Analisis Trendline Proyeksi Penduduk

Studi Kasus: Kabupaten Jepara Jawa Tengah

Disusun untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan
(TKP 342)
Dosen Pengampu:
Dr. Sc. Agr. Iwan Rudiarto, S.T.
Widjanarko, S.T., M.T.
Sri Rahayu, S.Si, M.Si
Anang Wahyu Sejati, S.T., M.T.

Disusun oleh:
Izzah Khusna
21040113140123
Kelas A- 2013

JURUSAN PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2015

1. Pendahuluan
Berkembangnya sektor industri dan pengolahan di Kabupaten Jepara menimbulkan kegiatan
perekonomian wilayah menjadi dinamis. Salah satu dampak yang terlihat adalah banyaknya
penduduk luar kabupaten yang melakukan migrasi karena minatnya mengembangkan industri
cukup besar. Hal ini menjadi salah satu penyebab terjadinya peningkatan jumlah penduduk di
Kabupaten Jepara. Kependudukan tentu tidak terlepas dari lingkup perencanaan wilayah dan
kota. Sebagai salah satu bidang ilmu yang multi-disiplin, kependudukan menjadi aspek krusial
dari proses perencanaan wilayah dan kota. Hal ini disebabkan kependudukan menjadi dasar dari
segala perhitungan kebutuhan, baik dari segi sosial, ekonomi, infrastruktur, dan sebagainya.
Umumnya, jumlah penduduk akan bertambah setiap tahun jika angka kelahiran lebih besar
dibandingkan angka kematian atau terjadinya peningkatan laju migrasi dari wilayah lain ke
wilayah tersebut. Oleh karena itulah, agar kebutuhan di masa mendatang dapat diperkirakan,
dibutuhkan suatu alat bantu analisis yang salah satunya bisa berfungsi untuk memproyeksikan
jumlah penduduk di masa yang akan datang. Alat tersebut adalah analisis trendline yang diolah
melalui software Microsoft Excel.
1.1. Kajian Teori
Analisis trendline (deret berkala) merupakan salah satu metode pendekatan yang
digunakan dalam peramalan. Trendline memiliki karakteristik bahwa data yang dianalisis
bersifat deret yang menunjukkan waktu yang berkala, dapat berupa tahunan, mingguan,
semester, dan sebagainya. Tujuannya adalah menemukan pola dalam deret data historis dan
mengekstrapolasikan pola tersebut ke masa depan (Buchori, 2007). 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 dibedakan menjadi empat jenis:
Tabel I.1
Pola Data Trendline
Pola
Horisontal (H)

Musiman (S)

Keterangan
Pola ini terjadi apabila nilai data
berfluktuasi di sekitar nilai rata-rata
konstan (stationer terhadap nilai
rata-ratanya). Contoh dari pola
horisontal adalah produk penjualan
yang tidak naik ataupun turun pada
kurun waktu tertentu.

Pola ini terjadi apabila suatu deret

dipengaruhi oleh faktor musiman
(kuartal tahun tertentu, bulanan
atau hari-hari pada minggu
tertentu). Contoh dari pola
musiman adalah pada penjualan
produk es krim ataupun pemanas
ruangan.

Gambar

Siklis (C)

Pola ini terjadi apabila data

dipengaruhi oleh fluktuasi ekonomi
jangka panjang. Contoh dari pola
siklis adalah penjualan besi baja
dan mobil.

Trend (T)

Pola ini terjadi apabila terdapat

kenaikan atau penurunan sekuler
jangka panjang dalam data. Contoh
dari pola trend adalah pada Produk
Bruto Nasional dan indikator bisnis

