Analisis Cluster (Studi Kasus: Kabupaten Jepara)

Analisis Trendline Proyeksi PendudukStudi 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

21040113140123Kelas A- 2013

JURUSAN PERENCANAAN WILAYAH DAN KOTAFAKULTAS TEKNIK UNIVERSITAS DIPONEGORO

SEMARANG2015

1. PendahuluanBerkembangnya 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 TeoriAnalisis 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.1Pola Data Trendline

Pola Keterangan GambarHorisontal (H) 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.

Musiman (S) 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.

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, 2015Metode 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:

Sumber: Makridakis, dkk., 1995Pemulusan terbagi menjadi empat macam, antara lain:

a. Pemulusan eksponensial tunggalb. Pemulusan eksponensial ganda: metode linear satu parameter Brownc. Pemulusan eksponensial ganda: metode linear dua parameter Holtd. Pemulusan eksponensial tripel: metode kuadratik Brown

2) Metode DekomposisiMetode 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)+KesalahanDisamping 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 tIt = komponen (indeks) musiman pada periode t Tt = komponen trend pada periode tCt = komponen siklus pada periode tEt = komponen random atau kesalahan pada periode t2. 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

Mengoptimalkan modifikasi prosedur inisialisasi melacak nilai parameter yang optimum

Keputusan penilaian keuntungan dan kerugian

potensi penggunaan

Pilih metode

pemulusan

Pilih suatu deret berkala (kelompok data) untuk dianalisis, yang dibagi berdasarkan kelompok “inisialisasi”

dan kelompok “pengujian”

Inisialisasi metode gunakan kelompok data

inisialisasi

Gunakan metode pemulusan untuk

meramalkan kelompok pengujian. Ukuran uji: MAPE,

MSE, dsb

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:

Tabel II.1Jumlah Penduduk Kabupaten Jepara Tahun 1994-2013 dan

Hasil Proyeksi Jumlah Penduduk Tahun 2014-2033

TahunJumlah

pendudukTahun

Jumlah penduduk Tahun

Perhitungan proyeksi

TahunPerhitungan

proyeksi1994 826928 2004 1.059.638 2014 1.146.851 2024 1.166.0821995 835007 2005 1.078.037 2015 1.153.590 2025 1.162.4661996 858549 2006 1.058.064 2016 1.159.179 2026 1.157.6991997 866566 2007 1.073.631 2017 1.163.617 2027 1.151.7821998 871332 2008 1.090.839 2018 1.166.904 2028 1.144.7131999 880627 2009 1.107.973 2019 1.169.041 2029 1.136.4952000 970954 2010 1.097.280 2020 1.170.027 2030 1.127.1252001 988963 2011 1.124.203 2021 1.169.863 2031 1.116.6052002 999635 2012 1.144.916 2022 1.163.617 2032 1.104.9352003 1039827 2013 1.153.213 2023 1.168.548 2033 1.092.113

Sumber: Data Pokok, 2001 dalam Cahyadi (2003); BPS Kabupeten Jepara 2010-2014; Analisis Pribadi, 20153. 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 R2 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

9 4 9 5 9 6 9 7 9 8 9 9 0 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 30

200000

400000

600000

800000

1000000

1200000

1400000

Jumlah penduduk

Sumber: Analisis Pribadi, 2015Gambar 3.1

Grafik Jumlah Penduduk Kabupaten Jepara Tahun 1994-2013Berdasarkan 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

9 4 9 5 9 6 9 7 9 8 9 9 0 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 30

200000

400000

600000

800000

1000000

1200000

1400000

f(x) = 823340.187215763 exp( 0.0185367807645415 x )R² = 0.927691107286339

Jumlah penduduk Exponential (Jumlah penduduk)


Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode ExponentialBerdasarkan grafik diatas, dapat diketahui rumus persamaan yang terbentuk serta nilai

R² 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 R² yang benar-benar mendekati angka 1.3) Linear

Berdasarkan grafik dibawah, dapat diketahui bahwa nilai R² 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.

