BAB 4 HASIL DAN PEMBAHASAN. penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan. Jumlah Kepala Keluarga (Xi)

Transkripsi

1 BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Pengumpulan Data Berdasarkan data jumlah kepala keluarga pada masing-masing perumahan yang didapatkan pada survei pendahuluan, maka dapat dilakukan penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan RT/RW Jumlah Kepala Keluarga (Xi) (Xi) 2 01/ / / / / / / / / / / / X 55,25 32

2 33 Nilai CV merupakan nilai kuadrat dari simpangan baku (S). Untuk menghitung simpangan baku, maka rumus yang digunakan adalah sebagai berikut S = ( (X i ) ( Xi / n)) n S = 1 ( (663/12)) S = 20,32701 Dalam penelitian ini, digunakan tingkat akurasi sebesar 5 %, sehingga nilai E adalah sebagai berikut : E = 5% x X = 0,05 x 55,25 = 2,7625 Sedangkan nilai tingkat kepercayaan yang diambil adalah 95%, sehingga berdasarkan tabel probabilitas normal standar didapatkan hasil interpolasi sebagai berikut : Tabel 4.2 Interpolasi nilai Zα (variansi untuk tingkat kepercayaan) z Φ (z) 1,64 0, ,645 0,95 1,65 0, Dan didapatkan nilai Zα sebesar 1,645

3 34 Maka perhitungan jumlah sampel minimum yang diperlukan adalah CV Z N = 2 E 2 α 2 2 (20,32701) (1,645) N = = 147 sampel. 2 (2,7625) Sehingga dalam studi ini diperlukan jumlah sampel minimum sebesar 147 sampel. Kuesioner dibagikan secara acak dan pada saat pengambilan kembali didapatkan sampel sebanyak 183 sampel. Data hasil survei disampaikan dalam lampiran B Hasil Pengumpulan Data Hasil Pengolahan Data Karakteristik Umum Daerah Studi Untuk memberikan gambaran mengenai karakteristik umum daerah studi yang didapatkan pada saat pengumpulan data, berikut ini disajikan tabel serta grafik karakteristik umum pada daerah studi berdasarkan hasil kuesioner. Tabel 4.3 Jumlah anggota keluarga berdasarkan kelompok usia No Kelompok Usia Jumlah orang Persentase tahun 74 8, tahun , tahun , tahun th keatas ,1

4 Jumlah Orang < 5 th 6-15 th th th > 40 th Komposisi Usia Gambar 4.1 Jumlah Orang pada Daerah Studi Berdasarkan Komposisi Usia Berdasarkan Tabel 4.3 dan Gambar 4.1 di atas dapat dilihat bahwa sebagian besar jumlah orang pada daerah studi berusia antara 26 sampai 40 tahun (sebanyak 271 orang). Sedangkan jumlah terkecil terdapat pada komposisi usia kurang dari 5 tahun (sebanyak 74 orang). Tabel 4.4 Jumlah anggota keluarga berdasarkan status pekerjaan No Status Pekerjaan Jumlah orang Persentase 1 Bekerja ,6 2 Tidak Bekerja ,1 3 Pelajar / Mahasiswa ,2

5 36 Jumlah Orang Bekerja Tidak Bekerja Pelajar/ Mahasiswa Status Pekerjaan Gambar 4.2 Jumlah Orang pada Daerah Studi Berdasarkan Status Pekerjaan Berdasarkan Tabel 4.4 dan Gambar 4.2 di atas dapat dilihat bahwa sebagian besar jumlah orang pada daerah studi memiliki status bekerja (sebanyak 381 orang). Sedangkan jumlah terkecil terdapat pada berstatus pekerjaan tidak bekerja (sebanyak 167 orang).

