Tabel 4.4 Hasil Persamaan Regresi Hubungan antara Kebutuhan Parkir y
1
dengan Prasarana Pasar
Persamaan Regresi R
Square Std
Error Sig.F
f
hitung
t
hitung
t
hitung
Linear Y
1
: 10,185 + 0,405x
4
0,969 1,272
0,015 63,321
7,957 5,804
Logarithmic Y
1
: -16,055 + 11,613 Lnx
4
0,991 0,678
0,004 227,596 15,086
-6,118
Inverse Y
1
: 33,616 - 1276,153x
4
0,949 1,648
0,026 36,893
-6,074 17,669
Exponential Y
1
: 12,406e
0,019x4
0,929 0,091
0,016 26,285
5,127 7,984
Sumber: Lampiran 33, 34, 35 Bentuk persamaan regresi Linear, Logarithmic, Inverse dan Exponential, seperti
ditunjukan pada Tabel 4.4 menunjukan nilai koefisien diterminasi R Square mendekati 1 yaitu 0,929 – 0,991 ini berarti bahwa kontribusi rasio luas bangunan
pasar terhadap luas total bangunan pasar se kecamatan x
4
terhadap kebutuhan parkir y
1
sebesar 92,9 - 99,1 sedangkan sisanya, 0,9 - 7,1 adalah faktor lain.
4.17 Uji Signifikansi Persamaan Regresi Hubungan antara Kebutuhan Parkir dengan Prasarana Pasar
Nilai Sig.F untuk persamaan Linear, Logarithmic, Inverse, dan Exponential lebih
kecil apabila dibandingkan dengan nilai level of significance α = 0.05, selanjutnya
dapat ditulis sebagai berikut: 0,015; 0,004; 0,026 dan 0,016 0,05.
Universitas Sumatera Utara
Nilai Sig.F nilai level of significance α = 0.05, ini menunjukan bahwa
persamaan Regresi dapat bermakna baik apabila digunakan untuk memprediksi kebutuhan parkir secara signifikan.
Persamaan Regresi Quadratic tidak signifikan karena nilai Sig.F: 0,087 0,05 seperti ditunjukan pada Lampiran 33, sehingga kurang bermakna untuk memprediksi
kebutuhan parkir. Persamaan Regresi Linear, Logarithmic, Inverse dan Exponential, selanjutnya akan di uji Significance t dan f dengan cara membandingkan antara hasil
hitung dengan tabel. Nilai f
tabel
dan t
tabel
diambil dari Lampiran 34 dan 35, dengan level of significance
α = 0.05 dan degree of freedom v = n – k + 1, n: jumlah sampel: 4, k: jumlah variable bebas: 1, v = 4 – 1 + 1 = 2, maka Nilai f
tabel
: 19,0 dan t
tabel
: 4,3. Hasil uji Significance f dengan f
tabel
: 19,0 maka semua persamaan regresi f
hitung
lebih besar dari f
tabel
63,321; 227,596; 36,893 dan 26,285 19,00. Hasil uji Significance t: dengan nilai t
tabel
: 4,3 maka persamaan regresi yaitu: Logarithmic dan Inverse t
hitung
lebih kecil dari t
tabel
-6,118 dan -6,074 4,3 sedangkan persamaan Linear dan Exponential t
hitung
lebih besar dari t
tabel
7,957; 5,804 dan 5,127; 7,984 4,3.
Hasil uji Significance f dan t persamaan regresi Linear y
1
: 10,185 + 0,405x
4
dan Exponential y
1
: 12,406e
0,019x4
. dapat digunakan untuk memprediksi kebutuhan parkir secara signifikan. y
1
adalah kebutuhan parkir satuan ruang parkir srp, x
4
adalah rasio luas bangunan pasar terhadap luas total bangunan pasar se kecamatan .