Sumber: Bahan Ajar MAP, 2015

Metode Deret Waktu (Time series Method) merupakan metode peramalan yang
menggunakan deret waktu (time series) sebagai dasar peramalan. Memerlukan data aktual
yang kemudian akan diramalkan untuk mengetahui pola data yang diperlukan untuk
menentukan metode peramalan yang sesuai. Beberapa metode dalam time series yaitu
sebagai berikut:
a) ARIMA (Autoregressive Integrated Moving Average) pada dasarnya menggunakan
fungsi deret waktu, metode ini memerlukan pendekatan model identification serta
penaksiran awal dari paramaternya. Sebagai contoh: peramalan nilai tukar mata uang
asing, pergerakan nilai IHSG.
b) Kalman Filter banyak digunakan pada bidang rekayasa sistem untuk memisahkan
sinyal dari noise yang masuk ke sistem. Metoda ini menggunakan pendekatan model
state space dengan asumsi white noise memiliki distribusi Gaussian.
c) Bayesian merupakan metode yang menggunakan state space berdasarkan model
dinamis linear (dynamical linear model). Sebagai contoh: menentukan diagnosa suatu
penyakit berdasarkan data-data gejala (hipertensi atau sakit jantung), mengenali warna
berdasarkan fitur indeks warna RGB, mendeteksi warna kulit (skin detection)
berdasarkan fitur warna chrominant.
d) Metode smoothing dipakai untuk mengurangi ketidakteraturan data yang bersifat
musiman dengan cara membuat keseimbangan rata-rata dari data masa lampau.
e) Regresi menggunakan dummy variabel dalam formulasi matematisnya. Sebagai contoh:
kemampuan dalam meramal sales suatu produk berdasarkan harganya.
Untuk menilai akurat/tidaknya suatu persamaan regresi yang merupakan hasil proyeksi
dengan melihat nilai R2. Apabila R2 semakin mendekati nilai 1, maka proyeksi semakin
akurat. Berikut merupakan metode yang digunakan dalam peramalan trendline antara lain:
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.

Berikut merupakan langkah-langkah yang dilakukan pada metode peramalan pemulusan:

Mengoptimalkan modifikasi prosedur inisialisasi melacak nilai parameter yang optimum

Gunakan
Inisialisasi
meto
Pilih metode
pemulusan
Pilih suatu deret berkala (kelompok data) untuk dianalisis, yang dibagi berdasarkan kelompok
inisialisasi
danm

Keputusan penilaian keuntungan dan kerugian pote

Sumber: Makridakis, dkk., 1995

Pemulusan terbagi menjadi empat macam, antara lain:

a. Pemulusan eksponensial tunggal
b. Pemulusan eksponensial ganda: metode linear satu parameter Brown
c. Pemulusan eksponensial ganda: metode linear dua parameter Holt
d. Pemulusan eksponensial tripel: metode kuadratik Brown
2) Metode Dekomposisi
Metode ini mencoba memisahkan tiga komponen terpisah daripola dasar yang
cenderung mencirikan deret data ekonomi. Komponen tersebut adalah faktor trend
(kecenderungan), siklus, musiman.
Dekomposisi memiliki asumsi bahwa data itu tesusun sebagai berikut:

Data=Pola+ Kesalahan
f (trend , siklus , musiman)+ Kesalahan
Disamping komponen pola, terdapat pula unsur kesalahan atau kerandoman, kesalahan ini
dianggap merupakan perbedaan dintara pengaruh gabungan tiga sub-pola deret tersebut
dengan data sebenarnya.
Terdapat beberapa pendekatan alternatif untuk mendekomposisi suatu deret berkala,
yang semuanya bertujuan untuk memisahkan setiapkomponen deret data seteliti mungkin.
Konsep dasar dalam pemisahantersebut 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 inidan telah menggunakan pendekatan
ini. Penulisan matematis umum pendekatan dekomposisi adalah:
Xt = f ( It, Tt, Ct, Et)
dimana:
Xt
= deret berkala (data actual) pada periode t
It
= komponen (indeks) musiman pada periode t
Tt
= komponen trend pada periode t
Ct
= komponen siklus pada periode t
Et
= komponen random atau kesalahan pada periode t
2. Studi Kasus
Saat ini kita tahu bahwa jumlah penduduk di Indonesia terus bertambah seiringnya waktu,
dimana laju pertumbuhan tertinggi berada pada di Pulau Jawa yang berperan sebagai pusat
aktivitas perekonomian negara. Salah satu penyumbang penduduk terbesar adalah Provinsi Jawa
Tengah yang memiliki berbagai jenis sektor basis ekonomi, tak terkecuali Kabupaten Jepara
yang memiliki sektor basis di bidang industri dan pengolahan. Semenjak berkembangnya sektor

