Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala
ISSN 2302-0253 pp. 128- 137
10 Pages
MODEL BANGKITAN AKTIVITAS DARI PEKERJA DAN NON PEKERJA (STUDI KASUS KOTA BANDA ACEH)
Nanda Susana1, Renni Anggraini 2, M. Isya3 1)
Magister Teknik Sipil Program Pascasarjana Universitas Syiah Kuala Banda Aceh 2,3) Fakultas Teknik Universitas Syiah Kuala email:
[email protected]
Abstrak: The development and the density of a city can not be separated from the many activities of the population in a zone that is caused by a variety of movement activities, it is necessary to conduct a study of movement activities based on the city of Banda Aceh. The purpose of this study is to get a model which used to predict the movement of activities that will lead such a pattern-making activities of the workers and non-workers as well as to identify the dominant factors that affect the activity. The data obtaining activity uses survey method and sampling methods. For the analysis we use CHAID method and Decisions Tree Model is also used for modeling of the activity based on movement generation. The results of this study are models and discretinary maintenance activities of workers and non-workers, where the maintenance activities of workers according to the classification categories of the highest estimate is pick-up activity as many as 100% and other activities 0% with 3 influence factors consisting of gender, number of family members and mileage, discretionary activity for workers according to the classification categories of the highest estimate is the activity of others is refreshing as many as 77.9%, then, recreation at 12.50% and social activities at 9.5% with 3 impact factors consisting of distance, type of work and the number of motor vehicles. For maintenance activities for non-workers according to the classification categories of the highest estimate is that 54.7% of shopping activity and shuttle activity as many as 45.3% with 3 influence factors which consists of a number of family members, number of vehicles and the number of cars, discretionary activity for non-workers according to the classification category is the highest estimate of the activity of others (refreshing) as many as 50.2% and social activityat 49.8% influenced by the type of work. Keyword: generation activity, workers and non-workers, maintenance activities, discretionary activities
Abstrak: Perkembangan dan kepadatan suatu kota tidak terlepas dari banyaknya aktivitas penduduk pada suatu zona yang ditimbulkan oleh berbagai macam pergerakan, model kebutuhan pergerakan yang dilakukan oleh individu pada suatu area dapat diketahui besarnya tingkat kebutuhan sarana dan prasarana transportasi dengan mempelajari variasi hubungan antara ciri pergerakannya yang berdasarkan aktivitas penduduk maka perlu dilakukan kajian pergerakan berdasarkan aktivitas penduduk pada kota Banda Aceh. Tujuan dari penelitian ini adalah mendapatkan model kebutuhan pergerakan aktivitas dengan memprediksi keputusan yang mengarah ke pola aktivitas penduduk sebagai pekerja dan non pekerja serta mengindentifikasi faktor-faktor dominan yang mempengahari aktivitas. Survei primer dilakukan melalui pengisian kuesioner pada 1650 kepala keluarga (KK) yang bertempat tinggal di kota Banda Aceh. Hasil dari kuesioner ditabulasikan menjadi variabel bebas dan variabel terikat, kemudian dianalisis menggunakan program SPSS-19. Metode yang digunakan pada penelitian ini yaitu metode CHAID dan untuk memodelkan bangkitan pergerakan berdasarkan aktivitasnya dipakai Decisions Tree Model. Hasil dari penelitian ini adalah model aktivitas maintenance dan discretinary dari pekerja dan non pekerja, dimana untuk aktivitas maintenance bagi pekerja menurut kategori pengklasifikasian perkiraan yang paling tinggi adalah aktivitas antar jemput yaitu 100% dan aktivitas lain 0% dengan 3 faktor pengaruh yang terdiri dari jenis kelamin, jumlah anggota keluarga dan jarak tempuh, aktivitas discretionary bagi pekerja menurut kategori pengklasifikasian perkiraan yang paling tinggi adalah aktivitas lain-lain (refresing) yaitu 77,9%, aktivitas rekreasi yaitu
Volume 3, No. 3, Agustus 2014
- 128
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala 12,50% dan aktivitas sosial 9,5% dengan 3 faktor pengaruh yang terdiri dari jarak, jenis pekerjaan dan jumlah kendaraan bermotor. Untuk aktivitas maintenance bagi non pekerja menurut kategori pengklasifikasian perkiraan yang paling tinggi adalah aktivitas berbelanja yaitu 54,7% dan aktivitas antar jemput 45,3% dengan 3 faktor pengaruh yang terdiri dari jumlah anggota keluarga, Jumlah kendaraan bermotor dan jumlah mobil, aktivitas discretionary bagi non pekerja menurut kategori pengklasifikasian perkiraan yang paling tinggi adalah aktivitas lain-lain (refresing) yaitu 50,2% dan aktivitas sosial 49,8% dengan dipengaruhi oleh faktor jenis pekerjaan. Kata kunci: bangkitan aktivitas, pekerja dan non pekerja, aktivitas maintenance, aktivitas discretionary
kebutuhan pergerakan dari suatu zona ke zona
PENDAHULUAN Pertumbuhan penduduk yang meningkat setiap
tahunnya
menjadi
pemicu
Lokasi yang dipilih pada penelitian ini
perkembangan serta kepadatan pada suatu kota.
