BAB IV METODOLOGI Umum

BAB IV METODOLOGI

4.1. Umum

Secara umum, perencanaan transportasi yang ada dapat dimodelkan untuk mengetahui gambaran sederhana dari realita yang ada. Bentuk dari pemodelan tersebut bergantung dari jenis-jenis data yang tersedia. Apakah pengumpulan data berupa data agregat yang berbasiskan zona kajian atau pengumpulan data berupa data disagregat, yaitu dengan melakukan pendekatan secara langsung level individu. Selain itu, keakuratan suatu model dengan realita yang ada bergantung dari parameter-parameter yang digunakan dalam pembentukan model tersebut. Semakin banyak parameter yang ditinjau, maka semakin baik model yang dihasilkan dan semakin mendekati realita, dengan catatan, pengolahan data dengan meninjau parameter yang lebih banyak akan lebih sulit dilakukan dan jika tidak ditunjang dengan sumber daya manusia dan teknologi yang baik, maka dapat menurunkan tingkat keakuratan dari model yang dihasilkan.

Tugas akhir ini lebih menitik beratkan pada data disagregat dimana data yang ada lebih banyak dihasilkan dari survey kepada beberapa individu yang terkait dalam lingkup yang ditinjau. Dengan data tersebut akan dibuat suatu model penggunaan bus trayek CibiruDago, yang memiliki preferensi penggunaan lebih tinggi daripada penggunaan angkot yang ada ataupun kendaraan pribadi, sehingga ketika bus sudah beroperasi, akan terjadi peralihan penggunaan moda dari kendaraan pribadi, baik mobil maupun motor, dan angkutan kota (angkot). Tindakan ini disebut predict and prevent, yaitu dengan mengetahui tingkat sensitifitas dari suatu atribut pendukung moda tersebut, yang dapat diambil langkah yang lebih dini untuk menghadapi dampak dari kebijaksanaan dalam bidang transportasi.

Untuk itu, dalam tugas akhir ini, diperlukan penjelasan metodologi dan sistemasi pengerjaan agar model yang diperoleh sederhana dan cukup baik. Uraian metodologi mencakup proses identifikasi permasalahan hingga ke pengembangan model itu sendiri.

BAB IV – METODOLOGI

Kajian Pustaka dan Identifikasi Masalah

DESAIN EKSPERIMEN

Lingkup Penelitian & Penentuan KriteriaResponden

Survey Batasan Atribut Pelayanan

Survey Preferensi Atribut Pelayanan

Batasan Penawaran Atribut & Levelnya

Atribut Permintaan & Levelnya

Atribut & Level yang Digunakan dalam Kuesioner SP

Desain kuesioner SP

SURVEI DAN PENGUMPULAN DATA

Piloting Survey (Survei Pendahuluan)

Tidak

Uji Desain Kuesioner Sesuai ?

Ya Pengumpulan Data

I

Rino Iman Maizar (15004135) Aal Auladzi (15004156)

IV - 2


PENGOLAHAN DATA DAN PENGEMBANGAN

I

Pengolahan Data

Pengembangan Model

Analisis Statistik dan Sensitifitas

APLIKASI MODEL Skenario Model

Kesimpulan dan Saran

Gambar 4.1. Diagram Alir Metodologi Penelitian

4.2 Identifikasi Masalah dan Studi Literatur

Identifikasi masalah yang telah dijabarkan dalam Bab I akan diuraikan kembali dalam bab ini yaitu mengenai peralihan moda dari kendaraan pribadi dan angkot menjadi bus dengan koridor trayek Cibiru-Dago. Penelitian ini dilakukan berdasarkan jumlah kendaraan yang membebani jalan di koridor Cibiru-Dago dari tahun ke tahun, yang meningkat seiring semakin mudahnya seseorang untuk memperoleh kendaraan pribadi sendiri, khususnya motor, serta mudahnya naik turun angkot dimanapun penumpang menghendaki. Dengan semakin meningkatnya jumlah kendaraan yang membebani jalan serta kurang terstrukturnya pengoperasian angkot di Bandung maka dibutuhkan suatu alternatif moda baru, dalam hal ini bus, dengan sistem operasi yang lebih baik dan atribut pendukung lain sehingga dapat menyedot pengguna kendaraan pribadi atau angkot menjadi pengguna bus. Rino Iman Maizar (15004135) Aal Auladzi (15004156)

IV - 3


Dengan demikian, jumlah kendaraan yang membebani koridor tersebut akan berkurang dan kemacetan pun dapat berkurang.

