Pemodelan Tarikan Pergerakan pada Profil Hotel Berbintang di Daerah Surakarta

Berbintang di Daerah Surakarta

“Trip Attract ion M odel of Star Hot el Profiles in Surakarta”

SKRIPSI

Disusun unt uk m em enuhi persyarat an m em peroleh gelar Sarjana Teknik Pada Jurusan Teknik Sipil Fakult as Teknik Universit as Sebelas M aret Surakart a

Disusun oleh:

ROBIN PANTAS HALOM OAN

NIM . I 0105118

JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS SEBELAS M ARET SURAKARTA 2009

BAB I PENDAHULUAN

1.1 Latar Belakang M asalah

Surakart a merupakan suat u kot a yang sangat st rat egis karena terlet ak diant ara t iga provinsi, yait u Jaw a Tengah, Daerah Ist imew a Jogjakart a, dan Jaw a Timur. Hal ini menyebabkan Surakart a menjadi t empat yang baik unt uk disinggahi, yang secara ot omat is membuat kot a Surakart a berkembang dengan pesat.

indust ri dan perdagangan, pendidikan dan budaya, dan lain sebagainya. Aspek- aspek t ersebut perlu didukung dengan infrast rukt ur dan akomodasi yang baik sepert i hot el, rest oran, cafe, dan lain-lain.

Surakart a memiliki banyak sekali hot el yang dapat digunakan sebagai t empat perist irahat an sement ara ket ika sedang melakukan perjalanan jauh, perjalanan

dinas maupun liburan dan juga dapat bermanfaat sebagai t empat rapat at au pert emuan. St at us hot el yang ada di Surakart a t erdiri dari hot el bint ang sat u sampai bint ang lima. Beberapa diant aranya adalah hot el Bint ang, hot el Agas, Novot el, Sunan Hot el, hot el Dana, hot el Ibis, hot el Lor In, hot el Sahid Jaya Solo, hot el Asia, dan yang lainnya. M asing-masing hot el t ersebut memiliki karakt erist ik dan fasilit as yang berbeda-beda. Oleh karena it u, managemen hot el membuat fasilit as-fasilit as yang menarik, service at au pelayanan yang baik ke pengunjung dengan t ujuan unt uk menarik pengunjung. Let ak yang st rat egis dapat pula menjadi salah sat u fakt or t arikan pengunjung hot el unt uk menet ap sement ara di hot el t ersebut .

Unt uk menget ahui berapa besarnya t arikan pergerakan ke hot el, perlu dilakukan suat u penelit ian t ent ang t arikan pergerakan kendaraan dengan menghit ung jumlah kendaraan yang masuk ke hot el. Set elah it u, di cari jam puncak kendaraan yang masuk dari hot el yang bersangkut an. Kemudian dibuat model t arikan perjalanan (Trip of At t ract ion M odel) pada kondisi sekarang. Set elah didapat kan bent uk model t arikan, model t ersebut diuji dengan beberapa pengujian sepert i uji linearit as, nonmult ikolinerait as, dan lain-lain. M odel yang t erbaik (model yang lulus hasil pengujian) yang dapat digunakan sebagai bahan pert imbangan, baik dalam peramalan jumlah t arikan di masa mendat ang maupun unt uk membant u menent ukan kebut uhan parkir hot el.

Diharapkan dengan adanya pembahasan t ent ang t arikan pergerakan ke hot el dapat menget ahui sert a memaham i model t arikan pergerakan ke hot el pada Diharapkan dengan adanya pembahasan t ent ang t arikan pergerakan ke hot el dapat menget ahui sert a memaham i model t arikan pergerakan ke hot el pada

1.2 Rumusan M asalah

Berdasarkan lat ar belakang masalah yang ada, dapat dirumuskan permasalahan sebagai berikut :

a. Fakt or-fakt or apa sajakah yang berpengaruh t erhadap t arikan pergerakan t ersebut ?

b. Bagaimanakah model t arikan pergerakan yang t erjadi pada hot el t ersebut ?

1.3 Batasan M asalah

Pembat asan masalah ini dilakukan agar t idak t erlalu jauh dan diperoleh langkah- langkah yang sist emat is, sehingga pembahasan penulisan skripsi ini difokuskan pada masalah yang dibat asi oleh hal-hal sebagai berikut :

a. Lokasi penelit ian adalah Hot el Sahid Jaya Solo, Hot el Novot el, Hot el Ibis, Sunan Hot el, Hot el Lor In.

b. Variabel t erikat yang dit elit i berupa t arikan pergerakan kendaraan yang memasuki area Hot el Sahid Jaya Solo, Hot el Novot el, Hot el Ibis, Sunan Hot el, Hot el Lor In, Sedangkan Variabel bebas yang dit elit i meliput i: luas lahan, luas bangunan, luas parkir, t ot al jum lah kamar yang t ersedia, jumlah ruang rapat , dan luas maksimum ruang rapat .

c. Hanya dilakukan pembahasan t erhadap t arikan pergerakan kendaraan yang menuju ke hot el.

d. M et ode analisis yang digunakan adalah metode analisis regresi linier berganda.

e. Analisis dat a dengan menggunakan bant uan program St at ist ical Product and

1.4 Tujuan Penelitian

Tujuan dari penelit ian ini dimaksudkan unt uk menget ahui fakt or-fakt or apa sajakah yang berpengaruh t erhadap t arikan pergerakan di hot el dan model t arikan pergerakan yang t erjadi di hot el t ersebut .

1.5 M anfaat Penelitian

M anfaat penelit ian t erdiri dari manfaat t eorit is dan manfaat prakt is, yang dapat dijelaskan sebagai berikut :

a. M anfaat t eorit is. M emahami perencanaan t ransport asi dengan membuat suat u model t arikan pergerakan.

b. M anfaat prakt is. Pemodelan yang diperoleh dapat digunakan unt uk memprediksi jumlah t arikan pergerakan yang terjadi di hot el, baik pada masa sekarang maupun pada masa yang akan dat ang.

BAB II LANDASAN TEORI

1.6 Tinjauan Pustaka

Permasalahan t ranspot asi sepert i t undaan, kemacet an, dan lain-lainnya sudah sering dijum pai dibeberapa kot a besar di Indonesia dan sudah mencapai kondisi yang sangat memprihat inkan, unt uk it u diperlukan suat u media unt uk mengat asi masalah t ersebut . Perencanaan dan pemodelan t ransport asi adalah media yang paling efekt if dan efisien yang dapat menggabungkan semua semua fakt or permasalahan t ransport asi, dan keluarannya dapat

digunakan unt uk memecahkan permasalahan t ransport asi baik pada masa sekarang maupun pada masa yang akan dat ang, sehingga saat ini banyak penelit ian yang dilakukan guna mempelajari bangkit an pergerakan unt uk semua jenis t at a guna lahan.