9 4 9 5 9 6 9 7 9 8 9 9 0 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 30

200000

400000

600000

800000

1000000

1200000

1400000

f(x) = 18245.2481203008 x + 814733.994736842R² = 0.940945523207627

Jumlah penduduk Linear (Jumlah penduduk)


Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode Linear4) Logarithmic

9 4 9 5 9 6 9 7 9 8 9 9 0 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 30

200000400000600000800000

100000012000001400000

f(x) = 128645.086349344 ln(x) + 733995.648237684R² = 0.882790050703682

Jumlah penduduk Logarithmic (Jumlah penduduk)


Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode LogarithmicMetode logarithmic memiliki nilai R² 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 R² rendah sehingga tidak cocok untuk diaplikasikan untuk proyeksi jumlah penduduk.5) Polynomial

9 4 9 5 9 6 9 7 9 8 9 9 0 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 30

200000400000600000800000

100000012000001400000

f(x) = − 575.314422419686 x² + 30326.8509911142 x + 770434.784210526R² = 0.965644523905268

Jumlah penduduk Polynomial (Jumlah penduduk)


Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode PolynomialBerdasarkan grafik diatas, diketahui bahwa nilai R² 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 R² 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

9 4 9 5 9 6 9 7 9 8 9 9 0 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 30

200000400000600000800000

100000012000001400000

f(x) = 755703.238795101 x^0.13244493837556R² = 0.89374081002669

Jumlah penduduk Power (Jumlah penduduk)


Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode PowerBerdasarkan grafik diatas, diketahui bahwa nilai R² 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 R² maupun menghasilkan rumus persamaan. Hal ini dikarenakan metode tersebut tidak menyediakan option Forecast.

9 4 9 5 9 6 9 7 9 8 9 9 0 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 30

200000400000600000800000

100000012000001400000

Jumlah penduduk Moving average (Jumlah penduduk)


Grafik Proyeksi Jumlah Penduduk Kabupaten Jepara dengan Metode Moving AverageDari perhitungan metode polynomial didapatkan rumus persamaan berikut:

Y = -575.31x2 + 30327x + 770435dimana:x = selisih antara tahun yang diprediksi dengan tahun dasar (dalam kasus ini tahun dasarnya adalah tahun 1994)Berikut adalah perhitungan proyeksi penduduk:

Tabel III.1Perhitungan Proyeksi Penduduk Menggunakan Rumus Persamaan Metode PolynomialTahun Perhitungan Proyeksi Penduduk (jiwa)2014 =(-575.31*(20^2))+(30327*20)+(770435) 1.146.8512015 =(-575.31*(21^2))+(30327*21)+(770435) 1.153.5902016 =(-575.31*(22^2))+(30327*22)+(770435) 1.159.1792017 =(-575.31*(23^2))+(30327*23)+(770435) 1.163.617

2018 =(-575.31*(24^2))+(30327*24)+(770435) 1.166.9042019 =(-575.31*(25^2))+(30327*25)+(770435) 1.169.0412020 =(-575.31*(26^2))+(30327*26)+(770435) 1.170.0272021 =(-575.31*(27^2))+(30327*27)+(770435) 1.169.8632022 =(-575.31*(28^2))+(30327*28)+(770435) 1.163.6172023 =(-575.31*(29^2))+(30327*29)+(770435) 1.168.5482024 =(-575.31*(30^2))+(30327*30)+(770435) 1.166.0822025 =(-575.31*(31^2))+(30327*31)+(770435) 1.162.4662026 =(-575.31*(32^2))+(30327*32)+(770435) 1.157.6992027 =(-575.31*(33^2))+(30327*33)+(770435) 1.151.7822028 =(-575.31*(34^2))+(30327*34)+(770435) 1.144.7132029 =(-575.31*(35^2))+(30327*35)+(770435) 1.136.4952030 =(-575.31*(36^2))+(30327*36)+(770435) 1.127.1252031 =(-575.31*(37^2))+(30327*37)+(770435) 1.116.6052032 =(-575.31*(38^2))+(30327*38)+(770435) 1.104.9352033 =(-575.31*(39^2))+(30327*39)+(770435) 1.092.113

Sumber: Analisis pribadi, 2015Dari 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 tahun-tahun 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 PustakaBPS Kabupaten Jepara. 2014. Jepara Dalam Angka 2014 dalam jeparakab.bps.go.id. Diunduh

pada hari Ahad, 29 Maret 2015BPS 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

Batas peningkatan dan penurunan

jumlah penduduk

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. Lampiran1. 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.

Gambar 6.1Pembuatan 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.

2

3

Gambar 6.2

Pemilihan Dat5. Berikut merupakan hasil akhir grafik awal sebelum memasuki analisis trendline.

9 4 9 5 9 6 9 7 9 8 9 9 0 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 30

200000

400000

600000

800000

1000000

1200000

1400000

J u m la h p en d u d u k Ka b u p a ten J ep ara , J a w a T en g a h Ta h u n 1 99 4 - 2 01 3

Gambar 6.3Grafik 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 6.4Langkah Awal Analisis Trendline

Gambar 6.5Hasil 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 R² 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.

Documents

Analisis Cluster (Studi Kasus: Kabupaten Jepara)