Analisa Bangkitan Perjalanan Pada Perumahan Pemerintah Daerah (PEMDA) Tingkat I Medan Chapter III V
BAB III
METODOLOGI PENELITIAN
3.1.
Lokasi Penelitian
Lokasi penelitian adalah Perumahan Pemerintah Daerah (PEMDA)
Tingkat I Medan.
Gambar 3.1. Peta Kecamatan Medan Selayang
24
Universitas Sumatera Utara
Gambar 3.2. Peta Lokasi Perumahan PEMDA Tingkat I Medan
25
Universitas Sumatera Utara
3.2.
Cara Pengambilan dan Ukuran Sampel
Pengambilan sampel adalah mendapatkan sampel dengan jumlah relatif
kecil dibandingkan dengan jumlah populasi tetapi mampu mempresentasikan
seluruh populasi tersebut. Untuk itu sangat penting menentukan cara yang tepat
dalam
menarik
sampel
yang
dimaksud
agar
benar-benar
mampu
mempresentasikan kondisi seluruh populasi. Teknik penarikan sampel yang
dipergunakan adalah sampel acak sederhana.
3.3.
Tahap Persiapan Penelitian
Pada tahap ini disiapkan peralatan yang diperlukan meliputi :
1.
Alat tulis dan kuesioner. Kuesioner berisi tentang pertanyaan dan data
yang harus diisi oleh responden.
2.
Dalam melakukan penelitian ini dibutuhkan beberapa surveyor yang
terdiri dari 4 orang yaitu 2 orang untuk menyebarkan kuesioner, dan 2
lagi untuk dokumentasi.
3.4.
Tahap Pengumpulan Data
Pengumpulan data pada penelitian ini dilakukan dengan survey maupun
dengan mengutip langsung dari laporan/penelitian yang sudah pernah dilakukan.
Data-data yang diperlukan untuk analisa lebih lanjut antara lain:
1.
Data Primer
Pengumpulan data primer dilakukan yaitu dengan penyebaran kuesioner
(kuesioner penelitian dicantumkan pada lampiran 1) atau dengan wawancara di
kawasan perumahan yang menjadi objek penelitian secara random.Wawancara
26
Universitas Sumatera Utara
dilakukan dengan maksud untuk mendapatkan informasi langsungperihal daftar
pertanyaan yang terdapat pada lembar kuesioner. Dimana 1orang responden
mewakili satu keluarga yang tinggal pada 1 unit rumah.Responden dengan
dibantu petugas survey mengisi lembar kuesioner.
Data primer terdiri dari: jumlah pergerakan perhari, jumlah anggota
keluarga,
jumlah
kendaraan
roda
2(dua)
dan
roda
4
(empat),
jumlahpendapatan,jumlah anggota keluarga yang bekerja serta jumlah anggota
keluarga sekolahdan kuliah.
Data kuisioner yang digunakan dalam melakukan home interview dibuat
sedemikian rupa sehingga mempermudah pewawancara dalam melakukan
pendataan dan mempermudah tiap anggota keluarga dalam mengisinya dan juga
memudahkanpengisian tabel data perjalanan dan informasi keluarga yang dibuat.
Data yang dibuat terdiri dari :
a.
Data yang berhubungan dengan informasi pelaku perjalanan bangkitan
yang terdiri atas : Nama, Umur, Pendidikan terakhir, Alamat.
b.
Data keluarga yang berisikan informasi keluarga, terdiri dari :
1. Jumlah anggota keluarga (orang)
2. Jumlah kepemilikan kenderaan pribadi (unit)
3. Jumlah pendapatan (rupiah)
4. Jumlah anggota keluarga bekerja (orang)
5. Jumlah anggota keluarga yang sekolah dan kuliah (orang)
Untuk
menghindari
penafsiran
ganda
terhadap
variabel-variabel
yangdigunakan maka perlu dilakukan pendefinisian variable sebagai berikut:
27
Universitas Sumatera Utara
a.
Bangkitan pergerakan (Y) adalah jumlah pergerakan perhari yang dihasilkan
oleh masyarakat Perumahan Pemerintah Daerah (PEMDA) TK I Medan.
b.
Variabel yang mempengaruhi bangkitan pergerakan yaitu:
X1= jumlah anggota keluarga (orang),
X2 =jumlah kepemilikan kenderaan pribadi(unit),
X3 = jumlah pendapatan (rupiah),
X4 = jumlah anggota keluarga bekerja (orang),
X5 = jumlah anggota keluarga yang sekolah dan kuliah(orang).
Variabel bebas ialah jumlah anggota keluarga (X1), jumlah kepemilikan
kendaraan (mobil) (X2), jumlah kepemilikan kendaraan (motor) (X3), jumlah
anggota keluarga yang bekerja (X4), jumlah anggota keluarga yang bersekolah
(X5), jumlah pendapatan rata-rata keluarga (X6). Dimana nilai persamaan yang
diperoleh ialah
Y= -0,400+0,201X1+0,161X2+0,135X3+0,388X4+0,534X5
Hasil koefisien diatas jumlah kepemilikan kendaraan (mobil) (X2), jumlah
kepemilikan kendaraan (motor) (X3) sangat rendah, sehingga dalam penulisan ini
digabungkan menjadi jumlah kepemilikan kendaraan pribadi (mobil dan motor)
(X2) untuk memperbesar koefisien.
2.
Data sekunder
Data sekunder yang meliputi jumlah kepala keluarga perumahan PEMDA
TK I.
28
Universitas Sumatera Utara
3.5.
Tahap Pengolahan Data
Adapun tahap pengolahan data dilakukan dengan metode analisa regresi linier
berganda (Multiple Linear Regression Analysis) dengan bantuan program SPSS.
3.6.
Tahap Analisa data
Analisa data hasil surveydilakukan dengan metode analisa regresi linier
berganda (Multiple Linear Regression Analysis)dengan bantuan program SPSS.
29
Universitas Sumatera Utara
3.7.
Tahapan Penelitian / Bagan Alir
Tujuan Penelitian
Mengidentifikasikan faktor-faktor yang mempengaruhibangkitan pergerakan pada
perumahan PEMDA TK I Medan.
Memperoleh jumlah bangkitan perjalanan pada perumhan PEMDA TK I Medan.
Studi Literatur
Pada tahapan ini peneliti melakukan apa yang disebut dengan kajian pustaka, yaitu
mempelajari buku-buku referensi (mengumpulkan bahan bacaan) dan hasil penelitian
sejenis sebelumnya yang sudah pernah dilakukan oleh orang lain.
Pengumpulan Data
Data Sekunder:
Data Primer:
Jumlah anggota keluarga (orang)
Jumlah kepemilikan kenderaan pribadi
(buah)
Jumlah pendapatan (rupiah)
Jumlah anggota keluarga yang bekerja
(orang)
Jumlah anggota keluarga yang bersekolah
dan kuliah (orang)
Jumlah perjalanan dalam sehari
Jumlah kepala keluargaperumahan
PEMDA TK I Medan
Output dan Hasil:
Menghitung jumlah bangkitan perjalanan dari data diperoleh dengan menggunakan
metode analisa regresi linear berganda dan metode analisis kategori.
Memperoleh hasil bangkitan dalam bentuk persamaan Y = a + b1 X1 + b2 X2 + B3 X3.
Pengujian:
Hubungan antara variabel independent dan variabel independent (koefisien korelasi)
Uji Hubungan linier antara 2 variabel yang memiliki keterhubungan yang kuat (koefisien
determinasi/R2)
Variabel dependen (jumlah perjalanan) ; variabel independent (pendapatan, jumlah
keluarga, kendaraan pribadi, bekerja, dan pendidikan).
Uji pengaruh variabel independensecara keseluruhan terhadap variabel dependen (uji F)
jumlah kuadrat regresi, jumlah kuadrat dari kesalahan (error), koefisien regresi.
Uji pengaruh masing-masing variabel independen terhadap variabel dependen (uji T)
Koefisien regresi variabel bebas, hipotesis nol, simpangan baku.
Uji ketepatan suatu instrumen dalam mengukur data (uji validasi)
Uji hubungan linier antara 2 variabel atau lebih (uji linearitas)
Kesimpulan dan Saran
Gambar 3.3. Tahapan Peneliian / Bagan Alir
30
Universitas Sumatera Utara
BAB IV
HASIL DAN PEMBAHASAN
4.1. HASIL
Data produksi perjalanan pada survey pendahuluan yang diperoleh akan
digunakan sebagai dasar untuk menentukan jumlah sampel, dapat dilihat pada
tabel berikut ini:
Tabel 4.1
Data Sampel Sementara Untuk Pengambilan Sampel yang Sebenarnya
Perjalanan
No.
Perjalanan
No.
(Y)
Perjalanan
No.
(Y)
(Y)
1
2
11
3
21
4
2
3
12
2
22
2
3
3
13
5
23
3
4
3
14
3
24
2
5
2
15
3
25
2
6
2
16
3
26
3
7
2
17
2
27
3
8
3
18
2
28
4
9
2
19
3
29
3
10
2
20
3
30
3
Σ
24
29
29
Jumlah Total = 82
Sumber : Hasil Pengamatan
31
Universitas Sumatera Utara
Tabel 4.2
Deskripsi Statistik Data Sampel Untuk Uji Kecukupan Data
Produksi Perjalanan/Keluarga/hari
N
Minimum
Maksimum
Mean
Std. Deviasi
30
2
5
2,85
0.74
Sumber : Hasil Pengamatan
Uji kecukupan data dimaksud untuk memastikan bahwa data yang diambil
adalah data yang akurat dan jumlah sampel yang diambil dapat mewakili populasi
yang ada. Spesifikasi tingkat kepercayaan 95% kemungkinan sampling error tidak
lebih dari 5% dari sampel mean. Untuk convident level (z) 95% dari tabel statistik
diperoleh angka 1.96 dari standart error. Agar error yang diterima tidak lebih dari
5% maka jumlah sampel data harus dicari dengan perhitungan sebagai berikut:
Sampling Error (Se) yang dapat diterima
= 0.05 × rata-rata produksi perjalanan
= 0.05 × 2.85
= 0.143 Perjalanan/hari
Maka, Se(x)
= Se/z
= 0.143/1.96
= 0.073
Besarnya jumlah sampel:
n’ =
n =
[
]
, untuk populasi yang tidak terbatas
, untuk populasi yang terbatas
32
Universitas Sumatera Utara
Maka, n’ =
[
0,664 2
0,0732
]
n’
=
n’
= 82,73 = 83
n
=
n
= 82,109 = 82
(untuk data yang tidak terbatas)
83
83
1 (
)
7653
(untuk data terbatas)
Dari hasil perhitungan di atas dapat diambil kesimpulan bahwa jumlah data
sampel yang harus dipenuhi adalah 82 sampel.
4.2. Karakteristik Responden
4.2.1. Jumlah Anggota Keluarga
Dari hasil kuisoner diperoleh data jumlah anggota keluarga ialah:
Tabel 4.3.Jumlah Anggota Keluarga
Jumlah Anggota Keluarga
1 - 3 Orang
4 - 7 Orang
≥ 8 Orang
30,9%
64,5%
4,5%
Jumlah Anggota Keluarga
4.5
1-3 orang
30.9
4-7 orang
64.5
≥ 8 orang
Grafik 4.1. Jumlah Anggota Keluarga
33
Universitas Sumatera Utara
4.2.2. Jumlah Anggota Keluarga yang Bekerja
Dari hasil kuisoner diperoleh data jumlah anggota keluarga yang Bekerja
ialah:
Tabel 4.4. Jumlah Anggota Keluarga yang Bekerja
Jumlah Anggota Keluarga yang Bekerja
0 - 1 Orang
2 - 3 Orang
≥ 4 Orang
37,3%
59,1%
3,6%
Anggota Keluarga Yang Bekerja
3.6
37.3
0-1 orang
2-3 orang
59.1
≥ 4 orang
Grafik 4.2. Jumlah Anggota Keluarga Bekerja
4.2.3. Jumlah Anggota Keluarga yang Bersekolah dan Kuliah
Dari hasil kuisoner diperoleh data jumlah anggota keluarga yang
Bersekolah dan Kuliah ialah:
Tabel 4.5. Jumlah Anggota Keluarga yang Bersekolah dan Kuliah
Jumlah Anggota Keluarga yang Bersekolah dan Kuliah
0 - 1 Orang
2 - 3 Orang
≥ 4 Orang
54,5%
37,3%
8,2%
34
Universitas Sumatera Utara
Anggota Keluarga yang
Sekolah dan Kuliah
8.2
0-1 orang
37.3
54.5
2-3 orang
≥ 4 orang
Grafik 4.3. Anggota Keluarga Bersekolah dan Kuliah
4.2.4. Pendapatan Rata-rata Keluarga
Dari hasil kuisoner diperoleh data pendapatan rata-rata keluarga ialah:
Tabel 4.6. Pendapatan Rata-rata Keluarga
Jumlah Pendapatan
< Rp. 2 Juta
Rp. 2 Juta - 5 Juta
10,0%
78,2%
> 5 Juta
11,8%
Jumlah Pendapatan
10.0
11.8
< Rp. 3jt
Rp.3jt-8jt
78.2
> Rp.8jt
Grafik 4.4.Pendapatan Rata-rata Keluarga
35
Universitas Sumatera Utara
4.2.5. Jumlah Kepemilikan Kendaraan Pribadi
Dari hasil kuisoner diperoleh jumlah kepemilikan kendaraan pribadi ialah:
Tabel 4.7. Jumlah Kepemilkan Kendaraan Pribadi
Jumlah Kepemilikan Kendaraan Pribadi
0 - 1 buah
2 - 3 buah
14,5%
69,1%
≥ 4 buah
16,4%
Jumlah Kepemilikan
Kendaraan Pribadi
16.4
14.5
0-1 buah
2-3 buah
69.1
≥ 4 buah
Grafik 4.5.Kepemilikan Kendaraan Pribadi
4.3. Proses Pengolahan Data
Dari data yang diperoleh melalui kuesioner model formulasi produksi
perjalanan menggunakan formula Multiple Regression dengan bantuan software
SPSS 21.
