BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Laporan Tugas Akhir BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

4.1 PENGUMPULAN DATA Pelaksanaan survei ini diawali dengan permohonan izin ke Badan Pemberdayaan Masyarakat kota Bandung sebagai pengantar untuk perijinan ke kantor Kelurahan Sekeloa, Kecamatan Coblong, Kota Bandung. Pengumpulan data dilakukan dengan metode survei dari rumah ke rumah yang terdapat di wilayah studi. Dalam survei ini dilakukan wawancara langsung dengan penghuni rumah dengan mengajukan pertanyaan- pertanyaan yang mendukung penelitian ini, sesuai yang tertera pada kuisioner. Keuntungan pengambilan data dengan cara wawancara langsung ini yaitu memperkecil kemungkinan kesalahan responden dalam mengartikan setiap pertanyaan yang ada dan juga meningkatkan tingkat ketelitian data yang diambil. Pengumpulan data (survei) ini dibagi dalam dua tahapan. Tahap pertama yaitu pilot survei, data yang berhasil dikumpulkan pada tahap ini akan digunakan untuk menentukan jumlah sampel minimum yang diperlukan untuk penelitian ini. Dalam pilot survei, dilakukan pengambilan data sebanyak duapuluh buah rumah tangga di wilayah studi secara acak. Pilot survei ini dilakukan pada tanggal 12 April 2007. Setelah dilakukan perhitungan jumlah sampel minimum yang diperlukan, maka dilakukan tahap kedua, yaitu survei utama yang bertujuan untuk mendapatkan sejumlah data yang akan digunakan dalam penelitian ini. Sehingga secara keseluruhan pengambilan data (survei) ini dilakukan dari tanggal 12 April 2007 sampai dengan 31 Mei 2007 Data hasil survei ini secara tabelaris dapat dilihat pada lampiran.

4.2 PERHITUNGAN JUMLAH SAMPLE MINIMUM Setelah dilakukan pengambilan data (pilot survei) yang dilakukan pada duapuluh buah rumah tangga secara acak di daerah studi, maka didapatkan data yang dapat dilhat pada halaman selanjutnya.

IV - 1


Tabel 4.1a Data hasil pilot survei Responden ke-

Jumlah Anggota keluarga ( orang)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

6 9 4 4 3 4 7 6 4 6 4 7 3 1 4 5 5 3 11 8

Usia penghuni rumah ( orang)

Status pekerjaan ( orang)

Luas ( m2)

<5th

5-12th

13-18th

19-24th

24-55th

>55th

Tidak bekerja

Kerja

Pelajar/mhs

Bangunan

Lahan

0 0 0 0 1 1 0 1 0 1 1 2 0 0 0 0 0 1 1 0

1 1 2 1 0 1 0 1 2 1 1 0 1 0 1 2 2 0 4 2

1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0

2 4 0 1 0 0 4 0 0 0 0 3 0 0 0 1 0 0 0 1

2 2 2 2 2 2 3 2 2 4 2 2 2 1 2 2 2 2 5 4

0 1 0 0 0 0 0 2 0 0 0 0 0 0 1 0 0 0 0 1

0 3 1 1 2 2 1 4 0 2 1 5 0 0 0 0 1 1 3 4

2 3 1 1 1 1 3 1 2 3 2 2 2 1 3 2 1 1 4 2

4 3 2 2 0 1 3 1 2 1 1 0 1 0 1 3 3 1 4 2

140 100 42 40 50 80 75 20 21 28 56 140 30 50 150 60 80 12 36 40

70 60 42 40 50 80 75 20 30 28 56 140 30 50 160 60 80 12 36 40

IV - 2

Jml kamar kos (buah) 3 1 1 2 0 0 3 2 0 0 2 5 1 0 7 3 0 1 3 3

Pendapatan/bulan (Rp) 1.150.000 1.300.000 2.000.000 1.300.000 1.500.000 1.500.000 1.000.000 1.000.000 750.000 1.500.000 1.500.000 900.000 1.000.000 800.000 1.500.000 1.700.000 2.000.000 2.500.000 1.300.000 2.000.000

Jml pemilikan kendaraan (buah) Mobil

Motor

Sepeda

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0

1 0 1 0 1 1 2 0 1 0 1 0 0 0 3 1 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0


Tabel 4.1b Data hasil pilot survei Responden ke1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Bekerja/hari

Jumlah Perjalanan keluar (seluruh penghuni setiap rumah tangga) dari kelurahan Sekeloa untuk: Sekolah-kuliah/hari Belanja/minggu Rekreasi/minggu Lain- lain/minggu

Waktu untuk pergi

M

Mot

S

A

JK

M

Mot

S

A

JK

M

Mot

S

A

JK

M

Mot

S

A

JK

M

Mot

S

A

JK

Bekerja (WIB)

Sekolah/ kuliah (WIB)

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0

1 0 1 0 1 1 3 0 1 0 1 0 0 0 2 1 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1 0 0 1 0 0 0 1 0 0 1 0 2 1 0 0 0 0 0 1

0 3 0 0 0 0 0 0 0 2 0 3 0 0 0 0 0 0 4 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 1 0 0 0 0 3 0 2 1 1 0 0 0 0 2 3 0 0 2

6 2 0 2 0 0 0 1 0 0 0 0 1 0 0 0 0 1 4 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0

0 0 3 0 1 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0

7 5 0 0 0 1 4 0 0 7 1 3 1 0 0 0 0 0 1 2

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 1 0 1 0 2 0 1 0 0 0 0 0 2 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

3 0 0 1 0 0 3 0 0 0 0 0 0 0 0 1 0 1 3 2

0 0 0 0 0 0 5 0 0 0 0 0 0 1 0 0 0 0 0 3

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 1 0 0 0 5 0 2 0 1 0 0 0 5 1 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

2 5 0 2 0 0 3 0 0 0 0 2 2 2 0 0 0 0 4 3

0 3 0 0 0 0 4 0 0 3 0 0 0 0 0 0 0 0 0 5

9:00 7:00 7:00 10:00 7:30 8:00 8:00 7:00 7:00 8:00 7:00 7:00 7:00 8:00 9:00 7:00 9:00 9:00 18:00 7:00

7:00 7:00 7:00 7:00 7:00 6:00 6:00 7:00 7:00 7:00 7:00 7:30 7:30 7:00 7:00 7:00 7:30

Keterangan : M Mot S A JK

= mobil = motor = sepeda = angkutan umum = jalan kaki

IV - 3


Dari seluruh variabel yang ada, maka untuk penentuan jumlah sampel minimum pada studi ini digunakan variabel tingkat pendapatan perbulan (Rp). Variabel ini dipilih karena variabel ini dapat menggambarkan kondisi struktur rumahtangga di daerah studi secara umum. Maka selanjutnya akan dilakukan perhitungan jumlah sampel minimum berdasarkan tingkat pendapatan perbulan (Rp) sebagai berikut: Perhitungan nilai koefisien variansi (CV) Nilai CV didapatkan dengan rumusan sebagai berikut: n

