Peramalan dan Pemetaan Pola Pertumbuhan Ekonomi
Menggunakan Metode Holt-winters dan Tipologi Klassen
(Studi Kasus : Provinsi Kalimantan Tengah)
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
untuk memperoleh Gelar Sarjana Komputer
Peneliti :
Yulistiani (672008132)
Sri Yulianto J. P., S.Si., M.Kom.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
Oktober 2013
1) Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas
Kristen Satya Wacana Salatiga. 2)
Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana
Salatiga.
Peramalan dan Pemetaan Pola Pertumbuhan
Ekonomi Menggunakan Metode Holt-Winters dan
Tipologi Klassen
(Studi Kasus : Provinsi Kalimantan Tengah)
1)
Yulistiani, 2)
Sri Yulianto Joko Prasetyo
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Jl. Diponegoro 52-60, Salatiga 50771, Indonesia
Email: 1)
Abstract
Existing development in Central Kalimantan province has not been evenly
distributed, can be seen from the situation of the facilities and infrastructure of each
region are much different . By knowing the pattern of economic growth in each
regency/city in the province of Central Kalimantan in the future through forecasting
economic growth patter, can help in the distribution of development . Based on historical
data of GDP each district city of the year 2002-2011 which has a pattern of trend data,
the forecasting method is selected using the method of Holt-winters, and to determine the
patterns of growth using a typology Klassen. Results of this study indicate that the
pattern of economic growth each regency / city in the province of Central Kalimantan
2012-2015 period there are 4 districts are in affluent areas zone , 6 zone district in
disadvantaged areas in the process of buildin, 2 zone districts in affluent areas is
declining (potential left), and 1 city and 1 zone district in disadvantaged areas.
Keywords: Holt-Winters, Klassen Typology
Abstrak
Pembangunan yang ada di Provinsi Kalimantan Tengah belum merata,
dapat terlihat dari situasi sarana dan prasarana masing-masing daerah yang jauh
berbeda. Dengan mengetahui pola pertumbuhan ekonomi setiap Kabupaten/Kota
yang ada di Provinsi Kalimantan Tengah pada masa yang akan datang melalui
Peramalan Pola pertumbuhan ekonomi, dapat membantu dalam pemerataan
pembangunan. Berdasarkan data historis PDRB setiap kabupaten/kota dari tahun
2002 - 2011 yang memiliki pola data trend, maka metode peramalan yang dipilih
menggunakan Metode Holt-Winters, dan untuk mengetahui pola pertumbuhan
menggunakan Tipologi Klassen. Hasil penelitian ini menunjukkan bahwa Pola
Pertumbuhan Ekonomi setiap Kabupaten/Kota di Provinsi Kalimantan Tengah
periode 2012-2015 terdapat 4 kabupaten berada pada zone daerah makmur, 6
kabupaten pada zone daerah tertinggal dalam proses membangun, 2 kabupaten
pada zone daerah makmur yang sedang menurun (potensi tertinggal), dan 1 kota
serta 1 kabupaten pada zone daerah tertinggal.
Kata Kunci : Holt-Winters, Tipologi Klassen
2
1. Pendahuluan
Kebijakan pembangunan yang diakukan selama ini dalam
prakteknya lebih beorientasi pada pertumbuhan ekonomi dan belum fokus
pada pemerataan pembangunan wilayah secara signifikan. Hal ini pada
akhirnya memberikan dampak yang kurang baik, antara lain timbulnya
kesenjangan antar daerah khususnya wilayah Kalimantan [1].
Secara administratif, Provinsi Kalimantan Tengah meliputi 14
wilayah Kabupaten/Kota. Dilihat dari aspek geografis, luas wilayah
Kalimantan Tengah melebihi 30% dari wilayah Kalimantan, namun hanya
didiami oleh kurang lebih 16% total penduduk Kalimantan. Dilihat dari
aspek ekonomi, jumlah nilai tambah yang dihasilkan oleh seluruh unit
usaha baru mencapai sekitar 14% dari total nilai tambah wilayah
Kalimantan. Dengan wilayah yang luas, dan ditambah dengan
melimpahnya kekayaan sumberdaya alam, maka sangat ironis sekali
apabila Kalimantan Tengah harus menghadapi ketertinggalan
pembangunan bila dibandingkan dengan provinsi-provinsi lain di wilayah
Kalimantan [1].
Selama ini pembangunan di Provinsi Kalimantan Tengah belum
merata, dapat terlihat dari situasi sarana dan prasarana masing-masing
daerah yang jauh berbeda. Salah satu cara untuk membantu masalah
pembangunan yang ada di Provinsi Kalimantan Tengah yaitu dengan
mengetahui pola pertumbuhan ekonomi masing-masing daerah yang ada
di masa yang akan datang dengan melakukan Peramalan Pola
pertumbuhan ekonomi. Dengan adanya gambaran pola pertumbuhan
ekonomi masing-masing daerah di masa yang akan datang, diharapkan
dapat menjadi acuan bagi pemerintah menentukan kebijakan yang tepat
dalam meningkatkan pertumbuhan ekonomi setiap daerah. Penekanan
pada pertumbuhan ekonomi ini mengingat bahwa “pertumbuhan ekonomi
merupakan salah satu variabel ekonomi yang merupakan indikator kunci
dalam pembangunan” [1].
Penggunaan teknik peramalan yang tepat akan memberikan tingkat
akurasi peramalan yang tinggi yaitu mendekati nilai aktual. Data historis
memiliki peranan yang penting dalam mengetahui pola perumbuhan
ekonomi, di mana data historis PDRB setiap kabupaten/kota dari tahun
2002-2011 memiliki pola data trend. Berdasarkan analisis pola data
tersebut, maka metode Holt-Winters dianggap cocok dalam melakukan
proses peramalan, dan untuk menentukan pola pertumbuhan ekonomi
digunakan Tipologi Klassen. Dengan menerapkan metode ini maka
diharapkan dapat memberikan informasi lebih kepada pemerintah tentang
perkiraan penurunan maupun kenaikan pola pertumbuhan ekonomi, dan
kabupaten/kota mana saja yang masuk ke dalam kategori daerah makmur,
daerah tertinggal dalam proses pembangunan, daerah makmur yang
sedang menurun, dan daerah tertinggal, sehingga pemerintah dapat
menanggulangi kemungkinan yang terjadi pada pola pertumbuhan
3
ekonomi masing-masing daerah di masa yang akan datang dengan lebih
efektif pula.
