BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Transkripsi

1 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 PENGUMPULAN DATA Pelaksanaan survei ini diawali dengan permohonan izin ke Badan Pemberdayaan Masyarakat kota Bandung sebagai pengantar untuk perijinan ke kantor Kelurahan Sekeloa, Kecamatan Coblong, Kota Bandung. Pengumpulan data dilakukan dengan metode survei dari rumah ke rumah yang terdapat di wilayah studi. Dalam survei ini dilakukan wawancara langsung dengan penghuni rumah dengan mengajukan pertanyaan- pertanyaan yang mendukung penelitian ini, sesuai yang tertera pada kuisioner. Keuntungan pengambilan data dengan cara wawancara langsung ini yaitu memperkecil kemungkinan kesalahan responden dalam mengartikan setiap pertanyaan yang ada dan juga meningkatkan tingkat ketelitian data yang diambil. Pengumpulan data (survei) ini dibagi dalam dua tahapan. Tahap pertama yaitu pilot survei, data yang berhasil dikumpulkan pada tahap ini akan digunakan untuk menentukan jumlah sampel minimum yang diperlukan untuk penelitian ini. Dalam pilot survei, dilakukan pengambilan data sebanyak duapuluh buah rumah tangga di wilayah studi secara acak. Pilot survei ini dilakukan pada tanggal 12 April Setelah dilakukan perhitungan jumlah sampel minimum yang diperlukan, maka dilakukan tahap kedua, yaitu survei utama yang bertujuan untuk mendapatkan sejumlah data yang akan digunakan dalam penelitian ini. Sehingga secara keseluruhan pengambilan data (survei) ini dilakukan dari tanggal 12 April 2007 sampai dengan 31 Mei 2007 Data hasil survei ini secara tabelaris dapat dilihat pada lampiran. 4.2 PERHITUNGAN JUMLAH SAMPLE MINIMUM Setelah dilakukan pengambilan data (pilot survei) yang dilakukan pada duapuluh buah rumah tangga secara acak di daerah studi, maka didapatkan data yang dapat dilhat pada halaman selanjutnya. IV - 1

2 Tabel 4.1a Data hasil pilot survei Responden ke- Jumlah Anggota keluarga ( orang) Jml pemilikan Usia penghuni rumah ( orang) Status pekerjaan ( orang) Luas ( m2) Jml kamar kos Pendapatan/bulan kendaraan (buah) (buah) (Rp) <5th 5-12th 13-18th 19-24th 24-55th >55th Tidak bekerja Kerja Pelajar/mhs Bangunan Lahan Mobil Motor Sepeda IV - 2

3 Tabel 4.1b Data hasil pilot survei Responden ke- Jumlah Perjalanan keluar (seluruh penghuni setiap rumah tangga) dari kelurahan Sekeloa untuk: Bekerja/hari Sekolah-kuliah/hari Belanja/minggu Rekreasi/minggu Lain- lain/minggu M Mot S A JK M Mot S A JK M Mot S A JK M Mot S A JK M Mot S A JK Bekerja (WIB) Waktu untuk pergi Sekolah/ kuliah (WIB) :00 7: :00 7: :00 7: :00 7: : :00 7: :00 6: :00 6: :00 7: :00 7: :00 7: : :00 7: : :00 7: :00 7: :00 7: :00 7: :00 7: :00 7:30 Keterangan : M = mobil Mot = motor S = sepeda A = angkutan umum JK = jalan kaki IV - 3

4 Dari seluruh variabel yang ada, maka untuk penentuan jumlah sampel minimum pada studi ini digunakan variabel tingkat pendapatan perbulan (Rp). Variabel ini dipilih karena variabel ini dapat menggambarkan kondisi struktur rumahtangga di daerah studi secara umum. Maka selanjutnya akan dilakukan perhitungan jumlah sampel minimum berdasarkan tingkat pendapatan perbulan (Rp) sebagai berikut: Perhitungan nilai koefisien variansi (CV) Nilai CV didapatkan dengan rumusan sebagai berikut: n ( X i X ) i= 1 CV = ( n 1) Dimana: CV = nilai koefisien variansi Xi = nilai data X = nilai rata- rata data n = jumlah data 2 Berikut adalah perhitungan CV pendapatan/ bulan (Rp) secara tabelaris. Tabel 4.2 Contoh perhitungan CV (Pendapatan/ bulan, Rp) Responden ke- Xi (Xi - X ) X Σ (Xi - X ) IV - 4

