Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat koefisien determinan R Square, yaitu
sebesar 0,783 atau 78,3. Nilai pada variabel jumlah anggota keluarga X1 yaitu sebesar 1,300 X1, dapat
diartikan bahwa apabila terjadi peningkatan sebanyak 1 orang akan mempengaruhi produksi perjalanan yaitu sebesar 1,300 perjalanankeluargahari. Nilai pada variabel
jumlah kepemilikan mobil X3 yaitu sebesar 0,900 X3, dapat diartikan bahwa apabila terjadi peningkatan sebanyak 1 unit akan mempengaruhi produksi perjalanan yaitu
sebesar 0,900 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.2.3 Bangkitan Pergerakan Pada Tipe Perumahan Bangunan Sederhana Y3
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
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
korelasi Pearson. Matriks hasil uji korelasi bivariat antara variabel untuk tipe perumahan bangunan sederhana dapat dilihat pada Tabel V.6 berikut:
Tabel V.6. Matriks Hubungan Antara Variabel Pada Perumahan Tipe Bangunan Sederhana
Produksi Perjalanan
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 .884
.409 .355
.524 .767
.068 -.050
.313 -.350
.341
Jlh Anggota Kel. X1
1 .365
.402 .388
.592 -.052
-.031 .246
-.277 .318
Jlh Penghasilan Kel. X2
1 .144
.465 .332
.231 -.038
.004 .047
.059
Jlh Kepemilikan Mobil X3
1 .375
.219 -.155
.044 .374
-.060 .178
Jlh Kepemilikan Spd Mtr X4
1 .393
.190 .114
.218 -.211
.073
Jlh Keluarga Bekerja X5
1 -.019
.065 .331
-.324 .130
Jlh Keluarga Bersekolah X6
1 .002
.039 -.085
-.077
Jenis Pekerjaan Kel. X7
1 -.106
-.085 -.265
Umur Kepala Kel. X8
1 -.335
.111
Pendidikan Kepala Kel. X9
1 -.223
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.6 diatas dapat dilihat bahwa variabel-variabel yang mempunyai
hubungan signifikan atau pengaruh besar terhadap produksi perjalanan Y3 adalah jumlah anggota keluarga X1, jumlah penghasilan keluarga X2, jumlah kepemilikan
sepeda motor X4, dan jumlah anggota keluarga bekerja X5. Jumlah anggota keluarga X1 mempunyai hubungan yang signifikan dengan
produksi perjalanan Y3 dengan nilai R koefisien korelasi yaitu sebesar 0,884 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 88,4. Sama halnya pada variabel jumlah penghasilan keluarga X2 mempunyai
hubungan yang signifikan dengan produksi perjalanan Y3 dengan nilai R koefisien korelasi yaitu sebesar 0,409 atau variabel bebas dapat mempengaruhi variabel terikat
dengan kuat hubungan sebesar 40,9. Sama halnya pada variabel jumlah kepemilikan sepeda motor X4 mempunyai hubungan yang signifikan dengan produksi perjalanan
Y3 dengan nilai R koefisien korelasi yaitu sebesar 0,524 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 52,4. Sama halnya
pada variabel jumlah anggota keluarga bekerja X5 mempunyai hubungan yang signifikan dengan produksi perjalanan Y3 dengan nilai R koefisien korelasi yaitu
0,767 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 76,7.
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 X3 dan X5, 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 Y3, yaitu
sebesar 0,884 atau 88,4. Sama halnya variabel bebas X2 saling berkorelasi dengan variabel bebas X4, maka dipilih variabel jumlah kepemilikan sepeda motor X4 untuk
mewakili variabel bebas yang berkorelasi, karena variabel jumlah kepemilikan sepeda
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
motor X4 memiliki nilai korelasi tinggi diantara variabel bebas yang berkorelasi terhadap variabel terikat Y3, yaitu sebesar 0,524 atau 52,4.
