BAB IV HASIL DAN PEMBAHASAN
IV.1. Kalibrasi Model Gravity
Proses penaksiran nilai parameter biasa dikenal dengan proses kalibrasi
model. Pada study ini kalibrasi model gravity untuk mendapatkan nilai parameter dari simulasi data yang digunakan adalah metode analisis regresi-linear.
IV.1.1. Metode Analisis Regresi Linear
Pada study ini, metode analisis regresi-linear digunakan untuk mengkalibrasi parameter model gravity yang merupakan suatu fungsi tidak-linear.
Agar dapat menggunakan metode ini secara umum proses transformasi linear dibutuhkan untuk mengubah fungsi tidak-linear menjadi fungsi linear. Adapun
metode ini terdiri atas:
IV.1.1.A. Fungsi Hambatan Eksponensial-Negatif
Untuk mengkalibrasi parameter model gravity dari satu set data matriks pergerakan
informasi yang dibutuhkan adalah data matriks jarak dan
data matriks bangkitan dan tarikan pergerakan pada setiap zona seperti
contoh satu 1 dan contohh dua 2 diatas. Berikut Tabel IV.1 dan Tabel IV.2 memperlihatkan prosedur perhitungan dengan
menggunakan metode analisis regresi-linear untuk fungsi hambatan eksponensial- negatif.
Universitas Sumatera Utara
Tabel.IV.1. Prosedur Perhitungan Dengan Metode Analisis Regresi-Linear Fungsi Hambatan Eksponensial-Negatif {Contoh 1}.
Seperti yang telah dijelaskan sebelumnya, maka nilai parameter B dan A dapat dihitung dengan menggunakan persamaan 2.21 dan 2.22.
. A = 4,903796764
– -0,25741.3,666667 = 5,84762. Sehingga, dengan menggunakan nila parameter B, dihasilkan nilai parameter
= untuk contoh 1.
Tabel.IV.2. Prosedur Perhitungan Dengan Metode Analisis Regresi-Linear Fungsi Hambatan Eksponensial-Negatif {Contoh 2}.
.
NO 1
2 3 = ln .2
4 = 13 5 = 12
1 3
150 5,010635294
15,03190588 9
2 2
100 4,605170186
9,210340372 4
3 5
50 3,912023005
19,56011503 25
4 3
400 5,991464547
17,97439364 9
5 5
100 4,605170186
23,02585093 25
6 4
200 5,298317367
21,19326947 16
Total 22
29,42278059 105,9958753
88 Rerata
3,666667 4,903796764
1 2
3=ln.2 4=1.3
5=12 1
20 100
4,605170186 92,10340372
400 2
5 250
5,521460918 27,60730459
25 3
20 100
4,605170186 92,10340372
400 4
6 200
5,298317367 31,7899042
36 5
10 150
5,010635294 50,10635294
100 6
4 400
5,991464547 23,96585819
16 7
5 250
5,521460918 27,60730459
25 8
4 400
5,991464547 23,96585819
16 9
10 150
5,010635294 50,10635294
100 TOTAL
84 47,55577926
419,3557431 1118
RERATA 9,333333 5,283975473
No
Universitas Sumatera Utara
A = 5,283975473 – -0,07335.9,333333 = 5,9685558
Sehingga, dengan menggunakan nila parameter B, dihasilkan nilai parameter =
untuk contoh 2.
IV.1.1.B. Fungsi Hambatan Pangkat
Dengan menggunakan informasi yang sama pada Tabel.III.1, Tabel.III.2, Tabel.III.3, dan Tabel.III.4, maka Tabel.IV.3 dan Tabel.IV.4 memperlihatkan
prosedur perhitungan dengan menggunakan metode analisis regresi-linear untuk fungsi hambatan pangkat.
Tabel.IV.3. Prosedur Perhitungan Dengan Metode Analisis Regresi-Linear Fungsi Hambatan Pangkat {Contoh 1}.
Seperti yang telah dijelaskan sebelumnya, maka nilai parameter B dan A dapat dihitung dengan menggunakan persamaan 4.10 dan 4.11.
. A = 4,903796764
– -0,67088.1,249256991 = 5,7419. Sehingga, dengan menggunakan nila parameter B, dihasilkan nilai parameter
= untuk contoh 1.
NO 1
2 = ln. 1 3
4 = ln.3 5 = 24 6 = 22
1 3
1,098612289 150
5,010635294 5,50474551
1,206949 2
2 0,693147181
100 4,605170186
3,19206073 0,480453
3 5
1,609437912 50
3,912023005 6,29615814 2,5902904
4 3
1,098612289 400
5,991464547 6,58229658
1,206949 5
5 1,609437912
100 4,605170186
7,41173549 2,5902904 6
4 1,386294361
200 5,298317367
7,34502749 1,9218121 Total
7,495541944 29,42278059
36,3320239 9,9967438 Rerata
1,249256991 4,903796764
Universitas Sumatera Utara
Tabel.IV.4. Prosedur Perhitungan Dengan Metode Analisis Regresi-Linear Fungsi Hambatan Pangkat {Contoh 2}.
. A = 5,283975473
– -0,00857.2,042206528 = 5,3014818. Sehingga, dengan menggunakan nila parameter B, dihasilkan nilai parameter
= untuk contoh 2.