yaitu pada kota Banda Aceh yang memiliki
Perkembangan dan kepadatan suatu kota tidak
sembilan (9) kecamatan yaitu kecamatan Syiah
terlepas dari banyaknya aktivitas penduduk
Kuala, Meuraxa, Banda Raya, Ulee Kareng,
pada suatu zona yang ditimbulkan oleh
Kuta Alam, Kuta Raja, Baiturrahman, Lueng
pemenuhan kebutuhan yang beragam dimana
Bata dan Jaya Baru. Populasi Kawasan yang
meningkatkan
bagian
ditinjau pada Kota Banda Aceh adalah sekitar
transportasi. Banyak aktivitas yang dilakukan
228.562 jiwa (Aceh Dalam Angka 2011)
oleh penduduk baik yang tergolong menjadi
dengan keseluruhan total luas wilayah adalah
rutinitas seperti bekerja maupun yang tidak.
61,359 Ha.
pergerakan
suatu
lain berdasarkan aktivitas- aktivitasnya.
pada
Dorongan berbagai aspek juga menjadi salah satu faktor dalam melakukan pergerakan seperti
KAJIAN KEPUSTAKAAN
aspek sosial budaya, aspek ekonomi, aspek
Dalam kajian pustaka ini diuraikan beberapa
pemukiman, aspek kependudukan, aspek sarana
teori yang mendukung penelitian yang dikutip dari
dan prasarana serta transportasi. Kurangnya
beberapa referensi yang ada kaitan dengan
fasilitas transportasi yang memadai seiring
penelitian.
dengan
pertambahan
penduduk
akan
menimbulkan berbagai macam masalah baru
Bangkitan Pergerakan Pembangkit perjalanan atau bangkitan
dibidang transportasi seperti kemacetan, polusi kendaraan, kebisingan dan lain sebagainya. Seperti sekarang ini faktor–faktor yang dapat
mempengaruhi
berbagai
macam
kebutuhan yaitu diantaranya sosial-ekonomi masing-masing individu maupun keluarga, ciri tata guna lahan (kegiatan), ciri transportasi, pemilihan moda dan lain-lain. Oleh karena itu perlu dilakukan penelitian untuk mengetahui 129 -
Volume 3, No. 3, Agustus 2014
perjalanan ini berhubungan dengan penentuan jumlah
perjalanan
keseluruhan
yang
di
bangkitkan oleh suatu kawasan, Miro (2005), Dalam prosesnya, bangkitan perjalanan ini dianalisis secara terpisah menjadi dua bagian yaitu Trip Production dan Trip Attraction, yaitu :
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala 1. Trip Production adalah jumlah perjalanan yang dihasilkan suatu zona
Metode
pohon
keputusan
induksi
memungkinkan seseorang untuk menentukan
2. Trip Attraction adalah jumlah perjalanan yang ditarik oleh suatu zona
ambang batas untuk membelah dalam hal tingkat signifikansi untuk ukuran dan jumlah minimum kasus pada node daun. Alpha ditetapkan untuk 5% dan jumlah minimum
Klasifikasi Aktivitas Didalam
penelitian
transportasi,
di
kasus 100. CHAID hanya dapat menangani
jelaskan bahwa perjalanan berasal dari rumah
variabel kondisi kategoris, karena itu, atribut
tangga yang dilakukan dibawah spasial dan
kontinyu seperti durasi dan frekuensi yang
kepentingan sementara.
