Lanjutan Tabel 4.21 Signifikansi Koefisien Regresi
Model T hitung
Sig. F
Sig.
5. Konstanta
Jumlah penghuni Luas bangunan
Pemilik sepeda motor Tidak punya kendaraan
Biaya Waktu
A
5
X
1
X
3
X
5
X
7
X
8
X
10
-1.950 3.363
1.670 2.968
2.598
-5.033 -.799
.099 .015
.146 .025
.041 .002
.455 241.264
.000
6. Konstanta
Jumlah penghuni Luas bangunan
Pemilik sepeda motor Tidak punya kend.
Biaya A
6
X
1
X
3
X
5
X
7
X
8
-2.110 3.468
2.433 2.935
2.717
-5.218 .073
.010 .045
.022 .030
.001
305.137 .000
7. Konstanta
Pemilik sepeda motor A
6
X
5
-.891 16.557
.392 .000
274.139 .000
Sumber : Analisis Data d. Kolinearitas
Besarnya kolinearitas yang menyatakan hubungan antar sesama peubah ditunjukkan dalam tabel berikut:
Tabel 4.22 Kolinearitas pada Model
Collinearity Statistics Model
Tolerance VIF
1. Konstanta
Jumlah penghuni Luas lahan
Luas bangunan pemilik sepeda
Pemilik sepeda motor Pemilik mobil
Tidak punya kendaraan Biaya
Jarak Waktu
A
1
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
10
.001 .044
.009 .009
.010 .013
.116 .004
.003 .003
756.967 22.734
105.953 113.518
99.858 74.451
8.657 258.480
382.480 357.043
Lanjutan Tabel 4.22 Kolinearitas pada Model
Collinearity Statistics Model
Tolerance VIF
2. Konstanta
Jumlah penghuni Luas bangunan
pemilik sepeda Pemilik sepeda motor
Pemilik mobil Tidak punya kendaraan
Biaya Jarak
Waktu A
2
X
1
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
10
.007 .010
.027 .011
.041 .237
.012 .007
.010 150.098
101.245 37.036
92.956 24.344
4.215 84.991
142.452 99.783
3. Konstanta
Jumlah penghuni Luas bangunan
Pemilik sepeda motor Pemilik mobil
Tidak punya kendaraan Biaya
Jarak Waktu
A
3
X
1
X
3
X
5
X
6
X
7
X
8
X
9
X
10
.007 .028
.014 .130
.249 .059
.036 .017
140.239 35.120
73.587 7.668
4.015 16.990
27.877 58.271
4. Konstanta
Jumlah penghuni Luas bangunan
Pemilik sepeda motor Pemilik mobil
Tidak punya kendaraan Biaya
Waktu A
4
X
1
X
3
X
5
X
6
X
7
X
8
X
10
.016 .028
.018 .133
.251 .118
.058 63.272
35.106 56.044
7.537 3.990
8.468 17.381
5. Konstanta
Jumlah penghuni Luas bangunan
Pemilik sepeda motor Tidak punya kendaraan
Biaya Waktu
A
5
X
1
X
3
X
5
X
7
X
8
X
10
.017 .040
.032 .398
.140 .076
58.428 25.073
31.215 2.515
7.128 13.227
6. Konstanta
Jumlah penghuni Luas bangunan
Pemilik sepeda motor Tidak punya kend.
Biaya A
6
X
1
X
3
X
5
X
7
X
8
.022 .053
.035 .620
141 45.850
19.011 28.735
1.613 7.108
7. Konstanta
Pemilik sepeda motor A
6
X
5
1.000 1.000
Sumber : Analisis Data
Berdasarkan analisis yang telah dilakukan, model yang terbaik adalah model nomor 7 dimana tarikan perjalanan dengan sepeda motor hanya dipengaruhi oleh
jumlah pemilik sepeda motor, tetapi model nomor 6 lebih mendekati keadaan yang sebenarnya, dimana tarikan perjalanan dengan sepeda motor dipengaruhi
oleh JP, LB, PSM, TP, dan Biaya, tetapi model ini mempunyai persoalan dengan multikolinearitas. Bentuk pemodelannya adalah sebagai berikut:
Y= -4.594+0.347X
1
+3.756E-3X
3
+0.273X
5
+0.517X
7
-0.921X
8
Dimana : Y
= Jumlah perjalanan dengan sepeda motor X
1
= Jumlah penghuni X
3
= Luas bangunan X
5
=Jumlah Pemilik sepeda motor X
7
= Jumlah responden Tidak punya kendaraan X
8
= Biaya Model inilah yang akan dianalisis lebih lanjut, sedangkan hasil perhitungan
dengan SPSS 10 selengkapnya dapat dilihat pada Lampiran C-17.
