Laporan ini membahas peramalan jumlah wisatawan yang datang ke Kota Bandung hingga tahun 2025 dengan menggunakan analisis trendline. Berdasarkan analisis trendline Polynomial, diperkirakan jumlah wisatawan akan terus meningkat dari tahun ke tahun dan pada 2025 akan mencapai 9 juta wisatawan."

1. Laporan Praktikum Analisis Trendline: Peramalan Jumlah
Wisatawan yang Datang ke Kota Bandung
Disusun Untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan
(TKP 342)
Dikerjakan Oleh :
Sally Indah Nurdyawati
21040113130096
Kelas B
Jurusan Perencanaan Wilayah dan Kota
Fakultas Teknik Universitas Diponegoro
Semarang
2015

2. 1
I. PENDAHULUAN
Analisis trendline merupakan metode peramalan deret berkala karena memiliki karakteristik
bahwa data yang dianalisis bersifat deret yang menunjukkan waktu yang berkala. Periode waktu
dari data deret berkala dapat berupa tahunan, minggunan, 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.
Dalam bidang perencanaan wilayah dan kota, analisis trendline memiliki banyak kegunaan
yang berkaitan dengan peramalan kejadian di masa depan pada suatu daerah, seperti memprediksi
jumlah kendaraan bermotor untuk merencanakan infrastruktur jalan, memprediksi produk
domestik regional bruto suatu daerah untuk merencanakan perekonomian di daerah tersebut, serta
prediksi lainnya yang berkaitan dengan perencanaan wilayah dan kota. Pada laporan ini, akan
dibahas mengenai peramalan jumlah wisatawan yang datang ke Kota Bandung hingga tahun
2025. Setelah dilakukan analisis trendline terkait dengan jumlah wisatawan yang masuk ke Kota
Bandung ini, diharapkan dapat menjadi bahan pertimbangan bagi pemerintah dalam penyediaan
infrastruktur kota, terutama transportasi.
II. STUDI KASUS
Salah satu kota di Indonesia yang sering menjadi destinasi wisata para wisatawan adalah
Kota Bandung. Perkembangan aktivitas pariwisata di Kota Bandung diawali pada tahun 1920
ketika salah satu asosiasi bernama Voorruit Bandung yang melakukan kerjasama dengan
pemerintah Kota Bandung untuk mengembangkan sektor pariwisata dengan menciptakan Kota
Bandung sebagai miniatur kota di Eropa. Sejak saat itu, Bandung menjadi tujuan utama
liburan para bangsawan Belanda yang tinggal di Jakarta. Pada tahun 1980-an, sektor
pariwisata adalah sektor ekonomi paling penting di Bandung. Sektor ini berkontribusi
sebesar 40% pendapatan Kota Bandung (Agung Sutrisno, 2012). Pada awalnya, Bandung
sangat terkenal untuk wisata alam dan wisata budaya, tetapi sekarang kondisi tersebut mulai
berubah, Bandung lebih terkenal sebagai kota wisata belanja dan wisata kuliner.
Perkembangan pariwisata di Kota Bandung mengakibatkan banyaknya jumlah wisatawan
yang datang dari berbagai daerah, terutama pada akhir pekan. Hal tersebut dipicu oleh adanya
akses Jalan Tol Purbaleunyi yang menghubungkan Kota Bandung dengan Jakarta. Sayangnya,
kinerja infrastruktur yang ada masih belum dapat menunjang aktivitas di Kota Bandung. Pada
artikel ini akan dibahas mengenai peramalan jumlah wisatawan yang masuk ke Kota Bandung
dari tahun 2003 – 2025. Hal tersebut dimaksudkan sebagai bahan pertimbangan bagi penyediaan
sarana dan prasarana di Kota Bandung dalam menunjang kegiatan pariwisata serta kegiatan
lainnya sebagai dampak dari banyaknya wisatawan yang datang ke Kota Bandung.
Tabel II.1
Jumlah Wisatawan yang Datang ke Kota Bandung Tahun 2003-2013
No Tahun Jumlah Wisatawan
1 2003 1618660
2 2004 1837000
3 2005 1928850
4 2006 1323441
5 2007 2557373
6 2008 1421459

