66
BAB V V.1
ANALISIS DAN PEMBAHASAN
Umum
Model logit yang digunakan dalam studi potensi pemilihan angkutan penumpang antara kereta api dan bus ini merupakan fungsi dari selisih utilitas pada kedua jenis moda yang ditinjau. Dari sub bab II.6 yang telah dijelaskan sebelumnya diketahui pada persamaan 2.17 bahwa model pemilihan angkutan penumpang untuk kereta api adalah, PKA =
expU KA exp(U KA −U BUS ) = expU KA + expU BUS 1 + exp(U KA −U BUS )
.....(5.1)
dan pada persamaan 2.18 model pemilihan angkutan penumpang untuk bus adalah,
PBUS = 1 − PKA =
1 1 + exp
(U KA −U BUS )
.....(5.2)
Persamaan (UKA-UBUS) adalah fungsi utilitas antara kereta api dan bus. Fungsi selisih utilitas dalam pemilihan moda ini dipresentasikan sebagai parameterparameter linier dimana perbedaan utilitas diekspresikan dalam bentuk perbedaan sejumlah n atribut diantara kedua moda, dari sub bab II.6 pada persamaan 2.19 yang dirumuskan sebagai berikut,
U KA − U BUS = a0 + a1 ( X1 ) + a2 ( X 2 ) + K + an ( X n )
.....(5.3)
Dalam analisa pengolahan data, persamaan fungsi selisih utilitas tersebut dapat digunakan untuk mendapatkan hubungan kuantitatif antara atribut dan respon yang diekspresikan dalam sekala semantik, dimana UKA-UBUS menyatakan respon individu terhadap pernyataan pilihan. Nilai utilitas sebagai respon individu dapat juga dinyatakan dalam bentuk probabilitas memilih moda tertentu, seperti diberikan pada persamaan 2.20 pada sub bab II.6 yang dijelaskan sebelumnya, yaitu sebagai berikut: ⎡ P ⎤ Ln ⎢ KA ⎥ = a 0 + a1 ( X 1 ) + a 2 ( X 2 ) + K + a n ( X n ) 1 P − KA ⎦ ⎣
.....(5.4)
67
Dari kedua persamaan diatas dapat dirumuskan suatu bentuk persamaan yaitu persamaan 2.21 pada sub bab II.6, transformasi yang disebut sebagai transformasi linier logit biner yaitu: ⎡ P ⎤ Ln ⎢ KA ⎥ = U KA − U BUS ⎣1 − PKA ⎦
.....(5.5)
Dalam proses analisis, kegiatan pertama yang dilakukan adalah mencari persamaan fungsi selisih utilitas antara kereta api dan bus. Kemudian persamaan fungsi selisih utilitas yang diperoleh ini akan digunakan dalam model pemilihan angkutan penumpang untuk mengetahui probabilitas pemilihan pada masingmasing angkutan penumpang yaitu angkutan penumpang kereta api dan bus. Selanjutnya berdasarkan hubungan antara nilai selisih utilitas kereta api dan bus dengan nilai probabilitas pemilihan angkutan penumpang kereta api dan bus akan diketahui grafik pemilihan moda atau angkutan penumpang. Analisis selanjutnya adalah analisis elastisitas model, sensitivitas model serta aplikasi model terhadap dibangunnya jalur kereta api dan perbaikan jalan lintas timur Sumatera ruas Rantauprapat-Dumai. V.1.1 Analisis Persamaan Fungsi Utilitas
Analisis yang digunakan untuk memperoleh persamaan fungsi selisih utilitas kereta api dan bus yang dikembangkan pada studi ini adalah analisis regresi. Analisa dengan pendekatan regresi dilakukan untuk data stated preference dimana pemilihannya menggunakan pilihan rating yaitu respon individu adalah berupa pilihan terhadap point rating yang disajikan dalam skala semantik, yaitu; 1: Pasti pilih KA; 2: Mungkin pilih KA; 3: Pilihan berimbang; 4 : Mungkin pilih bus; 5 Pasti pilih bus. Skala semantik ini kemudian ditransformasikan ke dalam skala numerik (suatu nilai yang menyatakan respon individu terhadapa pernyataan pilihan) dengan menggunakan transformasi linier model logit biner, pada probabilitas untuk masing-masing point rating. Nilai skala numerik merupakan variabel tidak bebas pada analisis regresi dan sebagai variabel bebasnya adalah selisih nilai antara atribut kereta api dan bus.
68
Proses transformasi dari skala semantik ke dalam skala numerik adalah sebagai berikut: a. Nilai skala probabilitas pilihan yang diwakili oleh nilai point rating 1, 2, 3, 4, dan 5 adalah nilai skala standar yaitu 0,9; 0,7; 0,5; 0,3; dan 0,1. b. Dengan menggunakan transformasi linier model logit biner
dengan
menggunakan persamaan (2.21) pada sub bab II.6 dapat diketahui nilai skala numerik untuk masing-masing probabilitas pilihansebagai berikut: Jika nilai skala probabilitas pilihan dengan nilai point rating 1, maka skala standar adalah 0,9 ; dengan menggunakan persamaan (2.21) maka: ⎡ P ⎤ U KA − U BUS = Ln ⎢ KA ⎥ ⎣1 − PKA ⎦
= Ln [(0,9/1-0,9)] = 2,1972 untuk hasil perhitungan lengkap nilai skala numerik ditunjukan pada tabel V.1 berikut: Tabel V.1
Nilai Skala Semantik dan Numerik
Point Rating
Nilai Skala Semantik dan Numerik Skala Standar Regresi I Pr (KA) Skala Numerik 0,9 2,1972 0,7 0,8473 0,5 0,0000 0,3 -0,8473 0,1 -2,1972
1 2 3 4 5
Skala ini, sebagaimana dikutip dari Hermawan (1999), hampir dijadikan standar praktis pada beberapa penelitian transportasi, contohnya : Bates dan Roberts (1983); Fowkes dan Tweddle (1988); Ortuzar dan Garrido (1991). V.1.2 Kompilasi Data
Kompilasi data dilakukan terhadap semua responden yang ada berdasarkan jawaban atau pilihan yang diberikan (point rating) pada setiap option yang ditawarkan. Proses kompilasi data ini dilakukan dengan menggunakan paket program dari Microsoft Excel.
69
Dalam analisis dengan menggunakan data stated preference terdapat banyak skala numerik yang dihubungkan pada respon individu dan pendekatan regresi yang digunakan dalam studi ini, seperti yang telah dijelaskan sebelumnya, merupakan analisis regresi yang menggunakan nilai skala standar dalam probabilitas pilihannya. Dalam hal ini skala yang digunakan merupakan skala yang ditunjukkan pada tabel V.1 diatas. Selanjutnya dilakukan pengolahan data potensi pemilihan moda, dari jawaban responden pada kuisioner bagian kedua, yaitu sebanyak 71 individu yang jawabannya konsisten dan bisa diolah, dan 29 jawaban yang tidak konsisten disisihkan, maka kemudian dilakukan pengembangan model pemilihan moda angkutan penumpang untuk koridor Rantau Prapat – Dumai. Dalam hal ini hasil pengolahan data dicantumkan untuk mengetahui proses penentuan model yang terbaik dari hasil survei yang telah dilakukan. Untuk hasil lebih lengkap dari proses kompilasi data dengan pendekatan nilai skala standar dalam probabilitas pilihannya ini dapat dilihat pada lampiran B1. V.1.3 Uji Kelinieran
Fungsi selisih utilitas dipresentasikan sebagai fungsi yang memiliki parameterparameter linier atau merupakan suatu fungsi linier dari atribut-atributnya. Dalam studi ini akan dilakukan uji linieritas terhadap data hasil survey untuk masingmasing atribut, untuk mengetahui apakah atribut yang tersebut bersifat linier atau tidak. Perhitungan uji linieritas secara lengkap dapa dilihat pada lampiran A.6. 1. Uji Linieritas Atribut Tarif Angkutan H0
: garis regresinya linier
H1
: garis regresinya tidak linier
Ditentukan taraf nyata sebesar 0,05 Wilayah kritis : Fkritis = 2,10 Diperoleh: X12 = 202,8177388 Maka:
dan X22 = 19240,46701
70
Fhitung =
202,8177388 /(8 − 2) = 0,99439 19240,46701 /(568 − 8)
Dalam hal ini Fhitnug < Fkritis , maka H0 diterima dan H1 ditolak, dengan demikian atribut tarif angkutan signifikan mempengaruhi perubahan nilai utilitas atau berkorelasi dengan variabel tidak bebasnya. 2. Uji Linieritas Atribut Keamanan Penumpang H0
: garis regresinya linier
H1
: garis regresinya tidak linier
Ditentukan taraf nyata sebesar 0,05 Wilayah kritis : Fkritis = 2,10 Diperoleh: X12 = 315,80956 dan X22 = 30099,9961 Maka: Fhitung =
315,80956 /(8 − 2) = 0,98975 30099,9961 /(568 − 8)
Dalam hal ini Fhitung < Fkritis , maka H0 diterima dan H1 ditolak, dengan demikian atribut keamanan penumpang signifikan mempengaruhi perubahan nilai utilitas atau berkorelasi dengan variabel tidak bebasnya. 3. Uji Linieritas Atribut Waktu Perjalanan H0
: garis regresinya linier
H1
: garis regresinya tidak linier
Ditentukan taraf nyata sebesar 0,05 Wilayah kritis : Fkritis = 2,10 Diperoleh: X12 = 71,28169 dan X22
= 6658,04966
Maka: Fhitung =
71,28169 /(8 − 2) = 1,00994 6658,04966 /(568 − 8)
71
Dalam hal ini Fhitung < Fkritis , maka H0 diterima dan H1 ditolak, dengan demikian atribut waktu perjalanan signifikan mempengaruhi perubahan nilai utilitas atau berkorelasi dengan variabel tidak bebasnya. 4. Uji Linieritas Atribut Tingkat Pelanyanan H0
: garis regresinya linier
H1
: garis regresinya tidak linier
Ditentukan taraf nyata sebesar 0,05 Wilayah kritis : Fkritis = 2,10 Diperoleh: X12 = 200,44905 dan X22 = 18973,21624 Maka: Fhitung =
200,44905 /(8 − 2) = 0,99662 18973,21624 /(568 − 8)
Dalam hal ini Fhitung < Fkritis , maka H0 diterima dan H1 ditolak, dengan demikian atribut tingkat pelanyanan signifikan mempengaruhi perubahan nilai utilitas atau berkorelasi dengan variabel tidak bebasnya. 5. Uji Linieritas Atribut Jadwal Keberangkatan H0
: garis regresinya linier
H1
: garis regresinya tidak linier
Ditentukan taraf nyata sebesar 0,05 Wilayah kritis : Fkritis = 2,10 Diperoleh: X12 = -5,73998 dan X22 = 1678,24350 Maka: Fhitung =
− 5,73998 /(8 − 2) = −0,32264 1678,24350 /(568 − 8)
Dalam hal ini Fhitung < Fkritis , maka H0 diterima dan H1 ditolak, dengan demikian
atribut
jadwal
keberangkatan
signifikan
mempengaruhi
perubahan nilai utilitas atau berkorelasi dengan variabel tidak bebasnya.