Universitas Sumatera Utara
4.18 Uji Validitas Persamaan Regresi Hubungan antara Kebutuhan Parkir dengan Prasarana Pasar
Analisis hubungan matematis antara Kebutuhan Parkir dengan Prasarana Pasar
terdapat 2 dua persamaan yang dapat digunakan untuk memprediksi kebutuhan parkir yaitu:
1 persamaan regresi Linear y
1
: 10,185 + 0,405x
4
dan 2
persamaan regresi Exponential y
1
: 12,406e
0,019x4
. Ke-2 persamaan akan di uji validitasnya dengan cara memasukan variabel bebas
x
4
, sehingga didapat nilai y
1 hitung
, y
1 hitung
dibandingkan dengan y
1
hasil survei, persamaan yang dipilih adalah persamaan yang paling kecil kesalahannya. Hasil uji
persamaan Linear disajikan pada Tabel 4.5 dan persamaan Exponential disajikan pada Tabel 4.6
Tabel 4.5 Uji Validitas Persamaan Hasil Regresi Linear
Persamaan Linear y
1
: 10,185 + 0,405x
4
Nama Pasar Konst
Koef x
4
y
1 hitung
y
1 data
Penyimpangan Bhakti
10,185 0,405 30,646 22,597 24,038
1,442 6,00
Halat 10,185 0,405
14,687 16,133 15,315 -0,818 -5,34 S Sikambing
10,185 0,405 49,906 30,397 29,717 -0,680 -2,29
T Kuning 10,185 0,405
33,155 23,613 23,826 0,213
0,90 0,039
-0,18 Sumber: analisis
Universitas Sumatera Utara
Tabel 4.6 Uji Validitas Persamaan Hasil Regresi Exponential Persamaan Exponential y
1
: 12,406e
0,019 x4
Nama Pasar Konst
Koef x
4
y
1 hitung
y
1 data
Penyimpangan
Bhakti 12,406
0,019 30,646 22,207 24,038
1,831 7,62
Halat 12,406
0,019 14,687 16,399 15,315
-1,083 -7,07
S Sikambing 12,406
0,019 49,906 32,018 29,717
-2,301 -7,74
T Kuning 12,406
0,019 33,155 23,291 23,826
0,535 2,25
-0,254 -1,24
Sumber: analisis
Hasil uji persamaan regresi Linear seperti disajikan pada Tabel 4.5 dan persamaan regresi Exponential seperti disajikan pada Tabel 4.6 penyimpangan terjadi:
1 Pasar Inpres Bhakti: 6,00 7,62;
2
Pasar Inpres Halat: 5,34 7,07;
3
Pasar Inpres Sei Sikambing: 2,29 7,74 dan
4
Pasar Inpres Titi Kuning: 0,90 2,25. Hasil uji validitas persamaan regresi Linear dan Exponential dapat diketahui
bahwa kesalahan atau penyimpangan terjadi pada persamaan regresi Linear lebih kecil dibangdingkan dengan persamaan Exponential, dengan demikian hubungan
antara kebutuhan parkir dengan prasarana pasar dipilih persamaan regresi Linear
Universitas Sumatera Utara
4.19 Hubungan antara Kebutuhan Parkir dengan Jumlah Kelompok Jenis Barang Dagangan dan Jumlah Rumah Tangga
Kebutuhan parkir yang dimaksud adalah kebutuhan parkir pada jam puncak parkiry
1
. Kelompok jenis barang dagangan adalah: kelompok barang lauk-pauk x
8
, sayur-mayurx
9
, buah-buahan x
10
, makanan pokok x
11
dan barang hasil industri x
12
. Pengelompokan barang dagangan disesuaikan dengan kelompok pemungutan retribusi sebagaimana informasi dari PD. Pasar.
