju.
Dengan visi baru ini, eksistensi BPS sebagai penyedia data dan informasi
statistik menjadi semakin penting, karena memegang peran dan pengaruh sentral
dalam penyediaan statistik berkualitas tidak hanya di Indonesia, melainkan juga di
tingkat dunia. Dengan visi tersebut juga, semakin menguatkan peran BPS sebagai
pembina data statistik.
Misi BPS dirumuskan dengan memperhatikan fungsi dan kewenangan BPS,
visi BPS serta melaksanakan Misi Presiden dan Wakil Presiden yang Ke-1
(Peningkatan Kualitas Manusia Indonesia), Ke-2 (Struktur Ekonomi yang
Produktif, Mandiri, dan Berdaya Saing) dan yang Ke-3 Pembangunan yang Merata
dan Berkeadilan, dengan uraian sebagai berikut:
1. Menyediakan statistic berkualitas yang berstandar nasional dan
internasional
2. Membina K/L/D/I melalui Sistem Statistik Nasional yang
berkesinambungan
3. Mewujudkan pelayanan prima di bidang statistik untuk terwujudnya Sistem
Statistik Nasional
4. Memperkuat Sistem Statistik Nasional yang berkesinambungan melalui
pembinaan dan koordinasi di bidang statistik

4
 5. Membangun insan statistik yang professional, berintegritas dan Amanah
untuk kemajuan perstatistikan.

2.2 Struktur Organisasi

Struktur Organisasi BPS Kota Mataram sebagai berikut:

Gambar 2.1. Struktur Organisasi BPS Kota Mataram

BPS Kota Mataram memiliki berbagai tugas dan fungsinya masing-masing.
Berikut adalah penjelasan mengenai fungsi dan tugas yang dilakukan.
1. Kepala BPS Kota Mataram
Kepala BPS Kota Mataram yaitu Bapak Mohammad Reza Nugraha
Kusumowinoto SST, MAP. Yang mempunyai tugas memimpin BPS sesuai
dengan ketentuan peraturan perundang-undangan yang berlaku yaitu
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.
2. Sub Bagian Tata Usaha
Memiliki Kepala Bagian yaitu Bapak Aziz Setiawan, S.E. Bertugas
mengkoordinasikan perencanaan, pembinaan, pengendalian administrasi,
dan sumber daya di lingkungan BPS. Bagian Tata Usaha terdiri dari
beberapa Subbagian dan Bagian Tata Usaha terdiri dari:
1. Subbagian Bina Program
2. Subbagian Kepegawaian dan Hukum
3. Subbagian Keuangan
4. Subbagian Urusan Dalam
5. Subbagian Perlengkapan.

