Anda di halaman 1dari 7

Nama : Utari Ardiyanti

NIM : 2104011130082

ANALISIS TRENDLINE

I. Pendahuluan
Menurut Sofjan Assauri, Peramalan adalah kegiatan untuk memperkirakan apa yang
akan terjadi pada masa yang akan datang (Sofjan Assauri, 1984:1). Sedangkan menurut Hendra
Kusuma, Peramalan adalah perkiraan tingkat satu atau dua produk selama beberapa metode
mendatang (Hendra Kusuma, 1999:13). Jenis-jenis peramalan yaitu :
Proyeksi : peramalan berdasarkan pada extrapolasi kondisi masa lalu dan kondisi
saat ini atau analisis time series
Prediksi : peramalan dengan berdasarkan asumsi teoritis
Spekulasi : peramalan dengan melakukan penilaian subjektif dari para pakar dan
orang-orang yang terpercaya
Pada umunnya peramalan dapat dibedakan dari beberapa segi, tergantung dari cara
melihatnya. Apabila dilihat dari sifat penyusunnya, maka peramalan dapat dibedakan atas dua
macam, yaitu :
1. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi
dari orang yang menyusunnya. Dalam hal ini pandangan atau judgment dari orang
yang menyusunnya sangat menentukan baik tidaknya hasil ramalan tersebut.
2. Peramalan yang objektif, peramalan yang didasarkan atas data yang relevan pada masa
lalu, dengan menggunakan teknik-teknik dan metode dalam penganalisaan data
tersebut.
Disamping dilihat dari jangka waktu ramalan yang disusun. Maka peramalan dapat
dibedakan atas dua macam, yaitu :
1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil
ramalan jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan
seperti ini misalnya diperlukan dalam penyusunan rencana pembangunan suatu Negara
atau suatu daerah, corporate planning, rencana investasi atau rencana ekspansi dari
suatu perusahaan.
2. Peramalan jangka pendek, yaitu peramalan yang dilakukan penyusunan hasil ramalan
dalam jangka waktu yang kurang dari satu setengah tahun, atau tiga semester.
Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja
operasional, dan anggaran contoh penyusunan rencana produksi, rencana penjualan,
rencana persediaan, dan anggaran produksi
Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua
macam, yaitu :
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu.
Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini
penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat
Nama : Utari Ardiyanti
NIM : 2104011130082

intuisi, judgment atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya.
Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa
lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang digunakan dalam
peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan
yang berbeda.
Terdapat 4 jenis data lampau yang digunakan dalam analisis trendline:
Horizontal : membentuk garis mendatar (horizontal)
Seasonal : garis yang terbentuk naik turun yang dipengaruhi keadaan
pada musim- musim tertentu
Cyclical : data berbentuk pola garis seperti gelombang
Secular : membentuk pola naik atau turun yang tidak teratur kemudian
dapat dilihat dari kecenderungan arah dan bentuknya.
Langkah-Langkah Peramalan
Kualitas atau mutu dari hasil peramalan yang di susun, sangat ditentukan oleh proses
pelaksanaan penyusunnya. Peramalan yang baik adalah peramalan yang dilakukan dengan
mengikuti langkah langkah atau prosedur penyusunan yang baik. Pada dasarnya ada tiga
langkah peramalan yang penting, yaitu:
1. Menganalisa data yang lalu. Tahap ini benguna untuk pola yang terjadi pada masa yang
lalu. Analisa ini dilakukan dengan cara membuat tabulasi data maka dapat di ketahui
pola data tersebut.
2. Menentukan metode yang digunakan. Masing-masing merode akan memberikan hasil
peramalan yang berbeda. Dimana metode peramalan yang baik adalah metode yang
menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan yang
sekecil mungkin.
3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan, dan
mempertimbangkan adanya beberapa faktor perubahan. Faktor - faktor perubahan
tersebut antara lain terdiri dari perubahan kebijakan - kebijakan yang mungkin terjadi,
termaksud kebijakan pemerintah.
Analisis trendline merupakan sebuah peramalan dengan jenis cara proyeksi yang
menggunakan extrapolasi keadaan masa lampau dan masa kini atau analisis time series. Analisis
ini bertujuan memberikan gambaran kondisi masa depan dan konsekuensi yang mungkin terjadi
(tujuan deskriptif). Selain itu analisis trendline juga dapat digunakan sebagai panduan untuk
membentuk masa depan sesuai kondisi yang diinginkan (fungsi normatif).
Terkait dengan kegunaan dalam Perencanaan Wilayah dan Kota, peencanaan
perencanaan selalu berkaitan dengan keputusan untuk mengarahkan masa depan agar sesuai
dengan yang diharapkan. Untuk dapat merencanakan masa depan dengan baik maka kita
membutuhkan suatu peramalan. Sebab masa depan tidak akan diketahui sebelum kita
merasakannya sendiri pada masa tersebut. Akan tetapi, kita dapat melakukan perkiraan apa
yang terjadi pada masa yang akan datang dengan peramalan tersebut. Peramalan dalam
Nama : Utari Ardiyanti
NIM : 2104011130082

