Model Pengelolaan Transportasi Mahasiswa dalam Mengurangi Kemacetan Lalu Lintas Menuju Kampus Universitas Negeri Surabaya Ari Widayanti, Yogie Risdianto, Mas Suryanto H.S. Staf Pengajar Jurusan Teknik Sipil - Fakultas Teknik - Universitas Negeri Surabaya Gedung A4 Kampus Unesa Ketintang Telp. 0815 5613917 Email:
[email protected] Abstrak— Kemacetan lalu lintas merupakan masalah dalam transportasi. Hal ini terkait dengan aktivitas masyarakat, tata guna lahan, lokasi, kondisi jalan, jarak, waktu perjalanan, biaya transportasi. Kemacetan di Jalan Ketintang pada jam sibuk pagi dan sore hari, salah satunya disebabkan oleh pergerakan mahasiswa menuju kampus. Faktor biaya transportasi merupakan hal yang diperhitungkan mahasiswa. Pengumpulan data dengan menyebarkan kuesioner pada 206 mahasiswa. Teknik analisis data dengan Metode Regresi Linier Berganda. Kesimpulan yang diperoleh adalah model biaya transportasi mahasiswa dinyatakan dalam Y = 4,330 + 15,774 X1 + 1,860 X2 + 2,408 X3 + 1,002 X4 + 0,013 X5 dengan Y = biaya transportasi, X1 = jarak perjalanan dari tempat tinggal ke kampus, X2 = waktu perjalanan dari tempat tinggal ke kampus, X3 = jumlah mata kuliah yang diprogram, X4 = jumlah kegiatan non akademis mahasiswa, X5 = jumlah penghasilan orang tua. R2 sebesar 0,832, dan R sebesar 0,912. Faktor-faktor yang mempengaruhi biaya transportasi mahasiswa yaitu jarak perjalanan dari tempat tinggal ke kampus (0,304), jumlah mata kuliah yang diprogram (0,204), waktu perjalanan (0,173), jumlah penghasilan orang tua (0,160), jumlah kegiatan non akademis yang diikuti (0,108). Moda yang paling banyak digunakan adalah sepeda motor. Upaya yang perlu dilakukan untuk mengurangi kemacetan lalu lintas di Jalan Ketintang yaitu mahasiswa menggunakan waktu seefektif mungkin dalam melakukan aktivitasnya, mahasiswa mencari lokasi tempat tinggal di sekitar kampus, perlu adanya asrama mahasiswa di kawasan kampus Unesa. Kata kunci: kemacetan, lalu lintas, kampus, model, biaya transportasi, mahasiswa.
I.
PENDAHULUAN
Transportasi merupakan salah satu kebutuhan yang penting dalam menunjang mobilitas masyarakat. Kondisi transportasi yang baik, lancar, aman, efektif dan efisien mengindikasikan tingginya tingkat kemakmuran suatu bangsa, demikian pula jika yang terjadi sebaliknya, diberikan di [1] dan [8]. Kondisi transportasi sangat berhubungan dengan faktor ekonomi, jika terjadi kenaikan harga BBM maka semua aktivitas kehidupan masyarakat akan terpengaruh. Harga barang akan naik, harga kebutuhan masyarakat akan meningkat, yang disebabkan oleh biaya transportasi yang semakin meningkat. Biaya transportasi merupakan hal yang penting karena dalam penentuan aktivitas masyarakat, aksesibilitas pencapaian suatu lokasi akan menentukan jumlah biaya yang harus dikeluarkan oleh seseorang. Oleh karena itu kajian-kajian Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011
tentang masalah transportasi beserta dengan faktor-faktor yang mempengaruhi sangat diperlukan, terutama yang berhubungan dengan biaya transportasi. Mahasiswa sebagai salah satu elemen dari civitas akademika suatu Perguruan Tinggi tidak terlepas dari transportasi dalam menunjang aktivitasnya. Mahasiswa merupakan bagian dari masyarakat yang unik karena mengalami peralihan dari masa remaja ke masa dewasa dimana dituntut untuk mandiri, bertanggung jawab, berani mengambil keputusan sendiri dengan atau tanpa campur tangan pihak lain. Latar belakang mahasiswa yang beragam, menunjukkan karakteristik yang khas pada setiap golongan, yang terkait dengan kondisi sosial ekonomi orang tua. Ditinjau dari aktivitas mahasiswa di kampus tergolong unik, karena ada perbedaan aktivitas antara mahasiswa satu dengan yang lain. Hal ini ditentukan dari jumlah SKS yang ditempuh, jumlah mata kuliah yang diprogramkan, jumlah aktivitas baik akademis maupun non akademis, jenis kelamin mahasiswa maupun jumlah tugas dan asistensi kepada dosen pembimbing. Aktivitas mahasiswa dalam bidang akademis tersebut ditentukan dari nilai IPK yang diperoleh dari grafik hubungan antara IP Semester maupun IP Kumulatif, dipresentasikan di [2]. Aktivitas mahasiswa non akademis dipengaruhi oleh bakat dan minat yang dilatarbelakangi oleh kondisi sosial ekonomi dan lingkup pergaulan sehari-hari. Beberapa studi telah dilakukan dalam memperoleh faktor-faktor yang mempengaruhi biaya transportasi mahasiswa, diberikan di [2], [5], [11]. Hal-hal yang diasumsikan mempengaruhi biaya transportasi mahasiswa yaitu jarak dari lokasi tempat tinggal ke kampus, waktu perjalanan dari lokasi tempat tinggal menuju ke kampus, jumlah mata kuliah yang ditempuh, jumlah kegiatan non akademis yang diikuti, jumlah penghasilan orang tua mahasiswa. Salah satu metode yang digunakan untuk memperoleh faktor-faktor yang mempengaruhi biaya transportasi mahasiswa adalah Metode Regresi Linier Berganda dengan menggunakan software SPSS (Statistical Product and Service Solution). Metode ini dapat meninjau lebih dari satu variabel, sehingga dapat diperoleh variabel A-75
