ANALISIS PERMODELAN TARIKAN PERGERAKAN LAHAN PARKIR DI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA 1 INTISARI

Transkripsi

1 ANALISIS PERMODELAN TARIKAN PERGERAKAN LAHAN PARKIR DI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA 1 Muhammad Adrul Jhan, Sr Atmaja Rosyd 3, Anta Rahmawat 4 INTISARI Model tarkan pergerakan transportas mempun berbaga manfaat. Beberapa manfaatn adalah untuk memperkrakan dampak kebutuhan transportas d lngkungan sektar lokas atau tata guna lahan dan untuk mengetahu kebutuhan fasltas parkr. Pergerakan kegatan penddkan d Unverstas Muhammadh Yogkarta mempun ntenstas ng cukup tngg, serng dengan berkembangn Unverstas Muhammadh Yogkarta sehngga menyebabkan permntaan parker ng tngg, dkarenakan semakn tnggn volume kendaraan. Konds sepert n dapat djumpa d ruas jalan sebelah tmur Gedung F4, ruas jalan sebelah utara Gedung F, F3, dan F4, serta ruas jalan sebelah selatan Gedung Perpustakaan. Peneltan n bertujuan untuk megetahu faktor ng mempengaruh tarkan pergerakan d lahan parkr Unverstas Muhammadh Yogharta dan membuat model tarkan pergerakan d lahan parkr Unverstas Muhammadh Yogkarta, sehngga model tersebut dapat dgunakan untuk mengatas permasalahan transportas ng dtmbulkan oleh adan tarkan pergerakan kendaraan dengan cara manajemen maupun rekasa lalu lntas. Data prmer ng dgunakan daml dengan cara surva langsung d seluruh lahan parkr, sedangkan data sekunder ng dgunakan berupa jumlah mahasswa, jumlah kepemlkan kendaraan, luas ruangan, luas bangunan luas kantn, dan luas lahan parkr ng dperoleh dar Badan Pengurus Haran (BPH) Unverstas Muhammadh Yogkarta. Analss data dengan analss korelas, analss regres lnear berganda dengan metode enter dan metode stepwse menggunakan bantuan software SPSS 0, menghtung koefsen determnas, dan uj sgnfkas..pengujan model dlakukan dengan uj lneartas, uj homoskedaststas, uj nonautokorelas, uj nonmultkolneartas dan uj normaltas. Dar hasl peneltan dperoleh model tarkan pergerakan terbak menggunakan metode stepwse sebaga berkut: Y = 4, ,049 X 6 Dengan Y= Jumlah tarkan pergerakan (smp/jam), X 6 = lahan parkr(m ) Kata kunc : Tarkan, Regres, Lahan Parkr 1 Dsampakan pada Semnar Tugas Akhr pada Mahasswa jurusan Teknk Spl, Fakultas Teknk, UMY 3 Dosen Pembmbng 1 4 Dosen Pembmbng 1

2 1. PENDAHULUAN A. Latar Belakang Model tarkan pergerakan transportas mempun berbaga manfaat. Beberapa manfaatn adalah untuk memperkrakan dampak kebutuhan transportas d lngkungan sektar lokas atau tata guna lahan dan untuk mengetahu kebutuhan fasltas parkr. Pergerakan kegatan penddkan d Unverstas Muhammadh Yogkarta mempun ntenstas ng cukup tngg, serng dengan berkembangn Unverstas Muhammadh Yogkarta. Dengan pesatn perkembangan n dapat menyebabkan berbaga masalah, terutama ng berkatan dengan lalu lntas serta permasalahan penyedaan parkr, sebab dengan semakn tnggn volume kendaraan tersebut maka permntaan parkr d kawasan tersebut juga akan menngkat. Jka permntaan tersebut tdak segera dpenuh, maka berakbat ketdakteraturan parkr. Ketdakteraturan penempatan kendaraan n dsebabkan oleh kendaraan ng sult mendapatkan tempat parkr, adan kendaraan