TESIS
ANALISIS KEPEMILIKAN SEPEDA MOTOR PADA RUMAH TANGGA DI KABUPATEN BULELENG MENGGUNAKAN MODEL REGRESI LOGISTIK
SUS LIRIS WORO
PROGRAM PASCASARJANA UNIVERSITAS UDAYANA DENPASAR 2011 TESIS 1
2
ANALISIS KEPEMILIKAN SEPEDA MOTOR PADA RUMAH TANGGA DI KABUPATEN BULELENG MENGGUNAKAN MODEL REGRESI LOGISTIK
SUS LIRIS WORO NIM 0791561048
PROGRAM MAGISTER PROGRAM STUDI TEKNIK SIPIL PROGRAM PASCASARJANA UNIVERSITAS UDAYANA DENPASAR 2011
3
ANALISIS KEPEMILIKAN SEPEDA MOTOR PADA RUMAH TANGGA DI KABUPATEN BULELENG MENGGUNAKAN MODEL REGRESI LOGISTIK
Tesis untuk Memperoleh Gelar Magister Pada Program Magister, Program Studi Teknik Sipil Program Pasca Sarjana Universitas Udayana
SUS LIRIS WORO NIM 0791561048
PROGRAM MAGISTER PROGRAM STUDI TEKNIK SIPIL PROGRAM PASCASARJANA UNIVERSITAS UDAYANA DENPASAR 2011 ii
4
Lembar Pengesahan TESIS INI TELAH DISETUJUI TANGGAL, 19 AGUSTUS 2011
Pembimbing I,
I Putu Alit Suthanaya, ST., MengSc., Ph.D. NIP. 19690805 199503 1 001
Pembimbing II,
Dewa Made Priyantha W, ST., MT., MSc. Ph.D. NIP. 19700303 199702 1 005
Mengetahui
Ketua Program Studi Magister Teknik Sipil Program Pascasarjana Universitas Udayana,
Prof. Dr. Ir. I Made Alit Karyawan Salain, DEA. NIP. 19620404 199103 1 002
Direktur Program Pascasarjana Universitas Udayana,
Prof. Dr. dr. A. A. Raka Sudewi, Sp.S (K). NIP. 19590215 198510 2 001
iii
5
Lembar Penetapan Panitia Penguji Tesis
Tesis Ini Telah Diuji Pada Tanggal 19 Agustus 2011
Panitia Penguji Tesis Berdasarkan Surat Keputusan Rektor Universitas Udayana, No: 1457/UN.14.4HK/2011
Ketua : I. P Alit Suthanaya, ST.,MEngSc.,Ph.D Anggota : 1. D.M Priyantha W,ST.,MT.,MSc.,Ph.D. 2. Ir. I Gusti Putu Suparsa, MT 3. Ir. I Nyoman Arya Thanaya ,ME, Ph.D 4. Ir. I Made Sukada Wenten, MT
iv
6
SURAT PERNYATAAN
Yang bertanda tangan dibawah ini: Nama
: Sus Liris Woro
NIM
: 0791561048
Tempat dan Tanggal Lahir
: Solo, 07 Maret 1976
Alamat
: Perum Graha Asri Persada, Jl Merdeka Blok C/17 Pesiapan - Tabanan
Telepon rumah/HP
: (0361) 8945606, Hp. 081805417677
Menyatakan dengan sebenarnya bahwa saya tidak menjiplak setengah atau sepenuhnya tesis orang lain. Demikian pernyataan ini saya buat dengan sebenarnya untuk dapat dipergunakan sebagaimana mestinya dan apabila dikemudian hari ternyata tidak benar, maka saya bersedia dituntut sesuai dengan peraturan perundangan yang berlaku.
Denpasar, Agustus 2011 Hormat saya,
Sus Liris Woro
NIM. 0791561048
v
7
UCAPAN TERIMA KASIH Puji Syukur penulis ucapkan kehadapan Tuhan Yang Maha Esa atas segala berkat dan rahmatNya, penulis dapat menyelesaikan Tesis yang berjudul “Analisis Kepemilikan Sepeda Motor Pada Rumah Tangga Di Kabupaten Buleleng Menggunakan Model Regresi Logistik”. Penyusunan Tesis ini bertujuan untuk memenuhi salah satu persyaratan bagi mahasiswa untuk menyelesaikan studi strata dua Program Studi Magister Teknik Sipil Fakultas Udayana Denpasar. Pada kesempatan ini pula perkenankan penulis mengucapkan terima kasih kepada Bapak I Putu Alit Suthanaya, ST., MEngSc., Ph.D selaku Dosen Pembimbing I dan Bapak Dewa Made Priyantha Wedagama, ST., MT., MSc., PhD selaku Dosen Pembimbing II, yang penuh dengan kesabaran membimbing, memberi saran, serta arahan yang baik kepada penulis. Ucapan terima kasih juga ditujukan kepada Ketua Program Studi Teknik Sipil Program Pascasarjana Universitas Udayana Bapak Prof. Dr. Ir. I Made Alit Karyawan Salain, DEA atas dukungan yang diberikan kepada penulis untuk mengikuti pendidikan Program Pascasarjana Universitas Udayana. Akhirnya penulis sampaikan terima kasih kepada seluruh anggota keluarga terutama kepada orangtua terkasih, suami dan anak tercinta serta rekan-rekan yang selalu memberi semangat dan dorongan kepada penulis dalam mengikuti pendidikan pada Program Pascasarjana Universitas Udayana.
Denpasar, Agustus 2011 Penulis
vi
8
ABSTRAK ANALISIS KEPEMILIKAN SEPEDA MOTOR PADA RUMAH TANGGA DI KABUPATEN BULELENG MENGGUNAKAN MODEL REGRESI LOGISTIK Peningkatan jumlah penduduk yang disertai pertumbuhan perekonomian di Kabupaten Buleleng telah mendorong tingkat kepemilikan kendaraan bermotor dari tahun ke tahunnya meningkat. Hal ini tentunya akan memberi pengaruh pada kondisi lalu lintas yang ada. Maka tujuan yang ingin dicapai dalam penelitian ini adalah : untuk menganalisis karakteristik sosial-ekonomi dan demografi rumah tangga di Kabupaten Buleleng dan menganalis model kepemilikan sepeda motor pada rumah tangga dengan faktor-faktor yang mempengaruhinya. Analisis dilakukan terhadap data primer yang diperoleh dengan melakukan Home Interview Survai, sehingga dilakukan analisis: jumlah anggota keluarga, total pendapatan keluarga, biaya transportasi, total jumlah sepeda motor yang dimiliki dalam rumah tangga, jarak perjalanan perhari yang ditempuh oleh semua anggota keluarga, dan total waktu perjalanan . Data lain yakni data sekunder yang didapat dari Badan Pusat Statistik serta dari literatur lainya. Selanjutnya data ini dianalisis dengan menggunakan model regresi logistik dan perangkat lunak SPSS versi 15. Hasil dari penelitian kepemilikan sepeda motor pada rumah tangga di Kabupaten Buleleng adalah dari sisi sosial-ekonomi dan demografi penduduk Prosentase tertinggi pendapatan adalah keluarga antara Rp. 1.000.000,-sampai dengan Rp. 4.000.000,- sebesar 89% , sedangkan yang berpenghasilan diatas Rp. 4.000.000,- sebesar 11%. Kepemilikan 1 unit sepeda motor mempunyai prosentase tertinggi yaitu 57%, kepemilikan lebih dari 2 unit sepeda motor adalah 20%, berimbang dengan masyarakat yang tidak memiliki sepeda motor (0 unit) yaitu 23%. Adapun bentuk model pemilihan mode dari kepemilikan sepeda motor di Kabupaten Buleleng adalah:
p 0,601-0,602*keluarga(1)-1,585*pendapatan(1)-0,295*jarak(1) ln 1 p
+
0,137*jarak(2)-1,037*btransport(1)-0,176*btransport(2) Untuk probabilitas dari masing-masing faktor yang berpengaruh terhadap kepemilikan sepeda motor di Kabupaten Buleleng pada tingkat 5% atau dengan kepercayaan 95% adalah jumlah anggota keluarga 3-4 orang dibandingkan dengan anggota keluarga 4 orang, lebih kecil 45,2 % (0,548-1), pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta dibandingkan keluarga dengan pendapatan Rp 4 juta rupiah per bulan, lebih kecil 79.5% (0,205-1) dan biaya transportasi kurang dari Rp. 100 ribu per bulan dibandingkan keluarga dengan biaya transportasi per bulannya > Rp. 300 ribu lebih kecil 64,6% (0,3541). Kata Kunci: Kepemilikan sepeda motor, regresi logistik, Kabupaten Buleleng
vii
9
ABSTRACT ANALYSIS OF MOTORCYCLE OWNERSHIP IN HOUSEHOLD IN DISTRICT BULELENG USING LOGISTIC REGRESSION MODEL Increasing population accompanied economic growth in Buleleng has pushed the level of vehicle ownership increased from year to year. This will certainly make an impact on existing traffic conditions. Then the objectives to be achieved in this study were: to analyze the socio-economic characteristics and household demographics in Buleleng and analyze models of motorcycle ownership in households with the factors that influence it. The analysis performed on primary data obtained by performing Home Interview Survey, so do the analysis: the number of family members, total family income, transportation costs, the total number of motorcycles owned in the household, per day travel distance traveled by all family members, and the total travel time. Other data that is secondary data obtained from the Central Bureau of Statistics as well as from other literature further more, these data were analyzed using logistic regression models and the software SPSS version 15. Results of research on the motorcycle ownership households in Buleleng district is from the socio-economic and demographic population of the highest percentage of family income is between Rp. 1,000,000,-up to Rp. 4.000.000, - by 89%, while income above Rp. 4.000.000, - by 11%. Ownership of a motorcycle unit has the highest percentage of 57%, ownership of more than 2 units of motorcycles is 20%, balanced with people who do not have a bike (0 units), namely 23%. The shape of mode selection model of motorcycle ownership in Buleleng district are:
p 0.601-0.602*Family(1)-1.585*income(1)-0.295*distance(1) + ln 1 p 0.137*distance(2)-1.037*btransport(1)-0.176*btransport(2) For the probability of each of the factors that affect motorcycle ownership in the District of Buleleng at the 5% or with 95% confidence is the number of family members compared with 3-4 people 4 people family members, 45.2% smaller (0.548-1 ), household income per month Rp. 1,000,000,-up to Rp. 4.000.000 compared to families with income of Rp. 4.000.000 per month, 79.5% smaller (0.205-1) and transportation costs are less than Rp. 100 thousand per month compared to families with transportation costs per month > Rp. 300 thousand smaller 64.6% (from0.354-1). Keywords:
motorcycles
ownership,
viii
logistic
regression
,Buleleng
10
DAFTAR ISI Halaman HALAMAN SAMPUL DALAM ............................................................................ i PRASYARAT GELAR ........................................................................................... ii LEMBAR PERSETUJUAN .................................................................................... iii LEMBAR PENETAPAN PANITIA PENGUJI ..................................................... iv SURAT PERNYATAAN ........................................................................................ v UCAPAN TERIMA KASIH ................................................................................... vi ABSTRAK ............................................................................................................... vii ABSTRACT ............................................................................................................ viii DAFTAR ISI ............................................................................................................ ix DAFTAR TABEL .................................................................................................... xii DAFTAR GAMBAR ............................................................................................... xiii DAFTAR NOTASI .................................................................................................. xiv DAFTAR ISTILAH ................................................................................................. xv BAB I
BAB II
PENDAHULUAN 1.1
Latar Belakang............................................................................... ...1
1.2
Rumusan Masalah ......................................................................... ...4
1.3
Tujuan Penelitian........................................................................... ...4
1.4
Manfaat Penelitian......................................................................... ...5
1.5
Batasan Masalah............................................................................ ...6
TINJAUAN PUSTAKA 2.1
Pengertian Transportasi ................................................................. ...7
2.2
Pengertian Kendaraan.................................................................... ...8 2.2.1 Definisi Moda....................................................................... ...8 2.2.2 Pemodelan Transportasi ....................................................... ...9 2.2.3 Kepemilikan Kendaraan Bermotor di Indonesia. ................. .10
2.3
Konsep Rumah Tangga dan Keluarga ........................................... .12 2.3.1 Definisi Rumah Tangga dan Keluarga ................................. .12 2.3.2 Bentuk-bentuk Keluarga....................................................... .13
2.4
Pengertian Regresi......................................................................... .15
2.5
Regresi Logistik ............................................................................ .16 2.5.1 Desain dan Analisis Variabel Dummy ................................. .19 2.5.2 Bentuk Umum Regresi Logistik ........................................... .22 2.5.3 Maksimum Likelihood untuk Penentuan Parameter Model Logistik .................................................... .25
ix
11
2.5.4 Uji Kelayakan Model (Goodness of Fit) .............................. .27 2.5.5 Pengertian Kalibrasi dan Validasi ........................................ .29 2.5.6 Ratio Odds dan Probabilitas ................................................. .30 2.6 BAB III
Penggunaan Perangkat Lunak SPSS version 15............................. .32
METODE PENELITIAN 3.1
Tahapan Penelitian ........................................................................ .34 3.1.1 Survai Pendahuluan .............................................................. .36 3.1.2 Kompilasi Data .................................................................... .37
3.2
Lokasi dan Waktu Penelitian......................................................... .37
3.3
Desain Kuisioner ........................................................................... .42
3.4
Desain Sampel ............................................................................... .43
3.5
Penentuan Sampel ......................................................................... .45
3.6
Teknik Pengambilan Sampel ......................................................... .48
3.7
Cara Pelaksanaan Survai ............................................................... .49 3.7.1 Data Primer.......................................................................... .50 3.7.2 Data Sekunder ...................................................................... .51
3.8
Pengolahan Data............................................................................ .51
3.9
Jumlah Sampel Home Interview Survai ........................................ .52
3.10 Tabulasi Data................................................................................. .54 3.11 Pendefinisian Variabel Dummy..................................................... .54 BAB IV
DESKRIPSI DATA 4.1
Gambaran Umum Penduduk Kabupaten Buleleng........................ .59 4.1.1 Laju Pertumbuhan Penduduk .............................................. .59 4.1.2 Jumlah Penduduk per Kecamatan........................................ .60 4.1.3 Ratio Jenis Kelamin Penduduk............................................. .62
4.2 BAB V
BAB VI
Analisis Sosial-Ekonomi Rumah Tangga...................................... .63
PEMODELAN DAN ANALISIS OUTPUT MODEL 5.1
Pemilihan Variabel Model............................................................. .69
5.2
Kalibrasi Model ............................................................................ .72
5.3
Validasi Model .............................................................................. .76
SIMPULAN DAN SARAN 6.1
Simpulan Untuk Kepemilikan Sepeda Motor................................ .80 6.1.1 Karakteristik Sosial-Ekonomi dan Demografi ..................... .80 6.1.2 Model Kepemilikan Sepeda Motor....................................... .81 6.1.3 Probabilitas Kepemilikan Sepeda Motor.............................. .82
6.2
Saran
.......................................................................................... .83
x
12
DAFTAR PUSTAKA
.......................................................................................... .84
LAMPIRAN Lampiran A : Gambar Peta Pulau Bali dan Peta Lokasi survai .............................. 86 Lampiran B.1 : Jumlah Sampel dan Kompilasi Data.................................................. 88 Lampiran B.2 : Data Hasil Survai Lapangan Home Interview ................................... 92 Lampiran B.3 : Pengkodean Variabel Dummy........................................................... 140 Lampiran C : Output Data SPSS 15.0 for Windows................................................... 191 Lampiran D : Formulir Survai .................................................................................... 197
xi
13
DAFTAR TABEL
Halaman Tabel 2.1 Uji Hipotesis Hipotesis Klasifikasi Pekerjaan Responden ...................... 22 Tabel 2.2 Ilustrasi Uji Statistik Hosmer and Lemeshow ......................................... 29 Tabel 3.1 Pembagian Zona di Kabupaten Buleleng................................................ 38 Tabel 3.2 Data Yang Dikumpulkan dari Responden ............................................... 51 Tabel 3.3 Ukuran Sampel Minimum Yang Di Sarankan ......................................... 52 Tabel 3.4 Pengkodean Variabel Dummy ................................................................. 56 Tabel 4.1 Pertumbuhan Penduduk Kabupaten Buleleng ......................................... 60 Tabel 4.2 Jumlah KK dan Jiwa di Kabupaten Buleleng .......................................... 61 Tabel 4.3 Jumlah Penduduk per Kecamatan menurut Jenis Kelamin...................... 62 Tabel 4.4 Jumlah Anggota Keluarga di Daerah Studi ............................................. 64 Tabel 4.5 Jumlah Pelajar di tiap Keluarga pada Area Studi .................................... 65 Tabel 4.6 Kepemilikan Sepeda Motor ..................................................................... 67 Tabel 5.1 Reduksi Variabel Dummy ....................................................................... 71 Tabel 5.2 Variabel Bebas yang Signifikan .............................................................. 72 Table 5.3 Signifikansi Model................................................................................... 76 Table 5.4 Koefisien Determinasi Model .................................................................. 77 Tabel 5.5 Uji Hosmer-Lemeshow............................................................................ 78 Tabel 5.6 Akurasi Proporsi Data dan Model ........................................................... 78
xii
14
DAFTAR GAMBAR
Halaman Gambar 2.1 Grafik Regresi Logistik........................................................................ 17 Gambar 2.2 Grafik Regresi Linier ........................................................................... 19 Gambar 3.1 Diagram Alir Tahapan Penelitian ........................................................ 35 Gambar 4.1 Diagram Penduduk di Kabupaten Buleleng......................................... 61 Gambar 4.2 Diagram Penduduk Laki-laki dan Perempuan ..................................... 63 Gambar 4.3 Diagram Prosentase Anggota Keluarga pada Area Studi..................... 64 Gambar 4.4 Diagram Prosentase Pelajar ................................................................. 65 Gambar 4.5 Diagram Prosentase Pendapatan .......................................................... 66 Gambar 4.6 Diagram Prosentase Kepemilikan Sepeda Motor ................................ 67 Gambar A: Gambar Peta Pulau Bali dan Peta Lokasi survai ................................. 86 Gambar A: Peta Lokasi Survai Kabupaten Buleleng............................................. 87
xiii
15
DAFTAR NOTASI
Ln(p/(1-p)) X1......k B0,1....k S Se Se(x) n p z Ĉ Ok Ek Vk Y X1,...n
= = = = = = = = = = = = = = =
Proses kalibrasi rumus probabilitas yang bersifat non linier ke linier Variabel bebas Koefisien regresi/parameter model Standar deviasi sampel Acceptable Sampling Error Acceptable Sampling Error Jumlah sampel Proporsi sampel berdasarkan jumlah Nilai variabel standar normal Uji Hosmer-Lemeshow (H-L test) Nilai Observasi Nilai Ekspektasi Faktor koreksi variansi Probabilitas kepemilikan sepeda motor Variabel bebas
xiv
16
DAFTAR ISTILAH
Tabulasi Data Data Primer Data Sekunder Editing
Koding Reduksi Variabel
Kalibrasi Validasi Regresi Analisis Regresi
Regresi Logistik
Variabel
Variabel dummy
Multikolinieritas
Odds
Sampel
: mengorganisasikan data yang telah di edit dan di beri kode. : data dari hasil survai wawancara rumah tangga (home interview) : data yang didapatkan dari kantor Pemerintahan (Badan Pusat Statistik dan Kelurahan) : merupakan kegiatan peninjauan terhadap data yang telah dikumpulkan melalui survai dan melakukan perbaikan atau melengkapi data. : merupakan kegiatan pemberian kode data yang dikumpulkan sesuai metode regresi logistik yang digunakan dalam análisis : menyeleksi variabel yang akan diikutsertakan di dalam model dengan tujuan untuk menguji signifikasi dari klasifikasi setiap variabel. : proses perhitungan untuk menentukan nilai parameter (konstanta dan koefisien) dari suatu model. : ketepatan dan kecermatan dari suatu alat ukur dalam mengukur data. : salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. : studi dalam menjelaskan dan mengevaluasi hubungan antara suatu peubah bebas (independent variable) dengan satu peubah tak bebas (dependent variable) dengan tujuan untuk mengestimasi dan atau meramalkan nilai peubah tak bebas didasarkan pada nilai peubah bebas yang diketahui : bagian dari analisis regresi yang digunakan ketika variabel dependen (respon) merupakan variabel dikotomi (terdiri dari dua nilai yang mewakili kemunculan atau tidaknya suatu kejadian yang biasanya diberi angka 0 atau 1). : atribut seseorang atau obyek yang mempunyai variasi antara satu orang dengan orang lainnya atau dari suatu obyek dengan obyek lainnya. : variabel simbol (variabel boneka), merupakan variabel buatan yang dinyatakan dalam bentuk kode yang biasanya digunakan untuk mengkuantifikasikan data kualitatif. : korelasi antar variabel bebas. Pengujian ini diperlukan untuk mengetahui ada atau tidaknya kemiripan antar variabel bebas dalam suatu model. : peluang atau probabilitas atau kemungkinan. Odds suatu kejadian digambarkan sebagai peluang dari suatu peristiwa yang terjadi dibagi oleh peluang dari kejadian yang tidak terjadi. : sekumpulan unit yang merupakan bagian dari suatu populasi yang dipilih untuk mewakili keseluruhan populasi.
