4

BAB 4
ANALISA DATA DAN PEMBAHASAN
4.1 Gambaran Umum Sungai Cimanuk

Sungai Cimanuk-Cisanggarung berhulu di wilayah administratif Kabupaten
Garut, dari mata air yang berasal dari Gunung Malabar, Gunung Mandalawangi,
Gunung Guntur dan Gunung Cakrabuana dan bermuara di Laut Jawa wilayah
Kabupaten Indramayu dan Kabupaten Cirebon. Secara administrasi, WS Cimanuk-
Cisanggarung dibatasi oleh:
Sebelah utara : Laut Jawa
Sebelah timur : Sebagian Kabupaten Brebes Propinsi Jawa Tengah
Sebelah selatan : Kabupaten Cilacap Propinsi Jawa Tengah, Kabupaten
Ciamis dan Kabupaten Tasikmalaya Propinsi Jawa Barat
Sebelah barat : Kabupaten Bandung Dan sebagian Kabupaten Sumedang
Propinsi Jawa Barat
Sedangkan batas-batas hidrologis Wilayah Sungai Cimanuk-Cisanggarung
adalah sebagai berikut :
Sebelah utara : Laut Jawa
Sebelah timur : WS Pemali-Comal
Sebelah selatan : WS Citanduy dan WS Ciwulan-Cilaki
Sebelah barat : WS Citarum
WS Cimanuk-Cisanggarung berada pada 8 (delapan) wilayah administratif
yaitu Kabupaten Indramayu, Kabupaten Sumedang, Kabupaten Garut, Kabupaten
Majalengka, Kabupaten Kuningan, Kabupaten Cirebon, Kota Cirebon (Propinsi
Jawa Barat) dan Kabupaten Brebes (Propinsi Jawa Tengah). Luas wilayah WS
Cimanuk-Cisanggarung adalah 6.821,78 Km², meliputi 7 wilayah administratif, yaitu
Kabupaten Garut, Kabupaten Sumedang, Kabupaten Majalengka, Kabupaten
Kuningan, Kabupaten Cirebon dan Kota Cirebon. DAS yang termasuk kedalam WS
Cimanuk adalah DAS Cimanuk, DAS Cipanas, DAS Pangkalan, DAS Cilalanang,
DAS Ciwaringin, DAS Cimanggung, DAS Bangkaderes dan DAS Kali Jurang Jero.
Adapun keberadaan sungai-sungai induk yang terdapat di WS Cimanuk-
Cisanggarung dapat dilihat pada Tabel 2.1 di bawah ini.
Tabel 4.1 DAS dalam WS Cimanuk-Cisanggarung
MTs. Pasca. USB-YPKP IV - 43

DAS Luas (Km2)
DAS. Kalicilet 416.20
DAS. Pasirangin 66.82
DAS. Cibuaya 472.83
DAS. Cimanuk 3749.25
DAS. Kaliwedi 244.76
DAS. Ciwaringin 217.55
DAS. Kalianyar 115.75
DAS. Jatrok 108.96
DAS. Karanganyar 94.87
DAS. Cipager 67.86
DAS. Kedungpane 36.76
DAS. Grenjeng 50.01
DAS. Kalijaga 42.06
DAS. Kenari 58.35
DAS. Cikanci 13.45
DAS. Canggah 27.77
DAS. Cibogo 38.42
DAS. Kalibangka 109.46
DAS. Cikalapu 147.20
DAS. Ciberes 119.25
DAS Cisanggarung 1000.24
DAS. Tanjung 117.66
DAS. Kabuyutan 181.80
DAS. Babakan 139.60
DAS Kluwut 90.21
Total WS Cimanuk-Cisanggarung 7727.09
Sumber : Laporan Perancangan Penyusunan Pola Terpadu Pengelolaan WS

Cimanuk-Cisanggarung, 2011.
Secara astronomis wilayah sungai ini terletak pada 105o 12’’ BT – 108o00’’
BT dan 5o 00’’ LS – 62 30’’ LS. Curah hujan rata-rata berkisar antara 870 s.d. 3.460
mm per tahun. Terdapat 4 gunung berapi di WS Cimanuk yaitu Ciremai,
Papandayan, Guntur dan Galunggung. Sedangkan Gunung Tampomas di dekat
Kab. Sumedang adalah gunung api muda dan tidak aktif. Berdasarkan Permen PU
No. 11A Tahun 2006, WS Cimanuk merupakan WS lintas provinsi (Jawa Barat dan
Jawa Tengah) yang Kewenangan pengelolaannya berada di Pemerintah Pusat.

Gambar ; 2.26. Potensi Sumber Daya Air WS Cimanuk-Cisanggarung
Gambar 4.1 Peta Rencana Induk Pengembangan Sumber Daya Air Wilayah Sungai
Cimanuk-Cisanggarung
(Sumber : Rosadi, 2005.)
Dari peta topografi didapat luas Daerah Aliran Sungai (DAS) sungai
Cimanuk-Cisanggarung sebesar 3673 km2. untuk peta Daerah Aliran Sungai (DAS)
dapat dilihat pada gambar sebagai berikut.
BAB IV
ANALISA DATA DAN PEMBAHASAN

4.1 Gambaran Umum Wilayah Kota Bandung
Bandung merupakan kota metropolitan terbesar di Provinsi Jawa Barat,

sekaligus menjadi ibu kota provinsi tersebut. Kota ini terletak 140 km sebelah
tenggara Jakarta, dan merupakan kota terbesar di wilayah Pulau Jawa bagian
selatan. Sedangkan wilayah Bandung Raya (Wilayah Metropolitan Bandung)
merupakan metropolitan terbesar kedua di Indonesia setelah Jabodetabek. Kota
Bandung dikelilingi oleh pegunungan, sehingga bentuk morfologi wilayahnya
bagaikan sebuah mangkok raksasa, secara geografis kota ini terletak di tengah-
tengah provinsi Jawa Barat, serta berada pada ketinggian ±768 m di atas
permukaan laut, dengan titik tertinggi di berada di sebelah utara dengan
ketinggian 1.050 meter di atas permukaan laut dan sebelah selatan merupakan
kawasan rendah dengan ketinggian 675 meter di atas permukaan laut. Sampai
pada tahun 2004, kondisi transportasi jalan di kota Bandung masih buruk dengan
tingginya tingkat kemacetan serta ruas jalan yang tidak memadai permasalahan
ini muncul karena beberapa faktor diantaranya pengelolaan transportasi oleh
pemerintah setempat yang tidak maksimal seperti rendahnya koordinasi
antara instansi yang terkait, ketidakjelasan wewenang setiap instansi, dan
kurangnya sumber daya manusia, serta ditambah tidak lengkapnya peraturan
pendukung. Bandung merupakan kota perdagangan dan kota pendidikan yang
selalu mengalami peningkatan jumlah penduduk dan jumlah kendaraan setiap
tahunnya. Akibatnya terjadilah peningkatan pengguna jaringan lalulintas,
sehingga perlu ditunjang dengan pelayanan fasilitas-fasilitas lalulintas yang
memadai, terutama pada persimpangan jalan yang potensial menimbulkan
hambatan bila tidak ditangani secara teknis. Kota Bandung memiliki beberapa
golongan ruas jalan dan terdiri dari ruas jalan arteri primer, jalan kolektor
primer, jalan arteri sekunder, jalan kolektor sekunder.
Tabel 4.1 Ruas Jalan Arteri Primer Kota Bandung

Nama ruas jalan
Panjang
Jalan Arteri Primer (KM) Status Jalan
1. Jl. Jend. Sudirman 6.79 Nasional
2. Jl. Asia Afrika 1.51 Nasional
3. Jl. Jend. A. Yani 5.40 Nasional
4. Jl. Raya Ujungberung 8.04 Nasional
5. Jl. Soekarno Hatta 18.46 Nasional
6. Jl. Dr. Junjunan 2.00 Kota Bandung
7. Jl. Pasteur 0.21 Kota Bandung
8. Jl.AH. Nasution 3.5 Kota Bandung
9. Jl. Surapati 1.16 Kota Bandung
10. Jl. P.H.H. Mustofa 3.34 Kota Bandung
4.2 Gambaran Wilayah Penelitian
pada penelitian ini, lokasi studi terdapat dijalan arteri primer yaitu di
sekitaran ruas jalan A.H Nasution Bandung, panjang jalan ± 5KM dilokasi studi
yaitu lokasi pertama di sekitaran simpangan pasir impun dan lokasi kedua di
simpangan sindanglaya.

Gambar 4.1 Denah Wilayah Penelitian 2 Ruas Simpangan Tak Bersinyal
Pasir impun dan Sindanglaya
Pengumpulan data untuk setiap simpang dilakukan selama 2 hari yaitu pada
hari minggu dan senin dengan periode waktu selama dua jam pada waktu pagi, siang
dan sore. Pengambilan data menggunakan kamera video yang diletakkan setinggi 3
meter dari permukaan jalan di simpang Pasir Impun dan setinggi 4 meter dari
permukaan jalan di simpang Sindanglaya. Ektraksi data secara visual melalui layar
monitor pada masing-masing lengan simpang. Dari masing-masing lengan yang
diamati diambil seluruh data untuk waktu pagi, siang dan sore selama satu jam.
Pengumpulan data di simpang Pasir Impun kota Bandung dilaksanakan pada hari
Minggu tanggal 12 Maret 2017 periode pagi jam 06:30 – 08.30 WIB, siang jam
12.00 – 14.00 WIB, sore jam 17:00 – 19.00 WIB dan hari Senin tanggal 13 Maret
2017 periode pagi jam 06:30 – 08.30 WIB, siang jam 12.00 – 14.00 WIB, sore jam
17:00 – 19.00 WIB. Pengumpulan data di simpang Arcamanik Sindanglaya kota
Bandung dilaksanakan pada hari Minggu tanggal 12 Maret 2017 periode pagi jam
06:30 – 08.30 WIB, siang jam 12.00 – 14.00 WIB, sore jam 17:00 – 19.00 WIB dan
hari Senin tanggal 13 Maret 2017 periode pagi jam 06:30 – 08.30 WIB, siang jam
12.00 – 14.00 WIB, sore jam 17:00 – 19.00 WIB.
4.3. EKTRAKSI DATA
Dari ektraksi data melalui layar monitor selama periode dua jam untuk masing-
masing simpang diperoleh data volume lalu lintas di masing-masing
lengan simpang, data nilai gap/lag diterima maupun gap/lag ditolak dan data
nilai follow-up time kendaraan di jalan minor.
4.3.1 Data Simpang
Simpang tak bersinyal tiga lengan di dua titik jalan yakni jalan Pasir Impun
dan jalan Arcamanik Sindanglaya Kota Bandung ,jalan ini merupakan sekitaran jalan
arteri A.H. Nasution yang di lalui kendaraan beroda dua, beroda empat atau lebih
yang lalulalang dan menghubungkan pusat-pusat perekonomian, pendidikan, dan
perkantoran di kota Bandung.

Kedua titik simpang ini berdekatan dan kerap kali pada jam sibuk terjadi
kemacetan, serta memiliki lalulintas yang komplek dan tingkat pertumbuhan
lalulintas yang cepat.
Data simpang jalan Pasir Impun (gambar dapat dilihat pada sketsa gambar
3.2 halaman 39) yaitu:
1. Lebar jalan utama = 8 meter
2. Lebar jalan minor = 6 meter
3. Tidak terdapat marka jalan pada jalan utama
4. Pemisah arah pada kedua jalan minor tidak terdapat marka jalan
5. Kondisi perkerasan baik terbuat dari aspal
6. Pada jalan minor tidak terdapat rambu STOP atau rambu YIELD
Data simpang jalan Arcamanik Sindanglaya (gambar dapat dilihat pada

sketsa gambar 3.3 halaman 40) yaitu:
1. Lebar jalan utama = 8 meter
2. Lebar jalan minor = 6 meter
3. Tidak terdapat marka jalan pada jalan utama
4. Pemisah arah pada kedua jalan minor tidak terdapat marka jalan
5. Kondisi perkerasan baik terbuat dari aspal
6. Pada jalan minor tidak terdapat rambu STOP atau rambu YIELD
4.3.2 Volume Lalu Lintas
Data volume lalulintas diambil dengan penggalan waktu lima menitan pada
masing-masing lengan yang memasuki simpang. Volume lalulintas diperoleh dengan
menghitung banyaknya kendaraan yang melewati simpang.