5 Maka nilai CV untuk variabel pendapatan/ bulan (Rp) adalah sebagai berikut: CV = = (20 1) Dalam penelitian ini, diambil tingkat akurasi (E) sebesar 5%, sehingga nilai E adalah sebagai berikut: E = 5% * X = 0.05 * = Rp Sedangkan tingkat kepercayaan diambil sebesar 95%, sehingga berdasarkan tabel probabilitas normal standar (lampiran) didapatkan dari hasil interpolasi sebagai berikut: Tabel 4.3 Interpolasi nilai Z α 1,64 0, ,645 0,95 1,65 0, Maka didapatkan nilai Z α sebesar 1,645 Sehingga perhitungan jumlah sampel minimum yang diperlukan, berdasarkan variabel pendapatan rumahtangga perbulan adalah sebagai berikut: (lihat pers 3.1) * (1,645) N = = 116 sampel 2 (70.500) 2 Sehingga dalam studi ini diperlukan jumlah sampel minimum sebesar 116 buah. Maka data yang diperlukan dalam studi ini adalah 120 buah. Dalam pilot survei ditemukan masih terdapat kekurangan dalam kuesioner, yaitu: 1. Jumlah anggota keluarga masih memperhitungkan jumlah penghuni kos, yang merupakan penghuni sementara/ tidak tetap. 2. Belum dilakukan pemisahan perjalanan (orang), berdasarkan tujuan perjalanan dan penggunaan moda, dalam hari kerja (weekday) dan hari libur (weekend). 3. Bangkitan perjalanan masih memperhitungkan bangkitan perjalanan penghuni kos. 4. Tidak diperlukannya variabel bebas jumlah kamar kos, karena variabel tersebut tidak memiliki keterkaitan dengan variabel tidak bebas. Dimana besarnya perjalanan penghuni kos tidak diperhitungkan. IV - 5

6 5. Tidak diperlukannya variabel bebas luas lahan, karena dari hasil data pilot survei didapat luas lahan cenderung sama dengan luas bangunan. Sehingga sebelum dilakukan survei utama, dilakukan perbaikan terlebih dahulu terhadap kuesioner agar nantinya akan didapatkan data- data yang benar- benar diperlukan sesuai dengan tujuan studi ini. 4.3 GAMBARAN UMUM DATA SURVEI UTAMA Setelah dilakukan perbaikan kuesioner, maka selanjutnya dilakukan survei utama. Dalam survei utama terkumpul 132 buah data, namun hanya diambil 120 buah data saja karena 12 data lainnya memberikan data yang terlalu jauh menyimpang (dari beberapa variabel bebas dan tidak bebas yang ada). Data hasil survei utama dapat dilihat pada lampiran. Sedangkan gambaran umum data hasil survei utama dapat dilihat pada halaman selanjutnya. IV - 6

7 Tabel 4.4 Gambaran Umum Data Karakteristik Rumah Tangga Keterangan Jumlah Satuan Jumlah Rumah Tangga 120 rumah tangga Jumlah anggota keluarga total 603 orang % Anggota keluarga total berdasarkan kelompok usia <5th 29 orang 4, ,99th 96 orang 15, ,99th 53 orang 8, ,99th 101 orang 16, th 259 orang 42,95 >55th 65 orang 10,78 Anggota keluarga total berdasarkan status pekerjaan Tdk kerja 202 orang 33,50 Kerja 206 orang 34,16 Pelajar/mhs 195 orang 32,34 Rumah tangga berdasarkan luas Bangunan < 8 m2 1 rumah tangga 0, m2 35 rumah tangga 29, m2 29 rumah tangga 24, m2 39 rumah tangga 32, m2 6 rumah tangga 5,00 > 150 m2 10 rumah tangga 8,33 Rumah tangga berdasarkan pendapatan (Rp) <500, rumah tangga 9,17 500,000-1,000, rumah tangga 34,17 1,000,001-1,500, rumah tangga 28,33 1,500,001-2,000, rumah tangga 10,00 2,000,001-2,500,000 8 rumah tangga 6,67 2,500,001-3,000,000 7 rumah tangga 5,83 3,000,001-3,500,000 1 rumah tangga 0,83 3,500,001-4,000,000 4 rumah tangga 3,33 >4,000,000 2 rumah tangga 1,67 Rumah tangga berdasarkan pemilikan kendaraan Mobil 9 rumah tangga 7,50 Motor 63 rumah tangga 52,50 Sepeda 14 rumah tangga 11,67 IV - 7

8 Tabel 4.5 Gambaran Umum Data Karakteristik Perjalanan per satuan waktu Keterangan Jumlah Satuan % Jumlah total bangkitan (orang) per minggu berdasarkan: Jumlah total bangkitan (orang) per minggu 3152 orang 100 Maksud perjalanan Bekerja 895 orang 28,39 Bersekolah/ kuliah 870 orang 27,60 Berbelanja 646 orang 20,49 Berekreasi 345 orang 10,95 Kegiatan lainnya 396 orang 12,56 Moda yang digunakan Mobil 105 orang 3,33 Motor 992 orang 31,47 Sepeda 18 orang 0,57 Angkutan umum 1243 orang 39,44 Jalan kaki 794 orang 25,19 Jumlah total bangkitan (orang) per weekday (senin hingga jumat) berdasarkan: Jumlah total bangkitan (orang) per weekday 2261 orang 71,73 Maksud perjalanan Bekerja 750 orang 33,17 Bersekolah/ kuliah 743 orang 32,86 Berbelanja 475 orang 21,01 Berekreasi 53 orang 2,34 Kegiatan lainnya 240 orang 10,61 Moda yang digunakan Mobil 82 orang 3,63 Motor 751 orang 33,22 Sepeda 14 orang 0,62 Angkutan umum 880 orang 38,92 Jalan kaki 534 orang 23,62 Jumlah total bangkitan (orang) per weekend (sabtu dan minggu) berdasarkan: Jumlah total bangkitan (orang) per weekend 891 orang 28,27 Maksud perjalanan Bekerja 145 orang 16,27 Bersekolah/ kuliah 127 orang 14,25 Berbelanja 171 orang 19,19 Berekreasi 292 orang 32,77 Kegiatan lainnya 156 orang 17,51 Moda yang digunakan Mobil 23 orang 2,58 Motor 241 orang 27,05 Sepeda 4 orang 0,45 Angkutan umum 363 orang 40,74 Jalan kaki 260 orang 29,18 IV - 8