CV =

∑(X

i

− X )2

i =1

(n − 1)

Dimana: CV = nilai koefisien variansi Xi = nilai data X = nilai rata- rata data n = jumlah data Berikut adalah perhitungan CV pendapatan/ bulan (Rp) secara tabelaris. Tabel 4.2 Contoh perhitungan CV (Pendapatan/ bulan, Rp) Responden ke1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

X Σ (Xi - X )2

Xi 1.150.000 1.300.000 2.000.000 1.300.000 1.500.000 1.500.000 1.000.000 1.000.000 750.000 1.500.000 1.500.000 900.000 1.000.000 800.000 1.500.000 1.700.000 2.000.000 2.500.000 1.300.000 2.000.000 1.410.000 -

(Xi - X )2 67.600.000.000 12.100.000.000 348.100.000.000 12.100.000.000 8.100.000.000 8.100.000.000 168.100.000.000 168.100.000.000 435.600.000.000 8.100.000.000 8.100.000.000 260.100.000.000 168.100.000.000 372.100.000.000 8.100.000.000 84.100.000.000 348.100.000.000 1.188.100.000.000 12.100.000.000 348.100.000.000 4.033.000.000.000

IV - 4


Maka nilai CV untuk variabel pendapatan/ bulan (Rp) adalah sebagai berikut: CV =

4.033.000.000.000 = 212.263.157.895 (20 − 1)

Dalam penelitian ini, diambil tingkat akurasi (E) sebesar 5%, sehingga nilai E adalah sebagai berikut: E = 5% * X = 0.05 * 1.410.000 = Rp. 70.500 Sedangkan tingkat kepercayaan diambil sebesar 95%, sehingga berdasarkan tabel probabilitas normal standar (lampiran) didapatkan dari hasil interpolasi sebagai berikut: Tabel 4.3 Interpolasi nilai Zα 1,64 0,949497 1,645 0,95 1,65 0,950529 Maka didapatkan nilai Zα sebesar 1,645

Sehingga perhitungan jumlah sampel minimum yang diperlukan, berdasarkan variabel pendapatan rumahtangga perbulan adalah sebagai berikut: (lihat pers 3.1) N=

212.263.157.895 * (1,645) 2 = 116 sampel (70.500) 2

Sehingga dalam studi ini diperlukan jumlah sampel minimum sebesar 116 buah. Maka data yang diperlukan dalam studi ini adalah 120 buah. Dalam pilot survei ditemukan masih terdapat kekurangan dalam kuesioner, yaitu: 1. Jumlah anggota keluarga masih memperhitungkan jumlah penghuni kos, yang merupakan penghuni sementara/ tidak tetap. 2. Belum dilakukan pemisahan perjalanan (orang), berdasarkan tujuan perjalanan dan penggunaan moda, dalam hari kerja (weekday) dan hari libur (weekend). 3. Bangkitan perjalanan masih memperhitungkan bangkitan perjalanan penghuni kos. 4. Tidak diperlukannya variabel bebas jumlah kamar kos, karena variabel tersebut tidak memiliki keterkaitan dengan variabel tidak bebas. Dimana besarnya perjalanan penghuni kos tidak diperhitungkan.

IV - 5


5. Tidak diperlukannya variabel bebas luas lahan, karena dari hasil data pilot survei didapat luas lahan cenderung sama dengan luas bangunan. Sehingga sebelum dilakukan survei utama, dilakukan perbaikan terlebih dahulu terhadap kuesioner agar nantinya akan didapatkan data- data yang benar- benar diperlukan sesuai dengan tujuan studi ini.

4.3 GAMBARAN UMUM DATA SURVEI UTAMA Setelah dilakukan perbaikan kuesioner, maka selanjutnya dilakukan survei utama. Dalam survei utama terkumpul 132 buah data, namun hanya diambil 120 buah data saja karena 12 data lainnya memberikan data yang terlalu jauh menyimpang (dari beberapa variabel bebas dan tidak bebas yang ada). Data hasil survei utama dapat dilihat pada lampiran. Sedangkan gambaran umum data hasil survei utama dapat dilihat pada halaman selanjutnya.

IV - 6


Tabel 4.4 Gambaran Umum Data Karakteristik Rumah Tangga Keterangan

Jumlah

Satuan

%

Jumlah Rumah Tangga Jumlah anggota keluarga total

120 rumah tangga 603 orang

Anggota keluarga total berdasarkan kelompok usia <5th 5-12,99th 13-18,99th 19-23,99th 24-55th >55th

29 96 53 101 259 65

orang orang orang orang orang orang

4,81 15,92 8,79 16,75 42,95 10,78

Anggota keluarga total berdasarkan status pekerjaan Tdk kerja Kerja Pelajar/mhs

202 206 195

orang orang orang

33,50 34,16 32,34

Rumah tangga berdasarkan luas Bangunan < 8 m2 8 - 36 m2 37 - 50 m2 51 - 100 m2 101 - 150 m2 > 150 m2

1 35 29 39 6 10

rumah tangga rumah tangga rumah tangga rumah tangga rumah tangga rumah tangga

0,83 29,17 24,17 32,50 5,00 8,33

Rumah tangga berdasarkan pendapatan (Rp) <500,000 500,000 - 1,000,000 1,000,001 - 1,500,000 1,500,001 - 2,000,000 2,000,001 - 2,500,000 2,500,001 - 3,000,000 3,000,001 - 3,500,000 3,500,001 - 4,000,000 >4,000,000

11 41 34 12 8 7 1 4 2

rumah tangga rumah tangga rumah tangga rumah tangga rumah tangga rumah tangga rumah tangga rumah tangga rumah tangga

9,17 34,17 28,33 10,00 6,67 5,83 0,83 3,33 1,67

Rumah tangga berdasarkan pemilikan kendaraan Mobil Motor Sepeda

9 rumah tangga 63 rumah tangga 14 rumah tangga

7,50 52,50 11,67

IV - 7


Tabel 4.5 Gambaran Umum Data Karakteristik Perjalanan per satuan waktu Keterangan

Jumlah

Satuan

%

Jumlah total bangkitan (orang) per minggu berdasarkan: 3152

orang

100

895 870 646 345 396

orang orang orang orang orang

28,39 27,60 20,49 10,95 12,56

105 992 18 1243 794


3,33 31,47 0,57 39,44 25,19

2261

orang

71,73

Maksud perjalanan Bekerja Bersekolah/ kuliah Berbelanja Berekreasi Kegiatan lainnya

