Model Ekonometrika Regresi Linier Sederhana (Ordinary Least Squares - OLS)
Statistik Murni
Metode OLS menarik satu garis tren lurus terbaik ($Y = a + bX$) yang meminimalkan jumlah kuadrat residu (deviasi) antara data aktual historis dan garis taksiran tersebut.
Formulasi Matematis (Least Squares):
$$Y = a + bX$$
$$b = \frac{n\sum(XY) - \sum X\sum Y}{n\sum(X^2) - (\sum X)^2} \quad \text{; di mana } b \text{ adalah slope/arah pertumbuhan.}$$
Kelebihan (Pros):
- Objektif dan bebas dari bias interpretasi subjektif analis.
- Sangat akurat jika data historis bergerak mengikuti pola linier jangka panjang.
- Menyediakan arah koefisien gradien ($b$) yang solid untuk peramalan murni.
Kekurangan (Cons):
- Sangat sensitif terhadap data anomali ekstrim (*outliers*) seperti gejolak tahun 2025.
- Mengabaikan faktor non-linieritas (misal jika pertumbuhan melambat secara logaritmik).
- Membutuhkan data runtun waktu yang cukup panjang agar arah gradien stabil.
Compound Annual Growth Rate (CAGR)
Pertumbuhan Geometris
CAGR mengasumsikan pertumbuhan berjalan laksana bunga majemuk geometris dari tahun awal penelitian ke tahun akhir, meratakan seluruh gejolak fluktuasi tahunan di tengah periode.
Formulasi Matematis:
$$\text{CAGR} = \left( \frac{\text{Nilai Akhir}}{\text{Nilai Awal}} \right)^{\frac{1}{n}} - 1$$
$$\text{Target}_T = \text{Nilai Akhir} \times (1 + \text{CAGR})^{\Delta t}$$
Kelebihan (Pros):
- Sangat merepresentasikan pertumbuhan multiplikatif alami dari basis objek terdaftar.
- Mampu meredam volatilitas aneh yang terjadi di tahun-tahun tengah pengamatan.
- Mudah dipahami oleh pengambil kebijakan dalam menentukan target persentase rata-rata tahunan.
Kekurangan (Cons):
- Hanya melihat titik ujung awal dan ujung akhir data, mengabaikan realitas naik-turun di tengah.
- Jika titik akhir data (2025) sedang anjlok drastis, laju CAGR akan ikut tertekan menjadi sangat pesimis.
- Mengasumsikan laju akselerasi yang konstan dari tahun ke tahun tanpa kejenuhan pasar.
Model Estimasi Laju Rata-Rata Pertumbuhan Tahunan (Arithmetic Mean YoY Growth)
Statistik Aritmatika
Metode ini mengalkulasi persentase pertumbuhan tahun-ke-tahun (YoY) untuk masing-masing periode historis, lalu mencari rata-rata aritmatika sederhananya untuk dijadikan asumsi laju kenaikan masa depan.
Formulasi Matematis:
$$g_t = \frac{\text{Nilai}_t - \text{Nilai}_{t-1}}{\text{Nilai}_{t-1}}$$
$$\bar{g} = \frac{\sum_{t=1}^{k} g_t}{k}$$
Kelebihan (Pros):
- Sangat sensitif terhadap perubahan taktis tahunan yang terjadi di sepanjang periode pengamatan.
- Bagus dalam menangkap elastisitas pemulihan (*recovery speed*) pasca krisis/pandemi.
- Tidak bergantung murni pada titik koordinat ekstrem awal atau akhir.
Kekurangan (Cons):
- Sangat rentan terhadap bias jika terdapat lonjakan ekstrim pada satu tahun tunggal.
- Memberikan bobot kepentingan yang setara untuk lonjakan masa lalu dan realitas tahun berjalan.
- Cenderung menghasilkan estimasi yang terlalu tinggi (*overestimate*) jika terjadi fluktuasi besar.
Formula Pengurangan Registrasi KBM Tumpang Tindih, Tingkat Ketaatan, & Referensi Pasar
Metode Perencanaan Bapenda
1. Formula Pengurangan Registrasi Tumpang Tindih (Double Counting):
$$\text{Volume KBM PKB Murni} = \text{Volume PKB Total Terdaftar} - \text{Volume KBM BBNKB Baru}$$
*Penjelasan: Kendaraan baru yang membayar BBN1 otomatis terdaftar PKB di tahun yang sama. Agar unit KBM tidak terhitung dua kali di database eksekutif, volume aktif PKB disusutkan sejumlah unit baru yang melakukan registrasi BBN1.
2. Pengaruh Koefisien Ketaatan Kepatuhan WP:
$$\text{Rasio Ketaatan R2 (Baseline)} \approx 73,45\% \quad | \quad \text{Rasio Ketaatan R4 (Baseline)} \approx 80,03\%$$
$$\text{Pendapatan PKB Simulasi} = \text{Pendapatan PKB Baseline} \times \left( \frac{\text{Rasio Target Ketaatan}}{\text{Rasio Ketaatan Baseline}} \right)$$
3. Model Kalibrasi Organik BBNKB (Kapasitas Riil Pasar):
$$\Delta \text{Pendapatan BBNKB Organik / Tahun} = \text{Rp 100 Miliar}$$
$$\Delta \text{Volume BBNKB R2 / Tahun} = +15.000 \text{ Unit} \quad | \quad \Delta \text{Volume BBNKB R4 / Tahun} = +1.500 \text{ Unit}$$
4. Faktor Redaman Volatilitas Industri Proporsional (Otomotif Proportional Soft-Damping):
$$\text{Laju Redaman R2} = 3.0\% \text{ per tahun} \quad | \quad \text{Laju Redaman R4} = 2.0\% \text{ per tahun}$$
$$\text{Formula Redaman} = \text{Laju Batas} + (\text{Laju Mentah} - \text{Laju Batas}) \times 0.15$$
5. Formulasi Prognosis Berjalan Terbobot Bulanan (2026):
$$W_{\text{lalu}} = \sum_{m=1}^{k} \text{Bobot Musiman}_m \quad \text{; } k \text{ adalah bulan berjalan}$$
$$\text{Outlook}_{2026} = \sum_{m=1}^{k} \text{Realisasi Bulanan}_m + \sum_{m=k+1}^{12} \text{Target Awal}_m \times (1 + \text{Deviasi} \times \text{Koefisien RunRate})$$