9 Catatan: Dari data asli hasil survei, bangkitan dengan maksud bekerja dan bersekolah saat weekday dihitung per hari. Sedangkan bangkitan dengan maksud berbelanja, berekreasi dan kegiatan lainnya saat weekday dihitung per 5 hari (senin hingga jumat). Sehingga bangkitan dengan maksud bekerja dan bersekolah yang dihitung per hari tersebut dikonversikan dengan dikalikan 5 (hari), menjadi bangkitan perjalanan per 5 hari (weekday). Hal ini dilakukan dengan pertimbangan, kebiasaan perjalanan per hari dengan maksud bekerja dan bersekolah tersebut, akan selalu terjadi sepanjang 5 hari weekday tersebut. 4.4 VARIABEL BEBAS DAN VARIABEL TIDAK BEBAS YANG DIGUNAKAN Variabel bebas dalam studi ini merupakan variabel yang didapatkan berdasarkan karakteristik keluarga. Dan variabel bebas yang digunakan dalam proses pengolahan data berjumlah 13 buah sebagai berikut: Tabel 4.6 Variabel Bebas yang Digunakan Dalam Pengolahan Data Variabel bebas Keterangan X1 Jumlah anggota keluarga ( orang) X2 Jumlah anggota rumah tangga usia 5-12,99 th (orang) X3 Jumlah anggota rumah tangga usia 13-18,99 th (orang) X4 Jumlah anggota rumah tangga usia 19-23,99 th (orang) X5 Jumlah anggota rumah tangga usia th (orang) X6 Jumlah anggota rumah tangga usia >55 th (orang) X7 Jumlah anggota keluarga yang tidak bekerja (orang) X8 Jumlah anggota keluarga yang bekerja (orang) X9 Jumlah anggota keluarga dengan status pelajar/mahasiswa (orang) X10 Pendapatan rumah tangga/bulan (Rp/bulan) X11 Jumlah kepemilikan mobil (unit) X12 Jumlah kepemilikan motor (unit) X13 Jumlah kepemilikan sepeda (unit) Dalam hal ini, karakteristik keluarga berupa anak yang berusia dibawah 5 tahun dan luas bangunan tidak diperhitungkan sebagai variabel bebas karena: 1. Anak yang berusia dibawah 5 tahun masih memiliki ketergantungan dalam melakukan pergerakan kepada orang tuanya. 2. Luas bangunan tidak signifikan pengaruhnya terhadap pergerakan. Contohnya, rumah tangga yang memiliki luas bangunan yang besar belum tentu memiliki jumlah bangkitan (orang) yang besar pula. IV - 9

10 Sedangkan variabel tidak bebas yang digunakan dalam studi ini adalah sebagai berikut: Tabel 4.7 Variabel Tidak Bebas yang Digunakan Dalam Pengolahan Data Variabel tidak bebas Keterangan Y1 Y2 Y3 Jumlah total bangkitan (orang) per minggu Jumlah total bangkitan (orang) per weekday (5 hari:senin-jumat) Jumlah total bangkitan (orang) per weekend (2 hari:sabtu dan Minggu) Maka dalam pengolahan data selanjutnya, bertujuan untuk mendapatkan 3 buah model terbaik bagi: a. Bangkitan (orang) per minggu b. Bangkitan (orang) per weekday (5 hari:senin-jumat) dan c. Bangkitan (orang) per weekend ( 2 hari:sabtu dan Minggu) Pengolahan data selanjutnya dilakukan dengan menggunakan Microsoft Exel. 4.5 MATRIKS KORELASI Matriks korelasi menunjukkan hubungan secara linier antara variabel- variabel yang digunakan dalam pengolahan data, baik variabel variabel bebas maupun variabel tidak bebas. Berikut adalah interpretasi dari nilai koefisien korelasi yang terdapat pada matrik korelasi: Nilai koefisien korelasi <0,35 menunjukkan bahwa hamper tidak ada hubungan antara variabel. Koefisien korelasi antara 0,36 dan 0,60 menunjukkan ada hubungan antara variabel. Koefisien korelasi antara 0,60 dan 0,84 menunjukkan bahwa ada hubungan yang berarti antara varibel. Pada tabel matriks korelasi yang ditampilkan di bawah ini dapat dilihat bahwa jumlah anggota keluarga yang dengan usia tahun (X5) mempunyai hubungan yang erat dengan jumlah anggota keluarga (X1) dan jumlah anggota keluarga yang bekerja (X8). Hal ini dapat dilaihat pada nilai koefisien korelasi yang etrjadi antara kedua variabel tersebut cukup besar yaitu lebih besar dari 0,6. Matriks korelasi untuk ke- tiga kelompok pemodelan tersebut dapat dilihat pada halaman selanjutnya. IV - 10

