signifikan F = 0,0001 0,05 yang berarti Ha diterima dan secara simultan, X1, X3 dan X6 berpengaruh positif terhadap bangkitan pergerakan.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat koefisien determinan R Square, yaitu
sebesar 0,850 atau 85,0. Nilai pada variabel jumlah anggota keluarga X1 yaitu sebesar 1,885 X1, dapat
diartikan bahwa apabila terjadi peningkatan sebanyak 1 orang akan mempengaruhi produksi perjalanan yaitu sebesar 1,885 perjalanankeluargahari. Nilai pada variabel
jumlah kepemilikan mobil X3 yaitu sebesar 0,649 X3, dapat diartikan bahwa apabila terjadi peningkatan sebanyak 1 unit akan mempengaruhi produksi perjalanan yaitu
sebesar 0,649 perjalanankeluargahari. Nilai pada variabel jumlah keluarga yang bersekolah X6 yaitu sebesar 0,772 X6, dapat diartikan bahwa apabila terjadi
peningkatan sebanyak 1 orang akan mempengaruhi produksi perjalanan yang dihasilkan yaitu sebesar 0,772 perjalanankeluargahari.
Variabel bebas yang keluar dari model disebabkan karena memiliki nilai korelasi yang rendah, bila variabel bebas ini dimasukkan kedalam persamaan regresi
maka akan diperoleh nilai determinannya R
2
kecil dan nilai standart errornya besar.
V.2.2 Bangkitan Pergerakan Pada Tipe Perumahan Bangunan Menengah Y2
Analisis untuk mengetahui variabel-variabel mana yang akan digunakan dalam pemodelan selanjutnya, dilakukan proses penyeleksian variabel dengan cara melakukan
uji korelasi antara semua variabel-variabel yang ditinjau.
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
1. Analisis Bivariat Analisis korelasi bivariat mencari derajat keeratan hubungan dan arah
hubungan. Semakin tinggi nilai korelasi, semakin tinggi keeratan hubungan antar variabel. Untuk melihat hubungan bivariat antara variabel dapat dilihat dari hasil uji
korelasi Pearson. Matriks hasil uji korelasi bivariat antara variabel untuk tipe perumahan bangunan menengah dapat dilihat pada Tabel V.4 berikut:
Tabel V.4. Matriks Hubungan Antara Variabel Pada Perumahan Tipe Bangunan Menengah
Produksi Perjalanan
Y Jlh
Anggota Kel.
X1 Jlh
Penghasil an Kel.
X2 Jlh
Kepemilik an Mobil
X3 Jlh
Kepemilik an Spd
Mtr X4
Jlh Keluarga
Bekerja X5
Jlh Keluarga
Bersekola h
X6 Jenis
Pekerjaan Kel.
X7 Umur
Kepala Kel.
X8 Pendidik
an Kepala
Kel. X9
Luas bangu
nan X10
Produksi Perjalanan Y
1 .822
.351 .549
-.101 .774
.433 -.107
.211 -.076
.393
Jlh Anggota Kel. X1
1 -.067
.287 .081
.624 .471
-.079 .313
-.136 .444
Jlh Penghasilan Kel. X2
1 .630
-.399 .362
.026 .326
-.049 .187
-.177
Jlh Kepemilikan Mobil X3
1 .089
.294 .069
.038 -.100
.175 -.089
Jlh Kepemilikan Spd Mtr X4
1 -.234
-.234 -.505
.160 .141
-.133
Jlh Keluarga Bekerja X5
1 .409
-.211 .536
.395 .234
Jlh Keluarga Bersekolah X6
1 -.101
-.196 -.033
.234
Jenis Pekerjaan Kel. X7
1 -.334
-.256 -.245
Umur Kepala Kel. X8
1 .275
-.124
Pendidikan Kepala Kel. X9
1 -.141
Luas bangunan X10
1
Sumber: Data Primer Diolah Correlation is significant at the 0.05 level
Proses penyeleksian variabel harus sesuai dengan syarat metode analisis regresi linear berganda, bahwa variabel bebas yang akan dipakai dalam model harus
mempunyai korelasi tinggi terhadap variabel terikat dan sesama variabel bebas tidak boleh saling berkorelasi. Apabila terdapat korelasi diantara variabel bebas, pilih salah
satu yang mempunyai nilai korelasi yang terbesar untuk mewakili.
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
Pada Tabel V.4 diatas dapat dilihat bahwa variabel-variabel yang mempunyai hubungan signifikan atau pengaruh besar terhadap produksi perjalanan Y2 adalah
jumlah anggota keluarga X1, jumlah kepemilikan mobil X3, jumlah anggota keluarga bekerja X5, dan jumlah anggota keluarga yang bersekolah X6.
Jumlah anggota keluarga X1 mempunyai hubungan yang signifikan dengan produksi perjalanan Y2 dengan nilai R koefisien korelasi yaitu sebesar 0,822 atau
variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 82,2. Sama halnya pada variabel jumlah kepemilikan mobil X3 mempunyai
hubungan yang signifikan dengan produksi perjalanan Y2 dengan nilai R koefisien korelasi yaitu sebesar 0,549 atau variabel bebas dapat mempengaruhi variabel terikat
dengan kuat hubungan sebesar 54,9. Sama halnya pada variabel jumlah anggota keluarga bekerja X5 mempunyai hubungan yang signifikan dengan produksi
perjalanan Y2 dengan nilai R koefisien korelasi yaitu 0,774 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 77,4. Sama
halnya pada variabel jumlah anggota keluarga yang bersekolah X6 mempunyai hubungan yang signifikan dengan produksi perjalanan Y2 dengan nilai R koefisien
korelasi yaitu 0,433 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 43,3.