36
Universitas Sumatera Utara
4.3.1. Analisa Korelasi
Tujuan dari analisa korelasi adalah untuk melihat hubungan bivariat,
antara variabel independent, yang meliputi jumlah keluarga, kepemilikan
kendaraan pribadi, pendapatan, bekerja, dan pendidikan, dengan produksi
perjalanan (Y) atau variabel dependent. Koefisien korelasi untuk setiap variabel
berbeda-beda dapat dilihat pada tabel di bawah ini.
Tabel 4.8. Interpretasi Koefisien Korelasi
Interval Koefisien
Tingkat Hubungan
0,00 - 0,199
Sangat Rendah
0,20 - 0,399
Rendah
0,40 - 0,599
Sedang
0,60 - 0,799
Kuat
0,80 - 1,000
Sangat kuat
(Sumber: Sugijono, 2000:175, dalam Michael, 2013)
Korelasi pada Perumahan PEMDA TK I dengan variabel dependent adalah
jumlah perjalanan (Y), dan variabel independentnya adalah jumlah anggota
keluarga, jumlah anggota keluarga yang bekerja, jumlah anggota keluarga yang
bersekolah, jumlah pendapatan, jumlah kepemilikan mobil, dan jumlah
kepemilikan sepeda motor.
37
Universitas Sumatera Utara
Untuk nilai korelasi seluruh sampel, dapat dilihat pada Tabel 4.9.
Tabel 4.9. Tabel Korelasi Variabel Dependent dengan Variabel Independent
Correlations
Perjal
Anggot Kendaran Pendapa Keluarga
anan Keluarga
Pribadi
tan
Bekerja
Keluarga
Sekolah
dan Kuliah
Perjalanan
Pearson
Correlation
Sig. (2-tailed)
N
Anggota
Keluarga
Pearson
Correlation
Sig. (2-tailed)
-.101
.136
.418**
-.206*
.329**
.294
.157
.000
.031
.000
110
110
110
110
110
110
-.101
1
.155
-.177
.537**
.233*
.106
.064
.000
.014
1
.294
N
110
110
110
110
110
110
Pearson
Kendaraan Correlation
Sig. (2-tailed)
Pribadi
N
.136
.155
1
.378**
.179
.213*
.157
.106
.000
.061
.025
110
110
110
110
110
110
Pearson
.418**
Correlation
Pendapatan Sig. (2-tailed)
.000
-.177
.378**
1
-.125
.292**
.064
.000
.195
.002
110
110
110
110
110
110
*
**
.179
-.125
1
-.196*
N
-.206
.537
Keluarga
Pearson
Correlation
Bekerja
Sig. (2-tailed)
.031
.000
.061
.195
N
110
110
110
110
110
110
Pearson
.329**
Correlation
Sig. (2-tailed)
.000
.233*
.213*
.292**
-.196*
1
.014
.025
.002
.040
110
110
110
110
Keluarga
Sekolah
dan Kuliah
N
110
.040
110
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
38
Universitas Sumatera Utara
Dari kedua hasil tabel Korelasi Variabel Dependent dengan Variabel
Independent diatas, maka nilai koefisien terbesar secara keseluruhan ialah nilai
korelasi dari semua sampel. Maka yang digunakan untuk data selanjutnya ialah
dari tabel Korelasi Variabel Dependent dengan Variabel Independent semua
sampel. Dimana rekap tabel tersebut dapat dilihat pada tabel dibawah ini:
Tabel 4.10. Tabel Matriks Korelasi
Variabel bebas
Variabel terikat
Jumlah
perjalanan
(Y)
Jumlah perjalanan (Y)
Jumlah anggota
Jumlah
Kepemilikan
anggota
Kendaraan
keluarga
Pribadi
(X1)
(X2)
Penghasilan Bekerja
(X3)
Pendidikan
(X4)
(X5)
1
0,101
1
0,136
0,155
1
0,418
0,177
0,378
1
Bekerja (X4)
0,206
0,537
0,179
0,125
1
Pendidikan (X5)
0,329
0,233
0,213
0,292
0,196
Variabel bebas
keluarga (X1)
Kepemilikan
Kendaraan
Pribadi (X2)
Penghasilan
(X3)
1
Pada tabel matriks korelasi di atas dari hasil perhitungan dapat diketahui nilai
hubungan antara variabel-variabel bebas dengan variabel terikat yang dijelaskan
sebagai berikut:
Jumlah anggota keluarga (X1) mempunyai hubungan dengan produksi
perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,101 atau
variabel
bebas
dapat
mempengaruhi
variabel
terikat
dengan
39
Universitas Sumatera Utara
hubungansangat rendahsebesar 10,1%. Artinya jumlah Kepemilikan
Kendaraan Pribadi tidak begitu besar pengaruhnya terhadap produksi
perjalanan.
Jumlah Kepemilikan Kendaraan Pribadi (X2) mempunyai hubungan
dengan produksi perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu
sebesar 0,136 atau variabel bebas dapat mempengaruhi variabel terikat
dengan hubungan sangat rendah sebesar 13,6%. Artinya jumlah
Kepemilikan Kendaraan Pribadi tidak begitu besar pengaruhnya terhadap
produksi perjalanan.
Jumlah
Penghasilan(X3)
mempunyai
hubungan
dengan
produksi
perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,418 atau
variabel bebas (X3) dapat mempengaruhi variabel terikat dengan hubungan
yang sedang sebesar 41,8%. Artinya, jumlah penghasilan bertambah maka
jumlah perjalanan juga akan semakin meningkat/bertambah.
Jumlah Bekerja (X4) mempunyai hubungan dengan produksi perjalanan
(Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,206 atau variabel
bebas (X4) dapat mempengaruhi variabel terikat dengan hubungan yang
sangat rendah sebesar 20,6%. Artinya jumlah penghasilan tidak begitu
besar pengaruhnya terhadap produksi perjalanan.
Jumlah Pendidikan(X5) mempunyai hubungan dengan produksi perjalanan
(Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,329 atau variabel
bebas (X5) dapat mempengaruhi variabel terikat dengan hubungan yang
sangat rendah sebesar 32,9%. Artinya jumlah pendidikan tidak begitu
besar pengaruhnya terhadap produksi perjalanan.
40
Universitas Sumatera Utara
4.3.2. Proses Pengolahan Analisa Regresi
Proses penyeleksian variabel harus sesuai dengan syarat metode analisis
regresi, bahwa variabel bebas yang akan dipakai dalam model adalah yang
mempunyai korelasi dengan tingkat hubungan minimal sedang terhadap variabel
terikat. Pada tabel 4.10 di atas dapat dilihat bahwa variabel bebas yang
mempunyai tingkat hubungan minimal sedang variabel terikat jumlah perjalanan
(Y) adalah jumlah anggota keluarga (X1). Hasilnya adalah sebagai berikut:
a. Hubungan korelasi
Y - X3
r = 0,418
X3- X1
r = 0,177
X3- X2
r = 0,378
X3- X4
r = 0,125
X3- X5
r = 0,292
Dengan analisa regresi menggunakan program SPSS 21 maka persamaan
yang mungkin terjadi yaitu:
Dengan satu variabel (X3)
Model Summary
Model
1
R
.418a
R Square
.175
Adjusted R
Std. Error of the
Square
Estimate
.167
1.489
a. Predictors: (Constant), Pendapatan
41
Universitas Sumatera Utara
ANOVAa
Model
Sum of
df
Mean Square
F
Sig.
1
50.685
22.85
.000b
Squares
50.685
Regression
1
5
Residual
239.506
108
Total
290.191
109
2.218
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
2.183
.330
Pendapatan
.258
.054
T
Sig.
6.610
.000
4.781
.000
Beta
1
.418
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,183+ 0,258 X3
Dengan nilai korelasi R = 0,418 dan determinasi R2 = 0,175
Dengan dua variabel (X3 – X1)
Model Summary
Model
1
R
.419a
R Square
.175
Adjusted R
Std. Error of
Square
the Estimate
.160
1.495
a. Predictors: (Constant), AnggotaKeluarga, Pendapatan
42
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
50.903
2
25.451
11.381
.000b
Residual
239.288
107
2.236
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), AnggotaKeluarga, Pendapatan
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
4.252
.000
B
Std. Error
Beta
(Constant)
2.318
.545
Pendapatan
.255
.055
.413
4.630
.000
AnggotaKeluarga
-.027
.086
-.028
-.312
.756
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,318 + 0,255 X3– 0,027 X1
Dengan nilai korelasi R = 0,419 dan determinasi R2 = 0,175
Dengan dua variabel (X3 – X2)
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the
Estimate
1
.419a
.175
.160
1.496
a. Predictors: (Constant), KendaraanPribadi, Pendapatan
43
Universitas Sumatera Utara
ANOVAa
Model
Sum of
df
Mean Square
F
Sig.
Squares
1
Regression
50.851
2
25.426
Residual
239.340
107
2.237
Total
290.191
109
11.367 .000b
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KendaraanPribadi, Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
5.680
.000
Std. Error
(Constant)
2.242
.395
Pendapatan
.264
.059
.428
4.510
.000
KendaraanPribadi
-.036
.134
-.026
-.272
.786
1
B
Beta
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,242 + 0,264X3 + 0,036 X2
Dengan nilai korelasi R = 0,419 dan determinasi R2 = 0,175
Dengan dua variabel (X3 - X4)
Model Summary
Model
R
1
.446a
R Square Adjusted R Square
.199
Std. Error of the Estimate
.184
1.474
a. Predictors: (Constant), KeluargaBekerja, Pendapatan
44
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
57.704
2
28.852
13.279
.000b
Residual
232.487
107
2.173
Total
290.191
109
T
Sig.
6.119
.000
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaBekerja, Pendapatan
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
Beta
(Constant)
2.728
.446
Pendapatan
.246
.054
.398
4.568
.000
KeluargaBekerja
-.261
.145
-.157
-1.797
.075
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,728 + 0,246 X3- 0,261 X4
Dengan nilai korelasi R = 0,446 dan determinasi R2 = 0,199
Dengan dua variabel (X3 - X5)
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the
Estimate
1
.470a
.221
.207
1.453
a. Predictors: (Constant), KeluargaSekolahdanKuliah, Pendapatan
45
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
64.226
2
32.113
15.206
.000b
Residual
225.965
107
2.112
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, Pendapatan
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
t
Sig.
5.951
.000
B
Std. Error
Beta
(Constant)
1.978
.332
Pendapatan
.218
.055
.352
3.946
.000
KeluargaSekolahdan
.303
.120
.226
2.532
.013
Kuliah
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 1,978 + 0,218 X3 + 0,303 X5
Dengan nilai korelasi R = 0,470 dan determinasi R2 = 0,221
Dengan tiga variabel (X3 – X1 – X2)
Model Summary
Model
R
R Square Adjusted R Square
Std. Error of the
Estimate
1
.419a
.176
.152
1.502
a. Predictors: (Constant), KendaraanPribadi, AnggotaKeluarga, Pendapatan
46
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
50.994
3
16.998
7.533
.000b
Residual
239.197
106
2.257
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KendaraanPribadi, AnggotaKeluarga, Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
4.187
.000
B
Std. Error
Beta
(Constant)
2.341
.559
Pendapatan
.260
.061
.421
4.274
.000
AnggotaKeluarga
-.022
.089
-.023
-.252
.802
KendaraanPribadi
-.028
.139
-.020
-.202
.841
1
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,341 + 0,260 X3- 0,022 X1 - 0,028 X2
Dengan nilai korelasi R = 0,419 dan determinasi R2 = 0,176
Dengan tiga variabel (X3 – X1 - X4)
Model Summary
Model
R
R Square Adjusted R Square
Std. Error of the
Estimate
1
.451a
.203
.180
1.477
a. Predictors: (Constant), KeluargaBekerja, Pendapatan, anggotaKeluarga
47
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
58.907
3
19.636
8.999
.000b
Residual
231.284
106
2.182
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaBekerja, Pendapatan, AnggotaKeluarga
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
4.566
.000
B
Std. Error
Beta
(Constant)
2.495
.546
Pendapatan
.252
.055
.407
4.617
.000
AnggotaKeluarga
.074
.100
.077
.742
.460
KeluargaBekerja
-.327
.171
-.197
-1.915
.058
1
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,495 + 0,252 X3 + 0,074 X1 - 0,327 X4
Dengan nilai korelasi R = 0,451 dan determinasi R2 = 0,203
Dengan tiga variabel (X3 – X1 - X5)
Model Summary
Model
R
R Square
Adjusted R
Std. Error of the Estimate
Square
1
.480a
.231
.209
1.451
a. Predictors: (Constant), KeluargaSekolahdanKuliah, AnggotaKeluarga,
Pendapatan
48
Universitas Sumatera Utara
ANOVAa
Model
Sum of
df
Mean Square
F
Sig.
66.968
3
22.323
10.600
.000b
1 Residual
223.223
106
2.106
Total
290.191
109
Squares
Regression
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, AnggotaKeluarga,
Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
4.614
.000
B
Std. Error
(Constant)
2.452
.531
Pendapatan
.200
.057
.324
3.511
.001
-.100
.087
-.104
-1.141
.256
.347
.126
.258
2.762
.007
1 Anggota Keluarga
Keluarga Sekolah dan
Beta
Kuliah
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,452 + 0,200 X3- 0,100 X1+ 0,347 X5
Dengan nilai korelasi R = 0,480 dan determinasi R2 = 0,231
49
Universitas Sumatera Utara
Dengan tiga variabel (X3 – X2 – X4)
Model Summary
Model
R
.446a
1
R Square Adjusted R Square
.199
Std. Error of the Estimate
.176
1.481
a. Predictors: (Constant), KeluargaBekerja, Pendapatan, KendaraanPribadi
ANOVAa
Model
1
Sum of Squares
df
Mean Square
Regression
57.768
3
19.256
Residual
232.422
106
2.193
Total
290.191
109
F
Sig.