11 Tabel 4.8 Matriks Korelasi Bangkitan (orang) per minggu dengan Variabel- variabel Bebas Y1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 Trip/ minggu Anggota kel th th th th >55 th Tdk bekerja Bekerja Pelajar/mhs Pendapatan/bln Jml mobil Jml motor Jml sepeda Y1 Trip/ minggu 1 X1 Anggota kel. 0, X th 0, , X th 0, , , X th 0, , , , X th 0, , , , , X6 >55 th 0, , , , , , X7 Tdk bekerja -0, , , , , , , X8 Bekerja 0, , , , , , , , X9 Pelajar/mhs 0, , , , , , , , , X10 Pendapatan/bln 0, , , , , , , , , , X11 Jml mobil 0, , , , , , , , , , , X12 Jml motor 0, , , , , , , , , , , , X13 Jml sepeda -0, , , , , , , , , , , , , IV - 11

12 Tabel 4.9 Matriks Korelasi Bangkitan (orang) per weekday ( 5 hari : Senin-Jumat) dengan Variabel- variabel Bebas Y1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 Trip/ weekday Anggota kel th th th th >55 th Tdk bekerja Bekerja Pelajar/mhs Pendapatan/bln Jml mobil Jml motor Jml sepeda Y1 Trip/ weekday 1 X1 Anggota kel. 0, X th 0, , X th 0, , , X th 0, , , , X th 0, , , , , X6 >55 th -0, , , , , , X7 Tdk bekerja -0, , , , , , , X8 Bekerja 0, , , , , , , , X9 Pelajar/mhs 0, , , , , , , , , X10 Pendapatan/bln 0, , , , , , , , , , X11 Jml mobil 0, , , , , , , , , , , X12 Jml motor 0, , , , , , , , , , , , X13 Jml sepeda -0, , , , , , , , , , , , , IV - 12

13 Tabel 4.10 Matriks Korelasi Bangkitan (orang) per weekend (2 hari: Sabtu dan Minggu) dengan Variabel- variabel Bebas Y1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 Trip/ weekday Anggota kel th th th th >55 th Tdk bekerja Bekerja Pelajar/mhs Pendapatan/bln Jml mobil Jml motor Jml sepeda Y1 Trip/ weekday 1 X1 Anggota kel. 0, X th 0, , X th 0, , , X th 0, , , , X th 0, , , , , X6 >55 th 0, , , , , , X7 Tdk bekerja 0, , , , , , , X8 Bekerja 0, , , , , , , , X9 Pelajar/mhs 0, , , , , , , , , X10 Pendapatan/bln 0, , , , , , , , , , X11 Jml mobil -0, , , , , , , , , , , X12 Jml motor 0, , , , , , , , , , , , X13 Jml sepeda -0, , , , , , , , , , , , , IV - 13

14 4.6 PROSES PENGOLAHAN DATA Dari ke- tiga matriks korelasi tersebut didapatkan masing- masing dua buah nilai korelasi terbesar, yang dalam hal ini merupakan hubungan X1 dan X5 serta hubungan X1 dan X8. Sehingga dalam pengolahan data selanjutnya akan dilakukan pemisahan perhitungan menjadi 5 buah kombinasi ( untuk masing- masing variabel tidak bebas). Pengkombinasian ini dimaksudkan untuk mengetahui model bangkitan yang terjadi jika variabel- variabel bebas yang berkorelasi kuat tersebut tidak disatukan dalam proses perhitungan (dikombinasikan) dan untuk mengetahui model bangkitan yang terjadi jika dua buah variabel bebas yang berkorelasi kuat antara satu dengan lainnya itu disatukan dalam proses perhitungan. Kombinasi untuk perhitungan selanjutnya adalah sebagai berikut: 1. Kombinasi 1, dengan mengeliminasi variabel bebas X5 2. Kombinasi 2, dengan mengeliminasi variabel bebas X1 dan X5 3. Kombinasi 3, dengan mengeliminasi variabel bebas X8 dan X5 4. Kombinasi 4, dengan mengeliminasi variabel bebas X1 dan X8 5. Kombinasi 5, tanpa pengeliminasi variabel bebas Beberapa hal yang perlu diperhatikan dalam proses pemodelan dalam hal ini adalah sebagai berikut: Parameter tanda logis yang diharapkan Parameter tanda logis yang diharapkan (bagi variabel- variabel bebas) menyatakan hubungan yang sebanding atau berbanding terbalik antara variabel bebas dengan variabel tidak bebasnya. Parameter tanda logis yang diharapkan (bagi variabel- variabel bebas) dapat bernilai positif atau negatif (/-). a. Parameter logis bertanda positif () bila peningkatan nilai variabel bebas menyebabkan peningkatan nilai variabel tidak bebas (bangkitan), dan sebaliknya. b. Sedangkan jika parameter logis bertanda negatif (-) bila peningkatan nilai variabel bebas menyebabkan menurunnya nilai variabel tidak bebas (bangkitan), dan sebaliknya. Penentuan parameter tanda logis ini dilakukan berdasarkan logika. Parameter logis yang diharapkan dalam studi ini dapat dilihat pada halaman selanjutnya. IV - 14

