59
c. Tujuan Belanja Untuk aktifitas berbelanja yang ada pada kawasan ini masyarakat dominan kepada
pasar Tradisional Deli Tua di Kelurahan Deli Tua
IV.5 Model Perhitungan Produksi Perjalanan
Dari data yang diperoleh melalui kuesioner model formulasi produksi perjalanan menggunakan formula Multiple Regression dengan bantuan software
SPSS 13.
a. Analisa Korelasi
Untuk melihat hubungan bivarat, antara variabel independent, yang meliputi jumlah anggota keluarga, jumlah penghasilan keluarga, jumlah
kepemilikan kendaraan, jumlah anggota keluarga yang bekerja, dan jumlah keluarga yang bersekolah dengan Produksi perjalanan Y dapat dilihat dari hasil
uji korelasi Pearson. Korelasi Pearson dapat digunakan sebagai statistik uji, karena keempat variabel yang dianalisis berdistribusi.
60
Correlations
1 ,756
,683 ,445
,700 ,947
,000 ,000
,000 ,000
,000 120
120 120
120 120
120 ,756
1 ,368
,257 ,332
,815 ,000
,000 ,005
,000 ,000
120 120
120 120
120 120
,683 ,368
1 ,617
,451 ,660
,000 ,000
,000 ,000
,000 120
120 120
120 120
120 ,445
,257 ,617
1 ,418
,394 ,000
,005 ,000
,000 ,000
120 120
120 120
120 120
,700 ,332
,451 ,418
1 ,469
,000 ,000
,000 ,000
,000 120
120 120
120 120
120 ,947
,815 ,660
,394 ,469
1 ,000
,000 ,000
,000 ,000
120 120
120 120
120 120
Pearson Correlation Sig. 2-tailed
N Pearson Correlation
Sig. 2-tailed N
Pearson Correlation Sig. 2-tailed
N Pearson Correlation
Sig. 2-tailed N
Pearson Correlation Sig. 2-tailed
N Pearson Correlation
Sig. 2-tailed N
Y X1
X2 X3
X4
X5 Y
X1 X2
X3 X4
X5
Correlation is s ignificant at the 0.01 level 2-tailed. .
Tabel 4.6 Korelasi Varibeldependen produksi perjalanan, dan
independennya jumlah anggota keluarga, jumlah penghasilan keluarga, jumlah kepemilikan kendaraan, jumlah anggota keluarga yang bekerja, dan
jumlah keluarga yang bersekolah.
Korelasi pada kecamatan Deli Tua dengan Varibel dependen produksi perjalanan, dan independennya jumlah anggota keluarga, jumlah penghasilan
keluarga, jumlah kepemilikan kendaraan, jumlah anggota keluarga yang bekerja, jumlah anggota keluarga yang bersekolah.
Dimana: Y adalah produksi perjalanan
adalah jumlah anggota keluarga adalah jumlah penghasilan keluarga
adalah jumlah kepemilikan kendaraan adalah jumlah anggota keluarga yang bekerja
adalah jumlah anggota keluarga yang bersekolah
61
Proses penyeleksian variabel harus sesuai dengan syarat metode analisis regresi linear berganda, bahwa variabel bebas yang akan dipakai dalam model
harus mempunyai korelasi tinggi terhadap variabel terikat dan sesama variabel bebas tidak boleh saling berkorelasi. Apabila terdapat korelasi diantara variabel
bebas, pilih salah satu yang mempunyai nilai korelasi yang terbesar untuk mewakili.
Pada Tabel diatas dapat dilihat bahwa variabel-variabel yang mempunyai hubungan signifikan atau pengaruh besar terhadap produksi perjalanan Y adalah
jumlah anggota keluarga , jumlah pendapatan
, jumlah anggota keluarga bekerja
, dan jumlah anggota keluarga yang sekolah . Jumlah anggota
keluarga mempunyai hubungan yang signifikan dengan produksi perjalanan
Y dengan nilai R koefisien korelasi yaitu sebesar 0,756 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 75,6. Sama
halnya pada variabel jumlah pendapatan mempunyai hubungan yang
signifikan dengan produksi perjalanan Y dengan nilai R koefisien korelasi yaitu sebesar 0,683 atau variabel bebas dapat mempengaruhi variabel terikat
dengan kuat hubungan sebesar 68,3. Sama halnya pada variabel jumlah anggota keluarga bekerja
mempunyai hubungan yang signifikan dengan produksi perjalanan Y dengan nilai R koefisien korelasi yaitu 0,700 atau variabel bebas
dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 70,0. Sama halnya pada variabel jumlah anggota keluarga yang sekolah
mempunyai hubungan yang signifikan dengan produksi perjalanan Y dengan nilai R
koefisien korelasi yaitu 0,947 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 94,7.