Achmad Fat honi, 2003, menganalisis t ent ang St udi Tarikan Lalu Lint as dan Kebut uhan Area Parkir di Kaw asan Pasar Gede Surakart a. St udi ini dilakukan unt uk menelit i jumlah kendaraan yang memasuki area Pasar Gede dit ambah

daerah penyangga yait u pert okoan di sebelah Ut ara (Jalan Ut ara Pasar Besar) dan Selat an (Jalan R.E M art adinat a) sepanjang bangunan Pasar Gede, dengan jenis kendaraan yang dit elit i meliput i kendaraan roda dua, t iga, dan empat . Dari penelit ian it u didapat kan jum lah t arikan lalu lint as yang dit imbulkan oleh keberadaan Pasar Gede, luas area parkir yang dibut uhkan unt uk menam pung lalu lint as t ersebut , dan perbandingan luas area parkir yang dibut uhkan dengan yang t ersedia, yait u:

a. Jumlah t arikan lalu lint as di daerah Pasar Gede 2899 kendaraan dengan didom inasi mot or sebesar 53.81%, di Jalan M art adinat a 1539 kendaraan a. Jumlah t arikan lalu lint as di daerah Pasar Gede 2899 kendaraan dengan didom inasi mot or sebesar 53.81%, di Jalan M art adinat a 1539 kendaraan

b. 2 Luas area parkir yang dibut uhkan di daerah Pasar Gede 1370.25 m , Jalan

2 M art adinat a 1044.75 m 2 , dan Jalan Ut ara Pasar Besar 481.25 m .

c. Secara umum fasilit as parkir yang t ersedia unt uk daerah Pasar Gede sudah t idak mampu lagi menampung kebut uhan yang ada, sedangkan unt uk Jalan

M art adinat a dan Jalan Ut ara Pasar Besar masih dapat menampung.

Achmad M uhyidin Arifa’i, 2007, menganalisis M odel Tarikan Pergerakan Kendaraan pada rumah sakit di Surakart a. Pemodelan ini menelit i jumlah kendaraan yang memasuki area rumah sakit , yait u Rumah Sakit Dr. M oew ardi Surakart a, Rumah Sakit Dr. Oen, Rumah Sakit Kasih Ibu, Rumah Sakit Slamet Riyadi, dengan variabel bebas yang dit elit i adalah karakt erist ik t at a guna lahan (luas lahan, luas area parkir, dan luas bangunan) sert a jumlah t empat t idur, dokt er, peraw at , dan karyaw an rumah sakit t ersebut dan variabel t erikat nya adalah pergerakan kendaraan keempat lokasi rumah sakit t ersebut. Dari hasil korelasi variabel t erikat dengan variabel bebas diket ahui bahw a variabel bebas punya pengaruh besar t erhadap t arikan pergerakan yait u 0.912-0.992, sedangkan dari hasil korelasi ant ar variabel bebas diket ahui bahw a nilai korelasi ant ar variabel bebas t ersebut t inggi. Bent uk model yang didapat kan adalah Y = 6.974 + 0.548 X1 dan Y = 24.02 + 0.773 X1 – 0.004 X2. M odel-m odel t ersebut dilakukan pengujian dan kemudian didapat kan bahw a model pert ama adalah model yang t erbaik dimana variabel bebas yang berpengaruh adalah jum lah t empat t idur.

Pemodelan yang lainnya dilakukan oleh Bambang Supriyant o yait u Pemodelan Tarikan Perjalanan pada Gedung Perkant oran di Kot a M alang. Pemodelan ini dilakukan pada sepuluh gedung perkant oran di kot a M alang, dengan karakt erist ik kesepuluh gedung t ersebut berbeda yang dikelompokkan menjadi dua bagian, yait u kelompok lima gedung perkant oran yang bernasabah dan Pemodelan yang lainnya dilakukan oleh Bambang Supriyant o yait u Pemodelan Tarikan Perjalanan pada Gedung Perkant oran di Kot a M alang. Pemodelan ini dilakukan pada sepuluh gedung perkant oran di kot a M alang, dengan karakt erist ik kesepuluh gedung t ersebut berbeda yang dikelompokkan menjadi dua bagian, yait u kelompok lima gedung perkant oran yang bernasabah dan

gedung perkant oran. Unt uk analisa aw al dicari jam puncak karyaw an dan

pengunjung, t ernyat a jam puncak karyaw an terjadi ant ara jam 06.45 - 07.45 WIB dan jam puncak pengunjung t erjadi ant ara jam 09.15 - 10.15 WIB. Hasil yang diperoleh dari penelit ian ini adalah bahw a model t arikan perjalanan pada w akt u jam puncak karyaw an variabel bebas yang sangat berpengaruh adalah karyaw an, sedangkan model t arikan perjalanan pada jam puncak pengunjung variabel bebas yang sangat berpengaruh adalah luas lant ai bangunan yang digunakan. M engenai penggunaan sarana t ransport asi unt uk karyaw an yang paling banyak adalah dengan jalan kaki yait u sebesar 33.50%, sedangkan unt uk pengunjung

sarana t ransport asi yang paling banyak adalah jalan kaki yait u sebanyak 37.67%.

Penelit ian yang dilakukan oleh Alexis M Filone, M ichael Ryan Tecson dan kaw an- kaw an dengan judul Tarikan Pergerakan dari Pembangunan Tat a Guna Lahan di Kot a M anila, yang didapat kan dari Jurnal Int ernasional dengan alamat w ebsit e nya ht t p:/ / w w w .easts.info/ 2003proceedings/ papers/ 0860.pdf. Tarikan pergerakan yang dit elit i adalah t arikan pergerakan orang dan kendaraan sebagai variabel t erikat nya, dengan objek penelit ian adalah Kondom inium. Sebanyak 30 kondominium di dipilih secara acak dan dit et apkan variabel bebasnya sepert i t ahun dibangunnya kondominium t ersebut (X1), luas lahan (X2), luas bangunan (X3), jumlah lant ai bangunan (X4), jum lah kepemilikan kondominium (X5), jumlah pekerja (X6), jumlah parkir (X7), jum lah orang t iap unit kondom inium (X8), t ahun pengoperasian kondom inium t ersebut (X9), biaya pemeliharaan (X10), t ot al jumlah pint u keluar (X11). Dat a variabel t erikat didapat kan dengan survai langsung di lapangan sedangkan variabel bebasnya didapat kan langsung dari Penelit ian yang dilakukan oleh Alexis M Filone, M ichael Ryan Tecson dan kaw an- kaw an dengan judul Tarikan Pergerakan dari Pembangunan Tat a Guna Lahan di Kot a M anila, yang didapat kan dari Jurnal Int ernasional dengan alamat w ebsit e nya ht t p:/ / w w w .easts.info/ 2003proceedings/ papers/ 0860.pdf. Tarikan pergerakan yang dit elit i adalah t arikan pergerakan orang dan kendaraan sebagai variabel t erikat nya, dengan objek penelit ian adalah Kondom inium. Sebanyak 30 kondominium di dipilih secara acak dan dit et apkan variabel bebasnya sepert i t ahun dibangunnya kondominium t ersebut (X1), luas lahan (X2), luas bangunan (X3), jumlah lant ai bangunan (X4), jum lah kepemilikan kondominium (X5), jumlah pekerja (X6), jumlah parkir (X7), jum lah orang t iap unit kondom inium (X8), t ahun pengoperasian kondom inium t ersebut (X9), biaya pemeliharaan (X10), t ot al jumlah pint u keluar (X11). Dat a variabel t erikat didapat kan dengan survai langsung di lapangan sedangkan variabel bebasnya didapat kan langsung dari