2. Kajian Pustaka
Penelitian tentang “Peramalan Produk Domestik Regional Bruto
(PDRB) di Kabupaten Nias Tahun 2009-2011 Berdasarkan Data Tahun
2000-2006”. Penelitian ini bertujuan untuk melihat perkembangan
ekonomi di Kabupaten Nias di masa yang akan datang, dengan
mengetahui tingkat pertumbuhan pendapatan masyarakat. Metode
peramalan yang digunakan yaitu Metode Proyeksi Trend, dan Trend yang
digunakan adalah Trend Linier, Trend Parabolik, dan Trend Eksponensial.
Hasil penelitian ini menunjukkan data PDRB di Kabupaten Nias
mengalami perubahan dari tahun ke tahun, demikian juga dengan hasil
peramalannya [2].
Demikian juga pada penelitian yang berjudul ”Analisa Pola
Pertumbuhan Ekonomi dan Sektor Potensial Kabupaten Klungkung”.
Kabupaten Klungkung sebagai salah satu daerah yang masih bercorak
agraris memiliki peluang yang cukup besar dalam mengembangkan
potensi daerah yang dimiliki dalam rangka mendukung pembangunan
ekonomi Kabupaten Klungkung. Penelitian tersebut bertujuan untuk
mengetahui pola pertumbuhan ekonomi dilihat dari sisi pendapatan per
kapita dan laju pertumbuhan, mengetahui sektor ekonomi potensial dan
mengetahui peluang/kesempatan kerja yang mampu diciptakan oleh sektor
ekonomi potensial di Kabupaten Klungkung. Analisa pada penelitian ini
menggunakan Tipologi Klassen. Hasil dari penelitian ini menunjukkan
bahwa pola pertumbuhan ekonomi Kabupaten Klungkung periode 2008-
2010 berada pada zone daerah makmur yang sedang menurun [3].
Penelitian yang berjudul “Peramalan Produk Domestik Regional
Bruto (PDRB) Kabupaten Karo Pada Sektor Pertanian Tahun 2014”.
Penelitian tersebut bertujuan untuk mengetahui apakah sektor Pertanian
masih dapat dijadikan sebagai komoditas utama penyokong perekonomian
di Kabupaten Karo pada tahun 2014. Pertumbuhan ekonominya dapat
diukur berdasarkan peningkatan PDRB. Data PDRB tersebut dapat
digunakan sebagai salah satu cara untuk melihat seberapa besar
kemampuan suatu sektor ekonomi dalam memproduksi barang dan jasa.
Di Kabupaten Karo, pertanian merupakan sektor utama penyokong
perekonomian masyarakat. Sekitar 75% penduduk bermata pencaharian
sebagai petani. Dari daerah ini diproduksi jenis-jenis komoditi hasil
pertanian antara lain sayur-sayuran, buah-buahan, bunga-bungaan, dan
biji-bijian. Beberapa hasil produksi tersebut bahkan telah diekspor. Untuk
itu ingin diketahui apakah sektor pertanian masih dapat dijadikan sebagai
komoditas utama penyokong perekonomian di Kabupaten Karo pada
tahun 2014. Metode peramalan yang digunakan yaitu Metode Exponential
Smoothing. Hasil penelitian ini menggambarkan bahwa sektor pertanian
4
dapat dijadikan komoditas utama penyokong perekonomian di Kabupaten
Nias, berdasarkan hasil peramalan yang dilakukan [4].
Berdasarakan penelitian-penelitian sebelumnya, maka dilakukan
penelitian tentang Peramalan dan Pemetaan Pola Pertumbuhan Ekonomi
Menggunakan Metode Holt-Winters dan Tipologi Klassen, dengan Studi
Kasus Provinsi Kaimantan Tengah. Penelitian ini bertujuan untuk
mengetahui pola pertumbuhan ekonomi setiap Kabupaten/Kota yang ada
di Provinsi Kalimantan Tengah pada periode 2012-2015. Perbedaan
penelitian ini dengan penelitian-penelitian sebelumnya yaitu, Metode
peramalan yang digunakan, studi kasus, dan pemetaan. Kemudian
persamaan penelitian ini dengan penelitian-penelitian sebelumnya yaitu
penelitian ini juga melakukan peramalan, dan analisis.
Adapun pengertian dari peramalan yaitu, kegiatan mengestimasi
apa yang akan terjadi di masa yang akan datang dengan waktu yang relatif
lama. Ramalan adalah suatu situasi atau kondisi yang diperkirakan akan
terjadi pada masa yang akan datang. Metode peramalan adalah cara
memperkirakan secara kuantitatif apa yang akan terjadi di masa
mendatang, berdasarkan data yang relevan pada masa lalu.
Dalam rangka usaha untuk melihat dan mengkaji situasi dan
kondisi masa depan harus dilakukan peramalan, oleh karena itu perlu
diperkirakan atau diramalkan situasi apa dan kondisi bagaimana yang
akan terjadi pada masa depan. Efektif tidaknya suatu rencana yang
disusun sangat ditentukan oleh kemampuan para penyusunnya untuk
meramalkan situasi dan kondisi pada saat rencana itu dilaksanakan. Oleh
karena eratnya kaitan antara perencanaan dan peramalan, maka dapat
dilihat bahwa dalam penyusunan rencana, sebenarnya telah terlihat
masalah peramalan. Dengan demikian dapat dikatakan bahwa peramalan
merupakan dasar untuk penyusunan rencana [4].