parkr d pnggr jalan ( on street ) pada jam-jam sbuk, mengakbatkan turunn kapastas jalan sehngga penggunaan jalan tdak efektf dan akhrn bermplkas pada terhambatn arus lalu lntas. Konds sepert n dapat djumpa d ruas jalan sebelah tmur Gedung F4, ruas jalan sebelah utara Gedung F, F3, dan F4, serta ruas jalan sebelah selatan Gedung Perpustakaan. Untuk tu, saat n perlu drencanakan untuk membangun lahan parkr ng baru untuk mengakomodas penngkatan kebutuhan parkr d Unverstas Muhammadh Yogkarta dan bagamana merumuskan dan mengelola sstem suatu transportas kampus, khususn subsstem parkr,. Analss permodelan tarkan pergerakan parkr juga dperlukan untuk perencanaan fasltas parkr, bak perencanaan awal maupun perencanaan pengembangan lahan parkr. Analss n akan mengestmaskan luas lahan parkr ng harus dsedakan oleh UMY. B. Tujuan Peneltan Adapun tujuan dar peneltan n adalah: 1. Memperoleh faktor ng mempengaruh tarkan pergerakan lahan parkr d Unverstas Muhammadh Yogkarta.. Membuat model tarkan pergerakan lahan parkr d Unverstas Muhammadh Yogkarta. C. Manfaat Peneltan Manfaat ng dperoleh dar peneltan n adalah: 1. Untuk memberkan gambaran tentang tarkan perjalanan pada fasltas ruang parkr d Unverstas Muhammadh Yogkarta.. Hasl peneltan n bsa menjad bahan evaluas Unverstas Muhammadh Yogkarta dalam mengelola fasltas parkr dan kapastasn dalam menampung pertumbuhan kendaraan ng ada.. TINJAUAN PUSTAKA Kebutuhan transportas ng menngkat menmbulkan berbaga masalah transportas. Salah satun berkatan dengan jumlah pergerakan suatu zona. Hal n membutuhkan suatu perencanaan transportas ng memberkan suatu model pergerakan ng berfungs untuk mengatas permasalahan, transportas bak untuk sekarang maupun masa mendatang. Tarkan pergerakan kendaraan tu mengalkan jumlah kendaraan dengan ekvalens mobl penumpang. Ketentuan mengena ekvalens mobl penumpang (emp) terdapat dalam Manual Kapastas Jalan Indonesa untuk jalan perkotaan tak terbag (tanpa medan). Ekvalens mobl penumpang untuk kendaraan berat adalah 1,3; kendaraan rngan (mobl) adalah satu sedangkan untuk sepeda motor adalah 0,4. (Bna Marga, 1997) Tarkan pergerakan kendaraan suatu tata guna lahan serng dengan kebutuhan parkr tata guna lahan tersebut. Terdapat beberapa faktor ng menentukan kebutuhan parkr. Faktor ng menentukan kebutuhan parkr juga mempengaruh tarkan pergerakan kendaraan ng terjad. Menurut Budarto dan Mahmudah (007), luas lanta suatu bangunan akan mempengaruh jumlah kendaraan ng akan d parkr pada area dekat bangunan tersebut. lanta bangunan merupakan salah satu faktor ng menark pergerakan kendaraan. Model adalah alat bantu atau meda ng dapat dgunakan untuk mencermnkan dan

3 3 menyederhanakan suatu realta (duna sebenarn) secara terukur (Tamn, 1997), beberapa dantaran adalah: a. model fsk (model arstek, model teknk, wang golek dan lan-lan) b. model peta dan dagram c. model statstk dan matematk (fungs atau persamaan) ng dapat menerangkan secara terukur beberapa aspek fsk, sosal ekonom atau model transportas. A. Analss Korelas Analss korelas berfungs untuk mengetahu kuat lemahn tngkat hubungan lner antarvarabel. Suatu varabel dapat