72
6. Uji Linieritas Atribut Lokasi Terminal H0
: garis regresinya linier
H1
: garis regresinya tidak linier
Ditentukan taraf nyata sebesar 0,05 Wilayah kritis : Fkritis = 2,10 Diperoleh: X12 = -0,077781dan X22 = 337,75237 Maka: Fhitung =
− 0,077781 /(8 − 2) = −0,02172 337,75237 /(568 − 8)
Dalam hal ini Fhitung < Fkritis , maka H0 diterima dan H1 ditolak, dengan demikian untuk atribut lokasi terminal signifikan mempengaruhi perubahan nilai utilitas atau berkorelasi dengan variabel tidak bebasnya. Berdasarkan hasil uji kelinieran regresi yang telah dilakukan, terlihat bahwa untuk atribut tarif angkutan, keamanan penumpang, waktu perjalanan, tingkat pelanyanan, jadwal keberangkatan, dan lokasi terminal menunjukan bersifat linier. Oleh karena itu sesuai dengan asumsi bahwa persamaan fungsi selisih utilitas adalah linier, maka persamaan fungsi selisih utilitas antara kereta api dan bus yang akan digunakan dalam studi ini adalah persamaan linier. V.1.4 Analisa Korelasi
Dalam hubungannya dengan regresi, analisa korelasi digunakan untuk mengukur ketepatan garis regresi dalam menjelaskan nilai variabel tidak bebas. Pengujian hubungan korelasi (derajat hubungan/keeratan hubungan) dalam proses analisis regresi merupakan hal penting yang harus dilakukan terutama untuk mengatasi masalah multikolinieritas antar variabel bebas. Selain itu uji korelasi ini juga untuk mengetahui seberapa besar hubungan antara variabel-variabel bebas terhadap variabel tidak bebasnya. Berdasarkan hasil pengamatan dari matriks korelasi dapat diinterpretasikan sebagai berikut:
73
a. Dari hasil analisis korelasi dapat dilihat bahwa faktor keamanan yang diindikasikan dengan atribut keamanan penumpang mempunyai hubungan yang paling erat dengan utilitas pemilihan angkutan penumpang (Y), dengan nilai koefisien korelasi sebesar 0,578209. Atribut lainnya secara berurutan menyusul yaitu atribut Tarif angkutan, Tingkat pelanyanan, Waktu Perjalanan, Jadwal kebrangkatan, dan yang terakhir Lokasi terminal/stasion. b. Korelasi antar variabel bebas nilainya < 0,6 berarti tidak terjadi multikolinieritas (antar variabel bebas saling berkolerasi) sehingga semua variabel bebas tersebut dapat dipergunakan bersama-sama pada persamaan utilitas yang dikem-bangkan dalam penelitian ini. V.1.5 Alternatif Persamaan Fungsi Selisih Utilitas
Persamaan fungsi selisih utilitas kereta api dan bus yang digunakan dalam model pemilihan moda pada studi ini adalah persamaan multi linier. Bentuk umum dari persamaan multi linier dengan enam atribut adalah sebagai berikut: Y = ao+b1(X1 )+ b2(X2)+ b3(X3)+b4 (X4)+ b5(X5)+ b(X6)
.....(5.6)
Dimana: Y
= nilai utilitas antara kereta api dan bus = U(KA-BUS)
X1
= nilai selisih atribut tarif angkutan antara kereta api dan bus
X2
= nilai selisih atribut keamanan penumpang antara kereta api dan bus
X3
= nilai selisih atribut waktu perjalanan antara kereta api dan bus
X4
= nilai selisih atribut tingkat pelanyanan antara kereta api dan bus
X5
= nilai selisih atribut jadwal keberangkatan antara kereta api dan bus
X6
= nilai selisih atribut lokasi terminal antara kereta api dan bus
a0
= konstanta regresi (intercept)
b1,s/d b6
= koefisien masing-masing atribut
Selanjutnya akan dibuat beberapa alternatif persamaan yang dapat dibentuk dari persamaan umum tersebut, pembuatan alternatif persamaan berdasarkan hasil uji kelinieran dan korelasi, untuk kemudian dipilih satu persamaan yang merupakan fungsi selisih utilitas terbaik berdasarkan nilai R2 terbesar dari semua alternatif persamaan.
74
Adapun alternatif yang dibentuk sebagai berikut: 1. Y = ao+ b1(X1) + b2(X2) + b3(X3) + b4(X4) + b5(X5) 2. Y = ao+ b1(X1) + b2(X2) + b3(X3) + b4(X4) + b6(X6) 3. Y = ao+ b1(X1) + b2(X2) + b4(X4) + b5(X5) + b6(X6) 4. Y = ao+ b1(X1) + b3(X3) + b4(X4) + b5(X5) + b6(X6 5. Y = ao+ b1(X1) + b2(X2) + b3(X3) + b5(X5) + b6(X6) 6. Y = ao+ b1(X1) + b2(X2) + b3(X3) + b4(X4) + b5(X5) + b6(X6) Langkah selanjutnya dilakukan kalibrasi persamaan yang dibuat.