perencanaan salah satunya bisa dilakukan dengan analisis trendline. Penggunaan analisis
trendline diharapkan mampu membuat suatu gambaran kondisi di masa yang akan datang
sebagai panduan dalam merencanakan sesuatu agar lebih baik pada masa yang akan datang.

II. Data dan Jenis Data yang dibutuhkan
Data yang dibutuhkan dalam analisis peramalan trendline adalah data time series.
Sebagai contohnya adalah data jumlah penduduk selama kurun waktu 20 tahun di Kota
Bandung. Penduduk merupakan unsur yang bersifat dinamis, sehingga selalu terjadi perubahan
perubahan dalam setiap proses kependudukan. Proyeksi in dilakukan untuk meramalkan
jumlah penduduk 20 tahun yang akan datangsehingga pemerintah dapat mengantisipasi
kebutuhan lahan untuk menyediakan pemukiman bagi penduduk. Berikut adalah data yang
diperlukan untuk melakukan proyeksi penduduk, yaitu jumlah penduduk Kota Bandung tahun
1999-2009 :
Jumlah Penduduk Tahun 1999-2008 Kota Bandung
no tahun
jumlah
penduduk
1 1990 1808261
2 1991 1808765
3 1992 1816626
4 1993 1819356
5 1994 1816385
6 1995 1816726
7 1996 1817939
8 1997 1818649
9 1998 1806409
10 1999 1868913
11 2000 2141837
12 2001 2146360
13 2002 2142194
14 2003 2228268
15 2004 2234624
16 2005 2266969
17 2006 2296848
18 2007 2329929
19 2008 2335406
20 2009 2244760
Sumber: Dinas Kependudukan, 2008; dan BPS Kota Bandung, 2005

III. Tahapan Analisis
Nama : Utari Ardiyanti
NIM : 2104011130082

Tahapan analisis peramalah trendline menggunakan microsoft excel adalah dengan
membuat grafik kemudian membuat trendline yang ada di microsoft excel.
Terdapat banyak jenis trendline yang ada yaitu Exponential, Linear, Logarithm,
Polynomial, power atau Moving area.
1. Membuka grafik dari Microsoft Excel, menyeleksi angka-angka dalam
kolom jumlah penduduk. Mengklik insert -> line
2. Dari grafi yang ada, membuat persamaan menggunakan pilihan jenis
trendline. Mengklik point yang telah terbuat, mengklik kanan -> add
trendline
3. Terdapat banyak pilihan type trendline. Memilih misal Exponential. Pada
bagian option mengaktifkan Display Equation in Chart dan Display R-Square
value on Chart.
4. Setelah itu mendapatkan persamaan y dan nilai R
2
dimana y (jumlah
penduduk).
5. Dapat juga dicoba untuk jenis trendline lain (Linear, Logarithm, Polynomial
power atau Moving Average), hingga mendapatkan R
2
tertinggi yaitu
mendekati nilai 1.