5
3. Bidang Statistik Sosial
Memiliki Kepala Bagian yaitu Ibu Wartitnah, SSI. Bertugas melaksanakan
perumusan dan pelaksanaan kebijakan di bidang statistik sosial. Terdapat
beberapa staff di Bidang Statistik Sosial yang terdiri dari:
1. Seksi Statistik Sosial
2. Seksi Statistik Ketahanan Sosial
3. Seksi Statistik Kesejahteraan Rakyat
4. Bidang Statistik Produksi
Memiliki Kepala Bagian yaitu Bapak Roedi Joelianto, S,Si. Bertugas
melaksanakan perumusan dan pelaksanaan kebijakan di bidang statistik
produksi. Bidang Statistik Produksi terdiri dari:
1. Seksi Statistik Pertanian
2. Seksi Statistik Pertambangan
3. Seksi Statistik Energi
4. Seksi Statistik Konstruksi
5. Seksi Statistik Industri
5. Bidang Statistik Distribusi
Memiliki Kepala Bagian yaitu Ibu Dewi Sri Wijihayati, S.Si.,MSE.
Bertugas melaksanakan perumusan dan pelaksanaan kebijakan di bidang
statistik distribusi. Bidang Statistik Distribusi tersiri dari:
1. Seksi Statistik Harga Konsumen dan Harga Perdagangan Besar
2. Seksi Statistik Keuangan dan Harga Produsen
3. Seksi Statistik Niaga dan Jasa
6. Bidang Neraca dan Analisis Statistik
Memiliki Kepala Bagian yaitu Ibu Ratih Sosilowati, SST. Bertugas
melaksanakan perumusan dan melaksanakan kebijakan di bidang neraca
dan analisis statistik. Bidang Neraca dan Analisis Statistik terdiri dari:
1. Seksi Neraca Produksi
2. Seksi Neraca Konsumsi
3. Seksi Analisa Statistik Lintas
7. Bidang Integritas Pengolahan dan Diseminasi Statistik
Memiliki Kepala Bagian yaitu Bapak Lukman, SST. Bertugas
melaksanakan pengolahan dan diseminasi statistik. Bidang Integritas
Pengolahan dan Diseminasi Statistik terdiri dari:
1. Seksi Jaringan dan Rujukan Statistik
2. Seksi Diseminasi dan Layanan Statistik
8. Tenaga Fungsional
Tenaga fungsional BPS terdiri dari BPS Kabupaten/Kota yang berada
dibawah dan bertanggung jawab kepada Kepala BPS.

6
2.3 Ruang Lingkup Kerja Instansi
Badan Pusat Statistik adalah Lembaga Pemerintah Non Kementerian 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:
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 survei 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.
d. Membangun kerjasama dengan institusi internasional dan negara lain untuk
kepentingan perkembangan statistik Indonesia.

7
2.4 Dokumentasi dan Lokasi Instansi
2.4.1 Dokumentasi
Berikut merupakan dokumentasi kegiatan selama pelaksanaan Kerja Praktik di
BPS Kota Mataram.

Gambar 2.2. Ruang Kerja BPS Kota Mataram

Gambar 2.3. Penyerahan Plakat Kepada Kepala BPS Kota Mataram

2.4.2 Lokasi Instansi
Berikut adalah alamat dari Badan Pusat Statistik Kota Mataram:
Alamat Instansi : Jalan Jendral Sudirman No. 71, Rembiga, Kec.
Selaparang, Kota Mataram, Nusa Tenggara Barat

8
 83120
Telp : (62370) 642544
Webiste : https://mataramkota.bps.go.id/
E-mail : bps5271@bps.go.id

9
 3 BAB III
LANDASAN TEORI

3.1 Indeks Harga Konsumen

Indeks Harga Konsumen (IHK) merupakan komponen pembentuk inflasi,
yang digunakan sebagai suatu ukuran untuk melihat stabilitas perekonomian suatu
negara/daerah. Angka inflasi diperoleh berdasarkan penghitungan IHK yang
dinyatakan dalam persen. Dalam perhitungan IHK data harga yang digunakan
adalah data yang diperoleh dari pedagang eceran dengan frekuensi pemantauan
yang bervariasi.
Berikut adalah formula IHK:
𝑃𝑛
𝐼𝐻𝐾 = 𝑥100 (3.1)
𝑃0

Dengan:
𝑃𝑛 = 𝐻𝑎𝑟𝑔𝑎 𝑆𝑒𝑘𝑎𝑟𝑎𝑛𝑔
𝑃0 = 𝐻𝑎𝑟𝑔𝑎 𝑝𝑎𝑑𝑎 𝑡𝑎ℎ𝑢𝑛 𝑑𝑎𝑠𝑎𝑟
(BPS, 2021)
Harga pada tahun dasar pada penelitian ini yaitu tahun 2021 atau data aktual
pada peramalan yang akan dijadikan sebagai perbandingan dengan tahun yang akan
datang. Jika nilai IHK sudah didapatkan maka dikurangkan 100 dari harga tahun
dasar, maka didapatkan nilai IHK dalam persentase apakah nilai tersebut memiliki
kenaikan atau penurunan dari tahun sebelumnya.