750 743 475 53 240


33,17 32,86 21,01 2,34 10,61

Moda yang digunakan Mobil Motor Sepeda Angkutan umum Jalan kaki

82 751 14 880 534


3,63 33,22 0,62 38,92 23,62

Jumlah total bangkitan (orang) per weekend

891

orang

28,27

Maksud perjalanan Bekerja Bersekolah/ kuliah Berbelanja Berekreasi Kegiatan lainnya

145 127 171 292 156


16,27 14,25 19,19 32,77 17,51

Moda yang digunakan Mobil Motor Sepeda Angkutan umum Jalan kaki

23 241 4 363 260


2,58 27,05 0,45 40,74 29,18

Jumlah total bangkitan (orang) per minggu Maksud perjalanan Bekerja Bersekolah/ kuliah Berbelanja Berekreasi Kegiatan lainnya Moda yang digunakan Mobil Motor Sepeda Angkutan umum Jalan kaki

Jumlah total bangkitan (orang) per weekday (senin hingga jumat) berdasarkan: Jumlah total bangkitan (orang) per weekday

Jumlah total bangkitan (orang) per weekend (sabtu dan minggu) berdasarkan:

IV - 8


Catatan: Dari data asli hasil survei, bangkitan dengan maksud bekerja dan bersekolah saat weekday dihitung per hari. Sedangkan bangkitan dengan maksud berbelanja, berekreasi dan kegiatan lainnya saat weekday dihitung per 5 hari (senin hingga jumat). Sehingga bangkitan dengan maksud bekerja dan bersekolah yang dihitung per hari tersebut dikonversikan dengan dikalikan 5 (hari), menjadi bangkitan perjalanan per 5 hari (weekday). Hal ini dilakukan dengan pertimbangan, kebiasaan perjalanan per hari dengan maksud bekerja dan bersekolah tersebut, akan selalu terjadi sepanjang 5 hari weekday tersebut.

4.4

VARIABEL BEBAS DAN VARIABEL TIDAK BEBAS YANG DIGUNAKAN Variabel bebas dalam studi ini merupakan variabel yang didapatkan berdasarkan karakteristik keluarga. Dan variabel bebas yang digunakan dalam proses pengolahan data berjumlah 13 buah sebagai berikut: Tabel 4.6 Variabel Bebas yang Digunakan Dalam Pengolahan Data Variabel bebas X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13

Keterangan Jumlah anggota keluarga ( orang) Jumlah anggota rumah tangga usia 5-12,99 th (orang) Jumlah anggota rumah tangga usia 13-18,99 th (orang) Jumlah anggota rumah tangga usia 19-23,99 th (orang) Jumlah anggota rumah tangga usia 24-55 th (orang) Jumlah anggota rumah tangga usia >55 th (orang) Jumlah anggota keluarga yang tidak bekerja (orang) Jumlah anggota keluarga yang bekerja (orang) Jumlah anggota keluarga dengan status pelajar/mahasiswa (orang) Pendapatan rumah tangga/bulan (Rp/bulan) Jumlah kepemilikan mobil (unit) Jumlah kepemilikan motor (unit) Jumlah kepemilikan sepeda (unit)

Dalam hal ini, karakteristik keluarga berupa anak yang berusia dibawah 5 tahun dan luas bangunan tidak diperhitungkan sebagai variabel bebas karena: 1. Anak yang berusia dibawah 5 tahun masih memiliki ketergantungan dalam melakukan pergerakan kepada orang tuanya. 2. Luas bangunan tidak signifikan pengaruhnya terhadap pergerakan. Contohnya, rumah tangga yang memiliki luas bangunan yang besar belum tentu memiliki jumlah bangkitan (orang) yang besar pula.

IV - 9


Sedangkan variabel tidak bebas yang digunakan dalam studi ini adalah sebagai berikut: Tabel 4.7 Variabel Tidak Bebas yang Digunakan Dalam Pengolahan Data Variabel tidak bebas

Keterangan

Y1

Jumlah total bangkitan (orang) per minggu

Y2

Jumlah total bangkitan (orang) per weekday (5 hari:Senin-Jumat)

Y3

Jumlah total bangkitan (orang) per weekend (2 hari:Sabtu dan Minggu)

Maka dalam pengolahan data selanjutnya, bertujuan untuk mendapatkan 3 buah model terbaik bagi: a. Bangkitan (orang) per minggu b. Bangkitan (orang) per weekday (5 hari:Senin-Jumat) dan c. Bangkitan (orang) per weekend ( 2 hari:Sabtu dan Minggu) Pengolahan data selanjutnya dilakukan dengan menggunakan Microsoft Exel.

4.5 MATRIKS KORELASI Matriks korelasi menunjukkan hubungan secara linier antara variabel- variabel yang digunakan dalam pengolahan data, baik variabel – variabel bebas maupun variabel tidak bebas. Berikut adalah interpretasi dari nilai koefisien korelasi yang terdapat pada matrik korelasi: • Nilai koefisien korelasi <0,35 menunjukkan bahwa hamper tidak ada hubungan antara variabel. • Koefisien korelasi antara 0,36 dan 0,60 menunjukkan ada hubungan antara variabel. • Koefisien korelasi antara 0,60 dan 0,84 menunjukkan bahwa ada hubungan yang berarti antara varibel. Pada tabel matriks korelasi yang ditampilkan di bawah ini dapat dilihat bahwa jumlah anggota keluarga yang dengan usia 24-55 tahun (X5) mempunyai hubungan yang erat dengan jumlah anggota keluarga (X1) dan jumlah anggota keluarga yang bekerja (X8). Hal ini dapat dilaihat pada nilai koefisien korelasi yang etrjadi antara kedua variabel tersebut cukup besar yaitu lebih besar dari 0,6. Matriks korelasi untuk ke- tiga kelompok pemodelan tersebut dapat dilihat pada halaman selanjutnya.

