Jurnal Penelitian Transportasi Multimoda 2024, 22 . : 16-29 Mengukur Efek Marjinal dan Elastisitas Permintaan Transjakarta dan Jaklingko dengan Multinomial Logit Model Masrono Yugihartiman*,1. Firga Ariani1 1Politeknik Transportasi Darat Indonesia-STTD Jl. Raya Setu. Bekasi. Jawa Barat, 17520. Indonesia *E-mail: yhartiman. yh@gmail. Diterima: 29 Maret 2024, direvisi: 17 April 2024, disetujui: 24 Juni 2024, tersedia daring: 25 Juni 2024, diterbitkan: 28 Juni 2024 Abstrak Wacana kenaikan tarif BRT Transjakarta yang ditetapkan sejak tahun 2005 sering muncul di media masa. Untuk memberikan evidence response penumpang terhadap tarif tersebut, penelitian ini dilakukan. Adapun tujuan penelitian ini adalah untuk mengestimasi efek marjinal dan elastisitas permintaan dua jenis pelayanan, yaitu BRT Transjakarta dan Jaklingko. Metode penghitungan efek marjinal dan elastisitas menggunaknan multinomial logit model (MNL) dan conditional logit model (CLM). Pengumpulan data dilakukan dengan menggunakan stated preference survey terhadap 1. 202 responden, yang terdiri dari 621 responden BRT Transjakarta dan 581 responden Jaklingko. Berbeda dengan penelitian yang pernah dilakukan di Jakarta sebelumnya, penelitian ini langsung mengestimasi tarif, waktu perjalanan, waktu menunggu, dan biaya transportasi kendaraan pribadi. Selain itu, penelitian ini juga menganalisis efek marjinal dan elastisitas terhadap tingkat pendapatan pengguna secara langsung, yaitu dengan memasukkan tingkat pendapatan di dalam model, dan juga membuat model yang berbeda untuk tingkat pendapatan yang berbeda. Dari hasil penelitian, ditemukan efek marjinal permintaan BRT Jakarta rata-rata -0,0187, dengan elastisitas sekitar -0,0757, yang menunjukkan elastisitas pernintaan terhadap tarif tidak elastis. Demikian pun terhadap waktu perjalanan dengan efek marjinal sekitar separuh dari tarif, yaitu -0,0085 dan elastisitas -0,9074. Untuk waktu tunggu, efek marjinal sekitar dua kali dibandingkan waktu tempuhnya, yaitu sebesar -0,0165, dengan elastisitas -0,0780, dan untuk biaya perjalanan kendaraan pribadi dengan efek marjinal 0,0011 dan elastisitas 0,0848. Sedangkan untuk tingkat pendapatan dengan efek marjinal 0,0061, atau permintaan akan meningkat 0,61% setiap terjadi Rp 1 juta peningkatan pendapatan pengguna, dengan elastisitas 0,0546. Efek marjinal dan elastisitas ini menurun pada tingkat pendapatan yang lebih tinggi. Hal yang sama terjadi pada pelayanan Jaklingko. Secara umum, efek marjinal dan elastisitas Jaklingko lebih tinggi dibandingkan dengan BRT Transjakarta. Kata kunci: efek marjinal, elastisitas permintaan, multinomial logit model, stated preference, willingness-to-pay. Abstract Measuring Marginal Effects and Elasticity of Transjakarta and Jaklingko with Multinomial Logit Model: The discussion around the increase in Transjakarta BRT fares, which have been set since 2005, often appears in the mass media. To provide evidence of passenger response to the fare changes, this study was conducted. The purpose of this study is to estimate the marginal effects and elasticity of demand for the two types of mass transportation services in Jakarta i. e Transjakarta BRT and Jaklingko. The method for calculating marginal effects and elasticity employs the multinomial logit model (MNL) and conditional logit model (CLM). Data collection was carried out using a stated preference survey of 1,202 respondents, consisting of 621 Transjakarta BRT respondents and 581 Jaklingko respondents. In contrast to previous research conducted in Jakarta, this research directly estimates fares, travel time, waiting time, and private vehicle transportation Additionally, the marginal effects and elasticity on user income levels are also estimated directly, particularly by including income levels into the model and also creating different models for different income levels. The research found that the marginal effect on Transjakarta BRT demand was -0. 0187 on average, with an elasticity of around -0. 0757, which shows that the elasticity of demand for fares is inelastic. Similarly, for travel time with a marginal effect of around half of the fare, at -0. 0085 and an elasticity of -0. For waiting time, the marginal effect was about twice that of travel time, particularly -0. 0165 with an elasticity of -0. 0780, and for private vehicle travel costs, the marginal effect was 0. 0011, with elasticity of 0. As for income levels, the marginal effect was 0. 0061, meaning that demand will increase by 0. 