simulasi peramalan tingkat indeks …lib.unnes.ac.id/21755/1/4112312033-s.pdf · exponential...
TRANSCRIPT
i
SIMULASI PERAMALAN TINGKAT
INDEKS PEMBANGUNAN MANUSIA DI PROVINSI
JAWA TENGAH DENGAN METODE EXPONENTIAL
SMOOTHING MENGGUNAKAN MICROSOFT
VISUAL BASIC 6.0
Tugas Akhir
disusun sebagai salah satu syarat
untuk memperoleh gelar Ahli Madya
Program Studi Statistika Terapan dan Komputasi
oleh
Shela Ardhiana Rezwari
4112312033
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2015
ii
iii
iv
v
MOTTO DAN PERSEMBAHAN
MOTTO
Sesungguhnya sesudah kesulitan itu ada kemudahan (QS. Al Insyirah: 6).
Tidak ada harga atas waktu, tapi waktu sangat berharga. Memiliki waktu
tidak menjadikan kita kaya, tetapi menggunakannya dengan baik adalah
sumber dari semua kekayaan (Mario Teguh).
If you can’t explain it simply, you don’t understand it well enough (Albert
Einstein).
There’s no next time, it’s now or never.
PERSEMBAHAN
Untuk Bapak, Ibu, Kakak, dan Adik
terimakasih atas doa, kasih sayang dan
motivasinya yang selama ini
Teman-teman D3 Staterkom angkatan 2012
Almamaterk
vi
ABSTRAK
Rezwari, Shela Ardhiana. 2015. Simulasi Peramalan Tingkat Indeks
Pembangunan Manusia Di Provinsi Jawa Tengah Dengan Metode Exponential
Smoothing Menggunakan Microsoft Visual Basic 6.0. Tugas Akhir (TA), Program
Studi Statistika Terapan dan Komputasi Jurusan Matematika FMIPA UNNES.
Pembimbing: Drs. Supriyono, M.Si dan Florentina Yuni Arini, S.Kom, M.Cs.
Indeks Pembangunan Manusia (IPM) merupakan suatu ukuran yang
digunakan untuk mengukur pencapaian pembangunan manusia di suatu wilayah.
Ukuran kinerja pembangunan secara keseluruhan dibentuk melalui pendekatan
tiga dimensi dasar, yaitu umur panjang dan sehat, pengetahuan, dan penghidupan
yang layak. Suatu cara untuk memprediksi kondisi di masa yang akan datang
disebut dengan forecast. Model forecast exponential smoothing merupakan salah
satu model peramalan deret berkala yang dilakukan dengan perhitungan secara
terus menerus menggunakan data terbaru, untuk memprediksi kemungkinan pada
periode mendatang.
Keterkaitan dunia komputasi dalam dunia sehari-hari sangatlah penting di
era globalisasi seperti ini yang diharapkan semua pekerjaan tidak dikerjakan
secara manual. Sebagai contoh pengolahan dan perhitungan data tertentu yang
bisa diaplikasikan dalam sebuah program sehingga ketika seseorang melakukan
perhitungan data bisa lebih menghemat waktu dalam menghitung.
Tujuan dari penulisan tugas akhir ini adalah untuk mengetahui cara
meramalkan data dengan metode exponential smoothing dan mengetahui seberapa
besar nilai forecast (peramalan) Indeks Pembangunan Manusia Provinsi Jawa
Tengah Tahun 2014 menurut pemilihan nilai alpha dengan mengambil tiga sampel
yaitu nilai α terkecil yaitu 0,1; nilai tengah yaitu 0,5; dan nilai α tebesar yaitu 0,9,
serta membuat program aplikasi untuk mempermudah perhitungan dengan
menggunakan Miscrosoft Visual Basic 6.0.
Hasil dari penulisan tugas akhir ini yaitu peramalan IPM Provinsi Jawa
Tengah Tahun 2014 dengan alpha 0,1; 0,5; dan 0,9 untuk metode single
exponential smoothing berturut-turut sebesar 71,34; 73,49; dan 73,98. Untuk
metode double exponential smoothing berturut-turut sebesar 72,53; 74,50; dan
74,69. Sedangkan untuk metode triple exponential smoothing berturut-turut
sebesar 73,43; 74,,62; dan 74,92.
Diperoleh kesimpulan bahwa peramalan terbaik untuk IPM Indeks
Pembangunan Manusia Tahun 2014 untuk alpha 0,1 menggunakan metode triple
exponential smoothing diperoleh nilai forecast sebesar 73,43. Untuk alpha 0,5
menggunakan metode triple exponential smoothing diperoleh nilai forecast
sebesar 74,62. Sedangkan untuk alpha 0,9 menggunakan metode double
exponential smoothing diperoleh nilai forecast sebesar 74,61.
Saran yang diberikan pada pembuatan program simulasi ini yaitu melakukan
pengembangan pada program simulasi yang telah dibuat dan memperhatikan
kekurangan maupun kelemahan pada program simulasi tersebut.
Kata Kunci : Peramalan dan Exponential Smoothing.
vii
PRAKATA
Puji syukur saya panjatkan kehadirat Allah SWT yang telah memberikan
rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir ini
dengan judul: “Simulasi Peramalan Tingkat Indeks Pembangunan Manusia Di
Provinsi Jawa Tengah Dengan Metode Exponential Smoothing Menggunakan
Microsoft Visual Basic 6.0”.
Dalam mengerjakan dan menyusun tugas akhir ini, penulis telah banyak
mendapatkan bantuan, bimbingan, dan dorongan yang sangat bermanfaat dari
berbagai pihak. Oleh karena itu pada kesempatan ini penulis mengucapkan
terimakasih kepada:
1. Prof. Dr. Fathur Rokhman, Rektor Universitas Negeri Semarang.
2. Prof. Dr. Wiyanto, M.Si, Dekan Fakultas Matematika dan Ilmu Pengetahuan
Alam Universitas Negeri Semarang.
3. Drs. Arief Agoestanto, M.Si, Ketua Jurusan Matematika Universitas Negeri
Semarang.
4. Endang Sugiharti, S.Si,. M.Kom, Ketua Program Studi Statistika Terapan dan
Komputasi.
5. Drs. Supriyono, M.Si, sebagai Dosen Pembimbing I.
6. Florentina Yuni Arini, S.Kom, M.Cs, sebagai Dosen Pembimbing II.
7. Ibram S.E sebagai Kepala Badan Pusat Statistik Provinsi Jawa Tengah.
8. Semua staf dan anggota Dinas BPS Provinsi Jawa Tengah.
9. Bapak dan Ibu serta keluargaku yang selalu mendoakan serta memberikan
dorongan dan motivasi kepadaku.
viii
10. Teman-teman D3 Staterkom angkatan 2012 yang selalu memberi motivasi
dan dukungan dalam menyelesaikan tugas akhir.
11. Pihak lain yang telah membantu baik langsung maupun tidak langsung
sehingga tugas akhir ini dapat terselesaikan.
Dalam penyusunan Tugas Akhir ini penulis menyadari masih terdapat
keterbatasan serta kekurangan, sehingga masih jauh dari sempurna. Oleh karena
itu, merupakan kebanggaan bagi penulis apabila ada masukan yang membantu
demi kesempurnaan Tugas Akhir ini untuk bekal melangkah yang lebih baik.
Dengan tersusunnya Tugas Akhir ini penulis berharap semoga bermanfaat
bagi penulis sendiri, pihak-pihak yang terkait serta pembaca pada umumnya.
Semarang, 2015
Penulis,
Shela Ardhiana Rezwari
4112312033
ix
DAFTAR ISI
Halaman
ABSTRAK ............................................................................................................ vi
PRAKATA ............................................................................................................ vii
DAFTAR ISI ......................................................................................................... ix
DAFTAR TABEL ................................................................................................. xi
DAFTAR GAMBAR ............................................................................................ xii
DAFTAR LAMPIRAN ....................................................................................... xiii
BAB
1. PENDAHULUAN ......................................................................................... 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Rumusan Masalah dan Pembatasan Masalah .......................................... 4
1.3 Tujuan dan Manfaat ................................................................................. 5
1.4 Sistematika Penulisan .............................................................................. 6
2. LANDASAN TEORI ..................................................................................... 8
2.1 Indeks Pembangunan Manusia ................................................................ 8
2.2 Peramalan (Forecast) ............................................................................... 21
2.3 Data Time Series ...................................................................................... 23
2.4 Peramalan Dengan Pemulusan (Smoothing) ............................................ 23
2.5 Microsoft Visual Basic 6.0 ...................................................................... 30
2.6 Flowchart ................................................................................................. 38
3. METODE PENELITIAN ............................................................................... 42
3.1 Ruang Lingkup Penelitian ........................................................................ 42
3.2 Variabel Penelitian dan Cara pengambilan Data ..................................... 42
3.3 Metode Penelitian .................................................................................... 43
3.4 Analisis Data ............................................................................................ 44
x
4. HASIL PENELITIAN DAN PEMBAHASAN ............................................. 46
4.1 Data .......................................................................................................... 46
4.2 Rancangan Program ................................................................................. 48
4.3 Hasil Penelitian ........................................................................................ 54
4.4 Pembahasan Hasil Simulasi Program ...................................................... 79
4.5 Pembahasan Rekap Hasil Ramalan .......................................................... 82
5. PENUTUP ...................................................................................................... 84
5.1 Simpulan .................................................................................................. 84
5.2 Saran ........................................................................................................ 85
DAFTAR PUSTAKA ........................................................................................... 86
LAMPIRAN .......................................................................................................... 88
xi
DAFTAR TABEL
Tabel Halaman
2.1 Komoditi Kebutuhan Pokok Sebagai Dasar Perhitungan Daya Beli (PPP).18
2.2 Nilai Maksimum dan Minimum Komponen IPM ...................................... 20
4.1 Data IPM Provinsi Jawa Tengah Tahun 2005 sampai Tahun 2013............. 46
4.2 Perhitungan manual peramalan Single Exponential Smoothing Alpha 0,1
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............ 56
4.3 Simulasi program peramalan Single Exponential Smoothing Alpha 0,1
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 56
4.4 Perhitungan manual peramalan Single Exponential Smoothing Alpha 0,5
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 58
4.5 Simulasi program peramalan Single Exponential Smoothing Alpha 0,5
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 58
4.6 Perhitungan Manual peramalan Single Exponential Smoothing Alpha 0,9
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 60
4.7 Simulasi program peramalan Single Exponential Smoothing Alpha 0,9
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 60
4.8 Perhitungan Manual peramalan Double Exponential Smoothing Alpha 0,1
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 64
4.9 Simulasi program peramalan Double Exponential Smoothing Alpha 0,1
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 70
4.10 Perhitungan Manual peramalan Double Exponential Smoothing Alpha 0,5
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 71
4.11 Simulasi program peramalan Double Exponential Smoothing Alpha 0,5
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 72
4.12 Perhitungan Manual peramalan Double Exponential Smoothing Alpha 0,9
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 73
4.13 Simulasi program peramalan Double Exponential Smoothing Alpha 0,9
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 74
xii
Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,1 IPM
Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel...................... 73
4.15 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 73
4.16 Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,5
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 75
4.17 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 75
4.18 Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,9
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 77
4.19 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1
IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 77
4.20 Rekap hasil Peramalan terbaik Indeks Pembangunan Manusia (IPM )
Provinsi Jawa Tengah Tahun 2014 dengan semua metode peramalan
berdasarkan alpha 0,1; 0,5; dan 0,9. ........................................................... 82
xiii
DAFTAR GAMBAR
Gambar Halaman
2.1 Tampilan Kotak Dialog New Project Visual Basic 6.0................................ 31
2.2 Tampilan dasar Visual Basic 6.0 ................................................................. 32
2.3 Menu-menu pada Menu Bar ........................................................................ 33
2.4 Bentuk Toolbar Standart ............................................................................. 33
2.5 Kumpulan kontrol pada Toolbox ................................................................. 33
2.6 Bentuk dari Form Window .......................................................................... 34
2.7 Suatu Prosedur dalam Code Window ........................................................... 34
2.8 Project Explorer .......................................................................................... 35
2.9 Tab alphabetic pada Properties Windows ................................................... 35
2.10 Bentuk dari form pada Layout Window ....................................................... 36
4.1 Pola Data IPM Provinsi Jawa Tengah Tahun 2005-2013 ............................ 47
4.2 Flowchart alir sistem................................................................................... 59
4.3 Tampilan Desain Form Awal ...................................................................... 50
4.4 Tampilan Desain form Input Data ............................................................... 50
4.5 Tampilan Desain form Peramalan ............................................................... 51
4.6 Tampilan Desain form Single Exponential Smoothing ................................ 52
4.7 Tampilan Desain form Double Exponential Smoothing .............................. 52
4.8 Tampilan Desain form Triple Exponential Smoothing ................................ 53
4.9 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,1 ........... 57
4.10 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,5 .......... 59
4.11 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,9 .......... 61
4.12 Trend Peramalan Metode Double Exponential Smoothing Alpha 0,1 ........ 65
4.13 Trend Peramalan Metode Double Exponential Smoothing Alpha 0,5 ........ 67
4.14 Trend Peramalan Metode Double Exponential Smoothing Alpha 0,9 ........ 69
4.15 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,1 .......... 74
4.16 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,5 .......... 76
4.17 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,9 .......... 78
xiv
4.18 Hasil Peramalan terbaik dengan Alpha 0,1 untuk Indeks Pembangunan
Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014, berdasarkan simulasi
program menggunakan Microsoft VB 6.0. .................................................... 79
4.19 Hasil Peramalan terbaik dengan Alpha 0,5 untuk Indeks Pembangunan
Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014, berdasarkan simulasi
program menggunakan Microsoft VB 6.0. .................................................... 80
4.20 Hasil Peramalan terbaik dengan Alpha 0,9 untuk Indeks Pembangunan
Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014, berdasarkan simulasi
program menggunakan Microsoft VB 6.0. .................................................... 81
xv
DAFTAR LAMPIRAN
Lampiran Halaman
1. Data IPM Provinsi Jawa Tengah Tahun 2005 – 2013...................................... 88
2. Perhitungan Peramalan Metode Single Exponential Smoothing IPM Provinsi
Jawa Tengah Tahun 2014 ................................................................................. 89
3. Perhitungan Peramalan Metode Double Exponential Smoothing IPM Provinsi
Jawa Tengah Tahun 2014 ................................................................................. 90
4. Perhitungan Peramalan Metode Triple Exponential Smoothing IPM Provinsi
Jawa Tengah Tahun 2014..................................................................................93
5. Koding Program................................................................................................96
1
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Manusia berkualitas merupakan kekayaan bangsa yang sesungguhnya.
Sudah sepantasnya apabila manusia menjadi tujuan utama dalam pembangunan.
Keberhasilan pembangunan khususnya pembangunan manusia dapat dinilai secara
parsial dengan melihat seberapa besar permasalahan yang paling mendasar di
masyarakat tersebut dapat teratasi. Permasalahan-permasalahan tersebut
diantaranya adalah kemiskinan, pengangguran, buta huruf, ketahanan pangan, dan
penegakan demokrasi. Namun persoalannya adalah pencapaian pembangunan
manusia secara parsial sangat bervariasi dimana beberapa aspek pembangunan
tertentu berhasil dan beberapa aspek pembangunan lainnya gagal (BPS, 2006:3).
Menurut UNDP (1990:1), pembangunan manusia adalah suatu proses untuk
memperbesar pilihan-pilihan bagi manusia (“a process of enlarging people’s
choices”). Dari definisi ini dapat dItarik kesimpulan bahwa fokus pembangunan
suatu negara adalah penduduk, karena penduduk adalah kekayaan nyata suatu
negara. Konsep atau definisi pembangunan manusia tersebut pada dasarnya
mencakup dimensi pembangunan yang sangat luas. Definisi ini lebih luas dari
definisi pembangunan yang hanya menekankan pada pertumbuhan ekonomi.
Dalam konsep pembangunan manusia, pembangunan seharusnya dianalisis serta
dipahami dari sudut manusianya, bukan hanya dari pertumbuhan ekonominya.