1. Koefisien Korelasi Berdasarkan tabel 4.19 terlihat bahwa koefisien korelasi untuk jumlah
penghuni X
1
lebih besar dibandingkan dengan koefisien korelasi untuk variabel luas bangunan X
3
, jumlah pemilik sepeda motor X
5
, jumlah responden tidak punya kendaraan X
7
dan biaya X
8
, hal ini berarti bahwa jumlah penghuni lebih berpengaruh terhadap jumlah perjalanan dengan sepeda motor Y. Tingkat
signifikansi koefisien korelasi untuk satu sisi dari output diukur dari probabilitas diketahui cukup signifikan karena probabilitasnya kurang dari 0.05.
2. Koefisien Determinasi Berdasarkan hasil analisis pada tabel 4.20 diperoleh harga koefisien
determinasi R square sebesar 0.995, hal ini berarti bahwa 99.5 jumlah perjalanan dengan sepeda motor dapat dijelaskan oleh variabel jumlah penghuni,
luas bangunan, pemilik sepeda motor, jumlah responden tidak punya kendaraan
dan biaya, sedangkan sisanya 100-99.5=0.5 dijelaskan oleh variabel- variabel yang lain.
3. Signifikansi Koefisien Regresi Signifikansi koefisien regresi dalam suatu model regresi diuji dengan
menggunakan uji parsial uji-t dan uji simultan ♦
Uji-t Harga t- tabel:
- Tingkat signifikansi á = 5 - df = jumlah data - 2 = 11
- Untuk t-tabel dua sisi dari Lampiran D-1 didapat angka 1.796 Berdasarkan tabel 4.21 terlihat bahwa semua harga t-hitung t-tabel 1.796,
dan probabilitasnya 0.05, hal ini menunjukkan bahwa model cukup signifikan.
♦ Uji simultan Uji-F
Harga F tabel: - Tingkat signifikansi á = 5
- Db regresi pembilang = jumlah peubah bebas = 5 - Db residu penyebut = jumlah data - jumlah peubah bebas–1=13-5-1=7
- Berdasarkan tabel pada Lampiran D-2 diperoleh harga F tabel adalah 3.97 Harga F berdasarkan output yang tersaji pada tabel 4.21 adalah 305.137
F tabel dengan tingkat signifikansi .000 0.05, berarti dapat disimpulkan bahwa ada hubungan linear antara variabel bebas dengan jumlah perjalanan
dengan menggunakan sepeda motor.
4. Kolinearitas Ø Hubungan antara sesama peubah ditunjukkan dalam tabel 4.22, misalnya
untuk variabel biaya dimana diperoleh harga R
2
= 1 – toleransi = 1 - 0.141 =
0.859, ini berarti bahwa ada 85.9 variabilitas biaya dapat dijelaskan oleh prediktor variabel bebas yang lain.
Ø Default SPSS bagi angka toleransi adalah 0.0001, sehingga semua variabel telah memenuhi syarat ambang toleransi.