61% with each IDR 1 million increase in user income, with an elasticity of 0. These marginal effects and elasticity decreased at higher income levels. The same trend was observed for Jaklingko services. In general, the marginal effects and elasticity of Jaklingko were higher compared to Transjakarta BRT. Keywords: elasticity of demand, marginal effect, multinomial logit model, stated preference, willingness-to-pay. Pendahuluan Efek marjinal dan elastisitas permintaan angkutan umum merupakan salah satu alat bagi manajemen untuk memutuskan besaran tarif atau tingkat layanan tertentu. Efek marjinal dan elastisitas mengukur seberapa besar respons penumpang terhadap perubahan tarif dan tingkat layanan yang diberikan. Dalam kasus Jakarta, ukuran respons terhadap permintaan ini sangat penting untuk diteliti karena beberapa hal. http://dx. org/10. 25104/mtm. 0852-1824/ 2580-1082 A2024 Badan Kebijakan Transportasi, diterbitkan oleh Sekretariat Badan Kebijakan Transportasi. Artikel ini open access dibawah lisensi CC BY-NC-SA . ttps://creativecommons. org/licenses/by-nc-sa/4. Nomor akreditasi: (RISTEKDIKTI) 10/E/KPT/2019 (Sinta . Pertama. Pemeritah Provinsi Jakarta mempunyai target modal share angkutan umum sebanyak 60%. Kedua. Pemerintah Provinsi Jakarta memberikan subsidi berupa public service obligation (PSO) dengan jumlah yang besar. Oleh karena itu, penting untuk meneliti respons penumpang, terutama terhadap perubahan tarif . ang belum pernah dinaikkan sejak tahun 2. dan tingkat pelayanan angkutan umum. Jumlah penumpang angkutan umum terbanyak yang masih dalam lingkup kewenangan Provinsi DKI Jakarta adalah BRT Transjakarta dan Jaklingko, di mana ridership tahun 2023 untuk BRT sebesar 080 dan Jaklingko 314. 155 per hari. Jaklingko yang dimaksud adalah pelayanan terintegrasi BRT Transjakarta pada trunk line dan mikrotrans pada feeder line-nya. Beberapa ukuran efek marjinal dan elastisitas permintaan dapat diturunkan dari impedance transportasi atau karakteristik perjalanan dan pelaku perjalananya. Menurut Holmgren . , elastisitas permintaan juga tergantung kepada jenis pelaku perjalanan, jenis perjalanan, kondisi geografi daerah, komponen dan tingkat biaya atau harga yang berubah, arah perubahan komponen biaya atau harga, periode, dan jenis angkutan umum. Ukuran yang paling umum adalah elastisitas permintaan terhadap tarif, waktu perjalanan, dan waktu menunggu. Namun demikian, dapat juga elastisitas terhadap karakteristik pelaku perjalanannya, seperti elastisitas permintaan terhadap tingkat pendapatan, terhadap pemilikan kendaraan bermotor, dan sejenisnya. Oleh karena angkutan umum mempunyai substitusi, maka di samping elastisitas langsung . irect elasticit. , juga bisa diukur elastisitas silangnya . ross elasticit. terhadap moda transportasi lainnya. Hal ini juga berlaku pada efek marjinal permintaan angkutan umum. Pada beberapa negara maju, penelitian tentang elastisitas permintaan angkutan umum ini banyak dilakukan, namun tidak demikian untuk Indonesia. Di Jakarta, tercatat penelitian yang dilakukan Sianturi . tentang elastisitas permintaan terhadap regime tarif MRT yang berbeda. Hasil penelitiannya mengidentifikasi bahwa elastisitas permintaan MRT terhadap tarif tidak elastis. Dengan menggunakan regresi antarwaktu, dapat dilihat bahwa elastisitas permintaan terhadap tarif MRT akan mengurangi jumlah penumpang sebesar 7,4 persen jika tarif dinaikkan sebesar 100 persen. Helmmie . dalam penelitiannya pada TMB Bandung menemukan bahwa permintaan perjalanan sangat sensitif terhadap waktu akses dan waktu perjalanan. Sedangkan Sugiyanto . , di dalam penelitiannya, membandingkan elastisitas angkutan umum di Inggris dengan Yogyakarta, terutama berkaitan dengan waktu tempuh, headway, dan waktu berjalan kaki. Tingkat elastisitas permintaan pelayanan bus terhadap tarif untuk penumpang yang membayar tarif penuh biasanya berada pada kisaran Ae0,7 hingga Ae0,9 untuk jangka waktu lebih dari lima tahun. Namun secara umum, elastisitas permintaan jangka pendek terhadap perubahan tarif berkisar antara -0,25 hingga -0,8, sedangkan elastisitas jangka panjang biasanya jauh lebih besar dan berbeda antarjaringan . Pada umumnya, untuk setiap kenaikan tarif sebesar 3%, terdapat penurunan jumlah penumpang angkutan umum sebesar 1% . , . , namun banyak faktor lain yang saling mempengaruhi dalam fungsi permintaan Helmmie dan Joewono . dalam penelitian trans metro Bandung (TMB) menemukan bahwa bus mempunyai elastisitas yang relatif tinggi untuk waktu akses dan waktu perjalanan berturut-turut sebesar -0,564 and -5,001. Kreindler dkk. menemukan bahwa elastisitas permintaan BRT terhadap waktu menunggu sebesar -0,29. Sedangkan untuk non-BRT, elastisitas permintaan terhadap waktu menunggu ini relatif besar, yaitu Oe1,05. Holmgren . , di dalam meta-analysis terhadap permintaan angkutan umum di Eropa. Amerika, dan Australia, untuk jangka pendek maupun jangka panjang, menunjukkan angka yang relatif sama, yaitu elastisitas permintaan terhadap tarif sebesar -0,75, kendaraan kilometer sebesar 