A12 Model Pengelolaan Transportasi Mahasiswa Dalam Mengurangi Kemacetan Lalu Lintas Menuju Kampu
A12 Model Pengelolaan Transportasi Mahasiswa Dalam Mengurangi Kemacetan Lalu Lintas Menuju Kampu
I.
PENDAHULUAN
a.
b.
METODE
6.
7.
Uji Kolinearitas
Uji kolinearitas adalah uji apakah terjadi korelasi yang
kuat antara variabel-variabel independen/bebas. Cara
pengujiannya adalah:
i. Nilai korelasi dua variabel independen tersebut
mendekati satu,
ii. Nilai korelasi parsial akan mendekati nol.
Apabila terjadi kolinearitas, maka variabel yang
digunakan dalam persamaan linier hanya variabel
independen yang memiliki korelasi parsial yang tinggi.
Heteroskedasitas
Heteroskedasitas merupakan suatu fenomena dimana
estimator regresi bias, namun varian tidak efisien
(semakin besar sampel, semakin besar varian).
Heteroskedasitas berarti variabel terikat menunjukkan
tingkat varian yang berbeda antara variabel predictor.
Dalam model ini diharapkan tidak terjadi
Heteroskedasitas.
Pengujian Hipotesis
i. Uji t merupakan pengujian koefisien regresi
individual, untuk mengetahui kemampuan dari
masing-masing
variabel
bebas
dalam
mempengaruhi
variabel
terikat,
dengan
menganggap variabel lain konstan atau tetap,
dipresentasikan di [4].
Jika nilai p-value > 0,05, maka Ho diterima,
artinya variabel bebas tidak mempengaruhi
variabel terikat secara signifikan.
Jika nilai p-value < 0,05, maka Ho ditolak, artinya
variabel bebas mempengaruhi variabel terikat
secara signifikan.
ii. Uji F
Uji F dilakukan untuk mengetahui keberartian
model secara bersama-sama.
Fhit < F(k)(n-k-1), maka Ho diterima.
III.
Uji statistik diperlukan untuk mengetahui faktorfaktor yang berpengaruh terhadap biaya transportasi.
Pengujian dilakukan dengan langkah-langkah berikut ini.
1. Uji Statistik Parametrik
X1
X2
X3
X4
X5
206
206
206
206
206
Mean
6.71
28.66
8.03
7.11
2154.1
Std.
Deviation
Absolute
2.856
13.309
2.905
3.619
506.2
0.080
0.072
0.083
0.169
0.131
0.070
-0.080
0.072
-0.050
0.083
-0.08
0.169
-0.108
0.086
-0.131
1.149
1.040
1.189
2.428
1.886
0.143
0.229
0.118
0.060
0.080
Most
Positive
Extreme
Differences Negative
Kolmogorov-Smirnov
Z
Asymp. Sig. (2-tailed)
A-77
Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2011
Sig.
0.086
0.148
0.257
0.143
0.452
Keterangan
Signifikasi
Alpha
Kriteria Simpulan
Y * X1
0.112
0.05
S>A
Linear
Y * X2
0.064
0.05
S>A
Linear
Y * X3
0.126
0.05
S>A
Linear
Y * X4
0.652
0.05
S>A
Linear
Y * X5
0.401
0.05
S>A
Linear
Dari tabel tersebut diperoleh nilai signifikansi>tingkat
alpha yang ditetapkan (0,05), sehingga dapat dikatakan
bahwa Ho diterima, yang berarti Regresi berbentuk Linear.
2.2 Uji Multikolinearitas
Uji
multikolinearitas
dimaksudkan
untuk
membuktikan atau menguji ada tidaknya hubungan yang
linear antara variabel bebas (independen) satu dengan yang
lain. Dalam analisis regresi ganda akan terdapat dua atau
lebih variabel bebas yang diduga akan mempengaruhi
variabel terikat (dependen). Pendugaan tersebut akan dapat
dipertanggungjawabkan apabila tidak terjadi adanya
hubungan yang linear (multikolinearitas) diantara variabelvariabel independen.
Adanya hubungan yang linear antar variabel
independen akan menimbulkan kesulitan dalam
memisahkan pengaruh masing-masing variabel independen
terhadap variabel dependen. Oleh karena itu harus benarbenar dapat dinyatakan bahwa tidak terjadi adanya
hubungan linear antara variabel-variabel independen
tersebut. Hipotesis untuk membuktikan ada tidaknya
multikolinearitas antara variabel bebas adalah:
Ho: Tidak terdapat hubungan antara variabel
independen.
Ha: Terdapat hubungan antara variabel independen.
Ada tidaknya korelasi antar variabel dapat diketahui
dengan memanfaatkan statistik korelasi product moment
dari Pearson sesuai dengan Tabel 6 berikut ini.
