Anda di halaman 1dari 14

ANALISIS TRENDLINE

JUMLAH KEPEMILIKAN SEPEDA MOTOR DI DKI JAKARTA


Disusun untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan
(TKP 342)

Dikerjakan Oleh:
Kelompok 3B
Nediana Sarrasanti A
(21040114120002)
Erinda Pratiwi
(21040114120018)
Gianfi Ramandani C.S
(21040114140108)
M Wahyu Hidayat
(21040114130114)
Sendy Aditya Johan
(21040114120054)
Novi Kartika Dewi
(21040114120056)
Intan Novita S
(21040114120020)
Marcellus Lendra
(21040112140040)
Roni Syahlisben D
(21040114104104)
Arvi nabiel S
(21040112110107)
Rianto Josua R
(21040114120058)
Rizky Amalia
(21040114140100)

JURUSAN TEKNIK PERENCANAAN WILAYAH DAN KOTA


FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2016
ANALISIS TRENDLINE

JUMLAH KENDARAAN BERMOTOR DI DKI Jakarta


1. PENDAHULUAN
Perencanaan wilayah dan kota merupakan salah satu bentuk ilmu yang
bersifat multidisiplin. Dalam merencanakan suatu wilayah dan kota, perencana
tentunya membutuhkan suatu analisis yang dapat memberikan pandangan
mengenai kondisi di masa depan. Analisis trendline merupakan salah satu teknik
analisis peramalan yang digunakan untuk memperkirakan kondisi di masa
depan. Analisis trendline ini menggunakan data yang bersifat berderet yang
menunjukkan suatu waktu/ periode yang berskala atau dapat dikatakan
membutuhkan data time series. Penggunaan data yang bersifat time series ini
haruslah konstan serta bertujuan untuk menentukan pola deret dari data
tersebut yang kemudian dimasukan dalam rumusan untuk menganalisis kondisi
di masa depan. Periode waktu dari data deret berkala dapat berupa tahunan,
mingguan, bulanan, dan lain-lain. Tujuan metode peramalan trendline adalah
untuk menemukan pola dalam deret data historis dan mengekstrapolasikan pola
tersebut ke masa yang akan datang. Pola deret berkala dapat dikelompokkan
menjadi 4 pola pokok yaitu (Buchori dkk, 2007):
1. Pola Horisontal (H) terjadi bila nilai data berfluktuasi di sekitar nilai ratarata yang konstan.
2. Pola Musiman (S) terjadi bila suatu deret dipengaruhi oleh faktor-faktor
musiman, misal 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.
Peramalan jumlah kendaraan bermotor merupakan salah satu bentuk objek
yang termasuk ke dalam analisis trendline. Dalam peramalan jumlah kendaraan
bermotor dapat dilihat mengenai pertumbuhan kendaraan bermotor dari tahun
ke tahunnya. Dari pertumbuhan jumlah kendaraan dari tahun ke tahunnya,
sehingga dapat ditentukan mengenai rancangan peramalan mengenai kondisi di
masa depan. Peramalan jumlah kendaraan ini juga dapat menjadi acuan
terhadap analisis peramalan objek lain yang masih memiliki hubungan dengan
proyeksi jumlah kendaraan seperti peramalan kerugian yang ditimbulkan akibat
timbulnya kemacetan, peramalan kecepatan kendaraan rata-rata di jalan, dan
peramalan untuk melakukan pembatasan kendaraan supaya masyarakatnya
berpindah ke angkutan umum.
2. STUDI KASUS
2.1 Latar Belakang
Setiap wilayah tentunya terdapat kegiatan di dalamnya. Faktor attraction
merupakan salah satu pemicu adanya kegiatan berupa pergerakan dalam suatu
wilayah. Pergerakan ini tentunya berhubungan dengan penggunaan kendaraan
bermotor. Besaran jumlah penggunaan kendaraan bermotor tentunya
menjadikan suatu wilayah memiliki permasalahan tersendiri.
Pertumbuhan kendaraan bermotor tersebut menjadi penyumbang utama
kemacetan yang terjadi di Jakarta. Konsentrasi pertumbuhan kendaraan di

