peramalan trendline
DESCRIPTION
pengertian trendlineTRANSCRIPT
LAPORAN PRAKTIKUMMETODE ANALISIS PERENCANAAN
PRAKTIKUM – 6
ANALISIS PERAMALAN TRENDLINE
Di susun oleh
Irdha Diah UtamiNIM 21040111120023
JURUSAN PERENCANAAN WILAYAH DAN KOTAFAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG2013
1
A. Pendahuluan
Peramalan adalah penaksiran atas permintaan akan produk atau jasa yang diharapkan akan disediakan organisasi di masa mendatang. Peramalan haruslah diarahkan pada kebutuhan-kebutuhan yang berbeda dan menyediakan data yang sesuai dan berguna untuk pengambilan keputusan dalam konteks yang berlainan.
Metode peramalan trendline atau deret berkala memiliki karakteristik bahwa data yang dianalisis bersifat deret yang menunjukkan waktu yang berkala. Periode data berkala dapat berupa tahunan, mingguan, bulanan, semester, kuartal dan lain-lain yang bersifat konstan. Tujuan periode berkala ini adalah untuk menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut di masa yang akan datang.
Metode yang digunakan dalam peramalan trendline adalah sebagai berikut.
1. Metode Pemulusan (Smoothing)Metode ini pertama kali dikembangkan oleh para ahli penelitian
operasional (operational research) pada akhir 1950-an. Kemudahan dan biaya yang rendah merupakan kelebihan utama dari metode pemulusan. Klasifikasi metode pemulusan terdiri dari metode rata-rata dan metode eksponensial.
2. Metode DekomposisiMetode ini mencoba memisahkan tiga komponen terpisah dari
pola dasar yang cenderung mencirikan deret data ekonomi. Komponen tersebut adalah factor trend (kecenderungan), siklus, musiman.
Terdapat beberapa pendekatan alternative untuk mendekomposisi suatu deret berkala, yang semuanya bertujuan untuk memisahkan setiap komponen deret data seteliti mungkin. Konsep dasar dalam pemisahan tersebut bersifat empiris, yang mula-mula memisahkan musiman, berlanjut ke trend, dan akhirnya siklus. Residu bersifat random yang tidak dapat ditaksir tetap dapat diidentifikasi. Metode dekomposisi mempunyai kelemahan teoritis, namun para praktisi banyak mengabaikan kelemahan ini dan telah menggunakan pendekatan ini. Penulisan matematis umum pendekatan dekomposisi adalah:
Xt = f ( It , Tt , Ct, Et )
Keterangan:Xt = deret berkala (data actual) pada periode tIt = komponen (indeks) musiman pada periode tTt = komponen trend pada periode tCt = komponen siklus pada periode tEt = komponen random atau kesalahan pada periode t
2
Gambar 1Pola Data
Identifikasi pola terhadap data deret waktu juga berfungsi untuk menentukan metode yang akan digunakan untuk menganalisis data tersebut. Pola data cenderung akan berulang pada periode waktu mendatang. Pola data dapat dibedakan menjadi empat jenis
1. Pola Horisontal (H) terjadi bila nilai data berfluktuasi di sekitar nilai rata-rata yang konstan.
2. Pola Musiman (S) terjadi bila suatu deret dipengaruhi oleh factor-faktor musiman. Misalnya kuartal tahun tertentu, bulanan, atau harian pada minggu tertentu.
3. Pola Siklis ( C ) terjadi bila data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
4. Pola Trend (T) terjadi bila terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.
B. Gambaran KasusPada analisis ini, data yang digunakan adalah jumlah penduduk Kota Balikpapan dalam beberapa tahun terakhir. Analisis ini bertujuan untuk mengetahui jumlah penduduk pada tahun 2030 dalam menentukan fasilitas atau sarana dan prasarana di Kota Balikpapan. Berikut adalah datanya.
3
Tabel 1Jumlah Penduduk Kota Balikpapan
Tahun
Jumlah
2001 4726412002 4825732003 4865802004 4953142005 5004062006 5081202007 5155292008 5269632009 5385252010 5545772011 557588
Sumber: Kota Balikpapan Dalam Angka 2010C. Output Analisis
Grafik diatas menunjukkan trendline dengan tipe eksponensial. Persamaan yang dihasilkan adalah y = 462991e0.0167x
4
Grafik diatas adalah hasil trendline jenis linear. Persamaan yang dihasilkan adalah y = 8609.2x + 460965
Grafik diatas adalah hasil trendline jenis logaritma. Persamaan yang dihasilkan adalah y = 35250ln(x) + 456533
5
Grafik diatas adalah hasil trendline jenis Polynomial. Persamaan yang dihasilkan adalah y = 341.44x2 + 4511.9x + 469842
Grafik diatas adalah hasil trendline jenis Power. Persamaan yang dihasilkan adalah y = 458661x0.069
6
Tabel 2.Hasil Proyeksi Jumlah Penduduk Kota Balikpapan Tahun 2012-2026
NoTahu
nJumlah
Penduduk
1 2001 4726412 2002 4825733 2003 4865804 2004 4953145 2005 5004066 2006 5081207 2007 5155298 2008 5269639 2009 538525
10 2010 55457711 2011 557588
12 2012
573152
13 2013
586200
14 2014
599931
15 2015
614345
16 2016
629441
17 2017
645220
18 2018
661683 19 2019
7
678828
20 2020
696656
21 2021
715167
22 2022
734361
23 2023
754237
24 2024
774797
25 2025
796040
26 2026
817965 Sumber: Hasil Analisis Individu, 2013
Diantara kesemua jenis trendline yang telah dicoba, nilai R2 tertinggi adalah polynomial 0,9924. Maka input data sesuai dengan persamaan yang telah dihasilkan y = 341,44x2 + 4511,9x + 469842. Jadi proyeksi jumlah penduduk pada tahun 2012 = 341,44 (122) + 4511,9 (12) + 469842 = 573.152. Begitu juga seterusnya untuk tahun-tahun berikutnya.
D. KesimpulanProyeksi jumlah penduduk di Kota Balikpapan terus meningkat. Hal ini terjadi karena melihat rata-rata jumlah penduduk eksisting dari tahun 2001 hingga 2011 yang juga selalu meningkat. Maka hasil proyeksi jumlah penduduk di tahun-tahun berikutnya juga terus meningkat. Dan perkiraan jumlah penduduk di tahun 2026 adalah sebanyak 817.965 jiwa.
E. Daftar Pustaka___. 2008. “Model Analisis Trendline” dalam Cyber Analisis.
http://library.binus.ac.id. Diunduh Jum’at, 17 Mei 2013. Makridakis, S. dkk. 1995. Metode dan Aplikasi Peramalan. Edisi kedua Jilid
satu. Jakarta: Erlangga.
F. Lampiran1. Buka grafik dari Microsoft Excel dengan cara Insert Line.
8
2. Select data, dan sesuaikan range data yang ada.
3. Dari grafik tersebut, klik kanan pada salah satu titik kemudian pilih Add Trendline untuk membuat persamaan.
4. Pilih Exponensial, centang bagian Display Equation on chart, dan Display R-squared value on chart
9