xv
BAB I PENDAHULUAN
1.1
Latar Belakang Kabupaten Buleleng terletak di belahan utara Pulau Bali memanjang dari
barat ke timur dan mempunyai pantai sepanjang 144 Km, secara geografis terletak pada posisi 8o03'40'' – 8o23'00'' lintang selatan dan 114o25'55'' – 115o27'28'' bujur timur. Luas Kabupaten Buleleng secara keseluruhan 1.365,88 Km2 atau 24,25 % dari luas Propinsi Bali yaitu hampir 1/3 luas Pulau Bali (1365,88 hektar). Kabupaten Buleleng yang meliputi area 1.370 km2 terbagi atas 9 kecamatan yaitu Kecamatan Tejakula, Kubutambahan, Sawan, Buleleng, Sukasada, Banjar, Busungbiu, Seririt dan Gerokgak Sampai dengan tahun 2009, di Kabupaten Buleleng telah didukung dengan sarana perhubungan darat berupa jalan raya sepanjang 1.139,88 km dengan rincian Jalan Nasional 155,75 km, Jalan Propinsi 105,88 km, Jalan Kabupaten 878,19 km disamping perhubungan darat Kabupaten Buleleng juga memiliki perhubungan laut berupa Dermaga Pelabuhan Celukan Bawang di Kecamatan Gerokgak, Pelabuhan Tradisional Sangsit di Kecamatan Sawan, khusus untuk bongkar muat barang. Diantara Kabupaten di Bali kecuali Kabupaten Badung, Buleleng juga telah dilengkapi dengan sarana perhubungan udara berupa Air Strip Letkol Wisnu di Desa Sumberkima Kecamatan Gerokgak yang diharapkan dapat memperlancar aksesibilitas ke daerah Buleleng. Peningkatan jumlah penduduk yang disertai pertumbuhan perekonomian di Kabupaten Buleleng telah mendorong tingkat kepemilikan kendaraan bermotor 1
2
dari tahun ke tahunnya meningkat. Pertumbuhan kendaraan sebesar 16,72 % (BPS, 2009) tentunya akan memberi pengaruh pada kondisi lalu lintas yang ada. Melihat kondisi tersebut diperkirakan akan terjadi peningkatan permintaan (demand) pada kebutuhan transportasi pada tahun mendatang. Peningkatan permintaan tersebut jika tidak dikuti ketersediaan sarana dan prasarana (supply) yang memadai akan menimbulkan permasalahan di bidang transportasi itu sendiri pada akhirnya. Penyediaan prasarana transportasi pada titik tertentu seperti pembuatan jalan baru, bukan merupakan pemecahan masalah yang tepat karena akan memicu bangkitan perjalanan baru, sehingga dibutuhkan sistem perencanaan transportasi
yang
baik
yang
memadukan
antara
efisiensi
transportasi,
pertumbuhan ekonomi dan kelestarian sumber daya. Perencanaan transportasi pada dasarnya adalah memperkirakan kebutuhan transportasi dimasa datang yang harus dikaitkan dengan masalah ekonomi, sosial dan lingkungan. Transportasi harus
memberikan
keuntungan
maksimum
kepada
masayarakat
dengan
meminimumkan penggunaan waktu dan biaya. Jika tingkat pelayanan angkutan umum rendah maka minat masyarakat untuk menggunakan kendaraan pribadi jauh lebih tinggi. Selain karena rendahnya tingkat pelayanan angkutan umum banyak produsen angkutan pribadi khususnya sepeda motor memberikan promosi gencar untuk meningkatkan penjualan misalnya dengan memberikan bonus, rendahnya bunga kredit, serta jangka waktu kredit yang panjang, sehingga membuat masyarakat menjadi tergiur untuk memiliki kendaraan pribadi. Di Indonesia sendiri menurut laporan Bank Dunia tahun 2005, kepemilikan mobil kurang lebih 16% sedangkan sepeda motor 80% (Hsu dan Lin, 2007).
3
Secara umum kepemilikan dan penggunaan sepeda motor terkait dengan tingkat pertumbuhan ekonomi suatu negara atau wilayah regional. Sebagai contoh di Jepang yang mempunyai tingkat pendapatan tinggi, akhir-akhir ini kepemilikan dan penggunaan sepeda motor cenderung berkurang sekitar 20% hal ini disebabkan karena dinegara Jepang yang sangat maju akan sistem transportasinya dapat memberikan kenyamanan terhadap masyarakat dalam efisiensi waktu dan biaya. Sedangkan di negara yang berpenghasilan lebih rendah seperti di Indonesia, kepemilikan dan penggunaan sepeda motor cenderung tinggi (Hsu dan Lin, 2007). Persoalan yang timbul dengan tingginya kepemilikan kendaraan bermotor khususnya sepeda motor adalah kepadatan lalu lintas campuran (mixed traffic) yang tinggi dan dapat beresiko kepada aspek keselamatan lalu lintas atau tingginya resiko terjadinya kecelakaan lalu lintas (Hsu et al, 2007 dan Leong Sadullah, 2007). Untuk itu diperlukan adanya analisis mengenai faktor-faktor yang mempengaruhi kepemilikan sepeda motor pada rumah tangga (household). Hal-hal tersebut diperlukan dalam rangka pemahaman perilaku kepemilikan kendaraan bermotor pada rumah tangga. Berdasarkan uraian diatas maka dalam tesis ini dilakukan studi mengenai analisis kepemilikan sepeda motor pada rumah tangga di Kabupaten Buleleng. Tujuan dari penelitian ini salah satunya yaitu untuk membuat model dan menganalisis kepemilikan sepeda motor di Kabupaten Buleleng dan faktor-faktor yang mempengaruhinya. Dari penelitian ini diharapkan di masa mendatang dapat digunakan sebagai input atau masukan bagi studi lanjutan analisis sepeda motor
4
serta masukan bagi analisis penataan kembali angkutan umum di Kabupaten Buleleng.
1.2
Rumusan Masalah Memahami permasalahan yang tertuang pada latar belakang, maka untuk
itu dalam penelitian ini dilakukan kajian yang lebih mendetail terhadap : 1. Bagaimanakah karakteristik sosial ekonomi dan demografi penduduk di Kabupaten Buleleng ? 2. Bagaimanakah model kepemilikan sepeda motor pada rumah tangga, dan faktor-faktor apa saja yang berpengaruh terhadap kepemilikan sepeda motor pada suatu rumah tangga? 3. Bagaimanakah probabilitas dari masing-masing faktor yang berpengaruh terhadap kepemilikan sepeda motor pada rumah tangga?
1.3
Tujuan Penulisan Dari rumusan masalah yang ada maka tujuan yang ungin dicapai dalam
penelitian ini adalah : 1. Menganalisis karakteristik sosial-ekonomi dan demografi rumah tangga di Kabupaten Buleleng. 2. Menyusun model kepemilikan sepeda motor pada rumah tangga dengan faktor-faktor yang mempengaruhinya serta menganalisis faktor-faktor yang berpengaruh terhadap kepemilikan sepeda motor pada rumah tangga.
5
3. Menganalisis probabilitas dari masing-masing faktor yang berpengaruh terhadap kepemilikan sepeda motor pada rumah tangga.
1.4
Manfaat Penelitian Hasil penelitian ini diharapkan dapat bermanfaat secara akademik dan
bermanfaat pula secara praktis bagi pemecahan permasalahan di masyarakat. Dalam kajian ini hasil yang diperoleh terutama ditunjukan bagi pihak terkait antara lain: 1. Bagi pemerintah, hasil penelitian ini diharapkan dapat memberikan kontribusi pemikiran dalam usaha pengelolaan dan regulasi di bidang manajemen lalu lintas khususnya yang berkaitan dengan kendaraan pribadi yaitu sepeda motor. 2. Bagi mahasiswa, penelitian ini memiliki manfaat untuk memberikan kesempatan dalam penerapan teori-teori yang diperoleh pada bangku perkuliahan dalam rangka menambah pengalaman, pengetahuan dan wawasan di bidang analisis kepemilikan sepeda motor . 3.
Bagi Perguruan Tinggi, penelitian ini diharapkan dapat memperkaya khasanah penelitian di bidang transportasi.
4.
Bagi Peneliti, manfaat model ini untuk memprediksi peningkatan kepemilikan sepeda motor di tahun yang akan datang.
6
1.5
Batasan Masalah Mengingat luasnya cakupan permasalahan yang berhubungan dengan
Usulan Penelitian ini, maka batasan permasalahan dalam penelitian ini adalah sebagai berikut: 1.
Data variabel bebas yang diperhitungkan dalam studi ini meliputi data sosial ekonomi (pendapatan per bulan, jarak rata-rata yang ditempuh per hari, pengeluaran biaya transportasi per bulan, waktu perjalanan) dan data demografi (jumlah anggota keluarga, jumlah anggota keluarga yang bekerja, jumlah anggota keluarga yang sekolah)
2.
Metode analisis yang digunakan untuk menentukan model hubungan antara variabel bebas dan tidak bebas dalam penelitian ini adalah dengan pendekatan statistik yaitu dengan regresi logistik, karena variabel tidak bebas di dalam penelitian ini berupa kategori (memiliki dan tidak memiliki) yang bersifat biner (binary) (Washington et al, 2003).
3.
Wilayah Kabupaten Buleleng dibagi atas 27 zona.
4.
Jumlah sampel rumah tangga diambil dari populasi rumah tangga di Kabupaten Buleleng.
7
BAB II TINJAUAN PUSTAKA
2.1
Pengertian Transportasi Pengertian transportasi merupakan gabungan dari dua defenisi, yaitu
sistem dan transportasi. Sistem adalah suatu bentuk keterikatan dan keterkaitan antara satu variabel dengan variabel lain dalam tatanan yang terstruktur, sedangkan transportasi adalah suatu usaha untuk memindahkan, menggerakkan, mengangkut atau mengalihkan orang ataupun barang dari suatu tempat ke tempat lain, dimana di tempat lain objek tersebut lebih berguna atau dapat berguna untuk tujuan-tujuan tertentu. Maka, dari kedua pengertian di atas dapat disimpulkan bahwa, sistem transportasi adalah suatu bentuk keterikatan dan keterkaitan antara berbagai variabel dalam suatu kegiatan atau usaha untuk memindahkan, menggerakkan, mengangkut, atau mengalihkan orang atau barang dari satu tempat ke tempat lain secara terstruktur. Dalam ilmu transportasi, alat pendukung proses perpindahan diistilahkan dengan sistem transportasi mencakup berbagai unsur (subsistem) berupa ruang untuk bergerak (jalan), tempat awal / akhir pergerakan (terminal), yang bergerak (alat angkut/kenderaan dalam bentuk apapun), pengelolaan (yang mengkoordinasi ketiga unsur sebelumnya). Berfungsinya alat pendukung proses perpindahan ini sesuai dengan yang diinginkan, tidaklah terlepas dari kehadiran subsistem tersebut di atas secara serentak. Masing-masing unsur itu tidak bisa hadir beroperasi sendiri-sendiri, 7
8
kesemuanya harus terintegrasi secara serentak. Seandainya ada salah satu saja komponen yang tidak hadir, maka alat pendukung proses perpindahan (sistem transportasi) tidak dapat bekerja dan berfungsi.
2.2
Pengertian Kendaraan
Kendaraan bermotor adalah kendaraan yang digerakkan oleh peralatan teknik untuk pergerakkannya, dan digunakan untuk transportasi darat. Umumnya kendaraan bermotor menggunakan mesin pembakaran dalam, namun mesin listrik dan mesin lainnya juga dapat digunakan. Kendaraan bermotor memiliki roda, dan biasanya berjalan diatas jalanan. (http://id.wikipedia.org/wiki/kendaraan_bermotor,2011). Menurut Undang Undang No.22 tahun 2009, yang disebut kendaraan adalah suatu sarana angkut di jalan yang terdiri atas Kendaraan Bermotor dan Kendaraan Tidak Bermotor. Kendaraan Bermotor adalah setiap Kendaraan yang digerakkan oleh peralatan mekanik berupa mesin selain Kendaraan yang berjalan di atas rel sedangkan, Kendaraan Tidak Bermotor adalah setiap Kendaraan yang digerakkan oleh tenaga manusia dan/atau hewan.
2.2.1 Definisi Moda Definisi dari moda adalah jenis-jenis sarana transportasi yang tersedia untuk melakukan perjalanan. Pemakai jalan adalah semua bentuk moda angkutan, baik yang berupa kendaraan bermotor seperti: mobil, mikrolet, bis, truk, truk
9
gandengan, semi trailer dan trailer maupun tidak bermotor seperti: kereta dorong, dokar, sepeda, becak serta termasuk para pejalan kaki yang sedang menggunakan jalan (Ofyar Z.Tamin, 2000). 2.2.2 Pemodelan Transportasi Dalam perencanaan transportasi dikenal ada 4 (empat) langkah pembuatan model, antara lain: a. Bangkitan Perjalanan (Trip Generation) Pembangkit perjalanan adalah tahapan pemodelan yang memperkirakan jumlah pergerakan yang berasal dari suatu zona atau tata guna lahan dan jumlah pergerakan yang tertarik ke suatu zona atau tata guna lahan. b. Sebaran Perjalanan (Trip Distribution) Penyebaran pergerakan merupakan tahapan yang menggabungkan interaksi antara tata guna lahan, jaringan transportasi dan arus lalu lintas. c. Pemilihan Moda (Modal Choice / Modal Split) Dalam interaksi antara dua tata guna lahan atau lebih di suatu wilayah, maka seseorang akan memutuskan bagaimana interaksi tersebut harus dilakukan, dimana sering interaksi tersebut mengharuskan terjadinya perjalanan, baik antar tata guna lahan ataupun inter tata guna lahan. Keputusan dalam pemilihan moda berkaitan dengan jenis transportasi yang digunakan. Jika terdapat lebih dari satu moda, maka moda yang dipilih biasanya yang mempunyai rute terpendek, tercepat, atau termurah, atau teraman, atau kombinasi dari faktor-faktor tersebut. Selain itu, faktor lain yang mempengaruhi
10
adalah
ketidaknyamanan
dan
keselamatan
dan
hal
seperti
ini
harus
dipertimbangkan dalam pemilihan moda. d. Pemilihan Rute (Traffic Assignment) Model ini bertujuan memprediksi pemilihan rute perjalanan yang akan digunakan. Diasumsikan pemakai jalan mempunyai informasi yang cukup (misalnya tentang kemacetan jalan), sehingga dapat menentukan rute yang terbaik.
