TUGAS 3

SISTEM TRANSPORTASI 2

PROSES MODEL ANALISIS REGRESI BERBASIS ZONA

NAMA KELOMPOK : 1. ANINDHITYA FEBRIA PERDANA (1661122028)

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

JURUSAN TEKNIK SIPIL

FAKULTAS TEKNIK

UNIVERSITAS WARMADEWA

2016
DASAR – DASAR PEMODELAN TRANSPORTASI

Model adalah alat bantu atau media yang dapat digunakan untuk mencerminkan dan
menyederhanakan suatu realita (dunia sebenarnya) secara terukur

Tujuan Utama model adalah mengestimasi perilaku system tertentu di alam terhadap
perubahan-perubahan yang mungkin terjadi

Macam-macam model :

a. Model Fisik (model arsitek, model teknik, wayang golek, dan lain-lain)
b. Model Grafis (peta dan diagram)
c. Model statistic dan matematik (fungsi atau persamaan) yang dapat menerangkan secara
terukur beberapa aspek fisik, sosial ekonomi, atau model transportasi.

Model Transportasi adalah model perilaku dasar interaksi antar komponen system
transportasi dan model interaksi komponen system transportasi dengan waktu

Kriteria model transportasi yang baik adalah :

a. Akurasi model sesuai tujuan dan lingkup kajian

b. Praktis dan ekonomis dalam penggunaan
c. Parameternya sesuai dengan tujuan dan lingkup kajian
d. Mampu menjelaskan proses interaksi komponen transportasi tinjauan
e. Dimensi ruang yang mencukupi
f. Mempunyai tingkat keandalan yang baik

Tujuan Model Prediksi Kebutuhan Transportasi adalah menterjemahkan kondisi

perwilayahan, kependudukan, social-ekonomi beserta perubahan-perubahannya kedalam
besaran-besaran transportasi

MODEL BANGKITAN – TARIKAN PERGERAKAN

Model bangkitan – tarikan pergerakan adalah suatu pemodelan yang memperkirakan jumlah
pergerakan yang berasal dari suatu zona (trip generation) dan berapa jumlah pergerakan yang
akan tertarik ke suatu zona (trip attraction)

Faktor yang mempengaruhi adalah

a. Bangkitan Pergerakan Manusia

 Pendapatan
  Pemilikan Kendaraan
 Ukuran rumah tangga
 Nilai Lahan
 Kepadatan Daerah Pemukiman
 Aksebilitas
b. Tarikan pergerakan untuk manusia
 Luas Lantai untuk kegiatan industri, komersial, perkantoran, pertokoan, dan
pelayanan lainnya
 Lapangan Kerja
c. Bangkitan dan tarikan pergerakan untuk barang
 Lapangan Kerja
 Jumlah tempat pemasaran
 Luas atap industry
 Total daerah yang ada

Bangkitan Pergerakan dapat diprediksi dengan 2 cara :

a. Analisa Regresi
b. Analisa Kategori

ANALISIS REGRESI

Model Analisa Regresi

a. Regresi linear
b. Regresi linier berganda

Model regresi dapat dianalisis berdasarkan

a. Zona
b. Rumah Tangga

PROSES MODEL ANALISIS REGRESI BERBASIS ZONA

Pada kasus ini, dilakukan usaha untuk mendapatkan hubungan linear antara jumlah pergerakan
yang dibangkitkan atau tertarik oleh zona dan ciri sosio-ekonomi ratarata dari rumah tangga
pada setiap zona.
Dalam melakukan analisis bangkitan pergerakan dengan menggunakan model analisis-regresi
berbasis zona, terdapat tiga metode analisis yang dapat digunakan yaitu :

1. Metode analisis langkah-demi-langkah tipe 1

Metode ini secara bertahap mengurangi jumlah peubah bebas sehingga didapatkan
model terbaik yang hanya terdiri dari beberapa peubah bebas.

