Persentase jumlah petak dagangan seperti disajikan pada Gambar 4.10, adalah sebagai berikut:
1 Pasar Inpres Bhakti: 14,5; 23,4; 12,7; 17,2; 32,3;
2 Pasar Inpres Halat: 17,5; 16,6; 19,4; 22,3; 24,2;
3 Pasar Inpres Sei Sikambing: 12,3; 22,0; 18,4; 14,0; 33,3;
4 Pasar Inpres Titi Papan: 6,3; 20,5; 23,2; 31,2; 18,8.
4.11 Pengunjung Pasar Membutuhkan Parkir
Rincian jumlah pengunjung pasar membutuhkan parkir dapat dilihat pada Lampiran 6, 7, 8, 9 dan hasil perhitungan jumlah pengunjung membutuhkan parkir
dan tidak membutuhkan parkir dapat dilihat pada Lampiran 25, 26, 27, 28. Perhitungan persentasenya dapat dilihat pada Lampiran 29, sedangkan hasil
perhitungan rata-rata persentase disajikan pada Gambar 4.11.
65 55
59 60
40 41
35 45
B h a k t i H a l a t
Sikambing Titi Kuning
Butuh Parkir Tidak Butuh Parkir
Gambar 4.11 Persentase Pengunjung Membutuhkan Parkir
Universitas Sumatera Utara
Persentase pengunjung membutuhkan parkir seperti ditunjukan pada Gambar 4.11 lebih besar bila dibandingkan dengan persentase pengunjung tidak membutuhkan
parkir. Hasil selengkapnya adalah sebagai berikut: 1
Pasar Inpres Bhakti: 60 , 2
Pasar Inpres Halat: 59, 3
Pasar Inpres Sei Sikambing: 55 dan 4
Pasar Inpres Titi Kuning: 65.
4.12 Hubungan Data antara Kebutuhan Parkir dengan Prasarana Pasar
Hubungan data antara kebutuhan pakir dengan prasarana pasar yang dimaksud adalah mencari hubungan matematis dengan pendekatan persamaan regresi antara
data Kebutuhan Parkir sebagai variabel terikat y
1
dengan data Prasarana Phisik Pasar sebagai variabel bebas x, x terdiri dari x
1
sampai dengan x
7
. Persamaan regresi akan bermakna baik untuk memprediksi besaran variabel
terikat, apabila nilai Sig.F 0,05 dan f
hitung
f
tabel
serta t
hitung
t
tabel
. Data kebutuhan parkir Gambar 4.2 sebagai variabel terikat y
1
dan ketersediaan pelataran parkir Gambar 4.3, luas pasar Gambar 4.7, luas bangunan
Gambar 4.8 sebagai variabel bebas x
1
sampai dengan x
7
disajikan pada Tabel 4.1. Tabel 4.1 Data Kebutuhan Parkir dan Prasarana Pasar Sebagai Variabel
x
1
x
2
x
3
x
4
x
5
x
6
x
7
y
1
Nama Pasar m²
m² srp
srp Bhakti
4822 38,2
2520 30,6
19,7 4,7
9,0 24,0
Halat 5000
16,1 3040
14,7 31,7
7,3 12,0
15,3 Sei Sikambing
6166 51,3
3996 49,9
28,2 5,3
8,1 29,7
Titi Kuning 5432
44,1 1798
33,2 69,6
14,7 44,5
23,8 Sumber: Gambar 4.2, 4.3, 4.7 dan 4.8.
Universitas Sumatera Utara
Keterangan: y
1
: kebutuhan parkir pada jam puncak srp, x
1
: luas tanahlahan pasar satuan m², x
2
: presentase luas tanah terhadap luas total tanah se kecamatan, x
3
: luas bangunan pasar satuan m², x
4
: persentase luas bangunan pasar terhadap luas total bangunan pasar se kecamatan,
x
5
: luas ketersediaan parkir
,
satuan ruang parkir srp, x
6
: persentase luas parkir terhadap luas lahan pasar, x
7
: persentase luas parkir terhadap luas bangunan pasar,
4.13 Uji Penyimpangan Data Kebutuhan Parkir dan Prasarana Pasar dengan Program SPSS 15.0 Metode Boxplot
Data pada Tabel IV.1 dilakukan uji penyimpangan data, dengan program SPSS
15.0 Metode Boxplot, hasil pengujian penyimpangan data selengkapnya dapat dilihat pada Lampiran 30 dan hasil Boxplot disajikan pada Gambar 4.12.
Gambar 4.12 Hasil Uji Penyimpangan Data Kebutuhan Parkir dan Prasarana Pasar dengan Program SPSS 15.0 Metode Boxplot
Hasil uji penyimpangan data seperti yang disajikan pada Gambar 4.12, dapat
diketahui bahwa semua data yaitu x
1
sampai dengan x
7
dan y
1
tidak ada data yang
y1
30 28
26 24
22 20
18 16
x1 6,000
5,700 400
100 800
5, 5,
4, x2
60 50
40 30
20 10
x3
4,000 3,500
3,000 2,500
2,000 1,500
x4 35
30 25
20 15
10 x5
70 60
50 40
30 20
10 x6
15.0 12.5
10.0 7.5
5.0
x7 50
40 30
20 10
Universitas Sumatera Utara
menyimpang outliers, selanjutnya data pada Tabel 4.1 akan dilakukan uji normalitas.
4.14 Uji Normalitas Data Kebutuhan Parkir dan Prasarana Pasar