IV - 10


Tabel 4.8 Matriks Korelasi Bangkitan (orang) per minggu dengan Variabel- variabel Bebas

Y1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13

Trip/ minggu Anggota kel. 5-12 th 13-18 th 19-24 th 24-55 th >55 th Tdk bekerja Bekerja Pelajar/mhs Pendapatan/bln Jml mobil Jml motor Jml sepeda

Y1 X1 Trip/ minggu Anggota kel. 1 0,65558 1 0,27463 0,31704 0,11228 0,09872 0,41664 0,45176 0,39321 0,62570 0,07249 0,43540 -0,02911 0,52563 0,45434 0,56733 0,66018 0,58817 0,45768 0,41333 0,12400 0,09867 0,51342 0,34008 -0,02072 0,04269

X2 5-12 th

X3 13-18 th

X4 X5 19-24 th 24-55 th

1 -0,16194 -0,28006 0,26235 -0,02660 0,13889 0,01770 0,34393 0,07888 -0,07815 0,00369 0,13989

1 -0,09670 -0,06137 -0,09419 -0,02830 -0,07983 0,22921 -0,12525 0,00110 -0,09900 0,13829

1 -0,12865 0,13983 0,05168 0,15708 0,50150 0,09523 0,07760 0,40929 -0,12610

1 0,11039 0,33611 0,63938 0,13055 0,43663 0,10016 0,09413 0,06261

X6 X7 >55 th Tdk bekerja

1 0,48425 0,27896 0,03045 0,23962 -0,11447 0,09484 -0,14983

1 0,11317 -0,10932 0,11091 -0,01161 -0,02636 -0,00071

X8 Bekerja

1 -0,02912 0,43327 0,20536 0,12760 0,04389

IV - 11

X9 X10 X11 Pelajar/mhs Pendapatan/bln Jml mobil

1 0,17696 -0,01398 0,48495 0,02294

1 0,31618 0,38118 0,06030

1 0,12788 0,09363

X12 X13 Jml motor Jml sepeda

1 0,03242

1


Tabel 4.9 Matriks Korelasi Bangkitan (orang) per weekday ( 5 hari : Senin-Jumat) dengan Variabel- variabel Bebas

Y1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13

Trip/ weekday Anggota kel. 5-12 th 13-18 th 19-24 th 24-55 th >55 th Tdk bekerja Bekerja Pelajar/mhs Pendapatan/bln Jml mobil Jml motor Jml sepeda

Y1 X1 Trip/ weekday Anggota kel. 1 0,58155 1 0,28256 0,31704 0,11068 0,09872 0,35765 0,45176 0,36138 0,62570 -0,01955 0,43540 -0,06586 0,52563 0,40669 0,56733 0,61587 0,58817 0,42999 0,41333 0,16629 0,09867 0,50778 0,34008 -0,01532 0,04269

X2 5-12 th

X3 13-18 th

X4 19-24 th

X5 24-55 th

1 -0,16194 -0,28006 0,26235 -0,02660 0,13889 0,01770 0,34393 0,07888 -0,07815 0,00369 0,13989

1 -0,09670 -0,06137 -0,09419 -0,02830 -0,07983 0,22921 -0,12525 0,00110 -0,09900 0,13829

1 -0,12865 0,13983 0,05168 0,15708 0,50150 0,09523 0,07760 0,40929 -0,12610

1 0,11039 0,33611 0,63938 0,13055 0,43663 0,10016 0,09413 0,06261

X6 >55 th

1 0,48425 0,27896 0,03045 0,23962 -0,11447 0,09484 -0,14983

X7 Tdk bekerja

1 0,11317 -0,10932 0,11091 -0,01161 -0,02636 -0,00071

X8 Bekerja

1 -0,02912 0,43327 0,20536 0,12760 0,04389

IV - 12

X9 X10 X11 Pelajar/mhs Pendapatan/bln Jml mobil

1 0,17696 -0,01398 0,48495 0,02294

1 0,31618 0,38118 0,06030

1 0,12788 0,09363

X12 Jml motor

1 0,03242

X13 Jml sepeda

1


Tabel 4.10 Matriks Korelasi Bangkitan (orang) per weekend (2 hari: Sabtu dan Minggu) dengan Variabel- variabel Bebas

Y1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13

Trip/ weekday Anggota kel. 5-12 th 13-18 th 19-24 th 24-55 th >55 th Tdk bekerja Bekerja Pelajar/mhs Pendapatan/bln Jml mobil Jml motor Jml sepeda

Y1 X1 Trip/ weekday Anggota kel. 1 0,65680 1 0,17545 0,31704 0,08413 0,09872 0,44800 0,45176 0,36177 0,62570 0,28731 0,43540 0,07334 0,52563 0,44587 0,56733 0,58400 0,58817 0,39711 0,41333 -0,01991 0,09867 0,38039 0,34008 -0,02862 0,04269

X2 5-12 th

X3 13-18 th

X4 19-24 th

1 -0,16194 -0,28006 0,26235 -0,02660 0,13889 0,01770 0,34393 0,07888 -0,07815 0,00369 0,13989

1 -0,09670 -0,06137 -0,09419 -0,02830 -0,07983 0,22921 -0,12525 0,00110 -0,09900 0,13829

1 -0,12865 0,13983 0,05168 0,15708 0,50150 0,09523 0,07760 0,40929 -0,12610

X5 24-55 th

1 0,11039 0,33611 0,63938 0,13055 0,43663 0,10016 0,09413 0,06261

X6 >55 th

1 0,48425 0,27896 0,03045 0,23962 -0,11447 0,09484 -0,14983

X7 Tdk bekerja

X8 Bekerja

1 0,11317 1 -0,10932 -0,02912 0,11091 0,43327 -0,01161 0,20536 -0,02636 0,12760 -0,00071 0,04389

IV - 13

X9 X10 Pelajar/mhs Pendapatan/bln

1 0,17696 -0,01398 0,48495 0,02294

1 0,31618 0,38118 0,06030

X11 Jml mobil

1 0,12788 0,09363

X12 Jml motor

1 0,03242

X13 Jml sepeda

1


4.6 PROSES PENGOLAHAN DATA Dari ke- tiga matriks korelasi tersebut didapatkan masing- masing dua buah nilai korelasi terbesar, yang dalam hal ini merupakan hubungan X1 dan X5 serta hubungan X1 dan X8. Sehingga dalam pengolahan data selanjutnya akan dilakukan pemisahan perhitungan menjadi 5 buah kombinasi ( untuk masing- masing variabel tidak bebas). Pengkombinasian ini dimaksudkan untuk mengetahui model bangkitan yang terjadi jika variabel- variabel bebas yang berkorelasi kuat tersebut tidak disatukan dalam proses perhitungan (dikombinasikan) dan untuk mengetahui model bangkitan yang terjadi jika dua buah variabel bebas yang berkorelasi kuat antara satu dengan lainnya itu disatukan dalam proses perhitungan. Kombinasi untuk perhitungan selanjutnya adalah sebagai berikut: 1. 2. 3. 4. 5.

