Bangkitan Perjalanan pada Perumahan Nasional (PERUMNAS) Helvetia

BANGKITAN PERJALANAN PADA PERUMAHAN NASIONAL (PERUMNAS) HELVETIA

TUGAS AKHIR

Diajukan untuk melengkapi tugas-tugas dan

memenuhi syarat untuk menempuh

Ujian Sarjana Teknik Sipil

Disusun Oleh:

YUSTINA SARJANI S. MUHAM 110424006

PROGRAM PENDIDIKAN EKSTENSI DEPARTEMEN TEKNIK SIPIL

FAKULTAS TEKNIK

UNIVERSITAS SUMATERA UTARA 2015

KATA PENGANTAR

Segala puji dan hormat sert a syukur kepada Tuhan Yang M aha Esa at as kasih, berkat dan segala anugerah-Nya sehingga penulis dapat m enyelesaikan t ugas akhir ini dengan baik. Tugas akhir ini diajukan unt uk mel engkapi t ugas-t ugas dan m emenuhi syarat unt uk menempuh ujian sarjana Teknik Sipil Universit as Sumat era Ut ara.

Adapun judul dari t ugas akhir ini adalah “ Bangkit an Perjalanan pada Perumahan Nasional (PERUM NAS) Helvet ia” . Penulis menyadari bahw a t erlaksananya penelit ian t ugas akhir ini t idak t erlepas dari dukungan berbagai pihak. Karena it u, pada kesempat an ini penulis mengucapkan t erima kasih yang set ulus-t ulusnya kepada semua pihak yang t elah membant u menyelesaikan t ugas akhir ini :

1. Bapak Ir. Joni Harianto, selaku pembimbing yang telah menyediakan waktu untuk membimbing, mengarahkan dan memberikan masukan berupa saran hingga selesainya tugas akhir ini.

2. Bapak Yusandy Aswad, ST. MT, selaku pembimbing yang telah menyediakan waktu untuk membimbing, mengarahkan dan memberikan masukan berupa saran dalam tugas akhir ini.

3. Bapak Prof.DR.Ing.Johannes Tarigan, selaku ketua Departemen Teknik Sipil Fakultas Teknik Universitas Sumatera Utara.

4. Bapak Ir. Syahrizal, MT, selaku sekretaris Departemen Teknik Sipil Fakultas Teknik Universitas Sumatera Utara.

5. Bapak Ir. Zulkarnaen A. Muis, M.Eng,Sc, selaku koordinator sub jurusan transportasi Departemen Teknik Sipil Fakultas Teknik Universitas Sumatera Utara.

6. Bapak dan Ibu staf pengajar yang telah membimbing dan mendidik sejak semester awal sampai berakhirnya masa studi di Departemen Teknik Sipil Fakultas Teknik Universitas Sumatera Utara.

7. Pegawai administrasi Departemen Teknik Sipil Fakultas Teknik Universitas Sumatera Utara.

8. Teristimewa kedua orang tuaku, ayahanda Alm. Drs. S. Sembiring Muham dan ibunda tercinta L. M. Purba atas setiap doa dan pengorbanannya yang tidak terhingga kepada penulis.

9. Abang, dan kakak-kakakku Efrem Iwansyah Sembiring Muham, Erika Nova Sembiring Muham, dan Imelda Sembiring Muham.

10. Sahabat-sahabat terbaikku,AlexHa, Patrica, Merin, Desi, Andri, Suyono, Fahri, Aidyl, Prima, Jusak, Nadia, Dewi, Mutia, Dila, Samuel, Ivan, dan Kepada semua teman-teman yang lainnya yang tidak dapat penulis sebutkan satu persatu.

11. Seluruh teman-teman angkatan 2011, 2010, 2009dan 2012 yang selalu ada untuk menjadi partner selama penulis menempuh masa studi.

12. Semua pihak yang telah membantu dalam penyusunan tugas akhir ini yang tidak dapat disebutkan satu persatu.

Penulis berharap, semoga Tuhan m em balas kebaikan mereka dengan berkat yang besar dan semoga t ugas akhir ini bermanfaat bagi kit a semua.

M edan, November 2014

ABSTRAK

Dengan adanya pertambahan kepadatan penduduk, ekonomi, dan sosial serta politik membuat bertambahnya pembangunan perumahan baru. Pertambahan penduduk dan pemukiman diiringi dengan semakin meningkatnya jumlah perjalanan yang melebihi daya tampung jalan. Aktifitas masyarakat menyebabkan timbulnya bangkitan perjalanan yang membebani jalur jaringan jalan menuju pusat kegiatan.. Permasalahan tidak hanya terbatas pada jalan raya saja, akan tetapi pertumbuhan ekonomi juga dapat menyebabkan mobilitas seseorang meningkat sehingga kebutuhan pergerakan meningkat melebihi kapasitas prasarana transportasi yang ada.

Untuk mengantisipasi dan berdasarkan pertimbangan di atas maka diperlukan studi penelitian bangkitan pergerakan keluarga pada perumahan yang diharapkan dapat memberi jalan keluar terhadap hal-hal yang telah diuraikan . Pada prakteknya, sering dijumpai bahwa model bangkitan pergerakan yang lebih baik bisa didapatkan dengan memodelkan secara terpisah pergerakan yang mempunyai maksud/tujuan yang berbeda.

Model perjalanan yang diteliti adalah perjalanan atau pergerakan keluarga pada perumahan nasional (PERUMNAS) Helvetia. Metode pengumpulan data dilakukan dengan metode kuesioner dan wawancara (indepth interview) sebagai alat ukur dengan satuan rumah tangga sebagai sampel yang dilakukan secara acak dengan metode acak sederhana (simple random sampling).Analisis data akan dilakukan dengan analisis regresi linear berganda dan kategori dengan menggunakan program computer SPSS 21.

Hasil yang diperoleh membentuk model terbaik bangkitan perjalanan keluarga Y = 1,669 + 0,884 X1 + 0,600 X2 - 0,191 X3 + 0,032 X4 - 0,104 X5. Besarnya

perjalanan yang terjadi dipengaruhi oleh jumlah anggota keluarga (X1), kepemilikan

kendaraan pribadi (X2), penghasilan (X3), bekerja (X4), dan pendidikan (X5) dengan

nilai korelasi R = 0,528.

Kata kunci: Model Bangkitan Perjalanan, analisa regresi linear berganda, analisa kategori.

DAFTAR ISI

KATA PENGANTAR ... i

ABSTRAK ... iii

DAFTAR ISI ... iv

DAFTAR TABEL ... vii

DAFTAR GAMBAR ... viii

DAFTAR GRAFIK ... ix

DAFTAR NOTASI... x

BAB I PENDAHULUAN I.1 Latar Belakang……… ... 1

I.2 Perumusan Masalah Penelitian ... 2

I.3 Tujuan Penelitian ... 2

I.4 Manfaat Penelitian ... 3

I.5 Ruang Lingkup Penelitian ... 3

I.7 Keaslian Penelitian ... 4

BAB II TINJAUAN PUSTAKA II.1 Perencanaan Transportasi ... 8

II.2 Bangkitan Pergerakan (Trip Generation) ... 8

II.2.1 Konsep permodelan bangkitan pergerakan ... 12

1. Metode Analisa Regresi Linier ... 12

A. Analisa Regresi Linier Sederhana ... 12

B. Analisa Regresi Linier Berganda ... 13

1. Uji Hubungan Linier ... 16

2. Uji – t ... 17

2. Metode Analisa Kategori ... 18

II.3Karakteristik Pelaku Perjalanan ... 21

BAB III METODOLOGI PENELITIAN III.1Lokasi dan Waktu Penelitian ... 24

III.2 Data Penelitian ... 24

1.Data Primer ... 24

2.Data Sekunder ... 26

III.3 Peralatan Penelitian ... 26

III.4Cara Pengambilan dan Ukuran Sampel ... 26

III.5Analisa Data... 28

III.6 Daftar Kuisoner ... 28

III.7 Tahapan Penelitian / Bagan Alir ... 28

BAB IV HASIL DAN PEMBAHASAN IV.1 Gambaran Kecamatan Medan Helvetia ... 30

IV.2 Populasi dan Sampel Penelitian... 31

IV.3 Karakteristik Responden ... 34

4.3.1Jumlah Anggota Keluarga ... 34

4.3.2 Jumlah Anggota Keluarga yang Bekerja ... 34

4.3.3Jumlah Anggota Keluarga yang Bersekolah dan Kuliah ... 35

4.3.4Pendapatan Rata-rata Keluarga ... 36

4.3.5Jumlah Kepemilikan Kendaraan Pribadi ... 36

IV.4 Proses Pengolahan Data ... . 37

4.4.1 Analisa Korelasi ... 37

4.4.2 Proses Pengolahan Analisa Regresi ... 42

IV.5 Uji Determinasi ... 60

IV.7 Uji F ... 64

IV.8 Uji Validitas ... 66

IV.9 Uji Linearitas ... 69

IV.10 Analisa Kategori ... 70

IV.11 Perbandingan Antara Regresi Linear dan Analisa Kategori ... 76

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 77

5.2 Saran ... 78

DAFTAR PUSTAKA ... xi

DAFAR TABEL

Tabel IV.1 Data sampel sementara ... 32

Tabel IV.2 Deskripsi statistik data sampel untuk uji kecukupan data ... 32

Tabel IV.3 Jumlah anggota keluarga ... 34

Tabel IV.4 Jumlah anggota keluarga yang bekerja ... 34

Tabel IV.5 Jumlah anggota keluarga yang bersekolah dan kuliah ... 35

Tabel IV.6 Pendapatan rata-rata keluarga ... 36

Tabel IV. 7 Tingkat kepemilikan kendaraan Pribadi ... 36

Tabel IV. 8 Interpretasi Koefisien Korelasi ... 38

Tabel IV. 9 Korelasi variabel dependent dengan independent ... 39

Tabel IV.10Korelasi variabel dependent dengan independent ... 40

Tabel IV.11 Persamaan regresi, R, dan R2 ... 59

Tabel IV.12 Pembagian kelas analisa kategori... 71

DAFTAR GAMBAR

Gambar II.1. Trip Production Dan Trip Attraction... 9

Gambar II.2 Bangkitan dan Tarikan Perjalanan ... 10

Gambar III.1Bagan Alir Penelitian ... 28

DAFTAR GRAFIK

Grafik IV.1 Jumlah Anggota Keluarga ... 34

Grafik IV.2 Jumlah Anggota Keluarga Bekerja ... 35

Grafik IV.3 Anggota Keluarga Bersekolah dan Kuliah ... 35

Grafik IV.4 Pendapatan Rata-rata Keluarga ... 36

DAFTAR NOTASI

e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih dapat ditolerir

F = nilai banding F Se = Sampling error z = Tingkat kepercayaan Bo = hipotesisi nol

Bo = jumlah variabel/koefisien regresi

Σ = simbol penjumlahan

n = ukuran sampel (pada penelitian ini yang menjadi sampel adalah jumlah responden dari masing masing pelaku transportasi yang akan disurvei). N = ukuran populasi

R = koefisien Korelasi R2 = koefisien Determinasi t = nilai banding t r = nilai banding validasi X1 = Jumlah anggota keluarga

X2 = Jumlah kepemilikan kendaraan pribadi X3 = Jumlah pendapatan

X4 = Jumlah anggota keluarga bekerja

X5 = Jumlah anggota keluarga yang sekolah dan kuliah Y = Jumlah perjalanan

ABSTRAK

Dengan adanya pertambahan kepadatan penduduk, ekonomi, dan sosial serta politik membuat bertambahnya pembangunan perumahan baru. Pertambahan penduduk dan pemukiman diiringi dengan semakin meningkatnya jumlah perjalanan yang melebihi daya tampung jalan. Aktifitas masyarakat menyebabkan timbulnya bangkitan perjalanan yang membebani jalur jaringan jalan menuju pusat kegiatan.. Permasalahan tidak hanya terbatas pada jalan raya saja, akan tetapi pertumbuhan ekonomi juga dapat menyebabkan mobilitas seseorang meningkat sehingga kebutuhan pergerakan meningkat melebihi kapasitas prasarana transportasi yang ada.