dramalkan dar varabel lann apabla terdapat korelas ng sgnfkan. Menurut Young (198) mengemukakan ukuran koefsen korelas sebaga berkut: a. 0,70 s.d. 1,00 (bak plus maupun mnus) menunjukkan adan tngkat hubungan ng tngg b. 0,40 s.d. <0,70 (bak plus maupun mnus) menunjukkan adan tngkat hubungan ng substansal c. 0,0 s.d. 0,40 (bak plus maupun mnus) menunjukkan tngkat hubungan ng rendah d. <0,0 (bak plus maupun mnus) menunjukkan tdak adan hubungan Koefsen korelas (r) mempun persamaan sebaga berkut: r xy = n X Y X Y n ( X ) ( X ) n r xy = Koefsen korelas antara x dan y n = bank data Y Y Tahap pengujan ng dlakukan adalah: (1) 1. Menentukan hpotess ng dgunakan adalah: H 0 : r = 0, artn koefsen regres tdak sgnfkan H 1 : r 0, artn koefsen regres sgnfkan. Menentukan dasar pengamblan keputusan berdasarkan nla probabltas: Jka probabltas > 0.05, maka H 0 dterma Jka probabltas < 0.05, maka H 0 dtolak. B. Analss Regres Analss regres berfungs untuk menghaslkan hubungan antara dua varabel atau lebh dalam bentuk numerk. Asums statstk ng dperlukan dalam analss regres adalah: 1. Varabel tak bebas adalah fungs lnear dar varabel bebas. Jka hubungan tersebut tdak lner maka terkadang harus dtransformaskan agar menjad lner. Varabel bebas adalah tetap dan telah terukur tanpa kesalahan 3. Tdak ada korelas antara varabel bebas 4. Varans dar varabel tak bebas terhadap gars regres adalah sama untuk seluruh varabel tak bebas 5. Nla varabel tak bebas harus berdstrbus normal atau mendekat normal 6. Nla peubah bebas sebakn merupakan besaran ng relatf mudah dproyekskan. Persamaan regres dalam SPSS menggunakan metode enter dan stepwse. Menurut Wahd Sulaman (004), metode enter adalah metode untuk mendapatkan model dengan memlh semua varabel bebas dalam persamaan regres sedangkan metode stepwse memlh varabel bebas ng mempun nla sgnfkans kuat ng dgunakan untuk pemodelan. Persamaan regres lnear berganda ng mempun lebh dar dua varabel dapat mencar b 0, b 1, b,, b k menggunakan matrks. Msalkan respon Y ng bergantung pada k buah predktor X 1, X,, X k mempun

4 4 hubungan lnear ganda ng dapat dtaksr oleh model: Y = b b X b X... b X () k k Y = varabel tdak bebas (krterum) X 1, X,..., X k = predktor 1, predktor,..., predktor ke-k Uj sgnfkan persamaan regres sederhana maupun berganda dhtung menggunakan persamaan: b1 1 t = (5) Sb t = t htung b = konstanta b = koefsen regres 0 C. Koefsen Determnas (R ) Koefsens determnas (R ) merupakan pengujan statstk untuk mengukur besarn sumbangan atau andl dar varabel bebas terhadap varas nak atau turunn varabel tdak bebas. Besaran R berksar antara 0 dan 1, sehngga secara umum akan berlaku 0 R 1. Makn dekat R dengan 1 makn bak kecocokan data dengan model, dan sebalkn makn dekat dengan 0 maka makn jelek kecocokann.menentukan nla koefsen determnas (R ) menurut Wahd Sulaman (004), berdasarkan perhtungan persamaan regres lnear sederhana dan berganda menggunakan persamaan sebaga berkut: jumlah kuadrat regres R = total jumlah kuadrat (3) * ~ Y Y / k R = Y Y / k (4) R = koefsen determnas Y = nla pengamatan Y * = nla Y ng dtaksr dengan model regres Y = nla rata-rata pengamatan K = jumlah