ANALISIS MODEL TARIKAN PERJALANAN KAWASAN PERKANTORAN
BALAI KOTA SAMARINDA
Siti Sholeha Fitri1.
Rosa Agustaniah2.
Tukimun2 Karya Siswa.
Jurusan Teknik Sipil.
Universitas 17 Agustus 1945.
Samarinda 75124 Dosen.
Jurusan Teknik Sipil.
Universitas 17 Agustus 1945.
Samarinda 75124 Abstrak Banyaknya bangunan perkantoran di kawasan Balai Kota Samarinda mempunyai pengaruh yang besar terhadap banyaknya tarikan perjalanan di area ini, sehingga perlu dilakukan analisis terhadap model tarikan perjalanan.
Data diambil dari kuisioner yang dibagikan secara acak dengan metode pengolahan data menggunakan Program SPSS 17.
Tujuan penelitian ini untuk mendapatkan model tarikan perjalanan pada kawasan Balai Kota Samarinda.
Hasil dari penelitian dengan regresi linier berganda menunjukkan model tarikan perjalanan Y dan X3 dengan variabel Y= -139,145 1,464 X3 dan hasil hipotesa diterima dengan F hitung > t tabel = 13,499 > 10,128.
Model tarikan perjalanan Y1 dengan variabel Y1=127,271 0,001 X1 Ae 0,027 X2 dan model tarikan perjalanan Y2 dengan variabel Y2= 18,045 0,007 X1.
Sedangkan nilai Satuan Ruang Parkir (SRP) untuk Balai Kota = 980 SRP dan PUPR = 445 SRP dengan status Cukup dan untuk Perkim = 552 SRP dan Bapeda = 605 SRP dengan status Tidak Cukup.
Kata Kunci : regresi.
SPSS, tarikan perjalanan Abstract The number of office buildings in Samarinda City hall area has a great influence on the number of attractions in this area, so it is necessary to analyse the model of travel attractions.
Data taken from a randomly distributed questionnaire with data processing method using SPSS 17.
0 Program.
The purpose of this study to get the model of travel attraction on Samarinda City hall area.
Result of research of study with multiple linear regression showed a model of travel attraction Y and X3 with variabel Y = -139,145 1,464 X3 and the result of the hypothesis is accepted by F arithmetic > t table = 13,499 > 10,128.
Model of travel attraction Y1 with variable Y1 = 127,271 0,001 X1 Ae 0,027 X2 and model of travel attraction Y2 with variable Y2= 18,045 0,007 X1.
While the unit value of parking space (SRP) for City Hall = 980 SRP and PUPR = 445 SRP with sufficient status and for Perkim = 5522 SRP and Bapeda 605 SRP with insufficient status.
Keywords : regression.
SPSS, travel attraction PENDAHULUAN Banyaknya bangunan perkantoran di kawasan Balai Kota Samarinda mempunyai pengaruh yang besar terhadap banyaknya tarikan perjalanan di area ini, sehingga perlu dilakukan analisis terhadap model tarikan perjalanan.
Besarnya tarikan perjalanan menuju pusat perkantoran di Balai Kota Samarinda dapat diketahui, dengan membuat model tarikan perjalanan berbasis zona dengan menggabungkan besarnya tarikan perjalanan yang dihasilkan oleh pusat Ae pusat aktivitas lainnya, sehingga diharapkan dapat dijadikan masukkan dalam upaya penataan transportasi kedepan, seperti penataan kebutuhan ruang parkir serta penataan konflik antar ruas lalu lintas.
Dari penelitian ini diharapkan dapat mengetahui model tarikan perjalanan pada kawasan perkantoran di Balai Kota Samarinda, dengan metode penelitian menggunakan analisis regresi berganda linier dengan bantuan software Statistical Product and service Solution (SPSS 17.
DASAR TEORI
Pengertian Umum Perencanaan transportasi adalah suatu proses yang bertujuan mengembangkan sistem transportasi yang memungkinkan manusia dan barang bergerak atau berpindah tempat dengan aman dan murah (Pignataro, 1973 dan Tamin, 2.