2
Sebagaimana dikutip dari UNDP (1995:118), sejumlah premis penting
dalam pembangunan manusia diantaranya adalah: pembangunan harus
mengutamakan penduduk sebagai pusat perhatian; Pembangunan dimaksudkan
untuk memperbesar pilihan-pilihan bagi penduduk, tidak hanya untuk
meningkatkan pendapatan mereka; oleh karena itu, konsep pembangunan manusia
harus terpusat pada penduduk secara keseluruhan, dan bukan hanya pada aspek
ekonomi saja; Pembangunan manusia memperhatikan bukan hanya pada upaya
meningkatkan kemampuan (kapabilitas) manusia tetapi juga pada upaya-upaya
memanfaatkan kemampuan manusia tersebut secara optimal; Pembangunan
manusia didukung empat pilar pokok, yakni: produktifitas, pemerataan,
kesinambungan, dan pemberdayaan; dan Pembangunan manusia menjadi dasar
dalam penentuan tujuan pembangunan dan dalam menganalisis pilihan-pilihan
untuk mencapainya.
Indeks Pembangunan Manusia (IPM) merupakan salah satu cara untuk
mengukur keberhasilan atau kinerja suatu negara atau wilayah dalam bidang
pembangunan manusia. IPM merupakan suatu indeks komposit yang mencakup
tiga bidang pembangunan manusia yang dianggap sangat mendasar yang dilihat
dari kualitas fisik dan non fisik penduduk. Adapun 3 indikator tersebut yakni
indikator kesehatan, tingkat pendidikan, dan indikator ekonomi. Kualitas fisik
tercermin dari angka harapan hidup, sedangkan kualitas non fisik tercermin dari
lamanya rata-rata penduduk bersekolah dan angka melek hidup (tingkat
pendidikan), serta mempertimbangkan kemampuan ekonomi yaitu pengeluaran
real per kapita. Provinsi Jawa Tengah secara administratif terbagi menjadi 29
3
kabupaten dan 6 kota, dengan banyaknya jumlah Kabupaten/Kota tentunya akan
memberikan gambaran mengenai pembangunan manusia yang bervariasi
(Mudrajad,2003: 26).
Suatu cara untuk memprediksi kondisi di masa yang akan datang disebut
dengan peramalan (forecast) (Gitosudarmo & Najmudin, 2000: 1). Peramalan
dapat menunjang proses pengambilan keputusan. Ada tiga model yang dikenal
untuk menganalisis peramalan, yaitu model ekonometrika, model deret berkala
(time series) dan model ramalan kualitatif. Model ramalan exponential smoothing
merupakan salah satu model ramalan deret berkala. Teknik peramalan dengan
metode exponential smoothing dilakukan dengan perhitungan secara terus
menerus menggunakan data baru, untuk memprediksi kemungkinan pada periode
mendatang. Untuk kemudahan perhitungan ramalan model exponential
smoothing, dapat digunakan software pengolahan data Miscrosoft excel dengan
memasukkan formula yang sesuai dengan rumus exponential smoothing.
Dengan adanya kemajuan ilmu teknologi semakin dirasakan kegunaanya
oleh manusia. Hal tersebut terjadi karena hasil kemajuan yang ada pada saat ini
telah menjadi bagian yang tidak dapat dipisahkan dengan kebutuhan manusia itu
sendiri. Salah satu kemajuan ilmu teknologi adalah pembuatan program dengan
Visual Basic. Visual Basic merupakan bahasa pemrograman yang paling popular
dan mudah untuk dipelajari oleh pemula sekalipun. Cukup banyak aplikasi yang
berbasis Windows yang diprogram dengan Visual Basic dan ini semakin
menegaskan bahwa Visual Basic adalah bahasa yang cukup mudah untuk
dipahami.
4
Dari uraian diatas terlihat bahwa ada keterkaitan program dengan kegiatan
sehari-hari sebagai media yang mempermudah suatu pekerjaan sehingga tidak
membutuhkan waktu yang lama dalam proses pengelolaan dan proses
pengerjaanya. Microsoft Visual Basic yang diaplikasikan ke dalam bentuk
program perhitungan memberi kemudahan dalam proses perhitungan dan
pengolahan data. Dalam hal ini adalah meramalkan kemungkinan yang akan
terjadi di waktu mendatang berdasarkan data waktu sebelumnya.
Berdasarkan pemikiran di atas, maka penulis mencoba untuk membuat
suatu program aplikasi yang dapat membantu mempermudah dan mempercepat
dalam perhitungan peramalan terutama untuk model ramalan pemulusan
(smoothing forecast) sebagai Tugas Akhir dengan judul “Simulasi Peramalan
Tingkat Indeks Pembangunan Manusia Di Provinsi Jawa Tengah Dengan Metode
Exponential Smoothing Menggunakan Microsoft Visual Basic 6.0”.
1.2 Rumusan Masalah Dan Pembatasan Masalah
1.2.1 Rumusan Masalah
Masalah yang akan disajikan dalam penelitian ini adalah sebagai berikut:
a. Bagaimana model peramalan metode exponential smoothing terbaik untuk
IPM Provinsi Jawa Tengah Tahun 2014 berdasarkan alpha 0,1; 0,5; dan
0,9?
b. Berapakah nilai peramalan metode exponential smoothing untuk IPM
Provinsi Jawa Tengah Tahun 2014 berdasarkan alpha 0,1; 0,5; dan 0,9?
5
c. Bagaimana pengembangan program Visual Basic 6.0 untuk peramalan
metode exponential smoothing untuk IPM Provinsi Jawa Tengah Tahun
2014?
1.2.2 Pembatasan Masalah
Dalam penulisan Tugas Akhir ini, penulis hanya akan membahas metode
exponential smoothing untuk meramalkan IPM Provinsi Jawa Tengah Tahun 2014
dalam pemilihan nilai α dengan mengambil tiga sampel yaitu nilai α terkecil yaitu
0,1; nilai tengah yaitu 0,5; dan nilai α tebesar yaitu 0,9. Kemudian menyusun
program aplikasi untuk mempermudah peramalan metode exponential smoothing
dengan menggunakan Microsoft Visual Basic 6.0 .
1.3 Tujuan dan Manfaat
1.3.1 Tujuan
Tujuan yang ingin dicapai melalui penelitian ini adalah sebagai berikut:
1. Untuk mengetahui dan menganalisis penggunaan metode exponential
smoothing terhadap peramalan IPM Provinsi Jawa Tengah Tahun 2014.
2. Untuk mengetahui berapa besar nilai ramalan metode exponential
smoothing terhadap IPM Provinsi Jawa Tengah Tahun 2014.
3. Untuk mengetahui pengembangan program Visual Basic 6.0 terhadap
peramalan dengan metode exponential smoothing IPM Provinsi Jawa
Tengah Tahun 2014.
1.3.2 Manfaat
6
Adapun manfaat penelitian ini adalah sebagai berikut.
1. Bagi Mahasiswa
a. Mengaplikasikan ilmu yang telah didapat dibangku perkuliahan sehingga
menunjang persiapan untuk terjun ke dunia kerja.
b. Menambah wawasan dan pengetahuan penggunaan metode exponential
smoothing untuk peramalan IPM Provinsi Jawa Tengah.
c. Terapan langsung Microsoft Visual Basic 6.0 untuk penyusunan program
aplikasi peramalan dengan metode exponential smoothing.
2. Bagi Jurusan Matematika
a. Dapat dijadikan sebagai bahan studi kasus bagi pembaca dan acuan bagi
mahasiswa.
b. Sebagai bahan referensi bagi pihak perpustakaan dan bahan bacaan yang
dapat menambah ilmu pengetahuan bagi pembaca.
3. Bagi Instansi
Aplikasi Visual Basic 6.0 untuk peramalan Metode Exponential
Smoothing dapat dijadikan sebagai instrumen atau alat dalam melakukan
peramalan IPM Provinsi Jawa Tengah agar lebih efektif dan efisien.
1.4 Sistematika Penulisan
Sistematika Tugas Akhir terdiri dari tiga bagian yaitu bagian
pendahuluan, bagian isi dan bagian akhir seperti berikut.
(1) Bagian awal berisi halaman judul, halaman pengesahan, abstrak, motto dan
persembahan, kata pengantar, daftar isi, daftar lampiran dan daftar tabel.
(2) Bagian isi terdiri dari lima bab, yaitu:
7
BAB I : PENDAHULUAN
Dalam bab ini berisi latar belakang masalah, rumusan dan batasan
masalah, tujuan dan manfaat, serta sistematika tugas akhir.
BAB II : LANDASAN TEORI
Dalam bab ini akan dibahas dan diuraikan secara teoritis
mengenai konsep–konsep yang dijadikan landasan teori masalah
dan berisi tentang deskripsi IPM, peramalan dengan metode
exponential smoothing, dan Miscrosoft Visual Basic.
BAB III : METODE KEGIATAN
Dalam bab ini akan dibahas dan diuraikan metode kegiatan yang
berisi langkah–langkah yang ditempuh untuk memecahkan
masalah, variabel yang digunakan, cara mengumpulkan data dan
analisis data.
BAB IV : HASIL KEGIATAN DAN PEMBAHASAN
Dalam bab ini akan dikemukakan metode kegiatan yang berasal
dari peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan
Microsoft Excel, dan simulasi program peramalan exponential
smoothing dengan Microsoft Visual Basic 6.0.
BAB V : PENUTUP
Dalam bab ini berisi simpulan dari pembahasan dan saran yang
berkaitan dengan simpulan.
(3) Bagian akhir tugas akhir berisi daftar pustaka dan lampiran.
8
BAB II
LANDASAN TEORI
2.1 Indeks Pembangunan Manusia
2.1.1 Konsep Umum Pembangunan Manusia
Mengutip isi Human Development Report (HDR) pertama tahun 1990,
pembangunan manusia adalah suatu proses untuk memperbanyak pilihan-pilihan
yang dimiliki oleh manusia. Diantara banyak pilihan tersebut, pilihan yang
terpenting adalah untuk berumur panjang dan sehat, untuk berilmu pengetahuan,
dan untuk mempunyai akses terhadap sumber daya yang dibutuhkan agar dapat
hidup secara layak (UNDP 1995:1).
Pada tahun 1990 UNDP (United Nations Development Programme) dalam
laporannya “Global Human Development Report” memperkenalkan konsep
“Pembangunan Manusia (Human Development)” sebagai paradigma baru model
pembangunan. Menurut UNDP, pembangunan manusia dirumuskan sebagai
perluasan pilihan bagi penduduk (enlarging the choices of people), yang dapat
dilihat sebagai proses upaya ke arah “perluasan pilihan” dan sekaligus sebagai
taraf yang dicapai dari upaya tersebut. Pada saat yang sama pembangunan
manusia dapat dilihat juga sebagai pembangunan (formation) kemampuan
manusia melalui perbaikan taraf kesehatan, pengetahuan, dan keterampilan;
sekaligus sebagai pemanfatan (utilization) kemampuan/ketrampilan mereka.
Konsep pembangunan di atas jauh lebih luas pengertiannya dibandingkan konsep
9
pembangunan ekonomi yang menekankan pada pertumbuhan (economic growth),
kebutuhan dasar, kesejahteraan masyarakat, atau pegembangan sumber daya
manusia (UNDP 1993:1).
Berdasarkan konsep Pembangunan Manusia yang dikembangkan oleh PBB
(Perserikatan Bangsa-Bangsa), menetapkan peringkat kinerja pembangunan
manusia pada skala 0,0 – 100,0 dengan kategori sebagai berikut:
a) IPM ≥ 80,00
b) 66,00 ≤ IPM < 79,90
c) 50,00 ≤ IPM < 65,90
d) IPM < 50,00
(Sumber data perhitungan komponen IPM dari Survei Sosial Ekonomi Nasional
(SUSENAS) yang dilakukan BPS setiap tahun yang mencakup seluruh Provinsi di
Indonesia).
Sebagaimana dikutip dari laporan UNDP atau United Nations Development
Programme (1995:103), ada beberapa konsep penting mengenai pembangunan
manusia yaitu sebagai berikut:
a. Pembangunan harus mengutamakan penduduk sebagai pusat perhatian.
b. Pembangunan dimaksudkan untuk memperbesar pilihan-pilihan bagi
penduduk, bukan hanya untuk meningkatkan pendapatan mereka. Oleh
karena itu, konsep pembangunan manusia harus berpusat pada penduduk
secara komprehensif dan bukan hanya pada aspek ekonomi semata.
c. Pembangunan manusia memperhatikan bukan hanya pada upaya
meningkatkan kemampuan atau kapasitas manusia, tetapi juga pada
10
upayaupaya memanfaatkan kemampuan/kapasitas manusia tersebut secara
optimal.
d. Pembangunan manusia didukung oleh empat pilar pokok, yaitu diantaranya
produktivitas, pemerataan, kesinambungan dan pemberdayaan.
e. Pembangunan manusia menjadi dasar dalam penentuan tujuan pembangunan
dan dalam menganalisis pilihan-pilihan untuk mencapainya.
Menurut UNDP dalam Human Development Report (HDR) 1995 yang
menekankan bahwa untuk memperluas pilihan-pilihan manusia, konsep
pembangunan manusia harus dibangun dari empat dimensi yang tidak terpisahkan.
Berdasarkan konsep di atas maka untuk menjamin tercapainya tujuan
pembangunan manusia, ada empat unsur pokok yang perlu diperhatikan (UNDP,
1995:12) yaitu:
a. Produktivitas (Productivity)
Masyarakat harus mampu untuk meningkatkan produktifitas mereka dan
berpartisipasi penuh dalam proses mencari penghasilan dan lapangan
pekerjaan. Oleh karena itu, pembangunan ekonomi merupakan bagian dari
model pembangunan manusia.
b. Pemerataan (equity)
Masyarakat harus mempunyai akses untuk memperoleh kesempatan yang
adil. Semua hambatan terhadap peluang ekonomi dan politik harus
dihapuskan sehingga masyarakat dapat berpartisipasi di dalam dan
memperoleh manfaat dari peluang-peluang yang ada.
11
c. Kesinambungan (Sustainability)
Akses untuk memperoleh kesempatan harus dipastikan bahwa tidak hanya
untuk generasi sekarang tetapi juga untuk generasi yang akan datang. Semua
jenis pemodalan baik itu fisik, manusia, dan lingkungan hidup harus
dilengkapi.
d. Pemberdayaan (Empowerment)
Pembangunan harus dilakukan oleh masyarakat, dan bukan hanya untuk
mereka. Masyarakat harus berpartisipasi penuh dalam mengambil keputusan
dan prosesproses yang memengaruhi kehidupan mereka.
2.1.2 Komponen IPM
Komponen IPM adalah usia hidup (longevity), pengetahuan (knowledge), dan
standar hidup layak (decent living). Usia hidup diukur dengan angka harapan
hidup atau e0 yang dihitung menggunakan metode tidak langsung (metode Brass,
varian Trussel) berdasarkan variabel rata-rata anak lahir hidup dan rata-rata anak
yang masih hidup (Bappeda, 2012: 6-7).
Komponen pengetahuan diukur dengan angka melek huruf dan rata-rata lama
sekolah yang dihitung berdasarkan data Susenas Kor. Sebagai catatan, UNDP
dalam publikasi tahunan HDR sejak 1995 menggunakan indikator partisipasi
sekolah dasar, menengah, dan tinggi sebagai pengganti rata-rata lama sekolah
karena sulitnya memperoleh data rata-rata lama sekolah secara global. Indikator
angka melek huruf diperoleh dari variabel kemampuan membaca dan menulis,
sedangkan indikator rata-rata lama sekolah dihitung dengan menggunakan dua
12
variabel secara simultan; yaitu tingkat/kelas yang sedang/pernah dijalani dan
jenjang pendidikan tertinggi yang ditamatkan (Bappeda, 2009: 1).
Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi
real yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator PDB
per kapita real yang telah disesuaikan (adjusted real GDP per capita) sebagai
ukuran komponen tersebut karena tidak tersedia indikator lain yang lebih baik
untuk keperluan perbandingan antar negara (Bappeda, 2009: 2).
Indeks pembangunan manusia (IPM) atau Human Development Index (HDI)
adalah indikator untuk mengukur kualitas (derajat perkembangan manusia) dari
hasil pembangunan ekonomi. Human Development Index diperkenalkan pertama
kali oleh UNDP pada tahun 1990. IPM menggunakan ukuran sosial ekonomi yang
lebih komprehensif daripada GNP dan memungkinkan untuk membandingkan
negara dengan cara yang berbeda. Penghitungan IPM sebagai indikator
pembangunan manusia memiliki tujuan penting (UNDP, 1995:118), diantaranya:
a) Membangun indikator yang mengukur dimensi dasar pembangunan manusia
dan perluasan kebebasan memilih.
b) Memanfaatkan sejumlah indikator untuk menjaga ukuran tersebut sederhana.
c) Membentuk satu indeks komposit dari pada menggunakan sejumlah indeks
dasar.
d) Menciptakan suatu ukuran yang mencakup aspek sosial dan ekonomi.