discretisized menggunakan metode yang sama-
Pada penelitian ini ditinjau kegiatan yang
frekuensi
dilakukan pekerja dan non pekerja yaitu Aktivitas fleksibel atau maintenance yaitu
METODE PENELITIAN Metode
kegiatan seperti belanja harian, belanja yang tidak
dilakukan
perhari,
membawa
dan
mengantar anak atau orang lain dan sebagainya yang dilakukan oleh pekerja serta non pekerja. Seperti disebutkan dalam Vovsha, et all (2004), aktivitas maintenance rumah tangga
yang
dilakukan
untuk
pengambilan data pada penelitian ini dengan 2 metode yaitu : a.
Metode Survei
b.
Metode Sampel Jenis
data
yang
digunakan
dalam
dapat lebih lanjut di bagi dalam tiga kategori :
penelitian ini adalah data primer dan data
belanja,
sekunder. Data primer adalah data yang
antar
jemput,
dan
aktivitas
diperoleh langsung dari responden yaitu data
maintenance lainnya.
kuesioner, yaitu data jumlah anggota keluarga Konsep Metode CHAID Metode
(orang), jumlah penghasilan keluarga (rupiah),
CHAID
digunakan
untuk
menurunkan aturan-aturan keputusan. CHAID adalah algoritma berbasis chi-square untuk segmentasi data sebagai keturunan Thaid dan AID. Meskipun metode ini telah diusulkan dalam
konteks
analisis
statistik,
dapat
dijalankan pada jenis data yang sama dan menghasilkan
output
bentuk
yang
mirip
dibandingkan dengan metode induksi pohon keputusan yang telah dikembangkan di bawah judul dari suatu metode pembelajaran. CHAID
jumlah kepemilikan kendaraan (unit), jumlah keluarga yang bekerja (orang), jumlah keluarga yang sekolah (orang), jenis pekerjaan, umur, jumlah kegiatan dalam satu hari, jarak tempuh perjalanan. Sedangkan data sekunder adalah data yang lebih dulu dikumpulkan dan dilaporkan oleh orang atau instansi. Di dalam penelitian ini data sekunder adalah data jumlah kepala keluarga pada kota Banda Aceh yang ditinjau diperoleh dari data penduduk pada tahun 2011. Volume 3, No. 3, Agustus 2014
- 130
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala Dari data diperoleh jumlah populasi di masing-masing kecamatan di kota Banda Aceh
Hasil dari analisis CHAID akan ditampilkan dalam diagram pohon.
pada tahun 2011 dapat dilihat dari Tabel 1. HASIL PEMBAHASAN Tabel. 1
Data Jumlah Populasi Kota Banda Aceh 2011
No.
Meuraxa Jaya Baru
7.
yang
Banda
Aceh
menunjukkan
bahwa
setiap
anggota keluarga memiliki aktivitas berbeda-
21.369 31.073 24.132
beda dan lebih dari satu aktivitas sehingga
Kuta Alam
43.184
berdasarkan aktivitas yang dipilih. Aktivitas
dalam menganalisa data kebutuhan pergerakan
10.672 35.648 23.088 228.562
dari pekerja dan non pekerja sehingga akhirnya diperoleh
bangkitan pergerakan, menggunakan metode CHAID. CHAID digunakan untuk membentuk segmentasi yang membagi sebuah sampel menjadi dua atau lebih kelompok yang berbeda berdasarkan sebuah kriteria tertentu. Hal ini kemudian
diteruskan
kelompok-kelompok kelompok
yang
variabel-variabel
lebih
dengan
membagi
tersebut
menjadi
kecil
independen
berdasarkan yang
lain.