Penggolongan kendaraan disesuaikan dengan buku Manual Kapasitas Jalan
Indonesia (MKJI) 1997, yaitu kendaraan ringan atau Light Vehicle (LV), kendaraan
berat atau Heavy Vehicle (HV), sepeda motor atau Motor cycle (MC), dan kendaraan
tidak bermotor atau Unmotorozed (UM).
Pengolahan dan perhitungan jumlah data volume lalulintas dilakukan

dengan menggunakan seperangkat peralatan komputer dengan melihat hasil rekaman
dari kamera video yang diputar secara slow motion dan melakukan penghitungan
dengan bantuan Hand talky dan dicatat pada kertas format survai perhitungan volume
lalulintas.
Data diolah dan cara perhitungan adalah sebagai berikut :
1. Menghitung banyaknya kendaraan setiap penggalan waktu lima menit untuk

semua jenis kendaraan pada masing-masing lengan dan arah kendaraan.
2. Volume lalulintas kendaraan per satu jam merupakan jumlah masing-masing
jenis kendaraan dan arah kendaraan dikalikan 12 yaitu jumlah kendaraan lima
menitan selama satu jam.
3. Menghitung total jumlah kendaraan yang merupakan jumlah volume

lalulintas kendaraan per satu jam setiap penggalan waktu lima menitan yang
melewati simpang.
Fluktuasi volume lalulintas di Simpang Pasir Impun dan Simpang Arcamanik

Sindanglaya dapat dilihat pada gambar 4.1. sampai dengan gambar 4.4. berikut :

Gambar 4.2.a Volume Lalulintas kendaraan Periode 06.30-08.30 Simpang Pasir
Impun Kota Bandung Hari Minggu 12 Maret 2017
Gambar 4.2.b Volume Lalulintas kendaraan Periode 12.00-14.00 Simpang Pasir


Gambar 4.2.c Volume Lalulintas Kendaraan Periode 18.00-19.00 Simpang Pasir
Gambar 4.3.a Volume Lalulintas Kendaran Periode 06.30-08.00 Simpang Pasir

Impun Kota Bandung Hari Senin 13 Maret 2017

Gambar 4.3.b Volume Lalulintas Kendaran Periode 12.00-14.00 Simpang Pasir
Gambar 4.3.c Volume Lalulintas Kendaran Periode 17.00-19.00 Simpang Pasir


Gambar 4.4.a Volume Lalu lintas Kendaraan Periode 16.30-08.30 Simpang
Arcamanik Sindanglaya Kota Bandung Hari Minggu 12 Maret 2017
Gambar 4.4.b Volume Lalu lintas Kendaraan Periode 12.00-14.00 Simpang


Gambar 4.4.c Volume Lalu lintas Kendaraan Periode 17.00-19.00 Simpang
Gambar 4.5.a Volume Lalu lintas Kendaraan Periode 06.30-08.30 Simpang

Arcamanik Sindanglaya Kota Bandung Hari Senin 13 Maret 2017

Gambar 4.5.b Volume Lalu lintas Kendaraan Periode 12.00-14.00 Simpang
Gambar 4.5.c Volume Lalu lintas Kendaraan Periode 17.00-19.00 Simpang


Dari data-data volume lalu lintas disimpang diperoleh volume lalulintas puncak pada
jam berikut:
1. Simpang Pasir Impun Kota Bandung pada hari Senin pukul 07.20 - 07.30
dengan volume lalulintas 940 kendaraan/jam.
2. Simpang Arcamanik Sindanglaya Kota Bandung pada hari Senin pukul 07.10
– 07.20 dengan volume lalulintas 720 kendaraan/jam.
4.3.3 Data Lag
Data Lag diambil di lokasi studi dengan menggunakan kamera video pada
periode pagi, siang dan sore, pengambilan data selama dua hari masing-masing
selama satu jam. Data yang diambil merupakan semua lag yang ada baik yang
diterima maupun lag yang ditolak tanpa pemilihan.
Nilai lag merupakan perbedaan waktu, antara waktu yang diperlukan

kendaraan di jalan minor dengan waktu yang diperlukan kendaraan di jalan major
untuk menuju satu titik di simpang. Pengambilan waktu dimulai ketika kendaraan di
jalan minor bersiap memasuki simpang dan bumper kendaraan di jalan minor berada
di ujung jalan minor atau bumper kendaraan berada pada terusan pinggir jalan major.
Nilai lag diterima adalah selisih waktu antara waktu yang diperlukan
kendaraan dari jalan minor belok kanan dengan waktu yang diperlukan kendaraan
dari arah kanan di jalan major menuju satu titik yang sama di simpang, dan
kendaraan dari jalan minor dapat memasuki simpang untuk bergabung dengan
kendaraan yang berada di jalan major dari arah kiri dan tanpa hambatan dari
kendaraan arah kanan di jalan major.
Nilai lag ditolak adalah selisih waktu antara waktu yang diperlukan kendaraan
dari jalan minor belok kanan dengan waktu yang diperlukan kendaraan dari arah
kanan di jalan major satu titik yang sama, dan kendaraan dari jalan minor tidak dapat
memasuki simpang untuk bergabung dengan kendaraan dari arah kiri di jalan major
karena ada hambatan dari kendaraan arah kanan di jalan major.

Untuk mendapatkan data lag dilakukan pengumpulan data dengan cara :
1. Catat waktu ketika bumper depan kendaraan di jalan minor berada di ujung jalan
minor, yang disebut dengan waktu awal.
2. Memperhatikan posisi titik pertemuan antara kendaraan dari jalan minor dan
kendaraan di jalan major di simpang dengan cara memutar gambar video
berulang-ulang.
3. Catat waktu ketika bumper depan kendaraan dari jalan minor dan waktu ketika
bumper depan kendaraan di jalan major berada pada titik pertemuan di simpang,
yang disebut dengan waktu akhir.
4. Hitung selisih waktu akhir dengan waktu awal, yang disebut dengan nilai lag.
5. Pengambilan nilai lag dibagi dua kondisi :
a. Kendaraan di jalan minor TAK BERHENTI ketika memasuki simpang.
b. Kendaraan di jalan minor BERHENTI ketika memasuki simpang.
4.4 Analisis Uji Kesamaan Dua Rata-rata

Analisis ini dilakukan pada data volume lalulintas dengan tujuan untuk
mengetahui kesamaan data volume lalulintas dari dua kondisi, yaitu kondisi hari
pertama dan kondisi hari kedua survai yang dilaksanakan. Guna analisis uji
kesamaan dua rata-rata ini adalah untuk menentukan apakah kedua rata-rata tersebut
bisa digabungkan atau tidak didalam analisis selanjutnya.
Penentuan analisis uji kesamaan dua rata-rata dilakukan dengan menggunakan

uji statistic T-Test untuk sample yang berpasangan (Paired Sample T-Test) yaitu
dengan melakukan analisis hipotesis dari kesamaan volume lalulintas sebagai berikut
:
Hipotesis :
Ho ; µ1 = µ2
H1 ; µ1 ≠ µ2
Ho = Kedua rata-rata sampel identik
H1 = Kedua rata-rata sampel tidak identik
Pengambilan keputusan :
a. Berdasarkan perbandingan t hitung dengan t tabel :

• Terima hipotesis Ho jika harga statistik yang dihitung berdasarkan
data < harga statistik dari tabel (tabel t),
• Tolak hipotesis Ho jika harga statistik yang dihitung berdasarkan
data > harga statistik dari tabel (tabel t),
b. Berdasarkan nilai probabilitas atau
signifikansi : Hipotesa : Ho : µ = µo
H1 : µ ≠ µo
• Jika probabilitas > 0,05, maka Ho diterima
• Jika probabilitas < 0,05, maka Ho ditolak.
Tabel 4.2. Hasil Uji Kesamaan Rata-rata Volume Lalulintas Pada Simpang
No Simpang Waktu Survai Thitung Ttabel Sig. (2-tailed) Hasil
Pasir
1 Impun Minggu dan Senin 1,055 1,988 0,299 Diterima
Sindang
2 Laya Minggu dan Senin 1,704 1,988 0,098 Diterima
4.4.1 Pemeriksaan Uji Asumsi Klasik pada Simpang Pasir Impun

1. Uji Normalitas
Berdasarkan hasil pengolahan dengan menggunakan perangkat lunak SPSS

22.0 pada grafik normal P-P Plot of regression residual terlihat data yang berupa
titik-titik menyebar disekitar sumbu diagonal dan mengikuti arah garis diagonal. Ini
menandakan bahwa data berdistribusi normal. Hasilnya dapat kita lihat seperti
berikut:

Gambar 4.6 Normal Plot Regresi
2. Uji Autokorelasi
Pada uji autokorelasi ini yang digunakan adalah uji Durbin Watson. Dimana
dengan nilai Durbin Watson yang dihasilkan, dapat ditentukan data yang digunakan
bersifat autokorelasi atau tidak. Nilai Durbin Watson yang dihasilkan sebesar 1,802.
Bila dibandingkan dengan tabel Durbin Watson dimana nilai dL = 1,29530
dan dU= 1,65387, maka hipotesis yang diperoleh adalah Dhitung> dU yakni 1,802
>1,65387. Sehingga dapat ditarik kesimpulan bahwa tidak terdapat autokorelasi.
3. Uji Heteroskedastisitas
Pada penelitian ini untuk pengujian heteroskedastisitas menggunakan uji Park.
Uji park yang digunakan dengan membandingkan nilai t hitung dengan nilai alfa
(5%). Nilai t hitung sebesar 1,055 > 0,05. Sehingga dapat ditarik kesimpulan bahwa
tidak terjadi heteroskedastisitas.
4. Uji Multikolinieritas
Pengujian multikolinieritas dapat nilai dari VIF. Dimana nilai VIF yang
dihasilkan tidak melebihi 10. Berikut nilai VIF yang dihasilkan 3,861; 1,245; dan
1,814. Sehingga dapat ditarik kesimpulan tidak terdapat multikolinieritas.

4.4.2 Pemeriksaan Uji Asumsi Klasik pada Simpang Sindang Laya
1. Uji Normalitas
Berdasarkan hasil pengolahan dengan menggunakan perangkat lunak SPSS

22.0 pada grafik normal P-P Plot of regression residual terlihat data yang berupa
titik-titik menyebar disekitar sumbu diagonal dan mengikuti arah garis diagonal. Ini
menandakan bahwa data berdistribusi normal. Hasilnya dapat kita lihat seperti
berikut:
Gambar 4.7 Normal Plot Regresi

2. Uji Autokorelasi
Pada uji autokorelasi ini yang digunakan adalah uji Durbin Watson. Dimana
dengan nilai Durbin Watson yang dihasilkan, dapat ditentukan data yang digunakan
bersifat autokorelasi atau tidak. Nilai Durbin Watson yang dihasilkan sebesar 2,125.
Bila dibandingkan dengan tabel Durbin Watson dimana nilai dL = 1,29530 dan dU=
1,65387, maka hipotesis yang diperoleh adalah Dhitung>dU yakni 2,125>1,65387.
Sehingga dapat ditarik kesimpulan bahwa tidak terdapat autokorelasi.
3. Uji Heteroskedastisitas
Pada penelitian ini untuk pengujian heteroskedastisitas menggunakan uji Park.
Uji park yang digunakan dengan membandingkan nilai t hitung dengan nilai alfa
(5%). Nilai t hitung sebesar 1,704> 0,05. Sehingga dapat ditarik kesimpulan bahwa
tidak terjadi heteroskedastisitas.