62
Dalam uji korelasi didapatkan juga variabel-variabel bebas yang saling berkorelasi kuat, misalnya variabel jumlah anggota keluarga
berkorelasi kuat dengan variabel jumlah anggota keluarga bersekolah
sebesar 0,815 atau 81,5.
2. analisis regresi untuk mendapatkan persamaan model bangkitan Analisis regresi linear berganda digunakan untuk meramalkan suatu
variable terikat Y berdasarkan dua atau lebih variable bebas ,
, …., dalam suatu persamaan linear. Untuk mendapatkan model yang paling sesuai
menggambarkan pengaruh satu atau beberapa variabel bebas terhadap variabel terikatnya dapat digunakan analisis regresi linear berganda Multiple Linear
Regression Analysis. Model regresi linear yang ditampilkan diolah dengan bantuan Software SPSS-13. Langkah pengerjaannya dapat dilihat sebagai berikut.
Masukkan data primer ke dalam data editor dengan terlebih dahulu memberi nama variabel yaitu
63
Kemud ian dilakukan proses analisa regresi dengan klik menu analize dan sorot regression dan linear sebagai berikut.
Kemudian akan muncul dialog box sebagai berikut
64
Masukkan Y pada dependent variable dan ,
, ,
, pada dialog box,
lalu klik OK. Maka hasil regresi akan memunculkan hasil regresi berupa tabel model summary, anova, dan coefficients.
Pada tabel model summary dapat diketahui hasil-hasil sebagai berikut:
R = koefisien korelasi, menunjukkan keeratan hubungan variabel bebas terhadap variabel terikatnya
R square = koefisien determinasi, menyatakan ukuran yang menjelaskan
sejauh mana variabel bebas mempengaruhi variabel terikat Adjusted R square adjusted
= menyatakan koefisien determinasi yang lebih baik dari
yang nilainya selalu lebih kecil dari , bila variabel lebih dari
satu maka yang digunakan adalah adjusted R square. Standard error of the estimate = kesalahan estimasi standar, semakin kecil
nilainya maka maka hasil yang didapat semakin baik atau model yang didapat semakin dekat dengan kenyataan yang sebenarnya.
Pada tabel anova diperoleh hasil sebagai berikut: SSR = Sum of square regression
65
SSE = Sum of square error, jumlah kuadrat kesalahan. = derajat SSR yang besarnya sama dengan banyaknya variabel bebas
= derajat SSE yang besarnya sama dengan banyaknya data dikurangi banyaknya variabel bebas dikurangi 1
MSE = Mean square error, menyatakan ukuran kebaikan model, semakin kecil MSE maka model yang didapat semakin baik.
MSR = Mean square regression F = nilai fungsi anova, F =
Sig = tingkat signifikansi, jika sig α maka pengaruh variabel bebas berpengaruh signifikan terhadap variabel terikat
α = level of significant Sedangkan dari tabel coefficients diperoleh nilai koefisien persamaan dan
nilai t hitung. Nilai t menunjukkan pengaruh variabel bebas secara parsial terhadap variabel terikat.
a. Y –
→ r = 0,756 –
→ r = 0,368 –
→ r = 0,257 –
→ r = 0,332 –
→ r = 0,815 Karena korelasi antara variabel
dan kuat maka
tidak bisa digunakan dalam persamaan bila
di masukkan ke dalam persamaan. Dengan analisa regresi menggunakan program SPSS 13 maka persamaan yang mungkin
terjadi yaitu: •
Dengan satu variabel :
66
Maka persamaan yang terbentuk adalah: Y = 1,108 + 0,539
Dengan nilai R 0,756 dan 0,572
Dapat dilihat bahwa persamaan model regresi linear yang terbentuk, yaitu: Y = 1,108 + 0,539
adalah merupakan model regresi yang menggambarkan pengaruh variable bebas, yaitu jumlah anggota keluarga
yang mempengaruhi produksi perjalanan Y. Tabel anova memaparkan uji kelinearan, dengan
hipotesis sebagai berikut: Ho = model linear antara variabel produksi perjalanan dengan variabel jumlah
anggota keluarga tidak signifikan. Hi = model linear antara variabel produksi perjalanan dengan variabel jumlah
anggota keluarga signifikan.
Model Summary
,756
a
,572 ,568
,85891 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X1
a.
ANOV A
b
116,148 1
116,148 157,439
,000
a
87,052 118
,738 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X1 a.
Dependent Variable: Y b.