19.00, dengan menghit ung jumlah orang dan kendaraan yang masuk dan keluar dari kondom inium t ersebut sert a membuat kuisioner unt uk menget ahui karakt erist ik dari masing-masing kondominium. Dari hasil penelit ian t ersebut , diket ahui bahw a jam puncak t arikan pergerakan orang maupun kendaraan t erjadi pada pagi hari dan digunakan model regresi linier berganda unt uk menget ahui hubungan ant ara variabel t erikat dengan variabel bebas. M odel yang didapat kan unt uk t arikan pergerakan orang adalah Y1 = -49.495 + 3.627 X1 + 0.00226 X3 + 2.176 X6 + 17.064 X8, sedangkan model unt uk t arikan pergerakan kendaraan adalah Y2 = -7.041 + 0.865 X1 + 0.00092 X3 + 0.321 X7. M odel t ersebut dilakukan analisis dan pengujian t erhadap masing-masing model unt uk mendapat kan model t erbaik dan didapat kan bahw a t arikan pergerakan orang maupun kendaraan berpengaruh t erhadap luas bangunan.

M elihat pemodelan-pemodelan yang sudah ada, terlihat bahw a t arikan t erhadap t at a guna lahan yang berbeda akan menghasilkan hubungan variabel-variabel bebas yang berbeda pula.

Dalam laporan skripsi ini akan dibahas bagaimanakah model t arikan pergerakan yang t erjadi pada hot el. Variabel bebas yang digunakan adalah luas lahan, luas bangunan, luas parkir, t ot al jumlah kamar yang t ersedia, jum lah ruang rapat , dan luas maksimum ruang rapat , sedangkan variabel t erikat nya adalah jumlah t arikan perjalanan yang menggunakan moda t ert ent u sepert i mobil, sepeda mot or, t aksi dan bus. Dalam menganalisis model t arikan perjalanan t ersebut digunakan analisis regresi linier berganda guna mengkaji hubungan ant ara variabel bebas dengan variabel t erikat , yang dimana diharapkan hasil dari analisis model t arikan t ersebut dapat digunakan sebagai bahan pert imbangan dalam peramalan jumlah t arikan perjalan di masa mendat ang dan juga digunakan unt uk merencanakan kebut uhan parkir hot el.

1.7 Dasar Teori

2.2.1 Konsep Perencanaan Transportasi

Transport asi adalah kegiat an pemindahan barang (muat an) dan penumpang dari suat u t empat ke t empat lain, yang dimana dalam t ransport asi ada dua unsur pent ing, yait u permindahan/ pergerakan dan secara fisik mengubah barang dan penumpang ke t empat lain (H. A. Abbas Salim, 1993:6 & 7). Pergerakan t ransport asi t ersebut mempunyai pengaruh yang besar t erhadap perorangan, masyarakat , pembangunan ekonomi dan sosial polit ik suat u negara, unt uk it ulah diperlukan suat u perencanaan t ransport asi supaya dalam pergerakannya dapat berjalan dengan baik.

Perencanaan t ransport asi dapat didefinisikan sebagai suat u proses yang t ujuannya mengembangkan sist em t ransport asi yang memungkinkan manusia dan barang bergerak at au berpindah t empat dengan aman dan murah (L. J. Pignat aro, 1973).

Tujuan perencanaan t ransport asi adalah meramalkan dan mengelola evolusi t it ik keseimbangan ini sejalan dengan w akt u sehingga kesejaht eraan sosial dapat dimaksimumkan (Ofyar Z. Tam in, 1997:7).

Sasaran umum perencanaan t ransport asi adalah membuat int eraksi (pergerakan manusia, kendaraan, dan barang) menjadi mudah dan seefisien mungkin (Ofyar Z. Tamin, 1997:50).

Ciri dasar perencanaan t ransport asi (Ofyar Z. Tamin, 1997:11 & 12), adalah:

Kajian perencanaan t ransport asi selalu melibat kan lebih dari sat u moda t ransport asi sebagai bahan kajian.

b. M ult idisiplin. Kajian perencanaan t ransport asi melibat kan banyak disiplin keilmuan karena aspek kajiannya sangat beragam, mulai dari ciri pergerakan, pengguna jasa, sampai dengan prasarana at aupun sarana t ransport asi it u sendiri.

c. M ult isekt oral. Kajian perencanaan t ransport asi biasanya melibat kan beberapa lembaga pemerint ah at aupun sw ast a yang masing-masing mempunyai kepent ingan yang berbeda, sehingga diperlukan koordinasi dan penanganan yang baik.

d. M ult imasalah. Karena kajian perencanaan t ransport asi merupakan kajian mult imoda, mult idisplin, mult isekt oral, t ent u saja menimbulkan mult imasalah. Permasalahan yang dihadapi mempunyai dimensi yang cukup beragam dan luas, mulai dari yang berkait an dengan aspek pengguna jasa, rekayasa, operasional, ekonom i, sampai dengan aspek sosial.

M enurut Ofyar Z. Tamin, 1997:59 & 60, t erdapat beberapa konsep perencanaan t ransport asi yang t elah berkembang sampai saat ini, dimana yang paling populer adalah M odel Perencanaan Transport asi Empat Tahap, yait u bangkit an dan t arikan pergerakan (Trip Generat ion), dist ribusi pergarakan lalu lint as (Trip Dist ribut ion ), pem ilihan moda (M odal Choice), dan pembebanan lalu lint as (Trip Assignment ). M odel perencanaan ini juga dapat merupakan gabungan dari beberapa seri submodel yang masing-masing harus dilakukan secara t erpisah dan berurut an, dimana submodel t ersebut adalah aksesibilit as, bangkit an dan t arikan pergerakan, sebaran pergerakan, pem ilihan moda, pemilihan rut e, dan arus lalu lint as dinamis.

2.2.1.1 Aksesibilitas

M enurut Ofyar Z. Tam in, 1997:52, aksesibilit as adalah konsep yang menggabungkan sist em pengat uran t at a guna lahan secara geografis dengan

sist em jaringan t ransport asi yang menghubungkannya.

Aksesibilit as adalah suat u ukuran kenyamanan at au kemudahan mengenai cara lokasi t at a guna lahan berint eraksi sat u sama lain dengan mudah at au susahnya lokasi t ersebut dicapai melalui sist em jaringan t ransport asi (J. A. Black, 1981).

2.2.1.2 Bangkitan dan Tarikan Pergerakan

Suat u kot a dipandang sebagai suat u t empat dimana t erjadi akt ivit as-akt ivit as at au sebagai suat u pola t at a guna lahan. Lokasi dimana akt ivit as dilakukan akan mempengaruhi manusia, dan akt ivit as manusia akan mempengaruhi lokasi t empat akt ivit as berlangsung. Int eraksi ant ar akt ivit as t erungkap dalam w ujud pergerakan manusia, barang, dan informasi (C. Jot in Khist y dan B. Kent Lall, 2005;9). Pergerakan t ersebut memerlukan suatu t ransport asi unt uk bergerak dari sat u t empat ke t empat lain.

Hubungan yang sederhana ant ara penggunaan lahan dan t ransport asi akan diperlihat kan dalam skema gambar 2.1 berikut (C. Jot in Khist y dan B. Kent Lall, 2005;10).

Tat a guna lahan

Perjalanan

Kebut uhan akan Nilai lahan

t ransport asi

Fasilit as

Aksesibilit as

Transport asi

Gambar 2.1 Siklus Tat a Guna Lahan dan Transport asi

(sum ber: C. Jot in Khist y dan B. Kent Lall)

Tat a guna lahan merupakan salah sat u penent u ut ama pergerakan dan akt ivit as. Akt ivit as ini dikenal sebagai ist ilah bangkit an perjalanan (Trip Generat ion) yang

menent ukan fasilit as t ransport asi sepert i jalan, bus, dan sebagainya, yang akan dibut uhkan unt uk melakukan pergerakan (C. Jot in Khist y dan B. Kent Lall, 2005;10).

Bangkit an perjalanan adalah t ahapan pemodelan yang memperkirakan jumlah pergerakan yang berasal dari suat u zona at au t at a guna lahan dan jum lah pergerakan yang t ert arik ke suat u zona at au t at a guna lahan (Ofyar Z. Tamin, 1997:60).

Pada dasarnya bangkit an perjalanan dapat dikelompokkan menjadi dua yait u:

a. Lalu lint as yang meninggalkan suat u lokasi, disebut juga sebagai bangkit an perjalanan (Trip Product ion).

b. Lalu lint as yang menuju suat u lokasi, disebut juga sebagai t arikan perjalanan (Trip At t ract ion).

Bangkit an dan t arikan perjalanan dapat digambarkan pada gambar 2.2 berikut ini.

Pergerakan yang

Pergerakan yang

berasal dari zona i

berasal dari zona j

Gambar 2.2 Bangkit an dan Tarikan Pergerakan

(Sum ber: Wells, 1975)

2.2.1.3 Sebaran Pergerakan

Sebaran pergerakan adalah suat u pemodelan yang memperkirakan dist ribusi suat u pergerakan yang meninggalkan suat u zona at au menuju suat u zona, dan

yang menghubungkan int eraksi ant ara t at a guna lahan, jaringan t ransport asi, sert a arus lalu lint as, dimana sebaran pergerakan ini dapat direpresent asikan dalam bent uk garis keinginan (desire line) at au dalam bent uk M at riks Asal Tujuan (Origin Dest inat ion M at rix).

2.2.1.4 Pemilihan M oda

Int eraksi ant ara dua t at a guna lahan akan menimbulkan suat u pergerakan, dimana pergerakan t ersebut membuat seseorang unt uk menggunakan suat u moda t ransport asi, sepert i menggunakan kendaraan pribadi, kendaraan umum , dan dapat juga dengan berjalan kaki. Dalam pem ilihan moda t ransport asi sangat

2.2.1.5 Pemilihan Rute

Pemilihan rut e t erjadi ket ika adanya pergerakan ant ara dua t at a guna lahan dengan menggunakan moda t ransport asi, yang dimana dalam pemilihan rut e ini t ergant ung pada alt ernat if t erpendek, t ercepat , t ermurah, dan sebagainya.

2.2.1.6 Arus Lalu Lintas Dinamis

Arus lalu lint as berint eraksi dengan sist em jaringan t ransport asi. Jika arus lalu lint as meningkat pada ruas jalan t ert ent u, w akt u t empuh bert ambah karena kecepat an menurun (Ofyar Z. Tamin, 1997:65), dan sebaliknya, jika arus lalu lint as menurun pada ruas jalan t ert ent u, w akt u t empuh berkurang karena kecepat an meningkat .

2.2.2 Konsep Pemodelan

M odel dapat didefinisikan sebagai bent uk penyederhanaan suat u realit a. Semua model merupakan penyederhanaan suat u realit a unt uk t ujuan t ert ent u, sepert i

memberikan penjelasan, pengert ian sert a peramalan. Secara umum dapat dikat akan bahw a semakin mirip suat u model dengan realit anya, semakin sulit model t ersebut dibuat . M odel yang canggih belum t ent u merupakan model yang baik, melainkan model yang sederhana lebih sesuai unt uk t ujuan, sit uasi, dan kondisi t ert ent u.

Berikut ini adalah bent uk-bent uk suat u model, beberapa diant aranya adalah:

a. M odel fisik.

b. M odel pet a dan diagram (grafis).

M odel grafis adalah model yang menggunakan media garis (lurus dan lengkung), gambar, w arna, dan bent uk sebagai media penyampaian suat u realit a.

c. M odel st at ist ika dan mat emat is. M odel st at ist ika dan mat emat is adalah model yang menggunakan persamaan

at au fungsi mat emat ika sebagai media penyampaian suat u realit a dan yang menerangkan beberapa aspek fisik, sosial ekonom i, dan model t ransport asi.

Pembent ukan model mempunyai suat u t ujuan yait u unt uk mengert i cara kerja sist em dan unt uk meramalkan perubahan arus lalu lint as ket ika dilakukan suat u perubahan pada sist em t at a guna lahan dan at au sist em t ransport asi.

Beberapa fakt or pent ing dari spesifikasi model yang harus diperhat ikan adalah sebagai berikut :

a. St rukt ur M odel. M odel selalu mempunyai bent uk paramet er unt uk bisa menunjukkan aspek st rukt ural dari m odel t ersebut , dan dengan met odologi yang sudah berkembang sangat mungkin membent uk model dengan banyak peubah.

b. Bent uk fungsional. Pemecahan dengan bent uk t idak linear akan dapat mencerminkan realit a secara lebih t epat , t et api membut uhkan seumber daya dan t eknik unt uk proses pengkalibrasian model t ersebut .

c. Spesifikasi peubah. Peubah yang dapat digunakan sert a hubungan ant ar peubah dalam suat u model harus dipert imbangkan, sehingga diperlukan proses t ert ent u dalam menent ukan peubah yang dominan, ant ara lain dengan proses kalibrasi dan pengabsahan.

2.2.3 M odel Bangkitan Pergerakan

Tujuan dasar model bangkit an pergerakan adalah menghasilkan model hubungan yang mengait kan t at a guna lahan dengan jumlah pergerakan yang menuju ke suat u zona at au yang meninggalkan suat u zona. M odel bangkit an pergerakan diperlukan apabila pengaruh t at a guna lahan dan pemilikan pergerakan t erhadap besarnya bangkit an dan t arikan pergerakan berubah sebagai fungsi w akt u. Fakt or-fakt or yang mempengaruhi dalam pemodelan bangkit an pergerakan t idak hanya pergerakan manusia t et api juga pergerakan barang.