varabel ndependen regres D. Uj Sgnfkans (Uj-t) Uj sgnfkas merupakan pengujan statstk ng bertujuan untuk mengetahu apakah koefsen regres ng dhaslkan dapat dterma sebaga penaksr parameter regres populas. β = slope gars regres sebenarn Sb = kesalahan standar koefsen regres Tahap pengujan ng dlakukan adalah: 1. Menentukan hpotess ng dgunakan adalah: H 0 : β = 0, artn koefsen regres tdak sgnfkan H 1 : β 0, artn koefsen regres sgnfkan. Berdasarkan nla probabltas: Jka probabltas >0.05, maka H 0 dterma Jka probabltas < 0.05, maka H 0 dtolak E. Analss Varans (Uj-F/Anova) Pengujan n merupakan pengujan statstk untuk mengetahu apakah semua varabel bebas secara bersama-sama (smultan) dapat berpengaruh terhadap varabel tak bebas melalu penggunaan analss tersebut. Analss regres akan mendapatkan F regres ng dperoleh dar persamaan: ~ F htung = Y * Y / k ~ Y * Y / n k 1) F htung = harga blangan F untuk gars regres Y Y * Y k = nla pengamatan (6) = nla Y ng dtaksr dengan model regres = nla rata-rata pengamatan = jumlah varabel ndependen regres

5 5 n = jumlah pengamatan atau sampel Pengujan gars regres dlakukan dengan membandngkan nla F htung hasl analss dengan F tabel. Apabla F htung hasl analss > F tabel berart persamaan gars regres tersebut dapat dpaka sebaga kesmpulan. Sebalkn apabla F htung hasl analss < F tabel, berart persamaan gars regres tersebut tdak sgnfkan untuk djadkan landasan predks. Pada pengujan n dgunakan tngkat sgnfkans sebesar 5%. F. Pengujan model Model ng dhaslkan harus duj agar memenuh krtera. Persratan krtera BLUE bak analss regres sederhan maupun analss regres berganda adalah sebaga berkut: a. Uj lneartas Uj n mempun tujuan untuk mengetahu lneartas hubungan antara dua varabel, dengan cara mudah kta bsa membuat dagram pencarn. Apabla ttkttk data tersebut membentuk pola lner maka asums lneartas terpenuh. b. Homoskedaststas (kesamaan varans) Heterokedaststas adalah varans dalam model ng tdak sama (konstan). Konsekuens adan heterokedtas dalam model regres adalah penaksr (estmator) ng dperoleh tdak efsen bak dalam sampel kecl maupun sampel besar, walaupun penaksr ng dperoleh menghaslkan menggambarkan populasn (tdak bas) dan bertambahn sampel ng dgunakan akan mendekat sebenarn (konssten). In dsebabkan oleh varansn ng tdak mnmum / tdak efsen (Algfar, 000). Heterokedaststas merupakan lawan homoskedaststas. Pengujan homoskedaststas dapat dlakukan dengan pengujan heteroskedaststas tu dengan uj Park. Park menrankan penggunaan e sebaga pendekatan σ dan melakukan regres sebaga berkut: Ln e = ln ln X 1 v1 =α + β ln X +v (7) e X β α v = nla resdual = varabel ndependen = koefsen regres = nla konstanta = unsur gangguan (dsturbance) ng stokastk Jka ternta β tdak sgnfkan, asums homoskedaststas bsa dterma. Jad prosedur pengujan n dengan dua tahap. Tahap pertama melakukan regres dengan tdak memandang persoalan heteroskedtas. Dar regres n ddapat e dan kemudan dalam tahap kedua dlakukan regres kembal menggunakan e (Gujarat,1978). c. Nonautokorelas Istlah autokorelas dapat ddefnskan sebaga korelas antara anggota serangkaan observas ng durutkan menurut waktu atau ruang. Mendeteks