Coeffi cients
a
1,108 ,259
4,287 ,000
,539 ,043
,756 12,547
,000 Const ant
X1 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
67
F hitung 156,459 F tabel
1; 118; 0,05
adalah 3,969 sehingga Ho ditolak. Jadi model linear antara variabel produksi perjalanan dengan variabel jumlah anggota
keluarga signifikan. Di samping menggunakan perbandingan F hitung dan F tabel, dapat juga dilakukan perbandingan nilai sig dengan nilai α 0,05. Sig 0,000 α
maka Ho ditolak. Tabel koefisien memaparkan nilai konstanta dan koefisien X dari
persamaan linear yang didapat. Hipotesis uji koefisien X1: Ho = koefisien tidak signifikan.
Hi = koefisien signifikan t hitung 12,547 t tabel
0,05; 118
adalah 1,980, sehingga Ho ditolak, koefisien signifikan. Selain uji t dapat juga dilakukan dengan melakukan
perbandingan sig dengan α. Sig 0,000 α, sehingga Ho ditolak. Jadi dapat disimpulkan ada hubungan yang signifikan antara variabel bangkitan perjalanan
dengan variabel jumlah anggota keluarga. .Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel
terikat dalam model yang terbentuk dapat dilihat koefisien determinan R Square, yaitu sebesar 0,572 atau 57,2.
• Dengan dua variable :
1. dan
Model Summary
,872
a
,761 ,757
,64417 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X2, X1
a.
68
Maka persamaan yang terbentuk adalah: Y = 0,051 + 0,416
+ 0,408 Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat
disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan yang signifikan antara variabel bangkitan perjalanan dengan variabel jumlah
anggota keluarga dan jumlah pendapatan. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,872.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,757 atau 75,7. 2.
dan
ANOV A
b
154,651 2
77,325 186,349
,000
a
48,549 117
,415 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X2, X1 a.
Dependent Variable: Y b.
Coeffi cients
a
,051 ,223
,228 ,820
,416 ,035
,584 12,017
,000 ,408
,042 ,468
9,633 ,000
Const ant X1
X2 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
Model Summary
,799
a
,639 ,633
,79189 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X3, X1
a.
69
Maka diperoleh persamaan: Y = 0,776 + 0,490
+ 0,542 Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat
disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan yang signifikan antara variabel bangkitan perjalanan dengan variabel jumlah
anggota keluarga dan jumlah kepemilikan kendaraan. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,799.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,633 atau 63,3. 3.
dan
ANOV A
b
129,831 2
64,915 103,519
,000
a
73,369 117
,627 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X3, X1 a.
Dependent Variable: Y b.
Coeffi cients
a
,776 ,249
3,121 ,002
,490 ,041
,687 11,952
,000 ,542
,116 ,269
4,671 ,000
Const ant X1
X3 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
Model Summary
,894
a
,798 ,795
,59171 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X4, X1
a.
70
Y = -1,668 + 0,420 + 1,703
Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan
yang signifikan antara variabel bangkitan perjalanan dengan variabel jumlah anggota keluarga dan jumlah anggota keluarga yang bekerja.
Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,894. Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,795 atau 79,5.
• Dengan 3 variabel
1. ,
,
ANOV A
b
162,236 2
81,118 231,689
,000
a
40,964 117
,350 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X4, X1 a.
Dependent Variable: Y b.
Coeffi cients
a
-1, 668 ,300
-5, 551 ,000
,420 ,031
,588 13,368
,000 1,703
,148 ,505
11,473 ,000
Const ant X1
X4 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
Model Summary
,872
a
,761 ,755
,64686 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X3, X1, X2
a.
71
Maka persamaan yang terbentuk adalah: Y = 0,052 + 0,416
+ 0,403 + 0,020
Tabel anova memaparkan Sig 0,000 α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig
0,867 α pada tabel koefisien menunjukkan penolakan Hi bahwa ada hubungan yang
signifikan antara variabel jumlah kepemilikan kendaraan. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,872.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,755 atau 75,5. 2.
, ,
ANOV A
b
154,663 3
51,554 123,210
,000
a
48,537 116
,418 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X3, X1, X2 a.
Dependent Variable: Y b.
Coefficients
a
,052 ,224
,232 ,817
,416 ,035
,584 11,951
,000 ,403
,052 ,462
7,704 ,000
,020 ,117
,010 ,168
,867 Constant
X1 X2
X3 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
72
Maka persamaan yang terbentuk adalah: Y = -1,741 + 0,364
+ 0,280 + 1,302
Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan
yang signifikan antara variabel bangkitan perjalanan dengan variabel jumlah anggota keluarga, jumlah pendapatan keluarga dan jumlah anggota keluarga yang
bekerja. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,935.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,872 atau 87,2.
Model Summary
,935
a
,875 ,872
,46784 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X4, X1, X2
a.
ANOV A
b
177,811 3
59,270 270,795
,000
a
25,389 116
,219 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X4, X1, X2 a.