industri kecil di Kabupaten Jepara mulai tahun 1991, aktivitas masyarakat berubah dinamis.
Aktivitas industri pengolahan baik meubel, troso, monel, dan sebagainya selain dilakukan oleh
SDM lokal, juga banyak dilakukan oleh beberapa masyarakat luar Jepara bahkan luar Indonesia
untuk mengembangkan industri ini. Hal ini menyebabkan jumlah penduduk terus meningkat
seiring banyaknya jumlah migrasi yang dilakukan oleh masyarakat luar wilayah Jepara. Selain
itu, pertumbuhan penduduk yang tinggi juga disebabkan banyaknya penduduk Jepara yang
masih melakukan pernikahan di usia dini dan tidak mengikuti program KB.
Laju pertumbuhan penduduk yang terus meningkat ini tentu menimbulkan berbagai macam
persoalan, baik dari segi ekonomi, infrastruktur, dan semacamnya. Oleh karena itulah,
kebutuhan tersebut mau tidak mau harus bisa melayani seluruh penduduk baik di masa sekarang
maupun masa mendatang. Kebutuhan sangat berbanding lurus terhadap jumlah penduduk,
sehingga diperlukan adanya proyeksi penduduk yang membantu memperkirakan berapa banyak
kebutuhan yang harus dipenuhi secara tepat. Melalui analisis trendline, kita bisa
memproyeksikan jumlah penduduk Kabupaten Jepara di masa mendatang dengan
mengumpulkan data jumlah penduduk di tahun-tahun sebelumnya (time series/ historis) yang
berbentuk data rasio.
Dalam laporan ini, akan digunakan data eksisting jumlah penduduk Kabupaten Jepara dari
tahun 1994 hingga 2013 (20 tahun) untuk memproyeksikan jumlah penduduk Kabupaten Jepara
20 tahun yang akan datang, terhitung mulai tahun 2014 hingga 2033 mendatang. Berikut
merupakan tabel jumlah penduduk Kabupaten Jepara tahun 1994 hingga 2013 dan perhitungan
proyeksi berdasarkan hasil analisis trendline yang telah dilakukan:

Tahun
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003

Tabel II.1
Jumlah Penduduk Kabupaten Jepara Tahun 1994-2013 dan
Hasil Proyeksi Jumlah Penduduk Tahun 2014-2033
Jumlah
Jumlah
Perhitunga
Tahun
Tahun
penduduk Tahun
penduduk
n proyeksi
826928
835007
858549
866566
871332
880627
970954
988963
999635
1039827

2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

1.059.638
1.078.037
1.058.064
1.073.631
1.090.839
1.107.973
1.097.280
1.124.203
1.144.916
1.153.213

2014
2015
2016
2017
2018
2019
2020
2021
2022
2023

1.146.851
1.153.590
1.159.179
1.163.617
1.166.904
1.169.041
1.170.027
1.169.863
1.163.617
1.168.548

2024
2025
2026
2027
2028
2029
2030
2031
2032
2033

Perhitunga
n proyeksi
1.166.082
1.162.466
1.157.699
1.151.782
1.144.713
1.136.495
1.127.125
1.116.605
1.104.935
1.092.113

Sumber: Data Pokok, 2001 dalam Cahyadi (2003); BPS Kabupeten Jepara 2010-2014; Analisis Pribadi, 2015

3. Hasil dan Pembahasan

Berikut merupakan hasil dan pembahasan analisis trendline proyeksi penduduk di
Kabupaten Jepara melalui bantuan Microsoft Excel yang telah dilakukan. Dalam analisis
trendline terdapat lima jenis metode yang dapat digunakan. Metode ini digunakan untuk
mengetahui masing-masing nilai R2 persamaan matematisnya. Selanjutnya, setelah nilai R 2 dari
kelima metode didapat, dipilihlah nilai R2 terbesar atau yang mendekati angka 1. Berikut ini
adalah grafik dimulai dari grafik awal tanpa metode hingga kelima metode yang telah diolah:
1) Grafik Awal

1400000
1200000
1000000
800000
Jumlah penduduk

600000
400000
200000
0
94 95 96 97 98 99 00 01 02 03 04 05 06 07 08 09 10 11 12 13

