Metode Analisis Bangkitan Perjalanan Trip Generation

2.4 Metode Analisis Bangkitan Perjalanan Trip Generation

Secara umum terdapat tiga metode untuk menganalisis bangkitan perjalanan yaitu: 1. Metode faktor pengembangan expansion factor 2. Analisis regresi linear 3. Analisis kategori

2.4.1 Metode Faktor Pengembangan Expansion Factor

Salah satu metode yang digunakan untuk meramalkan trip generation adalah dengan faktor pengembangan expansion factor, yaitu dengan cara menggunakan faktor-faktor pertumbuhan untuk menaksir perjalanan di masa yang akan datang untuk zona-zona atau kawasan perkotaan. Metoda ini menghubungkan data yang dikumpulkan dari survey tata guna tanah untuk menyusun trip generation, misalnya suatu zona lalu lintas yang meliputi luas dan 3000 ha dengan penduduk 6000 jiwa akan mempunyai tingkat trip generation sebesar 60003000 = 2. Maka untuk memperoleh taksiran trip generation di masa yang akan datang dan menerapakan pada areal tersebut, misalnya dengan mengasumsikan hipotesa bagi pembangunan tempat tinggal pada tahun tertentu akan lebih dari 6000 ha, lalu trip generation ditaksir menjadi 6000 ha x 2 trip generation. Ketepatan metode faktor pengembangan sangat diragukan, maka metode mi hanya dapat digunakan untuk perencanaan jangka pendek di kawasan luar kota. Abdullah O.K. Rahmat, R. A. 1994. Universitas Sumatera Utara

2.4.2 Metode Analisis Regresi Linear

Metode analisis regresi akan digunakan untuk menghasilkan hubungan dalam bentuk numerik dan untuk melihat bagaimana dua regresi sederhana atau lebih regresi berganda variabel —variabel saling berhubungan satu sama lain. Salah satu langkah untuk menyelesaikan analisis regresi adalah mengetahui pasti variabel-variabel yang berhubungan dengan masalah yang ditinjau dan mengetahui dengan pasti variabel yang dianggap sebagai variable - variabel bebas atau variable -variabel tidak bebas. Untuk mengetahui dan menentukan variable - variabel mana yang sesuai untuk membuat suatu persamaan regresi, melibatkan beberapa hal yaitu dana, waktu dan tenaga yang tidak sedikit, terutama apabila angka variabel yang hendak dipakai itu besar. Jadi suatu model dianggap terbaik apabila model tersebut terdiri dari beberapa variabel bebas yang sangat berkaitan dengan variabel tidak bebas. Beberapa asumsi statistik harus dipertimbangkan sebelum menggunakan metode analisis regresi, yaitu: Tamin, O.Z. 1997 . • Variabel tidak bebas Y adalah merupakan fungsi linear dari variabel bebas X • Variabel, terutama variabel bebas, adalah tetap • Tidak ada korelasi antara variabel bebas • Variansi dari variabel tidak bebas terhadap garis regresi adalah sama untuk semua nilai variabel tidak bebas. • Nilai variabel tidak bebas harus tersebar normal atau minimal mendekati normal. Universitas Sumatera Utara Variabel - variabel bebas yang dipilih dalam analisa ini adalah : 1. Jumlah anggota keluarga 2. Jumlah kepemilikan kendaraan 3. Jumlah pendapatan perkeluarga 4. Jumlah anggota keluarga telah bekerja 5. Luas type rumah

A. Tata Cara Pembuatan Model Regresi

Tata cara pembuatan suatu model analisis regresi adalah dengan cara sebagai berikut: 1. Perhatikan hubungan antara variabel tidak bebas dengan setiap variabel bebas. Cara yang paling mudah untuk mengetahuinya adalah dengan memplotkan variable - variabel tersebut dengan mempergunakan komputer. Hubungan yang tidak linear akan diubah menjadi linear. Pengujian yang biasa dilakukan adalah dengan mengubahnya ke dalam bentuk persamaan logarilma. Misalnya, jika kurva yang dihasilkan kedua variabel tersebut berhenti Y = aX b . kurva tersebut harus diubah menjadi. Log Y = Log a + b Log X.. 2. Membuat Matriks Korelasi Koefisien korelasi dapat bernilai positif atau negatif. Nilai positif menujukkan hubungan yang positif, yaitu kemiringan garis regresi adalah positif, sementara bernilai negatif menunjukkan hubungan yang negatif, yaitu kemiringan garis regresi yang negatif. Memeriksa melalui matriks korelasi, apabila ada variable bebas berhubungan erat dengan variable Universitas Sumatera Utara bebas lainnya. Misalnya variabel pendapatan keluarga mempunyai hubungan yang kuat dengan variabel kepemilikan kendaraan. Oleh karena hal tersebut maka hanya satu variabel saja dan kedua variabel tersebut yang dipilih dalam membentuk suatu persamaan regresi. 3. Analisis setiap kombinasi variabel tidak bebas terhadap variabel bebas, Kemudian pilih salah satu kombinasi yang terbaik dari nilai koefisien determinan R 2 . 4. Hitung parameter dari persamaan regresi yang dibentuk dari beberapa variabel bebas dan analisis setiap : a. Nilai R 2 b. Tanda +- bagi setiap variabel c. Hubungan yang kuat untuk bagi setiap variabel nilai korelasi d. Uji-t e. Uji-F Langkah yang berikutnya adalah memilih persamaan yang terbaik dan sesuai dengan syarat yang telah disebutkan di atas dan juga dapat digunakan untuk membuat suatu peramalan bangkitan perjalanan.