Kombinasi 1, dengan mengeliminasi variabel bebas X5 Kombinasi 2, dengan mengeliminasi variabel bebas X1 dan X5 Kombinasi 3, dengan mengeliminasi variabel bebas X8 dan X5 Kombinasi 4, dengan mengeliminasi variabel bebas X1 dan X8 Kombinasi 5, tanpa pengeliminasi variabel bebas

Beberapa hal yang perlu diperhatikan dalam proses pemodelan dalam hal ini adalah sebagai berikut:

Parameter tanda logis yang diharapkan Parameter tanda logis yang diharapkan (bagi variabel- variabel bebas) menyatakan hubungan yang sebanding atau berbanding terbalik antara variabel bebas dengan variabel tidak bebasnya. Parameter tanda logis yang diharapkan (bagi variabel- variabel bebas) dapat bernilai positif atau negatif (+/-). a. Parameter logis bertanda positif (+) bila peningkatan nilai variabel bebas menyebabkan peningkatan nilai variabel tidak bebas (bangkitan), dan sebaliknya. b. Sedangkan jika parameter logis bertanda negatif (-) bila peningkatan nilai variabel bebas menyebabkan menurunnya nilai variabel tidak bebas (bangkitan), dan sebaliknya. Penentuan parameter tanda logis ini dilakukan berdasarkan logika. Parameter logis yang diharapkan dalam studi ini dapat dilihat pada halaman selanjutnya.

IV - 14


Tabel 4.11 Parameter Tanda Logis yang Diharapkan Variabel bebas X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13

Keterangan Jml anggota keluarga (orang) Jumlah anggota rumah tangga usia 5-12 th (orang) Jumlah anggota rumah tangga usia 13-18 th (orang) Jumlah anggota rumah tangga usia 19-24 th (orang) Jumlah anggota rumah tangga usia 24-55 th (orang) Jumlah anggota rumah tangga usia >55 th (orang) Jumlah anggota keluarga yang tidak bekerja (orang) Jumlah anggota keluarga yang bekerja (orang) Jumlah anggota keluarga dengan status pelajar/mahasiswa (orang) Pendapatan rumah tangga/bulan (Rp/bulan) Jumlah kepemilikan mobil (unit) Jumlah kepemilikan motor (unit) Jumlah kepemilikan sepeda (unit)

Tanda logis yangdiharapkan + + + + + + + + + + + + +

Berikut adalah penjelasan mengenai alasan pemilihan tanda logis yang digunakan bagi setiap variabel bebas diatas. 1. Jumlah anggota keluarga dan pembagiannya berdasarkan kelompok umur. • Dalam hal ini semakin banyak anggota keluarga dalam suatu rumah tangga, maka potensi rumah tangga tersebut untuk menghasilkan bangkitan perjalanan semakin besar pula. • Dan semakin banyak anggota keluarga yang berusia diatas 5 tahun, maka potensi rumah tangga tersebut untuk menghasilkan bangkitan perjalanan semakin besar pula. Karena pergerakan pada usia di atas 5 tahun tidak lagi, memiliki ketergantungan perjalanan kepada orangtuanya, sebagaimana anak dibawah 5 tahun. 2. Jumlah anggota keluarga berdasarkan status pekerjaan • Semakin banyak anggota keluarga yang berstatus pekerja atau pelajar/mahasiswa, maka potensi untuk menghasilkan bangkitan perjalanan akan semakin besar pula. Hal ini karena pekerja/pelajar tersebut akan melakukan perjalanan dengan maksud bekerja/ bersekolah setiap harinya, yang merupakan perjalanan bersifat wajib (mandatory trip). • Sedangkan anggota keluarga yang berstatus tidak bekerja, tetap berpotensi menghasilkan bangkitan perjalanan untuk maksud perjalanan lainnya. 3. Tingkat pendapatan perbulan rumahtangga Semakin besar tingkat pendapatan suatu rumahtangga, maka kemampuan rumah tangga tersebut untuk membiayai perjalanan akan semakin besar pula, sehingga berpotensi meningkatkan jumlah bangkitan perjalanan rumah tangga tersebut.

IV - 15


4. Jumlah kepemilikan kendaraan Semakin banyak kepemilikan kendaraan pada suatu rumah tangga, akan berpotensi meningkatkan jumlah bangkitan rumah tangga tersebut. Hal ini karena kendaraan memberikan kemudahan dalam melakukan pergerakan (aksesibilitas). Dalam pengolahan data selanjutnya, variabel bebas yang tidak sesuai dengan parameter logis yang diharapkan akan dieliminasi. Untuk lebih jelasnya, dapat dilihat pada contoh perhitungan selanjutnya.

Nilai Banding t Nilai banding t digunakan untuk melihat apakah variabel bebas yang digunakan dalam model signifikan dengan nilai t- kritis. Berikut adalah nilai banding t (t- kritis) berdasarkan tabel. Dengan derajat kebebasan (ν) adalah (N-1), dimana N dalam studi ini merupakan jumlah responden. Sehingga derajat bebasannya adalah, ν = 120 – 1 = 119 Sedangkan dari tingkat kepercayaan yang diambil 95%, sehingga: p = 1-(0,05/2) = 0,975. Maka dari tabel distribusi t didapatkan sebagai berikut: ν 60 119 120

t 0,975 2,00 x 1,98

Maka dari hasil interpolasi didapatkan nilai t 0,975 = t-kritis = 1,98 Dalam pengolahan data selanjutnya, variabel- variabel bebas harus memiliki t-stat yang lebih besar dari t- kritis = 1,98. Sehingga variabel bebas yang memiliki t-stat kurang dari 1,98 akan dieliminasi. Untuk lebih jelasnya, dapat dilihat pada contoh perhitungan selanjutnya.

IV - 16


Nilai Banding f Nilai banding f digunakan untuk melihat apakah model yang dihasilkan signifikan dengan F kritis yang didapatkan dari tabel distribusi F. Berikut adalah f (f-kritis) berdasarkan tabel. Dengan derajat kebebasan (ν) adalah (N-1), dimana N dalam studi ini merupakan jumlah responden. Sehingga derajat bebasannya adalah, ν = 120 – 1 = 119 Sedangkan dari tingkat kepercayaan yang diambil 95%, sehingga: p = 0,05. Maka dari tabel distribusi t didapatkan sebagai berikut: ν 100 119 125

Fp 3,91 x 3,92

Maka dari hasil interpolasi didapatkan nilai Fp = f-kritis = 3,92 Dalam pengolahan data selanjutnya, persamaan regresi yang dihasilkan harus memiliki f-stat yang lebih besar dari f- kritis = 3,92. Sehingga persamaan regrasi yang memiliki fstat kurang dari 3,92 akan dieliminasi. Untuk lebih jelasnya, dapat dilihat pada contoh perhitungan selanjutnya.