Ø Harga VIF dari tiga variabel menunjukkan bahwa peubah tersebut ada permasalahan dengan multikolinearitas 10, tetapi permasalahan
multikolinearitas ini masih dapat dianalisis lebih lanjut berdasarkan nilai Eigen
dan Condition Index, seperti dalam tabel berikut: Tabel 4.23 Nilai Eigen dan Condition Index
Model Dimension Eigenvalue
Condition Index
6 1 2
3 4
5 6
5.285 .334
.310 4.888E-2
1.874E-2 5.294E-3
1.000 3.978
4.126 10.398
17.768 31.596
Sumber : Analisis Data Multikolinearitas dapat terjadi jika terdapat variabel yang memiliki nilai
Eigen mendekati 0, dan Condition Index yang lebih besar dari 15. Berdasarkan tabel 4.23 terlihat bahwa ada variabel yang memiliki nilai Eigen
mendekati 0, dan Condition Index ada yang lebih dari 15, hal ini berarti bahwa multikolinearitas dalam model ini tidak menjadi masalah.
Berdasarkan analisi diatas terlihat bahwa bentuk model
Y= -4.594+0.347X
1
+3.756E-3X
3
+0.273X
5
+0.517X
7
-0.921X
8
Cukup signifikan.
3. Analisis Model Tarikan Perjalanan dengan Mobil a. Koefisien Korelasi
Perjalanan dengan menggunakan mobil sebagai variabel dependent dicari hubungannya dengan peubah jumlah penghuni total, luas lahan, luas bangunan,
jumlah pemilik sepeda, jumlah pemilik sepeda motor, jumlah pemilik mobil, jumlah responden yang tidak punya kendaraan, biaya, jarak, dan waktu tempuh.
Hubungan antar peubah ini ditunjukkan dengan harga koefisien korelasi seperti dalam tabel berikut:
Tabel 4.24 Koefisien Korelasi dan signifikansi Koefisien Korelasi
JPM JP
LL LB
PS P S M
PM TP
Biaya Jarak
Waktu
K O
R E
L A
S I
JPM JP
LL LB
PS PSM
PM
TP Biaya
Jarak Waktu
1.000 .723
1.000 .268
.645 1.000
.681 .971
.721 1.000
.692 .784
.290 .774
1.000 .732
.981 .716
.956 .733
1.000 .430
.679 .542
.578 .285
.743
1.000 .453
.581 .250
.587 .486
.536 .135
1.000 .514
.919 .631
.915 .753
.890 .623
.564 1.000
.768 .847
.555 .844
.819 .867
.575
.276 .692
1.000 .633
.930 .632
.872 .602
.916 .709
.685 .848
.641 1.000
S I
G N
I F
I K
A N
S I
JPM JP
LL LB
PS PSM
PM TP
Biaya Jarak
Waktu .
.003 .188
.009 .005
.000 .003
.004 .001
.168 .001
.002 .000
.003 .000
.002 .071
.005 .028
.019
.172 .002
.060 .019
.205 .018
.046 .029
.331 .036
.000 .010
.000
.001 .000
.011 .022
.001 .000
.025 .000
.000 .000
.020 .181
.004 .010
.000 .010
.000
.015 .000
.003 .005
.000 .009
.
Sumber : Analisis Data Keterangan : JPM = Jumlah perjalanan dengan mobil
JP = Jumlah penghuni
LL = Luas lahan LB = Luas bangunan
PS = Pemilik sepeda PSM = Pemilik sepeda motor
PM = Pemilik mobil TP = Tidak punya kendaraan
b. Bentuk Model Beberapa alternatif bentuk model yang diperoleh berdasarkan output
analisis regresi dengan program SPSS 10, disajikan dalam tabel berikut:
Tabel 4.25 Alternatif Bentuk Model
No. Bentuk model
R
2
1. 2.
3. 4.
5. 6.
7.
8.