Bangkit an pergerakan harus dianalisis secara t erpisah dengan t arikan pergerakan, dengan t ujuan akhirnya menaksir set epat mungkin bangkit an pergerakan dan t arikan pergerakan pada masa sekarang yang akan digunakan unt uk meramalkan pergerakan pada masa mendat ang.

2.2.4 Uji Hipotesis

Pengujian hipot esis dilakukan sebagai upaya memperoleh gambaran mengenai suat u populasi dari sampel. Dengan demikian, informasi yang diperoleh dari

suat u sampel digunakan unt uk menyusun suat u pendugaan t erhadap nilai paramet er populasinya yang t idak diket ahui.

Hipot esis dibedakan menjadi dua, yait u hipot esis penelit ian dan hipot esis st at ist ik. Hipot esis penelit ian sifat nya proporsional (verbal), karena it u hipot esis ini t idak bisa diuji secara empirikal. Agar hipot esis penelit ian dapat diuji, maka harus dit erjemahkan kedalam hipot esis st at ist ik agar dapat dit indaklanjut i secara

operasional. Krit eria ment erjemahkannya dalam bent uk H 0 dan H 1 . Yang mencerminkan dugaan penelit ian (harapan penelit ian) adalah H 1 , kecuali apabila dugaan penelit ian yang mengisyarat kan t anda sama dengan (=), maka dugaan penelit ian dicerminkan oleh H 0 . Adapun yang diuji adalah hipot esis nol (H 0 ), dan selama dat a belum ada maka H 0 yang benar. Hal lain yang perlu diperhat ikan operasional. Krit eria ment erjemahkannya dalam bent uk H 0 dan H 1 . Yang mencerminkan dugaan penelit ian (harapan penelit ian) adalah H 1 , kecuali apabila dugaan penelit ian yang mengisyarat kan t anda sama dengan (=), maka dugaan penelit ian dicerminkan oleh H 0 . Adapun yang diuji adalah hipot esis nol (H 0 ), dan selama dat a belum ada maka H 0 yang benar. Hal lain yang perlu diperhat ikan

a. M elakukan kesalahan t ipe I, yait u menolak hipot esis nol padahal dalam kenyat aannya hipot esis nol adalah benar.

b. M elakukan kesalahan t ipe II, yait u t idak menolak hipot esis nol padahal dalam kenyat aannya hipot esis nol adalah salah.

Dengan demikian dalam menguji hipot esis, harus meminimalkan peluang unt uk membuat kedua kesalahan t ersebut . Dalam bahasa st at ist ika, peluang unt uk membuat kesalahan tipe I dinyatakan sebagai α dan peluang untuk membuat kesalahan tipe II dinyatakan sebagai β.

Tabel 2.1 Kemungkinan Kesalahan pada Pengujian Hipot esis Keadaan Sebenarnya

Keput usan Pengujian

H 0 benar

H 0 salah

M enolak H 0 Kesalahan Tipe I ( α)

Keput usan Benar (1- β)

M endukung H 0 Keput usan Benar (1- α)

Kesalahan Tipe II ( β)

Sum ber: At ing & Sam bas, 2006:160

2.2.5 Analisis Korelasi

2.2.5.1 Koefisien Determinasi

Koefisien det erm inasi (R 2 ) didefinisikan sebagai nisbah ant ara variasi t erdefinisi dengan variasi t ot al.

1 Koefisien ini mempunyai bat as lim it sama dengan sat u (perfect explanat ion) dan nol (no explanat ion). Nilai ant ara kedua bat as limit ini dit afsirkan sebagai persent ase t ot al variasi yang dijelaskan oleh analisis regresi linier.

2.2.5.2 Koefisien Korelasi

Koefisien korelasi digunakan unt uk menent ukan korelasi ant ara peubah t idak bebas dengan peubah bebas at au ant ara sesama peubah bebas.

N   XiYi     Xi Yi

 N   Xi     Xi    N   Yi     Yi    i 

Nilai r = 1, berart i bahw a korelasi ant ara peubah y dan x adalah posit if (meningkat nya nilai x akan mengakibat kan meningkat nya nilai y). Jika nilai r = -1, berart i bahw a korelasi ant ar peubah y dan x adalah negat if (meningkat nya nilai x akan mengakibat kan menurunnya nilai y). Jika nilai r = 0, berart i t idak ada korelasi ant ar peubah.

2.2.6 Analisis Regresi

2.2.6.1 Analisis Regresi Linier Sederhana

Analisis regresi linier adalah met ode st at ist ik yang dapat digunakan unt uk mempelajari bagaimana suat u variabel t idak bebas dihubungkan dengan sat u at au lebih variabel bebas.

Y  A  BX …………………………………................................ 3

Ket erangan, Y : Variabel t idak bebas

A : Konst ant a regresi

B : Koefisien regresi

X : Variabel bebas

Nilai A dan B, dapat dicari dengan menggunakan rumus berikut ini.

N  X . Y   X Y

Ket erangan, N : Jumlah pengamat an at au sampel Y : Variabel t idak bebas

X : Variabel bebas

2.2.6.2 Analisis Regresi Linier Berganda

Analisis regresi linier berganda merupakan pengembangan lanjut dari analisis regresi linier, secara khusus pada kasus yang memiliki banyaknya variabel bebas. Hal ini sangat diperlukan dalam realit a yang menunjukkan bahw a beberapa peubah t at a guna lahan secara simult an mempengaruhi bangkit an pergerakan.

Y  A  B 1 X 1  B 2 X 2  .....  B n X n ……………………………………..…………. 6

Ket erangan, Y : Variabel t idak bebas

A : Konst ant a regresi

1 , …, B B n : Koefisien regresi

1 , …, X X n : Variabel bebas

Apabila dalam pengamat an Y t erdapat dua variabel bebas, maka persamaannya akan menjadi:

Y  A  B 1 X 1  B 2 X 2 …………………………………………………..………..… 7

Ket erangan, Y : Variabel t idak bebas

A : Konst ant a regresi

1 ,B B 2 : Koefisien regresi

1 ,X X 2 : Variabel bebas

Terdapat t iga persamaan yang harus diselesaikan dalam mencari A, B 1 , dan B 2 yang berbent uk sebagai berikut .

X 2 . Y  A .  X 2  B 1 .  X 1 X 2  B 2 .  X 2 ……………………………………..……. 10

Unt uk mendapat kan nilai A, B 1 , dan B 2 dapat juga digunakan rumus sebagai berikut (Djarw ant o & Pangest u Subagyo, 1993:312-314).

  x 2    x 1 y    x 1 x 2   x 2 y 

 ………………………………………….………. 11  x 1   x 2     x 1 x 2 

 x 1   x 2 y   x 1 x 2  x 1 y 

2 2 …………………………………………………. 12 2  2  x 1   x 2     x 1 x 2 

A  Y  B . X  B . X 1 ………………………………………………………………….. 13 1 2 2

X 1   Y

  X 2 x    X Y  Y

X 1   X 2 

Terdapat beberapa asumsi yang harus diperhat ikan dalam menggunakan analisis regresi linier berganda:

a. Nilai variabel, khususnya variabel bebas mempunyai nilai t ert ent u at au merupakan nilai yang didapat dari hasil survei t anpa kesalahan yang berart i.

b. Variabel t idak bebas (Y) harus mempunyai hubungan korelasi linier dengan variabel bebas (X). Jika hubungan t ersebut t idak linear, t ransformasi linier harus dilakukan meskipun bat asan ini akan mem punyai implikasi lain dalam analisis residual.

c. Pengaruh variabel bebas pada variabel t idak bebas merupakan penjumlahan dan harus t idak ada korelasi yang kuat ant ara sesama variabel bebas.

d. Variansi variabel t idak bebas t erhadap garis regresi harus sama unt uk semua nilai variabel bebas.

e. Nilai variabel bebas sebaiknya merupakan besaran yang relat if mudah diproyeksikan.