Nilai koefisien determinasi (R2) Koefisien determinasi merupakan salah satu kriteria untuk menentukan apakah variabel suatu fungsi regresi yang digunakan cukup tepat. Model regresi yang memiliki variabel bebas yang sedikit, mempunyai koefisien regresi yang baik (misal, memiliki tanda sesuai parameter logis yang diharapkan) dan koefisien determinasi (R2) mendekati 1 lebih baik dibandingkan model regresi yang memiliki lebih banyak variabel bebas namun memiliki nilai R2 yang tidak jauh berbeda dengan model yang bervariabel bebas sedikit.

IV - 17


Contoh Pemodelan Berikut adalah contoh perhitungan untuk pemodelan total bangkitan (orang) perminggu, Kombinasi 1 (seluruh variable tanpa X5) Maka berikut adalah hasil regresi setelah variabel X5 dieliminasi. SUMMARY OUTPUT Regression Statistics Multiple R 0,8549053 R Square 0,7308631 Adjusted R Square 0,7006796 Standard Error 8,0743532 Observations 120 ANOVA df Regression Residual Total

Intercept X1 X2 X3 X4 X6 X7 X8 X9 X10 X11 X12 X13

12 107 119

SS 18943,58249 6975,884182 25919,46667

Coefficients Standard Error 2,2200583 2,048508455 -0,4839126 2,128984226 3,4762333 1,486124261 3,1785385 1,456035648 1,7236187 0,998498651 -2,2880989 1,229198838 0,1482487 2,085439741 5,3928003 2,136297161 4,269586 2,371404973 3,271E-06 1,11315E-06 -1,9438283 3,087147652 2,5648435 0,984555251 -4,9595284 2,416689538

MS F Significance F 1578,63187 24,213936 3,29565E-25 65,1951793

t Stat 1,08374377 -0,22729741 2,33912694 2,18300874 1,72621035 -1,86145547 0,0710875 2,52436807 1,80044573 2,93845306 -0,62965187 2,60507828 -2,05219923

P-value 0,2809144 0,8206262 0,0211858 0,0312205 0,0871959 0,0654245 0,9434608 0,0130585 0,0746077 0,0040409 0,5302646 0,010492 0,0425911

Lower 95% -1,840870692 -4,704375406 0,530165367 0,292117773 -0,255788361 -4,724842168 -3,985892252 1,157840507 -0,431447688 1,06425E-06 -8,063738283 0,613077598 -9,750333421

Upper 95% Lower 95,0% Upper 95,0% 6,28098726 -1,840870692 6,280987261 3,73655019 -4,704375406 3,736550194 6,42230124 0,530165367 6,422301236 6,06495931 0,292117773 6,064959313 3,70302576 -0,255788361 3,703025763 0,14864436 -4,724842168 0,14864436 4,28238963 -3,985892252 4,28238963 9,62776019 1,157840507 9,627760192 8,9706196 -0,431447688 8,970619601 5,4776E-06 1,06425E-06 5,47762E-06 4,17608169 -8,063738283 4,176081692 4,5166094 0,613077598 4,516609395 -0,1687234 -9,750333421 -0,168723401

TAHAP 1 ( hasil: eliminasi X1,X6,X11 dan X13) Dari hasil regresi diatas terdapat 4 variabel yang nilainya tidak logis, sehingga keempat variable tersebut dikombinasikan sebagai berikut: no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Variabel yang dieliminasi 1 6 11 13 1,6 1,11 1,13 6,11 6,13 11,13 1,6,11 1,6,13 1,11,13 6,11,13 1,6,11,13

Jumlah variabel yang tidak logis 4 4 3 3 3 3 3 3 3 2 2 2 2 2 1

Nilai f-stat 26,644 25,518 26,527 25,281 28,274 29,427 28,029 28,310 27,201 27,884 31,681 30,421 31,217 30,448 34,472

Jumlah variabel bebas yang t-statnya <1,98 5 5 6 7 3 4 5 4 4 5 3 3 4 4 2

IV - 18


Maka pada tahap 1 dilakukan pengeliminasi variabel bebas X1,X6,X11 dan X13 karena dari hasil regrasi, hanya terdapat 1 variabel bebas yang memiliki parameter yang tidak logis; nilai f- stat yang terbesar yaitu 34,472 dan hanya terdapat 2 variabel bebas yang nilai t- stat nya << 1,98 Berikut hasil regresi dengan pengeliminasian X1,X6,X11 dan X13. SUMMARY OUTPUT Regression Statistics Multiple R 0,844401 R Square 0,713014 Adjusted R 0,69233 Standard E 8,186193 Observatio 120 ANOVA df Regression Residual Total

Intercept X2 X3 X4 X7 X8 X9 X10 X12

SS MS F Significance F 8 18480,94 2310,117 34,47229 9,56E-27 111 7438,527 67,01376 119 25919,47

Coefficientstandard Erro 2,71553 2,035942 3,650219 1,43842 3,088622 1,419165 1,894677 0,981112 -0,978117 0,682333 4,529847 0,762218 3,603824 1,145879 2,83E-06 1,07E-06 2,51601 0,958186

t Stat 1,333796 2,537658 2,176366 1,931153 -1,43349 5,942984 3,145031 2,657246 2,625804

P-value Lower 95%Upper 95%Lower 95,0% Upper 95,0% 0,185001 -1,318824 6,749884 -1,318824 6,749884 0,012547 0,799893 6,500544 0,799893 6,500544 0,031647 0,276452 5,900791 0,276452 5,900791 0,056014 -0,049461 3,838816 -0,049461 3,838816 0,154529 -2,330205 0,373971 -2,330205 0,373971 3,29E-08 3,019462 6,040232 3,019462 6,040232 0,002131 1,333189 5,874459 1,333189 5,874459 0,00904 7,21E-07 4,95E-06 7,21E-07 4,95E-06 0,009864 0,6173 4,41472 0,6173 4,41472

TAHAP 2 (hasil: eliminasi X7) Dari hasil regrasi Tahap 1 didapatkan koefisien regresi variable bebas X7 tidak sesuai dengan parameter logis yang diharapkan, yaitu -0,978 dan nilai t- stat variable bebas X7, yaitu -1,4334 < 1,98. Maka selanjutnya akan dilakukan pengeliminasian variable X7. Dan hasil regresinya dapat dilihat pada halaman selanjutnya.