1,05, pendapatan sebesar -0,6, harga BBM sebesar 0,4, dan pemilikan kendaraan sebesar -1,48. Hal yang sama dilakukan Bresson untuk membandingkan Inggris dan Prancis. Berbeda dengan . dan Bresson . Grange mengumpulkan beberapa nilai elastisitas angkutan umum terhadap tarif di beberapa kota di Amerika yang menunjukkan hasil relatif lebih rendah dibandingkan Eropa, yaitu berkisar antara -0,22 sampai -0,61. Terdapat beberapa metode di dalam mengestimasi elastisitas, seperti perhitungan langsung, model regresi, dan logit model. Untuk penghitungan langsung, misalnya Kholodov dkk. mengestimasi elastisitas dari data travel-card ketika ada perubahan sistem tarif di Stockholm dari tarif zona digantikan oleh tarif tetap. Untuk model regresi, banyak model yang dipergunakan, baik dengan data time series, cross sectional, maupun data panel. Misalnya. Hensher . menggunakan ordinary least squared model (OLS). Kreindler . menggunakan difference-in-differences design. Cordera . menggunakan model regresi log-log statis. Garcia dkk. dengan dynamic harmonic regression. Vasudevan . menggunakan shrinkage ratio technique di Surat Gujarat. Tsai . , . di Sydney Metropolitan Area mencoba mengombinasikan model aggregate dengan berdasarkan perilaku individu, dengan pseudo panel data dengan analisis model dinamis, dan Grange . menggunakan multiple linear regression dan aggregate logit model untuk BRT Transantiago di Chile. Analisis elastisitas dengan multinomial logit, hierarchical logit, dan mixed logit oleh Grange ini hanya mempertimbangkan satu atribut, yakni tarif. Penulis belum menemukan penelitian yang melaporkan efek marjinal dari tarif, waktu tempuh, waktu menunggu, biaya transportasi, dan tingkat pendapatan pengguna angkutan umum. Untuk elastisitas pun, dari beberapa penelitian yang disebutkan di atas, belum ada yang secara lengkap meneliti elastisitas permintaan pelayanan BRT Transjakarta dan Jaklingko terhadap tarif angkutan, waktu perjalanan, waktu menunggu, biaya transportasi kendaraan pribadi, serta tingkat pendapatan pelaku perjalanan. Penelitian ini dilakukan dengan menggunakan stated preference survey dengan model MNL dengan mempertimbangkan tarif, waktu di dalam kendaraan, waktu menunggu, biaya transportasi, dan tingkat pendapataan pelaku perjalanannya. Metode ini dipilih karena memberikan output yang memungkinkan kita mendapatkan estimasi probabilitas, willingness-to-pay, maupun efek marjinal dan elastisitas yang dapat dipergunakan oleh penentu kebijakan di dalam menentukan tingkat tarif dan tingkat pelayanannya. Metodologi Multinomial Logit Model Di dalam penelitian ini dipilih model elastisitas sebagaimana yang dilakukan Train . Hensher . Koppelman . , merujuk kepada McFadden . , menggunakan discrete choice models dengan multinomial logit model (MNL). Parameter model diestimasi dengan menggunakan metode maximum likelihood estimation (MLE) dengan perangkat lunak ekonometrik NLOGIT6 untuk memperkirakan nilai yang memaksimalkan fungsi LL(). Di dalam hal ini, probabilitas pelaku perjalanan n memilih alternatif i diformulasikan dengan . , . , dan . Pni = Prob (Uni Ani > Unj Anj OA j A . ycEycuycn = . 1 Ocyc ycEycuycn = . Oe. cOycuycn OeycOycuyc ) yce yce ycOycuycn Ocyayc=1 . ycO yce ycuyc di mana yce ycOycuycn adalah utilitas pelaku perjalanan n yang memilih moda alternatif i, j adalah semua alternatif moda transportasi yang tersedia, ycEycuycn antara 0 dan 1 dan tidak pernah tepat mempunyai nilai 0 atau 1. Model Efek Marjinal dan Elastisitas Permintaan Efek Marjinal Efek marjinal atau derivarif mencerminkan laju perubahan pada satu variabel relatif terhadap laju perubahan pada variabel lainnya. Efek marjinal untuk model pilihan adalah perubahan probabilitas karena adanya perubahan unit dalam suatu variabel, ceteris paribus. Jika terjadi perubahan di dalam atribut X . uiycUycuycn ), maka merujuk ke . , yui( yuiycEycuycn yuiycUycuycn yceycOycuycn ycO ) Ocyc yce ycuyc yuiycUycuycn yuiycEycuycn yuiycUycuycn = yuiycUycuycn ycEycuycn . Oe ycEycuycn ) . di mana ycOycuycn adalah fungsi utilitas dari alternatif yang merujuk ke . , ycOycuycn = yu0 yu1 ycU1ycn yu2 ycU2ycn U yuyco ycUycoycn U yuya ycUyaycn Dalam hal ini, jika utilitas representatif berbentuk linier dalam ycUycuycn dengan koefisien yuycuycn , maka persamaan derivatif langsung dari ycEycuycn terhadap ycUycuycn disederhanakan menjadi . , yuiycEycuycn yuiycUycuycn = yuycuycn ycEycuycn . Oe ycEycuycn ) . di mana yuycuycn adalah koefisien dari atribut X. Sedangkan, untuk efek marjinal atau derivatif silangnya merujuk pada . , yuiycEycuycn yuiycUycuyc yuiycEycuycn yuiycUycuyc yui( yceycOycuycn Ocyco yceycOycuyco yuiycUycuycn = Oe yuiycUycuyc ycEycuycn ycEycuyc Jika ycOycuyc linier pada ycUycuyc dengan koefisien yuycUyc , maka turunan silang ini menjadi . , yuiycEycuycn yuiycUycuyc = OeyuycUyc ycEycuycn ycEycuyc Elastisitas Permintaan Elastisitas adalah persentase perubahan dalam satu variabel yang dikaitkan dengan perubahan satu persen pada variabel lain. Elastisitas ycEycuycn terhadap ycUycuycn , suatu variabel yang memasuki utilitas alternatif i, merujuk ke . , yuiycE yaycnycUycuycn = yui ycuycn ycEycuycn ycUycuycn yaycnycUycuycn = yui ycuycn ycEycuycn ycUycuycn Jika utilitas representatif berbentuk linier dalam ycUycuycn dengan koefisien yuycUycn , maka merujuk . , yaycnycUycuycn = yuycUycn ycUycuycn . Oe ycEycuycn ) . Elastisitas silang ycEycuycn terhadap variabel substitusi j merujuk pada . , ycU yaycnycUycuyc = yui ycuycn ycEycuyc ycUycuyc yaycnycUycuyc = Oe yui ycuyc ycUycuyc ycEycuyc ycUycuyc Jika utilitas representatif berbentuk linier, maka persamaan tersebut direduksi menjadi . , yaycnycUycuyc = Oe yuyc ycUycuycn ycEycuyc Dengan MNL, elastisitas silang ini sama untuk semua I, artinya perubahan pada atribut alternatif j akan mengubah probabilitas semua alternatif lain sebesar persentase yang sama. Properti elastisitas silang logit ini merupakan manifestasi dari properti IIA dari probabilitas pilihan logit. Di dalam artikel ini juga akan diestimasi ukuran respons terhadap perubahan karakteristik pengambil keputusan karena probabilitas pilihan dalam model logit juga merupakan fungsi dari nilai karakteristik pengambil keputusan . Dalam hal ini, tingkat pendapatan responden yang dijadikan atribut dari karakteristik social demography-nya . merujuk ke . , yuiycEycn = . Oe ycEycn )ycEycn yuyaycuycaycn Elastisisitas silangnya merujuk pada . , yuiycEycn = OeycEycn ycEyc yuyaycuycayc Pengumpulan Data Atribut Utilitas Moda Transportasi Pilihan terhadap moda transportasi tergantung kepada atribut yang berhubungan dengan moda itu sendiri, atribut moda substitusi, karakteristik perjalanan, dan karakteristik pelaku perjalanannya . , . , . Untuk atribut utilitas BRT Transjakarta, yang dipertimbangkan adalah waktu tempuh, tarif angkutan, dan waktu menunggu, yang merupakan fungsi dari headway. Moda susbsitusinya adalah KRL dan MRT dengan atribut yang sama dengan BRT Transjakarta. Sedangkan moda alternatif lainnya dengan mobil pribadi, dengan atribut waktu tempuh dan biaya transportasi (BBM dan parki. , sebagaimana ditunjukkan pada Tabel 1. Di dalam penelitian ini, karakteristik perjalanan tidak dibedakan. Sedangkan karakteristik sosio-demografi penumpang yang dipertimbangkan adalah pendapatan per bulan. Sedangkan untuk Jaklingko, moda pesaing yang dipertimbangkan adalah mobil pribadi dan sepeda motor, dengan atribut yang sama dengan pada model BRT Transjakarta. Untuk karakteristik perjalanan yang dipertimbangkan adalah pendapatan per bulan untuk tiap pelaku perjalanan. Desain Survei Pengumpulan data primer dilakukan melalui survei stated preference kepada penduduk Jabodetabek. Survei stated preference (SP) ini dilakukan untuk mengukur respons terhadap skenario kombinasi tarif, waktu perjalanan, waktu menunggu, dan biaya perjalanan untuk kendaraan pribadi. Di dalam penelitian ini dibuat dua kelompok model, yakni model untuk pengguna BRT Transjakarta dan model untuk pengguna Jaklingko. Sebagaimana disebutkan sebelumnya, di dalam penelitian ini, yang dimaksud dengan Jaklingko adalah pelayanan terintegrasi BRT sebagai jalur utama dengan mikrotrans pada firstmiles dan last-miles-nya. Untuk kelompok model 1 (Transjakart. terdapat lima moda alternatif, empat atribut, dan tiga level. Masing-masing dibuat sembilan kartu pilihan. Sedangkan untuk model 2 (Jaklingk. terdapat tiga moda alternatif, empat atribut, dan masing-masing atribut dibuat tiga level. Sebagaimana model 1, model 2 pun dibuat sembilan kartu pilihan. Pembuatan level atribut disesuaikan dengan karakteristik atribut saat ini, ditambahkan dan dikurangkan sebesar 20% - 25% dari nilai awal . Sampel dan Kerangka Sampling Kerangka sampling ini adalah pengguna Transjakarta dan Jaklingko dan komuter Jabodetabek. Suvei dilakukan dengan web-based atau internet-based. Survei dilaksanakan pada November s. Desember Tabel 1. Level atribut tiap alternatif terhadap BRT dan Jaklingko Level Atribut Model BRT BRT KRL MRT Car Waktu tempuh . Biaya BBM dan parkir (Rp . Tarif angkutan (Rp . Waktu tunggu . 15, 30, 45 5, 5, 3. 7, 5, 3 10, 20, 30 5, 3. 5, 2 15, 10, 5 10, 20, 30 10, 7. 5, 5 10, 7, 5 20, 40, 60 25, 35, 45 20, 40, 60 15, 20, 25 Level atribut model Jaklingko Jaklingko Car Waktu tempuh . Biaya bbm (Rp . Tarif angkutan (Rp . Waktu tunggu . 30, 60, 90 5, 10, 7. 15, 10, 5 20, 40, 60 25, 35, 45 20, 40, 60 15, 20, 25 Sebanyak 1. 