Tujuan perencanaan transportasi adalah meramalkan dan mengelola evaluasi titik keseimbangan antara kebutuhan akan pergerakan dan dengan sistem prasarana transportasi sejalan dengan waktu sehingga kesejahteraan sosial dapat dimaksimumkan.
(Tamin,2.
Sistem Transportasi Perkotaan Sistem transportasi perkotaan dapat diartikan sebagai suatu kesatuan menyeluruh yang terdiri dari komponen Ae komponen yang saling mendukung dan bekerja sama dalam pengadaan transportasi pada wilayah perkotaan.
Sistem pergerakan merupakan hasil interaksi baru sistem kegiatan dengan sistem jaringan yang dapat terwujud lalu lintas orang, kendaraan, dan barang.
Gambar 1 Sistem Transportasi Makro (Sumber: Tamin,1.
Definisi Dasar Bangkitan dan Tarikan Beberapa jenis pergerakan yang dikenal dalam sistem transportasi adalah:
Perjalanan didefinisikan sebagai suatu pergerakan satu arah dari titik asal ke titik tujuan.
Biasanya diprioritaskan pada pergerakan yang menggunakan moda kendaraan bermotor.
Pergerakan Home-Based, yaitu pergerakan yang menunjukan bahwa rumah dan pembuat pergerakan merupakan asal dan tujuan dari pergerakan.
Pergerakan Non Home-Based, yaitu suatu pergerakan yang menunjukkan bahwa salah satu tujuan dari pergerakan bukanlah rumah pelaku pergerakan.
Produksi pergerakan (Trip Productio.
, merupakan pergerakan yang didefinisikan sebagai awal dan akhir dari sebuah pergerakan HomeBased atau sebagai awal dari sebuah pergerakan Non HomeBased.
Tarikan pergerakan (Trip Attractio.
, pergerakan ini didefinisikan sebagai pergerakan yang tidak berakhir dirumah bagi pergerakan yang bersifat Home-Based atau sebagai tujuan dari suatu pergerakan Non HomeBased.
Bangkitan pergerakan (Trip Generatio.
, didefinisikan sebagai total jumlah pergerakan yang ditimbulkan oleh rumah tangga dalam suatu zona, baik Home Based maupun Non Home-Based.
Teknik Sampling Menurut Pasaribu .
, pengambilan sample yang juga disebut sebagai penarikan sampel, bertujuan untuk memperoleh keterangan mengenai populasi dengan mengamati sebagian saja dari populasi tersebut.
Berkaitan dengan pengambilan sampel untuk survey transportasi.
Ortuzar dalam bukunya Modelling transport pada bab data collection methods memberikan ukuran sampel yang digunakan berdasrkan besarnya populasi yang ada seperti pada tabel berikut:
Tabel 1 Ukuran sampel yang direkomendasikan pada survei tradisional Ukuran Sample Besaran Populasi Direkomendasikan Minimum < 50.
1/10
000 Ae 150.
1/20
000 Ae 300.
1/10
1/35
000 Ae 500.
1/15
1/50
000 Ae 1.
1/20
1/70
>1.
1/25
1/100
(Sumber: Ortuzar.
D and Willumsem.
G 1994, dalam Yuliani, 2.
Analisis Regresi Metode analisis regresi digunakan untuk menghasilkan hubungan antara dua variabel atau lebih dalam bentuk numerik, dan untuk melihat bagimana dua atau lebih peubah saling berkait, dimana telah diketahui variabel mana yang variasinya dipengaruhi oleh variabel lainnya dan variabel mana yang Analisis Regresi Linier Variabel analisis regresi dibedakan menjadi dua jenis variabel yaitu variabel bebas (X) dan variabel tak bebas (Y).
Hubungan linear dari jenis 2 jenis variabel tersebut dituliskan dalam Y = a bX Dimana:
Y = Kriterium X = Prediktor a = Konstanta b = koefisien predictor Koefisien Ae koefisien regresi a dan b untuk regresi linear dapat dihitung dengan rumus:
yca= yca= (Oc ycU)(Oc ycU 2 )Oe (Oc ycU)(Oc ycUycU) ycu Oc ycU 2 Oe (Oc ycU)2 ycu Oc ycUycUOe (Oc ycU)(Oc ycU) ycu Oc ycU 2 Oe (Oc ycU)2 .
