Faktor-Faktor yang Mempengaruhi Tingkat Kecelakaan Lalu Lintas di Kotamadya Medan Tahun 1999-2013

(1)

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KECELAKAAN LALU LINTAS DI KOTAMADYA

MEDAN TAHUN 1999-2013

TUGAS AKHIR

NANDRA WIGUNA 102407063

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

(2)

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KECELAKAANLALU LINTAS DI KOTAMADYA

MEDAN TAHUN 1999-2013

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

NANDRA WIGUNA 102407063

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

(3)

PERSETUJUAN

Judul : Faktor-Faktor yang Mempengaruhi Tingkat Kecelakaan Lalu Lintas di Kotamadya Medan Tahun 1999-2013

Kategori : Tugas Akhir

Nama : Nandra Wiguna

Nomor Induk Mahasiswa : 102407063 Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,

Drs. Faigiziduhu Bu’ulölö, M.Si Drs. Faigiziduhu Bu’ulölö, M.Si NIP. 19531218 198003 1 003 NIP. 19531218 198003 1 003

(4)

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KECELAKAAN LALU LINTAS DI KOTAMADYA

MEDAN TAHUN 1999-2013 TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya

Medan, Juni 2014

Nandra Wiguna 102407063

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Faktor–faktor yang Mempengaruhi Tingkat Kecelakaan Lalu Lintas di Kotamadya Medan Tahun 1999-2013.

Terima kasih penulis sampaikan kepada Bapak Drs. Faigiziduhu Bu’ulölö, M.Si selaku pembimbing dan Ketua Program Studi yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini. Terima kasih kepada Bapak Dr. Suwarno Ariswoyo, M.Si selaku Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Erwinsyah, Ibu Cut Mutia dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa membalasnya.

Penulis

(6)

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 4

1.4 Tujuan Penelitian 4

1.5 Tinjauan Pustaka 5

1.6 Metode Penelitian 6

1.7 Lokasi Penelitian 7

1.8 Sistematika Penelitian 7

BAB 2 LANDASAN TEORI

2.1 Pengertian Regresi 10

2.2 Analisis Regresi Linier 11

2.2.1 Analisis Regresi Linier Sederhana 13 2.2.2 Analisis Regresi Linier Berganda 14

2.3 Uji Keberartian Regresi 16

2.4 Pengujian Hipotesis 17

2.5 Koefisien Determinasi 19

2.6 Uji Korelasi 20

2.6.1 Koefisien Korelasi 21

2.7 Uji Koefisien Regresi Linier Berganda 24 BAB 3 SEJARAH SINGKAT BADAN PUSAT STATISTIK (BPS)

3.1 Sejarah Singkat BPS 26

3.1.1 Masa Pemerintahan Hindi Belanda 27 3.1.2 Masa Pemerintahan Jepang 27 3.1.3 Masa Kemerdekaan Republik 28 3.1.4 Masa Orde Baru Sampe Sekarang 29

3.2 Visi dan Misi BPS 30

3.2.1 Visi BPS 30

3.2.2 Misi BPS 31

(7)

BAB 4 PENGOLAHAN DATA

4.1 Menentukan Model Persamaan Regresi Linier Berganda 34

4.2 Uji Keberartian Regresi 46

4.2.1 Uji F (Simultan) 46

4.3 Koefisien Determinasi 49

4.4 Koefisien Korelasi 51

4.4.1 Korelasi antara Variabel Bebas dan Variabel Terikat 51 4.4.2 Korelasi antara Variabel Bebas 53

4.5 Uji t (Uji Parsial) 56

4.5.1 Apakah X1 mempengaruhi Y 56 4.5.2 Apakah X2 mempengaruhi Y 58 4.5.3 Apakah X3 mempengaruhi Y 61 BAB 5 IMPLEMENTASI SITEM

5.1 Pengertian Implementasi Sistem 64

5.2 Sekilas tentang Program SPSS 64

5.3 Pengolahan Data Dengan SPSS 66

5.4 Mengoperasikan SPSS 67

5.5 Pengolahan Data untuk Regresi 68 5.6 Pengolahan Data untuk Korelasi 73 BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 78

6.2 Saran 79

DAFTAR PUSTAKA LAMPIRAN

(8)

DAFTAR TABEL

Nomor Judul Halaman

Tabel

Tabel 4.1 Data Jumlah Kecelakaan Lalu Lintas, Jumlah Kendaraan Bermotor, Panjang Jalan, dan Jumlah Pelanggaran Lalu Lintas 35 Tabel 4.2 Data Jumlah Kecelakaan Lalu Lintas, Jumlah Kendaraan Bermotor,

Panjang Jalan, dan Jumlah Pelanggaran Lalu

Dengan Variabel Dilambangkan 36

Tabel 4.3 Nilai-Nilai Yang Diperlukan Untuk Koefisien Regresi 38

Tabel 4.4 Penyimpangan Nilai Koefisien 43

(9)

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

Gambar 5.1 Tampilan SPSS saat dibuka pada windows 66 Gambar 5.2 Tampilan Worksheet SPSS 20.0 For Windows 67 Gambar 5.3 Tampilan Pengisian Data Variabel pada Variable View 69 Gambar 5.4 Tampilan Pengisian Data Variabel pada Data View 69 Gambar 5.5 Tampilan pada Kotak Dialog Regression 70

Gambar 5.6 Tampilan Linier Regression 70

Gambar 5.7 Tampilan Dependent dan Independent 71 Gambar 5.8 Tampilan Linier Regression Statistic 72

Gambar 5.9 Tampilan Plots 72

Gambar 5.10 Tampilan Linier Regression Plots 73 Gambar 5.11 Tampilan Correlations Statistic 74 Gambar 5.12 Tampilan Bivariates Correlations Statistic 75

(10)

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Perkembangan perekonomian suatu negara dapat diukur, salah satunya dengan melihat tingkat perkembangan teknologi di negara tersebut. Demikian juga dengan Negara Indonesia yang merupakan salah satu Negara yang sedang berkembang. Perkembangan teknologi yang terjadi telah menyebabkan adanya perkembangan yang pesat di bidang transportasi khususnya pada kendaraan bermotor.

Sumatera Utara merupakan salah satu provinsi di Indonesia. Medan yang merupakan ibukota dari provinsi Sumatera Utara juga tidak luput dari perkembangan teknologi ini. Kotamadya Medan merupakan salah satu kota teramai di Indonesia, bahkan teramai di pulau Sumatera karena banyaknya jumlah penduduknya. Pertumbuhan jumlah penduduk yang semakin hari semakin besar menjadi salah satu faktor meningkatnya perkembangan teknologi khususnya di bidang transportasi, dikarenakan semakin meningkatnya permintan penduduk sebagai konsumen.

Jalan raya merupakan salah satu sarana untuk transportasi darat selain sarana transportasi lainnya. Fungsi utama dari jalan raya adalah sebagai prasarana lalu-lintas atau angkutan, guna mendukung kelancaran arus barang, jasa, serta aktifitas masyarakat.

Seiring dengan berjalannya waktu, maka semakin banyak kendaraan bermotor yang beroperasi setiap harinya di jalan raya, baik itu roda dua atau roda

(11)

empat. Sementara ruang gerak bagi kendaraan tersebut semakin berkurang. Dengan kata lain peningkatan sarana transportasi tidak seimbang dengan ketersediaan prasarananya. Di samping itu, kurangnya kesadaran pengemudi kendaraan bermotor terhadap peraturan lalu lintas yang berlaku telah menyebabkan persoalan yang sulit untuk dihadapi dan diutuntaskan seperti kecelakaan lalu lintas yang telah memakan banyak korban.

Terjadinya kecelakaan lalu lintas tentunya dipengaruhi oleh beberapa faktor seperti jumlah kendaraan bermotor yang beroperasi, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas yang dilakukan oleh pengemudi kendaraan bermotor. Seberapa besar pengaruh faktor-faktor tersebut merupakan permasalahan yang harus diketahui oleh petugas lalu lintas dan pemerintah Kotamadya Medan untuk dapat mengambil tindakan dan keputusan dalam rangka mengurangi tingkat kecelakaan lalu lintas.

Untuk menuntaskan persoalan tersebut di atas, maka dilakukan suatu penelitian yang menggunakan suatu bentuk penduga yaitu Persamaan Regrasi Linier Berganda. Dan untuk menganalisis hubungan antara kecelakaan lalu lintas terhadap faktor-faktornya, maka penulis memilih judul “FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KECELAKAAN LALU LINTAS DI KOTAMADYA MEDAN TAHUN 1999-2013.”

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas, penulis merumuskan masalah penelitian ini sebagai berikut:

(12)

1. Bagaimana besar nilai pengaruh dengan korelasi antara jumlah kendaraan bermotor, panjang jalan dan jumlah pelanggaran lalu lintasterhadap terjadinya kecelakaan lalu lintas yang terjadi di Kotamadya Medan.