4. Uji Multikolinieritas
Pengujian multikolinieritas dapat nilai dari VIF. Dimana nilai VIF yang
dihasilkan tidak melebihi 10. Berikut nilai VIF yang dihasilkan 5,728; 4,404; dan
2,552. Sehingga dapat ditarik kesimpulan tidak terdapat multikolinieritas.
4.5 Analisis Nilai Ekivalen Mobil Penumpang (emp) di Simpang Tak Bersinyal
Nilai emp kendaraan di simpang tak bersinyal dihitung dengan menggunakan
metode kapasitas menggunakan analisis regresi linier berganda terhadap semua
waktu survai. Persamaan regresi berganda sesuai rumus dalam bab III sehingga nilai
koefisien masing-masing persamaan merupakan nilai emp.
Data volume lalulintas sebanyak 36 data yang ada selama 2 hari, dianalisis
dengan persamaan regresi linier berganda sebagai berikut :
Simpang Pasir Impun kota Bandung mempunyai data hari Minggu dan hari
Senin di gabung menjadi satu sehingga jumlah data menjadi 36 data volume
lalulintas. Seluruh data dianalisis dengan analisis regresi linier berganda.
Tabel 4.3. Nilai emp kendaraan berdasarkan analisis regresi menggunakan seluruh
data di simpang Pasir Impun Kota Bandung
Kendaraan Nilai emp
LV 0,654
HV -0,894
MC 0,406
UM 0,079
Jumlah Data 36
Simpang Sindang Laya Kota Bandung mempunyai data hari Minggu dan hari
Senin di gabung, sehinga jumlah data menjadi 36 data volume lalulintas. Seluruh data
dianalisis dengan analisis regresi linier berganda

Tabel 4.4. Nilai emp kendaraan berdasarkan analisis regresi menggunakan seluruh
data di simpang Sindang Laya Kota Bandung
Kendaraan Nilai emp
LV 1,319
HV 1,050
MC 0,259
UM 0,100
Jumlah Data 36
4.6 Analisis Kinerja Simpang Tak Bersinyal
Proses analisis kinerja simpang tak bersinyal dilakukan dengan komputerisasi,

dengan membuat tabel di microsoft excel dengan dihitung mengunakan rumus-
rumus yang sudah ada menurut MKJI, dimana kinerja simpang yang dianalisis
meliputi kapasitas ( C ), derajat kejenuhan (DS), tundaan (D) dan peluang antrian
(QS) didasarkan pada Manual Kapasitas Jalan Indonesia (MKJI) 1997.
4.6.1 Analisa Kapasitas Simpang
Simpang Pasir Impun merupakan simpang tiga tak bersinyal di kota

Bandung yang mempunyai tipe simpang 324 dan gambar tipe simpang dapat
dilihat di lampiran, dan dibawah ini disampaikan hasil analisis kapasitas
simpang dalam bentuk tabel.
C = Co x Fw x Fm x Fcs x Frsu x FLT x FRT x FMI
Tabel. 4.5 Analisis Kapasitas Simpang Pasir Impun

No Faktor Analisis Uraian Nilai
1 Kapasitas Dasar (Co) smp/jam IT 324 3200
Faktor Lebar Pendekat Rata-rata (Fw)

2 0,62 + 0,0646 (5,2) 0,95592
3 Faktor Median Jalan Utama (Fm) Tidak ada 1,0
4 Faktor Ukuran Kota (Fcs) 0,94
UM/MV = 0,05
5 Faktor Hambatan Samping (Frsu) RE Pemukiman 0,92
SF Sedang
Faktor Belok Kiri (Flt) pLT = 8,32 %

6 0,84 + 1,61 (0,0832) 0,974
7 Faktor Belok Kanan (Frt) = 6,9 % 1,09 – 0,922 (0,069) 1,026
Faktor penyesuaian Rasio Arus Jalan
16,6 (0,1525)2 – 33,3 (0,1525)3 + 25,3

8 Simpang (FMI) pMI = 15,25 % dengan (0,1525)2 – 8,6 (0,1525) + 1,95 1,48088
emp MKJI
9 Kapasitas Simpang (C ) berdasarkan emp MKJI (smp/jam) 4095
Tabel. 4.6 Analisis Kapasitas Simpang Sidanglayang Tiga Lengan Tak Bersinyal

No Faktor Analisis Uraian Nilai
1 Kapasitas Dasar (Co) smp/jam IT 324 3200
Faktor Lebar Pendekat Rata-rata (Fw)

2 0,62 + 0,0646 (4,9) 0,93654
3 Faktor Median Jalan Utama (Fm) Tidak ada 1,0
4 Faktor Ukuran Kota (Fcs) 0,94
UM/MV = 0,05
5 Faktor Hambatan Samping (Frsu) RE Pemukiman 0,92
SF Sedang
Faktor Belok Kiri (Flt) pLT = 5,32 %

6 0,84 + 1,61 (0,0532) 0,9256
7 Faktor Belok Kanan (Frt) = 4,74 % 1,09 – 0,922 (0,0474) 1,0462
Faktor penyesuaian Rasio Arus Jalan
16,6 (0,1006)2 – 33,3 (0,1006)3 + 25,3

8 Simpang (FMI) pMI = 10,06 % dengan (0,1006)2 – 8,6 (0,1006) + 1,95 1,475
emp MKJI
9 Kapasitas Simpang (C ) berdasarkan emp MKJI (smp/jam) 4023
Berdasarkan perkalian kapasitas dasar (Co) pada kondisi ideal simpang dengan
faktor-faktor koreksi (F) diperoleh kapasitas di simpang sebagai berikut :
Simpang Pasir Impun Kota Bandung : - dengan emp MKJI C = 4.095 smp/jam
- dengan emp lapangan C = 3.195 smp/jam
Simpang Sidang Laya Kota Bandung : - dengan emp MKJI C = 4.023 smp/jam
- dengan emp lapangan C = 3,923 smp/jam

4.6.2 Analisis Derajat Kejenuhan (DS)

Derajat kejenuhan dihitung menggunakan rumus yang sesuai dengan ketentuan
dari Manual Kapasitas Jalan Indonesia (MKJI) 1997. Persamaan tersebut sebagai
merupakan rasio arus lalu lintas (smp/jam) terhadap kapasitas (smp/jam), dapat
ditulis dengan persamaan sebagai berikut :
………………………………………………………….…(3)
Keterangan ;
DS = Derajat kejenuhan
C = Kapasitas (smp/jam)
Qsmp = Arus total (smp/jam)
Tabel 4.7 Analisis Derajat Kejenuhan di Simpang Pasir Impun Pada arus lalulintas puncak
No Faktor Analisa Uraian Nilai-
nilai
1 Arus Lalulintas Qtot (smp/jam) emp sesuai MKJI 1997 3200
Arus Lalulintas Qtot (smp/jam)

2 emp dari lapangan 2.527
3 Derajat Kejenuhan (DS) emp sesuai MKJI 1997 0,7814
4 Derajat Kejenuhan (DS) emp dari lapangan 0,7909
Tabel 4.8 Analisis Derajat Kejenuah di Sidang Laya Pada arus lalulintas puncak
No Faktor Analisa Uraian Nilai-
nilai
1 Arus Lalulintas Qtot (smp/jam)
emp sesuai MKJI 1997 3.200
Arus Lalulintas Qtot (smp/jam)

2 emp dari lapangan 3.176

3 Derajat Kejenuhan (DS) emp sesuai MKJI 1997 0,7954
4 Derajat Kejenuhan (DS) emp dari lapangan 0,8095
4.6.3 Analisis Tundaan (D)
Analisis tundaan dilakukan dengan cara Manual Kapasitas Jalan Indonesia
(MKJI) 1997 sebagai berikut :
Tabel 4.9 Analisis Tundaan di Simpang Pasir Impun
No. Tundaan DS Rumus Det/smp

1 [(1 – 0.7814)x2] 1,0504/ 17,09
DTi= Tundaan
Lalulintas Simpang [0,2742 − (0,2042x0,7814)]
2 DG= Tundaan DG = (1- 0,7814) × (0,1525 × 6 4,0294
Geometrik + (1- 0,1525) × 3) + 0,7814 × 4
3 DTMA = Tundaan 0,7814 1,05034/[0,346 − (0,246x0,781- 6,43
[1−0,7814 )x1,8]
4 DTMI= Tundaan Q 35,86
[(QtotxDTi)− (QMA xDTMA )]/ MI
lalulintas di jalan minor
5 DTi = Tundaan 1,0504− [(1-0,7909)x2]/

Lalulintas Simpang [0,2742 −(0,2042x0,7909)] 17.3
6 DG = Tundaan DG = (1- 0,7909) × (0,1525 × 6 4,07
Geometri + (1- 0,1525) × 3) + 0,7909 × 4
7 DTMA = Tundaan 0.7909 1,05034/[0,346(0,246x0,7909)]- 6.5
Lalulintas Jalan Mayor − [(1 – 0,7909)x1,8]
8 DTmi = Tundaan [(QtotxDTi)− (QMA xDTMA )] 36.3
Lalulintas di Jalan
Q
Minor MI
Tabel 4.10 Analisis Tundaan di Simpang Sindanglaya

No. Tundaan DS Rumus Det/smp
1 DTi = Tundaan 1,0504/[0,2742 − (0,2042x0,7954)] 17.4
Lalulintas Simpang
− [(1 −0,7954)x2]

2 DG= Tundaan DG = (1- 0,7954) × (0,1006 × 6 + 4,1041
Geometri (1- 0,1006) × 3) + 0,7954× 4
3 DTMA= Tundaan 0,795 1,05034/[0,346 − (0,246x0,7954)]- 6.5
Lalulintas di 4
[(1 −0.7954)x1,8]
Jalan Mayor
4 DTMI = Tundaan [(QtotxDTi)− (QMA xDTMA )] 54,75
Lalulintas di Jalan Minor Q

MI
5 DTi = Tundaan 1,0504/[0,2742 − (0,2042x0,8095)]- 17,7

Lalulintas Simpang
− [(1 − 0,8095)x2]
6 DG Tundaan DG = (1- 0,8095) × (0,1525 × 6 + 4,17
Geometri (1- 0,1525) × 3) + 0,8095× 4
7 DTMA = Tundaan 0,809 1,05034/[0,346 − (0,246x0,8095)]- 6.6
5
Lalulintas di Jalan Mayor [(1 −0.8095)x1,8]
8 DTMI = Tundaan [(QtotxDTi)− (QMA xDTMA )] 55.68
Lalulintas di Jalan Minor
Qmi
Pada analisis tundaan, tundaan lalulintas di simpang (DTi), tundaan lalulintas di jalan major
(DMA), dan tundaan lalulintas di jalan minor (D MI) melebihi nilai tundaan dari nilai batas
MKJI 1997 yaitu diatas 35 detik/smp. (lihat tabel 4.7 dan table 4.8) kondisi ini dapat
diidentifikasikan cukup parah, sehingga simpang perlu ditingkatkan kinerjanya dengan salah
satunya memasang sinyal lalulintas.untuk kedua simpang
4.6.4 Analisis Peluang Antrian
Peluang antrian dengan batas atas dan batas bawah dapat diperoleh dengan
menggunakan ketentuan dari MKJI 1997 sebagai berikut
Tabel 4.11 Analisis Peluang Antrian di Simpang Pasir Impun
No. DS Qpa Qpb

(47,71 x DS)-24,68xDS2)+(56,47xDS3) (9,02xDS)+(20,66xDS2)+(10,49xDS3)
1 0,7814 49,15 % 24,66 %
2 0,7909 50,23 % 25,24 %

Tabel 4.12 Analisis Peluang Antrian di Simpang Sidang laya
No. DS Qpa Qpb

(47,71 x DS)-24,68xDS2)+(56,47xDS3) (9,02xDS)+(20,66xDS2)+(10,49xDS3)
1 0,7954 50,75 % 25,52 %
2 0,8095 52,40 % 26,40 %
Peluang antrian yang terjadi berdasarkan analisis yang menggunakan nilai emp
dari MKJI 1997 di simpang Pasir Impun adalah Qpa = 49,15 persen, Qpb = 24,66 persen
dan simpang Sindanglaya Qpa = 50,75 persen, Qpb = 25,52 persen, sedangkan peluang
antrian yang dianalisis menggunakan nilai emp lapangan yang terjadi untuk simpang
Pasir Impun adalah Qpa = 50,23 persen, Qpb = 25,24 persen dan simpang Sindanglaya
Qpa = 52,40 persen, Qpb = 26, 40 persen.
Peluang antrian pada jam puncak kedua simpang melampaui 35% (nilai batas
yang diberikan MKJI), sehingga diindikasikan terjadinya antrian yang cukup besar
sehingga diperlukan pemikiran langkah-langkah penanganan masalah simpang lebih
lanjut.

Lokasi penelitian dilaksanakan di Sungai Cimanuk yang berada di
Kecamatan Garut Kota (Kelurahan Muara Sanding, Kelurahan Pakuwon, Kelurahan
Paminggir dan Kelurahan Sukamentri) dan Kecamatan Tarogong Kidul (Kelurahan
Sukakarya, Sukajaya, Sukagalih, Jayawaras, dan Desa Haurpanggung) Kabupaten
Garut Propinsi Jawa Barat.
4.3 Analisis Deskriptif

4.3.1 Penentuan Jumlah Sampel
Pengambilan data dilakukan dengan penyebaran kuisioner melalui 100
responden. Pengambilan sampel dilakukan secara acak yang tersebar di 2
kecamatan, yaitu Kecamatan Garut Kota dan Kecamatan Tarogong Kidul, dengan
variable di bawah ini :
Y = Debit banjir (m³/det)
X1 = Tanggul rusak
X2 = Genangan di bantaran sungai
X3 = Lama genangan
X4 = Jumlah rumah tergenang
X5 = Jumlah jalan tergenang
X6 = Jumlah kerugian

Tabel 4.7 Usia Responden
Usia F %
20-25 19 19,00
26-30 24 24,00
31-35 21 21,00
36-40 27 27,00
41-45 3 3,00
46-50 1 1,00
> 50 5 5,00
Jumlah 100 100
Sumber : Hasil pengolahan data, 2017.