Dari uraian diatas dapat disimpulkan bahwa hanya dua variabel bebas yang dapat dipakai dalam model, yaitu: jumlah anggota keluarga X1 dan jumlah
kepemilikan sepeda motor X4. 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 sederhana dapat dilihat pada Tabel V.7 berikut:
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
Tabel V.7. Pengaruh Variabel Bebas Terhadap Jumlah Produksi Perjalanan Perumahan Tipe Bangunan Sederhana
Variabel Terikat : Produksi Perjalanan Tipe Bangunan Sederhana Y3 Model Regresi
Koefisien Regresi t
sig. Konstanta
Jumlah Anggota Keluarga X1 Jumlah Kep. Sepeda Motor X4
0,271 1,518
0,905 0,527
12,929 3,433
0,600 0,0001
0,001 Kesesuaian Model Regresi Yang Terbentuk
Anova Regresi F = 125.641 sig. = 0,0001
Koefisien Korelasi R = 0,906 Koefisien determinan
R Square = 0,820 Persamaan Regresi Terbentuk:
Y3 = 0,271 + 1,518 X1 + 0,905 X4
Standart error SEE = 0,514
Sumber: Data Primer Diolah
Signifikan Tabel V.7 diatas dapat dilihat bahwa persamaan model regresi linear berganda
yang terbentuk, yaitu: Y3 = 0,271 + 1,518 X1 + 0,905 X4 adalah merupakan model
regresi yang paling sesuai menggambarkan pengaruh dua variabel bebas, yaitu jumlah anggota keluarga X1 dan jumlah kepemilikan sepeda motor X4 yang secara
bersamaan mempengaruhi produksi perjalanan Y3, hal ini dapat dilihat dari nilai analisis Anova Regresi F sebesar 125,641.
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 125,641 3,17. Syarat statistik terpenuhi F
hitung
F
tabel
, hal ini menunjukkan bahwa model regresi linear berganda signifikan pada tingkat kepercayaan 95. Harga
signifikan F = 0,0001 0,05 yang berarti Ha diterima dan secara simultan, X1 dan X4 berpengaruh positif terhadap bangkitan pergerakan.
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat koefisien determinan R Square, yaitu
sebesar 0,820 atau 82,0. Nilai pada variabel jumlah anggota keluarga X1 yaitu sebesar 1,518 X1, dapat
diartikan bahwa apabila terjadi peningkatan sebanyak 1 orang akan mempengaruhi produksi perjalanan yaitu sebesar 1,518 perjalanankeluargahari. Nilai pada variabel
jumlah kepemilikan sepeda motor X4 yaitu sebesar 0,905 X4, dapat diartikan bahwa apabila terjadi peningkatan sebanyak 1 unit akan mempengaruhi produksi perjalanan
yaitu sebesar 0,905 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.3 Hasil Diskusi Perbandingan Beberapa Analisis Model Bangkitan Pergerakan Berbasis Rumah Tangga Yang Pernah Dilakukan
1. Hasil analisis model bangkitan pergerakan berbasis rumah tangga yang pernah dilakukan di kawasan perumahan kota Medan, menunjukkan bahwa variabel bebas
faktor yang berpengaruh terhadap produksi perjalanan, yaitu: 1.
jumlah anggota keluarga 2.
jumlah kepemilikan kendaraan mobil.
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
2. Hasil analisis model bangkitan pergerakan berbasis rumah tangga yang pernah dilakukan di kawasan perumahan kota Semarang, menunjukkan bahwa variabel
bebas faktor yang berpengaruh terhadap produksi perjalanan, yaitu: 1.
jumlah anggota keluarga 2.
pendapatan rata-rata keluarga 3.