ISBN : 978-979-18342-3-0
X2
X3
X4
X5
Pearson
Correlation
Sig.(2tailed)
N
Pearson
Correlation
Sig.(2tailed)
N
Pearson
Correlation
Sig.(2tailed)
N
Pearson
Correlation
Sig.(2tailed)
N
Pearson
Correlation
Sig.(2tailed)
N
X1
X2
X3
X4
X5
0,972**
-0,035
-0,027
0,594**
0,067
0,619
0,705
0,522
206
1
206
-0.028
206
-0.028
206
0.589**
0.688
0.687
0.122
206
1
206
-0.075
206
-0.128
0.284
0.066
206
1
206
0.055
206
0.972**
0.067
206
-0.035
206
-0.028
0.619
0.688
206
-0.027
206
-0.028
206
-0.075
0.705
0.687
0.284
206
0.594**
206
0.589**
206
-0.128
206
0.055
0.522
0.122
0.066
0.431
206
206
206
206
0.431
206
1
206
X1 * aX1
0.989
0.05
S>A
Terima Ho
X2 * aX2
0.993
0.05
S > A Terima Ho
X3 * aX3
0.937
0.05
S > A Terima Ho
X4 * aX4
0.890
0.05
S > A Terima Ho
A-79
Keterangan
X5 * aX5
0.109
0.05 S > A Terima Ho
Dari Tabel 8 di atas diperoleh nilai probabilitas
hubungan antara variabel bebas dengan residual absolutnya
diatas taraf signifikansi yang ditetapkan yaitu 5%. Dapat
disimpulkan bahwa data yang diperoleh tidak terdapat
adanya heteroskedastisitas.
Pemodelan biaya transportasi mahasiswa dibentuk
dengan persamaan regresi berganda, sebagai berikut:
Y = c + a1X1 +a2X2 + a3X3 + a4X4 + a5X5
(2)
Dengan Y = biaya transportasi mahasiswa Jurusan Teknik
Sipil.
a = konstanta regresi.
b = koefisien regresi.
X1 = jarak perjalanan dari lokasi tempat tinggal ke kampus.
X2 = waktu perjalanan dari lokasi tempat tinggal menuju ke
kampus.
X3 = jumlah mata kuliah yang diprogram pada Semester
Genap 2009/2010.
X4 = jumlah kegiatan non akademis mahasiswa pada
Semester Genap 2009/2010.
X5 = jumlah penghasilan orang tua setiap bulan.
1. Hubungan antara Variabel Independen dengan Variabel
Dependen
Dari hasil pengolahan data, diperoleh bahwa harga
koefisien korelasinya (R) adalah 0,893. Angka ini
mendekati 1, berarti terdapat hubungan yang sangat kuat
antara jarak dari tempat tinggal menuju kampus JTS FT
Unesa (X1), waktu perjalanan (X2), jumlah SKS yang
diprogram pada Semester Genap 2009/2010 (X3), jumlah
kegiatan non akademis yang diikuti (X4), dan jumlah
penghasilan orang tua setiap bulan (X5) dengan biaya
transportasi mahasiswa (Y). Meskipun terdapat hubungan
yang sangat kuat, namun ini tidak menunjukkan bahwa
jarak dari tempat tinggal menuju kampus JTS FT Unesa
(X1), waktu perjalanan (X2), jumlah SKS yang diprogram
pada Semester Genap 2009/2010 (X3), jumlah kegiatan non
akademis yang diikuti (X4), dan jumlah penghasilan orang
tua setiap bulan (X5) benar-benar berpengaruh terhadap
biaya transportasi mahasiswa (Y). Untuk itu perlu
dibuktikan signifikansi hubungan tersebut.
Tabel 9: Hubungan Antara Variabel Independen dengan
Dependen - Model Summaryb
Model
R
R
Adjusted
Std. Error of
Square R Square
The Estimate
1
.912a
.832
.828
33.517
A-80
Change Statistic
DurbinWatson
R
F
df1 df2
Sig. F
Square Change
Change
Change
.832
197.774
5
200
.000
1.408
a. Predictors: (Constant), X5 = Pendapatan Orang Tua
(Ribu/Bln), X4 = Kegiatan Non Akademis per
Minggu, X3 = Jumlah Mata Kuliah, X2 = Waktu
(menit), X1 = Jarak (km).
b. Dependent Variable: Y = Biaya Transportasi
(Ribu/Bln)
Untuk pembuktian signifikansi hubungan tersebut
maka digunakan harga F hitung untuk dibandingkan
dengan harga F tabel pada tingkat alpha yang ditetapkan,
dengan df1 dan df2 sebagai pembilang dan penyebut yang
sesuai. Kriteria yang digunakan adalah akan menolak Ho
dan menerima Ha, apabila F hitung > F tabel. Hipotesisnya
adalah:
Ho: Tidak terdapat pengaruh variabel independen secara
signifikan dan positif terhadap variabel dependen biaya
transportasi mahasiswa (Y).