9. Y= 0.544-5.79E-3E-2X
1
-1.13E-4X
2
+8.036E-4X
3
+5.201E-2X
4
+8.097E-2X
5
+5.707E-2X
6
-2.00E-2X
7
-0.207X
8
-0.109X
9
-4.00E-2X
10
Y = 0.518-1.06E-4X
2
+8.155E-4X
3
+5.638E-2X
4
+8.055E-2X
5
+7.201E-2X
6
- 1.56E-2X
7
-0.221X
8
-0.121X
9
-4.93E-2X
10
Y= 0.497-1.02E-4X
2
+7.900E-4X
3
+5.492E-2X
4
+7.795E-2X
5
+7.842E-2X
6
– 0.216X
8
-0.114X
9
-5.06E-2X
10
Y= 0.526-1.10E-4X
2
+4.424E-4X
3
+3.242E-2X
4
+7.707E-2X
5
-0.166X
8
-6.72E-2X
8
- 3.30E-2X
10
Y= 0.303-9.93E-5X
2
+3.595E-4X
3
+2.562E-2X
4
+5.012E-2X
5
-0.143X
8
-2.31E-2X
8
Y= 0.370-1.06E-4X
2
+3.374E-4X
3
+1.629E-2X
4
+4.384E-2X
5
-0.123X
8
Y= 0.186-8.71E-5X
2
+2.305E-2X
4
+5.200E-2X
5
-0.109X
8
Y= 0.318-1.22E-4X
2
+5.933E-2X
5
-8.91E-2X
8
Y= 0.311+3.057E-2X
5
-6.70E-2X
6
.827 .827
.826 .823
.814 .810
.798
.767
.532
Sumber : Analisis Data Keterangan:
Y = Jumlah perjalanan dengan mobil
X
1
= Jumlah penghuni X
2
= Luas lahan X
3
= Luas bangunan X
4
= Jumlah pemilik sepeda X
5
=Jumlah Pemilik sepeda motor X
6
= Jumlah Pemilik mobil X
7
= Jumlah responden Tidak punya kendaraan X
8
= Biaya X
9
= Jarak X
10
= Waktu tempuh
c. Signifikansi Koefisien Regresi Signifikansi dalam suatu model regresi diuji dengan uji parsial uji-t dan
uji simultan uji-F Anova. Perhitungan dari kedua uji tersebut dapat dilihat dalam tabel berikut:
Tabel 4.26 Signifikansi Koefisien Regresi
Model T hitung
Sig. F
Sig.
1. Konstanta
Jumlah penghuni Luas lahan
Luas bangunan pemilik sepeda
Pemilik sepeda motor Pemilik mobil
Tidak punya kendaraan Biaya
Jarak Waktu
= Waktu tempuh A
1
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
10
.297 -.024
-.352 .377
.232 .798
.077
-.078 -.334
-.180 -.098
.794 .983
.759 .742
.838 .509
.946 .945
.770 .874
.931
.957 .613
2. Konstanta
Luas lahan Luas bangunan
pemilik sepeda Pemilik sepeda motor
Pemilik mobil Tidak punya kendaraan
Biaya Jarak
Waktu
= Waktu tempuh A
2
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
10
.424 -.907
.481 .514
.987 .212
-.103 -.876
-.478 -.437
.700 .431
.663 .643
.397 .846
.924 .446
.665 .692
1.594 .385
3. Konstanta
Luas lahan Luas bangunan
Pemilik sepeda Pemilik sepeda motor
Pemilik mobil Biaya
Jarak Waktu
= Waktu tempuh A
3
X
2
X
3
X
4
X
5
X
6
X
8
X
9
X
10
.46 -1.057
.543 .582
1.157 .270
-1.003 -.539
.519 .659
.350 .616
.592 .312
.800 .373
.618 .631
2.380 .210
4. Konstanta
Luas lahan Luas bangunan
Pemilik sepeda Pemilik sepeda motor
Biaya jarak
Waktu
= Waktu tempuh A
4
X
2
X
3
X
4
X
5
X
8
X
9
X
10
.561 -1.309
.720 .807
1.269 -1.720
-.615 -.504
.599 .248
.504 .456
.260 .146
.565 .636
3.327 .102
5. Konstanta
Luas lahan Luas bangunan
Pemilik sepeda Pemilik sepeda motor
Biaya jarak
A
5
X
2
X
3
X
4
X
5
X
8
X
9
.392 -1.307
.649 .724
1.861 -1.794
-.377 .709
.239 .540
.496 .112
.123 .719
4.384 .048
Lanjutan Tabel 4.26 Signifikansi Koefisien Regresi
Model T hitung
Sig. F
Sig.
6. Konstanta