15 Tabel 4.11 Parameter Tanda Logis yang Diharapkan Variabel bebas Keterangan Tanda logis yangdiharapkan X1 Jml anggota keluarga (orang) X2 Jumlah anggota rumah tangga usia 5-12 th (orang) X3 Jumlah anggota rumah tangga usia th (orang) X4 Jumlah anggota rumah tangga usia th (orang) X5 Jumlah anggota rumah tangga usia th (orang) X6 Jumlah anggota rumah tangga usia >55 th (orang) X7 Jumlah anggota keluarga yang tidak bekerja (orang) X8 Jumlah anggota keluarga yang bekerja (orang) X9 Jumlah anggota keluarga dengan status pelajar/mahasiswa (orang) X10 Pendapatan rumah tangga/bulan (Rp/bulan) X11 Jumlah kepemilikan mobil (unit) X12 Jumlah kepemilikan motor (unit) X13 Jumlah kepemilikan sepeda (unit) Berikut adalah penjelasan mengenai alasan pemilihan tanda logis yang digunakan bagi setiap variabel bebas diatas. 1. Jumlah anggota keluarga dan pembagiannya berdasarkan kelompok umur. Dalam hal ini semakin banyak anggota keluarga dalam suatu rumah tangga, maka potensi rumah tangga tersebut untuk menghasilkan bangkitan perjalanan semakin besar pula. Dan semakin banyak anggota keluarga yang berusia diatas 5 tahun, maka potensi rumah tangga tersebut untuk menghasilkan bangkitan perjalanan semakin besar pula. Karena pergerakan pada usia di atas 5 tahun tidak lagi, memiliki ketergantungan perjalanan kepada orangtuanya, sebagaimana anak dibawah 5 tahun. 2. Jumlah anggota keluarga berdasarkan status pekerjaan Semakin banyak anggota keluarga yang berstatus pekerja atau pelajar/mahasiswa, maka potensi untuk menghasilkan bangkitan perjalanan akan semakin besar pula. Hal ini karena pekerja/pelajar tersebut akan melakukan perjalanan dengan maksud bekerja/ bersekolah setiap harinya, yang merupakan perjalanan bersifat wajib (mandatory trip). Sedangkan anggota keluarga yang berstatus tidak bekerja, tetap berpotensi menghasilkan bangkitan perjalanan untuk maksud perjalanan lainnya. 3. Tingkat pendapatan perbulan rumahtangga Semakin besar tingkat pendapatan suatu rumahtangga, maka kemampuan rumah tangga tersebut untuk membiayai perjalanan akan semakin besar pula, sehingga berpotensi meningkatkan jumlah bangkitan perjalanan rumah tangga tersebut. IV - 15

16 4. Jumlah kepemilikan kendaraan Semakin banyak kepemilikan kendaraan pada suatu rumah tangga, akan berpotensi meningkatkan jumlah bangkitan rumah tangga tersebut. Hal ini karena kendaraan memberikan kemudahan dalam melakukan pergerakan (aksesibilitas). Dalam pengolahan data selanjutnya, variabel bebas yang tidak sesuai dengan parameter logis yang diharapkan akan dieliminasi. Untuk lebih jelasnya, dapat dilihat pada contoh perhitungan selanjutnya. Nilai Banding t Nilai banding t digunakan untuk melihat apakah variabel bebas yang digunakan dalam model signifikan dengan nilai t- kritis. Berikut adalah nilai banding t (t- kritis) berdasarkan tabel. Dengan derajat kebebasan (ν) adalah (N-1), dimana N dalam studi ini merupakan jumlah responden. Sehingga derajat bebasannya adalah, ν = = 119 Sedangkan dari tingkat kepercayaan yang diambil 95%, sehingga: p = 1-(0,05/2) = 0,975. Maka dari tabel distribusi t didapatkan sebagai berikut: ν t 0, , x 120 1,98 Maka dari hasil interpolasi didapatkan nilai t 0,975 = t-kritis = 1,98 Dalam pengolahan data selanjutnya, variabel- variabel bebas harus memiliki t-stat yang lebih besar dari t- kritis = 1,98. Sehingga variabel bebas yang memiliki t-stat kurang dari 1,98 akan dieliminasi. Untuk lebih jelasnya, dapat dilihat pada contoh perhitungan selanjutnya. IV - 16

17 Nilai Banding f Nilai banding f digunakan untuk melihat apakah model yang dihasilkan signifikan dengan F kritis yang didapatkan dari tabel distribusi F. Berikut adalah f (f-kritis) berdasarkan tabel. Dengan derajat kebebasan (ν) adalah (N-1), dimana N dalam studi ini merupakan jumlah responden. Sehingga derajat bebasannya adalah, ν = = 119 Sedangkan dari tingkat kepercayaan yang diambil 95%, sehingga: p = 0,05. Maka dari tabel distribusi t didapatkan sebagai berikut: F p ν 100 3, x 125 3,92 Maka dari hasil interpolasi didapatkan nilai F p = f-kritis = 3,92 Dalam pengolahan data selanjutnya, persamaan regresi yang dihasilkan harus memiliki f-stat yang lebih besar dari f- kritis = 3,92. Sehingga persamaan regrasi yang memiliki f- stat kurang dari 3,92 akan dieliminasi. Untuk lebih jelasnya, dapat dilihat pada contoh perhitungan selanjutnya. Nilai koefisien determinasi (R 2 ) Koefisien determinasi merupakan salah satu kriteria untuk menentukan apakah variabel suatu fungsi regresi yang digunakan cukup tepat. Model regresi yang memiliki variabel bebas yang sedikit, mempunyai koefisien regresi yang baik (misal, memiliki tanda sesuai parameter logis yang diharapkan) dan koefisien determinasi (R 2 ) mendekati 1 lebih baik dibandingkan model regresi yang memiliki lebih banyak variabel bebas namun memiliki nilai R 2 yang tidak jauh berbeda dengan model yang bervariabel bebas sedikit. IV - 17