Setelah proses identifikasi, maka langkah selanjutnya adalah melakukan studi literatur, yang dilakukan untuk menentukan metode pendekatan masalah yang hendak dilakukan dan pemilihan struktur model yang ingin diaplikasikan untuk menganalisa kebutuhan pasar yang ada. Studi literatur dimulai dengan pengumpulan literatur yang berkaitan dengan topik dari tugas akhir ini. Dari studi literatur ditetapkan bahwa pembuat keputusan dalam pemilihan moda tersebut adalah penumpang yang merupakan individu, dan diperlukan metode untuk menganalisis karakteristik penumpang. Model yang digunakan adalah discrete choice models yaitu dengan pemanfaatan model binomial logit. Sedangkan untuk pengumpulan data primer digunakan teknik Stated Preference. Teknik yang akan dilakukan untuk mengolah data adalah dengan menggunakan regresi linier

4.3. Lingkup Penelitian dan Identifikasi Responden

Agar penelitian yang dilakukan lebih terarah, maka harus ada batasan kerja dari penelitian dan responden yang hendak diidentifikasi. Dalam penelitian ini ingin dikaji peralihan penumpang angkot dan pengguna kendaraan pribadi yang bergerak dalam koridor CibiruDago menjadi pengguna bus dengan trayek yang sama. Untuk itu, responden yang akan dipilih adalah para pengguna jalan yang melewati oleh jalur bus Cibiru-Dago. Pengguna jalan ini akan dibagi ke dalam pengguna angkot, motor, dan mobil pribadi, sehingga dapat dianalisa untuk tiap jenis kendaraan yang dipakai. Dengan adanya bus ini diharapkan angkot dengan trayek yang dilingkupi oleh trayek bus dapat dihilangkan sehingga pasar utama bus ini adalah para pengguna angkot trayek tersebut.

4.4. Struktur Pemilihan Moda Rencana

Agar jumlah pengguna jalan untuk setiap moda dapat diketahui. Maka dilakukan analisa jumlah kendaraan yang melalui koridor jalan Cibiru-Dago untuk tiap jenis-jenis kendaraan. Dari analisa, dapat dibuat struktur pemilihan moda dimana pada setiap moda akan ada sebagian yang berpindah ke moda bus, kecuali untuk angkot ada dua skenario perpindahan,


IV - 4


yang pertama yaitu penumpang angkot berpindah sebagian pada moda bus dan yang kedua skenario dimana penumpang angkot diharapkan seluruhnya berpindah menggunakan bus.

Total Pergerakan Penumpang Cibiru-Dago (U’+P’)

Angkot (U1’)

Motor (P1’)

Angkot

Bus

Bus

Mobil Pribadi (P2’)

Motor

Bus

Mobil Pribadi

Gambar 4.2. Struktur Pemilihan Moda Skenario 1

Total Pergerakan Penumpang Cibiru-Dago (U’+P’)

Angkot (U1’)

Motor (P1’)

Bus

Bus

Mobil Pribadi (P2’)

Motor

Bus

Mobil Pribadi

Gambar 4.3. Struktur Pemilihan Moda skenario 2

4.5. Desain Eksperimental

4.5.1 Survey Karakteristik dan Batasan Atribut Pelayanan

Survey karakteristik dilakukan untuk memperoleh gambaran mengenai pengguna jalan yang melalui jalur Cibiru-Dago serta informasi mengenai atribut pelayanan beserta level yang diharapkan oleh pengguna jalan dalam melakukan perjalanan di koridor tersebut. Atribut dan level yang digunakan untuk kuesioner SP didapat dari irisan kepentingan


IV - 5


pelayanan yang diinginkan responden sehingga akan didapat faktor-faktor yang paling berpengaruh dalam pemilihan moda.