Untuk mengantisipasi dan berdasarkan pertimbangan di atas maka diperlukan studi penelitian bangkitan pergerakan keluarga pada perumahan yang diharapkan dapat memberi jalan keluar terhadap hal-hal yang telah diuraikan . Pada prakteknya, sering dijumpai bahwa model bangkitan pergerakan yang lebih baik bisa didapatkan dengan memodelkan secara terpisah pergerakan yang mempunyai maksud/tujuan yang berbeda.

Model perjalanan yang diteliti adalah perjalanan atau pergerakan keluarga pada perumahan nasional (PERUMNAS) Helvetia. Metode pengumpulan data dilakukan dengan metode kuesioner dan wawancara (indepth interview) sebagai alat ukur dengan satuan rumah tangga sebagai sampel yang dilakukan secara acak dengan metode acak sederhana (simple random sampling).Analisis data akan dilakukan dengan analisis regresi linear berganda dan kategori dengan menggunakan program computer SPSS 21.

Hasil yang diperoleh membentuk model terbaik bangkitan perjalanan keluarga Y = 1,669 + 0,884 X1 + 0,600 X2 - 0,191 X3 + 0,032 X4 - 0,104 X5. Besarnya

perjalanan yang terjadi dipengaruhi oleh jumlah anggota keluarga (X1), kepemilikan

kendaraan pribadi (X2), penghasilan (X3), bekerja (X4), dan pendidikan (X5) dengan

nilai korelasi R = 0,528.

Kata kunci: Model Bangkitan Perjalanan, analisa regresi linear berganda, analisa kategori.

BAB I PENDAHULUAN

I.1. Latar Belakang

Kota Medan sebagai Ibukota Propinsi Sumatera Utara, telah berkembang menjadi pusat berbagai kegiatan pelayanan seperti pusat administrasi pemerintahan, perdagangan, industri, jasa pelayanan keuangan, komunikasi, akomodasi kepariwisataan, dan kegiatan pelayanan lainnya. Kegiatan pelayanan tersebut diperuntukkan kepada penduduk kota medan pada khususnya, dan penduduk Propinsi Sumatera Utara pada umumnya. Kondisi ini menyebabkan kota Medan tumbuh dengan pesat.

Penduduk kota Medan tahun 2010 sebesar 2.109.339 jiwa dengan luas wilayah mencapai 265,10 km2, memiliki 21 kecamatan dengan bentuk kota yang memanjang dari utara ke selatan. Salah satu kecamatan, kecamatan Medan Helvetia sebagai lokasi penelitian, berbatasan dengan Medan Sunggal di sebelah Barat, Medan Barat di Timur, Medan Petisah di Selatan, dan Medan Marelan di Utara. Penduduk kecamatan Medan Helvetia pada tahun 2010 sebesar 144.257 jiwa luas wilayah 15,44 km2. Salah satu akibat dari pertumbuhan kota Medan tersebut adalah banyak munculnya perumahan di wilayah Medan Helvetia ini yang mengakibatkan terjadinya bangkitan transportasi sehingga mempengaruhi tingkat pelayanan jalan.

Lokasi penelitian ialah Perumnas Helvetia Medan, terletak dipinggiran kota Medan ini merupakan lokasi padat penduduk dengan luas wilayah ± 97 Hektar, hampir semua masyarakat yang menghuni perumahan ini untuk beraktivitas sehari-hari dengan menggunakan kendaraan roda empat, dua, dan kendaraan umum

yangumumnya mereka bekerja menyebar ke kecamatan-kecamatan kota Medan yang menghasilkan bangkitan pergerakan yang menimbulkan menambah jumlah pergerakan pada jalan-jalan arteri, kolektor maupun lokal diperkotaan.

I.2. Perumusan Masalah Penelitian

Berdasarkan latar belakang diatas dapat dirumuskan permasalahan pada penelitian ini ialah:

1. Bagaimana mengidentifikasi faktor-faktor yang mempengaruhi perjalanan penduduk yaitu faktor jumlah keluarga, kepemilikan kendaraan pribadi,pendapatan, bekerja, dan pendidikan sehingga dapat dijadikan variabel dalam menganalisa bangkitan pergerakan dari Perumnas Helvetia

2. Bagaimana model bangkitan perjalanan penduduk pada Perumnas Helvetia Medan

I.3. Tujuan Penelitian

Berdasarkan rumusan masalah yang akan dikaji, maka tujuan dari penelitian adalah:

1. Untuk mengidentifikasi faktor-faktor yang mempengaruhi perjalanan penduduk dinilai dari faktor pendapatan, jumlah keluarga, kepemilikan kendaraan, pekerjaan, dan pendidikan sehingga dapat dijadikan tolak ukur dalam menganalisa bangkitan pergerakan dari Perumnas Helvetia.

2. Untuk mendapatkan jumlah bangkitan perjalanan dengan analisa regresi linear berganda dan analisa kategori pada Perumnas Helvetia Medan.

I.4. Manfaat Penelitian

Melalui penelitian ini akan menambah pengetahuan dan pemahaman di bidang perencanaan transportasi, khususnya yang menyangkut tentang konsep pemodelan bangkitan perjalanan. Secara praktis dapat diketahui bahwa pembangunan kawasan pemukiman yang setipe dengan kawasan yang diteliti akan menghasilkan bangkitan yang tidak jauh berbeda.

I.5. Ruang Lingkup Penelitian

Untuk menghindari penelitian yang terlalu luas dan terbatasnya waktu, maka pembatasan masalah dalam penelitian ini menitikberatkan pada beberapa hal yaitu: 1. Jumlah bangkitan pergerakan yang akan diteliti adalah pergerakan masyarakat

di Perumnas Helvetia.

2. Pengambilan data dilakukan dengan cara memperhitungkan perjalanan yang dilakukan oleh penghuni perumahan yang dianalisis berdasarkan home base trip, yaitu semua perjalanan yang berasal dari rumah dan diakhiri dengan pulang kerumah masyarakat di Perumnas Helvetia.

3. Data yang didapat dari hasil pengisian kuisoner oleh para responden.

4. Penyebaran kuisoner dilakukan pada hari senin, selasa, rabu, kamis, jumat, sabtu, dan minggu.

5. Faktor-faktor yang mempengaruhi perjalanan penduduk dinilai dari faktor jumlah keluarga, kepemilikan kendaraan pribadi,pendapatan, bekerja, dan pendidikan.

I.6. Keaslian Penelitian

Penelitian yang sudah pernah ada sebelumnya:

1. Judul: Model Bangkitan Perjalanan Kerja dan Faktor Aksesibilitas pada zona Perumahan di Yogyakarta

Oleh Yuswendra Ersandi, Ahmad Munawar, Sri Atmaja P. Rosyidi, 2009. Tujuan penelitian ini untuk memperoleh bangkitan perjalanan kerja di Perumahan Yogyakarta dipengaruhi oleh variabel kepemilikan kendaraan roda 4 (X2) dan variabel jumlah anggota keluarga yang bekerja (X5). Permodelan regresi yang sesuai dengan kondisi bangkitan perjalanan kerja dari kawasan studi adalah Y = 0,34 - 0,153 X2 + 0,682 X5.

Dalam hal ini kaitan penelitian ini dengan penelitian yang penulis lakukan adalah teknik pengumpulan data sekunder dalam hal berupa jumlah kepala keluarga, dan uji yang digunakan uji korelasi dan uji F.

2. Judul: Bangkitan Perjalanan Pada Perumahan Bougenville Di Palembang Oleh Hamdi, 2011.

Tujuan penelitian ini untuk memperoleh hasil analisa terhadap sosio-ekonomi. Model bangkitan terpilih untuk bangkitan perjalanan pada komplek perumahan Bougenville adalah Y = -0,188 + 0,830 X1 + 0,026 X3 + 0,166 X4. Dengan nilai R2 = 0,711.

Dalam hal ini kaitan penelitian ini dengan penelitian yang penulis lakukan adalah pengumpulan data dilakukan dengan metoda penyebaran kuisoner, dan model bangkitan yang digunakan ialah metode analisa regresi linier berganda. 3. Judul: Model Bangkitan Pergerakan Zona Kecamatan Palu Utara Kota Palu

Tujuan penelitian ini untuk memperoleh model bangkitan pergerakan zona kecamatan kota Palu Utara adalah Y = 0,108 + 0,475 X1 + 0,285 X2 + 0,151 X5. Dengan nilai R2 = 0,335 dan nilai F = 61,04.

Dalam hal ini kaitan penelitian ini dengan penelitian yang penulis lakukan adalah pengumpulan data dilakukan dengan metoda penyebaran kuisoner sebagai data primer. Sementara itu data primer yang digunakan penulis ialah pengumpulan data dengan metoda penyebaran kuisoner juga.

4. Judul: Model Bangkitan Perjalanan Komuter dari Perumahan Pinggiran Kota di Makassar

Oleh Rais Rachman, Herman Parung, S. Tri Sutomo, dan Nur Ali, 2013. Tujuan penelitian ini adalah memperoleh model bangkitan perjalanan komuter dari perumahan pinggiran kota di Makassar. Pada penilitian ini menganalisa faktor-faktor yang berpengaruh dari suatu rumah tangga terhadap bangkitan perjalanan kerja dengan model regresi linier berganda.

Kaitannya dengan penelitian yang penulis lakukan adalah dalam menganalisa korelasi antar variabel dan proses kalibrasi dan validasi model sama menggunakan program SPSS.

5. Judul: Studi Permodelan Bangkitan Perjalanan Di Perkotaan Oleh Robby Gunawan Yahya, 2007.

Tujuan penelitian ini adalah memperoleh model bangkitan perjalanan di perkotaan dan menyimpulkan secara teoritis bahwa bangkitan pergerakan penghuni perumahan berpengaruh terhadap pelayanan jalan utama di perkotaan, dan menjadi suatu model bangkitan perjalanan.