Indonesia yakni di Jakarta dan sekitarnya, berdampak pada tingkat kemacetan di


Ibu Kota. Kondisi ini semakin diperparah sebab penambahan jumlah jalan tidak
sebanding dengan populasi harian kendaraan. Berdasarkan data yang dihimpun
dari kemenhub, jumlah unit kendaraan bermotor hingga akhir 2014 di Jakarta
sebanyak 17.523.967 unit yang didominasi oleh kendaraan roda dua dengan
jumlah 13.084.372 unit dengan presentasi pertumbuhan 12% pertahun.
Berdasarkan data yang dikeluarkan oleh Direktorat Lalu Lintas Polda Metro Jaya,
pertambahan sepeda motor yang mencapai 4.000 hingga 4.500 per hari.
Besarnya angka pertumbuhan jumlah kendaraan bermotor ini, tentunya bukan
menjadi suatu masalah apabila diiringi oleh pertumbuhan jumlah sarana
penunjang seperti lebar jalan. Pertumbuhan lebar jalan di DKI Jakarta hanya 0,01
setiap tahunnya. Akan tetapi, di DKI Jakarta pertumbuhan jumlah kendaraan ini
tidak diiringi oleh pertumbuhan jumlah sarana penunjang lainnya. Tidak
seimbangnya pertumbuhan jumlah kendaraan dengan jumlah sarana,
menjadikan timbulnya masalah perkotaan baru berupa kemacetan arus lalu
lintas. Mengingat cukup pentingnya masalah kemacetan di DKI Jakarta ini,
tentunya dibutuhkan suatu analisis proyeksi guna memprediksi kondisi keadaan
di masa depan agar dapat menentukan perumusan perencanaan yang sesuai
dan tepat.
Dalam menganalisis pertumbuhan jumlah kendaraan ini, digunakanlah
analisis trendline dalam aplikasi Microsoft Excel. Metode trendline penulis pilih
lantaran, metode trendline dapat memprediksikan dan memproyeksikan jumlah
kendaraan bermotor di masa depan menggunakan tren pertumbuhan yang ada
di masa lalu. Penggunaan metode analisis trendline ini tentunya sangat
berkaitan dan cocok digunakan dalam peramalan kondisi jumlah kendaraan
bermotor dalam penelitian ini.
2.2 Justifikasi Penyelesaian Masalah
Seperti yang tertulis di bagian latar belakang, kemacetan di DKI Jakarta
disebabkan oleh jumlah kendaraan bermotor yang terus bertambah dari tahun
ketahunnya yang tidak diimbangi oleh pertumbuhan sarana prasarana
penunjang seperti lebar jalan. Dalam meramalkan jumlah kendaraan tersebut,
digunakanlah analisis trendline dengan data-data kondisi saat kini dan di masa
lalu guna mengetahui tren karakteristik pertumbuhan dari jumlah kendaraan
setiap tahunnya. Dengan adanya peramalan jumlah kendaraan bermotor di masa
yang akan datang, diharapkan dapat memberikan pandangan dalam mengambil
keputusan perencanaan di masa yang akan datang.
2.3 Kebutuhan Data Analisis
Berikut ini tabel mengenai jumlah kepemilikan sepeda motor di DKI Jakarta
mulai tahun 2004-2014, berikut tabelnya:
Tabel 1
Jumlah Kepemilikan Sepeda Motor
Di DKI Jakarta Tahun 2004-2014
Jumlah Kepemilikan
Tahun
sepeda motor di DKI
jakarta (Unit)
2004
3.940.700

2005
2006
2007
2008
2009
2010
2011
2012
2013
2014

4.647.435
5.310.068
5.974.173
6.765.723
7.518.098
8.764.130
9.861.451
10.825.973
11.949.280
13.084.372

Sumber : Statistik Transportasi DKI-Jakarta Tahun 2004-2014

3. Langkah-langkah Analisis Trendline

4. HASIL DAN PEMBAHASAN


4.1 Exponential

Jumlah Kepemilikan Sepeda Motor di DKI Jakarta Tahun 2004-2014


(Eksponen)
f(x) = 3663193.54 exp( 0.12 x )
R = 1

Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Exponential (Jumlah Kepemilikan sepeda motor di DKI jakarta)