Jumlah rumah tangga adalah jumlah rumah tangga se kecamatan pada pasar yang ditinjau, sebagai variabel bebas x
13
merupakan perbandingan antara jumlah rumah tangga se kecamatan dibagi dengan luas total bangunan pasar se kecamatan rtm²
pasar sekecamatan. Data kebutuhan parkir dari Gambar 4.2 sebagai variabel terikat y
1
dan persentase kelompok jenis barang dagangan dari Gambar 4.10 serta Jumlah Rumah Tangga Per m² luas pasar Se Kecamatan dari Gambar 4.9, selanjutnya
disajikan pada Tabel 4.7. Tabel 4.7 Data Kebutuhan Parkir dan Jumlah Kelompok Jenis Barang Dagangan serta
Jumlah Rumah Tangga Per m² Pasar Sebagai Variabel x
8
x
9
x
10
x
11
x
12
x
13
y
1
Nama Pasar rtm²
srp Bhakti
14,5 23,4
12,7 17,2
32,3 3,0
24,0 Halat
17,5 16,6
19,4 22,3
24,2 0,9
15,3 Sei Sikambing
12,3 22,0
18,4 14,0
33,3 3,9
29,7 Titi Kuning
6,3 20,5
23,2 31,2
18,8 4,6
23,8 Sumber: analisis
Universitas Sumatera Utara
Keterangan: y
1
: kebutuhan parkir pada jam puncak srp, x
8
: presentase jumlah petak lauk-pauk terhadap jumlah total petak dagangan, x
9
: presentase jumlah petak sayur-mayur terhadap jumlah total petak dagangan, x
10
: presentase jumlah petak buah-buahan terhadap jumlah total petak dagangan, x
11
: presentase jumlah petak makanan pokok terhadap jumlah total petak dagangan, x
12
: presentase jumlah petak barang industri terhadap jumlah total petak dagangan, x
13
: jumlah rumah tanggaluas total pasar se kecamatan rtm².
4.20 Uji Penyimpangan Data Kelompok Jenis Barang Dagangan dan Jumlah Rumah Tangga dengan Metode Boxplot
Data dari Tabel 4.7 dilakukan uji penyimpangan. Uji penyimpangan data dengan metode Boxplot program SPSS 15.0, hasil
pengujian selengkapnya dapat dilihat pada Lampiran 36 dan hasil Boxplot disajikan pada Gambar 4.13.
x8 17.5
15.0 12.5
10.0 7.5
x9 24
22 20
18 16
x10 22.5
20.0 17.5
15.0 12.5
x11 30
25 20
15 x12
35 30
25 20
15
x13 5
4 3
2 1
y1
30 28
26 24
22 20
18 16
Gambar 4.13 Hasil Uji Penyimpangan Data Kelompok Jenis Barang Dagangan dan Jumlah Rumah Tangga dengan Program SPSS 15.0 Metode Boxplot
Hasil uji dengan Program SPSS 15.0 Metode Boxplot seperti yang disajikan pada Gambar 4.12, diketahui tidak terdapat data yang menyimpang. Apabila terdapat data
yang menyimpang atau out layer maka data yang menyimpang tidak diikutkan pada analisis berikutnya.
Universitas Sumatera Utara
4.21 Uji Normalitas Data Kebutuhan Parkir dan Kelompok Jenis Barang Dagangan serta Jumlah Rumah Tangga
Data pada Tabel 4.7 dilakukan Uji normalitas. Uji normalitas data diperlukan dengan tujuan untuk mengetahui apakah data
pada Tabel 4.7 terdistribusi secara normal atau tidak. Apabila terdapat data yang tidak terdistribusi normal, maka data tersebut tidak diikutkan pada analisis berikutnya.