Dalam hal ini kaitan penelitian ini dengan penelitian yang penulis lakukan adalah variabel-variabel yang mempengaruhi pergerakan penduduk dari perumahan, misalnya jumlah pemilikan mobil (X1), jumlah pemilikan motor (X2), jumlah anggota keluarga (X3), jumlah anggota keluarga yang bekerja (X4), dan jumlah anggota keluarga yang sekolah (X5). Sedangkan penelitian ini menggunakan variabel-variabel jumlah pendapatan dari anggota keluarga, jumlah anggota keluarga, jumlah pemilikan kendaraan pribadi, jumlah anggota keluarga yang bekerja, jumlah anggota keluarga yang sekolah dan kuliah. 6. Judul: Bangkitan Perjalanan Pada Perumahan Baturaja Permai Kabupaten

Ogan Komering Ulu - Sumatera Selatan Oleh Yuliantini Eka Putri, 2012.

Tujuan penelitian ini untuk memperoleh hasil analisa terhadap sosio-ekonomi, diperoleh bahwa kombinasi parameter ukuran keluarga (X1), kepemilikan sepeda motor (X2) dan jumlah penghasilan rata-rata keluarga (X4).

Dalam hal ini kaitan penelitian ini dengan penelitian yang penulis lakukan adalah model bangkitan yang digunakan ialah metode analisa regresi linier berganda.

7. Judul: Analisa Bangkitan Perjalanan Pada Kecamatan Deli Tua Skripsi oleh Daniel Simbolon

Tujuan penelitian ini untuk memperoleh hasil dari uji model, diperoleh model bangkitan perjalanan terbaik di Kecamatan Deli Tua yaitu Y= -0,226+1,106X4+1,005X5.

Dalam hal ini kaitan penelitian ini dengan penelitian yang penulis lakukan adalah model bangkitan yang digunakan ialah metode analisa regresi linier berganda.

8. Judul: Bangkitan Perjalanan Pada Perumahan Menteng Indah Di Kecamatan Medan Denai Pada Pagi Hari

Skripsi oleh Michael Octavianus

Tujuan penelitian ini untuk memperoleh hasil dari uji model, diperoleh model yang lulus uji dari 3 pengujian tersebut adalah:

Y= -0,400+0,201X1+0,161X2+0,135X3+0,388X4+0,534X5 R2 = 0,670 Faktor yang mempengaruhi bangkitan pergerakan di Perumahan Menteng Indah adalah Jumlah anggota keluarga (X1), jumlah kepemilikan kendaraan (mobil) (X2), jumlah kepemilikan kendaraan (motor) (X3), jumlah anggota keluarga yang bekerja (X4), jumlah anggota keluarga yang bersekolah (X5), dan jumlah penghasilan keluarga (X6).

9. Judul: Bangkitan Pergerakan Keluarga Dari Zona Perumahan Tertata (Studi Kasus : Perumahan Di Kecamatan Medan Johor)

Skripsi oleh Triyana Puji A R

Tujuan penelitian ini untuk memperoleh hasil dari kombinasi variabel yang mempengaruhi bangkitan pergerakan adalah pendapatan (X1), kepemilikan kenderaan roda dua (X3), kepemilikan kenderaan roda empat (X4), jumlah anggota keluarga, dan jumlah anggota keluarga bekerja(X6) dengan koefisien determinasi R2 sebesar 47,1%. Model yang terbentuk adalah :

BAB II

TINJAUAN PUSTAKA

II.1. Perencanaan Transportasi

Terdapat beberapa konsep perencanaan transportasi yang telah berkembang sampai saat ini - yang paling populer adalah Model Perencanaan Transportasi Empat Tahap. Model perencanaan ini merupakan gabungan dari beberapa sub model yang masing-masing harus dilakukan secara terpisah dan berurutan (Tamin, 1997). Submodel tersebut yaitu:

1. Bangkitan dan tarikan perjalanan 2. Sebaran pergerakan

3. Pemilihan moda 4. Pemilihan rute

5. Arus lalu lintas dinamis

II.2. Bangkitan Perjalanan

Bangkitan perjalanan (trip generation) adalah suatu tahapan permodelan yang memperkirakan jumlah pergerakan yang berasal dari suatu zona / tata guna lahan (trip generation) dan beberapa jumlah pergerakan yang akan tertarik kepada suatu tata guna lahan atau zona (trip attraction).(Nasution, 2008).

Pembangkitan perjalanan merupakan proses yang dengannya ukuran kegiatan perkotaan diubah menjadi banyaknya perjalanan. Sebagai contoh banyaknya perjalanan yang dibangkitkan oleh pusat perbelanjaan sangat berbeda dari banyaknya perjalanan yang dibangkitkan oleh kompleks industri yang mengambil ruang lahan

yang sama. Pada pembangkitan perjalanan, si perencana berupaya untuk menguantifikasi hubungan antara kegiatan perkotaan dengan perjalanan (Khisty & Lall, 2003).

Waktu perjalanan bergantung pada kegiatan kota, karena penyebab perjalanan adalah adanya kebutuhan manusia untuk melakukan kegiatan dan mengangkut barang kebutuhannya. Setiap suatu kegiatan pergerakan mempunyai zona asal dan tujuan, dimana asal merupakan zona yang menghasilkan perilaku pergerakan, sedangkan tujuan adalah zona yang menarik pelaku melakukan kegiatan. Jadi terdapat dua pembangkit pergerakan, yaitu :

1. Trip Production adalah jumlah perjalanan yang dihasilkan suatu zona. 2. Trip Attraction adalah jumlah perjalanan yang ditarik oleh suatu zona. Trip production dan trip attraction dapat dilihat pada Gambar II.1 berikut ini:

Gambar II.1 Gambar Trip Production Dan Trip Attraction

(Tamin, 1997)

Trip production digunakan untuk menyatakan suatu pergerakan berbasis rumah yang mempunyai asal dan/atau tujuan adalah rumah atau pergerakan yang dibangkitkan oleh pergerakan berbasis bukan rumah. Trip attraction digunakan untuk menyatakan suatu pergerakan berbasis rumah yang mempunyai tempat asal dan/atau

tujuan bukan rumah atau pergerakan yang tertarik oleh pergerakan berbasis bukan rumah (Tamin, 1997), seperti terlihat pada Gambar II.2 berikut ini:

Gambar II.2 Gambar Bangkitan dan Tarikan Pergerakan

(Tamin, 1997)

Perjalanan dapat diklasifikasikan menjadi tiga yaitu:

1. Berdasarkan tujuan perjalanan, perjalanan dapat dikelompokkan menjadi beberapa bagian sesuai dengan tujuan perjalanan tersebut yaitu:

• Perjalanan ke tempat kerja

• Perjalanan dengan tujuan pendidikan • Perjalanan ke pertokoan / belanja • Perjalanan untuk kepentingan sosial • dll

2. Berdasarkan waktu perjalanan biasanya dikelompokkan menjadi perjalanan pada jam sibuk dan jam tidak sibuk. Perjalanan pada jam sibuk pagi hari merupakan perjalanan utama yang harus dilakukan setiap hari (untuk kerja dan sekolah).

3. Berdasarkan jenis orang, pengelompokan perjalanan individu yang dipengaruhi oleh tingkat sosial-ekonomi, seperti:

• Tingkat pendapatan

• Tingkat pemilikan kendaraan • Ukuran dan struktur rumah tangga

Dalam penelitian ini, perjalanan yang ditinjau adalah pergerakan orang yang dilakukan dari rumah (asal) ke luar kawasan penelitian (tujuan). Misalnya, perjalanan dari rumah ke kantor, dari rumah ke sekolah dan lain-lain. Sehingga satu kali perjalanan adalah satu kali pergerakan yang dilakukan seseorang dari rumah hingga sampai ke tempat tujuannya yang lokasinya berada luar kawasan perumahan tersebut.

Bangkitan perjalanan yang berasal dari kawasan perumahan kecenderungan masyarakat dari kawasan tersebut melakukan perjalanan berkaitan dengan sosial-ekonomi dari masyarakatnya dan lingkungan sekitarnya yang terjabarkan dalam beberapa variabel, seperti: kepemilikan kendaraan, jumlah anggota keluarga, jumlah penduduk dewasa dan tipe dari struktur rumah.

Menurut Warpani (1990), beberapa penentu bangkitan perjalanan yang dapat diterapkan di Indonesia:

a. Penghasilan keluarga

b. jumlah kepemilikan kenderaan c. Jarak dari pusat kegiatan kota d. Moda perjalanan

e. Penggunaan kenderaan f . Saat/waktu

II.2.1. Konsep Pemodelan Bangkitan Pergerakan

Model dapat didefenisikan sebagai alat bantu atau media yang dapat digunakan untuk mencerminkan dan menyederhanakan suatu realita (dunia sebenarnya) secara terukur (Tamin, 1997), termasuk diantaranya:

1. Model fisik

2. Peta dan diagram (grafis)

3. Model statistika dan matematika (persamaan)

1. Metode analisa Regresi Linier

Metode analisa ini merupakan salah satu dari model-model yang tergabung di dalam model statistik-matematika. Metode ini merupakan alat analisa statistik yang menganalisis faktor-faktor penentu yang menimbulkan suatu kejadian atau kondisi tertentu yang diamati, sekaligus menguji sejauh manakah kekuatan faktor-faktor penentu yang dimaksud berhubungan dengan kondisi yang ditimbulkan. (Miro, 2005)

Ada 2 (dua) bentuk metode analisis regresi linier, yaitu:

A. Analisa regresi linear sederhana

Persamaan:

Y = a + bx + e

Dimana:

Y = variabel terikat yang akan diramalkan (dependent variable) atau dalam studi transportasi berupa jumlah perjalanan (lalu lintas) manusia, kendaraan, dan barang dari titik asal ke titik tujuan yang akan diperkirakan.

x= variabel-variabel bebas (independent variable) berupa seluruh atau faktor yang dimasukkan ke dalam model dan yang mungkin berpengaruh terhadap timbulnya jumlah perjalanan (lalu lintas) seperti, jumlah penduduk, tingkat kepemilikan kendaraan, pendapatan pekerja, luas toko/pabrik dan lain-lain atau disebut juga dengan explanatory variable.

a= parameter konstanta (constant parameter) yang artinya, kalau seluruh variabel bebas ( s/d ) tidak menunjukkan perubahan atau tetap atau sama dengan nol, maka Y atau jumlah perjalanan diperkirakan akan sama dengan a.

b= parameter koefisien (coefficient parameter) berupa nilai yang akan dipergunakan untuk meramalkan Y.

e = nilai kesalahan yang mewakili seluruh faktor-faktor yang kita anggap tidak mempengaruhi (disturbance terms).