Gambar 4.7 Grafik Usia Responden
Dari tabel 4.1 Usia Responden dapat dijelaskan secara umum pada daerah
kajian didominasi oleh kelompok produktif yaitu pada usia 36-40 tahun sebesar 27
responden atau 27,00% kemudian kelompok usia sangat produktif (kelompok umur
26-30 tahun) sebanyak 24 responden atau 24,00%, sedangkan usia responden
diatas 50 tahun sebanyak 5 responden atau 5,00%.
Tabel 4.8 Tingkat Pendidikan Responden
Pendidikan F %
SD 9 9,00
SMP 31 31,00
SMA 37 37,00
DIPLOMA 6 6,00
SARJANA 17 17,00
JUMLAH 100 100

Gambar 4.8 Grafik Tingkat Pendidikan Responden
Dari tabel 4.8 Tingkat Pendidikan Responden diperoleh uraian sebagai
berikut:
1. Dari jumlah 100 orang responden diketahui responden dengan tingkat
pendidikan Sekolah Dasar (SD) sebanyak 9 orang atau 9,00%, tingkat
pendidikan Sekolah Menengah Pertama (SMP) sebanyak 31 orang atau
31,00%, tingkat pendidikan Sekolah Menengah Atas (SMA) 37 orang atau
37,00%, tingkat pendidikan Diploma sebanyak 6 orang atau 6,00%, dan tingkat
pendidikan Sarjana sebanyak 17 orang atau 17,00%.
2. Dari tabel 4.2 Tingkat Pendidikan dapat dikatagorikan bahwa lokasi penelitian
mempunyai tingkat pendidikan yang relative baik, hal ini mengindikasikan
bahwa meskipun mata pencaharian responden sebagian besar adalah
pedagang, namun memiliki tingkat pendidikan yang baik. Dengan keadaan
tersebut maka ada beberapa hal yang dapat dikemukakan, yaitu:
a. Pedagang akan mudah menerima teknologi atau metode baru yang
berkaitan dengan pengembangan usaha perdagangan.
b. Tingkat kesejahteraan pedagang relatif lebih baik.
c. Tingkat pendidikan yang relative baik menyebabkan pola pikir masyarakat
wilayah studi relative baik.
d. Pedagang di wilayah studi relatif mudah menerima dan mengaktualisasikan
program serta kebijakan pemerintah yang berkaitan dengan pengelolaan
hasil perdagangan atau yang berkaitan dengan pertanian dan perdagangan.
4.3.2 Tanggapan Responden Mengenai Variabel Kerusakan Tanggul (X1)

Tabel 4.9 di bawah ini merupakan table tanggapan responden mengenai
variabel x1 yaitu kerusakan tanggul berdasarkan hasil pengolahan, dapat dilihat
bahwa skor total untuk kerusakan tanggul adalah 2986. Jumlah skor tersebut
dimasukkan dalam garis kontinum yang pengukurannya dilakukan dengan cara :
1. Nilai indeks maksimum = 5 x 8 x 100 = 4000
2. Nilai indeks minimum = 1 x 8 x 100 = 800
3. Jarak interval = = = 640
4. Presentase skor = = (2986/4000)*100%
= 74,65%
Sangat Tidak Tidak Baik Cukup Baik Sangat Baik

Baik
20% 36% 52% 68% 84% 100%
74,65%
Gambar 4.9 Garis Kontinum Informasi Variabel Kerusakan Tanggul (X1)
Secara ideal, skor yang diharapkan untuk jawaban responden terhadap 8

pertanyaan adalah 4000, dari perhitungan dalam table menunjukkan nilai yang
diperoleh 2986 atau 74,65% dari skor ideal, dengan demikian variabel kerusakan
tanggul berada pada kategori baik.

Tabel 4.9 Tanggapan Responden ,Mengenai Variabel Kerusakan Tanggul (X1)
Skala Likert Skor Skor
Jumlah
No P 1 2 3 4 5 Total Ideal
f % Skor f % Skor f % Skor f % Skor f % Skor f % f %
1 x1_1 0 0.00 0 8 8.00 16 25 25.00 75 48 48.00 192 19 19.00 95 100 100 378 75.60 500
2 x1_2 0 0.00 0 7 7.00 14 34 34.00 102 37 37.00 148 22 22.00 110 100 100 374 74.80 500
3 x1_3 0 0.00 0 5 5.00 10 43 43.00 129 30 30.00 120 22 22.00 110 100 100 369 73.80 500
4 x1_4 0 0.00 0 9 9.00 18 22 22.00 66 41 41.00 164 28 28.00 140 100 100 388 77.60 500
5 x1_5 2 0.02 2 8 8.00 16 25 25.00 75 49 49.00 196 16 16.00 80 100 100 369 73.80 500
6 x1_6 3 0.03 3 2 2.00 4 55 55.00 165 22 22.00 88 18 18.00 90 100 100 350 70.00 500
7 x1_7 1 0.01 1 7 7.00 14 32 32.00 96 44 44.00 176 16 16.00 80 100 100 367 73.40 500
8 x1_8 4 0.04 4 2 2.00 4 32 32.00 96 43 43.00 172 19 19.00 95 100 100 371 74.20 500
2966 74.15 4000

4.3.3 Tanggapan Responden Mengenai Variabel Genangan di Bantaran Sungai
(X2)
Tabel 4.11 di bawah ini memperlihatkan garis kontinum informasi mengenai
variabel luas genangan di bantaran sungai (x2). Dapat dilihat bahwa skor nilai
berdasarkan tanggapan responden mengenai variabel x2 ini adalah sebesar 6128,
dari skor total sebesar 8500.
3. Jarak interval = = (8500-1700)/5 = 1360
4. Presentase skor = = (6128/8500)*100%
= 72,09%

Baik
20% 36% 52% 68% 84% 100%
72,09%
Gambar 4.11 Garis Kontinum Informasi Variabel Genangan di Bantaran Sungai (X2)
diperoleh 6128 atau 72,09% dari skor ideal, dengan demikian variabel genangan di
bantaran sungai berada pada kategori baik.

Tabel 4.10 Tanggapan Responden Mengenai Variabel Genangan Di Bantaran Sungai (X2)
Jumlah
1 x2_9 0 0.00 0 15 15.00 30 34 34.00 102 34 34.00 136 17 17.00 85 100 100 353 70.60 500
2 x2_10 0 0.00 0 10 10.00 20 38 38.00 114 38 38.00 152 14 14.00 70 100 100 356 71.20 500
3 x2_11 0 0.00 0 9 9.00 18 31 31.00 93 43 43.00 172 17 17.00 85 100 100 368 73.60 500
4 x2_12 1 1.00 1 12 12.00 24 48 48.00 144 32 32.00 128 7 7.00 35 100 100 332 66.40 500
5 x2_13 0 0.00 0 8 8.00 16 52 52.00 156 32 32.00 128 8 8.00 40 100 100 340 68.00 500
6 x2_14 1 1.00 1 9 9.00 18 40 40.00 120 36 36.00 144 14 14.00 70 100 100 353 70.60 500
7 x2_15 3 3.00 3 3 3.00 6 40 40.00 120 43 43.00 172 11 11.00 55 100 100 356 71.20 500
8 x2_16 1 1.00 1 2 2.00 4 16 16.00 48 56 56.00 224 25 25.00 125 100 100 402 80.40 500
9 x2_17 2 2.00 2 7 7.00 14 33 33.00 99 44 44.00 176 14 14.00 70 100 100 361 72.20 500
10 x2_18 5 5.00 5 16 16.00 32 26 26.00 78 42 42.00 168 11 11.00 55 100 100 338 67.60 500
11 x2_19 1 1.00 1 6 6.00 12 27 27.00 81 45 45.00 180 21 21.00 105 100 100 379 75.80 500
12 x2_20 3 3.00 3 9 9.00 18 20 20.00 60 56 56.00 224 12 12.00 60 100 100 365 73.00 500
13 x2_21 1 1.00 1 7 7.00 14 45 45.00 135 37 37.00 148 10 10.00 50 100 100 348 69.60 500
14 x2_22 0 0.00 0 1 1.00 2 52 52.00 156 31 31.00 124 16 16.00 80 100 100 362 72.40 500
15 x2_23 0 0.00 0 1 1.00 2 44 44.00 132 38 38.00 152 17 17.00 85 100 100 371 74.20 500
16 x2_24 9 9.00 9 3 3.00 6 31 31.00 93 28 28.00 112 29 29.00 145 100 100 365 73.00 500
17 x2_25 0 0.00 0 2 2.00 4 42 42.00 126 31 31.00 124 25 25.00 125 100 100 379 75.80 500
6128 72.09 8500

4.3.4 Tanggapan Responden Mengenai Variabel Lama Genangan (X3)
variabel lama genangan (x3). Dapat dilihat bahwa skor nilai berdasarkan tanggapan
responden mengenai variabel x3 ini adalah sebesar 3378, dari skor total sebesar
4500.
3. Jarak interval = = (4500-900)/5 = 720
4. Presentase skor = = (3378/4500)*100%
= 75,06%

Baik
20% 36% 52% 68% 84% 100%
75,06%
Gambar 4.12 Garis Kontinum Informasi Variabel Lama Genangan (X3)

diperoleh 3378 atau 75,06% dari skor ideal, dengan demikian variabel lama
genangan berada pada kategori baik.

Tabel 4.11 Tanggapan Responden ,Mengenai Variabel Lama Genangan (X3)
Jumlah
1 x3_26 0 0.00 0 4 4.00 8 44 44.00 132 24 24.00 96 28 28.00 140 100 100 376 75.20 500
2 x3_27 0 0.00 0 3 3.00 6 30 30.00 90 37 37.00 148 30 30.00 150 100 100 394 78.80 500
3 x3_28 0 0.00 0 3 3.00 6 34 34.00 102 46 46.00 184 17 17.00 85 100 100 377 75.40 500
4 x3_29 2 2.00 2 3 3.00 6 27 27.00 81 41 41.00 164 27 27.00 135 100 100 388 77.60 500
5 x3_30 1 1.00 1 7 7.00 14 44 44.00 132 35 35.00 140 13 13.00 65 100 100 352 70.40 500
6 x3_31 1 1.00 1 3 3.00 6 54 54.00 162 35 35.00 140 7 7.00 35 100 100 344 68.80 500
7 x3_32 0 0.00 0 2 2.00 4 34 34.00 102 51 51.00 204 13 13.00 65 100 100 375 75.00 500
8 x3_33 0 0.00 0 4 4.00 8 23 23.00 69 57 57.00 228 16 16.00 80 100 100 385 77.00 500
9 x3_34 0 0.00 0 2 2.00 4 30 30.00 90 47 47.00 188 21 21.00 105 100 100 387 77.40 500
3378 75.07 4500

4.3.5 Tanggapan Responden Mengenai Variabel Jumlah Rumah Tergenang
(X4)
variabel jumlah rumah tergenang (x4). Dapat dilihat bahwa skor nilai berdasarkan
tanggapan responden mengenai variabel x4 ini adalah sebesar 2737, dari skor total
sebesar 3500.
3. Jarak interval = = (3500-700)/5 = 560
4. Presentase skor = = (2737/3500)*100%
= 78,20%

Baik
20% 36% 52% 68% 84% 100%
78,20%
Gambar 4.13 Garis Kontinum Informasi Variabel Jumlah Rumah Tergenang (X4)

diperoleh 2737 atau 78,20% dari skor ideal, dengan demikian variabel jumlah rumah
tergenang berada pada kategori baik.