1.3 Batasan Masalah

Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti pengaruh kecelakaan lalu lintas di Kotamadya Medan dengan faktor-faktor yang mempengaruhi yaitu jumlah kendaraan bermotor, panjang jalan dan jumlah pelanggaran lalu lintas dari tahun 2004 sampai tahun 2013.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk membuktikan secara empiris seberapa besar pengaruh jumlah kendaraan bermotor, panjang jalan dan jumlah pelanggaran lalu lintas terhadap kecelakaan lalu lintas di Kotamadya Medan dari tahun 1999 sampai tahun 2013.

1.5 Tinjauan Pustaka

Menyatakan perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya. (Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta : BPFE. Hal. 4)

(13)

Bentuk hubungan antara variabel dapat searah atau dapat berlawanan arah. Hubungan antara variabel searah artinya perubahan nilai yang satu dengan nilai yang lain searah. Hubungan antara variabel berlawanan arah artinya perubahan nilai yang satu dengan nilai yang lain berlawanan arah. (Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik. Jakarta : Bumi Aksara. Hal. 241).

Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua prediktor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya. Untuk analisa regresi akan dibedakan menjadi dua jenis variabel yaitu variabel bebas (variabel prediktor) dan variabel tidak bebas (variabel respon). Variabel yang mudah didapat atau tersedia sering digolongkan dalam variabel bebas, sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel tidak bebas. (Sudjana, 2001. Metode Statistik. Bandung : Tarsito. Hal. 310-311 dan 367).

1.6 Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian diantaranya adalah:

1. Metode Penelitian Kepustakaan

Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

(14)

2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan penelitian dilakukan penulis dengan menggunakan data sekunder. Data sekunder adalah data primer yamg diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram. Data sekunder yang digunakan diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Data yang telah dikumpulkan kemudian diatur, disusun dan disajikan dalam bentuk angka-angka untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3. Metode Pengolahan Data

Data penelitian dianalisa dengan menggunakan metode regresi linier berganda untuk melihat persamaan regresi linier nya dan untuk mengetahui hubungan setiap variabel digunakan analisis korelasi.

1.7 Lokasi Penelitian

Penelitian ataupun pengumpulan data mengenai faktor-faktor yang mempengaruhi tingkat kecelakaan lalu lintas serta data mengenai tingkat kecelakaan lalu lintas itu sendiri dilaksanakan di Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Jl. Asrama No. 179, Medan.

1.8 Sistematika Penelitian

(15)

BAB 1: PENDAHULUAN

Bab ini menguraikan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, tinjauan pustaka, metode penelitian, lokasi penelitian dan sistematika penelitian.

BAB 2: LANDASAN TEORI

Bab ini berisi tentang suatu landasan teori yang diaplikasikan dalam pengolahan data yang tepat yaitu menguraikan tentang pengertian regresi linier berganda, uji regresi linier, uji korelasi, dan uji koefisien untuk regresi linier berganda.

BAB 3: SEJARAH SINGKAT BADAN PUSAT STATISTIK (BPS) Bab ini menjelaskan tentang sejarah singkat berdirinya perusahaan beserta struktur organisasi penulis melakukan riset.

BAB 4: PENGOLAHAN DATA

Bab ini menguraikan proses analisis data pada regresi linier berganda, analisis korelasi, dan koefisien linier berganda.

BAB 5: IMPLEMENTASI SISTEM

Bab ini menguraikan proses pengolahan data dengan program yang akan digunakan yaitu SPSS mulai dari input data hingga hasil outputnya yang membantu dalam menyelesaikan permasalahan dalan penulisan.

(16)

BAB 6: KESIMPULAN DAN SARAN

Bab ini terdiri atas kesimpulan dari hasil analisis yang telah dilakukan serta saran berdasarkan kesimpulan yang diperoleh yang tentunya bermanfaat bagi pembaca dan pihak yang membutuhkannya.

(17)

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Regresi pertama kali digunakan sebagai konsep statistika oleh Sir Francis Galton (1822–1911). Beliau memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia.

Istilah “ regresi” pada mulanya bertujuan untuk membuat perkiraan nilai

satu variabel (tinggi badan anak) terhadap variabel yang lain (tinggi badan orang tua). Pada perkembangan selanjutnya analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut.

Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara suatu variabel tidak bebas (dependent variable) dengan variabel-variabel bebas (independent variable) lainnya memiliki sifat hubungan sebab akibat (hubungan kausalitas), baik didasarkan pada teori, hasil penelitian sebelumnya, maupun yang didasarkan pada penjelasan logis tertentu.

2.2 Analisis Regresi Linier

Analisi regresi merupakan teknik yang digunakan dalam persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi linier atau regresi garis lurus digunakan untuk:

(18)

1. Menentukan hubungan fungsional antar variabel dependen dengan independen. Hubungan fungsional ini dapat disebut sebagai persamaan garis regresi yang berbentuk linier.

2. Meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya.

Analisis regresi tediri dari dua bentuk yaitu: 1. Analisis Regresi Linier Sederhana 2. Analisis Regresi Linier Berganda

Analisis regresi sederhana adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel dependen (terikat) dan variabel independen (bebas). Sedangkan analisis regresi berganda adalah bentuk regresi dengan model yang memiliki hubungan antara satu variabel dependen dengan dua atau lebih variabel independen.

Variabel independen adalah variabel yang nilainya tergantung dengan variabel lainnya, sedangkan variabel dependen adalah variabel yang nilainya tergantung dari variabel yang lainnya.

Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang komplek. Jika, X1, X2, . . . , Xkadalah variabel-variabel

(19)

antara X dan Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis hubungan itu dapat dijabarkan sebagai berikut:

Keterangan: Y = f (X₁, X₂, . . . , X_k )

Y = adalah variabel dependen (tak bebas) X = adalah variabel independen (bebas)

2.2.1 Analisis Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua variabel di mana hanya terdapat satu variabel/peubah bebas X dan satu peubah tak bebas Y.

Dalam bentuk persamaan, model regresi sederhana adalah:

Y = a + bX 2.1 Keterangan:

Y = adalah variabel terikat/tak bebas (dependent) X = adalah variabel bebas (independent)

a = adalah penduga bagi intercept (α)

b = adalah penduga bagi koefisien regresi (β)

2.2.2 Analisis Regresi Linier Berganda

Untuk memperkirakan nilai variabel tak bebas Y, akan lebih baik apabila kita ikut memperhitungkan variabel-variabel bebas lain yang ikut mempengaruhi nilai Y. Dengan demikian dimiliki hubungan antara satu variabel tidak bebas Y dengan beberapa variabel lain yang bebas X₁, X₂, dan X₃, . . . , X_k.

(20)

Untuk itulah digunakan regresi linear berganda. Dalam pembahasan mengenai regresi sederhana, simbol yang digunakan untuk variabel bebasnya adalah X. Dalam regresi berganda, persamaan regresinya memiliki lebih dari satu variabel bebas maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam hal ini X₁, X₂, . . . , X_k.

Dalam penelitian ini, digunakan empat variabel yang terdiri dari satu variabel bebas Y dan tiga variabel X yaitu X₁, X₂, dan X₃. Maka persamaan regresi bergandanya adalah :

Y_i = b₀+ b₁X₁_i+b₂X₂_i_{+ b3X3i} 2.2 Persamaan di atas dapat dapat diselesaikan dengan empat bentuk yaitu :



                2 3 3 3 2 2 3 1 1 3 0 3 3 2 3 2 2 2 21 1 1 2 0 2 3 1 3 2 1 2 2 1 1 0 1 3 3 2 2 1 1 i i i i i i i i i i i i i i i i i i i ii i i i i i i o i X b X X b X X b X b X Y X X b X b X X b X b X Y X X b X X b X b X b X Y X b X b X b n b Y 2.3

Sistem persamaan tersebut dapat disederhanakan sedikit, apabila: x1=X1– X 1

x₂=X₁–X₂ x₃=X₃–X₃ y = Y–Y_.

Maka persamaan sekarang menjadi: y = b₁x₁+b

2x2+b3x3 2.4

(21)



         2 3 3 3 2 2 3 1 1 3 3 2 3 2 2 2 2 1 1 2 3 1 3 2 1 2 2 1 1 1 i i i i i i i i i i i i i i i i i i i i i x b x x b x x b x y x x b x b x x b x y x x b x x b x b x y 2.5

Dengan pengguanaan x₁,x₂,x₃ dan y yang baru ini, maka diperolehlah harga b₀ , b₁, b ₂, dan b₃. Harga setiap koefisien penduga yang diperoleh kemudian disubtitusikan ke persamaan awal sehingga diperoleh model regresi linier berganda Y atas X₁, X₂, dan X₃.

