Pengolahan data tingkat kebisingan

46 17 21:02 Barang 12 47,34 88,6 82,8 78,3 18 22:00 Penumpang 5 47,35 82,1 77,6 72,4 19 22:50 Penumpang 7 50,32 96,8 91,2 87,1 20 23:10 Penumpang 8 47,63 87,2 81,6 77,3 21 23:40 Barang 5 37,22 86,3 81,4 76,6 22 0:30 Barang 12 46,92 88,2 83,6 77,8 23 1:26 Barang 20 40,13 90,3 85,8 81,2 24 1:56 Barang 13 45,67 87,6 82,3 76,6 25 3:00 Barang 10 48,12 85,1 79,6 74,7 26 3:28 Barang 15 42,38 88,8 83,2 77,4 27 4:00 Penumpang 8 50,32 87,4 81,9 76,7 28 6:15 Barang 12 46,73 86,8 81,2 75.9 29 6:45 Penumpang 8 42,24 89,8 84,3 78,8 Sumber : Pengolahan data primer Dari data tersebut dapat kita lihat bahwa semua tingkat kebisingan yang dihasilkan oleh pergerakan kereta api pada jalan rel segmen Medan – Tebing Tinggi cukup tinggi pada masing- masing penempatan alat SLM, dan semua tingkat kebisingan tersebut masih diatas ambang batas tingkat kebisingan yang telah ditetapkan oleh pemerintah sesuai KEP 48MENLH111996 untuk peruntukan kawasan perumahan dan pemukiman yakni sebesar 55 dBA. Dan walaupun diberikan toleransi sebesar 3 dBA, tingkat kebisingan yang terjadi masih tetap cukup tinggi.