ada atau tdakn autokorelas maka dperlukan pengujan Durbn Watson dengan ketentuan melalu hpotess sebaga berkut (Gujarat,1978): Jka hpotess H 0 adalah bahwa tdak ada seral korelas postf, maka jka: d < d L : menolak H 0 d > d V : tdak menolak H 0 d L d d V : pengujan tdak meknkan Jka hpotess nol H 0 adalah bahwa tdak ada seral korelas negatf, maka jka: d > 4 d L : menolak H 0 d < 4 d V : tdak menolak H 0 4 d V d 4 d L : pengujan tdak meknkan Jka H 0 adalah dua-ujung, tu bahwa tdak ada seral autokorelas bak postf maupun negatf, maka jka: d < d L atau d > 4 d L : menolak H 0

6 6 d V < d < 4 d V : tdak menolak H 0 d L d d V dan 4 d V d 4 d L : pengujan tdak meknkan Smbol d adalah nla Durbn Watson, d L merupakan batas bawah sedangkan d V merupakan batas atas. Nla batas atas dan batas bawah dtentukan melalu tabel Durbn Watson sesua jumlah observas. Pengujan Durbn Watson menurut Gujarat (1978) dapat dlakukan jka bankn observas mnmum 15 observas sehubungan dengan tabel Durbn Watson adalah 15 dan sampel ng lebh kecl dar 15 observas sangat sult untuk bsa menark kesmpulan ng past (dentntf) mengena autokorelas dengan memerksa resdual terakhr. ng kontnyu sehngga skala ng dpaka ordnal. 3. METODE PENELITIAN Tahapan peneltan n djelaskan bagan alr ng dtunjukan pada Gambar 1. Mula Stud lteratur Persapan dan survey Pelaksanaan survey dan pengumpulan data terdr dar: d. Nonmultkolneartas Kolneartas terjad apabla antara dua varabel bebas terjad hubungan (korelas) ng erat. Kolneartas dsebut sempurna jka suatu varabel bebas bergantung sepenuhn pada varabel bebas lann. Apabla terjad lebh dar dua varabel bebas ng salng berdekatan, maka konds n dsebut multkolneartas. Multkolneartas juga terjad jka terlalu bank varabel bebas ng dmasukan ke dalam model. Data Sekunder: 1. Jumlah mahasswa. Kepemlkan sepeda motor 3. ruang 4. bangunan 5. kantn 6. parkr Data Prmer: Jumlah tarkan pergerakan kendaran Nla VIF untuk varabel k dntakan dengan persamaan: 1 VIF k = (8) 1 R K VIF k R k = Varance Inflaton Factor varabel k = koefsen determnas 1-R k = tolerans melebh 0.5 atau VIF lebh dar dan akan menjad problem serus jka R k mendekat 1 atau besarn VIF melebh 10. Pengolahan data menggunakan SPSS dengan: a. Metode enter Pengolahan data b. Metode stepwse Pengujan statstk Kesmpulan Selesa Gambar 1. Bagan alr peneltan e. Normaltas Uj keberangkatan (asal) data dar normaltas menggunakan uj sampel Kolmogorov-Smrnov sebab metode n untuk menguj keselarasan data

7 7 Tahapan analss djelaskan bagan alr ng dtunjukan pada Gambar Mula Input data ke SPSS Mencar korelas antara varabel Membuat persamaan regres berganda menggunakan metode enter dan stepwse. Penentuan varabel bebas untuk model dengan menghlangkan satu per satu varabel bebas ng mempun korelas ng kecl Mencar koefsen determnas mendekat 1 thtung < ttabel Pengujan sgnfkan thtung > ttabel Fhtung < Ftabel Pengujan ANOVA Fhtung > Ftabel Dagram pencar membentuk pola Pengujan lneartas Dagram pencar tdak membentuk pola thtung > ttabel Pengujan homoskedaststas thtung < ttabel D < d L Pengujan nonautokorelas dengan nla Durbn Watson Dv < d < 4 - dv Plot predks dan resdual membentuk pola Aymp. Sg < α (0,05) Pengujan nonmultkolnear Pengujan normaltas Plot predks dan resdual tdak membentuk pola Aymp. Sg > α (0,05) Model terbak Selesa