2.3 Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan terlebih dahulu diperiksa setidak-tidaknya mengenai keliniearan dan keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.

Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat untuk regresi yang ditulis JK_reg dan Jumlah Kuadrat untuk sisa (residu) yang

ditulis dengan JK_res.

Jika x₁_i= X₁_i– X ₁, x₂_i= X₂_i–X₂, . . . , x_k= X_ki– X_k dan y_i= Y_i– Y_. maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari:

JK_reg= b₁



x₁_iy_i+b₂



x₂_iy_i ...b_k



x_kiy_i 2.6 dengan derajat kebebasan dk = k

(22)

JK_res=



(Y_i – 2

)

Y 2.7

dengan derajat kebebasan dk = (n – k – 1) untuk sampel berukuran n. Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:

F_hitung=

) 1 /(

 k n JK

k JK

res reg

2.8 Untuk statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang V₁= k dan penyebut V₂= n – k – 1.

2.4 Pengujian Hipotesis

Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah populasi maka tidak menutup kemungkinan untuk terjadinya kesalahan dalam mengambil keputusan antara menolak atau menerima suatu hipotesis.

Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu:

tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana sampel berasal.

Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: Ho (hipotesis nol) dan H1 (hipotesis alternatif). Ho bertujuan untuk memberikan usulan dugaan

(23)

kemungkinan tidak adanya perbedaan antara perkiraan penelitian dengan keadaan yang sesungguhnya dari yang diteliti. H1 bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang diteliti. Pembentukan suatu hipotesis memerlukan teori-teori maupun hasil penelitian terlebih dahulu sebaagai pendukung pernyataan hipotesis yang diusulkan.

Dalam uji keberartian regresi, langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain:

1)Ho : β₀= β₁= . . . = β_k= 0

Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.

H1 : Minimal satu parameter koefisien regresi βkyang ≠ 0

Terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas

2)Pilih taraf α yang diinginkan

3)Hitung statistik Fhitung dengan menggunakan persamaan

4)Nilai F_tabel menggunakan daftar tabel F dengan taraf signifikansi α yaitu F_tabel= F(1)(k),(nk1)

5)Kriteria pengujian : jika F_hitung ≥ F_tabel, maka Ho ditolak dan H1 diterima.

(24)

2.5 Koefisien Determinasi

Koefisien determinasi yang disimbolkan dengan R2 bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai R2dikatakan baik jika berada di atas 0,5 karena nilai R2 berkisar antara 0 dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai untuk penelitian, karena sebagian besar variabel dependen dijelaskan oleh variabel independen yang digunakan dalam model.

Koefisien determinasi dapat dihitung dari:

R2=



    2 2 2 1 1 ) . ( ... i i i ki k i i i i Y Y y x b y x b y x b 2.9

Sehingga rumus umum koefisien determinasi yaitu:

R2=



 n 1 i 2 i reg y JK 2.10

Harga R2 diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.

2.6 Uji Korelasi

Uji korelasi bertujuan untuk menguji hubungan antara dua variabel yang tidak menunjukkan hubungan fungsional (berhubungan bukan berarti disebabkan). Uji korelasi tidak membedakan jenis variabel (tidak ada variabel dependen maupun independen). Keeratan hubungan ini dinyatakan dalam bentuk koefisien korelasi.

(25)

Uji korelasi terdiri dari Pearson, Spearman dan Kendall. Jika sampel data lebih dari 30 (sampel besar) dan kondisi data normal, sebaiknya menggunakan korelasi Pearson (karena memenuhi asumsi parametrik). Jika jumlah sampel kurang dari 30 (sampel kecil) dan kondisi data tidak normal maka sebaiknnya menggunakan korelasi Spearman atau Kendall (karena memenuhi asumsi non-parametrik).

2.6.1 Koefisien Korelasi

Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antarvariabel. Koefisien korelasi biasanya disimbolkan dengan r. Koefisien korelasi dapat dirumuskan sebagai berikut :

r_{y.1, 2, …, k}= √

2.11

Sedangkan untuk mengalami korelasi antar variabel bebas dengan tiga buah variabel bebas adalah:

1) Koefisien korelasi antara X1 dan X2

r12 =

√ ( }

2.12

2) Koefisien korelasi X1 dan X3

r 13 =

√ ( }

(26)

3) Koefisien korelasi X2 dan X3

r 23 =

√ ( }

2.14

Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah plus (+) atau minus (-) yang menunjukan arah korelasi. Makna sifat korelasi:

 Korelasi Nihil berarti apabila terjadi perubahan pada variabel yang satu diikuti perubahan pada variabel yang lain dengan arah yang tidak teratur (acak). Artinya, apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel yang lain dan kadang diikuti dengan penurunan pada variabel yang lain.

 Korelasi positif

Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding lurus). Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan peningkatan variabel lain.

 Korelasi Negatif

Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan yang lain dengan arah yang berlawanan (berbanding terbalik). Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan penurunan pada variabel yang lain dan sebaliknya.

(27)

Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut:

1. 0,00 sampai dengan 0,20 berarti korelasi memiliki keeratan sangat lemah. 2. 0,21 sampai dengan 0,40 berarti korelasi memiliki keeratan lemah.

3. 0,41 sampai dengan 0,70 berarti korelasi memiliki keeratan kuat. 4. 0,71 sampai dengan 0,90 berarti korelasi memiliki keeratan sangat kuat. 5. 0,91 sampai dengan 0,99 berarti korelasi memiliki keeratan sangat kuat sekali. 6. 1 berarti korelasi sempurna.

2.7 Uji Koefisien Regresi Linier Berganda

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi.

Misalkan populasi memiliki model regresi linier berganda: µ

n x x x

y.1. 2... = β0+ β1X1+ β2X2+ . . . + βkXk 2.15

yang berdasarkan sebuah sampel acak berukuran n ditaksir oleh regresi berbentuk:

Y = b₀+ b1 X1+ b2X2+ . . . + bkXk _2.16

Akan dilakukan pengujian hipotesis dalam bentuk:

Ho : βi= 0, i = 1, 2, . . ., k

H1 : βi≠ 0, i = 1, 2, . . ., k

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran sy.12...k, jumlah

kaudrat-kuadrat ∑x2

(28)

masing-masing variabel bebas X dengan variabel tak bebas Y dalam regresi yaitu R_i. Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien b_iyakni:

s i b = ) 1 )( x

( 2_ij 2

2 ... 12 .



 i

k y R s 2.17 keterangan: s2 .. 12 . k y =

1 ) (Y ^ i   



k n Y ∑x2

ij= ∑ (Xj- Xj)

R2=



 n 1 i 2 i reg y JK

Selanjutnya hitung :

t_i=

i b i s b 2.18 Dengan kriteria pengujian : jika t_i> t_tabel, maka tolak Ho dan jika ti< ttabel, maka

terima Ho yang akan berdistribusi t dengan derajat kebebasan dk = (n-k-1) dan ttabel = t(n-k-1,α/2).

(29)

BAB 3

SEJARAH SINGKAT BADAN PUSAT STATISTIK (BPS)

3.1 Sejarah Badan Pusat Statistik (BPS)

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. Badan Pusat Statistik melakukan kegiatan yang ditugaskan oleh pemerintah antara lain pada bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan.

Selain hal-hal tersebut BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi, dan ukuran-ukuran lainnya. Berikut ini beberapa masa peralihan di Badan Pusat Statistik yaitu:

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directur Vand Land Bouw Nijeverbeid en Handel), dan berkedudukan di Bogor. Kantor ini ditugaskan untuk mengelola dan mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu Komisi untuk statistik yang anggotanya merupakan tiap–tiap Departemen. Komisi tersebut diberi tugas merencanakan tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

(30)

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Vor de Statistik (CKS) atau Kantor Statistik dan dipindahkan ke Jakarta. Bersama dengan itu, beralih juga pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer Uitvoer en Accijnsen (IUA) yang disebut sekarang Kantor Bea dan Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini juga CKS diganti nama menjadi Shomubu Chosasitu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik

Setelah proklamasi kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KPPURI (Kantor Penyelidikan Perangkaan Umum Republik Indonesia). Tahun 1946, kantor KPPURI dipindahkan ke Yogyakarta sebagai hasil dari perjanjian Linggarjati. Sementara itu, pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 No. P/44, lembaga KPS berada di bawah dan bertanggung jawab kepada Menteri Perekonomian. Selanjutnya, keputusan Menteri Perekonomian tanggal 24 September 1953 No. 18.009/M KPS dibagi menjadi 2 (dua) bagian, yaitu bagian

(31)

research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.

Dengan Keputusan Presiden RI No. 131 tahun 1957, kementerian perekonomian dipecah menjadi kementerian perdagangan dan kementerian perindustrian.Untuk selanjutnya, Keputusan Presiden RI No. 172 tahun 1957, terhitung mulai tanggal 1 Juni 1957 KPS diubah menjadi Biro Pusat Statistik.