V.1.6 Kalibrasi Alternatif Persamaan
Kalibrasi adalah proses penentuan nilai parameter didalam suatu persamaan yang memberikan hasil terbaik atau terdekat dengan hasil pengamatan di lapangan. Kalibrasi dari suatu persamaan regresi akan menghasilkan nilai-nilai numerik dari konstanta regresi dan koefisien regresi dari persamaan regresinya. Tujuan dari pengkalibrasian ini adalah menggantikan data empiris dengan menggunakan suatu persamaan matematis yang mempertimbangkan hubungan di antara komponenkomponennya. Proses kalibrasi adalah menentukan nilai parameter yang belum diketahui. Pada penelitian ini, proses kalibrasi dilakukan dengan bantuan perangkat lunak komputer. Hasil uji statistik tiap-tiap alternatif persamaan dan perbandingan tanda koefisien parameter persamaan digunakan sebagai faktor penentu alternatif persamaan terbaik yang akan digunakan atau dipilih. Adapun hasil dari proses kalibrasi yang telah dilakukan adalah sebagaimana yang diperlihatkan pada tabel V.2 berikut: Tabel V.2
Hasil Kalibrasi Persamaan Model
75
Untuk tiap-tiap spesifikasi alternatif persamaan, variabel yang signifikan dalam mempengaruhi probabilitas pemilihan moda dan nilai statistik dipresentasikan. Suatu persamaan secara garis besar dapat diterjemahkan dengan memperhatikan tanda pada koefisien persamaan, nilai R2, besar kecilnya nilai konstanta dan nilai koefisien persamaan. Interpretasi dari tanda koefisien dapat digunakan untuk menunjukan apakah persamaan tersebut masuk akal atau tidak, dari nilai R2 dapat diketahui prosentase pengaruh seluruh atribut terhadap utilitas pemilihan moda, nilai konstanta mennujukan pengaruh dari karakteristik pilihan ataupun individu yang tidak dipertimbangkan dalam fungsi utilitasnya, sedangkan interpretasi dari nilai koefisien menggambarkan pengaruh kontribusi yang dihasilkan pada masing-masing atribut. Dari hasil kalibrasi yang diperoleh dapat diterjemahkan sebagai berikut: 1. Persamaan ini merupakan persamaan selisih antara utilitas kereta api dan bus [Y = U (KA-BUS)] dan nilai masing-masing atribut merupakan selisih antara atribut kereta api dan bus. Berdasarkan tanda koefisien persamaan sebagai parameter uji kemasukan pada masing-masing atribut untuk seluruh alternatif persamaan dapat disimpulkan sebagai berikut: a. Atribut tarif angkutan (X1) secara umum memiliki tanda negatif pada alternatif persamaannya. Bila selisih tarif angkutan antara kereta api dan bus meningkat (berarti biaya kereta api naik atau biaya bus turun) maka utilitas (KA-BUS) akan berkurang, dan mengakibatkan probabilitas kereta api akan menurun dan probabilitas bus akan meningkat. Sebaliknya bila selisih biaya perjalanan antara kereta api dan bus menurun (berarti biaya kereta api turun atau biaya bus naik) maka utilitas (KA-BUS) akan bertambah dan mengakibatkan probabilitas kereta api akan meningkat dan probabilitas bus akan menurun. Hal ini menunjukan bahwa tanda negatif (-) pada atribut tarif angkutan dalam persamaan adalah masuk akal. b. Atribut keamanan penumpang (X2) secara umum memiliki tanda positif pada alternatif persamaannya. Bila selisih keamanan penumpang antara
76
kereta api dan bus meningkat (berarti keamanan penumpang pada angkutan kereta api meningkat atau keamanan pada angkutan bus berkurang),
maka
utilitas
(KA-BUS)
akan
bertambah,
dan
mengakibatkan probabilitas kereta api akan meningkat dan probabilitas bus akan menurun. Berlaku juga untuk keadaan sebaliknya. Hal ini menunjukan bahwa tanda positif (+) pada atribut keamanan penumpang dalam persamaan adalah masuk akal. c. Atribut waktu perjalanan (X3) secara umum memiliki tanda negatif pada alternatif persamaannya. Bila selisih waktu tempuh perjalanan antara kereta api dan bus meningkat (berarti waktu tempuh kereta api menjadi lebih lama atau waktu tempuh bus menjadi lebih cepat) maka utilitas (KA-BUS) akan berkurang, dan mengakibatkan probabilitas kereta api akan menurun dan probabilitas bus akan meningkat. Sebaliknya bila selisih waktu tempuh perjalanan antara kereta api dan bus menurun (berarti waktu tempuh kereta api menjadi lebih cepat atau waktu tempuh bus menjadi lebih lambat) maka utilitas (KA-BUS) akan bertambah dan mengakibatkan probabilitas kereta api akan meningkat dan probabilitas bus akan menurun. Hal ini menunjukan bahwa tanda negatif (-) pada atribut waktu perjalanan dalam persamaan adalah masuk akal. d. Atribut tingkat pelanyanan (X4) secara umum memiliki tanda positif pada alternatif persamaannya. Bila selisih pelanyanan antara kereta api dan bus meningkat (berarti tingkat pelanyanan kereta api bertambah atau tingkat pada angkutan bus berkurang), maka utilitas (KA-BUS) akan bertambah, dan mengakibatkan probabilitas kereta api akan meningkat dan probabilitas bus akan menurun. Berlaku juga untuk keadaan sebaliknya. Hal ini menunjukan bahwa tanda positif (+) pada atribut tingkat pelanyanan dalam persamaan adalah masuk akal. e. Atribut jadwal keberangkatan (X5) secara umum memiliki tanda negatif pada alternatif persamaannya. Bila selisih jadwal keberangkatan antara kereta api dan bus meningkat (berarti jadwal keberangkatan kereta api menjadi lebih lama atau jadwal keberangkatan bus menjadi lebih cepat)
77
maka
utilitas
(KA-BUS)
akan
berkurang,
dan
mengakibatkan
probabilitas kereta api akan menurun dan probabilitas bus akan meningkat. Sebaliknya bila selisih jadwal keberangkatan antara kereta api dan bus menurun (berarti jadwal keberangkatan kereta api menjadi lebih cepat atau jadwal keberangkatan bus menjadi lebih lambat) maka utilitas (KA-BUS) akan bertambah dan mengakibatkan probabilitas kereta api akan meningkat dan probabilitas bus akan menurun. Hal ini menunjukan bahwa tanda negatif (-) pada atribut waktu perjalanan dalam persamaan adalah masuk akal. f. Atribut lokasi atau jarak terminal/stasion dari pusat kota (X6), pada seluruh persamaan bertanda negatif (-), ini menunjukan bila selisih lokasi atau jarak terminal/stasion kepusat kota
antara kereta api dan bus
menurun (berarti lokasi atau jarak terminal/stasion kereta api ke pusat kota menjadi lebih dekat atau lokasi terminal bus ke pusat kota menjadi lebih jauh) maka utilitas (KA-BUS) akan meningkat, dan mengakibatkan probabilitas kereta api akan meningkat dan probabilitas bus akan menurun. Hal ini menunjukan bahwa tanda negatif pada seluruh persamaan masuk akal. 2. Berdasarkan nilai konstanta persamaan untuk seluruh alternatif persamaan dapat dijelaskan bahwa alternatif persamaan 1 memiliki nilai -0,52357; alternatif persamaan 2 memiliki nilai -0,65782; alternatif persamaan 3 memiliki nilai -0.20773; alternatif persamaan 4 memiliki nilai 0,28676; alternatif 5 memiliki nilai 0,06897; dan alternatif persamaan 6 memiliki nilai -0,4531. 3. Dari nilai koefisien persamaan, diketahui bahwa atribut keamanan penumpang secara umum memiliki koefisien yang terbesar diantara atribut-atribut lainnya. Hal ini menunjukan bahwa faktor keamanan penumpang
memberikan
kontribusi
mempengaruhi dalam pemilihan moda.
yang
paling
besar
dalam
78
V.1.7 Validasi Dengan Uji Statistik
Tingkat kepercayaan (reliability) dari model diuji dengan cara melakukan pengukuran kemampuannya dalam mengestimasi nilai utilitas pemilihan moda. Dalam hal ini akan dilakukan dengan melakukan uji ttes, Ftes dan melihat besarnya nilai koefisien determinasi (R2). Pengujian hipotesis terhadap koefisien regresi parsial (uji ttes) dilakukan untuk melihat pengaruh masing-masing atribut yang terdapat dalam persamaan dari model secara individu terhadap utilitas pemilihan moda. Penentuan nilai tkritis dalam pengujian hipotesa terhadap koefisien regresi dengan menggunakan tabel distribusi t dengan memperhatikan level of significance (α) dan degree of fredom (v). Level of significance menunjukkan persentase hasil yang berada di luar range.
Sedangkan besar nilai degree of freedom ditentukan dengan rumus (v) = n – (k+1) dimana n adalah jumlah observasi dan k adalah jumlah parameter atau jumlah atribut. Dengan menggunakan tabel distribusi t, Lampiran C.1, maka: •
untuk level of significance (α) = 0.05
•
Jumlah observasi n = 568 ≥ 120
•
Jumlah atribut, k = 6, maka degree of freedom (v) = 568 – (6 + 1) = 561 > 120, maka didapat nilai tkritis = 1,96.
•
Berdasarkan nilai tkritis tersebut dan membandingkannya dengan hasil perhitungan nilai tstat dari model yang telah diberikan pada Tabel V.2 maka dapat disimpulkan bahwa semua nilai tstat dari masing-masing atribut lebih besar dari tkritis. Ini berarti bahwa masing-masing atribut secara individu signifikan mempengaruhi utilitas pemilihan moda.