8 8 Gambar 3. Bagan alr analss 4. Hasl Peneltan dan Pembahasan Rekaptulas data prmer dan sekunder ng dgunakan dsajkan pada tabel 1 berkut: Tabel 1. Varabel bebas dan varabel terkat Varabel Terkat (y) Varabel Bebas (x) Zona Tarkan kendaraan (smp) Jumlah Mahasswa (org) X 1 Jumlah Kepemlkan Sepeda Motor (org) X Ruangan (m ) X 3 Bangunan (m ) X 4 Kantn (m ) X 5 Parkr (m ) X 6 Utara 191, ,94 664, ,5 955, , Selatan 167, , , ,96 663,8 3015,09 Hukum ,7 797, 3316,8 663, ,43 Ekonom 68, ,4 096, , ,83 a. Analss Korelas Hasl penguj koefesen korelas dapat dlhat pada tabel Tabel. Hasl koefsen korelas Korelas Tarkan Kendaraan Jumlah Mahasswa Raso kepemlkan sepeda motor Ruangan bangunan kantn parkr Tarkan kendaraan Jumlah mahasswa 1 0,903 0,16 0,873 0,96 0,693 0, ,497 0,610 0,701 0,375 0,794 Kepemlkan sepeda motor 1-0,37-0,54-0,617 0,050 ruangan 1 0,99 0,956 0,93 bangunan 1 0,913 0,965 kantn 1 0,977 parkr 1 b. Analss regres lnear berganda Hasl dar proses analss regres lnear berganda menggunakan metode Enter dan metode Stepwse dapat dlhat pada tabel 3:

9 9 Tabel 3. Model hasl analss regres Model Enter R Y = 7,435 0,009 X 0,0 X 5 0,03 X 6 1 Model Stepwse R Y = 4, ,049 X 6 0,977 Y = Tarkan pergerakan kendaraan (smp/jam) F = Pengaruh varabel R = Koefsen determnas t = Sgnfkans X = Jumlah kepemlkan sepeda motor X 5 = kantn (m ) X 6 = parkr (m ) c. Uj sgnfkans Hasl pengujan t pada masng-masng persamaan dapat dlhat pada tabel 4: Tabel 4. Hasl uj t No. Metode Kesmpulan 1 Enter t htung t tabel 7,435 0,009 X 0,0 X 5 0,03 X H 0 dterma Stepwse t htung t tabel Y = 4, ,049 X 6 0,07 3,18 H 0 dtolak Dar tabel d atas dapat dtark kesmpulan apabla t htung < t tabel mengndkaskan bahwa varabel tersebut memlk pengaruh ng sgnfkan terhadap model ng duj, sedangkan apabla sebalkn mengndkaskan bahwa varabel tersebut tdak memlkpengaruh ng sgnfkan terhadap model ng duj. d. Uj varans (uj-f) Tabel 5. Hasl uj F No. Metode Kesmpulan 1 Enter F htung F tabel 7,435 0,009 X 0,0 X 5 0,03 X 6 Stepwse F htung F tabel - - H 0 dterma Y = 4, ,049 X 6 4,778 7,7086 H 0 dtolak

10 10 Dar tabel d atas dapat dtark kesmpulan apabla F htung > F tabel mengndkaskan semua varabel bahwa varabel tersebut memlk pengaruh ng sgnfkan terhadap model ng duj, sedangkan apabla sebalkn mengndkaskan bahwa varabel tersebut tdak memlkpengaruh ng sgnfkan terhadap model ng duj. e. Pengujan model Pengujan model bertujuan untuk memperoleh model regres ng menghaslkan estmator lnear tdak bas dan terbak sesua srat Blue Lnear Unbas Estmator (BLUE). Pengujan model terdr dar: 1) Uj Lneartas a) Metode enter Hasl perhtungan SPSS tdak dapat menghaslkan plot harga-harga predks (standardzed predcted value) dengan harga-harga resdual (standardzed resdual) b) Metode stepwse Plot harga harga predks (standardzed predcton value) dengan harga-harga resdual (standardzed resdual) model menggunakan stepwse tdak membentuk pola tertentu sehngga asums lneartas terpenuh berdasarkan gambar ) Uj homoskedaststas