Analisis Regresi Linear Berganda Persamaan untuk model regresi linear berganda Y atas X1.
X2.
A,Xk akan diestimit menjadi :
Y = a0 a1 X1 a2 X2 AA ak Xk Dimana:
= Kriterium X1.
X2, .
,Xk = Prediktor 1, prediktor 2.
AA.
, predictor ke Ae k = Konstanta a1, a2,A.
, ak = Koefisien prediktor 1, koefisien prediktor 2, .
, koefisien prediktor ke Ae k.
Tahapan Uji Statistik dalam Model Uji Korelasi Korelasi adalah tingkat hubungan antara variabel Ae variabel yang menentukan sejauh mana suatu persamaan linear maupun tidak linear dapat menjelaskan variabel Ae variabel yang ada.
Koefisien korelasi dihitung dengan persamaan:
ycIycuyc = ycu Oc ycUycUOe (Oc ycU)(Oc ycU) Oo.
cu Oc ycU 2 Oe (Oc ycU)2 }.
cu Oc ycU 2 Oe (Oc ycU)2 } .
Pengujian nilai R untuk mengetahui hasilnya signifikan atau tidak, dapat diuji melalui tabel teoritik dengan jumalah pasangan data = N atau dengan derajat bebas db = N-2.
Dalam pengujian ini digunakan F teoritik dengan taraf signifikan 5%.
Hipotesis yang digunakan:
H0: r = 0, artinya korelasi tidak signifikan.
Hi: r O 0, artinya korelasi signifikan Uji dilakukan 2 sisi karena akan dicari ada atau tidaknya hubungan / korelasi, dan bukan lebih besar / kecil.
Dasar pengambilan keputusan n Berdasarkan probabilitas Jika probabilitas > 0.
05 maka Ho diterima.
Jika probabilitas < 0.
05 maka Ho ditolak n Berdasarkan tanda * yang diberikan SPSS Adanya tanda * pada pasangan data yang dikorelasi menunjukan adanya korelasi yang signifikan pada data tersebut.
Indeks Determinasi Indeks korelasi mengukur derajat asosiasi antara variabel X dan Y, apabila antara X dan Y terdapat hubungan regresi Y= f(X).
Rumus umum dari indeks determinasi:
ycI2 = Oc.
cUOeycUI )2 Oe Oc.
cUOeycUC )2 Oc.
cUOeycUI )2 .
Dimana:
= Indeks determinasi ycU Oe ycUC = Jumlah kuadrat kesalahan penggangu (Residual sum of squar.
ycU Oe ycUI = Total sum of square Nilai R .
oefisien Regresi Bergand.
berguna untuk mengetahui keeratan hubungan antara perubahan variabel .
terhadap perubahan terikat .
0 Ae 0.
25 Ae 0.
50 Ie korelasi cukup 50 Ae 0.
75 Ie korelasi kuat 75 Ae 1.
00 Ie korelasi sangat kuat Ie korelasi sangat lemah Korelasi regresi linear berganda Untuk menentukan derajat asosiasi antara variabel Ae variabel yang ada maka berdasarkan persamaan regresi linear berganda:
Y = a0 a1 X1 a2 X2 a.
R2 ditentukan dengan rumus:
ycI2 = yca1 Oc ycu1 yc U ycayco Oc ycuycoyc Oc yc2 Dimana:
x1 = X1 Ae X1, x2 = X2 Ae X2.
, xk = Xk Ae Xk, dan y = Y AeY R dinamakan koefisien korelasi linear berganda untuk Y.
X1.
X2A.
,Xk R2 dinamakan koefisien determinasi linear berganda.
Uji hipotesis secara parsial .
Uji t dilakukan untuk melihat apakah parameter .