6 Karakteristik Rumah Tangga Daerah Studi a. Jumlah Penghuni Rumah Tangga, Pendapatan dan Jumlah Kepemilikan Kendaraan Tabel 4.5 Jumlah keluarga berdasarkan jumlah penghuni rumah tangga No Jumlah Penghuni Rumah Jumlah Tangga Keluarga 1 1 orang orang orang orang orang orang orang orang orang 1 7 orang; 22 keluarga 9 orang; 1 keluarga 8 orang; 6 keluarga 1orang; 4 keluarga 2 orang; 10 keluarga 3 orang; 22 keluarga 6 orang; 26 keluarga 4 orang; 44 keluarga 5 orang; 48 keluarga Gambar 4.3 Jumlah keluarga pada Daerah Studi Berdasarkan Jumlah Penghuni Rumah Tangga Berdasarkan Tabel 4.5 dan Gambar 4.3 di atas, dapat dilihat bahwa sebagian besar keluarga di daerah studi memiliki jumlah penghuni dalam rumah tangga berkisar antara 4 5 orang. Sedangkan

7 38 hanya sedikit keluarga yang memiliki penghuni dalam rumah tangga sebanyak 1 dan 9 orang. Tabel 4.6 Jumlah keluarga berdasarkan Pendapatan No Pendapatan Rata rata Jumlah Keluarga 1 < Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp Rp > Rp < Rp. 1juta; 1 keluarga Rp. 1juta Rp. 2 juta; 3 keluarga Rp. 2 juta Rp. 3 juta; 14 keluarga > Rp. 6 juta 58 keluarga Rp. 3 juta Rp. 4juta; 30 keluarga Rp. 5 juta Rp. 6juta; 52 keluarga Rp. 4 juta Rp. 5juta; 25 keluarga Gambar 4.4 Jumlah keluarga pada Daerah Studi Berdasarkan Pendapatan Rata-rata Berdasarkan Tabel 4.6 dan Gambar 4.4 di atas, dapat dilihat bahwa sebagian besar keluarga di daerah studi memiliki jumlah pendapatan rata-rata lebih besar dari Rp Sedangkan hanya sedikit keluarga yang memiliki pendapatan rata-rata di bawah Rp

8 39 Tabel 4.7 Jumlah keluarga berdasarkan Jumlah Kepemilikan Kendaraan No Jumlah Kepemilikan Jumlah Kendaraan Keluarga 1 0 unit unit unit unit unit 18 3 unit, 31 keluarga 4 unit, 18 keluarga 0 unit, 6 keluarga 1 unit, 72 keluarga 2 unit, 56 keluarga Gambar 4.5 Jumlah keluarga pada Daerah Studi Berdasarkan Jumlah Kepemilikan Kendaraan Berdasarkan Tabel 4.7 dan Gambar 4.5 di atas, dapat dilihat bahwa sebagian besar keluarga di daerah studi memiliki jumlah kepemilikan kendaraan dalam rumah tangga berkisar antara 1 3 unit. Sedangkan hanya sedikit keluarga yang memiliki kepemilikan kendaraan dalam rumah tangga sebanyak 4 unit.

9 40 b. Jumlah Perjalanan per hari dalam Keluarga Tabel 4.8 Jumlah keluarga berdasarkan jumlah perjalanan per hari No Jumlah Perjalanan Jumlah per Hari Keluarga > perjalanan, 1 11 perjalanan, 1 > 13 perjalanan, 1 10 perjalanan, 2 1 perjalanan, 7 9 perjalanan, 11 2 perjalanan, 6 8 perjalanan, 32 3 perjalanan, 16 4 perjalanan, 23 7 perjalanan, 17 6 perjalanan, 32 5 perjalanan, 34 Gambar 4.6 Jumlah keluarga pada Daerah Studi Berdasarkan Jumlah Perjalanan per hari Berdasarkan Tabel 4.8 dan Gambar 4.6 di atas, dapat dilihat bahwa sebagian besar keluarga di daerah studi memiliki jumlah

10 41 kepemilikan kendaraan dalam rumah tangga berkisar antara 1 3 unit. Sedangkan hanya sedikit keluarga yang memiliki kepemilikan kendaraan dalam rumah tangga sebanyak 4 unit. c. Penggunaan Kendaraan Rata-rata Tabel 4.9 Jumlah keluarga berdasarkan Jumlah Penggunaan Mobil No Jumlah Penggunaan Mobil Jumlah Rata-rata (orang) Keluarga Tabel 4.10 Jumlah keluarga berdasarkan Jumlah Penggunaan Motor No Jumlah Penggunaan Motor Jumlah Rata-rata (orang) Keluarga Tabel 4.11 Jumlah keluarga berdasarkan Jumlah Penggunaan Sepeda No Jumlah Penggunaan Sepeda Jumlah Rata-rata (orang) Keluarga Berdasarkan Tabel 4.9 hingga Tabel 4.11 di atas dapat dilihat bahwa sebagian besar penggunaan kendaraan rata-rata setiap harinya pada daerah studi yaitu 3 orang untuk mobil (sebanyak 40 keluarga), 2