Hasilnya juga akan memberikan peringkat pada variabel yang merupakan variabel independen paling signifikan sampai yang tidak signifikan. Dalam analisis CHAID variabel yang digunakan dibedakan atas variabel terikat (variabel
dependen)
(variabel
independen).
dan
variabel
bebas
Klasifikasi
dalam
CHAID dilakukan berdasarkan pada hubungan yang ada antara kedua variabel tersebut, oleh karena itu CHAID termasuk dalam metode dependensi dalam menentukan segmentasi. Volume 3, No. 3, Agustus 2014
2
kelompok
model
bangkitan
aktivitas bagi aktivitas pergerakan penduduk
Metode analisis data dalam pemodelan
131 -
kuesioner
Banda Raya Baiturrahman Lueng Bata Kuta Raja Syiah Kuala Ulee Kareng Jumlah Total Populasi
8. 9.
hasil
diperoleh dari masing-masing penduduk kota Jumlah Populasi (Jiwa) 16.861 22.535
Kecamatan
1. 2. 3. 4. 5. 6.
Berdasarkan
sebagai pekerja yaitu aktivitas maintenance dan aktivitas discretionary dan 2 model bangkitan aktivitas bagi aktivitas pergerakan penduduk sebagai non pekerja yaitu aktivitas maintenance dan aktivitas discretionary pada kota Banda aceh yang mana total keseluruhan menjadi 4 model bangkitan pergerakan.
Aktivitas Maintenance Bagi Pekerja Aktivitas maintenance adalah aktivitas harian atau mingguan yang dilakukan secara tidak rutin dan tidak mesti dilakukan pada setiap
harinya.
Permodelan
menggunakan
clasify decision tree dengan metode CHAID, variabel terikat yang digunakan untuk model aktivitas maintenance berdasarkan aktivitas adalah aktivitas kepasar/supermarket, aktivitas antar jemput, aktivitas urusan rumah tangga dan aktivitas olahraga sedangkan yang menjadi variabel
bebas
yaitu
jumlah
keluarga,
pendapatan, jumlah kepemilikan mobil, jumlah
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala kepemilikan sepeda motor, jenis kelamin dan
1,5 % sedangkan pada Node 4 jumlah anggota
jarak. hasil analisa data dapat dilihat pada
keluarga sebanyak 1,2,7,8,9 dan 10 orang
diagram tree 1.
melakukan
aktivitas
maintenance
dengan
Dari hasil analisa data menggunakan
aktivitas berbelanja lebih besar yaitu 47,3%,
Decisions Tree diperoleh bangkitan aktivitas
aktivitas antar jemput sebesar 43,2% serta
maintenance pada Node 0 dapat dilihat bahwa
aktivitas urusan rumah tangga dan olahraga
aktivitas yang paling tinggi dilakukan yaitu
sebesar 6,8% dan 2,7 %.
aktivitas antar jemput dengan tingkat persentasi
Pada Node 2 juga dipengaruhi oleh
sebesar 68,2 % diikuti oleh aktivitas berbelanja
jumlah anggota keluarga terbagi atas 2 simpul
yaitu sebesar 27% serta aktivitas urusan rumah
dengan nilai Chi-Square = 20,560 dan df = 4
tangga dan olahraga sebesar 3,4% dan 1,4 %.
dan nilai Chi-Square tabel = 3,3567
Node 0 dipengaruhi oleh jenis kelamin terbagi
Pada Node 3 dipengaruhi oleh jarak yang
atas 2 simpul dengan nilai Chi-Square = 41,858
terbagi atas 2 simpul dengan nilai Chi-Square =
dan df = 4 dan nilai Chi-Square tabel = 3,3567,
32,989 dan df = 4 dan nilai Chi-Square tabel =
simpul yang paling besar dipengaruhi adalah
3,3567. Nilai Chi-Square hitung pada ke 3
Node 1 dimana pria lebih besar melakukan
faktor yaitu jenis kelamin, jumlah keluarga dan
aktivitas maintenance dengan aktivitas antar
jarak tempuh dengan nilai α=0,05 lebih besar
jemput paling besar yaitu 73,8%, aktivitas
dari
berbelanja 20,8% serta aktivitas urusan rumah
menunjukkan bahwa terdapat hubungan yang
tangga dan olahraga sebesar 3,7% dan 1,7 %.
signifikan antara ke 3 (tiga) faktor dengan 4
Node
(empat) aktivitas.