Tahapannya :

1. Tentukan parameter sosio-ekonomi yang akan digunakan sebagai peubah bebas.

Pertama, pilihlah parameter (peubah bebas) yang berdasarkan logika saja bsudah
mempunyai keterkaitan (korelasi) dengan peubah tidak bebas. Kemudian, lakukan
uji korelasi untuk mengabsahkan keterkaitannya dengan peubah tidak bebas
(bangkitan atau tarikan pergerakan). Dua persyaratan statistik utama yang harus
dipenuhi dalam memilih peubah bebas adalah :
a. Peubah bebas harus mempunyai korelasi tinggi dengan peubah tidak bebas
b. Sesama peubah bebas tidak boleh saling berkorelasi. Jika terdapat dua
peubah bebas yang saling berkorelasi, pilihlah salah satu yang mempunyai
korelasi lebih tinggi terhadap peubah tidak bebasnya.
2. Lakukan analisis regresi-linear-berganda dengan semua peubah bebas terpilih untuk
mendapatkan nilai koefisien determinasi serta nilai konstanta dan koefisien
regresinya.
3. Tentukan parameter yang mempunyai korelasi terkecil terhadap peubah tidak
bebasnya dan hilangkan parameter tersebut. Lakukan kembali analisis regresilinear-
berganda dan dapatkan kembali nilai koefisien determinasi serta nilai konstanta dan
koefisien regresinya.
4. Lakukan kembali tahap (3) satu demi satu sampai hanya tertinggal satu parameter
saja
5. Kaji nilai koefisien determinasi serta nilai konstanta dan koefisien regresi setiap
tahap untuk menentukan model terbaik dengan kriteria berikut:
a. semakin banyak peubah bebas yang digunakan, semakin baik model
tersebut
b. tanda koefisien regresi (+/−) sesuai dengan yang diharapkan
c. nilai konstanta regresi kecil (semakin mendekati nol, semakin baik)
 d. nilai koefisien determinasi (R2) besar (semakin mendekati satu, semakin
baik)

2. Metode analisis langkah-demi-langkah tipe 2

Metode ini pada prinsipnya mirip dengan metode tipe 1; perbedaannya hanya pada
tahap (3), yaitu:
1. Sama dengan tahap (1) metode 1
2. Sama dengan tahap (2) metode 1
3. Tentukan parameter yang mempunyai koefisien regresi yang terkecil dan hilangkan
parameter tersebut. Lalukan kembali analisis regresi-linear-berganda dan dapatkan
kembali nilai koefisien determinasi serta nilai konstanta dan koefisien regresinya.
4. Sama dengan tahap (4) metode 1
5. Sama dengan tahap (5) metode 1
3. Metode coba-coba

Sesuai dengan namanya, metode ini melakukan proses coba-coba dalam menentukan
parameter yang dipilih. Secara lengkap, tahapan metode adalah sebagai berikut :

1. Sama dengan tahap (1) metode 1

2. Tentukan beberapa model dengan menggunakan beberapa kombinasi peubah bebas
secara coba-coba berdasarkan uji korelasi yang dihasilkan pada tahap 1. Kemudian,
lakukan analisis regresi-linear-berganda untuk kombinasi model tersebut untuk
mendapatkan nilai koefisien determinasi serta nilai konstanta dan koefisien
regresinya.
3. Kaji nilai koefisien determinasi serta nilai konstanta dan koefisien regresi setiap
model untuk menentukan model terbaik dengan kriteria yang sama dengan tahap
(5) pada metode langkah-demi-langkah tipe 1.