8.782 .000b
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaBekerja, Pendapatan, KendaraanPribadi
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
5.758
.000
B
Std. Error
Beta
(Constant)
2.704
.470
Pendapatan
.242
.059
.392
4.078
.000
Kendaraan
.023
.137
.017
.171
.864
-.267
.150
-.161
-1.776
.079
Pribadi
Keluarga Bekerja
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,704 + 0,242 X3+ 0,023X2- 0,267 X4
Dengan nilai korelasi R = 0,446 dan determinasi R2 = 0,199
50
Universitas Sumatera Utara
Dengan tiga variabel (X3 – X2 - X5)
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the
Estimate
.473a
1
.224
.202
1.458
a. Predictors: (Constant), KeluargaSekolahdanKuliah, KendaraanPribadi,
Pendapatan
ANOVAa
Model
Sum of Squares
Df
Mean Square
F
Sig.
64.931
3
21.644
10.185
.000b
1 Residual
225.260
106
2.125
Total
290.191
109
Regression
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, KendaraanPribadi,
Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
B
Std. Error
(Constant)
2.093
.389
Pendapatan
.229
.059
.370
3.897 .000
-.076
.131
-.054
-.576 .566
.312
.121
.232
2.574 .011
1 Kendaraan Pribadi
Keluarga Sekolah dan
Beta
5.382 .000
Kuliah
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,093 + 0,229 X3 - 0,076 X2+ 0,312 X5
Dengan nilai korelasi R = 0,473 dan determinasi R2 = 0,224
51
Universitas Sumatera Utara
Dengan tiga variabel (X3 - X4 - X5)
Model Summary
Model
R
R Square Adjusted R Square
.486a
1
.236
Std. Error of the Estimate
.214
1.446
a. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Keluarga Bekerja,
Pendapatan
ANOVAa
Model
1
Sum of Squares
Df
Mean Square
F
Sig.
Regression
68.468
3
22.823
10.911
.000b
Residual
221.723
106
2.092
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Keluarga Sekolahdan Kuliah, Keluarga Bekerja,
Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
t
Sig.
5.310
.000
B
Std. Error
(Constant)
2.428
.457
Pendapatan
.212
.055
.343
3.852
.000
-.205
.144
-.124
-1.424
.157
.274
.121
.204
2.268
.025
1 KeluargaBekerja
Keluarga Sekolah dan
Beta
Kuliah
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,428 + 0,212 X3- 0,205 X4 + 0,274 X5
Dengan nilai korelasi R = 0,486 dan determinasi R2 = 0,236
52
Universitas Sumatera Utara
Dengan empat variabel (X3– X1– X2– X4)
Model Summary
Model
1
R
R Square
Adjusted R Square
Std. Error of the Estimate
.451a
.203
.173
1.484
a. Predictors: (Constant), Keluarga Bekerja, Pendapatan, Kendaraan Pribadi,
Anggota Keluarga
ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
58.917
4
14.729
6.687
.000b
1 Residual
231.274
105
2.203
Total
290.191
109
Regression
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Keluarga Bekerja, Pendapatan, Kendaraan Pribadi,
Anggota Keluarga
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
2.488
.558
Pendapatan
.250
.060
1 AnggotaKeluarga
.073
KendaraanPribadi
KeluargaBekerja
t
Sig.
Beta
4.460
.000
.404
4.132
.000
.101
.076
.722
.472
.010
.138
.007
.069
.945
-.329
.174
-.198 -1.897
.061
a. Dependent Variable : Perjalanan
Persamaan yang terbentuk adalah
Y = 2,488 + 0,250 X3 + 0,073 X1+ 0,010 X2- 0,329 X4
Dengan nilai korelasi R = 0,451 dan determinasi R2 = 0,203
53
Universitas Sumatera Utara
Dengan empat variabel (X3 – X1 – X2 - X5)
Model Summary
Model
1
R
R Square
Adjusted R Square
Std. Error of the Estimate
.481a
.232
.202
1.457
a. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Kendaraan Pribadi,
Anggota Keluarga, Pendapatan
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
67.205
4
16.801
7.911
.000b
Residual
222.986
105
2.124
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Kendaraan Pribadi,
Anggota Keluarga, Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1
Std. Error
(Constant)
2.489
.545
Pendapatan
.208
.062
Anggota Keluarga
-.093
Kendaraan Pribadi
Keluarga Sekolah dan Kuliah
t
Sig.
Beta
4.566
.000
.337
3.358
.001
.090
-.097
-1.035
.303
-.045
.135
-.032
-.334
.739
.349
.126
.260
2.763
.007
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah
Y = 2,489 + 0,208X3- 0,093X1 - 0,045X2+ 0,349X5
Dengan nilai korelasi R = 0,481 dan determinasi R2 = 0,232
54
Universitas Sumatera Utara
Dengan empat variabel (X3 – X2 - X4 - X5)
Model Summary
Model
R
R Square Adjusted R Square
.486a
1
.236
Std. Error of the Estimate
.207
1.453
a. Predictors: (Constant), KeluargaSekolahdanKuliah, KeluargaBekerja,
Pendapatan, KendaraanPribadi
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
68.553
4
17.138
8.119
.000b
Residual
221.638
105
2.111
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, KeluargaBekerja,
Pendapatan, KendaraanPribadi
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
5.169
.000
B
Std. Error
Beta
(Constant)
2.451
.474
Pendapatan
.216
.059
.350
3.644
.000
1 KendaraanPribadi
-.027
.136
-.019
-.201
.841
KeluargaBekerja
-.197
.151
-.119
-1.310
.193
KeluargaSekolahdanKuliah
.279
.123
.207
2.260
.026
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah
Y = 2,451 + 0,216 X3 - 0,027 X2 - 0,197 X4 + 0,279 X5
Dengan nilai korelasi R = 0,486 dan determinasi R2 = 0,236
55
Universitas Sumatera Utara
Dengan lima variabel (X3 – X1 – X2 - X4 - X5)
Model Summary
Model
R
R Square
Adjusted R
Std. Error of the Estimate
Square
.487a
1
.237
.200
1.459
a. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Keluarga
Bekerja, Pendapatan, Kendaraan Pribadi, Anggota Keluarga
ANOVAa
Model
Sum of
df
Mean Square
F
Sig.
68.777
5
13.755
6.461
.000b
1 Residual
221.414
104
2.129
Total
290.191
109
Squares
Regression
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Keluarga
Bekerja, Pendapatan, Kendaraan Pribadi, Anggota Keluarga
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
2.540
.549
Pendapatan
.211
.062
-.036
AnggotaKeluarga
1 Kendaraan Pribadi
Keluarga Bekerja
Keluarga Sekolah dan
t
Sig.
Beta
4.626
.000
.341
3.387
.001
.112
-.038
-.324
.746
-.024
.137
-.017
-.176
.860
-.161
.188
-.097
-.859
.392
.299
.139
.223
2.152
.034
Kuliah
a. Dependent Variable: Perjalanan
56
Universitas Sumatera Utara
Persamaan yang terbentuk adalah
Y = 2,540 + 0,211 X3- 0,036 X1 - 0,024 X2- 0,161 X4 + 0,299 X5
Dengan nilai korelasi R = 0,487 dan determinasi R2 = 0,237
Dari hasil regresi diperoleh beberapa model pergerakan yang signifikan yaitu:
Tabel 4.11.Persamaan Regresi, R dan R2
No.
Model regesi linear berganda
R
R2
1
Y = 2,183+ 0,258 X3
0,418
0,175
2
Y = 2,318 + 0,255 X3– 0,027 X1
0,419
0,175
3
Y = 2,242 + 0,264X3 + 0,036 X2
0,419
0,175
4
Y = 2,728 + 0,246 X3- 0,261 X4
0,446
0,199
5
Y = 1,978 + 0,218 X3 + 0,303 X5
0,470
0,221
6
Y = 2,341 + 0,260 X3- 0,022 X1 - 0,028 X2
0,419
0,176
7
Y = 2,495 + 0,252 X3 + 0,074 X1 - 0,327 X4
0,451
0,203
8
Y = 2,452 + 0,200 X3- 0,100 X1+ 0,347 X5
0,480
0,231
9
Y = 2,704 + 0,242 X3+ 0,023X2- 0,267 X4
0,446
0,199
10
Y = 2,093 + 0,229 X3 - 0,076 X2+ 0,312 X5
0,473
0,224
11
Y = 2,428 + 0,212 X3- 0,205 X4 + 0,274 X5
0,486
0,236
12
Y = 2,488 + 0,250 X3 + 0,073 X1+ 0,010 X2- 0,329 X4
0,451
0,203
13
Y = 2,489 + 0,208 X3- 0,093 X1 - 0,045 X2+ 0,349 X5
0,481
0,232
14
Y = 2,451 + 0,216 X3 - 0,027 X2 - 0,197 X4 + 0,279 X5
0,486
0,236
15
Y = 2,540 + 0,211 X3- 0,036 X1 - 0,024 X2- 0,161 X4 +
0,487
0,237
0,299 X5
57
Universitas Sumatera Utara
4.4. Uji Determinasi
Uji determinasi ini dilakukan untuk mengetahui hubungan linier antara 2
(dua) variabel yang kita asumsikan memiliki keterkaitan atau keterhubungan yang
kuat, apakah kuat atau tidak. Kalau hubungan variabel terikat y dengan variabel
bebas X ternyata tidak memiliki keterkaitan yang kuat (lemah).
Koefisien determinasi sederhana (r2) merupakan nilai yang dipergunakan
untuk mengukur besar kecilnya sumbangan/konstribusi perubahan variabel bebas
terhadap perubahan variabel terikat yang diamati, yang secara manual dapat
ditentukan hanya dengan mengkuadratkan nilai r yang sudah kita dapatkan dari
formulasi diatas. Nilai r akan berkisar antara -1 sampai dengan +1 (-1 < r < +1),
tergantung kekuatan hubungan linear kedua variabel. Dari variabel-variabel yang
telah diolah dengan program SPSS melalui analisis regresi linear maka di
dapatkan beberapa model yang menghubungkan antara perjalanan dengan
beberapa variabel bebas.Setiap model tersebut mempunyai nilai R Square atau
Koefisien Determinasi atau R2 dapat dilihat pada hasil pengolahan data yang
terlampir pada tabel 4.11 di atas. Dari tabulasi tersebut dapat dilihat model yang
sesuai dengan uji determinasi adalah model yang menghubungkan antara jumlah
perjalanan (Y) dengan jumlah anggota keluarga (X1), Kepemilikan Kendaraan
Pribadi (X2), Pendapatan (X3), Bekerja (X4), dan Pendidikan (X5), memiliki nilai
koefisien determinasi yang paling besar yaitu:
Y = 2,540 + 0,211 X3- 0,036 X1 - 0,024 X2- 0,161 X4 + 0,299 X5
yang mempunyai nilai koefisien determinasi atau R2 adalah sebesar 0,237 atau
23,7%. Ini menunjukkan bahwa sebesar 23,7% variasi variabel perjalan (Y) dapat
58
Universitas Sumatera Utara
dijelaskan oleh variabel independent jumlah anggota keluarga (X1), Kepemilikan
Kendaraan Pribadi (X2), Pendapatan (X3), Bekerja (X4), dan Pendidikan (X5).
4.5. 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:
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
t
Sig.
4.626
.000
B
Std. Error
Beta
(Constant)
2.540
.549
Pendapatan
.211
.062
.341
3.387
.001
Anggota Keluarga
-.036
.112
-.038
-.324
.746
Kendaraan Pribadi
-.024
.137
-.017
-.176
.860
Keluarga Bekerja
-.161
.188
-.097
-.859
.392
Keluarga Sekolah dan
.299
.139
.223
2.152
.034
Kuliah
a. Dependent Variable: Perjalanan
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : secara parsial tidak ada pengaruh signifikan antara variabel bebas
(variabel jumlah anggota keluarga, kepemilikan kendaraan pribadi,
59
Universitas Sumatera Utara
penghasilan, bekerja, dan pendidikan) dengan variabel terikat (variabel
jumlah perjalanan)
Ha : secara parsial ada pengaruh signifikan antara variabel bebas (variabel
jumlah anggota keluarga, kepemilikan kendaraan pribadi, penghasilan,
bekerja, dan pendidikan) dengan variabel terikat (variabel jumlah
perjalanan)
2. Menentukan tingkat signifikasi.
Tingkat signifikasi yang dipakai adalah a = 5% atau kepercayaan 95%.
3. Mencari nilai t hitung
Dari tabel diperoleh
thitung untuk variabel jumlah pendapatan thitung =
3,387, variabel anggota keluargathitung =-0,324,
pribadit
hitung
variabel kendaraan
= -0,176, variabel keluarga bekerja thitung = -0,859, dan
variabel keluarga sekolah dan kuliah t hitung untuk = 2,152.
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 = 82 – 5
– 1 = 76) maka diperoleh nilai untuk t tabel = 1,99254 (lihat pada lampiran)
atau dapat dicari pada Ms. Excel dengan cara cell kosong di ketik =tinv
(0,05; 116) 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
6. Membandingkan t hitung dengan t tabel dan kesimpulan
60
Universitas Sumatera Utara
Nilai t hitung untuk variabel jumlah anggota keluarga X1 = 0,324<
dari t tabel 0,05 = 1,99254. Jadi Ho diterima, sebaliknya Ha ditolak.
Secara parsial tidak ada pengaruh yang signifikan antara jumlah
anggota keluarga dengan jumlah perjalanan.