2
wanita
melakukan
aktivitas
nilai
chi-square
tabel
sehingga
maintenance dengan aktivitas antar jemput paling besar yaitu 55,4%, aktivitas berbelanja 41,2% serta aktivitas urusan rumah tangga dan olahraga sebesar 2,7% dan 0,8%.
Aktivitas Discretionary Bagi Pekerja Aktivitas discretionary adalah aktivitas yang dilakukan secara tidak rutin dan tidak
Pada Node 1 dipengaruhi oleh jumlah
mesti dilakukan pada setiap harinya. Dalam
anggota keluarga terbagi atas 2 simpul dengan
penelitian ini aktivitas discretionary dibagi ke
nilai Chi-Square = 41,858 dan df = 4 dan nilai
dalam tiga kategori aktivitas yaitu refresing
Chi-Square tabel = 3,3567, simpul yang paling
(makan di café, duduk di warkop, dan
besar dipengaruhi adalah pada Node 3 dimana
sebagainya), kunjungan sosial dan rekreasi,
jumlah anggota keluarga sebanyak 3,4,5 dan 6
hasil analisa data dapat dilihat pada diagram
orang melakukan aktivitas maintenance dengan
tree 2.
aktivitas antar jemput paling besar yaitu 78,2%,
Dari hasil analisa data menggunakan
aktivitas berbelanja 17,1% serta aktivitas urusan
Decisions Tree diperoleh bangkitan aktivitas
rumah tangga dan olahraga sebesar 3,3% dan
discretionary pada Node 0 dapat dilihat bahwa Volume 3, No. 3, Agustus 2014
- 132
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala aktivitas yang paling tinggi dilakukan yaitu
data dapat dilihat pada pada diagram tree 3.
aktivitas lain-lain (refresing) dengan tingkat
Dari hasil analisa data menggunakan
persentasi sebesar 59,9 % diikuti oleh aktivitas
Decisions Tree diperoleh bangkitan aktivitas
sosial yaitu sebesar 24,1% dan aktivitas rekreasi
maintenance bagi non pekerja pada Node 0
sebesar 16%. Pada Node 0 dipengaruhi oleh
dapat dilihat bahwa aktivitas yang paling tinggi
jarak tempuh yang terbagi atas 2 simpul dengan
dilakukan yaitu aktivitas berbelanja dengan
nilai Chi-Square = 95,238 dan df = 2 dan nilai
tingkat persentasi sebesar 59,9 % diikuti oleh
Chi-Square tabel = 1,3863, simpul yang paling
aktivitas antar jemput yaitu sebesar 37,9% serta
besar dipengaruhi adalah Node 1 dimana jarak
aktivitas urusan rumah tangga dan olahraga
tempuh 0 – 5 km lebih besar melakukan
sebesar 1,7% dan 0,4 %. Node 0 dipengaruhi
aktivitas discretionary dengan aktivitas lain-lain
oleh jumlah anggota keluarga untuk melakukan
(refresing) paling besar yaitu 73%, aktivitas
aktivitas maintenance yang terbagi 3 simpul
sosial 19,8% dan aktivitas rekreasi sebesar
dengan nilai Chi-Square = 85,838 dan df = 8
7,2% . Node 2 jarak tempuh > 5 Km melakukan
dan nilai Chi-Square tabel = 7,3441.
aktivitas discretionary dengan aktivitas rekreasi
Pada untuk Node 1 dipengaruhi oleh
paling besar yaitu 34,7%, aktivitas sosial 33,5%
jumlah
dan
melakukan aktivitas maintenance yang terbagi
aktivitas lain-lain (refresing)
sebesar
31,7%.
kepemilikan
kendaraan
bermotor
2 simpul dengan nilai Chi-Square = 19,679 dan
Pada Node 2 dipengaruhi oleh jenis
df = 3 dan nilai Chi-Square tabel = 2,3660.
pekerjaan yang terbagi atas 2 simpul dengan
Pada Node 2 juga dipengaruhi oleh
nilai Chi-Square = 22,705 dan df = 2 dan nilai
jumlah
Chi-Square tabel = 1,3863. Pada Node 3
melakukan aktivitas maintenance yang terbagi
dipengaruhi oleh jumlah kepemilikan kendaraan
atas 2 simpul dengan nilai Chi-Square = 19,700
bermotor yang terbagi atas 2 simpul dengan
dan df = 4 dan nilai Chi-Square tabel = 3,3567.
nilai Chi-Square = 17,265 dan df = 2 dan nilai Chi-Square tabel = 1,3863.
kepemilikan
kendaraan
bermotor
Pada Node 6 dipengaruhi oleh jumlah kepemilikan
mobil
melakukan
aktivitas
Nilai Chi-Square hitung dengan nilai
maintenance yang terbagi atas 2 simpul dengan
α=0,05 maka lebih besar dari nilai chi-square
nilai Chi-Square = 14,759 dan df = 3 dan nilai
tabel sehingga menunjukkan bahwa terdapat
Chi-Square tabel = 2,3660.
hubungan
yang
signifikan
antara
jenis
pekerjaan dengan 3 (tiga) aktivitas.
Nilai Chi-Square hitung pada ke 3 (tiga) faktor
yaitu
jumlah
keluarga,
jumlah
kepemilikan kendaraan bermotor dan jumlah Aktivitas Maintenance Bagi Non Pekerja Permodelan
clasify
lebih besar dari nilai chi-square tabel sehingga
decision tree dengan metode CHAID, Hasil
menunjukkan bahwa terdapat hubungan yang
133 -
menggunakan
kepemilkikan mobil dengan nilai α=0,05 maka
Volume 3, No. 3, Agustus 2014
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala signifikan antara ke 3 (tiga) faktor dengan 4
dipengaruhi oleh jenis pekerjaan yang terbagi
(empat) aktivitas.
atas 2 simpul dengan nilai Chi-Square = 33,546 dan df = 2 dan nilai Chi-Square tabel = 1,3863, pada Node 1 dimana jenis pekerjaan sebagai
Aktivitas Discretionary Bagi Non Pekerja Permodelan
menggunakan
clasify
pensiunan,
pengangguran
decision tree dengan metode CHAID, Hasil
melakukan
data dapat dilihat pada pada diagram tree 4.
aktivitas lain-lain (refresing) paling besar yaitu
aktivitas
dan
discretionary
lain-lain dengan
Dari hasil analisa data menggunakan
56,4%, aktivitas sosial 34,5% dan aktivitas
Decisions Tree diperoleh bangkitan aktivitas
rekreasi sebesar 9,1% . Node 2 dimana jenis
discretionary pada Node 0 dapat dilihat bahwa
pekerjaan sebagai ibu rumah tangga melakukan
aktivitas yang paling tinggi dilakukan yaitu
aktivitas discretionary dengan aktivitas sosial
aktivitas sosial
persentasi
paling besar yaitu 58,5%, aktivitas lain-lain
sebesar 46,5 % diikuti oleh aktivitas lain-lain
(refresing) yaitu 25% dan aktivita rekreasi
(resfresing) yaitu sebesar 40,7% dan aktivitas
sebesar 16,5%.
rekreasi
sebesar
dengan tingkat
12,8%.
Pada
Node
Diagram Tree. 1
0 Aktivitas Maintenance Bagi Pekerja
Volume 3, No. 3, Agustus 2014
- 134
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala Diagram Tree. 2
Diagram Tree. 3
135 -
Volume 3, No. 3, Agustus 2014
Aktivitas Discretionary Bagi Pekerja
Aktivitas Maintenance Bagi Non Pekerja
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala Diagram Tree. 4
Aktivitas Discretionary Bagi Non Pekerja
KESIMPULAN DAN SARAN
menurut
Kesimpulan
yaitu
Berdasarkan pembahasan
hasil
dapat
analisis
diambil
dan
aktivitas
sebesar
beberapa
pengklasifikasian lain-lain
77,90%,
perkiraan (refresing)
aktivitas
rekreasi
12,50% dan aktivitas sosial sebesar
kesimpulan sebagai berikut:
9,50% sedangkan faktor mempengaruhi
1.