Pemetaan merupakan suatu kegiatan mengolah data non spasial
atau semi-spasial menjadi sebuah data keruangan (peta), sehingga
penangkapan informasi dari sebuah objek wilayah dapat lebih mudah
dipahami karena sifanya yang lebih efektif dan efisien. Teknik pemetaan
ada yang dilakukan secara manual dan adapula secara digital. Dalam
pembuatan peta digital saat ini telah disediakan berbagai model software
pemetaan yang hasilnya dapat lebih akurat, efektif dan efisien. Adapun
macam-macam software tersebut misalnya Software Ermapper, Surfer,
Arcview, ArcGIS dan Mapinfo. Secara umum, teknik pembuatan peta
dengan menggunakan software satu dengan software yang lain pada
hakekatnya hampir sama, yaitu melibatkan proses input data, pengelolaan
dan analisis data hingga ke proses output data.
- Proses input data, yaitu kegiatan memasukkan data dan merubah
bentuk data asli ke bentuk jenis data yang dapat diterima dan
digunakan oleh perangkat lunak.
- Proses pengelolaan dan analisis data, yaitu kegiatan
pengorganisasian data yang melibatkan penambahan data,
5
pengurangan data dan pembaharuan data, sehingga dihasilkan
parameter data yang dinginkan.
- Proses output data, yaitu kegiatan menayangkan informasi maupun
hasil analisis data geografis secara kualitatif ataupun kuantitatif,
yang dapat berupa peta, tabel, ataupun arsip elektronik [5].
Penelitian yang dilakukan membahas tentang Peramalan dan
Pemetaan Pola Pertumbuhan Ekonomi. Pertumbuhan Ekonomi bersangkut
paut dengan proses pembangunan yang berdimensi tunggal dan diukur
dengan meningkatnya hasil produksi dan hasil pendapatan. Perbedaan
pertumbuhan ekonomi akan membawa masing-masing daerah membentuk
suatu pola pertumbuhan ekonomi, dimana dapat digolongkan dalam
klasifikasi tertentu. Untuk mengetahui potensi relatif perekonomian suatu
daerah yang dapat dilihat dengan menggunakan analisis Tipologi Klassen
[6].
Dalam penelitian ini, digunakan sebuah metode ramalan yaitu
Metode Holt-Winters. Metode Holt-Winters adalah pengembangan yang
lebih baik dari pendekatan exponential smoothing. Jika prosedur
exponential smoothing menyediakan impresi atas pergerakan jangka
panjang secara keseluruhan dalam data dan mengijinkan peramalan jangka
pendek, teknik Holt-Winters juga mengijinkan pengguna untuk
mempelajari trend lewat peramalan jangka menengah dan jangka panjang
untuk masa yang akan datang.
Untuk menggunakan metode Holt-Winters pada berbagai periode waktu i
user harus secara terus-menerus mengestimasi tingkat dan serial (yaitu
nilai yang dihaluskan Eᵢ ) dan nilai dari trend (Tᵢ ). Hal ini dihasilkan
lewat solusi pada Persamaan 1 dan Persamaan 2 [7].
Level (=tingkat) Eᵢ = U(E ᵢ ₁+ T ᵢ ₁) + (1 – U)Yᵢ (1)
Trend Tᵢ = VT ᵢ ₁+ (1 – V)( Eᵢ - E ᵢ ₁)
(2)
Dimana :
= Tingkat serial yang dihaluskan yang sedang dihitung dalam
periode i
= Tingkat serial yang dihaluskan yang sudah dihitung dalam
periode i
= Nilai dari komponen yang sedang dihitung dalam periode
waktu i
= Nilai dari komponen trend yang sudah dihitung dalam
periode waktu i-1
= Nilai observasi dari time-series pada periode i
= Konstanta penghalus yang besarnya subyektif (dimana
)
= Konstanta penghalus yang besarnya subyektif (dimana
)
6
Untuk memulai perhitungan, diterapkan E₂ = Y₂ dan T₂= Y₂ - Y₁ dan
memiliki smoothing konstan untuk U dan V, lalu kemudian menghitung
E₁ dan T₁ untuk semua tahun i = 3, 4, ... n.
(3)
Dimana :
= Nilai ramalan untuk tahun j di masa yang akan datang
= Tingkat dari serial yang diperhalus yang dihitung dalam
periode waktu terkini n
= Nilai dari komponen trend yang dihitung dalam periode
waktu terkini n
= Jumlah tahun di masa yang akan datang
Dengan menggunakan dan maka dihasilkan perkiraan atau
estimasi terakhir dari tingkat terkini (Current Level) dan trend, dari tahun
peramalan yang telah ditentukan.
Setiap peramalan akan menjadi baik jika mendekati kenyataan
yaitu tingkat keakuratan nilai peramalan terhadap nilai aktual. Terdapat
beberapa cara untuk mengetahui keakuratan data yang telah diramal
dengan metode peramalan, salah satunya adalah dengan melakukan
pengukuran komponen error (galat). Alat ukur statistik yang digunakan
untuk mengukur error dalam penelitian ini adalah Mean Absolute
Percentage Error (MAPE), dimana MAPE menghitung error peramalan
dalam bentuk persentase, MAPE dihitung dengan mencari jumlah nilai
absolut error setiap periode, kemudian membaginya dengan pengamatan
aktual dan absolut error persentase MAPE memberikan indikasi seberapa
besar error ramalan dibandingkan dengan nilai aktual deret [9].
Persamaan Mean Absolute Percentage Error (MAPE) ditunjukkan pada
Persamaan 4.