3.1.4 Masa Orde Baru Sampai Sekarang

Pada pemerintahan Orde Baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat, dan terpercaya mulai diadakan pembenahan Organisasi Biro Pusat Statistik.

Dalam masa orde baru ini Badan Pusat Statistik telah mengalami empat kali perubahan Struktur Organisasi yaitu:

1. Peraturan Pemerintah No. 16 tahun 1968 tentang Organisasi Badan Pusat Statistik.

2. Peraturan Pemerintah No. 6 tahun 1980 tantang Organisasi Badan Pusat Statistik.

3. Peraturan Pemerintah No. 2 tahun 1992 tentang kedudukan, tugas, fungsi, suasana, dan tata kerja Badan Pusat Statistik.

4. Undang–Undang No. 16 tahun 1997 tentang Statistik.

5. Keputusan Presiden RI No. 86 tahun 1998 tentang Badan Pusat Statistik. 6. Keputusan Kepala Badan Pusat Statistik No. 100 tahun 1998 tentang

(32)

7. PP 51 tahun 1999 tentang penyelenggaraan statistik.

Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980, Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968 di tiap Propinsi dan di Kabupaten atau Kotamadya terdapat cabang perwakilan Badan Pusat Statistik. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti Undang-Undang Nomor: 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan RI No. 86 tahun 1998 ditetapkan Biro Pusat Statistik sekaligus mengatur tata kerja dan struktur organisasi Badan Pusat Statistik yang baru.

3.2 Visi dan Misi Badan Pusat Statistik 3.2.1 Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

3.2.2 Misi Badan Pusat Statistik

Dalam perjuangan pembangunan nasional, Badan Pusat Statistik mengembangkan misi mengarahkan pembangunan statistik pada penyajian data statistik yang bermutu handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik dan pengembangan ilmu pengetahuan statistik.

(33)

3.3 Struktur Organisasi Badan Pusat Statistik

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranan dan kegiatan langsung dengan instansi sosial yang terjadi di antara individu-individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai suatu tujuan yang ditetapkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai atau staff.

Struktur organisasi yang ditetapkan di Kantor Badan Pusat Statistik adalah struktur organisasi ini dan staff. Struktur ini mengandung unsur-unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan dan ukuran satuan yang menunjukkan lokasi kekuasaan, pembuatan keputusan, dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi ini dan staf di Kantor Badan Pusat Statistik Propinsi Sumatera Utara adalah:

1. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan-kegiatan yang saling berhubungan satu sama lain.

2. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi manajemen.

3. Pembuatan keputusan yaitu membuat keputusan-keputusan dan mengamati bagaimana pelaksanaan dari keputusan tersebut.

(34)

Adapun struktur organisasi Badan Pusat Statistik Propinsi Sumatera Utara adalah sebagai berikut:

1. Peraturan Presiden Republik Indonesia Nomor: 86 tahun 1998 ditetapkan Badan Pusat Statistik sebagaimana lampiran dalam organisasi Kantor Badan Pusat Statistik Propinsi Sumatera Utara dipimpin oleh seorang Kepala Kantor.

2. Kepala Kantor dibantu tata usaha yang terdiri dari:

 Sub Bagian Urusan Dalam

 Sub Bagian Perlengkapan

 Sub Bagian Keuangan

 Sub Bagian Kepegawaian

 Sub Bagian Bina Potensi/Bina Program

3. Sedangkan Bidang Penunjang Statistik terdiri dari 5 (lima) bidang yaitu: a. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas melaksanakan kegiatan statistik pertanian, industri, konstruksi pertambangan dan energi. b. Bidang Statistik Distibusi

Bidang Statistik Distribusi mempunyai tugas melaksanakan kegiatan statistik konsumen, perdagangan besar, statistik keuangan dan harga produsen serta niaga dan jasa.

c. Bidang Statistik Kependudukan

Bidang BPS Kependudukan mempunyai tugas melaksanakan kegiatan statistik demografi dan rumah tangga, statistik tenaga kerja, serta statistik kesejahteran.

(35)

d. Bidang Integrasi Pengolahan dan Diseminasi Statistik (IPDS)

Bidang IPDS mempunyai tugas untuk penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan program komputer.

e. Bidang Neraca Wilayah dan Analisis Statistik

Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas untuk penyusunan neraca produksi, neraca konsumsi, dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

(36)

BAB 4

PENGOLAHAN DATA

4.1 Menentukan Model Persamaan Regresi Linier Berganda

Dalam penelitian ini, data yang dikumpulkan adalah data mengenai tingkat kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu jumlah kendaraan bermotor, panjang jalan, dan jumlah pelanggaran lalu lintas.

Untuk memperoleh model yang cocok dalam menduga tingkat kecelakaan lalu lintas berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis regresi linier dengan satu variabel terikat (dependent variable) dan tiga variabel bebas (independent variable). Dalam hal ini, tingkat kecelakaan lalu lintas sebagai variabel terikat (Y) dan yang menjadi variabel bebas adalah jumlah kendaraan bermotor (X₁), panjang jalan (X₂), dan jumlah pelanggaran lalu lintas (X₃). Data yang diolah adalah data 15 tahun terakhir yaitu tahun 1999-2013.

(37)

Tabel 4.1 Data Jumlah Kecelakaan Lalu Lintas, Jumlah Kendaraan Bermotor, Panjang Jalan, dan Jumlah Pelanggaran Rambu–Rambu Lalu

Lintas

Tahun

Jumlah Kecelakaan Lalu

Lintas (Orang)

Jumlah Kendaraan

Bermotor (Unit)

Panjang Jalan (Km)

Jumlah Pelanggaran

Rambu-Rambu Lalu

Lintas

1999 503 513.460 1.455,05 57.288

2000 436 556.032 1.529,02 36.669

2001 430 603.138 1.529,24 35.701

2002 344 614.162 2.351,36 13.057

2003 289 627.669 2.351,36 11.063

2004 239 663.322 2.351,36 12.925

2005 242 714.141 3.078,94 31.134

2006 256 792.531 3.078,94 20.796

2007 277 906.918 3.078,94 34.550

2008 304 1.022.755 3.078,94 50.009

2009 618 1.172.128 3.078,94 56.671

2010 1.048 1.289.746 3.078,94 73.864

2011 862 1.425.943 3.078,94 57.258

2012 877 1.585.221 3.078,35 49.096

2013 1.055 1.762.290 3.078,94 86.364

(38)

Tabel 4.2 Data Jumlah Kecelakaan Lalu lintas, Jumlah Kendaraan Bermotor, Panjang Jalan, dan Jumlah Pelanggaran Rambu- Rambu Lalu

Lintas Dengan Variabel Dilambangkan

Tahun Y Variabel Bebas

X1 X2 X3

1999 503 513.460 1.455,05 57.288 2000 436 556.032 1.529,02 36.669 2001 430 603.138 1.529,24 35.701 2002 344 614.162 2.351,36 13.057 2003 289 627.669 2.351,36 11.063 2004 239 663.322 2.351,36 12.925 2005 242 714.141 3.078,94 31.134 2006 256 792.531 3.078,94 20.796 2007 277 906.918 3.078,94 34.550 2008 304 1.022.755 3.078,94 50.009 2009 618 1.172.128 3.078,94 56.671 2010 1.048 1.289.746 3.078,94 73.864 2011 862 1.425.943 3.078,94 57.258 2012 877 1.585.221 3.078,35 49.096 2013 1.055 1.762.290 3.078,94 86.364

Hubungan antara variabel-variabel bebas X terhadap variabel tak bebas Y dapat terlihat melalui persamaan penduga untuk regresi linier berganda. Persamaan penduga tersebut, yaitu :

Y = b0 + b1X1 + b2X2 + b3X3

Untuk menentukan koefisien-koefisien regresi tersebut (b0, b1, b2, b3), maka

dibutuhkan beberapa tabel untuk nilai- nilai n, ∑Y, ∑X1, ∑X2, ∑X3, ∑X1Y, ∑X2Y,

(39)

Tabel 4.3 : Nilai-nilai yang diperlukan untuk menentukan koefisien regresi

No. Y X1 X2 X3 X3

1 503 513.460 1.455,05 57.288 3.281.914.944 2 436 556.032 1.529,02 36.669 1.344.615.561 3 430 603.138 1.529,24 35.701 1.274.561.401 4 344 614.162 2.351,36 13.057 170.485.249 5 289 627.669 2.351,36 11.063 122.389.969 6 239 663.322 2.351,36 12.925 167.055.625 7 242 714.141 3.078,94 31.134 969.325.956 8 256 792.531 3.078,94 20.796 432.473.616 9 277 906.918 3.078,94 34.550 1.193.702.500 10 304 1.022.755 3.078,94 50.009 2.500.900.081 11 618 1.172.128 3.078,94 56.671 3.211.602.241 12 1048 1.289.746 3.078,94 73.864 5.455.890.496 13 862 1.425.943 3.078,94 57.258 3.278.478.564 14 877 1.585.221 3.078,35 49.096 2.410.417.216 15 1055 1.762.290 3.078,94 86.364 7.458.740.496