Sumber : Statistik Transportasi DKI-Jakarta Tahun 2004-2014

Persamaan analisis trendline exponential : y = 3.663.193,5400e0,1198x dan


nilai R2 =0,9955
4.2

Linear

Jumlah Kepemilikan Sepeda Motor di DKI Jakarta Tahun 2004-2014


(Linier)
f(x) = 920421.98x + 2535777.47
R = 0.99

Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Linear (Jumlah Kepemilikan sepeda motor di DKI jakarta)

Sumber : Statistik Transportasi DKI-Jakarta Tahun 2004-2014

Persamaan analisis trendline linear


2.535.777,4727 dan nilai R2 = 0,9887
4.3

920.421,9818x

Logarithm

Jumlah Kepemilikan Sepeda Motor di DKI Jakarta Tahun 2004-2014


(Logaritma)

f(x) = 3763482.24 ln(x) + 2070161.66


R = 0.83

Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Logarithmic (Jumlah Kepemilikan sepeda motor di DKI jakarta)
Sumber : Statistik Transportasi DKI-Jakarta Tahun 2004-2014

Persamaan analisis trendline logartima : y = 3.763.482,2410ln(x) +


2.070.161,6587 dan nilai R2 = 0,8343
4.4

Polynomial

Jumlah Kepemilikan Sepeda Motor di DKI Jakarta Tahun 2004-2014


(Polinomial)
f(x) = 33632.78x^2 + 516828.58x + 3410229.84
R = 1

Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Polynomial (Jumlah Kepemilikan sepeda motor di DKI jakarta)
Sumber : Statistik Transportasi DKI-Jakarta Tahun 2004-2014

Persamaan analisis trendline polinomial : y = 33.632,7832x2


516.828,5832x + 3.410.229,8364 dan nilai R2 = 0,9990
4.5

Power

Jumlah Kepemilikan Sepeda Motor di DKI Jakarta Tahun 2004-2014


(Power)

f(x) = 3310722.98 x^0.52


R = 0.93

Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Power (Jumlah Kepemilikan sepeda motor di DKI jakarta)
Sumber : Statistik Transportasi DKI-Jakarta Tahun 2004-2014

Persamaan analisis trendline Power : y = 3.310.722,9778x0,5153 dan nilai R2


= 0,9298

4.6

Moving Average

Jumlah Kepemilikan Sepeda Motor di DKI Jakarta Tahun 2004-2014


(Moving)

Moving ave rage tre nd line with perio d = %P ERIOD


R = NaN

Ta hun Kepe
Jumlah
Moving
a ve rage
milikan
(Jumlah
sepe Kepemilika
da moto r di
n DKI
sepeda
jakarta
moto r di DKI jaka rta )

Sumber : Statistik Transportasi DKI-Jakarta Tahun 2004-2014

Pada analisis trendline moving average ini, tidak menghasilkan persamaan


dan nilai R2. Analisis trendline moving average ini hanya menggambarkan
pergerakan nilai dari setiap variabel.

4.7

Persamaan Trendline dan Nilai R2


No Jenis Metode
Nilai R2
1 Exponential
0,9955
2 Linear
0,9887
3

Logaritma

0,8343

Polynomial

0,9990

5
6

Power
Moving
Average

0,9298
Grafik
penghalusan

Persamaan Trendline
y = 3.663.193,5400e0,1198x
y = 920.421,9818x +
2.535.777,4727
y = 3.763.482,2410ln(x) +
2.070.161,6587
y = 33.632,7832x2 +
516.828,5832x +
3.410.229,8364
y = 3.310.722,9778x0,5153
-

Sumber : Hasil Analisis Kelompok MAP 3B, 2016

Berdasarkan hasil analisis trendline dengan menggunakan enam metode


pendekatan yaitu exponential, linear, logaritma, polynomial, Power dan moving
average, didapati trendline dengan metode pendekatan polynomial merupakan
metode yang paling baik yang dapat meramalkan kondisi jumlah kepemilikan
sepeda motor di masa yang akan datang. Pemilihan metode polynomial

dikarenakan metode tersebut memiliki nilai R 2 yang paling mendekati 1, yaitu


sebesar 0,9990, dibanding dengan kelima metode pendekatan lainnya. Oleh
karena itu, persamaan trendline pada metode polynomial digunakan untuk
menghitung proyeksi jumlah kepemilikan sepeda motor di DKI Jakarta.
4.8 Peramalan Jumlah Kendaraan
Rumus yang digunakan dalam proyeksi jumlah kendaraan adalah y =
33.632,7832x2 + 516.828,5832x + 3.410.229,8364. Dimana x merupakan
selisih tahun proyeksi dengan tahun terakhir, dan 13.084.372 merupakan data
jumlah kendaraan tahun terakhir non-proyeksi. Berikut ini adalah tabel
perhitungan jumlah kendaraan dengan menggunakan persamaan metode
polynomial.