2.2.3 Kepemilikan Kendaraan Bermotor Di Indonesia Sepeda motor, merupakan salah satu alternatif kendaraan murah dan juga memiliki mobilitas yang sangat tinggi. Di negara-negara Asia, pada umumnya kepemilikan sepeda motor memiliki tingkat kepemilikan yang tinggi dibanding dengan kepemilikan kendaraan roda empat. Kondisi ini terjadi sebelum pendapatan per kapita masyarakat meningkat, sehingga sebelum membeli mobil, mereka membeli sepeda motor terlebih dahulu. Berdasarkan data yang dihimpun dari AISI (Asosiasi Industri Sepeda Motor Indonesia), kepemilikan sepeda motor di Indonesia saat ini adalah sekitar 1: 10 penduduk. Dibandingkan dengan negara tetangga; Malaysia dan Thailand yang kepadatan sudah mencapai 3,5 orang per sepeda motor, maka tidaklah mengherankan sampai tahun mendatang jumlah kepemilikan sepeda motor akan semakin meningkat. Di sisi lain juga jumlah kendaraan yang dimiliki tiap rumah tangga merupakan salah satu faktor penentu jumlah dan moda yang dipakai dalam
11
perjalanan yang dilakukan oleh sebuah keluarga. Faktor tersebutlah yang menyebabkan keluarga di Indonesia cenderung mempunyai sepeda motor. Menurut data Kementerian Perhubungan, 72 persen keluarga memilih sepeda motor untuk transportasi utama. Setiap 1.000 penduduk di Indonesia terdapat 210 motor atau berskala 4,7: 1. Pada tahun 2002 kepemilikan sepeda motor masih sedikit, lebih banyak keluarga tidak punya sepeda motor (presentasenya sampai 67 persen). Namun pada tahun 2010 terjadi perubahan drastis, hanya 28 persen keluarga yang tidak punya sepeda motor (Susantono, 2010). Peningkatan kepemilikan sepeda motor di Indonesia terus terjadi seiring membaiknya tingkat ekonomi. Penjualan sepeda motor terus tumbuh mencapai 7,3 juta unit. Persentase keluarga pemilik sepeda motor lebih dari satu di Indonesia juga bertambah 3 persen pada tahun 2010 menjadi 17 persen. Tercatat pula 84 persen keluarga pengguna mobil juga mempunyai sepeda motor. Ini bukti sepeda motor adalah kendaraan alternatif yang menjadi pilihan masyarakat. Sampai kini, diprediksi populasi kendaraan bermotor di seluruh Indonesia mencapai 47 juta unit dan 9,5 juta mobil . Di Jakarta saja, tercatat 11 juta kendaraan bermotor, 9 juta adalah sepeda motor. Jumlah sepeda motor di seluruh Indonesia saat ini diperkirakan 50 juta unit. Tingginya kepemilikan sepeda motor bisa disamakan dengan angka kecelakaannya. Dari data Kepolisian RI dilaporkan bahwa dari total kasus kecelakaan, 70 persennya dialami oleh pengendara sepeda motor. Bahkan PT Jasa Raharja yang menyantuni korban kecelakaan harus mengeluarkan santunan Rp 1,3 triliun untuk pengendara motor periode Januari Oktober 2010.
12
2.3
Konsep Rumah Tangga dan Keluarga
2.3.1 Definisi Rumah Tangga dan keluarga Rumah Tangga adalah seseorang atau sekelompok orang yang mendiami sebagian atau seluruh bangunan fisik/sensus, dan biasanya tinggal bersama serta makan dari satu dapur. Yang dimaksud dengan makan satu dapur adalah kebutuhan rumah tangga yang biasanya diurus bersama menjadi satu (BAPPEDA Kutai, 2008). Anggota Rumah Tangga (ART) adalah semua orang yang biasanya bertempat tinggal di suatu rumah tangga, baik yang berada dirumah waktu pencacahan maupun sementara tidak ada. Anggota rumah tangga yang telah bepergian selama 6 bulan atau lebih dan anggota rumah tangga yang bepergian kurang dari 6 bulan tetapi dengan tujuan pindah/akan meninggalkan rumah selama 6 bulan atau lebih tidak dianggap sebagai anggota rumah tangga (BAPPEDA Kutai, 2008). Menurut Depkes RI 1998 (www.scribd.com, 2010) Keluarga adalah unit terkecil dari masyarakat yang terdiri atas Kepala Keluarga dan beberapa orang yang berkumpul dan tinggal di suatu tempat dibawah suatu atap dalam keadaan saling ketergantungan. Sedangkan menurut Helvie (www.scribd.com, 2010) Keluarga adalah sekelompok manusia yang tinggal dalam suatu rumah tangga dalam kedekatan yang konsisten dan hubungan yang erat.
13
2.3.2 Bentuk Bentuk Keluarga Secara garis besar bentuk keluarga dapat dikelompokkan menjadi 2 yaitu Tradisional dan Non Tradisional : 1. Tradisional a. Nuclear Family atau Keluarga Inti Ayah, ibu, anak tinggal dalam satu rumah ditetapkan oleh sanksi-sanksi legal dalam suatu ikatan perkawinan, satu atau keduanya dapat bekerja diluar rumah. b. Reconstituted Nuclear Pembentukan baru dari keluarga inti melalui perkawinan kembali suami atau istri. Tinggal dalam satu rumah dengan anak-anaknya baik itu bawaan dari perkawinan lama maupun hasil dari perkawinan baru. c. Niddle Age atau Aging Cauple Suami sebagai pencari uang, istri di rumah atau kedua-duanya bekerja dirumah, anak-anak sudah meninggalkan rumah karena sekolah atau perkawinan / meniti karier. d. Keluarga Dyad / Dyadie Nuclear Suami istri tanpa anak. e. Single Parent
14
Satu orang tua (ayah atau ibu) dengan anak. f. Dual Carrier Suami istri / keluarga orang karier dan tanpa anak. g. Commuter Married Suami istri / keduanya orang karier dan tinggal terpisah pada jarak tertentu, keduanya saling mencari pada waktu-waktu tertentu. h. Single Adult Orang dewasa hidup sendiri dan tidak ada keinginan untuk kawin. i. Extended Family 1, 2, 3 generasi bersama dalam satu rumah tangga. j. Keluarga Usila Usila dengan atau tanpa pasangan, anak sudah pisah. 2. Non Tradisional a. Commune Family Beberapa keluarga hidup bersama dalam satu rumah, sumber yang sama, pengalaman yang sama. b. Cohibing Couple Dua orang berlainan jenis / satu pasangan yang tinggal bersama tanpa kawin. c. Homosexual / Lesbian Sesama jenis hidup bersama sebagai suami isteri. d. Instutisional Anak-anak atau orang dewasa tinggal dalam satu panti panti.
15
2.4
Pengertian Regresi Regresi adalah suatu alat yang tujuannya membantu memperkirakan atau
menaksir nilai suatu variabel yang tidak diketahui dari satu atau beberapa variabel yang diketahui (M.Iqbal Hasan, 2002). Analisis regresi didefinisikan sebagai kajian terhadap hubungan satu variabel atau peubah yang disebut peubah yang diterangkan (the explained variable) yang juga disebut sebagai peubah tergantung dengan satu atau dua variabel / peubah yang menerangkan (the explanatory) yang juga disebut peubah bebas. Di dalam kegiatan pemodelan untuk rekayasa sipil, seringkali dijumpai tinjauan hubungan antara variabel dengan satu atau lebih variabel lain. Secara umum ada dua macam hubungan antara dua atau lebih variabel, yaitu bentuk hubungan dan keeratan hubungan. Jika ingin diketahui bentuk hubungan dua variabel atau lebih, digunakan analisis regresi sedangkan untuk analisis keeratan hubungan, digunakan analisis korelasi. Metode regresi yang paling umum digunakan adalah analisis regresi baik itu yang bersifat linier maupun non linier. Jika variabel tidak bebas bersifat diskrit analisis regresi linier tidak layak untuk digunakan karena dua alasan (Ossenbruggen, 2003) yaitu : 1. Variabel tidak bebas di dalam metode regresi linier harus bersifat kontinyu. 2. Variabel tidak bebas di dalam metode regresi linier dapat mengakomodasi nilai negatif.
16
Kedua asumsi diatas tidak sesuai untuk kondisi variabel tidak bebas yang bersifat kategori (diskrit). Variabel diskrit sering dinyatakan dalam kategori. Variabel diskrit sering juga disebut variabel nominal atau variabel kategorik. Apabila terdapat dua kategori disebut dikotom, misalnya variabel jenis kelamin yang terdiri dari laki-laki dan perempuan. Apabila lebih dari dua kategori disebut politom. Misalnya variabel latar belakang pendidikan yang dapat terdiri dari SD, SMP, SMA, Perguruan Tinggi dan sebagainya. Sementara itu variabel kontinyu adalah variabel yang nilainya dalam jarak tertentu dan dengan pecahan yang tidak terbatas. Misalnya variabel berat badan ada yang 50 kg; 55,5kg; 70kg dan sebagainya. 2.5
Regresi Logistik Regresi logistik adalah bagian dari analisis regresi yang digunakan ketika
variabel dependen (respon) merupakan variabel dikotomi. (Kutner, MH). Variabel dikotomi biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 dan 1. Didalam statistik, regresi logistik (seringkali disebut model logistik atau model logit), digunakan untuk memprediksi kemungkinan (probabilitas) dari suatu kejadian dengan data fungsi logit dari kurva logistik. Seperti banyak bentuk analisis regresi, yang menggunakan beberapa variabel dapat berupa numerik atau kategoris. Sebagai contoh, probabilitas bahwa seseorang memiliki serangan jantung dalam jangka waktu tertentu, diprediksi dari pengetahuan tentang usia, jenis kelamin orang tersebut dan indeks massa tubuh.
17
Untuk regresi logistik berapapun besarnya atau kecilnya harga x maka nilai y akan tetap diantara 0 dan 1 artinya variabel dikotomi yang digunakan dimana biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1. Karena variabel tidak bebas di dalam penelitian ini bersifat biner (memiliki dan tidak memiliki), maka digunakan regresi logistik untuk menentukan hubungan antara variabel bebas dan variabel tidak bebas (Washington, et.al, 2003. Al-Ghamdi,2002). Data yang bersifat biner (binary) adalah data dengan 2 (dua) respon, misalnya memiliki (1) – tidak memiliki (0), gagal-berhasil, ya-tidak, on-of, 0-1 dan sebagainya. Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas (X) bisa juga berdiri lebih dari satu variabel dan dapat berupa variabel yang bersifat kontinyu maupun diskrit. Regresi logistik merupakan regresi non linier dimana model yang ditentukan akan mengikuti pola kurva linier seperti Gambar 2.1.
Gambar 2.1 Grafik Regresi Logistik Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic, 2011
18
Penggunaan regresi logistik untuk analisis data yang bersifat biner lebih baik dibanding dengan regresi linier atau Ordinary Least Square (OLS). Sebagai contoh digunakan set data penelitian di California dari 1200 sekolah menengah untuk mengukur prestasi akademis. Variabel tidak bebas yang dipakai disebut hiqual. Variabel ini digolongkan menjadi 2 (dua) yaitu not_high_qual yang dikodekan dengan 0 untuk nilai 744 ke bawah dan high_qual yang dikodekan dengan 1 untuk nilai 745 ke atas. Variabel bebas yang digunakan merupakan suatu variabel yang bersifat kontinyu yang dinamakan dengan avg_ed yang merupakan suatu ukuran tingkat rata pendidikan orang tua. Setelah regresi linier dijalankan maka akan didapat nilai-nilai yang diramalkan dan grafiknya terhadap variabel yang diamati. Pada Gambar 2.2 halaman 19, sumbu Y menunjukkan nilai probabilitas prestasi akademik siswa dan sumbu X menunjukkan tingkat rata-rata pendidikan orang tua. Dari grafik dibawah, garis yang melintang dalam arah 450 dari sumbu Y menunjukkan persamaan linier pendidikan rata-rata orang tua dengan prestasi akademis siswa. Dari grafik terlihat bahwa terdapat nilai yang diramalkan mempunyai probabilitas kurang dari 0 (nol) dan lebih dari 1 (satu). Nilai-nilai tersebut tidak mungkin mengingat variabel terikat didefinisikan sebagai 0 dan 1.
19
Gambar 2.2 Grafik Regresi Linier . Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic, 2011 2.5.1 Desain dan Analisis Variabel Dummy Di dalam regresi logistik yang diakomodasikan untuk variabel tidak bebas biner maka didalam pemodelannya baik variabel bebas dan tidak bebasnya harus dipresentasikan dalam bentuk kode. Variabel yang dinyatakan dalam bentuk kode tersebut didefinisikan sebagai variabel dummy. Regersi logistik tidak hanya mengasumsikan variabel tidak bebas bersifat dikotomi tetapi juga sebagai variabel biner (binary), yaitu diberi kode sebagai 0 dan 1. Kode ini harus berupa bilangan numerik dan bukan tekstual (string) dan merupakan suatu keharusan bahwa kode dengan bilangan 0 berarti kejadian tidak ada (gagal) dan kode dengan bilangan 1 berarti kejadian ada atau berhasil (Washington et.al, 2003).
20
Pada dasarnya semua perangkat lunak statistik akan melakukan perhitungan regresi logistik jika dan hanya jika variabel tidak bebas diberi kode 0 dan 1. Secara spesifik perangkat lunak statistik mengasumsikan variabel tidak bebas mempunyai nilai selain 0 adalah 1. Sehingga jika variabel tidak bebas diberikan kode 3 dan 4 maka perangkat lunak akan mendefinisikan sebagai bilangan 1. Variabel bebas diskrit di dalam pemodelannya harus direpresentasikan dalam bentuk kode. Variabel yang dinyatakan dalam bentuk kode tersebut didefinisikan sebagai variabel dummy. Untuk variabel dummy dengan beberapa klasifikasi dapat diberi kode 0, 1, 2, 3, …dst. Sebagai ilustrasi variabel pekerjaan responden mempunyai beberapa klasifikasi yaitu profesional, TNI/POLRI, PNS, wiraswasta, petani/nelayan dan pegarwai swasta maka di dalam pengkodeannya klasifikasi variabel tipe kendaraan tersebut dapat diberikan kode mulai dari 0, 1, 2, dst maupun mulai dari 1, 2, 3, dst. Sudah ditetapkan (by default) bahwa hampir semua perangkat lunak statistik mempunyai prioritas untuk memprediksi probabilitas dari suatu kejadian yang ada atau berhasil yang diberi kode bukan 0 yaitu 1. Probabilitas di dalam statistik didefinisikan sebagai suatu ekspresi kuantitatif dari suatu kemungkinan suatu kejadian akan terjadi. Secara formal probabilitas adalah jumlah kejadian yang terjadi (berhasil) dibagi dengan jumlah kejadian yang dapat terjadi. Sebagai contoh, didalam pelemparan koin yang mempunyai dua sisi, probabilitas satu sisinya adalah ½ atau 0.5.
21
Sebagaimana telah dijelaskan di atas, setiap variabel bebas kemungkinan mempunyai beberapa klasifikasi seperti pada contoh klasifikasi pekerjaan responden. Berkaitan dengan hal ini maka langkah selanjutnya adalah melakukan uji statistik (uji hipotesis) untuk mengetahui apakah semua klasifikasi akan diikutsertakan di dalam model. Sebagai contoh jika klasifikasi nelayan/petani secara statistik mempunyai jumlah/frekuensi yang kecil atau tidak signifikan (pvalue < 0.05) dalam variabel bebas pekerjaan responden maka klasifikasi nelayan/petani dapat direduksi dari variabel bebas tersebut. Selanjutnya masingmasing variabel desain diuji keberartiannya dengan menggunakan rumusan selang kepercayaan untuk proporsi populasi yaitu:
p Z / 2
pq .......................................................(2.1) n
dimana: p
= proporsi sampel berdasarkan jumlah ‘berhasil’ (kode = 1)
q
= 1- p
n
= jumlah sampel
Z
2
= nilai variabel standar normal (Z) dengan area ‘tails’ adalah
2
Rumusan tersebut digunakan untuk menghitung selang kepercayaan (95%) dari proporsi sampel. Jika nilai dari selang kepercayaan mengandung nilai 0 dan nilai-p lebih besar dari 0.05 maka variabel desain tersebut tidak signifikan. Hal
22
demikian dapat mempengaruhi jumlah variabel desain yang terdapat pada variabel dummy. Sebagai ilustrasi, hasil dari uji hipotesis untuk proporsi klasifikasi variabel tersebut digambarkan pada Tabel 2.1 halaman 22. Tabel 2.1 Uji hipotesis untuk proporsi klasifikasi pekerjaan responden 95% selang kepercayaan x
n
nilai - p Batas bawah
Batas atas
PNS
235
605
0.388
0.3
0.4
Wiraswasta *
39
605
0.064
0
0.1
Nelayan/Petani *
28
605
0.046
0
0.1
TNI/POLRI
303
605
0.501
0.5
0.5
* Tidak signifikan secara statistik pada tingkat 5% (95% selang kepercayaan termasuk nilai 0)
Dari hasil uji hipotesis tersebut terlihat bahwa klasifikasi wiraswasta dan nelayan/petani direduksi dari variabel bebas pekerjaan responden, konsekuensinya dua klasifikasi tersebut tidak diikutsertakan di dalam model. Kedua langkah di atas yaitu analisis korelasi dan reduksi variabel dummy menunjukkan kegiatan pemilihan variabel bebas di dalam model.