Pengujian hipotesis terhadap variasi nilai utilitas dengan uji Ftes dilakukan untuk melihat pengaruh seluruh atribut yang terdapat dalam persamaan dari model secara simultan terhadap utilitas pemilihan moda. Penentuan nilai Fkritis dalam pengujian hipotesis terhadap koefisien regresi dengan menggunakan tabel distribusi F dengan memperhatikan n adalah jumlah
79
observasi, level of significance (α) serta degree of fredom yang terdiri dari numerator = k = v1 adalah jumlah parameter atau jumlah atribut dan denominator = v2 = n – (k+1). Dengan menggunakan tabel distribusi F, Lampiran C.2. maka: •
untuk level of significance (α) = 0.05
•
Jumlah observasi n = 568 ≥ 120
•
Jumlah atribut, k = 6, maka v2 = 568 – (6 + 1) = 561 > 120 dan v1 = 6 maka didapat nilai Fkritis = 2,10.
Berdasarkan nilai Fkritis tersebut dan membandingkannya dengan hasil perhitungan nilai Fstat dari model yang telah diberikan pada Tabel V.2
maka didapat Fstat >
Fkritis , dan nilai Fstat yang terbesar adalah dari alternatif persamaan 1 sebesar
553,11766 maka disimpulkan semua atribut secara simultan mempengaruhi pemilihan moda. Koefisien determinasi atau rho square (R2) menunjukkan besarnya persentase pengaruh semua atribut terhadap utilitas pemilihan moda. Dari hasil perhitungan yang telah diberikan pada tabel V.2, misalnya diperoleh nilai R2 = 0,8311. Ini berarti bahwa semua atribut mempunyai pengaruh sebesar 83,11 % terhadap perubahan utilitas pemilihan moda, sedang sisanya sebesar 16,89 % dipengaruhi oleh atribut lain yang tidak dipertimbangkan dalam pemodelan ini. Dari semua alternatif persamaan yang ada, alternatif persamaan -6 memiliki nilai R2 yang terbesar yaitu 0,8314 dan selanjutnya diikuti alternatif persamaan-1
sebesar
0.8311. Jadi dengan hanya enam atribut yang digunakan terlihat bahwa masih cukup banyak atribut lain yang belum dipertimbangkan yang memberikan pengaruh relatif cukup besar pada utilitas pemilihan moda. Oleh sebab itu untuk memperoleh hasil pemodelan yang lebih baik perlu dilakukan pemilihan atau penambahan atribut lainnya. Di lain pihak pelaksanaan pilot survei yang baik akan sangat membantu untuk merancang desain eksperimen sedemikian rupa sehingga akan memberikan masukan yang sangat berarti dalam menentukan atribut dan besaran yang digunakan dalam kuisioner.
80
V.2
Perumusan Model
Perumusan model berdasarkan pada hasil yang diperoleh dari pendekatan di atas yang mengunakan program Regresi. Hasil kompilasi data dengan menggunakan analisis regresi menghasilkan estimasi parameter yang akan digunakan dalam model. Selanjutnya formulasi model yang dihasilkan dari pendekatan Regresi, untuk kemudian dipilih model yang mewakili. Pemilihan dilakukan berdasarkan parameter model yang dihasilkan dan nilai statistik lainnya yang diperlihatkan pada Tabel V.2 diatas. Dari hasil tersebut maka dipilih persamaan fungsi selisih utilitas yang terpilih adalah alternatif persamaan-1 dengan parameter memiliki nilai konstanta sebesar -0,52357, niali Fstat yang terbesar yaitu 553,11766 dan nilai R2 sebesar 0,8311 dan nilai R2 ini tidak terlalu berbeda dengan alternatif persamaan-6 dimana nilai R2 = 0,8314 yang terbesar dari semua persamaan, namun alternatif persamaan-6 ini tidak dipilih karena pada nilai konstanta dapat dilihat bahwa alternatif-1 mempunyai nilai konstanta yang lebih kecil dari pada nilai konstanta pada persamaan alternatif-6. Berdasarkan hasil pada Tabel V.2 di atas dapat dijelaskan beberapa hal yaitu: •
Hasil Regresi terlihat bahwa tingkat signifikansi Regresi sangat baik dengan memperhatikan nilai statistiknya dimana Rho-squarenya sebesar 0.8311.
•
Formulasi model yang dihasilkan merupakan fungsi utilitas yang berbentuk multi linear dimana variabelnya adalah atribut pelayanan yang berkaitan
dengan KA dan Bus yang dipertimbangkan sangat mempengaruhi dalam pemilihan moda. •
Secara umum nilai koefisien yang dihasilkan setiap variabel dari masingmasing model pemilihan moda sesuai dengan yang diharapkan yaitu bertanda positif dan negatif, hal ini berarti jika, tarif angkutan kereta api semakin mahal maka banyak konsumen akan beralih menggunakan angkutan bus atau sebaliknya, ini juga berlaku dengan atribut yang lainnya.
•
Model menggunakan 5 atribut yaitu atribut tarif angkutan, keamanan penumpang, waktu perjalanan, tingkat pelanyanan dan jadwal keberangkatan, dimana untuk atribut lokasi terminal/stasion dihilangkan pada persamaan tersebut, karena nilai koefisien korelasi mempunyai nilai yang sangat kecil,
81
hal ini menunjukan bahwa atribut tersebut mempunyai pengaruh yang sangat kecil dalam probabilitas pemilihan angkutan penumpang dalam model. V.3
Model Yang Dihasilkan
Berdasarkan penjelasan di atas maka dipilih model yang mewakili yaitu model yang dihasilkan pada alternatif persamaan-1 dari pengolahan data dari pendekatan Regresi yaitu: U(KA – BUS) = - 0,52357 – 0,00009*X1 + 0,14797*X2 - 0.49075*X3 + 0,104415*X4 – 0,06824*X5
.....(5.7)
Dengan menggunakan persamaan 5.7 tersebut diatas, maka untuk probabilitas pemilihan angkutan kereta api yang mana telah dijelaskan sebelumnya pada sub bab II.6 dengan menggunakan persamaan 2.17 adalah sebagai berikut:
PKA =
exp ( −0 , 52357 − 0 , 00009 * X 1 + 0 ,147973 * X 2 − 0 , 49075 * X 3 + 0 ,104415 * X 4 − 0 , 06824 * X 5 ) 1 + exp ( −0 , 52357 − 0 , 00009 * X 1 + 0 ,147973 * X 2 − 0 , 49075 * X 3 + 0 ,104415 * X 4 − 0 , 06824 * X 5 )
.....(5.8)
Dan untuk probabilitas pemilihan angkutan bus dengan menggunakan persamaan 2.18 adalah sebagai berikut: PBUS =
V.4
1 ( −0,52357−0,00009*X1 +0,147973*X 2 −0, 49075*X 3 +0,104415*X 4 −0,06824*X 5 )
1+ exp
.....(5.9)
Grafik Pemilihan Moda
Berdasarkan hasil fungsi utilitas yang sudah dipilih di atas maka dari penjelasan sub bab III.4 selanjutnya dapat diperlihatkan hubungan antara probabilitas pemilihan moda dengan selisih utilitas KA – BUS. Perhitungan hubungan antara utilitas dan probabilitas pemilihan moda tersebut dapat dilihat pada Tabel V.3 dan grafiknya diperlihatkan pada Gambar V.1 berikut ini:
82
Tabel V.3
Hubungan Antara Utilitas Dan Probabilitas Pemilihan Moda Selisih Nilai Variabel Bebas
Pilihan
Utilitas (KA - Bus)
P(KA)
P(Bus)
-0.1693
0.457776
0.542224
2
-2.03986
0.115081
0.884919
10
4
-0.64144
0.344921
0.655079
0
0
4
0.683208
0.664454
0.335546
10
-1
10
2
2.354588
0.913298
0.086702
15,000
10
0
10
2
0.484025
0.618698
0.381302
7
15,000
10
-1
0
4
-0.20586
0.448717
0.551283
8
0
0
0
10
4
0.247626
0.561592
0.438408
0.089124
0.522266
0.477734
TA
KP
WP
TP
JK
(Rp)
(%)
(Jam)
(%)
(Jam)
1
0
0
-1
0
2
2
15,000
0
0
0
3
15,000
0
-1
4
0
10
5
0
6
Rerata Atribut
7500
5
-0.5
5
3
Grafik Pemilihan Moda Probabilitas Pemilihan Moda
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% -3
-2
-1
P KA P BUS
0
1
2
3
U (KA-BUS)
Gambar V.1 Grafik Pemilihan Moda
Dapat dilihat dari Tabel V.3 dan Gambar V.1 tersebut bahwa semakin besar selisih utilitas KA- Bus, maka semakin tinggi peluang seseorang untuk memilih kereta api atau sebaliknya. Dari grafik yang diperoleh terlihat bahwa kecuraman garis fungsi antara nilai negatif dan positif relatif sama sehingga perubahan utilitas ke kedua arah tersebut memberikan perubahan probabilitas pemilihan moda yang relatif sama pula.