Proyeksi Jumlah Kendaraan

No

Tahun

2015

2016

Perhitungan
33.632,7832(2015-2014)2 + 516.828,5832(20152014) + 3.410.229,8364
33.632,7832(2016-2014)2 + 516.828,5832(20162014) + 3.410.229,8364

2017

33.632,7832(2017-2014)2 + 516.828,5832(20172014) + 3.410.229,8364

5,263,401

2018

33.632,7832(2018-2014)2 + 516.828,5832(20182014) + 3.410.229,8364

6,015,653

2019

33.632,7832(2019-2014)2 + 516.828,5832(20192014) + 3.410.229,8364

6,835,169

2020

33.632,7832(2020-2014)2 + 516.828,5832(20202014) + 3.410.229,8364

7,721,949

2021

33.632,7832(2021-2014)2 + 516.828,5832(20212014) + 3.410.229,8364

8,675,993

2022

33.632,7832(2022-2014)2 + 516.828,5832(20222014) + 3.410.229,8364

9,697,301

2023

33.632,7832(2023-2014)2 + 516.828,5832(20232014) + 3.410.229,8364

10,785,873

2024

33.632,7832(2024-2014)2 + 516.828,5832(20242014) + 3.410.229,8364

11,941,709

3
4
5
6
7
8
9
10

Sumber : Hasil Analisis Kelompok 3B, 2016

Hasil

3,960,689
4,578,413

Proyeksi Jumlah Kepemilikan Sepeda Motor di DKI Jakarta Tahun 2015-2024


f(x) = 33632.78x^2 + 516828.58x + 3410229.84
R = 1

Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Tahun
Jumlah Kepemilikan sepeda motor di DKI jakarta
Polynomial (Jumlah Kepemilikan sepeda motor di DKI jakarta)

Dari keenam metode yang digunakan dalam analisis trendline, analisis


dengan metode Polynomial dianggap yang paling tepat dalam melakukan
peramalan karena memiliki nilai R 2 yang paling tinggi yaitu sebesar 0,9990.
Hal ini sesuai dengan ketentuan dimana nilai R 2 harus mendekati 1 untuk
mendapatkan hasil yang paling optimal. Metode polynomial memiliki
persamaan (y=33,632.7832x2 + 516,828.5832x + 3,410,229.8364).
Setelah dilakukan perhitungan, dari tahun 2015, jumlah kepemilikan sepeda
motor di DKI Jakarta terus meningkat hampir satu juta kendaraan setiap
tahunnya. Pada tahun 2024, diperkirakan jumlah kepemilikan sepeda motor
di DKI Jakarta mencapai 11.941.709 kendaraan. Meningkat 201,5% dari
jumlah kendaraan pada tahun 2015 sebesar 3.960.689. Hasil analisis
trendline ini sangat memprihatinkan karena jumlah peningkatan kendaraan
tidak sebanding dengan luas jalan yang ada.
5. Kesimpulan
Berdasarkan analisis yang dilakukan dengan berbagai metode, ditemukan
metode yang paling dianggap valid yaitu metode polynomial karena memiliki
nilai R2 yang mendekati 1 (0,999). Dari hasil perhitungan menggunakan
persamaan polynomial, penambahan kepemilikan kendaraan motor DKI
Jakarta dari tahun ke tahun meningkat tajam, hingga proyeksi pada tahun
2024 akan ada 11.941.709 sepeda motor, hampir 3 kali lipat dari jumlah
kendaraan yang ada saat ini. Berdasarkan hasil perhitungan proyeksi
tersebut, akan lebih baik apabila pemerintah bekerjasama dengan
masyarakat dan stakeholder mulai menggagas dan menciptakan alternatif
transportasi baru, seperti transportasi public dan massal. Hal ini perlu

dilakukan untuk mengantisipasi membludaknya jumlah sepeda motor di DKI


Jakarta yang dapat memperparah kemacetan.