3.2 Peramalan (Forecasting)

Heizer dan Render (2015:2013), peramalan (forecasting) adalah suatu seni
dan ilmu pengetahuan dalam memprediksi peristiwa pada masa mendatang.
Peramalan akan melibatkan pengambilan data historis dan memproyeksi mereka ke
masa yang akan datang denga model matematis (kuantitatif) atau bisa juga
merupakan produksi intuisi yang bersifat subjektif (Kualitatif). (Sasongko, 2021).
Terdapat beberapa jenis pola data dalam peramalan yang harus diperhatikan
(Andini & Auristandi, 2016) (Lusiana & Yuliarty, 2020):
1. Pola Data Horizontal
Pola ini terjadi jika terdapat data yang berfluktuatif di sekitar nilai rata-rata
yang konstan atau disebut stasioner.

10
 Gambar 3.1. Pola Data Horizontal
2. Pola Data Musiman
Terjadi jika terdapat suatu deret data yang dipengaruhi oleh faktor musiman
atau berulang. Contohnya: hari, mingguan, bulanan.

Gambar 3.2. Pola Data Musiman

3. Pola Data Siklus
Biasanya terjadi jika dipengaruhi oleh flustuasi ekonomi jangka Panjang
yang berkaitan dengan siklus bisnis.

Gambar 3.3. Pola Data Siklus

4. Pola Data Trend
Terjadi bila terdapat kenaikan atau penurunan dalam kurung waktu yang
Panjang.

11
 Gambar 3.4. Pola Data Trend
3.3 Double Exponential Smoothing (DES) dengan Damped Parameter
Metode Double Exponential Smoothing (DES) dari Holt memuluskan nilai
trend dengan parameter yang berbeda dari parameter yang digunakan pada deret
yang asli. Metode DES dari Holt digunakan untuk meramalkan data masa yang
akan datang berdasarkan data masa lalu atau sering disebut data historis dan juga
metode ini lebih baik ketepatannya dalam peramalan jangka pendek. Proses
inisialisasi untuk DES dari Holt memerlukan dua parameter, yang satu mengambil
nilai pemulusan pertama untuk Lt dan yang lain mengambil trend Tt.
DES dari Holt sendiri syaratnya harus menggunakan jenis pola data trend
berbeda dengan Autoregressive Integrated Moving Average metode tersebut bisa
digunakan untuk semua jenis pola data. Penelitian ini memenuhi asumsi bahwa
jenis pola data trend. Selain itu, jangka peramalan yang digunakan yaitu jangka
pendek, dan juga data yang digunakan berdasarkan data historis dan menjadi acuan
untuk peramalan. (Ajunu, Achmad, & Payu, 2020)
Gardner dan Mc Kenzie (1985) mengusulkan modifikasi pada metode Holt’s
dengan menambahkan parameter damped pada trend. parameter ini berguna untuk
meredam trend dari kecenderungan naik atau turun secara eksponensial. Nilai
tersebut seringkali jauh lebih besar dibanding data aktualnya.
Rumus Double Exponential Smoothing dengan Damped parameter dapat
ditunjukkan sebagai berikut:
Pemulusan level: L𝑡= α𝑋𝑡+(1-α)(L𝑡−1+ L𝑡−1), 0 < α < 1 (3.2)
Pemulusan trend: b𝑡=β(L𝑡-L𝑡−1 )+(1-β) b𝑡−1, 0 < β < 1 (3.3)
Nilai prediksi untuk m periode ke depan adalah
𝑌(𝑡+𝑚)=L𝑡+( + 2 + ⋯ + 𝑚)b𝑡 m (3.4)
Dengan:
𝑋𝑡 : estimasi level dari rangkaian data periode ke-t
α, β : parameter pemulusan antara 0-1
𝑆𝑡 : nilai level pada periode ke-t
𝑦𝑡+𝑚 : data/observasi pada periode ke-t