Contoh Aplikasi Metode analisis langkah-demi-langkah tipe 1

Metode analisis tersebut diatas diterapkan untuk memperkirakan bangkitan pergerakan di

propinsi Jawa Barat dengan 9 kabupaten/kotamadya sebagai unit zona. Data bangkitan
pergerakan didapatkan dari informasi matriks asal−tujuan pada tahun 1995, sedangkan
beberapa parameter sosio-ekonomi yang dipakai sebagai peubah bebas didapatkan dari Biro
Pusat Statistik (Jawa Barat Dalam Angka Tahun 1995)
BANGKITAN JUMLAH JUMLAH PANJANG JALAN
NO KABUPATEN PERGERAKAN PENDUDUK RUMAH SAKIT DIASPAL (KM)
Y X1 X2 X3
1 Pandegelang 12,035,567 926,316 1 470
2 Lebak 7,647,167 963,307 3 387
3 Bogor 39,564,090 3,592,646 10 1,581
4 Sukabumi 18,150,017 1,930,097 3 813
5 Cianjur 13,658,862 1,766,413 2 765
6 Bandung 85,239,366 3,471,886 10 2,406
7 Garut 13,539,514 1,767,732 2 713
8 Tasikmalaya 20,590,334 1,892,301 2 822
9 Ciamis 16,650,852 1,485,334 2 1,240

Parameter sosio-ekonomi yang dipilih adalah jumlah penduduk, jumlah rumah sakit, dan
panjang jalan diaspal, yang dapat dilihat pada table diatas.

TAHAP KE 1

Dari setiap metode analisis yang ada mensyaratkan dilakukannya uji korelasi antara sesama
peubah bebas dan antara peubah bebas dengan peubah tidak bebas. Hal ini dilakukan sesuai
dengan persyaratan statistik yang harus dipenuhi, yaitu sesama peubah bebas tidak boleh
mempunyai korelasi, sedangkan antara peubah bebas dengan peubah tidak bebas harus
mempunyai korelasi. Tabel dibawah ini berikut menampilkan hasil uji korelasi yang
disyaratkan.

TABEL KORELASI

Y X1 X2 X3
Y 1.00
X1 0.83 1.00
X2 0.86 0.92 1.00
X3 0.95 0.87 0.85 1.00

TAHAP KE 2 (REGRESIKAN)

1. Regresi melibatkan 3X
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.95
R Square 0.91
Adjusted R Square 0.85
Standard Error 9,285,297.13
Observations 9.00

ANOVA
df SS MS F Significance F
Regression 3 4.27457E+15 1.42486E+15 16.5264445 0.005002253
Residual 5 4.31084E+14 8.62167E+13
Total 8 4.70565E+15

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept -6,504,044.87 10,204,269.65 -0.64 0.55 -32,734,955.09 19,726,865.34 -32,734,955.09 19,726,865.34
X1 -5.02 9.89 -0.51 0.63 -30.45 20.41 -30.45 20.41
X2 2,111,309.44 2,536,554.63 0.83 0.44 -4,409,111.81 8,631,730.68 -4,409,111.81 8,631,730.68
X3 32,736.51 10,894.25 3.00 0.03 4,731.95 60,741.06 4,731.95 60,741.06

a -6,504,044.87 PERSAMAAN REGRESI

X1 (b) -5.02 Y = -5847921.47 - 5.02 X1 + 2111309.44 X2 + 32736.51 X3
X2 (c ) 2,111,309.44
X3 (d) 32,736.51
R² 0.91
2. Regresi melibatkan 2X
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.95
R Square 0.90
Adjusted R Square 0.87
Standard Error 8,691,894.72
Observations 9.00

ANOVA
df SS MS F Significance F
Regression 2 4.25236E+15 2.12618E+15 28.14303464 0.000893884
Residual 6 4.53294E+14 7.5549E+13
Total 8 4.70565E+15

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept -10,558,973.52 5,942,584.83 -1.78 0.13 -25,099,954.77 3,982,007.74 -25,099,954.77 3,982,007.74
X2 1,200,606.91 1,678,354.45 0.72 0.50 -2,906,178.49 5,307,392.31 -2,906,178.49 5,307,392.31
X3 30,453.98 9,288.60 3.28 0.02 7,725.60 53,182.37 7,725.60 53,182.37

a -10,558,973.52 PERSAMAAN REGRESI

X2 (b) 1,200,606.91 Y = -10558973.52 + 1200606.91 X2 + 30453.98 X3
X3 (c ) 30,453.98
R² 0.90