Survey karakteristik dilakukan sebanyak satu kali. Survey ini bertujuan mengetahui karakteristik umum dari pengguna jalan koridor Cibiru-Dago, meliputi kondisi sosioekonomi penumpang, maksud perjalanan, frekuensi, biaya yang dikeluarkan, dan lainlain. Dalam survey karakteristik ini juga ditanyakan mengenai karakteristik dari moda yang mereka gunakan serta atribut pelayanan dan level pelayanan yang diharapkan ada pada suatu moda tertentu yang masih dapat ditolerir oleh pengguna dalam melakukan perjalanan. Lalu diajukan pertanyaan lebih mengarah kepada rencana pengoperasian bus dengan trayek Cibiru-Dago yang akan menggantikan pengoperasian angkot dengan trayek yang dilingkupinya. Hasil survey tersebut akan didapat data yang akan digunakan untuk mendesain atribut beserta level dari kuesioner SP.

4.5.2. Desain Kuesioner Stated Preference (SP) Full Factorial Design

Setelah pelaksanaan survey karakteristik dan survey batasan atribut pelayanan sudah diperoleh, maka langkah selanjutnya adalah mendesain kuesioner SP. Untuk mendesain kuesioner ini, diperlukan atribut dan level yang sesuai sehingga model yang dihasilkan akan sederhana dan merepresentasikan realita dan dapat diuji validitasnya. Teknik yang digunakan untuk merancang desain eksperimen kuesioner SP ini disebut dengan Full Factorial Design. Dalam teknik ini ditawarkan suatu kuesioner, yang terdiri dari suatu set himpunan alternatif desain eksperimen. Dimana jumlah alternatif desain eksperimen yang diterapkan sangat bergantung pada atribut-atribut yang ada di dalam alternatif yang ditawarkan dan juga banyaknya level untuk setiap atribut yang ada. Dari survey karakteristik diperoleh 5 atribut pelayanan yang keberadaanya penting untuk menunjang pengoperasian bus, dengan masing-masing atribut terdiri dari 2 level, maka berdasarkan metoda Full Factorial Design, akan ada 25 = 32 paket kombinasi pilihan. Bila kombinasi ini diajukan dalam kuesioner tentunya responden akan bingung untuk menentukan preferensi mereka dengan sungguh-sungguh.


IV - 6


4.5.3. Desain Kuesioner Stated Preference (SP) Fractional Replication Design

Bila pilihan dalam kuesioner cukup banyak, maka perlu dilakukan pengurangan pada rancangan kuesioner karena pada umumnya jumlah pilihan yang mampu ditangani oleh responden adalah antara 9-16 pilihan. Bila lebih dari jumlah tersebut, responden akan ragu dalam menentukan pilihan dan akhirnya dapat memberikan tanggapan yang kurang sesuai pada isian kuesioner SP. Salah satu metode yang digunakan untuk mengurangi jumlah rancangan pilihan atribut ini adalah Fractional Replication Design. Design ini berdasarkan penelitian yang dilakukan oleh Cochran dan Cock (1979) dalam bukunya Experimental Design. Rancangan yang terpilih ini dalam penelitian tersebut telah teruji dan memberikan hasil yang paling baik dan objektif (dalam hal pereduksian perancangan).

4.6. Survey Stated Preference (SP)

4.6.1. Pendahuluan Survey SP

Survey pendahuluan SP dilakukan untuk mengecek apakah kuesioner SP yang disebarkan kepada responden telah mengena ke substannsi masalah atau tidak, jika kuesioner tersebut diajukan kepada responden yang dipilih secara acak. Survey ini dilakukan terhadap sejumlah kecil responden sebagai sampel, yaitu sekitar 30 responden untuk tiap kuesioner yang diajukan. Proses survey pendahuluan ini dilakukan pada penumpang angkot, motor dan pengguna kendaraan mobil pribadi yang melewati koridor Cibiru-Dago. Banyaknya survey pendahuluan bergantung pada intuisi peneliti dalam menentukan pertanyaan yang akan melingkupi semua faktor penting untunk mengetahui karakteristik pengguna jalan di koridor tersebut.