(4) (8)
Dimana :
= nilai peramalan pada periode ke-t
= nilai aktual pada periode ke-t
= jumlah periode yang diramalkan
Untuk mengklasifikasikan perekonomian suatu daerah, pada
penelitian ini digunakan Analisis Tipologi Klassen, yaitu untuk
mengetahui gambaran tentang pola dan struktur pertumbuhan ekonomi
masing-masing daerah. Tipologi Klassen pada dasarnya membagi daerah
berdasarkan dua indikator utama, yaitu pertumbuhan ekonomi daerah dan
pendapatan per kapita daerah. Dengan menentukan rata-rata pertumbuhan
7
ekonomi sebagai sumbu vertikal dan rata-rata pendapatan per kapita
sebagai sumbu horizontal, daerah yang diamati dapat dibagi-bagi menjadi
empat klasifikasi, yaitu : daerah cepat maju dan cepat tumbuh (high
growth and high income), daerah maju tapi tertekan (high income but low
growth), daerah berkembang cepat (high growth but low income), dan
daerah relatif tertinggal (low growth and low income) [1]
Analisis pola pertumbuhan dengan Tipologi Klassen yang secara
rinci dapat dilihat pada Tabel 1.
Tabel 1 Klasifikasi Pola Pertumbuhan Ekonomi [8]
Keterangan :
rdi : laju pertumbuhan PDRB Kabupaten i
rni : laju pertumbuhan Provinsi i
ydi : PDRB per kapita Kabupaten i
yni : PDRB per kapita Provinsi i
3. Metode dan Perancangan Sistem
Pada bagian ini akan dijelaskan mengenai metode penelitian yang
digunakan dalam pengembangan sistem. Metode penelitan ini terdiri atas
beberapa tahapan yang dapat dilihat pada Gambar 1. Langkah pertama
adalah melakukan identifikasi masalah. Selama ini pembangunan di
Provinsi Kalimantan Tengah belum merata, dapat dilihat dari sarana dan
prasarana masing-masing daerah yang jauh berbeda. Hal ini disebabkan
karena setiap daerah kurang memaksimalkan setiap sektor usaha yang ada
pada daerah itu sendiri. Salah satu cara untuk membantu masalah
pembangunan tersebut, yaitu dengan melakukan peramalan pola
pertumbuhan ekonomi setiap daerah, sehingga terlihat potensi relatif
perekonomian suatu daerah di masa yang akan datang. Dimana metode
peramalan ini belum pernah dilakukan sebelumnya di Provinsi
Kalimantan Tengah.
Rumusan masalah dalam penelitian ini, yaitu bagaimana
menerapkan Metode Holt-Winters dalam proses peramalan dan Tipologi
Klassen sehingga dapat diketahui pola pertumbuhan ekonomi masing-
masing daerah di masa yang akan datang. Suatu penelitian pasti
8
memerlukan banyak referensi dan sumber daya serta pustaka sebagai
acuan dalam penelitian, baik itu berupa teori-teori, kutipan yang diambil
dari jurnal ilmiah atau karya ilmiah pendukung. Pada penelitian ini data-
data yang digunakan dalam analisis dan perhitungan peramalan, serta
pemetaan adalah data sekunder yang bersumber dari Badan Pusat Statistik
Provinsi Kalimantan Tengah.
Gambar 1 Tahapan Penelitian [9]
Analisis perancangan kebutuhan pengguna sistem dilakukan
berdasarkan proses kerja yang ada di pemerintahan. Terdapat 2 user dalam
penggunaan sistem ini, untuk melakukan peramalan dan manage data
dilakukan oleh admin dimana admin merupakan pemerintah, kemudian
user yang kedua adalah guest, dimana user tersebut merupakan
masyarakat yang dapat mengakses website yang berisi hasil analisis
peramalan dan pemetaan pola pertumbuhan ekonomi setiap
Kabupaten/Kota yang ada di Provinsi Kalimantan Tengah.
Sistem peramalan didukung dengan data aktual Produk Domestik
Regional Bruto (PDRB) Kabupaten/Kota di Provinsi Kalimantan Tengah
tahun 2002-2011. Pengumpulan data dilakukan dengan datang secara
langsung ke Badan Pusat Statistik Provinsi Kaimantan Tengah.
Tahap pengolahan data dimulai dengan memasukkan data aktual
PDRB masing-masing Kabupaten/Kota hingga tahun terakhir sebelum
tahun yang diramal, kemudian setelah semua data aktual telah di-input-
kan, admin dapat melakukan peramalan. Data hasil peramalan kemudian
dianalisis menggunakan Tipologi Klassen, dengan mengambil dua
indikator yaitu laju pertumbuhan dan pendapatan per kapita masing-
masing daerah. Dengan melakukan analisis Tipologi Klassen, maka dapat
Identifikasi Masalah
Perumusan Masalah
Penelusuran Pustaka
Rancangan Penelitian
Pengumpulan Data
Pengolahan Data
Penyimpulan Hasil
9
diketahui potensi relatif perekonomian setiap daerah pada periode 2012-
2015.
Hasil peramalan dan analisis yang telah dilakukan akan menjadi
rekomendasi/acuan bagi pemerintah dalam menentukan kebijakan dalam
meningkatkan pertumbuhan ekonomi setiap daerah. Hasil berupa laporan
dapat dilihat pada sistem yang telah dibuat.
Use Case Diagram menggambarkan hubungan antara actor
dengan use case. Use case diagram berfungsi untuk menggambarkan
kebutuhan sistem dari sudut pandang user. Gambar 2 adalah use case
diagram pada aplikasi ini.
Home
Guest
Berita Gambar 2 Use Case Diagram Guest
Pada Gambar 2, dijelaskan dengan use case diagram dimana terdapat
Guest sebagai actor yang dapat mengakses halaman utama atau Home
dan halaman berita pada sistem ini.
Admin
Manage data Kabuptaen/kota
Manage data tahunan
Manage data alpha dan beta
manage data user
manage data entitas
Login
Manage data berita
Gambar 3 Use Case Diagram Admin
Sedangkan pada Gambar 3 terdapat Admin sebagai actor, ada
beberapa use case yang dapat dilakukan oleh Admin, antara lain : manage
data Kabupaten/kota, manage data tahunan, manage data Alpha dan Beta,
manage data user, manage data entitas, manage berita. Berikut adalah
penjelasan tentang masing-masing use case.