B. Analisa regresi linear berganda

Persamaan:

Y = a + b1x1 + b2x2 + ... + bnxn + e

Dimana:

Y = variabel terikat yang akan diramalkan (dependent variable) atau dalam studi transportasi berupa jumlah perjalanan (lalu lintas) manusia, kendaraan, dan barang dari titik asal ke titik tujuan yang akan diperkirakan.

x1, …. xn = variabel-variabel bebas (independent variable) berupa seluruh atau faktor yang dimasukkan ke dalam model dan yang mungkin berpengaruh terhadap timbulnya jumlah perjalanan (lalu lintas) seperti, jumlah penduduk, tingkat kepemilikan kendaraan, pendapatan pekerja, luas toko/pabrik dan lain-lain atau disebut juga dengan explanatory variable.

a = parameter konstanta (constant parameter) yang artinya, kalau seluruh variabel bebas ( s/d ) tidak menunjukkan perubahan atau tetap atau sama dengan nol, maka Y atau jumlah perjalanan diperkirakan akan sama dengan a.

b1, b2,… bn = parameter koefisien (coefficient parameter) berupa nilai yang

akan dipergunakan untuk meramalkan Y disebut juga sebagai koefisien kemiringan garis regresi atau elastisitas.

e = nilai kesalahan, untuk regresi berganda ini merupakan faktor di luar jangkauan akal manusia yang tidak bias teramati kejadiannya yang disebut sebagai faktor “x” (disturbance terms) Ada beberapa tahapan dalam pemodelan dengan metode analisis regresi linear berganda (dikutip Simbolon, 2011 dari Algifari, 2000), adalah sebagai berikut : a. Tahap pertama adalah analisis bivariat, yaitu analisis uji korelasi untuk melihat

hubungan antar variabel yaitu variabel terikat dengan variabel bebas. Variabel bebas harus mempunyai korelasi tinggi terhadap variabel terikat dan sesame variabel bebas tidak boleh saling berkorelasi. Apabila terdapat korelasi diantara variabel bebas, pilih salah satu yang mempunyai nilai korelasi yang terbesar utuk mewakili.

b. Tahap kedua adalah analisis multivariat, yaitu analisis untuk mendapatkan model yang paling sesuai (fit) menggambarkan pengaruh satu atau beberapa variabel bebas terhadap variabel terikatnya, dapat digunakan analisis regresi linear berganda (Multiple Linear Regression Analysis)

Analisis regresi linear berganda (Multiple Linear Regression Analysis) yaitu suatu cara yang dimungkinkan untuk melakukan beberapa proses iterasi dengan langkah-langkah sebagai berikut :

1. Pada langkah awal adalah memilih variabel bebas yang mempunyai korelasi yang besar dengan variabel terikatnya.

2. Pada langkah berikutnya menyeleksi variabel bebas yang saling berkorelasi, jika ada antara variabel bebas memiliki korelasi besar maka untuk ini dipilih salah satu, dengan kata lain korelasi harus kecil antara sesama variabel bebas. 3. Pada tahap akhir memasukkan variabel bebas dan variabel terikat ke dalam

persamaan model regresi linear berganda: Y = a + b1 X1 + b2 X2 …….. + bn Xn Dimana:

Y = variabel terikat (jumlah produksi perjalanan), terdiri dari: a = konstanta (angka yang akan dicari)

b1,b2….bn = koefisien regresi (angka yang akan dicari) X1, X2 … Xn = variabel bebas (faktor-faktor berpengaruh)

Beberapa kaidah statistik harus kita penuhi jika kita memakai metode analisis regresi linier ini (sederhana dan berganda) untuk penelitian dan peramalan berupa

produser pengujian keabsahan hasil peramalan (Miro, 2005). Prosedur dimaksud di antaranya adalah:

1. Uji hubungan linier antara variabel terikat Y yang diramalkan dengan variabel bebas x:

Pengujian statistik ini dilakukan untuk mengetahui hubungan linier antara 2 variabel yang kita asumsikan memiliki keterkaitan atau keterhubungan yang kuat, apakah kuat atau tidak. Kalau hubungan variabel terikat Y dengan variabel bebas x ternyata tidak memiliki keterkaitan yang kuat (lemah), maka data-data pengukuran seluruh variabel yang dimasukkan ke dalam model harus ditransformasikan terlebih dahulu (dilogaritmakan).

Adapun alat uji yang digunakan untuk hal ini adalah Koefisien Korelasi dan Koefisien Determinasi. Koefisien korelasi sederhana (r) merupakan angka yang mengukur kekuatan hubungan antara 2 (dua) variabel (terikat dan bebas). Besarannya dapat dicari melalui paket program SPSS atau microstat dan secara manual. Secara manual, r dapat dicari melalui perumusan berikut (Dikutip Miro, 2005 dari Enns, 1985);













    n y y n x x n y x xy r / ) ( / ) ( / ) . ( 2 2 2 2 Dimana:

r= koefisisen korelasi sederhana x dan y = variabel

n = jumlah pengamatan Σ = simbol penjumlahan

Koefisien determinasi sederhana (r2) merupakan merupakan nilai yang dipergunakan untuk mengukur besar kecilnya sumbangan/kontribusi perubahan variabel bebas terhadap perubahan variabel terikat yang tengah kita amati (Dikutip Miro, 2005 dari Supranto, 1983), yang secara manual dapat ditentukan cukup dengan cara mengkuadratkan nilai r yang sudah kita dapatkan dari formulasi diatas. Nilai r akan berkisar antara -1 sampai dengan +1 (-1 < r < +1), tergantung kekuatan hubungan linier kedua variabel.

2. Uji - t (t - test)

Uji - t dilakukan untuk melihat apakah parameter (b1, b2, .... , bn) yang melekat pada variabel bebas cukup berarti (signifikan) terhadap suatu konstanta (a) nol atau sebaliknya. Kalau signifikan, maka variabel bebas yang tekait dengan parameter harus ada dalam model. Adapun rumus untuk mendapatkan t adalah:

n k

bk Se

Bo bk

t , 1,2,3,...,

) (

)

(  _



Dimana:

t= angka yang akan dicari

bk = koefisien regresi variabel bebas yang ke-k Bo = hipotesisi nol

Se (bk) = simpangan baku koefisien regresi (parameter) b yang ke-k (var bk) Bo = jumlah variabel/koefisien regresi

3. Uji - F (F - test)

Uji - F dilakukan untuk melihat apakah seluruh koefisien regresi dan variabel bebas yang ada dalam model regresi linier berganda berbeda dari nol atau nilai konstanta tertentu. Secara statistik, nilai uji - F ini dapat dihitung melalui:

) ( / ) ( ) 1 ( / ) ( ) /( ) 1 /( K N Y Y K Y Y k n SSE K SSR F i        





 Dimana:

F= angka yang akan dicari

SSR(Σ(Yi-Ӯ) = jumlah kuadrat dari regresi

SSE(Σ(Yi-Ŷ) = jumlah kuadrat dari kesalahan (error) n = jumlah pengamatan

k = jumlah parameter (koefisien regresi)

Jika F-hitung > F-tabel, maka hipotesisi yang menyatakan seluruh koefisien regresi dan variabel bebas berbeda dengan nol dapat diterima.

2. Metode Analisa Kategori

Metode ini dikhususkan hanya pada basis perjalanan rumah (home based trip) dengan pendekatan disagregat (per individu), karena faktor pendorong timbulnya perjalanan adalah karakteristik-karakteristik rumah tangga yang berkaitan dengan individu si pelaku perjalanan. (Miro, 2005). The Puget Sound Regional Transportation Studi pada tahun 1964 yang pertama kali menggunakan dan menggembangkan metode ini untuk mendapatkan angka perkiraan bangkitan perjalanan (lalu-lintas) pada kawasan pemukiman mengidentifikasikan 3 (tiga)

variabel utama yang menggambarkan karakteristik rumah tangga yang menimbulkan bangkitan perjalanan dari kawasan perumahan yaitu:

 Ukuran keluarga/jumlah orang dalam rumah (family size)  Pemilikan kendaraan oleh rumah tangga (car ownership)  Pendapatan keluarga rumah tangga tersebut (level of income)

Ketiga variabel utama di ats kemudian diklasifikasikan menurut tingkat tinggi atau rendahnya pada beberapa tingkat (strata) dan masing-masing tingkat dijadikan sebagai satu kategori atau klsifikasi yang di dalamnya memuat beberapa rumah tangga yang cenderung homogen (sejenis).

Sebagai pendekatan analisis, metode ini harus melalui 4 tahapan sebagai berikut (Dikutip Miro, 2005 dari Black, 1981):

Tahap Pertama:

Menetapkan beberapa variabel utama di mana variabel-variabel ini merupakan penggambaran karakteristik-karakteristik individu rumah tangga yang ada di zona pemukiman yang kita teliti. Variabel-variabel berikut diasumsikaan dapat dan telah terbukti menimbulkan serta mempengaruhi produksi (bangkitan) perjalanan dari zona pemukiman penduduk:

- Variabel ukuran rumah tangga, merupakan jumlah orang yang mendiami rumah tangga seperti 1, 2, 3, 4 orang dst.

- Variabel jumlah kendaraan yang dimilki oleh rumah tangga, merupakan jumlah kendaraan (biasanya roda 4) yang dipunyai oleh suatu rumah tangga misalnya 0, 1, 2 kendaraan, dst.

- Variabel tingkat pendapatan rumah tangga per satuan waktu/bulan, merupakan penghasilan yang diterima oleh kepala rumah tangga dari hasil pekerjaannya misalnya Rp. 500.000,- per bulan, dst.

- Variabel jumlah pekerja yang ada di dalam suatu rumah tangga, merupakan jumlah orang yang sudah bekerjaa di rumah tangga itu. Misalnya 1 orang yang bekerja, 2 orang yang bekerja, dst.

Tahap Kedua:

Mengalokasikan setiap rumah tangga yang telah kita survei secara sampel melalui wawancara rumah tangga/daftar kuisoner kedalam setiap kelas sedemikian rupa sehingga setiap kelas memuat beberapa rumah tangga yang betul-betul sama tingkat karakteristiknya.

Tahap Ketiga:

Menentukan rata-rata tingkat perjalanan per rumah tangga pada masing-masing kelas yang sudah kita tetapkan di tahap kedua dengan cara membagi jumlah perjalanan pada kelas yang bersangkutan dengan jumlah rumah tangga yang terdapat pada kelas tersebut.

Tahap Keempat:

Menetukan jumlah perjalanan masing-masing kelas dengan cara mengalikan jumlah perjalanan rata-rata per rumah tangga pada kelas yang bersangkutan dengan jumlah rumah tangga hasil perkiraan dan mentotalkannya untuk seluruh kelas/kategori,

sehingga didapatkan hasil perkiraan jumlah perjalanan yang diproduksi oleh zona pemukiman yang teliti itu per hari pada tahun rencana.

Persamaan:



 n kategori

i i Hc ci T pi Q 1 ) ( .  Dimana: pi

Q = perkiraan jumlah perjalanan yang diproduksi oleh zona pemukiman i yang tengah kita teliti per hari pada tahun rencana.

ci

T = rata-rata tingkat perjalanan per rumah tangga yang ada dalam kelas/kategori ci.