3. Regresi melibatkan 1X
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.95
R Square 0.90
Adjusted R Square 0.88
Standard Error 8,383,268.41
Observations 9.00

ANOVA
df SS MS F Significance F
Regression 1 4.2137E+15 4.2137E+15 59.95655433 0.000112197
Residual 7 4.91954E+14 7.02792E+13
Total 8 4.70565E+15

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept -11,686,511.94 5,526,288.20 -2.11 0.07 -24,754,107.03 1,381,083.16 -24,754,107.03 1,381,083.16
X3 36,126.39 4,665.59 7.74 0.00 25,094.03 47,158.74 25,094.03 47,158.74

a -11,686,511.94 PERSAMAAN REGRESI

X3 (b) 36,126.39 Y = -11686511.94 + 36126.39 X3
R² 0.90

TAHAP KE 3

Dari data pada tahap ke 2 diatas didapatkan 3 rumus regresi

Melibatkan 3X : Y = -6504044.87461749 - 5.02 X1 + 2111309.44 X2 + 32736.51 X3

Melibatkan 2X : Y = -10558973.52 + 1200606.91 X2 + 30453.98 X3

Melibatkan 1X : Y = -11686511.94 + 36126.39 X3

Hasil pemodelan bangkitan pergerakan dengan model analisis langkah-demi-langkah tipe 1
dapat dilihat pada tabel dibawah ini.
NO PEUBAH TANDA YANG PARAMETER Tahap
DIHARAPKAN MODEL 1 2 3

1 Intersep +/- c -6,504,044.87 -10,558,973.52 -11,686,511.94

2 Jumlah Penduduk + X1 -5.02 - -
3 Jumlah Rumah sakit + X2 2,111,309.44 1,200,606.91 -
4 Panjang Jalan diaspal + X3 32,736.51 30,453.98 36,126.39

R² 0.91 0.90 0.90

Kita tentukan model dari rumus yang mana cocok dengan 4 kriteria berikut :

1. Melibatkan Sebanyak-banyaknya X
2. Konstanta Regresi Sekecil-kecilnya
3. Tanda Koefisien Regresi sesuai
4. R² Sebesar-besarnya

KRITERIA MODEL RUMUS 3X MODEL RUMUS 2X MODEL RUMUS 1X

1 TERPENUHI - -
2 - - TERPENUHI
3 - TERPENUHI TERPENUHI
4 TERPENUHI - -

Berdasarkan kriteria yang telah ditentukan, model terpilih adalah model yang dihasilkan pada
tahap model rumus dengan 1X (Y = -11686511.94 + 36126.39 X3). Beberapa alasan yang
menyebabkan model tahap model rumus 1X yang dipilih adalah sebagai berikut:

a. meskipun nilai R2 (=0,90) yang dihasilkan bukan yang tertinggi, tanda koefisien regresi
peubah bebasnya sesuai dengan yang diharapkan (nilai positif).
b. Tahap model rumus 3X tidak dipilih meskipun mempunyai nilai R2 (=0,91) karena
peubah bebas jumlah penduduk mempunyai nilai negatif (−5.02). Tanda koefisien
regresinya bertolak belakang dengan yang diharapkan. Seharusnya, semakin besar
jumlah penduduk suatu zona, semakin besar pula bangkitan pergerakannya; bukan
malah sebaliknya
DAFTAR PUSTAKA

a. http://www.jam-statistic.id/2014/07/contoh-penghitungan-manual-analisis.html
b. https://darmadi18.files.wordpress.com/.../pertemuan-5-model-bangkitan-pergerakan1..
c. Z. Tamin, Ofyar. Perencanaan & Pemodelan Transportasi, Edisi Kedua, Penerbit ITB.
Bandung