Nilai t hitung untuk variabel kepemilikan kendaraan pribadi X2 =
0,176 > dari t tabel 0,05 = 1,99254. Jadi Ho diterima, sebaliknya Ha
ditolak. Secara parsial tidak ada pengaruh yang signifikan antara
jumlah anggota keluarga dengan jumlah perjalanan.
Nilai t hitung untuk variabel penghasilan X3= 3,387 > dari t tabel 0,05
= 1,99254. Jadi Ho ditolak, sebaliknya Ha diterima. Secara parsial
ada pengaruh yang signifikan antara jumlah anggota keluarga dengan
jumlah perjalanan.
Nilai t hitung untuk variabel bekerja X4= 0,859 < dari t tabel 0,05 =
1,99254. Jadi Ho diterima sebaliknya Ha ditolak. Secara parsial tidak
ada pengaruh yang signifikan antara jumlah anggota keluarga dengan
jumlah perjalanan.
Nilai t hitung untuk variabel pendidikan X5 = 2,152 > dari t tabel 0,05
= 1,99254. Jadi Ho ditolak sebaliknya Ha diterima. Secara parsial ada
pengaruh yang signifikan antara jumlah anggota keluarga dengan
jumlah perjalanan.
4.6. Uji F
Uji ini digunakan untuk mengetahui apakah variabel bebas (X1, X2,….Xn)
secara bersama-sama berpengaruh secara signifikan terhadap variabel terikat (Y).
61
Universitas Sumatera Utara
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 sampel yang
diambil adalah 82 keluarga.Jadi apakah pengaruh yang terjadi pada kesimpulan
yang didapat berlaku untuk populasi.
Dari hasil output analisa regresi linier dapat diketahui nilai F = 6,461
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
68.777
5
13.755
6.461
.000b
Residual
221.414
104
2.129
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, KeluargaBekerja,
Pendapatan, KendaraanPribadi, AnggotaKeluarga
Langkah-langkah pengujian sebagai berikut:
1. Merumuskan hipotesis
Ho :
tidak ada pengaruh secara signifikan antara jumlah anggota
keluarga, kepemilikan kendaraan pribadi, penghasilan, bekerja, dan
pendidikan secara bersama-sama terhadap jumlah perjalanan.
Ha :
ada pengaruh secara signifikan antara jumlah anggota keluarga,
kepemilikan
kendaraan
pribadi,
penghasilan,
bekerja,
dan
pendidikan secara bersama-sama terhadap jumlah perjalanan.
2. Menentukan tingkat signifikasi
Tingkat signifikasi a = 5% atau tingkat kepercayaan 95%
62
Universitas Sumatera Utara
3. Mementukan F hitung
Berdasarkan tabel diperoleh nilai F hitung sebesar 6,461.
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= 5+1-1= 5 serta df2 = 82 – 5 – 1=
76 maka diperoleh F tabel = 2,33.
5. Kriteria pengujian
Ho diterima bila F hitung < F tabel
Ho ditolak bila F hitung > F tabel
6. Membandingkan F hitung dengan F tabel dan kesimpulan
F hitung > F tabel yaitu 6,461>2,33 maka Ho ditolak. Artinya ada
pengaruh secara signifikan antara jumlah anggota keluarga, kepemilikan
kendaraan pribadi, penghasilan, bekerja, dan pendidikan secara bersamasama terhadap jumlah perjalanan.
4.7. Uji Validitas
Validitas adalah ketepatan atau kecermatan suatu instrumen dalam
mengukur apa yang ingin dukur. Dalam pengujian instrumen pengumpulan data,
validitas bisa dibedakan menjadi validitas faktor dan validitas item. Validitas
faktor diukur bila item yang disusun menggunakan lebih dari satu faktor (antara
faktor satu denganyang lain ada kesamaan). Pada program SPSS teknik pengujian
63
Universitas Sumatera Utara
yang sering digunakan para peneliti untuk uji validitas adalah Corrected ItemTotal Correlation.
A.
Corrected Item-Total Correlation
Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan
skor total dan melakukan koreksi terhadap nilai koefisien korelasi yang
overestimasi. Hal ini dikarenakan agar tidak terjadi koefisien item total yang
overestimasi (estimasi nilai yang lebih tinggi dari yang sebenarnya). Atau dengan
cara lain, analisis ini menghitung korelasi tiap item dengan skor total (teknik
bivariate pearson), tetapi skor total disini tidak termasuk skor item yang akan
dihitung. Perhitungan teknik ini cocok digunakan pada skala yang menggunakan
item pertanyaan yang sedikit, karena pada item yang jumlahnya banyak
penggunaan korelasi bivariate (tanpa koreksi) efek overestimasi yang dihasilkan
tidak terlalu besar, agar kita memperoleh informasi yang lebih akurat mengenai
korelasi antara item dengan tes diperlukan suatu rumusan koreksi terhadap efek
spurious overlap. Pengujian menggunakan uji dua sisi dengan taraf signifikansi
0,05. Kriteria pengujian adalah sebagai berikut:
Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau
item-item
pertanyaan
berkorelasi
signifikan
terhadap
skor
total
(dinyatakan valid).
Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau
item-item pertanyaan tidak berkorelasi signifikan terhadap skor total
(dinyatakan tidak valid).
64
Universitas Sumatera Utara
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Buka data view pada SPSS data editor
Ketikkan data sesuai dengan variabelnya,
Klik Analyze - Scale – Reliability Analysis
Klik semua variabel dan masukkan ke kotak items
Klik Statistics, pada Descriptives for klik scale if item deleted
Klik continue, kemudian klik OK, hasil output akan di dapat
Sumber:(http://duwiconsultant.blogspot.com/2011/11/uji-validitas kuisioner.html)
Pada persamaan yang telah lulus tiga pengujian sebelumnya, maka akan di
uji menggunakan uji validasi .hasil output SPSSnya adalah sebagai berikut:
Item-Total Statistics
Scale Mean if
Scale
Corrected
Cronbach's
Item Deleted
Variance if
Item-Total
Alpha if Item
Item Deleted
Correlation
Deleted
Perjalanan
13,9208
17,903
,390
,600
Keluarga
15,3875
22,977
,597
,484
Kendaraan
17,8458
27,424
,444
,562
Penghasilan
15,6083
23,854
,322
,591
Bekerja
18,2125
29,116
,409
,583
Pendidikan
18,5042
29,082
,202
,623
Pribadi
65
Universitas Sumatera Utara
Dari output di atas bisa dilihat pada Corrected Item – Total Correlation,
inilah nilai korelasi yang didapat. Nilai ini kemudian kita bandingkan dengan nilai
r tabel, r tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) =
82, maka didapat r tabel sebesar 0,222794. Rumus mencari r table : =t
table/SQRT(df+t table^2)
Dari hasil analisis dapat dilihat bahwa semua variabel melebihi angka dari
0,222794. Maka dapat disimpulkan bahwa variabel tersebut dinyatakan valid.
Maka persamaan Y = 2,540 + 0,211 X3 - 0,036 X1 - 0,024 X2- 0,161 X4 + 0,299
X5 dinyatakan Valid.
4.8. Uji Linearitas
Uji linearitas bertujuan untuk mengetahui apakah dua variabel atau lebih
mempunyai hubungan yang linear atau tidak secara signifikan.Uji ini biasanya
digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear. Pengujian
pada SPSS dengan menggunakan Test for Linearity dengan pada taraf signifikansi
0,05. Dua variabel dikatakan mempunyai hubungan yang linear bila signifikansi
(Linearity) kurang dari 0,05.
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y
Buka data view pada SPSS data editor
Klik Analyze - Compare Means - Means
Klik variabel X dan masukkan ke kotak Dependent List, kemudian klik
variabel Y dan masukkan ke Independent List.
66
Universitas Sumatera Utara
Klik Options, pada Statistics for First Layer klik Test for Linearity,
kemudian klik Continue
Klik OK, maka hasil output yang didapat pada kolom Anova Table
Sumber: (http://duwiconsultant.blogspot.com/2011/11/uji-linieritas.html)
ANOVA Table
Sum of
df
Squares
(Combined)
Mean
F
Sig.
Square
106.447
7
15.207
91.605
1
91.605 13.505 .000
14.841
6
2.474
Within Groups
501.938 74
6.783
Total
608.385 81
Between Linearity
Pendapatan * Groups
Deviation from
Perjalanan
Linearity
2.242 .040
.365 .899
Dari output di atas dapat diketahui bahwa nilai signifikansi pada Linearity
sebesar 0,00. Karena signifikansi kurang dari 0,05 maka dapat disimpulkan bahwa
antara variabel X1, X2, X3, X4, X5 dan Y terdapat hubungan yang linear. Maka
persamaan Y = 2,540 + 0,211 X3- 0,036 X1 - 0,024 X2- 0,161 X4 + 0,299 X5
dinyatakan Linear.
4.9. Analisa Kategori
Setelah dilakukan penelitian pada Perumahan Pemerintah Daerah Tingkat I
Medan maka diperoleh data dan informasi serta variabel yang ditetapkan seperti
67
Universitas Sumatera Utara
jumlah anggota keluarga (X1), jumlah kepemilikan kendaraan pribadi (X2), jumlah
pendapatan rata-rata perbulan (X3), jumlah anggota keluarga bekerja (X4), jumlah
anggota keluarga yang sekolah dan kuliah (X5)di bagi dalam tiga kelas (kategori).
Pembagian lima variabel tersebut adalah sebagai berikut:
Tabel 4.12Pembagian Kelas Analisa Kategori
Kelas 1
No.
Kelas 2
Kelas 3
Variabel
(Rendah) (Sedang)
(Tinggi)
1-3 orang
4-7 orang
≥ 8 orang
0-1 buah
2-3 buah
≥ 4 buah
1
Jumlah Anggota Keluarga
2
Jumlah
Pribadi
3
Tingkat penghasilan/ bulan
< Rp. 2jt
Rp.2jt-5jt
> Rp.5jt
4
Anggota keluarga yang bekerja
0-1 orang
2-3 orang
≥ 4 orang
5
Anggota Keluarga yang Sekolah dan
0-1 orang
Kuliah
2-3 orang
≥ 4 orang
Kepemilikan
Kendaraan
Dengan telah disusunnya kelas variabel penyebab jumlah perjalanan
seperti yang tertera diatas, maka jumlah kategori rumah tangga di Perumahan
Pemerintah Daerah Tingkat I Medan yang diteliti dapat ditentukan dengan cara
mengalikan jumlah kelas masing-masing variabel sebanyak 5 variabel ialah 3 x 3
x 3 x 3 x 3 = 243 Kategori di Perumahan Pemerintah Daerah Tingkat I Medan.
Dari jumlah sampel yang diteliti 82 keluarga, maka didapat data-data seperti pada
Tabel berikut:
68
Universitas Sumatera Utara
Tabel 4.13.Analisa Kategori
No.
Kategori
Jumlah
Anggota
Keluarga
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
RRSRR
RRSSR
RRTRR
RRTSR
RSSRR
RSSRS
RSSSR
RSTRR
RTSRR
SRRRR
SRRRS
SRSRR
SRSRS
SRSRT
SRSSR
SRSSS
SRSST
SRTSR
SSSRR
SSSRS
SSSSR
SSSSS
SSSST
SSSTR
SSTRR
SSTRS
SSTSR
SSTSS
SSTST
STTSR
STTST
STTTR
TRTSR
TSSSS
TSSST
TSTRR
TTSTS
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
≥ 8 orang
≥ 8 orang
≥ 8 orang
≥ 8 orang
≥ 8 orang
Kepemilikan
Kendaraan Penghasilan
Pribadi
0-1 buah
0-1 buah
0-1 buah
0-1 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
≥ 4 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
≥ 4 buah
≥ 4 buah
≥ 4 buah
0-1 buah
2-3 buah
2-3 buah
2-3 buah
≥ 4 buah
Rp.2jt-5jt
Rp.2jt-5jt
> Rp.8jt
> Rp. 5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
> Rp. 5jt
Rp.2jt-5jt
< Rp. 2jt
< Rp. 2jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
> Rp. 5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Bekerja
Pendidikan
Jumlah
Rumah
Tangga
Rata-Rata
Perjalanan
Jumlah
Perjalanan
0-1 orang
2-3 orang
0-1 orang
2-3 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
2-3 orang
2-3 orang
2-3 orang
2-3 orang
0-1 orang
0-1 orang
2-3 orang
2-3 orang
2-3 orang
≥ 4 orang
0-1 orang
0-1 orang
2-3 orang
2-3 orang
2-3 orang
2-3 orang
2-3 orang
≥ 4 orang
2-3 orang
2-3 orang
2-3 orang
0-1 orang
≥ 4 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
≥ 4 orang
0-1 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
2-3 orang
3
2
1
1
4
2
2
1
1
1
2
7
7
1
3
5
1
1
2
5
5
2
1
1
1
1
5
4
2
1
1
1
1
1
1
1
1
2.67
4.50
4.00
2.00
3.00
3.50
4.50
3.00
2.00
3.00
7.00
4.00
3.14
3.00
3.67
4.00
6.00
5.00
5.50
3.20
2.60
3.00
9.00
2.00
3.00
3.00
3.40
2.75
5.00
2.00
2.00
3.00
5.00
4.00
6.00
6.00
7.00
8
9
4
2
12
7
9
3
2
3
14
28
22
3
11
20
6
5
11
16
13
6
9
2
3
3
17
11
10
2
2
3
5
4
6
6
7
Rata-rata Perjalanan/hari : 3,71
69
Universitas Sumatera Utara
4.10. Perbandingan Analisis Regresi Linier dengan Analisis Kategori
Dari hasil analisa model regresi lineardan pengujian model, didapat model
persamaan perjalanan keluarga Perum
METODOLOGI PENELITIAN
3.1.
Lokasi Penelitian
Lokasi penelitian adalah Perumahan Pemerintah Daerah (PEMDA)
Tingkat I Medan.