) (i

Hc = perkiraan jumlah rumah tangga yang ada dalam kelas/katgori ci yang berlokasi di zona pemukiman i yang tengah kita teliti pada tahun rencana.

II.3. Karakteristik Pelaku Perjalanan

Faktor penting yang termasuk dalam kategori ini aadalah yang berkaitan dengan ciri sosio-ekonomi pelaku perjalanan, termasuk tingkat penghasilan, kepemilikan kendaraan, struktur dan besarnya keluarga, kerapatan pemukiman, macam pekerjaan dan lokasi tempat pekerjaan (dikutip Simbolon, 2011 dari Bruton, 1985).

II.3.1. Karakteristik Pelaku Perjalanan

Yang termasuk faktor sosial ekonomi dari penduduk yang berpengaruh dalam pengadaan terjadinya perjalanan adalah faktor-faktor yang merupakan kondisi kehidupan ekonomi penduduk, pendapatan keluarga, jumlah anggota keluarga yang

bekerja. Penduduk dari suatu kawasan pemukiman akan menghasilkan perjalanan yang berbeda dengan kawasan lain.

Jumlah anggota keluarga yang banyak misalnya akan menghasilkan frekuensi perjalanan yang jumlahnya lebih banyak daripada keluarga yang jumlahanggotanya lebih sedikit. Sementara bagi pedagang semakin besar uang yang dikeluarkan untuk sewa rumah atau modal usaha, maka akan semakin besar pula sumber-sumber yang harus diusahakan untuk pengeluaran biaya perjalanan, yang mengakibatkan jumlah perjalanan semakin besar.

Kemampuan untuk membayar suatu perjalanan akan mempengaruhi jumlah perjalanan yang dihasilkan oleh suatu rumah tangga. Begitu pula dengan keluarga yang memiliki pendapatan yang tinggi umumnya dapat memenuhi kebutuhan biaya perjalanannya dari pada keluarga yang berpendapatan rendah. Pekerjaan dari kepala keluarga dapat dijadikan sebagai indikator yang mencerminkan tingkat pendapatan keluarga tersebut.

Kemampuan untuk memenuhi kebutuhan perjalanan dipengaruhi oleh tersedianya alat angkut dan sistem jalan yang baik. Kepemilikan kendaraan bermotor, atau jumlah kendaraan yang tersedia untuk dipakai setiap anggota keluarga memberikan pengaruh yang penting terhadap terjadinya perjalanan, dimana keluarga yang memiliki lebih dari satu kendaraan bermotor cenderung memberikan lebih banyak perjalanan dibandingkan dengan keluarga yang hanya memiliki satu kendaraan bermotor atau tidak memiliki. Namun keluarga yang hanya memiliki satu kendaraan bermotor akan menggunakan cara yang lebih efektif.

Secara teoritis, semakin besar tingkat pendapatan keluarga akan semakin besar pula produksi perjalanan yang dilakukannya. Demikian pula pendapatan keluarga ini cenderung berbanding lurus dengan tingkat kepemilikan kendaraan bermotor.

BAB III

METODOLOGI PENELITIAN

III.1. Lokasi dan Waktu Penelitian

a) Lokasi penelitian adalah Perumnas Helvetia Medan.

b) Waktu penelitian ialah dilakukan pada hari senin, selasa, rabu, kamis, jumat, sabtu, dan minggu.

III.2. Data Penelitian

Pengambilan data pada suatu penelitian dapat dilakukan dengan survei maupun dengan mengutip langsung dari laporan/penelitian yang sudah pernah dilakukan. Untuk mendapatkan data dengan cara survey harus memperhatikan hal-hal sebagai berikut :

Data-data yang diperlukan untuk analisa lebih lanjut antara lain:

1. Data Primer

Pengumpulan data primer dilakukan yaitu dengan penyebaran kuesioner (kuesioner penelitian dicantumkan pada lampiran 1) atau dengan wawancara di kawasan perumahan yang menjadi objek penelitian secara random.Wawancara dilakukan dengan maksud untuk mendapatkan informasi langsungperihal daftar pertanyaan yang terdapat pada lembar kuesioner. Dimana 1orang responden mewakili satu keluarga yang tinggal pada 1 unit rumah.Responden dengan dibantu petugas survey mengisi lembar kuesioner.

Data primer terdiri dari: jumlah pergerakan perhari, jumlah anggota keluarga, jumlah kendaraan roda dua dan rodaempat, jumlahpendapatan,jumlah anggota keluarga yang bekerja serta jumlah anggota keluarga sekolahdan kuliah.

Untuk menghindari penafsiran ganda terhadap variabel-variabel yangdigunakan maka perlu dilakukan pendefinisian variable sebagai berikut :

a. Bangkitan pergerakan (Y) adalah jumlah pergerakan perhari yang dihasilkan oleh masyarakat Perumnas Helvetia Medan.

b. Variabel yang mempengaruhi bangkitan pergerakan yaitu: X1= jumlah anggota keluarga (orang),

X2 =jumlah kepemilikan kenderaan pribadi (unit),

X3 = jumlah pendapatan (rupiah),

X4 = jumlah anggota keluarga bekerja (orang),

X5 = jumlah anggota keluarga yang sekolah dan kuliah (orang). Pengambilan variabel bebas berdasarkan tugas akhir Bangkitan Perjalanan Pada Perumahan Menteng Indah Di Kecamatan Medan Denai Pada Pagi Hari oleh Michael Octavianus. Yaitu variabel bebas ialah jumlah anggota keluarga (X1), jumlah kepemilikan kendaraan (mobil) (X2), jumlah kepemilikan kendaraan (motor) (X3), jumlah anggota keluarga yang bekerja (X4), jumlah anggota keluarga yang bersekolah (X5), jumlah pendapatan rata-rata keluarga (X6). Dimana nilai persamaan yang diperoleh ialah

Y= -0,400+0,201X1+0,161X2+0,135X3+0,388X4+0,534X5

Hasil koefisien diatas jumlah kepemilikan kendaraan (mobil) (X2), jumlah kepemilikan kendaraan (motor) (X3) sangat rendah, sehingga dalam penulisan ini digabungkan menjadi jumlah kepemilikan kendaraan pribadi (mobil dan motor) (X2) untuk memperbesar koefisien.

2. Data sekunder

Data sekunder yang meliputi jumlah kepala keluarga perumnas helvetiayang dijadikan sebagai studi kasus, diperoleh dari Kelurahan Medan Helvetia Dan Kelurahan Medan Helvetia Tengah.

III.3. Alat Penelitian

Alat-alat yang digunakan dalam penelitian ini adalah kuesioer dan alat tulis. Kuesioner berisi tentang pertanyaan dan data yang harus diisi oleh responden. Untuk penulisan dengan menggunakan software word dan pengolahan data dilakukan dengan menggunakan program SPSS versi 21.0 (aplikasi statistik).

III.4. Cara Pengambilan dan Ukuran Sampel

Pengambilan sampel adalah mendapatkan sampel dengan jumlah relatif kecil dibandingkan dengan jumlah populasi tetapi mampu mempresentasikan seluruh populasi tersebut. Untuk itu sangat penting menentukan cara yang tepat dalam menarik sample yang dimaksud agar benar-benar mampu mempresentasikan kondisi seluruh populasi. Teknik penarikan sampel yang dipergunakan adalah sampel acak sederhana.

Untuk memudahkan dan menentukan besarnya ukuran sampel dalam suatu penelitian maka dapat digunakan data dari survai pendahuluan, biasanya data awal yang diambil akan diolah sebanyak 30 data sampel. Dari 30 data sampel yang diambil tersebut selanjutnya diolah sehingga akan dapat diketahui berapa besar ukuran sample dan selanjutnya hanya tinggal menambah kekurangannya.

Menghitung standar error dari rata-rata sampel:

z Se x Se( )

Dimana:

Se(x) = Standar error dari rata-rata sampel Se = Sampling error

z = Tingkat kepercayaan

Tingkat kepercayaan 95% dan sampling error 5% . Menghitung jumlah data yang dibutuhkan adalah :





2

2 ) ( ' x Se s n N n n n ' 1 '   Dimana :

n’ = Jumlah sampel data tidak terbatas n = Jumlah sampel data terbatas N = Jumlah populasi

s = Standar deviasi dari variabel yang digunakan sebagai acuan dalam menentukan jumlah sampel, misalnya: produksi perjalanan.

III.5. Analisa data

Analisa data hasil survei dilakukan dengan metode analisa regresi linier berganda (Multiple Linear Regression Analysis)dengan bantuan program SPSSuntukmengambil kesimpulan dari tujuan penelitian.

III.6. Daftar Kuisoner

Daftar kuisioner yang digunakan dalam melakukan home interview dibuat sedemikian rupa sehingga mempermudah pewawancara dalam melakukan pendataan dan mempermudah tiap anggota keluarga dalam mengisinya dan juga memudahkanpengisian tabel data perjalanan dan informasi keluarga yang dibuat.

Daftar yang dibuat terdiri dari :

a. Daftar yang berhubungan dengan informasi pelaku perjalanan bangkitan yang terdiri atas : Nama, Umur, Pendidikan terakhir, Alamat

b. Daftar data keluarga yang berisikan informasi keluarga, terdiri dari : 1. Jumlah anggota keluarga (orang)

2. Jumlah kepemilikan kenderaan pribadi (unit) 3. Jumlah pendapatan (rupiah)

4. Jumlah anggota keluarga bekerja (orang)

5. Jumlah anggota keluarga yang sekolah dan kuliah (orang)

Analisa data hasil survei dilakukan dengan metode analisa regresi linier berganda (Multiple Linear Regression Analysis)dengan bantuan program SPSSuntukmengambil kesimpulan dari tujuan penelitian.

Tujuan Penelitian

 Mengidentifikasikan faktor-faktor yang mempengaruhibangkitan pergerakan pada perumnas Helvetia Medan.

 Memperoleh jumlah bangkitan perjalanan pada perumnas Helvetia Medan.

Studi Literatur

Pada tahapan ini peneliti melakukan apa yang disebut dengan kajian pustaka, yaitu mempelajari buku-buku referensi (mengumpulkan bahan bacaan) dan hasil penelitian

sejenis sebelumnya yang sudah pernah dilakukan oleh orang lain.

Pengumpulan Data

Output dan Hasil:

 Menghitung jumlah bangkitan perjalanan dari data diperoleh dengan menggunakan metode analisa regresi linear berganda dan metode analisis kategori.

 Memperoleh hasil bangkitan dalam bentuk persamaan Y = a + b1 X1 + b2 X2 + B3 X3.

Pengujian:

 Hubungan antara variabel independent dan variabel independent (koefisien korelasi)

 Uji Hubungan linier antara 2 variabel yang memiliki keterhubungan yang kuat (koefisien determinasi/R2

)

- Variabel dependen (jumlah perjalanan) ; variabel independent (pendapatan, jumlah keluarga, kendaraan pribadi, bekerja, dan pendidikan).