2.2.7 Uji Signifikansi

Secara umum uji signifikansi dapat dikat akan sebagai uji hipot esis t erhadap Secara umum uji signifikansi dapat dikat akan sebagai uji hipot esis t erhadap

………………………………………………………………..……………..… 19 Sb

Ket erangan, Sb : St andar error koefisien korelasi.

b : koefisien regresi yang didapat kan.

β : Slope garis regresi sebenarnya.

Nilai Sb dapat dicari dengan menggunakan rumus sebagai berikut .

Se Sb 

   Xi 

2 Xi i     

Nilai Se dapat dicari dengan menggunakan rumus sebagai berikut .

 2    Yi Yi 

…………………………………..……………..… 21 Se 

Hipot esis yang digunakan:

a. H 0 : β = 0, artinya koefisien regresi tidak signifikan.

b. H 1 : β ≠ 0, ar nya koefisien regresi signifikan.

Dasar pengambilan keput usan:

a. M embandingkan st at ist ik hit ung dengan st at ist ik t abel, dengan t ingkat signifikansi 1% at au 5%, dan derajat kebebasan n – 2, dimana n merupakan jumlah yang dilibat kan.

Jika st at ist ik t hit ung < t t abel, maka H 0 dit erima, yait u menerima anggapan bahw a koefisien regresi t idak signifikan. Jika st at ist ik t hit ung > t t abel, maka H 0 dit olak, yait u menolak anggapan bahw a koefisien regresi t idak signifikan.

b. Berdasarkan probabilit as.

Jika probabilit as > 0.05, maka H 0 dit erima. Jika probabilit as < 0.05, maka H 0 dit olak.

2.2.8 Analisis Variansi

Analisis variansi t erhadap garis regresi perlu dilakukan unt uk menguji signifikansi garis regresi t ersebut . Berdasarkan analisis regresi, akan didapat kan bilangan F regresi yang diperoleh dari rumus:

RK reg

F reg 

RK res

Ket erangan, F reg : Harga bilangan F unt uk garis regresi reg RK : Rerat a kuadrat garis regresi

res RK : Rerat a kuadrat residu

Bilangan F regresi diperoleh dengan membandingkan RK regresi dengan RK residu. Semakin besar harga RK residu maka akan semakin kecil harga F regresinya. Jika harga F regresi sangat kecil dan t idak signifikan, maka garis regresinya t idak akan memberikan landasan unt uk prediksi secara efisien.

Analisis variansi garis regresi dapat dilakukan dengan met ode skor deviasi, sepert i yang disajikan dalam t abel 2.2 berikut .

Tabel 2.2 Analisis Variansi dengan M et ode Skor Deviasi Sum ber Variasi

  xy  JK reg

Regresi (reg)

db reg RK reg

2   xy  JK res

2 RK res

Residu (res)

N-2

 x db res

Tot al 2 N-1 

Sum ber: Sut risno Hadi, 1995

 X   Y

 xy   XY 

2 2  Y

Persamaan garis regresi hasil hit ungan diuji apakah signifikan at au t idak. Apabila hasil pengujian signifikan berart i persamaan regresi t ersebut dapat dipakai sebagai hasil kesimpulan, t et api jika pengujian t idak signifikan berart i persamaan regresi t ersebut t idak bisa dipakai sebagai kesimpulan dan harus dicari persamaan garis regresinya non liniernya.

Rumus F yang paling efisien unt uk analisis variansi pada regresi linier berganda dengan dua variabel X apabila koefisien korelasinya sudah dihit ung sebelumnya adalah:

Ket erangan, F reg : Harga F garis regresi N : Banyak dat a m : Banyak predict or

R : Koefisien korelasi ant ara Y, X 1 , dan X 2

Rumus F regresi diperoleh dari proses analisis variansi garis regresi yang dirangkum pada t abel 2.3 berikut .

Tabel 2.3 Analisis Variansi unt uk Regresi Berganda Sum ber Variasi

db JK

RK

Regresi (reg)

 1  R    y  

Residu (res)

N-m -1

Tot al 2 N-1 

Sum ber: Sut risno Hadi, 1995:27

1  R   y  m  1  R 

reg

Ket erangan, F reg : Harga F garis regresi N : Banyak dat a m : Banyak predict or R : Koefisien korelasi ant ara krit erium dengan predikt or-predikt or

Uji presisi garis regresi dilakukan dengan membandingkan nilai F regresi hasil hit ungan dengan F regresi t abel. Pada pengujian ini digunakan t araf signifikansi 5%. Apabila F regresi hasil hit ungan > F regresi t abel, berart i persamaan garis regresi t ersebut t idak dapat dipakai sebagai kesimpulan dan harus dicari persamaan non liniernya. Pengujian nilai F berdasarkan probabilit as yait u apabila probabilit as hit ung kurang dari 5%, berart i koefisien regresi secara simult an signifikan t erhadap Y, sedangkan bila probabilit asnya lebih dari 5%, maka koefisien regresi secara simult an t idak signifikan t erhadap Y.

2.2.9 Pengujian M odel

M eskipun model t elah diperoleh, model masih perlu diuji unt uk memenuhi krit eria BLUE (Best Linier Unbiased Est imat or). Adapun persyarat annya (Wahid Sulaiman, 2004) adalah:

a. Linierit as Unt uk menguji linierit as hubungan dua variabel, pert ama-t ama kit a harus membuat diagram pencarnya ant ara dua variabel t ersebut . Dari sini bisa t erlihat apakah t it ik-t it ik dat a membent uk pola linier at au t idak.

b. Homoskedasit as (Kesamaan varians) Het eroskedasit as Keadaan het eroskedasit as adalah law an dari homoskedasit as. Dalam uji het eroskedasit as, pengujian yang dilakukan adalah dengan uji Park. Park

menyarankan penggunaan e 2 i 2 sebagai pendekatan σ 1 dan melakukan regresi

sebagai berikut .

…………….…………………………………………… 28 ln 2 e

ln e i  ln    ln X i  v i

……………..……….…………………………………………… 29 Dengan, v i : unsur gangguan yang st okast ik

    ln X i  v i

Jika β ternyata signifikan secara statistik, maka di kat akan bahw a dalam dat a t ersebut t erjadi het eroskedasit as, dan apabila t idak signifikan, maka dikat akan dat a t ersebut t erjadi hom oskedasit as.

