maka untuk ini dipilih salah satu, dengan kata lain korelasi harus kecil antara sesama variabel bebas. Pada tahap akhir memasukkan variabel bebas dan variabel terikat ke
dalam persamaan model regresi linear berganda.
V.2.1 Bangkitan Pergerakan Pada Tipe Perumahan Bangunan Mewah Yl
Analisis untuk mengetahui variabel-variabel mana yang akan digunakan dalam pemodelan selanjutnya, dilakukan proses penyeleksian variabel dengan cara melakukan
uji korelasi antara semua variabel-variabel yang ditinjau. 1. Analisis Bivariat
Analisis korelasi bivariat mencari derajat keeratan hubungan dan arah hubungan. Semakin tinggi nilai korelasi, semakin tinggi keeratan hubungan antar
variabel. Untuk melihat hubungan bivariat antara variabel dapat dilihat dari hasil uji korelasi Pearson. Matriks hasil uji korelasi bivariat antara variabel untuk tipe
perumahan bangunan mewah dapat dilihat pada Tabel V.2 berikut:
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
Tabel V.2. Matriks Hubungan Antara Variabel Pada Perumahan Tipe Bangunan Mewah
Produksi Perjalana
n Y
Jlh Anggota
Kel. X1
Jlh Penghasil
an Kel. X2
Jlh Kepemilik
an Mobil X3
Jlh Kepemilik
an Spd Mtr
X4 Jlh
Keluarga Bekerja
X5 Jlh
Keluarga Bersekola
h X6
Jenis Pekerjaan
Kel. X7
Umur Kepala
Kel. X8
Pendidik an
Kepala Kel.
X9 Luas
bangu nan
X10 Produksi
Perjalanan Y
1 .861
.277 .556
.287 .544
.509 -.181
.462 -.404
-.006
Jlh Anggota Kel. X1
1 .047
.381 .033
.455 .274
-.132 .492
-.591 -.033
Jlh Penghasilan Kel. X2
1 .076
-.276 .021
.159 .132
-.003 .159
.276
Jlh Kepemilikan Mobil X3
1 .533
.069 .378
-.254 -.062
-.472 .107
Jlh Kepemilikan Spd Mtr X4
1 .015
.262 -.476
.169 -.040
-.318
Jlh Keluarga Bekerja X5
1 .616
.310 .150
-.367 .207
Jlh Keluarga Bersekolah X6
1 .307
-.079 -.339
.342
Jenis Pekerjaan Kel. X7
1 -.366
-.125 .314
Umur Kepala Kel. X8
1 .098
-.312
Pendidikan Kepala Kel. X9
1 .040
Luas bangunan X10
1
Sumber: Data Primer Diolah Correlation is significant at the 0.05 level
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 V.2 diatas dapat dilihat bahwa variabel-variabel yang mempunyai
hubungan signifikan atau pengaruh besar terhadap produksi perjalanan Y1 adalah jumlah anggota keluarga X1, jumlah kepemilikan mobil X3, jumlah anggota
keluarga bekerja X5, jumlah anggota keluarga yang sekolah X6, dan umur kepala keluarga X8.
Jumlah anggota keluarga X1 mempunyai hubungan yang signifikan dengan produksi perjalanan Y1 dengan nilai R koefisien korelasi yaitu sebesar 0,861 atau
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 86,1. Sama halnya pada variabel jumlah kepemilikan mobil X3 mempunyai
hubungan yang signifikan dengan produksi perjalanan Y1 dengan nilai R koefisien korelasi yaitu sebesar 0,556 atau variabel bebas dapat mempengaruhi variabel terikat
dengan kuat hubungan sebesar 55,6. Sama halnya pada variabel jumlah anggota keluarga bekerja X5 mempunyai hubungan yang signifikan dengan produksi
perjalanan Y1 dengan nilai R koefisien korelasi yaitu 0,544 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 54,4. Sama
halnya pada variabel jumlah anggota keluarga yang sekolah X6 mempunyai hubungan yang signifikan dengan produksi perjalanan Y1 dengan nilai R koefisien
korelasi yaitu 0,509 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 50,9. Sama halnya pada variabel umur kepala keluarga X8
mempunyai hubungan yang signifikan dengan produksi perjalanan Y1 dengan nilai R koefisien korelasi yaitu 0,462 atau variabel bebas dapat mempengaruhi variabel
terikat dengan kuat hubungan sebesar 46,2. Dalam hal ini juga terdapat beberapa variabel bebas yang saling berkorelasi,
maka hanya variabel yang mempunyai nilai korelasi tertinggi yang akan dipakai dalam model. Variabel bebas X1 saling berkorelasi dengan variabel bebas X5 dan X8, maka
dipilih variabel jumlah anggota keluarga X1 untuk mewakili variabel bebas yang berkorelasi, karena variabel jumlah anggota keluarga X1 memiliki nilai korelasi
tinggi diantara variabel bebas yang berkorelasi terhadap variabel terikat Y1, yaitu sebesar 0,861 atau 86,1. Sama halnya variabel bebas X3 saling berkorelasi dengan
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
variabel bebas X4, maka dipilih variabel jumlah kepemilikan mobil X3 untuk mewakili variabel bebas yang berkorelasi, karena variabel jumlah kepemilikan mobil
X3 memiliki nilai korelasi tinggi diantara variabel bebas yang berkorelasi terhadap variabel terikat Y1, yaitu sebesar 0,556 atau 55,6.