Dependent Variable: Y b.
Coefficients
a
-1,741 ,238
-7,321 ,000
,364 ,026
,510 14,149
,000 ,280
,033 ,321
8,435 ,000
1,302 ,127
,386 10,287
,000 Constant
X1 X2
X4 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
73
3. ,
,
Maka persamaan yang terbentuk adalah: Y = -1,584 + 0,410
+ 0,207 + 1,574
Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan
yang signifikan antara variabel bangkitan perjalanan dengan variabel jumlah anggota keluarga, jumlah kepemilikan kendaraan dan jumlah anggota keluarga
yang bekerja. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,898.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
Model Summary
,898
a
,807 ,802
,58158 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X4, X1, X3
a.
ANOV A
b
163,965 3
54,655 161,589
,000
a
39,235 116
,338 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X4, X1, X3 a.
Dependent Variable: Y b.
Coefficients
a
-1,584 ,298
-5,323 ,000
,410 ,031
,575 13,159
,000 ,207
,092 ,102
2,261 ,026
1,574 ,157
,467 10,046
,000 Constant
X1 X3
X4 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
74
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,802 atau 80,2.
b. Y –
→ r = 0,683 –
→ r = 0,368 –
→ r = 0,617 –
→ r = 0,451 –
→ r = 0,660 Karena korelasi antara variabel
dengan dan
kuat maka dan
tidak bisa digunakan dalam persamaan bila di masukkan ke dalam
persamaan. Maka persamaan yang didapat yaitu: Y = f{
}, Y = f{ ,
}, Y = f{ ,
}dan Y = f{ ,
, } dengan
analisa regresi menggunakan program SPSS 13 diperoleh persamaan: •
Dengan satu variabel Y = f{
}
Model Summary
,683
a
,466 ,462
,95879 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X2
a.
ANOV A
b
94,724 1
94,724 103,042
,000
a
108,476 118
,919 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X2 a.
Dependent Variable: Y b.
75
Maka persamaan yang terbentuk adalah: Y = 1,631 + 0,595
Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan
yang signifikan antara variabel bangkitan perjalanan dengan variabel jumlah pendapatan keluarga.
Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,683. Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,466 atau 46,6.
• Dengan dua variabel
Y = f{ ,
} dan Y = f{ ,
} Y = f{
, } sudah di jelaskan sebelumnya maka untuk Y = f{
, }:
Coeffi cients
a
1,631 ,268
6,089 ,000
,595 ,059
,683 10,151
,000 Const ant
X2 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
Model Summary
,812
a
,659 ,654
,76911 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X4, X2
a.
76
Maka diperoleh persamaan: Y = -0,911 + 0,401
+ 1,661 Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat
disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan yang signifikan antara variabel bangkitan perjalanan dengan variabel jumlah
pendapatan keluarga dan jumlah anggota keluarga yang bekerja. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,812.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,654 atau 65,4.
• Dengan tiga variabel
Y = f{ ,
, }
Persamaan ini sudah dibahas di atas dengan hasil yang didapat: Y = -1,741 + 0,364
+ 0,280 + 1,302
ANOV A
b
133,992 2
66,996 113,260
,000
a
69,208 117
,592 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X4, X2 a.
Dependent Variable: Y b.
Coeffi cients
a
-,911 ,379
-2, 405 ,018
,401 ,053
,460 7,617
,000 1,661
,204 ,493
8,148 ,000
Const ant X2
X4 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
77
Dengan nilai R 0,935 dan 0,875
c. Y –
→ r = 0,445 Korelasi antara variabel terikat Y dan variabel tidak terikat
kecil maka tidak digunakan di dalam model.
d. Y –
→ r = 0,700 –
→ r = 0,451 –
→ r = 0,418 –
→ r = 0,469 –
→ r = 0,332 Dengan analisa regresi menggunakan program SPSS 13 diperoleh persamaan:
• Dengan satu variabel
Y = f{ }
Model Summary
,700
a
,491 ,486
,93666 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X4
a.
ANOV A
b
99,674 1
99,674 113,609
,000
a
103,526 118
,877 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X4 a.
Dependent Variable: Y b.
78
Maka persamaan yang terbentuk adalah: Y = -0,603 + 2,362
Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan
yang signifikan antara variabel bangkitan perjalanan dengan jumlah anggota keluarga yang bekerja.
Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,700. Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,491 atau 49,1.
• Dengan dua variabel
Y = f{ ,
}, Y = f{ ,
}, Y = f{ ,
}, danY = f{ ,
} Hasil Y = f{
, } dan Y = f{
, } sudah didapat.