Tabel 4.12 Tanggapan Responden ,Mengenai Variabel Jumlah Rumah Tergenang (X4)
Jumlah
1 x4_35 0 0.00 0 5 5.00 10 27 27.00 81 31 31.00 124 37 37.00 185 100 100 400 80.00 500
2 x4_36 3 3.00 3 0 0.00 0 52 52.00 156 24 24.00 96 21 21.00 105 100 100 360 72.00 500
3 x4_37 0 0.00 0 3 3.00 6 33 33.00 99 32 32.00 128 32 32.00 160 100 100 393 78.60 500
4 x4_38 0 0.00 0 1 1.00 2 24 24.00 72 32 32.00 128 43 43.00 215 100 100 417 83.40 500
5 x4_39 0 0.00 0 3 3.00 6 50 50.00 150 15 15.00 60 32 32.00 160 100 100 376 75.20 500
6 x4_40 0 0.00 0 1 1.00 2 30 30.00 90 44 44.00 176 25 25.00 125 100 100 393 78.60 500
7 x4_41 1 1.00 1 1 1.00 2 27 27.00 81 41 41.00 164 30 30.00 150 100 100 398 79.60 500
2737 78.20 3500

4.3.6 Tanggapan Responden Mengenai Variabel Jumlah Jalan Tergenang (X5)
variabel jumlah jalan tergenang (x5). Dapat dilihat bahwa skor nilai berdasarkan
sebesar 5500.
3. Jarak interval = = (5500-1100)/5 = 880
4. Presentase skor = = (4077/5500)*100%
= 74,12%

Baik
20% 36% 52% 68% 84% 100%
74,12%
Gambar 4.14 Garis Kontinum Informasi Variabel Jumlah Jalan Tergenang (X5)

diperoleh 4077 atau 74,12% dari skor ideal, dengan demikian variabel jumlah jalan
tergenang berada pada kategori baik.

Tabel 4.13 Tanggapan Responden Mengenai Variabel Jumlah Jalan Tergenang (X5)
Jumlah
1 x5_42 0 0.00 0 7 7.00 14 38 38.00 114 34 34.00 136 21 21.00 105 100 100 369 73.80 500
2 x5_43 1 1.00 1 6 6.00 12 32 32.00 96 35 35.00 140 26 26.00 130 100 100 379 75.80 500
3 x5_44 1 1.00 1 8 8.00 16 34 34.00 102 40 40.00 160 17 17.00 85 100 100 364 72.80 500
4 x5_45 0 0.00 0 2 2.00 4 36 36.00 108 41 41.00 164 21 21.00 105 100 100 381 76.20 500
5 x5_46 0 0.00 0 2 2.00 4 50 50.00 150 29 29.00 116 19 19.00 95 100 100 365 73.00 500
6 x5_47 0 0.00 0 0 0.00 0 38 38.00 114 40 40.00 160 22 22.00 110 100 100 384 76.80 500
7 x5_48 3 3.00 3 6 6.00 12 43 43.00 129 34 34.00 136 14 14.00 70 100 100 350 70.00 500
8 x5_49 1 1.00 1 2 2.00 4 34 34.00 102 55 55.00 220 8 8.00 40 100 100 367 73.40 500
9 x5_50 2 2.00 2 0 0.00 0 50 50.00 150 37 37.00 148 11 11.00 55 100 100 355 71.00 500
10 x5_51 0 0.00 0 1 1.00 2 20 20.00 60 53 53.00 212 26 26.00 130 100 100 404 80.80 500
11 x5_52 0 0.00 0 1 1.00 2 51 51.00 153 36 36.00 144 12 12.00 60 100 100 359 71.80 500
2592 47.13 5500

4.3.7 Tanggapan Responden Mengenai Variabel Jumlah Kerugian (X6)
Gambar 4.15 di bawah ini memperlihatkan garis kontinum informasi
mengenai variabel jumlah kerugian (x6). Dapat dilihat bahwa skor nilai berdasarkan
sebesar 4500.
3. Jarak interval = = (4500-900)/5 = 720
4. Presentase skor = = (3436/4500)*100%
= 76,35%

Baik
20% 36% 52% 68% 84% 100%
76,35%
Gambar 4.15 Garis Kontinum Informasi Variabel Jumlah Kerugian (X6)

diperoleh 3436 atau 76,35% dari skor ideal, dengan demikian variabel jumlah
kerugian berada pada kategori baik.

Tabel 4.14 Tanggapan Responden ,Mengenai Variabel Jumlah Kerugian (X6)
Jumlah
1 x6_53 0 0.00 0 0 0.00 0 28 28.00 84 40 40.00 160 32 32.00 160 100 100 404 80.80 500
2 x6_54 0 0.00 0 0 0.00 0 43 43.00 129 30 30.00 120 27 27.00 135 100 100 384 76.80 500
3 x6_55 0 0.00 0 1 1.00 2 29 29.00 87 54 54.00 216 16 16.00 80 100 100 385 77.00 500
4 x6_56 0 0.00 0 1 1.00 2 39 39.00 117 38 38.00 152 22 22.00 110 100 100 381 76.20 500
5 x6_57 4 4.00 4 13 13.00 26 33 33.00 99 30 30.00 120 20 20.00 100 100 100 349 69.80 500
6 x6_58 0 0.00 0 1 1.00 2 33 33.00 99 42 42.00 168 24 24.00 120 100 100 389 77.80 500
7 x6_59 1 1.00 1 0 0.00 0 39 39.00 117 47 47.00 188 13 13.00 65 100 100 371 74.20 500
8 x6_60 0 0.00 0 2 2.00 4 36 36.00 108 47 47.00 188 15 15.00 75 100 100 375 75.00 500
9 x6_61 1 1.00 1 2 2.00 4 16 16.00 48 60 60.00 240 21 21.00 105 100 100 398 79.60 500
2663 59.18 4500

4.3.8 Tanggapan Responden Mengenai Variabel Debit Banjir (Y)
variabel debit banjir (y). Dapat dilihat bahwa skor nilai berdasarkan tanggapan
responden mengenai variabel y ini adalah sebesar 3436, dari skor total sebesar
4500.
3. Jarak interval = = (4500-900)/5 = 720
4. Presentase skor = = (3905/4500)*100%
= 86,77%

Baik
20% 36% 52% 68% 84% 100%
86,77%
Gambar 4.16 Garis Kontinum Informasi Variabel Debit Banjir (Y)

diperoleh 3905 atau 86,377 dari skor ideal, dengan demikian variabel debit banjir
berada pada kategori sangat baik.

Tabel 4.15 Tanggapan Responden ,Mengenai Variabel Debit Banjir (Y)
Jumlah
1 y_62 0 0.00 0 0 0.00 0 4 4.00 12 59 59.00 236 37 37.00 185 100 100 433 86.60 500
2 y_63 0 0.00 0 0 0.00 0 8 8.00 24 38 38.00 152 54 54.00 270 100 100 446 89.20 500
3 y_64 0 0.00 0 1 1.00 2 9 9.00 27 33 33.00 132 57 57.00 285 100 100 446 89.20 500
4 y_65 0 0.00 0 1 1.00 2 5 5.00 15 35 35.00 140 59 59.00 295 100 100 452 90.40 500
5 y_66 1 1.00 1 1 1.00 2 6 6.00 18 47 47.00 188 45 45.00 225 100 100 434 86.80 500
6 y_67 2 2.00 2 1 1.00 2 11 11.00 33 51 51.00 204 35 35.00 175 100 100 416 83.20 500
7 y_68 2 2.00 2 3 3.00 6 9 9.00 27 47 47.00 188 39 39.00 195 100 100 418 83.60 500
8 y_69 1 1.00 1 6 6.00 12 8 8.00 24 37 37.00 148 48 48.00 240 100 100 425 85.00 500
9 y_70 0 0.00 0 2 2.00 4 7 7.00 21 45 45.00 180 46 46.00 230 100 100 435 87.00 500
3045 67.67 4500

4.4. Uji Validitas dan Uji Realibilitas
4.4.1. Uji Validitas
Uji validitas akan dilakukan dengan metode Pearson atau metode Product
Momen, yaitu dengan mengkorelasikan skor butir pada kuisioner dengan skor
totalnya. Nilai-nilai butir kemudian dibandingkan dengan nilai r pada Tabel product
moment, untuk N = 100 pada signifikansi 5% diperoleh titik kritis 0,25. Nilai-nilai
korelasi pada semua item pertanyaan di atas lebih dari titik kritis dengan demikian,
maka semua item pertanyaan dinyatakan valid. Hasil tes validitas tiap variabel dapat
dilihat pada Tabel 4.16 di bawah ini.
Tabel 4.16 Uji Validitas dan Reliabilitas Variabel
Variabel Item Validitas Reliabilitas
Pertanyaan Koef Titik Kesimpulan Koef Titik Kesimpulan
Validitas Kritis Reliabilitas Kritis
X1 1 0.661 0.25 Valid
2 0.581 Valid
3 0.649 Valid
4 0.594 Valid Reliabel
0.783 0.7
5 0.556 Valid Tinggi
6 0.486 Valid
7 0.495 Valid
8 0.546 Valid
X2 9 0.642 0.25 Valid
10 0.536 Valid
11 0.639 Valid
12 0.497 Valid
13 0.473 Valid
14 0.515 Valid
15 0.638 Valid
16 0.297 Valid
Reliabel
17 0.449 Valid 0.783 0.7
Tinggi
18 0.341 Valid
19 0.279 Valid
20 0.323 Valid
21 0.389 Valid
22 0.348 Valid
23 0.278 Valid
24 0.671 Valid
25 0.488 Valid
X3 26 0.614 0.25 Valid
27 0.605 Valid
28 0.512 Valid
29 0.261 Valid
Reliabel
30 0.44 Valid 0.783 0.7
Tinggi
31 0.304 Valid
32 0.356 Valid
33 0.372 Valid
34 0.28 Valid
X4 35 0.677 0.25 Valid
36 0.513 Valid
37 0.631 Valid
Reliabel
38 0.598 Valid 0.783 0.7
Tinggi
39 0.612 Valid
40 0.337 Valid
41 0.602 Valid

X5 42 0.637 0.25 Valid
43 0.784 Valid
44 0.72 Valid
45 0.457 Valid
46 0.528 Valid
Reliabel
47 0.355 Valid 0.783 0.7
Tinggi
48 0.292 Valid
49 0.441 Valid
50 0.283 Valid
51 0.47 Valid
52 0.364 Valid
X6 53 0.323 0.25 Valid
54 0.313 Valid
55 0.347 Valid
56 0.31 Valid
Reliabel
57 0.294 Valid 0.783 0.7
Tinggi
58 0.312 Valid
59 0.352 Valid
60 0.488 Valid
61 0.561 Valid
Y 62 0.288 0.25 Valid
63 0.359 Valid
64 0.42 Valid
65 0.301 Valid
Reliabel
66 0.302 Valid 0.783 0.7
Tinggi
67 0.5 Valid
68 0.493 Valid
69 0.443 Valid
70 0.465 Valid
Berdasarkan hasil perhitungan diatas dengan menggunakan program IBM

SPSS 17. Pada keempat tabel di atas terlihat bahwa nilai indeks validitas setiap
butir pernyataan lebih besar dari 0,25 sehingga dapat disimpulkan bahwa seluruh
butir pernyataan pada keempat variabel valid dan layak digunakan sebagai alat ukur
kapasitas variabel (X1), (X2), (X3),(X4), (X5), (X6), dan (Y).
4.4.2. Uji Realibilitas

Uji reliabilitas dilakukan untuk mengetahui tingkat kestabilan suatu alat ukur.
Dengan mengunakan bantuan aplikasi program IBM SPSS 17 didapat output hasil
perhitungan uji reliabilitas yang tertera pada tabel 4.13 hasilnya bahwa Nilai
reliabilitas butir pernyataan pada kuesioner untuk ketujuh variabel baik variabel
tanggul rusak (X1), genangan di bantaran sungai (X2), lama genangan (X3), jumlah
rumah tergenang (X4), jumlah jalan tergenang (X5), jumlah kerugian (X6), dan debit
banjir (Y). Variabel-variabel yang diteliti lebih besar dari 0,70 hasil ini menunjukkan
bahwa butir kuesioner pada ketujuh variabel andal untuk mengukur variabelnya
masing-masing.