2.5.2
Bentuk Umum Regresi Logistik Berdasarkan data bivarat (X,Y) dimana X adalah variabel numerik atau
variabel satu-nol dan Y adalah variabel respon satu-nol, dapat diperlihatkan model regresi logistik dengan bentuk umum sebagai berikut (Washington, et.al, 2003) :
23
p = P(Y = 1) =
(
(
)
)
......................................... (2.2)
dimana p= P(Y=1) menyatakan proporsi skor/nilai Y=1, di dalam populasi di antar semua skor/nilai satu-nol yang mungkin. Besaran p = P(Y=1) kerap kali juga dinyatakan sebagai peluang atau probabilitas peristiwa/kasus yang ditentukan oleh skor Y=1, jika sebuah/seorang individu dipilih secara random dari populasi tertentu. Dengan memperhatikan model regresi logistik tersebut, maka kita akan berbicara tentang peluang p=P(Y=1) yang tergantung pada skor/nilai variabel bebas X. Oleh karena itu, sebenarnya P(Y=1) menyatakan proporsi atau peluang bersyarat, yang secara lengkap seharusnya ditulis seperti dibawah ini : px = P(Y=1│X) ..................................................... (2.3) Sehingga jelaslah bahwa dengan menerapkan model logistik berdasarkan data tertentu, termasuk dengan data bivariat (X,Y) tersebut diatas, bertujuan untuk memperkirakan atau mengestimasi besarnya proporsi Y=1 di dalam proporsi yang bersangkutan. Berkaitan dengan model regresi univariat pada umumnya, model regresi logistik (2.2) juga dapat ditulis dalam bentuk sebagai berikut : p/(1-p)=exp(β0 + β1X)............................................ (2.4) atau ln[p/1-p)]=β0+β1X.................................................. (2.5) Jika kita perhatikan ruas kanan persamaan (2.5) maka akan terlihat persis sama dengan bentuk regresi linier sederhana dengan sebuah variabel bebas X,
24
dimana X adalah variabel satu-nol atau numerik. Berkaitan dengan model ini perlu dipehatikan ketentuan sebagai berikut : 1.
Pemakaian persamaan (2.5) disertai dengan asumsi atau persyaratan bahwa ln[p/(1-p)] dan X mempunyai hubungan linier. Untuk mempelajari kebenaran asumsi ini, maka diperlukan cukup banyak observasi untuk setiap nilai/skor dari variabel X, sehingga dapat diperoleh suatu nilai p yang rasional untuk setiap nilai/skor dari variabel X. Hal ini dipandang sebagai salah satu kelemahan pemakaian model logistik, khususnya untuk X numerik, karena pada umumnya kita tidak mempunyai observasi yang cukup banyak untuk setiap nilai
2.
X.
Jika untuk setiap nilai/skor X terdapat cukup banyak observasi, maka nilai ln[p/(1-p)] dapat dihitung untuk setiap nilai/skor dari variabel X. Selanjutnya, dapat dibuat diagram pencar antara variabel tidak bebas ln[p/(1-p)] dengan variabel bebas X, yang dapat menunjukkan kebenaran asumsi yang dipakai secara empiris.
3.
Dilain pihak, jika persyaratan hubungan linier tersebut tidak dapat diterima, maka dengan sendirinya persamaan (2.5) tidak berlaku atau tidak sepatutnya digunakan untuk data yang bersangkutan. Dalam kasus seperti ini, maka harus dicoba dengan bentuk lain, diantaranya dengan memakai model nonlinier, model dengan variabel bebas in(X) sebagai ganti dari X dan model kurva berbentuk S.
25
4.
Jika X merupakan indikator satu-nol, maka asumsi hubungan linier untuk persamaan (2.6) mutlak berlaku, karena hanya terdapat dua titik observasi yang sesuai dengan X=0 dan X=1, dengan koordinat debagai berikut : Untuk X=0 : ln[p0/ (1-p0)=β0 ............................................................ (2.6) Untuk X=1 : ln[p1/ (1-p1)=β0+ β1 ................................................. (2.7) Dengan β0,1 = parameter model, X = nilai variabel bebas, ln[p1/ (1-p1)= transformasi logit atao logit p (natural log) dari rasio odds, dimana odds fungsi dari p, probabilitas dari 1 (simbol untuk peluang suatu peristiwa sukses atau berhasil atau terjadi).
2.5.3 Maximum Likelihood untuk Penentuan Parameter Model Logistik Didalam regresi linier dikenal istilah kuadrat kecil (least squares) yang digunakan untuk estimasi parameter model, sedangkan untuk regresi logistik yang digunakan adalah prinsip estimasi maximum likelihood (ML). Prinsip dari ML ini adalah parameter populasi diestimasi dengan cara memaksimumkan kemungkinan (likelihood) dari data observasi. Estimator yang diperoleh dari metode ini disebut dengan Maximum Likelihood Estimator (MLE). Sebagai ilustrasi, misalkan pada suatu kabupaten A, 80%
anak-anak
mempunyai asuransi kesehatan. Kemudian 10 orang anak di kabupaten A dipilih secara acak, dengan probabilitas 7 dan 10 anak-anak mempunyai asuransi kesehatan adalah 0,2013. Sementara itu di kabupaten B, 40% anak-anak mempunyai asuransi kesehatan. Kemudian 10 orang anak di kabupaten B dipilih secara acak dengan probabilitas 7 dan 10 orang anak mempunyai asuransi kesehatan adalah 0,0425. Misalkan diketahui bahwa diantara 10 orang anak yang
26
dipilih secara acak dari salah satu kabupaten tersebut 7 orang mempunyai asuransi kesehatan, berapakah persentase anak-anak dikedua kabupaten tersebut yang mempunyai asuransi kesehatan? Apakah kemungkinannya lebih besar dari kabupaten A dengan 80% asuransi kesehatan atau dari kabupaten B dengan 40% asuransi kesehatan? Karena data observasi menunjukkan bahwa 7 dari 10 orang anak yang mempunyai asuransi kesehatan lebih besar kemungkinannya di kabupaten A maka kemungkinannya adalah sampel yang berasal dari kabupaten A dengan estimasi rasio sebesar 80%. Likelihood merupakan suatu fungsi dari data dan parameter model. Jika terdapat data biner maka bentuk dari likelihood adalah sebagai berikut : a. Yi = 1 dengan probabilitas pi b. Yi = 0 dengan probabilitas 1 - pi Misalkan jika data observasi bersifat bebas maka likelihood dari data Y1, Y2,….,Yn adalah pi dan 1 – pi. Jika untuk setiap Yi = 1, dengan probabilitas pi dan untuk setiap Yi = 0 dengan probabilitas 1 – pi maka bentuk umum dari likelihood (L): =∏
(1 −
………………..………..(2.8)
)
Fungsi logistik linier dapat digunakan untuk menjelaskan hubungan antara probabilitas pi dan variabel Xi sebagai berikut :
dan
pi =
(
1−
=
)
(
(
)
………………...……………..(2.9)
)
……………………..…..(2.10)
27
Dengan menggunakan kedua persamaan (2.9) dan (2.10) pada persamaan (2.8) diperoleh:
e 0 1 X i L 0 1 X i i 1 1 e n
Yi
1 0 1 X i 1 e
1Yi
n
i 1
e
0 1 X i Yi
1 e
0 1 X i
………………….(2.11)
Menghitung nilai β0 dan β1 pada persamaan (2.11) merupakan suatu hal yang berat untuk dilakukan. Seringkali ditemukan bahwa lebih mudah untuk menggunakan logaritmik natural dari likelihood itu sendiri yaitu dengan memilih β0 dan β1 untuk memaksimumkan log likelihood. Log-likelihood dari data biner di dalam suatu model regresi logistik adalah : n
n
i 1
i 1
log( L) Yi ( 0 1 X i ) log 1 e 0 1 X i ………..…..( 2.12)
Serupa dengan prinsip kuadrat kecil pada regresi linier, akan terdapat dua persamaan yang harus dipecahkan untuk dua parameter (solusinya adalah estimasi dari β0 dan β1). Akan tetapi tidak seperti pada kuadrat terkecil, dua persamaan dari regresi logistik bersifat tidak linier sehingga harus dipecahkan dengan proses iterasi. Ini dimungkinkan dengan penentuan nilai awal untuk β0 dan β1, evaluasi log-likelihood, penentuan nilai baru untuk β0 dan β1 yang menaikkan nilai loglikelihood, dan mengulangi proses tersebut sampai nilai log-likelihood tidak berubah atau konstan pada suatu nilai tertentu. Jika hal tersebut terjadi maka dikatakan bahwa proses iterasi nilai log-likelihood sudah besifat konvergen.
28
2.5.4 Uji Kelayakan Model (Goodness of Fit) Uji kelayakan model dilakukan dengan menggunakan uji statistic dari Hosmer dan Lemeshow. Uji ini bertujuan untuk mempelajari sejauh mana kesesuaian model regresi logistik yang dipakai di dalam memodelkan hubungan antara variabel bebas dan variabel tidak bebas. Hipoteis nol dari uji statistik ini adalah model yang di uji layak, sedangkan hipotesis alternatifnya adalah model yang di uji tidak layak (model tidak mampu mempresentasikan hubungan antara variabel bebas dan variabel tidak bebas). Uji statistik ini dilakukan dengan membagi data ke dalam group (g). Grup ini dibentuk dengan mengurutkan data eksisting berdasarkan tingkat probabilitasnya. Jadi data diurutkan dari data yang paling kecil kemungkinannya (p~0) ke data yang paling besar kemungkinannya (p~1). Group umumnya dipecah menjadi 10 group. Setiap group yang dihitung memilki data observasi dan hasil prediksi. Prinsip dasar dari uji statistik ini adalah frekuensi hasil prediksi dan frekuensi observasi dari variabel tidak bebas harus mempunyai perbedaan yang relatif kecil. Semakin kecil perbedaannya semakin layak model tersebut. Model yang layak menurut uji statistik ini akan mempunyai nilai probabilitas (p-value) yang besar yaitu lebih besar dari tingkat keyakinan 5% atau α = 0.05 (Washington,et.al,2003). Formula dari uji Hosmer and Lemeshow ini adalah : ^
C
9
k 1
(O k E k ) 2 vk
………….................................(2.13)
29
dengan : Ĉ
= Uji Hosmer-Lemeshow (H-L test)
Ok
= Nilai observasi pada group yang ke-k
Ek
= Nilai Ekspektasi pada group yang ke-k
vk
= Faktor koreksi variansi untuk group yang ke-k Sebagai ilustrasi diberikan tabel perbandingan frekuensi prediksi dan
observasi serta hasil uji statistik pada table berikut :
Tabel 2.2 Ilustrasi Uji Statistik Hosmer and Lemeshow
Group
Prob
Obs_1
Exp_1
Obs_0
Exp_0
Total
1
0.0016
0
0.1
71
70.9
71
2
0.0033
1
0.2
73
73.8
74
3
0.0054
0
0.3
74
73.7
74
4
0.0096
1
0.5
64
64.5
65
5
0.0206
1
1.0
69
69.0
70
6
0.0623
4
2.5
69
70.5
73
7
0.1421
2
6.6
66
61.4
68
8
0.4738
24
22.0
50
52.0
74
9
0.7711
44
43.3
25
25.7
69
10
0.9692
61
61.6
8
7.4
69
30
number of observations = 70.7 number of groups = 10 Hosmer-Lemeshow chi2(8) = 9.15 Prob > chi2 = 0.3296
Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic,2011 Dengan nilai p-value 0.3296 (0.33) dapat dikatakan bahwa uji statistik mengindikasikan
bahwa
model
yang
dikembangkan
layak
di
dalam
menggambarkan hubungan antara variabel bebas dan tidak bebasnya.
2.5.5 Pengertian Kalibrasi dan Validasi Kalibrasi adalah proses perhitungan untuk menentukan nilai parameter (konstanta dan koefisien) dari suatu model. Misal suatu model regresi sederhana: y=a+bx diperoleh hasil kalibrasinya adalah: y = 89,9 + 2,48x. Ini memberi makna persamaan bahwa: y mempunyai hubungan linier dengan x, perubahan satu satuan dari nilai x akan merubah nilai y sebesar 2,48 satuan, dan dengan nilai konstanta yang cukup tinggi, merupakan indikasi kemungkinan galat adalah hubungan y dan x sebenarnya tidak linier, tidak diperhitungkannya variabel bebas lainnya yang lebih signifikan (galat spesifikasi), atau terdapat kesalahan pengumpulan data (galat pengukuran). Validasi berasal dari kata validity yang berarti sejauh mana ketepatan dan kecermatan suatu alat ukur dalam mengukur suatu data. Dengan demikian pada kajian ini model yang validasi adalah model yang dianggap baik yang telah diperoleh dari proses kalibrasi yaitu untuk signifikansi tujuan, ketepatan prosedur,
31
manfaat hasil penelitian dan juga untuk memahami data, penelusuran data sesuai teori yang yang digunakan dan di analisis secara statistik.
2.5.6 Ratio Odds dan Probabilitas Setelah model dinyatakan layak di dalam menggambarkan hubungan antara variabel bebas dan tidak bebas maka langkah selanjutnya adalah menginterpretasikan model tersebut yang berguna di dalam penarikan kesimpulan. Di dalam kegiatan penginterpretasikan model tersebut terdapat kegiatan analisis ratio odds. Secara harafiah odds mempunyai arti yang sama dengan peluang atau probabilitas atau kemungkinan. Akan tetapi di dalam ststistik, peluang atau kemungkinan dan odds mempunyai konsep yang berbeda. Odds dari suatu kejadian digambarkan sebagai peluang dari peristiwa yang terjadi dibagi oleh peluang dari peristiwa yang tidak terjadi. Sebagai ilustrasi di dalam pelemparan koin, kemungkinan memperoleh kepala adalah 0,5 dan kemungkinan tidak mendapatkepala juga 0,5. Karenanya, odds adalah 0,5/0,5 = 1. Bahwa kemungkinan dari suatu peristiwa yang terjadi dan kemungkinan dari peristiwa tidak terjadi, jumlahnya harus 1. Jika diasumsikan bahwa dengan mengubah koin sedemikian rupa sehingga kemungkinan mendapat kepala adalah 0.6 maka kemungkinan tidak mendapat kepala menjadi 0.4. Odds mendapat kepala akan menjadi 0.8/0.2 = 4. Dari ilustrasi tersebut terlihat bahwa, ketika odds sama kemungkinan dari peristiwa terjadi sama dengan kemungkinan peristiwa tidak terjadi. Ketika odds
32
salah satunya lebih besar, kemungkinan dari kejadian peristiwa adalah lebih tinggi dibanding kemungkinan dari peristiwa tidak terjadi, dan ketika odds lebih kecil dari yang lainnya, kemungkinan dari kejadian peristiwa kurang dari kemungkinan dari peristiwa tidak terjadi. Odds dapat dikonversi kembali ke suatu peluang (probabilitas) yaitu dengan rumusan peluang = odds / (1+odds). Konsep berikutnya adalah mengenai ratio odds, seperti telah diketahui bahwa ratio odds (odds ratio) adalah perbandingan dua odds. Sebagai ilustrasi, diasumsikan bahwa terdapat wanita dan pria di dalam satu regu dengan proporsi 75% wanita dan 60% pria. Odds untuk wanita adalah 0.75/0.25 = 3, dan odds untuk pria adalah 0.6/0.4 = 1.5. Ratio odds akan menjadi 3/1.5 =2, artinya bahwa odds dari wanita dibanding pria untuk ikut bergabung ke dalam regu adalah 2 berbanding 1. Sebagai ilustrasi di dalam pengertian mengenai odds dan probabilitas (kemungkinan) dapat dilihat pada contoh berikut. Misalnya untuk analisa keropos tulang (osteoporosis) diperoleh suatu model logit sebagai berikut : ( )=
1−
=
+ .
dimana variabel bebas umur merupakan umur responden. Dari hasil pemodelan diperoleh bahwa koefisien a dan b bernilai masing-masing -21.18 dan 1.629. Menggunakan kedua nilai ini maka diperoleh model sebagai berikut : ( )=
1−
= −21.18 + 1.629.
33
Untuk menginterpretasikan model ini misalnya diinginkan untuk mengetahui probabilitas seorang anak berumur 10 tahun menderita keropos tulang dapat dilakukan dengan cara : ( )=
1−
= −21.18 + 1.629(10) = −4.89
Nilai -4.89 diatas bukan nilai probabilitas. Untuk memperoleh nilai yang diinginkan maka dihitung exp (-4.89) = 0.0075. Nilai ini merupakan nilai odds yang mengindikasikan bahwa berubahnya seorang anak sebanyak satu unit umur akan menyebabkan nilai odds dari anak tersebut menderita keropos tulang adalah 0.0075. Jika ingin diketahui probabilitas seorang anak berumur 10 tahun maka dilakukan dengan menghitung :
=
1+
( )
( )
=
1+
.