11 42 orang untuk motor (sebanyak 85 keluarga), dan 1 orang untuk sepeda (sebanyak 84 keluarga) Bentuk Model Bangkitan Perjalanan Variabel Bebas dan Variabel Tidak Bebas yang digunakan Variabel bebas yang digunakan pada penelitian ini merupakan variabel yang didapatkan berdasarkan data karakteristik rumah tangga daerah studi. Variabel bebas yang digunakan antara lain adalah : Tabel 4.12 Variabel Bebas yang digunakan pada pengolahan data Variabel Bebas X1 X2 X3 Keterangan Jumlah penghuni dalam rumah tangga (orang) Pendapatan Rata-rata (Rupiah) Jumlah Kepemilikan Kendaraan (Unit) Sedangkan variabel tidak bebas yang digunakan pada penelitian ini adalah Tabel 4.13 Variabel Tidak Bebas yang digunakan pada pengolahan data Variabel Tidak Bebas Y Keterangan Jumlah Perjalanan orang per hari Pengolahan data selanjutnya dilakukan dengan menggunakan Microsoft Excel. Lembar perhitungan pengolahan

12 43 data terdapat pada Lampiran C Data Variabel Bebas dan Tidak Bebas Dalam Pemodelan Pengujian Korelasi Antar Variabel Hasil pengujian korelasi antara variabel bebas dengan variabel tidak bebas dan korelasi antar variabel bebas pada penelitian ini dapat dilihat pada tabel berikut. Tabel 4.14 Koefisien Korelasi antar Variabel Y X1 X2 X3 Y 1,000 X1 0,794 1,000 X2 0,481 0,469 1,000 X3 0,730 0,650 0,598 1,000 Dimana : Y X1 : jumlah perjalanan per hari : jumlah penghuni dalam rumah tangga (orang) X2 : pendapatan rata-rata (Rupiah) X3 : jumlah kepemilikan mobil dan motor (unit) Dari Tabel 4.14 di atas dapat dilihat bahwa variabel bebas (Y) mempunyai hubungan yang kuat dengan variabel bebas X1 (nilai korelasi 0,794) dibandingkan variabel bebas yang lain (nilai korelasi 0,481 dan 0,730). Hal ini ditunjukkan dengan nilai korelasi yang lebih besar dari 0,60 yang berarti bahwa diantara kedua variabel tersebut mempunyai hubungan yang cukup kuat.

13 44 Sehingga pada proses pemodelan bangkitan perjalanan dilakukan beberapa pengkombinasian beberapa variabel bebas secara coba-coba berdasarkan uji korelasi yang telah dihasilkan seperti : 1. Kombinasi 1 : Menggunakan Variabel Bebas X1 dan X2 2. Kombinasi 2 : Menggunakan Variabel Bebas X2 dan X3 3. Kombinasi 3 : Menggunakan Semua Variabel Bebas Model Bangkitan Perjalanan Berikut merupakan beberapa hal yang perlu diperhatikan pada proses pemodelan. a. Parameter Logis yang diharapkan Tanda logis yang diharapkan pada penelitian ini adalah bernilai positif (+) yang berarti apabila terjadi peningkatan nilai variabel bebas maka menyebabkan peningkatan nilai variabel tidak bebas, ataupun sebaliknya. Dalam pengolahan data, nilai variabel bebas yang tidak sesuai dengan parameter logis yang diharapkan maka akan dieliminasi. b. Nilai banding t Nilai banding t digunakan untuk melihat apakah variabel bebas yang digunakan dalam model signifikan dengan nilai t-ktitis. Berikut adalah nilai banding t (t-kritis) berdasarkan tabel.

