ABSTRAK
GM(1, 1) adalah model peramalan  untuk  data  berpola stasioner.  Model ini digunakan  ketika jumlah data  penelitian  yang tersedia sedikit.  Model peramalan
GM(1, 1) modifikasi rantai  Markov digunakan  untuk  memodelkan  data  berpola
tren.   Data  yang digunakan  dalam  pembahasan  adalah  data  distribusi  energi di
Indonesia dari tahun  2000 sampai 2012. Distribusi  energi meliputi minyak bumi, LPG dan listrik.  Tujuan  penelitian ini adalah menurunkan  ulang model GM(1, 1)
modifikasi rantai  Markov dan menerapkannya pada data  distribusi  energi.
Langkah-langkah dalam penelitian  ini yaitu  data  diasumsikan  berpola sta- sioner atau  tren,  menentukan barisan  data  awal dan mencari parameter dari mo-
del GM(1, 1).  Selanjutnya  menentukan barisan  residu GM(1, 1) dan  peramalan residu  GM(1, 1).   Kemudian  modifikasi model peramalan  residu  GM(1, 1) dila- kukan pada peramalan  residu GM(1, 1) dengan rantai  Markov.  Langkah terakhir menerapkan  model peramalan  GM(1, 1) modifikasi rantai  Markov pada data  dan
mencari tingkat  keakuratan model.
Berdasarkan hasil pembahasan  diperoleh model peramalan  GM(1, 1) modi-
fikasi rantai  Markov untuk  data  minyak bumi, LPG dan listrik.  Keakuratan dari
model untuk  masing-masing  data  yaitu  data  minyak  bumi sebesar 58,7%, data
LPG sebesar 91,7% dan data  listrik sebesar 78,7%.
Kata kunci : model Grey,  rantai  Markov,  distribusi  energi.
ABSTRACT
GM(1,1)  is a forecasting  model used  for stationary data.    This  model is used when the amount of research data  available are limited number  of data.  A GM(1,1) forecasting model modified Markov chain is used for trend  data  mode- ling. The data  of energy distribution in Indonesia from 2000 to 2012 are used in this research.  The energy distribution consists of other petroleum products,  LPG and  electricity.   The  aims of this  research  are  to  rederive  GM(1,1)  forecasting model modified Markov chain and to apply it to energy distribution data.
The  steps  in this  research  are conducted  by assuming  the  data  to be sta- tionary  or trend,  determining  initial  data  sequence and  finding the  parameter of GM(1,1)  model.   Furthermore, the  research  is continued  by finding residual sequence and  GM(1,1) residual  forecast.   The  modification  of GM(1,1) residual forecast  model is conducted  for GM(1,1)  residual  forecast  with  Markov  chain. The last step are applying GM(1,1) forecasting model modified Markov chain to the data  and finding the accuracy level of the model.
Based on the results, it can be obtained GM(1,1) forecasting model modified Markov chain for the data of other petroleum products,  LPG and electricity.  The accuracy of GM(1,1) forecasting model modified Markov chain is 58,7% for other petroleum  product  data,  91,7% for LPG data  and 78,7% for electricity  data.
Keywords : Grey model, Markov  chain, energy distribution.