Sumber: Analisis Pribadi, 2015

Gambar 3.1
Grafik Jumlah Penduduk Kabupaten Jepara Tahun 1994-2013

Berdasarkan grafik diatas, diketahui bahwa jumlah penduduk di Kabupaten cenderung

meningkat secara teratur dan bertahap tanpa adanya peledakan penduduk secara tiba-tiba.
Pertambahan jumlah penduduk terbesar terjadi pada tahun 1999 ke tahun 2000, yaitu
mencapai 90.327 jiwa penduduk. Terjadi penurunan jumlah penduduk pada tahun 2006
sebesar 19.973 jiwa penduduk dari tahun 2005. Kemungkinan besar hal ini disebabkan oleh
gencarnya pemerintah daerah terkait program Keluarga Berencana (KB) pada waktu itu.
Selanjutnya, penurunan jumlah penduduk juga terjadi pada tahun 2010 sebesar 10.693 jiwa
penduduk dari tahun sebelumnya.
2) Exponential
1400000
1200000
1000000
800000

f(x) = 823340.19 exp( 0.02 x )

R = 0.93

600000
400000
200000
0

94

95

96

97

98

99

00

01

Jumlah penduduk

02

03

04

05

06

07

08

09

10

11

12

13

Exponential (Jumlah penduduk)

Sumber: Analisis Pribadi, 2015

Gambar 3.2
Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode Exponential

Berdasarkan grafik diatas, dapat diketahui rumus persamaan yang terbentuk serta nilai
R yang dihasilkan oleh metode exponential mendekati angka 1, yaitu sebesar 0,9277. Garis
putus-putus yang terbentuk memperlihatkan bahwa proyeksi jumlah penduduk Kabupaten
Jepara mengalami peningkatan secara terus menerus setiap tahunnya. Meskipun cukup besar
mendekati angka 1, kita harus mengamati satu per satu metode hingga menemukan nilai R
yang benar-benar mendekati angka 1.
3) Linear
Berdasarkan grafik dibawah, dapat diketahui bahwa nilai R yang dihasilkan oleh
metode linear lebih besar dibandingkan metode exponential. Hal ini mengindikasikan
bahwa, jika dibandingkan metode sebelumnya, metode linear lebih dicocok digunakan
untuk proyeksi jumlah penduduk Kabupaten Jepara. Tidak berbeda dengan exponential,
linear juga membentuk garis proyeksi yang menunjukkan peningkatan jumlah penduduk
setiap tahunnya.

1400000
1200000

f(x) = 18245.25x + 814733.99

R = 0.94

1000000
800000
600000
400000
200000
0

94

95

96

97

98

99

00

01

02

03

04

Jumlah penduduk

05

06

07

08

09

10

11

12

13

Linear (Jumlah penduduk)

Sumber: Analisis Pribadi, 2015

Gambar 3.3
Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode Linear

4) Logarithmic
1400000
1200000
1000000
800000
600000
400000
200000
0
94

f(x) = 128645.09 ln(x) + 733995.65

R = 0.88

95

96

97

98

99

00

01

02

03

04

Jumlah penduduk

05

06

07

08

09

10

11

12

13

Logarithmic (Jumlah penduduk)

Sumber: Analisis Pribadi, 2015

Gambar 3.4
Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode Logarithmic

Metode logarithmic memiliki nilai R yang tidak terlalu besar dibandingkan metode
sebelumnya, yaitu hanya sebesar 0,8828. Berbeda dari dua metode sebelumnya, metode ini
juga membentuk garis proyeksi yang tidak menunjukkan peningkatan secara langsung. Jika
diamati, ada beberapa garis yang menghasilkan angka stagnan di beberapa tahun
mendatang. Hal inilah yang menyebabkan metode ini memiliki nilai R rendah sehingga
tidak cocok untuk diaplikasikan untuk proyeksi jumlah penduduk.
5) Polynomial
1400000
1200000
1000000
800000

f(x) = - 575.31x^2 + 30326.85x + 770434.78

R = 0.97

600000
400000
200000
0
94

95

96

97

98

99

00

01

Jumlah penduduk

02

03

04

05

06

07

08

09

10

11

12

13

Polynomial (Jumlah penduduk)