Tabel 4.17 Reliability Statistics
Cronbach's Alpha Based on

Cronbach's Alpha Standardized Items N of Items
.783 .913 8
4.5. Analisis Jalur

Untuk menganalisis hubungan kausalitas dan pengaruh antara variabel
tanggul rusak (X1), genangan di bantaran sungai (X2), lama genangan (X3), jumlah
rumah tergenang (X4), jumlah jalan tergenang (X5), dan jumlah kerugian (X6)
terhadap debit banjir (Y) digunakan suatu metode analisis yang disebut dengan
analisis jalur (Path Analysis). Berdasarkan pada hasil kuesioner yang telah
disebarkan pada sampel sebanyak 100 penduduk sekitar yang terkena dampak
banjir diperoleh hasil sebagai berikut :
Untuk lebih jelasnya, hubungan antara x1, x2, x3, x4, x5 dan x6 terhadap y
dapat dilihat pada tabel 4.20 di bawah ini. Pada tabel ini terlihat bahwa korelasi terbesar
ditunjukkan oleh variabel x2 terhadap variabel terikat (y) dengan nilai korelasi sebesar
0,626.
Tabel 4.18 Variables Entered/Removeda
Model Variables Entered Variables Removed Method

1 b
x6, x1, x4, x3, x2, x5 . Enter
a. Dependent Variable: y
b. All requested variables entered.
Model structural berdasarkan coefficients (Tabel 4.19) tanggul rusak (X1),

genangan di bantaran sungai (X2), lama genangan (X3), jumlah rumah tergenang
(X4), jumlah jalan tergenang (X5), dan jumlah kerugian (X6) terhadap debit banjir
(Y) adalah :
Y= 0,174X1 + 0,377X2 + 0,037X3 + 0,180X4 + 0,096X5 – 0,108X6
R²=0,453
E = √1-R² = √1-0,453 = 0,739

Tabel 4.19 Coefficients
a
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 20.068 2.980 6.735 .000
x1 .127 .084 .174 1.522 .131
x2 .175 .054 .377 3.249 .002
x3 .035 .098 .037 .356 .723
x4 .147 .085 .180 1.720 .089
x5 .066 .082 .096 .809 .421
x6 -.100 .095 -.108 -1.055 .294
Tabel 4.20 R Square Untuk Mentukan Pengaruh Simultan

Std. Error of the
Model R R Square Adjusted R Square Estimate
1 .673a .453 .417 2.87525
a. Predictors: (Constant), x6, x1, x4, x3, x2, x5
Adapun persamaan hipotesisnya adalah sebagai berikut :

Ho : tidak terdapat pengaruh Variabel tanggul rusak (X1), genangan di bantaran
sungai (X2), lama genangan (X3), jumlah rumah tergenang (X4), jumlah
jalan tergenang (X5), dan jumlah kerugian (X6) terhadap besaran debit
banjir (Y).
H1 : terdapat pengaruh Variabel tanggul rusak (X1), genangan di bantaran
sungai (X2), lama genangan (X3), jumlah rumah tergenang (X4), jumlah
jalan tergenang (X5), dan jumlah kerugian (X6) terhadap besaran debit banjir
(Y).
Berdasarkan pada tabel 4.20 diatas, dapat dilihat bahwa pengaruh secara
simultan atau bersama-sama tanggul rusak (X1), genangan di bantaran sungai (X2),
lama genangan (X3), jumlah rumah tergenang (X4), jumlah jalan tergenang (X5),
dan jumlah kerugian (X6) terhadap debit banjir (Y) sebesar 0,453 atau 45,3%.
Artinya hasil tersebut menandakan bahwa 45,3% variabel debit banjir (Y)
diterangkan oleh tanggul rusak (X1), genangan di bantaran sungai (X2), lama
genangan (X3), jumlah rumah tergenang (X4), jumlah jalan tergenang (X5), dan
jumlah kerugian (X6). Sedangkan sisanya 54,7% dipengaruhi oleh variabel lain di
luar model yang diketahui.

Tabel 4.21 Correlations
x1 x2 x3 x4 x5 x6 y
x1 Pearson Correlation ** ** ** ** **
1 .704 .559 .478 .503 .305 .562**
Sig. (2-tailed)
.000 .000 .000 .000 .002 .000
N
100 100 100 100 100 100 100
x2 Pearson Correlation
.704** 1 .550** .512** .542** .359** .626**
Sig. (2-tailed)
.000 .000 .000 .000 .000 .000
N
100 100 100 100 100 100 100
.559** .550** 1 .506** .567** .477** .436**
Sig. (2-tailed)
.000 .000 .000 .000 .000 .000
N
100 100 100 100 100 100 100
.478** .512** .506** 1 .618** .508** .479**
Sig. (2-tailed)
.000 .000 .000 .000 .000 .000
N
100 100 100 100 100 100 100
.503** .542** .567** .618** 1 .629** .452**
Sig. (2-tailed)
.000 .000 .000 .000 .000 .000
N
100 100 100 100 100 100 100
.305** .359** .477** .508** .629** 1 .250*
Sig. (2-tailed)
.002 .000 .000 .000 .000 .012
N
100 100 100 100 100 100 100
Y Pearson Correlation
.562** .626** .436** .479** .452** .250* 1
Sig. (2-tailed)
.000 .000 .000 .000 .000 .012
N
100 100 100 100 100 100 100
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
x1 x2 x3 x4 x5 x6 y
x1
1 0.704 0.559 0.478 0.503 0.305 0.562
x2 0.704 1 0.55 0.512 0.542 0.359 0.626
x3 0.559 0.55 1 0.506 0.567 0.477 0.436
x4
0.478 0.512 0.506 1 0.618 0.508 0.479
x5 0.503 0.542 0.567 0.618 1 0.629 0.452
x6 0.305 0.359 0.477 0.508 0.629 1 0.25

y 0.562 0.626 0.436 0.479 0.452 0.25 1
Pada bagian Anova (uji F) terlihat bahwa secara simultan variabel-variabel

bebas memiliki pengaruh yang siginifikan terhadap variabel terikat y yang
ditunjukkan dari nilai sig 0,000 < alpha 5% yang berarti menolah hipotesis 0 dan
menerima hipotesis alternatif atau uji statistic F sudah signifikan. Sedangkan pada
Tabel Coefficients, uji t/parsial menunjukkan bahwa variabel X2 secara statistic
memiliki pengaruh yang sigifikan terhadap variabel Y. Hal ini ditunjukkan dengan
nilai siginifikasi dari variabel X2 sebesar 0,002 < Alpha 5%. Variabel bebas lainnya
secara statistic tidak memiliki pegaruh yang signifikan terhadap variabel Y sehingga
variabel X2 menjadi variabel perantara dalam model yang dibuat, sehingga
persamaannya menjadi :
Y = ρYX₂ + ρYЄ₁
Y = 0,377 X₂ + Є1
Tabel 4.22 ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 635.913 6 105.986 12.820 .000b
Residual 768.837 93 8.267
Total 1404.750 99
b. Predictors: (Constant), x6, x1, x4, x3, x2, x5
Yang artinya bahwa secara langsung lama genangan berpengaruh positif

dan signifikan terhadap debit banjir. Besaran pengaruh langsung lama genangan
terhadap debit banjir adalah sebesar 0,377 atau dibulatkan menjadi 38%. Artinya,
tinggi atau rendahnya debit banjir hanya mampu dipengaruhi oleh lama genangan
sebesar 38%, sedangkan sisanya sebesar 62% depengaruhi oleh factor lain di luar
model. Berdasarkan hasil analisis di atas maka ditetapkan bahwa variabel X2
sebagai variabel perantara dalam model di bawah ini.
X1
X3
X4 X2 Y
X5
X6

Gambar 4.17 Model Analisis Jalur
Langkah selanjutnya adalah meregresikan variabel x1, x3, x4, x5, dan x6
terhadap variabel x2 sebagai variabel perantara.
Tabel 4.23 Variables Entered/Removeda
Model Variables Entered Variables Removed Method

1 x6, x1, x4, x3, x5b . Enter
a. Dependent Variable: x2
b. All requested variables entered.
Berdasarkan pada tabel 4.24 di bawah ini, dapat dilihat bahwa pengaruh
secara simultan atau bersama-sama tanggul rusak (X1), lama genangan (X3),
jumlah rumah tergenang (X4), jumlah jalan tergenang (X5), dan jumlah kerugian
(X6) terhadap lama genangan (X2) sebesar 0,563 atau 56,3%. Artinya hasil tersebut
menandakan bahwa 56,3% variabel genangan di bantaran sungai (X2) diterangkan
oleh tanggul rusak (X1), lama genangan (X3), jumlah rumah tergenang (X4), jumlah
jalan tergenang (X5), dan jumlah kerugian (X6). Sedangkan sisanya 43,7% variabel
X2 dipengaruhi oleh variabel lain di luar model yang diketahui.
Tabel 4.24 Model Summaryb
Change Statistics
R Std. Error F
Squar Adjusted of the R Square Chang df df Sig. F Durbin-
Model R e R Square Estimate Change e 1 2 Change Watson
1 .
.563 .540 5.49436 .563 24.238 5 94 .000 1.825
750a
a. Predictors: (Constant), x6, x1, x4, x3, x5
b. Dependent Variable: x2
Pada model ini, variabel X2 dianggap sebagai variabel terikat. Dalam tabel
4.25 Anova (uji F) terlihat bahwa secara simultan variabel-variabel bebas memiliki
pengaruh yang siginifikan terhadap variabel terikat X2 yang ditunjukkan dari nilai sig
0,000 < alpha 5% yang berarti menolah hipotesis 0 dan menerima hipotesis
alternatif atau uji statistic F sudah signifikan. Sedangkan pada Tabel Coefficients
(Tabel 4.19), uji t/parsial menunjukkan bahwa variabel X1 secara statistic memiliki

pengaruh yang sigifikan terhadap variabel X2. Hal ini ditunjukkan dengan nilai
siginifikasi dari variabel X1 sebesar 0,00 < Alpha 5%. Variabel bebas lainnya secara
statistic tidak memiliki pengaruh yang signifikan terhadap variabel X2 sehingga
persamaannya menjadi :
X₂ = ρX₂X₁ + ρYЄ₂
X₂ = 0,503 X₁ + Є₂
Tabel 4.25 ANOVAa

Model Sum of Squares df Mean Square F Sig.
1 Regression 3658.490 5 731.698 24.238 .000b
Residual 2837.670 94 30.188
Total 6496.160 99
b. Predictors: (Constant), x6, x1, x4, x3, x5
Tabel 4.26 Coefficientsa

Standar
dized
Unstandardized Coefficie Collinearity
Coefficients nts Correlations Statistics
Std. Zero- Partia Tolera

Model B Error Beta T Sig. order l Part nce VIF
1 (Const
15.026 5.479 2.743 .007
ant)
x1 .790 .137 .503 5.758 .000 .704 .511 .393 .608 1.645
x3 .259 .186 .129 1.395 .166 .550 .142 .095 .544 1.839
x4 .208 .162 .119 1.287 .201 .512 .132 .088 .547 1.827
x5 .221 .155 .149 1.425 .158 .542 .145 .097 .427 2.341
x6 -.019 .182 -.009 -.104 .918 .359 -.011 -.007 .559 1.789
Tabel di atas menjelaskan bahwa secara langsung variabel tanggul rusak

berpengaruh positif dan signifikan terhadap jumlah genangan di bantaran sungai.
Besaran pengaruh langsung tanggul rusak terhadap jumlah genangan di bantaran
sungai adalah sebesar 0,503 atau dibulatkan menjadi 50%. Artinya, tinggi atau
rendahnya besaran genanagan di bantaran sungai mampu dipengaruhi oleh

besaran tanggul rusak sebesar 50%, sedangkan sisanya sebesar 50% dipengaruhi
oleh factor lain di luar model.
Pada pengujian variabel X1, X2, X3, X4, X5, dan X6 terhadap Y hanya
variabel X2 saja yang memiliki pengaruh langsung terhadap Y. Hal ini dilihat dari
nilai signifikansi pada hasil analisis jalur. Nilai pengaruh langsung variabel X2
terhadap Y adalah 0,377. Pada pengujian variabel X1, X3, X4, X5, dan X6 terhadap
variabel X2 diperoleh hasil bahwa pengaruh variabel X1 terhadap variabel Y melalui
perantara variabel X2 adalah sebesar 0,503 x 0,377 = 0,189 atau sebesar 18,9%
X1
0,503
X3
X4 X2 Y
0,377
X5
X6

Gambar 4.18 Hasil Analisis Model
4.6 Analisis Curah Hujan

Analisis curah hujan dihitung dengan menggunakan Distribusi Log Pearson
III dengan menggunakan data curah hujan dari Pos Cikajang dan Pos Bayongbong
Kabupaten Garut. Data diperoleh dari BBWS Cimanuk-Cisanggarung.Berikut ini
adalah Tabel Curah Hujan dari Pos Cikajang dan Pos Bayongbong.
Tabel 4.27 Curah Hujan Kabupaten Garut
TAHUN PENGAMATAN
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Cikajang 716 2,252 2,226 3,703 2,102 2,514 2,995 2,958 1,817 1,755
Bayongbon
g 615 667 1,551 1,579 2,108 1,953 1,331 2,141
Sumber : BBWS Cimanuk-Cisanggarung, 2017.
Rumus yang digunakan dalam metode Distribusi Probabilitas Log Pearson

Type III adalah sebagai berikut :
Log XT = Log X + (KT x S Log X)