IV. Penjelasan Output
a. Trendline exponential

Pada trendline di atas, nilai R = 0,8485, artinya telah mendekati satu dan
persamaan yang dihasilkan adalah y = 2E+06e
0.0169x

b. Trendline linier
y = 2E+06e
0.0169x

R = 0.8485
0
500000
1000000
1500000
2000000
2500000
jumlah penduduk
jumlah penduduk
Expon. (jumlah
penduduk)
Nama : Utari Ardiyanti
NIM : 2104011130082


Pada trendline di atas, nilai R = 0,8506, artinya telah mendekati satu dan
persamaan yang dihasilkan adalah y = 34326x + 2E+06


c. Trendline logarithm

Pada trendline di atas, nilai R = 0,6299, artinya telah mendekati satu dan
persamaan yang dihasilkan adalah y = 215035ln(x) + 2E+06


d. Trendline Polynomial
y = 34326x + 2E+06
R = 0.8506
0
500000
1000000
1500000
2000000
2500000
jumlah penduduk
jumlah penduduk
Linear (jumlah
penduduk)
y = 215035ln(x) + 2E+06
R = 0.6299
0
500000
1000000
1500000
2000000
2500000
jumlah penduduk
jumlah penduduk
Log. (jumlah penduduk)
Nama : Utari Ardiyanti
NIM : 2104011130082


Pada trendline di atas, nilai R = 0,8616, artinya telah mendekati satu dan persamaan
yang dihasilkan adalah y = 759.86x
2
+ 18369x + 2E+06


e. Trendline Power


Pada trendline di atas, nilai R = 0,6333, artinya telah mendekati satu dan persamaan
yang dihasilkan adalah y = 2E+06x
0.106

Dari seluruh trendline di atas, maka dipilihlah trendline polynomial sebagai model yang
digunakan untuk proyeksi, hal ini dikarenakan nilai R
2
yang paling mendekati 1 yaitu 0,8616.
Dari model persamaan di atas, maka dapat dilakukan proyeksi dengan langkah sebagai
berikut:
y = 759.86x
2
+ 18369x + 2E+06
R = 0.8616
0
500000
1000000
1500000
2000000
2500000
3000000
jumlah penduduk
jumlah penduduk
Poly. (jumlah
penduduk)
y = 2E+06x
0.106

R = 0.6333
0
500000
1000000
1500000
2000000
2500000
jumlah penduduk
jumlah penduduk
Power (jumlah
penduduk)
Nama : Utari Ardiyanti
NIM : 2104011130082

y = 759.86x
2
+ 18369x + 2E+06 = 759.86x
2
+ 18369x + 2 (10
6
)+06
y = jumlah penduduk pada tahun ke-n
x = selisih tahun awal data (tahun 1999) dengan tahun yang akan diproyeksikan
Rumus proyeksi tersebut dapat digunakan untuk mengetahui ramalan jumlah penduduk 20
tahun yang akan datang.
no tahun x(selisih tahun awal) jumlah penduduk
1 2010 20 2671330
2 2011 21 2720853
3 2012 22 2771896
4 2013 23 2824459
5 2014 24 2878541
6 2015 25 2934144
7 2016 26 2991265
8 2017 27 3049907
9 2018 28 3110068
10 2019 29 3171749
11 2020 30 3234950
12 2021 31 3299670
13 2022 32 3365911
14 2023 33 3433671
15 2024 34 3502950
16 2025 35 3573750
17 2026 36 3646069
18 2027 37 3719907
19 2028 38 3795266
20 2029 39 3872144

Dari tabel proyeksi diatas dapat dilihat bahwa semakin lama jumlah penduduk di Kota
Bandung semakin meningkat.


Sumber :
Dinas Kependudukan, 2008; dan BPS Kota Bandung, 2005