yang paling berpengaruh dan tidak berpengaruh terhadap biaya transportasi mahasiswa. Ditinjau dari keberadaannya, software ini praktis dan ekonomis karena banyak dijual di pasaran dan sudah luas penggunaannya, bahkan setiap orang dapat mengoperasikan baik di kawasan kampus maupun rental komputer yang ada. Ditinjau dari kemudahan pemakaian, metode Regresi Linier Berganda dengan SPSS juga lebih mudah dalam pengoperasiannya.
a. b.
Tujuan dari penelitian ini adalah Memperoleh faktor-faktor yang berpengaruh terhadap biaya transportasi mahasiswa, Memperoleh model pengelolaan biaya transportasi mahasiswa Jurusan Teknik Sipil Fakultas Teknik Universitas Negeri Surabaya dengan Metode Regresi Linier Berganda. II.
METODE
Desain Penelitian berupa penelitian deskriptif dan survei yang meliputi: a. Mengumpulkan data sekunder dari Bagian Administrasi Jurusan Teknik Sipil Fakultas Teknik Universitas Negeri Surabaya. b. Mengumpulkan data dari mahasiswa dengan menyebarkan kuesioner yang berisi tentang biaya transportasi dan faktor-faktor yang diduga mempengaruhi biaya transportasi mahasiswa. Dari populasi sebesar 435 orang, maka sampel penelitian yang diambil adalah sejumlah 206 mahasiswa. Pendekatan penelitian menggunakan deskriptif kuantitatif yang disertai dengan analisis SPSS. Variabel-variabel yang digunakan dalam penelitian ini adalah: a. Variabel tidak bebas berupa biaya transportasi (biaya yang dikeluarkan setiap bulan oleh mahasiswa JTS FT Unesa untuk melakukan transportasi). b. Variabel bebas berupa: 1. jarak perjalanan dari lokasi tempat tinggal menuju ke kampus Unesa, 2. waktu perjalanan dari lokasi tempat tinggal menuju ke kampus Unesa, 3. jumlah mata kuliah yang diprogram pada Semester Genap 2009/2010, 4. jumlah kegiatan non akademis mahasiswa pada Semester Genap 2009/2010, 5. jumlah penghasilan orang tua setiap bulan, Pembentukan model regresi ditentukan dari rumus berikut ini: A-76
Y = c + a1X1 +a2X2 + a3X3 + a4X4 + a5X5 (1) Dengan: Y = biaya transportasi mahasiswa. c = konstanta regresi. a = koefisien regresi. X1 = jarak perjalanan dari lokasi tempat tinggal ke kampus. X2 = waktu perjalanan dari lokasi tempat tinggal menuju ke kampus. X3 = jumlah mata kuliah yang diprogram pada Semester Genap 2009/2010. X4 = jumlah kegiatan non akademis mahasiswa pada Semester Genap 2009/2010. X5 = jumlah penghasilan orang tua setiap bulan. Teknik analisis data menggunakan analisis deskriptif kuantitatif dan analisis regresi dari Program SPSS. Cara penafsiran dan penyimpulan data dilakukan dengan [9]: 1. Uji Normalitas Suatu penelitian yang melakukan pengujian hipotesis dengan menggunakan uji-t dan atau uji F, menuntut suatu asumsi yang harus diuji yaitu populasi harus berdistribusi normal. Apabila jumlah sampel diperbesar, penyimpangan asumsi normalitas ini semakin kecil pengaruhnya. 2. Uji Koefisien Korelasi Koefisien korelasi (r) digunakan untuk menentukan korelasi antara variabel bebas. Nilai r yang mendekati 1 berarti kedua peubah saling berkorelasi negatif (peningkatan nilai salah satu peubah akan menyebabkan penurunan nilai peubah lainnya). Sebaliknya jika nilai r mendekati +1 berarti kedua peubah saling berkorelasi positif (peningkatan nilai salah satu peubah akan menyebabkan peningkatan nilai peubah lainnya). Disamping itu angka yang muncul mengindikasikan tingkat hubungan seperti dalam Tabel 1 berikut ini. Tabel 1: Penafsiran Koefisien Korelasi Interval Koefisien Tingkat Hubungan 0.00 – 0.199 Sangat rendah 0.20 – 0.399 Rendah 0.40 – 0.599 Sedang 0.60 – 0.799 Kuat 0.80 – 1.000 Sangat Kuat 3. Uji Regresi, digunakan untuk mengetahui faktor-faktor penentu variabel terikat secara berurutan. 4. Uji Autokorelasi atau uji identik (Trihendradi, 2008) ISBN : 978-979-18342-3-0
Uji dilakukan dengan pengujian Durbin Watson (DW) sesuai Tabel 2 berikut ini. Tabel 2: Uji Autokorelasi Nilai DW Definisi -2 < DW< 2 Tidak terjadi autokorelasi. DW < -2 atau DW > 2 Terjadi autokorelasi. 5.