12
𝑇𝑡 : nilai tren pada periode ke-t
m : banyaknya periode ke depan yang ingin diramalkan
D : Parameter Damped
(Farafisha, 2022)

3.4 Mean Abosolute Percentage Error (MAPE)

Dalam penelitian ini, penulis menggunakan ukuran nilai kesalahan hasil
peramalan pada pengukuran MAPE untuk melakukan perhitungan perbedaan antara
data asli dan data hasil peramalan. Rumus perhitungan nilai MAPE adalah sebagai
berikut:
𝑋𝑡 𝐹𝑡
∑𝑛
𝑡=1| |
𝑛
𝑀𝐴𝑃𝐸 = 𝑥 100 (3.5)
𝑛

Dengan:
𝑋𝑡 : data aktual pada periode ke-t
𝐹𝑡 : nilai peramalan pada periode ke-t
n : jumlah data
(Aimmah, 2019)
Berikut kriteria Mean Absolute Percentage Error (MAPE) (Hudaningsih, Utami, &
Abdul, 2020):
Tabel 3.1. Kriteria MAPE

MAPE Interpretasi

<10% Kemampuan peramalan sangat baik

10%-20% Kemampuan peramalan baik

21%-50% Kemampuan peramalan cukup baik

>50% Kemampuan peramalan buruk

13
 5 BAB IV
METODOLOGI PENELITIAN

5.1 Tempat dan Waktu Penelitian

Kegiatan kerja praktik dan penelitian ini dilakukan di kantor BPS Kota
Mataram yang dilaksanakan selama satu bulan dimulai pada tanggal 16 januari
2023 sampai 16 februari 2023.

5.2 Data dan Sumber Data

Dalam penelitian ini, sumber data yang digunakan yaitu data sekunder yang
diperoleh dari website Badan Pusat Statistik Kota Mataram. Data yang dianalisis
adalah data Indeks Harga Konsumen bulan januari 2021 sampai desember 2022.

5.3 Definisi Variabel

Pada penelitian ini terdapat 3 variabel yang akan di analisis, berikut uraian
mengenai definisi variabel pada Tabel 4.1.
Tabel 4.1. Definisi Variabel

No Nama Variabel Definisi Variabel

1 IHK (Indeks Indeks yang menghitung rata-rata
Harga perubahan harga barang dan jasa yang
Konsumen) dikonsumsi oleh rumah tangga selama
periode tertentu.
2 Tahun Tahun penetapan nilai IHK
3 Bulan Bulan penetapan nilai IHK

5.4 Metode Penelitian

Metode yang digunakan dalam penelitian ini terdiri dari dua yaitu metode
deskriptif dan forecasting. Metode analisis deskriptif digunakan untuk melihat
karakteristik data yang diteliti. Pada metode forecasting penulis menggunakan
metode Double Exponential Smoothing dengan Damped Paramater untuk
meramalkan data yang mengalami trend dengan mengetahui nilai permulusannya
dan model parameter yang digunakan yaitu Alpha, Beta, dan Phi.

