45
IV.2 Metode Analisis
Ada dua metode analsis yang umum dipakai dalam tahap bangkitan perjalanan antara lain metode analisis regresi linear dan metode analisis kategori atau klasifikasi
silang. Kedua metode ini akan dipakai dalam menganalisis model bangkitan perjalanan pada penelitian ini.
Tabel IV.12 Data sosio-ekonomi keluarga Perumnas Simalingkar
No. Keluarga
Perjalananminggu Anggota
Keluarga Bekerja
Mobil Motor
Pendapatan
1 1
5 5
3
1 2
17 2
2 1
4
4
_ 3
4 3
4 1
6
2
1 2
10 4
5 1
4
3
2 3
16 5
10 1
5
1
1 1
8 6
11 7
4
2
1 5
9 7
12 5
2
1 2
8 8
13 1
6
1
1 2
4 9
14 1
5
1
1 _
5 10
15 4
4
4
_ 2
10 11
16 1
4
2
_ 1
4 12
17 4
4
4
_ 2
13 13
18 2
3
1
_ 2
4 14
19 2
6
1
_ 3,3
4 15
21 1
3
1
_ 1
3 16
22 2
6
5
_ 1
10 17
23 1
2
2
_ _
1 18
24 1
5
3
_ 1
5 19
25 1
2
2
_ _
1 20
26 1
2
2
_ _
1 21
27 2
2
2
_ _
2 22
28 3
5
2
1 3
10 23
29 2
6
1
1 2
6 24
30 2
4
1
1 2
6 25
31 2
5
2
_ 2
6 26
32 1
2
2
_ _
1 27
33 4
4
3
1 2
14 28
34 4
3
2
_ 1
8 29
35 5
2
2
1 _
12 30
31 36
37 7
4
2 2
4 1
3 _
20 4
3 7
Universitas Sumatera Utara
46
No. Keluarga
Perjalananminggu Anggota
Keluarga Bekerja
Mobil Motor
Pendapatan
32 38 1
2
2
_ 1
3 33
39 5
5
3
1 3
12 34
40 4
5
2
_ 3
4 35
42 2
3
3
_ _
2 36
43 4
4
3
_ 1
12 37
44 2
5
1
1 1
5 38
45 4
4
3
_ 2
11 39
46 2
4
3
_ 2
7 40
47 1
2
2
_ 1
2 41
48 4
6
5
_ 2
15 42
49 3
4
3
_ 2
4 43
50 2
5
2
_ _
5 44
51 2
3
1
_ 1
3 45
52 1
4
2
_ 2
4 46
53 2
3
2
_ 1
6 47
55 2
1
1
_ _
8 48
56 9
6
1
1 1
10 49
57 3
3
1
_ 1
3 50
58 2
5
5
_ 1
7 51
59 1
4
3
1 1
5 52
60 1
4
4
1 2
8 53
61 2
4
1
1 1
3 54
63 3
3
3
_ _
4 55
65 1
2
2
_ _
4 56
66 2
2
2
_ _
2 57
67 1
5
2
_ 2
4 58
68
2
4 3
_ 2
10 59
69
1
4 2
1 1
4 60
70 1
5 2
_ 1
5 61
71
2 6
2 1
1 6
62 72
1 2
2 _
1 4
63 73
2 1
1 _
1 3
64 74
2 4
2 _
1 5
65 75
1 4
2 1
1 6
66 76
4 2
2 _
1 8
67 77
1 4
2 1
_ 5
68 78
4 3
2 _
1 4
69 79
1 1
1 _
_ 1
70 80
3 3
2 _
1 2
71 81
3 3
2 1
1 3
72 82
2 2
2 _
1 2
73 83
4 4
1 _
1 2
Universitas Sumatera Utara
47
No. Keluarga
Perjalananminggu Anggota
Keluarga Bekerja
Mobil Motor
Pendapatan
74 84
2 6
3 2
1 6
75 85
5 5
4 1
2 9
76 86
3 4
2 _
2 4
77 87
3 2
2 _
1 2
78 88
2 4
4 1
2 8
79 89
1 3
1
_ 1
3 80
90 2
6
5
_ 1
10 81
91 1
2
2
_ _
1 82
92 1
5
3
_ 1
5 83
93 1
2
2
_ _
1 84
94 1
2
2
_ _
1 85
95 2
2
2
_ _
2 86
96 3
5
2
1 3
10 87
97 2
6
1
1 2
6 88
98 2
4
1
1 2
6 89
99 2
5
2
_ 2
6 90
100 1
2
2
_ _
1
Total
203
340
Universitas Sumatera Utara
48 IV.2.1 Metode Analisis Regresi
Dari data yang diperoleh dari pengumpulan kuesioner model formasi produksi perjalanan yang dicari menggunakan formula analisis regresi linear
berganda multiple linear regression analysis dengan menggunakan aplikasi computer SPSS 17.