202 responden mengisi kuesioner, terdiri dari 621 responden BRT Transjakarta dan 581 responden pengguna Jaklingko. Jumlah ini telah memenuhi ukuran sampel sebagaimana rumus Slovin . ycu = 1 ycAyce 2 di mana n adalah jumlah sampel. N adalah populasi, dan e adalah batas kesalahan . argin of erro. sebesar 0,05 . %). Dengan ridership per hari tahun 2023 untuk BRT sebesar 464. 080 dan Jaklingko 314. 155, maka sampel minimum sebanyak 400. Metode e-survey ini dipilih berdasarkan beberapa pertimbangan, yaitu tingkat penetrasi internet DKI Jakarta sangat tinggi, sekitar 93,24%. Jawa Barat 82,18%, dan Banten 84,07% . Hasil dan Pembahasan Karakteristik Sosio Ekonomi Responden Sampel yang didapatkan terdistribusi menurut kelompok pendapatan sebagaimana ditunjukkan pada Tabel 2. Di dalam analisis lebih lanjut, terutama di dalam analisis tiap kelompok pendapatan, maka tiga kelompok terakhir di atas Rp 7. 000 rupiah digabungkan (Lihat model 1. dan model 2. Tabel 3 dan Tabel . Hasil Pemodelan MNL Di dalam penelitian ini, model MNL, baik untuk Transjakarta maupun Jaklingko, terdiri dari enam Model 1. adalah conditional logit model (CLM) dengan atribut tarif . , waktu di dalam kendaraan . , waktu menunggu . , biaya transportasi untuk moda bukan angkutan umum . , dan variabel sosio-demografi pendapatan . Sedangkaan model 1. multinomial logit model (MNL) dengan empat atribut yang sama dengan model 1. r, ivt, wt, dan t. , tetapi tanpa variabel socioeconomic income . Model 1. dibangun untuk mengestimasi elastisitas permintaan dan efek marjinal pada tingkat pendapatan pelaku perjalanannya. Untuk model 1. dimaksudkan untuk mengestimasi elastisitas permintaan dan efek marjinal seluruh pengguna BRT Transjakarta. Sedangkan model 1. , 1. , serta 1. dibuat untuk mengestimasi elastisitas permintaan pada tingkat pendapatan yang berbeda. Model MNL untuk Transjakarta Pada model 1. , semua koefisien atribut tiap alternatif yang diestimasi signifikan pada tingkat kepercayaan yu = 5%, meskipun untuk konstanta spesifik alternatif KRL . , tidak signifikan. Hal ini cukup untuk menunjukkaan keefisienan model yang terbangun. Sedangkan untuk goodness of fits Tabel 2. Karateristik sosio-ekonomi dari responden Kelompok Pendapatan BRT Transjakarta Jaklingko Sampel Sampel < Rp 3. 41,22% 41,14% Rp3. 001 - Rp7. 31,24% 33,73% Rp7. 001 - Rp13. 15,46% 14,63% Rp13. 001 - Rp20. 5,64% 6,02% > Rp20. 6,44% 4,48% Jumlah 100,00% 100,00% dilihat dari p-value = 0,00000 dan chi-square = 115,03493 lebih tinggi dari chi yuI2. yccyce = 15,507, dan 109,41697 lebih tinggi dari yuI2. yccyce = 16,919. Chi-squared ini sesungguhnya adalah Oe2 log likelihood (Oe2LL). Dengan demikian, dapat disimpulkan model yang dibangun signifikan. Sedangkan model pada tingkat pendapatan yang berbeda, terutama model 1. elompok pendapatan Rp7 jt, hanya waktu tempuh dan waktu menunggu yang signifikan. Tabel 3. Model MNL responden Transjakarta Nama Koefisien Atribut Model 1. Semua Kelompok Pendapatan Model 1. Semua Kelompok Pendapatan Model 1. KelompokRp7 jt Coeff. Standard Error Coeff. Standard Error Coeff. Standard Error Coeff. Standard Error Coeff. Standard Error 1,23379*** 0,32388 1,38524*** 0,31765 1,35691*** 0,50535 1,53746** 0,70946 1,97845*** 0,51378 0,87938*** 0,32805 1,03082*** 0,32190 1,06356** 0,51270 1,20408* 0,71757 1,48991*** 0,51979 -0,14546 0,33497 0,00583 0,32897 -0,21567 0,52652 -0,04126 0,73463 0,98644* 0,52536 -1,66646*** 0,18653 -1,51682*** 0,17603 -2,06956*** 0,30913 -2,58659*** 0,54927 -0,65306** 0,25609 -0,07594*** 0,01450 -0,07572*** 0,01450 -0,12482*** 0,02478 -0,07492*** 0,02681 -0,03050 0,02551 -0,03434*** 0,00393 -0,03432*** 0,00393 -0,02419*** 0,00676 -0,04192*** 0,00696 -0,03556*** 0,00704 -0,06685*** 0,00817 -0,06677*** 0,00817 -0,06873*** 0,01306 -0,08173*** 0,01479 -0,04090*** 0,01539 -0,04570*** 0,01336 -0,04562*** 0,01336 -0,04274** 0,02109 -0,04970* 0,02984 -0,02130 0,02150 0,02473** 0,01089 Konstanta Koefisien Goodness of Fits Inf. Cr. AIC AIC/N 2,339 2,340 2,301 2,214 2,474 Log Likelihood Constant Only -6585,5074 -6585,5074 -26700,4378 -1948,5871 -1909,2179 Log Likelihood -6527,98992 -2642,82920 -1924,50661 -1896,02322 McFadden R-sqrd 0,0087 0,0083 0,0103 0,0124 0,0069 McFadden R-sqrd Adjusted 0,0083 0,0080 0,0095 0,0112 0,0056 Chi-squared 115,03493 109,41697 55,21717 48,16093 26,38937 Prob. hi squared>valu. 0,00000 0,00000 0,00000 0,00000 0,00003 ***, **, * ==> Significance at 1%, 5%, 10% level. Tabel 4. Model MNL responden pelayanan terintegrasi Jaklingko Nama Koefisien Atribut Model 2. Semua kelompok pendapatan Model 2. Semua kelompok pendapatan Coeff. Standard Error Coeff. Standard Error 3,98202** 1,73498 3,78559** 1,71892 1,58809*** 0,30334 0,95999*** 0,29572 -0,16222* 0,09060 -0,18368** -0,03158*** 0,00761 -0,03313*** -0,01508 0,01032 -0,05315** 0,02254 -0,09691*** 0,00784 Model 2. KelompokRp7 jt Standard Error Coeff. Standard Error Coeff. Standard Error -2,62574 3,54565 6,52275** 3,07439 6,32935** 