14
Gambar 4.1. Diagram Alir Penelitian

15
 6 BAB V
HASIL DAN PEMBAHASAN

6.1 Deskripsi Pelaksanaan KP

Kegiatan Kerja Praktik di BPS Kota Mataram dilaksanakan pada tanggal 16
Januari sampai 17 februari 2023. Kegiatan berlangsung pada pukul 7.30 WITA
sampai pukul 16.00 WITA, berbeda dengan hari jumat kegiatan kerja praktik
dimulai dari jam 7.30 WITA sampai 16.30 WITA. Sebelum memulai kegiatan kerja
praktik setiap pagi pada pukul 7.30 WITA dilaksanakan upacara apel kecuali di hari
jumat yang dimana hari itu setiap paginya dilaksanakan kegiatan jalan pagi atau
senam bersama.
Pada hari pertama melaksanakan kegiatan Kerja Praktik penulis di beri arah
untuk memperkenalkan diri kepada seluruh pegawai BPS Kota Mataram. Kegiatan
yang dilakukan di tempat KP berupa melakukan perhitungan data banyaknya tamu
yang menginap kemarin untuk data dukung perhitungan pertumbuhan ekonomi,
menyeleksi berkas surat perintah membayar, mencari publikasi ARC BPS,
melakukan entri data REGSOSEK ke dalam website sipmen, menghadiri acar
pembukaan pelatihan SAKERNAS 2023 BPS Kota Mataram, memilah berkas
REGSOSEK sesuai nomor batch dan kecamatan Kota Mataram, mengikuti
kegiatan pemilihan change ambassador, mengontrol olah REGSOSEK 2023,
melakukan validasi pada data REGSOSEK 2022 dengan memperbaiki error pada
data yang ada, mengikuti kegiatan pembukaan pelatihan SERUTI dan SUSENAS
2023 sebagai dirijen atas perintah kepala pembimbing lapangan. Diakhir masa
Kerja Praktik penulis membantu membuat laporan daftar instansi, Menyusun
berkas SUSENAS 2023 pada daftar pemutkhiran rumah tangga dan mencari
beberapa berkas pada survei perusahaan atau usaha penyediaan jasa akomodasi.

6.2 Analisis Deskriptif

Untuk dapat mengetahui informasi dan karakteristik dari masing-masing
variabel, perlu dilakukannya analisis deskriptif. Berikut adalah gambaran terkait
data Indeks Harga Konsumen di Kota Mataram dari bulan Januari 2021 sampai
Desember 2022.

16
 Tabel 5.1. Analisis Deskriptif pada Variabel Indeks Harga Konsumen

Analisis Indeks Harga

Deskriptif Konsumen
Minimum 104.4
Kuartil I 104.8
Median 105.8
Mean 107.5
Kuartil III 110.7
Maksimum 112.4
Berdasarkan Tabel 5.1 diketahui bahwa data Indeks Harga Konsumen di
Kota Matarm pada bulan Januari 2021 sampai Desember 2022 diperoleh nilai
paling kecil atau nilai minimum sebesar 104.4 dan nilai maksimum dari data
tersebut sebesar 112.4.

Gambar 5.1. Plot Analisis Deskriptif

Pada Gambar 5.1 terlihat pola data pada Indeks Harga Konsumen di Kota
Mataram memiliki pola data trend naik yang terlihat pada akhir tahun 2021.
Kenaikan ini terjadi kerena IHK yang menyebabkan pengeluaran masyarakat relatif
menjadi lebih besar (Post, 2022).

6.3 Double Exponential Smoothing (DES) dengan Damped Parameter

Dengan melakukan analisis menggunakan metode Double Exponential
Smoothing dengan damped parameter, digunakan penambahan damped parameter
menjadi 3 parameter yang optimum yaitu alpha, beta, dan phi. Damped parameter
bertujuan untuk mengurangi adanya overforecasting/underforecasting atau untuk
meredam trend pada data. Overforecasting yaitu nilai peramalan yang naik atau
turun secara eksponensial. Nilai tersebut seringkali jauh lebih besar dibanding data
aktualnya. Dilakukan pemulusan pada parameter alpha, beta, dan phi. Berikut hasil
parameter yang optimal:

17
 Tabel 5.2. Nilai Parameter Alpha, Beta, dan Phi

Parameter Nilai
Α (Alpha) 0.5668
β (Beta) 0.5668
 (Phi) 0.8745
Diketahui nilai pemulusan pada parameter α sebesar 0.5668 yang artinya
peramalan periode selanjutnya akan menghasilkan kesalahan paling kecil
dibanding α lainnya. Dengan nilai α = 0.5668 diharapkan akan memberikan
pemulusan yang lebih minimum terhadap level prediksi. Nilai pemulusan pada
parameter β sebesar 0.5668. Parameter β memberikan pengaruh paling besar
terhadap kenaikan nilai prediksi dibandingkan nilai α, sehingga apabila konstanta
parameter β tergolong kecil, diharapkan kenaikan nilai prediksi juga kecil jika
dibandingkan dengan data aktual. Sedangkan  optimum sebesar 0.8745, yang
artinya trend meredam sebesar 0.8745.
Didapatkan nilai Mean Absolute Percentage Error (MAPE) pada metode
Double Exponential Smoothing (DES) dengan Damped Parameter dari Indeks
Harga Konsumen (IHK) sebesar 0.29%. Berdasarkan hasil MAPE tersebut
didapatkan bahwa hasil kemampuan peramalan sangat baik.
Berikut hasil Peramalan untuk 12 periode kedepan dimulai pada bulan Januari
2023 sampai bulan Desember 2023.
Tabel 5.3. Hasil Peramalan Metode Double Exponential Smoothing

Bulan Hasil Peramalan

Januari 112.4041
Februari 112.5248
Maret 112.6454
April 112.7660
Mei 112.8866
Juni 113.0072
Juli 113.1278
Agustus 113.2485
September 113.3691
Oktober 113.4897
November 113.6103
Desember 113.7309
Pada Tabel 5.3 hasil peramalan untuk 12 periode kedepan didapatkan nilai
prediksi mengalami kenaikan sedikit demi sedikit di setiap bulannya.

18
 Gambar 5.2. Plot Hasil Peramalan
Pada Gambar 5.2. Plot Peramalan Menggunakan Double Exponential
Smoothing dengan Damped Parameter Berdasarkan Tabel 5.3, diperoleh informasi
bahwa untuk peramalan indeks harga konsumen dari bulan Januari 2023 sampai
Desember 2023 menggunakan metode Double Exponential Smoothing dengan
Damped Parameter, mengalami peningkatan secara signifikan dan tidak terdapat
perbedaan yang terlalu jauh antara fitted value dan data aktual. Nilai fitted value
ditunjukkan dengan warna merah dan nilai data aktual ditunjukkan dengan warna
biru sedangkan nilai peramalan ditunjukkan dengan warna hijau.

19
 7 BAB VI
KESIMPULAN DAN SARAN

7.1 Kesimpulan

Dengan menggunakan metode Double Exponential Smoothing dengan

Damped Parameter dalam peralaman Peramalan Indeks Harga Konsumen di Kota
Mataram memberikan hasil kesimpulan sebagai berikut:
1. Berdasarkan analisis deskriptif terlihat grafik pada bulan Januari 2021 sampai
Desember 2022 menunjukkan bahwa data IHK di Kota Mataram mengalami
kenaikan dan memiliki pola data trend. pada tabel ditunjukkan nilai minimum
pada Indeks Harga Konsumen di Kota Mataram sebesar 104.4 atau 4.4% dan
nilai maksimum pada Indeks Harga Konsumen di Kota Mataram sebesar 112.4
atau 12.4%.
2. Berdasarkan hasil peramalan yang dilakukan dengan menggunakan metode
Double Exponential Smoothing dengan Damped Parameter didapatkan nilai
parameter optimum yaitu alpha sebesar 0.5668, beta sebesar 0.5668 dan phi
sebesar 0.8745. Peramalan yang terjadi pada tahun 2023 mengalami
peningkatan secara signifikan dan didapatkan nilai ukuran kesalahan atau error
menggunakan nilai Mean Absolute Percentage Error (MAPE) sebesar 0.29%.
Berdasarkan hasil MAPE tersebut didapatkan bahwa hasil kemampuan peramalan
sangat baik.

7.2 Saran
Berdasarkan hasil analisis dan kesimpulan, pada penelitian ini data yang
digunakan sedikit maka saran yang diberikan untuk peneliti selanjutnya adalah
menggunakan data yang cukup banyak agar metode peramalannya dapat sesuai dan
tepat.