83
V.5
Elastisitas Model
Elastisitas model diperlukan untuk mengevaluasi sensitivitas respons, yaitu dengan mengukur persentase perubahan probabilitas pemilihan moda akibat berubahnya persentase pada suatu atribut tertentu didalam fungsi utilitas pada masing-masing model tersebut. Elastisitas model sangat tergantung pada titik yang ditinjau (point elasticity), karena setiap titik pada grafik fungsi probabilitas mempunyai elastisitas yang berbeda. Jadi nilai elastisitas sangat ditentukan oleh nilai atribut yang dipilih. Untuk menyamaratakan kondisi ini, Pendekatan dilakukan dengan menggunakan nilai atribut rata-rata dari masing-masing moda dapat dilihat pada Tabel V.4. berikut ini. Tabel V.4
Nilai Atribut Rata-rata Kereta Api dan Bus Tabel V.5 Tabel V.6 Tabel V.7 Tabel V.8 Tabel V.9 Tabel V.10 Tabel V.11 Tabel V.12 Tabel V.13
Dari nilai probabilitas pemilihan moda kereta api dan nilai probabilitas pemilihan bus, maka diperoleh elastisitas terhadap berbagai atribut kereta api dan bus. Elastisitas langsung probabilitas pemilihan kereta api terhadap atribut kereta api dan elastisitas langsung probabilitas pemilihan bus terhadap atribut bus dihitung dengan menggunakan persamaan 3.9 dan 3.10. Hasil perhitungan diperlihatkan pada Tabel V.5 dan V.6 berikut ini. Tabel V.5
Elastisitas Langsung Probabilitas Pemilihan KA Terhadap Atribut KA Elastisitas Langsung Terhadap Atribut KA E(P, TA) E(P, KP) E(P,WP) E(P,TP) E(P,JK) -3.1311 5.3903 -1.2015 0.5612 -0.1630
84
Tabel V.6
Elastisitas Langsung Probabilitas Pemilihan Bus terhadap Atribut Bus Elastisitas Langsung Terhadap Atribut Bus E(P, TA) E(P, KP) E(P,WP) E(P,TP) E(P,JK) -3.0627 5.5063 -1.4417 0.3408 -0.0713
Evaluasi terhadap nilai elastisitas langsung probabilitas pemilihan KA pada Tabel V.5 menunjukkan nilai elastisitas untuk atribut keamanan penumpang KA = 5,3903 lebih besar dari nilai elastisitas atribut lainnya, maka peluang pemilihan kereta api lebih sensitif terhadap perubahan nilai atribut keamanan dibanding terhadap perubahan variabel lainnya. Artinya bila atribut keamanan penumpang moda kereta api berubah 1% maka perubahan peluang pemilihan kereta api berubah sebesar 5,3903% dari kondisi awal. Variabel yang berpengaruh berikutnya adalah tarif angkutan dengan nilai elastisitas = -3.1311, waktu perjalanan dengan nilai elastisitas = -1.4417, tingkat pelanyanan dengan nilai elastisitas = 0.5612, jadwal kebrangkatan dengan nilai elastisitas = -0.1630 Sebagai contoh: 1. Diketahui tarif angkutan dengan moda KA Rp 75000,- dengan probabilitas pemilihan moda KA adalah 52%. Pada permintaan elastis, e = -3,1311, bila besar atribut tarif angkutan diturunkan 1% menjadi Rp 74250 maka peluang pemilihan moda KA akan meningkat sebesar 1% x 3,1311 = 3,1311% dari kondisi awal (52%) menjadi 55,1311%. 2. Diketahui keamanan penumpang dengan moda KA 75%, probabilitas pemilihan moda KA adalah 52%. Pada permintaan elastisitas, e = 5,3903, bila besar atribut keamanan moda KA ditingkatkan 1% menjadi 76% maka peluang pemilihan moda KA akan meningkat sebesar 1% x 5,3903 = 5,3903% dari kondisi awal (52%) yaitu menjadi 57,3903%. Evaluasi terhadap nilai elastisitas langsung probabilitas pemilihan bus pada Tabel V.6 menunjukkan nilai elastisitas untuk atribut keamanan penumpang dengan moda bus = 5,5063, lebih besar dari nilai elastisitas atribut lainnya, maka peluang pemilihan bus lebih sensitif terhadap perubahan nilai atribut keamanan dibanding terhadap perubahan variabel lainnya. Artinya bila atribut keamanan pada angkutan bus berubah 1% maka perubahan peluang pemilihan angkutan bus berubah
85
sebesar 5,5063% dari kondisi awal. Variabel yang berpengaruh berikutnya adalah tarif angkutan, waktu perjalanan, tingkat pelanyanan, jadwal kebrangkatan.
Elastisitas silang probabilitas pemilihan bus terhadap atribut kereta api dan elastisitas silang probabilitas pemilihan kereta api terhadap atribut bus diperoleh dengan menggunakan persamaan 3.11 dan 3.12. Hasil perhitungan diperlihatkan pada Tabel V.7 dan Tabel V.8 berikut ini. Tabel V.7
Elastisitas Silang Probabilitas Pemilihan KA terhadap Atribut Bus Elastisitas Silang Terhadap Atribut Bus E(P, TA) E(P, KP) E(P,WP) E(P,TP) E(P,JK) 2.8015 -5.0368 1.3188 -0.3118 0.0652
Tabel V.8
Elastisitas Silang Probabilitas Pemilihan Bus terhadap Atribut KA Elastisitas Silang Terhadap Atribut KA E(P, TA) E(P, KP) E(P,WP) E(P,TP) E(P,JK) 3.4230 -5.8927 1.3135 -0.6135 0.1782
Berdasarkan hasil perhitungan elastisitas silang diatas maka dapat diterjemahkan sebagai berikut: a. Atribut keamanan penumpang merupakan atribut yang paling sensitif mempengaruhi pemilihan angkutan penumpang antara kereta api dan bus, hal ini terlihat dari nilai elastisitasnya yang lebih besar dari nilai elastisitas atribut lainnya. b. Dari kelima atribut yang dipertimbangkan, disini terlihat bahwa atribut tarif angkutan, atribut keamanan penumpang dan atribut waktu perjalanan sangat sensitif mempengaruhi pemilihan angkutan penumpang antara kereta api dan bus, hal ini ditunjukan dari nilai elastisitasnya lebih besar dari atribut tingkat pelanyanan, dan atribut jadwal kebrangkatan. c. Untuk atribut dengan nilai elastisitasnya bertanda positif artinya bila terjadi peningkatan terhadap atribut tarif angkutan penumpang dengan moda Bus, maka akan terjadi penurunan pemilihan moda bus dan akan meningkatkan pemilihan terhadap moda kereta api dan berlaku untuk sebaliknya.
86
d. Untuk atribut dengan nilai elastisitasnya bertanda negatif artinya bila terjadi peningkatan terhadap atribut keamanan penumpang dengan menggunakan moda bus, maka akan terjadi peningkatan terhadap pemilihan angkutan moda bus, dan akan menurunkan pemilihan terhadap moda kereta api, ini berlaku untuk keadaan sebaliknya. Hasil perhitungan lengkap dari Elastisitas langsung dan Elastisitas silang dari kedua moda dapat dilihat pada lampiran B.2. V.6
Analisis Sensitivitas Model
Sensivitas model dimaksudkan untuk memahami perubahan nilai probabilitas pemilihan antara kereta api dan bus seandainya dilakukan perubahan nilai atribut tarif angkutan, keamanan penumpang, waktu perjalanan, tingkat pelanyanan, jadwal kebrangkatan, dan lokasi terminal/stasion secara gradual. Untuk menggambarkan sensitifitas ini dilakukan beberapa perubahan atribut-atribut terhadap model pada masing-masing kelompok, yaitu: 1. Tarif angkutan penumpang, ini ditambah atau dikurangi 2. Keamanan penumpang, ini ditambah atau dikurangi 3. Waktu perjalanan, ini deperlambat atau dipercepat 4. Tingkat pelanyanan, ini ditambah atau dikurangi 5. Jadwal kebrangkatan, ini dipercepat atau diperlambat Pada analisis sensitivitas ini dapat dipahami perubahan nilai probabilitas pemilihan kereta api seandainya dilakukan perubahan nilai atributnya secara bertahap. Asumsi yang digunakan adalah perubahan nilai suatu atribut tidak akan mempengaruhi atribut lainnya. Jadi pengaruh balik tidak diperhitungkan. Adapun prosedur perhitungan sensitivitas dilakukan sebagai berikut: 1. Mengurutkan nilai atribut sesuai kelompok perubahan 2. Menetapkan nilai atribut lain dengan menggunakan nilai rata-rata 3. Menentukan nilai utilitas dan probabilitas sesuai dengan perubahan yang dilakukan 4. Menggambarkan grafik hubungan antara probabilitas dan nilai atribut sesuai dengan kelompok perubahan yang dilakukan. Hasil perhitungan sensitivitas model ditampilkan pada Lampiran B.3 s.d. B.7.