2,88719 0,34312 0,60915 1,59173*** 0,53647 0,87425* 0,48031 0,08986 0,15494 0,17770 -0,31245* 0,15944 -0,33913** 0,15575 0,00755 -0,00183 0,01492 -0,04351*** 0,01346 -0,05206*** 0,01298 -0,01732* 0,01020 -0,01273 0,01768 -0,01787 0,01815 -0,02925 0,01842 -0,04494** 0,02222 -0,13869*** 0,04886 -0,01387 0,04005 -0,00472 0,03517 Konstanta Koefisien Goodness of Fits Inf. Cr. AIC AIC/N 1,407 1,433 1,287 1,399 1,595 Log Likelihood Constant Only -4237,6527 -4237,6527 -1515,0107 -1392,9419 -1254,8899 Log Likelihood -36700,47846 -3739,83786 -1377,96631 -1227,58454 -1042,00248 McFadden R-sqrd 0,1338 0,1175 0,0905 0,1187 0,1696 McFadden R-sqrd Adjusted 0,1333 0,1170 0,0892 0,1172 0,1677 1134,34843 995,62963 274,08883 330,71467 425,77474 0,00000 0,00000 0,00000 0,00000 0,00000 Chi-squared Prob. hi squared>valu. ***, **, * ==> Significance at 1%, 5%, 10% level. Model MNL untuk Jaklingko Pada model 2. , atribut waktu menunggu . tidak signifikan, kemudian pada model 2. , waktu menunggu signifikan pada yu =10%. Hal ini bisa dimengerti mengingat bahwa karakteristik pelayanan terintegrasi angkot mikrotrans dengan BRT Transjakarta atau Jaklingko ini, sehingga pengguna mempunyai preferensi beragam terhadap waktu menunggu . Sedangkan atribut waktu tempuh . signifikan pada semua kelompok model Jaklingko. Untuk ukuran goodness-of-fits, baik dilihat dari Chisquare maupun p-value, menunjukkan bahwa secara keseluruhan . semua atribut pada tiap model signifikan. Lihat Tabel 4. Efek Marjinal dan Elastisitas Permintaan BRT Transjakarta Berdasarkan model yang terbentuk . ), selanjutnya dilakukan estimasi efek marjinal dan elastisitas permintaan berdasarkan persamaan . , . , . , . , . , . , dan . Efek marjinal dan elastisitas permintaan untuk semua tingkat pendapatan dan pada tiap tingkat pendapatan untuk pengguna BRT Transjakarta sebagaimana ditunjukkan pada Tabel 7. Tabel 8. Tabel 9. Tabel 10. Efek Marjinal dan Elastisitas Permintaan Transjakarta Efek marjinal permintaan perjalanan terhadap tarif untuk semua tingkat pendapatan berkisar antara 0,0187 s. -0,0188 . ihat Tabel . Dalam hal ini, dapat diartikan bahwa pada setiap kenaikan tarif sebesar Rp 1. 000,- maka akan terjadi penurunan jumlah penumpang sebanyak 1,87% sampai 1,88%. Sejumlah penumpang ini akan berpindah ke KRL . ,22%). MRT . ,44%), sepeda motor . ,18%), dan mobil pribadi sebanyak 0,03% . ihat Tabel . Jadi, respons pengguna BRT berupa efek marjinal dengan melakukan perpindahan moda transportasi sebagian besar memilih moda angkutan massal lainnya. Sedangkan respons pengguna dalam ukuran elastisitas permintaan terhadap perubahan tarif yaitu sebesar -0,0755 s. -0,0757 dengan elastisitas silangnya sebesar 0,0579 untuk semua moda alternatifnya. Setiap kenaikan 100% tarif BRT Transjakarta akan terjadi penurunan penumpang sebesar 7,6%. Kesamaan nilai elastisitas silang pada semua moda alternatif ini dikarenakan asumsi i. d dan IIA pada MNL maupun CLM. Dilihat dari ukuran respons ini, maka dapat dikatakan bahwa pengguna BRT tidak elastis terhadap perubahan Nilai ini sama dengan penelitian Sianturi . , dan jauh lebih kecil dari hasil penelitian di Eropa dan Amerika . , . , . Dari analisis per segmen kelompok pendapatan, sebagaimana diduga, efek marjinal dan elastisitas permintaan BRT Transjakarta terhadap perubahan tarif sesuai tingkat pendapatannya, akan menurun ketika pendapatannya meningkat. Sebagaimana model 1. dengan memasukkan variabel tingkat pendapatan di dalam model, efek marjinal pada permintaan terhadap pendapatan juga relatif kecil, yakni meningkat 0,61% setiap Rp 1 juta peningkatan pendapatan, dengan elastisitas 0,0546. Sedangkan efek marjinal permintaan terhadap waktu tempuh sebesar -0,0085, yaitu setiap ada peningkatan 10 menit waktu perjalanan, maka akan terjadi penurunan jumlah penumpang sebesar 8,5% Tabel 5. Efek marjinal dan elastisitas permintaan langsung BRT Transjakarta Model Kelompok Pendapatan Terhadap Tarif Terhadap Terhadap Terhadap Biaya Waktu Tempuh Waktu Menunggu Kendaraan Pribadi Terhadap Pendapatan MEl MEl Epl Epl MEl Epl MEl Epl MEl Epl 0,0061 0,0546 Semua Kelompok Pendapatan -0,0188 -0,0757 -0,0085 -0,9074 -0,0165 -0,0780 0,0011 0,0848 Semua Kelompok Pendapatan -0,0187 -0,0755 -0,0085 -0,9071 -0,0165 -0,0779 0,0011 0,0545 Rp7. -0,0075 -0,0314 -0,0087 -0,9706 -0,0100 -0,0498 0,0004 0,0205 MEl = Marginal effects langsung. Epl = Elastisitas permintaan langsung Tabel 6. Efek marjinal dan elastisitas permintaan silang BRT Transjakarta BRT KRL MRT CAR MEs Eps MEs Eps MEs Eps MEs Eps Mls Eps FARE -0,0187 -0,0755 0,0122 0,0579 0,0044 0,0579 0,0018 0,0579 0,0003 0,0579 IVT -0,0085 -0,9071 0,0055 0,8080 0,0020 0,8080 0,0008 0,8080 0,0001 0,8080 -0,0165 -0,0779 0,0108 0,0604 0,0039 0,0604 0,0016 0,0604 0,0003 0,0604 MEs = Marginal effects