1, b2, b3.
yang melekat pada variabel bebas cukup berarti .
terhadap suatu konstanta .
nol atau sebaliknya.
Jika t hitung Ou t tabel, artinya signifikan dan sebaliknya.
Sedangkan derajat bebas/degree of freedom .
ditentukan dengan rumus:
Df = n Ae k Dimana:
n = Jumlah observasi/sampel pembentukan regresi k= Jumlah variabel .
ebas dan terika.
Uji hipotesis secara serempak .
ji F) Jika Fhitung Ou Ftabel maka tolak Ho, artinya signifikan dan jika Fhitung O Ftabel, maka terima Ho, artinya tidak signifikan.
Sedangkan derajat bebas/degree of freedom .
ditentukan dengan rumus:
df1 = k Ae 1 df2 = n Ae k Dimana:
k = Jumlah variabel .
ebas dan terikat ) n = Jumlah obsevasi/sampel pembentuk regresi Uji signifikansi Uji signifikansi dalam regresi sederhana dirumuskan sebagai berikut:
ycaOeyu t = ycIyca Sb = standart eror koefisien korelasi b = Koefisien regresi yang didapat = Slope garis regresi sebenarnya yang selanjutnya harus digunakan distribusi student Ae t dengan db = (N-.
Uji parsil untuk menguji keberartian koefisien regresi yang sesuai dalam analisa regresi linear ganda dirumuskan dengan:
yc = ycIycaycn bi = koefisien regresi yang didapatkan dari beberapa .
variabel Sbi = Standart error koefisien korelasi bi Hipotesis yang digunakan:
H0: = 0, artinya korelasi tidak signifikan.
Hi: O 0, artinya korelasi sigifikan Dasar pengambilan keputusan Membandingkan statistik hitungan dengan tingkat signifikan 5% dan derajat kebebasan N-k-1, dimana N merupakan jumlah data yang dilibatkan dan k merupakan jumlah variabel bebas.
Jika statistik t-hitungan > t-tabel, maka Ho diterima, yaitu menerima anggapan bahwa koefisien regresi signifikan.
Jika statistik t-hitungan < t-tabel, maka Ho ditolak, yaitu menerima anggapan bahwa koefisien regresi tidak signifikan.
berdasarkan probabilitas Jika probabilitas > 0.
05 maka Ho diterima Jika probabilitas > 0.
05 maka Ho diterima Multikolinearitas Multikolinearitas adalah kejadian yang menginformasikan terjadinya hubungan antara variabel Ae variabel bebas xi, dan hubungan yang terjadi cukup besar, sehingga akan menyebabkan perkiraan keberartian koefisien regresi yang diperoleh.
ycOyaya = .
OeycI.
VIF = Varian Inflasi Factor = Koefisien determinasi .
uadrat dari koefisien korelas.
-R ) = Toleransi Pengambilan keputusan:
Melihat nilai Toleransi Tidak terjadi Multikolinearitas, jika nilai tolarnce lebih besar 0.
Terjadi Multikolinearitas, jika nilai Tolarnce lebih kecil atau sama dengan 0.
Melihat nilai VIF (Variance Inflation Facto.
Tidak terjadi Multikonieritas, jika nilai VIF lebih kecil 10.
Terjadi Multikonieritas, jika nilai VIF lebih besar atau sama dengan 10.
METODOLOGI PENELITIAN
Desain penelitian dengan cara studi kasus yaitu dengan menggunakan beberapa metode seperti, pengumpulan data, wawancara, observasi lapangan, dokumentasi dan kuisioner meliputi kantor:
Kantor Balai Kota Dinas Pekerjaan Umum dan Penataan Ruang Dinas Perumahan Pemukiman Kantor Badan Pendapatan Daerah Pengambilan sample dilakukan dengan cara membagikan kuisioner dan survey dilokasi penelitian secara acak dan analisa menggunakan bantuan program SPSS 17.
ANALISIS DAN PEMBAHASAN
Hasil Pengumpulan Data Dari hasil survei didapatkan data sebagai berikut:
Tabel 2 Karakteristik Lokasi Penelitian Lokasi Penelitian Luas Lahan Luas Lantai Bangunan .