87
V.6.1 Sensitivitas Terhadap Atribut Tarif Angkutan
P r o b a b i l i ta s P e m i l i h a n K e r e ta A p i
Sensitivitas Atribut Tarif Angkutan 100% 80% 60% 40% 20% 0% -15000 -10000 -5000
0
5000 10000 15000 20000 25000 30000
Selisih Nilai Atribut Tarif Angkutan (KA-BUS) Dalam Rp. Gambar V.2 Grafik Sensitivitas Terhadap Atribut Tarif Angkutan
Berdasarkan analisis sensitivitas terhadap perubahan atribut tarif angkutan sebagaimana diperlihatkan pada gambar V.2 maka dapat dijelaskan beberapa hal sebagai berikut: 1. Memperhatikan
arah kemiringan garis, maka menunjukan arah
kemiringan negatif, yaitu menyatakan
bahwa semakin besar selisih
perbedaan tarif angkutan akan semakin memperkecil probabilitas memilih kereta api. 2. Dengan hanya memperhatikan perubahan selisih tarif angkutan, potensi
untuk pemilihan moda antara kereta api dan bus, dapat dijelaskan bahwa probabilitas memilih kereta api akan lebih besar dari probabilitas memilih bus bila selisih tarif angkutan antara kereta api dan bus lebih kecil dari Rp. 7500,-
88
V.6.2 Sensitivitas Terhadap Atribut Keamanan Penumpang
Sensitivitas Terhadap Atribut Keamanan Penumpang
P ro b a b ilit a s P e m ilih a n K A
110% 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%
-30
-20
-10
0
10
20
30
40
Selisih Nilai Atribut Keamanan (KA-BUS) Dalam %
Gambar V.3 Grafik Sensitivitas Terhadap Atribut Keamanan Penumpang
Berdasarkan
analisis
sensitivitas
terhadap
perubahan
atribut
keamanan
penumpang sebagaimana diperlihatkan pada gambar V.3 maka dapat dijelaskan beberapa hal sebagai berikut: 1. Arah kemiringan garis menunjukkan arah positif, yaitu menunjukkan bahwa semakin besar selisih atribut keamanan, maka akan semakin meningkatkan probabilitas pemilihan angkutan kereta api. 2. Dengan hanya memperhatikan perubahan selisih atribut keamanan , maka dapat dijelaskan bahwa probabilitas memilih kerete api akan lebih besar dari probabilitas memilih bus, bila selisih atribut keamanan lebih besar dari 5 %.
89
V.6.3 Sensitivitas Terhadap Atribut Waktu Perjalanan
P r o b a b ilita s P e m ilih a n K e r e ta A p i
Sensitivitas Terhadap Atribut Waktu Perjalanan 80% 70% 60% 50% 40% 30% 20% 10% 0% -2.5 -2 -1.5 -1 -0.5
0
0.5
1
1.5
2
2.5
Selisih Nilai Atribut WP (KA-BUS) Dalam Jam Gambar V.4 Grafik Sensitivitas Terhadap Atribut Waktu Perjalanan
Berdasarkan analisis sensitivitas terhadap perubahan atribut waktu perjalanan sebagaimana diperlihatkan pada gambar V.4 maka dapat dijelaskan beberapa hal sebagai berikut: 1. Memperhatikan
arah kemiringan garis, maka menunjukan arah
kemiringan negatif, yaitu menyatakan
bahwa semakin besar selisih
perbedaan waktu perjalanan akan semakin memperkecil probabilitas memilih kereta api. 2. Dengan hanya memperhatikan perubahan selisih waktu perjalanan, potensi untuk pemilihan moda antara kereta api dan bus, dapat dijelaskan bahwa probabilitas memilih kereta api akan lebih besar dari probabilitas memilih bus bila selisih waktu antara kereta api dan bus lebih kecil dari -0.5 jam.
90
V.6.4 Sensitivitas Terhadap Atribut Tingkat Pelanyanan
Sensitivitas Terhadap Atribut Tingkat Pelanyanan P ro b a b ilit a s P e m ilih a n K A
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% -40
-30
-20
-10
0
10
20
30
40
Selisih Nilai Atribut TP (KA-BUS) Dalam % Gambar V.5 Grafik Sensitivitas Terhadap Atribut Tingkat Pelanyanan
Berdasarkan analisis sensitivitas terhadap perubahan atribut tingkat pelanyanan penumpang sebagaimana diperlihatkan pada gambar V.5 maka dapat dijelaskan beberapa hal sebagai berikut: 1. Arah kemiringan garis menunjukkan arah positif, yaitu menunjukkan bahwa semakin besar selisih atribut tingkat pelanyanan, maka akan semakin meningkatkan probabilitas pemilihan angkutan kereta api. 2. Dengan
hanya
memperhatikan
perubahan
selisih
atribut
tingkat
pelanyanan, maka dapat dijelaskan bahwa probabilitas memilih kerete api akan
lebih besar dari probabilitas memilih bus, bila selisih atribut
keamanan lebih besar dari 5 %.
91
V.6.5 Sensitivitas Terhadap Atribut Jadwal Kebrangkatan
Sensitivitas Terhadap Atribut Jadwal Kebrangkatan P r o b a b i l i ta s P e m i l i h a n KA
90% 80% 70% 60% 50% 40% 30% 20% 10% 0% -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 Selisih Nilai Atribut JK (KA-BUS) Dalam Jam
Gambar V.6 Grafik Sensitivitas Terhadap Atribut Jadwal Kebrangkatan
Berdasarkan analisis sensitivitas terhadap perubahan atribut jadwal keberangkatan sebagaimana diperlihatkan pada gambar V.6 maka dapat dijelaskan beberapa hal sebagai berikut: 1. Memperhatikan
arah kemiringan garis, maka menunjukan arah
kemiringan negatif, yaitu menyatakan bahwa semakin besar selisih jadwal kebrangkatan akan semakin memperkecil probabilitas memilih kereta api. 2. Dengan hanya memperhatikan perubahan selisih jadwal kebrangkatan, potensi untuk pemilihan moda antara kereta api dan bus, dapat dijelaskan bahwa probabilitas memilih kereta api akan lebih besar dari probabilitas memilih bus bila selisih jadwal kebrangkatan antara kereta api dan bus lebih kecil dari 2 jam.
V.7
Aplikasi Model
Model pemilihan moda berdasarkan hasil kajian model yang telah dianalisis di atas dilakukan penerapan model tersebut pada daerah kajian yaitu Ruas Rantau Prapat – Dumai. Aplikasi tersebut direncanakan pada pengembangan jaringan
92
jalan dengan dua skenario yaitu dibangunnya jaringan rel dan perbaikan jalan lintas timur Sumatera.