.
=
0.0075 = 0.007 1 + 0.0075
Hasil diatas menyatakan bahwa probabilitas (kemungkinan) seorang anak berumur 10 tahun ke bawah menderita keropos tulang adalah sangat kecil (0.7%).
2.6 Penggunaan Perangkat Lunak SPSS version 15 Adapun perintah (command) untuk menjalankan model regresi logistik pada perangkat lunak SPSS ver.15 secara umum adalah sebagai berikut : a. Buka file dummy dalam format CSV (Comma Separeted Variabel) melalui menu file, Open, Data, pilih direktori tempat file dummy
34
diletakkan dan pilih tipe file all files (*.*). Untuk memudahkan analisis, definisikan label variabel bebas dan variabel tidak bebas dengan pilihan menu Data kemudian pilih Define Variable Properties. b. Pilih menu Analyze, Regression, Binary Logistic. Kemudian masukkan variabel tidak bebas pada Dependent dan varaibel bebas pada Covariates. c. Pada menu Method pilih Backward:LR untuk metode stepwise backward likelihood ratio test. d. Pilih menu Categorical jika terdapat variabel bebas dengan tipe data diskrit dan masukan variabel bebas diskrit tersebut. Setelah selesai klik Continue. e. Pada menu Save contreng Probabilities, Studentized dan Cook’s. Kemudian klik Continue. f. Pada menu Option contreng Hosmer-Lemeshow goodness of it, kemudian klik Continue. Untuk melihat keluaran model klik OK.
35
BAB III METODE PENELITIAN
3.1
Tahapan Penelitian Tahapan penelitian mencangkup langkah-langkah pelaksanaan penelitian
dari awal sampai akhir. Tahapan dalam penelitian ini diawali dengan suatu studi untuk mengidentifikasi daerah/wilayah suatu lokasi, mengenali wilayah dan permasalahannya sehingga dapat ditetapkan sebagai lokasi studi, mengidentifikasi data yang dibutuhkan, mengidentifikasi pustaka dan acuan yang akan digunakan, serta mengidentifikasi perangkat lunak yang dapat diacu dalam menganalisis data. Dengan menetapkan tujuan yang menjadi sasaran studi dan identifikasi pustaka, dicoba untuk mendesain formulir survai berupa desain kuesioner dan survai pendahuluan untuk menentukan desain sampel yang sangat dibutuhkan sebelum dilakukan survai secara menyeluruh, serta menentukan data apa saja yang diperlukan. Dari survai menyeluruh tersebut akan didapatkan data lapangan sebagai data primer dan data sekunder dari instansi terkait, literature, jurnal ilmiah, yang selanjutnya akan diolah dalam rangka penyusunan laporan. Dengan demikian, langkah-langkah yang pasti dapat diperoleh, sehingga memperkecil kekeliruan yang terjadi seperti pengumpulan data yang tidak perlu, mengetahui jenis data yang dibutuhkan secara tepat dan sejak awal sudah dipersiapkan mencari pustaka dan acuan yang dibutuhkan, yang akan digunakan dalam proses analisis, dan yang tidak kalah pentingnya dapat menghemat waktu mengingat waktu yang terbatas, menghemat tenaga kerja dan dapat menggunakan
36
tenaga yang membantu survai secara optimal dan pada ujungnya dapat member penghematan dalam pendanaan, mengingat dana yang dibutuhkan tidak sedikit. Tahapan yang dilakukan dalam penelitian ini dijelaskan pada Gambar 3.1
-
Studi Pendahuluan : Identifikasi / penentuan lokasi studi Identifikasi data Identifikasi pustaka Identifikasi alat bantu (perangkat lunak)
Latar Belakang dan Rumusan Masalah
Tujuan Penelitian
Pengumpulan Data
Data Primer dari Home interview Survey : - Informasi Umum Rumah Tangga
-
Data Sekunder : Gambar Peta Lokasi Jumlah Penduduk, dll
Tabulasi Data Analisis Karakteristik Sosial-Ekonomi
A
37
A Pembentukan Variabel Dummy dan Uji Hipotesis Variabel Bebas dan Melakukan Reduksi Variabel Bebas
Kalibrasi Model Regresi Logistik Validasi Analisis Pengaruh Faktor dan Probabilitas Kepemilikan Sepeda Motor
Simpulan dan Saran Gambar 3.1 Diagram Alir Tahapan Penelitian 3.1.1 Survai Pendahuluan Survai pendahuluan (pilot survey) adalah survai skala kecil yang dilakukan sebelum pelaksanaan survai menyeluruh. Tujuan survai pendahuluan adalah untuk mengetahui antara lain: a.
Jumlah sampel yang dibutuhkan pada survai sesungguhnya.
b.
Tingkat kesesuaian metode survai yang akan digunakan (kesesuaian dan kelengkapan kuisioner yang digunakan).
c.
Estimasi biaya survai.
d.
Kesesuaian dari metode kompilasi yang digunakan.
38
e.
Tingkat efisiensi (biaya) dan efektivitas (waktu survai) yang diperlukan. Faktor yang perlu diperhatikan pada pelakasanaan survai adalah
penyediaan sumber daya pendukung penelitian. Sumber daya yang dibutuhkan adalah manusia (surveyor), pembiayaan, dan waktu. Faktor tersebut dapat juga berfungsi sebagai pembatas dalam ruang lingkup penelitian.
3.1.2 Kompilasi Data Kompilasi data adalah proses penyusunan data mentah untuk mendapatkan hasil berupa data yang siap digunakan pada tahap analisis. Dalam tahap ini terjadi pengkategorian data ke dalam parameter analisis. Data awal yang akan diolah masih berupa kumpulan kuisioner hasil pengisian di lapangan (data mentah). Kompilasi data bertujuan untuk menkonversikan data mentah menjadi data yang siap untuk dianalisis. Data yang siap untuk dianalisis dapat ditampilkan dalam bentuk tabel atau grafik. Tabel dibuat berdasarkan parameter yang ditinjau dalam analisis.
3.2
Lokasi dan Waktu Penelitian Lokasi penelitian dilakukan di wilayah Kabupaten Buleleng yaitu sebagai
berikut : a. Kabupaten Buleleng yang terdiri dari 9 Kecamatan dibagi menjadi 27 zona. Dalam hal ini setiap zona dapat terdiri dari satu atau lebih desa/kelurahan dalam satu wilayah kecamatan. Pembagian ini didasarkan atas jumlah penduduk masing-masing desa dengan menggunakan batas
39
administratif sebagai batas zona (zona boundary). Zona studi dibatasi oleh garis kordon (cordon line) yang merupakan batas administrarif dari Kabupaten Buleleng. b. Tabel 3.1 memperlihatkan pembagian zona di Kabupaten Buleleng. c. Studi dilakukan pagi hingga sore selama jam kerja. Tabel 3.1 Pembagian zona di Kabupaten Buleleng KECAMATAN
ZONA
1
GEROKGAK
2
3
4
SERIRIT 5
DESA / KELURAHAN Sumber Kelampok Pejarakan Sumber Kima Pemuteran Banyupoh Penyabangan Musi Sanggalangit Gerokgak Patas Pengulon Tinga-tinga Celukan Bawang Tukad Sumaga Banjar Asem Kalisade Pangkung Paruk Lokapaksa Umeanyar Seririt Pengastulan Patemon Kalianget Tangguwisia Sulanyah
40
SERIRIT
6
7
BUSUNGBIU
8
9
BANYUATIS
10
Unggahan Gunungsari Munduk Bestala Bestala Mayong Rangdu Ularan Ringdikit Joanyar Bubunan Sepang Kelod Tista Bongancina Puncaksari Sepang Telaga Titab Kekeran Busungbiu Pelapuan Subuk Tinggarsari Kedis Bengkel Umejero Banyuatis Gesing Munduk Kayuputih Gobleg Tirtasari Banyuseri Tampekan Banjar Tegeha Banjar Dencarik Sidetapa
41
BANYUATIS
11
12
SUKASADA
13
14
15
BULELENG
16
Pedawa Tigawasa Cempaga Temukus Kaliasem Tegallinggah Selat Kayuputih Panji Anom Pancasari Wanagiri Pegayaman Silangjana Gitgit Pengadugan Padangbulia Ambengan Sukasada Sambangan Panji Kalibukbuk Anturan Tukad Mungga Pemaron Baktiseraga Banyuasri Paket Agung Beratan Liligundi Kp. Singaraja Kendran Sarimekar Petandakan Nagasepeha Alasangker Poh Bergong
42
17 BULELENG
18
19
SAWAN
20
21
KUBUTAMBAHAN
22
Banjar Tegal Astina Br. Jawa Br. Bali Kp. Kajanan Kaliuntu Kp. Anyar Kp. Bugis Kp. Baru Banyuning Penarukan Jinengdalem Penglatan Sinabun Kerobokan Sangsit Suwug Sawan Menyali Jagaraga Bungkulan Lemukih Galungan Sekumpul Bebetin Sudaji Bila Bengkala Kubutambahan Bulian
43
23 KUBUTAMBAHAN 24
25
TEJAKULA
26
27
Sumber: BPS, 2010 dan Hasil Analisis, 2011 3.3
Tambakan Pakisan Bontihing Tamblang Tajun Depeha Tunjung Bukti Sembiran Pacung Julah Bondalem Madenan Tejakula Les Penuktukan Sambirenteng Tembok
Desain Kuisioner (Formulir Pengisian Survai) Desain kuisioner bertujuan untuk merancang bentuk dan isi kuisioner yang
tepat agar sasaran yakni data atau informasi yang diperoleh memenuhi kebutuhan proses analisis data. Hal ini dapat ditunjukkan dari pemenuhan aspek kuantitatif dan kualitatif data yang dikumpulkan. Dalam desain kuisioner pengetahuan mengenai karakterstik responden sebagai obyek survai adalah sangat penting. Karakteristik masyarakat sebagai responden ditinjau dari kelompok sosial tempat bermukim dan latar belakang pendidikan. Walaupun peninjauan karakteristik hanya dilakukan berdasarkan daya nalar, namun hal tersebut penting karena tenaga survai (surveyor) perlu mengetahui dan menduga bagaimana tanggapan responden sebelum menjalani penelitian.
44
Pengetahuan tentang karakteristik responden diperlukan pada saat membuat kuisioner. Hal-hal yang perlu diperhatikan dalam desain kuisioner antara lain: a.
Format dan gaya formulir isian (tampilan formulir),
b.
Format dan tipe pertanyaan yang diajukan (pertanyaan aktif atau pasif),
c.
Isi pertanyaan yang diajukan,
d.
Susunan pertanyaan (dari bentuk yang sederhana hingga kompleks),
e.
Penjelasan tentang cara mengisi kuisioner (cara lisan dan tulisan).
3.4
Desain Sampel Setelah studi pendahuluan, maka akan diketahui secara pasti jenis dan tipe
data yang dibutuhkan untuk survai. Begitu juga parameter data dan juga metode yang akan digunakan dalam pengumpulan data. Apakah semuanya memerlukan pengamatan di lapangan atau hanya diambil dari data sekunder. Khusus untuk data yang pengumpulannya diperlukan dengan kuisioner maka yang paling penting untuk dikaji terlebih dahulu adalah berkaitan dengan masalah sampling atau desain sampel. Pada dasarnya tujuan dari desain sampel adalah untuk menentukan spesifikasi kualitatif atau kuantitatif dari tata cara pengambilan sampel pada saat survai dilakukan. Sampel adalah bagian dari populasi. Sedangkan populasi adalah totalitas semua nilai yang mungkin, baik hasil menghitung maupun pengukuran kuantitatif maupun kualitatif dari karakteristik tertentu mengenai sekumpulan obyek yang lengkap dan jelas (Sudjana, 1992).
45
Bila populasi besar dan penelitian tidak mungkin mempelajari semua yang ada pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu maka penelitian dapat mempergunakan sampel yang diambil dari populasi itu. Apa yang dipelajari dari sampel itu, kesimpulan akan dilakukan untuk populasi. Untuk sampel yang diambil dari populasi harus betul-betul mewakili (Sugiono, 1993). Langkah-langkah kegiatan yang perlu dilakukan pada tahap desain sampel ini meliputi : a. Penentuan target populasi Target populasi dalam penelitian ini adalah Kepala Keluarga (KK) di Kabupaten Buleleng sesuai dengan data dari Badan Pusat Statistik tahun 2010. b. Merumuskan unit sampel Unit sampel adalah unit dasar yang akan digunakan dalam dasar penentuan besaran sampel. Unit sampel dalam penelitian ini yaitu anggota keluarga di Kabupaten Buleleng yang berusia 5 sampai 65 tahun. c. Menentukan kerangka sampel (sampling frame) Kerangka sampel adalah merupakan lingkup acuan dimana identifikasi elemen atau unit analisis dapat dilakukan dari populasi. Kerangka sampel berisi semua atau mendekati semua keluarga dalam tiap zona. d. Menentukan tingkat kesalahan dan tingkat bias yang masih ditolerir Tingkat kesalahan yang diperbolehkan adalah 5% itu berarti tingkat keyakinan yang diperoleh nantinya sebesar 95%.
46
e. Menentukan besar sampel Penarikan sampel dilakukan untuk mendapatkan sampel dengan jumlah relatif kecil dari seluruh populasi, meskipun jumlahnya relatif kecil dibandingkan jumlah populasi tetapi mampu mempresentasikan jumlah seluruh populasi yang dimaksud. Sampel yang diambil sebanyak 2% agar dapat mewakili kondisi seluruh populasi. Besarnya pengambilan sampel untuk masing-masing obyek yang diteliti tergantung dari : a. Kemampuan penelitian dilihat dari waktu, tenaga dan dana. b. Sempit luasnya wilayah pengamatan. c. Besar kecilnya resiko yang ditanggung oleh peneliti Hasil dari tahapan ini adalah berupa tata cara dan spesifikasi sampling dari masing-masing jenis data yang akan dikumpulkan melalui survai lapangan.
3.5
Penentuan Sampel Pengambilan sampel membantu mengalokasikan sumber daya yang
terbatas. Desain tersebut bertujuan untuk memperoleh data yang representatif atau mewakili populasi. Hal ini mendukung penentuan besar sampel. Tujuan tahap desain sampel adalah menentukan spesifikasi kualitatif dan kuantitatif dari tata cara pengambilan sampel pada saat survai dilaksanakan. Sasaran terakhir tahapan desain sampel adalah teknik pengambilan sampel dan besar sampel.
47
Tahap pengambilan sampel antara lain : 1. Target populasi Target populasi adalah kumpulan obyek yang dilengkapi tempat informasi atau data yang akan dikumpulkan. Dalam hal ini elemen-elemen dasar dari kumpulan obyek dimaksud dapat berupa orang, rumah tangga, kendaraan, daerah geografis, ataupun obyek-obyek lainnya yang bersifat diskrit. Target populasi ditentukan berdasarkan tujuan survai. 2. Unit sampel Unit sampel adalah suatu unit yang akan digunakan sebagai dasar bagi penentuan besar sampel. Suatu populasi pada dasarnya terbentuk dari sekumpulan elemen-elemen individual yang membentuknya. Unit sampel pada umumnya merupakan pengelompokan dari elemen populasi (unit analisis dari populasi). Dalam banyak hal unit sampel dapat menjadi sama dengan elemen populasi. 3. Daftar acuan pengambilan sampel (sampling frame) Sampling frame adalah merupakan daftar acuan yang digunakan untuk mengidentifikasi elemen (unit analysis) dari populasi. Sampling berisi semua atau sebagian besar unit sampel yang ada dalam populasi. Sampling frame tergantung dari populasi dan unit sampel yang akan digunakan. 4. Metode penarikan sampel Tujuan penarikan sampel adalah mendapatkan sampel dari populasi agar sampel tersebut representatif atau mewakili populasi. Atas pertimbangan bahwa sampel yang diambil digunakan untuk merepresentasikan seluruh
48
populasi, maka cara penentuan yang tepat dalam menarik sampel menjadi penting. Ditinjau dari metode penarikan sampel suatu populasi dikenal beberapa cara yaitu (Syofian Siregar, 2010): a. Simple Random Sampling. Pada simple random sampling pengambilan sampel dilakukan secara acak (dengan metode angka acak tertentu) dari seluruh populasi yang ada. Ciri utama sampling ini adalah setiap unsur dari keseluruhan populasi mempunyai kesempatan yang sama untuk dipilih. b. Stratified Random Sampling. Pada stratified random sampling pengambilan sampel berdasarkan informasi awal berkaitan dengan stratifikasi dari populasi. Dalam hal ini pengambilan sampel pada setiap stratifikasi dilakukan secara acak, sama halnya seperti yang dilakukan pada simple random sampling. Teknik ini digunakan apabila populasinya heterogen atau terdiri atas kelompokkelompok yang bertingkat, misalnya menurut pendapatan, usia, jenjang pendidikan. c. Clustered Sampling. Pada teknik ini total populasi dibagi menjadi sekumpulan cluster unit sample. Selanjutnya masing-masing cluster ditarik sampelnya secara acak. Teknik ini digunakan apabila populasi tersebar di beberapa daerah, propinsi, kabupaten, kecamatan dan seterusnya.