jumlah kepemilikan kendaraan mobil. 3. Hasil analisis model bangkitan pergerakan berbasis rumah tangga yang pernah
dilakukan di kawasan perumahan Pucang Gading Demak, menunjukkan bahwa variabel bebas faktor yang berpengaruh terhadap produksi perjalanan, yaitu:
1. Jumlah KK dalam satu rumah
2. Jumlah anggota keluarga usia
3. Jumlah anggota keluarga yang bekerja
4. Jumlah anggota keluarga yang sekolah
5. Kepemilikan kendaraan sepeda motor.
4. Hasil analisis model bangkitan pergerakan berbasis rumah tangga yang pernah dilakukan di kawasan perumahan Aceh Besar, menunjukkan bahwa variabel bebas
faktor yang berpengaruh terhadap produksi perjalanan, yaitu: 1.
jumlah anggota keluarga 2.
jumlah kepemilikan kendaraan mobil. 5. Hasil analisis model bangkitan pergerakan berbasis rumah tangga yang pernah
dilakukan di kawasan perumahan kota Bandung, menunjukkan bahwa variabel bebas faktor yang berpengaruh terhadap produksi perjalanan, yaitu:
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
1. jumlah anggota keluarga
2. jumlah kepemilikan kendaraan mobil
3. usia.
6. Sedangkan hasil analisis model bangkitan pergerakan yang di peroleh pada penelitian ini, menunjukkan bahwa variabel bebas faktor yang berpengaruh
terhadap produksi perjalanan beberapa perumahan di kawasan kota pematangsiantar, yaitu:
1. jumlah anggota keluarga
2. jumlah kepemilikan kendaraan
3. jumlah anggota keluarga yang bersekolah.
7. Berdasarkan hasil analisis model bangkitan pergerakan berbasis rumah tangga yang pernah dilakukan di beberapa kota yang berbeda, dapat disimpulkan bahwa variabel
bebas yang tetap muncul pada model yaitu: jumlah anggota keluarga dan kepemilikan kendaraan. Hal ini menunjukkan kedua variabel bebas ini merupakan
faktor paling berpengaruh pada model bangkitan pergerakan berbasis rumah tangga, disamping itu ada juga faktor lain yang mempengaruhi bangkitan
pergerakan dan faktor itu berbeda di setiap kota, seperti bangkitan pergerakan pada tipe perumahan mewah di Kota Pematangsiantar faktor lain yang mempengaruhi
adalah jumlah anggota keluarga yang bersekolah.
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
BAB VI KESIMPULAN DAN SARAN
VI.1 Kesimpulan
Berdasarkan dari hasil analisis data responden pada ketiga tipe perumahan, maka dapat diambil beberapa kesimpulan sebagai berikut:
1. Faktor yang mempengaruhi bangkitan pergerakan di perumahan tipe bangunan
mewah Yl, tipe bangunan menengah Y2 dan tipe bangunan sederhana Y3 adalah jumlah anggota keluarga X1, jumlah kepemilikan mobil X3, jumlah
kepemilikan sepeda motor X4 dan jumlah anggota keluarga yang bersekolah X6. Dirumuskan dalam persamaan regresi linear berganda sebagai berikut:
a. Model bangkitan pergerakan yang dihasilkan tipe perumahan mewah Yl:
Y1 = -0,728 + 1,885 X1 + 0,649 X3 + 0,772 X6
b. Model bangkitan pergerakan yang dihasilkan tipe perumahan menengah Y2:
Y2 = 0,600 + 1,300 X1 + 0,900 X3
c. Model bangkitan pergerakan yang dihasilkan tipe perumahan sederhana Y3:
Y3 = 0,271 + 1,518 X1 + 0,905 X4
2. Nilai Koefisien Korelasi R yang dihasilkan dari ketiga model, yaitu:
a. Pada tipe perumahan mewah, nilai Koefisien Korelasi R = 92,2 yang berarti
bahwa korelasi antara jumlah anggota keluarga, jumlah kepemilikan mobil, dan jumlah anggota keluarga yang bersekolah dengan produksi perjalanan
mempunyai hubungan yang kuat sebesar 92,2.
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008