Keterangan rumus :
Log XT = nilai logaritma hujan rencana dengan periode ulang T
Log XT = nilai rata-rata dari log X = Σ Log Xi
n
S Log X = Deviasi standar dari Log
= S Log X = Σ(Log Xi – LogX)2 ^0,5
n-1
KT = variabel standar, besarnya tergantung koefisien kepencengan (Cs atau G pada

tabel frekuensi KT untuk Distribusi Log Perason Type III)
4.6.1 Curah Hujan Berdasarkan Pengamatan Pos Cikajang

Berikut ini adalah table perhitungan curah hujan dengan menggunakan
Distribusi Log Pearson III. Log X adalah nilai logaritma dari nilai curah hujan total.
Log X ini kemudian dimasukkan dipangkatkan 2 (dua) dan dipangkatkan 3 (tiga).
Hal ini dilakukan sebelum masuk dalam rumus selanjutnya, yaitu mencari nilai S log
X.
Log X = Σ Log Xi / n
= 33,2974 / 10
= 3,329
Tabel 4.28 Analisis Curah Hujan Berdasarkan Pos Pengamatan Cikajang

Kabupaten Garut
TAHUN Xi (mm) Log Xi (Log X1 - Log X)^2 (Log Xi - Log X)^3
2007 716 2.8549 0.2254 -0.1070
2008 2,252 3.3525 0.0005 0.0000
2009 2,226 3.3475 0.0003 0.0000
2010 3,703 3.5685 0.0570 0.0136
2011 2,102 3.3226 0.0001 0.0000
2012 2,514 3.4004 0.0050 0.0004
2013 2,995 3.4764 0.0215 0.0032
2014 2,958 3.471 0.0200 0.0028
2015 1,817 3.2593 0.0050 -0.0003
2016 1,755 3.2443 0.0073 -0.0006
Σ 23,038 33.2974 0.3421 -0.0880
Rata-Rata 2,303.80 3.3297 0.0342 (0.0088)
Langkah selanjutnya menghitung nilai S Log X dengan menggunakan rumus di

bawah ini. S Log X merupakan nilai deviasi standar dari Log X.
S Log X = [Σ(Log Xi – Log X)² ^½] / 10 - 1
= [(0,0342)½] / 9 = 0,1849/9 = 0,0205

Selanjutnya menghitung nilai curah hujan berkala dengan mencari terlebih dahulu
nilai Cs untuk kemudian menghitung nilai Kt. Cs merupakan nilai yang dihitung
untuk dikonversikan ke dalam tabel Frekuensi nilai Kt.
____
Cs = n x Σ(Log Xi – LogX) 3 = 10 x -0,0088 = -0,088 / 0,06
(n-1) (n-2) (S Log X)3 (10-1) (10-2) (0,0205)3
= -1,3
Nilai Cs yang sudah didapat dipakai untuk mencari nilai T pada lampiran Tabel
Frekuensi KT untuk Distribusi Log Pearson Type III. Nilai T disini merupakan periode
waktu hujan. Setelah dilihat dalam tabel maka didapat :
T = 2 dan Cs = -1,3 maka nilai KT = 0,210
Hujan rencana untuk periode ulang 2 tahun (X2) :

_____
1. Log X2 = Log X + (KT x S Log X) = 3,329 + (0,210 x 0,0205)
= 3,333
X2 = 206,53 mm
2. Hujan rencana untuk periode ulang 5 tahun (X5) :
_____
Log X5 = Log X + (KT x S Log X) = 3,329 + (0,838 x 0,0205)
= 3,346
X5 = 214,92 mm
_____
= 3,353
X20 = 227,73 mm
_____
= 3,356
X50 = 229,91 mm
_____
= 3,357
X100 = 230,50 mm
4.6.2 Curah Hujan Berdasarkan Pengamatan Pos Bayongbong

Berikut ini adalah table perhitungan curah hujan dnegan menggunakan
Distribusi Log Pearson III
Log X = Σ Log Xi / n

= 25,0714 / 8
= 3,134
Tabel 4.29 Analisis Curah Hujan Berdasarkan Pos Pengamatan Bayongbong

Kabupaten Garut
TAHUN Xi (mm) Log Xi (Log Xi - Log X)^2 (Log Xi - Log X)^3
2008 615 2.7889 0.1190 -0.0411
2010 667 2.8241 0.0960 -0.0297
2011 1,551 3.1906 0.0032 0.0002
2012 1,579 3.1984 0.0042 0.0003
2013 2,108 3.3239 0.0361 0.0069
2014 1,953 3.2907 0.0246 0.0039
2015 1,331 3.1242 0.0001 0.0000
2016 2,141 3.3306 0.0387 0.0076
Σ 11,945 25.0714 0.3218 -0.0520
Rata-Rata 1,194.50 2.5071 0.0322 (0.0052)
Langkah selanjutnya menghitung nilai S Log X dengan menggunakan rumus di

bawah ini.
S Log X = [Σ(Log Xi – Log X)² ^½] / 8 - 1
= [(0,3218)½] / 7 = 0,5673/7 = 0,0810
Selanjutnya menghitung nilai curah hujan berkala dengan mencari terlebih dahulu
nilai Cs untuk kemudian menghitung nilai Kt
____
Cs = n x Σ(Log Xi – LogX) 3 = 8 x -0,052 = -0,416 / 0,22
(n-1) (n-2) (S Log X)3 (8-1) (8-2) (0,0810)3
= -1,89 = -1,9
Nilai Cs yang sudah didapat dipakai untuk mencari nilai T pada lampiran Tabel
Frekuensi KT untuk Distribusi Log Pearson Type III, maka didapat :
Hujan rencana untuk periode ulang 2 tahun (X2) :

_____

1. Log X2 = Log X + (KT x S Log X) = 3,134 + (0,294 x 0,081)
= 3,158
X2 = 206,23 mm
_____
= 3,198
X5 = 212,32 mm
_____
Log X20 = Log X + (KT x S Log X) = 3,134+ (0,971 x 0,081)
= 3,213
X20 = 255,13 mm
_____
= 3,217
X50 = 258,19 mm
_____
= 3,218
X100 = 268,50 mm
4.7 Analisis Hubungan Curah Hujan dengan Debit Sungai

Sungai Cimanuk Garut termasuk dalam wilayah DAS Cimanuk dengan luas
sebesar 3749.25 km². Data curah hujan yang digunakan adalah dengan durasi 5
menit. Salah satu metode yang umum digunakan untuk memperkirakan laju aliran
puncak (debit banjir atau debit rencana) yaitu Metode Rasional USSCS (1973).
Metode ini digunakan untuk daerah yang luas pengalirannya kurang dari 300 ha
(Goldman et.al., 1986, dalam Suripin, 2004). Metode Rasional dikembangkan
berdasarkan asumsi bahwa curah hujan yang terjadi mempunyai intensitas seragam
dan merata di seluruh daerah pengaliran selama paling sedikit sama dengan waktu
konsentrasi (tc). Persamaan matematik Metode Rasional adalah sebagai berikut :
Q=0,278.C.I.A
dimana :
Q : Debit (m³/detik)
0,278 : Konstanta, digunakan jika satuan luas daerah menggunakan km³
C : Koefisien aliran
I : Intensitas curah hujan selama waktu konsentrasi (mm/jam)
A : Luas daerah aliran (km2)
Di wilayah perkotaan, luas daerah pengaliran pada umumnya terdiri dari
beberapa daerah yang mempunyai karakteristik permukaan tanah yang berbeda

(subarea), sehingga koefisien pengaliran untuk masing-masing subarea nilainya
berbeda, dan untuk menentukan koefisien pengaliran pada wilayah tersebut
dilakukan penggabungan dari masing-masing subarea. Variabel luas subarea
dinyatakan dengan Aj dan koefisien pengaliran dari tiap subarea dinyatakan dengan
Cj, maka untuk menentukan debit digunakan rumus sebagai berikut :
dimana :
Q : Debit (m3/detik)
Cj : Koefisien aliran subarea
I : Intensitas curah hujan selama waktu konsentrasi (mm/jam)
Aj : Luas daerah subarea (km2)
Untuk menghitung nilai I digunakan Metode Mononobe, yaitu :
Dimana :
I : Intensitas curah hujan (mm/jam)
T : Lamanya curah hujan / durasi curah hujan (jam)
R24 : Curah hujan rencana dalam suatu periode ulang, yang nilainya
didapat dari tahapan sebelumnya (tahapan analisis frekuensi)
Keterangan :
·R24 , dapat diartikan sebagai curah hujan dalam 24 jam (mm/hari)
4.7.1 Analisis Hubungan Curah Hujan, Debit, Luas DAS Cimanuk dan
Intensitas Hujan Berdasarkan Pengamatan Pos Cikajang
Berdasarkan pos pengamatan Cikajang, di Kabupaten Garut khususnya,
pada tahun 2007 hingga 2016 memiliki curah hujan yang cukup tinggi. Nilai curah
hujan ini dianalisis hubungannya dengan jumlah intensitas hujan per tahun, debit
maksimum dan luas areal dapat didefinisikan pada tabel 4.37 di bawah ini.
Tabel 4.30 Curah Hujan Pos Pengamatan Cikajang Tahun 2007-2016
No Tahun R (mm) QB max (m3/dt) AC (Km2) I max (mm/jam)
1 2007 63 343.35 3749.25 25
2 2008 196 549.36 3749.25 40
3 2009 261 782.84 3749.25 57
4 2010 342 796.57 3749.25 58
5 2011 241 590.56 3749.25 43
6 2012 262 727.9 3749.25 53
7 2013 330 631.76 3749.25 46
8 2014 330 975.11 3749.25 71

9 2015 193 521.89 3749.25 38
10 2016 198 480.69 3749.25 35
Sumber :Hasil Perhitungan DAS Cimanuk , 2016.
Dimana :
R : Curah hujan total (mm)
QB max: Debit banjir maksimum (mᶟ/dt)
AC : Luas Area (Km²)
I max : Intensitas hujan maksimum (mm/jam)
Adapun grafik hubungan antara nilai curah hujan total dan Q atau debit
maksimum dapat dilihat pada gambar 4.19 di bawah ini. Pada grafik terlihat bahwa
nilai curah hujan di Sungai Cimanuk Kabupaten Garut ini menurut Pos Pengamatan
Cikajang masih berada di bawah debit (Q) maksimum pengamatan. Berdasarkan
hasil perhitungan maka dapat disimpulkan bahwa dengan adanya curah hujan tinggi
di daerah tersebut masih dalam batas normal debit yang maksimal yang dapat
ditampung oleh Sungai Cimanuk Kabupaten Garut. Kejadian banjir di Kabupaten
Garut bukan disebabkan oleh tidak tertampungnya debit air di sekitar Sungai
Cimanuk akibat tingginya curah hujan tetapi sebab utamanya adalah melimpahnya
air dari hulu Sungai Cimanuk (dalam hal ini Gunung Papandayan). Pengrusakan
daerah hulu Sungai Cimanuk menjadi penyebab utama terjadinya banjir di
Kabupaten Garut.

Gambar 4.19 Hasil Analisis Hubungan R dan QB Max
Gambar 4.20 di bawah ini merupakan grafik hubungan nilai debit maksimum
dan luas area DAS Cimanuk yang terdapat di Kecamatan Garut Kota dan
Kecamatan Tarogong Kidul. Luas area DAS Cimanuk diasumsikan tidak mengalamu
perubahan dari tahun 2007 hingga 2016, walaupun pada kenyataannya terdapat

penyempitan luas DAS di beberapa tempat. Dalam grafik terlihat bahwa sebenarnya
debit air di Sungai Cimanuk masih dapat tertampung oleh luas DAS Cimanuk ini.
Tetapi karena pada kenyataannya terjadi kerusakan di hulu Sungai Cimanuk dan
luas DAS Cimanuk yang mengalami penyempitan maka debit air melimpah ke
pinggir sungai sehingga menyebabkan kondisi tanggul rusak. Melimpahnya air ini
terjadi karena banyaknya penumpukan sedimen di dasar sungai yang berasal dari
hulu Sungai Cimanuk sehingga luas DAS Cimanuk menjadi sempit.

Gambar 4.20 Hasil Analisis Hubungan Luas Area DAS Cimanuk dan QB Max

Gambar 4.21 Hasil Analisis Hubungan Intensitas Hujan Maksimum dan QB Max
Gambar 4.21 menunjukkan hubungan antara Intensitas Curah Hujan

Maksimum dan debit banjir maksimum (QB Max). Intensitas hujan pada tahun 2007
hingga tahun 2016 masih berada di bawah angka debit banjir maksimum per
tahunnya. Dengan demikian dapat disimpulkan bahwa intensitas hujan yang terjadi
masih dalam batas normal.