4.6.2. Survey Utama

Dari hasil survey pendahuluan, maka jika desain SP yang ditawarkan ke responden telah mengena kepada masalah yang ditinjau dan telah diuji secara statistik, maka langkah selanjutnya adalah pelaksanaan survey utama. Pelaksanaan survey ini sangat ditentukan


IV - 7


dari hasil (parameter statistik) yang diperoleh dari survey pendahuluan. Untuk menentukan jumlah sampel digunakan persamaan sebagai berikut:

 Zα σ   n=   g 

2

(4.1)

Dimana: n

= jumlah sampel yang dibutuhkan

Zn

= nilai kritis distribusi t untuk tingkat keberartian α (level of significant)

g

= galat yang dikehendaki

σ

= standar deviasi sampel dari populasi

4.7. Pengolahan Data Dan Pengembangan Model

Sebelum pengolahan data, perlu dilakukan pengecekan terhadap input data yang berasal dari kuesioner. Pengecekan data, terutama untuk memeriksa apakah kuesioner yang ditawarkan kepada responden telah diisi secara lengkap, dan apakah preferensi pilihan yang dilakukan oleh responden cenderung memberikan respon yang bersifat vertical line (homogen), jika hal tersebut benar, maka kecenderungan responden tersebut adalah captive users, padahal dalam penelitian ini, diberikan batasan bahwa responden bukanlah captive users. Untuk input yang demikian, maka perlu dilakukan reduksi data. Namun jika setelah direduksi jumlah sampel yang terkumpul masih kurang dari jumlah minimum sampel sesuai dengan hasil perhitungan sebelumnya (persamaan 4.1), maka perlu dilakukan survey kembali sebanyak dengan jumlah kekurangan sampel yang ada. Namun hasil dari survey yang dilakukan itu juga harus dicek kembali, apakah memenuhi dua prasyarat di atas atau tidak. Jika tidak, maka perlu dilakukan pengumpulan kembali data sehingga diperoleh hasil sampel sesuai dengan syarat yang telah ditetapkan.

4.7.1 Pendekatan Model

Seperti yang telah dijabarkan sebelumnya dalam penelitian ini, dipilih pendekatan masalah dengan menggunakan model pemilihan diskrit. Model pemilihan diskrit yang diaplikasikan adalah model logit multinominal, yang merupakan model pemilihan diskrit yang paling


IV - 8


sederhana dan paling sering digunakan. Adapun bentuk persamaan model ini adalah sebagai berikut.: P ji =

exp Uji exp Uji + exp Uki

=

Exp (Uji−Uki) 1 + exp (Uji−Uki )

(4.2)

Dengan demikian berlaku juga:

P ji = 1 − P ji =

1

1 + exp (Uji−Uki )

(4.3)

Dimana : Pji

= Probabilitas pemilihan moda j untuk setiap individu i

Pki

= Probabilitas pemilihan moda k untuk setiap individu i

Uji

= Utilitas yang diberikan oleh moda j

Uki

= Utilitas yang diberikan oleh moda k

Persamaan ini menyatakan bahwa fungsi probabilitas individu i untuk memilih suatu moda j ataupun moda k adalah fungsi dari perbedaan utilitas kedua moda tersebut. Secara sederhana fungsi utilitas dapat dianggap berbentuk linear, sehingga perbedaaan utilitas dapat direpresentasikan dalam bentuk perbedaan dalam sejumlah n atribut yang relevan diantara kedua moda tersebut.

Secara logika hal itu memang tepat, karena setiap individu dihadapkan pada dua pilihan barang atau jasa, pasti akan mempertimbangkan utilitas yang melekat pada kedua barang atau jasa tersebut. Pemilihan yang dilakukan biasanya dengan cara membandingkan keuntungan dan kerugian yang diperoleh dari masing-masing alternatif pilihan dan hasil akhirnya akan diperoleh selisih kerugian maupun keuntungan yang akan didapatkan. Hal inilah yang disebut dengan selisih estimasi individu terhadap pilihan, yang konsep tersebut dapat dirumuskan secara matematis sebagai berikut:

Uji – Uki = a0+a1 (X1ji-X1ki)+a2(X2ji-X2ki)+…+an(Xnji-Xnki)

(4.4)

Dalam persamaan ini a0 adalah konstanta yang akan menampung semua kesalahan dari model yang terbentuk dan juga merupakan identifikasi masih adanya atribut-atribut lainnya Rino Iman Maizar (15004135) Aal Auladzi (15004156)

IV - 9


yang belum diperhitungkan. Sedangkan a1, a2,…,an adalah koefisien dari masing-masing atribut yang nilainya ditentukan dengan konsep least square, yaitu dengan menggunakan metode multiple regresi linear (multiple linear regression).