Dalam indeks pembangunan manusia terdapat tiga komposisi indikator yang
digunakan untuk mengukur besar indeks pembangunan manusia suatu negara,
yakni :
13
1. Tingkat kesehatan diukur harapan hidup saat lahir (tingkat kematian bayi).
2. Tingkat pendidikan diukur dengan jumlah penduduk yang melek huruf atau
tingkat pendidikan yang telah dicapai atau lamanya pendidikan seorang
penduduk.
3. Standar kehidupan diukur dengan tingkat pengeluaran perkapita per tahun
(BPS,2012:2).
2.1.3 Indikator IPM
Beberapa istilah yang digunakan dalam penghitungan Indeks Pembangunan
Manusia, antara lain mencakup pengertian indikator IPM mengenai istilah angka
harapan hidup, Tingkat pendidikan, dan angka hidup layak diantaranya adalah:
a) Angka Harapan Hidup
Angka Harapan Hidup merupakan rata-rata perkiraan banyak tahun yang
dapat ditempuh oleh seseorang selama hidup. Penghitungan angka harapan
hidup melalui pendekatan tak langsung (indirect estimation). Jenis data yang
digunakan adalah Anak Lahir Hidup (ALH) dan Anak Masih Hidup (AMH).
Paket program Mortpack digunakan untuk menghitung angka harapan hidup
berdasarkan input data ALH dan AMH. Selanjutnya, dipih metode Trussel
dengan model West, yang sesuai dengan histori kependudukan dan kondisi
Indonesia dan negara-negara Asia Tenggara umumnya (Preston, 2004).
Indeks harapan hidup dihitung dengan menghitung nilai maksimum dan nilai
minimum harapan hidup sesuai standar UNDP, yaitu angka tertinggi sebagai
batas atas untuk penghitungan indeks dipakai 85 tahun dan terendah adalah
25 tahun (BPS, 2013:106).
14
b) Tingkat Pendidikan
Dalam hal ini, indikator yang digunakan adalah rata-rata lama sekolah (mean
years of schooling) dan angka melek huruf. Pada proses pembentukan IPM,
rata-rata lama sekolah memiliki bobot sepertiga dan angka melek huruf diberi
bobot dua pertiga, kemudian penggabungan kedua indikator ini digunakan
sebagai indeks pendidikan sebagai salah satu komponen pembentuk IPM.
Rata-rata lama sekolah menggambarkan jumlah tahun yang digunakan oleh
penduduk usia 15 tahun keatas dalam menjalani pendidikan formal.
Perhitungan rata-rata lama sekolah menggunakan dua batasan yang dipakai
sesuai kesepakatan beberapa negara. Rata-rata lama sekolah memiliki batas
maksimumnya 15 tahun dan batas minimum sebesar 0 tahun.
Angka melek huruf adalah presentase penduduk usia 15 tahun keatas yang
dapat membaca dan menulis huruf latin dan atau huruf lainnya. Seperti halnya
rata-rata lama sekolah, angka melek huruf juga menggunakan batasan yang
dipakai sesuai kesepakatan beberapa negara. Batas maksimum untuk angka
melek huruf adalah 100, sedangkan batas minimumnya 0 (nol). Nilai 100
menggambarkan kondisi 100 persen atau semua masyarakat mampu
membaca dan menulis, sedangkan nilai 0 mencerminkan kondisi sebaliknya
(BPS, 2013:107).
c) Indeks Hidup Layak
Untuk mengukur dimensi standar hidup layak (daya beli), UNDP
mengunakan indikator yang dikenal dengan real per kapita GDP adjusted.
Untuk perhitungan IPM sub nasional (Provinsi atau Kabupaten/Kota) tidak
15
memakai PDRB per kapita karena PDRB per kapita hanya mengukur
produksi suatu wilayah dan tidak mencerminkan daya beli real masyarakat
yan penting bagi IPM. Untuk mengukur daya beli penduduk antar Provinsi di
Indonesia, BPS menggunakan data rata-rata konsumsi 27 komoditi terpilih
dari Survei Sosial Ekonomi Nasional (SUSENAS) yang dianggap paling
dominan dikonsumsi oleh masyarakat Indonesia dan telah distandarkan agar
bisa dibandingkan antar daerah dan antar waktu yang disesuaikan dengan
indeks PPP (BPS, 2013:107).
2.1.4 Metodologi
2.1.4.1 Cakupan IPM Provinsi Jawa Tengah
IPM adalah suatu indikator pembangunan manusia yang diperkenalkan
UNDP pada tahun 1990. Pada dasarnya IPM mencakup tiga komponen yang
dianggap mendasar bagi manusia dan secara operasional mudah dihitung untuk
menghasilkan suatu ukuran yang merefleksikan upaya pembangunan manusia.
Ketiga aspek tersebut berkaitan dengan peluang hidup (longevity), pengetahuan
(knowledge), dan hidup layak (decent living). Peluang hidup dihitung berdasarkan
angka harapan hidup ketika lahir; pengetahuan diukur berdasarkan rata-rata lama
sekolah angka melek huruf penduduk usia 15 tahun keatas; dan hidup layak
diukur dengan pengeluaran per kapita yang didasarkan pada Purchasing Power
Parity (paritas daya beli dalam rupiah) (Bappeda, 2012: 6-7).
Usia hidup diukur dengan angka harapan hidup atau e0 yang dihitung
menggunakan metode tidak langsung (metode Brass, varian Trussel) berdasarkan
variabel rata-rata anak lahir hidup dan rata-rata anak yang masih hidup.
16
Komponen pengetahuan diukur dengan angka melek huruf dan rata-rata lama
sekolah yang dihitung berdasarkan data Suseda. Sebagai catatan, UNDP dalam
publikasi tahunan Human Development Report (HDR). Indikator angka melek
huruf diperoleh dari variabel kemampuan membaca dan menulis, sedangkan
indikator rata-rata lama sekolah dihitung dengan menggunakan dua variabel
secara simultan; yaitu tingkat/kelas yang sedang/pernah dijalani dan jenjang
pendidikan tertinggi yang ditamatkan (Bappeda, 2009: 1).
Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi
real yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator
Produk Domestik Bruto (PDB) per kapita real yang telah disesuaikan (adjusted
real GDP per capita) sebagai ukuran komponen tersebut karena tidak tersedia
indikator lain yang lebih baik untuk keperluan perbandingan antar negara (BPS,
2013: 107).
Penghitungan indikator konsumsi real per kapita yang telah disesuaikan
dilakukan melalui tahapan pekerjaan sebagai berikut :
Menghitung pengeluaran konsumsi per kapita dari Susenas Modul (=A) .
Mendeflasikan nilai A dengan Indeks Harga Konsumen (IHK) ibukota
propinsi yang sesuai (=B).
Menghitung daya beli per unit (=Purchasing Power Parity (PPP)/unit).
Metode penghitungan sama seperti metode yang digunakan International
Comparison Project (ICP) dalam menstandarkan nilai PDB suatu negara.
17
Data dasar yang digunakan adalah data harga dan kuantum dari suatu basket
komoditi yang terdiri dari nilai 27 komoditi yang diperoleh dari Susenas
Modul (Tabel 2.1).
Membagi nilai B dengan PPP/unit (=C).
Menyesuaikan nilai C dengan formula Atkinson sebagai upaya untuk
memperkirakan nilai marginal utility dari C.
Penghitungan PPP/unit dilakukan dengan rumus :
∑
PPP / unit = -------------------------
∑
dimana,
E( i, j ) : Pengeluaran konsumsi untuk komoditi j di kabupaten ke-i
p( 9, j ) : Harga komoditi j di DKI Jakarta (Jakarta Selatan)
q( i,,j ) : Jumlah komoditi j (unit) yang dikonsumsi di kabupaten ke-i
Rumus Atkinson (dikutip dari Arizal Ahnaf dkk, 1998;129) yang digunakan
untuk penyesuaian rata-rata konsumsi real secara matematis sebagai berikut :
C (i)* = C(i) jika C(i) < Z
= Z + 2(C(i) – Z) (1/2)
jika Z < C(i) < 2Z
= Z + 2(Z) (1/2)
+ 3(C(i) – 2Z) (1/3)
jika 2Z < C(i) < 3Z
= Z + 2(Z) (1/2)
+ 3(Z) (1/3)
+4(C(i) – 3Z) (1/4)
jika 3Z < C(i) < 4Z
di mana,
C(I) = Konsumsi per kapita riil yang telah disesuaikan dengan PPP/unit
18
Z = Threshold atau tingkat pendapatan tertentu yang digunakan sebagai batas
kecukupan yang dalam laporan ini nilai Z ditetapkan secara arbiter sebesar
Rp 547.500,- per kapita setahun, atau Rp 1.500,- per kapita per hari.
Indeks Pembangunan Manusia (IPM) disajikan dalam 27 komoditi seperti Tabel
2.1
Tabel 2.1
Komoditi Kebutuhan Pokok Sebagai
Dasar Perhitungan Daya Beli (PPP)
Komoditi Unit
Sumbangan Terhadap
Total Konsumsi (%)*)
(1) (2) (3)
1. Beras lokal Kg 7.25 2. Tepung terigu Kg 0.10 3. Ketela pohon Kg 0.22 4. Ikan
tongkol/tuna/cakalang
Kg 0.50 5. Ikan teri Ons 0.32 6. Daging sapi Kg 0.78 7. Daging ayam kampung Kg 0.65 8. Telur ayam Butir 1.48 9. Susu kental manis 397 gram 0.48
10. Bayam Kg 0.30 11. Kacang panjang Kg 0.32 12. Kacang tanah Kg 0.22 13. Tempe Kg 0.79 14. Jeruk Kg 0.39 15. Pepaya Kg 0.18 16. Kelapa Butir 0.56
17. Gula pasir Ons 1.61 18. Kopi bubuk Ons 0.60 19. Garam Ons 0.15 20. Merica/lada Ons 0.13 21. Mie instant 80 gram 0.79 22. Rokok kretek/filter 10 batang 2.86
19
23. Listrik Kwh 2.06 24. Air minum M
3 0.46
25. Bensin Liter 1.02 26. Minyak tanah Liter 1.74 27. Sewa rumah Unit 11.56
T o t a l 37.52
*) Berdasarakan data SUSENAS 1996, Sumber: BPS 2013
Unit kuantitas rumah dihitung berdasarkan indeks kualitas rumah yang
dibentuk dari tujuh komponen kualitas tempat tinggal yang diperoleh dari Suseda.
Ketujuh komponen kualitas yang digunakan dalam penghitungan indeks kualitas
rumah diberi skor sebagai berikut :
Lantai : keramik, marmer, atau granit = 1, lainnya = 0
Luas lantai per kapita : > 10 m2 = 1, lainnya = 0
Dinding : tembok = 1, lainnya = 0
Atap : kayu/sirap, beton = 1, lainnya = 0
Fasilitas penerangan : listrik = 1, lainnya = 0
Fasilitas air minum : leding = 1, lainnya = 0
Jamban : milik sendiri = 1, lainnya = 0
Skor awal untuk setiap rumah = 1
Indeks kualitas rumah merupakan penjumlahan dari skor yang dimiliki oleh
suatu rumah tinggal dan bernilai antara 1 sampai dengan 8. Kuantitas dari rumah
yang dikonsumsi oleh suatu rumah tangga adalah Indeks Kualitas Rumah dibagi
8. Sebagai contoh, jika suatu rumah tangga menempati suatu rumah tinggal yang
mempunyai Indeks Kualitas Rumah = 6, maka kuantitas rumah yang dikonsumsi
oleh rumah tangga tersebut adalah 6/8 atau 0,75 unit (BPS, 2013: 108).
2.1.4.2 Metode Perhitungan
20
Rumus penghitungan IPM dikutip dari Arizal Ahnaf dkk (1998;129) dapat
disajikan sebagai berikut :
IPM = 1/3 [X(1) + X (2) + X (3)]
dimana,
X(1) : Indeks harapan hidup
X(2) : Indeks pendidikan = 2/3(indeks melek huruf) + 1/3(indeks rata-rata lama
sekolah)
X(3) : Indeks standar hidup layak
Masing-masing indeks komponen IPM tersebut merupakan perbandingan
antara selisih nilai suatu indikator dan nilai minimumnya dengan selisih nilai
maksimum dan nilai minimum indikator yang bersangkutan. Rumusnya dapat
disajikan sebagai berikut :
Dimana,
:
Indikator ke-i (i = 1,2,3)
: Nilai maksimum X(i)
: Nilai minimum X(i)
Nilai maksimum dan nilai minimum indikator seperti terlihat dalam Tabel
2.2.
Tabel 2.2 Nilai Maksimum dan Minimum Komponen IPM
Indikator Komponen Nilai Nilai Catatan
21
IPM Maksimum Minimum
Angka Harapan Hidup (Tahun) 85 25 Standar (UNDP)
Angka Melek Huruf (Persen) 100 0 Standar (UNDP)
Rata-rata lama sekolah
(Tahun)
15 0 Standar (UNDP)
Daya Beli (Rupiah) 732.720 a)
360.000
b)
(1996, dst)
Pengeluaran per
Kapita Real
Disesuaikan
disesuaikan Sumber: BPS, BAPPENAS, UNDP, 2004
Catatan: a) Perkiraan maksimum pada akhir PJP II yahun 2018
b) Penyesuaian garis kemiskinan lama dengan garis kemiskinan baru
2.1.4.3 Rancangan Sampling
Secara umum rancangan sampling Indeks Pembangunan Manusia (IPM)
melalui dua tahap. Tahap Pertama, dari setiap provinsi dipilih secara purposive
bersyarat, dipilih sejumlah Kabupaten yang merupakan daerah sentra produksi
pertanian. Dan tahap selanjutnya dari setiap Kabupaten terpilih, dipilih sejumlah
Kecamatan yang merupakan sentra produksi pertanian.
2.2 Peramalan (Forecast)
2.2.1 Definisi dan Tujuan Peramalan
Peramalan adalah seni dan ilmu dalam memprediksikan kejadian yang
mungkin dihadapi pada masa yang akan datang. Dengan digunakannya peralatan
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 (Ariyoso, 2009:1). Peramalan
juga memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan
22
data masa lampau yang dianalisis secara ilmiah, khususnya menggunakan metode
statistika (Soepranto, 1984:4).
Peramalan definisikan sebagai alat/teknik untuk memprediksi atau
memperkirakan suatu nilai pada masa yang akan datang dengan meperhatikan
data atau informasi yang relevan, baik data/informasi masa lalu maupun
data/informasi saat ini (Djalal & Hardius,2004:226).
2.2.2 Hubungan Forecast Dengan Rencana
Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang,
sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang
akan datang (Pangestu Subagyo, 1986:3). Dengan sendirinya terjadi perbedaan
antara forecast dengan rencana.
2.2.3 Pemilihan Metode Yang Baik
Dalam bidang sosial ekonomi meskipun tidak dapat membuat forecast persis
dengan kenyataan, tapi bukan berarti forecast tidak penting. Melainkan forecast
sangat penting sebagai pedoman dalam pembuatan rencana. Menurut Sahli (2013:
63). Ketepatan metode peramalan digunakan sebagai petunjuk seberapa jauh
model peramalan meproduksi data yang telah diketahui tersebut.
Kerja dengan menggunakan forecast jauh lebih baik dari pada tanpa forecast
sama sekali, hanya sekarang masalahnya bagaimanakah cara membuat forecast
agar mendekati kenyataan. Caranya harus bisa memlilih metode forecast yang
cocok dengan kasusnya. Banyak metode forecast yang ada, misalnya metode
23
dekomposisi, moving average, exponential smoothing, input output, regresi,
simulasi, analisis runtun waktu dan lain sebagainya. Tetapi setiap suatu metode
mungkin sangat cocok untuk membuat forecast mengenai satu hal, tetapi tidak
cocok untuk hal lain. Oleh karena itu kita harus memilih metode mana yang
paling cocok yaitu yang bisa meminimumkan kesalahan / error forecast
(Subagyo,1989:5).