Ha: Terdapat pengaruh variabel independen secara
signifikan dan positif terhadap variabel dependen biaya
transportasi mahasiswa (Y).
Berdasarkan hasil pengolahan data, dapat dilihat
bahwa F hitung (F Change) adalah 197,774. Besarnya F
tabel dengan menggunakan df1 = 7 dan df2 = 198 pada
tingkat alpha yang ditetapkan (5%) adalah 2,05. Ini berarti
F hitung > F tabel, sehingga dapat disimpulkan Ho ditolak.
Dan sebagai konsekuensinya harus menerima Ha yang
berarti terdapat pengaruh variabel independen jarak dari
tempat tinggal menuju kampus JTS FT Unesa (X1), waktu
perjalanan (X2), jumlah SKS yang diprogram pada
Semester Genap 2009/2010 (X3), jumlah kegiatan non
akademis yang diikuti (X4), dan jumlah penghasilan orang
tua setiap bulan (X5) secara signifikan dan positif terhadap
variabel dependen biaya transportasi mahasiswa (Y).
2. Pengaruh Variabel Independen terhadap Variabel
Dependen
Tingkat ketepatan suatu model yang berdasarkan
pada analisis regresi ganda dapat diketahui dari besar
kecilnya koefisien determinasi atau koefisien R2 (R
Square). Nilai tersebut dapat digunakan sebagai ukuran
dalam menyatakan kecocokan model yang diperoleh.
Semakin besar nilai R2 maka semakin kuat kemampuan
model yang diperoleh untuk menerangkan kondisi yang
sebenarnya. Nilai R2 juga mengukur besarnya sumbangan
ISBN : 978-979-18342-3-0
Simpulan
X1
0.000
4.505
1.974
Tolak Ho
X2
0.014
2.485
1.974
Tolak Ho
X3
0.004
2.952
1.974
Tolak Ho
X4
0.125
2.539 1.974 Tolak Ho
X5
0.023
2.290 1.974 Tolak Ho
Dapat disimpulkan bahwa jarak dari tempat tinggal menuju
kampus JTS FT Unesa, waktu perjalanan, jumlah mata
kuliah, jumlah kegiatan non akademis yang diikuti, dan
jumlah penghasilan orang tua setiap bulan memiliki daya
ramal yang nyata terhadap biaya transportasi mahasiswa.
4. Faktor Dominan Biaya Transportasi Mahasiswa
Efektivitas model ini adalah 83,20%, yang
merupakan kemampuan gabungan dari jarak dari tempat
tinggal menuju kampus JTS FT Unesa, waktu perjalanan,
jumlah mata kuliah, jumlah kegiatan akademis yang diikuti
dan jumlah penghasilan orang tua setiap bulan. Untuk
mengetahui pengaruh masing-masing variabel maka
diperlukan pengujian pengaruh secara parsial. Pengujian
pengaruh secara parsial ini dimaksudkan untuk mengetahui
ada tidaknya pengaruh satu variabel independen terhadap
variabel dependen, sementara satu atau lebih variabel
independen lainnya tetap atau dikontrol. Tujuan
pengontrolan variabel tersebut untuk melihat dan
menemukan harga koefisien korelasi yang murni yang
terlepas dari pengaruh variabel independen lainnya.
Uji yang dapat digunakan untuk menyatakan
apakah harga koefisien korelasi parsial yang ditentukan
signifikan atau tidak adalah Uji-t. Kriterianya adalah
menolak Ho dan menerima Ha bila harga t hitung > t tabel.
Perbandingan harga t hitung dan t tabel dapat dilihat pada
Tabel 10, dimana nilai t hitung > t tabel, yang berarti
menolak Ho. Dapat disimpulkan bahwa terdapat pengaruh
masing-masing variabel independen apabila variabel
independen
lainnya
dikendalikan.
Tabel
10
menggambarkan kemungkinan kesalahan untuk menolak
Ho dan menerima Ha dengan melihat nilai Signifikansi.
Untuk variabel jarak dari tempat tinggal menuju kampus
JTS FT Unesa (X1) kemungkinan kesalahannya adalah
0,00%, untuk waktu perjalanan (X2) adalah 1,40 %, untuk
jumlah mata kuliah (X3) adalah 0,40%, untuk jumlah
kegiatan non akademis yang diikuti (X4) adalah 12,50%
dan untuk jumlah penghasilan orang tua setiap bulan (X5)
adalah 2,30%.
Pengaruh dari masing-masing variabel independen
terhadap variabel dependen dapat dilihat pada koefisien
korelasi parsial. Secara berurutan variabel yang sangat
A-81
KESIMPULAN
A-82
b.
ISBN : 978-979-18342-3-0