- Manage data Kabupaten/kota: admin dapat melakukan input dan
update data jumlah kabupaten.
10
- Manage data tahunan: admin dapat melakukan input dan update pada
data tahunan yang ada pada sistem.
- Manage data alpha dan beta: admin dapat melakukan input dan
update data alpha dan beta dalam sistem.
- Manage data user: admin dapat menambahkan user sebagai admin.
- Manage data Entitas: admin dapat melakukan update, dan delete pada
data hasil prediksi.
- Manage Berita : admin dapat melakukan create, update, dan delete
informasi yang dimuat dalam konten berita.
start
Pilih Menu
Stop
Login
Cek Username
dan Password
Menampilkan
Menu data
Data
Kabupaten/kota
Data Alpha dan
Beta
Data Tahunan
Data Entitas
Data Berita
Logout
Mengolah Data (Input,
Update ,Delete)
Data User
Invalid
validasi
Valid
Olah data
databaseSystemAdmin
Gambar 4 Activity Diagram Admin
Gambar 4 menggambarkan aktifitas yang terjadi untuk admin,
dimulai dari melakukan login dengan memasukkan username dan
password kemudian akan dilakukan pengecekan apakah data yang
dimasukkan sudah benar atau belum. Jika invalid maka akan kembali lagi
ke login. Jika valid maka akan diarahkan ke halaman utama admin. Data
master kabupaten/kota merupakan data jumlah kabupaten/kota yang ada
di Provinsi Kalimatan Tengah. Data master tahunan merupakan data tahun
yang diramalkan. Data master alpha dan beta merupakan data dari alpha
dan beta yang digunakan. Data master user merupakan data yang berisi
nama admin. Admin memiliki fungsi khusus, yaitu menambah user baru
sebagai admin. Data master entitas merupakan data hasil peramalan
sistem dari setiap kabupaten/kota. Menu logout berfungsi untuk keluar
dari sistem.
11
start
Pilih Menu
Masuk Halaman
utama
Home
Berita
Melihat data
Menu data
ditampilkan
data diolah
databaseSystemguest
Gambar 5 Activity Diagram Guest
Gambar 5 menggambarkan aktifitas yang terjadi untuk guest. Pada
sistem ini guest dapat mengakses website tanpa melakukan login. Menu
home berisi tampilan peta Provinsi Kalimantan tengah, dan guest dapat
memilih Kabupaten/Kota mana yang ingin diketahui informasi hasil
prediksi, dan kemudian hasil prediksi muncul berupa tabel dan grafik.
Menu berita berisi tentang informasi tentang Kalimantan Tengah.
Gambar 6 Class Diagram
Gambar 6 merupakan class diagram dari aplikasi ini dimana terdiri
dari tiga bagian utama yaitu entity, controller, dan user interface. Sistem
ini mempunyai 5 (lima) entity, yaitu Tabel_berita, Tabel_admin,
12
Tabel_Kab, Tabel_Prediksi, dan al_bt. Semua entity tersebut ditangani
oleh Admin Controller. Controller yang menangani tiap-tiap entitiy
memiliki fungsi manipulasi data yang diperantarai oleh user interface.
4. Hasil dan Pembahasan
Bagian ini berisi tentang pembahasan dari implementasi Sistem
peramalan dan pemetaan Pola Pertumbuhan Ekonomi menggunakan
Metode Holt-Winters dan Tipologi Klassen (Studi Kasus Provinsi
Kalimantan Tengah) dan memaparkan hasil pengujian sistem.
Selanjutnya akan dibahas tampilan sistem yang telah dibuat serta
pembahasan sistem, di mana akan menjelaskan pengkodean dalam
membangun sistem peramalan yang telah dibuat.
Pada Sistem peramalan dan pemetaan Pola Pertumbuhan Ekonomi
menggunakan Metode Holt-Winters dan Tipologi Klassen (studi kasus
provinsi Kalimantan Tengah) terdapat 2 user yaitu Admin dan Guest.
Gambar 7 Tabel Tipologi Klassen
Gambar 7 merupakan tampilan halaman Tabel Tipologi Klassen,
dimana ditunjukkan hasil peramalan yang kemudian diklasifikasikan
dengan Tipologi Klassen. Setelah dilakukan perbandingan hasil dari rata-
rata PDRB per kapita dan laju pertumbuhan antara Kabupaten dengan
Provinsi, maka dapat dilihat bahwa kabupaten tersebut masuk dalam
kategori yang telah ditentukan dari klasifikasi Tipologi Klassen. Pada
halaman ini guest dapat melihat hasil klasifikasi Tabel Tipologi Klassen
kabupaten yang dipilih.
13
Kode Program 1 Tabel Tipologi Klasen
Kode Program 1 merupakan perintah untuk menampilkan Tabel
Tipologi Klassen. Perintah pada baris 1-5 merupakan perintah untuk
melakukan perulangan dan menampilkan data Kabupaten berupa laju
pertumbuhan dan tahun prediksi dari database. Kemudian perintah pada
baris 6-9, yaitu perintah yang berfungsi untuk memanggil data laju
pertumbuhan dan data prediksi provinsi dari database. Perintah pada baris
10-24 merupakan perintah untuk menentukan nilai awal, dan kemudian
melakukan perbandingan hasil peramalan setiap kabupaten dengan hasil
peramalan provinsi. Perintah pada baris 25-26, merupakan perintah yang
berfungsi untuk menampilkan nilai rata-rata dari peramalan kabupaten dan
provinsi.
