BAB 4 HASIL DAN PEMBAHASAN
4.1.
Hasil Pengumpulan Data
Berdasarkan
data
jumlah
kepala
keluarga
pada
masing-masing
perumahan yang didapatkan pada survei pendahuluan, maka dapat dilakukan penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan
01/06 02/06 03/06 04/06 05/08 06/08 07/08 08/08 10/08 01/09 02/09 03/09
Jumlah Kepala Keluarga (Xi) 40 45 40 45 40 55 80 35 110 60 58 55
1.600 2.025 1.600 2.025 1.600 3.025 6.400 1.225 12.100 3.600 3.364 3.025
∑
663
41.589
X
55,25
RT/RW
32
(Xi)2
33 Nilai CV merupakan nilai kuadrat dari simpangan baku (S). Untuk menghitung simpangan baku, maka rumus yang digunakan adalah sebagai berikut S=
1 2 2 (∑ (X i ) − (∑ Xi / n )) n
S=
1 (41589 − (663 / 12)) 12
S = 20,32701 Dalam penelitian ini, digunakan tingkat akurasi sebesar 5 %, sehingga nilai E adalah sebagai berikut : E = 5% x X = 0,05 x 55,25 = 2,7625 Sedangkan nilai tingkat kepercayaan yang diambil adalah 95%, sehingga berdasarkan tabel probabilitas normal standar didapatkan hasil interpolasi sebagai berikut : Tabel 4.2 Interpolasi nilai Zα (variansi untuk tingkat kepercayaan) z Φ (z) 1,64 0,949497 1,645 0,95 1,65 0,950529 Dan didapatkan nilai Zα sebesar 1,645
34 Maka perhitungan jumlah sampel minimum yang diperlukan adalah CV ⋅ Zα N= E2 N=
2
(20,32701) 2 ⋅ (1,645) 2 = 147 sampel. (2,7625) 2
Sehingga dalam studi ini diperlukan jumlah sampel minimum sebesar 147 sampel. Kuesioner dibagikan secara acak dan pada saat pengambilan kembali didapatkan sampel sebanyak 183 sampel. Data hasil survei disampaikan dalam lampiran B – Hasil Pengumpulan Data.
4.2.
Hasil Pengolahan Data 4.2.1. Karakteristik Umum Daerah Studi
Untuk memberikan gambaran mengenai karakteristik umum daerah studi yang didapatkan pada saat pengumpulan data, berikut ini disajikan tabel serta grafik karakteristik umum pada daerah studi berdasarkan hasil kuesioner. Tabel 4.3 Jumlah anggota keluarga berdasarkan kelompok usia No
Kelompok Usia
1 2 3 4 5
0 – 5 tahun 6 – 15 tahun 16 – 25 tahun 25 – 40 tahun 40 th keatas
Jumlah Persentase orang 74 8,5 221 25,3 149 17,1 271 31 158 18,1
35
300
Jumlah Orang
250 200 150 100 50 0 < 5 th
6 - 15 th
16 - 25 th
26 - 40 th
> 40 th
Komposisi Usia
Gambar 4.1 Jumlah Orang pada Daerah Studi Berdasarkan Komposisi Usia Berdasarkan Tabel 4.3 dan Gambar 4.1 di atas dapat dilihat bahwa sebagian besar jumlah orang pada daerah studi berusia antara 26 sampai 40 tahun (sebanyak 271 orang). Sedangkan jumlah terkecil terdapat pada komposisi usia kurang dari 5 tahun (sebanyak 74 orang).
Tabel 4.4 Jumlah anggota keluarga berdasarkan status pekerjaan No
Status Pekerjaan
1 2 3
Bekerja Tidak Bekerja Pelajar / Mahasiswa
Jumlah Persentase orang 381 43,6 167 19,1 325 37,2
36
450 400 Jumlah Orang
350 300 250 200 150 100 50 0 Bekerja
Tidak Bekerja
Pelajar/ Mahasiswa
Status Pekerjaan
Gambar 4.2 Jumlah Orang pada Daerah Studi Berdasarkan Status Pekerjaan Berdasarkan Tabel 4.4 dan Gambar 4.2 di atas dapat dilihat bahwa sebagian besar jumlah orang pada daerah studi memiliki status bekerja (sebanyak 381 orang). Sedangkan jumlah terkecil terdapat pada berstatus pekerjaan tidak bekerja (sebanyak 167 orang).