49
d. Systematic Sampling. Teknik pengambilan sampel pada metode ini dilakukan dengan memilih unit sampel berdasarkan daftar dan penarikannya dilakukan berdasarkan interval tertentu, misalnya setiap kelipatan 5 atau 10 dari daftar pegawai. 5. Penentuan besar sampel Besar sampel yang digunakan untuk merepresentasikan seluruh populasi dipengaruhi oleh faktor-faktor sebagai berikut: a. Tingkat variabilitas parameter yang akan ditinjau dari seluruh populasi yang ada, b. Tingkat ketelitian yang dibutuhkan untuk mengukur parameter yang dimaksud, c. Besar populasi tempat parameter yang akan disurvai. Besarnya sampel dapat ditentukan secara statistik. Statistik yang digunakan untuk menentukan besar sampel dari populasi . Jika suatu harga parameter dari suatu populasi mempunyai tingkat variabilitas yang tinggi, maka secara logis akan dijumpai kenyataan bahwa jika jumlah sampel yang ditarik terlalu sedikit maka tidak akan mampu mawakili kondisi seluruh populasi dan sebaliknya. Dari tingkat ketelitian harga parameter yang akan diukur, maka makin tinggi tingkat ketelitian yang diinginkan maka makin besar pula jumlah sampel yang dibutuhkan. Jika ditinjau dari besarnya populasi, maka makin besar populasi akan makin besar pula jumlah sampel yang dibutuhkan untuk mewakili kondisi seluruh populasi (Santoso, 1996).
50
3.6
Teknik Pengambilan Sampel Sampel adalah sekumpulan unit yang merupakan bagian dari populasi dan
dipilih untuk merepresentasikan seluruh populasi. Teknik pengambilan sampel pada penelitian ini menggunakan metode sampling Acak Berlapis (Stratified Random Ssampling), yaitu dilakukan jika populasi mempunyai karakteristik yang heterogen, dimana dapat dipisah-pisahkan menurut lapisan tertentu, kemudian dari masing-masing lapisan dilakukan pengambilan sampel secara random. Pengambilan dilakukan dengan membagi populasi menjadi beberapa lapisan, sehingga setiap lapisannya relatif homogen dan ada hubungan antara posisi dalam suatu lapisan tertentu dengan ciri yang sedang diteliti, sebagai berikut : 1. Pengambilan sampel dilakukan berdasarkan tingkat wilayah, dengan cara : a. Membagi wilayah populasi menjadi sub wilayah, kemudian dari sub wilayah ditetapkan sebagai sampel. (Misal penelitian disuatu Kecamatan, diambil beberapa Desa/Kelurahan sebagai sampel). b. Dari sub wilayah sampel ditetapkan pula sub-sub wilayah sebagai sampel. (Dari Desa/Kelurahan yang menjadi sampel, diambil beberapa Banjar sebagai sampel dan seterusnya sesuai persyaratan jumlah sampel). c. Dari bagian-bagian yang lebih kecil, ditetapkan unit-unit sebagai sampel (Dari bagian terkecil misalnya Banjar, diambil sebagian atau seluruh unit sebagai sampel misalnya : Tempekan-Tempekan) 2. Pengambilan sampel berdasarkan daerah kajian studi yang ada yaitu di 9 kecamatan pada Kabupaten Buleleng.
51
3.7
Cara Pelaksanaan Survai Pelaksanaan survai (home interview) dilakukan dengan cara mendatangi
setiap anggota keluarga yang dipilih. Kunjungan dilakukan dengan membawa identitas Kartu Tanda Mahasiswa Universitas Udayana, Surat ijin penelitian dari Instansi yang terkait, dan formulir pengisian (kuisioner). Penyebaran sampel pada masing-masing kelurahan/desa disesuaikan dengan persentase jumlah KK pada masing-masing kelurahan/desa. Jumlah tenaga survai diperlukan sebanyak 10 orang ditambah dengan 2 orang survai cadangan apabila diantara 10 orang survai berhalangan dalam melakukan tugasnya. Disetiap zona terdiri dari 2 surveyor. Dalam
pelaksanaan survai
tersebut
dibutuhkan 6 hari. Dalam
sehari
diperhitungkan 5 zona yang akan disurvai. Selain itu para surveyor diminta melakukan survai di dalam daerah kajian sesuai pembagian yang telah disepakati bersama, supaya tidak saling tumpang tindih (jangan sampai terjadi seorang responden di-interview lebih dari satu kali).
3.7.1 Data Primer Data primer adalah data hasil survai wawancara rumah tangga (home interview) untuk mendapatkan informasi umum rumah tangga, informasi anggota keluarga, informasi perjalanan (formulir survai terlampir seperti pada lampiran), antara lain: a. Survai Informasi Umum Rumah Tangga Pada survai informasi umum rumah tangga dilakukan pencatatan ukuran keluarga yang terdiri atas: jumlah orang dalam rumah tangga, jumlah yang
52
bekerja, jumlah pelajar dan anggota keluarga yang berumur 5-65 tahun. Selain itu dilakukan pencatatan kepemilikan kendaraan sepeda motornya. b. Survai Informasi Anggota Keluarga Pada survai informasi anggota keluarga dicatat status responden (menikah, duda/janda, belum menikah), jenis kelamin, pendidikan, pendapatan bulanan, pengeluaran untuk biaya transportasi setiap bulan, pekerjaan dan lokasi tempat bekerja. Data hasil survai wawancara di rumah tersebut dikelompokkan ke dalam beberapa kategori, yang dapat disajikan didalam Tabel sebagai berikut: Tabel 3.2 Data yang dikumpulkan dari Responden No
Data Rumah tangga/Keluarga
1. 2. 3. 4. 5. 6. 7. 8.
Jumlah anggota keluarga Jumlah anggota keluarga yang bekerja Jumlah anggota keluarga yang pelajar/mahasiswa Total pendapatan dalam satu rumah tangga/keluarga Total jumlah sepeda motor yang dimiliki Jarak perjalanan perhari yang ditempuh oleh semua anggota keluarga Pengeluaran biaya transportasi Waktu perjalanan
Sumber: Hasil Analisis, 2011 3.7.2 Data Sekunder Data sekunder didapat dari Dinas Perhubungan Propinsi Bali tentang : Peta Pulau Bali khususnya wilayah Kabupaten Buleleng. Sedangkan dari Badan Pusat Statistik Propinsi Bali dan Kantor Desa/Kelurahan tentang : data penduduk, data usia sekolah dan teori lainnya didapat dari literatur, jurnal ilmiah dan internet.
53
3.8
Pengolahan Data Pengolahan data adalah kegiatan pendahuluan análisis data, meliputi:
a. Editing
: merupakan kegiatan peninjauan terhadap data yang telah
dikumpulkan melalui survai dan melakukan perbaikan atau melengkapi data. b. Koding
: merupakan kegiatan pemberian kode data yang dikumpulkan
sesuai metode regresi logistik yang digunakan dalam análisis.
3.9
Jumlah Sampel Home Interview Survai Ukuran sampel tergantung dari jumlah populasi dalam studi area dan pada
tingkat keakuratan statistik yang dibutuhkan, tetapi teori sampel dari pengalaman US Department of Transportation dapat digunakan untuk menetapkan angka sampel minimum dan yang disarankan, jika melaksanakan survai Home Interview dalam daerah studi dari jumlah populasi yang berbeda. Untuk survai Home Interview ini, sampel yang dimaksud adalah orang pada usia produktif dalam suatu keluarga yang melakukan perjalanan antar zona baik itu perjalanan untuk sekolah, bekerja, belanja, atau ke tempat rekreasi/hiburan. Menurut Mendenhall (1971), bahwa n >30 merupakan ukuran/jumlah sampel besar, sebaliknya n<30 merupakan ukuran sampel kecil. Juga dinyatakan bahwa pengambilan sampel secara acak akan memberikan peluang untuk menghasilkan suatu sampel yang mendekati representatif. Selain itu menurut Black (1981), besar sampel minimum dan yang dianjurkan dapat diperkirakan seperti tabel dibawah ini:
54
Tabel 3.3 Ukuran sampel minimum dan yang disarankan untuk survai home interview Ukuran Sampel (unit tempat tinggal) Populasi Studi Area Minimum Disarankan < 50.000
1 : 10
1:5
50.000 – 150.000
1 : 20
1:8
150.000 – 300.000
1 : 35
1 : 10
300.000 – 500.000
1 : 50
1 : 15
500.000 – 1.000.000
1 : 70
1 : 20
> 1.000.000
1 : 100
1 : 25
Sumber : Black, 1981
Dalam penelitian ini, ukuran sampel minimum yang disarankan adalah 1:70 atau 1,4 % sedangkan yang disarankan adalah 1:20 atau 5% dari jumlah populasi yang ada. Jumlah penduduk total Kabupaten Buleleng tahun 2010 adalah 624.079 jiwa Dari kondisi tersebut diambil sampel 2% dari jumlah KK yang ada yaitu sebesar 3.000 dari total 149.123 KK. Alasan lain yang dijadikan landasan pengambilan sampel sebesar 2% adalah keterbatasan sumber daya, baik itu sumber daya manusia maupun keterbatasan dari segi pendanaan. Selanjutnya didalam pengambilan sampel atau metode penelitian ini digunakan dengan penarikan sampel Stratified Random Sampling dimana penerapannya di tiap desa dikelompokkan lagi berdasarkan kondisi perekonomian rumah tangga, yaitu rumah tangga dengan pendapatan rendah, pendapatan menengah dan pendapatan tinggi. Sebagai contoh di desa Sumber Kelampok didapatkan sampel sebanyak 13 KK, untuk pendistribusiannya adalah sebagai berikut :
55
-
4 sampel untuk kelompok pendapatan rendah
-
5 sampel untuk kelompok pendapatan menengah
-
4 sampel untuk kelompok pendapatan tinggi
Selanjutnya pengambilan sampel untuk masing-masing kelompok tersebut dilakukan secara acak (random). ( Lihat Lampiran Tabel B.1)
3.10
Tabulasi Data Data hasil survai di kawasan Kabupaten Buleleng ditabulasikan di dalam
bentuk grafik dengan menggambarkan proporsi dari setiap faktor-faktor kepemilikan sepeda motor yang dimiliki oleh keluarga, jumlah anggota keluarga, jumlah anggota keluarga yang bekerja, jumlah pelajar/mahasiswa dalam keluarga, pendapatan total keluarga per bulan, total jarak perjalanan yang ditempuh oleh semua anggota keluarga dalam sehari, faktor-faktor yang mempengaruhi kepemilikan sepeda motor.
3.11
Pendefinisian Variabel Dummy Variabel dapat didefinisikan sebagai atribut seseorang atau obyek yang
mempunyai ”variasi” antara satu orang dengan yang lain atau satu objek dengan objek yang lain (Sugiyono, 2004). Variabel Independen sering disebut sebagai variabel stimulus, prediktor, antecedent yang dalam bahasa indonesia sering disebut dengan variabel bebas. Variabel bebas adalah merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat). Sedangkan Variabel Dependen sering disebut sebagai variabel
56
output, kriteria, konsekuen yang dalam bahasa indonesianya disebut sebagai variabel terikat, karena adanya variabel bebas. Variabel bebas untuk model kepemilikan sepeda motor, yaitu variabel bebas kontinyu meliputi: 1. Jumlah anggota keluarga (orang), 2. Jumlah pekerja dalam keluarga (orang), 3. Jumlah pelajar/mahasiswa dalam keluarga (orang), 4. Total jarak perjalanan (km), 5. Jumlah pendapatan keluarga per bulan (rupiah per bulan). Sementara itu kedua model mempunyai variabel bebas diskrit yang sama yaitu pendapatan total keluarga per bulan (pendapatan) dan variabel diskrit yang berbeda yang meliputi faktor-faktor yang mempengaruhi kepemilikan sepeda motor. Langkah selanjutnya adalah reduksi variabel bebas dengan tujuan menyeleksi variabel bebas yang akan diikutsertakan di dalam model (variable selection). Penyeleksian dilakukan untuk menguji signifikasi dari klasifikasi setiap variabel. Dengan adanya klasifikasi tersebut menyebabkan diperlukannya penggkodean variabel bebas di dalam pemodelan. Pengkodean ini disebut dengan istilah pengkodean variabel dummy ( Al-Gandhi, 2002). Untuk variabel tidak bebas adalah didefinisikan sebagai memiliki sepeda motor (kode = 1) dan tidak memiliki sepeda motor (kode = 0). Sedangkan pengkodean variabel bebas mengikuti aturan pengkodean dalam SPSS ver.15 seperti yang ditunjukkan dalam tabel berikut :
57
Tabel 3.4 Pengkodean Variabel Dummy No
Variabel
Nama dalam Model
Klasifikasi
Kode
1.
Kepemilikan Sepeda Motor
Kepemilikan Kendaraan Bemotor
≤ 1 unit > 1 unit
0 1
2.
Informasi Sosial Ekonomi Rumag Tangga
Pendapatan per bulan
≤ Rp.1 juta Rp.1 juta – Rp.4 juta ≥ Rp.4 juta
0 1 2
3.
Pengeluaran biaya < Rp. 100 ribu transportasi bulanan Rp. 100 ribu – Rp. 300 ribu > Rp. 300 ribu
0 1 2
Jarak rata-rata yang Jarak dekat (< 10 km) ditempuh per hari Jarak sedang (10 km – 20 km) Jarak jauh (> 20 km)
0 1 2
Waktu perjalanan
0 1 2
Informasi Jumlah Demografi Keluarga Rumah Tangga
< 1 jam 1 jam – 2 jam > 2 jam
Anggota ≤ 2 orang 3 – 4 orang > 4 orang
0 1 2
Jumlah anggota ≤ 2 orang keluarga yang bekerja > 2 orang
1 2
Jumlah anggota ≤ 2 orang keluarga yang sekolah > 2 orang
1 2
Sumber: Hasil Analisis, 2011 Analisis berikutnya adalah memasukkan parameter model ke dalam persamanaan regresi logistik, dengan memasukkan variabel bebas. Persamaan regresi logistik untuk kepemilikan sepeda motor ( p=1) adalah sebagai berikut :
58
=
(
)
=
0
+
1X1
+………..+βnXn ................................................. (3.1)
dimana : Y = probabilitas kepemilikan sepeda motor. X1,..n = variabel bebas, dimana : X1= Jumlah Anggota keluarga. X2= Pendapatan per bulan. X3= Jarak rata-rata yang ditempuh per hari. X4= Jumlah anggota keluarga yang bekerja. X5= Jumlah anggota keluarga yang sekolah. X6= Biaya transportasi per bulan. X7= Waktu perjalanan. β0,1,n = parameter model dengan n adalah klasifikasi masing-masing kategori variabel bebas. Kemudian dilakukan uji kelayakan untuk menjelaskan hubungan antara faktor-faktor kepemilikan sepeda motor. Selanjutnya adalah interpretasi model untuk menentukan pengaruh dan besarnya probabilitas masing-masing variabel bebas di dalam kepemilikan sepeda motor, kemudian dapat didiskripsikan secara kualitatif. Dari kegiatan reduksi variabel bebas yang bertujuan untuk menyeleksi variabel bebas yang akan diikut sertakan di dalam model (variable selection). Jika dari analisis korelasi menunjukkan tidak ada ketergantungan antara masingmasing variabel bebas maka semua variabel bebas tersebut dapat dinominasikan sebagai faktor penduga. Seleksi ini untuk langkah selanjutnya adalah dengan
59
melakukan penyeleksian dari variabel masing-masing faktor, misalnya apakah semua variabel dalam salah satu faktor dapat diikut sertakan pada model. Dari hasil pemodelan dan interpretasi model maka dapat dideskripsikan secara kualitatif faktor-faktor yang mempengaruhi kepemilikan sepeda motor. Deskripsi ini disesuaikan dengan tujuan penelitian yang dituangkan dalam bentuk simpulan penelitian dan acuan dalam pembuatan saran.
60
BAB IV DESKRIPSI DATA
4.1
Gambaran Umum Penduduk Kabupaten Buleleng Berdasarkan hasil pencacahan Sensus Penduduk 2010, jumlah penduduk
Kabupaten Buleleng adalah 624.079 orang, yang terdiri atas 311.064 laki‐laki dan 313.015 perempuan. Kecamatan Buleleng memiliki jumlah penduduk terbanyak yaitu 128.951 orang. Sedangkan Kecamatan Busungbiu memiliki jumlah penduduk paling sedikit, yaitu 39.519 orang. Dengan luas wilayah Kabupaten Buleleng sekitar 1.365,88 kilometer persegi yang didiami oleh 624.079 orang, maka rata‐rata kepadatan penduduk Kabupaten Buleleng adalah sebanyak 457 orang per kilo meter persegi. Kecamatan yang paling tinggi tingkat kepadatan penduduknya adalah Kecamatan Buleleng yaitu 2.747 orang per kilometer persegi. Sedangkan yang paling rendah adalah Kecamatan Busungbiu yaitu sebanyak 201 orang per kilo meter persegi. (BPS KabupatenBuleleng, 2010)
4.1.1
Laju Pertumbuhan Penduduk Menurut Kecamatan di Kabupaten Buleleng Untuk laju pertumbuhan penduduk Kabupaten Buleleng pertahun selama
sepuluh tahun terakhir yakni dari tahun 2000 sampai dengan tahun 2010 sebesar 1,12 persen. Laju pertumbuhan penduduk Kecamatan Sukasada adalah yang tertinggi dibandingkan kecamatan‐kecamatan lainnya yaitu sebesar 1,76 persen. Sedangkan yang terendah adalah Kecamatan Tejakula yaitu sebesar 0,02 persen
61
per tahun. Kecamatan Buleleng yang paling banyak jumlah penduduknya hanya menempati posisi ketiga dalam laju pertumbuhan penduduk yaitu sebesar 1.53 persen, di bawah Kecamatan Gerokgak yaitu sebesar 1,62 persen. Laju pertumbuhan penduduk Kabupaten Buleleng dari tahun 2005 sampai tahun 2010 disajikan pada Tabel 4.1.