4.7.2 Analisis Hubungan Curah Hujan, Debit, Luas DAS Cimanuk dan
Intensitas Hujan Berdasarkan Pengamatan Pos Bayongbong
Berdasarkan pos pengamatan Bayongbong, di Kabupaten Garut
khususnya, pada tahun 2007 hingga 2016 memiliki curah hujan yang cukup tinggi.
Nilai curah hujan ini dianalisis hubungannya dengan jumlah intensitas hujan per
tahun, debit maksimum dan luas areal dapat didefinisikan pada tabel 4.37 di bawah
ini.
Tabel 4.31 Curah Hujan Pos Pengamatan Bayongbong Tahun 2008 -2016
No Tahun R (mm/dt) I max (mm/jam) QB max (m3/dt) AC (Km²)
1 2008 615 53 7672.42 3749.25
2 2010 667 24 3474.31 3749.25
3 2011 1551 55 7961.95 3749.25
4 2012 1579 53 7672.42 3749.25
5 2013 2108 34 4921.93 3749.25
6 2014 1953 50 7238.14 3749.25
7 2015 1331 31 4487.64 3749.25
8 2016 2141 52 7527.66 3749.25
Sumber :Hasil Perhitungan DAS Cimanuk , 2016.
Dimana :
R : Curah hujan total (mm)
QB max: Debit banjir maksimum (mᶟ/dt)
AC : Luas Area (Km²)
I max : Intensitas hujan maksimum (mm/jam)
Adapun grafik hubungan antara nilai curah hujan total (R) dan Q atau debit
banjir maksimum dapat dilihat pada gambar 4.22 di bawah ini. Pada grafik terlihat
bahwa nilai curah hujan di Sungai Cimanuk Kabupaten Garut ini menurut Pos
Pengamatan Bayongbong masih berada di bawah debit (Q) banjir maksimum
pengamatan. Berdasarkan hasil perhitungan maka daapt disimpulkan bahwa
dengan adanya curah hujan tinggi di daerah tersebut masih dalam batas normal
debit yang maksimal yang dapat ditampung oleh Sungai Cimanuk Kabupaten Garut.

Gambar 4.22 Hasil Analisis Hubungan R dan QB Max
Gambar 4.23 di bawah ini merupakan grafik hubungan nilai debit banjir
maksimum dan luas area DAS Cimanuk yang terdapat di Kecamatan Garut Kota
dan Kecamatan Tarogong Kidul. Luas area DAS Cimanuk diasumsikan tidak
mengalami perubahan dari tahun 2007 hingga 2016. Dalam grafik terlihat bahwa
nilai debit maksimum berada jauh di atas luas area DAS Cimanuk. Dapat
disimpulkan bahwa kejadian banjir di Kabupaten Garut adalah diakibatkan oleh
melimpahnya debit air ke pinggir sungai akibat tidak tertampungnya jumlah debit
dengan luasan DAS Cimanuk. Air yang melimpah ini dapat pula diakibatkan oleh
tingginya curah hujan di daerah hulu Sungai Cimanuk yang tidak terserap maksimal
oleh resapan air yang berada di sana, dalam hal ini hutan lindung atau daerah hijau
sekitar hulu Sungai Cimanuk. Hilangnya daerah hijau di hulu Sungai Cimanuk ini
diakibatkan oleh adanya penebangan liar atau banyaknya alih fungsi daerah
resapan air menjadi lahan terbangun.

Gambar 4.23 Hasil Analisis Hubungan AC dan QB Max
Adapun hubungan antara debit maksimum dan debit curah hujan maksimum
dapat dilihat pada Tabel 4.32 di bawah ini. Berdasarkan hasil perhitungan dapat
dilihat bahwa nilai debit curah hujan total sangat tinggi dan berbanding lurus dengan
nilai debit maksimum. Semakin tinggi nilai debit maksimum maka nilai QR pun akan
semakin tinggi. Untuk lebih jelasnya dapat dilihat pada Gambar 4.34. Nilai debit (Q)
curah hujan total dihitung dengan menggunakan rumus berikut :
QR = ẞ..R.Ac
Dimana :
QR : Debit curah hujan total (m³/dt)
ẞ : Konstanta
 : Konstanta (nilai 0,6 – 0,96)
Ac : Luas Areal DAS Cimanuk (Ha)
Tabel 4.32 Hubungan Curah Hujan dan Nilai QR Pada Pos Pengamatan Cikajang
Tahun 2007-2016
No Tahun R (mm/dt) QB max (mᶟ/dt) QR max (mᶟ/dt) ẞ  AC (Ha)
1 2007 63 343.35 9225.96 0.62 0.63 374.92
2 2008 196 549.36 40695.62 0.78 0.71 374.92
3 2009 261 782.84 64192.30 0.82 0.8 374.92
4 2010 342 796.57 82165.07 0.72 0.89 374.92
5 2011 241 590.56 50680.52 0.79 0.71 374.92
6 2012 262 727.9 61884.30 0.84 0.75 374.92
7 2013 330 631.76 89192.34 0.89 0.81 374.92
8 2014 330 975.11 89192.34 0.89 0.81 374.92
9 2015 193 521.89 37395.42 0.76 0.68 374.92
10 2016 198 480.69 41051.49 0.79 0.7 374.92

Gambar 4.24 Hasil Analisis Hubungan Curah Hujan (R) dan QR

Gambar 4.25 di bawah ini menjelaskan hubungan Q R (debit curah hujan)
dengan QBmax (debit banjir maksimum). Dapat terlihat bahwa nilai QR berada jauh
di atas QBmax. Nilai QR pun bervariasi seiring dnegan nilai curah hujan tiap
tahunnya. Jika curah hujan tinggi maka nilai Q R juga akan tinggi, begitu pun
sebaliknya.

Gambar 4.25 Hasil Analisis Hubungan QBmax dan QR
Berikut ini (Tabel 4.33) adalah tabel hubungan antara nilai curah hujan
total, QBmax dan QR pada pos pengamatan Bayongbong. Dalam table terlihat jelas
bahwa nilai curah hujan lebih tinggi dibandingkan pada pos pengamatan Cikajang.
Letak pos Bayongbong yang berada lebih dekat ke hulu Sungai Cimanuk ini
menjelaskan bahwa nilai curah hujan rata-rata tinggi per tahunnya. Dengan
demikian dapat disimpulkan bahwa hujan lebih sering terjadi di hulu Sungai
Cimanuk daripada di hilir, tetapi karena daerah tangkapan airnya semakin
berkurang maka air melimpas ke daerah hilir.
Tabel 4.33 Hubungan Curah Hujan (R) dan Nilai QR Pada Pos Pengamatan
Bayongbong Tahun 2008-2016
No Tahun R (mm/dt) QB max (mᶟ/dt) QR (mᶟ/dt) ẞ a AC (Ha)

1 2008 615 767.24 87203.77 0.62 0.61 374.92
2 2010 667 347.43 100778.87 0.65 0.62 374.92
3 2011 1551 796.19 333781.53 0.82 0.7 374.92
4 2012 1579 767.24 348864.82 0.83 0.71 374.92
5 2013 2108 492.19 533473.67 0.9 0.75 374.92
6 2014 1953 723.81 465984.02 0.86 0.74 374.92
7 2015 1331 448.76 244319.47 0.72 0.68 374.92
8 2016 2141 752.77 498479.01 0.9 0.69 374.92
Dimana :
R : Curah hujan total (mm/dt)
QB max : Debit banjir maksimum (mᶟ/dt)
QR : Debit curah hujan total (m³/dt)
ẞ : Konstanta
 : Konstanta (nilai 0,6 – 0,96)
Ac : Luas Areal DAS Cimanuk (Ha)
R (mm/dt)
QR (mᶟ/dt)

Gambar 4.26 Hasil Analisis Hubungan R dan QR
Berdasarkan Gambar 4.26 di atas dapat dilihat bahwa nilai Q R pun

bervariasi tiap tahunnya. Niali QR dihitung dengan menggunakan nilai konstanta
sehingga nilainya akan berada di atas nilai R atau curah hujan total per tahun. Debit
curah hujan tertinggi berada pada tahun ke 5 perhitungan (dalam hal ini tahun 2013)
hal ini ditandai dengan nilai curah hujannya yang tinggi pada tahun tersebut.
Sedangkan pada tahun pertama pehitungan (tahun 2008) nilai QR merupakan nilai
terendah dengan kisaran angka 87203,77 m³/dt.
QR (mᶟ/dt)
QB max (mᶟ/dt)

Gambar 4.27 Hasil Analisis Hubungan QBmax dan QR

4

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

4

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB 4

ANALISA DATA DAN PEMBAHASAN

4.1 Gambaran Umum Sungai Cimanuk

Tabel 4.1 DAS dalam WS Cimanuk-Cisanggarung

MTs. Pasca. USB-YPKP IV - 43

Sumber : Laporan Perancangan Penyusunan Pola Terpadu Pengelolaan WS

MTs. Pasca. USB-YPKP IV - 44

MTs. Pasca. USB-YPKP IV - 45

Bandung merupakan kota metropolitan terbesar di Provinsi Jawa Barat,

Tabel 4.1 Ruas Jalan Arteri Primer Kota Bandung

MTs. Pasca. USB-YPKP IV - 46

1. Jl. Jend. Sudirman 6.79 Nasional

2. Jl. Asia Afrika 1.51 Nasional

3. Jl. Jend. A. Yani 5.40 Nasional

4. Jl. Raya Ujungberung 8.04 Nasional

5. Jl. Soekarno Hatta 18.46 Nasional

6. Jl. Dr. Junjunan 2.00 Kota Bandung

7. Jl. Pasteur 0.21 Kota Bandung

8. Jl.AH. Nasution 3.5 Kota Bandung

9. Jl. Surapati 1.16 Kota Bandung

10. Jl. P.H.H. Mustofa 3.34 Kota Bandung

4.2 Gambaran Wilayah Penelitian

MTs. Pasca. USB-YPKP IV - 47

4.3. EKTRAKSI DATA

4.3.1 Data Simpang

MTs. Pasca. USB-YPKP IV - 48

1. Lebar jalan utama = 8 meter

2. Lebar jalan minor = 6 meter

3. Tidak terdapat marka jalan pada jalan utama

5. Kondisi perkerasan baik terbuat dari aspal

Data simpang jalan Arcamanik Sindanglaya (gambar dapat dilihat pada

1. Lebar jalan utama = 8 meter

2. Lebar jalan minor = 6 meter

3. Tidak terdapat marka jalan pada jalan utama

5. Kondisi perkerasan baik terbuat dari aspal

4.3.2 Volume Lalu Lintas

MTs. Pasca. USB-YPKP IV - 49

Pengolahan dan perhitungan jumlah data volume lalulintas dilakukan

Data diolah dan cara perhitungan adalah sebagai berikut :

1. Menghitung banyaknya kendaraan setiap penggalan waktu lima menit untuk

3. Menghitung total jumlah kendaraan yang merupakan jumlah volume

Fluktuasi volume lalulintas di Simpang Pasir Impun dan Simpang Arcamanik

MTs. Pasca. USB-YPKP IV - 50

Gambar 4.2.b Volume Lalulintas kendaraan Periode 12.00-14.00 Simpang Pasir

MTs. Pasca. USB-YPKP IV - 51

Gambar 4.3.a Volume Lalulintas Kendaran Periode 06.30-08.00 Simpang Pasir

MTs. Pasca. USB-YPKP IV - 52

Gambar 4.3.c Volume Lalulintas Kendaran Periode 17.00-19.00 Simpang Pasir

MTs. Pasca. USB-YPKP IV - 53

Gambar 4.4.b Volume Lalu lintas Kendaraan Periode 12.00-14.00 Simpang

MTs. Pasca. USB-YPKP IV - 54

Gambar 4.5.a Volume Lalu lintas Kendaraan Periode 06.30-08.30 Simpang

MTs. Pasca. USB-YPKP IV - 55

Gambar 4.5.c Volume Lalu lintas Kendaraan Periode 17.00-19.00 Simpang

MTs. Pasca. USB-YPKP IV - 56

4.3.3 Data Lag

Nilai lag merupakan perbedaan waktu, antara waktu yang diperlukan

MTs. Pasca. USB-YPKP IV - 57

4.4 Analisis Uji Kesamaan Dua Rata-rata

Penentuan analisis uji kesamaan dua rata-rata dilakukan dengan menggunakan

a. Berdasarkan perbandingan t hitung dengan t tabel :

MTs. Pasca. USB-YPKP IV - 58

No Simpang Waktu Survai Thitung Ttabel Sig. (2-tailed) Hasil

4.4.1 Pemeriksaan Uji Asumsi Klasik pada Simpang Pasir Impun