Pemilihan teknik peramalan yang digunakan dipengaruhi oleh empat aspek,
yaitu pola atau karakteristik data, jangka waktu, biaya dan tingkat akurasi yang
diinginkan. Pola atau karakteristik data merupakan aspek utama yang sangat
berpengaruh terhadap pemilihan teknik peramalan. Suatu data yang memilik pola
trend (naik atau turun) akan lebih tepat bila di ramalkan dengan teknik
dekomposisi. Sedangkan data yang berpola fluktuatif akan lebih tepat bila
diforecast dengan teknik smoothing (Gitosudarmo & Najmudin, 2000:5).
2.3 Data Time Series
Data time series yaitu data yang dikumpulkan dari waktu ke waktu untuk
melihat perkembangan suatu kegiatan (misal perkembangan penjualan, harga dan
sebagainya), apabila data digambarkan akan menunjukan fluktuasi dan dapat
digunakan sebagai dasar penarikan trend untuk meramalkan suatu kegiatan. Hasil
peramalan ini berguna sebagai dasar perencanaan dan penarikan kesimpulan.
2.4 Peramalan Dengan Pemulusan (Smoothing)
Metode smoothing merupakan teknik meramal dengan cara mengambil rata-
rata dari nilai beberapa periode yang akan datang. Dalam metode ini data historis
24
digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Smoothing
dapat dilakukan dengan cara moving average atau exponential smoothing.
2.4.1 Metode Exponential Smoothing
Metode Exponential Smoothing merupakan perkembangan dari metode
moving average sederhana. Dalam metode ini peramalan dilakukan dengan
mengulang perhitungan secara terus menerus dengan menggunakan data terbaru.
Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar
(Gitosudarmo & Najmudin, 2000: 16). Metode Exponential Smoothing lebih
cocok digunakan untuk meramal hal-hal yang fluktuasi datanya bersifat random
(tidak teratur) (Subagyo, 1989:22). Beberapa keunggulan metode pemulusan
eksponensial ( exponential smoothing ) dibandingkan dengan metode tradisional
(Leabo Dick A., 1968:322) adalah :
1. Data-data selalu dioperasikan dengan efisien;
2. Hanya membutuhkan sedikit data dari satu waktu ke waktu berikutnya;
3. Dapat dimodifikasi untuk mengolah data yang berisi trend tertentu atau pola
musiman;
4. Dapat digunakan dengan biaya murah baik secara manual maupun dengan
komputer.
Dalam bidang sumber daya air metode exponential smoothing juga telah
banyak digunakan terutama dalam peramalan data. Tularam, G. A., dkk.. (2008)
menggunakan exponential smoothing dalam metode untuk memisahkan aliran
dasar yang merupakan dampak langsung dari kesalahan hitungan, yaitu dengan
meminimumkan kesalahan dan menyeleksi koefisien aliran dasar alpha (α). Ada
25
tiga metode dalam Exponential Smoothing yaitu single exponential smoothing,
double exponential smoothing, triple exponential smoothing.
Nilai konstana atau parameter disebut smoothing constant. Persamaan ini
digunakan untuk menghitung ramalan dengan metode pemulusan eksponensial.
Metode ini banyak mengurangi masalah penyimpangan data, karena tidak perlu
lagi menyimpan semua data historis atau sebagian (seperti dalam kasus rata-rata
bergerak).
1) Konstanta Pemulusan (smoothing constant alpha)
Konstanta pemulusan (alpha) berfungsi sebagai faktor penimbang. Nilai
konstanta mempengaruhi keakuratan dan ketepatan dari forecast. Nilai
yang dipilih harus secara signifikan menurunkan forecast error. Kecepatan
pemulusan (smoothing) dari respon sebelumnya adalah fungsi dari nilai .
Jika mendekati 1, laju pemulusan cepat berarti nilai prediksi yang baru
sudah memasukkan faktor penyesuaian untuk setiap tingkat kesalahan yang
terjadi pada nilai prediksi yang lama. Tetapi jika mendekati 0, laju
pemulusan lambat berarti nilai prediksi yang baru hampir sama dengan nilai
prediksi yang lama. Nilai yang menghasilkan tingakat kesalahan (error)
yang paling kecil adalah yang dipilih dalam proses peramalan. Untuk
mengetahui nilai yang paling optimal, dapat digunakan metode simulasi
atau trial dan error. Ini merupakan prosedur iterasi yang dimulai dengan nilai
antara 0,1 sampai 0,9 (Subagyo, 1986:19).
26
Cara menggunakan metode diatas adalah sebagai berikut:
a. Tentukan terlebih dahulu nilai awal untuk
b. Kemudian cari nilai peramalannya menggunakan rumus exponential
smoothing.
c. Setelah diperoleh nilai peramalannya selanjutnya kita hitung nilai The Sum
of the Squared Errors (SSE), yaitu jumlah dari seluruh nilai peramalan.
d. Langkah selanjutnya menghitung nilai The Mean of the Squared Errors
(MSE), yaitu rata-rata dari seluruh nilai peramalan atau nilai The Sum of
the Squared Errors (SSE) dibagi dengan banyak data.
Telah dijelaskan sebelumnya bahwa nilai yang terbaik adalah yang
memberikan hasil The Mean of the Squared Errors (MSE) yang minimum.
Maka, yang memberikan nilai The Mean of the Squared Errors (MSE)
terkecil itulah yang dipilih untuk proses peramalan.
2) Kesalahan Ramalan (forecast error)
Untuk mendapatkan hasil forecast yang mendekati ketepatan adalah dengan
memilih hasil forecast yang memiliki nilai Mean Square Error (MSE) atau
Mean Absolute Error (MAE).
a. Mean Square Error (MSE)
Mean Square Error (MSE) adalah kuadrat rata-rata nilai error kuadrat dari
kesalahan meramal.
∑| |
b. Mean Absolute Error (MAE)
Mean Absolute Error (MAE) rata-rata nilai absolute dari kesalahan
27
meramal (tidak dihiraukan tanda positif atau negatifnya).
∑| |
2.4.1.1 Metode Single Exponential Smoothing
Pada metode ini digunakan jika data tidak mempengaruhi secara signifikan
oleh faktor trend dan musiman. Setiap data diberi bobot tertentu dengan data yang
lebih baru diberi bobot yang lebih besar dari pada data yang lebih lama. Bobot
yang diberikan pada data yang ada sebesar untuk data yang terbaru, (1-)
untuk data yang lama, (1-)2 untuk data yang lebih lama, dan seterusnya.
Besarnya adalah anatara 0 dan 1. Semakin mendekat 1 berarti semakin lebih
diperhatikan. Metode ini cocok digunakan untuk meramalkan hal-hal yang
fluktuasinya secara random (tidak teratur) (Gitosudarmo & Najmudin, 2000: 17).
Menurut Pangestu Subagyo (1986: 19) rumus untuk besarnya forecast single
exponential smoothing secara sistematis adalah:
Keterangan:
St+1 = ramalan untuk periode ke t+1
Xt = nilai data asli periode ke-t
St = ramalan untuk periode ke-t
α = konstanta perataan antara 0 dan 1
2.4.1.2 Metode Double Exponential Smoothing
Metode ini merupakan model linier yang dikemukakan oleh Brown. Metode
double exponential smoothing ini biasanya lebih tepat digunakan untuk
meramalkan data yang mengalami trend kenaikan dan proses smoothing dilakukan
28
dua kali. Pada metode ini proses penentuan ramalan dimulai dengan menentukan
besarnya secara trial dan error. Menurut (Gitosudarmo & Najmudin (2000: 23)
tahap-tahap dalam melakukan ramalan adalah sebagai berikut:
1) Menentukan Smoothing pertama tS
tS = Smoothing pertama periode ke-t
Xt = nilai data pada periode ke-t
1tS = Smoothing pertama periode ke t-1
2) Menentukan Smoothing kedua
Smoothing ke dua periode t – 1
3) Menentukan besarnya nilai at (konstanta)
4) Menentukan besarnya nilai bt (slope)
5) Menentukan besarnya forecast
m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang
akan datang peramalan dilakukan (Sugiman, 2013:26).
2.4.1.3 Metode Triple Exponential Smoothing
Metode ini merupakan metode yang yang dikemukakan oleh Brown, dengan
menggunakan persamaan kuadrat. Metode ini lebih cocok kalau dipakai untuk
29
membuat forecast hal yang berfluktuasi atau mengalami gelombang pasang surut.
Menurut Subagyo (1986: 26) prosedur pembuatan forecast dengan metode ini
adalah sebagai berikut:
1) Menentukan Smoothing pertama tS
tS = Smoothing pertama periode ke-t
Xt = nilai data pada periode ke-t
1tS = Smoothing pertama periode ke t-1
Untuk bulan pertama tS belum bisa dicari dengan rumus diatas. Maka boleh
ditentukan secara bebas seperti nilai yang terjadi pada bulan pertama
2) Menentukan Smoothing kedua
Pada bulan pertama biasanya nilai ditentukan seperti nilai yang terjadi
pada bulan pertama.
3) Menentukan Smoothing ketiga
Pada bulan pertama biasanya nilai ditentukan seperti nilai yang terjadi
pada bulan pertama.
4) Menentukan besarnya nilai at (konstanta)
5) Menentukan besarnya nilai bt (slope)
[
]
30
Mencari ct dengan menggunakan rumus:
6) Menentukan besarnya forecast
m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang
akan datang forecast dilakukan.(Sugiman, 2013:27)
2.5 Microsoft Visual Basic 6.0
2.5.1 Definisi Visual Basic
Program Microsoft Visual Basic merupakan bahasa pemrograman tingkat
tinggi (High Level Languange). Microsoft Visual Basic juga merupakan bahasa
pemrograman Object Oriented Programming (OOP), yaitu pemrograman
berorientasi pada objek. Microsoft Visual Basic memiliki beberapa versi yaitu
Microsoft Visual Basic 3.0, Microsoft Visual Basic 5.0, Microsoft Visual Basic
Versi 6.0, VB. Net. Dan mungkin akan berkembang lagi dengan berbagai versi dan
semakin sempurna dalam penggunaannya.
Menurut Kusrini (2007:171), “Visual Basic adalah salah satu bahasa
pemrograman komputer”. Bahasa pemrograman adalah perintah-perintah yang
dimengerti oleh komputer untuk melakukan tugas-tugas tertentu. Visual Basic
merupakan salah satu development tool, yaitu alat bantu untuk membuat berbagai
macam program komputer, khususnya yang menggunakan sistem operasi
windows.
31
Menurut Suhata, (2005:3), “Visual Basic 6.0 merupakan salah satu bahasa
pemrograman yang dapat digunakan untuk menyusun dan membuat program
aplikasi pada lingkungan sistem operasi windows”. Program aplikasi dapat berupa
program database, program grafis, dan lain sebagainya. Di dalam visual basic 6.0
sudah terdapat kompenen-kompenen yang sangat membantu pembuatan program
aplikasi.
Menurut Komputer & Pengembangan (2004 : 34) untuk membuat sebuah
program aplikasi Visual Basic, dapat dilakukan dengan tiga langkah yaitu:
1) Menyusun atau mengatur objek-objek pada bidang yang disebut form.
2) Menentukan isi dari properties pada masing-masing objek sesuai dengan
kebutuhan untuk mengontrol aplikasi,
3) Menuliskan kode program kontrol yang dimaksud. Pada bagian ini akan
dituliskan kode-kode program dalam sebuah aplikasi yang sedang dibuat.
Untuk membuat aplikasi Visual Basic harus diketahui variabel dan jenis
datanya.
2.5.2 Memulai Program Visual Basic 6.0
Program Visual Basic 6.0 berjalan pada sistem operasi Windows, maka
sebelum memulai mengoperasikan program tersebut, harus mengaktifkan terlebih
dahulu sistem operasi Windows, dengan langkah-langkah sebagai berikut:
1. Klik tombol mouse sebelah kiri pada Start pada Taskbar.
2. Pilih menu program Visual Basic 6.0.
3. Selanjutnya sebuah kotak dialog New Project akan ditampilkan.
4. Dari tampilan tersebut pilih aplikasi Standart EXE, lalu klik Open.
32
Gambar 2.1 Tampilan Kotak Dialog New Project Visual Basic 6.0.
2.5.3 Tampilan Dasar Program Visual Basic 6.0
Gambar 2.2 Tampilan dasar Visual Basic 6.0
33
Layar program Visual Basic 6.0 merupakan suatu lingkungan besar yang
terdiri dari beberapa bagian kecil yang tersusun sedekimian rupa dan mempunyai
sifat-sifat sebagai berikut:
1. Docking, berfungsi sebagai tempat peletakan bagian IDE (Integrated
Development Integration) sehingga dapat menempel dengan bagian lain yang
berdekatan.
2. Floating, elemen-elemennya dapat digeser-geser ke posisi mana saja.
3. Sizable, elemen atau jendela dapat diubah-ubah ukurannya.
Dari sifat-sifat yang ada, maka dapat dengan mudah memindahkan,
menggeser, memperbesar atau meperkecil ukuran suatu komponen layar Visual
Basic 6.0 dapat dilihat pada Gambar 2.2.
2.5.3 Struktur Aplikasi Program Visual Basic 6.0
Aplikasi (project) yang tedapat dalam Visual Basic 6.0 terdiri atas bagian-
bagian sebagi berikut:
i. Menu Bar
Gambar 2.3 Menu-menu pada Menu Bar
Main Bar merupakan kumpulan perintah-perintah yang dikelompokan dalam
kiteria operasinya.
ii. Toolbar
Gambar 2.4 Bentuk Toolbar Standart
34
Toolbar merupakan sekumpulan tombol yang mewakili suatu perintah
tertentu pada Visual Basic.
iii. Toolbox
Gambar 2.5 Kumpulan kontrol pada Toolbox
Toolbox merupakan sebuah jendela dimana obyek atau kontrol ditempatkan
yang dibutuhkan untuk membentuk suatu program, dengan cara dipasang
pada form.
iv. Form Window
Gambar 2.6 Bentuk dari Form Window
35
Form Window (jendela form) merupakan area kerja untuk merancang suatu
program aplikasi Visual Basic. Pada jendela form ini dapat meletakkan
kontrol seperti command button, textbox, label, checkbox, dan lainnya.
v. Code Window
Gambar 2.7 Suatu Prosedur dalam Code Window
Code Window merupakan area untuk menuliskan kode-kode program Visual
Basic. Suatu kode-kode program merupakan kumpulan dari intruksi untuk
menjalankan obyek yang berupa kontrol maupun form serta logika program.
vi. Project Explorer
Gambar 2.8 Project Explorer
36
Project Explorer berfungsi berbagai saran pengakses bagian-bagian
pembentuk project. Pada windows ini terdapat tiga tombol pengaktif untuk
Windows Code, Windows Object dan Toggle Folder. Juga terdapat diagram
yang menampilkan susunan folder penyimpanan file-file project.
vii. Properties Windows
Gambar 2.9 Tab alphabetic pada Properties Windows
Properties Windows merupakan area yang berisi semua informasi mengenai
kontrol yang dibuat, dan bertugas menyiapkan segala properti dari kontrol
yang diperlukan dalam perancangan user interface maupun pemograman.
Tampilan Properties Windows dapat dilihat pada Gambar 2.9
viii. Form Layout Window
37
Gambar 2.10 Bentuk dari form pada Layout Window
Form Layout Window merupakan jendela yang menunjukkan tata letak form
saat ditampilkan pada layar monitor dapat dilihat pada Gambar 2.10.
2.5.4 Keunggulan Aplikasi Visual Basic
Dengan adanya Microsoft Visual Basic 6.0 ini dapat memudahkan para
programmer untuk membuat program yang familiar untuk pemakai (User) karena
menggunakan visualisasi dan animasi yang cukup tinggi serta tampilan yang
menarik untuk dilihat. Karena kemiripannya dengan pemrograman basic, bahasa
pemrograman Microsoft Visual Basic ini menjadi lebih mudah untuk dipahami
dan dipelajari. Microsoft Visual Basic 6.0 ini mempunyai kemampuan yang sangat
besar dalam membuat program-program yang lebih kompleks.
Microsoft Visual Basic terdiri dari beberapa versi, dan Microsoft Visual
Basic 6.0 merupakan penyempurnaan dari versi sebelumnya. Sejak diciptakan
versi pertamanya pada tahun 1991, Microsoft Visual Basic kini telah mencapai
versi yang keenam yang memilki keunggulan dari versi sebelumnya. Berikut ini
beberapa keunggulan dari Microsoft Visual Basic 6.0:
a) Kemampuan membuat ActiveX dan fasilitas internet yang lebih banyak.
b) Memiliki compiler yang dapat menghasilkan output file executable (.exe).
38
c) Memiliki beberapa tambahan sarana wizard yang lebih lengkap.
d) Membuat flat form pembuatan program yang diberi nama developer studio.
e) Sarana akses data yang lebih cepat dan handal untuk membuat aplikasi
database yang berkemampuan tinggi dan kompleks.
f) Penambahan kontrol baru yang lebih canggih serta peningkatan kaidah
struktur bahasa Microsoft Visual Basic 6.0.
2.5.5 Peralatan Pendukung (Tools System)
Peralatan pendukung mempunyai pengertian sebagai media yang dibutuhkan
oleh setiap programmer untuk membantu mempermudah dalam pembuatan,
pembacaan logika dan algoritma program, serta membantu untuk mengetahui
alur program yang dibuat mulai dari masukan, proses, dan keluaran yang
dihasilkan. Peralatan yang mendukung dalam perancangan program meliputi
konsep teori Normalisasi, File Index, Bagan Alir (Flowchart), Struktur Kode, dan
HIPO (Hierarchy plus Input Process Output).
2.5.6 Macam-macam Data di Visual Basic
Visual Basic mempunyai beberapa jenis data. Untuk mengidentifikasi sebuah
data pada sebuah variabel, Visual Basic menggunakan satu karakter tanda yang
diletakkan di akhir nama sebuah variabel. Jenis data dalam visual basic yaitu
boolean, integer, long, single, double, currency, date, object, string, dan variant.
2.6 Flowchart Menurut Jogiyanto (2005:795), “Bagan alir (flowchart) adalah bagan
(chart) yang menunjukan hasil (flow) didalam program atau prosedur sistem
secara logika”. Bagan alir digunakan terutama untuk alat bantu komunikasi dan
untuk dokumentasi. Menurut Jogiyanto (2005:802), “Flowcart adalah bagan-
39
bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelsaian
suatu masalah”. Flowcart merupakan cara penyajian dari suatu algoritma.
Pedoman dalam menggambar suatu bagan alir, analis sistem atau
pemrograman sebagai berikut;
a. Bagan alir sebaiknya digambar dari atas ke bawah dan mulai dari bagian kiri
dari suatu halaman.
b. Kegiatan didalam bagan alir harus ditunjukan dengan jelas dan harus
ditunjukan darimana kegiatan akan dimulai dan dimana akan berakhirnya.
c. Masing-masing kegiatan didalam bagan alir sebaiknya digunakan suatu kata
yang mewakili suatu pekerjaan, misalnya;“persiapkan” dokumen “hitung”
gaji.
d. Masing-masing kegiatan didalam bagan alir harus didalm urutan yang
semestinya dan kegiatan yang terpotong dan akan disambung ketempat lain
harus ditunjukan dengan jelas menggunakan symbol penghubung.
e. Gunakanlah symbol-simbol bagan alir yang standar.
Ada 5 macam menurut jogiyanto bagan alir diantranya;
a) Bagan alir sistem (sistems flowchart)
40
Gambar 2.11 Simbol bagan alir sistem
Bagan alir sistem (system flowchart) merupakan bagan yang
menunjukkan arus pekerjaan secara keseluruan dari sistem. Bagan
menjelaskan urutan-urutan dari prosedure-prosedure yang ada dalam sistem.
Bagan alir sistem menunjukan apa yang dikerjakan sistem. Bagan alir sistem
digambar dengan simbol-simbol dapat dilihat pada Gambar 2.11 (Sumber:
Salemba Infotek).
41
b) Bagan alir program (program flowchart)
Gambar 2.12 Simbol bagan alir program
Bagan alir program (program flowchart) merupakan bagan yang
menjelaskan secara rinci langkah-langkah dari proses program. Bagan alir
program dibuat dengan menggunakan simbol-simbol dapat dilihat pada
Gambar 2.12 (Sumber: Salemba Infotek).
c) Bagan alir dokumen (document flowchart)
Bagan alir dokumen (document flowchart) atau disebut bagan alir formulir
(form flowchart) atau paperwork flowchart merupakan bagan alir yang
menunjukan arus dari laporan dan formulir termasuk tembusan-tembusannya.
42
Bagan alir dokumen ini menggunakan simbol-simbol yang sama dengan yang
digunakan di dalam bagan alir sistem.
b. Bagan alir skematik (schematic flowchart)
Bagan alir skematik (schematic flowchart) merupakan bagan alir yang
mirip dengan bagan alir sistem, yaitu untuk menggambarkan prosedur di
dalam sistem. Perbedaannya adalah bagan alir skematik menggunakan
simbol-simbol bagan alir sistem , juga menggunakan gambar - gambar
komputer dan peralatan lainnya yang digunakan. Maksud penggunaan
gambar-gambar ini adalah untuk memudahkan komunikasi kepada orang
yang kurang paham dengan simbol-simbol bagan alir.
e. Bagan alir proses (process flowchart)
Gambar 2.13 Simbol bagan alir proses
Bagan alir proses (process flowchart) merupakan bagan alir yang banyak
digunakan teknik industri. Bagan alir juga berguna bagi anilis sistem untuk
menggambarkan proses dalam suatu prosedure. Bagan alir proses
menggunakan lima buah simbol tersendiri dapat dilihat pada Gambar 2.13
(Sumber: Salemba Infotek).
42
BAB III
METODE PENELITIAN
3.1 Ruang Lingkup Penelitian
Penelitian ini dilakukan untuk membuat suatu program aplikasi untuk
menghitung peramalan Indeks Pembangunan Manusia (IPM) Provinsi Jawa
Tengah Tahun 2014. Fokus dalam penelitian ini adalah peramalan dengan metode
exponential smoothing untuk data Indeks Pembangunan Manusia (IPM) Provinsi
Jawa Tengah Tahun 2014, dan pembuatan program aplikasi peramalan dengan
metode exponential smoothing dengan menggunakan salah satu bahasa
pemograman yaitu Microsoft Visual Basic 6.0.
3.2 Variabel Penelitian dan Cara Pengumpulan Data
3.2.1 Variabel Penelitian
Penelitian ini menitik beratkan pada perhitungan dan pembuatan program
untuk menghitung peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan
Metode exponential smoothing.
Variabel dalam penelitian ini meliputi data Indeks Pembangunan Manusia
(IPM) Provinsi Jawa Tengah Tahun 2005 sampai Tahun 2013.
3.2.2 Cara Pengumpulan Data
Metode pengumpulan data yang dilakukan dalam penelitian ini adalah
sebagai berikut:
43
a) Metode Studi Pustaka
Penulis mengumpulkan informasi yang diperlukan dalam peneliyian dari
sumber pustaka untuk mengenal istilah-istilah dalam IPM.
b) Metode Dokumentasi
Dengan metode dokumentasi, penulis mengumpulkan data Indeks
Pembangunan Manusia (IPM) Provinsi Jawa Tengah dari tahun 2005 sampai
tahun 2013.
3.3 Metode Penelitian
Metode yang dilakukan dalam penelitian ini adalah menghitung, merancang,
dan membuat program aplikasi Visual Basic 6.0 perhitungan peramalan Indeks
Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 dengan metode
exponential smoothing dengan langkah-langkah sebagai berikut:
1) Mempersiapkan alat dan bahan yang diperlukan
2) Membuat rancangan diagram alir program
3) Mengubah atau menterjemahkan diagram alir program ke dalam tata bahasa
pemograman Microsoft Visual Basic 6.0
4) Membuat program pada aplikasi Microsoft Visual Basic 6.0
5) Mengkompilasi program
6) Menguji program
7) Merevisi program bila diperlukan
8) Memprediksi nilai IPM Provinsi Jawa tengah Tahun 2014
9) Menganalisis hasil.
44
3.4 Analisis Data
Hasil perancangan dan pembuatan program diuraikan dan dijelaskan secara
deskriptif naratif (gambaran secara umum). Penafsiran dan penarikan kesimpulan
dilakukan berdasarkan tiap langkah pembuatan program. Simpulan akhir
ditentukan berhasil atau tidaknya program yang dibuat. Indikator keberhasilan
didasarkan pada kesesuaian program dengan perhitungan secara manual.
3.4.1 Pembuatan program aplikasi metode peramalan exponential
smoothing menggunakan Microsoft Visual Basic 6.0.
Menu program ini terdiri dari: pola data, analyze, petunjuk penggunaan, dan
exit. Pada menu analyze terdiri dari tiga submenu, yaitu single exponential
smoothing, double exponential smoothing, triple exponential smoothing. Pada
masing-masing form baik single, double, maupun triple exponential smoothing
terdapat beberapa tombol yang digunakan untuk menghitung ramalan, melihat
pola data, menginput data, import / export data, menghapus data, dan tombol
home.
3.4.2 Tahap-tahap peramalan
Dalam tahap ini dilakukan pengkajian data yang diperoleh berdasarkan teori
yang ada dan berkaitan dengan exponential smoothing untuk meramalkan nilai
Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah tahun 2014.
3.4.2.1 Melihat Pola Data
Untuk melihat pola data nilai Indeks Pembangunan Manusia (IPM) Provinsi
Jawa Tengah tahun 2014 dari data time series yang ada, dilakukan melihat pada
Graph. Di dalam diagram itu waktu atau periode (X) sebagai absis dan nilai
45
Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah (Y) sebagi ordinat.
3.4.2.2 Memilih Metode Exponential Smoothing Yang Sesuai Berdasarkan
Pola Yang Didapat Dari Data Time Series Yang Ada, diantaranya:
a) Jika datanya berfluktuasi secara rendom, maka metode single exponential
smoothing adalah tepat.
b) Jika datanya menunjukan suatu trend linier, maka metode double exponential
adalah tepat.
c) Jika datanya musiman atau fluktuasi teratur, metode triple exponential
smoothing adalah tepat.
3.4.2.3 Menghitung kesalahan ramalan
Mengukur error (kesalahan) forecast biasanya digunakan mean absolute
error dan mean absolute error. Mean absolute error adalah rata-rata nilai
absolute dari kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya)
atau ∑| |
, untuk mean square error adalah rata-rata dari kesalahan forecast
dikuadratkan atau ∑| |
. Untuk mendapatkan hasil forecast yang mendekati
ketepatan adalah dengan memilih hasil forecast yang memiliki nilai mean square
error atau mean absolute error.
84
BAB V
PENUTUP
5.1 Simpulan
Berdasarkan uraian pada hasil penelitian dan pembahasan maka ditarik
kesimpulan sebagai berikut.
1. Model peramalan metode exponential smoothing terbaik untuk Indeks
Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 untuk
alpha 0,1 menggunakan metode triple exponential smoothing diperoleh
model forecast adalah
. Untuk
alpha 0,5 menggunakan metode triple exponential smoothing diperoleh
model forecast adalah
. Sedangkan
untuk alpha 0,9 menggunakan metode double exponential smoothing
model forecast adalah .
85
2. Hasil perhitungan peramalan exponential smoothing terbaik untuk Indeks
Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 untuk
alpha 0,1 menggunakan metode triple exponential smoothing diperoleh
nilai forecast sebesar 73,43. Untuk alpha 0,5 menggunakan metode triple
exponential smoothing diperoleh nilai forecast sebesar 74,62. Sedangkan
untuk alpha 0,9 menggunakan metode double exponential smoothing
diperoleh nilai forecast sebesar 74,61.
3. Pengembangan program visual basic 6.0 untuk peramalan exponential
smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi
Jawa Tengah Tahun 2014 dengan cara membuat program simulasi
peramalan metode exponential smoothing, yang memuat proses
peramalan, melihat pola data, dan melihat metode hasil peramalan terbaik.
5.1 Saran
Setelah melakukan pembuatan program aplikasi peramalan exponential
smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa
Tengah Tahun 2014, saran yang dapat diberikan sebagai berikut.
1. Peneliti dapat menganalisis peramalan dengan semua nilai alpha tidak
hanya 0,1; 0,5; dan 0,9 untuk lebih mengetahui metode peramalan terbaik
yang tepat untuk setiap nilai alpha.
2. Program simulasi yang tepat dibuat dapat dikembangkan dengan membuat
simulasi program peramalan dengan metode yang lain, karena dalam
penggunaannya lebih efisien waktu.
86
DAFTAR PUSTAKA
Ariyoso. 2009. Metode Eksponential Smoothing Tahun 2009. Jakarta.
Arsyad, Lincolin. 1999. Ekonomi Pembangunan. STIE YKPN. Yogyakarta.
Badan Pusat Statistik dan UNDP. 1993. Indeks Pembangunan Manusia Indoensia,
Perbandingan Antar Provinsi 1990-1993. Badan Pusat Statistik. Jakarta.
Badan Pusat Statistik Provinsi Jawa Tengah. Jawa Tengah Dalam Angka 2014.
Badan Pusat Statistik Provinsi Jawa Tengah. Semarang.
Bappeda Biak Numfor. 2012. Indeks Pembangunan Manusia dan Analisis
Pembangunan Manusia, Biak.
Gitosudarmo, I & Najmudin, M. 2000. Teknis Proyeksi Bisnis. Yogyakarta:
BPFE.
Gujarati, Damodar. 2003. Ekonometrika Dasar. Erlangga. Jakarta.
H. Preston, Samuel, et.all,2004. Demography;measuring and Modelling
population Processes, Blackwell,USA.
Jogiyanto. 2005. Analisis dan Desain. Edisi Ketiga. Yogyakarta: Andi Offset.
Kementerian Pemberdayaan Perempuan dan Perlindungan Anak. 2011.
Pembangunan Manusia Berbasis Gender. CV. Kementerian Pemberdayaan
Perempuan dan Perlindungan Anak. Jakarta.
Komputer, W & Pengembangan. 2004. Tutorial Membuat Program Dengan
Visual Basic. Jakarta: Salemba Infotek.
Kuncoro, Mudrajad. 2003. Ekonomi Pembangunan: Teori, Masalah, dan Kebijakan
Edisi Ketiga. UPP AMP YKPN. Yogyakarta.
Kusrini. 2007. Strategi Perancangan dan Pengelolaan Basis Data. Yogyakarta.
Leabo Dick A., (1968), Basic Forecast Statistics, Journal of the American
Statistical Association:322.
Makridakis, S. 2003. Metode dan Aplikasi Peramalan. Jilid 1. Edisi Revisi.
Binarupa Aksara: Jakarta.
87
Nachrowi, Djalal dan Hardius Usman (2004) Penggunaan Teknik Ekonometr.
Edisi Revisi, PT Rajagrafindo Persada, Jakarta.
Pratiwi, Wiwik D., Indeks Pembangunan Sub Bidang Pembangunan Perdesaan.
Program Studi Arsitektur ITB. Bandung.
Sahli, M. 2013. Penerapan metode exponential smoothing dalam sistem informasi
pengendalian persediaan bahan baku (studi kasus toko tirta harum). Jurnal
SIMETRIS. 3(1): 59-70.
Soepranto, J. 1984. Statistika Teori dan Aplikasi Jilid 1. Jakarta: Erlangga.
Subagyo, P. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta. BPFE-
Yogyakarta.
Subagyo, Pangestu. 2002. Forecasting Konsep dan Aplikasi. BPFE: Yogyakarta.
Sudjana. 2005. Metode Statistika. Bandung: PT. Tarsito.
Sugiman. 2013. Bahan Ajar Program Studi Statistika Terapan dan Komputasi D3.
Metode Peramalan (Forecasting).
Suhata. 2005. Visual Basic Sebagai Pusat Kendali Peralatan Elektronik. PT.Elex
Media Komputindo.Jakarta
Supranto, J. 1991. Statistik: Teori dan Aplikasi. Jilid 2. Edisi Kelima. Jakarta:
Erlangga.
Tularam, G. A., at.al. (2008), Exponential Smoothing Method of Base Flow
Separation and Its Impact on Continuous Loss Estimates, American Journal
of Environmental Sciences 4 (2): 136-144, ISSN 1553-345X Science
Publications.
United Nations Development Programme (UNDP). 1990. Global Human
Development Report. Human Resources Department.
