MODEL PERTUMBUHAN DAN PERBANDINGAN
MODEL PREDIKSI PENDUDUK KOTA SURABAYA
PERIODE TAHUN 1994 - 2013
Muhammad Shofwan Donny Cahyono1 dan Hitapriya Suprayitno2
1
Muhammad Shofwan Donny Cahyono, Alumni, Jurusan Teknik Sipil ITS, shofwan_dc@yahoo.com 2
Hitapriya Suprayitno, Staf Pengajar, Jurusan Teknik Sipil ITS, suprayitno.hita@gmail.com
ABSTRAK
Perencanaan transportasi, sebagai perencanaan kebutuhan prasarana dan layanan transportasi untuk keberadaan suatu wilayah merupakan faktor penting dalam keberlangsungan dan pertumbuhan wilayah. Perencanaan transportasi wilayah membutuhkan perhitungan prediksi jumlah penduduk pada tahun perencanaan. Model yang biasa digunakan untuk keperluan prediksi ini adalah model regresi, dengan data serial yang cukup pendek. Maka perlu dievaluasi apakah hasil prediksi sesuai dengan data nyata. Model pertumbuhan dan perbandingan model prediksi penduduk kota Surabaya ini disusun untuk mencari bentuk model pertumbuhan pola perkembangan populasi Kota Surabaya yang paling tepat. Penelitian dilakukan dengan menggunakan data serial 20 tahun dari tahun 1994 sampai tahun 2013. Empat buah model : linier, eksponensial, pangkat dan polinomial kuadrat telah dicoba.
Hasil Keempat model tersebut untuk prediksi perbandingan rumusan regresi linier dengan nilai R2 0,930 sangat tepat untuk prediksi pertumbuhan populasi jangka pendek 5 tahun sedangkan rumusan regresi eksponensial dengan nilai R2 0,928 sangat tepat untuk prediksi jangka panjang 10 tahun sampai 20 tahun.
Kata Kunci : model pertumbuhan, prediksi jumlah penduduk, Kota Surabaya.
1.
PENDAHULUAN
ditinjau. Bentuk pola perkembangan penduduk dalam jangka panjang bisa dipastikan maka penetapan bentuk model prediksi menjadi lebih mudah.
Penelitian ini ditunjukan untuk mencari bentuk model pertumbuhan pola perkembangan populasi Kota Surabaya yang paling tepat, Penelitian ini merupakan pengembangan
dari penelitian terdahulu ―εodel εatematis θerkembangan Jumlah θenduduk θropinsi
Jawa Timur kurun waktu tahun 1985 - β00γ‖.
2.
KAJIAN PUSTAKA
Pengertian Prediksi
Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang dimiliki, agar kesalahan selisih antara sesuatu yang terjadi dengan hasil perkiraan dapat diperkecil.
Dalam perencanaan transportasi, prakiraan yang diperlukan adalah prakiraan nilai jumlah penduduk dan niai PDRB. Kedua data ini bersifat sebagai data serial.
Data tipe serial, berdasarkan bentuk variasi nilainya secara serial, secara umum dikasifikasikan kedalam empat golongan besar data. Keempat tipe tersebut adalah data berpola horizontal, data berpola tren, data berpola musiman dan data berpola siklik.
Prediksi Populasi
Perencanaan transportasi dilakukan untuk jamgka waktu perencanaan yang cukup panjang 10 tahun sampai 20 tahun. Trasnportasi direncanakan dan dirancang untuk bisa berfungsi sesuai dengan beban fungsi yang harus diterima selama tahun perencanaan. Beban fungsi ini terkait dengan jumlah populasi wilayah layaanan transportasi. Oleh karena itu didalam perencaanaan transportasi mengandung unsure prakiraan populasi untuk tahun perencanaan.
Model Prediksi Populasi
Model matematis untuk prediksi populasi wilayah dengan menggunakan model regresi linier, model regresi eksponensial, model regresi pangkat, model regresi polinomial pangkat dua. Keempat model dibandingkan model yang terbaik sebagai model terpilih.