Jumlah Karyawan Jumlah Total
Perjalanan Balai Kota
PERKIM
PUPR
Bapenda Total Sumber: Data Survey,2017 Analisis Data Prosentase masing-masing penelitian sebagai berikut:
Gambar 2a Prosentase Kepemilikan Kendaraan Gambar 2b Prosentase kendaraan yang digunakan Gambar 2c Prosentase jarak perjalanan responden Gambar 2d Prosentase waktu tempuh responden Gambar 2e Alasan pemilihan moda Gambar 2f Ketersediaan tempa parkir Gambar 2g Cara Penggunaan Moda Gambar 2h Berangkat kerja Gambar 2i Pulang Kerja Gambar 2j Gaji Perbulan Tarikan Perjalanan Terhadap Y.
X1.
X2 dan X3 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 000 atau sebesar 100% sedangkan nilai korelasi (R) adalah sebesar 1.
000 atau sebesar 100%, uji F dengan Ho ditolak, dan uji t menghasilkan persamaan regresi Y=-315.
089X1 Ae 0.
382X3 dengan hasil uji regresi linier = Y=-315.
089X1 Ae 0.
096X2 2.
382X3 Tidak Signifikan dan hasil akhir tidak terjadi multikolinearitas.
Tarikan Perjalanan Terhadap Y.
X1, dan X3 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 876 sedangkan nilai korelasi (R) adalah sebesar 0.
936, uji F dengan Ho ditolak dengan tingkat 352 (>0.
, dan uji t menghasilkan persamaan regresi Y=-155.
002X1 1.
hasil akhir tidak terjadi multikolinearitas.
Tarikan Perjalanan Terhadap Y.
X2, dan X3 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 872 sedangkan nilai korelasi (R) adalah sebesar 0.
934, uji F dengan Ho ditolak dengan tingkat 352 (>0.
, dan uji t menghasilkan persamaan regresi Y=-144.
001X2 1.
hasil akhir terjadi multikolinearitas.
Tarikan Perjalanan Terhadap Y dan X1 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 209 sedangkan nilai korelasi (R) adalah sebesar 0.
457, uji F dengan Ho ditolak dengan tingkat 543 (>0.
, dan uji t menghasilkan persamaan regresi Y= 85.
415 Ae 0.
011X1 hasil akhir tidak terjadi multikolinearitas.
Tarikan Perjalanan Terhadap Y dan X2 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 146 sedangkan nilai korelasi (R) adalah sebesar 0.
382, uji F dengan Ho ditolak dengan tingkat 618 (>0.
, dan uji t menghasilkan persamaan regresi Y= 76.
312 Ae 0.
010X2 hasil akhir tidak terjadi multikolinearitas.
Tarikan Perjalanan Terhadap Y dan X3 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 871 sedangkan nilai korelasi (R) adalah sebesar 0.
933, uji F dengan Ho diterima dengan tingkat signifikansi .
067 (>0.
, dan uji t menghasilkan persamaan regresi Y=-139.
464X3 hasil akhir tidak terjadi multikolinearitas.
Model tarikan perjalanan sepeda motor Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 715 sedangkan nilai korelasi (R) adalah sebesar 0.
846, uji F dengan Ho ditolak dengan tingkat 534 (>0.
, dan uji t menghasilkan persamaan regresi Y=127.
271 Ae 0.
001 X1 Ae 0.
027 X2
hasil akhir tidak terjadi multikolinearitas.
Tarikan Kendaraan Sepeda Motor X1 terhadap Y1 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 275 sedangkan nilai korelasi (R) adalah sebesar 0.
524, uji F dengan Ho ditolak dengan tingkat 476 (>0.
, dan uji t menghasilkan persamaan regresi Y1=119.
279 Ae 0.
003 X1 hasil akhir tidak terjadi multikolinearitas.
Tarikan Kendaraan Sepeda Motor X2 terhadap Y1 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 691 sedangkan nilai korelasi (R) adalah sebesar 0.
831, uji F dengan Ho ditolak dengan tingkat 169 (>0.