3. 2
No Tahun Jumlah Wisatawan
7 2009 3096869
8 2010 3205269
9 2011 4070072
10 2012 3513705
11 2013 3897429
Sumber: Badan Pusat Statistik Kota Bandung
III. HASIL DAN PEMBAHASAN
Setelah dilakukan analisis trendline, maka didapatkan grafik dari keenam jenis trendline,
yaitu Polynomial (a), Eksponensial (b), Power (c), Logarithmic (d), Linier (e), dan Moving
Average (f).
Sumber: Hasil Analisis, 2015
Gambar 3.1
Grafik Trendline Jumlah Wisatawan yang Datang ke Kota Bandung
Dari grafik trendline tersebut, maka didapatkan nilai R square dan persamaan dari masing-
masing jenis trendline. Trendline Moving Average tidak menghasilkan persamaan dan nilai R
square. Trendline moving average hanya menunjukkan pergerakan nilai dari setiap variabel.
Berdasarkan trendline Moving Average, jumlah wisatawan yang datang ke Kota Bandung dari
tahun 2003 hingga 2013 mengalami fluktuatif. Nilai R square yang digunakan dalam peramalan
adalah yang mendekati 1 atau yang mempunyai nilai paling besar. Pada analisis ini, nilai R square
yang paling besar didapat dari trendline tipe Polynomial, yaitu sebesar 0,764.
Tabel III.1
Rekap Hasil Analisis berdasarkan Jenis Trendline yang Digunakan
Jenis Trendline Persamaan Nilai R squared
Eksponensial y = 1E+06e0,1017x
R² = 0,6635
Linier y = 262068x + 1E+06 R² = 0,733
Logarithmic y = 1E+06ln(x) + 965797 R² = 0,56
Polynomial y = 19314x2
+ 30297x + 2E+06 R² = 0,764
Power y = 1E+06x0,3975
R² = 0,5114
(a) (b) (c)
(d) (e) (f)

4. 3
Jenis Trendline Persamaan Nilai R squared
Moving Average - -
Sumber: Hasil Analisis, 2015
Sumber: Hasil Analisis, 2015
Gambar 3.2
Grafik Trendline Polynomial
Grafik pada Gambar 3.2 merupakan hasil analisis trendline Polynomial. Pada grafik tersebut
dapat dilihat trend pertumbuhan wisatawan yang datang ke Kota Bandung tahun 2003 – 2025
yang diramalkan akan terus mengalami peningkatan. Garis yang berwarna hitam
merepresentasikan jumlah eksisting dari wisatawan yang datang ke Kota Bandung tahun 2003 –
2013. Laju pertumbuhan wisatawan yang datang ke Kota Bandung mengalami fluktuatif dari
tahun ke tahun. Puncak kunjungan wisatawan terjadi pada tahun 2011, yakni terdapat 4.070.072
wisatawan yang datang. Hal tersebut secara tidak langsung dipengaruhi oleh dibukanya wahana
bermain Trans Studio Bandung pada tanggal 18 Juni 2011 yang menyebabkan pelonjakan jumlah
wisatawan yang datang ke Kota Bandung.
Tabel III.2
Perhitungan Peramalan berdasarkan Jenis Trendline
Jenis Trendline Eksponensial Linier Logarithmic Polynomial Power
Persamaan y = 1E+06e0,1017x y = 262068x +
1E+06
y = 1E+06ln(x)
+ 965797
y = 19314x2 +
30297x + 2E+06
y = 1E+06x0,3975
Nilai R
squared
R² = 0,6635 R² = 0,733 R² = 0,56 R² = 0,764 R² = 0,5114
No Tahun
Jumlah
Wisatawan
Jumlah
Wisatawan
Jumlah
Wisatawan
Jumlah
Wisatawan
Jumlah
Wisatawan
1 2003 1618660 1618660 1618660 1618660 1618660
2 2004 1837000 1837000 1837000 1837000 1837000
3 2005 1928850 1928850 1928850 1928850 1928850
4 2006 1323441 1323441 1323441 1323441 1323441
5 2007 2557373 2557373 2557373 2557373 2557373
6 2008 1421459 1421459 1421459 1421459 1421459
7 2009 3096869 3096869 3096869 3096869 3096869
8 2010 3205269 3205269 3205269 3205269 3205269
9 2011 4070072 4070072 4070072 4070072 4070072
y = 19314x2 + 30297x + 2E+06
R² = 0,764
0
2000000
4000000
6000000
8000000
10000000
12000000
14000000
Jumlah Wisatawan
Jumlah Wisatawan