6.
7.
Uji Kolinearitas Uji kolinearitas adalah uji apakah terjadi korelasi yang kuat antara variabel-variabel independen/bebas. Cara pengujiannya adalah: i. Nilai korelasi dua variabel independen tersebut mendekati satu, ii. Nilai korelasi parsial akan mendekati nol. Apabila terjadi kolinearitas, maka variabel yang digunakan dalam persamaan linier hanya variabel independen yang memiliki korelasi parsial yang tinggi. Heteroskedasitas Heteroskedasitas merupakan suatu fenomena dimana estimator regresi bias, namun varian tidak efisien (semakin besar sampel, semakin besar varian). Heteroskedasitas berarti variabel terikat menunjukkan tingkat varian yang berbeda antara variabel predictor. Dalam model ini diharapkan tidak terjadi Heteroskedasitas. Pengujian Hipotesis i. Uji t merupakan pengujian koefisien regresi individual, untuk mengetahui kemampuan dari masing-masing variabel bebas dalam mempengaruhi variabel terikat, dengan menganggap variabel lain konstan atau tetap, dipresentasikan di [4]. Jika nilai p-value > 0,05, maka Ho diterima, artinya variabel bebas tidak mempengaruhi variabel terikat secara signifikan. Jika nilai p-value < 0,05, maka Ho ditolak, artinya variabel bebas mempengaruhi variabel terikat secara signifikan. ii. Uji F Uji F dilakukan untuk mengetahui keberartian model secara bersama-sama. Fhit < Fα(k)(n-k-1), maka Ho diterima. III.
HASIL DAN PEMBAHASAN
Uji statistik diperlukan untuk mengetahui faktorfaktor yang berpengaruh terhadap biaya transportasi. Pengujian dilakukan dengan langkah-langkah berikut ini. 1. Uji Statistik Parametrik
Analisis Regresi Ganda dapat diterapkan dengan menggunakan statistik parametrik. Uji statistik yang diterapkan adalah Uji Normalitas Data dan Uji Homoginitas Data. 1.1. Uji Normalitas Pengujian Normalitas pada penelitian ini menggunakan Statistik Kolmogorov-Smirnov, dengan hipotesis sebagai berikut: Ho: Data berasal dari populasi yang berdistribusi normal. Ha: Data berasal dari populasi yang tidak berdistribusi normal. Uji normalitas data dilakukan terhadap variabel independen dari penelitian ini, yaitu jarak dari tempat tinggal menuju kampus JTS FT Unesa (X1), waktu perjalanan (X2), jumlah mata kuliah (X3), jumlah kegiatan non akademis yang diikuti (X4), jumlah penghasilan orang tua setiap bulan (X5). Analisis menggunakan SPSS, dan hasilnya dapat dilihat pada Tabel 3 berikut ini. Tabel 3: Uji Normalitas Data (One-Sample Kolmogorov Smirnov Test) N Normal Parameters
X1
X2
X3
X4
X5
206
206
206
206
206
Mean
6.71
28.66
8.03
7.11
2154.1
Std. Deviation Absolute
2.856
13.309
2.905
3.619
506.2
0.080
0.072
0.083
0.169
0.131
0.070 -0.080
0.072 -0.050
0.083 -0.08
0.169 -0.108
0.086 -0.131
1.149
1.040
1.189
2.428
1.886
0.143
0.229
0.118
0.060
0.080
Most Positive Extreme Differences Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Kriteria yang digunakan adalah bahwa Ho diterima jika nilai Asymp. Sig. (2-tailed) > dari tingkat alpha yang ditetapkan yaitu 5%. Dari Tabel 3 diperoleh bahwa nilai Asymp. Sig. (2-tailed)>5%, sehingga dikatakan bahwa data berasal dari populasi yang berdistribusi normal. 1. 2 Uji Homoginitas Uji Homoginitas data menggunakan One-Way ANOVA, dengan hipotesis berikut ini: Ho : Data populasi bervarian homogin. Ha : Data populasi tidak bervarian homogin. Uji homoginitas data dilakukan terhadap variabel independen dari penelitian ini. Analisis menggunakan SPSS, yang hasilnya dapat dilihat pada Tabel 4 berikut ini.