Correlations
JumlahPerjalanan Keluarga Kerja Mobil Sepedamotor Pendapatan
JumlahPerjalanan Pearson Correlation
1 .162
.115 .193
.245 .553
Sig. 2-tailed .127
.281 .227
.034 .000
N 90
90 90
41 75
90 Keluarga
Pearson Correlation .162
1 .256 -.143
.327 .469
Sig. 2-tailed .127
.015 .372
.004 .000
N 90
90 90
41 75
90 Kerja
Pearson Correlation .115
.256 1
.224 .015
.428 Sig. 2-tailed
.281 .015
.159 .899
.000 N
90 90
90 41
75 90
Mobil Pearson Correlation
.193 -.143
.224 1
.228 .358
Sig. 2-tailed .227
.372 .159
.169 .021
N 41
41 41
41 38
41 Sepedamotor
Pearson Correlation .245
.327 .015
.228 1
.363 Sig. 2-tailed
.034 .004
.899 .169
.001 N
75 75
75 38
75 75
Pendapatan Pearson Correlation
.553 .469
.428 .358
.363 1
Sig. 2-tailed .000
.000 .000
.021 .001
N 90
90 90
41 75
90 . Correlation is significant at the 0.05 level 2-tailed.
. Correlation is significant at the 0.01 level 2-tailed.
Universitas Sumatera Utara
49 IV.2.1.1 Analisis Korelasi
Analisis yang pertama dilakukan adalah memeriksa hubungan korelasi antara variabel terikat dengan variabel-variabel bebasnya. Dengan bantuan program SPSS
17 diperoleh matriks korelasi yang dapat disederhanan pada tabel berikut. Tabel. IV.13. Matriks korelasi
Sumber : Hasil perhitungan
Pada tabel matriks korelasi hasil perhitungan diatas dapat diketahui nilai hubungan antara variabel-variabel bebas dengan variabel terikat yang dijelaskan sebagai
berikut:. 1
Jumlah perjalanan yang terjadi untuk maksud berbelanja tiap minggunya Y dengan jumlah anggota keluarga X1 mempunyai hubungan korelasi R =
0,162 atau variabel jumlah anggota keluarga mempengaruhi Jumlah perjalanan sebesar 16,2 . Artinya dengan kata lain jika nilai variabel
jumlah anggota keluarga bertambah maka jumlah perjalanan juga akan semakin besar.
2 Jumlah perjalanan yang terjadi untuk maksud berbelanja tiap minggunya Y
dengan jumlah anggota keluarga yang bekerja X2 mempunyai hubungan
Variabel terikat
Jumlah perjalanan
Y
Variabel bebas
Jumlah anggota
keluarga X1
Jumlah pekerja
X2 Kepemilikan
mobil X3
Kepemilikan sepeda
motor X4
Pendapatan keluarga
X5 Jumlah perjalanan Y
1
Va ria
b el
b eba
s Jumlah anggota keluarga X1
0,162 1
Jumlah pekerja X2 0,115
0,256 1
Kepemilikan mobil X3 0,193
0,146 0,224
1 Kepemilikan sepeda motor X4
0,245 0,327
0,015 0,228
1 Pendapatan keluarga X5
0,553 0,469
0,428 0,358
0,363 1
Universitas Sumatera Utara
50 korelasi R = 0,115 atau variabel jumlah anggota keluarga yang bekerja
mempengaruhi jumlah perjalanan sebesar 11,5 . Artinya dengan kata lain jika nilai variabel jumlah anggota keluarga yang bekerja bertambah maka
jumlah perjalanan juga akan semakin besar.