Gambar 8 Tabel Entitas
1. foreach($query->result() as $r){
2. $kab = $r->kab;
3. $tahun[] = $r->tahun;
4. $prediksi[] = $r->prediksi;
5. $laju[] = $r->laju_pertumbuhan;}
6. foreach($query2->result() as $r2){
7. $tahunx[] = $r2->tahun;
8. $prediksix[] = $r2->prediksi;
9. $lajux[] = $r2->laju_pertumbuhan; }
10. $a = 0; 11. $b = 0; 12. for($i = 0; $i < $totalrows; $i++){ 13. if($prediksi[$i] > $prediksix[$i]){ 14. $st[$i] = 3; 15. } elseif($prediksi[$i] == $prediksix[$i]){ 16. $st[$i] = 2; 17. } else { 18. $st[$i] = 1;} 19. if($st[$i] == 3){ 20. $status[$i] = "Tinggi(+)"; 21. } elseif($st[$i] == 2){ 22. $status[$i] = "Seri"; 23. } else { 24. $status[$i] = "Rendah(-)";} 25. $a += $prediksi[$i]; 26. $b += $prediksix[$i];
14
Gambar 8 merupakan tampilan halaman Tabel Entitas. Halaman
ini menampilkan data tahun PDRB, data aktual PDRB perkapita, data
hasil ramalan PDRB perkapita dan laju pertumbuhan. Pada halaman ini
guest dapat melihat hasil prediksi, data aktual, dan laju pertumbuhan
kabupaten yang dipilih.
Gambar 9 Halaman Entitas Data Kabupaten
Gambar 9 menggambarkan halaman entitas data kabupaten,
dimana admin dapat melihat hasil prediksi setiap kabupaten/kota, dapat
melakukan edit (data real, dan data laju pertumbuhan), delete (menghapus
semua data kabupaten terpilih).
Kode Program 2 Perhitungan Peramalan
Kode Program 2 merupakan perintah untuk melakukan
perhitungan peramalan yaitu trend dan prediksi dari setiap kabupaten/kota
berdasarkan data PDRB per kapita setiap tahun. Perintah pada baris 1-3
merupakan perintah yang berfungsi untuk melakukan pemanggilan data
kabupaten, data tahun maksimal dan data tahun minimal dari database.
Kemudian perintah pada baris 5-14, merupakan perintah yang berfungsi
1. $q = $this->db->query('SELECT idkab FROM tabel_kab');
2. $minthn = $this->session->userdata('minthn');
3. $maxthn = $this->session->userdata('maxthn');
4. foreach($q->result() as $row){
5. $idkab = $row->idkab;
6. for($i = $minthn; $i <= $maxthn; $i++){
7. $valid = $this->modelrecords-
>validateRecords("tabel_prediksi", "", "", array("kab" =>
$idkab, "tahun" => $i));
8. if($valid == true){
9. $this->hitungawal($idkab, $i);} else {
10. $recin = array("kab" => $idkab, "tahun" => $i); 11. $in = $this->modelrecords->setrecords("tabel_prediksi",
$recin);
12. if($in == true){ 13. $this->hitungawal($idkab, $i); 14. }}}}
15
untuk melakukan perhitungan peramalan data dari setiap kabupaten dan
data provinsi.
Dalam peramalan pola pertumbuhan ekonomi Provinsi Kalimantan
tengah, diperlukan data PDRB per kapita dari tahun 2002 hingga tahun
2011 sebagai data aktual, dan tahun yang akan diramalkan dimulai dari
tahun 2012 sampai tahun 2015. Pada Tabel 2 ditunjukkan tabel peramalan
Kabupaten Sukamara, dimana terdapat data tahun, data aktual PDRB Per
kapita, kolom Eᵢ yang merupakan nilai peramalan, dan Tᵢ merupakan
nilai trend dari peramalan.
Tabel 2 Hasil Prediksi Holt-Winters PDRB Perkapita Kabupaten Sukamara
Kabupaten
Sukamara
Data Aktual Ei Ti
Tahun
2002 12567213.53
2003 12737109.56 12737109.56 169896.0297
2004 12810136.24 12877944.78 155365.6278
2005 14169642.36 13374209.99 325815.42
2006 13833758.15 13740145.24 345875.3311
2007 13259274.31 13837996.69 221863.3923
2008 12919027.01 13717610.16 50738.43111
2009 13213834.88 13601994.48 -32438.6256
2010 13396311.62 13517582.58 -58425.26003
2011 13945674.53 13605112.48 14552.32095
2012 13619664.8
2013 13634217.13
2014 13648769.45
2015 13663321.77
Perhitungan peramalan dengan Metode Holt-Winters dilakukan
dengan langkah-langkah sebagai berikut:
Menetapkan, E₂ = Y₂ sebagai contoh :
Kabupaten Sukamara, E₂ = Y₂ = 12737109.5550169 (data aktual di
tahun 2003).
Kemudian menentukan T₂= Y₂ - Y₁ =12737109.5550169 - 12567213.52536 = 169896.0297
Dengan memilih konstanta penghalus U = 0,7 dan V= 0,5 dan menjadi
Eᵢ = (0,7) (E ᵢ ₁+ T ᵢ ₁) + (0,3)(Yᵢ )
dan
Tᵢ = (0,5) T ᵢ ₁+ (0,5)( Eᵢ - E ᵢ ₁) Kemudian untuk mencari prediksi di tahun 2004, tahun ketiga dari
jumah data, i = 3 maka.
E 3= (0,7) (12737109.56 + 169896.0297) + (0,3)
(12810136.2390118)
= 12877944.78 (hasil prediksi Tahun 2004)
Tᵢ = (0,5)(169896.0297) + (0,5)(12877944.78 - 12737109.56)
16
= 155365.6278 (nilai trend pada prediksi tahun 2004)
Untuk perhintungan selanjutnya hingga tahun 2011 akan dilakukan
langkah yang sama seperti langkah diatas.
Kemudian untuk meramalkan tahun-tahun j, yaitu dimulai dengan
tahun 2012 maka menggunakan persamaan berikut :
= E9 + (1) (T9) = (13605112.48) + (1) (14552.32095)
= 13619664.80 (hasil prediksi Tahun 2012)
Untuk tahun 2013 yaitu 2 tahun berikutnya ,
= E9 + (2) (T9) = (13605112.48) + (2) (14552.32095)
= 13634217.13 (hasil prediksi Tahun 2013)
= E9 + (3) (T9) = (13605112.48) + (3) (14552.32095)
= 13648769.45 (hasil prediksi Tahun 2014)
= E9 + (4) (T9) = (13605112.48) + (3) (14552.32095)
= 13663321.77 (hasil prediksi Tahun 2015)
Berdasarkan hasil perhitungan peramalan tersebut, disimpulkan
bahwa pada Kabupaten Sukamara mengalami kenaikan PDRB perkapita
dari tahun 2012-2015.