7.780 14.249.456 39.277,26 626.445 33.272.553.915

Sambungan Tabel 4.3

X12 X22 YX2 YX3

263.641.171.600 2.117.170,50 731.890,15 28.815.864 309.171.585.024 2.337.902,16 666.652,72 15.987.684 363.775.447.044 2.338.574,98 657.573,20 15.351.430 377.194.962.244 5.528.893,85 808.867,84 4.491.608 393.968.373.561 5.528.893,85 679.543,04 3.197.207 439.996.075.684 5.528.893,85 561.975,04 3.089.075 509.997.367.881 9.479.871,52 745.103,48 7.534.428 628.105.385.961 9.479.871,52 788.208,64 5.323.776 822.500.258.724 9.479.871,52 852.866,38 9.570.350 1.046.027.790.025 9.479.871,52 935.997,76 15.202.736 1.373.884.048.384 9.479.871,52 1.902.784,9 35.022.678 1.663.444.744.516 9.479.871,52 3.226.729,12 77.409.472 2.033.313.439.249 9.479.871,52 2.654.046,28 49.456.396 2.512.925.618.841 9.476.238,72 2.699.712,95 43.057.192 3.105.666.044.100 9.479.871,52 3.248.281,70 91.114.020

(40)

Sambungan Tabel 4.3

X1X2 X1X3 X2X3 Y1X1

747.109.973,00 29.415.096.480 83.356.904,40 258.270.380 850.184.048,64 20.389.137.408 56.067.643,38 242.429.952 922.342.755,12 21.532.629.738 54.595.397,24 259.349.340 1.444.115.960,32 8.019.113.234 30.701.707,52 211.271.728 1.475.875.779,84 6.943.902.147 26.013.095,68 181.396.341 1.559.708.817,92 8.573.436.850 30.391.328,00 158.533.958 2.198.797.290,54 22.234.065.894 95.859.717,96 172.822.122 2.440.155.397,14 16.481.474.676 64.029.636,24 202.887.936 2.792.346.106,92 31.334.016.900 106.377.377,00 251.216.286 3.149.001.279,70 51.146.954.795 153.974.710,46 310.917.520 3.608.911.784,32 66.425.665.888 174.486.608,74 724.375.104 3.971.050.549,24 95.265.798.544 227.422.824,16 1.351.653.808 4.390.392.940,42 81.646.644.294 176.293.946,52 1.229.162.866 4.879.865.065,35 77.828.010.216 151.134.671,60 1.390.238.817 5.425.985.172,60 152.198.413.56 265.909.574,16 1.859.215.950

39.855.842.921,07 689.434.360.624 169.661.5134,06 8.803.742.108

Dari tabel tersebut diperoleh harga-harga sebagai berikut:

n = 15 ∑ X1X2 = 39.855.842.921,07

∑ Y = 7.780 ∑ X1X3 = 689.434.360.624

∑ X1 = 14.249.456 ∑ X2X3 = 169.661.5134,06

∑ X2 = 39.277,26 ∑ YX1= 8.803.742.108

∑ X3 = 626.445 ∑ YX2 = 21.160.233,22

∑ X12 = 15.843.612.312.838 ∑ YX3= 404.523.916

∑ X22 = 108.695.540,10

∑ X32 = 33.272.553.915

Rumus umum persamaan regresi linier berganda dengan tiga variabel bebas yaitu:

(41)

Dan diperoleh melalui persamaan-persamaan berikut:



















2 3 3 3 2 2 3 1 1 3 0 3 3 2 3 2 2 2 21 1 1 2 0 2 3 1 3 2 1 2 2 1 1 1 0 1 3 3 2 2 1 1 i i i i i i i i i i i i i i i i i i i i i i i i i i o i

X

b

X

b

X

b

X

b

X

Y

X

b

X

b

X

b

X

b

X

Y

X

b

X

b

X

b

X

b

X

Y

X

b

X

b

X

b

n

b

Y

Harga-harga yang telah diperoleh disubsitusikan ke dalam bentuk persamaan tersebut, maka didapatkan:

7.780 = b₀15 + b₁14.249.456 + b₂39.277,26 + b₃626.445

8.803.742.108 = b₀14.249.456 + b₁15.843.612.312.838 + b₂39.855.842.921,07 + b₃689.434.360.624

21.160.233,22 = b₀39.277,26 + b₁39.855.842.921,07 + b₂108.695.540,10 + b₃169.661.5134,06

404.523.916 = b₀49.096 + b₁39.855.842.921,07 + b₂169.661.5134,06 + b₃33.272.553.915

Setelah persamaan di atas diselesaikan, maka diperolehlah nilai koefisien-koefisien linier bergandanya antara lain:

b₀= 226,647 b₁_{= 0,001} b2= - 0,192

b₃ = 0,004

Dari koefisien-koefisien yang diperoleh dibentuklah model persamaan regresi linier berganda:

(42)

Y = 226,647 + 0,001X₁ - 0,192X₂+ 0,004 X₃

Tabel 4.4 Penyimpangan Nilai Koefisien

x₁_i x₂_i x₃_i y_i

-436503.73 -1163.43 15525 -15.67 -393931.73 -1089.46 -5094 -82.67 -346825.73 -1089.24 -6062 -88.67 -335801.73 -267.12 -28706 -174.67 -322294.73 -267.12 -28706 -229.67 -286641.73 -267.12 -28838 -279.67 -235822.73 460.46 -10629 -276.67 -157432.73 460.46 -20967 -262.67 -43045.73 460.46 -7213 -241.67 72791.27 460.46 8246 -214.67 222164.27 460.46 14908 99.33 339782.27 460.46 32101 529.33 475979.27 460.46 15495 343.33 635257.27 459.87 7333 358.33 812326.27 460.46 44601 536.33

Sambungan Tabel 4.4

x₁_iy_i x₂_iy_i x₃_iy_i

6.838.558,49 18.227,13 -243.225,00 32.565.023,29 90.062,36 421.104,00 30.751.881,69 96.579,63 537.497,33 58.653.369,42 46.657,66 5.013.981,33 74.020.357,09 61.349,48 6.592.811,33 80.164.138,09 74.705,68 8.065.027,33 65.244.289,56 -127.392,83 2.940.690,00 41.352.331,29 -120.946,44 5.507.332,00 10.402.718,89 -111.276,87 1.743.141,67 -15.625.858,58 -98.844,55 -1.770.141,33 22.068.317,16 45.738,63 1.480.861,33 179.858.079,82 243.734,71 16.992.129,33 16.341.9548,22 158.089,89 5.319.950,00 227.633.853,89 164.785,32 2.627.658,33 435.677.654,36 246.957,90 23.921.003,00

(43)

Sambungan Tabel 4.4

Y Y_i-

Y (Y_i-

Y )2 y2

512.19 -9.19 84.41 245,44

445.92 -9.92 98.38 6.833,78

473.40 -43.40 1883.80 7.861,78 234.86 109.14 11912.60 30.508,44 236.06 52.94 2802.96 52.746,78 267.00 -28.00 784.26 78.213,44

232.27 9.73 94.65 76.544,44

244.06 11.94 142.60 68.993,78 373.68 -96.68 9346.39 58.402,78 510.90 -206.90 42809.53 46.081,78 636.12 -18.12 328.47 9.867,11 781.29 266.71 71131.86 280.193,78 807.06 54.94 3018.60 117.877,78 881.19 -4.19 17.53 128.402,78 1144.00 -89.00 7921.03 287.653,44

152377.06 1.250.427,33

Dari Tabel 4.4 tersebut diperoleh nilai-nilai berikut:

∑ x1iyi = 1.413.024.262,67

∑x₂_iy_i = 788.427,70

∑x3iyi = 79.607.776,00

∑(Y_i-

Y )2= 152.370,676

Setelah mendapatkan persamaan regresi, langkah selanjutnya adalah menghitung kesalahan baku. Sedemikian hingga diperoleh:

s2_y_.₁₂_.._k =

1 ) (Y

^ i

 





k n

s2_y_,₁_.₂_.₃ =

(44)

4.2 Uji Keberartian Regresi 4.2.1 Uji F (Simultan)

Langkah - langkahnya sebagai berikut: 1) Menentukan formulasi hipotesanya

H0: b1= b2=b3= 0 Tidak terdapat pengaruh yang signifikan antara variabel bebas dengan tak bebas