18 Contoh Pemodelan Berikut adalah contoh perhitungan untuk pemodelan total bangkitan (orang) perminggu, Kombinasi 1 (seluruh variable tanpa X5) Maka berikut adalah hasil regresi setelah variabel X5 dieliminasi. SUMMARY OUTPUT Regression Statistics Multiple R 0, R Square 0, Adjusted R Square 0, Standard Error 8, Observations 120 ANOVA df SS MS F Significance F Regression , , , ,29565E-25 Residual , , Total ,46667 Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0% Intercept 2, , , , , , , , X1-0, , , , , , , , X2 3, , , , , , , , X3 3, , , , , , , , X4 1, , , , , , , , X6-2, , , , , , , , X7 0, , , , , , , , X8 5, , , , , , , , X9 4, , , , , , , , X10 3,271E-06 1,11315E-06 2, , ,06425E-06 5,4776E-06 1,06425E-06 5,47762E-06 X11-1, , , , , , , , X12 2, , , , , , , , X13-4, , , , , , , , TAHAP 1 ( hasil: eliminasi X1,X6,X11 dan X13) Dari hasil regresi diatas terdapat 4 variabel yang nilainya tidak logis, sehingga ke- empat variable tersebut dikombinasikan sebagai berikut: no Variabel yang dieliminasi Jumlah variabel yang tidak logis Nilai f-stat Jumlah variabel bebas yang t-statnya <1, , , , , ,6 3 28, , , , , , , , , , , ,6, , ,6, , ,11, , ,11, , ,6,11, ,472 2 IV - 18

19 Maka pada tahap 1 dilakukan pengeliminasi variabel bebas X1,X6,X11 dan X13 karena dari hasil regrasi, hanya terdapat 1 variabel bebas yang memiliki parameter yang tidak logis; nilai f- stat yang terbesar yaitu 34,472 dan hanya terdapat 2 variabel bebas yang nilai t- stat nya << 1,98 Berikut hasil regresi dengan pengeliminasian X1,X6,X11 dan X13. SUMMARY OUTPUT Regression Statistics Multiple R 0, R Square 0, Adjusted R 0,69233 Standard E 8, Observatio 120 ANOVA df SS MS F Significance F Regression , ,117 34, ,56E-27 Residual ,527 67,01376 Total ,47 Coefficientstandard Erro t Stat P-value Lower 95%Upper 95%Lower 95,0%Upper 95,0% Intercept 2, , , , , , , , X2 3, , , , , , , , X3 3, , , , , , , , X4 1, , , , , , , , X7-0, , , , , , , , X8 4, , , ,29E-08 3, , , , X9 3, , , , , , , , X10 2,83E-06 1,07E-06 2, , ,21E-07 4,95E-06 7,21E-07 4,95E-06 X12 2, , , , ,6173 4, ,6173 4,41472 TAHAP 2 (hasil: eliminasi X7) Dari hasil regrasi Tahap 1 didapatkan koefisien regresi variable bebas X7 tidak sesuai dengan parameter logis yang diharapkan, yaitu -0,978 dan nilai t- stat variable bebas X7, yaitu -1,4334 < 1,98. Maka selanjutnya akan dilakukan pengeliminasian variable X7. Dan hasil regresinya dapat dilihat pada halaman selanjutnya. IV - 19

20 SUMMARY OUTPUT Regression Statistics Multiple R 0,84125 R Square 0, Adjusted R 0, Standard E 8, Observatio 120 ANOVA df SS MS F Significance F Regression , ,462 38, ,99E-27 Residual ,233 67,64494 Total ,47 Coefficientstandard Erro t Stat P-value Lower 95%Upper 95%Lower 95,0%Upper 95,0% Intercept 1, , , , , , , , X2 2, , , , , , , ,44727 X3 2, , , , , , , , X4 1, , , , , , , ,18424 X8 4, , , ,03E-08 3, , , , X9 4, , , , , , , , X10 2,57E-06 1,06E-06 2, , ,78E-07 4,66E-06 4,78E-07 4,66E-06 X12 2, , , , , , , , TAHAP 3 (hasil: eliminasi X4) Dari hasil regrasi Tahap 2 seluruh variabel bebas memenuhi parameter logis yang diharapkan. Serta didapatkan nilai t- stat variable bebas X4 merupakan nilai t-stat yang menyimpang terjauh dari t- kritis, yaitu 1,4988 < 1,98. Maka selanjutnya akan dilakukan pengeliminasian variable X4. Berikut adalah hasil regresinya. SUMMARY OUTPUT Regression Statistics Multiple R 0, R Square 0, Adjusted R 0, Standard E 8, Observatio 120 ANOVA df SS MS F Significance F Regression , ,877 44,3314 1,7E-27 Residual ,204 68,39118 Total ,47 Coefficientstandard Erro t Stat P-value Lower 95%Upper 95%Lower 95,0%Upper 95,0% Intercept 2, , , , , , , ,89925 X2 1, , , , , , , , X3 1, , , , , , , , X8 4, , , ,64E-10 3, , , ,42489 X9 5, , , ,46E-11 3, , , , X10 2,24E-06 1,04E-06 2, , ,85E-07 4,3E-06 1,85E-07 4,3E-06 X12 2, , , , , , , , IV - 20