A-77 Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011
Tabel 4: Uji Homoginitas Data Levene df1 df2 Statistic X1 = jarak 4.303 8 197 (km) X2 = waktu 4.918 8 197 (menit) X3 = jumlah 1.278 8 197 mata kuliah X4 = kegiatan 2.470 8 197 non akademis per minggu X5 = 0.980 8 197 pendapatan orang tua (ribu/bln)
Sig. 0.086 0.148 0.257 0.143
0.452
Kriteria yang digunakan adalah Ho diterima jika nilai Significancy>dari tingkat alpha yang ditetapkan yaitu 5%. Dari Tabel 4 diperoleh nilai Significancy (Sig.)>5%, sehingga dapat dinyatakan bahwa data berasal dari populasi bervarian homogin. 2. Uji Persyaratan Regresi Ganda Pemodelan biaya transportasi mahasiswa dibentuk berdasarkan Analisis Regresi Ganda, sehingga perlu uji persyaratan regresi ganda. Uji tersebut adalah Uji Linearitas Garis Regresi, Uji Multikolinearitas, Uji Autokorelasi dan Uji Heteroskedastisitas. 2.1 Uji Linearitas Garis Regresi Uji Linearitas Garis Regresi digunakan untuk mengambil keputusan dalam memilih model regresi yang akan digunakan. Uji asumsi linearitas garis regresi ini berkaitan dengan suatu pembuktian apakah model garis linear yang ditetapkan benar-benar sesuai dengan keadaannya atau tidak. Ini perlu dilakukan sehingga hasil analisis yang diperoleh dapat dipertanggungjawabkan. Pengujian linearitas garis regresi menggunakan pendekatan analisis Tabel Anova. Hipotesis uji linearitas garis regresi adalah: Ho : Model regresi berbentuk linear Ha : Model regresi berbentuk non-linear Kriteria yang digunakan adalah bahwa Ho diterima jika nilai Significancy>dari tingkat alpha yang ditetapkan yaitu 5%. Nilai signifikansi yang dimaksudkan adalah Significancy dari Deviation from Linearity. Dengan bantuan Program SPSS, diperoleh hasil berikut ini. Tabel 5: Ringkasan Hasil Analisis Linearitas Garis Regresi A-78
Keterangan
Signifikasi
Alpha
Kriteria Simpulan
Y * X1
0.112
0.05
S>A
Linear
Y * X2
0.064
0.05
S>A
Linear
Y * X3
0.126
0.05
S>A
Linear
Y * X4 0.652 0.05 S>A Linear Y * X5 0.401 0.05 S>A Linear Dari tabel tersebut diperoleh nilai signifikansi>tingkat alpha yang ditetapkan (0,05), sehingga dapat dikatakan bahwa Ho diterima, yang berarti Regresi berbentuk Linear. 2.2 Uji Multikolinearitas Uji multikolinearitas dimaksudkan untuk membuktikan atau menguji ada tidaknya hubungan yang linear antara variabel bebas (independen) satu dengan yang lain. Dalam analisis regresi ganda akan terdapat dua atau lebih variabel bebas yang diduga akan mempengaruhi variabel terikat (dependen). Pendugaan tersebut akan dapat dipertanggungjawabkan apabila tidak terjadi adanya hubungan yang linear (multikolinearitas) diantara variabelvariabel independen. Adanya hubungan yang linear antar variabel independen akan menimbulkan kesulitan dalam memisahkan pengaruh masing-masing variabel independen terhadap variabel dependen. Oleh karena itu harus benarbenar dapat dinyatakan bahwa tidak terjadi adanya hubungan linear antara variabel-variabel independen tersebut. Hipotesis untuk membuktikan ada tidaknya multikolinearitas antara variabel bebas adalah: Ho: Tidak terdapat hubungan antara variabel independen. Ha: Terdapat hubungan antara variabel independen. Ada tidaknya korelasi antar variabel dapat diketahui dengan memanfaatkan statistik korelasi product moment dari Pearson sesuai dengan Tabel 6 berikut ini.
ISBN : 978-979-18342-3-0
Tabel 6: Hasil Analisis Multikolinearitas Correlations X1
X2
X3
X4
X5
Pearson Correlation Sig.(2tailed) N Pearson Correlation Sig.(2tailed) N Pearson Correlation Sig.(2tailed) N Pearson Correlation Sig.(2tailed) N Pearson Correlation Sig.(2tailed) N
X1
X2
X3
X4
X5
1
0,972**
-0,035
-0,027
0,594**
0,067
0,619
0,705
0,522
206 1
206 -0.028
206 -0.028
206 0.589**
0.688
0.687
0.122
206 1
206 -0.075
206 -0.128
0.284
0.066
206 1
206 0.055
206 0.972** 0.067 206 -0.035
206 -0.028
0.619
0.688
206 -0.027
206 -0.028
206 -0.075
0.705
0.687
0.284
206 0.594**
206 0.589**
206 -0.128
206 0.055
0.522
0.122
0.066
0.431
206
206
206
206
memiliki autokorelasi. Hasil Uji Durbin-Watson dengan Program SPSS, dapat dilihat pada Tabel 7 berikut ini. Tabel 7: Hasil Uji Durbin-Watson (Model Summary) Model R R Adjusted Std. DurbinSquare R Error of Watson Square The Estimate 1 .912a .832 .828 33.517 1.408 a. Predictors: (Constant), X5 = Pendapatan Orang Tua (Ribu/Bln), X4 = Kegiatan Non Akademis per Minggu, X3 = Jumlah Mata Kuliah, X2 = Waktu (menit), X1 = Jarak (km). b. Dependent Variable: Y = Biaya Transportasi (Ribu/Bln) Berdasarkan pada Tabel 7 diperoleh nilai Durbin-Watson adalah 1,039 yang berarti berada di antara -2 dan +2. Dengan demikian maka hipotesis Ho dapat diterima, yang berarti tidak terdapat autokorelasi diantara variabel independen.
0.431 206 1
206
**. Correlation is significant at the 0.01 level (2 tailed). Dari Tabel 6 di atas, karena nilai signifikansinya>0,05 maka hipotesis Ho diterima, yang berarti tidak terjadi hubungan linear diantara variabel-variabel independen. 2.3 Uji Autokorelasi Autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu, tempat/ruang atau korelasi yang timbul pada dirinya sendiri. Pengujian ini dimaksudkan untuk mengetahui apakah terjadi korelasi diantara data pengamatan atau tidak. Adanya autokorelasi dapat menyebabkan penaksir mempunyai varians tidak minimum dan uji-t tidak dapat digunakan karena akan memberikan kesimpulan yang salah. Hipotesis dalam uji autokorelasi ini adalah: Ho : Tidak terdapat autokorelasi diantara variabel independen. Ha : Terdapat autokorelasi diantara variabel independen. Ada atau tidaknya autokorelasi dapat dideteksi dengan Uji Durbin-Watson. Ukuran yang digunakan adalah jika nilai statistik Durbin-Watson berada diantara -2 sampai +2, maka dapat dinyatakan bahwa variabel independen tidak
2.4 Uji Heteroskedastisitas Uji asumsi heteroskedastisitas dimaksudkan untuk mengetahui apakah variasi residual absolut sama atau tidak sama untuk semua data independen. Apabila asumsi tidak terjadinya heteroskedastisitas ini tidak terpenuhi, maka penaksir menjadi tidak lagi efisien, baik dalam sampel kecil maupun besar, dan estimasi koefisien dapat dikatakan menjadi kurang akurat. Pendekatan yang digunakan untuk mendeteksi ada tidaknya heteroskedastisitas, yaitu dengan rank korelasi dari Spearman. Uji heteroskedastisitas dilakukan dengan hipotesis pengujian sebagai berikut: Ho : Tidak ada hubungan yang sistematik antara variabel yang menjel askan dan nilai mutlak dari residualnya. Ha : Adanya hubungan yang sistematik antara variabel yang menjelaskan dan nilai mutlak dari residualnya. Dengan bantuan Program SPSS, perhitungan dilakukan dua tahap, yaitu menghitung nilai residual absolutnya (AX), kemudian menghitung korelasi antara nilai variabel independen dan nilai residual absolutnya. Hasil pengujian dapat diringkas sebagai berikut: Tabel 8: Ringkasan Uji Heteroskedastisitas Keterangan
Signifikasi Alpha Kriteria Simpulan
X1 * aX1
0.989
0.05
S>A
Terima Ho
X2 * aX2
0.993
0.05
S > A Terima Ho
X3 * aX3
0.937
0.05
S > A Terima Ho
X4 * aX4
0.890
0.05
S > A Terima Ho A-79
Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011
Keterangan
Signifikasi Alpha Kriteria Simpulan