Dalam bukunya Prof. Dr. H. Imam Ghozali pada hal 105, menyebut kan uji het eroskedasit as bert ujuan menguji apakah dalam model regresi t erjadi ket idaksamaan variance dari residual sat u pengamat an ke pengamat an yang lain. Jika variance dari residual sat u pengamat an ke pengamat an lain t et ap, maka disebut homoskedasit as dan jika berbeda disebut het eroskedasit as. M odel regresi yang baik adalah yang homoskedasit as at au t idak t erjadi het eroskedasit as. Selain dengan uji Park, ada cara unt uk mendet eksi ada at au t idaknya het eroskedasit as yait u dengan melihat grafik plot ant ara nilai prediksi variabel t erikat (dependen) yait u ZPRED dengan residualnya (SRESID). Det eksi ada t idaknya het eroskedasit as dapat dilakukan dengan melihat ada t idaknya pola t ert ent u pada grafik scat t erplot ant ara SRESID dan ZPRED, dimana sumbu Y adalah Y yang t elah diprediksi dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang t elah di st udent ized. Jika ada pola t ert ent u, sepert i t it ik-t it ik yang ada membent uk pola t ert ent u yang t erat ur (bergelombang, melebar kemudian menyempit ), maka mengindikasikan t elah t erjadi het eroskedasit as. Dan jika t idak ada pola yang jelas, sert a t it ik-t it ik menyebar di at as dan di baw ah angka 0 pada sumbu Y, maka t idak t erjadi het eroskedasit as.

c. Aut okorelasi Unt uk mendet eksi ada at au t idaknya aut okorelasi, maka dilakukan pengujian Durbin-Wat son (DW) dengan ket ent uan sebagai berikut .

1. 1.65 < DW < 2.35; t idak ada aut okorelasi.

2. 1.21 < DW < 1.65 at au 2.35 < DW < 2.79; t idak dapat disimpulkan.

3. DW < 1.21 at au DW > 2.79; t erjadi aut okorelasi. Dalam bukunya Duw i Priyat no, uji aut okorelasi digunakan unt uk menget ahui ada at au t idaknya penyim pangan asumsi klasik aut okorelasi, yait u korelasi yang t erjadi ant ara residual pada sat u pengamatan dengan pengamat an lain pada model regresi. Prasyarat yang harus t erpenuhi adalah t idak adanya 3. DW < 1.21 at au DW > 2.79; t erjadi aut okorelasi. Dalam bukunya Duw i Priyat no, uji aut okorelasi digunakan unt uk menget ahui ada at au t idaknya penyim pangan asumsi klasik aut okorelasi, yait u korelasi yang t erjadi ant ara residual pada sat u pengamatan dengan pengamat an lain pada model regresi. Prasyarat yang harus t erpenuhi adalah t idak adanya

1. Jika d lebih kecil dari dL at au lebih besar dari (4-dL), maka hipot esis nol dit olak, yang berart i t erdapat aut okorelasi.

2. Jika d t erlet ak diant ara dU dan (4-dU), maka hipot esis nol dit erima, yang berart i t idak ada aut okorelasi.

3. Jika d t erlet ak diant ara dL dan dU at au diant ara (4-dU) dan (4-dL), maka t idak menghasilkan kesimpulan yang past i.

Nilai dU dan dL dapat diperoleh dari t abel st at ist ik Durbin-Wat son yang bergant ung banyaknya observasi dan banyaknya variabel yang menjelaskan. Dalam bukunya Damodar Gujarat i pada hal 218, menyebut kan harus menjadi perhat ian bahw a observasi minimum yang diperlukan sehubungan dengan t abel Durbin-Wat son adalah 15. Alasannya bahw a suat u sampel yang lebih kecil dari 15 observasi akan menjadi sangat sulit unt uk bisa menarik kesimpulan yang past i (definit if) mengenai aut okorelasi dengan memeriksa residual yang dit aksir.

d. M ult ikolinearit as M ult ikolinerait as berart i ada hubungan linier yang sempurna diant ara beberapa at au semua variabel independen dari model regresi. Adapun cara pendet eksiannya adalah jika mult ikolinearit as t inggi, seseorang mungkin

memperoleh R 2 yang t inggi t api t idak sat u pun at au sangat sedikit koefisien yang signifikan secara st at ist ik.

Dalam bukunya Prof. Dr. H. Imam Ghozali pada hal 91, menyebut kan uji mult ikolinearit as bert ujuan unt uk menguji apakah model regresi dit emukan adanya korelasi ant ar variabel bebas (independen). M odel regresi yang baik seharusnya t idak t erjadi korelasi diant ara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini t idak ort ogonal. Variabel ort ogonal adalah variabel bebas yang nilai korelasi ant ar sesama variabel bebas sama dengan nol. Unt uk mendet eksi adanya mult ikolinearit as di dalam suat u model regresi adalah sebagai berikut :

1. 2 Nilai R yang dihasilkan oleh suat u est imasi model regresi empiris sangat t inggi, t et api secara individual variabel bebas banyak yang t idak signifikan

mempengaruhi variabel t erikat .

2. Jika ant ar variabel bebas ada korelasi yang cukup t inggi (umumnya di at as 0.90), maka hal ini merupakan indikasi adanya mult ikolinearit as.

Selain it u, menurut Duw i Priyat no uji mult ikolinearit as dapat dilakukan dengan melihat nilai Variance Inflat ion Factor (VIF) pada model regresi. M enurut Sant oso (2001), pada um umnya jika VIF lebih besar dari 5, maka variabel t ersebut mempunyai persoalan mult ikolinearit as dengan variabel bebas lainnya.

e. Normalit as Salah sat u cara mengecek normalit as adalah dengan plot probabilit as normal. M elalui plot ini, masing-masing nilai pengamat an dipasangkan dengan nilai harapan dari dist ribusi normal dan apabila t it ik-t it ik t erkumpul di sekit ar garis lurus. Selain plot normal ada sat u plot lagi unt uk menguji normalit as, yait u dengan Det erend Normal Plot . Jika sampel berasal dari populasi normal, maka t it ik- t it ik t ersebut seharusnya t erkumpul disekit ar garis lurus yang melalui 0 dan t idak mempunyai pola.

BAB III M ETODE PENELITIAN

3.1 Lokasi dan W aktu Penelitian

Lokasi penelit ian dilakukan pada Hot el Sahid Jaya Solo, Hot el Novot el, Hot el Ibis, Sunan Hot el, Hot el Lor In. Unt uk lebih jelasnya, dapat dilihat pada gambar 3.1 berikut .