Untuk perhitungan peramalan kabupaten lainnya, akan dilakukan
langkah yang sama seperti perhitungan peramalan Kabupaten Sukamara.
Pada Tabel 3 terlihat bahwa hasil peramalan PDRB per kapita setiap
daerah mengalami trend (menaik dan menurun).
Tabel 3 Hasil Prediksi PDRB Perkapita dengan Holt-Winters
Nama Daerah Tahun 2012
(Juta Rupiah)
Tahun 2013
(juta Rupiah)
Tahun 2014
(Juta Rupiah)
Tahun 2015
(Juta Rupiah)
Kalimantan Tengah 9167722.69 9344088.35 9520454.078 9696819.73
Palangka Raya 7692924.823 7623665.77 7554406.708 7485147.65
Barito Timur 7600286.589 7701433.145 7802579.701 7903726.257
Gunung Mas 7675735.349 7853164.237 8030593.124 8208022.011
Pulang Pisau 6842479.935 7107169.434 7371858.933 7636548.432
Katingan 9385087.194 9568014.2 9750941.207 9933868.213
Lamandau 9534902.46 9624741.902 9714581.345 9804420.788
Seruyan 7874975.104 8156588.487 8438201.869 8719815.251
Sukamara 13619664.8 13634217.13 13648769.45 13663321.77
Kotawaringin Barat 11454118.3 11989606.43 12525094.57 13060582.7
Kotawaringin Timur 8708378.654 8889138.467 9069898.28 9250658.093
Kapuas 6991988.003 7322463.822 7652939.64 7983415.458
Barito Selatan 8324783.81 8753966.967 9183150.124 9612333.281
Barito Utara 9113692.437 9406026.255 9698360.073 9990693.891
Murung Raya 10693668.13 10907633.73 11121599.33 11335564.94
Tabel 3 merupakan hasil perhitungan peramalan PDRB Perkapita
Provinsi Kalimantan Tengah dan Kabupaten/Kota di Provinsi Kalimantan
17
Tengah. Berdasarkan hasil peramalan tersebut, dapat diketahui bahwa
adanya penurunan dan kenaikan PDRB Perkapita kabupaten/kota pada
tahun 2012 hingga 2015, contohnya pada Kabupaten Sukamara, hasil
peramalan tahun 2012 yaitu 13.619.664.8 (juta rupiah), pada tahun 2013
mengalami kenaikan menjadi 13.634.217.13 (juta rupiah), hingga tahun
2015 hasil peramalan PDRB Perkapita Kabupaten Sukamara mengalami
kenaikan yaitu menjadi 13.663.321.77 (juta rupiah).
Untuk hasil MAPE (Mean Absolute Percentage Error) dari
perhitungan peramalan Pola Pertumbuhan Ekonomi setiap daerah, dapat
dilihat pada Tabel 4.
Tabel 4 Hasil Perhitungan MAPE (Mean Absolute Percentage Error)
Nama Daerah MAPE (%)
Kalimantan Tengah 3,299557
Palangka Raya 4,848763
Barito Timur 4,960119
Gunung Mas 2,392624
Pulang Pisau 1,507389
Katingan 1,416406
Lamandau 6,650625
Seruyan 10,75168
Sukamara 2,627847
Kotawaringin Barat 5,14662
Kotawaringin Timur 1,747498
Kapuas 2,015249
Barito Selatan 3,070531
Barito Utara 1,680851
Murung Raya 3,715666
Pada Tabel 4 dapat dilihat hasil dari MAPE (Mean Absolute
Percentage Error) peramalan Pola Pertumbuhan Ekonomi
Kabupaten/kota yang ada di Provinsi Kalimantan Tengah. Berdasarkan
data pada Tabel 4, diketahui perhitungan presentase Error dari peramalan
Pola pertumbuhan Ekonomi yaitu 10,75168% untuk presentase tertinggi
dan 1,416406% untuk presentase terkecil. Presentase error dari peramalan
Pola Pertumbuhan Ekonomi kurang dari 15%. Semakin kecil presentase
error yang dihasilkan, maka keakuratan data yang telah diramal
mendekati nilai sesungguhnya.
Setelah melakukan perhitungan peramalan, selanjutnya dilakukan
analisis dengan menggunakan Tipologi Klassen berdasarkan hasil
peramalan 2 indikator, yaitu laju pertumbuhan dan PDRB per kapita setiap
Kabupaten/Kota. Setelah itu, dilakukan perbandingan pada laju
pertumbuhan dan PDRB per kapita Provinsi Kalimantan Tengah periode
tahun 2012-2015, sehingga dapat dilihat contoh pada Kabupaten
Sukamara pada Tabel 5.
18
Tabel 5 Hasil Analisis Tipologi Klassen Kabupaten Sukamara
Tabel 5 menampilkan analisis Tipologi Klassen berdasarkan angka
hasil peramalan yang telah dihitung. Berdasarkan klasifikasi Tipologi
Klassen pada Tabel 5, Kabupaten Sukamara termasuk dalam klasifikasi
daerah Tipe 3, yaitu daerah makmur yang sedang menurun (potensial
untuk tertinggal). Hal ini dapat dilihat dari rata-rata PDRB Perkapita dan
laju pertumbuhan Kabupaten Sukamara lebih rendah dibandingkan dengan
PDRB Perkapita dan laju pertumbuhan Provinsi Kalimantan Tengah.
Untuk analisis Pola pertumbuhan Kabupaten/kota yang lainnya
akan dilakukan langkah yang sama seperti yang dilakukan pada analisis
Pola pertumbuhan ekonomi Kabupaten Sukamara.