Dari uraian diatas dapat disimpulkan bahwa hanya tiga variabel bebas yang dapat dipakai dalam model, yaitu: jumlah anggota keluarga X1, jumlah kepemilikan
mobil X3, dan jumlah anggota keluarga yang sekolah X6. 2. Analisis Multivariat
Analisis regresi linear berganda digunakan untuk meramalkan suatu variable terikat Y berdasarkan dua atau lebih variable bebas X
1
, X
2
, …., X
n
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 berganda yang ditampilkan berikut ini diolah dengan bantuan Software SPSS-12. Hasil analisis regresi linear berganda untuk tipe perumahan
bangunan mewah dapat dilihat pada Tabel V.3 berikut:
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
Tabel V.3. Pengaruh Variabel Bebas Terhadap Jumlah Produksi Perjalanan Perumahan Tipe Bangunan Mewah
Variabel Terikat: Produksi Perjalanan Tipe Bangunan Mewah Y1 Model Regresi
Koefisien Regresi t
sig. Konstanta
Jumlah Anggota Keluarga X1 Jumlah Kepemilikan Mobil X3
Jumlah Keluarga Yang Sekolah X6 -0,728
1,885 0,649
0,772 -0,741
5,662 1,430
1,873 0,474
0,000 0,010
0,008
Kesesuaian Model Regresi Yang Terbentuk Anova Regresi
F = 20,791 sig. = 0,0001 Koefisien Korelasi R = 0,922
Koefisien determinan R Square = 0,850
Persamaan Regresi Terbentuk:
Y1 = -0,728 + 1,885 X1 + 0,649 X3 + 0,772 X6
Standart error SEE = 0,983
Sumber: Data Primer Diolah
Signifikan Tabel V.3 diatas dapat dilihat bahwa persamaan model regresi linear berganda
yang terbentuk, yaitu: Y1 = -0,728 + 1,885 X1 + 0,649 X3 + 0,772 X6 adalah
merupakan model regresi yang paling sesuai menggambarkan pengaruh tiga variabel bebas, yaitu jumlah anggota keluarga X1, jumlah kepemilikan mobil X3 dan jumlah
anggota keluarga yang sekolah X6 yang secara bersamaan mempengaruhi produksi perjalanan Y1, hal ini dapat dilihat dari nilai analisis Anova Regresi F sebesar
20,791. Anova Regresi F merupakan nilai uji kelinieran hubungan variabel terikat
dengan variabel bebasnya. Berdasarkan syarat statistik untuk regresi linear berganda bahwa perbandingan nilai F
hitung
harus lebih besar dari F
tabel
, hasil yang diperoleh 20,791 3,68. Syarat statistik terpenuhi F
hitung
F
tabel
, hal ini menunjukkan bahwa model regresi linear berganda signifikan pada tingkat kepercayaan 95. Harga
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
signifikan F = 0,0001 0,05 yang berarti Ha diterima dan secara simultan, X1, X3 dan X6 berpengaruh positif terhadap bangkitan pergerakan.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat koefisien determinan R Square, yaitu
sebesar 0,850 atau 85,0. Nilai pada variabel jumlah anggota keluarga X1 yaitu sebesar 1,885 X1, dapat
diartikan bahwa apabila terjadi peningkatan sebanyak 1 orang akan mempengaruhi produksi perjalanan yaitu sebesar 1,885 perjalanankeluargahari. Nilai pada variabel
jumlah kepemilikan mobil X3 yaitu sebesar 0,649 X3, dapat diartikan bahwa apabila terjadi peningkatan sebanyak 1 unit akan mempengaruhi produksi perjalanan yaitu
sebesar 0,649 perjalanankeluargahari. Nilai pada variabel jumlah keluarga yang bersekolah X6 yaitu sebesar 0,772 X6, dapat diartikan bahwa apabila terjadi
peningkatan sebanyak 1 orang akan mempengaruhi produksi perjalanan yang dihasilkan yaitu sebesar 0,772 perjalanankeluargahari.
Variabel bebas yang keluar dari model disebabkan karena memiliki nilai korelasi yang rendah, bila variabel bebas ini dimasukkan kedalam persamaan regresi
maka akan diperoleh nilai determinannya R
2
kecil dan nilai standart errornya besar.
V.2.2 Bangkitan Pergerakan Pada Tipe Perumahan Bangunan Menengah Y2