Tabel 6. Uj homoskedaststas No. Metode Kesmpulan 1 Enter t htung t tabel 7,435 0,009 X 0,0 X 5 0,03 X 6 Stepwse t htung t tabel Y = 4, ,049 X H 0 dterma 10,876 3,495 H 0 dtolak Dar tabel d atas dapat dtark kesmpulan apabla t htung > t tabel mengndkaskan bahwa varabel tersebut memlk pengaruh ng sgnfkan terhadap model ng duj, sedangkan apabla sebalkn mengndkaskan bahwa varabel tersebut tdak memlkpengaruh ng sgnfkan terhadap model ng duj Gambar 4 Uj lneartas model metode stepwse Gambar 5. Grafk uj homoskedastas metode stepwse

11 11 3) Nonautokorelas Pengujan durbn-watson tdak dlakukan karena jumlah zona kurang dar 15 sampel sehngga semua persamaan ng dhaslkan tdak dlakukan pengujan durbn-watson. 4) Nonmultkolneartas Koefsen korelas ng mendekat nla -1 atau +1 mempun hubungan ng semakn kuat, sedangkan nla koefesn korelas ng mendekat nla 0 maka hubungan antar varabel semakn lemah. Tanda (+) dan (-) menunjukkan arah hubungan antara varabel berkorelas postf atau negatf. a) Metode enter Nla koefsen determnas (R ) model pertama adalah 1 sedangkan koefsen korelas antara varabel bebas ng satu dengan varabel bebas ng lan dapat dlhat pada tabel Tabel 7 Koefsen korelas antar varabel bebas pada model metode enter Korelas Kepemlkan sepeda motor kantn parkr Kepemlkan sepeda motor 1 0,375 0,794 kantn 0, ,786 parkr 0,794 0,786 1 Koefsen korelas ng tngg antar varabel bebas terjad antara kepemlkan sepeda motor dan dan luas parkr tu 0,794 dan antara luas kantn dan luas parkr tu 0,786. Tetap terdapat koefsen korelas ng rendah antara kepemlkan sepeda motor dan luas kantn tu 0,375. Nla koefsen determnas (R ) dan koefsen korelas ng tngg antara varabel bebas membuktkan terdapat multkolneartas pada persamaan regres lnear menggunakan metode enter. b) Metode stepwse Model n han mempun satu varabel bebas sehngga tdak mungkn terjad hubungan d antara varabel bebas, sehngga asums nonmultkolneartas terpenuh. 5) Normaltas Plot n menamplkan masng-masng nla pengamatan ng berpasangan dengan nla harapan pada dstrbus normal. Normaltas terpenuh apabla ttk-ttk (data) terkumpul d sektar gars lurus. Kemudan pengujan dlakukan dengan menguj asal data berasal dar populas normal atau tdak berasal dar populas normal menggunakan uj sampel kolmogorofsmrnov: a) Metode enter Output SPSS model pertama menggunakan metode enter tdak menghaslkan plot probabltas karena adan beberapa varabel bebas ng mempun pengaruh kuat terhadap ng lan. b) Metode stepwse Gambar 4.9 menunjukkan bahwa ttkttk tersebar d sektar gars lurus sehngga asums normaltas terpenuh. Gambar 6 Plot probabltas normal mode menggunaka n metode stepwse Kemudan menguj asal data berasal dar populas normal atau