88
Lampiran 1
DATA INDEKS PEMBANGUNAN MANUSIA (IPM)
PROVINSI JAWA TENGAH TAHUN 2005 - TAHUN 2013
TAHUN IPM PROVINSI JAWA TENGAH
2005 69,80
2006 70,25
2007 70,91
2008 71,60
2009 72,10
2010 72,49
2011 72,94
2012 73,36
2013 74,05
Sumber : BPS Provinsi Jawa Tengah
89
Lampiran 2
PERAMALAN METODE SINGLE EXPONENTIAL SMOOTHING TAHUN 2014
No Tahun
Indeks
Pembangunan
Daerah (IPM)
α = 0,1 α = 0,5 α = 0,9
Forecast Error Absolute
Error Error
2 Forecast Error
Absolute
Error Error
2 Forecast Error
Absolute
Error Error
2
1 2005 69,80
2 2006 70,25 69,80 0,45 0,45 0,20 69,80 0,45 0,45 0,20 69,80 0,45 0,45 0,20
3 2007 70,91 69,85 1,07 1,07 1,13 70,03 0,88 0,88 0,78 70,21 0,70 0,70 0,50
4 2008 71,60 69,95 1,65 1,65 2,72 70,47 1,13 1,13 1,28 70,84 0,76 0,76 0,58
5 2009 72,10 70,12 1,98 1,98 3,93 71,03 1,07 1,07 1,14 71,52 0,58 0,58 0,33
6 2010 72,49 70,31 2,18 2,18 4,73 71,57 0,92 0,92 0,85 72,04 0,45 0,45 0,20
7 2011 72,94 70,53 2,41 2,41 5,80 72,03 0,91 0,91 0,83 72,45 0,49 0,49 0,24
8 2012 73,36 70,77 2,59 2,59 6,69 72,48 0,88 0,88 0,77 72,89 0,47 0,47 0,22
9 2013 74,05 71,03 3,02 3,02 9,11 72,92 1,13 1,13 1,27 73,31 0,74 0,74 0,54
10 2014
71,33
73,49 73,98
Jumlah 633,70 15,34 15,34 34,32 643,81 7,37 7,37 7,13 647,04 4,64 4,64 2,82
Rata-rata 70,41 1,92 1,92 4,29 71,53 0,92 0,92 0,89 71,89 0,58 0,58 0,35
90
Lampiran 3
PERAMALAN METODE DOUBLE EXPONENTIAL SMOOTHING TAHUN 2014
No Tahun
Indeks
Pembangunan
Daerah (IPM)
α = 0,1
S'(t) S"(t) a b Forecast Error Absolute
Error
1 2005 69,80 69,8000 69,8000 69,8000
2 2006 70,25 69,8450 69,8045 69,8855 0,0045 69,8000 0,4500 0,4500 0,2025
3 2007 70,91 69,9515 69,8192 70,0838 0,0147 69,8900 1,0200 1,0200 1,0404
4 2008 71,60 70,1164 69,8489 70,3838 0,0297 70,0985 1,5015 1,5015 2,2545
5 2009 72,10 70,3147 69,8955 70,7339 0,0466 70,4135 1,6865 1,6865 2,8443
6 2010 72,49 70,5322 69,9592 71,1053 0,0637 70,7805 1,7095 1,7095 2,9223
7 2011 72,94 70,7730 70,0406 71,5055 0,0814 71,1690 1,7710 1,7710 3,1365
8 2012 73,36 71,0317 70,1397 71,9238 0,0991 71,5869 1,7731 1,7731 3,1440
9 2013 74,05 71,3335 70,2591 72,4080 0,1194 72,0229 2,0271 2,0271 4,1092
10 2014
72,5274
Jumlah 638,2887 11,9387 11,9387 19,6537
Rata-rata 70,9210 1,4923 1,4923 2,4567
91
Lanjutan
No Tahun
Indeks
Pembangunan
Daerah (IPM)
α = 0,5
S'(t) S"(t) a b Forecast Error Absolute
Error
1 2005 69,80 69,8000 69,8000 69,8000
2 2006 70,25 70,0250 69,9125 70,1375 0,1125 69,8000 0,4500 0,4500 0,2025
3 2007 70,91 70,4675 70,1900 70,7450 0,2775 70,2500 0,6600 0,6600 0,4356
4 2008 71,60 71,0338 70,6119 71,4556 0,4219 71,0225 0,5775 0,5775 0,3335
5 2009 72,10 71,5669 71,0894 72,0444 0,4775 71,8775 0,2225 0,2225 0,0495
6 2010 72,49 72,0284 71,5589 72,4980 0,4695 72,5219 -0,0319 0,0319 0,0010
7 2011 72,94 72,4842 72,0216 72,9469 0,4627 72,9675 -0,0275 0,0275 0,0008
8 2012 73,36 72,9221 72,4718 73,3724 0,4503 73,4095 -0,0495 0,0495 0,0025
9 2013 74,05 73,4861 72,9789 73,9932 0,5071 73,8227 0,2273 0,2273 0,0517
10 2014
74,5003
Jumlah 575,6716 2,0284 2,2462 1,0770
Rata-rata 71,9589 0,2536 0,2808 0,1346
92
Lanjutan
No Tahun
Indeks
Pembangunan
Daerah (IPM)
α = 0,9
S'(t) S"(t) a b Forecast Error Absolute
Error
1 2005 69,80 69,8000 69,8000 69,8000
2 2006 70,25 70,0250 69,9125 70,1375 0,1125 69,8000 0,4500 0,4500 0,2025
3 2007 70,91 70,4675 70,1900 70,7450 0,2775 70,2500 0,6600 0,6600 0,4356
4 2008 71,60 71,0338 70,6119 71,4556 0,4219 71,0225 0,5775 0,5775 0,3335
5 2009 72,10 71,5669 71,0894 72,0444 0,4775 71,8775 0,2225 0,2225 0,0495
6 2010 72,49 72,0284 71,5589 72,4980 0,4695 72,5219 -0,0319 0,0319 0,0010
7 2011 72,94 72,4842 72,0216 72,9469 0,4627 72,9675 -0,0275 0,0275 0,0008
8 2012 73,36 72,9221 72,4718 73,3724 0,4503 73,4095 -0,0495 0,0495 0,0025
9 2013 74,05 73,4861 72,9789 73,9932 0,5071 73,8227 0,2273 0,2273 0,0517
10 2014
74,5003
Jumlah 575,6716 2,0284 2,2462 1,0770
Rata-rata 71,9589 0,2536 0,2808 0,1346
93
Lampiran 4
PERAMALAN METODE TRIPLE EXPONENTIAL SMOOTHING TAHUN 2014
No Tahun
Indeks
Pembangunan
Daerah (IPM)
α = 0,1
S'(t) S"(t) S'"(t) a b c Forecast Error Absolute
Error
1 2005 69,80 69,8 69,8 69,8 69,8
2 2006 70,25 69,845 69,8045 69,8005 69,9220 0,0119 0,0004 69,8000 0,4500 0,4500 0,2025
3 2007 70,91 69,9515 69,8192 69,8023 70,1992 0,0379 0,0014 69,9340 0,9760 0,9760 0,9525
4 2008 71,60 70,1164 69,8489 69,8070 70,6093 0,0750 0,0028 70,2379 1,3621 1,3621 1,8554
5 2009 72,10 70,3147 69,8955 69,8158 71,0735 0,1147 0,0042 70,6857 1,4143 1,4143 2,0002
6 2010 72,49 70,5322 69,9592 69,8302 71,5494 0,1526 0,0055 71,1903 1,2997 1,2997 1,6892
7 2011 72,94 70,7730 70,0406 69,8512 72,0486 0,1898 0,0067 71,7047 1,2353 1,2353 1,5260
8 2012 73,36 71,0317 70,1397 69,8801 72,5562 0,2251 0,0078 72,2418 1,1182 1,1182 1,2504
9 2013 74,05 71,3335 70,2591 69,9180 73,1414 0,2651 0,0091 72,7851 1,2649 1,2649 1,5998
10 2014
73,4110
Jumlah 641,9906 9,1205 9,1205 11,0761
Rata-rata 71,3323 1,1401 1,1401 1,3845
94
Lanjutan
No Tahun
Indeks
Pembangunan
Daerah (IPM)
α = 0,5
S'(t) S"(t) S'"(t) a b c Forecast Error Absolute
Error
1 2005 69,80 69,8000 69,8000 69,8000 69,8000
2 2006 70,25 70,0250 69,9125 69,8563 70,1938 0,1064 0,0563 69,8000 0,4500 0,4500 0,2025
3 2007 70,91 70,4675 70,1900 70,0231 70,8556 0,2330 0,1106 70,3283 0,5817 0,5817 0,3384
4 2008 71,60 71,0338 70,6119 70,3175 71,5831 0,3114 0,1275 71,1439 0,4561 0,4561 0,2080
5 2009 72,10 71,5669 71,0894 70,7034 72,1359 0,2970 0,0916 71,9583 0,1417 0,1417 0,0201
6 2010 72,49 72,0284 71,5589 71,1312 72,5398 0,2413 0,0418 72,4787 0,0113 0,0113 0,0001
7 2011 72,94 72,4842 72,0216 71,5764 72,9643 0,2129 0,0175 72,8020 0,1380 0,1380 0,0190
8 2012 73,36 72,9221 72,4718 72,0241 73,3749 0,1920 0,0025 73,1859 0,1741 0,1741 0,0303
9 2013 74,05 73,4861 72,9789 72,5015 74,0229 0,2444 0,0297 73,5682 0,4818 0,4818 0,2322
10 2014
74,2821
Jumlah 649,5474 2,4347 2,4347 1,0506
Rata-rata 72,1719 0,3043 0,3043 0,1313
95
Lanjutan
No Tahun
Indeks
Pembangunan
Daerah (IPM)
α = 0,9
S'(t) S"(t) S'"(t) a b c Forecast Error Absolute
Error
1 2005 69,80 69,8000 69,8000 69,8000 69,8000
2 2006 70,25 70,2050 70,1645 70,1281 70,2496 0,0119 0,3280 69,8000 0,4500 0,4500 0,2025
3 2007 70,91 70,8395 70,7720 70,7076 70,9101 0,0157 0,2515 70,4255 0,4845 0,4845 0,2347
4 2008 71,60 71,5240 71,4488 71,3746 71,6002 0,0147 0,0875 71,0515 0,5485 0,5485 0,3008
5 2009 72,10 72,0424 71,9830 71,9222 72,1003 0,0089 -0,1195 71,6587 0,4413 0,4413 0,1948
6 2010 72,49 72,4452 72,3990 72,3513 72,4900 0,0066 -0,1184 72,0494 0,4406 0,4406 0,1941
7 2011 72,94 72,8905 72,8414 72,7924 72,9398 0,0090 0,0119 72,4374 0,5026 0,5026 0,2526
8 2012 73,36 73,3131 73,2659 73,2185 73,3600 0,0082 -0,0149 72,9547 0,4053 0,4053 0,1642
9 2013 74,05 73,9763 73,9053 73,8366 74,0497 0,0155 0,1919 73,3608 0,6892 0,6892 0,4750
10 2014
74,1611
Jumlah 647,8992 3,9619 3,9619 2,0188
Rata-rata 71,9888 0,4952 0,4952 0,2523
96
Lampiran 5
Koding Program Simulasi Peramalan Exponential Smoothing
1. Koding Form Utama
Private Sub MDIForm_Load()
koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306
rs1.CloseRecordset
rs1.OpenRs "delete from `exponential smoothing`", koneksi
End Sub
Private Sub mncontoh_Click()
Form7.Show
Form1.Hide
End Sub
Private Sub mnperamalan_Click()
Form1.Hide
Form7.Show
End Sub
Private Sub mnudata_Click()
Form1.Show
End Sub
Private Sub mnudouble_Click()
Form1.Hide
Form3.Show
End Sub
Private Sub mnukeluar_Click()
rs1.CloseRecordset
rs1.OpenRs "delete from `exponential smoothing`", koneksi
End
End Sub
Private Sub mnulaporan_Click()
Form1.Hide
Form5.Show
End Sub
Private Sub mnusingle_Click()
Form1.Hide
Form2.Show
End Sub
97
Private Sub mnutriple_Click()
Form1.Hide
Form4.Show
End Sub
Private Sub cmdulangi_Click()
Unload Me
Me.Show
End Sub
Private Sub cmddata_Click()
Form7.Hide
Form1.Show
End Sub
2. Koding Form Input Data
Private Function openExcelFile(ByVal excelFile As String) As Boolean On Error
GoTo errHandle Set conXLS = New ADODB.Connection
conXLS.ConnectionString = "Provider=Microsoft.Jet.OLEDB.4.0;Data Source=" &
Replace(excelFile, Chr$(0), "") & ";Extended Properties=""Excel
8.0;HDR=Yes;IMEX=1""" conXLS.Open openExcelFile = True Exit Function
errHandle: openExcelFile = False
End Function
Private Sub cmdinput_Click()
Dim rsExcel As ADODB.Recordset
Dim strSql As String
startexcel
baris = 0
With C
.DialogTitle = "Pilih File Excelnya"
.InitDir = App.Path
.ShowOpen
End With
If C.FileName <> "" Then
Set wb = Eksel.Workbooks.Open(C.FileName)
If openExcelFile(C.FileName) Then
strSql = "SELECT * FROM [Sheet1$]"
Set rsExcel = New ADODB.Recordset
rsExcel.Open strSql, conXLS, adOpenForwardOnly, adLockReadOnly
If Not rsExcel.EOF Then
Do While Not rsExcel.EOF
baris = baris + 1
MSFlexGrid1.Rows = baris + 1
MSFlexGrid1.Cols = 11
MSFlexGrid1.TextMatrix(baris, 0) = rsExcel(0).Value
MSFlexGrid1.TextMatrix(baris, 1) = rsExcel(1).Value
MSFlexGrid1.TextMatrix(baris, 2) = rsExcel(2).Value
MSFlexGrid1.TextMatrix(baris, 3) = rsExcel(3).Value
MSFlexGrid1.TextMatrix(baris, 4) = rsExcel(4).Value
MSFlexGrid1.TextMatrix(baris, 5) = rsExcel(5).Value
98
MSFlexGrid1.TextMatrix(baris, 6) = rsExcel(6).Value
MSFlexGrid1.TextMatrix(baris, 7) = rsExcel(7).Value
MSFlexGrid1.TextMatrix(baris, 8) = rsExcel(8).Value
MSFlexGrid1.TextMatrix(baris, 9) = rsExcel(9).Value
MSFlexGrid1.TextMatrix(baris, 10) = rsExcel(10).Value
rsExcel.MoveNext
DoEvents
Loop
End If
rsExcel.Close
Set rsExcel = Nothing
End If
wb.Close
Eksel.Quit
End If
cmdok.Enabled = True
End Sub
Private Sub startexcel()
On Error GoTo salah
Set Eksel = GetObject(, "excel.Application")
Exit Sub
salah:
Set Eksel = CreateObject("excel.Application")
End Sub
Private Sub cmdperamalan_Click()
Form1.Hide
Form7.Show
End Sub
Private Sub cmgrafik_Click()
If MSFlexGrid2.TextMatrix(1, 1) = "" Then
Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation,
"Peringatan")
Else
With Me.MSChart1
.ColumnCount = 1
.RowCount = MSFlexGrid2.Rows - 1
For j = 1 To MSFlexGrid2.Rows - 1
.Row = j
.Column = 1
.RowLabel = j
.Data = MSFlexGrid2.TextMatrix(j, 1)
Next
End With
End If
End Sub
Private Sub cmdok_Click()
MSFlexGrid2.Cols = 2
100
MSFlexGrid2.Rows = MSFlexGrid1.Cols - 1
For I = 2 To MSFlexGrid1.Cols - 1
MSFlexGrid2.TextMatrix(I - 1, 1) = MSFlexGrid1.TextMatrix(Text1.Text, I)
Next I
cmdperamalan.Enabled = True
End Sub
Private Sub Form_Load()
MSFlexGrid1.Cols = 38
MSFlexGrid1.Cols = 11
MSFlexGrid1.ColWidth(0) = 800
MSFlexGrid1.ColWidth(1) = 2500
MSFlexGrid1.ColWidth(2) = 1500
MSFlexGrid1.ColWidth(3) = 1500
MSFlexGrid1.ColWidth(4) = 1500
MSFlexGrid1.ColWidth(5) = 1500
MSFlexGrid1.ColWidth(6) = 1500
MSFlexGrid1.ColWidth(7) = 1500
MSFlexGrid1.ColWidth(8) = 1500
MSFlexGrid1.ColWidth(9) = 1500
MSFlexGrid1.ColWidth(10) = 1500
MSFlexGrid1.TextMatrix(0, 0) = "Kode"
MSFlexGrid1.TextMatrix(0, 1) = "Kab/Kota"