3.
DATA PERKEMBANGAN POPULASI KOTA SURABAYA
Jangka waktu Data Jumlah Penduduk
Data yang bisa dikumpulkan dalam penelitian ini adalah data populasi jumlah penduduk dari tahun 1994 – tahun 2013. Dengan demikian rentang pengamatan adalah 20 tahun. Rentang waktu ini bisa dikatakan sudah cukup panjang.
Data Jumlah Penduduk
Tabel 1 : Data Perkembangan Jumlah Penduduk Kota Surabaya
Grafik Perkembangan Jumlah Penduduk Kota Surabaya
Data Jumlah Penduduk kemudian diplot dalam bentuk grafik, untuk melihat bentuk pola perkembangan yang terjadi.
Grafik Perkembangan Jumlah Penduduk menunjukkan pola kenaikan yang konsisten. Jumlah pertambahan penduduk pertahun tidak sesalu sama. Grafik Perkembangan jumlah penduduk disampaikan pada gambar 1. – Grafik Perkembangan Jumlah Penduduk Kota Surabaya.
Gambar 1. Grafik Perkembangan Jumlah Penduduk Kota Surabaya
4.
MODEL PREDIKSI POPULASI
Tipe Model Prediksi
Pada penelitian akan dicoba beberapa model prediksi regresi. Model dipilih berdasarkan pertimbangan tingkat keakuratan model, kesesuaian dengan wacana bentuk model yang
No Tahun Jumlah Penduduk No Tahun Jumlah Penduduk
Jiwa Jiwa
1 1994 2,306,474 11 2004 2,691,666
2 1995 2,339,335 12 2005 2,740,490
3 1996 2,344,520 13 2006 2,784,196
4 1997 2,356,486 14 2007 2,829,552
5 1998 2,373,282 15 2008 2,902,507
6 1999 2,405,946 16 2009 2,938,225
7 2000 2,444,976 17 2010 2,929,528
8 2001 2,568,352 18 2011 3,024,319
9 2002 2,529,468 19 2012 3,125,576
beredar, serta tingkat keseringan dalam pemakaian model dalam perhitungan prediksi populasi.
Peenelitian ini melakukan percobaan terhadap empat model : menggunakan model regresi linier, model regresi eksponensial, model regresi pangkat, model regresi polynomial pangkat dua.
Model Regresi Linier
Model pertama yang dicoba dalam penelitian ini adalah model regresi linier. Model ini dipilih dalam penelitian karena bnyak sekali digunakan sebagai model perdiksi umlah populasi suatu wilayah. Model pertama ini merupakan sebuah model yang sederhana dan hasil analisa statistik menempatkan sebagai model yang cukup tepat.
Hasil analisa dengan model regresi linier dengan rumusan persamaan:
Y = 47457x -9E+07 dengan R2 = 0,975 Dimana :
Y = Populasi pada tahun ke x X= Tahun prediksi
Hasil perhitungan rumusan persamaan regresi linear dalam bentuk grafis di sampaikan pada gambar 2. Grafik Regresi Linier
Gambar 2. Grafik Regresi Linier
Model Regresi Eksponensial
Model kedua yang dicoba dalam penelitian ini adalah model regresi eksponensial. Model eksponesial adalah model yang paling tepat untuk mempresentasikan pola perkembangan jumlah penduduk disuatu wilayah.
Hasil analisa dengan model regresi eksponensial dengan rumusan persamaan : Y = 1E-09e0.017x dengan R2 = 0,981
Dimana :
Y = Populasi pada tahun ke x X = Tahun prediksi
Gambar 3. Grafik Regresi Eksponensial
Model Regresi Pangkat
Model ketiga yang dicoba dalam penelitian ini adalah model regresi pangkat yang mempunyai kemiripan bentuk dengan model eksponensial.