H: b1 b2 b3 0 Terdapat pengaruh yang signifikan antara variabel bebas dengan variabel tak bebas

2) Menentukan taraf nyata

Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk penyebut (v2) =15 – 3 – 1 = 11 maka diperoleh F(3;6;0,05) = 3,59

3) Kriteria pengujian

H0 diterima apabila Fhitung Ftabel H0 ditolak apabila Fhitung Ftabel 4) F-hitung

F =

Untuk menguji model regresi linier berganda yang telah terbentuk, maka dilakukan pengujian dengan menggunakan uji F yang memerlukan nilai-nilai yj, x1j, dan x2j, nilai-nilai tersebut dapat diperoleh melalui rumus berikut: yj = Y - ̅ x1j = X1 - ̅

(45)

Dapat dihitung nilai jumlah kuadrat regresi (JKreg) dan nilai jumlah kuadrat residu (JKres) dari Tabel 4.4:

Sehingga diperoleh dua macam jumlah kuadrat-kuadrat yakni JK_regdan

JK_res sebagai berikut:

JKreg = b1



x1iyi+ b2∑x2iyi+ b3∑x3iyi

= (0,001)(1.413.024.262,67) + (-0,192)(788.427,70) (0,004) (79.607.776,00)

= 938.877,1844 -151.145,133 + 310.318,2181 = 1.098.050,269

JK_res = ∑(Y_i-

Y)2 = 152.377.06

Jadi Fhitung dapat dicari dengan:

F_hitung=

) 1 /( /  k n JK k JK res reg = ) 1 3 15 /( 06 , 377 . 152 3 / 269 1.098.050,   = 46 , 852 . 13 7563 , 016 . 366

= 26, 422

5) Dengan demikian dapat kita lihat bahwa nilai F_hitung(26,422) > F_tabel(3,59). Maka Ho ditolak dan H1 diterima. Hal ini berarti persamaan linier berganda Y atas

(46)

X₁,X₂,X₃ bersifat nyata yang berarti bahwa jumlah kendaraan bermotor, panjang jalan dan jumlah pelanggaran rambu-rambu lalu lintas secara bersama-sama berpengaruh terhadap terjadinya tingkat kecelakaan lalu lintas.

4.3 Koefisien Determinasi

Dari Tabel 4.4 dapat dilihat harga ∑y2= 1.250.427,33 dan nilai JK_reg = 1.098.056,657 telah dihitung sebelumnya, maka diperoleh nilai koefisien detrminasi:

R2=





1 i

2 i reg

y JK

R2=

33 1.250.427,

657 1.098.056,

= 0,878

Untuk koefisien korelasi ganda digunakan rumus, maka: R = R2

R = 0,878 R = 0,937

Dari hasil perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,937 yang menunjukkan bahwa korelasi antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi R2 diperoleh sebesar 0,878 yang berarti sekitar 87% tingkat kecelakaan lalu lintas yang terjadi dipengaruhi oleh jumlah kendaraan, panjang

(47)

jalan, dan jumlah pelanggaran rambu-rambu lalu lintas. Sedangkan sisanya sebesarnya sebesar 100% - 87% = 13% dipengaruhi oleh faktor-faktor yang lain. 4.4 Koefisien Korelasi

4.4.1 Korelasi antara Variabel Bebas dan Variabel Terikat

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas, maka dari tabel dapat dihitung besar koefisien korelasinya yaitu:

1. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah kendaraan bermotor (X₁)

r_y₁=





















 2 2 2 1 2 1 1 1 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n =







(7.780) -5.285.654) )( 15 ( 6) (14.249.45 -838) 3.612.312. (15)(15.84 6)(7.780) (14.249.45 -) 108 . 742 . 803 . 8 )( 15 ( =



34.607.188.396.634



18.756.410



7.680 110.860.76 -1.620 132.056.13 = 000.000 4.514.510. 649.106.61 .940 21.195.363

= 0, 832

2. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah panjang jalan (X

2) r_y₂=



_





_







_





_



 2 2 2 2 2 2 2 2 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n







(7.780) -.654) (15)(5.285 ) (39.277,26 -95.540,10) (15)(108.6 )(7.780) (39.277,26 -,22) 21.160.233 )( 15 ( 

(48)



87.729.948,40



18.756.410



2,80 305.577.08 -8,30 317.403.49  0 881.495.51 1.645.498. ,50 11.826.415 

= 0, 292

3. Koefisien korelasi antara tingkat kecelakaan lalu lintas (Y) dengan jumlah pelanggaran rambu-rambu lalu lintas (X

ry3=



_





_







_





_



 2 2 2 2 3 3 3 ) ( ) 3 ( ) )( ( i i i i i i Y Y n X X n Y X Y X n =







(7.780) -5.285.654) )( 15 ( (626.445) -2.553.915) (15)(33.27 .780) (626445)(7 -6) 404.523.91 )( 15 ( =



106.654.970.700



18.756.410



100 4.873.742. -740 6.067.858. = 0.000 358.987.19 2.000.464. 640 1.194.116.

= 0, 844

4.4.2 Korelasi antara Variabel Bebas

1. Koefisien korelasi antara junlah kendaraan bermotor (X

1) dengan jumlah panjang jalan (X

(49)

r_{1 2}=



_





_





_





_



 2 2 2 2 2 1 2 1 2 1 2 1 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n







) (39.277,26 -0,10) 108.695.54 )( 15 ( 6) (14.249.45 -838) 3.612.312. (15)(15.84 26) 6)(39.277, (14.249.45 -.921,07) 39.855.842 )( 15 (  =



34.607.188.396.634



87.729.948,40



8.170,56 559.679.58 -3.816,05 597.837.64 = 0.000.000 852.354.24 3.036.086. .645,49 38.158.055

= 0, 693

2. Koefisien korelasi antara jumlah kendaraan bermotor (X

1) dengan jumlah pelanggaran rambu-rambu lalu lintas (X

r_{1 3}=



_





_





_





_



 2 3 2 3 2 1 2 1 3 1 3 1 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n







(626.445) -2.553.915) (15)(33.27 6) (14.249.45 -3.612.838) (15)(15.84 ) 6)(626.445 (14.249.45 -.409.360) 10.341.515 )( 15 ( 



34.607.188.396.634



106.654.970.700



463.920 8.926.500. -.409.360 10.341.515  = 000 0.000.000. 664.452.38 3.691.028. 945.440 1.415.014.

(50)

3. Koefisien korelasi antara panjang jalan (X

2) dengan jumlah pelanggaran rambu-rambu lalu lintas (X

r₂₃=



_





_





_





_



 2 3 2 3 2 2 2 2 3 21 3 2 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n







(626.445) -.915) 33.272.553 )( 15 ( ) (39.277,26 -95.540,10) (15)(108.6 )(626.445) (39.277,26 -134,06) 1.696.615. )( 15 (  =



87.729.948,40



106.654.970.700



.141 24.605.043 -.011 25.449.227 = 0.000 076.263.86 9.356.835. 0,20 844.183.87

= 0, 276

Dari perhitungan koefisien korelasi baik antara variabel bebas terhadap variabel tak bebas maupun antara sesama variabel bebas diperoleh kesimpulan sebagai berikut:

1.r_y₁ = 0, 832; variabel X₁berkorelasi sangat kuat terhadap variabel Y 2. r_y₂= 0, 292; variabel X₂berkorelasi lemah terhadap variabel Y

3. ry3= 0, 844; variabel X3berkorelasi sangat kuat terhadap variabel Y

4. r1 2= 0, 693; variabel X1berkorelasi kuat terhadap variabel X2

5. r_{1 3}= 0, 737; variabel X1berkorelasi sangat kuat terhadap variabel X3

(51)

4.5.1 Apakah X1 mempegaruhi Y ?

Langkah-langkah penhujiannya sebagai berikut: 1) Menentukan formulasi hipotesanya

H0 : b1=b2=b3=0 Jumlah Kendaraan Bermotor tidak berpengaruh secara signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

Ha : b1 b2 b3 0 Jumlah Kendaraan Bermotor berpengaruh secara signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

2) Menentukan taraf nyata

Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan

( ) = (1- ) = (1-0,025) = 0,975 dan dk = n – k = 15 - 3 = 12 . t(7;0,975) = 2,201

3) Kriteria pengujian

H0 diterima apabila thitung ttabel H0 ditolak apabila thitung ttabel

4) t-hitung t =

Untuk menentukan nilai thitung, maka terlebih dahulu dilakukan pencarian nilai Sb1, rumusannya sebagai berikut:

Sb1 = √

(52)

Nilai Sb1 dapat diperoleh melalui pencarian, pertama nilai kesalahan baku tafsirannya.