12 1 tdak menggunakan uj sampel kolmogorofsmrnov. Hpotess: H0 = Data berasal dar populas ng berdstrbus normal H1 = Data bukan berasal dar populas ng berdstrbus normal Output SPSS kolmogorov-smrnov test dapat dlhat pada tabel 6. Tabel 6 Uj sampel kolmogorof-smrnov model menggunakan stepwse Tarkan parkr N 4 4 Mean 13, 418,3950 Normal parameters (a,b) Std. Devaton 65, , ,99 0,43 Most Extreme Absolute 0,99 0,43 Dfferences Postve -0,49-0,177 Kolmogorov-Smrnov Z 0,598 0,487 Asymp. Sg. (-taled) 0,867 0,97 Tabel 6 d atas menunjukkan bahwa varabel terkat jumlah tarkan menghaslkan nla asymp. Sg sebesar 0,867 lebh besar dar α (0,05) maka dapat menerma H0, artn data sampel varabel jumlah tarkan berasal dar dstrbus normal. Tabel 6 juga menunjukkan varabel bebas luas parkr menghaslkan nla asymp sg sebesar 0,97 lebh besar dar α (0,05) sehngga dapat menerma H0, artn data sampel varabel bebas luas parkr berasal dar dstrbus normal. f. Pemlhan Model Terbak Pemlhan model melalu kesmpulan ng dhaslkan dar pengujan beberapa model bak pengujan saat analss regres maupun pengujan model sehngga menghaslkan model terbak tu: asums pada tahap pengujan model. Model n menghaslkan tarkan pergerakan kendaraan ng melput nla konstan dan varabel bebas. Tanda postf member art bahwa model tersebut merupakan model ng bak. Model tersebut mempun tanda postf ng menunjukkan bahwa semakn besar nla varabel bebas (luas parkr) maka semakn besar tarkan pergerakan ng terjad. Model n menunjukkan bahwa faktor ng mempengaruh tarkan pergerakan d UMY adalah luas parkr. Y = 4, ,049X6 Keterangan : Y = Tarkan pergerakan kendaraan (smp/jam) X6 = parkr (m ) Model tersebut dperoleh melalu bantuan aplkas SPSS menggunakan metode stepwse. Model tersebut merupakan model terbak karena sgnfkan pada tahap pengujan analss persamaan regres dan terpenuhn

13 13 Kesmpulan Hasl analss dan pembahasan menghaslkan kesmpulan sebaga berkut: 1. Beberapa faktor ng mempengaruh tarkan pergerakan d zona parkr UMY adalah jumlah kepemlkan sepeda motor, luas kantn, dan luas parkr. Semua varabel bebas mempun pengaruh bak terhadap tarkan pergerakan maupun antara varabel bebas. Varabel bebas ng mempun pengaruh palng kuat terhadap tarkan pergerakan adalah luas parkr.. Model terbak tarkan pergerakan d zona parkr UMY adalah: Keterangan : Y = 4, ,049 X6 Y = Tarkan pergerakan kendaraan (smp/jam) X6 = parkr (m ) 3. Model tersebut mempun beberapa karakterstk tu: a. Model tersebut mempun tanda postf ng menunjukkan bahwa semakn besar nla varabel bebas (luas parkr) maka semakn besar tarkan pergerakan ng terjad. b. Model n menunjukkan bahwa faktor ng mempengaruh tarkan pergerakan kendaraan d zona parkr UMY adalah luas parkr. Daryono Analss Model Bangktan Perjalanan Berbass Rumah d Kawasan Kelurahan Manahan Surakarta. Skrps Jurusan Teknk Spl Fakultas Teknk UNS. Herlambang, Muhammad Yudh Analss model tarkan perjalanan pada UNS Kampus Kentngan. Skrps Jurusan Teknk Spl Fakultas Teknk UNS. Hutchnson, B.G Prncples of Urban Transport System Plannng. USA: Scrpta Book Company. Gujarat, Damodar Ekonometrka Dasar. Amerka Serkat. McGraw-Hll nc. Morlok, Edward K Pengantar Teknk dan Perencanaan Transportas. Penerbt Erlangga, Jakarta. Ofr Z Tamn Perencanaan dan Pemodelan Transportas. Bandung: ITB. Sulaman, Wahd Analss Regres Menggunakan SPSS. Yogkarta. Penerbt And. DAFTAR PUSTAKA Achmad Fard Analss Tarkan Pergerakan Kendaraan pada Rumah Sakt d Surakarta. Skrps Jurusan Teknk Spl Fakultas Teknk Unverstas Sebelas Maret Surakarta. Anonm Buku Pedoman Skrps dan Laporan kerja praktek. Surakarta: Jurusan Teknk Spl UNS