Hasil analisa dengan model regresi pangkat/power dengan rumusan persamaan: Y = 3E-11x15.41 dengan R2 = 0,981
Dimana :
Y = Populasi pada tahun ke x X = Tahun prediksi
Hasil perhitungan rumusan persamaan regresi pangkat dalam bentuk grafis di sampaikan pada gambar 4. Grafik Regresi pangkat
Model Regresi Polinomial Pangkat Dua
Model keempat yang dicoba dalam penelitian ini adalah model regresi polynomial pangkat dua. Model ini kadang – kadang ditemui dalam usaha – usaha prediksi jumlah penduduk
Hasil analisa dengan model regresi polinomial dengan rumusan persamaan: Y = 1019x2 – 4E+06x + 4E+09 dengan R2 = 0,987
Dimana :
Y = Populasi pada tahun ke x X = Tahun prediksi
Hasil perhitungan rumusan persamaan regresi polynomial dalam bentuk grafis di sampaikan pada gambar 5. Grafik Regresi Polinomial Pangkat Dua
Gambar 5. Grafik Regresi Polinomial Pangkat Dua
Tabel 2 : Perbandingan Model Regresi Fungsi Linier, Eksponensial, Pangkat dan Polinomial
Fungsi
Linear Exponential Pangkat Polynomial Pangkat Dua
Persamaan Y = 47457x - 9E+07 Y= 1E-09e0.017x Y = 3E-11x35.41 Y = 1019.x2 - 4E+06x + 4E+09
R2 0.975 0.981 0.981 0.981
5.
ANALISA PREDIKSI PERKEMBANGAN
Tabel 3 : Data Populasi 5 Tahun
No Tahun Jumlah Penduduk
Jiwa
1 1994 2,306,474
2 1995 2,339,335
3 1996 2,344,520
4 1997 2,356,486
5 1998 2,373,282
Sumber : BPS Kota Surabaya
Data Jumlah Penduduk kemudian diplot dalam bentuk grafik, untuk melihat bentuk pola perkembangan yang terjadi. Grafik Perkembangan Jumlah Penduduk menunjukkan pola kenaikan yang konsisten. Jumlah pertambahan penduduk pertahun tidak sesalu sama. Grafik Perkembangan jumlah penduduk disampaikan pada gambar 6. – Grafik Perkembangan Jumlah Penduduk Kota Surabaya 5 Tahun.
Gambar 6. Model Regresi Linier
Hasil analisa dengan model regresi linier dengan rumusan persamaan : Y = 15077x -3E+07 dengan R2 = 0,930
Dimana :
Y = Populasi pada tahun ke x X = Tahun prediksi
Gambar 7. Grafik Fungsi Linier
Model Regresi Eksponensial
Hasil analisa dengan model regresi eksponensial dengan rumusan persamaan : Y = 6.11406e0.00644x dengan R2 = 0,928
Dimana :
Y = Populasi pada tahun ke x X = Tahun prediksi
Hasil perhitungan rumusan persamaan regresi eksponensial dalam bentuk grafis dsampaikan pada gambar 8. Grafik Regresi eksponensial Gambar 6. Grafik Populasi Penduduk Kota Surabaya 5 Tahun
Gambar 8. Grafik Regresi Eksponensial Model Regresi Pangkat
Hasil analisa dengan model regresi pangkat dengan rumusan persamaan: Y = 9E-37x12.87 dengan R2 = 0,928
Dimana :
Y = Populasi pada tahun ke x X = Tahun prediksi
Gambar 9. Grafik Regresi Pangkat
Model Regresi Polinomial Pangkat Dua
Hasil analisa dengan model regresi polinomial pangkat dua dengan rumusan persamaan: Y = -1810x2 – 7E+06x - 7E+09 dengan R2 = 0,949
Dimana :
Y = Populasi pada tahun ke x X = Tahun prediksi
Hasil perhitungan rumusan persamaan regresi polynomial dalam bentuk grafis di sampaikan pada gambar 10. Grafik Regresi Polinomial
Gambar 10. Grafik Regresi Polinomial Pangkat Dua
6.
HASIL ANALISA
Tabel 4: Perbandingan Model Regresi Fungsi Linier, Eksponensial, Pangkat dan Polinomial
7.