No
Kecamatan
2005
2006
2007
2008
2009
1 Gerokgak 73.798 76.781 77.524 78.782 79.746 2 Seririt 70.704 72.846 74.091 75.969 76.808 3 Busungbiu 43.290 44.063 45.014 44.977 44.991 4 Banjar 67.741 70.354 67.650 67.763 67.769 5 Sukasada 69.498 70.100 69.415 71.139 71.562 6 Buleleng 114.866 124.834 119.446 120.228 120.239 7 Sawan 61.695 64.865 66.317 66.521 66.828 8 Kubutambahan 55.959 58.214 59.301 59.616 60.248 9 Tejakula 60.525 60.986 64.516 65.242 65.956 Sumber: BPS KabupatenBuleleng, 2010
4.1.2
2010 78.876 69.548 39.519 68.984 72.027 128.951 58.633 53.737 53.804
Jumlah Penduduk Menurut Kecamatan di Kabupaten Buleleng Berdasarkan hasil pencacahan sensus penduduk tahun 2010, jumlah
penduduk Kabupaten Buleleng adalah 624.079 jiwa. Dimana dapat diketahui bahwa Kecamatan Buleleng terdapat 29 kelurahan/desa yang memiliki jumlah KK terbesar yakni 27.286 KK. Kecamatan Gerogak mempunyai jumlah KK terbesar kedua yaitu 19.312 KK dengan jumlah 14 kelurahan/desa. Dan jumlah KK terkecil terdapat pada Kecamatan Busungbiu, yakni 10.407 KK dengan jumlah 15 kelurahan/desa. Jumlah KK menjadi bahan perhitungan jumlah sampel. Tabel 4.2 dan Gambar 4.1 menunjukkan Jumlah KK dan Jiwa di Kabupaten Buleleng.
62
Tabel 4.2 Jumlah KK dan jiwa di Kabupaten Buleleng Tahun 2010 JumlahPenduduk KK Jiwa 1 Gerokgak 19.312 78.876 2 Seririt 17.981 69.548 3 Busungbiu 10.407 39.519 4 Banjar 17.559 68.984 5 Sukasada 14.259 72.027 6 Buleleng 27.286 128. 951 7 Sawan 14.585 58.633 8 Kubutambahan 12.107 53.737 9 Tejakula 15.467 53.804 Sumber: BPS KabupatenBuleleng, 2010 No
Kecamatan
140.000
jumlah penduduk
120.000 100.000 80.000 60.000 40.000 20.000 0.000
Gambar 4.1 Jumlah Penduduk menurut Kecamatan di Kabupaten Buleleng Tahun 2010
63
4.1.3 Ratio Jenis Kelamin (Sex Ratio) Penduduk Kabupaten Buleleng Tahun 2010. Ratio adalah perbandingan dua perangkat yang dinyatakan dalam suatu satuan tertentu dan biasanya dinyatakan dalam banyaknya penduduk laki-laki per 100 perempuan , dengan kata lain jumlah penduduk laki-laki dibagi jumlah penduduk perempuan dikalikan seratus. Apabila SR ˃ 100 maka didaerah tersebut lebih banyak penduduk perempuan dan apabila SR ˂ maka didaerah tersebut lebih banyak penduduk laki-laki (R.Thomas Malthus, 1834). Berikut ini Tabel dan Gambar 4.2 jumlah Penduduk menurut jenis kelamin (sex ratio) Kabupaten Buleleng. Tabel 4.3 Jumlah Penduduk menurut Kecamatan dan Jenis Kelamin di Kabupaten Buleleng tahun 2010 No 1 2 3 4 5 6 7 8 9
Kecamatan Gerokgak Seririt Busungbiu Banjar Sukasada Buleleng Sawan Kubutambahan Tejakula
Laki-laki
Perempuan
JumlahPenduduk
39.620 34.194 19.671 34.192 35.871 64.112 28.980 27.192 27.232
39.256 35.354 19.848 34.792 36.156 64.839 29.653 26.545 26.572
78.876 69.548 39.519 68.984 72.027 128. 951 58.633 53.737 53.804 624.079
Sumber : BPS Kabupaten Buleleng 2010
64
jumlah penduduk
80.000
60.000
40.000 Laki-laki 20.000
Perempuan
0.000
Gambar 4.2 Diagram Jumlah Penduduk laki-laki dan perempuan Per Kecamatan Kabupaten Buleleng 4.2
Analisis Sosial Ekonomi Rumah Tangga di Kabupaten Buleleng Data hasil survai dianalisis dengan mengelompokkan sesuai parameter
yang berkaitan dengan kepemilikan sepeda motor, sebagai representasi dari masyarakat di daerah studi.Pengelompokkan tersebut sebagai berikut: a. Informasi demografi rumah tangga, antara lain: jumlah anggota keluarga yang bekerja, yang sekolah/pelajar dan jumlah anggota keluarga yang bukan pekerja dan bukan sekolah/pelajar. b. Informasisosial-ekonomi rumahtangga, antara lain: kepemilikan sepeda motor, pendapatan keluarga, jarak yang ditempuh, pengeluaran biaya transportasi dan waktu perjalanan. Dari pengelompokkan tersebut didapat data sebagai tergambar dalam diagramdiagram berikut ini:
65
1. Jumlah Anggota Keluarga Dari masing-masing keluarga yang disurvai diperoleh data jumlah anggota keluarga pada daerah studi ,seperti terlihat dalam Tabel berikut ini. Tabel 4.4 Jumlah Anggota Keluarga Pada Daerah Studi Jumlah Orang DalamKeluarga
No 1 2 3 4 5 6 7
1 2 3 4 5 6 7/Lebih Jumlah Sumber: Hasil Analisis, 2011
Hasil Survai Jumlah Keluarga (KK) 20 332 750 1.084 552 202 60 3.000
Persentase (%) 1 11 25 36 18 7 2 100
Dari tabel dapat dilihat bahwa 73 % dari keluarga yang disurvai memiliki anggota keluarga antara 1 sampai dengan 4 orang, 25 % memiliki anggota keluarga antara 5 dan 6 orang dan 2 % memiliki 7 atau lebih anggota keluarga. Jadi rata-rata jumlah anggota keluarga hasil survai adalah 4 orang. 40
36
jumlah orang (%)
35 30
25
25
18
20 15
11
10 5
7 2
1
0 1 orang
2 orang
3 orang
4 orang
5 orang
6 orang
>7 orang
Gambar 4.3 Diagram Prosentase Jumlah Anggota Keluarga Pada Area Studi
66
Pada Gambar 4.3 terlihat prosentase jumlah anggota keluarga 4 orang merupakan jumlah terbanyak pada KK daerah studi. 2. Jumlah Pekerja, Pelajar dan Bukan Pekerja maupun Bukan pelajar dalam Keluarga Data ini merupakan data profesi anggota keluarga yang dikategorikan untuk data pelajar dari 0 orang, 1 orang, 2 orang, 3 orang, dan 4 orang begitu juga untuk kategori pekerja dan yang bukan pekerja maupun pelajar. Berikut Tabel jumlah pelajar di tiap keluarga. Tabel 4.5 Jumlah Pelajar di Tiap Keluarga Pada Area Studi Hasil Survai
Jumlah Pelajar dalam Keluarga
No
Jumlah Pelajar
Prosentase (%)
1.042 937 794 204 23 3.000
35 31 26 7 1 100
1 2 3 4 5
0 orang 1 orang 2 orang 3 orang 4 orang Jumlah Sumber: Hasil Analisis,2011 40
jumlah orang (%)
35
35 31
30
26
25 20 15 10
7
5
1
0 0 orang
1 orang
2 orang
3 orang
4 orang
Gambar 4.4 Diagram Prosentase Jumlah Pelajar di Tiap Keluarga Pada Area Studi
67
3. Pendapatan Bulanan Besar pendapatan per bulan setiap kepala keluarga mencerminkan kemampuan suatu keluarga baik dalam hal memiliki rumah tinggal, kendaran pribadi (sepeda motor atau mobil), walaupun hal ini masih bersifat relatif, karena masih dipengaruhi oleh besar kebutuhan rumah tangga masing-masing (kebutuhan sandang, pangan dan papan serta biaya pendidikan). Namun demikian besar pendapatan ini merupakan penunjang karakteristik dari sebuah rumah tangga. 77
80 70
jumlah KK (%)
60 50 40 30 20
13
8
10
2
0 <= 2 juta
2-4 juta
4-6 juta
> 6 juta
Gambar 4.5 Diagram Prosentase Pendapatan Bulanan per KK Dari diagram menunjukkan bahwa prosentase tertinggi pendapatan adalah keluarga dengan pendapatan lebih besar dari Rp. 2.000.000,- sampai dengan Rp. 4.000.000,- sebesar 77% , sedangkan pendapatan terendah lebih kecil dari Rp. 2.000.000,- dengan prosentase sebesar 13%, sementara yang berpenghasilan diatas Rp. 6.000.000,- sebesar 2%.
68
4. Kepemilikan Sepeda Motor Dari masing-masing keluarga yang disurvai diperoleh data kepemilikan sepada motor tiap keluarga pada daerah studi dengan kategori untuk data 0 unit, 1 unit dan ≥ 2 unit. Seperti terlihat pada Tabel berikut ini : Tabel 4.6 Kepemilikan Sepeda Motor di Tiap Keluarga No
Jumlah Sepeda Motor dalam Keluarga
1 2 3
0 unit 1 unit ≥ 2 unit Jumlah Sumber: Hasil Analisis, 2011
Hasil Survai Jumlah Sepeda Motor 704 1.696 600 3.000
Prosentase (%) 23 57 20 100
Dari Tabel dapat dilihat bahwa jumlah sepeda motor yang dimiliki oleh tiap keluarga rata-rata mempunyai 1 unit sepeda motor.
57
60
jumlah KK (%)
50 40 30
23
20
20 10 0 0 unit
1 unit
> 2 unit
Gambar 4.6 Prosentase Jumlah Kepemilikan Sepeda Motor per KK
69
Menurut survai jumlah kepemilikan sepeda motor di Kecamatan Buleleng jauh lebih besar yaitu 554 unit dibandingkan dengan kecamatan lainnya yang ada di Kabupaten Buleleng. Hal ini disebabkan oleh beberapa faktor antara lain di kecamatan Buleleng merupakan pusat dari kegiatan perekonomian yang sebagian besar ada di kecamatan Buleleng. Dengan fasilitas angkutan umum yang masih kurang para masyarakat cenderung untuk memiliki sepeda motor untuk memperlancar aktivitasnya sehari-hari.
70
BAB V PEMODELAN DAN ANALISIS OUTPUT MODEL
5.1. Pemilihan Variabel Model Kode atau angka yang mewakili setiap klasifikasi dari setiap variabel bebas selanjutnya digunakan sebagai masukan data numerik di dalam perhitungan model. Akan tetapi sebelum digunakan di dalam perhitungan model, setiap klasifikasi dari variabel bebas dummy akan diuji terlebih dahulu variabilitasnya secara statistik dengan menggunakan uji hipotesis. Kegiatan ini disebut sebagai reduksi variabel bebas dummy. Berdasarkan data survei diperoleh persentase untuk masing-masing kategori atau klasifikasi variabel bebas dummy. Persentase tersebut dihitung untuk selanjutnya digunakan dalam reduksi variabel dummy untuk setiap klasifikasi setiap variabel bebas dummy. Metode reduksi variabel dummy digunakan untuk mengeliminasi atau mengurangi dummy variabel yang mempunyai tingkat signifikansi kurang dari 5%. Uji hipotesis variabel bebas diskrit dilakukan untuk memperoleh variabel bebas dummy yang siap digunakan di dalam pemodelan seperti diperlihatkan pada Tabel 5.1. Hasil dari uji hipotesis ini adalah sebagai berikut: a. Pada variabel pendapatan rumah tangga per bulan, kategori pendapatan dibawah Rp. 1 juta tidak digunakan di dalam model karena jumlah sampelnya 0. Ini berarti bahwa kategori tersebut tidak signifikans secara
71
statistik. Hal yang sama juga ditemui pada kategori jumlah anggota keluarga kurang dari 2 orang. Untuk variabel pendapatan rumah tangga per bulan dan jumlah anggota keluarga hanya digunakan 2 kategori di dalam pemodelan. b. Pada variabel waktu perjalanan, kategori waktu perjalanan > 2 jam mempunyai sampel = 0 akan tetapi mempunyai nilai rata-ratanya mempunyai batas bawah dan batas atas 0, sehingga tidak signifikan secara statistik. Untuk itu, kategori waktu perjalanan digabungkan dengan kategori perjalanan 1-2 jam dan didefinisikan sebagai kategori baru yaitu kategori waktu perjalanan > 1 jam. c. Variabel jumlah anggota keluarga yang sekolah terdiri dari 2 kategori yaitu lebih besar dari 2 orang dan kurang dari atau sama dengan 2 orang. Dari uji hipotesis terlihat bahwa kategori kurang dari 2 orang mempunyai sampel = 0 sehingga kategori ini tidak signifikan untuk diikutkan sebagai faktor penduga di dalam model. Oleh karena hanya 1 kategori yang signifikan maka berakibat variabel jumlah anggota keluarga tidak diikutkan sebagai faktor penduga di dalam. Hal ini karena variabel jumlah anggota keluarga yang sekolah tidak signifikan sebagai faktor penduga karena bersifat homogen atau mempunyai variabilitas yang rendah.
72
Tabel 5.1 Reduksi Variabel Dummy Deskripsi
X
N
Pendapatan rumah tangga per bulan Rp. 1 juta* 0 3000 Rp. 1 juta – 4 juta 2674 3000 Rp. 4 juta 326 3000 Pengeluaran biaya transportasi per bulan < Rp. 100 ribu 763 3000 Rp. 100 ribu – 300 ribu 1492 3000 > Rp. 300 ribu 745 3000 Jarak tempuh rata-rata per hari Jarak dekat (< 10 km) 2173 3000 Jarak sedang (10-20 km) 519 3000 Jarak jauh (> 20 km) 308 3000 Waktu perjalanan < 1 jam 2520 3000 1 – 2 jam 412 3000 > 2 jam* 68 3000 Jumlah anggota keluarga 2 orang* 0 3000 3 – 4 orang 1101 3000 4 orang 1899 3000 Jumlah anggota keluarga yang bekerja 2 orang 1589 3000 > 2 orang 1411 3000 Jumlah anggota keluarga yang sekolah 2 orang 3000 3000 > 2 orang* 0 3000
Sumber: Analisis Data, 2011
X/N
95% selang kepercayaan Bawah Atas
0.000 0.891 0.109
0.0 0.9 0.1
0.0 0.9 0.1
0.254 0.497 0.248
0.2 0.5 0.2
0.3 0.5 0.3
0.724 0.173 0.103
0.7 0.2 0.1
0.7 0.2 0.1
0.840 0.137 0.023
0.8 0.1 0.0
0.9 0.1 0.0
0.000 0.367 0.633
0.0 0.3 0.6
0.0 0.4 0.7
0.530 0.470
0.5 0.5
0.5 0.5
1.000 0.000
1.0 0.0
1.0 0.0
*) Tidak signifikan secara statistik pada tingkat 5% (selang kepercayaan 95% termasuk 0) dengan : X = Jumlah klsifikasi yang timbul N = Jumlah data/sampel
73
Dari Tabel 5.1 terlihat bahwa terdapat tujuh (7) variabel bebas atau 19 kategori/klasifikasi yang digunakan sebagai faktor penduga di dalam pemodelan dengan regresi logistik. 5.2
Kalibrasi Model Kegiatan selanjutnya adalah menganalisis variabel bebas yang mampu
memberikan nilai ekspektasi yang signifikan. Hasil estimasi parameter model dapat dilihat pada Tabel 5.2 Pada tabel tersebut dapat juga dilakukan analisa multikolinieritas atau adanya korelasi yang erat di antara masing-masing variabel bebas. Dari nilai standard error (S.E) setiap variabel bebas diketahui bahwa tidak terdapat nilai yang melebihi 2.0 sehingga dapat dikatakan tidak terdapat persoalan multikolinieritas (ketergantungan yang kuat antara satu variabel bebas yang satu dengan variabel yang lainnya) di dalam model tersebut. Tabel 5.2 Variabel Bebas yang Signifikan Variabel keluarga(1) pendapatan(1) jarak(1) jarak(2) btransport(1) btransport(2) konstan
B
Standard Error
Sig.
Exp(B)
-.602 -1.585 -.295 .137 -1.037 -.176 .601
.110 .128 .154 .169 .167 .114 .166
.000 .000 .055 .418 .000 .124 .000
.548 .205 .745 1.147 .354 .839 1.823
Sumber: Hasil Analisis, 2011 dengan: keluarga(1)
:
Jumlah anggota keluarga 3-4 orang
pendapatan(1)
:
Pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta
jarak(1)
:
Jarak perjalanan keluarga dekat (< 10 km)
jarak(2)
:
Jarak perjalanan keluaga sedang (10-20 km)
74
btransport(1)
:
Biaya perjalanan keluarga per bulan < Rp. 100 ribu
btransport(2)
:
Biaya perjalanan keluarga per bulan Rp. 100 ribu – 300 ribu.