 Uji pengaruh variabel independensecara keseluruhan terhadap variabel dependen (uji F) - jumlah kuadrat regresi, jumlah kuadrat dari kesalahan (error), koefisien regresi.

 Uji pengaruh masing-masing variabel independen terhadap variabel dependen (uji T) - Koefisien regresi variabel bebas, hipotesis nol, simpangan baku.

 Uji ketepatan suatu instrumen dalam mengukur data (uji validasi)

 Uji hubungan linier antara 2 variabel atau lebih (uji linearitas) Data Sekunder:

 Jumlah kepala keluargaperumnas Helvetia Data Primer:

 Jumlah anggota keluarga (orang)

 Jumlah kepemilikan kenderaan pribadi (buah)

 Jumlah pendapatan (rupiah)

 Jumlah anggota keluarga yang bekerja (orang)

 Jumlah anggota keluarga yang bersekolah dan kuliah (orang)

 Jumlah perjalanan dalam sehari

BAB IV

HASIL DAN PEMBAHASAN

IV.1. Gambaran Kecamatan Medan Helvetia Lokasi Penelitian

Lokasi penelitian ini berada di propinsi Sumatera Utara dengan yaitu di Kota Medan tepatnya di Kecamatan Medan Helvetia. Peta Kecamatan Medan Helvetia dapat dilihat pada gambar dibawah

IV.2. Populasi dan Sampel Penelitian

Untuk memperoleh hasil perjalanan dari populasi diperlukan sampel yang diambil dari populasi yang bersangkutan. Oleh karena itu dibutuhkan penarikan sampel. Jumlah total populasi di Kecamatan Helvetia Medan adalah 7653 kepala keluarga.

Salah satu pertimbangan yang bijaksana, sebaiknya sample penelitian diambil sebanyak mungkin dari populasinya, dengan demikian sifat dan karakteristik populasi dapat terwakili, konsekuansi logis dari pertimbangan ini adalah, peneliti harus dapat mencurahkan waktu, tenaga, dan biaya yang besar. (Soepono, 2002, dalam Daniel, 2011).

Cara pengambilan sampel dalam penelitian ini diuraikan dengan penjelasan dibawah ini. Jumlah data yang diambil untuk data pendahuluan adalah 30 data karena secara statistik disyaratkan bagaimanapun model populasi yang disampel asal variantnya terhingga, maka rata-rata sampel akan mndekati distribusi normal. Untuk N

≥ 30 pendekatan ini sudah berlaku. Data produksi perjalanan yang diperoleh akan

digunakan sebagai dasar untuk menentukan jumlah sampel, dapat dilihat pada tabel berikut ini:

Tabel IV.1 Data Sampel Sementara Untuk Pengambilan Sampel yang Sebenarnya

No. Perjalanan

(Y) No.

Perjalanan

(Y) No.

Perjalanan (Y)

1 5 11 3 21 6

2 3 12 5 22 5

3 3 13 5 23 3

4 3 14 4 24 5

5 4 15 5 25 6

6 7 16 4 26 5

7 4 17 6 27 3

8 7 18 5 28 5

9 7 19 4 29 3

10 3 20 5 30 4

Σ 46 46 45

Jumlah Tot al = 137

Tabel IV.2Deskripsi Statistik Data Sampel Untuk Uji Kecukupan Data

Produksi Perjalanan/Keluarga/hari

N Minimum Maksimum Mean Std. Deviasi

30 3 7 4,567 1,278

Uji kecukupan data dimaksud untuk memastikan bahwa data yang diambil adalah data yang akurat dan jumlah sampel yang diambil dapat mewakili populasi yang ada. Spesifikasi tingkat kepercayaan 95% kemungkinan sampling error tidak lebih dari 5% dari sampel mean. Untuk convident level (z) 95% dari tabel statistik diperoleh angka 1.96 dari standart error. Agar error yang diterima tidak lebih dari 5% maka jumlah sampel data harus dicari dengan perhitungan sebagai berikut:

Sampling Error (Se) yang dapat diterima = 0.05 × rata-rata produksi perjalanan

= 0.05 × 4.567

= 0.228 Perjalanan/hari

Maka, Se(x) = Se/z

= 0.228/1.96

= 0.116

Besarnya jumlah sampel:

n’ = ²

[ ( ) ]² , untuk populasi yang tidak terbatas

n = ′ ; , untuk populasi yang terbatas

Maka, n’ = ²

[ ( ) ]²

n’ = ₂

2

116 , 0

278 , 1

n’ = 120,4 = 120 (untuk data yang tidak terbatas)

n =

) 7653

120 ( 1

1202 

n = 118,50 = 120 (untuk data terbatas)

dari hasil perhitungan di atas dapat diambil kesimpulan bahwa jumlah data sampel yang harus dipenuhi adalah 120 sampel.

IV.3. Karakteristik Responden 4.3.1. Jumlah Anggota Keluarga

Dari hasil kuisoner diperoleh data jumlah anggota keluarga ialah:

Tabel IV.3Jumlah Anggota Keluarga

Jumlah Anggota Keluarga

1 - 3 Orang 4 - 7 Orang ≥ 8 Orang

23,3 % 71,6 % 5 %

4.3.2. Jumlah Anggota Keluarga yang Bekerja

Dari hasil kuisoner diperoleh data jumlah anggota keluarga yang Bekerja ialah:

Tabel IV.4 Jumlah Anggota Keluarga yang Bekerja

Jumlah Anggota Keluarga yang Bekerja

0 - 1 Orang 2 - 3 Orang ≥ 4 Orang

48,3 % 49,2 % 2,5 %

23.3

71.7 5.0

Jumlah Anggota Keluarga

1-3 or ang 4-7 or ang

4.3.3. Jumlah Anggota Keluarga yang Bersekolah dan Kuliah

Dari hasil kuisoner diperoleh data jumlah anggota keluarga yang Bersekolah dan Kuliah ialah:

Tabel IV.5 Jumlah Anggota Keluarga yang Bersekolah dan Kuliah

Jumlah Anggota Keluarga yang Bersekolah dan Kuliah

0 - 1 Orang 2 - 3 Orang ≥ 4 Orang

55,8 % 37,5 % 6,7 %

48.3 49.2

2.5

Anggota Keluarga Yang Bekerja

0-1 or ang 2-3 or ang

≥ 4 orang

55.8 37.5

6.7

Anggota Keluarga yang

Sekolah dan Kuliah

0-1 or ang 2-3 or ang

4.3.4. Pendapatan Rata-rata Keluarga

Dari hasil kuisoner diperoleh data pendapatan rata-rata keluarga ialah:

Tabel IV.6 Pendapatan Rata-rata Keluarga

Jumlah Pendapatan

< Rp. 2 Juta Rp. 2 Juta - 5 Juta > 5 Juta

2,5 % 72,5 % 25,0 %

4.3.5. Jumlah Kepemilikan Kendaraan Pribadi

Dari hasil kuisoner diperoleh jumlah Kepemilikan Kendaraan Pribadi ialah:

Tabel IV.7 Jumlah Kepemilkan Kendaraan Pribadi

Jumlah Kepemilikan Kendaraan Pribadi

0 - 1 buah 2 - 3 buah ≥ 4 buah

30,8 % 62,5 % 6,7 %

2.5

72.5 25.0

Jumlah Pendapatan

< Rp. 2jt Rp.2jt -5jt > Rp.5jt

IV.4. Proses Pengolahan Data

Dari data yang diperoleh melalui kuesioner model formulasi produksi perjalanan menggunakan formula Multiple Regression dengan bantuan software SPSS 21.

4.4.1. Analisa Korelasi

Tujuan dari analisa korelasi adalah untuk melihat hubungan bivariat, antara variabel independent, yang meliputi jumlah keluarga, kepemilikan kendaraan pribadi,pendapatan, bekerja, dan pendidikan, dengan produksi perjalanan (Y) atau variabel dependent. Koefisien korelasi untuk setiap variabel berbeda-beda dapat dilihat pada tabel di bawah ini.

30.8

62.5

6.7

Jumlah Kepemilikan

Kendaraan Pribadi

0-1 buah 2-3 buah

Tabel IV.8 Interpretasi Koefisien Korelasi

Interval Koefisien Tingkat Hubungan

0,00 - 0,199 Sangat Rendah

0,20 - 0,399 Rendah

0,40 - 0,599 Sedang

0,60 - 0,799 Kuat

0,80 - 1,000 Sangat kuat

(Sumber: Sugijono, 2000:175, dalam Michael, 2013)

Korelasi pada Perumnas Helvetia dengan variabel dependent adalah jumlah perjalanan (Y), dan variabel independentnya adalah jumlah anggota keluarga, jumlah anggota keluarga yang bekerja, jumlah anggota keluarga yang bersekolah, jumlah pendapatan, jumlah kepemilikan mobil, dan jumlah kepemilikan sepeda motor.

Untuk nilai korelasi ketika sampel perjalanan hari minggu dan senin dihilangkan, dapat dilihat pada Tabel IV. 9.

Tabel IV.9 Tabel Korelasi Variabel Dependent dengan Variabel Independent

Correlations

Perjalanan Keluarga Kendaraan

Pribadi Penghasilan Bekerja Pendidikan Perjalanan Pearson Correlation 1 .433** .260** .132 .206* .112

Sig. (2-tailed) .000 .007 .178 .035 .255

N 105 105 105 105 105 105

Keluarga Pearson Correlation .433** 1 .184 .226* .309** .444** Sig. (2-tailed) .000 .060 .021 .001 .000

N 105 105 105 105 105 105

KendaraanPribadi Pearson Correlation .260** .184 1 .558** .331** .014 Sig. (2-tailed) .007 .060 .000 .001 .889

N 105 105 105 105 105 105

Penghasilan Pearson Correlation .132 .226* .558** 1 .389** .005 Sig. (2-tailed) .178 .021 .000 .000 .957

N 105 105 105 105 105 105

Bekerja Pearson Correlation .206* .309** .331** .389** 1 -.159 Sig. (2-tailed) .035 .001 .001 .000 .106

N 105 105 105 105 105 105

Pendidikan Pearson Correlation .112 .444** .014 .005 -.159 1 Sig. (2-tailed) .255 .000 .889 .957 .106

N 105 105 105 105 105 105

**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).

Untuk nilai korelasi seluruh sampel, dapat dilihat pada Tabel IV. 10.