3 Jumlah perjalanan yang terjadi untuk maksud berbelanja tiap minggunya Y
dengan jumlah kepemilikan kendaraan mobil X3 mempunyai hubungan korelasi R = 0,193 atau variabel jumlah kepemilikan kendaraan mobil
mempengaruhi Jumlah perjalanan sebesar 19,3 . Artinya dengan kata lain jika nilai variabel jumlah kepemilikan kendaraan mobil bertambah maka
jumlah perjalanan juga akan semakin besar.
4 Jumlah perjalanan yang terjadi untuk maksud berbelanja tiap minggunya Y
dengan jumlah kepemilikan sepeda motor dalam keluarga X4 mempunyai hubungan korelasi R = 0,245 atau variabel jumlah kepemilikan sepeda motor
dalam keluarga mempengaruhi jumlah perjalanan sebesar 16,2 . Artinya dengan kata lain jika nilai variabel jumlah kepemilikan sepeda motor dalam
keluarga bertambah maka jumlah perjalanan juga akan semakin besar.
5
Jumlah perjalanan yang terjadi untuk maksud berbelanja tiap minggunya Y dengan tingkat pendapatan keluarga X5 mempunyai hubungan korelasi R =
0,553 atau variabel tingkat pendapatan keluarga mempengaruhi jumlah perjalanan sebesar 55,3 . Artinya dengan kata lain jika nilai variabel
tingkat pendapatan keluarga bertambah maka jumlah perjalanan juga akan semakin besar.
Universitas Sumatera Utara
51 IV.2.1.2
Pembentukan Model Bangkitan Perjalanan Analisis regresi linear berganda digunakan untuk meramalkan suatu variabel
terikat Y berdasarkan dua atau lebih variabel bebas X1, X2,… Xn dalam suatu persamaan linear. Variabel yang mempunyai hubungan yang kuat antara satu
variabel dengan variabel yang lain akan diwakili oleh satu variabel saja dalam proses pembentukan model persamaan regresi. Hubungan variabel bebas dengan variabel
terikat yang kuat akan dipilih dalam pembentukan persamaan. Variabel bebas yang mempunyai hubungan signifikan atau berpengaruh terhadap jumlah perjalanan
dengan maksud perjalanan untuk berbelanja tiap minggunya variabel terikat adalah variabel tingkat pendapatan keluarga X5 dengan nilai korelasi R sebesar 0,553.
Pada penelitian ini dilakukan berdasarkan pengaruh tingkat pendapatan keluarga X5 sebagai variabel pembangkit perjalanan berbelanja. Model regresi
linear yang dihasilkan diolah dengan menggunakan aplikasi Software SPSS 17. Hubungan korelasi
Y – X5
= 0.553 X5 - X1
= 0,469 X5 - X2
= 0,428 X5
– X3 = 0,358
X5 – X4
= 0,363 Dari nilai hubungan korelasi diatas diperoleh variabel X1 dengan X2 kuat
maka dipilih variabel X1 untuk mewakili X2 dan variabel X3 dengann X4 juga memiliki hubungan yang sama kuat jadi dipilih variabel X4 untuk mewakili variabel
X3. Dengan analisa regresi linear menggunakan program software SPSS 17 maka persamaan yang mugkin terjadi adalah:
Universitas Sumatera Utara
52 Dengan satu variabel X5
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.553
a
.305 .297
1.31442 a. Predictors: Constant, Pendapatan
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
66.809 1
66.809 38.669
.000
a
Residual 152.039
88 1.728
Total 218.847
89 a. Predictors: Constant, Pendapatan
b. Dependent Variable: JumlahPerjalanan
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.026
.248 4.134
.000 Pendapatan
.216 .035
.553 6.218
.000 a. Dependent Variable: JumlahPerjalanan
Persamaan yang terbentuk adalah Y = 1,026 + 0,216 X5 Dengan nilai korelasi R = 0,553 dan determinasi R
2
= 0,305
Universitas Sumatera Utara
53
Dengan dua variabel X5-X1
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.563
a
.317 .302
1.31052 a. Predictors: Constant, Pendapatan, Keluarga
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
69.429 2
34.714 20.213
.000
a
Residual 149.418
87 1.717
Total 218.847
89 a. Predictors: Constant, Pendapatan, Keluarga
b. Dependent Variable: JumlahPerjalanan
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.417
.402 3.526
