Anda di halaman 1dari 3

1.

Pendekatan Analisis Kategori - Orang


Pendekatan kategori orang merupakan salah satu alternatif untuk model berbasis rumah tangga.

Diusulkan pertama kali oleh Supernak, 1979 (seperti dikutip Tamin, O. Z, 2000). Metode ini memiliki
beberapa keuntungan, yaitu :
1. Model bangkitan pergerakan berbasis individu cocok dengan komponen lainnya dalam sistem
pemodelan kebutuhan transportasi klasik yang berbasis individu,
2. Memungkinkan proses klasifikasi silang yang menggunakan semua peubah penting yang
menghasilkan jumlah kelas yang sesuai sehingga bisa diramalkan dengan mudah,
3. Ukuran sampel yang dibutuhkan jauh lebih kecil daripada untuk model berbasis rumah tangga,
4. Perubahan status demografi dapat dengan mudah diperkirakan,
5. Lebih mudah diramalkan dibandingkan dengan model berbasis rumah tangga karena
membutuhkan informasi rumah tangga dan ukurannya, keduanya tidak dibutuhkan pada model
berbasis individu.
Pada peubah dan spesifikasi model untuk pendekatan kategori orang, hubungan dasar yang
terjadi adalah seperti pada persamaan 2.1 :

T i =N i ji t jp
j

Keterangan :

.......(2.1)

Ti

= total pergerakan yang filakukan penduduk di zona i.

Ni

= jumlah penduduk di zona i.

ji
t jp

= persentase penduduk di zona I yang mempunyai kategori j


= tingkat bangkitan pergerakan dengan tujuan p

Analisa kategori mempunyai lebih sedikit batasan dibandingkan dengan analisis regresi;
misalnya, analisis kategori tdak mengasumsikan adanya hubungan linear. Kerugiannya secara teknik
adalah data yang diperlukan sangat banyak untuk setiap kategori dan rata-rata bangkitan pergerakan untuk
setiap kategori secara statistik harus dapat diterima. Masalah lain adalah tidak terdapatnya uji statistik
untuk menguji keabsahan model. Prosedur dapat disederhanakan dengan menggunakan 2 peubah saja.

Contohnya, pemilik kendaraan atau pendapatan dapat dihilangkan karena kedua peubah itu sebenarnya
mungkin berkorelasi.

1.2

Model Pemilihan Diskret


Model pemilihan diskret dinyatakan sebagai : probabilitas setiap individu memilih suatu pilihan

merupakan fungsi ciri sosioekonomi dan daya tarik pilihan tersebut. Untuk menyatakan daya tarik suatu
alternatif, digunakan konsep utilitas. Utilitas didefinisikan sebagai sesuatu yang dimaksimumkan oleh
setiap individu. Alternatif tidak menghasilkan utilitas, tetapi didapatkan dari karakteristiknya dan dari
setiap individu (Lancaster, 1966, seperti dikutip Ortuzar , 1994). Utilitas biasanya didefinisikan sebagai
kombinasi linier dari beberapa variabel, seperti pada persamaan (2.2).

Uj = 0+ 1 X1 + 2 X2 + ....+ n Xn . ....................................................................................(2.2)
dimana:

Uj : utilitas pilihan dan X1 ...Xn : atribut setiap pilihan


Pengaruh yang menggambarkan kontribusi yang dihasilkan oleh suatu alte rnatif dinyatakan

dalam bentuk koefisien ( 1...n). Konstanta (0) biasanya diartikan sebagai yang mewakili pengaruh
dari karakteristik pilihan atau individu yang tidak dipertimbangkan dalam fungsi utilitasnya. Contohnya,
unsur kenyamanan dan keamanan yang sulit diukur secara kuantitatif. Jadi, pada saat memperkirakan
akan diambil suatu alternatif, nilai utilitasnya harus sangat berbeda dengan alternatif pilihan lain yang
dinyatakan dalam bentuk probabilitas yang bernilai antara 0 dan 1. Untuk itu, digunakan bentuk
transformasi matematis yang biasanya disebut fungsi logit, yang jika diterapkan pada 2 alternatif moda,
maka disebut fungsi Logit Binomial seperti ditunjukkan persamaan (2.3).

...........................................................................................(2.3)

dimana:

P1 = probabilitas pemilihan moda 1


U1 = utilitas alternatif penggunaan moda 1
U2 = utilitas alternatif penggunaan moda 2

1.3

Teknik Stated Preference


Teknik Stated Preference (SP) merupakan pendekatan untuk mengetahui bagaimana reaksi

preferensi dari responden jika dihadapkan pada berbagai situasi hipotesis. Gambaran umum dari teknik

SP adalah penggunaan disain eksperimen untuk membentuk serangkaian alternatif yang dihipotesis.
Dalam penyajian disain kuisioner, responden dapat menyatakan preferensinya dengan cara merangking
alternatif berdasarkan tingkat kepentingannya; merating berdasarkan skala yang menunjukkan preferensi;
atau melakukan pilihan sederhana terhadap alternatif.

1.3.1 Disain Eksperimen


Disain eksperimen dalam membuat alternatif hipotesis dapat ditampilkan dalam disain faktorial
penuh (full factorial), dimana setiap kemungkinan kombinasi dari level atribut (variabel) digunakan.
Jumlah kombinasi pada disain ini adalah hasil dari jumlah level (n) dipangkatkan dengan jumlah atribut
(a) atau na. Seringkali pada disain faktorial penuh jumlah pilihan yang disajikan terlalu banyak sehingga
kemungkinan besar responden akan kesulitan dalam memilih yang berakibat meningkatkan kesalahan.
Batasan jumlah pilihan yang layak antara 9-16 pilihan (Kroes and Sheldon, 1988, seperti di kutip
Pearmain, 1991). Salah satu cara untuk mengurangi jumlah pilihan dengan menggunakan disain faktorial
sebagian ( fractional factorial)

1.4

Elastisitas
Elastisitas adalah ukuran yang sering digunakan untuk menyatakan perubahan reaksi permintaan

terhadap faktor-faktor yang mempengaruhi permintaan. Elastisitas, secara praktis diukur menurut
perubahan pada variabel bebasnya. Untuk mengevaluasi sensitivitas respon digunakan elastisitas
langsung. Elastisitas langsung (direct elasticity) mengukur persentase perubahan dalam probabilitas
memilih moda, sebagai hasil perubahan persentase yang diberikan pada satu atribut di dalam fungsi
utilitas moda yang ditentukan. Elastisitas dalam pemilihan moda (elastisitas busur) dapat dinyatakan
sebagai berikut :

...........................................................................................................................................................(2.4)

EPji,Xjni = elastisitas probabilitas memilih moda -j, berkaitan dengan perubahan atribut ke n dari fungsi
utilitas bagi individu-i.
Xjni = atribut ke-n dalam memilih moda-j, bagi individu-i
Pji = probabilitas memilih moda-j, bagi individu-i

Anda mungkin juga menyukai