73
agar dapat dilanjutkan ke dalam proses-proses overlay untuk menghasilkan peta perubahan penggunaan lahan.
3.4.2.4. Analisis dan Arahan Alokasi Pengembangan RTH Kota Bekasi
Dalam analisis ini, kenampakan penggunaan lahan bervegetasi lahan RTH di overlay dengan peta arahan penggunaan lahan berdasarkan RTRW.
Penggunaan lahan yang dianalisis adalah penggunaan lahan tahun 2009, yang diinterpretasi dari citra ALOS beresolusi 10 m. Melalui analisis ini, dapat
terdeteksi lahan yang benar-benar terbuka, yang sudah dialokasikan sebagai RTH, dan lahan yang masih memungkinkan untuk pengalokasian RTH. Pada
skala yang lebih kecil, analisis ini juga dilakukan dengan menggunakan citra Landsat beresolusi 30 m, pada tahun-tahun sebelumnya 1989, 2000, dan 2005.
Dengan demikian, perubahan RTH dapat dianalisis dalam periode tersebut, pada skala yang lebih kecil.
3.4.3. Analisis Faktor-Faktor yang Mempengaruhi Perubahan Penggunaan Lahan RTH RTH
Data yang digunakan adalah data Bekasi Dalam Angka tahun 2003-2009 BPS, 2003-2009 dan hasil analisis citra 2000, 2005 dan 2009. Variabel
perubahan luas lahan RTH tersebut dalam analisis ini dijadikan sebagai variabel dependent. Komponen lahan RTH meliputi: kebun campuran, tegalan, semak
belukar termasuk sawah kecuali ruang terbangun dan badan air. Variabel pertambahan areal permukiman, pertambahan jumlah penduduk,
dan pertambahan jumlah bangunan pendidikan, industri, hotel dan penginapan sebagai variabel independent. Struktur data tersebut sudah sesuai dengan
jumlah kecamatan sebanyak 12 kecamatan. Data tahun-tahun sebelumnya tidak konsisten karena terjadi perubahan struktur organisasi wilayah akibat pemekaran
kecamatan. Perubahan administratif wilayah kecamatan tidak diikuti secara cepat dengan agenda pencatatan administrasi pemerintahan, sehingga dokumen
kependudukan dan potensi wilayah masih berada pada induk wilayah kecamatan sebelum pemekaran.
74
Analisis regresi berganda
Analisis regresi berganda multiple regression adalah suatu metode analisis yang digunakan untuk menganalisis pengaruh dari variabel penduga
independent variable terhadap variabel tujuan dependent variable. Sasaran dari metode regresi berganda adalah penggunaan variabel penduga untuk
memprediksi variabel tujuan Hair, et al., 1998. Model yang dihasilkan dapat digunakan sebagai penduga yang baik jika asumsi-asumsi berikut dapat
dipenuhi: a. E ei = 0, untuk setiap i ; dimana i = 1,2,…,n; artinya rata-rata galat adalah
nol. b.
Kov ei,ej = 0, i≠j; artinya kovarian Ei,Ej = 0, dengan kata lain tidak ada autokorelasi antara galat pengamatan yang satu dengan galat pengamatan
yang lain. c. Var ei
2
= σ
2
; untuk setiap i, dimana i = 1,2,…,n; artinya setiap galat pengamatan memiliki ragam yang sama.
d. Tidak ada multikolinearitas; artinya tidak ada hubungan linear yang terjadi antara variabel-variabel penjelas, atau variabel penjelas harus saling bebas.
e. Ei ~N 0; σ, galat pengamatan menyebar normal dengan rata-rata nol dan
ragam σ
2
. Persamaan model yang akan dihasilkan dalam penelitian ini adalah:
Y= A + A
1
X
1
+ A
2
X
2
+ A
3
X
3
+ … + A
n
X
n
dimana : Y : Variabel tak bebas dependent variable yaitu perubahan lahan RTH
A : Koefisien Regresi X : Variabel bebas independent variable
Uji Serempak Uji F pada Model Regresi Berganda Uji serempak dilakukan untuk mengetahui pengaruh variabel bebas secara
bersama-sama terhadap variabel terikat Santoso, 2009. Langkah-langkah dalam menguji hipotesis dengan distribusi F disajikan dibawah ini.
1. Perumusan hipotesis H
: β1 = β2 = β3 = β4 = 0, berarti secara bersama-sama tidak ada pengaruh variabel bebas terhadap variabel terikat. Dalam konteks penelitian ini, dapat
dinyatakan bahwa variabel perubahan penggunaan lahan RTH RTH tidak
75
dipengaruhi secara bersama-sama oleh variabel sosial ekonomi dan biofisiknya penduduk, bangunanpemukiman, perluasan infrastruktur kota,
dan sebagainya H
1
: β1 ≠ β2 ≠ β3 ≠ β4 ≠ 0, berarti secara bersama-sama terdapat pengaruh variabel bebas terhadap variabel terikat.