B. Contoh Pembuatan Model

Data diambil dari survey sebelumya di kota Kuala Lumpur dengan tujuan untuk membuat suatu model persamaan bangkitan perjalanan pada tahun 1985. Kota Kuala Lumpur telah dibagi menjadi 37 zona dan data tentang jumlah perjalanan, tata guna lahan, sosial ekonomi dapat dilihat pada Tabel 2.1 di bawah ini: Universitas Sumatera Utara Tabel 2.1 Sosial ekonomi, tata guna tanah, dan jumlah total perjalanan Zona Kend. Pend. R.Tinggal R.Peng Kamar R.Tingkat J.Kel J.Ker Jp+Jb+Jr Perjanan 1 2 3 . . 10 11 12 . . 25 26 27 . . 35 36 37 0,7122 0,4173 0,1814 .. .. 0,4116 0,5739 0,4258 .. .. 0,6749 1,1128 0.4139 .. .. 0,9020 0,7023 0,4751 1302,76 1302,92 821,15 .. .. 1054,36 1253,20 960,90 .. .. 1270,15 1966,23 817,56.. .. .. 2247,53 1547,70 1134,31 919 1291 570 .. .. 1657 11225 1204 .. .. 14681 2004 2613 .. .. 1090 4026 9815 1171 1540 613 .. .. 64 599 .. .. 84 617 375 .. .. 132 7 3637 393 79 114 .. .. 309 565 .. .. 172 .. .. 552 973 3593 73 791 .. .. 727 132 331 .. .. 421 1818 .. .. 17 219 25684 3219 2245 .. .. 4406 11716 3517 .. .. 16337 2621 5199 .. .. 5594 5975 19203 40920 57845 38247 .. .. 9942 2316 5268 .. .. 9495 776 10913 .. .. 11796 6364 26688 5 3 2 .. .. 2 .. .. 1 1 .. .. 3 2 159314 196180 151982 .. .. 52316 60936 41641 .. .. 97639 10420 58765 .. .. 52617 35322 172586 Sumber: Abdul lah O.K. Rahmat, R. A. 1994. Dengan menggunakan data ini model bangkitan perjalanan akan dibuat dengan menggunakan analisis regresi. Langkah-langkah pembuatan suatu model adalah sebagai berikut : 1. Memeriksa hubungan antara variabel bebas dengan setiap variabel tidak bebas. Jika perlu buat kedalam bentuk logaritma. Masalah ini dapat dilakukan dengan memplotkan setiap variabel bebas satu persatu terhadap variabel tidak bebas. 2. Membuat matriks korelasi untuk melihat variable - variabel yang saling berkaitan dengan variabel bebas dan juga untuk melihat seandainya ada variabel bebas yang berhubungan erat dengan variabel bebas lain. Hasil dari matriks korelasi dapat dilihat pada Tabel 2.2 dari tabel matriks korelasi dapat dilihat beberapa hal yang tidak umum. Pada umumnya, semakin tinggi jumlah kepemilikan kendaraan, semakin banyak jumlah perjalanan yang dilakukan. Tetapi dalam matriks korelasi tersebut, Universitas Sumatera Utara hubungan antara jumlah total perjalanan dengan jumlah kepemilikan kendaraan dengan jumlah kepemilikan kendaraan dan juga jumlah pendapatan keluarga adalah negatif - 0,26472 dan -0,19948. ini berarti apabila semakin tinggi jumlah kepemilikan kendaraan dari pendapatan, semakin kecil jumlah perjalanan yang dilakukan. Masalah ini tidak mungkin, dan dengan demikian kedua variabel ini lebih baik dikeluarkan dari model. Kedua variabel ini juga mempunyai hubungan yang kuat karena nilai korelasinya yang tinggi, yaitu 0,83539. Hubungan antara jumlah keluarga dengan jumlah rumah tinggal, rumah panggung, kamar, dan rumah tingkat juga tinggi. Oleh karena itu hanya variabel jumlah keluarga saja yang diambil dalam pembinaan suatu model. Tabel 2.2 Matriks korelasi antar variable Pi Kend. Penda. R.Tinggal R.Pang. Kamar R.Tingkat J.Kel J.Ker Jp+Jb+Jr Pi Kend. Penda R.Tinggal R.Pang. Kamar R.Tingkat J.Kel J.Ker Jp+Jb+Jr 1,00000 -0,26472 -0,19948 0,22155 0,57540 0,34382 0,34382 0,59266 0,80256 0,49592 -0,26472 1,00000 0,83539 0,25058 -0,31658 0,06475 -0,08537 -0,06475 0,25729 -0,05556 -0,19948 0,83539 1,00000 0,115617 -0,25578 0,15052 -0,40506 -010526 0,09258 0,08362 0,22155 0,25058 0,15617 1,00000 0,04685 0,27416 0,05941 0,64390 -0,08770 0,08708 0,57540 -0,31658 -0,25578 0,04685 1,00000 0,49170 0,23895 0,63115 0,25345 0,49167 0,34882 0,06475 0,15652 0,27416 0,49170 1,00000 -0.02681 0,49509 0,11508 0,17868 0,35642 -0,28686 -0,4606 0,05941 0,23895 -0,02681 1,00000 0,55134 0,00318 -0,07136 0,59266 -0,08537 -0,10526 0,64390 0,63115 0,19509 0,55134 1,00000 0,05631 0,25486 0,00256 -0,25726 -0,09258 -0,08770 0,25345 0,11500 0,00318 0,05631 1,00000 0,44115 0,49592 -0,05556 0,08362 0,08708 0,49167 0,17368 -0,07136 0,25486 0,44115 1,00000 Sumber: Abdul lah O.K. Rahmat, R. A. 1994. 