Untuk X1 yang mempengaruhi Y maka dicari dengan rumusan:

s2_y_.₁₂_.._k =

1 ) (Y

^ i

 





k n

s2_y_,₁_.₂_.₃ =

= 13.852,46

R2 = 0,878

Ketiga menentukan nilai Sb1

s 1

b = √

2 3 . 2 . 1 , y

√

= 0.000221843

Kemudian nilai thitung dapat diperoleh sebagai berikut: t =

(53)

t =

t = 4,508

5) Didapat thitung = 4,508 ttabel = 2,201. thitung ttabel maka H0 ditolak dan H1 diterima. Hal ini berarti bahwa Jumlah Kendaraan Bermotor berpengaruh secara simultan dan signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

4.5.2 Apakah X2 mempegaruhi Y

Langkah - langkah pengujiannya sebagai berikut: 1) Menentukan formulasi hipotesanya

H0 : b1=b2=b3=0 Panjang Jalan tidak berpengaruh secara signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

Ha : b1 b2 b3 0 Panjang Jalan berpengaruh secara signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

2) Menentukan taraf nyata

Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan ( ) = (1- ) =

(1-0,025) = 0,975 dan dk = n – k = 15 - 3 = 12. F(7;0,975) = 2,201 3) Kriteria pengujian

H0 diterima apabila thitung ttabel Ha ditolak apabila thitung ttabel 4)

t =

(54)

Untuk menentukan nilai dilakukan dengan menentukan kekeliruan baku taksiran dari koefisien b2 terlebih dahulu.

Sb2 =√

diperoleh dengan:

s2_y_.₁₂_.._k =

1 ) (Y

^ i

 





k n

s2_y_,₁_.₂_.₃ =

= 13.852,46

R2 = 0,878

Ketiga menentukan nilai Sb2

s 2

b = √

2 3 . 2 . 1 , y

= √

(55)

Kemudian nilai thitung dapat diperoleh sebagai berikut: t =

t = t = -1, 378

5) Didapat thitung = -1,378 ttabel = 2,201. thitung ttabel maka H0 diterima dan H1 ditolak. Hal ini berarti bahwa Panjang Jalan kurang berpengaruh secara simultan dan signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

4.5.3 Apakah X3 mempegaruhi Y

Langkah - langkah pengujiannya sebagai berikut: 1) Menentukan formulasi hipotesanya

H0: b1=b2=b3=0 Jumlah Pelanggaran Rambu–Rambu Lalu Lintas tidak berpengaruh secara signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

H1: b1 b2 b3 0 Jumlah Pelanggaran Rambu – Rambu Lalu Lintas berpengaruh secara signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

2) Menentukan taraf nyata

Dengan taraf nyata α = 0,05 maka nilai tingkat signifikan ( ) = (1- ) =

(1-0,025) = 0,975 dan dk = n – k = 15 - 3 = 12. F(7;0,975) = 2,201 3) Kriteria pengujian

(56)

H0 diterima apabila thitung ttabel Haditolak apabila thitung ttabel 4)

t =

Untuk menentukan nilai dilakukan dengan menentukan kekeliruan baku taksiran dari koefisien b2 terlebih dahulu.

Sb3 =√

diperoleh dengan:

s2_y_.₁₂_.._k =

1 ) (Y

^ i

 





k n

s2_y_,₁_.₂_.₃ =

= 13.852,46 R2 = 0,878

Ketiga menentukan nilai Sb3

s 3

b = √

2 3 . 2 . 1 , y

= √ = √

(57)

Kemudian nilai thitung dapat diperoleh sebagai beriku: t =

t = t = 1,0009

5) Didapat thitung = 1,0009 ttabel = 2,201. thitung ttabel maka H0 diterima dan Ha ditolak. Hal ini berarti bahwa Jumlah Pelanggaran Rambu – Rambu Lalu Lintas kurang berpengaruh secara simultan dan signifikan terhadap Jumlah Kecelakaan Lalu Lintas.

(58)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain yang tertulis ke dalam programming.Pengolahan data pada tugas akhir ini menggunakan software yaitu SPSS 20 for Windows dalam memperoleh hasil perhitungan.

5.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket program komputer yang digunakan untuk mengolah data statistik. Banyak program lain yang juga dapat digunakan untuk olah data statistik, misalnya Microstat, SAS, Statistica, SPSS-2000 dan lain-lain, namun SPSS lebih populer dibandingkan dengan program lainnya. SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam bebagai macam riset, sehingga program ini paling banyak digunakan di seluruh dunia.

SPSS pertama sekali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan versi Windows. SPSS dengan sistem Windows telah mengeluarkan software

(59)

dengan beberapa versi yang berkembang dalam penggunaannya dalam mengolah data statistika.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis penggunaan, misalnya untuk proses produksi di perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi singkatan dari Statistical Product and Service Solutions.

5.3 Pengolahan Data dengan SPSS

1. Memulai SPSS pada window yaitu sebagai berikut: a) Pilih menu Start dari Windows

b) Selanjutnya pilih menu Program c) Pilih SPSS Inc, IBM Statistics 20

(60)

Gambar 5.2 Tampilan Worksheet SPSS 20.0 For Windows

5.4 Mengoperasikan SPSS

Dari tampilan SPSS yang muncul, pilih type in data untuk membuat data baru dari menu utama file, pilih new, lalu klik, maka akan tampil, muncul jendela editor kemudian klik data. Cara menamai variabel dilakukan dengan, Klik variabel View yang terletak sebelah kiri bawah jendela editor, lalu lakukan langkah berikut: a. Name : digunakan untuk memberikan nama variable.

b. Type : digunakan untuk menentukan tipe data. c. Width: digunakan untuk menetukan lebar kolom. d. Decimals : digunakan untuk memberikan nilai desimal. e. Label : digunakan untuk memberi nama variable.

f. Value : digunakan untuk menjelaskan nilai data pada kolom. g. Missing: digunakan untuk menentukan data yang hilang. h. Columns : digunakan untuk menetukan lebar kolom.

(61)

i. Align : digunakan untuk menetukan rata kanan, kiri, atau tengah.

j. Measur : digunakan untuk menentukan tipe atau ukuran data, yaitu nominal, ordinal atau skala.

5.5 Pengolahan Data untuk Regresi

1. Klik lembar Variabel View dari SPSS Data Editor, kita definisikan variabel Y dengan nama variabel Y, variabel X1 dengan nama X1, X2 dengan nama X2.dan X3 dengan nama X3. Untuk variabel Jumlah Kecelakaan Lalu Lintas, Jumlah Kendaraan Bermotor, Panjang Jalan dan Jumlah Pelanggaran Lalu Lintas diberi variable label tetapsebagai berikut:

(62)

3. Klik Analyze → Regression → Linear sebagai berikut:

Gambar 5.5 Tampilan pada Kotak Dialog Regression 4. Kemudian akan didapat tampilan sebagai berikut:

Gambar 5.6 Tampilan Linier Regression

2. Pindahkan variabel Jumlah Kecelakaan Lalu Lintas ke dalam kotak berjudul Dependent dan variabel Jumlah Kendaraan Bermotor, Panjang

(63)

Jalan, dan Jumlah Pelanggaran Lalu Lintas ke dalam kotak berjudul Independent(s). Seperti terlihat pada tampilan berikut:

Gambar 5.7 Tampilan Dependent dan Independent

6. Pastikan memilih Method: Enter. Kemudian klik tombol Statistics dan pastikan memberi tanda check (ν) pada Estimates, Model fit dan Durbin-Watson sebagai berikut:

(64)

Gambar 5.8 Tampilan Linier Regression Statistic

7. Kemudian klik Continue.

8. Klik Plots akan didapat tampilan sebagai berikut:

Gambar 5.9 Tampilan Plots

9. Pilih Normal probability plot. Kemudian standardized residual *ZRESID ke dalam kotak Y: dan standardized predicted value *ZPRED ke dalam kotak X: sebagai berikut:

(65)

Gambar 5.10 Tampilan Linier Regression Plots

10. Kemudian klik Continue dan klik OK.

5.6 Pengolahan Data untuk Korelasi

(66)

Gambar 5.11 Tampilan Correlations Statistic

2. Pada kotak bivariate correlations akan ditampilkan variabel-variabel yang akan diuji. Pindahkan keseluruhan variabel. Kemudian aktifkan pearson, two tailed, dan flag significant correlations lalu klik OK seperti terlihat dalam tampilan berikut ini :

Gambar 5.12 Tampilan Bivariates Correlations Statistic

(67)

BAB 6

KESIMPULAN DAN SARAN

6.1. Kesimpulan

Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain:

1. Dengan menggunakan analisis regresi llinier berganda diperoleh model persamaan linier ganda yaitu:

Y = 226,655 + 0,001X₁ - 0,192X₂+ 0,004 X₃

2. Dengan derajat kebebasan (degrees of freedom) α = 0,05 ; dk_pembilang= k = 3 ; dan dk_penyebut= (n-k-1) = (15-3-1) = 11, diperoleh nilai F _tabel= 3,59. Sedangkan dari hasil perhitungan diperoleh F_hitung= 26,42. Maka F_hitung (26,42) > F_tabel(3,59), maka Ho ditolak. Hal ini berarti bahwa persamaan regresi linier ganda Y atas X₁, X₂, dan X₃ adalah signifikan atau bersifat nyata. Yang artinya bahwa jumlah kendaraan bermotor, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas secara bersama-sama mempengaruhi terjadinya tingkat kecelakaan lalu lintas di Kotamadya Medan.