V.7.1 Skenario Pengembangan Jaringan
Secara umum jaringan transportasi di wilayah studi sangat mengandalkan jaringan jalan sebagai pra sarana transportasi yang utama. Selain aksesibilitas/ penetrasi penyediaan jalan yang lebih merata, juga flexibilitas angkutan yang menyebabkan jaringan jalan berkembang secara lebih baik, meskipun di wilayah ini tedapat banyak sungai yang dapat digunakan sebagai jalur transportasi. Jalan Lintas Timur Sumatera khususnya pada Ruas Rantau Prapat – Dumai merupakan urat nadi bagi pergerakan angkutan penumpang dan barang antara Propinsi Sumatera Utara dan Riau. Jalan ini dilalui oleh bus-bus penumpang dan angkutan barang dengan berbagai macam ukuran tonase. Saat tulisan ini dibuat kondisi jaringan jalan lintas tersebut terlihat masih cukup baik. Sesuai data yang Penulis peroleh dari pihak terkait dan juga pengamatan di lapangan (Tabel IV.2) kerusakan jalan Lintas Timur Sumatera tidak lebih dari 10% dari total panjang jalan nasional yang ada di Ruas Rantau Prapat – Dumai tersebut. Di samping itu kondisi fisik jalan-jalan (jalan nasional, jalan propinsi dan jalan kabupaten) yang ada di wilayah studi umumnya masih cukup baik hanya di beberapa daerah kondisi jalan mantap di bawah 50 % dari total panjang jalan yang ada yaitu di Kabupaten Labuhan Batu Propinsi Sumut, Kab. Pelalawan dan Kab. Siak Propinsi Riau. Untuk menyelesaikan masalah transportasi tersebut perlu ada solusi yang baik dan terpadu karena melibatkan banyak stake holder seperti pemerintah daerah setempat, pemerintah pusat, dan sebagainya. Satu diantara solusi moda transportasi yang dapat diterapkan pada Ruas Rantau Prapat – Dumai
yaitu
dengan menggunakan alternatif moda kereta api. Dalam hal ini di wilayah studi diperlukan adanya pengembangan jaringan jalan kereta api dengan kapasitas yang memadai dan reliabilitas pelayanan yang dapat diandalkan. Penelitian ini dilakukan untuk mengetahui sejauh mana tanggapan para konsumen angkutan penumpang dalam hal ini penduduk Sumatera Utara dan Riau terhadap rencana pembangunan jalan rel di Ruas Rantau Prapat – Dumai ini. Berdasarkan
93
hal tersebut kemudian dikembangkan model pemilihan moda angkutan penumpang antara kereta api dan bus dari Rantau Prapat menuju Dumai. Hasil survei wawancara dengan metode stated preference menunjukkan bahwa responden cenderung untuk memilih KA sebagai alternatif moda angkutan penumpang pada Ruas Rantau Prapat – Dumai dimana jika seluruh pilihan dirataratakan didapati 13,91% pasti memilih moda KA, kemudian 29,23% mungkin memilih KA, selanjutnya 22,18% pilihan berimbang/tidak memilih, 22,18% mungkin memilih bus dan 12.50% pasti memilih bus. Perilaku responden yang cenderung untuk memilih moda kereta api sebagai sarana angkutan penumpang pada Ruas Rantau Prapat – Dumai sesuai dengan teori dasar perilaku konsumen, dimana konsumen akan memilih barang atau jasa yang dapat memberikan kepuasan maksimal. Pada hampir semua kondisi pilihan yang ditawarkan, moda kereta api memberikan nilai utilitas yang lebih menguntungkan dari sisi ekonomi dibandingkan dengan moda bus walau pun nilai tersebut masih bersifat hipotesis. Ini menandakan kereta api menjadi jenis moda yang memiliki prospek yang cukup cerah sebagai sarana angkutan pada Ruas Rantau Prapat – Dumai di masa yang akan datang. Disini dapat dilihat pula bahwa survei kuisioner dengan metoda stated preference dapat memberikan ukuran/perkiraan tanggapan responden terhadap jenis moda yang belum ada di wilayah studi. Hasil analisis dengan metode regresi terhadap model yang dikembangkan menunjukkan bahwa faktor keamanan yang diindikasikan dengan atribut keamanan terhadap penumpang (KP) menjadi atribut yang paling signifikan mempengaruhi pemilihan angkutan penumpang yaitu kereta api dan bus pada Ruas Rantau Prapat – Dumai. Berikutnya disusul oleh atribut tarif angkutan (TA), atribut waktu perjalanan (WP), atribut tingkat pelanyanan (TP), dan atribut jadwal keberangkatan (JK). Berdasarkan hal-hal tersebut di atas pada penelitian ini kemudian digunakan dua skenario dalam pengembangan jaringan transportasi angkutan penumpang pada Ruas Rantau Prapat – Dumai yaitu skenario pertama pembangunan jaringan jalan kereta api Rantau Prapat – Dumai dan skenario kedua yaitu perbaikan jalan Lintas Timur Sumatera .
94
Dua skenario ini dibandingkan dengan keadaan saat ini. Khusus untuk skenario perbaikan jalan diasumsikan jaringan jalan rel sudah ada sehingga dapat terlihat peningkatan atau pun penurunan pengguna jasa kereta api bila jalan raya juga dapat berfungsi dengan baik. V.7.2 Hasil Evaluasi Skenario Pengembangan Jaringan
Evaluasi skenario pengembangan jaringan dilakukan berdasarkan beberapa asumsi. Asumsi yang diambil merupakan informasi dari daerah kajian dan pihak terkait dalam analisa ini adalah: •
Pembangunan jalan rel tentunya akan memberikan pilihan bagi para penumpang dalam hal ini penduduk Sumataera Utara dan Riau dalam menggunakan moda angkutan penumpang. Dari hasil survei terlihat apresiasi yang besar diberikan oleh para responden terhadap rencana dibangunnya jaringan rel dari Rantau Prapat menuju Pelabuhan Dumai Riau;
•
Nilai atribut kedua moda yang digunakan pada skenario pembangunan jalan rel sama seperti nilai atribut yang digunakan pada kegiatan survei, dalam hal ini digunakan nilai selisih dari masing-masing atribut. Untuk atribut TA (tarif angkutan) nilai selisih sebesar Rp. 15.000,-, atribut keamanan penumpang (KP) nilai selisih sebesar 10%, atribut waktu perjalanan (WP) nilai selisih sebesar -1 jam, atribut tingkat pelanyanan (TP) nilai selisih sebesar 10%, dan atribut jadwal kebrangkatan (JK) nilai selisih sebesar 4 jam.
•
Perbaikan jalan lintas Timur Sumatera akan mempercepat waktu perjalanan dengan moda bus. Lama perjalanan pada kondisi awal dengan menggunakan bus dengan waktu 6 jam menjadi 5 jam saja, sehingga waktu perjalanan menjadi lebih cepat dengan menggunakan angkutan bus, artinya selisih waktu tempuh antara angkutan kereta api dan bus menjadi 0 jam;
•
Dengan Perbaikan Jalan Lintas Timur Sumatera mengakibatkan tarif angkutan mengalami penyesuaian dengan asumsi kenaikan biaya sebesar Rp 15.000, dari kondisi semula sebesar Rp.60.000,- menjadi Rp.75.000,- sehingga selisih tarif angkutan kereta api dan bus tidak ada (Rp. 0);
•
Perbaikan kondisi jalan juga mempengaruhi peningkatan keamanan di sepanjang jalan tersebut sehingga keamanan penumpang menggunakan bus
95
menjadi bertambah 10%, dari kondisi semula angkutan moda bus dengan tingkat keamanan 65% sehingga menjadi 75%, sehingga selisih atribut keamanan antara kereta api dan bus menjadi tidak ada (0%); •
Dan asumsi untuk atribut lain tidak ada perubahan.
Hasil perhitungan untuk kedua skenario tersebut diperlihatkan pada Tabel V.9. berikut ini. Tabel V.9
Probabilitas Pengguna Angkutan Kereta Api dan Bus Sesuai Skenario yang Dibuat Selisih Nilai Variabel Bebas TA KP WP TP JK
Kondisi Do Nothing Adanya Jaringan KA J KA dan Perbaikan Jalan
(Jam) (%) (Jam) -
Utilitas (KA Bus)
P(KA)
P(BUS)
(Rp) -
(%) -
15000
10
-1
10
4
0.83829 69.81%
30.19%
0
0
0
10
4
0.24763 56.16%
43.84%
-
0.00% 100.00%
Grafik peningkatan pengguna jasa angkutan kereta api dengan dibangunnya rel dan perbaikan jalan lintas timur Sumatera sebagai peningkatan penumpang angkutan bus Rute Rantau Prapat – Dumai diperlihatkan pada Gambar V.7 berikut ini.