1. Y = f{
, }
Coeffi cients
a
-,603 ,459
-1, 314 ,191
2,362 ,222
,700 10,659
,000 Const ant
X4 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
Model Summary
,720
a
,519 ,510
,91427 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X3, X4
a.
79
Maka diperoleh persamaan: Y = -0,496 + 373
+ 2,102 Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat
disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan yang signifikan antara variabel bangkitan perjalanan dengan jumlah anggota
keluarga yang bekerja dan jumlah kepemilikan kendaraan. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,720.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,510 atau 51,0.
2. Y = f{
, }
ANOV A
b
105,401 2
52,700 63,047
,000
a
97,799 117
,836 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X3, X4 a.
Dependent Variable: Y b.
Coeffi cients
a
-,496 ,449
-1, 104 ,272
2,102 ,238
,623 8,829
,000 ,373
,142 ,185
2,617 ,010
Const ant X4
X3 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
80
Maka diperoleh persamaan: Y = -0,226 + 1,106
+ 1,005 Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat
disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan yang signifikan antara variabel bangkitan perjalanan dengan jumlah anggota
keluarga yang bekerja dan jumlah anggota keluarga yang bersekolah. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,991.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,981 atau 98,1.
Model Summary
,991
a
,981 ,981
,17959 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X5, X4
a.
ANOV A
b
199,426 2
99,713 3091,606
,000
a
3,774 117
,032 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X5, X4 a.
Dependent Variable: Y b.
Coeffi cients
a
-,226 ,088
-2, 559 ,012
1,106 ,048
,328 22,976
,000 1,005
,018 ,794
55,613 ,000
Const ant X4
X5 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
81
• Dengan tiga variabel
1. Y = f{
, ,
} Y = -1,741 + 0,364
+ 0,280 + 1,302
Dengan nilai R 0,935 dan 0,875
2. Y = f{
, ,
} Y = -1,584 + 0,410
+ 0,207 + 1,574
Dengan nilai R 0,898 dan 0,807
3. Y = f{
, ,
}
Y = f{ ,
, }
Y = -0,228 + 0,001 + 1,106
+ 1,004
Model Summary
,991
a
,981 ,981
,18036 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X5, X4, X1
a.
ANOV A
b
199,426 3
66,475 2043,503
,000
a
3,774 116
,033 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X5, X4, X1 a.
Dependent Variable: Y b.
Coefficients
a
-,228 ,101
-2,260 ,026
1,106 ,049
,328 22,772
,000 ,001
,016 ,001
,052 ,959
1,004 ,030
,793 33,812
,000 Constant
X4 X1
X5 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
82
Tabel anova memaparkan Sig 0,000 α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig
0,959 α
pada tabel koefisien menunjukkan penolakan Hi bahwa dalam model yang terbentuk ada hubungan yang signifikan antara jumlah bangkitan perjalanan
dengan variabel jumlah anggota keluarga. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,991.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,981 atau 98,1 4.
Y = f{ ,
, }
Y = f{ ,
, }
Model Summary
,814
a
,663 ,654
,76854 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X3, X4, X2
a.
ANOV A
b
134,684 3
44,895 76,009
,000
a
68,516 116
,591 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X3, X4, X2 a.
Dependent Variable: Y b.
Coefficients
a
-,982 ,384
-2,556 ,012
1,706 ,208
,506 8,207
,000 ,437
,062 ,501
7,041 ,000
-,153 ,141
-,076 -1,083
,281 Constant
X4 X2
X3 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
83
Y = -0,982 + 0,437 – 0,153
+ 1,706 Tabel anova memaparkan Sig 0,000 α, sehingga dapat disimpulkan
persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig 0,281 α
pada tabel koefisien menunjukkan penolakan Hi bahwa dalam model yang terbentuk ada hubungan yang signifikan antara jumlah bangkitan perjalanan
dengan variabel jumlah kepemilikan kendaraan. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,814.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,654 atau 65,4, 5.
Y = f{ ,
, }
Model Summary
,991
a
,982 ,981
,17925 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X5, X4, X2
a.
ANOV A
b
199,473 3
66,491 2069,370
,000
a
3,727 116
,032 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X5, X4, X2 a.
Dependent Variable: Y b.
Coefficients
a
-,245 ,089
-2,739 ,007
1,093 ,049
,324 22,235
,000 ,018
,015 ,021
1,202 ,232
,990 ,022
,782 45,144
,000 Constant
X4 X2
X5 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
84
Y = f{ ,
, }
Y = -0,245 + 0,018 + 1,093
+ 0,990 Tabel anova memaparkan Sig 0,000 α, sehingga dapat disimpulkan
persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig 0,232 α
pada tabel koefisien menunjukkan penolakan Hi bahwa dalam model yang terbentuk ada hubungan yang signifikan antara jumlah bangkitan perjalanan
dengan variabel jumlah pendapatan. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,991.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,981 atau 98,1. 6.