Sumber: Analisis Pribadi, 2015

Gambar 3.5
Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode Polynomial

Berdasarkan grafik diatas, diketahui bahwa nilai R dari metode ini merupakan yang
paling mendekati angka 1 dibandingkan metode-metode sebelumnya, yaitu sebesar
0,9656. Hal ini memungkinkan rumus persamaan metode ini dapat diaplikasikan untuk
proyeksi penduduk Kabupaten Jepara jika metode selanjutnya tidak memiliki nilai R yang
lebih besar. Melihat garis proyeksinya, penduduk Jepara pada 20 tahun mendatang akan

mengalami peningkatan pada beberapa awal tahun proyeksi dan kemudian mengalami
penurunan secara terus menerus hingga di akhir tahun proyeksi. Kemungkinan besar hal ini
disebabkan data time series jumlah penduduk eksisting sebelumnya sempat mengalami
penurunan penduduk sebanyak dua kali, yaitu pada tahun 2006 dan 2010.
6) Power
1400000
1200000
1000000
800000
600000
400000
200000
0
94

f(x) = 755703.24 x^0.13

R = 0.89

95

96

97

98

99

00

01

02

03

04

05

Jumlah penduduk

06

07

08

09

10

11

12

13

Power (Jumlah penduduk)

Sumber: Analisis Pribadi, 2015

Gambar 3.6
Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode Power

Berdasarkan grafik diatas, diketahui bahwa nilai R dari metode ini tidak lebih tinggi
dibanding metode polynomial yaitu hanya 0, 8937, sehingga rumus persamaan dari metode
polynomial dapat segera digunakan untuk proyeksi penduduk di Kabupaten Jepara.
7) Moving Average
Grafik metode moving average merupakan satu-satunya metode yang tidak
menyediakan nilai R maupun menghasilkan rumus persamaan. Hal ini dikarenakan metode
tersebut tidak menyediakan option Forecast.
1400000
1200000
1000000
800000
600000
400000
200000
0
94

95

96

97

98

99

00

01

Jumlah penduduk

02

03

04

05

06

07

08

09

10

11

12

13

Moving average (Jumlah penduduk)

Sumber: Analisis Pribadi, 2015

Gambar 3.7
Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode Moving Average

Dari perhitungan metode polynomial didapatkan rumus persamaan berikut:

Y = -575.31x2 + 30327x + 770435
dimana:
x
= selisih antara tahun yang diprediksi dengan tahun dasar (dalam kasus ini tahun
dasarnya adalah tahun 1994)
Berikut adalah perhitungan proyeksi penduduk:
Tabel III.1
Perhitungan Proyeksi Penduduk Menggunakan Rumus Persamaan Metode Polynomial
Tahun
Perhitungan
Proyeksi Penduduk (jiwa)
2014
=(-575.31*(20^2))+(30327*20)+(770435)
1.146.851
2015
=(-575.31*(21^2))+(30327*21)+(770435)
1.153.590
2016
=(-575.31*(22^2))+(30327*22)+(770435)
1.159.179
2017
=(-575.31*(23^2))+(30327*23)+(770435)
1.163.617
2018
=(-575.31*(24^2))+(30327*24)+(770435)
1.166.904
2019
=(-575.31*(25^2))+(30327*25)+(770435)
1.169.041

2020
2021
2022
2023
2024
2025
2026
2027
2028
2029
2030
2031
2032
2033

=(-575.31*(26^2))+(30327*26)+(770435)
=(-575.31*(27^2))+(30327*27)+(770435)
=(-575.31*(28^2))+(30327*28)+(770435)
=(-575.31*(29^2))+(30327*29)+(770435)
=(-575.31*(30^2))+(30327*30)+(770435)
=(-575.31*(31^2))+(30327*31)+(770435)
=(-575.31*(32^2))+(30327*32)+(770435)
=(-575.31*(33^2))+(30327*33)+(770435)
=(-575.31*(34^2))+(30327*34)+(770435)
=(-575.31*(35^2))+(30327*35)+(770435)
=(-575.31*(36^2))+(30327*36)+(770435)
=(-575.31*(37^2))+(30327*37)+(770435)
=(-575.31*(38^2))+(30327*38)+(770435)
=(-575.31*(39^2))+(30327*39)+(770435)