5. 4
Jenis Trendline Eksponensial Linier Logarithmic Polynomial Power
Persamaan y = 1E+06e0,1017x y = 262068x +
1E+06
y = 1E+06ln(x)
+ 965797
y = 19314x2 +
30297x + 2E+06
y = 1E+06x0,3975
Nilai R
squared
R² = 0,6635 R² = 0,733 R² = 0,56 R² = 0,764 R² = 0,5114
No Tahun
Jumlah
Wisatawan
Jumlah
Wisatawan
Jumlah
Wisatawan
Jumlah
Wisatawan
Jumlah
Wisatawan
10 2012 3513705 3513705 3513705 3513705 3513705
11 2013 3897429 3897429 3897429 3897429 3897429
12 2014 5004480 5159497 4863226 5947040 4897429
13 2015 5122992 5421565 5556373 6035279 5214652
14 2016 5254190 5683633 5961838 6162146 5445018
15 2017 5399433 5945701 6249520 6327641 5632506
16 2018 5560224 6207769 6472664 6531764 5793439
17 2019 5738229 6469837 6654985 6774515 5935950
18 2020 5935289 6731905 6809136 7055894 6064766
19 2021 6153444 6993973 6942668 7375901 6182913
20 2022 6394953 7256041 7060451 7734536 6292461
21 2023 6662317 7518109 7165811 8131799 6394897
22 2024 6958301 7780177 7261121 8567690 6491331
23 2025 7285972 8042245 7348133 9042209 6582616
Sumber: Hasil Analisis, 2015
Terdapat 2 jenis metode perhitungan peramalan dalam analisis trendline, yaitu:
 Pada metode pertama, X didapatkan dari selisih antara tahun proyeksi dengan tahun terakhir,
lalu persamaan yang ada ditambahkan dengan data tahun terakhir.
Contoh: pada trendline Polynomial didapatkan persamaan:
y = 19314x2
+ 30297x + 2E+06
Maka perhitungan jumlah wisatawan tahun 2014 yang diinput pada excel adalah:
=(19314*((2014-2013)^2))+(30297*(2014-2013))+(2*10^6)+3897429
 Pada metode kedua, X didapatkan dari urutan tahun proyeksi.
Contoh: pada trendline Polynomial didapatkan persamaan:
y = 19314x2
+ 30297x + 2E+06
Maka perhitungan jumlah wisatawan tahun 2014 yang diinput pada excel adalah:
=(19314*((12)^2))+(30297*(12))+(2*10^6)
Angka 12 didapat berdasarkan urutan data yang ada. Tahun 2003 memiliki nilai X = 1, tahun
2004 memiliki nilai X = 2, tahun 2005 memiliki nilai X = 3, dan seterusnya hingga tahun
2025 memiliki nilai X = 23.
Pada analisis ini digunakan metode perhitungan peramalan yang pertama karena metode pertama
ini lebih cocok digunakan untuk proyeksi jangka panjang, sedangkan metode yang kedua cocok
digunakan untuk proyeksi jangka pendek.
Berdasarkan Tabel III.2, jumlah wisatawan yang datang ke Kota Bandung diramalkan akan
terus mengalami peningkatan tiap tahunnya. Tahun 2025, jumlah wisatawan yang datang adalah
sejumlah 9.042.209 jiwa. Jumlah tersebut hampir 3x lipat dari jumlah wisatawan pada tahun 2013.
Adapun laju peningkatan jumlah wisatawan yang datang ke Kota Bandung dapat dilihat pada
Gambar 3.3

6. 5
Sumber: Hasil Analisis, 2015
Gambar 3.3
Laju Peningkatan Jumlah Wisatawan yang Datang ke Kota Bandung
Apabila pada analisis digunakan metode perhitungan yang kedua, maka hasil perhitungan
trendline Polynomial yang didapat akan berbeda hasilnya. Perbedaan hasil perhitungan tersebut
dapat dilihat pada Tabel III.3.
Tabel III.3
Perhitungan Peramalan Trendline Polynomial berdasarkan Metode
Jenis Trendline Polynomial Polynomial
Persamaan y = 19314x2 + 30297x + 2E+06 y = 19314x2 + 30297x + 2E+06
Nilai R squared R² = 0,764 R² = 0,764
Metode Perhitungan 1 2
No Tahun Jumlah Wisatawan Jumlah Wisatawan
1 2003 1618660 1618660
2 2004 1837000 1837000
3 2005 1928850 1928850
4 2006 1323441 1323441
5 2007 2557373 2557373
6 2008 1421459 1421459
7 2009 3096869 3096869
8 2010 3205269 3205269
9 2011 4070072 4070072
10 2012 3513705 3513705
11 2013 3897429 3897429
12 2014 5947040 5144780
13 2015 6035279 5657927
14 2016 6162146 6209702
15 2017 6327641 6800105
16 2018 6531764 7429136
17 2019 6774515 8096795
18 2020 7055894 8803082
19 2021 7375901 9547997
20 2022 7734536 10331540
0
2000000
4000000
6000000
8000000
10000000
2003 2005 2007 2009 2011 2013 2015 2017 2019 2021 2023 2025
Jumlah Wisatawan
Jumlah Wisatawan