P robabilitas P em ilihan M oda
Potensi Pemilihan Angkutan Penumpang Antara KA Dan Bus 100.00%
100.00% 80.00%
69.81% 56.16%
60.00%
43.84%
40.00%
30.19%
20.00% 0.00%
0.00% Do Nothing
Adanya Jaringan KA Kereta Api
J KA dan Perbaikan Jalan
BUS
Gambar V.7 Grafik Pengguna Angkutan Kereta Api dan Bus Sesuai Skenario yang Dibuat Dari Tabel V.9 dan Gambar V.7 di atas dapat dilihat bahwa dengan dibangunnya
jaringan rel pada Ruas Rantau Prapat – Dumai akan menyebabkan beralihnya
96
pengguna moda bus dalam melakukan perjalanan Rantauprapat-Dumai kepada moda kereta api sebesar 69,81%. Sementara jika dilakukan perbaikan jalan lintas timur Sumatera maka adanya peningkatan jalan raya rute Rantauprapat – Dumai maka pengguna moda kereta api menjadi 56,16% akan memilih moda KA dan 43,84% akan memilih bus. Dari hasil perhitungan pada kondisi dimana KA dan BUS sama-sama beroprasi dengan kondisi atribut dari masing-masing moda diperlihatkan pada tabel III.3 diperoleh hasil bahwa: a. Jika Bus hanya menaikan atribut tarif angkutan sebesar Rp.10.000 dari kondisi awal dimana asumsi bahwa jaringan kereta api sudah ada, maka probabilitas pemilihan angkutan bus akan berkurang sebesar -15,49 % b. Jika Bus hanya menaikan atribut keamanan sebesar 10% dari kondisi awal dimana asumsi bahwa jaringan kereta api sudah ada, maka probabilitas pemilihan angkutan bus akan bertambah sebesar 35,32% c. Jika Bus hanya meningkatkan waktu perjalan sebesar 1 jam, dari kondisi awal dimana asumsi bahwa jaringan kereta api sudah ada, maka probabilitas pemilihan angkutan bus akan bertambah sebesar 11,21% d. Jika Bus hanya meningkatkan tingkat pelanyanan sebesar 10% dari kondisi awal dimana asumsi bahwa jaringan kereta api sudah ada, maka probabilitas pemilihan angkutan bus akan bertambah sebesar 24,94% e. Jika KA hanya mempercepat Jadwal kebrangkatan sebesar 2 jam sekali, dari kondisi awal dimana asumsi bahwa jaringan kereta api sudah ada, maka probabilitas pemilihan angkutan Bus akan berkurang sebesar -5,43% Dengan melihat studi asal tujuan transportasi nasional (ATTN) yang dilakukan PT. Telaga Bakti Nusantara pada tahun 2003, untuk kondisi optimis diperkirakan potensi penumpang di wilayah studi yaitu pada ruas Rantauprapat-Duri, pada ruas Duri-Dumai, pada ruas Duri-Rantauprapat dan pada ruas Dumai-Duri, dimana data penumpang diasumsikan hanya meliputi angkutan Darat (BUS dan KA) dan disajikan dalam pertahun, diperlihatkan pada Gambar pada lampiran B.8 dan tabel V.10 berikut:
97
Tabel V.10
Potensi Angkutan Penumpang Skenario yang Dibuat (Kondisi Optimis)
Sumber: Studi asal tujuan transportasi nasional (ATTN) 2001
Hasil perhitungan perkiraan potensi pemilihan angkutan penumpang antara kereta api dan bus pada kondisi optimis pada masing-masing moda sesuai sekenario yang dibuat ditampilkan pada tabel V.11, V.12, V.13, V.14,V.15, dan V.16 berikut ini: Tabel V.11
Potensi Pemilihan Angkutan Penumpang Antara KA dan BUS Pada Ruas Rantauprapat-Duri
Kondisi Do Nothing
Adanya Jaringan KA
Adanya Jaringan KA Dan Perbaikan Jalan Raya
Tahun
Total Penumpang (orang)
P KA (org)
P BUS (org)
2010 2020 2030 2040 2050
305000 573000 1077000 2002000 3796000
0 0 0 0 0
305000 573000 1077000 2002000 3796000
2010 2020 2030 2040 2050
305000 573000 1077000 2002000 3796000
212921 400011 751854 1397596 2649988
92080 172989 325146 604404 1146012
2010 2020
305000 573000
171288 321797
133712 251203
2030 2040 2050
1077000 2002000 3796000
604843 1124323 2131834
472157 877677 1664166
Sumber: Hasil Perhitungan
98
Tabel V.12
Potensi Pemilihan Angkutan Penumpang Anatara KA dan BUS Pada Ruas Duri-Dumai
Kondisi Do Nothing
Adanya Jaringan KA
Adanya Jaringan KA Dan Perbaikan Jalan Raya
Tahun
Total Penumpang (orang)
P KA (org)
P BUS (org)
2010 2020 2030 2040 2050
42000 80000 151000 264000 533000
0 0 0 0 0
42000 80000 151000 264000 53000
2010 2020 2030 2040 2050
42000 80000 151000 264000 533000
29320 55848 105413 184298 372087
12680 24152 45587 79702 160913
2010 2020
42000 80000
23587 44928
18413 35072
2030 2040 2050
151000 264000 533000
84802 148262 299333
66198 115738 233667
Sumber: Hasil Perhitungan Tabel V.13
Potensi Pemilihan Angkutan Penumpang Antara KA dan BUS Pada Ruas Duri-Rantauprapat
Kondisi Do Nothing
Adanya Jaringan KA
Adanya Jaringan KA Dan Perbaikan Jalan Raya
Tahun
Total Penumpang (orang)
P KA (org)
P BUS (org)
2010 2020 2030 2040 2050
397000 746000 1401000 2631000 4939000
0 0 0 0 0
397000 746000 1401000 2631000 4939000
2010 2020 2030 2040 2050
397000 746000 1401000 2631000 4939000
277146 520783 978038 1836701 3447916
119854 225217 422962 794299 1491084
2010 2020
397000 746000
222955 418954
174045 327046
2030 2040 2050
1401000 2631000 4939000
786802 1477570 2773742
614198 1153430 2165258
Sumber: Hasil Perhitungan
99
Tabel V.14
Potensi Pemilihan Angkutan Penumpang Antara KA dan BUS Pada Ruas Dumai-Duri
Kondisi Do Nothing
Adanya Jaringan KA
Adanya Jaringan KA Dan Perbaikan Jalan Raya
Tahun
Total Penumpang (orang)
P KA (org)
P BUS (org)
2010 2020 2030 2040 2050
66000 124000 232800 437100 820500
0 0 0 0 0
66000 124000 232800 437100 820500
2010 2020 2030 2040 2050
66000 124000 232800 437100 820500
46075 86564 162518 305140 572791
19925 37436 70282 131960 247709
2010 2020
66000 124000
37066 69638
28934 54362
2030 2040 2050
232800 437100 820500
130740 245475 460793
102060 191625 359707
Sumber: Hasil Perhitungan Tabel V.15
Potensi Pemilihan Angkutan Penumpang Antara KA dan BUS Pada Ruas Rantauprapat-Dumai
Kondisi Do Nothing
Adanya Jaringan KA
Adanya Jaringan KA Dan Perbaikan Jalan Raya
Tahun
Total Penumpang (orang)
P KA (org)
P BUS (org)
2010 2020 2030 2040 2050
572408 4293060 8013712 11734364 15455016
0 0 0 0 0
572408 4293060 8013712 11734364 15455016
2010 2020 2030 2040 2050
572408 4293060 8013712 11734364 15455016
399598 2996985 5594372 8191760 10789147
172810 1296075 2419340 3542604 4665869
2010 2020
572408 4293060
321464 2410982
250944 1882078
2030 2040 2050
8013712 11734364 15455016
4500501 6590019 8679537
3513211 5144345 6775479
Sumber: Hasil Perhitungan
100
Tabel V.16
Potensi Pemilihan Angkutan Penumpang Antara KA dan BUS Pada Ruas Dumai - Rantauprapat
Ruas Dumai-Rantauprapat
Kondisi Do Nothing
Tahun
Total Penumpang (orang)
P KA (org)
P BUS (org)
2010 2020 2030 2040 2050
827897 6209228 11590558 16971889 22353219
0 0 0 0 0
827897 6209228 11590558 16971889 22353219
Adanya Jaringan KA
2010 2020 2030 2040 2050
827897 6209228 11590558 16971889 22353219
577955 4334662 8091369 11848076 15604782
249942 1874566 3499189 5123813 6748437
Adanya Jaringan K A
2010 2020 2030 2040 2050
827897 6209228 11590558 16971889 22353219
464947 3487102 6509257 9531413 12553568
362950 2722126 5081301 7440476 9799651
Dan Perbaikan Jalan Raya
Sumber: Hasil Perhitungan
Dengan melihat perkiraan potensi angkutan penumpang di masa yang akan datang tersebut, tentunya jika kondisi transportasi seperti saat ini tetap dipertahankan akan menimbulkan dampak yang kurang baik terhadap kondisi jaringan jalan yang ada. Sebagai contoh jika pada tahun 2010 penumpang tetap diangkut dengan bus maka untuk kondisi penumpang optimis, jika diasumsikan 1 bus dapat memuat 50 penumpang dan hari kerja dalam setahun adalah 312 hari, harus disediakan bus sebanyak lebih kurang 56 buah bus perharinya untuk mengangkut penumpang dari Rantau Prapat menuju Dumai. Tentunya bisa dibayangkan Jalan Lintas Sumatera khususnya Ruas Rantau Prapat – Dumai akan dipenuhi oleh bus-bus penumpang. Akan semakin padatlah jalan tersebut dan semakin besar pula peluang kerusakan jalan yang akan terjadi dan berujung pada semakin mahalnya biaya perawatan jalan tersebut. Adanya alternatif moda kereta api untuk mengangkut penumpang dari Rantauprapat menuju Dumai merupakan salah satu solusi yang dapat diterapkan guna menghindari hal-hal negatif di atas menjadi kenyataan. Tentunya hal ini baru dapat terwujud jika ada kebijakan dari seluruh stake holders transportasi di
101
wilayah ini
yang memiliki kemauan untuk mengatasi persoalan
secara
komprehensif dan terpadu. Komprehensif dalam arti setiap permasalahan transportasi harus dilihat dari berbagai sudut pandang stake holders yang terlibat secara langsung maupun tidak langsung terhadap permasalahan tersebut serta diharapkan dapat terselesaikan secara menyeluruh, tidak hanya bersifat kasuistik untuk satu persoalan semata. Permasalahan transportasi yang ada di sepanjang Ruas Rantauprapat – Dumai ini juga harus diselesaikan secara terpadu dalam suatu perencanaan yang matang baik pada tingkat daerah maupun tingkat nasional.