1.170.027
1.169.863
1.163.617
1.168.548
1.166.082
1.162.466
1.157.699
1.151.782
1.144.713
1.136.495
1.127.125
1.116.605
1.104.935
1.092.113

Batas
peningkatan dan
penurunan jumlah
penduduk

Sumber: Analisis pribadi, 2015

Dari hasil perhitungan diatas, diketahui bahwa proyeksi jumlah penduduk tahun 2014 justru
memiliki nilai yang lebih rendah dibandingkan jumlah penduduk eksisting pada tahun survei
2013. Peningkatan jumlah penduduk hanya terjadi hingga tahun proyeksi 2020, lalu tahuntahun proyeksi selanjutnya mengalami penurunan jumlah secara bertahap. Kemungkinan besar
hal ini disebabkan karena jumlah penduduk mengalami penurunan di tahun 2006 dan 2010
sehingga mempengaruhi hasil perhitungan proyeksi.
4. Kesimpulan
Berdasarkan hasil dan pembahasan analisis trendline yang telah dilakukan menggunakan
data time series jumlah penduduk tahun 1994 hingga 2013, disimpulkan bahwa proyeksi
penduduk Kabupaten Jepara 20 tahun selanjutnya (tahun 2014 hingga 2033) paling cocok
menggunakan metode polynomial, hal ini disebabkan metode tersebut memiliki nilai persamaan
R2 yang paling mendekati 1, yang berarti nilainya paling akurat dan memiliki rumus yang paling
tepat. Proyeksi jumlah penduduk Kabupaten Jepara tahun 2033 hanya mencapai 1.092.113 jiwa
penduduk, jumlahnya lebih rendah dari jumlah penduduk eksisting tahun 2013. Meskipun
demikian, jika berdasarkan logika, perhitungan ini bisa jadi salah karena pada umumnya setiap
wilayah yang memiliki kegiatan perekonomian maju (melalui klasifikasi status analisis
diskriminan), mengindikasikan jumlah penduduk yang terus meningkat setiap tahunnya.
Peningkatan jumlah penduduk terjadi hingga tahun proyeksi 2010. Hal ini mengartikan bahwa
perkiraan peningkatan kebutuhan segi sosial, ekonomi, infrastruktur, dan lainnya hingga tahun
2020 dapat diketahui sehingga perencanaan kebutuhan tersebut bisa dilakukan dengan tepat.
5. Daftar Pustaka
BPS Kabupaten Jepara. 2014. Jepara Dalam Angka 2014 dalam jeparakab.bps.go.id. Diunduh
pada hari Ahad, 29 Maret 2015
BPS Kabupaten Jepara. 2002. Data Pokok 2001 dalam Kurniawan, Agus Cahyadi. 2003.
Laporan Kerja Praktik Rencana Umum Tata Ruang Kawasan Perkotaan Ibukota
Kecamatan Pecangaan Jepara di CV Tampomas 15. Jurusan Perencanaan Wilayah dan Kota
Fakultas Teknik. Universitas Diponegoro Semarang
Buchori, Imam, dkk. 2007. Buku Ajar Metode Analisis Perencanaan dalam bentuk pdf. Jurusan
Perencanaan Wilayah dan Kota Fakultas Teknik. Universitas Diponegoro Semarang.
Diunduh pada hari Senin, 2 Maret 2015
NH, Teguh Pamuji Tri. 2012. Analisis Potensi Ekonomi Kabupaten Jepara Tahun 2011 dalam
download.portalgaruda.org. Diunduh pada hari Rabu, 6 Mei 2015
Pokja BP Kabupaten Jepara. 2010. Buku Putih Kota Jepara dalam ppsp.nawasis.info. Diunduh
pada hari Rabu, 6 Mei 2015

6. Lampiran
1. Membuka software Microsoft Excel dan masukkan data yang digunakan dan diolah.
Biasakan untuk selalu mencantumkan kepala/nama kolom sebelum memasukkan data
agar jelas dan mudah untuk diolah. (dalam laporan ini menggunakan data jumlah
penduduk Kabupaten Jepara mulai tahun 1994 hingga tahun 2013).
2. Selanjutnya, blok variabel data jumlah penduduk (beserta kepala kolomnya).
3. Membuat grafik dari data tersebut, pilih menu bar Insert Charts Line Charts.
Selanjutnya akan muncul grafik jumlah penduduk. Grafik itulah yang menjadi modal
utama analisis trendline yang akan dilakukan. Chart title akan otomatis terbentuk
berdasarkan nama kolom dari data yang di-blok.

