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