X5 * aX5 0.109 0.05 S > A Terima Ho Dari Tabel 8 di atas diperoleh nilai probabilitas hubungan antara variabel bebas dengan residual absolutnya diatas taraf signifikansi yang ditetapkan yaitu 5%. Dapat disimpulkan bahwa data yang diperoleh tidak terdapat adanya heteroskedastisitas. Pemodelan biaya transportasi mahasiswa dibentuk dengan persamaan regresi berganda, sebagai berikut: Y = c + a1X1 +a2X2 + a3X3 + a4X4 + a5X5 (2) Dengan Y = biaya transportasi mahasiswa Jurusan Teknik Sipil. a = konstanta regresi. b = koefisien regresi. X1 = jarak perjalanan dari lokasi tempat tinggal ke kampus. X2 = waktu perjalanan dari lokasi tempat tinggal menuju ke kampus. X3 = jumlah mata kuliah yang diprogram pada Semester Genap 2009/2010. X4 = jumlah kegiatan non akademis mahasiswa pada Semester Genap 2009/2010. X5 = jumlah penghasilan orang tua setiap bulan. 1. Hubungan antara Variabel Independen dengan Variabel Dependen Dari hasil pengolahan data, diperoleh bahwa harga koefisien korelasinya (R) adalah 0,893. Angka ini mendekati 1, berarti terdapat hubungan yang sangat kuat antara jarak dari tempat tinggal menuju kampus JTS FT Unesa (X1), waktu perjalanan (X2), jumlah SKS yang diprogram pada Semester Genap 2009/2010 (X3), jumlah kegiatan non akademis yang diikuti (X4), dan jumlah penghasilan orang tua setiap bulan (X5) dengan biaya transportasi mahasiswa (Y). Meskipun terdapat hubungan yang sangat kuat, namun ini tidak menunjukkan bahwa jarak dari tempat tinggal menuju kampus JTS FT Unesa (X1), waktu perjalanan (X2), jumlah SKS yang diprogram pada Semester Genap 2009/2010 (X3), jumlah kegiatan non akademis yang diikuti (X4), dan jumlah penghasilan orang tua setiap bulan (X5) benar-benar berpengaruh terhadap biaya transportasi mahasiswa (Y). Untuk itu perlu dibuktikan signifikansi hubungan tersebut. Tabel 9: Hubungan Antara Variabel Independen dengan Dependen - Model Summaryb Model R R Adjusted Std. Error of Square R Square The Estimate 1 .912a .832 .828 33.517 A-80
Change Statistic DurbinWatson R F df1 df2 Sig. F Square Change Change Change .832 197.774 5 200 .000 1.408 a. Predictors: (Constant), X5 = Pendapatan Orang Tua (Ribu/Bln), X4 = Kegiatan Non Akademis per Minggu, X3 = Jumlah Mata Kuliah, X2 = Waktu (menit), X1 = Jarak (km). b. Dependent Variable: Y = Biaya Transportasi (Ribu/Bln) Untuk pembuktian signifikansi hubungan tersebut maka digunakan harga F hitung untuk dibandingkan dengan harga F tabel pada tingkat alpha yang ditetapkan, dengan df1 dan df2 sebagai pembilang dan penyebut yang sesuai. Kriteria yang digunakan adalah akan menolak Ho dan menerima Ha, apabila F hitung > F tabel. Hipotesisnya adalah: Ho: Tidak terdapat pengaruh variabel independen secara signifikan dan positif terhadap variabel dependen biaya transportasi mahasiswa (Y). Ha: Terdapat pengaruh variabel independen secara signifikan dan positif terhadap variabel dependen biaya transportasi mahasiswa (Y). Berdasarkan hasil pengolahan data, dapat dilihat bahwa F hitung (F Change) adalah 197,774. Besarnya F tabel dengan menggunakan df1 = 7 dan df2 = 198 pada tingkat alpha yang ditetapkan (5%) adalah 2,05. Ini berarti F hitung > F tabel, sehingga dapat disimpulkan Ho ditolak. Dan sebagai konsekuensinya harus menerima Ha yang berarti terdapat pengaruh variabel independen jarak dari tempat tinggal menuju kampus JTS FT Unesa (X1), waktu perjalanan (X2), jumlah SKS yang diprogram pada Semester Genap 2009/2010 (X3), jumlah kegiatan non akademis yang diikuti (X4), dan jumlah penghasilan orang tua setiap bulan (X5) secara signifikan dan positif terhadap variabel dependen biaya transportasi mahasiswa (Y). 2. Pengaruh Variabel Independen terhadap Variabel Dependen Tingkat ketepatan suatu model yang berdasarkan pada analisis regresi ganda dapat diketahui dari besar kecilnya koefisien determinasi atau koefisien R2 (R Square). Nilai tersebut dapat digunakan sebagai ukuran dalam menyatakan kecocokan model yang diperoleh. Semakin besar nilai R2 maka semakin kuat kemampuan model yang diperoleh untuk menerangkan kondisi yang sebenarnya. Nilai R2 juga mengukur besarnya sumbangan
ISBN : 978-979-18342-3-0