.001 Keluarga
.139 .113
.124 1.235
.220 Pendapatan
.239 .039
.611 6.089
.000 a. Dependent Variable: JumlahPerjalanan
Persamaan yang terbentuk adalah Y = 1,417- 0,139 X1 + 0,239 X5 Dengan nilai korelasi R = 0,563 dan determinasi R
2
= 0,317
Universitas Sumatera Utara
54 Dengan dua variabel X5-X4
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.522
a
.272 .252
1.40525 a. Predictors: Constant, Pendapatan, Sepedamotor
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
53.239 2
26.619 13.480
.000
a
Residual 142.181
72 1.975
Total 195.420
74 a. Predictors: Constant, Pendapatan, Sepedamotor
b. Dependent Variable: JumlahPerjalanan
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .911
.379 2.402
.019 Sepedamotor
.118 .194
.065 .607
.546 Pendapatan
.200 .044
.495 4.584
.000 a. Dependent Variable: JumlahPerjalanan
Persamaan yang terbentuk adalah Y = 0,911+ 0,118 X4 + 0,200 X5 Dengan nilai korelasi R = 0,522 dan determinasi R
2
= 0,272
Universitas Sumatera Utara
55 Dengan tiga variabel X5-X1-X4
Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.538
a
.290 .260
1.39837 a. Predictors: Constant, Pendapatan, Sepedamotor, Keluarga
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
56.584 3
18.861 9.646
.000
a
Residual 138.836
71 1.955
Total 195.420
74 a. Predictors: Constant, Pendapatan, Sepedamotor, Keluarga
b. Dependent Variable: JumlahPerjalanan
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.440
.553 2.603
.011 Keluarga
-.188 .143
-.149 -1.308
.195 Sepedamotor
.169 .197
.094 .856
.395 Pendapatan
.223 .047
.551 4.761
.000 a. Dependent Variable: JumlahPerjalanan
Persamaan yang terbentuk adalah Y = 1,440 – 0,188 X1+ 0,169 X4 + 0,223 X5
Dengan nilai korelasi R = 0,538 dan determinasi R
2
= 0,290
Universitas Sumatera Utara
56 Tabel IV. 14 Persamaan regresi, R dan R
2
No. Model regesi linear berganda
R R2
1 Y = 1,026 + 0,216 X5
0,553 0,305
2 Y = 1,417+ 0,139 X1 + 0,239 X5
0,563 0,317
3 Y = 0,911+ 0,118 X4 + 0,200 X5
0,522 0,272
4 Y = 1,440
– 0,188 X1+ 0,169 X4 + 0,223 X5 0,538
0,290 Sumber: Hasil perhitungan
IV.2.1.3 Uji Determinasi
Uji determinasi dilakukan unuk mengetahiu hubungan linear antara variabel variabel bebas terhadap variabel terikat. Dari model yang terbentuk dapat dipilih persamaan
yang paling baik untuk memodelkan perjalanan Perumahan Nasional Simalingkar
yaitu: Y = 1,417 + 0,139 X1 + 0,239 X5
dengan nilai determinasi R
2
= 0,317. Artinya 31,7 variasi bangkitan perjalanan berbelanja yang terjadi dapat dijelaskan oleh besarnya jumlah anggota keluarga X1
dan tingkat pendapatan keluarga X5. IV.2.1.4
Uji T Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel
independen X1,X2,…Xn secara parsial berpengaruh signifikan terhadap variabel dependen Y. Dari hasil analisis regresi output dapat disajikan sebagai berikut:
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.417
.402 3.526
.001 Keluarga
.139 .113
-.124 -1.235
.220 Pendapatan
.239 .039
.611 6.089
.000 a.
Dependent Variable: JumlahPerjalanan
Universitas Sumatera Utara
57 Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : secara parsial tidak ada pengaruh signifikan antara variabel bebas jumlah
anggota keluarga, tingkat pendapatan dengan variabel terikat jumlah perjalanan berbelanja di luar zona perumahan.
Ha : secara parsial ada pengaruh signifikan antara variabel bebas jumlah anggota
keluarga, tingkat pendapatan dengan variabel terikat jumlah perjalanan berbelanja di luar zona perumahan.
2. Menentukan tingkat signifikasi.
Tingkat signifikasi yang dipakai adalah a=5 atau kepercayaan 95. 3.
Mencari nilai t hitung Dari tabel diperoleh t hitung untuk variabel jumlah anggota keluarga t
hitung
= -1,235 dan t hitung untuk variabel tingkat pendapatan keluarga t
hitung
= 6,089. 4.