Dengan cara yang berbeda, nilai utilitas sebagai respon dari individu dalam menentukan pilihannya, juga dapat dinyatakan dalam bentuk probabilitas pemilihan moda tertentu. Persamaan yang terbentuk adalah sebagai berikut:

 P ji Ln  1 − P ji 

  = a 0 + a1 X 1ji - X 1ki + a 2 X 2ji - X 2ki + … + a n X nji - X nki  

(

)

(

)

(

)

(4.5)

Sehingga dari persamaan 4.4 dan persamaan 4.5 diperoleh persamaan baru sebagai berikut:

 Pji   = U ji - Uki Ln  1 − Pji   

(4.6)

Persamaan baru ini merupakan transformasi linear model logit yang dikenal dengan sebutan transformasi Berkson-Theil.

Ukuran statistik yang digunakan untuk memahami dan meramalkan sifat perilaku sangatlah penting untuk dikuasai. Konsep statistik yang biasa digunakan untuk memberikan ukuran tingkat keberartian dari faktor yang mempengaruhi disebut dengan konsep significance test. Disamping itu juga ada konsep goodness of fit (R-square), yang menyatakan ukuran kesesuaian model dibandingkan dengan kondisi aktual. Pengolahan data dilakukan dengan menggunakan metoda regresi linear dengan menggunakan program komputer Microsoft Excel.

4.7.2 Metoda Multiple Regresi Linear

Untuk data, dimana pilihan dalam kuesioner dengan menggunakan sistem rating, maka proses pengolahan data yang tepat adalah dengan metoda multiple regresi linear. Poin rating yang disajikan dalam kuesioner adalah dalam bentuk skala semantik. Contoh dari skala semantik dapat dilihat pada tabel di bawah ini:


IV - 10


Tabel 3.1. Poin Rating Dalam Skala Semantik Skala semantik Pasti pilih Bus Mungkin pilih Bus Imbang Mungkin pilih kendaraan pribadi/angkot Pasti pilih kendaraan pribadi/angkot

Rating 1 2 3 4 5

Skala semantik ini merupakan skala penilaian yang berbentuk kualitatif, sehingga agar diperoleh bentuk kuantitatif perlu dilakuakan transformasi nilai ke dalam skala numerik. Proses transformasi tersebut dapat dilakukan dengan menggunakan fungsi transformasi logit biner (persamaan 4.6), sehingga skala semantik ini nantinya akan ditransformasikan ke dalam bentuk skala numerik (Rn) pada probabilitas tertentu untuk masing-masing poin rating.

Nilai skala numerik yang dihasilkan nantinya adalah merupakan variabel tidak bebas (Y). dimana Y merupakan fungsi dari variabel bebas (X), yaitu selisih nilai atribut antara kedua moda yang dibandingkan.

Dari hasil transformasi logit biner dengan menggunakan persamaan 4.6 untuk nilai probabilitas tertentu, maka dapat diketahui besarnya nilai skala numerik. Adapun hasil dari transformasi tersebut dapat dilihat dari tabel dibawah ini.

Tabel 3.2. Transformasi Nilai Probabilitas ke Dalam Skala Numerik Tabel 3.2 Transformasi Nilai Probabilitas ke Dalam Skala Numerik Rating Probabilitas Skala Numerik 1 0.9 2.197 2 0.7 0.847 3 0.5 0 4 0.3 -0.847 5 0.1 -2.197

Nilai skala numerik yang disajikan diatas disebut juga dengan skala numerik simetris. Nilai skala ini banyak digunakan dalam penelitian bidang transportasi, misalnya Bates and Roberts, (1983); Fowkes and Tweddle, (1988), dan lain-lain. Setelah proses transformasi dilakukan, maka dicari parameter model yang sesuai. Konsep dari metoda multiple regresi linear adalah memperoleh parameter model dengan meminimalkan jumlah dari selisih Rino Iman Maizar (15004135) Aal Auladzi (15004156)

IV - 11


kuadrat terkecil (minimum least square) antara rating pilihan yang diramalkan dengan rating pilihan aktual (kondisi lapangan). Dari regresi ini selain parameter model, juga dapat ditentukan nilai statistik lainnya, seperti ukuran level of significance parameter model (tstat) dan goodness of fit (R2).