Gambar 3.1 Pet a Lokasi Penelit ian

Ket erangan gambar:

1. Hot el Sahid Jaya Solo. Hot el ini merupakan hot el bint ang 5, t erlet ak di Jalan Gajah M ada no 82, Solo 57132.

2. Hot el Novot el Solo. Hot el ini merupakan hot el bint ang 4, t erlet ak di Jalan Slamet Riyadi no 272, Solo 57131.

3. Hot el Ibis Solo. Hot el ini merupakan hot el bint ang 3, t erlet ak di Jalan Gajah M ada no 23, Solo 57131.

4. Hot el Sunan Solo. Hot el ini merupakan hot el bint ang 5, t erlet ak di Jalan Ahmad Yani no 40, Solo

5. Hot el Lor In Solo. Hot el ini merupakan hot el bint ang 5, t erlet ak di Jalan Adi Sucipt o no 47, Solo 57174.

3.1.2 W aktu Penelitian

Wakt u penelit ian dilakukan pada hari Sabt u t anggal 9 M ei 2009 dari jam 9 pagi sampai jam 9 malam. Dilakukan survey pada hari Sabt u, karena pada hari sabt u merupakan hari w eekend yang juga bert epat an dengan t anggal merah (hari raya Waisak 2553), sehingga diharapkan akan banyak t erjadi t arikan ke hot el t ersebut . Dilakukan survey pada jam 9 pagi sampai 9 malam, karena pada jam-jam t ersebut pergerakan ke hot el baik bangkit an maupun t arikan sudah mulai t erjadi, dimana jam puncaknya bisa saja t erjadi pada siang hari, sore hari at aupun pada malam hari.

3.2 Data Penelitian

Dat a-dat a masukan unt uk analisis dat a meliput i dat a primer dan dat a sekunder.

a. Dat a primer. Dat a primer yang dibut uhkan adalah banyaknya t arikan pergerakan ke hot el dengan menggunakan moda t ransport asi, yait u sepeda mot or (M C), mobil a. Dat a primer. Dat a primer yang dibut uhkan adalah banyaknya t arikan pergerakan ke hot el dengan menggunakan moda t ransport asi, yait u sepeda mot or (M C), mobil

1. Luas lahan (variabel bebas X1).

2. Luas bangunan (variabel bebas X2).

3. Luas parkir (variabel bebas X3).

4. Tot al jum lah kamar yang t ersedia (variabel bebas X4).

5. Jumlah ruang rapat (variabel bebas X5).

6. Luas maksimum ruang rapat (variabel bebas X6). M aksudnya adalah pengambilan salah sat u luas ruang rapat maksimum dari keseluruhan luas rapat yang t ersedia pada hot el yang bersangkut an.

3.3 Alat Penelitian

Peralat an yang dibut uhkan dalam penelit ian ini adalah:

a. Formulir unt uk mencat at kendaraan yang memasuki hot el t ersebut .

b. Seperangkat alat t ulis.

c. Program SPSS unt uk menunjang dalam melakukan analisis dat a.

3.4 Prosedur Penelitian

Prosedur penelit ian yang dilakukan adalah melakukan pengumpulan dat a (primer dan sekunder) dimana dat a primer dikakukan dengan survey langsung di lapangan (hot el) yang prosesnya yait u mencat at kendaraan yang masuk oleh surveyor dengan menggunakan suat u formulir pencat at an kendaraan yang masuk ke hot el t ersebut dan dat a sekunder dengan memint a dat a-dat a yang ada di hot el t ersebut , sepert i luas lahan, luas bangunan, dan dat a lainnya yang mendukung dalam penelit ian ini. Sebelum survey dilakukan, para surveyor diberi penjelasan dan pengarahan t ent ang gambaran penelit ian ini dan prosedur at au penelit iannya di lapangan, dengan t ujuan unt uk memperoleh dat a yang akurat di Prosedur penelit ian yang dilakukan adalah melakukan pengumpulan dat a (primer dan sekunder) dimana dat a primer dikakukan dengan survey langsung di lapangan (hot el) yang prosesnya yait u mencat at kendaraan yang masuk oleh surveyor dengan menggunakan suat u formulir pencat at an kendaraan yang masuk ke hot el t ersebut dan dat a sekunder dengan memint a dat a-dat a yang ada di hot el t ersebut , sepert i luas lahan, luas bangunan, dan dat a lainnya yang mendukung dalam penelit ian ini. Sebelum survey dilakukan, para surveyor diberi penjelasan dan pengarahan t ent ang gambaran penelit ian ini dan prosedur at au penelit iannya di lapangan, dengan t ujuan unt uk memperoleh dat a yang akurat di

3.5 Tahapan Penelitian

Penelit ian dan analisis model t arikan perjalanan ini dibuat suat u t ahapan- t ahapan dengan t ujuan unt uk mempermudah dalam penyelesaiannya. Tahapan- t ahapan ini dibuat secara t erat ur dan sist emat is, baik dalam bent uk gagasan dan perencanaan maupun dalam pelaksanaan dan pembuat an keput usan. Pembuat an skripsi pada hakekat nya merupakan kegiat an dalam bent uk penelit ian yang dilakukan berdasarkan program kerja yang berurut an dan saling berkait . Adapun langkah-langkah nya secara garis besar dapat dit uliskan sebagai berikut ini.

a. M encari ide at au gagasan dan selanjut nya menuangkannya ke dalam bent uk lat ar belakang masalah, rumusan masalah dan pembat asan masalah.

b. M empelajari lit erat ur at au pengkajian pust aka yang berhubungan dengan ide yang dibuat dengan memperhat ikan kajian penelit ian yang t elah ada

sebelumnya, maupun penggunaan rumus-rumus yang dipakai dalam penelit ian dan memilih met ode analisis yang digunakan.

c. M engumpulkan dat a dari hasil survei di lapangan dan mengolah sert a menganalisis dat a t ersebut dengan menggunakan program SPSS.

d. M embuat kesimpulan dan memberikan saran dari hasil analisis dat a yang diperoleh.

Tahapan-t ahapan t ersebut dapat dibuat alur kerja sebagai berikut .

M ulai

M encari ide

Lat ar belakang m asalah, rum usan m asalah dan pem bat asan m asalah

St udi pust aka dan lit erat ur

Pengum pulan dat a

Dat a Sekunder:  Luas lahan.

Dat a Prim er:

 Luas bangunan.

Tarikan pergerakan kendaraan

 Luas parkir.

ke hot el.

 Tot al jum lah kam ar yang t ersedia.  Jum lah ruang rapat .

 Luas m aksim um ruang rapat .

Pengolahan dat a

Analsis Dat a dengan SPSS 16

Pem bahasan

Kesim pulan dan saran

Selesai

Gambar 3.2 Diagram alur pola kerja

3.6 Tahapan Analisis Data dan Pengujian M odel

Tahapan analisis dat a dan pengujian model dapat dilihat pada gambar 3.3 berikut .

M ulai

Input Dat a Prim er & Sekunder

M odel Persam aan Regresi Linier

Pengujian St at ist ik

Uji Koefisien Regresi (Uji t )

Hipot esis:

Hipot esis:

Ho: Variasi perubahan Ho: Koefisien regresi t idak signifikan. 2 Pengaruh Variabel Bebas (R )

m enjelaskan varia

H 1 : Koefisien regresi signifikan.

H 1 : Variasi perubahan m enjelaskan varia

Keput usan:

t hit ung > t t abel  Keput usan: Ho dit olak t hit ung < t t abel  Ho dit erim a

F hit ung > F t abel 

F hit ung < F t abel 

A Pengujian M odel

1. Uji M ultikolinearit as

2. Uji Aut okorelasi

Tidak t erjad