atau satu jam untuk mendapatkan bangkitan dan tarikan pergerakan.
Bangkitan dan tarikan lalu lintas tersebut tergantung kepada dua aspek tata guna lahan, yaitu:
a. Jenis tata guna lahan
Tata guna lahan yang akan ditinjau untuk dimodelkan tarikan perjalanannya adalah RUMAH
SAKIT, dimana parameter dari kawasan yang umum digunakan sebagai variabel bebas dalam
model bangkitantarikan diantaranya :
Luas tanah
Dalam persamaan linier, hubungan antara dua variabel bila digambarkan secara grafis dengan
scatter diagram, semua nilai X dan Y yang sesuai dengan persamaan Y = a + bX akan jatuh pada
suatu garis lurus straight line. Garis tersebut yang dinamakan garis regresi regression line.
Luas bangunan
Jumlah pegawai
Jumlah tempat tidur
b. Jumlah aktifitas dan intensitas pada tata
guna lahan
2.1. Formulasi Model
Model bangkitan atau tarikan yang akan dikalibrasi pada studi ini adalah model matematis.
Secara umum, model matematis untuk bangkitantarikan merupakan bentuk korelasi antara
variabel tata guna lahan sebagai variabel bebas dengan besarnya bangkitan tarikan sebagai variabel
tak bebas. Persamaan matematis yang paremeternya diperoleh dari analisis regresi.
Bentuk persamaan yang dipilih adalah yang menghasilkan tingkat korelasi yang optimal.
Analisis regresi juga menghasilkan parameter- paremeter yang dapat meng-gambarkan tingkat
keandalan model yang diperoleh, sehingga model bangkitan atau tarikan yang diperoleh dapat
dipergunakan secara lebih luas
Y = a + bX
linier … 2.2
2.2. Analisis Regresi
Analisis regresi adalah suatu analisis yang mempelajari bagaimana suatu peubah tidak bebas
respon berhubungan dengan satu atau lebih peubah bebas predictor. Analisa regresi linier
dapat digunakan untuk menghasilkan hubungan antara satu peubah tidak bebas dengan dua atau
lebih peubah bebas.
Persamaan yang sederhana dan luas penggunaannya untuk menunjukkan hubungan
variabel-variabel adalah persamaan linier. Y = a + bX ……2.1
Dimana, a : Konstanta b : Koefisien Regresi
X : Variabel yang
diketahui independent variable
Y : Variabel yang
diramalkan dependent variable
Sumber : Walpole, 1995 Asumsi dasar dari analisis regresi adalah
Hutchinson, 1974 : 1.
Variasi dari nilai y di sekitar garis regresi harus sama dengan seluruh rentang jarak peubah
bebas. 2.
Penyimpangan nilai y di sekitar garis regresi harus bebas satu sama lain serta terdistribusi
normal. 3.
Nilai X diasumsikan bebas dari kesalahan. 4.
Hubungan regresi peubah tidak bebas, linier terhadap peubah bebas.
Untuk membuat garis regresi dapat digunakan metode least square.
Metode Least Square
Metode least square berusaha membuat garis yang mempunyai jumlah selisih jarak
vertikal kuadrat antara data dengan garis regresi yang terkecil.
Bentuk persamaan regresi yang akan dikembangkan sebagai model dalam studi dapat
dibagi menjadi dua kelompok utama :
a. Persamaan Regresi Variabel Tunggal
Untuk persamaan regresi variabel tunggal, dibatasi hanya regresi yang bersifat linier,
logaritmik, powerberpangkat dan eksponensial saja.
Bentuk umum persamaan regresi variabel tunggal yang dijadikan alternatif persamaan adalah
:
Y = a + b Ln X logaritmik … 2.3
Y = a X
b
power … 2.4
Y = a exp
[bX]
eksponensial ..2.5 Sumber : Walpole, 1995
b. Persamaan Regresi Multi Variabel
Yaitu persamaan yang memiliki variabel bebas lebih dari satu. Karena itu untuk bentuk
persamaan ini akan terdapat beberapa alternatif persamaan berdasarkan kombinasi kandidat
variabel yang ada. Untuk persamaan regresi multi variabel, dibatasi hanya regresi yang bersifat linier
saja regresi multilinier, bentuk umumnya adalah :
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ … … 2.6 Sumber : Walpole, 1995
Keuntungan dari persamaan multi variabel adalah sebagai bentuk alternatif persamaan yang
secara umum dikatakan semakin banyak variabel makin baik keandalan dari model yang dihasilkan,
namun itu juga tergantung kepada variabel yang terlibat. Pemilihan kombinasi variabel didasarkan
pada matrik korelasi yang telah dihasilkan.
TeknikA 50
Sebagai acuan dalam pemilihan kombinasi variabel dalam suatu alternatif persamaan adalah
sebagai berikut : •
Untuk variabel bebas yang secara langsung memiliki pengaruh positif terhadap
bangkitantarikan. •
Dipilih variabel bebas yang memiliki nilai korelasi tinggi terhadap variabel tak bebasnya.
• Variabel bebas yang memiliki korelasi tinggi
dengan variabel bebas lainnya tidak disatukan dalam satu alternatif persamaan.
Sebagian besar persamaan regresi telah dikembangkan dengan menggunakan paket
program analisis regresi bertahap stepwise. Program analisis stepwise memungkinkan adanya
analisis untuk menguji sejumlah besar peubah yang potensial. Pemodel kemudian akan memilih
persamaan yang paling baik menggunakan kriteria statistik tertentu.
2.3. Analisis Korelasi
Korelasi adalah salah satu teknik statistik yang digunakan untuk mencari hubungan antara dua
variabel atau lebih yang sifatnya kuantitatif. Dua variabel dikatakan berkorelasi apabila perubahan
pada variabel yang satu akan diikuti oleh perubahan pada variabel yang lain secara teratur, dengan arah
yang sama atau dapat pula dengan arah yang berlawanan.
Bila dua variabel tersebut dinyatakan sebagai variabel X dan variabel Y, maka apabila variabel X
berubah, variabel Y pun berubah dan sebaliknya.
Koefisien korelasi merupakan ukuran besar
kecilnya atau kuat tidaknya hubungan antara variabel. Koefisien korelasi dinyatakan dengan
bilangan bergerak antara 0 sampai +1 atau 0 sampai -1.
Apabila koefisien korelasi r mendekati +1 atau -1 berarti terdapat hubungan yang kuat,
sebaliknya apabila mendekati 0 berarti terdapat hubungan yang lemah atau tidak ada hubungan.
Apabila r sama dengan +1 atau -1 berarti terdapat hubungan positif sempurna atau hubungan negatif
sempurna.
Koefisien korelasi dapat dihitung dengan beberapa metode :
1. Least Square