Uji normalitas data dilakukan dengan prosedur sama dengan Sub Bab 4.14 hasil analsis disajikan pada Tabel 4.8
Tabel 4.8 Hasil Uji Normalitas Data Kelompok Jenis Barang
Dagangan dan Jumlah Rumah Tangga dengan Program SPSS 15.0
x
8
x
9
x
10
x
11
x
12
x
13
y
1
Nama Pasar rtm²
srp Bhakti
14,5 23,4
12,7 17,2
32,3 3,0
24,0 Halat
17,5 16,6
19,4 22,3
24,2 0,9
15,3 Sei Sikambing
12,3 22,0
18,4 14,0
33,3 3,9
29,7 Titi Kuning
6,3 20,5
23,2 31,2
18,8 4,6
23,8 Uji Normalitas
N 4,0
4,0 4,0
4,0 4,0
4,0 4,0
Skewness -0,86
-1,11 -0,62
0,90 -0,47
-1,09 -0,70
Std. Er of Skewness 1,01
1,01 1,01
1,01 1,01
1,01 1,01
Kurtosis 1,03
1,23 1,44
0,09 -3,16
0,98 1,77
Std. Er of Kurtosis 2,62
2,62 2,62
2,62 2,62
2,62 2,62
Batas Distribusi Normal
Skewness : S E of Skewness -2 sd +2
-0,85 -1,09
-0,62 0,89
-0,46 -1,07
-0,69 Kurtosis : S E of
Kortusis -2 sd +2 0,39
0,47 0,55
0,04 -1,21
0,38 0,68
Distribusi Normal ok
ok ok
ok ok
ok ok
Sumber: Lampiran 37 dan analisis
Universitas Sumatera Utara
Nilai Skewness, Standart Error of Skewness, Kurtosis dan Standart Error of Kurtosis dianalisis dengan Program SPSS 15.0. Hasil analisis uji normalitas data
kelompok jenis barang dagangan dan jumlah rumah tangga per m² luas pasar seperti di sajikan pada Tabel 4.8 dapat diketahui bahwa:
1 Nilai Skewness dibagi dengan nilai Standart Error of Skewness yaitu: x
8
: -0,85; x
9
: -1,09; x
10
: -0,62; x
11
: -0,89; x
12
: -0,46; x
13
: -1,07 dan y
1
: -0,69 berada di antara -2 dan +2, sehingga data x
8
sampai dengan x
13
dan y
1
terdistribusi secara normal. 2
Nilai Kurtosis dibagi dengan nilai Standart Error of Kurtosis yaitu: x
8
: 0,39; x
9
: 0,47; x
10
: 0,55; x
11
: 0,04; x
12
: -1,21; x
13
: 0,38 dan y
1
: 0,68 berada di antara -2 dan +2, sehingga data x
8
sampai dengan x
13
dan y
1
terdistribusi secara normal.
4.22 Uji Korelasi Hubungan Kebutuhan Parkir dengan Kelompok Jenis Barang Dagangan dan Jumlah Rumah Tangga
Uji korelasi antara data variabel diperlukan dengan tujuan untuk mengetahui apakah data variabel terikat y
1
dengan data variabel bebas x
8
- x
13
pada Tabel 4.7 berkorelasi baik atau tidak dan apakah terjadi korelasi antar sesama varibel bebas x.
Universitas Sumatera Utara
Data berkorelasi baik bila nilai koefisien korelasi 0,6 dan berkorelasi kurang baik bila nilai koefisien korelasi 0,6. Uji korelasi digunakan program Excel dan
program SPSS 15.0. Hasil uji korelasi dengan program Excel disajikan pada Tabel 4.9 dan hasil uji korelasi dengan program SPSS 15.0 dapat dilihat pada Lampiran 38.
Tabel 4.9 Uji Korelasi Hubungan Kebutuhan Parkir dengan Kelompok Jenis Barang Dagangan dan Jumlah Rumah Tangga
x
8
x
9
x
10
x
11
x
12
x
13
y
1
Nama Pasar rtm
² srp
Bhakti 14,47
23,37 12,72
17,17 32,27
3,02 24,04
Halat 17,48
16,63 19,42
22,33 24,15
0,93 15,32
Sei Sikambing 12,32
21,98 18,36
14,01 33,33
3,91 29,72
Titi Kuning 6,28
20,53 23,19
31,16 18,84
4,61 23,83
Hasil Korelasi x
8
1,00
x
9
-0,34 1,00
x
10
-0,58 -0,53
1,00
x
11
-0,59 -0,40
0,74 1,00
x
12
0,47 0,59
-0,81 -0,98
1,00
x
13
-0,90 0,68
0,26 0,20
-0,04 1,00
y
1
-0,51 0,82
-0,13 -0,40
0,51 0,82
1,00
Sumber : Analisis Hasil uji korelasi dengan menggunakan program Excel dan program SPSS 15.0.