Gambar 3.1. Peta Kecamatan Medan Selayang
24
Universitas Sumatera Utara
Gambar 3.2. Peta Lokasi Perumahan PEMDA Tingkat I Medan
25
Universitas Sumatera Utara
3.2.
Cara Pengambilan dan Ukuran Sampel
Pengambilan sampel adalah mendapatkan sampel dengan jumlah relatif
kecil dibandingkan dengan jumlah populasi tetapi mampu mempresentasikan
seluruh populasi tersebut. Untuk itu sangat penting menentukan cara yang tepat
dalam
menarik
sampel
yang
dimaksud
agar
benar-benar
mampu
mempresentasikan kondisi seluruh populasi. Teknik penarikan sampel yang
dipergunakan adalah sampel acak sederhana.
3.3.
Tahap Persiapan Penelitian
Pada tahap ini disiapkan peralatan yang diperlukan meliputi :
1.
Alat tulis dan kuesioner. Kuesioner berisi tentang pertanyaan dan data
yang harus diisi oleh responden.
2.
Dalam melakukan penelitian ini dibutuhkan beberapa surveyor yang
terdiri dari 4 orang yaitu 2 orang untuk menyebarkan kuesioner, dan 2
lagi untuk dokumentasi.
3.4.
Tahap Pengumpulan Data
Pengumpulan data pada penelitian ini dilakukan dengan survey maupun
dengan mengutip langsung dari laporan/penelitian yang sudah pernah dilakukan.
Data-data yang diperlukan untuk analisa lebih lanjut antara lain:
1.
Data Primer
Pengumpulan data primer dilakukan yaitu dengan penyebaran kuesioner
(kuesioner penelitian dicantumkan pada lampiran 1) atau dengan wawancara di
kawasan perumahan yang menjadi objek penelitian secara random.Wawancara
26
Universitas Sumatera Utara
dilakukan dengan maksud untuk mendapatkan informasi langsungperihal daftar
pertanyaan yang terdapat pada lembar kuesioner. Dimana 1orang responden
mewakili satu keluarga yang tinggal pada 1 unit rumah.Responden dengan
dibantu petugas survey mengisi lembar kuesioner.
Data primer terdiri dari: jumlah pergerakan perhari, jumlah anggota
keluarga,
jumlah
kendaraan
roda
2(dua)
dan
roda
4
(empat),
jumlahpendapatan,jumlah anggota keluarga yang bekerja serta jumlah anggota
keluarga sekolahdan kuliah.
Data kuisioner yang digunakan dalam melakukan home interview dibuat
sedemikian rupa sehingga mempermudah pewawancara dalam melakukan
pendataan dan mempermudah tiap anggota keluarga dalam mengisinya dan juga
memudahkanpengisian tabel data perjalanan dan informasi keluarga yang dibuat.
Data yang dibuat terdiri dari :
a.
Data yang berhubungan dengan informasi pelaku perjalanan bangkitan
yang terdiri atas : Nama, Umur, Pendidikan terakhir, Alamat.
b.
Data keluarga yang berisikan informasi keluarga, terdiri dari :
1. Jumlah anggota keluarga (orang)
2. Jumlah kepemilikan kenderaan pribadi (unit)
3. Jumlah pendapatan (rupiah)
4. Jumlah anggota keluarga bekerja (orang)
5. Jumlah anggota keluarga yang sekolah dan kuliah (orang)
Untuk
menghindari
penafsiran
ganda
terhadap
variabel-variabel
yangdigunakan maka perlu dilakukan pendefinisian variable sebagai berikut:
27
Universitas Sumatera Utara
a.
Bangkitan pergerakan (Y) adalah jumlah pergerakan perhari yang dihasilkan
oleh masyarakat Perumahan Pemerintah Daerah (PEMDA) TK I Medan.
b.
Variabel yang mempengaruhi bangkitan pergerakan yaitu:
X1= jumlah anggota keluarga (orang),
X2 =jumlah kepemilikan kenderaan pribadi(unit),
X3 = jumlah pendapatan (rupiah),
X4 = jumlah anggota keluarga bekerja (orang),
X5 = jumlah anggota keluarga yang sekolah dan kuliah(orang).
Variabel bebas ialah jumlah anggota keluarga (X1), jumlah kepemilikan
kendaraan (mobil) (X2), jumlah kepemilikan kendaraan (motor) (X3), jumlah
anggota keluarga yang bekerja (X4), jumlah anggota keluarga yang bersekolah
(X5), jumlah pendapatan rata-rata keluarga (X6). Dimana nilai persamaan yang
diperoleh ialah
Y= -0,400+0,201X1+0,161X2+0,135X3+0,388X4+0,534X5
Hasil koefisien diatas jumlah kepemilikan kendaraan (mobil) (X2), jumlah
kepemilikan kendaraan (motor) (X3) sangat rendah, sehingga dalam penulisan ini
digabungkan menjadi jumlah kepemilikan kendaraan pribadi (mobil dan motor)
(X2) untuk memperbesar koefisien.
2.
Data sekunder
Data sekunder yang meliputi jumlah kepala keluarga perumahan PEMDA
TK I.
28
Universitas Sumatera Utara
3.5.
Tahap Pengolahan Data
Adapun tahap pengolahan data dilakukan dengan metode analisa regresi linier
berganda (Multiple Linear Regression Analysis) dengan bantuan program SPSS.
3.6.
Tahap Analisa data
Analisa data hasil surveydilakukan dengan metode analisa regresi linier
berganda (Multiple Linear Regression Analysis)dengan bantuan program SPSS.
29
Universitas Sumatera Utara
3.7.
Tahapan Penelitian / Bagan Alir
Tujuan Penelitian
Mengidentifikasikan faktor-faktor yang mempengaruhibangkitan pergerakan pada
perumahan PEMDA TK I Medan.
Memperoleh jumlah bangkitan perjalanan pada perumhan PEMDA TK I Medan.
Studi Literatur
Pada tahapan ini peneliti melakukan apa yang disebut dengan kajian pustaka, yaitu
mempelajari buku-buku referensi (mengumpulkan bahan bacaan) dan hasil penelitian
sejenis sebelumnya yang sudah pernah dilakukan oleh orang lain.
Pengumpulan Data
Data Sekunder:
Data Primer:
Jumlah anggota keluarga (orang)
Jumlah kepemilikan kenderaan pribadi
(buah)
Jumlah pendapatan (rupiah)
Jumlah anggota keluarga yang bekerja
(orang)
Jumlah anggota keluarga yang bersekolah
dan kuliah (orang)
Jumlah perjalanan dalam sehari
Jumlah kepala keluargaperumahan
PEMDA TK I Medan
Output dan Hasil:
Menghitung jumlah bangkitan perjalanan dari data diperoleh dengan menggunakan
metode analisa regresi linear berganda dan metode analisis kategori.
Memperoleh hasil bangkitan dalam bentuk persamaan Y = a + b1 X1 + b2 X2 + B3 X3.
Pengujian:
Hubungan antara variabel independent dan variabel independent (koefisien korelasi)
Uji Hubungan linier antara 2 variabel yang memiliki keterhubungan yang kuat (koefisien
determinasi/R2)
Variabel dependen (jumlah perjalanan) ; variabel independent (pendapatan, jumlah
keluarga, kendaraan pribadi, bekerja, dan pendidikan).
Uji pengaruh variabel independensecara keseluruhan terhadap variabel dependen (uji F)
jumlah kuadrat regresi, jumlah kuadrat dari kesalahan (error), koefisien regresi.
Uji pengaruh masing-masing variabel independen terhadap variabel dependen (uji T)
Koefisien regresi variabel bebas, hipotesis nol, simpangan baku.
Uji ketepatan suatu instrumen dalam mengukur data (uji validasi)
Uji hubungan linier antara 2 variabel atau lebih (uji linearitas)
Kesimpulan dan Saran
Gambar 3.3. Tahapan Peneliian / Bagan Alir
30
Universitas Sumatera Utara
BAB IV
HASIL DAN PEMBAHASAN
4.1. HASIL
Data produksi perjalanan pada survey pendahuluan yang diperoleh akan
digunakan sebagai dasar untuk menentukan jumlah sampel, dapat dilihat pada
tabel berikut ini:
Tabel 4.1
Data Sampel Sementara Untuk Pengambilan Sampel yang Sebenarnya
Perjalanan
No.
Perjalanan
No.
(Y)
Perjalanan
No.
(Y)
(Y)
1
2
11
3
21
4
2
3
12
2
22
2
3
3
13
5
23
3
4
3
14
3
24
2
5
2
15
3
25
2
6
2
16
3
26
3
7
2
17
2
27
3
8
3
18
2
28
4
9
2
19
3
29
3
10
2
20
3
30
3
Σ
24
29
29
Jumlah Total = 82
Sumber : Hasil Pengamatan
31
Universitas Sumatera Utara
Tabel 4.2
Deskripsi Statistik Data Sampel Untuk Uji Kecukupan Data
Produksi Perjalanan/Keluarga/hari
N
Minimum
Maksimum
Mean
Std. Deviasi
30
2
5
2,85
0.74
Sumber : Hasil Pengamatan
Uji kecukupan data dimaksud untuk memastikan bahwa data yang diambil
adalah data yang akurat dan jumlah sampel yang diambil dapat mewakili populasi
yang ada. Spesifikasi tingkat kepercayaan 95% kemungkinan sampling error tidak
lebih dari 5% dari sampel mean. Untuk convident level (z) 95% dari tabel statistik
diperoleh angka 1.96 dari standart error. Agar error yang diterima tidak lebih dari
5% maka jumlah sampel data harus dicari dengan perhitungan sebagai berikut:
Sampling Error (Se) yang dapat diterima
= 0.05 × rata-rata produksi perjalanan
= 0.05 × 2.85
= 0.143 Perjalanan/hari
Maka, Se(x)
= Se/z
= 0.143/1.96
= 0.073
Besarnya jumlah sampel:
n’ =
n =
[
]
, untuk populasi yang tidak terbatas
, untuk populasi yang terbatas
32
Universitas Sumatera Utara
Maka, n’ =
[
0,664 2
0,0732
]
n’
=
n’
= 82,73 = 83
n
=
n
= 82,109 = 82
(untuk data yang tidak terbatas)
83
83
1 (
)
7653
(untuk data terbatas)
Dari hasil perhitungan di atas dapat diambil kesimpulan bahwa jumlah data
sampel yang harus dipenuhi adalah 82 sampel.
4.2. Karakteristik Responden
4.2.1. Jumlah Anggota Keluarga
Dari hasil kuisoner diperoleh data jumlah anggota keluarga ialah:
Tabel 4.3.Jumlah Anggota Keluarga
Jumlah Anggota Keluarga
1 - 3 Orang
4 - 7 Orang
≥ 8 Orang
30,9%
64,5%
4,5%
Jumlah Anggota Keluarga
4.5
1-3 orang
30.9
4-7 orang
64.5
≥ 8 orang
Grafik 4.1. Jumlah Anggota Keluarga
33
Universitas Sumatera Utara
4.2.2. Jumlah Anggota Keluarga yang Bekerja
Dari hasil kuisoner diperoleh data jumlah anggota keluarga yang Bekerja
ialah:
Tabel 4.4. Jumlah Anggota Keluarga yang Bekerja
Jumlah Anggota Keluarga yang Bekerja
0 - 1 Orang
2 - 3 Orang
≥ 4 Orang
37,3%
59,1%
3,6%
Anggota Keluarga Yang Bekerja
3.6
37.3
0-1 orang
2-3 orang
59.1
≥ 4 orang
Grafik 4.2. Jumlah Anggota Keluarga Bekerja
4.2.3. Jumlah Anggota Keluarga yang Bersekolah dan Kuliah
Dari hasil kuisoner diperoleh data jumlah anggota keluarga yang
Bersekolah dan Kuliah ialah:
Tabel 4.5. Jumlah Anggota Keluarga yang Bersekolah dan Kuliah
Jumlah Anggota Keluarga yang Bersekolah dan Kuliah
0 - 1 Orang
2 - 3 Orang
≥ 4 Orang
54,5%
37,3%
8,2%
34
Universitas Sumatera Utara
Anggota Keluarga yang
Sekolah dan Kuliah
8.2
0-1 orang
37.3
54.5
2-3 orang
≥ 4 orang
Grafik 4.3. Anggota Keluarga Bersekolah dan Kuliah
4.2.4. Pendapatan Rata-rata Keluarga
Dari hasil kuisoner diperoleh data pendapatan rata-rata keluarga ialah:
Tabel 4.6. Pendapatan Rata-rata Keluarga
Jumlah Pendapatan
< Rp. 2 Juta
Rp. 2 Juta - 5 Juta
10,0%
78,2%
> 5 Juta
11,8%
Jumlah Pendapatan
10.0
11.8
< Rp. 3jt
Rp.3jt-8jt
78.2
> Rp.8jt
Grafik 4.4.Pendapatan Rata-rata Keluarga
35
Universitas Sumatera Utara
4.2.5. Jumlah Kepemilikan Kendaraan Pribadi
Dari hasil kuisoner diperoleh jumlah kepemilikan kendaraan pribadi ialah:
Tabel 4.7. Jumlah Kepemilkan Kendaraan Pribadi
Jumlah Kepemilikan Kendaraan Pribadi
0 - 1 buah
2 - 3 buah
14,5%
69,1%
≥ 4 buah
16,4%
Jumlah Kepemilikan
Kendaraan Pribadi
16.4
14.5
0-1 buah
2-3 buah
69.1
≥ 4 buah
Grafik 4.5.Kepemilikan Kendaraan Pribadi
4.3. Proses Pengolahan Data
Dari data yang diperoleh melalui kuesioner model formulasi produksi
perjalanan menggunakan formula Multiple Regression dengan bantuan software
SPSS 21.
36
Universitas Sumatera Utara
4.3.1. Analisa Korelasi
Tujuan dari analisa korelasi adalah untuk melihat hubungan bivariat,
antara variabel independent, yang meliputi jumlah keluarga, kepemilikan
kendaraan pribadi, pendapatan, bekerja, dan pendidikan, dengan produksi
perjalanan (Y) atau variabel dependent. Koefisien korelasi untuk setiap variabel
berbeda-beda dapat dilihat pada tabel di bawah ini.
Tabel 4.8. Interpretasi Koefisien Korelasi
Interval Koefisien
Tingkat Hubungan
0,00 - 0,199
Sangat Rendah
0,20 - 0,399
Rendah
0,40 - 0,599
Sedang
0,60 - 0,799
Kuat
0,80 - 1,000
Sangat kuat
(Sumber: Sugijono, 2000:175, dalam Michael, 2013)
Korelasi pada Perumahan PEMDA TK I dengan variabel dependent adalah
jumlah perjalanan (Y), dan variabel independentnya adalah jumlah anggota
keluarga, jumlah anggota keluarga yang bekerja, jumlah anggota keluarga yang
bersekolah, jumlah pendapatan, jumlah kepemilikan mobil, dan jumlah
kepemilikan sepeda motor.
37
Universitas Sumatera Utara
Untuk nilai korelasi seluruh sampel, dapat dilihat pada Tabel 4.9.
Tabel 4.9. Tabel Korelasi Variabel Dependent dengan Variabel Independent
Correlations
Perjal
Anggot Kendaran Pendapa Keluarga
anan Keluarga
Pribadi
tan
Bekerja
Keluarga
Sekolah
dan Kuliah
Perjalanan
Pearson
Correlation
Sig. (2-tailed)
N
Anggota
Keluarga
Pearson
Correlation
Sig. (2-tailed)
-.101
.136
.418**
-.206*
.329**
.294
.157
.000
.031
.000
110
110
110
110
110
110
-.101
1
.155
-.177
.537**
.233*
.106
.064
.000
.014
1
.294
N
110
110
110
110
110
110
Pearson
Kendaraan Correlation
Sig. (2-tailed)
Pribadi
N
.136
.155
1
.378**
.179
.213*
.157
.106
.000
.061
.025
110
110
110
110
110
110
Pearson
.418**
Correlation
Pendapatan Sig. (2-tailed)
.000
-.177
.378**
1
-.125
.292**
.064
.000
.195
.002
110
110
110
110
110
110
*
**
.179
-.125
1
-.196*
N
-.206
.537
Keluarga
Pearson
Correlation
Bekerja
Sig. (2-tailed)
.031
.000
.061
.195
N
110
110
110
110
110
110
Pearson
.329**
Correlation
Sig. (2-tailed)
.000
.233*
.213*
.292**
-.196*
1
.014
.025
.002
.040
110
110
110
110
Keluarga
Sekolah
dan Kuliah
N
110
.040
110
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
38
Universitas Sumatera Utara
Dari kedua hasil tabel Korelasi Variabel Dependent dengan Variabel
Independent diatas, maka nilai koefisien terbesar secara keseluruhan ialah nilai
korelasi dari semua sampel. Maka yang digunakan untuk data selanjutnya ialah
dari tabel Korelasi Variabel Dependent dengan Variabel Independent semua
sampel. Dimana rekap tabel tersebut dapat dilihat pada tabel dibawah ini:
Tabel 4.10. Tabel Matriks Korelasi
Variabel bebas
Variabel terikat
Jumlah
perjalanan
(Y)
Jumlah perjalanan (Y)
Jumlah anggota
Jumlah
Kepemilikan
anggota
Kendaraan
keluarga
Pribadi
(X1)
(X2)
Penghasilan Bekerja
(X3)
Pendidikan
(X4)
(X5)
1
0,101
1
0,136
0,155
1
0,418
0,177
0,378
1
Bekerja (X4)
0,206
0,537
0,179
0,125
1
Pendidikan (X5)
0,329
0,233
0,213
0,292
0,196
Variabel bebas
keluarga (X1)
Kepemilikan
Kendaraan
Pribadi (X2)
Penghasilan
(X3)
1
Pada tabel matriks korelasi di atas dari hasil perhitungan dapat diketahui nilai
hubungan antara variabel-variabel bebas dengan variabel terikat yang dijelaskan
sebagai berikut:
Jumlah anggota keluarga (X1) mempunyai hubungan dengan produksi
perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,101 atau
variabel
bebas
dapat
mempengaruhi
variabel
terikat
dengan
39
Universitas Sumatera Utara
hubungansangat rendahsebesar 10,1%. Artinya jumlah Kepemilikan
Kendaraan Pribadi tidak begitu besar pengaruhnya terhadap produksi
perjalanan.
Jumlah Kepemilikan Kendaraan Pribadi (X2) mempunyai hubungan
dengan produksi perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu
sebesar 0,136 atau variabel bebas dapat mempengaruhi variabel terikat
dengan hubungan sangat rendah sebesar 13,6%. Artinya jumlah
Kepemilikan Kendaraan Pribadi tidak begitu besar pengaruhnya terhadap
produksi perjalanan.
Jumlah
Penghasilan(X3)
mempunyai
hubungan
dengan
produksi
perjalanan (Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,418 atau
variabel bebas (X3) dapat mempengaruhi variabel terikat dengan hubungan
yang sedang sebesar 41,8%. Artinya, jumlah penghasilan bertambah maka
jumlah perjalanan juga akan semakin meningkat/bertambah.
Jumlah Bekerja (X4) mempunyai hubungan dengan produksi perjalanan
(Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,206 atau variabel
bebas (X4) dapat mempengaruhi variabel terikat dengan hubungan yang
sangat rendah sebesar 20,6%. Artinya jumlah penghasilan tidak begitu
besar pengaruhnya terhadap produksi perjalanan.
Jumlah Pendidikan(X5) mempunyai hubungan dengan produksi perjalanan
(Y) dengan nilai R (koefisien korelasi) yaitu sebesar 0,329 atau variabel
bebas (X5) dapat mempengaruhi variabel terikat dengan hubungan yang
sangat rendah sebesar 32,9%. Artinya jumlah pendidikan tidak begitu
besar pengaruhnya terhadap produksi perjalanan.
40
Universitas Sumatera Utara
4.3.2. Proses Pengolahan Analisa Regresi
Proses penyeleksian variabel harus sesuai dengan syarat metode analisis
regresi, bahwa variabel bebas yang akan dipakai dalam model adalah yang
mempunyai korelasi dengan tingkat hubungan minimal sedang terhadap variabel
terikat. Pada tabel 4.10 di atas dapat dilihat bahwa variabel bebas yang
mempunyai tingkat hubungan minimal sedang variabel terikat jumlah perjalanan
(Y) adalah jumlah anggota keluarga (X1). Hasilnya adalah sebagai berikut:
a. Hubungan korelasi
Y - X3
r = 0,418
X3- X1
r = 0,177
X3- X2
r = 0,378
X3- X4
r = 0,125
X3- X5
r = 0,292
Dengan analisa regresi menggunakan program SPSS 21 maka persamaan
yang mungkin terjadi yaitu:
Dengan satu variabel (X3)
Model Summary
Model
1
R
.418a
R Square
.175
Adjusted R
Std. Error of the
Square
Estimate
.167
1.489
a. Predictors: (Constant), Pendapatan
41
Universitas Sumatera Utara
ANOVAa
Model
Sum of
df
Mean Square
F
Sig.
1
50.685
22.85
.000b
Squares
50.685
Regression
1
5
Residual
239.506
108
Total
290.191
109
2.218
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
2.183
.330
Pendapatan
.258
.054
T
Sig.
6.610
.000
4.781
.000
Beta
1
.418
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,183+ 0,258 X3
Dengan nilai korelasi R = 0,418 dan determinasi R2 = 0,175
Dengan dua variabel (X3 – X1)
Model Summary
Model
1
R
.419a
R Square
.175
Adjusted R
Std. Error of
Square
the Estimate
.160
1.495
a. Predictors: (Constant), AnggotaKeluarga, Pendapatan
42
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
50.903
2
25.451
11.381
.000b
Residual
239.288
107
2.236
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), AnggotaKeluarga, Pendapatan
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
4.252
.000
B
Std. Error
Beta
(Constant)
2.318
.545
Pendapatan
.255
.055
.413
4.630
.000
AnggotaKeluarga
-.027
.086
-.028
-.312
.756
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,318 + 0,255 X3– 0,027 X1
Dengan nilai korelasi R = 0,419 dan determinasi R2 = 0,175
Dengan dua variabel (X3 – X2)
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the
Estimate
1
.419a
.175
.160
1.496
a. Predictors: (Constant), KendaraanPribadi, Pendapatan
43
Universitas Sumatera Utara
ANOVAa
Model
Sum of
df
Mean Square
F
Sig.
Squares
1
Regression
50.851
2
25.426
Residual
239.340
107
2.237
Total
290.191
109
11.367 .000b
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KendaraanPribadi, Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
5.680
.000
Std. Error
(Constant)
2.242
.395
Pendapatan
.264
.059
.428
4.510
.000
KendaraanPribadi
-.036
.134
-.026
-.272
.786
1
B
Beta
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,242 + 0,264X3 + 0,036 X2
Dengan nilai korelasi R = 0,419 dan determinasi R2 = 0,175
Dengan dua variabel (X3 - X4)
Model Summary
Model
R
1
.446a
R Square Adjusted R Square
.199
Std. Error of the Estimate
.184
1.474
a. Predictors: (Constant), KeluargaBekerja, Pendapatan
44
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
57.704
2
28.852
13.279
.000b
Residual
232.487
107
2.173
Total
290.191
109
T
Sig.
6.119
.000
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaBekerja, Pendapatan
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
Beta
(Constant)
2.728
.446
Pendapatan
.246
.054
.398
4.568
.000
KeluargaBekerja
-.261
.145
-.157
-1.797
.075
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,728 + 0,246 X3- 0,261 X4
Dengan nilai korelasi R = 0,446 dan determinasi R2 = 0,199
Dengan dua variabel (X3 - X5)
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the
Estimate
1
.470a
.221
.207
1.453
a. Predictors: (Constant), KeluargaSekolahdanKuliah, Pendapatan
45
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
64.226
2
32.113
15.206
.000b
Residual
225.965
107
2.112
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, Pendapatan
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
t
Sig.
5.951
.000
B
Std. Error
Beta
(Constant)
1.978
.332
Pendapatan
.218
.055
.352
3.946
.000
KeluargaSekolahdan
.303
.120
.226
2.532
.013
Kuliah
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 1,978 + 0,218 X3 + 0,303 X5
Dengan nilai korelasi R = 0,470 dan determinasi R2 = 0,221
Dengan tiga variabel (X3 – X1 – X2)
Model Summary
Model
R
R Square Adjusted R Square
Std. Error of the
Estimate
1
.419a
.176
.152
1.502
a. Predictors: (Constant), KendaraanPribadi, AnggotaKeluarga, Pendapatan
46
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
50.994
3
16.998
7.533
.000b
Residual
239.197
106
2.257
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KendaraanPribadi, AnggotaKeluarga, Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
4.187
.000
B
Std. Error
Beta
(Constant)
2.341
.559
Pendapatan
.260
.061
.421
4.274
.000
AnggotaKeluarga
-.022
.089
-.023
-.252
.802
KendaraanPribadi
-.028
.139
-.020
-.202
.841
1
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,341 + 0,260 X3- 0,022 X1 - 0,028 X2
Dengan nilai korelasi R = 0,419 dan determinasi R2 = 0,176
Dengan tiga variabel (X3 – X1 - X4)
Model Summary
Model
R
R Square Adjusted R Square
Std. Error of the
Estimate
1
.451a
.203
.180
1.477
a. Predictors: (Constant), KeluargaBekerja, Pendapatan, anggotaKeluarga
47
Universitas Sumatera Utara
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
58.907
3
19.636
8.999
.000b
Residual
231.284
106
2.182
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaBekerja, Pendapatan, AnggotaKeluarga
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
4.566
.000
B
Std. Error
Beta
(Constant)
2.495
.546
Pendapatan
.252
.055
.407
4.617
.000
AnggotaKeluarga
.074
.100
.077
.742
.460
KeluargaBekerja
-.327
.171
-.197
-1.915
.058
1
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,495 + 0,252 X3 + 0,074 X1 - 0,327 X4
Dengan nilai korelasi R = 0,451 dan determinasi R2 = 0,203
Dengan tiga variabel (X3 – X1 - X5)
Model Summary
Model
R
R Square
Adjusted R
Std. Error of the Estimate
Square
1
.480a
.231
.209
1.451
a. Predictors: (Constant), KeluargaSekolahdanKuliah, AnggotaKeluarga,
Pendapatan
48
Universitas Sumatera Utara
ANOVAa
Model
Sum of
df
Mean Square
F
Sig.
66.968
3
22.323
10.600
.000b
1 Residual
223.223
106
2.106
Total
290.191
109
Squares
Regression
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, AnggotaKeluarga,
Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
4.614
.000
B
Std. Error
(Constant)
2.452
.531
Pendapatan
.200
.057
.324
3.511
.001
-.100
.087
-.104
-1.141
.256
.347
.126
.258
2.762
.007
1 Anggota Keluarga
Keluarga Sekolah dan
Beta
Kuliah
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,452 + 0,200 X3- 0,100 X1+ 0,347 X5
Dengan nilai korelasi R = 0,480 dan determinasi R2 = 0,231
49
Universitas Sumatera Utara
Dengan tiga variabel (X3 – X2 – X4)
Model Summary
Model
R
.446a
1
R Square Adjusted R Square
.199
Std. Error of the Estimate
.176
1.481
a. Predictors: (Constant), KeluargaBekerja, Pendapatan, KendaraanPribadi
ANOVAa
Model
1
Sum of Squares
df
Mean Square
Regression
57.768
3
19.256
Residual
232.422
106
2.193
Total
290.191
109
F
Sig.