4.8. Uji Statistik Model

Dari dua penggunaan metoda diatas, maka nantinya akan dihasilkan 5 model yang berbeda untuk masing-masing metoda. Kelima model yang dikeluarkan oleh masing-masing program tersebut saling dibandingkan. Hasil yang paling baik, selanjutnya digunakan dalam aplikasi skenario. Pembandingan model-model tersebut dilakukan dengan menggunakan metoda statistik (uji statistik). Parameter-parameter yang digunakan untuk menentukan model yang lebih baik adalah sebagai berikut:

1.

R-square (R2) Setiap model yang dihasilkan akan menampilkan nilai R2 yang berbeda-beda. Nilai

R2 yang lebih besar dan mendekati 1 menunjukkan kedekatan model dengan keadaan lapangan sesungguhnya. Dengan kata lain model yang dihasilkan memiliki signifikansi atribut dan level yang baik. Rho-square (R2) didefinisikan sebagai koefisien determinasi atau goodness of fit. Rumusan nilai Rho-square (R2) adalah sebagai berikut:

∑ (Y − Y ) = ∑ (Y − Y ) ,

R

2

2

2

(4.7)

Dimana :

Y

= nilai aktual dari probabilitas

Y’

= nilai regresi (model) dari probabilitas

Y

= nilai aktual rata-rata dari probabilitas

Menurut Mason (1967) Rho-square melambangkan prosentase dari total variabel tidak bebas (Y) yang terjelaskan oleh variabel-variabel bebasnya (X). dalam kasus pemilihan dua moda, artinya seberapa signifikankah sebuah model mampu merepresentasikan perilaku calon pengguna terhadap satu moda tertentu. Rino Iman Maizar (15004135) Aal Auladzi (15004156)

IV - 12


2. Utilitas acak Utilitas acak adalah hasil atau pengaruh dari karakteristik atribut yang tidak diperhitungkan dalam sebuah persamaan model utilitas. Hal ini disebabkan pemodel yang juga merupakan pengamat sistem tidak memiliki informasi yang lengkap tentang semua unsur yang dipertimbangkan oleh setiap individu yang menentukan pilihan (Tamin, 2000). Semakin besar nilai utilitas acak pada persamaan model utilitas, maka semakin banyak karakteristik atribut pilihan yang tidak terwakili yang secara otomatis akan mengurangi tingkat keakuratan suatu model. Dalam persamaan utilitas (Persamaan 4.4), nilai ini diwakili oleh konstanta a0. 3. Konsep Like and Dislike Setiap model yang terbentuk harus memenuhi penalaran yang logis. Jika atribut dalam suatu model utilitas cenderung tidak disukai oleh individu, maka seharusnya nilai dari atribut ini semakin besar, maka jelas akan mengurangi utilitas yang melekat pada barang atau jasa tersebut. Misalkan dalam model utilitas pemilihan dua moda, atribut tarif dalam utilitas Bus jika semakin bertambah besar maka setiap orang akan berpikir bahwa keuntungan yang diperoleh dengan menggunakan bus akan semakin menurun. Maka sewajarnya atribut ini harus memiliki nilai negatif (konsep dislike), dan begitu pula sebaliknya dengan konsep like. Makin disukai, maka atribut pemodelan tersebut harus bertanda positif. Dalam pemodelan, jika ada satu saja atribut yang tidak memenuhi logika, maka persamaan tersebut tidak representatif dan model perlu diperbaiki kembali.

4. Konsep korelasi (r) Korelasi didefinisikan sebagai ukuran keratan hubungan antara variabel tidak bebas dengan variabel bebasnya dan antara variabel bebas dengan variabel bebas yang lain. Model yang baik memiliki korelasi yang kuat antara variabel bebas dengan variabel tidak bebasnya dan korelasi yang lemah antara variabel bebas dengan variabel bebas lainnya. Nilai korelasi berkisar antara -1 sampai dengan 1. Jika nilai r = -1, maka korelasi antara variabel y (variabel tidak bebas) dengan variabel x (variabel bebas) adalah negatif. Yang berarti peningkatan nilai x akan menyebabkan penurunan pada nilai y. Sedangkan nilai r = 0 berarti tidak ada korelasi antara variabel. Sesama variabel bebas harus memiliki korelasi yang lemah (nilai r mendekati 0), jika terjadi korelasi yang kuat maka akan timbul dampak


IV - 13


multi kolinieritas yang menyebabkan nilai koefisien determinasi model akan semakin menurun.