37 4.2.2. Karakteristik Rumah Tangga Daerah Studi a. Jumlah Penghuni Rumah Tangga, Pendapatan dan Jumlah Kepemilikan Kendaraan
Tabel 4.5 Jumlah keluarga berdasarkan jumlah penghuni rumah tangga Jumlah Penghuni Rumah Tangga 1 orang 2 orang 3 orang 4 orang 5 orang 6 orang 7 orang 8 orang 9 orang
No
1 2 3 4 5 6 7 8 9
8 orang; 6 keluarga 7 orang; 22 keluarga
Jumlah Keluarga 4 10 22 44 48 26 22 6 1
9 orang; 1 keluarga 1orang; 4 keluarga
2 orang; 10 keluarga
3 orang; 22 keluarga
6 orang; 26 keluarga
4 orang; 44 keluarga 5 orang; 48 keluarga
Gambar 4.3 Jumlah keluarga pada Daerah Studi Berdasarkan Jumlah Penghuni Rumah Tangga Berdasarkan Tabel 4.5 dan Gambar 4.3 di atas, dapat dilihat bahwa sebagian besar keluarga di daerah studi memiliki jumlah penghuni dalam rumah tangga berkisar antara 4 – 5 orang. Sedangkan
38 hanya sedikit keluarga yang memiliki penghuni dalam rumah tangga sebanyak 1 dan 9 orang.
Tabel 4.6 Jumlah keluarga berdasarkan Pendapatan No
Pendapatan Rata – rata
1 2 3 4 5 6 7
< Rp. 1.000.000 Rp. 1.000.000 – Rp. 2.000.000 Rp. 2.000.000 – Rp. 3.000.000 Rp. 3.000.000 – Rp. 4.000.000 Rp. 4.000.000 – Rp. 5.000.000 Rp. 5.000.000 – Rp. 6.000.000 > Rp. 6.000.000
Jumlah Keluarga 1 3 14 30 25 52 58
Rp. 1juta – Rp. 2 juta; 3 keluarga < Rp. 1juta; 1 keluarga > Rp. 6 juta 58 keluarga
Rp. 2 juta– Rp. 3 juta; 14 keluarga
Rp. 3 juta – Rp. 4juta; 30 keluarga
Rp. 4 juta – Rp. 5juta; 25 keluarga Rp. 5 juta – Rp. 6juta; 52 keluarga
Gambar 4.4 Jumlah keluarga pada Daerah Studi Berdasarkan Pendapatan Rata-rata Berdasarkan Tabel 4.6 dan Gambar 4.4 di atas, dapat dilihat bahwa sebagian besar keluarga di daerah studi memiliki jumlah pendapatan rata-rata lebih besar dari Rp. 5.000.000. Sedangkan hanya sedikit keluarga yang memiliki pendapatan rata-rata di bawah Rp.2.000.000.
39
Tabel 4.7 Jumlah keluarga berdasarkan Jumlah Kepemilikan Kendaraan No
1 2 3 4 5
Jumlah Kepemilikan Kendaraan 0 unit 1 unit
Jumlah Keluarga 6 72
2 unit 3 unit 4 unit
56 31 18
4 unit, 18 keluarga
0 unit, 6 keluarga
3 unit, 31 keluarga
1 unit, 72 keluarga
2 unit, 56 keluarga
Gambar 4.5 Jumlah keluarga pada Daerah Studi Berdasarkan Jumlah Kepemilikan Kendaraan Berdasarkan Tabel 4.7 dan Gambar 4.5 di atas, dapat dilihat bahwa sebagian besar keluarga di daerah studi memiliki jumlah kepemilikan kendaraan dalam rumah tangga berkisar antara 1 – 3 unit. Sedangkan hanya sedikit keluarga yang memiliki kepemilikan kendaraan dalam rumah tangga sebanyak 4 unit.