dari variabel independen terhadap perubahan variabel dependen. Dari hasil analisis, diketahui bahwa koefisien determinasi atau R2 (R Square) yaitu sebesar 0,832. Hal ini menunjukkan bahwa kemampuan variabel jarak dari tempat tinggal menuju kampus JTS FT Unesa (X1), waktu perjalanan (X2), jumlah SKS yang diprogram pada Semester Genap 2009/2010 (X3), jumlah kegiatan non akademis yang diikuti (X4), dan jumlah penghasilan orang tua setiap bulan (X5) untuk menjelaskan variabel biaya transportasi mahasiswa (Y) adalah sebesar 83,20 %, selebihnya yaitu sebesar 16,80 % ditentukan oleh faktor lain yang tidak dapat dijelaskan dari model yang dibentuk. Selain itu dari hasil analisis juga terdapat Adjusted R Square yang menunjukkan angka R Square yang telah disesuaikan dengan membebaskannya dari pengaruh derajat bebas. R Square benar-benar menunjukkan bagaimana pengaruh dari variabel bebas terhadap variabel terikat. Oleh sebab itu apabila ingin melihat pengaruh penambahan suatu peubah pada model yang telah dibentuk, maka lebih baik dilihat pengaruhnya pada Adjusted R Square. Dalam model yang dibentuk, Adjusted R Square diperoleh sebesar 0,828 atau 82,80%. 3. Model Biaya Transportasi Berdasarkan hasil analisis dari out put SPSS, maka model biaya transportasi mahasiswa yang terbentuk adalah : Y = 4,330 + 15,774 X1 + 1,860 X2 + 2,408 X3 + 1,002 X4 + 0,013 X5 Dengan Y = biaya transportasi mahasiswa. X1 = jarak perjalanan dari lokasi tempat tinggal ke kampus. X2 = waktu perjalanan dari lokasi tempat tinggal menuju ke kampus. X3 = jumlah mata kuliah yang diprogram pada Semester Genap 2009/2010. X4 = jumlah kegiatan non akademis mahasiswa pada Semester2009/2011 X5 = jumlah penghasilan orang tua setiap bulan. Model yang telah dibentuk, kemudian diuji untuk melihat variabel independen mana yang mempunyai pengaruh nyata dan variabel independen mana yang tidak berpengaruh. Untuk pengujian ini digunakan uji t. Harga t yang ada pada Tabel 12 tersebut di atas (atau t hitung) harus dibandingkan dengan t tabel. Kriteria yang digunakan adalah apabila t hitung > t tabel, berarti menolak Ho yang berarti menerima Ha. Hasil pembuktian tentang hal ini dapat dilihat pada Tabel 10 berikut ini.
Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011
Tabel 10: Ringkasan Uji Keberartian Koefisien Regresi Variabel Bebas Signifikasi t hitung t tabel
Simpulan
X1
0.000
4.505
1.974
Tolak Ho
X2
0.014
2.485
1.974
Tolak Ho
X3
0.004
2.952
1.974
Tolak Ho
X4 0.125 2.539 1.974 Tolak Ho X5 0.023 2.290 1.974 Tolak Ho Dapat disimpulkan bahwa jarak dari tempat tinggal menuju kampus JTS FT Unesa, waktu perjalanan, jumlah mata kuliah, jumlah kegiatan non akademis yang diikuti, dan jumlah penghasilan orang tua setiap bulan memiliki daya ramal yang nyata terhadap biaya transportasi mahasiswa. 4. Faktor Dominan Biaya Transportasi Mahasiswa Efektivitas model ini adalah 83,20%, yang merupakan kemampuan gabungan dari jarak dari tempat tinggal menuju kampus JTS FT Unesa, waktu perjalanan, jumlah mata kuliah, jumlah kegiatan akademis yang diikuti dan jumlah penghasilan orang tua setiap bulan. Untuk mengetahui pengaruh masing-masing variabel maka diperlukan pengujian pengaruh secara parsial. Pengujian pengaruh secara parsial ini dimaksudkan untuk mengetahui ada tidaknya pengaruh satu variabel independen terhadap variabel dependen, sementara satu atau lebih variabel independen lainnya tetap atau dikontrol. Tujuan pengontrolan variabel tersebut untuk melihat dan menemukan harga koefisien korelasi yang murni yang terlepas dari pengaruh variabel independen lainnya. Uji yang dapat digunakan untuk menyatakan apakah harga koefisien korelasi parsial yang ditentukan signifikan atau tidak adalah Uji-t. Kriterianya adalah menolak Ho dan menerima Ha bila harga t hitung > t tabel. Perbandingan harga t hitung dan t tabel dapat dilihat pada Tabel 10, dimana nilai t hitung > t tabel, yang berarti menolak Ho. Dapat disimpulkan bahwa terdapat pengaruh masing-masing variabel independen apabila variabel independen lainnya dikendalikan. Tabel 10 menggambarkan kemungkinan kesalahan untuk menolak Ho dan menerima Ha dengan melihat nilai Signifikansi. Untuk variabel jarak dari tempat tinggal menuju kampus JTS FT Unesa (X1) kemungkinan kesalahannya adalah 0,00%, untuk waktu perjalanan (X2) adalah 1,40 %, untuk jumlah mata kuliah (X3) adalah 0,40%, untuk jumlah kegiatan non akademis yang diikuti (X4) adalah 12,50% dan untuk jumlah penghasilan orang tua setiap bulan (X5) adalah 2,30%. Pengaruh dari masing-masing variabel independen terhadap variabel dependen dapat dilihat pada koefisien korelasi parsial. Secara berurutan variabel yang sangat A-81
berpengaruh adalah jarak dari tempat tinggal menuju kampus JTS FT Unesa (0,304), jumlah mata kuliah (0,204), waktu perjalanan (0,173), jumlah penghasilan orang tua setiap bulan (0,160), jumlah kegiatan non akademik mahasiswa (0,108). IV.