, dan uji t menghasilkan persamaan regresi Y1=127.
667 Ae 0.
022 X2 hasil akhir tidak terjadi multikolinearitas.
Model Tarikan dengan Mobil Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 999 sedangkan nilai korelasi (R) adalah sebesar 0.
999, uji F dengan Ho diterima dengan tingkat 032 (<0.
, dan uji t menghasilkan persamaan regresi Y= 23.
010X1 - 0.
hasil akhir tidak terjadi multikolinearitas.
Tarikan Perjalanan X1 terhadap Y2 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 907 sedangkan nilai korelasi (R) adalah sebesar 0.
953, uji F dengan Ho diterima dengan tingkat 047 (<0.
, dan uji t menghasilkan persamaan regresi Y= 23.
007X1 hasil akhir tidak terjadi multikolinearitas.
Tarikan Perjalanan X2 terhadap Y2 Dari hasil analisis berdasarkan uji koefisien determinasi didapatkan hasil Square (R.
adalah 207 sedangkan nilai korelasi (R) adalah sebesar 0.
520, uji F dengan Ho ditolak dengan tingkat 480 (>0.
, dan uji t menghasilkan persamaan regresi Y= 26.
019X2 hasil akhir tidak terjadi multikolinearitas.
KESIMPULAN
Kesimpulan Model yang paling memenuhi syarat dan layak untuk digunakan berdasarkan validitas uji statistik adalah sebagai berikut:
Model untuk tarikan Perjalanan Y dan X3 dengan Y = -139.
Dimana:
Y = Tarikan perjalanan X1 = Luas Lahan X3 = Jumlah Pegawai Dari hasil Analisis maka dapat disimpulkan bahwa hipotesa diterima dengan hasil uji F hitung > t tabel .
499 > 10.
Karena dalam statistik kita mengutamakan model yang sederhana namun sangat memberikan informasi secara keseluruhan sampel.
Model untuk tarikan perjalanan dengan Sepeda Motor(Y.
dengan Y1=127.
001X1 Ae 0.
Dimana:
Y = Tarikan perjalanan X1 = Luas Lahan X2 = Luas Parkir Model untuk tarikan perjalanan dengan Mobil(Y.
dengan Y2= 18.
Dimana:
Y = Tarikan perjalanan X1 = Luas Lahan d.
Nilai satuan ruang parkir
Tabel 3 Nilai Satuan Ruang Parkir
Nama Gedung
Luas Lahan
Luas Parkir
Jumlah Kendaraan ( Y ) Motor
Mobil
GOL 1
Sepeda Motor .
Mobil Pribadi .
0,75 x 2
2,3 X 5
( Y1 )
( Y2 )
SRP
STATUS
TOTAL
Balai Kota
7145,38
Perkim PUPR
2279,25
Bapeda
1918,45
318,45
CUKUP
TIDAK
CUKUP
CUKUP
TIDAK
CUKUP
Sumber: Hasil Perhitungan Hubungan tarikan perjalanan dengan indeks aksesibilitas Dari nilai korelasi R square untuk kendaraan mobil pribadi sebesar 0.
715 menunjukan bahwa hubungan tarikan perjalanan dengan indeks aksesbilitas sebesar 71.
5% terhadap indeks Dari nilai korelasi R square untuk kendaraan sepeda motor sebesar 0.
907 menunjukan bahwa hubungan tarikan perjalanan dengan indeks aksesbilitas sebesar 90.
7% terhadap indeks aksesbilitasnya.
Waktu tempuh untuk semua jenis kendaraan paling lama bervariasi antara 10-20 menit.
2 Saran Dari hasil analisis, penulis memberikan saran sebagai berikut:
Perlu adanya analisa lebih lanjut untuk penambahan luas lahan atau pemindahan fasilitas ruang parkir untuk kendaraan karena kapasitas kendaraan yang melebihi ruang parkir.
Perlu diadakan kajian lebih lanjut dengan bentuk model lain dengan memperhatikan masalah ketidak lineran dalam model.
DAFTAR PUSTAKA