21 TAHAP 4 (hasil: eliminasi X3) Dari hasil regrasi Tahap 3 seluruh variabel bebas memenuhi parameter logis yang diharapkan. Serta didapatkan nilai t- stat variable bebas X3 merupakan nilai t-stat yang menyimpang terjauh dari t- kritis, yaitu 1,2518 < 1,98. Maka selanjutnya akan dilakukan pengeliminasian variable X3. Berikut adalah hasil regresinya. SUMMARY OUTPUT Regression Statistics Multiple R 0, R Square 0, Adjusted R 0, Standard E 8, Observatio 120 ANOVA df SS MS F Significance F Regression , ,816 52, ,78E-28 Residual ,388 68,73148 Total ,47 Coefficientstandard Erro t Stat P-value Lower 95%Upper 95%Lower 95,0%Upper 95,0% Intercept 2, , , ,0983-0, , , , X2 1, , , , , , , , X8 4, , , ,53E-10 3, , , , X9 5, , , ,05E-14 4, , , , X10 2,15E-06 1,04E-06 2, , ,51E-08 4,21E-06 9,51E-08 4,21E-06 X12 2, , , , , , , , TAHAP 5 (hasil: eliminasi X2) Dari hasil regrasi Tahap 4 seluruh variabel bebas memenuhi parameter logis yang diharapkan. Serta didapatkan nilai t- stat variable bebas X2 merupakan nilai t-stat yang menyimpang terjauh dari t- kritis, yaitu 1,1659 < 1,98. Maka selanjutnya akan dilakukan pengeliminasian variable X2. Dan hasil regresinya dapat dilihat pada halaman selanjutnya. IV - 21

22 SUMMARY OUTPUT Regression Statistics Multiple R 0, R Square 0, Adjusted R 0, Standard E 8, Observatio 120 ANOVA df SS MS F ignificance F Regression , ,659 65, ,08E-28 Residual ,831 68,94635 Total ,47 Coefficientstandard Erro t Stat P-value Lower 95%Upper 95%Lower 95,0%Upper 95,0% Intercept 3, , , , , , , , X8 5, , , ,07E-10 3, , , , X9 6, , , ,89E-17 4, , , , X10 2,24E-06 1,04E-06 2, , ,89E-07 4,3E-06 1,89E-07 4,3E-06 X12 1, , , , , , , , Semua variable bebas telah memenuhi parameter logis yang diharapkan. Dan nilai t- stat yang dihasilkan oleh semua variable bebas >> 1,98. Serta nilai f- stat baik, yaitu 65, Dan didapatkan model dari total bangkitan (orang) perminggu (Kombinasi 1) adalah sebagai berikut: Y1 = X8 6,0914 X9 2,24E-06 X10 1,8497 X12 3,3289 Dimana variabel bebas yang berpengaruh adalah: Y1 = Jumlah total bangkitan (orang) perminggu X8 = Jumlah anggota keluarga yang bekerja (orang) X9 = Jumlah anggota keluarga dengan status pelajar/mahasiswa (orang) X10 = Pendapatan rumah tangga/bulan (Rp/bulan) X12 = Jumlah kepemilikan motor (buah) Dengan nilai R 2 = 0,694 Dan setelah dibuat keempat model kombinasi lainnya (dari kombinasi 2 hingga kombinasi 5). Maka dari kelima model yang dihasilkan akan dipilih satu model terbaik berdasarkan nilai R 2 terbesar. Perhitungan lainnya dapat dilihat pada lampiran. IV - 22

23 4.7 REKAPITULASI PENGOLAHAN DATA Berikut adalah hasil rekapitulasi model- model bangkitan total trip (orang per minggu) Tabel 4.12 Rekapitulasi Model- model Bangkitan Total Trip (orang per minggu) X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 Variable Bebas Intercept Jumlah anggota keluarga Jumlah anggota rumah tangga usia 5 12 th Jumlah anggota rumah tangga usia 13 18,99 th Jumlah anggota rumah tangga usia 19 23,99 th Jumlah anggota rumah tangga usia th Jumlah anggota rumah tangga usia >55 th Jumlah anggota keluarga yang tidak bekerja Jumlah anggota keluarga yang bekerja Jumlah anggota keluarga dengan status pelajar/mahasiswa Pendapatan rumah tangga/bulan Jumlah kepemilikan mobil Jumlah kepemilikan motor Jumlah kepemilikan sepeda Satuan orang orang orang orang orang orang orang orang orang Rupiah/ bulan unit unit unit Tanda logis yang / Nilai Regresi Persamaan Regresi Kombinasi 1 Kombinasi 2 Kombinasi 3 Kombinasi 4 Kombinasi 5 3,329 3,329 1,791 0,122 3,329 t stat 1,918 1,918 0,775 0,055 1,918 1,419 t stat 2,262 5,140 5,991 t stat 4,021 5,928 4,675 5,793 t stat 3,490 4,912 3,258 4,812 t stat 3,571 7,013 3,420 t stat 3,976 t stat t stat 5,022 5,022 5,022 t stat 6,896 6,896 6,896 6,091 6,091 6,091 t stat 9,880 9,880 9,880 2,24E 06 2,24E 06 4,29E 06 3,61E 06 2,24E 06 t stat 2,163 2,163 3,561 3,183 2,163 t stat 1,850 1,850 3,485 3,578 1,850 t stat 2,033 2,033 3,469 3,718 2,033 t stat R 2 0,694 0,694 0,616 0,648 0,694 F Stat 65,234 65,234 30,230 34,672 65,234 IV - 23