3
2

Gambar 6.1
Pembuatan Grafik Awal

4. Karena keterangan tahun belum teridentifikasi (masih berupa angka 1 2 3 dan

seterusnya), maka klik kotak angka tersebut klik kanan Select Data keluar kotak
dialog Select Data Source perhatikan kolom Horizontal (Category) Axis Labels
Edit pilih data yang menunjukkan tahun data blok sel A2 hingga A21 (otomatis
akan segera mengubah data pada Axis Label Range) klik OK pada kotak Axis
Labels.

Gambar 6.2
Pemilihan Dat

5. Berikut merupakan hasil akhir grafik awal sebelum memasuki analisis trendline.

J u m l a h pe n du du k K a bu pa t e n J e pa r a , J a wa Ten g a h Tah u n 1 9 9 4 - 2 0 1 3
1400000
1200000
1000000
800000
600000
400000
200000
0

94

95

96

97

98

99

00

01

02

03

04

05

06

07

08

09

10

11

12

13

Gambar 6.3
Grafik Awal

6. Sebelum memasuki analisis, salin grafik awal tersebut sebanyak enam kali karena
metode yang kita gunakan adalah sebanyak enam metode.
7. Untuk metode Exponential klik pada line grafik klik kanan Add Trendline
Exponential pada option Forecast isi kolom Forward sebesar 20 periodes (proyeksi
20 tahun mendatang) centang Display Equation on chart Display R-squared value
on chart untuk mengetahui rumus persamaan dan nilai R kuadrat dari setiap metode.

Gambar 6.4
Langkah Awal Analisis Trendline

Gambar 6.5
Hasil Analisis Trendline Metode Exponential

8. Untuk metode Linear klik pada line grafik klik kanan Add Trendline Linear
pada option Forecast isi kolom Forward sebesar 20 periodes (proyeksi 20 tahun
mendatang) centang Display Equation on chart Display R-squared value on chart
untuk mengetahui rumus persamaan dan nilai R kuadrat yang dihasilkan oleh metode
ini.
9. Untuk metode Logarithmic klik pada line grafik klik kanan Add Trendline
Logarithmic pada option Forecast isi kolom Forward sebesar 20 periodes (proyeksi
20 tahun mendatang) centang Display Equation on chart Display R-squared value
on chart untuk mengetahui rumus persamaan dan nilai R kuadrat dari setiap metode.
10. Untuk metode Polynomial klik pada line grafik klik kanan Add Trendline
Polynomial kolom Orde tidak perlu diubah. Pada option Forecast isi kolom Forward
sebesar 20 periodes (proyeksi 20 tahun mendatang) centang Display Equation on
chart Display R-squared value on chart untuk mengetahui rumus persamaan dan nilai
R kuadrat dari setiap metode.
11. Untuk metode Power klik pada line grafik klik kanan Add Trendline Power
pada option Forecast isi kolom Forward sebesar 20 periodes (proyeksi 20 tahun
mendatang) centang Display Equation on chart Display R-squared value on chart
untuk mengetahui rumus persamaan dan nilai R kuadrat dari setiap metode.
12. Untuk metode Moving Average klik pada line grafik klik kanan Add
Trendline Moving Average kolom Period tidak perlu diubah. Pada metode ini tidak
tersedia option Forecast sehingga memang tidak diketahui rumus persamaan dan nilai R
kuadratnya.
13. Mencari nilai R yang paling mendekati nilai 1. Setelah ditemukan, maka lihatlah rumus
persamaan y yang ada dan masukkan ke dalam persamaan dalam Microsoft Excel.
14. Menghitung proyeksi jumlah penduduk tahun 2014 hingga 2033.
15.Masukkan ke dalam tabel hasil proyeksi penduduk.