4.6 Pengolahan data tingkat kebisingan

Korelasi pada jalan rel segmen Medan – Tebing Tinggi antara variabel terikat tingkat kebisingan dengan variabel bebasnya seperti jenis kereta X1, panjang rangkaian X2, kecepatan kereta X3 dan jarak penempatan alat SLM X4. Proses pengolahan data hasil analisis korelasi terdiri dari dua bagian yaitu analisis regresi linier sederhana dan analisis regresi linier berganda. Proses pengolahan data adalah sebagai berikut : Universitas Sumatera Utara 47 1. Penyeleksian matriks korelasi Tahap awal yang dilakukan adalah melihat hubungan pada variabel terikat dengan variabel bebas pada tabel matriks korelasi. Dari matriks tersebut, akan dipilih hubungan yang memiliki kategori sedang sampai sangat kuat 0,4 – 1,0 antara variabel terikat dan variabel bebasnya. Selanjutnya pada tahap akhir, akan dilakukan analisa regresi linear sederhana dari masing-masing variabel bebas yang terpilih. Hasil dari analisis regresi dimasukkan ke dalam bentuk persamaan analisis regresi linear sederhana.Setelah menentukan korelasi antara variabel terikat dan variabel bebas pada tahap awal regresi linear sederhana di atas dengan melihat hubungan antara variabel bebas yang terpilih. Jika ditemukan ada hubungan dengan kategori sedang sampai sangat kuat ± 0,4 – 1,0 antara variabel bebas maka variabel bebas tersebut dieliminasi atau tidak dimasukkan dalam proses analisis regresi linear berganda, sedangkan apabila antara variabel bebas tersebut terjadi hubungan yang rendah sampai sangat rendah ±0,399 – 0,00 maka lakukan analisa regresi linear berganda terhadap variabel tidak bebas dan kedua variabel bebas tersebut. Maka hasil dari analisis regresi linear berganda akan dimasukkan ke dalam persamaan regresi linear berganda. 2. Uji statistik Pada tahap selanjutnya, dari persamaan-persamaan regresi linear sederhana dan regresi linear berganda yang terpilih dalam persyaratan di atas akan dilakukan pengujian untuk melihat persamaan terbaik yang memiliki nilai koefisien determinasi R² terbesar. Setelah persamaan terbaik terpilih, tahapan akhir yang dilakukan adalah uji T dan uji F. Hasil korelasi antara variabel terikat dan variabel bebas seperti yang telah dijelaskan di atas dapat dilihat pada tabel 4.4 dibawah ini. Universitas Sumatera Utara 48 Tabel 4.2 Korelasi antara variabel terikat terhadap variabel bebas Correlations jenis kereta panjang rangkaian kecepatan kereta api jarak alat kebisingan kereta api jenis kereta Pearson Correlation 1 ,736 -,443 ,000 -,065 Sig. 2-tailed ,000 ,000 1,000 ,549 N 87 87 87 87 87 panjang rangkaian Pearson Correlation ,736 1 -,390 ,000 ,011 Sig. 2-tailed ,000 ,000 1,000 ,917 N 87 87 87 87 87 kecepatan kereta api Pearson Correlation -,443 -,390 1 ,000 ,016 Sig. 2-tailed ,000 ,000 1,000 ,884 N 87 87 87 87 87 jarak alat Pearson Correlation ,000 ,000 ,000 1 -,733 Sig. 2-tailed 1,000 1,000 1,000 ,000 N 87 87 87 87 87 kebisingan kereta api Pearson Correlation -,065 ,011 ,016 -,733 1 Sig. 2-tailed ,549 ,917 ,884 ,000 N 87 87 87 87 87 . Correlation is significant at the 0.01 level 2-tailed. Berdasarkan tabel diatas : 1 Penyelesaian matriks korelasi Koefisien matriks hasil output SPSS diatas dapat disimpulkan hubungan antara variabel terikat dengan variabel bebas maupun antara sesama variabel bebas kepada tabel yang lebih ringkas seperti pada tabel dibawah ini. Tabel 4.3 Rekapitulasi matriks korelasi antara variabel terikat dan variabel tidak terikat Variabel Y X 1 X 2 X 3 X 4 Y 1 - - - - X 1 - 0,065 1 - - - X 2 0,011 0,736 1 - - X 3 0,016 - 0,443 - 0,390 1 - X 4 - 0,733 0,000 - 0,000 0,000 1 Universitas Sumatera Utara 49 Dari hasil penyeleksian nilai korelasi diatas, maka yang masuk dalam range untuk korelasi sedang sampai sangat kuat yakni 0,40 – 1,00 adalah 0,733 sehingga persamaan linier yang terbentuk adalah : Y = a+b 4 X 4 - Analisa regresi linier sederhana Y dengan X 4 : Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,733 a ,537 ,532 3,9489 2,018 a. Predictors: Constant, jarak alat b. Dependent Variable: kebisingan kereta api ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 1540,366 1 1540,366 98,781 ,000 b Residual 1325,474 85 15,594 Total 2865,839 86 a. Dependent Variable: kebisingan kereta api b. Predictors: Constant, jarak alat Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 109,291 2,627 41,604 ,000 jarak alat -1,031 ,104 -,733 -9,939 ,000 Universitas Sumatera Utara 50 a. Dependent Variable: kebisingan kereta api Persamaan yang terbentuk adalah : Y = 109,291 – 1,031 X 4 dengan nilai R = 0,733 dan R 2 = 0,537 2 Uji statistik Penentuan persamaan terbaik dengan nilai koefisien determinasi tertinggi Tabel 4.4 Rekapitulasi persamaaan regresi linier No Persamaan Koefisien Determinasi R2 1 Y = 109,291 - 1,031 X4 0,537 Berdasarkan tabel 4.6 tersebut hanya ada satu persamaan yang memenuhi persyaratan koefisien korelasi, yaitu : Y = 109,291 – 1,031 X 4 dengan nilai R = 0,733 dan R 2 = 0,53 - Uji T Tahap-tahap pengujian : 1. Hipotesis Ho : Variabel terikat tidak memiliki pengaruh yang signifikan terhadap variabel bebas H 1 : Variabel terikat memiliki pengaruh yang signifikan terhadap variabel bebas 2. Menentukan taraf signikansi dengan kepercayaan 5 Ttabel = 1,989 3. Pengambilan keputusan Universitas Sumatera Utara 51 Berdasarkan tabel t, jika : T hitung T tabel , maka Ho diterima T hitung T tabel , maka Ho ditolak Berdasarkan nilai signifikan, jika Sig t 0,05 maka Ho diterima Sig t 0,05 maka Ho ditolak Tabel 4.5 Uji T pada persamaan regresi linier No Persamaan T hitung T tabel Keterangan 1 Y = 109,291 - 1,031 X4 -9,939 1,989 OK 4. Kesimpulan Dari tabel ANOVA diperoleh nilai T hitung sebesar 9,939 dengan nilai signifikansi 0,000.Nilai T hitung 9,939 T tabel 1,989. Dan nilai signifikan 0,000 0,05 maka Ho ditolak atau dengan kata lain jarak pengukuran mempengaruhi tingkat kebisingan kereta api. - Uji F Tahap-tahap pengujian : 1. Hipotesis Ho : Variabel terikat tidak memiliki pengaruh yang signifikan terhadap variabel bebas. H 1 : Variabel terikat memiliki pengaruh yang signifikan terhadap variabel bebas. Universitas Sumatera Utara 52 2. Menentukan taraf signifikansi dengan kepercayaan 5 F tabel = 2,483 3. Pengambilan keputusan Berdasarkan tabel f, jika : F hitung F tabel , maka Ho diterima F hitung F tabel , maka Ho ditolak Berdasarkan nilai signifikan, jika Sig t 0,05 maka Ho diterima Sig t 0,05 maka Ho ditolak Tabel 4.6 Uji F pada persamaan regresi linier No Persamaan F hitung F tabel Keterangan 1 Y = 109,291 - 1,031 X4 98,781 2,483 OK 4. Kesimpulan Dari tabel ANOVA diperoleh nilai F hitung sebesar 98,781 dengan signifikansi 0,000.Nilai F hitung 98,781 F tabel 2,483. Dan nilai signifikan 0,000 0,05 maka Ho ditolak dengan kata lain jarak pengukuran mempunyai pengaruh yang signifikan terhadap tingkat kebisingan kereta api. - Uji Linearitas Dalam pengujian liniearitas dua variabel dikatakan mempunyai hubungan yang linear bila signifikansi Linearity kurang dari 0,05. Universitas Sumatera Utara 53 Langkah-langkah pada program SPSS 1. Masuk program SPSS 2. Klik variable view pada SPSS data editor 3. Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y 4. Buka data view pada SPSS data editor 5. Klik Analyze - Compare Means – Means 6. Klik variabel X dan masukkan ke kotak Dependent List, kemudian klik variabel Y dan masukkan ke Independent List. 7. Klik Options, pada Statistics for First Layer klik Test for Linearity, kemudian klik Continue 8. Klik OK, maka hasil output yang didapat pada kolom Anova Table adalah sebagai berikut: Universitas Sumatera Utara 54 BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan