a.

tren linear
Yduga = a + bX

b. tren nonlinear
1) tren kuadratik

note: cari b2 dulu

c. tren eksponensial

Y = Log (Y duga)
a' = log (a) ; b'= log (b)

a= 10^a

b = 10^b

prosedur memilih tren terbaik

 tahun penerimaan pajak (Y)
2005 67
2006 70
2007 79
2008 82
2009 88
2010 92
2011 100
2012 115
2013 125
Total 818

a. tren linear

Y duga = 90.8889 + 6.98333X

nilai tren 2018 =

b. tren kuadratik

c. tren eksponensial
d. Model terbaik

1) Tren linear

Tahun X (koding)

2005 -4
2006 -3
2007 -2
2008 -1
2009 0
2010 1
2011 2
2012 3
2013 4
Jumlah 0

2) tren kuadratik

Tahun X (koding)

2005 -4
2006 -3
2007 -2
2008 -1
2009 0
2010 1
2011 2
2012 3
2013 4
Jumlah 0

3) tren eksponensial
 Tahun X (koding)

2005 -4
2006 -3
2007 -2
2008 -1
2009 0
2010 1
2011 2
2012 3
2013 4
Jumlah 0

Nilai residual:

Model
Linier
Kuadratik
Eksponensial
 x xy x^2 X^2Y X^4 Log (Y) X.Log(Y)
-4 -268 16 1072 256 1.826075 -7.304299
-3 -210 9 630 81 1.845098 -5.535294
-2 -158 4 316 16 1.897627 -3.795254
-1 -82 1 82 1 1.913814 -1.913814
0 0 0 0 0 1.944483 0
1 92 1 92 1 1.963788 1.963788
2 200 4 400 16 2 4
3 345 9 1035 81 2.060698 6.182094
4 500 16 2000 256 2.09691 8.38764
0 419 60 5627 708 17.54849 1.98486

x koding xy x^2
2018-2009 = 9
6.9833333333333 maka X = 9

90.888888888889

153.73888888889

tambahan (X^2Y) ; X^4

0.5638528

6.9833333

87.12987

Yduga = 10510.9 + 6.98333X - 0.56385X^2

Nilai tren 2018 = 195.651948051948

log(Y) X.Log(Y)

1.9498325 a= 89.09072
 0.033081 b= 1.079148

Yduga = 89.09*1.07^9
nilai tren 2018 = 176.832246831174

Penerimaan
Pajak Ŷ Ŷ-Y (Ŷ - Y)^2
(Y)
67 62.955556 -4.044444444444 16.3575308641976
70 69.938889 -0.061111111111 0.0037345679012353
79 76.922222 -2.077777777778 4.31716049382718
82 83.905556 1.9055555555556 3.63114197530863
88 90.888889 2.8888888888889 8.34567901234566
92 97.872222 5.8722222222222 34.4829938271605
100 104.85556 4.8555555555556 23.5764197530864
115 111.83889 -3.161111111111 9.99262345679013
125 118.82222 -6.177777777778 38.1649382716049
818 818 -2.84217094E-14 138.87

Penerimaan
Pajak Ŷ Ŷ-Y (Ŷ - Y)^2
(Y)
67 68.218182 1.2181818181818 1.48396694214876
70 71.254545 1.2545454545455 1.57388429752065
79 75.418615 -3.581385281385 12.8263205337231
82 80.71039 -1.28961038961 1.66309495699106
88 87.12987 -0.87012987013 0.757125990892229
92 94.677056 2.6770562770563 7.16663031052643
100 103.35195 3.3519480519481 11.2355557429584
115 113.15455 -1.845454545455 3.40570247933884
125 124.08485 -0.915151515152 0.837502295684099
818 818 1.421085472E-14 40.95
 Penerimaan
Pajak Ŷ Ŷ-Y (Ŷ - Y)^2
(Y)
67 65.691391 -1.308609066932 1.71245769005606
70 70.890732 0.8907315745062 0.793402737822227
79 76.50159 -2.498410495082 6.24205500193531
82 82.556535 0.5565354848684 0.309731745917695
88 89.090718 1.0907181847009 1.18966615843727
92 96.142068 4.142068220881 17.1567291464322
100 103.75152 3.7515183414004 14.0738898658638
115 111.96324 -3.036758961588 9.22190499078498
125 120.8249 -4.175095032577 17.4314185310494
818 817.4127 -0.587301749822 68.13

Nilai Residual Nilai residual ∑(Ŷ-Y)^2 terkecil adalah yang dihasilkan dari Trend Model Kuadratik
138.87 Jadi, kesimpulannya
40.95 Trend Model Kuadratik adalah model terbaik dalam meramal jumlah penerimaan pajak pada sua
68.13
rend Model Kuadratik

umlah penerimaan pajak pada suatu daerah