Tabel IV.10 Tabel Korelasi Variabel Dependent dengan Variabel Independent

Correlations

Perjalanan Keluarga Kendaraan Pribadi

Penghasilan Bekerja Pendidik an

Perjalanan

Pearson Correlation 1 ,484** _,263** _{,117 ,228}* _,189*

Sig. (2-tailed) ,000 ,004 ,202 ,012 ,039

N 120 120 120 120 120 120

Keluarga

Pearson Correlation ,484** 1 ,188* ,240** ,370** ,482** Sig. (2-tailed) ,000 ,040 ,008 ,000 ,000

N 120 120 120 120 120 120

KendaraanPribadi

Pearson Correlation ,263** ,188* 1 ,546** ,364** ,004 Sig. (2-tailed) ,004 ,040 ,000 ,000 ,966

N 120 120 120 120 120 120

Penghasilan

Pearson Correlation ,117 ,240** ,546** 1 ,421** -,019 Sig. (2-tailed) ,202 ,008 ,000 ,000 ,838

N 120 120 120 120 120 120

Bekerja

Pearson Correlation ,228* ,370** ,364** ,421** 1 -,102 Sig. (2-tailed) ,012 ,000 ,000 ,000 ,267

N 120 120 120 120 120 120

Pendidikan

Pearson Correlation ,189* ,482** ,004 -,019 -,102 1 Sig. (2-tailed) ,039 ,000 ,966 ,838 ,267

N 120 120 120 120 120 120

**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).

Dari kedua hasil tabel Korelasi Variabel Dependent dengan Variabel Independent diatas, maka nilai koefisien terbesar secara keseluruhan ialah nilai korelasi dari semua sampel. Maka yang digunakan untuk data selanjutnya ialah dari tabel Korelasi Variabel Dependent dengan Variabel Independent semua sampel. Dimana Rekap tabel tersebut dapat dilihat pada tabel dibawah ini:

Pada tabel matriks korelasi di atas dari hasil perhitungan dapat diketahui nilai hubungan antara variabel-variabel bebas dengan variabel terikat yang dijelaskan sebagai berikut:

 Jumlah anggota keluarga (X1) mempunyai hubungan dengan produksi perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0.484 atau variabel bebas dapat mempengaruhi variabel terikat dengan hubungansedang sebesar 48,4%. Artinya, jumlah anggota keluarga bertambah maka jumlah perjalanan juga akan semakin meningkat/bertambah.

 Jumlah Kepemilikan Kendaraan Pribadi (X2) mempunyai hubungan dengan produksi perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,263 atau variabel bebas dapat mempengaruhi variabel terikat dengan hubungan rendah sebesar 26,3%. Artinya jumlah Kepemilikan Kendaraan Pribadi tidak begitu besar pengaruhnya terhadap produksi perjalanan.

Variabel terikat Jumlah

perjalanan (Y) Variabel bebas Jumlah anggota keluarga (X1) Kepemilikan Kendaraan Pribadi (X2) Penghasilan (X3) Bekerja (X4) Pendidikan (X5)

Jumlah perjalanan (Y) 1

V ar ia b el b e b a s

Jumlah anggota keluarga (X1) 0,484 1

Kepemilikan Kendaraan Pribadi (X2) 0,263 0,188 1

Penghasilan (X3) 0,117 0,240 0,546 1

Bekerja (X4) 0,228 0,370 0,364 0,421 1

 Jumlah Penghasilan(X3) mempunyai hubungan dengan produksi perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,117 atau variabel bebas (X3) dapat mempengaruhi variabel terikat dengan hubungan yang sangatrendah sebesar 11,7%. Artinya jumlah penghasilan tidak begitu besar pengaruhnya terhadap produksi perjalanan.

 Jumlah Bekerja (X4) mempunyai hubungan dengan produksi perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,228 atau variabel bebas (X4) dapat mempengaruhi variabel terikat dengan hubungan yang sangat rendah sebesar 22,8%. Artinya jumlah penghasilan tidak begitu besar pengaruhnya terhadap produksi perjalanan.

 Jumlah Penghasilan(X5) mempunyai hubungan dengan produksi perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,189 atau variabel bebas (X5) dapat mempengaruhi variabel terikat dengan hubungan yang sangat rendah sebesar 18,9%. Artinya jumlah penghasilan tidak begitu besar pengaruhnya terhadap produksi perjalanan.

4.4.2. Proses Pengolahan Analisa Regresi

Proses penyeleksian variabel harus sesuai dengan syarat metode analisis regresi, bahwa variabel bebas yang akan dipakai dalam model adalah yang mempunyai korelasi dengan tingkat hubungan minimal sedang terhadap variabel terikat. Pada tabel IV.10 di atas dapat dilihat bahwa variabel bebas yang mempunyai tingkat hubungan minimal sedang variabel terikat jumlah perjalanan (Y) adalah jumlah anggota keluarga (X1). Hasilnya adalah sebagai berikut:

a. Hubungan korelasi Y - X1 r = 0,484

X1 - X2 r = 0,188

X1 - X3 r = 0,240

X1 - X4 r = 0,370

X1 - X5 r = 0,482

Dengan analisa regresi menggunakan program SPSS 21 maka persamaan yang mungkin terjadi yaitu:

 Dengan satu variabel (X1) Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,484a ,234 ,228 2,31336 a. Predictors: (Constant), Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 193,434 1 193,434 36,145 ,000b Residual 631,491 118 5,352

Total 824,925 119 a. Dependent Variable: Perjalanan

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 2,056 ,685 3,001 ,003 Keluarga ,869 ,145 ,484 6,012 ,000 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 2,056 + 0,869 X1 Dengan nilai korelasi R = 0,484 dan determinasi R2 = 0,234

 Dengan dua variabel (X1 - X2) Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,515a ,265 ,253 2,27585 a. Predictors: (Constant), KendaraanPribadi, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 218,923 2 109,461 21,134 ,000b Residual 606,002 117 5,180

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), KendaraanPribadi, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,423 ,732 1,944 ,054 Keluarga ,809 ,145 ,451 5,587 ,000 KendaraanPribadi ,441 ,199 ,179 2,218 ,028 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 1,423 + 0,809 X1 + 0,441 X2 Dengan nilai korelasi R = 0,515 dan determinasi R2 = 0,265

 Dengan dua variabel (X1 - X3) Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,484a ,234 ,221 2,32322 a. Predictors: (Constant), Penghasilan, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 193,435 2 96,718 17,919 ,000b Residual 631,490 117 5,397

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Penghasilan, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 2,050 ,763 2,686 ,008 Keluarga ,869 ,150 ,484 5,808 ,000 Penghasilan ,002 ,115 ,002 ,018 ,986 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 2,050 + 0,869 X1 + 0,002 X3 Dengan nilai korelasi R = 0,484 dan determinasi R2 = 0,234

 Dengan dua variabel (X1 - X4)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,487a ,237 ,224 2,31904 a. Predictors: (Constant), Bekerja, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 195,707 2 97,854 18,195 ,000b Residual 629,218 117 5,378

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Bekerja, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,927 ,715 2,696 ,008 Keluarga ,832 ,156 ,463 5,330 ,000 Bekerja ,177 ,272 ,057 ,650 ,517 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 1,927 + 0,832 X1 + 0,177 X4 Dengan nilai korelasi R = 0,487 dan determinasi R2 = 0,237

 Dengan dua variabel (X1 - X5)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,487a ,237 ,224 2,31936 a. Predictors: (Constant), Pendidikan, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 195,533 2 97,766 18,174 ,000b Residual 629,392 117 5,379

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Pendidikan, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,996 ,694 2,877 ,005 Keluarga ,919 ,165 ,512 5,555 ,000 Pendidikan -,118 ,189 -,058 -,625 ,533 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 1,996 + 0,919 X1 - 0,118 X5 Dengan nilai korelasi R = 0,487 dan determinasi R2 = 0,237

 Dengan tiga variabel (X1 - X2 - X3)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,526a ,277 ,258 2,26779 a. Predictors: (Constant), Penghasilan, Keluarga, KendaraanPribadi

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 228,352 3 76,117 14,801 ,000b Residual 596,573 116 5,143

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Penghasilan, Keluarga, KendaraanPribadi

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,698 ,757 2,243 ,027 Keluarga ,842 ,146 ,469 5,754 ,000 KendaraanPribadi ,607 ,233 ,246 2,606 ,010 Penghasilan -,178 ,132 -,129 -1,354 ,178 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 1,698 + 0,842 X1 + 0,607 X2 - 0,178 X3 Dengan nilai korelasi R = 0,526 dan determinasi R2 = 0,277

 Dengan tiga variabel (X1 - X2 - X4)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,515a ,265 ,246 2,28561 a. Predictors: (Constant), Bekerja, KendaraanPribadi, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 218,940 3 72,980 13,970 ,000b Residual 605,985 116 5,224

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Bekerja, KendaraanPribadi, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,429 ,743 1,924 ,057 Keluarga ,812 ,154 ,452 5,270 ,000 KendaraanPribadi ,445 ,211 ,181 2,109 ,037 Bekerja -,016 ,284 -,005 -,057 ,954 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 1,429 + 0,812 X1 + 0,445 X2 - 0,016 X4 Dengan nilai korelasi R = 0,515 dan determinasi R2 = 0,265

 Dengan tiga variabel (X1 - X2 - X5)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,516a ,266 ,248 2,28395 a. Predictors: (Constant), Pendidikan, KendaraanPribadi, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 219,819 3 73,273 14,047 ,000b Residual 605,106 116 5,216

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Pendidikan, KendaraanPribadi, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,395 ,738 1,892 ,061 Keluarga ,843 ,167 ,470 5,056 ,000 KendaraanPribadi ,433 ,201 ,176 2,158 ,033 Pendidikan -,077 ,187 -,038 -,415 ,679 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 1,395 + 0,843 X1 + 0,433 X2 - 0,077 X5 Dengan nilai korelasi R = 0,516 dan determinasi R2 = 0,266

 Dengan tiga variabel (X1 - X3 - X4)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,487a ,238 ,218 2,32845 a. Predictors: (Constant), Bekerja, Keluarga, Penghasilan

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 196,012 3 65,337 12,051 ,000b Residual 628,913 116 5,422

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Bekerja, Keluarga, Penghasilan

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,993 ,769 2,590 ,011 Keluarga ,835 ,157 ,465 5,305 ,000 Penghasilan -,029 ,124 -,021 -,237 ,813 Bekerja ,203 ,294 ,065 ,689 ,492 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 1,993 + 0,835 X1 - 0,029 X3 + 0,203 X4 Dengan nilai korelasi R = 0,487 dan determinasi R2 = 0,238

 Dengan tiga variabel (X1 - X3 - X5)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,487a ,237 ,217 2,32927 a. Predictors: (Constant), Pendidikan, Penghasilan, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 195,568 3 65,189 12,015 ,000b Residual 629,357 116 5,425

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Pendidikan, Penghasilan, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 2,022 ,767 2,637 ,010 Keluarga ,923 ,173 ,514 5,327 ,000 Penghasilan -,009 ,116 -,007 -,081 ,936 Pendidikan -,120 ,192 -,059 -,627 ,532 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 2,022 + 0,923 X1 - 0,009 X3 - 0,120 X5 Dengan nilai korelasi R = 0,487 dan determinasi R2 = 0,237

 Dengan tiga variabel (X1 - X4 - X5)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,488a ,238 ,219 2,32720 a. Predictors: (Constant), Pendidikan, Bekerja, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 196,687 3 65,562 12,106 ,000b Residual 628,238 116 5,416