silang. Eps = Elastisitas permintaan silang . ihat Tabel . , dengan elastisitas yang lebih besar dari perubahan terhadap tarif, yaitu sebesar -0,9071 -0,9074 untuk semua kelompok pendapatan. Efek marjinal silang dan elastisitas silangnya sebagaimana ditunjukkan pada Tabel 6. Efek marjinal terhadap waktu menunggu sebesar -0,0165, sekitar dua kali dari efek marjinal waktu Dalam hal ini, setiap ada peningkatan 1 menit waktu menunggu, maka akan terjadi penurunan jumlah penumpang sebesar 1,65% . ihat Tabel . , dengan elastisitas permintaan -0,0780. Efek marjinal silang dan elastisitas silangnya sebagaimana ditunjukkan pada Tabel 6. Efek marjinal terhadap biaya kendaraan pribadi . obil pribadi dan sepeda moto. sebesar 0,0011 . ihat tabel 5. ), misalnya jika terjadi peningkatan harga BBM atau out-of-pocket costs lainnya, maka untuk setiap peningkatan Rp 1. 000 biaya perjalanan dengan kendaraan pribadi, akan meningkatkan 0,11% pengguna BRT Transjakarta. Efek marjinal ini akan turun sesuai dengan tingkat pendapatan pelaku Sedangkan untuk elastisitasnya antara 0,545 s. 0,0848 untuk semua tingkat pendapatan, dan menurun sesuai dengan peningkatan pendapatannya. Efek Marjinal dan Elastisitas Permintaan Jaklingko Sebagimana juga pada model untuk BRT Transjakarta, efek marjinal dan elastisitas permintaan untuk semua tingkat pendapatan, dan pada tiap tingkat pendapatan untuk pengguna Jaklingko ditunjukkan pada Tabel 7 dan Tabel 8. Efek marjinal permintaan perjalanan terhadap tarif untuk semua tingkat pendapatan antara -0,0319 -0,0364. Efek marjinal tarif Jaklingko ini sekitar dua kali pengaruhnya dibandingkan dengan tarif BRT Transjakarta. Pada setiap kenaikan tarif Jaklingko sebesar Rp 1. 000,- maka akan terjadi penurunan jumlah penumpang sebanyak 3,19% sampai 3,64%. Tentu saja moda pesaing yang dipilih adalah sepeda motor, mobil pribadi, atau ojek online. Sementara itu, elastisitas permintaan terhadap perubahan tarif Jaklingko sebesar -0,5192 s. -0,5878. Dilihat dari ukuran respons ini, maka dapat dikatakan bahwa pengguna Jaklingko kurang elastis terhadap perubahan tarif. Efek marjinal dan elastisitas permintaan Jaklingko terhadap perubahan tarif tiap kelompok tingkat pendapatan, karena koefisien estimasi paramer tidak signifikan, kecuali waktu tempuh . dan waktu menunggu . , maka efek dari tarif tidak Tabel 7. Efek marjinal dan elastisitas permintaan langsung Jaklingko Model KelompokPendapatan Terhadap Tarif Terhadap Terhadap Terhadap Biaya Waktu Tempuh Waktu Menunggu Kendaraan Pribadi MEl MEl Epl MEl Epl MEl Epl Semua Kelompok Pendapatan -0,0319 -0,5192 -0,0062 Epl -0,7210 -0,0030 -0,0586 0,0083 0,2594 Semua Kelompok Pendapatan -0,0364 -0,5878 -0,0066 MEl Epl -0,0190 -0,2178 -0,7564 -0,0034 -0,0673 0,0070 0,2193 -0,0003 -0,0345 -0,0024 -0,0412 0,0224 0,6254 Rp7. -0,0681 -1,3808 -0,0105 -1,5499 -0,0059 -0,1447 0,0006 0,0251 0,4167 Terhadap Pendapatan MEl = Marginal effects langsung. Epl = Elastisitas permintaan langsung Tabel 8. Efek marjinal dan elastisitas permintaan silang Jaklingko BRT KRL MRT CAR MEs Eps MEs Eps MEs Eps MEs Eps Mls Eps FARE -0,0187 -0,0755 0,0122 0,0579 0,0044 0,0579 0,0018 0,0579 0,0003 0,0579 IVT -0,0085 -0,9071 0,0055 0,8080 0,0020 0,8080 0,0008 0,8080 0,0001 0,8080 -0,0165 -0,0779 0,0108 0,0604 0,0039 0,0604 0,0016 0,0604 0,0003 0,0604 MEs = Marginal effects silang. Eps = Elastisitas permintaan silang Sedangkan efek marjinal dan elastisitas dari waktu tempuh dan waktu tunggu berturut-turut 0,0066 dan -0,7564, serta -0,0034 dan -0,0673. Untuk efek marjinal permintaan terhadap pendapatan juga relatif kecil, yakni menurun 1,90% setiap Rp 1 juta peningkatan pendapatan, dengan elastisitas -0,2178. Berbeda dengan BRT Transjakarta, pada Jaklingko, efek dari peningkatan pendapatan memberikan tanda negatif, yang berarti akan terjadi penurunan penumpang setiap terjadi peningkatan pendapatan penggunanya. Sedangkan efek marjinal permintaan terhadap waktu tempuh, yaitu setiap ada peningkatan 10 menit waktu perjalanan, maka akan terjadi penurunan jumlah penumpang sebesar 0,66%, dengan elastisitas yang lebih besar dari perubahan terhadap tarif, yaitu sebesar -0,7210 s. -0,7564 untuk semua kelompok Untuk efek marjinal terhadap waktu menunggu, setiap ada peningkatan 1 menit waktu menunggu, maka akan terjadi penurunan jumlah penumpang sebesar 0,30% s. 0,34%, dengan elastisitas permintaan antara -0,0586 s. -0,0673. Dalam hal efek marjinal terhadap biaya kendaraan pribadi . obil pribadi dan sepeda moto. , misalnya jika terjadi peningkatan harga BBM atau out-of-pocket costs lainnya, maka untuk setiap peningkatan Rp 000 biaya perjalanan dengan kendaraan pribadi, akan meningkatkan 0,83% pengguna Jaklingko. Efek marjinal ini akan turun sesuai dengan tingkat pendapatan pelaku perjalanan. Sedangkan