3. Dari hasil perhitungan koefisien korelasi ganda variabel X₁, X₂, X₃ dan variabel Y, diperoleh korelasi (r) yaitu sebesar 0,937 yang berarti bahwa variabel X dan variabel Y berhubungan secara positif dengan tingkat yang

(68)

tinggi. Adapun nilai koefisien determinasi R2_{diperoleh sebesar 0,878}

yang berarti sekitar 87% tingkat kecelakaan lalu lintas yang terjadi dipengaruhi oleh jumlah kendaraan, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas. Sedangkan sisanya sebesarnya sebesar 100% - 87% = 13% dipengaruhi oleh faktor-faktor yang lain.

4. Dari hasil perhitungan koefisien korelasi antara masing-masing variabel X

1, X2, dan X3 dengan variabel Y diperoleh:

a. Hubungan antara tingkat kecelakaan lalu lintas dengan jumlah kendaraan bermotor adalah sebesar 0, 832

b. Hubungan antara tingkat kecelakaan lalu lintas dengan jumlah panjang jalan adalah sebesar 0,292

c. Hubungan antara tingkat kecelakaan lalu lintas dengan jumlah pelanggaran rambu-rambu lalu lintas adalah sebesar 0,844

Maka faktor yang paling berpengaruh terhadap tingginya tingkat kecelakaan lalu lintas di Kotamadya Medan adalah jumlah pelanggaran rambu-rambu lalu lintas yaitu sebesar 0,844. Artinya semakin banyak terjadi pelanggaran rambu-rambu lalu lintas maka akan semakin tinggilah tingkat kecelakaan lalu lintas yang terjadi.

5. Dari hasil perhitungan distribusi student t_idiperoleh nilai t₁= 4,508,t₂= -1,378, t₃= 0,993. Dan dari tabel distribusi t dengan dk = 11 ; α = 0,05, diperoleh nilai t_tabel= 2,201. Nilai t₁(4,508) > t_tabel(2,201) ; t2(-1,378) <t

(69)

tabel(2,201) dan t3(1,0009) <ttabel(2,201). Dengan demikian koefisien

regresi linier untuk X1 signifikan (berarti), sedangkan untuk X2 dan X3 tidak signifikan (tidak berarti). Maka untuk prediksi tingkat kecelakaan lalu lintas hanya jumlah kendaraan bermotor saja yang memberikan pengaruh yang berarti. Sedangkan panjang jalan dan jumlah pelanggaran rambu-rambu lalu lintas tidak memberikan pengaruh yang berarti terhadap tingkat kecelakaan lalu lintas.

6.2. Saran

1. Dalam menganalisis soal regresi linier berganda khususnya, selain melakukan perhitungan secara manual, sebaiknya dikerjakan juga melalui komputer dengan perangkat lunak seprti SPSS, Excel, dan lain sebagainya agar model yang diperoleh lebih teliti.

2. Bagi pihak pemerintah Kotamadya Medan seperti pihak Satlantas dan Dinas Perhubungan lebih memperhatikan faktor-faktor yang menyebabkan tingginya tingkat kecelakaan lalu lintas agar bisa mengambil kebijakan untuk mengurangi kecelakaan lalu lintas tersebut demi keselamatan masyarakat Kotamadya Medan.

3. Bagi masyarakat Kotamadya Medan agar lebih memperhatikan dan mematuhi rambu-rambu lalu lintas agar dapat mengurangi terjadinya kecelakaan lalu lintas.

(70)

DAFTAR PUSTAKA

Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta: BPFE.

Badan Pusat Statistik (BPS), Medan Dalam Angka. Badan Pusat Statistik Medan Sudjana, 2001. Metode Statistik. Bandung : Tarsito.

Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik. Jakarta: Bumi Aksara.

(71)

DAFTAR PUSTAKA

Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta: BPFE.

Badan Pusat Statistik (BPS), Medan Dalam Angka. Badan Pusat Statistik Medan Sudjana, 2001. Metode Statistik. Bandung : Tarsito.

Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik. Jakarta: Bumi Aksara.

(1)

Gambar 5.11 Tampilan Correlations Statistic

2. Pada kotak bivariate correlations akan ditampilkan variabel-variabel yang akan diuji. Pindahkan keseluruhan variabel. Kemudian aktifkan pearson, two tailed, dan flag significant correlations lalu klik OK seperti terlihat dalam tampilan berikut ini :

Gambar 5.12 Tampilan Bivariates Correlations Statistic

(2)

BAB 6

KESIMPULAN DAN SARAN

6.1. Kesimpulan

Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain:

1. Dengan menggunakan analisis regresi llinier berganda diperoleh model persamaan linier ganda yaitu:

Y = 226,655 + 0,001X₁ - 0,192X₂+ 0,004 X₃

2. Dengan derajat kebebasan (degrees of freedom) α = 0,05 ; dk_pembilang= k = 3 ; dan dk_penyebut= (n-k-1) = (15-3-1) = 11, diperoleh nilai F _tabel= 3,59. Sedangkan dari hasil perhitungan diperoleh F_hitung= 26,42. Maka F_hitung (26,42) > F_tabel(3,59), maka Ho ditolak. Hal ini berarti bahwa persamaan regresi linier ganda Y atas X₁, X₂, dan X₃ adalah signifikan atau bersifat nyata. Yang artinya bahwa jumlah kendaraan bermotor, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas secara bersama-sama mempengaruhi terjadinya tingkat kecelakaan lalu lintas di Kotamadya Medan.

3. Dari hasil perhitungan koefisien korelasi ganda variabel X₁, X₂, X₃ dan variabel Y, diperoleh korelasi (r) yaitu sebesar 0,937 yang berarti bahwa

(3)

tinggi. Adapun nilai koefisien determinasi R2_{diperoleh sebesar 0,878} yang berarti sekitar 87% tingkat kecelakaan lalu lintas yang terjadi dipengaruhi oleh jumlah kendaraan, panjang jalan, dan jumlah pelanggaran rambu-rambu lalu lintas. Sedangkan sisanya sebesarnya sebesar 100% - 87% = 13% dipengaruhi oleh faktor-faktor yang lain.

4. Dari hasil perhitungan koefisien korelasi antara masing-masing variabel X

1, X2, dan X3 dengan variabel Y diperoleh:

a. Hubungan antara tingkat kecelakaan lalu lintas dengan jumlah kendaraan bermotor adalah sebesar 0, 832

b. Hubungan antara tingkat kecelakaan lalu lintas dengan jumlah panjang jalan adalah sebesar 0,292

c. Hubungan antara tingkat kecelakaan lalu lintas dengan jumlah pelanggaran rambu-rambu lalu lintas adalah sebesar 0,844

(4)

tabel(2,201) dan t3(1,0009) <ttabel(2,201). Dengan demikian koefisien regresi linier untuk X1 signifikan (berarti), sedangkan untuk X2 dan X3 tidak signifikan (tidak berarti). Maka untuk prediksi tingkat kecelakaan lalu lintas hanya jumlah kendaraan bermotor saja yang memberikan pengaruh yang berarti. Sedangkan panjang jalan dan jumlah pelanggaran rambu-rambu lalu lintas tidak memberikan pengaruh yang berarti terhadap tingkat kecelakaan lalu lintas.

6.2. Saran

3. Bagi masyarakat Kotamadya Medan agar lebih memperhatikan dan mematuhi rambu-rambu lalu lintas agar dapat mengurangi terjadinya kecelakaan lalu lintas.

(5)

DAFTAR PUSTAKA

Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta: BPFE.

Badan Pusat Statistik (BPS), Medan Dalam Angka. Badan Pusat Statistik Medan Sudjana, 2001. Metode Statistik. Bandung : Tarsito.

Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik. Jakarta: Bumi Aksara.

(6)

DAFTAR PUSTAKA

Algifari, 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta: BPFE.

Badan Pusat Statistik (BPS), Medan Dalam Angka. Badan Pusat Statistik Medan Sudjana, 2001. Metode Statistik. Bandung : Tarsito.

Usman, Husaini, R. Purnomo Setiady Akbar, 1995. Pengantar Statistik. Jakarta: Bumi Aksara.