IV - 19

Laporan Tugas Akhir BAB IV PENGUMPULAN DAN PENGOLAHAN DATA SUMMARY OUTPUT Regression Statistics Multiple R 0,84125 R Square 0,707701 Adjusted R 0,689432 Standard E 8,224654 Observatio 120 ANOVA df Regression Residual Total

Intercept X2 X3 X4 X8 X9 X10 X12

Significance F SS MS F 7 18343,23 2620,462 38,73848 3,99E-27 112 7576,233 67,64494 119 25919,47

Coefficientstandard Erro 1,59139 1,887681 2,82385 1,324043 2,535448 1,372109 1,371386 0,914949 4,613454 0,763554 4,256284 1,056545 2,57E-06 1,06E-06 2,439242 0,961183

t Stat 0,84304 2,132748 1,847848 1,498865 6,042083 4,028491 2,434532 2,537748

P-value Lower 95%Upper 95%Lower 95,0% Upper 95,0% 0,401003 -2,148808 5,331589 -2,148808 5,331589 0,035129 0,200429 5,44727 0,200429 5,44727 0,067263 -0,183209 5,254105 -0,183209 5,254105 0,136722 -0,441469 3,18424 -0,441469 3,18424 2,03E-08 3,100571 6,126338 3,100571 6,126338 0,000103 2,162874 6,349693 2,162874 6,349693 0,01649 4,78E-07 4,66E-06 4,78E-07 4,66E-06 0,012532 0,53478 4,343703 0,53478 4,343703

TAHAP 3 (hasil: eliminasi X4) Dari hasil regrasi Tahap 2 seluruh variabel bebas memenuhi parameter logis yang diharapkan. Serta didapatkan nilai t- stat variable bebas X4 merupakan nilai t-stat yang menyimpang terjauh dari t- kritis, yaitu 1,4988 < 1,98 . Maka selanjutnya akan dilakukan pengeliminasian variable X4. Berikut adalah hasil regresinya. SUMMARY OUTPUT Regression Statistics Multiple R 0,837758 R Square 0,701838 Adjusted R 0,686006 Standard E 8,269896 Observatio 120 ANOVA df Regression Residual Total

Intercept X2 X3 X8 X9 X10 X12

SS MS 6 18191,26 3031,877 113 7728,204 68,39118 119 25919,47

Coefficientstandard Erro 2,238519 1,847753 1,477212 0,977922 1,48477 1,186025 4,987248 0,72565 5,399302 0,735286 2,24E-06 1,04E-06 2,422318 0,966404

t Stat 1,211482 1,510561 1,251888 6,872805 7,343132 2,159539 2,506527

Significance F F 44,3314 1,7E-27

P-value Lower 95%Upper 95%Lower 95,0% Upper 95,0% 0,228238 -1,422212 5,89925 -1,422212 5,89925 0,133692 -0,460229 3,414652 -0,460229 3,414652 0,213196 -0,864959 3,834498 -0,864959 3,834498 3,64E-10 3,549605 6,42489 3,549605 6,42489 3,46E-11 3,942568 6,856036 3,942568 6,856036 0,032922 1,85E-07 4,3E-06 1,85E-07 4,3E-06 0,013615 0,507697 4,336938 0,507697 4,336938

IV - 20


TAHAP 4 (hasil: eliminasi X3) Dari hasil regrasi Tahap 3 seluruh variabel bebas memenuhi parameter logis yang diharapkan. Serta didapatkan nilai t- stat variable bebas X3 merupakan nilai t-stat yang menyimpang terjauh dari t- kritis, yaitu 1,2518 < 1,98. Maka selanjutnya akan dilakukan pengeliminasian variable X3. Berikut adalah hasil regresinya. SUMMARY OUTPUT Regression Statistics Multiple R 0,835286 R Square 0,697703 Adjusted R 0,684444 Standard E 8,290445 Observatio 120 ANOVA df Regression Residual Total

Intercept X2 X8 X9 X10 X12

SS MS F Significance F 5 18084,08 3616,816 52,62241 4,78E-28 114 7835,388 68,73148 119 25919,47

Coefficientstandard Erro 2,941467 1,764742 1,081825 0,927817 4,999731 0,727384 5,783879 0,669698 2,15E-06 1,04E-06 2,087362 0,930934

t Stat P-value Lower 95%Upper 95%Lower 95,0% Upper 95,0% 1,666797 0,0983 -0,554474 6,437408 -0,554474 6,437408 1,16599 0,246052 -0,756173 2,919823 -0,756173 2,919823 6,873579 3,53E-10 3,558789 6,440672 3,558789 6,440672 8,63655 4,05E-14 4,457213 7,110546 4,457213 7,110546 2,072637 0,040461 9,51E-08 4,21E-06 9,51E-08 4,21E-06 2,242223 0,026882 0,243189 3,931536 0,243189 3,931536

TAHAP 5 (hasil: eliminasi X2) Dari hasil regrasi Tahap 4 seluruh variabel bebas memenuhi parameter logis yang diharapkan. Serta didapatkan nilai t- stat variable bebas X2 merupakan nilai t-stat yang menyimpang terjauh dari t- kritis, yaitu 1,1659 < 1,98. Maka selanjutnya akan dilakukan pengeliminasian variable X2. Dan hasil regresinya dapat dilihat pada halaman selanjutnya. .

IV - 21

Laporan Tugas Akhir BAB IV PENGUMPULAN DAN PENGOLAHAN DATA SUMMARY OUTPUT Regression Statistics Multiple R 0,833125 R Square 0,694097 Adjusted R 0,683457 Standard E 8,303394 Observatio 120 ANOVA df Regression Residual Total

Intercept X8 X9 X10 X12

SS MS F ignificance F 4 17990,64 4497,659 65,23418 1,08E-28 115 7928,831 68,94635 119 25919,47

Coefficientstandard Erro 3,328927 1,735881 5,022043 0,728268 6,091359 0,616554 2,24E-06 1,04E-06 1,849712 0,909767

t Stat 1,917716 6,895873 9,879687 2,163485 2,033171

P-value Lower 95%Upper 95%Lower 95,0% Upper 95,0% 0,057627 -0,109519 6,767373 -0,109519 6,767373 3,07E-10 3,579484 6,464601 3,579484 6,464601 4,89E-17 4,870084 7,312633 4,870084 7,312633 0,032573 1,89E-07 4,3E-06 1,89E-07 4,3E-06 0,044338 0,047638 3,651786 0,047638 3,651786

Semua variable bebas telah memenuhi parameter logis yang diharapkan. Dan nilai t- stat yang dihasilkan oleh semua variable bebas >> 1,98. Serta nilai f- stat baik, yaitu 65,23418. Dan didapatkan model dari total bangkitan (orang) perminggu (Kombinasi 1) adalah sebagai berikut: Y1 = 5.022 X8 + 6,0914 X9 + 2,24E-06 X10 + 1,8497 X12 + 3,3289 Dimana variabel bebas yang berpengaruh adalah: Y1 = Jumlah total bangkitan (orang) perminggu X8 = Jumlah anggota keluarga yang bekerja (orang) X9 = Jumlah anggota keluarga dengan status pelajar/mahasiswa (orang) X10 = Pendapatan rumah tangga/bulan (Rp/bulan) X12 = Jumlah kepemilikan motor (buah) Dengan nilai R2 = 0,694 Dan setelah dibuat keempat model kombinasi lainnya (dari kombinasi 2 hingga kombinasi 5). Maka dari kelima model yang dihasilkan akan dipilih satu model terbaik berdasarkan nilai R2 terbesar. Perhitungan lainnya dapat dilihat pada lampiran.