14 45 Dengan tingkat kepercayaan yang diambil 95%, didapatkan nilai p = 1 (0,05/2) = 0,975 dan derajat kebebasan (v) adalah (N-1), dimana N merupakan jumlah responden. Sehingga didapatkan derajat kebebasannya adalah v = = 182. Maka dari hasil interpolasi tabel distribusi t didapatkan nilai sebagai berikut: Tabel 4.15 Interpolasi nilai tabel distribusi t v t , ,96 Dalam pengolahan data selanjutnya, variabel variabel bebas harus memiliki nilai t-stat yang lebih besar dari t-kritis = 1,96. Sehingga variabel bebas yang memiliki nilai t-stat kurang dari 1,96 akan dieliminasi. c. Nilai banding F Nilai banding F digunakan untuk melihat apakah variabel bebas yang digunakan dalam model signifikan dengan nilai F-kritis. Berikut adalah nilai banding F (F-kritis) berdasarkan tabel distribusi F. Dengan derajat kebebasan (v) adalah (N-1), dimana N merupakan jumlah responden. Sehingga didapatkan derajat kebebasannya adalah v = = 182.

15 46 Sedangkan dari tingkat kepercayaan yang diambil 95%, didapatkan nilai p = 0,05. Maka dari hasil interpolasi tabel distribusi F didapatkan nilai sebagai berikut: Tabel 4.16 Interpolasi nilai tabel distribusi F v Fp 60 2, , ,678 Dalam pengolahan data selanjutnya, variabel variabel bebas harus memiliki nilai F-stat yang lebih besar dari F-kritis = 2,678, sehingga variabel bebas yang memiliki nilai F-stat kurang dari 2,678 akan dieliminasi. Perhitungan analisa regresi dari variabel-variabel bebas yang digunakan serta kombinasinya akan menghasilkan beberapa model persamaan matematis. Hasil akhir dari perhitungan tersebut dapat dilihat pada Tabel 4.17 berikut ini. Dan hasil output pemodelan regresi dapat dilihat pada Lampiran D Hasil Pemodelan Regresi. Tabel 4.17 Hasil Akhir Model Persamaan Matematis Komb. Hasil Model Persamaan Matematis R 2 F-stat t-stat 1 Y = -0, ,056*X1 + 2,032E-07*X2 0,65 164,02 2 Y = 2, ,615*X3 0,53 206,18 3 Y = 0, ,803*X1 + 0,818*X3 0,71 219,61-0,86 14,51 2,78 10,97 14,36 1,26 10,46 6,99

16 47 Keterangan : Y X1 X2 X3 R 2 : jumlah perjalanan per hari : jumlah penghuni dalam rumah tangga (orang) : pendapatan rata-rata (rupiah) : jumlah kepemilikan mobil dan motor (unit) : Koefisien Determininasi F-stat: Nilai Banding F t-stat : Nilai Banding t Dapat dilihat pada hasil akhir persamaan model matematis bahwa variabel X2 (pendapatan rata-rata keluarga) kurang mempengaruhi jumlah perjalanan yang dilakukan keluarga setiap harinya. Dari hasil survei terdapat contoh bahwa keluarga dengan jumlah penghuni 4 orang dan pendapatan ratarata kurang dari Rp mampu untuk melakukan perjalanan sebanyak 5 perjalanan/hari. Sedangkan keluarga dengan jumlah pendapatan > Rp ada yang hanya melakukan perjalanan 2 kali setiap harinya disebabkan jumlah penghuni dalam keluarga hanya 2 orang. Jadi dapat disimpulkan bahwa jumlah perjalanan yang akan dilakukan penghuni rumah tangga kurang dipengaruhi oleh tingkat pendapatan Kajian Bentuk Alternatif Bangkitan Perjalanan Selain menggunakan variabel bebas seperti di atas dapat juga digunakan beberapa alternatif variabel yang dapat