Dalam hal ini juga terdapat beberapa variabel bebas yang saling berkorelasi, maka hanya variabel yang mempunyai nilai korelasi tertinggi yang akan dipakai dalam
model. Variabel bebas X1 saling berkorelasi dengan variabel bebas X5, X6 dan X10, maka dipilih variabel jumlah anggota keluarga X1 untuk mewakili variabel bebas
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
yang berkorelasi, karena variabel jumlah anggota keluarga X1 memiliki nilai korelasi tinggi diantara variabel bebas yang berkorelasi terhadap variabel terikat Y2, yaitu
sebesar 0,822 atau 82,2. Sama halnya variabel bebas X2 saling berkorelasi dengan variabel bebas X3, maka dipilih variabel jumlah kepemilikan mobil X3 untuk
mewakili variabel bebas yang berkorelasi, karena variabel jumlah kepemilikan mobil X3 memiliki nilai korelasi tinggi diantara variabel bebas yang berkorelasi terhadap
variabel terikat Y2, yaitu sebesar 0,549 atau 54,9. Dari uraian diatas dapat disimpulkan bahwa hanya dua variabel bebas yang
dapat dipakai dalam model, yaitu: jumlah anggota keluarga X1 dan jumlah kepemilikan mobil X3.
2. Analisis Multivariat Analisis regresi linear berganda digunakan untuk meramalkan suatu variable
terikat Y berdasarkan dua atau lebih variable bebas X
1
, X
2
, …., X
n
dalam suatu persamaan linear. Untuk mendapatkan model yang paling sesuai menggambarkan
pengaruh satu atau beberapa variabel bebas terhadap variabel terikatnya dapat digunakan analisis regresi linear berganda Multiple Linear Regression Analysis.
Model regresi linear berganda yang ditampilkan berikut ini diolah dengan bantuan Software SPSS-12. Hasil analisis regresi linear berganda untuk tipe perumahan
bangunan menengah dapat dilihat pada Tabel V.5 berikut:
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
Tabel V.5. Pengaruh Variabel Bebas Terhadap Jumlah Produksi Perjalanan Perumahan Tipe Bangunan Menengah
Variabel Terikat: Produksi Perjalanan Tipe Bangunan Menengah Y2 Model Regresi
Koefisien Regresi t
sig. Konstanta
Jumlah Anggota Keluarga X1 Jumlah Kepemilikan Mobil X3
0,600 1,300
0,900 0,696
4,716 2,222
0,503 0,001
0,050
Kesesuaian Model Regresi Yang Terbentuk Anova Regresi
F = 18,077 sig. = 0,0001
Koefisien Korelasi R = 0,885 Koefisien determinan
R Square = 0,783 Persamaan Regresi Terbentuk:
Y2 = 0,600 + 1,300 X1 + 0,900 X3
Standart error SEE= 0,863
Sumber: Data Primer Diolah
Signifikan Tabel V.5 diatas dapat dilihat bahwa persamaan model regresi linear berganda
yang terbentuk, yaitu: Y2 = 0,600 + 1,300 X1 + 0,900 X3 adalah merupakan model
regresi yang paling sesuai menggambarkan pengaruh dua variabel bebas, yaitu jumlah anggota keluarga X1, dan jumlah kepemilikan mobil X3 yang secara bersamaan
mempengaruhi produksi perjalanan Y2, hal ini dapat dilihat dari nilai analisis Anova Regresi F sebesar 18,077.
Anova Regresi F merupakan nilai uji kelinieran hubungan variabel terikat dengan variabel bebasnya. Berdasarkan syarat statistik untuk regresi linear berganda
bahwa perbandingan nilai F
hitung
harus lebih besar dari F
tabel
, hasil yang diperoleh 18,077 3,80. Syarat statistik terpenuhi F
hitung
F
tabel
, hal ini menunjukkan bahwa model regresi linear berganda signifikan pada tingkat kepercayaan 95. Harga
signifikan F = 0,0001 0,05 yang berarti Ha diterima dan secara simultan, X1 dan X3 berpengaruh positif terhadap bangkitan pergerakan.
Muhammad Efrizal Lubis : Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota…, 2008 USU e-Repository © 2008
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat koefisien determinan R Square, yaitu
sebesar 0,783 atau 78,3. Nilai pada variabel jumlah anggota keluarga X1 yaitu sebesar 1,300 X1, dapat
diartikan bahwa apabila terjadi peningkatan sebanyak 1 orang akan mempengaruhi produksi perjalanan yaitu sebesar 1,300 perjalanankeluargahari. Nilai pada variabel
jumlah kepemilikan mobil X3 yaitu sebesar 0,900 X3, dapat diartikan bahwa apabila terjadi peningkatan sebanyak 1 unit akan mempengaruhi produksi perjalanan yaitu
sebesar 0,900 perjalanankeluargahari. Variabel bebas yang keluar dari model disebabkan karena memiliki nilai
korelasi yang rendah, bila variabel bebas ini dimasukkan kedalam persamaan regresi maka akan diperoleh nilai determinannya R
2
kecil dan nilai standart errornya besar.
V.2.3 Bangkitan Pergerakan Pada Tipe Perumahan Bangunan Sederhana Y3