Mentukan t tabel Tabel distribusi t dicari pada a = 5 : 2 uji 2 sisi dengan nilai derajat kebebasan df
= n-k-1 n adalah jumlah kasus dan k adalah jumlah variabel independen. Dengan pengujian 2 sisi signifikasi = 0,025 dan df = 90
– 2 – 1 = 87 maka diperoleh nilai untuk t tabel = 1.98761
lihat pada lampiran atau dapat dicari pada Ms. Excel dengan cara cell kosong di ketik =tinv0,05; 87 lalu enter.
5. Kriteria pengujian
Ho diterima jika –t tabel t hitung t tabel
Ho ditolak jika –t hitung -t tabel atau t hitung t tabel
Universitas Sumatera Utara
58 6.
Membandingkan t hitung dengan t tabel dan kesimpulan Nilai t hitung untuk variabel jumlah anggota keluarga X1 = 1,235 dari t tabel 0,05
= 1.98761. Jadi Ho diterima, sebaliknya Ha ditolak. Kesimpulan, secara parsial tidak ada pengaruh signifikan antara jumlah anggota keluarga dengan jumlah perjalanan
berbelanja ke luar zona perumahan. Nilai t hitung untuk variabel tingkat pendapatan keluarga X5 = 6,089 dari t tabel
0,005 = 1,984. Jadi Ho ditolak sebaliknya Ha diterima. Secara parsial ada pengaruh yang signifikan antara tingkat pendapatan keluarga dengan jumlah perjalanan
berbelanja ke luar zona perumahan. IV.2.1.5
Uji F Uji ini digunakan untuk mengetahui apakah variabel bebas X1,X2,….Xn secara
bersama-sama berpengaruh secara signifikan terhadap variabel terikat Y. Atau dengan kata lain apakah model regresi dapat digunakan untuk memprediksi variabel
terikat atau tidak. Jika signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi dapat di generalisasikan. Pada penelitian ini terdapat 8.965 keluarga dan
sampel yang diambil adalah 100 keluarga. Jadi apakah pengaruh yang terjadi pada kesimpulan yang didapat berlaku untuk populasi.
Dari hasil output analisa regresi linear dapat diketahui nilai F = 20,213
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
69.429 2
34.714 20.213
.000
a
Residual 149.418
87 1.717
Total 218.847
89 a. Predictors: Constant, Pendapatan, Keluarga
b. Dependent Variable: JumlahPerjalanan
Universitas Sumatera Utara
59 Tahap-tahap untuk melakukan uji F adalah sebagai berikut:
1. Merumuskan hipotesis
Ho : tidak ada pengaruh secara signifikan antara jumlah anggota keluarga dan
tingkat pendapatan secara bersama-sama terhadap jumlah perjalanan berbelanja ke luar zona perumahan.
Ha : ada pengaruh secara signifikan antara jumlah anggota keluarga dan tingkat
pendapatan secara bersama-sama terhadap jumlah perjalanan berbelanja ke luar zona perumahan.
2. Menentukan tingkat signifikasi
Tingkat signifikasi a = 5 atau tingkat kepercayaan 95 3.
Mementukan F hitung Berdasarkan tabel diperoleh nilai F hitung sebesar 20,213.
4. Menentukan F tabel
Tabel distribusi F dicari pada a = 5 dengan nilai derajat kebebasan df1 = jumlah jumlah variabel bebas dan terikat dikurang 1 dan df2 = n-k-1 n adalah jumlah kasus
dan k adalah jumlah variabel independen. Maka dengan nilai signifikasi a=5 dan df1= 2+1-1= 2 serta df2 = 90
– 2 – 1= 87 maka diperoleh F tabel = 3,101296 atau dapat dicari pada Ms. Excel dengan cara cell kosong di ketik =tinv0,05; 2; 87
lalu enter. 5.
Kriteria pengujian Ho diterima bila F hitung F tabel
Ho ditolak bila F hitung F tabel
Universitas Sumatera Utara
60 6.
Membandingkan F hitung dengan F tabel dan kesimpulan F hitung F tabel yaitu 20,213 3,101296maka Ho ditolak. Artinya ada pengaruh
secara signifikan antara jumlah anggota keluarga dan tingkat pendapatan secara bersama-sama terhadap jumlah perjalanan berbelanja ke luar zona perumahan.
IV.3 Analisis Kategori