17 48 digunakan pada proses pemodelan berdasarkan data yang didapatkan pada saat pengumpulan data. Variabel-variabel bebas tersebut antara antara lain adalah : Tabel 4.18 Variabel Bebas yang dapat digunakan sebagai alternatif pada proses pemodelan Variabel Bebas Keterangan X1 Jumlah penghuni dalam rumah tangga X2 Jumlah penghuni yang berstatus usia non-produktif ( 0 5 th) X3 Jumlah penghuni yang berstatus usia produktif ( 6 > 40 th) X4 Pendapatan Keluarga X5 Jumlah Kepemilikan Mobil X6 Jumlah Kepemilikan Motor Sedangkan variabel tidak bebas yang digunakan (Y) sama dengan sebelumnya yaitu jumlah perjalanan orang per hari. Hasil pengujian korelasi antar variabel bebas dengan variabel tidak bebas dan korelasi antar variabel bebas pada penelitian ini dapat dilihat pada tabel berikut. Tabel 4.19 Pengujian Korelasi antar Variabel Y X1 X2 X3 X4 X5 X6 Y 1,000 X1 0,794 1,000 X2 0,115 0,269 1,000 X3 0,785 0,947-0,056 1,000 X4 0,481 0,469-0,030 0,496 1,000 X5 0,476 0,416-0,260 0,518 0,664 1,000 X6 0,557 0,504 0,179 0,462 0,207 0,007 1,000 Dari tabel diatas dapat diketahui bahwa selain terdapat variabel tidak bebas (Y) mempunyai hubungan yang kuat dengan variabel bebas yaitu jumlah penghuni dalam rumah tangga (X1), dan terdapat pula variabel bebas yang saling

18 49 berkorelasi kuat yakni X1 dan X3, serta X4 dan X5 yang memiliki nilai korelasi lebih besar dari 0,6 yang berarti bahwa diantara kedua variabel tersebut mempunyai hubungan yang cukup kuat. Sehingga pada proses pemodelan bangkitan perjalanan dilakukan pengkombinasian beberapa variabel tidak bebas yang berkorelasi kuat tersebut. Pengkombinasian ini dimaksudkan untuk mengetahui model bangkitan yang dihasilkan apabila variabel-variabel bebas yang berkorelasi kuat tersebut tidak disatukan dalam perhitungan dan juga mengetahui model bangkitan yang dihasilkan apabila variabel bebas yang berkorelasi kuat tersebut disatukan dalam perhitungan. Kombinasi yang dilakukan untuk perhitungan selanjutnya antara lain adalah : 1. Kombinasi 1, dengan mengeliminasi variabel bebas X1 2. Kombinasi 2, dengan mengeliminasi variabel bebas X3 3. Kombinasi 3, dengan mengeliminasi variabel bebas X1 dan X3 4. Kombinasi 4, dengan mengeliminasi variabel bebas X4 5. Kombinasi 5, dengan mengeliminasi variabel bebas X5 6. Kombinasi 6, dengan mengeliminasi variabel bebas X4 dan X5 7. Kombinasi 7, dengan mengeliminasi variabel bebas X1 dan X4

19 50 8. Kombinasi 8, dengan mengeliminasi variabel bebas X3 dan X4 9. Kombinasi 9, tanpa mengeliminasi variabel bebas Dari hasil pengujian korelasi antar variabel yang ditunjukkan pada Tabel 4.19 dapat digunakan untuk membentuk model bangkitan pergerakan yang terjadi di kawasan perumahan Ciputat Baru dan Graha Permai, selain itu dari hasil pengujian tersebut juga didapatkan 1 variabel bebas yang berkorelasi kuat dengan variabel tidak bebas dibandingkan variabel lain yaitu jumlah penghuni dalam rumah tangga (X1). Karena penentunya hanya satu variabel bebas, maka ada beberapa regresi non linear yang dapat digunakan. Dua bentuk persamaan regresi non linear tersebut antara lain yaitu : Fungsi Eksponensial : Y = b o (e b 1.t ) (pers4.1) Fungsi Logaritmik : Y = b o + b 1.ln(t) (pers4.2) Hasil perhitungan serta indikator statistiknya dapat dilihat pada tabel berikut ini : Tabel 4.20 Bentuk Model Bangkitan Perjalanan dan Nilai Indikator Statistik Tipe Model Persamaan R 2 Fungsi Linear Y = 0, ,151X1 0,6305 Fungsi Eksponensial y = 1,5818e X1 0,6262 Fungsi Logaritmik Y = 4,4814Ln(X1) 0,9361 0,6078 Tabel 4.20 menunjukkan model yang baik secara statistik untuk bangkitan pergerakan keluarga di kawasan Ciputat Baru