40 b. Jumlah Perjalanan per hari dalam Keluarga
Tabel 4.8 Jumlah keluarga berdasarkan jumlah perjalanan per hari No
1 2 3 4 5 6 7 8 9 10 11 12 13
Jumlah Perjalanan per Hari 1 2
Jumlah Keluarga 7 6
3 4 5 6 7 8 9 10 11 12 > 13
16 23 34 32 17 32 11 2 1 1 1
12 perjalanan, 1 11 perjalanan, 1 10 perjalanan, 2 9 perjalanan, 11
> 13 perjalanan, 1 1 perjalanan, 7 2 perjalanan, 6 3 perjalanan, 16
8 perjalanan, 32
4 perjalanan, 23
7 perjalanan, 17 5 perjalanan, 34
6 perjalanan, 32
Gambar 4.6 Jumlah keluarga pada Daerah Studi Berdasarkan Jumlah Perjalanan per hari Berdasarkan Tabel 4.8 dan Gambar 4.6 di atas, dapat dilihat bahwa sebagian besar keluarga di daerah studi memiliki jumlah
41 kepemilikan kendaraan dalam rumah tangga berkisar antara 1 – 3 unit. Sedangkan hanya sedikit keluarga yang memiliki kepemilikan kendaraan dalam rumah tangga sebanyak 4 unit.
c. Penggunaan Kendaraan Rata-rata
Tabel 4.9 Jumlah keluarga berdasarkan Jumlah Penggunaan Mobil No
1 2 3 4 5
Jumlah Penggunaan Mobil Rata-rata (orang) 1 2 3 4 5
Jumlah Keluarga 7 25 40 31 7
Tabel 4.10 Jumlah keluarga berdasarkan Jumlah Penggunaan Motor No
1 2 3
Jumlah Penggunaan Motor Rata-rata (orang) 1 2 3
Jumlah Keluarga 45 85 20
Tabel 4.11 Jumlah keluarga berdasarkan Jumlah Penggunaan Sepeda No
1 2
Jumlah Penggunaan Sepeda Rata-rata (orang) 1 2
Jumlah Keluarga 84 0
Berdasarkan Tabel 4.9 hingga Tabel 4.11 di atas dapat dilihat bahwa sebagian besar penggunaan kendaraan rata-rata setiap harinya pada daerah studi yaitu 3 orang untuk mobil (sebanyak 40 keluarga), 2
42 orang untuk motor (sebanyak 85 keluarga), dan 1 orang untuk sepeda (sebanyak 84 keluarga).
4.2.3. Bentuk Model Bangkitan Perjalanan 4.2.3.1. Variabel Bebas dan Variabel Tidak Bebas yang digunakan
Variabel bebas yang digunakan pada penelitian ini merupakan
variabel
yang
didapatkan
berdasarkan
data
karakteristik rumah tangga daerah studi. Variabel bebas yang digunakan antara lain adalah : Tabel 4.12 Variabel Bebas yang digunakan pada pengolahan data Variabel Bebas X1 X2 X3
Keterangan
Jumlah penghuni dalam rumah tangga (orang) Pendapatan Rata-rata (Rupiah) Jumlah Kepemilikan Kendaraan (Unit)
Sedangkan variabel tidak bebas yang digunakan pada penelitian ini adalah Tabel 4.13 Variabel Tidak Bebas yang digunakan pada pengolahan data Variabel Tidak Bebas Y
Keterangan
Jumlah Perjalanan orang per hari
Pengolahan
data
selanjutnya
dilakukan
dengan
menggunakan Microsoft Excel. Lembar perhitungan pengolahan
43 data terdapat pada Lampiran C – Data Variabel Bebas dan Tidak Bebas Dalam Pemodelan
4.2.3.2. Pengujian Korelasi Antar Variabel
Hasil pengujian korelasi antara variabel bebas dengan variabel tidak bebas dan korelasi antar variabel bebas pada penelitian ini dapat dilihat pada tabel berikut. Tabel 4.14 Koefisien Korelasi antar Variabel Y 1,000 0,794 0,481 0,730
Y X1 X2 X3
X1
X2
X3
1,000 0,469 0,650
1,000 0,598
1,000
Dimana : Y
: jumlah perjalanan per hari
X1
: jumlah penghuni dalam rumah tangga (orang)
X2 : pendapatan rata-rata (Rupiah) X3
: jumlah kepemilikan mobil dan motor (unit) Dari Tabel 4.14 di atas dapat dilihat bahwa variabel
bebas (Y) mempunyai hubungan yang kuat dengan variabel bebas X1 (nilai korelasi 0,794) dibandingkan variabel bebas yang lain (nilai korelasi 0,481 dan 0,730). Hal ini ditunjukkan dengan nilai korelasi yang lebih besar dari 0,60 yang berarti bahwa diantara kedua variabel tersebut mempunyai hubungan yang cukup kuat.
44 Sehingga pada proses pemodelan bangkitan perjalanan dilakukan beberapa pengkombinasian beberapa variabel bebas secara coba-coba berdasarkan uji korelasi yang telah dihasilkan seperti : 1. Kombinasi 1 : Menggunakan Variabel Bebas X1 dan X2 2. Kombinasi 2 : Menggunakan Variabel Bebas X2 dan X3 3. Kombinasi 3 : Menggunakan Semua Variabel Bebas
4.2.3.3. Model Bangkitan Perjalanan
Berikut merupakan beberapa hal yang perlu diperhatikan pada proses pemodelan. a. Parameter Logis yang diharapkan Tanda logis yang diharapkan pada penelitian ini adalah bernilai positif (+) yang berarti apabila terjadi peningkatan nilai variabel bebas maka menyebabkan peningkatan nilai variabel
tidak
bebas,
ataupun
sebaliknya.
Dalam
pengolahan data, nilai variabel bebas yang tidak sesuai dengan parameter logis yang diharapkan maka akan dieliminasi. b. Nilai banding t Nilai banding t digunakan untuk melihat apakah variabel bebas yang digunakan dalam model signifikan dengan nilai t-ktitis. Berikut adalah nilai banding t (t-kritis) berdasarkan tabel.
45 Dengan
tingkat
didapatkan nilai
kepercayaan
yang
diambil
95%,
p = 1 – (0,05/2) = 0,975 dan derajat
kebebasan (v) adalah (N-1), dimana N merupakan jumlah responden. Sehingga didapatkan derajat kebebasannya adalah v = 183 – 1 = 182. Maka dari hasil interpolasi tabel distribusi t didapatkan nilai sebagai berikut: Tabel 4.15 Interpolasi nilai tabel distribusi t v t0.975 6 2 120 1,98 182 1,96 Dalam pengolahan data selanjutnya, variabel – variabel
bebas harus memiliki nilai t-stat yang lebih besar dari t-kritis = 1,96. Sehingga variabel bebas yang memiliki nilai t-stat kurang dari 1,96 akan dieliminasi. c. Nilai banding F Nilai banding F digunakan untuk melihat apakah variabel bebas yang digunakan dalam model signifikan dengan nilai F-kritis. Berikut adalah nilai banding F (F-kritis) berdasarkan tabel distribusi F. Dengan derajat kebebasan (v) adalah (N-1), dimana N merupakan jumlah responden. Sehingga didapatkan derajat kebebasannya adalah v = 183 – 1 = 182.
46 Sedangkan dari tingkat kepercayaan yang diambil 95%, didapatkan nilai p = 0,05. Maka dari hasil interpolasi tabel distribusi F didapatkan nilai sebagai berikut: Tabel 4.16 Interpolasi nilai tabel distribusi F v Fp 60 2,75 120 2,68 182 2,678 Dalam pengolahan data selanjutnya, variabel – variabel
bebas harus memiliki nilai F-stat yang lebih besar dari F-kritis = 2,678, sehingga variabel bebas yang memiliki nilai F-stat kurang dari 2,678 akan dieliminasi. Perhitungan analisa regresi dari variabel-variabel bebas yang digunakan serta kombinasinya akan menghasilkan beberapa model persamaan matematis. Hasil akhir dari perhitungan tersebut dapat dilihat pada Tabel 4.17 berikut ini. Dan hasil output pemodelan regresi dapat dilihat pada Lampiran D – Hasil Pemodelan Regresi. Tabel 4.17 Hasil Akhir Model Persamaan Matematis Komb.
Hasil Model Persamaan Matematis
R2
F-stat
1
Y = -0,333 + 1,056*X1 + 2,032E-07*X2
0,65
164,02
2
Y = 2,678 + 1,615*X3
0,53
206,18
3
Y = 0,371 + 0,803*X1 + 0,818*X3
0,71
219,61
t-stat -0,86 14,51 2,78 10,97 14,36 1,26 10,46 6,99
47 Keterangan : Y
: jumlah perjalanan per hari
X1
: jumlah penghuni dalam rumah tangga (orang)
X2
: pendapatan rata-rata (rupiah)
X3
: jumlah kepemilikan mobil dan motor (unit)
R2
: Koefisien Determininasi
F-stat: Nilai Banding F t-stat : Nilai Banding t Dapat dilihat pada hasil akhir persamaan model matematis bahwa variabel X2 (pendapatan rata-rata keluarga) kurang mempengaruhi jumlah perjalanan yang dilakukan keluarga setiap harinya. Dari hasil survei terdapat contoh bahwa keluarga dengan jumlah penghuni 4 orang dan pendapatan ratarata kurang dari Rp. 2.000.000 mampu untuk melakukan perjalanan sebanyak 5 perjalanan/hari. Sedangkan keluarga dengan jumlah pendapatan > Rp. 6.000.000 ada yang hanya melakukan perjalanan 2 kali setiap harinya disebabkan jumlah penghuni dalam keluarga hanya 2 orang. Jadi dapat disimpulkan bahwa jumlah perjalanan yang akan dilakukan penghuni rumah tangga kurang dipengaruhi oleh tingkat pendapatan.
4.2.3.4. Kajian Bentuk Alternatif Bangkitan Perjalanan
Selain menggunakan variabel bebas seperti di atas dapat juga digunakan beberapa alternatif variabel yang dapat
48 digunakan pada proses pemodelan berdasarkan data yang didapatkan pada saat pengumpulan data. Variabel-variabel bebas tersebut antara antara lain adalah : Tabel 4.18 Variabel Bebas yang dapat digunakan sebagai alternatif pada proses pemodelan Variabel Keterangan Bebas X1 Jumlah penghuni dalam rumah tangga X2 Jumlah penghuni yang berstatus usia non-produktif ( 0 – 5 th) X3 Jumlah penghuni yang berstatus usia produktif ( 6 – > 40 th) X4 Pendapatan Keluarga X5 Jumlah Kepemilikan Mobil X6 Jumlah Kepemilikan Motor Sedangkan variabel tidak bebas yang digunakan (Y)
sama dengan sebelumnya yaitu jumlah perjalanan orang per hari. Hasil pengujian korelasi antar variabel bebas dengan variabel tidak bebas dan korelasi antar variabel bebas pada penelitian ini dapat dilihat pada tabel berikut. Tabel 4.19 Pengujian Korelasi antar Variabel
Y X1 X2 X3 X4 X5 X6
Y 1,000 0,794 0,115 0,785 0,481 0,476 0,557
X1
X2
X3
X4
X5
X6
1,000 0,269 0,947 0,469 0,416 0,504
1,000 -0,056 -0,030 -0,260 0,179
1,000 0,496 0,518 0,462
1,000 0,664 0,207
1,000 0,007
1,000
Dari tabel diatas dapat diketahui bahwa selain terdapat variabel tidak bebas (Y) mempunyai hubungan yang kuat dengan
variabel bebas yaitu jumlah penghuni dalam rumah
tangga (X1), dan terdapat pula variabel bebas yang saling
49 berkorelasi kuat yakni X1 dan X3, serta X4 dan X5 yang memiliki nilai korelasi lebih besar dari 0,6 yang berarti bahwa diantara kedua variabel tersebut mempunyai hubungan yang cukup kuat. Sehingga pada proses pemodelan bangkitan perjalanan dilakukan pengkombinasian beberapa variabel tidak bebas yang berkorelasi kuat tersebut. Pengkombinasian ini dimaksudkan untuk mengetahui model bangkitan yang dihasilkan apabila variabel-variabel bebas yang berkorelasi kuat tersebut tidak disatukan dalam perhitungan dan juga mengetahui model bangkitan yang dihasilkan apabila variabel bebas yang berkorelasi kuat tersebut disatukan dalam perhitungan. Kombinasi
yang
dilakukan
untuk
perhitungan
selanjutnya antara lain adalah : 1. Kombinasi 1, dengan mengeliminasi variabel bebas X1 2. Kombinasi 2, dengan mengeliminasi variabel bebas X3 3. Kombinasi 3, dengan mengeliminasi variabel bebas X1 dan X3 4. Kombinasi 4, dengan mengeliminasi variabel bebas X4 5. Kombinasi 5, dengan mengeliminasi variabel bebas X5 6. Kombinasi 6, dengan mengeliminasi variabel bebas X4 dan X5 7. Kombinasi 7, dengan mengeliminasi variabel bebas X1 dan X4
50 8. Kombinasi 8, dengan mengeliminasi variabel bebas X3 dan X4 9. Kombinasi 9, tanpa mengeliminasi variabel bebas Dari hasil pengujian korelasi antar variabel yang ditunjukkan pada Tabel 4.19 dapat digunakan untuk membentuk model bangkitan pergerakan yang terjadi di kawasan perumahan Ciputat Baru dan Graha Permai, selain itu dari hasil pengujian tersebut juga didapatkan 1 variabel bebas yang berkorelasi kuat dengan variabel tidak bebas dibandingkan variabel lain yaitu jumlah penghuni dalam rumah tangga (X1). Karena penentunya hanya satu variabel bebas, maka ada beberapa regresi non linear yang dapat digunakan. Dua bentuk persamaan regresi non linear tersebut antara lain yaitu : Fungsi Eksponensial
: Y = bo (eb1.t)
(pers4.1)
Fungsi Logaritmik
: Y = bo + b1.ln(t)
(pers4.2)
Hasil perhitungan serta indikator statistiknya dapat dilihat pada tabel berikut ini : Tabel 4.20 Bentuk Model Bangkitan Perjalanan dan Nilai Indikator Statistik Tipe Model Fungsi Linear Fungsi Eksponensial Fungsi Logaritmik
Persamaan Y = 0,268 + 1,151X1 y = 1,5818e0.2495X1 Y = 4,4814Ln(X1) – 0,9361
R2 0,6305 0,6262 0,6078
Tabel 4.20 menunjukkan model yang baik secara statistik untuk bangkitan pergerakan keluarga di kawasan Ciputat Baru
51 dan Graha Permai adalah fungsi linear. Hal ini dapat dilihat dari koefisien determinasi (nilai R2) lebih besar dibandingkan kedua fungsi lainnya. Kondisi di atas menunjukkan bahwa dari semua persamaan yang diuji, variabel jumlah penghuni dalam rumah tangga sebagai penentu dapat diterima secara statistik. Berdasarkan kriteria statistik yang sama seperti pemodelan dengan menggunakan 3 (tiga) variabel bebas, perhitungan analisa regresi dari variabel bebas alternatif yang digunakan serta kombinasinya akan menghasilkan beberapa persamaan regresi, hasil dari perhitungan tersebut dapat dilihat pada Tabel 4.21 berikut ini. Tabel 4.21 Hasil Model Alternatif Persamaan Regresi Komb
Persamaaan
F
1
Y=
0,363+0,703*X2+0,821*X3+0,765*X5 +0,825*X6
108,88
2
Y=
0,275+0,819*X1+0,835*X5+0,838*X6
154,21
3
Y=
2,39+0,69*X2+1,69*X5+1,58*X6
74,23
4
Y=
0,275+0,819*X1+0,835*X5+0,838*X6
154,21
5
Y=
-0,463+0,906*X1+0,0000002218*X4 +0,66*X6
131,76
6
Y=
0,176+0,578*X1+0,478*X3+0,646*X6
128,85
t 1,23 3,68 9,77 4,56 5,66 0,95 10,98 5,72 5,97 9,19 2,93 9,90 10,34 0,95 10,98 5,72 5,97 -1,26 11,70 3,25 4,57 0,57 3,37 2,77 4,44
R2 0,71
0,72
0,55
0,72
0,69
0,68
52
Komb
Persamaaan
F
7
Y=
0,36+0,70*X2+0,82*X3+0,76*X5 +0,82*X6
108,88
8
Y=
0,37+0,80*X1+0,80*X5+0,83*X6
145,62
9
Y=
0,275+0,819*X1+0,835*X5+0,838*X6
154,21
t 1,23 3,68 9,77 4,56 5,66 1,25 10,42 5,32 5,72 0,95 10,98 5,72 5,97
Dari hasil pemodelan bangkitan yang ada, dapat dianalisa beberapa hal sebagai berikut yaitu : a. Kesemua
model
yang
dihasilkan
telah
memenuhi
parameter logis yang diharapkan yaitu semua variabel bebas yang digunakan memiliki tanda logis (+). b. Kesemua model yang dihasilkan telah memenuhi kriteria nilai banding t
yaitu semua variabel bebas yang
digunakan memiliki nilai banding t yang lebih besar dari tkritis yaitu sebesar 1,96. c. Kesemua model yang dihasilkan telah memenuhi kriteria nilai banding F
yaitu semua variabel bebas yang
digunakan memiliki nilai banding F yang lebih besar dari F-kritis yaitu sebesar 2,678. d. Semua model yang dihasilkan memiliki nilai koefisien determinasi lebih besar dari 50% atau mendekati 1, yang
R2 0,71
0,71
0,72
53 menunjukkan bahwa model yang terbentuk akan semakin lebih baik.
4.3.
Pembahasan Hasil 4.3.1. Karakteristik Sosio Ekonomi Daerah Studi
Karakteristik rumah tangga di perumahan Ciputat Baru dan Graha Permai secara umum menunjukkan keragaman dalam jumlah penghuni rumah tangga, status pekerjaan, pendapatan rata-rata, serta jumlah kepemilikan kendaraan. Sebagian besar keluarga (31,69%) memiliki pendapatan rata-rata di atas Rp.6.000.000,-. Pendapatan keluarga berkisar antara Rp.5.000.000 - Rp.6.000.000 menempati urutan kedua yaitu sebesar 28,42%. Dan hanya sebesar 0,55% keluarga yang mempunyai pendapatan rata-rata di bawah Rp.500.000. Dan sebagian besar keluarga (26,23%) memiliki jumlah penghuni dalam rumah tangga sebanyak 5 orang. Sebanyak 80,9% dari jumlah penghuni dalam rumah tangga di daerah studi berstatus bekerja dan pelajar/mahasiswa, sedangkan sisanya merupakan penghuni yang berstatus tidak bekerja. Sebagian besar keluarga (57,38%) memiliki kendaraan baik motor ataupun mobil lebih dari 1.
4.3.2. Kalibrasi dan Pemilihan Model Terbaik
Model
persamaan
regresi
yang
digunakan
harus
mempertimbangkan hasil uji statistik terutama untuk uji determinasi (R2).