KESIMPULAN
Kesimpulan dari model pertumbuhan dan perbandingan model prediksi penduduk kota surabaya periode tahun 1994 – 2013 sebagai berikut :
1. Jumlah penduduk Kota Surabaya selama periode tahun 1994 - 2013 mengalami peningkatan.
2. Model rumusan model pertumbuhan dipakai data 5 tahun untuk prediksi jangka 5 tahun persamaan regresi linear yang terbaik.
3. Model rumusan model pertumbuhan dipakai data 5 tahun untuk prediksi jangka panjang 10 tahun sampai 15 tahun persamaan regresi eksponensial yang terbaik. 4. Model Persamaan regresi eksponensial mempunyai ketepatan yang sangat tinggi
sedangkan model regresi linier mempunyai ketepatan yang terendah untuk prediksi jangka panjang.
Fungsi
Linier Eksponensial Pangkat Polinomial
Persamaan Y = 15077x - 3E+07 Y = 6.11406e0.00644x Y = 9E-37x12.85 Y = -1810.x
Linier 2,449,556 2,524,940 2,600,323
Eksponensial 2,445,869 2,525,907 2,608,565 Pangkat 2,403,492 2,481,739 2,562,330 Polinomial 2,375,908 2,279,337 2,092,235 Data Populasi 2,659,566 2,902,507 3,200,454
Selisih Angka Tahun Ke-5 Tahun Ke-10 Tahun Ke-15
Linier 210,010 377,567 600,131
Eksponensial 213,697 376,600 591,889
Pangkat 256,074 420,768 638,124
Polinomial 283,658 623,170 1,108,219
Selisih Prosentase Tahun Ke-5 Tahun Ke-10 Tahun Ke-15
Linier 7.90% 13.01% 18.75%
Eksponensial 8.04% 12.97% 18.49%
Pangkat 9.63% 14.50% 19.94%
8.
PENGEMBANGAN PENELITIAN
Penelitian ini dapat dikembangkan model pertumbuhan populasi di wilayah kabupaten/kota tertinggal, wilayah kabupaten/kota menengah dan wilayah kecamatan.
9.
DAFTAR PUSTAKA
1. Suprayitno, Hitapriya & Purwantiningsih Indriana (2006) Model Matematis Perkembangan Jumlah Penduduk Propinsi Jawa Timur kurun waktu tahun 1985-2003. Jurnal Teknologi
dan Rekayasa Sipil TORSI. Institut Teknologi Sepuluh Nopember : Surabaya.
2. Badan Pusat Statistik (1998) Surabaya Dalam Angka. Surabaya
3. Badan Pusat Statistik (1999) Surabaya Dalam Angka. Surabaya
4. Badan Pusat Statistik (2000) Surabaya Dalam Angka. Surabaya
5. Badan Pusat Statistik (2001) Surabaya Dalam Angka. Surabaya
6. Badan Pusat Statistik (2002) Surabaya Dalam Angka. Surabaya
7. Badan Pusat Statistik (2003) Surabaya Dalam Angka. Surabaya
8. Badan Pusat Statistik (2004) Surabaya Dalam Angka. Surabaya
9. Badan Pusat Statistik (2005) Surabaya Dalam Angka. Surabaya
10. Badan Pusat Statistik (2006) Surabaya Dalam Angka. Surabaya
11. Badan Pusat Statistik (2007) Surabaya Dalam Angka. Surabaya
12. Badan Pusat Statistik (2008) Surabaya Dalam Angka. Surabaya
13. Badan Pusat Statistik (2009) Surabaya Dalam Angka. Surabaya
14. Badan Pusat Statistik (2010) Surabaya Dalam Angka. Surabaya
15. Badan Pusat Statistik (2011) Surabaya Dalam Angka. Surabaya
16. Badan Pusat Statistik (2012) Surabaya Dalam Angka. Surabaya
17. Badan Pusat Statistik (2013) Surabaya Dalam Angka. Surabaya