8.782 .000b
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaBekerja, Pendapatan, KendaraanPribadi
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
5.758
.000
B
Std. Error
Beta
(Constant)
2.704
.470
Pendapatan
.242
.059
.392
4.078
.000
Kendaraan
.023
.137
.017
.171
.864
-.267
.150
-.161
-1.776
.079
Pribadi
Keluarga Bekerja
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,704 + 0,242 X3+ 0,023X2- 0,267 X4
Dengan nilai korelasi R = 0,446 dan determinasi R2 = 0,199
50
Universitas Sumatera Utara
Dengan tiga variabel (X3 – X2 - X5)
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the
Estimate
.473a
1
.224
.202
1.458
a. Predictors: (Constant), KeluargaSekolahdanKuliah, KendaraanPribadi,
Pendapatan
ANOVAa
Model
Sum of Squares
Df
Mean Square
F
Sig.
64.931
3
21.644
10.185
.000b
1 Residual
225.260
106
2.125
Total
290.191
109
Regression
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, KendaraanPribadi,
Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
B
Std. Error
(Constant)
2.093
.389
Pendapatan
.229
.059
.370
3.897 .000
-.076
.131
-.054
-.576 .566
.312
.121
.232
2.574 .011
1 Kendaraan Pribadi
Keluarga Sekolah dan
Beta
5.382 .000
Kuliah
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,093 + 0,229 X3 - 0,076 X2+ 0,312 X5
Dengan nilai korelasi R = 0,473 dan determinasi R2 = 0,224
51
Universitas Sumatera Utara
Dengan tiga variabel (X3 - X4 - X5)
Model Summary
Model
R
R Square Adjusted R Square
.486a
1
.236
Std. Error of the Estimate
.214
1.446
a. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Keluarga Bekerja,
Pendapatan
ANOVAa
Model
1
Sum of Squares
Df
Mean Square
F
Sig.
Regression
68.468
3
22.823
10.911
.000b
Residual
221.723
106
2.092
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Keluarga Sekolahdan Kuliah, Keluarga Bekerja,
Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
t
Sig.
5.310
.000
B
Std. Error
(Constant)
2.428
.457
Pendapatan
.212
.055
.343
3.852
.000
-.205
.144
-.124
-1.424
.157
.274
.121
.204
2.268
.025
1 KeluargaBekerja
Keluarga Sekolah dan
Beta
Kuliah
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah Y = 2,428 + 0,212 X3- 0,205 X4 + 0,274 X5
Dengan nilai korelasi R = 0,486 dan determinasi R2 = 0,236
52
Universitas Sumatera Utara
Dengan empat variabel (X3– X1– X2– X4)
Model Summary
Model
1
R
R Square
Adjusted R Square
Std. Error of the Estimate
.451a
.203
.173
1.484
a. Predictors: (Constant), Keluarga Bekerja, Pendapatan, Kendaraan Pribadi,
Anggota Keluarga
ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
58.917
4
14.729
6.687
.000b
1 Residual
231.274
105
2.203
Total
290.191
109
Regression
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Keluarga Bekerja, Pendapatan, Kendaraan Pribadi,
Anggota Keluarga
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
2.488
.558
Pendapatan
.250
.060
1 AnggotaKeluarga
.073
KendaraanPribadi
KeluargaBekerja
t
Sig.
Beta
4.460
.000
.404
4.132
.000
.101
.076
.722
.472
.010
.138
.007
.069
.945
-.329
.174
-.198 -1.897
.061
a. Dependent Variable : Perjalanan
Persamaan yang terbentuk adalah
Y = 2,488 + 0,250 X3 + 0,073 X1+ 0,010 X2- 0,329 X4
Dengan nilai korelasi R = 0,451 dan determinasi R2 = 0,203
53
Universitas Sumatera Utara
Dengan empat variabel (X3 – X1 – X2 - X5)
Model Summary
Model
1
R
R Square
Adjusted R Square
Std. Error of the Estimate
.481a
.232
.202
1.457
a. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Kendaraan Pribadi,
Anggota Keluarga, Pendapatan
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
67.205
4
16.801
7.911
.000b
Residual
222.986
105
2.124
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Kendaraan Pribadi,
Anggota Keluarga, Pendapatan
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1
Std. Error
(Constant)
2.489
.545
Pendapatan
.208
.062
Anggota Keluarga
-.093
Kendaraan Pribadi
Keluarga Sekolah dan Kuliah
t
Sig.
Beta
4.566
.000
.337
3.358
.001
.090
-.097
-1.035
.303
-.045
.135
-.032
-.334
.739
.349
.126
.260
2.763
.007
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah
Y = 2,489 + 0,208X3- 0,093X1 - 0,045X2+ 0,349X5
Dengan nilai korelasi R = 0,481 dan determinasi R2 = 0,232
54
Universitas Sumatera Utara
Dengan empat variabel (X3 – X2 - X4 - X5)
Model Summary
Model
R
R Square Adjusted R Square
.486a
1
.236
Std. Error of the Estimate
.207
1.453
a. Predictors: (Constant), KeluargaSekolahdanKuliah, KeluargaBekerja,
Pendapatan, KendaraanPribadi
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
68.553
4
17.138
8.119
.000b
Residual
221.638
105
2.111
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, KeluargaBekerja,
Pendapatan, KendaraanPribadi
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
T
Sig.
5.169
.000
B
Std. Error
Beta
(Constant)
2.451
.474
Pendapatan
.216
.059
.350
3.644
.000
1 KendaraanPribadi
-.027
.136
-.019
-.201
.841
KeluargaBekerja
-.197
.151
-.119
-1.310
.193
KeluargaSekolahdanKuliah
.279
.123
.207
2.260
.026
a. Dependent Variable: Perjalanan
Persamaan yang terbentuk adalah
Y = 2,451 + 0,216 X3 - 0,027 X2 - 0,197 X4 + 0,279 X5
Dengan nilai korelasi R = 0,486 dan determinasi R2 = 0,236
55
Universitas Sumatera Utara
Dengan lima variabel (X3 – X1 – X2 - X4 - X5)
Model Summary
Model
R
R Square
Adjusted R
Std. Error of the Estimate
Square
.487a
1
.237
.200
1.459
a. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Keluarga
Bekerja, Pendapatan, Kendaraan Pribadi, Anggota Keluarga
ANOVAa
Model
Sum of
df
Mean Square
F
Sig.
68.777
5
13.755
6.461
.000b
1 Residual
221.414
104
2.129
Total
290.191
109
Squares
Regression
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), Keluarga Sekolah dan Kuliah, Keluarga
Bekerja, Pendapatan, Kendaraan Pribadi, Anggota Keluarga
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
2.540
.549
Pendapatan
.211
.062
-.036
AnggotaKeluarga
1 Kendaraan Pribadi
Keluarga Bekerja
Keluarga Sekolah dan
t
Sig.
Beta
4.626
.000
.341
3.387
.001
.112
-.038
-.324
.746
-.024
.137
-.017
-.176
.860
-.161
.188
-.097
-.859
.392
.299
.139
.223
2.152
.034
Kuliah
a. Dependent Variable: Perjalanan
56
Universitas Sumatera Utara
Persamaan yang terbentuk adalah
Y = 2,540 + 0,211 X3- 0,036 X1 - 0,024 X2- 0,161 X4 + 0,299 X5
Dengan nilai korelasi R = 0,487 dan determinasi R2 = 0,237
Dari hasil regresi diperoleh beberapa model pergerakan yang signifikan yaitu:
Tabel 4.11.Persamaan Regresi, R dan R2
No.
Model regesi linear berganda
R
R2
1
Y = 2,183+ 0,258 X3
0,418
0,175
2
Y = 2,318 + 0,255 X3– 0,027 X1
0,419
0,175
3
Y = 2,242 + 0,264X3 + 0,036 X2
0,419
0,175
4
Y = 2,728 + 0,246 X3- 0,261 X4
0,446
0,199
5
Y = 1,978 + 0,218 X3 + 0,303 X5
0,470
0,221
6
Y = 2,341 + 0,260 X3- 0,022 X1 - 0,028 X2
0,419
0,176
7
Y = 2,495 + 0,252 X3 + 0,074 X1 - 0,327 X4
0,451
0,203
8
Y = 2,452 + 0,200 X3- 0,100 X1+ 0,347 X5
0,480
0,231
9
Y = 2,704 + 0,242 X3+ 0,023X2- 0,267 X4
0,446
0,199
10
Y = 2,093 + 0,229 X3 - 0,076 X2+ 0,312 X5
0,473
0,224
11
Y = 2,428 + 0,212 X3- 0,205 X4 + 0,274 X5
0,486
0,236
12
Y = 2,488 + 0,250 X3 + 0,073 X1+ 0,010 X2- 0,329 X4
0,451
0,203
13
Y = 2,489 + 0,208 X3- 0,093 X1 - 0,045 X2+ 0,349 X5
0,481
0,232
14
Y = 2,451 + 0,216 X3 - 0,027 X2 - 0,197 X4 + 0,279 X5
0,486
0,236
15
Y = 2,540 + 0,211 X3- 0,036 X1 - 0,024 X2- 0,161 X4 +
0,487
0,237
0,299 X5
57
Universitas Sumatera Utara
4.4. Uji Determinasi
Uji determinasi ini dilakukan untuk mengetahui hubungan linier antara 2
(dua) variabel yang kita asumsikan memiliki keterkaitan atau keterhubungan yang
kuat, apakah kuat atau tidak. Kalau hubungan variabel terikat y dengan variabel
bebas X ternyata tidak memiliki keterkaitan yang kuat (lemah).
Koefisien determinasi sederhana (r2) merupakan nilai yang dipergunakan
untuk mengukur besar kecilnya sumbangan/konstribusi perubahan variabel bebas
terhadap perubahan variabel terikat yang diamati, yang secara manual dapat
ditentukan hanya dengan mengkuadratkan nilai r yang sudah kita dapatkan dari
formulasi diatas. Nilai r akan berkisar antara -1 sampai dengan +1 (-1 < r < +1),
tergantung kekuatan hubungan linear kedua variabel. Dari variabel-variabel yang
telah diolah dengan program SPSS melalui analisis regresi linear maka di
dapatkan beberapa model yang menghubungkan antara perjalanan dengan
beberapa variabel bebas.Setiap model tersebut mempunyai nilai R Square atau
Koefisien Determinasi atau R2 dapat dilihat pada hasil pengolahan data yang
terlampir pada tabel 4.11 di atas. Dari tabulasi tersebut dapat dilihat model yang
sesuai dengan uji determinasi adalah model yang menghubungkan antara jumlah
perjalanan (Y) dengan jumlah anggota keluarga (X1), Kepemilikan Kendaraan
Pribadi (X2), Pendapatan (X3), Bekerja (X4), dan Pendidikan (X5), memiliki nilai
koefisien determinasi yang paling besar yaitu:
Y = 2,540 + 0,211 X3- 0,036 X1 - 0,024 X2- 0,161 X4 + 0,299 X5
yang mempunyai nilai koefisien determinasi atau R2 adalah sebesar 0,237 atau
23,7%. Ini menunjukkan bahwa sebesar 23,7% variasi variabel perjalan (Y) dapat
58
Universitas Sumatera Utara
dijelaskan oleh variabel independent jumlah anggota keluarga (X1), Kepemilikan
Kendaraan Pribadi (X2), Pendapatan (X3), Bekerja (X4), dan Pendidikan (X5).
4.5. 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:
Coefficientsa
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
t
Sig.
4.626
.000
B
Std. Error
Beta
(Constant)
2.540
.549
Pendapatan
.211
.062
.341
3.387
.001
Anggota Keluarga
-.036
.112
-.038
-.324
.746
Kendaraan Pribadi
-.024
.137
-.017
-.176
.860
Keluarga Bekerja
-.161
.188
-.097
-.859
.392
Keluarga Sekolah dan
.299
.139
.223
2.152
.034
Kuliah
a. Dependent Variable: Perjalanan
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : secara parsial tidak ada pengaruh signifikan antara variabel bebas
(variabel jumlah anggota keluarga, kepemilikan kendaraan pribadi,
59
Universitas Sumatera Utara
penghasilan, bekerja, dan pendidikan) dengan variabel terikat (variabel
jumlah perjalanan)
Ha : secara parsial ada pengaruh signifikan antara variabel bebas (variabel
jumlah anggota keluarga, kepemilikan kendaraan pribadi, penghasilan,
bekerja, dan pendidikan) dengan variabel terikat (variabel jumlah
perjalanan)
2. Menentukan tingkat signifikasi.
Tingkat signifikasi yang dipakai adalah a = 5% atau kepercayaan 95%.
3. Mencari nilai t hitung
Dari tabel diperoleh
thitung untuk variabel jumlah pendapatan thitung =
3,387, variabel anggota keluargathitung =-0,324,
pribadit
hitung
variabel kendaraan
= -0,176, variabel keluarga bekerja thitung = -0,859, dan
variabel keluarga sekolah dan kuliah t hitung untuk = 2,152.
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 = 82 – 5
– 1 = 76) maka diperoleh nilai untuk t tabel = 1,99254 (lihat pada lampiran)
atau dapat dicari pada Ms. Excel dengan cara cell kosong di ketik =tinv
(0,05; 116) 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
6. Membandingkan t hitung dengan t tabel dan kesimpulan
60
Universitas Sumatera Utara
Nilai t hitung untuk variabel jumlah anggota keluarga X1 = 0,324<
dari t tabel 0,05 = 1,99254. Jadi Ho diterima, sebaliknya Ha ditolak.
Secara parsial tidak ada pengaruh yang signifikan antara jumlah
anggota keluarga dengan jumlah perjalanan.
Nilai t hitung untuk variabel kepemilikan kendaraan pribadi X2 =
0,176 > dari t tabel 0,05 = 1,99254. Jadi Ho diterima, sebaliknya Ha
ditolak. Secara parsial tidak ada pengaruh yang signifikan antara
jumlah anggota keluarga dengan jumlah perjalanan.