20 51 dan Graha Permai adalah fungsi linear. Hal ini dapat dilihat dari koefisien determinasi (nilai R 2 ) lebih besar dibandingkan kedua fungsi lainnya. Kondisi di atas menunjukkan bahwa dari semua persamaan yang diuji, variabel jumlah penghuni dalam rumah tangga sebagai penentu dapat diterima secara statistik. Berdasarkan kriteria statistik yang sama seperti pemodelan dengan menggunakan 3 (tiga) variabel bebas, perhitungan analisa regresi dari variabel bebas alternatif yang digunakan serta kombinasinya akan menghasilkan beberapa persamaan regresi, hasil dari perhitungan tersebut dapat dilihat pada Tabel 4.21 berikut ini. Tabel 4.21 Hasil Model Alternatif Persamaan Regresi Komb Persamaaan F t R 2 1 Y = 0,363+0,703*X2+0,821*X3+0,765*X5 +0,825*X6 108,88 2 Y = 0,275+0,819*X1+0,835*X5+0,838*X6 154,21 3 Y = 2,39+0,69*X2+1,69*X5+1,58*X6 74,23 4 Y = 0,275+0,819*X1+0,835*X5+0,838*X6 154,21 5 Y = -0,463+0,906*X1+0, *X4 +0,66*X6 131,76 6 Y = 0,176+0,578*X1+0,478*X3+0,646*X6 128,85 1,23 3,68 9,77 4,56 5,66 0,95 10,98 5,72 5,97 9,19 2,93 9,90 10,34 0,95 10,98 5,72 5,97-1,26 11,70 3,25 4,57 0,57 3,37 2,77 4,44 0,71 0,72 0,55 0,72 0,69 0,68

21 52 Komb Persamaaan F t R 2 7 Y = 0,36+0,70*X2+0,82*X3+0,76*X5 +0,82*X6 108,88 8 Y = 0,37+0,80*X1+0,80*X5+0,83*X6 145,62 9 Y = 0,275+0,819*X1+0,835*X5+0,838*X6 154,21 1,23 3,68 9,77 4,56 5,66 1,25 10,42 5,32 5,72 0,95 10,98 5,72 5,97 0,71 0,71 0,72 Dari hasil pemodelan bangkitan yang ada, dapat dianalisa beberapa hal sebagai berikut yaitu : a. Kesemua model yang dihasilkan telah memenuhi parameter logis yang diharapkan yaitu semua variabel bebas yang digunakan memiliki tanda logis (+). b. Kesemua model yang dihasilkan telah memenuhi kriteria nilai banding t yaitu semua variabel bebas yang digunakan memiliki nilai banding t yang lebih besar dari t- kritis yaitu sebesar 1,96. c. Kesemua model yang dihasilkan telah memenuhi kriteria nilai banding F yaitu semua variabel bebas yang digunakan memiliki nilai banding F yang lebih besar dari F-kritis yaitu sebesar 2,678. d. Semua model yang dihasilkan memiliki nilai koefisien determinasi lebih besar dari 50% atau mendekati 1, yang

22 53 menunjukkan bahwa model yang terbentuk akan semakin lebih baik Pembahasan Hasil Karakteristik Sosio Ekonomi Daerah Studi Karakteristik rumah tangga di perumahan Ciputat Baru dan Graha Permai secara umum menunjukkan keragaman dalam jumlah penghuni rumah tangga, status pekerjaan, pendapatan rata-rata, serta jumlah kepemilikan kendaraan. Sebagian besar keluarga (31,69%) memiliki pendapatan rata-rata di atas Rp ,-. Pendapatan keluarga berkisar antara Rp Rp menempati urutan kedua yaitu sebesar 28,42%. Dan hanya sebesar 0,55% keluarga yang mempunyai pendapatan rata-rata di bawah Rp Dan sebagian besar keluarga (26,23%) memiliki jumlah penghuni dalam rumah tangga sebanyak 5 orang. Sebanyak 80,9% dari jumlah penghuni dalam rumah tangga di daerah studi berstatus bekerja dan pelajar/mahasiswa, sedangkan sisanya merupakan penghuni yang berstatus tidak bekerja. Sebagian besar keluarga (57,38%) memiliki kendaraan baik motor ataupun mobil lebih dari Kalibrasi dan Pemilihan Model Terbaik Model persamaan regresi yang digunakan harus mempertimbangkan hasil uji statistik terutama untuk uji determinasi (R 2 ).