Model kebutuhan pergerakan aktivitas
terdiri dari 3 yaitu; faktor jarak tempuh,
bagi pekerja dan faktor-faktor yang
faktor jenis pekerjaan dan faktor jumlah
mempengaruhi adalah :
kendaraan bermotor
a. Model
aktivitas
maintenance
bagi 2.
pekerja
Model kebutuhan pergerakan aktivitas
Aktivitas yang paling tinggi dilakukan
bagi non pekerja dan faktor-faktor yang
menurut
mempengaruhi adalah :
pengklasifikasian
perkiraan
yaitu aktivitas antar jemput sebesar 100 % sedangkan faktor yang mempengaruhi terdiri dari 3 yaitu; faktor jenis kelamin, faktor jumlah anggota keluarga dan faktor jarak tempuh.
a. Model aktivitas maintenance bagi non pekerja Aktivitas yang paling tinggi dilakukan menurut
pengklasifikasian
perkiraan
yaitu aktivitas berbelanja sebesar 54,7 % b. Model aktivitas discretionary bagi
dan aktivitas antar jemput sebesar 45,3%
pekerja
sedangkan faktor yang mempengaruhi
Aktivitas yang paling tinggi dilakukan
terdiri dari 3 faktor yaitu; faktor jumlah Volume 3, No. 3, Agustus 2014
- 136
Jurnal Teknik Sipil Pascasarjana Universitas Syiah Kuala keluarga,
faktor
jumlah
kendaraan
bermotor dan faktor jumlah mobil. b. Model aktivitas discretionary bagi non pekerja Aktivitas
yang
paling
tinggi
dilakukan
menurut pengklasifikasian perkiraan yaitu aktivitas lain-lain (refresing) sebesar 50,20% dan aktivitas sosial 49,80% sedangkan faktor yang dominan mempengaruhi kebutuhan pergerakan dari aktivitas discretionary bagi non pekerja jenis pekerjaan.
Saran 1.
Perlu adanya peninjauan ulang dengan menambahkan
faktor-faktor
lain
yang
berpengaruh sehingga menghasilkan model yang lebih baik lagi dan memiliki alokasi keputusan yang tinggi terhadap kebutuhan pergerakan sebagai variabel yang ditinjau dari kota Banda Aceh. 2.
Hasil dari penelitian ini dapat dijadikan bahan
pembelajaran
bagi
kalangan
akademisi dalam hal kebutuhan pergerakan (Trip Generation) untuk melihat tingkat alokasi
keputusan
serta
faktor
yang
mempengaruhi pada kebutuhan pergerakan pada suatu kawasan DAFTAR KEPUSTAKAAN Anggraini, R., Arentze, T.A., & Timmermans, H.J.P. (2006). „A model of within-household travel activity decisions capturing interactions between household heads‟. In J.P. van Leeuwen and H.J.P. Timmermans (eds.) Progress in Design and Decision Support Systems in Architecture and Urban Planning, Eindhoven University of Technology, The Netherlands Anggraini R, et al, 2007. Modeling Household Activity Generation and Allocation Decisions
137 -
Volume 3, No. 3, Agustus 2014
Using Decision Tree Induction, Paper Presented in WCTR Conference 2007, Berkeley USA. Bagozzi, R.P. 1994, Research Oxford Advanced Methods Of Marketing, London.
Gallagher, C.A., (2000), An Iterative Approach to Classification Analysis, http://www.casact.org/pubs/dpp/dpp90/90 dpp237.pdf diakses pada tanggal 10 April 2013 Kitamura, R. (1995). “Applications of models of activity behavior for activity based demand forecasting,” presented at the Activity-Based Travel Forecasting Conference, New Orleans, Louisiana Miro. F. 2005. Perencanaan Transportasi, Penerbit Erlangga, Jakarta. Tamin. O.Z. 2008. Perencanaan dan Pemodelan Transportasi, Penerbit ITB, Bandung. Myers. J . G 1996, Principle Of Corporations Finance, New York Vovsha. P, Petersen. E, Donnely. R. 2004. A Model for Allocation of Maintenance Activities to the Household Members, Papers Presented at the 83th Annual Meeting of the TRB, Washington D.C.