7. 6
Jenis Trendline Polynomial Polynomial
Persamaan y = 19314x2 + 30297x + 2E+06 y = 19314x2 + 30297x + 2E+06
Nilai R squared R² = 0,764 R² = 0,764
Metode Perhitungan 1 2
No Tahun Jumlah Wisatawan Jumlah Wisatawan
21 2023 8131799 11153711
22 2024 8567690 12014510
23 2025 9042209 12913937
Sumber: Hasil Analisis, 2015
Sumber: Hasil Analisis, 2015
Gambar 3.4
Laju Peningkatan Jumlah Wisatawan yang Datang ke Kota Bandung
Berdasarkan Metode Perhitungan Peramalan
Berdasarkan Gambar 3.4, maka dapat disimpulkan bahwa perhitungan peramalan
menggunakan metode yang berbada, akan menghasilkan hasil yang berbeda pula. Garis berwarna
oranye pada grafik menunjukkan laju peningkatan wisatawan setiap tahunnya berdasarkan
metode ke-1. Pada awal tahun proyeksi, terdapat peningkatan yang signifikan, hal tersebut dilihat
dari curamnya kemiringan pada grafik, tetapi grafik cenderung landai pada tahun akhir.
Sedangkan pada metode ke-2, peningkatan jumlah wisatawan pada tahun awal proyeksi tidak
begitu signifikan, tetapi peningkatan ini berlangsung secara konsisten sehingga menghasilkan
nilai akhir yang justru lebih besar dari perhitungan metode ke-1.
IV. KESIMPULAN
Berdasarkan hasil analisis trendline, maka jenis trendline yang digunakan adalah Polynomial
dengan nilai R square sebesar 0,764 dengan persamaan y = 19314x2
+ 30297x + 2E+06. Metode
perhitungan peramalan yang digunakan adalah metode pertama, yakni nilai X didapatkan dari
selisih antara tahun proyeksi dengan tahun terakhir, lalu persamaan yang ada ditambahkan dengan
data tahun terakhir. Jumlah wisatawan yang datang ke Kota Bandung diramalkan akan terus
mengalami peningkatan setiap tahunnya.
Berdasarkan analisis tersebut, jumlah wisatawan yang datang ke Kota Bandung tahun 2003
– 2025, dapat disimpulkan bahwa pada tahun 2025 akan terjadi peningkatan sebesar hampir 3x
lipat dari jumlah wisatawan pada tahun 2013. Hal tersebut dapat disebabkan oleh adanya daya
tarik berupa tempat wisata di Kota Bandung, baik wisata alam, kuliner, maupun fashion.
Perkembangan yang pesat tersebut belum ditunjang oleh infrastruktur yang baik, terutama
0
2000000
4000000
6000000
8000000
10000000
12000000
14000000
2003 2005 2007 2009 2011 2013 2015 2017 2019 2021 2023 2025
Jumlah Wisatawan
Metode 1 Metode 2

8. 7
infrastruktur transportasi. Fenomena kemacetan seringkali dialami Kota Bandung. Setidaknya
terdapat 35 – 45 ribu unit kendaraan yang masuk setiap harinya ke Kota Bandung. Bahkan, pada
hari libur, kendaraan yang masuk mencapai 100 – 150 ribu unit. Maka dari itu, hal-hal yang telah
dibahas sebelumnya perlu menjadi perhatian pemerintah dalam penyediaan infrastruktur yang
dapat menunjang aktivitas penduduk dalam kota dan para wisatawan.
V. DAFTAR PUSTAKA
Badan Pusat Statistik Kota Bandung. 2007. “Kota Bandung dalam Angka 2007”. Bandung: BPS
Badan Pusat Statistik Kota Bandung. 2013. “Kota Bandung dalam Angka 2013”. Bandung: BPS
Badan Pusat Statistik Kota Bandung. 2014. “Kota Bandung dalam Angka 2014” dalam bps.go.id
diunduh pada 17 Mei 2015
Buchori, Imam, dkk. 2007. Buku Ajar Mata kuliah Metode Analisis Perencanaan. Semarang:
Jurusan Perencanaan Wilayah dan Kota Universitas Diponegoro.
Rahim, Ruslan, 2013. “Masalah Infrastruktur Transportasi di Kota Bandung” dalam academia.edu
diunduh pada 17 Mei 2015

9. 8
LAMPIRAN LANGKAH KERJA
 Buka program Microsoft Excel
 Pastikan data yang akan dianalisis telah tersedia
 Select data pada kolom Jumlah Wisatawan  klik Insert pada toolbar  pilih grafik Line
 Pada toolbar Design  Select Data
 Edit pada Legend Entries menjadi “Jumlah Wisatawan”  Ubah Horizontal Axis Labels
dengan Tahun  OK
 Klik kanan pada garis  Add Trendline
 Pilih satu per satu jenis trendline  centang Display Equation on Chart dan Display R
squared Value on Chart  cari yang nilai R squarenya paling mendekati 1.

10. 9
 Atur design chart sesukamu