KESIMPULAN
Kesimpulan yang dihasilkan dari penelitian ini adalah: Faktor-faktor yang berpengaruh terhadap biaya transportasi mahasiswa Jurusan Teknik Sipil Fakultas Teknik Universitas Negeri Surabaya adalah jarak dari tempat tinggal menuju kampus JTS FT Unesa (0,304), jumlah mata kuliah (0,204), waktu perjalanan (0,173), jumlah penghasilan orang tua setiap bulan (0,160), jumlah kegiatan non akademik mahasiswa (0,108). b. Model biaya transportasi mahasiswa Jurusan Teknik Sipil Fakultas Teknik Universitas Negeri Surabaya adalah: Y = 4,330+15,774 X1+1,860 X2+2,408 X3+1,002 X4+0,013 X5, R2 = 0,832, R=0,912. Dengan: Y = biaya transportasi mahasiswa, X1 = jarak perjalanan dari lokasi tempat tinggal ke kampus, X2 = waktu perjalanan dari lokasi tempat tinggal menuju ke kampus, X3 = jumlah mata kuliah yang diprogram pada Semester Genap 2009/2010, X4 = jumlah kegiatan non akademis mahasiswa pada Semester Genap 2009/2010. X5 = jumlah penghasilan orang tua setiap bulan. Saran yang dapat direkomendasikan adalah: a. Perlu adanya hipotesis dengan variabel independen lain yang diduga mempengaruhi biaya transportasi sehingga dapat meningkatkan nilai koefisien determinasi, yang diharapkan dapat menjelaskan realitas di lapangan dengan lebih baik lagi, a.
A-82
b.
Perlu adanya asrama mahasiswa di kawasan kampus. Hal ini akan dapat memperkecil biaya transportasi mahasiswa dan mendorong mahasiswa untuk mengikuti kegiatan ekstrakurikuler. DAFTAR PUSTAKA
[1] Abubakar, Iskandar dkk. 1996. Menuju Lalu Lintas dan Angkutan Jalan yang Tertib. Jakarta: Dephubdat. [2] Ansusanto, Dwijoko. 1999. Pemodelan Biaya Transportasi Mahasiswa Studi Kasus Universitas Atma Jaya Yogyakarta. Prosiding Simposium II FSTPT. Surabaya: JTS FTSP Institut Teknologi Sepuluh Nopember Surabaya. [3] Kadiyali, L. R. 1978. Traffic Engineering and Transport Planning, New Delhi: Khanna Publishers. [4] Mahasiswa STIS. 2006. Analisis Deskriptif dan Analisa Regresi Linier Berganda (online), (http://www.youngstatiscian.com, diskses 28 Juni 2008). [5] Murodhi, Hasan. 2003. Pemodelan Biaya Transportasi Mahasiswa Studi Kasus Kampus ITS Sukolilo. Tugas Akhir. Surabaya: JTS FTSP ITS. [6] Ortuzar & Willumsen. 1990. Modelling Transport. New York: John Wiley and Sons Ltd.. [7] Sugiyono, 2001. Statistik Non Parametris untuk Penelitian. Bandung: Alfabet. [8] Tamin, Ofyar Z. 2000. Perencanaan dan Pemodelan Transportasi. Bandung: ITB. [9] Trihendradi, Cornelius. 2008. Step by Step SPSS 16, Analisis Data Statistik. Yogyakarta: Andi Offset. [10]Unesa, 2009. Buku Pedoman Akademik Universitas Negeri Surabaya 2009/2010. Surabaya: Unesa Press. [11]Yusanti, Ernida & Wijiastuti, Tian. 2002. Pemodelan Biaya Transportasi Mahasiswa dengan Analisis Regresi Linier Berganda Studi Kasus Kampus III Universitas Muhammadiyah Malang, on line (http://www.digilib.itb.ac.id, diakses 10 April 2008).
ISBN : 978-979-18342-3-0