20
 8 DAFTAR PUSTAKA

Afiyah, S. N., & Wijaya, D. K. (2018). Sistem peramalan Indeks Harga Konsumen (IHK)
Menggunakan Metode Double Exponential Smoothing. Jurnal Ilmiah Teknologi
Informasi Asia.
Aimmah, F. (2019, December 12). Implementasi Algoritma K-Menas Clustering dan Double
Exponential Smoothing untuk Prediksi Penentuan Jumlah Produksi Jilbab. Retrieved
from Implementasi Algoritma K-Menas Clustering dan Double Exponential
Smoothing untuk Prediksi Penentuan Jumlah Produksi Jilbab: http://etheses.uin-
malang.ac.id/16605/1/14650005.pdf
Ajunu, Y. I., Achmad, N., & Payu, R. M. (2020). Perbandingan Metode Autoregresive
Integrated Moving Average dan Metode Double Exponential Smoothing dari Holt
dalam Meramalkan Nilai Impor di Indonesia. Jambura Journal Of Probability and
Statistics.
Andini, T. D., & Auristandi, P. (2016). Peramalan Jumlah Stok Alat Tulis Kantor Di UD
ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing. Jurnal
Ilmiah Teknologi dan Informasia ASIA (JITIKA).
BPS. (2021, April 30). Indeks Harga Konsumen Kota Mataram 2020. Retrieved from Indeks
Harga Konsumen Kota Mataram 2020:
https://mataramkota.bps.go.id/publication/2021/04/30/12820ac93abd18f07b419b3f/i
ndeks-harga-konsumen-kota-mataram-2020.html
BPS. (2022). Indeks Harga Konsumen (IHK). Retrieved from Indeks Harga Konsumen (IHK):
https://www.bps.go.id/subject/3/inflasi.html
BPS. (2022). Inflasi Kota Mataram. Retrieved from
https://mataramkota.bps.go.id/subject/3/inflasi.html#subjekViewTab1
Farafisha, S. N. (2022). Perbandingan Peramalan Doubles Exponential Smoothing Holt dan
Double Exponential Smoothing dengan Parameter Damped. Retrieved from
https://dspace.uii.ac.id/bitstream/handle/123456789/39157/18611144.pdf?sequence=
1&isAllowed=y
Hudaningsih, N., Utami, S. F., & Abdul, W. A. (2020). Perbandingan Peramalan Penjualan
Produk Aknil Pt.Sunthi Superi. Jurnal Jinteks.
Lusiana, A., & Yuliarty, P. (2020). Penerapan Metode Peramalan (Forecasting) Pada
Permintaan Atap di PT X. Jurnal Teknik Industri ITN Malang.
Mps, G. (2023, Januari 3). Inflasi Kota Mataram dan Bima Lampaui Inflasi Nasional.
Retrieved from Inflasi Kota Mataram dan Bima Lampaui Inflasi Nasional:
https://lombokpost.jawapos.com/ekonomi-bisnis/03/01/2023/inflasi-kota-mataram-
dan-bima-lampaui-inflasi-nasional/
Mutiara, A. (2023). Penerapan Metode ARIMA dan Double Exponential Smoothing with
Damped Parameter untuk Memprediksi Jumlah Keberangkatan Penumpang Pesawat
Komersial di Jawa Tengah Pada Tahun 2022-2023. Universitas Islam Indonesia.
Retrieved from Penerapan Metode ARIMA dan Double Exponential Smoothing with
Damped Parameter untuk Memprediksi Jumlah Keberangkatan Penumpang Pesawat
Komersial di Jawa Tengah Pada Tahun 2022-2023.
Post, L. (2022, Juni 10). Harga-harga Terus Naik, Inflasi Mataram di Atas Nasional.
Retrieved from Harga-harga Terus Naik, Inflasi Mataram di Atas Nasional:
https://lombokpost.jawapos.com/metropolis/10/06/2022/harga-harga-terus-naik-
inflasi-mataram-di-atas-nasional/
21
Primandari, A., & Kartikasari, M. (2020). In Analisis Runtun Waktu Dengan R. Universitas
Islam Indonesia.
Rasyidi, G. (2019, December 29). Double Exponential Smoothing With Dump Parameter
Using RStudio. Retrieved from Double Exponential Smoothing With Dump Parameter
Using RStudio: https://medium.com/@17611087/double-exponential-smoothing-
with-dump-parameter-using-rstudio-a9c232dd5236
Sasongko, A. H. (2021, Jully 14). Pengertian Peramalan. Retrieved from Pengertian
Peramalan: https://binus.ac.id/entrepreneur/2021/07/14/pengertian-peramalan/
Statistik, R. (2021). Cara Menghitung MAPE (Mean Absolute Percentage Error) di Excel dan
R. Retrieved from Cara Menghitung MAPE (Mean Absolute Percentage Error) di
Excel dan R: https://www.rumusstatistik.com/2021/05/cara-menghitung-mape-mean-
absolute.html