23 54 Model yang digunakan adalah model yang mempunyai nilai R 2 di atas 50 %. Selain itu juga perlu dilakukan uji kesesuaian baik secara matematis ataupun dengan membandingkan terhadap hasil observasi di lapangan. Uji kesesuaian pada model analisis regresi mengasumsikan bahwa model terbaik adalah model yang mempunyai total kuadratis residual antara hasil model dengan hasil pengamatan (observasi) yang paling minimum. Dengan : 2 Meminimumkan S = (Yi Yi ) (pers2.7) = i 1 S Yi : Nilai Total Kuadratis Residual : Hasil Model i Y : Hasil Pengamatan Hasil observasi di lapangan yang dilakukan mulai dari pukul WIB didapatkan banyaknya kendaraan yang keluar dari daerah studi sebagai berikut : Tabel 4.22 Hasil Observasi Kendaraan yang Keluar dari Daerah Studi Perumahan Mobil Motor (unit) (unit) Pejalan Kaki (org) Ciputat Baru Graha Permai Total Dengan mengalikan masing-masing kendaraan dengan jumlah penggunaan rata-rata maka akan didapat hasil sebagai berikut :

24 55 Tabel 4.23 Hasil Pengalian jumlah kendaraan dengan penggunaan kendaraan rata-rata Jenis Kendaraan Jumlah Kendaraan Penggunaan Kendaraan rata-rata Total Perjalanan Mobil Motor Pejalan Kaki Total Observasi Perjalanan Orang Per hari 3956 Data masukkan (input) yang digunakan pada uji kesesuaian antara lain adalah : Tabel 4.24 Data input untuk uji kesesuaian Data input Keterangan Total Jumlah keluarga Total keluarga di daerah studi 663 Keluarga Jumlah Penghuni Perkiraan total penghuni di daerah studi; yaitu berdasarkan hasil survei data 3265 jiwa Pendapatan Rata-rata Jumlah Kepemilikan Kendaraan sekunder Perkiraan pendapatan rata-rata di daerah studi; yaitu dengan mencari nilai tengah (median) pendapatan per keluarga berdasarkan hasil survei. Perkiraan total kepemilikan kendaraan di daerah studi; yaitu dengan mengalikan persentase kepemilikan kendaraan per keluarga dengan jumlah kendaran dan total keluarga Rp unit Dengan menggunakan data input seperti yang tercantum pada Tabel 4.24 di atas, maka didapatkan jumlah perjalanan dari hasil pemodelan sebagai berikut : Tabel 4.25 Hasil Pemodelan Jumlah Perjalanan di daerah studi Komb Persamaaan R 2 Y Yi S 1 Y = -0, ,056*X1 + 2,032E-07*X2 0, Y = 2, ,615*X3 0, Y = 0, ,803*X1 + 0,818*X3 0,

25 56 Keterangan : Y X1 X2 X3 R 2 Yi S : Hasil observasi jumlah perjalanan per hari : Jumlah penghuni (orang) : Pendapatan rata-rata (rupiah) : Total kepemilikan mobil dan motor (unit) : Koefisien Determininasi : Hasil model jumlah perjalanan per hari : Total Kuadratis Residual antara hasil model dengan observasi. Dari perhitungan tersebut dapat dilihat bahwa persamaan yang terdapat pada kombinasi 3 yaitu Y = 0, ,803*X1 + 0,818*X3 mempunyai nilai koefisien determinasi lebih dari 50% dan memiliki selisih antara hasil pemodelan dengan hasil observasi yaitu 315 perjalanan orang perhari dan nilai total kuadratis minimum dibandingkan hasil pemodelan yang lain yaitu Selain itu, persamaan ini juga mempunyai nilai koefisien regresi mendekati 0 dibandingkan persamaan yang lain. Dengan mempertimbangkan beberapa hal di atas seperti nilai determinasi, selisih perjalanan hasil pemodelan dan observasi, serta variable yang digunakan, maka persamaan yang paling sesuai sebagai model bangkitan perjalanan di daerah studi kawasan perumahan Ciputat adalah Y = 0, ,803*X1 + 0,818*X3 dengan X1 adalah jumlah penghuni dan X3 adalah jumlah kepemilikan kendaraan.