Nilai t hitung untuk variabel penghasilan X3= 3,387 > dari t tabel 0,05
= 1,99254. Jadi Ho ditolak, sebaliknya Ha diterima. Secara parsial
ada pengaruh yang signifikan antara jumlah anggota keluarga dengan
jumlah perjalanan.
Nilai t hitung untuk variabel bekerja X4= 0,859 < dari t tabel 0,05 =
1,99254. Jadi Ho diterima sebaliknya Ha ditolak. Secara parsial tidak
ada pengaruh yang signifikan antara jumlah anggota keluarga dengan
jumlah perjalanan.
Nilai t hitung untuk variabel pendidikan X5 = 2,152 > dari t tabel 0,05
= 1,99254. Jadi Ho ditolak sebaliknya Ha diterima. Secara parsial ada
pengaruh yang signifikan antara jumlah anggota keluarga dengan
jumlah perjalanan.
4.6. Uji F
Uji ini digunakan untuk mengetahui apakah variabel bebas (X1, X2,….Xn)
secara bersama-sama berpengaruh secara signifikan terhadap variabel terikat (Y).
61
Universitas Sumatera Utara
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 sampel yang
diambil adalah 82 keluarga.Jadi apakah pengaruh yang terjadi pada kesimpulan
yang didapat berlaku untuk populasi.
Dari hasil output analisa regresi linier dapat diketahui nilai F = 6,461
ANOVAa
Model
1
Sum of Squares
df
Mean Square
F
Sig.
Regression
68.777
5
13.755
6.461
.000b
Residual
221.414
104
2.129
Total
290.191
109
a. Dependent Variable: Perjalanan
b. Predictors: (Constant), KeluargaSekolahdanKuliah, KeluargaBekerja,
Pendapatan, KendaraanPribadi, AnggotaKeluarga
Langkah-langkah pengujian sebagai berikut:
1. Merumuskan hipotesis
Ho :
tidak ada pengaruh secara signifikan antara jumlah anggota
keluarga, kepemilikan kendaraan pribadi, penghasilan, bekerja, dan
pendidikan secara bersama-sama terhadap jumlah perjalanan.
Ha :
ada pengaruh secara signifikan antara jumlah anggota keluarga,
kepemilikan
kendaraan
pribadi,
penghasilan,
bekerja,
dan
pendidikan secara bersama-sama terhadap jumlah perjalanan.
2. Menentukan tingkat signifikasi
Tingkat signifikasi a = 5% atau tingkat kepercayaan 95%
62
Universitas Sumatera Utara
3. Mementukan F hitung
Berdasarkan tabel diperoleh nilai F hitung sebesar 6,461.
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= 5+1-1= 5 serta df2 = 82 – 5 – 1=
76 maka diperoleh F tabel = 2,33.
5. Kriteria pengujian
Ho diterima bila F hitung < F tabel
Ho ditolak bila F hitung > F tabel
6. Membandingkan F hitung dengan F tabel dan kesimpulan
F hitung > F tabel yaitu 6,461>2,33 maka Ho ditolak. Artinya ada
pengaruh secara signifikan antara jumlah anggota keluarga, kepemilikan
kendaraan pribadi, penghasilan, bekerja, dan pendidikan secara bersamasama terhadap jumlah perjalanan.
4.7. Uji Validitas
Validitas adalah ketepatan atau kecermatan suatu instrumen dalam
mengukur apa yang ingin dukur. Dalam pengujian instrumen pengumpulan data,
validitas bisa dibedakan menjadi validitas faktor dan validitas item. Validitas
faktor diukur bila item yang disusun menggunakan lebih dari satu faktor (antara
faktor satu denganyang lain ada kesamaan). Pada program SPSS teknik pengujian
63
Universitas Sumatera Utara
yang sering digunakan para peneliti untuk uji validitas adalah Corrected ItemTotal Correlation.
A.
Corrected Item-Total Correlation
Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan
skor total dan melakukan koreksi terhadap nilai koefisien korelasi yang
overestimasi. Hal ini dikarenakan agar tidak terjadi koefisien item total yang
overestimasi (estimasi nilai yang lebih tinggi dari yang sebenarnya). Atau dengan
cara lain, analisis ini menghitung korelasi tiap item dengan skor total (teknik
bivariate pearson), tetapi skor total disini tidak termasuk skor item yang akan
dihitung. Perhitungan teknik ini cocok digunakan pada skala yang menggunakan
item pertanyaan yang sedikit, karena pada item yang jumlahnya banyak
penggunaan korelasi bivariate (tanpa koreksi) efek overestimasi yang dihasilkan
tidak terlalu besar, agar kita memperoleh informasi yang lebih akurat mengenai
korelasi antara item dengan tes diperlukan suatu rumusan koreksi terhadap efek
spurious overlap. Pengujian menggunakan uji dua sisi dengan taraf signifikansi
0,05. Kriteria pengujian adalah sebagai berikut:
Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau
item-item
pertanyaan
berkorelasi
signifikan
terhadap
skor
total
(dinyatakan valid).
Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau
item-item pertanyaan tidak berkorelasi signifikan terhadap skor total
(dinyatakan tidak valid).
64
Universitas Sumatera Utara
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Buka data view pada SPSS data editor
Ketikkan data sesuai dengan variabelnya,
Klik Analyze - Scale – Reliability Analysis
Klik semua variabel dan masukkan ke kotak items
Klik Statistics, pada Descriptives for klik scale if item deleted
Klik continue, kemudian klik OK, hasil output akan di dapat
Sumber:(http://duwiconsultant.blogspot.com/2011/11/uji-validitas kuisioner.html)
Pada persamaan yang telah lulus tiga pengujian sebelumnya, maka akan di
uji menggunakan uji validasi .hasil output SPSSnya adalah sebagai berikut:
Item-Total Statistics
Scale Mean if
Scale
Corrected
Cronbach's
Item Deleted
Variance if
Item-Total
Alpha if Item
Item Deleted
Correlation
Deleted
Perjalanan
13,9208
17,903
,390
,600
Keluarga
15,3875
22,977
,597
,484
Kendaraan
17,8458
27,424
,444
,562
Penghasilan
15,6083
23,854
,322
,591
Bekerja
18,2125
29,116
,409
,583
Pendidikan
18,5042
29,082
,202
,623
Pribadi
65
Universitas Sumatera Utara
Dari output di atas bisa dilihat pada Corrected Item – Total Correlation,
inilah nilai korelasi yang didapat. Nilai ini kemudian kita bandingkan dengan nilai
r tabel, r tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) =
82, maka didapat r tabel sebesar 0,222794. Rumus mencari r table : =t
table/SQRT(df+t table^2)
Dari hasil analisis dapat dilihat bahwa semua variabel melebihi angka dari
0,222794. Maka dapat disimpulkan bahwa variabel tersebut dinyatakan valid.
Maka persamaan Y = 2,540 + 0,211 X3 - 0,036 X1 - 0,024 X2- 0,161 X4 + 0,299
X5 dinyatakan Valid.
4.8. Uji Linearitas
Uji linearitas bertujuan untuk mengetahui apakah dua variabel atau lebih
mempunyai hubungan yang linear atau tidak secara signifikan.Uji ini biasanya
digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear. Pengujian
pada SPSS dengan menggunakan Test for Linearity dengan pada taraf signifikansi
0,05. Dua variabel dikatakan mempunyai hubungan yang linear bila signifikansi
(Linearity) kurang dari 0,05.
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y
Buka data view pada SPSS data editor
Klik Analyze - Compare Means - Means
Klik variabel X dan masukkan ke kotak Dependent List, kemudian klik
variabel Y dan masukkan ke Independent List.
66
Universitas Sumatera Utara
Klik Options, pada Statistics for First Layer klik Test for Linearity,
kemudian klik Continue
Klik OK, maka hasil output yang didapat pada kolom Anova Table
Sumber: (http://duwiconsultant.blogspot.com/2011/11/uji-linieritas.html)
ANOVA Table
Sum of
df
Squares
(Combined)
Mean
F
Sig.
Square
106.447
7
15.207
91.605
1
91.605 13.505 .000
14.841
6
2.474
Within Groups
501.938 74
6.783
Total
608.385 81
Between Linearity
Pendapatan * Groups
Deviation from
Perjalanan
Linearity
2.242 .040
.365 .899
Dari output di atas dapat diketahui bahwa nilai signifikansi pada Linearity
sebesar 0,00. Karena signifikansi kurang dari 0,05 maka dapat disimpulkan bahwa
antara variabel X1, X2, X3, X4, X5 dan Y terdapat hubungan yang linear. Maka
persamaan Y = 2,540 + 0,211 X3- 0,036 X1 - 0,024 X2- 0,161 X4 + 0,299 X5
dinyatakan Linear.
4.9. Analisa Kategori
Setelah dilakukan penelitian pada Perumahan Pemerintah Daerah Tingkat I
Medan maka diperoleh data dan informasi serta variabel yang ditetapkan seperti
67
Universitas Sumatera Utara
jumlah anggota keluarga (X1), jumlah kepemilikan kendaraan pribadi (X2), jumlah
pendapatan rata-rata perbulan (X3), jumlah anggota keluarga bekerja (X4), jumlah
anggota keluarga yang sekolah dan kuliah (X5)di bagi dalam tiga kelas (kategori).
Pembagian lima variabel tersebut adalah sebagai berikut:
Tabel 4.12Pembagian Kelas Analisa Kategori
Kelas 1
No.
Kelas 2
Kelas 3
Variabel
(Rendah) (Sedang)
(Tinggi)
1-3 orang
4-7 orang
≥ 8 orang
0-1 buah
2-3 buah
≥ 4 buah
1
Jumlah Anggota Keluarga
2
Jumlah
Pribadi
3
Tingkat penghasilan/ bulan
< Rp. 2jt
Rp.2jt-5jt
> Rp.5jt
4
Anggota keluarga yang bekerja
0-1 orang
2-3 orang
≥ 4 orang
5
Anggota Keluarga yang Sekolah dan
0-1 orang
Kuliah
2-3 orang
≥ 4 orang
Kepemilikan
Kendaraan
Dengan telah disusunnya kelas variabel penyebab jumlah perjalanan
seperti yang tertera diatas, maka jumlah kategori rumah tangga di Perumahan
Pemerintah Daerah Tingkat I Medan yang diteliti dapat ditentukan dengan cara
mengalikan jumlah kelas masing-masing variabel sebanyak 5 variabel ialah 3 x 3
x 3 x 3 x 3 = 243 Kategori di Perumahan Pemerintah Daerah Tingkat I Medan.
Dari jumlah sampel yang diteliti 82 keluarga, maka didapat data-data seperti pada
Tabel berikut:
68
Universitas Sumatera Utara
Tabel 4.13.Analisa Kategori
No.
Kategori
Jumlah
Anggota
Keluarga
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
RRSRR
RRSSR
RRTRR
RRTSR
RSSRR
RSSRS
RSSSR
RSTRR
RTSRR
SRRRR
SRRRS
SRSRR
SRSRS
SRSRT
SRSSR
SRSSS
SRSST
SRTSR
SSSRR
SSSRS
SSSSR
SSSSS
SSSST
SSSTR
SSTRR
SSTRS
SSTSR
SSTSS
SSTST
STTSR
STTST
STTTR
TRTSR
TSSSS
TSSST
TSTRR
TTSTS
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
1-3 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
4-7 orang
≥ 8 orang
≥ 8 orang
≥ 8 orang
≥ 8 orang
≥ 8 orang
Kepemilikan
Kendaraan Penghasilan
Pribadi
0-1 buah
0-1 buah
0-1 buah
0-1 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
≥ 4 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
0-1 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
2-3 buah
≥ 4 buah
≥ 4 buah
≥ 4 buah
0-1 buah
2-3 buah
2-3 buah
2-3 buah
≥ 4 buah
Rp.2jt-5jt
Rp.2jt-5jt
> Rp.8jt
> Rp. 5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
> Rp. 5jt
Rp.2jt-5jt
< Rp. 2jt
< Rp. 2jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
> Rp. 5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
> Rp. 5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Rp.2jt-5jt
Bekerja
Pendidikan
Jumlah
Rumah
Tangga
Rata-Rata
Perjalanan
Jumlah
Perjalanan
0-1 orang
2-3 orang
0-1 orang
2-3 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
2-3 orang
2-3 orang
2-3 orang
2-3 orang
0-1 orang
0-1 orang
2-3 orang
2-3 orang
2-3 orang
≥ 4 orang
0-1 orang
0-1 orang
2-3 orang
2-3 orang
2-3 orang
2-3 orang
2-3 orang
≥ 4 orang
2-3 orang
2-3 orang
2-3 orang
0-1 orang
≥ 4 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
0-1 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
0-1 orang
2-3 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
≥ 4 orang
0-1 orang
0-1 orang
2-3 orang
≥ 4 orang
0-1 orang
2-3 orang
3
2
1
1
4
2
2
1
1
1
2
7
7
1
3
5
1
1
2
5
5
2
1
1
1
1
5
4
2
1
1
1
1
1
1
1
1
2.67
4.50
4.00
2.00
3.00
3.50
4.50
3.00
2.00
3.00
7.00
4.00
3.14
3.00
3.67
4.00
6.00
5.00
5.50
3.20
2.60
3.00
9.00
2.00
3.00
3.00
3.40
2.75
5.00
2.00
2.00
3.00
5.00
4.00
6.00
6.00
7.00
8
9
4
2
12
7
9
3
2
3
14
28
22
3
11
20
6
5
11
16
13
6
9
2
3
3
17
11
10
2
2
3
5
4
6
6
7
Rata-rata Perjalanan/hari : 3,71
69
Universitas Sumatera Utara
4.10. Perbandingan Analisis Regresi Linier dengan Analisis Kategori
Dari hasil analisa model regresi lineardan pengujian model, didapat model
persamaan perjalanan keluarga Perum