IV - 22


4.7 REKAPITULASI PENGOLAHAN DATA Berikut adalah hasil rekapitulasi model- model bangkitan total trip (orang per minggu) Tabel 4.12 Rekapitulasi Model- model Bangkitan Total Trip (orang per minggu) Variable Bebas

Satuan

Tanda logis yang

Intercept

‐

+ / ‐

X1

Jumlah anggota keluarga

orang

+

X2

Jumlah anggota rumah tangga usia 5‐12 th

orang

+

X3

Jumlah anggota rumah tangga usia 13‐18,99 th

orang

+

X4 X5 X6 X7

Jumlah anggota rumah tangga usia 19‐23,99 th Jumlah anggota rumah tangga usia 24‐55 th Jumlah anggota rumah tangga usia >55 th Jumlah anggota keluarga yang tidak bekerja

orang orang orang orang

+ + + +

X8

Jumlah anggota keluarga yang bekerja

orang

+

X9

Jumlah anggota keluarga dengan status pelajar/mahasiswa

orang

+

X10

Pendapatan rumah tangga/bulan

Rupiah/ bulan

+

X11

Jumlah kepemilikan mobil

unit

+

X12

Jumlah kepemilikan motor

unit

+

X13

Jumlah kepemilikan sepeda

unit

+

Nilai Regresi Koef. Regresi

t‐stat

Kombinasi 1

Persamaan Regresi Kombinasi 2 Kombinasi 3 Kombinasi 4

3,329 1,918

3,329 1,918

Koef. Regresi

t‐stat Koef. Regresi



t‐stat

1,791 0,775 1,419 2,262 5,140 4,021 4,675 3,490 3,258 3,571

Koef. Regresi

t‐stat

‐0,122 ‐0,055

Kombinasi 5 3,329 1,918

5,991 5,928 5,793 4,912 4,812 7,013 3,420 3,976

Koef. Regresi





t‐stat

5,022 6,896 6,091 9,880 2,24E‐06 2,163

5,022 6,896 6,091 9,880 2,24E‐06 2,163

4,29E‐06 3,561

3,61E‐06 3,183

5,022 6,896 6,091 9,880 2,24E‐06 2,163

1,850 2,033

1,850 2,033

3,485 3,469

3,578 3,718

1,850 2,033

0,694 65,234

0,694 65,234

0,616 30,230

0,648 34,672

0,694 65,234

Koef. Regresi



t‐stat 2

R F‐Stat

IV - 23


Berikut adalah hasil rekapitulasi data total trip orang per weekday (dalam 5 hari, senin hingga jumat) Tabel 4.13 Rekapitulasi Model- model Bangkitan Total Trip (orang) per weekday per rumah Variable Bebas Intercept X1


Satuan

Tanda logis yang Nilai Regresi diharapkan

‐

+ / ‐

orang

+

X2


orang

+

X3


orang

+

X4 X5 X6 X7

Jumlah anggota rumah tangga usia 19‐23,99 th Jumlah anggota rumah tangga usia 24‐55 th Jumlah anggota rumah tangga usia >55 th Jumlah anggota keluarga yang tidak bekerja

orang orang orang orang

+ + + +

X8


orang

+

X9


orang

+

X10


Rupiah/ bulan

+

X11


unit

+

X12


unit

+

X13


unit

+

Koef. Regresi

t‐stat

Kombinasi 1 3,370 2,297

Persamaan Regresi Kombinasi 2 Kombinasi 3 Kombinasi 4 3,370 2,297

2,699 1,559

‐0,278 ‐0,144

5,196 5,896 4,403 4,184 2,931 4,810

4,620 5,312 4,353 4,289 3,112 5,269 2,296 3,102

Kombinasi 5 3,370 2,297

Koef. Regresi









t‐stat

3,920 6,576 4,311 7,756

3,920 6,576 4,311 7,756

Koef. Regresi

t‐stat

3,920 6,576 4,311 7,756 3,87108E‐06 4,225

2,58E‐06 2,636

Koef. Regresi


t‐stat

2,266 2,900

2,266 2,900

3,126 3,642

3,212 3,879

2,266 2,900

0,590 55,532

0,590 55,532

0,538 26,524

0,574 25,379

0,590 55,532

Koef. Regresi

t‐stat 2 R F‐Stat

IV - 24


Berikut adalah hasil rekapitulasi data total trip orang per weekend (dalam 2 hari, sabtu dan minggu) Tabel 4.14 Rekapitulasi Model- model Bangkitan Total Trip (orang) per weekend per rumah Variable Bebas Intercept X1


Satuan

Tanda logis yang diharapkan

‐

+ / ‐

orang

+

X2


orang

+

X3


orang

+

X4 X5

Jumlah anggota rumah tangga usia 19‐23,99 th Jumlah anggota rumah tangga usia 24‐55 th

orang orang

+ +

X6

Jumlah anggota rumah tangga usia >55 th

orang

+

X7

Jumlah anggota keluarga yang tidak bekerja

orang

+

X8


orang

+

X9


orang

+

X10


Rupiah/ bulan

+

X11


unit

+

X12


unit

+

X13


unit

+

Nilai Regresi Koef. Regresi

t‐stat

Kombinasi 1

Persamaan Regresi Kombinasi 2 Kombinasi 3 Kombinasi 4

1,115 1,905

1,115 1,905

Koef. Regresi

t‐stat

0,395 0,519 0,826 4,565

Koef. Regresi





t‐stat

0,882 2,413

0,882 2,413

1,624 6,683 1,878 9,782

1,624 6,683 1,878 9,782

Kombinasi 5

‐0,078 ‐0,098

1,115 1,905

1,438 4,075 1,501 3,621 1,748 7,900 1,087 3,602 0,956 2,472

0,882 2,413

Koef. Regresi




t‐stat

1,624 6,683 1,878 9,782

1,016 3,996 9,12E‐07 2,488

Koef. Regresi

1,01E‐06 2,658



t‐stat 2

R F‐Stat

0,577 52,690

IV - 25

0,577 52,690

0,517 41,376

0,536 21,750

0,577 52,690


Selanjutnya dari kelima model bangkitan hasil kombinasi pada masing- masing kasus tersebut akan dipilih satu model bangkitan terbaik. Proses pemilihan model bangkitan terbaik tersebut akan dijelaskan selanjutnya pada BAB V Analisa Data.

IV - 26

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Recommend Documents