hasilnya adalah sama, yaitu korelasi y
1
terhadap x
8
: -0,51; x
9
: 0,82; x
10
: -0,13; x
11
: - 0,40; x
12
: 0,51 dan x
13
: 0,82.
Universitas Sumatera Utara
Variabel bebas yaitu: x
9
: 0,82 dan x
13
: 0,82 0,6 maka : jumlah petak dagangan sayur-mayur : jumlah total petak dagangan x
9
dan jumlah rumah tangga : luas total pasar se kecamatan x
13
berkorelasi baik terhadap kebutuhan parkir y
1
. Variabel bebas yaitu: x
8
: -0,51; x
10
: -0,13; x
11
: -0,40 dan x
12
: 0,51 0,6 maka jumlah petak dagangan lauk-pauk : jumlah total petak dagangan x
8
; jumlah petak dagangan sayur-mayur : jumlah total petak dagangan x
9
; jumlah petak dagangan buah-buahan : jumlah total petak dagangan x
10
; jumlah petak dagangan makanan pokok : jumlah total petak dagangan x
11
dan jumlah petak dagangan barang hasil industri : jumlah total petak dagangan x
12
berkorelasi kurang baik terhadap kebutuhan parkir y
1
.
4.23 Hubungan Matematis antara Kebutuhan Parkir dengan Kelompok Jenis Barang Dagangan dan Jumlah Rumah Tangga
Persamaan regresi akan bermakna baik, apabila variabel terikat y berkorelasi baik dengan variabel bebas x dan sesama variabel bebas x berkorelasi tidak baik.
Apabila Variabel terikat berkorelasi baik dengan variabel bebas dan sesama variabel bebas juga berkorelasi baik terjadi multikolinieritas maka akan terbentuk persamaan
regresi yang kurang baik, untuk itu varibel bebas dipilih satu diantaranya yang memiliki nilai korelasi terhadap variabel terikat lebih baik.
Dari Tabel 4.9, variabel bebas x
9
berkorelasi baik terhadap x
13
, yaitu 0,68; dan variabel bebas x
9
maupun x
13
berkorelasi terhadap y
1
sama-sama baik yaitu: 0,82
Universitas Sumatera Utara
dengan demikian variabel bebas x
9
maupun x
13
tidak dapat dipilih mana yang lebih baik, untuk itu x
9
maupun x
13
dianalisis masing-masing. Hubungan data antara y
1
dengan x
9
maupun x
13
dianalisis menggunakan pendekatan persamaan regeresi.
Untuk mendapatkan persamaan regresi digunakan program SPSS, hasil selengkapnya dapat dilihat pada Lampiran 39, sedangkan rekap hasil persamaan
regresi, R Square,
Standard Error, Significance F, f
hitung
dan t
hitung
disajikan pada Tabel 4.10.