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Pendidikan, Bekerja, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,914 ,718 2,666 ,009 Keluarga ,877 ,189 ,489 4,630 ,000 Bekerja ,134 ,291 ,043 ,462 ,645 Pendidikan -,086 ,202 -,042 -,425 ,671 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah Y = 1,914 + 0,877 X1 + 0,134 X4 - 0,086 X5 Dengan nilai korelasi R = 0,488 dan determinasi R2 = 0,238

 Dengan empat variabel (X1 - X2 - X3 - X4)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,527a ,277 ,252 2,27684 a. Predictors: (Constant), Bekerja, KendaraanPribadi, Keluarga, Penghasilan

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 228,767 4 57,192 11,032 ,000b Residual 596,158 115 5,184

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Bekerja, KendaraanPribadi, Keluarga, Penghasilan

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,681 ,763 2,205 ,029 Keluarga ,829 ,154 ,462 5,384 ,000 KendaraanPribadi ,596 ,237 ,242 2,514 ,013 Penghasilan -,188 ,136 -,136 -1,377 ,171 Bekerja ,083 ,292 ,026 ,283 ,778 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah

Y = 1,584 + 0,791 X1 + 0,687 X2 - 0,136 X3 + 0,068 X4 Dengan nilai korelasi R = 0,527 dan determinasi R2 = 0,277

 Dengan empat variabel (X1 - X2 - X3 - X5)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,528a ,279 ,254 2,27421 a. Predictors: (Constant), Pendidikan, KendaraanPribadi, Keluarga, Penghasilan

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 230,143 4 57,536 11,124 ,000b Residual 594,782 115 5,172

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Pendidikan, KendaraanPribadi, Keluarga, Penghasilan

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,674 ,760 2,201 ,030 Keluarga ,892 ,170 ,497 5,260 ,000 KendaraanPribadi ,604 ,234 ,245 2,586 ,011 Penghasilan -,188 ,133 -,137 -1,413 ,160 Pendidikan -,110 ,188 -,054 -,589 ,557 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah

Y = 1,674 + 0,892 X1 + 0,604 X2 - 0,188 X3 - 0,110 X5 Dengan nilai korelasi R = 0,528 dan determinasi R2 = 0,279

 Dengan empat variabel (X1 - X3 - X4 - X5)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,516a ,267 ,241 2,29344 a. Predictors: (Constant), Pendidikan, KendaraanPribadi, Bekerja, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 220,042 4 55,011 10,459 ,000b Residual 604,883 115 5,260

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Pendidikan, KendaraanPribadi, Bekerja, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,414 ,746 1,895 ,061 Keluarga ,860 ,187 ,479 4,603 ,000 KendaraanPribadi ,446 ,212 ,181 2,107 ,037 Bekerja -,062 ,302 -,020 -,206 ,837 Pendidikan -,091 ,199 -,044 -,458 ,648 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah

Y = 1,414 + 0,860 X1 + 0,446 X3 - 0,062 X4 - 0,091 X5 Dengan nilai korelasi R = 0,516 dan determinasi R2 = 0,267

 Dengan lima variabel (X1 - X2 - X3 - X4 - X5)

Model Summary

Model R R Square Adjusted R Square

Std. Error of the Estimate 1 ,528a ,279 ,247 2,28405 a. Predictors: (Constant), Pendidikan, KendaraanPribadi, Bekerja, Penghasilan, Keluarga

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 230,199 5 46,040 8,825 ,000b Residual 594,726 114 5,217

Total 824,925 119 a. Dependent Variable: Perjalanan

b. Predictors: (Constant), Pendidikan, KendaraanPribadi, Bekerja, Penghasilan, Keluarga

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 1,669 ,765 2,180 ,031 Keluarga ,884 ,187 ,493 4,731 ,000 KendaraanPribadi ,600 ,238 ,243 2,521 ,013 Penghasilan -,191 ,137 -,139 -1,395 ,166 Bekerja ,032 ,308 ,010 ,104 ,918 Pendidikan -,104 ,198 -,051 -,524 ,601 a. Dependent Variable: Perjalanan

Persamaan yang terbentuk adalah

Y = 1,669 + 0,884 X1 + 0,600 X2 - 0,191 X3 + 0,032 X4 - 0,104 X5 Dengan nilai korelasi R = 0,528 dan determinasi R2 = 0,279

Dari hasil regresi diperoleh beberapa model pergerakan yang signifikan yaitu:

Tabel IV.11 Tabel Persamaan Regresi, R dan R2

No. Model regesi linear berganda R R2

1 _{Y = 2,056 + 0,869 X1 0,484 0,234}

2 _{Y = 1,423 + 0,809 X1 + 0,441 X2 0,515 0,265}

3 _{Y = 2,050 + 0,869 X1 + 0,002 X3 0,484 0,234}

4 _{Y = 1,927 + 0,832 X1 + 0,177 X4 0,487 0,237}

5 _{Y = 1,996 + 0,919 X1 - 0,118 X5 0,487 0,237}

6 _{Y = 1,698 + 0,842 X1 + 0,607 X2 - 0,178 X3 0,526 0,277} 7 _{Y = 1,429 + 0,812 X1 + 0,445 X2 - 0,016 X4 0,515 0,265} 8 Y = 1,395 + 0,843 X1 + 0,433 X2 - 0,077 X5 0,516 0,266 9 _{Y = 1,993 + 0,835 X1 - 0,029 X3 + 0,203 X4 0,487 0,238} 10 _{Y = 2,022 + 0,923 X1 - 0,009 X3 - 0,120 X5 0,487 0,237} 11 _{Y = 1,914 + 0,877 X1 + 0,134 X4 - 0,086 X5 0,488 0,238} 12 _{Y = 1,584 + 0,791 X1 + 0,687 X2 - 0,136 X3 + 0,068 X4 0,527 0,277} 13 Y = 1,674 + 0,892 X1 + 0,604 X2 - 0,188 X3 - 0,110 X5 0,528 0,279 14 _{Y = 1,414 + 0,860 X1 + 0,446 X3 - 0,062 X4 - 0,091 X5 0,516 0,267} 15 _{Y = 1,669 + 0,884 X1 + 0,600 X2 - 0,191 X3 + 0,032 X4 - 0,104 X5 0,528 0,279}

IV.5. Uji Determinasi

Uji determinasi ini dilakukan untuk mengetahui hubungan linier antara 2 (dua) variabel yang kita asumsikan memiliki keterkaitan atau keterhubungan yang kuat, apakah kuat atau tidak. Kalau hubungan variabel terikat y dengan variabel bebas X ternyata tidak memiliki keterkaitan yang kuat (lemah).

Secara manual, r dapat dicari melalui perumusan berikut













    n y y n x x n y x xy r / ) ( / ) ( / ) . ( 2 2 2 2

Koefisien determinasi sederhana (r2) merupakan nilai yang dipergunakan untuk mengukur besar kecilnya sumbangan/konstribusi perubahan variabel bebas terhadap perubahan variabel terikat yang diamati, yang secara manual dapat ditentukan hanya dengan mengkuadratkan nilai r yang sudah kita dapatkan dari formulasi diatas. Nilai r akan berkisar antara -1 sampai dengan +1 (-1 < r < +1), tergantung kekuatan hubungan linear kedua variabel. Dari variabel-variabel yang telah diolah dengan program SPSS melalui analisis regresi linear maka di dapatkan beberapa model yang menghubungkan antara perjalanan dengan beberapa variabel bebas. Setiap model tersebut mempunyai nilai R Square atau Koefisien Determinasi atau R2 dapat dilihat pada hasil pengolahan data yang terlampir pada tabel IV.11 di atas. Dari tabulasi tersebut dapat dilihat model yang sesuai dengan uji determinasi adalah model yang menghubungkan antara jumlah perjalanan (Y) dengan jumlah anggota keluarga (X1), Kepemilikan Kendaraan Pribadi (X2), Pendapatan (X3), Bekerja (X4), dan Pendidikan (X5), memiliki nilai koefisien determinasi yang paling besar yaitu:

DAFTAR PUSTAKA

Black, John. (1985), Urban Transportation Planning, Croom Helm, London.

Simbolon, Daniel, (2011) Analisa Bangkitan Perjalanan Pada Kecamatan Deli Tua. Skripsi. Universitas Sumatera Utara.

Hobbs, F., D., (1995). Perencanaan dan Teknik Lalu-lintas, Gadjah Mada University Press, Yogyakarta

Khisty, C., J., & Lall, B., K., (2005). Dasar-dasar Rekayasa Transportasi Jilid 1, Erlangga, Jakarta.

Octavianus, Michael, (2012) Bangkitan Perjalanan pada Perumahan Menteng Indah di Kecamatan Medan Denai. Skripsi. Universitas Sumatera Utara.

Miro, F., (2005). Perencanaan Transportasi, Erlangga, Padang.

Morlok, Edward K, (1998), Pengantar Teknik dan Perencanaan Transportasi, Terjemahanoleh: J. K. Hainim, Penerbit Erlangga, Jakarta.

Nasution, M., N., (2008), Manajemen Transportasi edisi ketiga, Penerbit Ghalia Indonesia, Bogor.

Ortuzar, J. dan Willumsen, LG., (2011), Modeling Transport, England.

Patunrangi, J.( 2010). Model Bangkitan Pergerakan Zona Kecamatan Palu Utara. Jurnal SMARTek .Volume 8. No.3, 191- 202 Agustus 2010.

Ritonga Triyana Puji Astuti, (2013), Bangkitan Pergerakan Keluarga Dari Zona Perumahan Tertata (Studi Kasus :Perumahan Di Kecamatan Medan Johor). Skripsi.Universitas Sumatera Utara.

Simbolon Daniel, (2011). Analisa Bangkitan Perjalanan Pada Kecamatan Deli Tua, Tugas Akhir, USU, Medan.

Tamin, O., Z., (2000). Perencanaan Dan Pemodelan Transportasi, ITB, Bandung. Warpani, S.,(1990) .Merencanakan Sistem Perangkutan, Penerbit ITB, Bandung

LAM PIRAN

KUISIONER

Νama Responden :

Umur :

Pendidikan t erakhir :

Alamat :

1. Berapa kalikah Bapak dan seisi rumah ini melakukan perjalanan dalam satu hari? Jawab: . . . .kali

2. Berapa orang jumlah anggota rumah tangga Bapak/Ibu? Jawab: . . . .orang

3. Berapa buah jumlah kendaraan Bapak/Ibu miliki (Roda 2/sepeda motor, Roda 4/mobil, plat hitam atau plat merah)

Jawab: Roda 4 (empat) . . . mobil

Roda 2 (dua) . . . sepeda motor

Jaw ab: . . . .rupiah

5. Berapa orang jumlah anggota rumah tangga ini yang bekerja? Jawab: . . . .orang

6. Berapa orang jumlah anggota rumah tangga ini yang sekolah/kuliah? Jawab: sekolah . . . .orang

kuliah . . . .orang