3. Memeriksa semua kombinasi variabel tidak bebas yang saling berhubungan erat. Dari langkah kedua di atas oleh karena jumlah kepemilikan keadaan, pendapatan keluarga, jumlah rumah tinggal, rumah panggung, kamar dan rumah tingkat telah dikeluarkan dari model, yang Universitas Sumatera Utara tinggal hanya 3 variabel bebas saja. Tabel 2.3 menunjukkan kombinasi semua variabel beserta nilai koefisien determinannya R 2 . Tabel 2.3 Kombinasi variable tidak bebas Jumlah Variabel Dalam Model R 2 Standard Deviasi Variasi Dalam Model 1 1 1 0,24593381 0,35124354 0,64410468 47472,870 4403,337 32613,837 Jppp Jk Jker 2 2 2 0,47844303 0,66909355 0,94478077 40057,717 31907,144 13034,083 Jk Jppp Jker Jppp Jk Jker 3 0,94510160 13191,606 Jk Jppp Jker Sumber: Abdul lah O.K. Rahmat, R. A. 1994. Catatan: Jppp = Jumlah pasar, pusat membeli belah, dan pasar raya Jk = Jumlah Keluarga Jker = Jumlah Pekerjaan Tabel 2.3 menujukkan bahwa kombinasi yang memberikan nilai R 2 yang tertinggi adalah kombinasi yang berisikan ketiga variabel bebas yang terdapat dalam model persamaan tersebut, tetapi yang memberikan nilai standard deviasi minimum adalah kombinasi variabel jumlah keluarga dengan jumlah pekerjaan. 4. Menentukan model persamaan yang terbaik. Pi = 5,31 Jk + 3,244 Jker -2028 ……………….2.1 Standard deviasi = 13.034 R 2 = 0,994 Nilal -t bagi koefisien Regresi = 13,6 dan 19,1 pada selang kepercayaan Universitas Sumatera Utara 1. P1 5,26 Jk + 3,2O7Jker + 811,6 Jppp-2 178 ……………….2.2 Standart deviasi = 13,192 R 2 = 0,945 Nilai -t bagi koef. Regresi = 12,88 ; 16,7 dan 0,44 pada selang kepercayaan 1. Pertama yaitu persamaan 2.1. Nilai koefisien determinan R 2 tinggi, sebesar 0,944. Uji-t menujukkan bahwa semua variabel memberi pengaruh yang signifikan terhadap jumlah perjalanan yang terjadi pada tahap selang kepercayaan 1. Nilai t-tabel pada tahap keyakinan 1 dengan derajat kebebasan 37 - 2 35 adalah 2,72 lihat tabel sebaran t pada lampiran. Oleh karena itu model yang pertama memenuhi syarat analisis regresi. Perhatikan juga model persamaan yang kedua, yaitu persamaan 2.2. Nilai koefisien determinan R 2 tinggi, yaitu 0,945. Uji-t bagi koefisien variabel Jppp memberikan nilai t yang sangat kecil, yaitu 0,44 dan ini berarti bahwa standard deviasinya tinggi. Oleh karena itu Jppp dianggap tidak berpengaruh dan boleh dikeluarkan dari model. Dengan demikian model yang kedua tidak boleh digunakan. Dibawah ini adalah model persamaan bangkitan pergerakan keluarga di beberapa kota, yaitu: 1. Y = 1,4099 Xl + 0,0831 X2 - 0.0853 Universitas Sumatera Utara Dengan Y = total trips, Xl = jumlah anggota keluarga, X2 = jumlah pekerja dan determinasi sebesar 0,6184 dan standard error 1,4013. Pemodelan Bangkitan dari Perumahan, Studi Kasus Perumahan Type 54 Plamongan lndah, Semarang. Mieke Ariyani, Monica Andhy Winata. 2. Y = 0,063 1 + 1,261 X3 Dengan Y = total pergerakan, X3 jumlah anggota keluarga dengan koefisien determinasi sebesar 0,726 dan nilai F-hitung sebesar 1152,656 serta t-hitung sebesar 33,951. Analisis Model Bangkitan Pergerakan Keluarga di Kawasan Perumahan Sawojajar Malang. Muhammad Isradi, ST.