22
Lampiran 1 Data Indeks Harga Konsumen Kota Mataram

Tahun Bulan IHK

2021 Januari 104.36
Februari 104.72
Maret 105.08
April 104.82
Mei 105.09
Juni 104.76
Juli 104.81
Agustus 104.62
September 104.81
Oktober 105.09
November 105.14
Desember 105.83
2022 Januari 105.83
Februari 106.51
Maret 107.66
April 108.84
Mei 109.6
Juni 110.54
Juli 111.89
Agustus 111.09
September 112.17
Oktober 112.03
November 112.13
Desember 112.37

Lampiran 2 Sintak Program

##DATA KP##

#####DOUBLE EXPONENTIAL SMOOTHING####

# Data

ihk = read.csv("C://Users//ASUS//Downloads//KP//Data kp.csv")ihk

summary(ihk)

##Mengubah data menjadi time series

ihk.ts = ts(ihk$IHK,start = c(2021,1),frequency = 12) #Mengubahdata menjadi

time series
ihk.ts

23
#plot data

plot(ihk.ts, col = "red", lwd = 2, type ="b", pch = 7, main = "Data

Indeks Harga Konsumen di Kota Mataram")
#DES DENGAN FUNGSI PADA PACKAGE FORCAST dengan Damped

#install.packages("forecast")

library(forecast)
holt.ihk = holt(ihk.ts, h = 12, damped = TRUE, alpha = NULL, beta
= NULL, phi = NULL)

holt.ihk #Model holt.ihk$model

holt.ihk$fitted

#UKURAN ERROr
mse = mean(holt.ihk$residuals^2)
mse
rmse = sqrt(mse)
rmse
mape = mean(abs(holt.ihk$residuals)/ ihk.ts, na.rm = TRUE )*100
mape
#Plot prediksi untuk data aktual

plot(ihk.ts, main = "Data Indeks Harga Konsumen Tahun 2023", lwd =

2, col = "blue", xlim = c(2021,2024), ylim = c(103,115), type =
"o", pch = 15)

limitDate = end(ihk.ts)[1]+(end(ihk.ts)[2]-1)/frequency(ihk.ts)
abline(v=limitDate ,lty=4)
lines(holt.ihk$fitted, lwd = 2, col = "red", type = "o", pch = 12)

lines(pred.ihk$mean, col = "green", type = "o", pch = 10)

legend("topleft", legend = c("Data aktual", "Fitted Value",

"Peramalan"), col = c("blue", "red", "green"),
lty = 1, pch = c(15, 12, 10), cex = 0.8, inset = 0.02

24
Lampiran 3 Surat Keterangan Selesai KP

25
Lampiran 4 Surat Keterangan Penerimaan KP

26