Y = f{ ,
, }
Model Summary
,991
a
,981 ,981
,18022 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X5, X3, X4
a.
ANOV A
b
199,432 3
66,477 2046,684
,000
a
3,768 116
,032 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X5, X3, X4 a.
Dependent Variable: Y b.
85
Y = f{ ,
, }
Y = -0,228 - 0,012 + 1,112
+ 1,007 Tabel anova memaparkan Sig 0,000
α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig
0,232 α pada tabel koefisien menunjukkan penolakan Hi bahwa dalam model yang
terbentuk ada hubungan yang signifikan antara jumlah bangkitan perjalanan dengan variabel jumlah kepemilikan kendaraan.
Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,991. Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,981 atau 98,1.
• Dengan empat variabel
1. Y = f{
, ,
, }
Coefficients
a
-,228 ,089
-2,575 ,011
1,112 ,050
,330 22,056
,000 -,012
,029 -,006
-,424 ,672
1,007 ,019
,795 53,805
,000 Constant
X4 X3
X5 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
Model Summary
,937
a
,879 ,874
,46328 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X3, X1, X4, X2
a.
86
Y = f{ ,
, ,
} Y = -1,812 + 0,364
+ 0,316 – 0,154
+ 1,347 Tabel anova memaparkan Sig 0,000 α, sehingga dapat disimpulkan
persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig X3 0,232 α pada tabel koefisien menunjukkan penolakan Hi bahwa dalam model yang
terbentuk ada hubungan yang signifikan antara jumlah bangkitan perjalanan dengan variabel jumlah kepemilikan kendaraan.
Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,937. Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,871 atau 87,1.
2. Y = f{
, ,
, }
ANOV A
b
178,518 4
44,629 207,939
,000
a
24,682 115
,215 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X3, X1, X4, X2 a.
Dependent Variable: Y b.
Coefficients
a
-1,812 ,239
-7,592 ,000
1,347 ,128
,399 10,543
,000 ,364
,025 ,510
14,291 ,000
,316 ,038
,362 8,234
,000 -,154
,085 -,077
-1,815 ,072
Constant X4
X1 X2
X3 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
87
Y = f{ ,
, ,
} Y = -0,278 + 0,009 X1 + 0,021
+ 1,093 X4 + 0,973 X5 Tabel anova memaparkan Sig 0,000
α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig
0,584 dan 0,190 α pada tabel koefisien menunjukkan penolakan Hi bahwa dalam
model yang terbentuk ada hubungan yang signifikan antara jumlah bangkitan perjalanan dengan variabel jumlah anggota keluarga dan jumlah pendapatan
keluarga. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,991.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
Model Summary
,991
a
,982 ,981
,17979 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X5, X4, X2, X1
a.
ANOV A
b
199,483 4
49,871 1542,763
,000
a
3,717 115
,032 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X5, X4, X2, X1 a.
Dependent Variable: Y b.
Coefficients
a
-,278 ,107
-2,584 ,011
1,093 ,049
,324 22,174
,000 ,009
,017 ,013
,549 ,584
,021 ,016
,024 1,317
,190 ,973
,038 ,768
25,893 ,000
Constant X4
X1 X2
X5 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
88
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,981 atau 98,1.
3. Y = f{
, ,
, }
Y = f{ ,
, ,
} Y = -0,264 + 0,028
- 0,038 + 1,10
+ 0,988 Tabel anova memaparkan Sig 0,000
α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig
0,109 dan 0,284 α pada tabel koefisien menunjukkan penolakan Hi bahwa dalam
model yang terbentuk ada hubungan yang signifikan antara jumlah bangkitan perjalanan dengan variabel jumlah pendapatan keluarga dan jumlah kepemilikan
kendaraan.
Model Summary
,991
a
,982 ,981
,17898 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X5, X3, X4, X2
a.
ANOV A
b
199,516 4
49,879 1557,024
,000
a
3,684 115
,032 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X5, X3, X4, X2 a.
Dependent Variable: Y b.
Coefficients
a
-,264 ,091
-2,908 ,004
1,105 ,050
,328 22,012
,000 ,028
,017 ,032
1,617 ,109
-,038 ,033
-,019 -1,161
,248 ,988
,022 ,780
44,986 ,000
Constant X4
X2 X3
X5 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: Y a.
89
Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,991. Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,981 atau 98,1.
• Dengan lima variabel
Y = f{ ,
, ,
, }
Y = f{ ,
, ,
, }
Y = -0,306 + 0,012 + 0,032
– 0,041 + 1,107
+ 0,967 Tabel anova memaparkan Sig 0,000 α, sehingga dapat disimpulkan
persamaan regresi linear yang terbentuk signifikan. Tetapi nilai sig 0,497,
Model Summary
,991
a
,982 ,981
,17940 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X5, X3, X4, X2, X1
a.