MSFlexGrid1.TextMatrix(0, 2) = "2005"
MSFlexGrid1.TextMatrix(0, 3) = "2006"
MSFlexGrid1.TextMatrix(0, 4) = "2007"
MSFlexGrid1.TextMatrix(0, 5) = "2008"
MSFlexGrid1.TextMatrix(0, 6) = "2009"
MSFlexGrid1.TextMatrix(0, 7) = "2010"
MSFlexGrid1.TextMatrix(0, 8) = "2011"
MSFlexGrid1.TextMatrix(0, 9) = "2012"
MSFlexGrid1.TextMatrix(0, 10) = "2013"
cmdok.Enabled = False
cmdperamalan.Enabled = False
End Sub
3. Koding Form Peramalan
Private Sub cmddata_Click(Index As Integer)
Form1.Show
Unload Me
End Sub
Private Sub cmddetaildouble_Click()
Form3.Show
End Sub
Private Sub cmddetailsingle_Click()
Form2.Show
End Sub
Private Sub cmddetailtriple_Click()
101
Form4.Show
End Sub
Private Sub cmdtampilkan_Click()
If cbalfa.Text = "Alfa" Then
Respon = MsgBox("Silahkan Pilih Alfa Dulu", vbOKOnly + vbInformation,
"Peringatan")
Else
Form2.Show
Form2.Hide
Form2.MSFlexGrid1.Rows = Form1.MSFlexGrid2.Rows + 3
Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 3) = "Jumlah"
Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 3) = "Rata-rata"
For I = 1 To Form1.MSFlexGrid2.Rows - 1
Form2.MSFlexGrid1.TextMatrix(I, 1) = Form1.MSFlexGrid2.TextMatrix(I, 1)
Next
If Form2.MSFlexGrid1.TextMatrix(1, 0) = "" Then
n = Form2.MSFlexGrid1.Rows - 3
For I = 1 To n
Form2.MSFlexGrid1.TextMatrix(I, 0) = I
Next
End If
Form2.MSFlexGrid1.TextMatrix(1, 2) = "-"
Form2.MSFlexGrid1.TextMatrix(1, 3) = "-"
Form2.MSFlexGrid1.TextMatrix(1, 4) = "-"
Form2.MSFlexGrid1.TextMatrix(1, 5) = "-"
Form2.MSFlexGrid1.TextMatrix(2, 2) = Form2.MSFlexGrid1.TextMatrix(1, 1)
For k = 3 To Form2.MSFlexGrid1.Rows - 4
Form2.MSFlexGrid1.TextMatrix(k, 2) = (Format((cbalfa.Text *
Form2.MSFlexGrid1.TextMatrix(k - 1, 1)) + ((1 - cbalfa.Text) *
Form2.MSFlexGrid1.TextMatrix(k - 1, 2)), "##0.0000"))
Next
For I = 2 To Form2.MSFlexGrid1.Rows - 4
Form2.MSFlexGrid1.TextMatrix(I + 1, 2) = (Format((cbalfa.Text *
Form2.MSFlexGrid1.TextMatrix(I, 1)) + ((1 - cbalfa.Text) *
Form2.MSFlexGrid1.TextMatrix(I, 2)), "##0.0000"))
Form2.MSFlexGrid1.TextMatrix(I, 3) =
(Format((Form2.MSFlexGrid1.TextMatrix(I, 1) - Form2.MSFlexGrid1.TextMatrix(I,
2)), "##0.0000"))
Form2.MSFlexGrid1.TextMatrix(I, 4) =
(Format(Abs(Form2.MSFlexGrid1.TextMatrix(I, 3)), "##0.0000##"))
Form2.MSFlexGrid1.TextMatrix(I, 5) =
(Format(((Form2.MSFlexGrid1.TextMatrix(I, 4)) ^ 2), "##0.0000##"))
Next
eror = 0
eror2 = 0
For j = 2 To Form2.MSFlexGrid1.Rows - 4
eror = eror + Form2.MSFlexGrid1.TextMatrix(j, 4)
eror2 = eror2 + Form2.MSFlexGrid1.TextMatrix(j, 5)
Next
mae = Format((eror / (Form2.MSFlexGrid1.Rows - 5)), "##0.0000")
102
mse = Format((eror2 / (Form2.MSFlexGrid1.Rows - 5)), "##0.0000")
102
Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 4) = Format(eror,
"##0.0000")
Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 4) = Format(mae,
"##0.0000")
Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 5) = Format(eror2,
"##0.0000")
Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 5) = Format(mse,
"##0.0000")
koneksi.Execute "INSERT INTO `exponential smoothing` (`Metode`, `Alfa`,
`Ramalan`, `MAE`, `MSE`) values ('Single','" & cbalfa.Text & "','" &
Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 3, 2) & "','" & mae &
"','" & mse & "')"
rs.CloseRecordset
rs.OpenRs "select * from `exponential smoothing` where `Metode` = 'Single'",
koneksi
With rs
Form2.MSFlexGrid2.Rows = .RecordCount + 1
.MoveFirst
baris = 0
Do
baris = baris + 1
For kolom = 1 To .FieldCount - 1
Form2.MSFlexGrid2.TextMatrix(.RecordCount, kolom - 1) = .Fields(kolom)
Next
.MoveNext
Loop Until .EOF
End With
rs3.CloseRecordset
rs3.OpenRs "select min(`MAE`) as minimum from `exponential smoothing` where
`Metode` = 'Single'", koneksi
mae = rs3.Fields("minimum")
rs4.CloseRecordset
rs4.OpenRs "select * from `exponential smoothing` where `MAE` = '" &
rs3.Fields("minimum") & "' and `Metode` = 'Single'", koneksi
Form7.lblkesimpulan1.Caption = "Hasil peramalan Indeks Pembangunan Manusia
(IPM) Tahun 2014 dengan metode Single Exponential Smoothing, dengan alfa
sebesar " + rs4.Fields("Alfa") + " adalah " + rs4.Fields("Ramalan")
If Form2.MSFlexGrid1.TextMatrix(1, 1) = "" Then
Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation,
"Peringatan")
Else
Dim Nilai1(1 To 1000, 1 To 2)
For j = 1 To Form2.MSFlexGrid1.Rows - 3
Nilai1(j, 1) = Form2.MSFlexGrid1.TextMatrix(j, 1)
Next
For k = 2 To Form2.MSFlexGrid1.Rows - 3
Nilai1(k, 2) = Form2.MSFlexGrid1.TextMatrix(k, 2)
Next
Form3.Show
Form3.Hide
103
Form3.MSFlexGrid1.Rows = Form1.MSFlexGrid2.Rows + 3
103
Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 2, 3) = "Jumlah"
Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 1, 3) = "Rata-rata"
For I = 1 To Form1.MSFlexGrid2.Rows - 1
Form3.MSFlexGrid1.TextMatrix(I, 1) = Form1.MSFlexGrid2.TextMatrix(I, 1)
Next
If Form3.MSFlexGrid1.TextMatrix(1, 0) = "" Then
n = Form3.MSFlexGrid1.Rows - 3
For I = 1 To n
Form3.MSFlexGrid1.TextMatrix(I, 0) = I
Next
End If
Form3.MSFlexGrid1.TextMatrix(1, 2) = Form3.MSFlexGrid1.TextMatrix(1, 1)
Form3.MSFlexGrid1.TextMatrix(1, 3) = Form3.MSFlexGrid1.TextMatrix(1, 1)
Form3.MSFlexGrid1.TextMatrix(1, 4) = Form3.MSFlexGrid1.TextMatrix(1, 1)
Form3.MSFlexGrid1.TextMatrix(1, 5) = "-"
Form3.MSFlexGrid1.TextMatrix(1, 6) = "-"
Form3.MSFlexGrid1.TextMatrix(2, 6) = Form3.MSFlexGrid1.TextMatrix(1, 1)
Form3.MSFlexGrid1.TextMatrix(1, 7) = "-"
Form3.MSFlexGrid1.TextMatrix(1, 8) = "-"
Form3.MSFlexGrid1.TextMatrix(1, 9) = "-"
For I = 2 To Form3.MSFlexGrid1.Rows - 4
Form3.MSFlexGrid1.TextMatrix(I, 2) = (Format((cbalfa.Text *
Form3.MSFlexGrid1.TextMatrix(I, 1)) + ((1 - cbalfa.Text) *
Form3.MSFlexGrid1.TextMatrix(I - 1, 2)), "##0.0000"))
Form3.MSFlexGrid1.TextMatrix(I, 3) = (Format((cbalfa.Text *
Form3.MSFlexGrid1.TextMatrix(I, 2)) + ((1 - cbalfa.Text) *
Form3.MSFlexGrid1.TextMatrix(I - 1, 3)), "##0.0000"))
Form3.MSFlexGrid1.TextMatrix(I, 4) = (Format((2 *
Form3.MSFlexGrid1.TextMatrix(I, 2)) - (Form3.MSFlexGrid1.TextMatrix(I, 3)),
"##0.0000"))
Form3.MSFlexGrid1.TextMatrix(I, 5) = (Format(((cbalfa.Text *
Form3.MSFlexGrid1.TextMatrix(I, 2)) - (cbalfa.Text *
Form3.MSFlexGrid1.TextMatrix(I, 3))) / (1 - cbalfa.Text), "##0.0000"))
Next
For k = 2 To Form3.MSFlexGrid1.Rows - 4
Form3.MSFlexGrid1.TextMatrix(k + 1, 6) =
(Format(Form3.MSFlexGrid1.TextMatrix(k, 4) - 1 +
Form3.MSFlexGrid1.TextMatrix(k, 5) + 1, "##0.0000"))
Form3.MSFlexGrid1.TextMatrix(k, 7) =
(Format(Form3.MSFlexGrid1.TextMatrix(k, 1) - Form3.MSFlexGrid1.TextMatrix(k,
6), "##0.0000"))
Form3.MSFlexGrid1.TextMatrix(k, 8) =
(Format(Abs(Form3.MSFlexGrid1.TextMatrix(k, 7)), "##0.0000"))
Form3.MSFlexGrid1.TextMatrix(k, 9) =
(Format(((Form3.MSFlexGrid1.TextMatrix(k, 7)) ^ 2), "##0.0000"))
Next
eror = 0
eror2 = 0
For j = 2 To Form3.MSFlexGrid1.Rows - 4
eror = eror + Form3.MSFlexGrid1.TextMatrix(j, 8)
eror2 = eror2 + Form3.MSFlexGrid1.TextMatrix(j, 9)
104
Next
104
mae = Format((eror / (Form3.MSFlexGrid1.Rows - 5)), "##0.0000")
mse = Format((eror2 / (Form3.MSFlexGrid1.Rows - 5)), "##0.0000")
Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 2, 8) = Format(eror,
"##0.0000")
Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 1, 8) = Format(mae,
"##0.0000")
Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 2, 9) = Format(eror2,
"##0.0000")
Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 1, 9) = Format(mse,
"##0.0000")
koneksi.Execute "INSERT INTO `exponential smoothing` (`Metode`, `Alfa`,
`Ramalan`, `MAE`, `MSE`) values ('Double','" & cbalfa.Text & "','" &
Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 3, 6) & "','" & mae &
"','" & mse & "')"
rs.CloseRecordset
rs.OpenRs "select * from `exponential smoothing` where `Metode` = 'Double'",
koneksi
With rs
Form3.MSFlexGrid2.Rows = .RecordCount + 1
.MoveFirst
baris = 0
Do
baris = baris + 1
For kolom = 1 To .FieldCount - 1
Form3.MSFlexGrid2.TextMatrix(baris, kolom - 1) = .Fields(kolom)
Next
.MoveNext
Loop Until .EOF
End With
rs3.CloseRecordset
rs3.OpenRs "select min(`MAE`) as minimum from `exponential smoothing` where
`Metode` = 'Double'", koneksi
mae = rs3.Fields("minimum")
rs4.CloseRecordset
rs4.OpenRs "select * from `exponential smoothing` where `MAE` = '" &
rs3.Fields("minimum") & "' and `Metode` = 'Double'", koneksi
Form7.lblkesimpulan2.Caption = "Hasil peramalan Indeks Pembangunan Manusia
(IPM) Tahun 2014 dengan metode Double Exponential Smoothing, dengan alfa
sebesar " + rs4.Fields("Alfa") + " adalah " + rs4.Fields("Ramalan")
If Form3.MSFlexGrid1.TextMatrix(1, 1) = "" Then
Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation,
"Peringatan")
Else
Dim Nilai2(1 To 1000, 1 To 2)
For j = 1 To Form3.MSFlexGrid1.Rows - 3
Nilai2(j, 1) = Form3.MSFlexGrid1.TextMatrix(j, 1)
Next
For k = 2 To Form3.MSFlexGrid1.Rows - 3
Nilai2(k, 2) = Form3.MSFlexGrid1.TextMatrix(k, 6)
Next
105
Form4.Show
Form4.Hide
Form4.MSFlexGrid1.Rows = Form1.MSFlexGrid2.Rows + 3
Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 2, 3) = "Jumlah"
Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 1, 3) = "Rata-rata"
For I = 1 To Form1.MSFlexGrid2.Rows - 1
Form4.MSFlexGrid1.TextMatrix(I, 1) = Form1.MSFlexGrid2.TextMatrix(I, 1)
Next
If Form4.MSFlexGrid1.TextMatrix(1, 0) = "" Then
n = Form4.MSFlexGrid1.Rows - 3
For I = 1 To n
Form4.MSFlexGrid1.TextMatrix(I, 0) = I
Next
End If
Form4.MSFlexGrid1.TextMatrix(1, 2) = Form4.MSFlexGrid1.TextMatrix(1, 1)
Form4.MSFlexGrid1.TextMatrix(1, 3) = Form4.MSFlexGrid1.TextMatrix(1, 1)
Form4.MSFlexGrid1.TextMatrix(1, 4) = Form4.MSFlexGrid1.TextMatrix(1, 1)
Form4.MSFlexGrid1.TextMatrix(1, 5) = Form4.MSFlexGrid1.TextMatrix(1, 1)
Form4.MSFlexGrid1.TextMatrix(1, 6) = "-"
Form4.MSFlexGrid1.TextMatrix(1, 7) = "-"
Form4.MSFlexGrid1.TextMatrix(1, 8) = "-"
Form4.MSFlexGrid1.TextMatrix(2, 8) = Form4.MSFlexGrid1.TextMatrix(1, 1)
Form4.MSFlexGrid1.TextMatrix(1, 9) = "-"
Form4.MSFlexGrid1.TextMatrix(1, 10) = "-"
Form4.MSFlexGrid1.TextMatrix(1, 11) = "-"
For I = 2 To Form4.MSFlexGrid1.Rows - 4
Form4.MSFlexGrid1.TextMatrix(I, 2) = (Format((cbalfa.Text *
Form4.MSFlexGrid1.TextMatrix(I, 1)) + ((1 - cbalfa.Text) *
Form4.MSFlexGrid1.TextMatrix(I - 1, 2)), "##0.0000"))
Form4.MSFlexGrid1.TextMatrix(I, 3) = (Format((cbalfa.Text *
Form4.MSFlexGrid1.TextMatrix(I, 2)) + ((1 - cbalfa.Text) *
Form4.MSFlexGrid1.TextMatrix(I - 1, 3)), "##0.0000"))
Form4.MSFlexGrid1.TextMatrix(I, 4) = (Format((cbalfa.Text *
Form4.MSFlexGrid1.TextMatrix(I, 3)) + ((1 - cbalfa.Text) *
Form4.MSFlexGrid1.TextMatrix(I - 1, 4)), "##0.0000"))
Form4.MSFlexGrid1.TextMatrix(I, 5) = (Format((3 *
Form4.MSFlexGrid1.TextMatrix(I, 2)) - (3 * Form4.MSFlexGrid1.TextMatrix(I, 3))
+ Form4.MSFlexGrid1.TextMatrix(I, 4), "##0.0000"))
Form4.MSFlexGrid1.TextMatrix(I, 6) = (Format(((cbalfa.Text) * (((6 - (5 *