Dari Tabel 5.2 terlihat bahwa variabel atau faktor-faktor yang berpengaruh terhadap kepemilikan sepeda motor di Kabupaten Buleleng pada tingkat 5% atau dengan kepercayaan 95% adalah jumlah anggota keluarga 3-4 orang, pendapatan rumah tangga per bulan Rp. 1 juta – 4 jutadan biaya transportasi kurang dari Rp. 100 ribu per bulan. Pengaruh dari masing-masing faktor tersebut dapat dideskripsikan dengan melihat nilai ekspektasi nilai variabel bebasnya (Exp(B)): a. Jumlah keluarga dengan anggota 3-4 orang dibandingkan dengan anggota keluarga 4 orang,lebih kecil 45,2 % (0,548-1) kemungkinannya untuk memiliki > 1 unit sepeda motor. Dengan perkataan lain semakin besar jumlah anggota keluarganya, maka peluang keluarga memiliki > 1 unit sepeda motor lebih besar. b. Keluarga dengan pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta dibandingkan keluarga dengan pendapatan Rp 4 juta rupiah per bulan, lebih kecil 79.5% (0,205-1) kemungkinannnya untuk memiliki > 1 unit sepeda motor. Dengan perkataan lain, semakin besar pendapatan per bulan suatu keluarga maka peluang memiliki > 1 unit sepeda motor lebih besar. c. Keluarga dengan biaya transportasi per bulannya < Rp. 100 ribu dibandingkan keluarga dengan biaya transportasi per bulannya > Rp. 300 ribu lebih kecil 64,6% (0,354-1) kemungkinannya untuk memiliki > 1 unit sepeda motor. Dengan perkataan lain, semakin besar biaya transportasi
75
yang dikeluarkan oleh suatu keluarga maka peluang keluarga tersebut untuk memiliki > 1 unit sepeda motor lebih besar. Dari ketiga kategori yang berpengaruh terhadap kepemilikan sepeda motor di Kabupaten Buleleng, dapat dianalisis beberapa hal sebagai berikut: a.
Pendapatan keluarga meningkat maka kemungkinan kepemilikan sepeda motor > 1 unit meningkat. Ini merupakan suatu konsekuensi logis karena dengan kondisi keuangan yang lebih mampu sudah barang tentu mempunyai daya beli yang lebih tinggi.
b.
Jumlah anggota keluarga dan biaya transportasi yang lebih banyak juga dapat mempengaruhi kepemilikan sepeda motor > 1 unit. Jika dikaitkan dengan alternatif moda transportasi yang ada saat ini di Kabupaten Buleleng, maka fenomena ini merupakan suatu konsekuensi yang logis. Seseorang untuk melakukan perjalanan tentunya akan mencari biaya yang serendah mungkin (efisien) tetapi dengan efektifitas yang tinggi (misal sebanyak-banyaknya dapat mengangkut seluruh anggota keluarganya). Alternatif moda transportasi yang memungkinkan saat ini dengan memperhitungkan efisiensi dan efektifitas yang tinggi tersebut adalah sepeda motor.
c.
Akan tetapi, kepemilikan dan penggunaan yang meningkat dari sepeda motor tentunya akan berdampak kepada penambahan kendaraan pribadi di jalan
raya
yang
selanjutnya
berkontribusi
kepada
permasalahan
transportasi seperti kemacetan dan kecelakaan lalu lintas. Untuk itu penyediaan dan pemberdayaan sarana angkutan umum yang kompetitif
76
(dengan sepeda motor) baik dari biaya dan kecepatan dan ketepatan pelayanan merupakan syarat yang harus dipenuhi jika permasalahanpermasalahan transportasi tersebut hendak dikurangi. Berdasarkan Tabel 5.2 maka dapat disusun model kepemilikan sepeda motor di Kabupaten Buleleng.
p =0,601-0,602*keluarga(1)-1,585*pendapatan(1)ln 1 p 0,295*jarak(1)+0.137*jarak(2)-1,037*btransport(1)-0,176*btransport(2) dengan: p
:
Peluang untuk memiliki > 1 unit sepeda motor
keluarga(1)
:
Jumlah anggota keluarga 3-4 orang
pendapatan(1)
:
Pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta
jarak(1)
:
Jarak perjalanan keluarga dekat (< 10 km)
jarak(2)
:
Jarak perjalanan keluaga sedang (10-20 km)
btransport(1)
:
Biaya perjalanan keluarga per bulan < Rp. 100 ribu
btransport(2)
:
Biaya perjalanan keluarga per bulan Rp. 100 ribu – 300 ribu.
Kategori jarak(1), jarak(2) dan btransport(2) tetap diikutkan pada model walaupun mempunyai signifikansi kurang dari 5%. Hal ini karena jika kategorikategori tersebut dikeluarkan dari model akan mempengaruhi kelayakan (goodness of fit) dari model secara keseluruhan.
77
5.3
Validasi Model Setelah semua data terkumpul dan masing-masing kategori sudah
diberikan variabel dummy-nya masing-masing, maka langkah selanjutnya adalah memasukkan semua data tersebut ke dalam kolom “data view” dan “variabel view” di dalam program SPSS version 15. Hasil output SPSS selanjutnya bisa kita analisa. Print out SPSS dapat dilihat secara lengkap pada lampiran. Analisa penentuan hubungan antara variabel bebas dan variabel tidak bebas di dalam model serta kelayakan model didalam menyatakan hubungan antara variabel bebas dengan variabel tidak bebas, dapat dilihat pada tabel di bawah ini, yang diperoleh dari output program SPSS. Tabel 5.3. Signifikansi Model
Model
Chi-square
df
Sig.
334.836
6
.000
Pada Tabel 5.3 terlihat bahwa untuk model kepemilikan sepeda motor mempunyai peluang chi-square 334,836 dengan tingkat signifikansi 0,000 atau model kepemilikan sepeda motor di Kabupaten Buleleng mempunyai signifikansi pada tingkat 5%. Ini menunjukkan bahwa model yang disusun mempunyai hubungan yang signifikan antara variabel bebas dengan variabel tidak bebasnya.
78
Tabel 5.4 Koefisien Determinasi Model Step 1
-2 Log likelihood
Cox &Snell R Square
Nagelkerke R Square
2664.804
.106
.167
Mengacu kepada Washington, et al. (2003) dijelaskan bahwa pada model pilihan dengan model logistik, semakin tinggi nilai pseudo R 2 (goodness of fit), semakin baik model yang disusun.Akan tetapi hal ini tidak selalu tepat. O’Donnel dan Connor (2002) menyatakan bahwa secara praktis nilai tersebut dapat diabaikan karena untuk model regresi logistik ini tidak ada nilai bakupseudo R2 yang dapat dijadikan sebagai acuan kelayakan model. Nilai ini mempunyai batas atas baik secara teoritis dan empiris yang selalu kurang dari satu. Oleh karena itu digunakan cara lain untuk menentukan kelayakan model yaitu dengan uji Hosmer and Lemeshow (H-L test). Uji kelayakan model atau model goodness of fit dilakukan dengan menggunakan prinsip Hosmer and Lameshow (H-L test). Jika nilai uji H-L sama atau kurang dari 5% berarti ada perbedaan yang signifikan antara model dengan nilai observasinya, dimana kelayakan model tidak baik karena model dianggap tidak bisa memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lameshow’s goodness of fit lebih besar dari 5% berarti model mampu untuk memprediksi nilai observasinya dengan kepercayaan 95%.
79
Tabel 5.5 Uji Hosmer-Lemeshow Step
Chi-square
df
Sig.
1
6.475
7
.485
Dari Tabel 5.5 terlihat bahwa nilai signifikansi berdasarkan uji Hosmer and Lameshow (H-L) 1 adalah 0.485 (>5%), maka model regresi logistik yang disusun bisa digunakan untuk memprediksi nilai observasi dengan kepercayaan 95%. Akurasi klasifikasi model umumnya adalah 25% atau lebih tinggi daripada proporsi data.Kegunaan analisis akurasi klasifikasi model adalah untuk membandingkan akurasi model nol (model hanya dengan konstanta tanpa variabel bebas) dengan full model atau model dengan menyertakan variabel bebas.Proporsi akurasi klasifikasi model dihitung dengan menggunakan proporsi klasifikasi variabel tidak bebasnya.Akurasi proporsi data dan akurasi model dapat dilihat pada Tabel 5.6 Tabel 5.6 Akurasi Proporsi Data dan Model
Kepemilikan sepeda motor
Proporsi Data N 2401 1 unit > 1 unit 599 Akurasi Model
Observed
1 unit > 1 unit Overall Percentage
Sumber: Hasil Analisis, 2011
1 unit 2318 460
Marginal Percentage 80.03% 19.97% Predicted > 1 unit 83 139
Percent 96.5 Correct 23.2 81.9
80
Untuk model proporsi data adalah 0,8003² + 0,1997² = 0.680 (68%). Akurasi model dengan regresi logistik (full model) adalah 81,9% dan lebih besar dari akurasi proporsi data. Oleh karena itu ‘full model’ kepemilikan sepeda motor lebih baik daripada model nolnya. Dari perbandingan akurasi model terlihat bahwa penambahan variabel bebas di dalam kedua model yang disusun memberikan hasil yang lebih akurat dibandingkan model tanpa variabel bebas sehingga dapat dijadikan prediksi dalam peningkatan kepemilikan kendaraan dimasa yang akan datang.
81
BAB VI SIMPULAN DAN SARAN
6.1
Simpulann Untuk Kepemilikan Sepeda Motor Pada Rumah Tangga di Kabupaten Buleleng. Dari hasil analisis yang dilakukan pada bab sebelumnya, maka
disimpulkan seperti berikut ini : 6.1.1 Karakteristik sosial-ekonomi dan demografi penduduk. a. Prosentase tertinggi pendapatan adalah keluarga dengan pendapatan lebih besar dari Rp. 2.000.000,- sampai dengan Rp. 4.000.000,- sebesar 77% , sedangkan pendapatan terendah lebih kecil dari Rp. 2.000.000,- dengan prosentase sebesar 13%, sementara yang berpenghasilan diatas Rp. 6.000.000,- sebesar 2%. b. Kepemilikan 1 unit sepeda motor mempunyai prosentase tertinggi yaitu 57%, kepemilikan lebih dari 2 unit sepeda motor adalah 20%, berimbang dengan masyarakat yang tidak memiliki sepeda motor (0 unit) yaitu 23%. c. Prosentase jumlah kepala keluarga tertinggi adalah 36% dengan jumlah rata-rata 4 orang. d. Prosentase jumlah penduduk tertinggi berada di Kecamatan Buleleng sebesar 20% (128.951 jiwa)
, sedangkan yang paling rendah adalah
Kecamatan Busungbiu yaitu sebesar 6% ( 39.519 jiwa).
82
e. Dari jumlah penduduk yang bekerja didapatkan prosentase tertinggi adalah 51,2% dengan jumlah kurang dari 2 orang, penduduk sebagai pelajar tertinggi sebesar 31% untuk jumlah 1 orang.
6.1.2
Model Kepemilikan Sepeda Motor di Kabupaten Buleleng Berdasarkan data yang diperoleh dari hasil survai dan analisis data yang
dilakukan, maka dapat disusun bahwa model kepemilikan sepeda motor per KK di Kabupaten Buleleng sebagai berikut:
p =0,601-0,602*keluarga(1)-1,585*pendapatan(1)ln 1 p 0,295*jarak(1)+0.137*jarak(2)-1,037*btransport(1)-0,176*btransport(2) dengan: p
:
Peluang untuk memiliki > 1 unit sepeda motor pada rumah tangga
keluarga(1)
:
Jumlah anggota keluarga 3-4 orang
pendapatan(1)
:
Pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta
jarak(1)
:
Jarak perjalanan keluarga dekat (< 10 km)
jarak(2)
:
Jarak perjalanan keluaga sedang (10-20 km)
btransport(1)
:
Biaya perjalanan keluarga per bulan < Rp. 100 ribu
btransport(2)
:
Biaya perjalanan keluarga per bulan Rp. 100 ribu – 300 ribu.
Faktor-faktor yang berpengaruh terhadap kepemilikan sepeda motor di Kabupaten Buleleng dengan kepercayaan 95% adalah: a. Jumlah anggota keluarga 3-4 orang b. Pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta c. Biaya transportasi kurang dari Rp. 100 ribu per bulan
83
6.1.3 Probabilitas terhadap Kepemilikan Sepeda Motor Probabilitas dari masing-masing faktor yang berpengaruh terhadap kepemilikan sepeda motor dapat dideskripsikan dengan melihat nilai ekspektasi nilai variabel bebasnya (Exp(B)): d. Jumlah keluarga dengan anggota 3-4 orang dibandingkan dengan anggota keluarga 4 orang,lebih kecil 45,2 % (0,548-1) kemungkinannya untuk memiliki > 1 unit sepeda motor. Dengan perkataan lain semakin besar jumlah anggota keluarganya, maka peluang keluarga memiliki > 1 unit sepeda motor lebih besar. e. Keluarga dengan pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta dibandingkan keluarga dengan pendapatan Rp 4 juta rupiah per bulan, lebih kecil 79.5% (0,205-1) kemungkinannnya untuk memiliki > 1 unit sepeda motor. Dengan perkataan lain, semakin besar pendapatan per bulan suatu keluarga maka peluang memiliki > 1 unit sepeda motor lebih besar. f. Keluarga dengan biaya transportasi per bulannya < Rp. 100 ribu dibandingkan keluarga dengan biaya transportasi per bulannya > Rp. 300 ribu lebih kecil 64,6% (0,354-1) kemungkinannya untuk memiliki > 1 unit sepeda motor. Dengan perkataan lain, semakin besar biaya transportasi yang dikeluarkan oleh suatu keluarga maka peluang keluarga tersebut untuk memiliki > 1 unit sepeda motor lebih besar.
84
6.2
Saran Berdasarkan hasil penelitian ini, maka saran yang dapat disampaikan adalah sebagai berikut: 1. Penelitian ini dapat dikembangkan lagi dengan menganalisis daerah studi lainnya dengan cakupan wilayah yang lebih luas. 2. Penelitian ini dapat dikembangkan lagi dengan menggunakan variabel bebas yang lebih kompleks. 3. Peran
serta
Pemerintah
Daerah
sangat
dibutuhkan
agar
sistem
transportasinya dapat memberikan kenyamanan terhadap masyarakat dalam efisiensi waktu dan biaya. Dengan kata lain ketepatan pelayanan merupakan syarat yang harus dipenuhi agar permasalahan transportasi dapat dikurangi. Untuk itu diharapkan lebih dapat meminimalkan penggunaan kendaraan pribadi, agar masyarakat mampu untuk berpindah ke angkutan umum. 4. Dianjurkan menggunakan model lain (bukan regresi logistik) agar dapat digunakan sebagai pembanding di dalam kepemilikan sepeda motor di Kabupaten Buleleng.
85
DAFTAR PUSTAKA
Al.Ghamdi, A.S. 2002. Using Logistic Regression To Estimate The Influence of Accident Factors on Accident Severity, Accident Analysis and Prevention 34, pp.729-741 Black, J. A. 1981. Urban Transport Planning : Theory and Practice, London. Badan Perencanaan Pembangunan Daerah. 2008. Indikator Kesejahteraan Rakyat Kabupaten Kutai Kartanegara. Website: http://bappeda.Kutai kartanegara kab.go.id/bidang/Inkesra_1_2008_Pendahuluan.pdf Badan Pusat Statistik. 2009. Kabupaten Buleleng Dalam Angka, Denpasar. Dinas Perhubungan. 2004. Masterplan Transportasi Bali, Dinas Perhubungan Provinsi Bali, Denpasar. Departemen Perhubungan Republik Indonesia. 2009. Undang-Undang Republik Indonesia No.22 tahun 2009 tentang Lalu Lintas dan Angkutan Jalan. Jakarta Ghozali. 2001. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Penerbit Universitas Diponegoro
Badan
Hsu, T.P., Lin, Y.J., (2007), Multinomial Logit Model of Motorcycle and Car Ownership in Taiwan, Proceeding of the Eastern Asia Society for Transportation Studies, Vol. 6, Dalian-China. Hsu, T.P., Tsai, C.C., Lin, Y.J., 2007, Comparative Analysis of Household Car and Motorcycle Ownership Characteristics, Proceeding of the Eastern Asia Society for Transportation Studies, Vol. 6, Dalian-China. Isgiyanto, A. 2009. Teknik Pengambilan Sampel. Jogyakarta: Mitra Cendikia Press. Kurniawan, I.W. 2009. Analisis Kepemilikan Sepeda Motor dan Mobil Pada Rumah Tangga (skrpsi). Denpasar: Universitas Udayana Santoso, S. 2009. Menguasai Statistik dengan SPSS 15. Jakarta: PT Elex Media Komputindo, Kompas Gramedia. Susantono, B. 2010. Peningkatan Kepemilikan Sepeda Motor di Indonesia
86
Tamin, O.Z. 2000. Perencanaan dan Pemodelan Transportasi. Bandung: Penerbit ITB. Washington, S.P., Karlaftis, M.G., Mannering, F.l., (2003), Statistical and Econometric Methods for Transportation Data Analysis, Chapman & Hall, USA http://id.wikipedia.org/wiki/kendaraan_bermotor www.scribd.com/doc/4857129/konsep-keluarga www.ats.ucla.edu/stat/stata/webbooks/logistic
87