ANOV A
b
199,531 5
39,906 1239,915
,000
a
3,669 114
,032 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X5, X3, X4, X2, X1 a.
Dependent Variable: Y b.
Coeffi cients
a
-,306 ,110
-2, 789 ,006
1,107 ,050
,328 21,971
,000 ,012
,017 ,016
,682 ,497
,032 ,019
,037 1,751
,083 -,041
,033 -,020
-1, 226 ,223
,967 ,038
,764 25,552
,000 Const ant
X4 X1
X2 X3
X5 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
90
0,083 dan 0,223 α pada tabel koefisien menunjukkan penolakan Hi bahwa
dalam model yang terbentuk ada hubungan yang signifikan antara jumlah bangkitan perjalanan dengan variabel jumlah anggota keluarga, jumlah
pendapatan keluarga, dan jumlah kepemilikan kendaraan. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,991.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,981 atau 98,1.
e. Y –
→ r = 0,947 –
→ r = 0,660 –
→ r = 0,394 –
→ r = 0,469 –
→ r = 0,815 Karena korelasi antara variabel
dengan dan
kuat maka dan
tidak bisa digunakan dalam persamaan. Maka persamaan yang didapat yaitu: •
Dengan satu variabel Y = f{
}
Model Summary
,947
a
,898 ,897
,41985 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X5
a.
91
Maka persamaan yang terbentuk adalah: Y = 1,600 + 1,200
Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan
yang signifikan antara variabel bangkitan perjalanan dengan jumlah anggota keluarga yang bersekolah.
Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,947. Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat
dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square, yaitu sebesar 0,897 atau 89,7.
• Dengan dua variabel
1. Y = f{
, }
ANOV A
b
182,400 1
182,400 1034,769
,000
a
20,800 118
,176 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X5 a.
Dependent Variable: Y b.
Coeffi cients
a
1,600 ,089
17,887 ,000
1,200 ,037
,947 32,168
,000 Const ant
X5 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
92
Maka diperoleh persamaan: Y = 1,498 + 0,171
+ 1,158 Tabel anova dan koefisien memaparkan Sig 0,000 α, sehingga dapat
disimpulkan persamaan regresi linear yang terbentuk signifikan dan ada hubungan yang signifikan antara variabel bangkitan perjalanan dengan jumlah anggota
keluarga yang bersekolah dan jumlah kepemilikan kendaraan. Keeratan hubungan antara variabel ditunjukkan oleh nilai R sebesar 0,951.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinan R Square,
yaitu sebesar 0,902 atau 90,2. Dari hasil regresi di peroleh beberapa model pergerakan yang signifikan
yaitu:
Model Summary
,951
a
,904 ,902
,40897 Model
1 R
R Square Adjusted
R Square Std. Error of
the Estimate Predictors: Constant, X3, X5
a.
ANOV A
b
183,631 2
91,815 548,947
,000
a
19,569 117
,167 203,200
119 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, X3, X5 a.
Dependent Variable: Y b.
Coeffi cients
a
1,498 ,095
15,780 ,000
1,158 ,040
,914 29,279
,000 ,171
,063 ,085
2,713 ,008
Const ant X5
X3 Model
1 B
St d. E rror Unstandardized
Coeffic ients Beta
St andardiz ed Coeffic ients
t Sig.
Dependent Variable: Y a.
93
1. Y = 1,108 + 0,539
, dengan koefisien determinan sebesar 0,572
2. Y = 0,051 + 0,416
+ 0,408 , dengan koefisien determinan
sebesar 0,757
3.
Y = 0,776 + 0,490 + 0,542
, dengan koefisien determinan sebesar
0,633 4.
Y = -1,668 + 0,420 + 1,703
, dengan koefisien determinan sebesar 0,795
5. Y = -1,741 + 0,364
+ 0,280 + 1,302
, dengan koefisien determinan
sebesar 0,872 6.
Y = -1,584 + 0,410 + 0,207
+ 1,574 , dengan koefisien
determinan sebesar 0,802
7. Y = 1,631 + 0,595
, dengan koefisien determinan sebesar 0,466
8. Y = -0,911 + 0,401
+ 1,661 , dengan koefisien determinan
sebesar 0,654 9.
Y = -0,603 + 2,362 , dengan koefisien determinan
sebesar 0,491 10.
Y = -0,496 + 373 + 2,102
, dengan koefisien determinan sebesar
0,510 11.