5. Konsep Uji Significance (t-test dan F-test) Pengujian hipotesa dimaksudkan untuk melihat apakah variabel bebas dapat menjelaskan perilaku dari variabel tidak bebas. Terdapat dua pendekatan dalam pengujian hipotesa, yaitu pendekatan interval keyakinan (confidence interval) dan pendekatan signifikan (test of significance). Dalam tugas akhir ini pengujian hipotesa dilakukan dengan pendekatan signifikan. Ada dua uji signifikan yang dilakukan, yaitu yang pertama adalah uji F-test atau biasa disebut dengan uji global. Uji ini dimaksudkan untuk melihat kemampuan menyeluruh dari dari variabel bebas untuk menjelaskan perilaku variabel tidak bebas. Sedangkan uji yang kedua adalah uji t-test yang biasa disebut uji parsial atau individu. Uji ini dimaksudkan untuk melihat apakah suatu variabel bebas berpengaruh terhadap variabel tidak bebasnya.

Jika hasil yang diuji menghasilkan nilai Fhitung > Fbatas, maka seluruh variabel bebas yang ada secara nyata mampu menjelaskan variabel tidak bebas, dan sebaliknya. Jika hasil dari t-test adalah thitung > tbatas, maka komponen variabel bebas yang ditinjau tersebut berpengaruh secara signifikan terhadap variabel tidak bebasnya.

4.9 Aplikasi Model

4.9.1. Penyusunan Skenario

Untuk memperoleh nilai demand tertentu, maka perlu dilakukan analisis dengan menyusun berbagai skenario. Dimana masing-masing skenario mempunyai tingkat pelayanan (level atribut) yang berbeda-beda.

Macam skenario yang dapat disusun adalah sebagai berikut: •

Skenario nilai negatif Semua atribut di-set dalam level negatif (lebih buruk) dari survey SP. Skenario ini

untuk menarik minat calon penumpang jika pelayanan yang diberikan dalam tingkatan minimal.


IV - 14


•

Skenario nilai Rata - rata Skenario nilai tengah dilakukan dengan cara mengambil nilai tengah dari masing-

masing atribut untuk dilihat probabilitas pemilihan bus. •

Skenario nilai positif Semua atribut dalam skenario ini diset dalam level positif dari survey SP. Skenario ini

perlu dibangun untuk melihat probabilitas pemilihan bus, jika semua atribut pelayanan yang diberikan dalam level yang maksimum.

4.9.2 Elastisitas dan Sensitifitas Model

Nilai elastisitas berguna untuk mengetahui prosentasi di dalam probabilitas pemilihan moda, sebagai hasil dari perubahan nilai atribut kedua moda. Rumusan elastisitas langsung (direct elasticity), yaitu elastisitas pemilihan bus terhadap perubahan nilai atribut ke-n dari model utilitas moda j bus adalah sebagai berikut: E ji Xnji

= β × X × 1 − P  i nji  ji 

(4.8)

Dan tentunya rumusan elastisitas silang, yaitu elastisitas pemilihan bus terhadap perbuhanan nilai atribut ke-n dari model utilitas moda lainnya k:

E ji Xnji

= −βi × Xnki × Pki

(4.9)

4.9.3. Aplikasi Skenario dalam Kasus Koridor Cibiru – Dago

Semua skenario yang telah disusun sesuai ketentuan di atas dimasukkan ke dalam persamaan utilitas yang dihasilkan. Kemudian dari pemasukan skenario tersebut, dilihat model bus manakah yang dirasakan lebih kompetitif terhadap moda angkutan lainnya. Kemudian jumlah demand yang beralih ke bus dapat diketahui dari data penumpang moda asal dan probabilitas penumpang yang akan pindah ke moda bus. Khusus untuk angkot akan ada dua skenario, yang pertama yaitu sebagian penumpang angkot berpindah ke moda


IV - 15


bus (sesuai probabilitas perpindahan) dan yang kedua jika moda angkot dihilangkan maka seluruh penumpang angkot diharapkan akan berpindah pada moda bus.

4.10 Pengambilan Kesimpulan dan Saran

Tahap akhir dari tugas akhir ini adalah pengambilan kesimpulan dari analisis data yang telah diperoleh dari serangkaian penelitian. Saran-saran diberikan agar tugas akhir ini dapat bermanfaat bagi pembaca atau khasanah ilmu transportasi.


IV - 16

BAB IV METODOLOGI Umum

Recommend Documents