cbalfa.Text)) * Form4.MSFlexGrid1.TextMatrix(I, 2)) - ((10 - (8 * cbalfa.Text)) *
Form4.MSFlexGrid1.TextMatrix(I, 3)) + ((4 - (3 * cbalfa.Text)) *
Form4.MSFlexGrid1.TextMatrix(I, 4))) / (2 * ((1 - cbalfa.Text) ^ 2))), "##0.0000"))
Form4.MSFlexGrid1.TextMatrix(I, 7) = (Format(((((cbalfa.Text) ^ 2) *
Form4.MSFlexGrid1.TextMatrix(I, 2)) - (((cbalfa.Text) ^ 2) * (2 *
Form4.MSFlexGrid1.TextMatrix(I, 3))) + (((cbalfa.Text) ^ 2) *
Form4.MSFlexGrid1.TextMatrix(I, 4))) / ((1 - cbalfa.Text) ^ 2), "##0.0000"))
Next
For k = 2 To Form4.MSFlexGrid1.Rows - 4
Form4.MSFlexGrid1.TextMatrix(k + 1, 8) =
(Format(Form4.MSFlexGrid1.TextMatrix(k, 5) +
106
(Form4.MSFlexGrid1.TextMatrix(k, 6) * 1) + ((Form4.MSFlexGrid1.TextMatrix(k,
7) / 2) * (1 ^ 2)), "##0.0000"))
Form4.MSFlexGrid1.TextMatrix(k, 9) =
(Format(Form4.MSFlexGrid1.TextMatrix(k, 1) - Form4.MSFlexGrid1.TextMatrix(k,
8), "##0.0000"))
Form4.MSFlexGrid1.TextMatrix(k, 10) =
(Format(Abs(Form4.MSFlexGrid1.TextMatrix(k, 9)), "##0.0000"))
Form4.MSFlexGrid1.TextMatrix(k, 11) =
(Format(((Form4.MSFlexGrid1.TextMatrix(k, 9)) ^ 2), "##0.0000"))
Next
eror = 0
eror2 = 0
For j = 2 To Form4.MSFlexGrid1.Rows - 4
eror = eror + Form4.MSFlexGrid1.TextMatrix(j, 10)
eror2 = eror2 + Form4.MSFlexGrid1.TextMatrix(j, 11)
Next
mae = Format((eror / (Form4.MSFlexGrid1.Rows - 5)), "##0.0000")
mse = Format((eror2 / (Form4.MSFlexGrid1.Rows - 5)), "##0.0000")
Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 2, 10) = Format(eror,
"##0.0000")
Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 1, 10) = Format(mae,
"##0.0000")
Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 2, 11) =
Format(eror2, "##0.0000")
Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 1, 11) = Format(mse,
"##0.0000")
koneksi.Execute "INSERT INTO `exponential smoothing` (`Metode`, `Alfa`,
`Ramalan`, `MAE`, `MSE`) values ('Triple','" & cbalfa.Text & "','" &
Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 3, 8) & "','" & mae &
"','" & mse & "')"
rs.CloseRecordset
rs.OpenRs "select * from `exponential smoothing` where `Metode` = 'Triple'",
koneksi
With rs
Form4.MSFlexGrid2.Rows = .RecordCount + 1
.MoveFirst
baris = 0
Do
baris = baris + 1
For kolom = 1 To .FieldCount - 1
Form4.MSFlexGrid2.TextMatrix(baris, kolom - 1) = .Fields(kolom)
Next
.MoveNext
Loop Until .EOF
End With
rs5.CloseRecordset
rs5.OpenRs "select min(MAE) as minimum from `exponential smoothing` where
`Metode` = 'Triple'", koneksi
rs6.CloseRecordset
rs6.OpenRs "select * from `exponential smoothing` where `MAE` = '" &
rs5.Fields("minimum") & "' and `Metode` = 'Triple'", koneksi
107
lblkesimpulan3.Caption = "Hasil peramalan Indeks Pembangunan Manusia (IPM)
Tahun 2014 dengan metode Triple Exponential Smoothing, dengan alfa sebesar " +
rs6.Fields("Alfa") + " adalah " + rs6.Fields("Ramalan")
107
rs1.CloseRecordset
rs1.OpenRs "select min(MAE) as minimum from `exponential smoothing` where
`Metode` = 'Single'", koneksi
rs2.CloseRecordset
rs2.OpenRs "select * from `exponential smoothing` where `MAE` = '" &
rs1.Fields("minimum") & "' and `Metode` = 'Single'", koneksi
MSFlexGrid1.TextMatrix(1, 0) = rs2.Fields("Metode")
MSFlexGrid1.TextMatrix(1, 1) = rs2.Fields("Alfa")
MSFlexGrid1.TextMatrix(1, 2) = rs2.Fields("Ramalan")
MSFlexGrid1.TextMatrix(1, 3) = rs2.Fields("MAE")
MSFlexGrid1.TextMatrix(1, 4) = rs2.Fields("MSE")
rs3.CloseRecordset
rs3.OpenRs "select min(MAE) as minimum from `exponential smoothing` where
`Metode` = 'Double'", koneksi
rs4.CloseRecordset
rs4.OpenRs "select * from `exponential smoothing` where `MAE` = '" &
rs3.Fields("minimum") & "' and `Metode` = 'Double'", koneksi
MSFlexGrid1.TextMatrix(2, 0) = rs4.Fields("Metode")
MSFlexGrid1.TextMatrix(2, 1) = rs4.Fields("Alfa")
MSFlexGrid1.TextMatrix(2, 2) = rs4.Fields("Ramalan")
MSFlexGrid1.TextMatrix(2, 3) = rs4.Fields("MAE")
MSFlexGrid1.TextMatrix(2, 4) = rs4.Fields("MSE")
rs5.CloseRecordset
rs5.OpenRs "select min(MAE) as minimum from `exponential smoothing` where
`Metode` = 'Triple'", koneksi
rs6.CloseRecordset
rs6.OpenRs "select * from `exponential smoothing` where `MAE` = '" &
rs5.Fields("minimum") & "' and `Metode` = 'Triple'", koneksi
MSFlexGrid1.TextMatrix(3, 0) = rs6.Fields("Metode")
MSFlexGrid1.TextMatrix(3, 1) = rs6.Fields("Alfa")
MSFlexGrid1.TextMatrix(3, 2) = rs6.Fields("Ramalan")
MSFlexGrid1.TextMatrix(3, 3) = rs6.Fields("MAE")
MSFlexGrid1.TextMatrix(3, 4) = rs6.Fields("MSE")
rs7.CloseRecordset
rs7.OpenRs "select min(`MAE`) as minimum from `exponential smoothing`",
koneksi
rs8.CloseRecordset
rs8.OpenRs "select * from `exponential smoothing` where `MAE` = '" &
rs7.Fields("minimum") & "'", koneksi
Label6.Caption = "Berdasarkan peramalan Indeks Pembangunan Manusia (IPM)
Tahun 2014 tersebut, dapat disimpulkan metode peramalan yang terbaik dengan alfa
sebesar " + rs8.Fields("Alfa") + " adalah metode " + rs8.Fields("Metode") + "
Exponential Smoothing dengan hasil ramalan " + rs8.Fields("Ramalan") + " karena
mempunyai nilai MAE dan MSE terkecil yaitu " + rs8.Fields("MAE") + " dan " +
rs8.Fields("MSE")
If Form4.MSFlexGrid1.TextMatrix(1, 1) = "" Then
Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation,
"Peringatan")
Else
Dim Nilai3(1 To 1000, 1 To 2)
For j = 1 To Form4.MSFlexGrid1.Rows - 3
108
Nilai3(j, 1) = Form4.MSFlexGrid1.TextMatrix(j, 1)
108
Next
For k = 2 To Form4.MSFlexGrid1.Rows - 3
Nilai3(k, 2) = Form4.MSFlexGrid1.TextMatrix(k, 8)
Next
End If
End If
End If
End If
cmddetaildouble.Enabled = True
cmddetailsingle.Enabled = True
cmddetailtriple.Enabled = True
End Sub
Private Sub cmdulangi_Click(Index As Integer)
Unload Me
Me.Show
End Sub
Private Sub Form_Load()
koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306
cbalfa.AddItem (0.1)
cbalfa.AddItem (0.2)
cbalfa.AddItem (0.3)
cbalfa.AddItem (0.4)
cbalfa.AddItem (0.5)
cbalfa.AddItem (0.6)
cbalfa.AddItem (0.7)
cbalfa.AddItem (0.8)
cbalfa.AddItem (0.9)
MSFlexGrid1.Rows = 4
MSFlexGrid1.Cols = 5
MSFlexGrid1.ColWidth(2) = 1500
MSFlexGrid1.ColWidth(1) = 800
MSFlexGrid1.ColWidth(2) = 1500
MSFlexGrid1.ColWidth(3) = 1500
MSFlexGrid1.ColWidth(4) = 1500
MSFlexGrid1.TextMatrix(0, 0) = "Metode"
MSFlexGrid1.TextMatrix(0, 1) = "Alfa"
MSFlexGrid1.TextMatrix(0, 2) = "Ramalan"
MSFlexGrid1.TextMatrix(0, 3) = "MAE"
MSFlexGrid1.TextMatrix(0, 4) = "MSE"
cmddetaildouble.Enabled = False
cmddetailsingle.Enabled = False
cmddetailtriple.Enabled = False
End Sub
4. Koding Form Single Exponential Smoothing
Private Sub Command1_Click()
Form7.Show
Form2.Hide
End Sub
109
Private Sub Form_Load()
koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306
cbalfa.AddItem (0.1)
cbalfa.AddItem (0.2)
cbalfa.AddItem (0.3)
cbalfa.AddItem (0.4)
cbalfa.AddItem (0.5)
cbalfa.AddItem (0.6)
cbalfa.AddItem (0.7)
cbalfa.AddItem (0.8)
cbalfa.AddItem (0.9)
cbalfa.Text = Form7.cbalfa.Text
MSFlexGrid1.Cols = 6
MSFlexGrid2.Cols = 4
MSFlexGrid2.ColWidth(0) = 800
MSFlexGrid2.ColWidth(1) = 1500
MSFlexGrid2.ColWidth(2) = 1500
MSFlexGrid2.ColWidth(3) = 1500
MSFlexGrid2.TextMatrix(0, 0) = "Alfa"
MSFlexGrid2.TextMatrix(0, 1) = "Ramalan"
MSFlexGrid2.TextMatrix(0, 2) = "MAE"
MSFlexGrid2.TextMatrix(0, 3) = "MSE"
MSFlexGrid1.Cols = 11
MSFlexGrid1.Cols = 6
MSFlexGrid1.ColWidth(0) = 1000
MSFlexGrid1.ColWidth(1) = 1500
MSFlexGrid1.ColWidth(2) = 1500
MSFlexGrid1.ColWidth(3) = 1500
MSFlexGrid1.ColWidth(4) = 1500
MSFlexGrid1.ColWidth(5) = 1500
MSFlexGrid1.TextMatrix(0, 0) = "Periode"
MSFlexGrid1.TextMatrix(0, 1) = "Data"
MSFlexGrid1.TextMatrix(0, 2) = "Forecast"
MSFlexGrid1.TextMatrix(0, 3) = "Error"
MSFlexGrid1.TextMatrix(0, 4) = "Abs Error"
MSFlexGrid1.TextMatrix(0, 5) = "Error^2"
End Sub
5. Koding Form Double Exponential Smoothing
Private Sub Command1_Click()
Form7.Show
Form3.Hide
End Sub
Private Sub Form_Load()
koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306
cbalfa.AddItem (0.1)
cbalfa.AddItem (0.2)
cbalfa.AddItem (0.3)
cbalfa.AddItem (0.4)
110
cbalfa.AddItem (0.5)
cbalfa.AddItem (0.6)
cbalfa.AddItem (0.7)
cbalfa.AddItem (0.8)
cbalfa.AddItem (0.9)
cbalfa.Text = Form7.cbalfa.Text
MSFlexGrid1.Cols = 10
MSFlexGrid2.Cols = 4
MSFlexGrid2.ColWidth(0) = 800
MSFlexGrid2.ColWidth(1) = 1132
MSFlexGrid2.ColWidth(2) = 1132
MSFlexGrid2.ColWidth(3) = 1132
MSFlexGrid2.TextMatrix(0, 0) = "Alfa"
MSFlexGrid2.TextMatrix(0, 1) = "Ramalan"
MSFlexGrid2.TextMatrix(0, 2) = "MAE"
MSFlexGrid2.TextMatrix(0, 3) = "MSE"
MSFlexGrid1.Cols = 11
MSFlexGrid1.Cols = 10
MSFlexGrid1.ColWidth(0) = 1000
MSFlexGrid1.ColWidth(1) = 1300
MSFlexGrid1.ColWidth(2) = 1300
MSFlexGrid1.ColWidth(3) = 1300
MSFlexGrid1.ColWidth(4) = 1300
MSFlexGrid1.ColWidth(5) = 1300
MSFlexGrid1.ColWidth(6) = 1300
MSFlexGrid1.ColWidth(7) = 1300
MSFlexGrid1.ColWidth(8) = 1300
MSFlexGrid1.ColWidth(9) = 1300
MSFlexGrid1.TextMatrix(0, 0) = "Periode"
MSFlexGrid1.TextMatrix(0, 1) = "Data"
MSFlexGrid1.TextMatrix(0, 2) = "S'"
MSFlexGrid1.TextMatrix(0, 3) = "S''"
MSFlexGrid1.TextMatrix(0, 4) = "Nilai a"
MSFlexGrid1.TextMatrix(0, 5) = "Nilai b"
MSFlexGrid1.TextMatrix(0, 6) = "Forecast"
MSFlexGrid1.TextMatrix(0, 7) = "Error"
MSFlexGrid1.TextMatrix(0, 8) = "Abs Error"
MSFlexGrid1.TextMatrix(0, 9) = "Error^2"
End Sub
6. Koding Form Triple Exponential Smoothing
Private Sub Command1_Click()
Form7.Show
Form4.Hide
End Sub
Private Sub Form_Load()
koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306
cbalfa.AddItem (0.1)
cbalfa.AddItem (0.2)
cbalfa.AddItem (0.3)
111
cbalfa.AddItem (0.4)
cbalfa.AddItem (0.5)
cbalfa.AddItem (0.6)
cbalfa.AddItem (0.7)
cbalfa.AddItem (0.8)
cbalfa.AddItem (0.9)
cbalfa.Text = Form7.cbalfa.Text
MSFlexGrid1.Cols = 12
MSFlexGrid2.Cols = 4
MSFlexGrid2.ColWidth(0) = 800
MSFlexGrid2.ColWidth(1) = 1132
MSFlexGrid2.ColWidth(2) = 1132
MSFlexGrid2.ColWidth(3) = 1132
MSFlexGrid2.TextMatrix(0, 0) = "Alfa"
MSFlexGrid2.TextMatrix(0, 1) = "Ramalan"
MSFlexGrid2.TextMatrix(0, 2) = "MAE"
MSFlexGrid2.TextMatrix(0, 3) = "MSE"
MSFlexGrid1.Cols = 13
MSFlexGrid1.Cols = 12
MSFlexGrid1.ColWidth(0) = 1000
MSFlexGrid1.ColWidth(1) = 1500
MSFlexGrid1.ColWidth(2) = 1500
MSFlexGrid1.ColWidth(3) = 1500
MSFlexGrid1.ColWidth(4) = 1500
MSFlexGrid1.ColWidth(5) = 1500
MSFlexGrid1.ColWidth(6) = 1500
MSFlexGrid1.ColWidth(7) = 1500
MSFlexGrid1.ColWidth(8) = 1500
MSFlexGrid1.ColWidth(9) = 1500
MSFlexGrid1.ColWidth(10) = 1500
MSFlexGrid1.ColWidth(11) = 1500
MSFlexGrid1.TextMatrix(0, 0) = "Periode"
MSFlexGrid1.TextMatrix(0, 1) = "Data"
MSFlexGrid1.TextMatrix(0, 2) = "S'"
MSFlexGrid1.TextMatrix(0, 3) = "S''"
MSFlexGrid1.TextMatrix(0, 4) = "S'''"
MSFlexGrid1.TextMatrix(0, 5) = "Nilai a"
MSFlexGrid1.TextMatrix(0, 6) = "Nilai b"
MSFlexGrid1.TextMatrix(0, 7) = "Nilai c"
MSFlexGrid1.TextMatrix(0, 8) = "Forecast"
MSFlexGrid1.TextMatrix(0, 9) = "Error"
MSFlexGrid1.TextMatrix(0, 10) = "Abs Error"
MSFlexGrid1.TextMatrix(0, 11) = "Error^2"
End Sub
112
113