Y = -0,226 + 1,106 + 1,005
, dengan koefisien determinan sebesar 0,981
12. Y = 1,600 + 1,200
, dengan koefisien determinan sebesar 0,898
13.
Y = 1,498 + 0,171 + 1,158
, dengan koefisien determinan sebesar
0,902 Dengan koefisien determinan model kesebelas
= 0,981, maka model terbaik yang digunakan yaitu Y = -0,226 + 1,106
+ 1,005 , karena
94
koefisien determinasi yang lebih besar menunjukkan kuat hubungan yang lebih besar antara variabel terikat dengan variabel tidak terikatnya.
Sensitivitas Model
Sensitivitas model dimaksudkan untuk memahami perubahan nilai bangkitan perjalanan seandainya dilakukan perubahan nilai faktor yang
mempengaruhi bangkitan tersebut secara gradual. Untuk menggambarkan sensitivitas ini dilakukan beberapa perubahan variabel bebas berikut terhadap
model, yaitu : a. Jumlah anggota keluarga dikurangi atau ditambah.
b. Jumlah pendapatan keluarga dikurangi atau ditambah. c. Jumlah kepemilikan kendaraan dikurangi atau ditambah.
d. Jumlah anggota keluarga yang bekerja dikurangi atau ditambah. e. Jumlah anggota keluarga yang bersekolah dikurangi atau ditambah.
Adapun prosedur perhitungan sensitivitas dilakukan sebagai berikut : a. Urutkan nilai variabel bebas sesuai kelompok perubahan.
b. Tetapkan nilai variabel bebas lain dengan menggunakan nilai rata-rata. c. Tentukan nilai bangkitan perjalanan sesuai dengan perubahan yang dilakukan.
d. Gambarkan grafik hubungan antara bangkitan dan nilai variabel bebas sesuai dengan perubahan yang dilakukan.
Perubahan terhadap analisis sensitivitas ini diperoleh dengan mengggunakan model bangkitan perjalanan pada kecamatan Deli Tua yaitu:
Y = -0,226 + 1,106 + 1,005
95
Grafik 4.6 Sensitivitas Model Terhadap Perubahan Jumlah Anggota Keluarga
yang Bekerja Berdasarkan analisa sensitivitas terhadap perubahan jumlah anggota
keluarga yang bekerja sebagaimana diperlihatkan pada grafik di atas, maka dapat diambil kesimpulan arah kemiringan garis positif, yaitu semakin besar jumlah
anggota keluarga yang bekerja akan semakin memperbesar bangkitan perjalanan.
0; 1,93
-6 -4
-2 2
4 6
8
-6 -4
-2 2
4 6
b a
n g
k it
a n
p e
rj a
la n
a n
jumlah anggota keluarga yang bekerja
96
Grafik 4.6 Sensitivitas Model Terhadap Perubahan Jumlah Anggota Keluarga
yang Bekerja Berdasarkan analisa sensitivitas terhadap perubahan jumlah anggota
keluarga yang bersekolah sebagaimana diperlihatkan pada grafik di atas, maka dapat diambil kesimpulan arah kemiringan garis positif, yaitu semakin besar
jumlah anggota keluarga yang bekerja akan semakin memperbesar bangkitan perjalanan.
0; 1,92
-4 -2
2 4
6 8
-6 -4
-2 2
4 6
b a
n g
k it
a n
p e
rj a
la n
a n
jumlah anggota keluarga yang bersekolah
97
BAB V KESIMPULAN DAN SARAN
V.1 Kesimpulan
Berdasarkan dari hasil analisis data responden pada Kecamatan Deli Tua, maka dapat diambil beberapa kesimpulan sebagai berikut:
1. Dari hasil regresi di peroleh 13 tiga belas model bangkitan pergerakan yang
mungkin dihasilkan oleh Kecamatan Deli Tua Y yaitu:
14. Y = 1,108 + 0,539
, dengan koefisien determinan sebesar 0,572
15. Y = 0,051 + 0,416
+ 0,408 , dengan koefisien determinan
sebesar 0,757
16.
Y = 0,776 + 0,490 + 0,542
, dengan koefisien determinan sebesar 0,633
17. Y = -1,668 + 0,420
+ 1,703 , dengan koefisien determinan
sebesar 0,795 18.
Y = -1,741 + 0,364 + 0,280
+ 1,302 , dengan koefisien
determinan sebesar 0,872
19. Y = -1,584 + 0,410
+ 0,207 + 1,574
, dengan koefisien determinan
sebesar 0,802 20.
Y = 1,631 + 0,595 , dengan koefisien determinan
sebesar 0,466 21.
Y = -0,911 + 0,401 + 1,661
, dengan koefisien determinan sebesar 0,654
22. Y = -0,603 + 2,362
, dengan koefisien determinan sebesar 0,491