Pada penelitian ini dilakukan suatu pengujian, yaitu pengujian
sistem. Pengujian sistem adalah pengujian fungsional untuk menguji
sistem yang telah dibuat. Fungsi-fungsi yang akan diuji pada sistem ini
antara lain login, tambah data tahun prediksi, mengubah data kabupaten,
tambah data admin, dan hapus data tahun prediksi. Pengujian sistem
menggunakan metode black box. Hasil dari pengujian ditunjukkan pada
Tabel 6.
Tabel 6 Tabel Pengujian Black Box
Pengujian Hasil Yang
Diharapkan
Hasil
Pengujian
Valid
Mengosongkan Login Admin,
username dan password.
Sistem memberikan
peringatan bahwa
data harus diisi
semua.
Sesuai √
Memasukkan username dan
password dengan benar.
Aplikasi akan
menampilkan
halaman utama
administrator.
Sesuai √
Memasukkan username dan
password yang salah.
Sistem memberikan
peringatan bahwa
username dan
password yang
dimasukkan tidak
Sesuai √
19
terdaftar.
Menambahkan tahun prediksi pada
sistem.
Sistem memberikan
peringatan bahwa
data telah
tersimpan.
Sesuai √
Menghapus data tahun prediksi
terpilih.
Sistem memberikan
peringatan bahwa
telah dihapus.
Sesuai √
Mengganti id dan nama kabupaten. Sistem memberikan
peringatan bahwa
data sudah diubah.
Sesuai √
Menambahkan data user sebagai
admin.
Sistem memberikan
peringatan bahwa
data berhasil
ditambahkan.
Sesuai √
Berdasarkan Tabel 6 data pengujian aplikasi didapatkan data
pengujian sistem yang valid, di mana controller berjalan sesuai dengan
fungsi masing-masing.
5. Simpulan
Berdasarkan hasil pembahasan dan analisis dapat disimpulkan
bahwa Pola pertumbuhan ekonomi setiap kabupaten/kota di Provinsi
Kalimantan tengah dengan tahun periode prediksi 2012-2015 menurut
Tipologi Klassen, terdapat 4 kabupaten yang termasuk dalam zone daerah
makmur, antara lain Kabupaten Lamandau, Kabupaten Kotawaringin
Barat, Kabupaten Katingan, dan Kabupaten Murung Raya. Terdapat 6
kabupaten yang termasuk dalam zone daerah tertinggal dalam proses
membangun, yaitu Kabupaten Seruyan, Kabupaten Barito Selatan,
Kabupaten Kotawaringin Timur, Kabupaten Pulang Pisau, Kabuaten
Gunung Mas, dan Kabupaten Gunung Mas. Pada zone daerah makmur
yang sedang menurun (potensi tertinggal) terdapat 2 Kabupaten, yaitu
Kabupaten Barito Utara dan Kabupaten Sukamara. Kemudian daerah yang
termasuk dalam zone daerah tertinggal yaitu, Kota Palangkaraya, dan
Kabupaten Kapuas. Berdasarkan hasil pembuatan, pembahasan, dan
pengujian dapat disimpulkan bahwa Provinsi Kalimantan Tengah
mempunyai aplikasi berbasis web yang dapat melakukan sistem
peramalan dan pemetaan Pola pertumbuhan ekonomi, sehingga dapat
membantu pemerintah mengetahui pola pertumbuhan dari setiap
kabupaten yang ada di Provinsi Kalimantan Tengah. Pola pertumbuhan
ekonomi setiap Kabupaten yang belum termasuk dalam klasifikasi
makmur pada periode prediksi tahun 2012-2015 patut diperhatikan,
sehingga dapat lebih memaksimalkan sumber daya alam dan sumber daya
manusia melalui 9 (sembilan) sektor yang ada pada setiap daerah.
20
6. Daftar Pustaka
[1] Pasaribu, Ernawati. 2007. Tinjauan Kinerja Ekonomi Regional. Studi
Empiris : Provinsi Kalimantan Tengah 2003 – 2007.
[2] Halawa, Kartika Krisnawati. 2008. Peramalan Produk Domestik
Regional Bruto (PDRB) Di Kabupaten Nias Tahun 2009 – 2011
berdasarkan data tahun 2000 – 2006. Medan: Fakultas Matematika dan
Ilmu Pengetahuan Alam Universitas Sumatera Utara.
[3] Erawati, Ni Komang dan Yasa, I Nyoman Mahaendra. 2010. Analisis
Pola Pertumbuhan Ekonomi dan Sektor Potensial Kabupaten
Klungkung. Bali: Fakultas Ekonomi Universitas Udayana Bali.
[4] Sembiring, Meylita Verona. 2012. Peramalan Produk Domestik
Regional Bruto Kabuaten Karo Pada Sektor Pertanian 2014. Medan:
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Sumatera Utara.
[5] Nasiah. 2005. Modul Sistem Informasi Geografi (SIG). Makassar :
Jurusan Geografi FMIPA UNM.
[6] Sumitro, Imam. 1994. Determinan Pertumbuhan Kota Di Indonesia,
Jurnal Ekonomi dan pembangunan Indonesia Vol.5. No 1:61-82.
[7] Hakim, Abdul. 2001. Statistika Deskriptif : Untuk Ekonomi Dan
Bisnis. Yogyakarta : Fakultas Ekonomi UII Yogyakarta.
[8] Arsyad, Lincolin. 2010. Ekonomi Pembangunan. Edisi Kelima. UPP
STIE YKPN. Yogyakarta.
[9] Fransisco, Imanuel. 2013. Penerapan Metode Winters dan EOQ dalam
Sistem Peramalan Ekspor Technical Specified Rubber untuk
Perencanaan Kebutuhan Bahan Baku (Studi Kasus : PT. Bumi Asri
Pasaman Buntok). Salatiga : UKSW.
[10] Badan Pusat Statistik Provinsi Kalimantan Tengah.