2. Penentuan taraf nyata level of significance = α
Taraf nyata derajat keyakinan yang digunakan sebesar α = 10. Derajat bebas atau degree of freedom df dalam distribusi F ada dua, yaitu :
dbregresi = dbr = db1 = k – 1 dbgalaterror = dbg = db2 = n – k
dimana: df = degree of freedom derajad bebas db
n = Jumlah sampel dan k = banyaknya koefisien regresi 3. Penentuan daerah keputusan, yaitu daerah dimana hipotesis nol diterima
atau tidak. H
diterima apabila F hitung ≤ F tabel, artinya semua variabel bebas secara bersama-sama bukan merupakan variabel penjelas yang signifikan terhadap
variabel terikat. H
ditolak apabila F hitung F tabel, artinya semua variabel bebas secara bersama-sama merupakan penjelas yang signifikan terhadap variabel terikat.
4. Penentuan uji statistik nilai F Bentuk distribusi F selalu bernilai positif
5. Pengambilan keputusan Keputusan bisa menolak Ho atau menerima Ha. Nilai F tabel yang diperoleh
dibandingkan dengan nilai F hitung. Apabila F hitung lebih besar dari F tabel, maka Ho ditolak sehingga dapat disimpulkan bahwa ada pengaruh yang
signifikan antara variabel independent dengan variabel dependent. Uji Parsial Uji t pada Model Regresi Berganda
Uji parsial pada dasarnya menunjukkan seberapa besar pengaruh suatu variabel bebas secara individual dalam menerangkan variasi variabel terikat.
76
Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual Santoso, 2009.
Hipotesis Nol = H H
adalah satu pernyataan mengenai nilai parameter populasi. H merupakan hipotesis statistik yang akan diuji hipotesis nihil.
Hipotesis alternatif = H
1
H
1
adalah satu pernyataan yang diterima jika data sampel memberikan cukup bukti bahwa hipotesis nol adalah salah.
Langkah-langkah dalam menguji hipotesis dengan distribusi t 1. Merumuskan hipotesis
H : βi = 0, artinya variabel bebas bukan merupakan penjelas yang signifikan
terhadap variabel terikat. Dalam konteks penelitian ini, dapat dinyatakan bahwa variabel sosial ekonomi dan biofisiknya penduduk,
bangunanpemukiman, perluasan infrastruktur kota, dan sebagainya secara sendiri-sendiri bukan merupakan penjelasberpengaruh secara signifikan
terhadap variabel perubahan penggunaan lahan RTH gRTH. H
1
: βi ≠ 0, artinya variabel bebas merupakan penjelas yang signifikan terhadap variabel terikat.
2. Menentukan taraf nyata level of significance = α
Taraf nyata derajat keyakinan yang digunakan sebesar α = 10 dengan: Derajat bebas db atau df = n – k
dimana: df = degree of freedom derajat bebas db
n = Jumlah sampel k = banyaknya koefisien regresi + konstanta
3. Menentukan daerah keputusan, yaitu daerah dimana hipotesis nol diterima atau tidak.
Untuk mengetahui kebenaran hipotesis digunakan kriteria sebagai berikut. H
diterima apabila t α 2; n – k atau t-tabel ≤ |t hitung|, artinya tidak ada pengaruh antara variabel bebas terhadap variabel terikat.
77
H ditolak apabila |t hitung| t α 2; n– k atau t-tabel, artinya ada pengaruh
antara variabel bebas terhadap variabel terikat. 4. Menentukan uji statistik rule of the test
5. Mengambil keputusan Keputusan bisa menolak H
atau menerima H .Nilai t tabel yang diperoleh
dibandingkan nilai t hitung, bila t hitung lebih besar dari t tabel, maka H ditolak, sehingga dapat disimpulkan bahwa variabel independent
berpengaruh pada variabel dependent. Apabila t hitung lebih kecil dari t tabel, maka H
diterima sehingga dapat disimpulkan bahwa variabel independent tidak berpengaruh terhadap variabel dependent.
Variabel-variabel Analisis Regresi Berganda
Adapun variabel-variabel yang digunakan dalam analisis regresi berganda adalah: perubahan luas lahan RTH sebagai variabel dependen, dan
pertambahan areal bangunanpermukiman RTB terdiri atas: pertambahan jumlah penduduk, permukiman, pertambahan fasilitas pendidikan, industri,
restoran, hotel dan penginapan. sebagai variabel independent. Matriks variabel regresi disajikan pada Tabel 10.
Tabel 10 Matriks variabel regresi dan definisinya
No Variabel
Definisi Satuan
1. perubahan luas lahan
RTH Perubahan lahan RTH dari tahun 2003 s.d. tahun
2009 ha
2. pertambahan
jumlah pendidikan
variabel ini adalah areal lahan terbangun untuk sarana pendidikan tahun 2003-2009
unit 3.
pertambahan jumlah penduduk
Jumlah penduduk tahun 2003-2009 jiwa
4. pertambahan
jumlah permukiman
Jumlah luas permukiman tahun 2003-2009 sebagai variabel lahan terbangun
unit 7.
pertambahan jumlah
restoran Jumlah luas fasilitas restoran tahun 2003-2009
sebagai variabel lahan terbangun unit
8. 9.
pertambahan jumlah
industri pertambahan
jumlah hotel dan penginapan
Jumlah luas fasilitas industri tahun 2003-2009 sebagai variabel lahan terbangun
variabel ini adalah areal lahan terbangun untuk hotel dan penginapan tahun 2003-2009
unit unit
78
3.4.4. Penyusunan Disain Model