54 Model yang digunakan adalah model yang mempunyai nilai R2 di atas 50 %. Selain itu juga perlu dilakukan uji kesesuaian baik secara matematis ataupun dengan membandingkan terhadap hasil observasi di lapangan. Uji kesesuaian pada model analisis regresi mengasumsikan bahwa model terbaik adalah model yang mempunyai total kuadratis residual antara hasil model dengan hasil pengamatan (observasi) yang paling minimum. Meminimumkan S =
∑
∧
(Yi − Yi ) 2
(pers2.7)
i =1
Dengan : S
: Nilai Total Kuadratis Residual
Yi
: Hasil Model
∧
Yi
: Hasil Pengamatan
Hasil observasi di lapangan yang dilakukan mulai dari pukul 05.00 – 21.00 WIB didapatkan banyaknya kendaraan yang keluar dari daerah studi sebagai berikut : Tabel 4.22 Hasil Observasi Kendaraan yang Keluar dari Daerah Studi Perumahan
Ciputat Baru Graha Permai Total
Mobil (unit) 521 201 722
Motor (unit) 619 228 847
Pejalan Kaki (org)
65 31 96
Dengan mengalikan masing-masing kendaraan dengan jumlah penggunaan rata-rata maka akan didapat hasil sebagai berikut :
55 Tabel 4.23 Hasil Pengalian jumlah kendaraan dengan penggunaan kendaraan rata-rata Penggunaan Kendaraan Total Perjalanan rata-rata Mobil 722 3 2166 Motor 847 2 1694 Pejalan Kaki 96 96 Total Observasi Perjalanan Orang Per hari 3956 Data masukkan (input) yang digunakan pada uji kesesuaian antara Jenis Kendaraan
Jumlah Kendaraan
lain adalah : Tabel 4.24 Data input untuk uji kesesuaian Data input Jumlah keluarga Jumlah Penghuni
Keterangan Total keluarga di daerah studi Perkiraan total penghuni di daerah studi; yaitu berdasarkan hasil survei data sekunder Pendapatan Perkiraan pendapatan rata-rata Rata-rata di daerah studi; yaitu dengan mencari nilai tengah (median) pendapatan per keluarga berdasarkan hasil survei. Jumlah Perkiraan total kepemilikan Kepemilikan kendaraan di daerah studi; Kendaraan yaitu dengan mengalikan persentase kepemilikan kendaraan per keluarga dengan jumlah kendaran dan total keluarga Dengan menggunakan data input seperti
Total 663 Keluarga 3265 jiwa
Rp. 5.188.525
1245 unit
yang tercantum pada
Tabel 4.24 di atas, maka didapatkan jumlah perjalanan dari hasil pemodelan sebagai berikut : Tabel 4.25 Hasil Pemodelan Jumlah Perjalanan di daerah studi Komb 1 2 3
Persamaaan Y = -0,333 + 1,056*X1 + 2,032E-07*X2 Y = 2,678 + 1,615*X3 Y = 0,371 + 0,803*X1 + 0,818*X3
R2 0,65 0,53 0,71
Y 3956
Yi 3449 2014 3641
S 257494 3773877 99492
56 Keterangan : Y
: Hasil observasi jumlah perjalanan per hari
X1
: Jumlah penghuni (orang)
X2
: Pendapatan rata-rata (rupiah)
X3
: Total kepemilikan mobil dan motor (unit)
R2
: Koefisien Determininasi
Yi
: Hasil model jumlah perjalanan per hari
S
: Total Kuadratis Residual antara hasil model dengan observasi. Dari perhitungan tersebut dapat dilihat bahwa persamaan yang
terdapat pada kombinasi 3 yaitu Y = 0,371 + 0,803*X1 + 0,818*X3 mempunyai nilai koefisien determinasi lebih dari 50% dan memiliki selisih antara hasil pemodelan dengan hasil observasi yaitu 315 perjalanan orang perhari dan nilai total kuadratis minimum dibandingkan hasil pemodelan yang lain yaitu 99492. Selain itu, persamaan ini juga mempunyai nilai koefisien regresi mendekati 0 dibandingkan persamaan yang lain. Dengan mempertimbangkan beberapa hal di atas seperti nilai determinasi, selisih perjalanan hasil pemodelan dan observasi, serta variable yang digunakan, maka persamaan yang paling sesuai sebagai model bangkitan perjalanan di daerah studi kawasan perumahan Ciputat adalah Y = 0,371 + 0,803*X1 + 0,818*X3 dengan X1 adalah jumlah penghuni dan X3 adalah jumlah kepemilikan kendaraan.