C. Penggunaan Model Regresi untuk Peramalan

Koefisien regresi pada persamaan 2.1 dapat ditafsirkan sebagai berikut : • Nilai koefisien variabel 5,31 jumlah keluarga menunjukkan bahwa setiap keluarga jumlah total perjalanannya sebanyak 5,31 kali dalam sehari. Dengan kata lain, dalam sebuah keluarga, Bapak keluar bekerja sekali dalam sehari, Ibu keluarga berbelanja sekali dalam sehari, dan tiga anaknya pergi ke sekolah setiap hari. Kemudian sesekali mereka pergi rekreasi atau yang lainnya. Nilai intersep 3,244 bagi variabel jumlah pekerjaan memberi arti bahwa setiap pekerja akan menghasilkan perjalanan 3,244 kali sehari dari lokasi tempat ia bekerja, sekali untuk pulang ke rumah, sekali untuk keluar makan siang, sekali keluar untuk urusan kantor, dan sesekali keluar untuk urusan tertentu. Universitas Sumatera Utara • Nilai pembanding 2028 menunjukkan adanya hubungan antara keluarga dengan keluarga dan pekerja dengan pekerja. Nilai pembanding sedemikian besar berarti bahwa persamaan regresi linear ini hanya boleh digunakan untuk zona yang besarluas. • Untuk peramalan 20 tahun yang akan datang, angka - angka ini mungkin menyebabkan peramalan yang berlebihan karena jumlah anggota keluarga mungkin akan menjadi kecil dan ini menyebabkan jumlah bangkitan perjalanan akan semakin kecil. Demikian halnya dalam bidang pekerjaan, besar kemungkinan pada masa yang akan datang kebanyakan urusan kantor akan dijalankan secara elektronik. Hal ini menyebabkan seorang pekerja tidak perlu keluar dari kantor. Tabel dibawah ini menampilkan contoh lain dengan menggunakan dua variabel regresi X 1 adalah variabel tata guna lahan, data yang digunakan untuk zona 8 tercantum pada tabel di bawah ini. Tabel 2.4 Bangkitan pergerakan dan total pemilikan kendaraan perzona Nomor Zona Bangkitan Pergerakan hari Total Pemilikan Kendaraan 1 2 3 4 5 6 7 8 500 300 1300 200 400 1200 900 1000 200 50 500 100 100 400 300 400 Sumber : Black, 1981 Universitas Sumatera Utara Data pada tabel di atas digambarkan dengan menggunakan program excel Black. 1981 sehingga menghasilkan Gambar 2.1. Terlihat bahwa bangkitan pergerakan merupakan variabel tidak bebas sumbu-y. grafik menunjukkan hubungan linier positif antara bangkitan pergerakan dengan kepemilikan kendaraan dengan hubungan Y = βo + β 1 X dengan βo adalah intersep dan β 1 , adalah kemiringan. Gambar 2.1 Grafik bangkitan pergerakan dan pemilikan kendaraan Sumber: Black, 1981 Metode kuadrat terkecil kemudian digunakan dalam proses regresi ini, karena garis linear tersebut hanya mempunyai nilai total jumlah kuadrat residual atau simpangan yang paling minimum antara hasil pemodelan dengan hasil pengamatan. Dengan persyaratan ini data menghasilkan persamaan: Y = 89,9 +2,48X …………………2.3

2.5. Penentuan Jumlah Sampel