untuk elastisitasnya antara 0,2193 s. 0,2594 untuk semua tingkat pendapatan, dan menurun sesuai dengan peningkatan pendapatannya. Analisis Willingness-To-Pay Wilingness-to-pay (WTP) pada dasarnya adalah trade-off antara atribut tertentu dengan atribut tarif Trade-off terhadap waktu tempuh tentu saja sama dengan nilai dari penghematan nilai waktunya (VoTS = value of travel time savin. Dalam hal ini dapat diformulasikan dengan . ycOycNycE = ycOycuycNycI = ( yuycnycy. ycU 60 ycoyceycuycnyc yceyc Tabel 9. WTP responden menurut kelompok pengguna Kelompok Pengguna WTP/ 20 menit (R. WTP/ 30 menit (R. WTP/ 60 menit (R. Transjakarta Jaklingko Tabel 10. WTP responden menurut tingkat pendapatan Kelompok Pendapatan WTP/ Trip Transjakarta* (R. WTP/ Trip Jaklingko** (R. Rp7. Rata-rata * Pada penghematan waktu 20 menit/ perjalanan. ** Pada penghematan waktu 60 menit/ perjalanan Tabel 9 menunjukkan nilai penghematan waktu 60, 30, dan 20 menit menurut kelompok pengguna BRT Transjakarta dan Jaklingko. Dari tabel tersebut, pada WTP responden per perjalanan untuk BRT Transjakarta sekitar 20 menit saja sebesar Rp 9. 050, jauh dari tarif yang sekarang berlaku. Untuk WTP pengguna Jaklingko, jika diasumsikan penghematan waktu menggunakan pelayanan terintegrasi mikrotrans dan BRT Transjakarta ini selama 60 menit, maka WTP rata-ratanya sebesar Rp 11. Tabel 10 menunjukkan WTP untuk tiap kelompok pendapatan. Untuk saat ini, semua kelompok pendapatan masih dapat menerimaAisesuai WTP-nyaAiterhadap tingkat tarif eksisting, yakni untuk BRT Transjakarta Rp. 500,-. Kesimpulan Estimasi efek marjinal dan elastisitas permintaan dengan menggunakan stated preference survey dianalisis dengan MNL dan CLM terhadap layanan BRT Transjakarta dan Jaklingko memberikan estimasi statistik dari koefisien dan kecocokan model yang memadai. Dengan menggunakan model ini, ukuran efek marjinal lebih mudah dipahami dibandingkan dengan elastisitas. Ukuran elastisitas permintaan perubahan dari atributnya dinyatakan dalam persentase, demikian pun perubahan permintannya dinyatakan dalam persentase. Sedangkan untuk efek marjinal, perubahan atributnya langsung dinyatakan dengan nilai absolut, dan perubahan permintaanya dinyatakan dalam persentase. Respons penumpang Transjakarta terhadap atribut tarif relatif rendah, baik dari ukuran efek marjinal maupun elastisitas. Nilai elastisitas permintaan terhadap perubahan tingkat tarif dapat dikatakan tidak elastis, dan jauh lebih kecil dari kebanyakan negara. Hal ini karena tingkat tarif eksisting relatif rendah dan masih di bawah nilai willingness-to-pay-nya. Demikian pun atribut waktu tempuh dan waktu menunggu, relatif rendah. Waktu menunggu menunjukkan hasil sekitar dua kali waktu tempuh. Peningkatan biaya transportasi kendaraan pribadi dapat meningkatkan angkutan massal, tapi relatif kecil. Sedangkan untuk Jaklingko, efek marjinal dan elastisitasnya lebih besar dibandingkan dengan BRT Transjakarta. Para pengguna Jaklingko mempunyai banyak pilihan untuk moda first-mile dan last-milenya, tidak hanya tergantung kepada mikrotrans sebagai bagian dari pelayanan Jaklingko. Dari penelitian ini. Pemerintah Daerah dapat menaikkan tarif BRT Transjakarta dalam batas willingness-to-pay penumpang . isalnya Rp 5. tanpa khawatir adanya penurunan modal share angkutan umum secara signifikan, namun masih diperlukan tarif konsesi terhadap penumpang dengan ATP di bawah Rp 5. Bagi operator angkutan umum, disarankan untuk menjaga atau meningkatan headway agar waktu menunggu menjadi rendah, karena waktu menunggu merupakan atribut yang penting dan penumpang lebih sensitif terhadap waktu menunggu. Untuk tarif Jaklingko, yang merupakan pelayanan terintegrasi mikrotrans dengan BRT Transjakarta, besaran tarifnya dapat sama atau lebih tinggi sedikit dari tarif BRT Transjakarta karena efek marjinal dari perubahan tarif sekitar dua kali BRT Transjakarta (ME Transjakarta -0,0187. ME Jaklingko -0,0. Jika pada BRT Transjakarta untuk setiap kenaikan Rp 000 akan menurunkan jumlah penumpang serbesar 1,87%, maka untuk Jaklingko akan menurunkan jumlah penumpang sebesar 3,19%. Di dalam penelitian ini, nilai-nilai elastisitas yang diestimasi adalah efek marjinal dan elastisitas titik dan jangka pendek dengan memanfaatkan data stated preference, artinya data cross-section, bukan time series. Penelitian lanjutan dapat dilakukan jika data time series tersedia, baik untuk mengkaji efek jangka panjangnya, maupun arc-elasticity-nya, apakah simetris, misalnya antara perubahan kenaikan tarif dengan perubahan penurunan tarif atau memberikan pelayanan gratis. Ucapan Terima Kasih Penulis mengucapkan terima kasih kepada Dewan Transportasi Kota Jakarta Provinsi Daerah Khusus Jakarta (DTKJ) atas dukungannya di dalam penelitian ini. Daftar Pustaka