Tabel 4.10 Hasil Persamaan Regresi Hubungan antara Kebutuhan Parkir dengan Kelompok Jenis Barang Dagangan Sayur-Mayur x
9
Persamaan Regresi R
Square Std
Error Sig.F
f
hitung
t
hitung
t
hitung
t
hitung
Linear Y
1
: -11,418 + 1,680x
9
0,676 4,136
0,178 4,178
2,044 -0,669
Logarithmic Y
1
: -78,374 + 33,658 Lnx
9
0,705 3,948
0,160 4,781
2,187 -1,685
Inverse Y
1
: 55,981 - 1664,608x
9
0,729 3,782
0,146 5,389
- 2,321
3,933
Quadratic Y
1
: -184,11 - 0,45x
9
² + 19,42x
9
0,845 4,047
0,394 2,727
1,141 -1,044
- 1,107
Exponential Y
1
: 4,127e
0,032x9
0,740 0,174
0,140 5,683
2,384 1,392
Sumber: Lampiran 34, 35, 39
Universitas Sumatera Utara
Bentuk persamaan regresi Linear, Logarithmic, Inverse, Quadratic dan Exponential, seperti ditunjukan pada Tabel 4.10 nilai koefisien diterminasi R
Square di atas 0,60 yaitu 0,676 – 0,845 ini berarti bahwa kontribusi jumlah petak dagangan sayur-mayur x
9
terhadap kebutuhan parkir cukup kuat yaitu sebesar 67,6 -84,5 sedangkan 15,5 - 32,4 adalah kontribusi dari faktor lain.
4.24 Uji Signifikansi Persamaan Regresi Hubungan antara Kebutuhan Parkir dengan Kelompok Jenis Barang Dagangan x
9
Nilai Sig.F dengan level of significance α = 0.05, untuk semua persamaan lebih
besar dari 0,05 yaitu: 0,178; 0,160; 0,146; 0,394; 0,140 0,05; f
hitung
lebih kecil dari f
tabel
4,178; 4,781; 5,389; 2,727; 5,683 19,00 dan t
hitung
lebih kecil dari t
tabel
2,011; 2,526; -2,762; 1,460; 2,328 4,3 ini berarti semua bentuk persamaan regresi tidak signifikan untuk memprediksi hubungan kebutuhan parkir dengan
jumlah petak dagangan sayur-mayur x
9
. Tabel 4.11 Hasil Persamaan Regresi Hubungan antara
Kebutuhan Parkir dengan Jumlah Rumah Tangga Per M² Pasar Se Kecamatan x
13
Persamaan Regresi R
Square Std
Error Sig.F
f
hitung
t
hitung
t
hitung
t
hitung
Linear Y
1
: 13,748 + 3,041x
13
0,669 4,181
0,182 4,046
2,011 -2,667
Logarithmic Y
1
: 16,206 + 7,157 Lnx
13
0,761 3,551
0,127 6,382
2,526 4,913
Inverse Y
1
: 29,334 - 113x
13
0,729 3,313
0,110 7,629
-2,76 10,618
Quadratic Y
1
: 5,82 – 1,555x
13
² + 11,38x
13
0,849 4,000
0,389 2,804
1,460 -1,089
0,662 Exponential
Y
1
: 14,198e
0,149x13
0,731 0,177
0,145 5,421
2,328 4,579
Sumber: Lampiran 34, 35, 39
Universitas Sumatera Utara
Bentuk persamaan regresi Linear, Logarithmic, Inverse, Quadratic dan Exponential, seperti ditunjukan pada tabel 4.11 nilai koefisien diterminasi R Square
di atas 0,60 yaitu 0,669 – 0,849 ini berarti bahwa kontribusi jumlah rumah tanggam² pasar se kecamatan x
13
terhadap kebutuhan parkir cukup kuat yaitu sebesar 66,9 - 84,9 sedangkan 15,1 - 33,1 adalah kontribusi dari faktor lain.
4.25 Uji Signifikansi Persamaan Regresi Hubungan antara Kebutuhan Parkir dengan Jumlah Rumah Tangga Per M² Pasar Se Kecamatan x
13
Nilai Sig.F dengan level of significance α = 0.05, untuk semua persamaan lebih
besar dari 0,05 yaitu: 0,182; 0,127; 0,110; 0,389; 0,145 0,05 ini berarti semua bentuk persamaan regresi tidak signifikan untuk memprediksi hubungan antara
kebutuhan parkir dengan jumlah rumah tangga dalam satuan rtm² pasar x
13
.
4.26 Evaluasi Kondisi Parkir