IV.1.1.C. Fungsi Hambatan Tanner
Tabel.III.1, Tabel.III.2, Tabel.III.3, dan Tabel.III.4, maka Tabel.IV.5 dan Tabel.IV.6 memperlihatkan prosedur perhitungan dengan menggunakan metode
analisis regresi-linear untuk fungsi hambatan Tanner untuk contoh 1 dan 2. Tabel.IV.5. Prosedur Perhitungan Dengan Metode Analisis Regresi-Linear
Fungsi Hambatan Tanner {Contoh 1}.
1 2=ln.1
3 4=ln.3
5=2.4 6=22 1
20 2,995732274
100 4,605170186
13,79586 8,974412 2
5 1,609437912
250 5,521460918
8,886449 2,59029
3 20
2,995732274 100
4,605170186 13,79586 8,974412
4 6
1,791759469 200
5,298317367 9,49331 3,210402
5 10
2,302585093 150
5,010635294 11,53741 5,301898
6 4
1,386294361 400
5,991464547 8,305934 1,921812
7 5
1,609437912 250
5,521460918 8,886449
2,59029 8
4 1,386294361
400 5,991464547
8,305934 1,921812 9
10 2,302585093
150 5,010635294
11,53741 5,301898 TOTAL
18,37985875 47,55577926
94,54462 337,8192 RERATA
2,042206528 5,283975473
No
NO 1
2 = ln.1+1 3
4 = ln.3 5 = 24 6 = 22
1 3
4,098612289 150
5,010635294 20,5366514 16,798623
2 2
2,693147181 100
4,605170186 12,4024011 7,2530417
3 5
6,609437912 50
3,912023005 25,8562732
43,68467 4
3 4,098612289
400 5,991464547
24,5566902 16,798623 5
5 6,609437912
100 4,605170186
30,4375864 43,68467
6 4
5,386294361 200
5,298317367 28,538297
29,012167 Total
29,49554194 29,42278059
142,327899 157,23179 Rerata
4,915923657 4,903796764
Universitas Sumatera Utara
Seperti yang telah dijelaskan sebelumnya, maka nilai parameter B dan A dapat dihitung dengan menggunakan persamaan 2.21 dan 2.22.
. A = 4,903796764
– -0,189.4,915923657 = 5,83292. Sehingga, dengan menggunakan nila parameter B, dihasilkan nilai parameter
= untuk contoh 1.
Tabel.IV.6. Prosedur Perhitungan Dengan Metode Analisis Regresi-Linear Fungsi Hambatan Tanner {Contoh 2}.
. A = 5,283975473
– -0,00291.11,37553986 = 5,3170292. Sehingga, dengan menggunakan nila parameter B, dihasilkan nilai parameter
= untuk contoh 2.
Tabel.IV.7. Rangkuman Nilai Parameter {Contoh 1}
1 2=ln.1+1
3 4=ln.3
5=2.4 6=22 1
20 22,99573227
100 4,605170186
105,8993 528,8037 2
5 6,609437912
250 5,521460918
36,49375 43,68467 3
20 22,99573227
100 4,605170186
105,8993 528,8037 4
6 7,791759469
200 5,298317367
41,28321 60,71152 5
10 12,30258509
150 5,010635294
61,64377 151,3536 6
4 5,386294361
400 5,991464547
32,27179 29,01217 7
5 6,609437912
250 5,521460918
36,49375 43,68467 8
4 5,386294361
400 5,991464547
32,27179 29,01217 9
10 12,30258509
150 5,010635294
61,64377 151,3536 TOTAL
102,3798587 47,55577926
513,9004 10481,64 RERATA
11,37553986 5,283975473
No
No Metode Analisa Regresi Linear
Nilai Parameter 1
FUNGSI HAMBATAN EKSPONENSIAL-NEGATIF 0,25741
2 FUNGSI HAMBATAN PANGKAT
0,67088 3
FUNGSI HAMBATAN TANNER 0,189
Universitas Sumatera Utara
Tabel.IV.8. Rangkuman Nilai Parameter {Contoh 2}
Secara umum bahwa pelaku perjalanan lebih memilih jarak perjalanan terpendek tercepat untuk mencapai daerah tujuannya, maka nilai parameter
yang digunakan untuk perhitungan prediksi nilai sebaran pergerakan dengan empat 4 model gravity adalah nilai parameter yang terkecil. Karena nilai
parameter menggambarkan nilai jarak rata-rata perjalanan yang ada, semakin
besar nilai parameter maka semakin besar nilai hambatan atau jarak menuju
daerah tujuan yang ingin dicapai. Sesuai dengan teori tersebut, maka nila parameter
fungsi hambatan yang digunakan adalah Metode Analisa Regresi Linear dengan Fungsi Hambatan
Tanner. Yang nantinya nilai parameter fungsi hambatan tanner tersebut yang
akan digunakan dalam pengolahan simulasi data dengan empat 4 model Gravity, dengan anggapan bahwa nilai
untuk contoh 1 dan . Selain itu fungsi tanner mempunyai bentuk yang secara umum lebih
bisa diterima karena merupakan kombinasi dari fungsi eksponensial dan fungsi pangkat.
IV.2. Perbandingan Model Sebaran Perjalanan