24 Berikut adalah hasil rekapitulasi data total trip orang per weekday (dalam 5 hari, senin hingga jumat) Tabel 4.13 Rekapitulasi Model- model Bangkitan Total Trip (orang) per weekday per rumah X1 Jumlah anggota keluarga orang X2 X3 X4 Jumlah anggota rumah tangga usia 19 23,99 th orang X6 Jumlah anggota rumah tangga usia >55 th orang X7 Jumlah anggota keluarga yang tidak bekerja orang X8 Jumlah anggota keluarga yang bekerja orang X9 Jumlah anggota keluarga dengan status pelajar/mahasiswa orang X10 Pendapatan rumah tangga/bulan Rupiah/ bulan X11 Jumlah kepemilikan mobil unit X12 Variable Bebas Intercept Jumlah anggota rumah tangga usia 5 12 th Jumlah anggota rumah tangga usia 13 18,99 th Satuan X5 Jumlah anggota rumah tangga usia th orang Jumlah kepemilikan motor unit X13 Jumlah kepemilikan sepeda unit orang orang Tanda logis yang diharapkan / Nilai Regresi Persamaan Regresi Kombinasi 1 Kombinasi 2 Kombinasi 3 Kombinasi 4 Kombinasi 5 3,370 3,370 2,699 0,278 3,370 t stat 2,297 2,297 1,559 0,144 2,297 t stat 5,196 4,620 t stat 5,896 5,312 4,403 4,353 t stat 4,184 4,289 2,931 3,112 t stat 4,810 5,269 2,296 t stat 3,102 t stat t stat 3,920 3,920 3,920 t stat 6,576 6,576 6,576 4,311 4,311 4,311 t stat 7,756 7,756 7,756 3,87108E 06 2,58E 06 t stat 4,225 2,636 t stat 2,266 2,266 3,126 3,212 2,266 t stat 2,900 2,900 3,642 3,879 2,900 t stat R 2 0,590 0,590 0,538 0,574 0,590 F Stat 55,532 55,532 26,524 25,379 55,532 IV - 24

25 Berikut adalah hasil rekapitulasi data total trip orang per weekend (dalam 2 hari, sabtu dan minggu) Tabel 4.14 Rekapitulasi Model- model Bangkitan Total Trip (orang) per weekend per rumah X4 Jumlah anggota rumah tangga usia 19 23,99 th orang X5 Jumlah anggota rumah tangga usia th orang X6 Jumlah anggota rumah tangga usia >55 th orang X7 Jumlah anggota keluarga yang tidak bekerja orang X8 Jumlah anggota keluarga yang bekerja orang X9 Rupiah/ X10 Pendapatan rumah tangga/bulan bulan X11 Jumlah kepemilikan mobil unit X12 Jumlah kepemilikan motor unit X13 Variable Bebas X2 Jumlah anggota rumah tangga usia 5 12 th orang X3 Jumlah anggota rumah tangga usia 13 18,99 th orang Jumlah anggota keluarga dengan status pelajar/mahasiswa Satuan Intercept / X1 Jumlah anggota keluarga orang orang Tanda logis yang diharapkan Jumlah kepemilikan sepeda unit Nilai Regresi Persamaan Regresi Kombinasi 1 Kombinasi 2 Kombinasi 3 Kombinasi 4 Kombinasi 5 1,115 1,115 0,395 0,078 1,115 t stat 1,905 1,905 0,519 0,098 1,905 0,826 t stat 4,565 1,438 t stat 4,075 1,501 t stat 3,621 1,748 t stat 7,900 1,087 t stat 3,602 0,882 0,882 0,956 0,882 t stat 2,413 2,413 2,472 2,413 t stat 1,624 1,624 1,624 t stat 6,683 6,683 6,683 1,878 1,878 1,016 1,878 t stat 9,782 9,782 3,996 9,782 9,12E 07 t stat 2,488 1,01E 06 t stat 2,658 t stat t stat R 2 0,577 0,577 0,517 0,536 0,577 F Stat 52,690 52,690 41,376 21,750 52,690 IV - 25

26 Selanjutnya dari kelima model bangkitan hasil kombinasi pada masing- masing kasus tersebut akan dipilih satu model bangkitan terbaik. Proses pemilihan model bangkitan terbaik tersebut akan dijelaskan selanjutnya pada BAB V Analisa Data. IV - 26