Bab 4
Bab 4
id
BAB 4
ANALISIS DAN PEMBAHASAN
Hari Rabu tanggal 16 September 2015 pukul 06.00-12.00 telah dilakukan survei
utama untuk memperoleh data volume kendaraan, kecepatan kendaraan dan
kebisingan dari beberapa jarak pengukuran. Berikut ini adalah deskripsi data hasil
survei di lapangan.
4.1.1 Kebisingan
Berdasarkan hasil survei, kebisingan tertinggi pada jarak pengukuran 0 meter dari
tepi jalan adalah 91,26 dBA, kebisingan terendah 85,91 dBA dan kebisingan rata-
rata di jarak pengukuran 0 meter adalah 88,27 dBA. Untuk rekapitulasi data
kebisingan dengan jarak pengukuran 5, 10 dan 15 meter dapat dilihat pada
Lampiran A1-A4 atau pada Tabel 4.1:
46
perpustakaan.uns.ac.id 47
digilib.uns.ac.id
95
90
85
Kebisingan (dBA)
80
0m
75
5m
70 10 m
65 15 m
60
06,00
07,00
08,00
09,00
10,00
11,00
Waktu
Berdasarkan hasil survei, kecepatan rata-rata sepeda motor yang melintasi Jalan
Ir. Juanda adalah 54,54 km/jam, kecepatan rata-rata kendaraan ringan adalah
49,77 km/jam dan keceptan rata-rata kendaraan berat adalah 39,31 km/jam.
Rekapitulasi data kecepatan rata-rata dapat dilihat pada Lampiran A6-A8 atau
pada Tabel 4.2:
commit to user
perpustakaan.uns.ac.id 48
digilib.uns.ac.id
80
70
Kecepatan (km/jam)
60
50
Sepeda Motor
40 Kendaraan Ringan
Kendaraan berat
30
20
06,00
07,00
08,00
09,00
10,00
11,00
Waktu
Volume lalu lintas adalah jumlah kendaraan yang melewati suatu titik tertentu
dalam suatu ruas jalan tertentu dalam satu satuan waktu tertentu, biasa dinyatakan
dalam satuan kendaraan/jam. Data yang didapatkan dari hasil survei dalam satuan
kendaraan/10 menit. Satuan data tersebut kemudian dikonversi menjadi
kendaraan/jam. Rekapitulasi data volume kendaraan dapat dilihat pada Lampiran
A5 atau pada Tabel 4.3 berikut:
commit to user
perpustakaan.uns.ac.id 50
digilib.uns.ac.id
3500
3000
Volume (kend./jam) 2500
2000
1500
1000
500
0
Waktu
Uji koefisien korelasi dilakukan untuk mengetahui apakah antar variabel saling
berhubungan atau tidak. Dengan menggunakan program SPSS 17 diketahui hasil
analisis seperti terlihat pada Tabel 4.4 berikut.
commit to user
perpustakaan.uns.ac.id 51
digilib.uns.ac.id
y x1 x2 x3 x4 x5
**
y Pearson Correlation 1 -.023 .031 .015 -.066 -.886
Sig. (2-tailed) .788 .712 .858 .434 .000
Dari tabel di atas dapat diketahui koefisien korelasi antar variabel. Koefisien
korelasi antar variabel bebas dan koefisien korelasi antara variabel bebas dengan
variabel terikat ditunjukkan pada Tabel 4.5 dan Tabel 4.6.
commit to user
perpustakaan.uns.ac.id 52
digilib.uns.ac.id
Nilai koefisien korelasi antar dua variabel dikatakan tidak ada hubungan yang
kuat jika bernilai < 0,5. Dari hasil analisis di atas, masing-masing nilai koefisien
korelasi antar variabel bebas < 0,5 kecuali X2 (kecepatan sepeda motor) dengan
X3 (kecepatan kendaraan ringan) sehingga dapat disimpulkan bahwa tidak ada
hubungan yang kuat antar variabel bebas. Sedangkan nilai koefisien korelasi
antara variabel bebas dengan variabel terikat yang memiliki hubungan yang kuat
(>0,5) adalah variabel kebisingan dengan variabel jarak pengukuran, sehingga
analisis yang dapat digunakan adalah analisis regresi linear berganda dan
sederhana.
commit to user
perpustakaan.uns.ac.id 53
digilib.uns.ac.id
commit to user
perpustakaan.uns.ac.id 54
digilib.uns.ac.id
Tahap 2
Persamaan pertama tetap
Persamaan kedua dst = persamaan 2 - ((elemen awal persamaan 2/elemen
awal persamaan 1) x elemen awal persamaan 1)
Tahap 3
Persamaan kedua semua dibagi elemen kedua dari persamaan kedua
Persamaan yang lain tidak berubah
commit to user
perpustakaan.uns.ac.id 55
digilib.uns.ac.id
Tahap 4
Persamaan pertama = persamaan 1 - ((elemen kedua persamaan 1/elemen
kedua persamaan 2) x elemen awal persamaan 2)
Persamaan kedua tetap
Persamaan ketiga = persamaan 3 - ((elemen kedua persamaan 3/elemen
kedua persamaan 2) x elemen awal persamaan 2)
Persamaan keempat = persamaan 4 - ((elemen kedua persamaan 4/elemen
kedua persamaan 2) x elemen awal persamaan 2)
Persamaan kelima = persamaan 5 - ((elemen kedua persamaan 5/elemen
kedua persamaan 2) x elemen awal persamaan 2)
Persamaan keenam = persamaan 6 - ((elemen kedua persamaan 6/elemen
kedua persamaan 2) x elemen awal persamaan 2)
1,00 0,00 58,01 52,51 38,10 7,50 a = 80,24
0,00 1,00 0,00 0,00 0,00 0,00 b1 = 0,00
0,00 0,00 9233,83 4752,57 2073,78 0,00 b2 = 199,87
0,00 0,00 4752,57 7493,55 2125,66 0,00 b3 = 77,15
0,00 0,00 2073,78 2125,66 3144,47 0,00 b4 = -268,90
0,00 0,00 0,00 0,00 0,00 4500,00 b5 = -4469,90
Tahap 5
Persamaan ketiga semua dibagi elemen ketiga dari persamaan ketiga
Persamaan yang lain tidak berubah
1,00 0,00 58,01 52,51 38,10 7,50 a = 80,24
0,00 1,00 -0,002 -0,0019 0,00081 0,00 b1 = -0,00024
0,00 0,00 1,00 0,51 0,22 0,00 b2 = 0,02
0,00 0,00 4752,57 7493,55 2125,66 0,00 b3 = 77,15
0,00 0,00 2073,78 2125,66 3144,47 0,00 b4 = -268,90
0,00 0,00 0,00 0,00 0,00 4500,00 b5 = -4469,90
Tahap 6
Persamaan pertama = persamaan 1 - ((elemen ketiga persamaan 1/elemen
ketiga persamaan 3) x elemen awal persamaan 3)
Persamaan kedua = persamaan 2 - ((elemen ketiga persamaan 2/elemen
commit to user
ketiga persamaan 3) x elemen awal persamaan 3)
perpustakaan.uns.ac.id 56
digilib.uns.ac.id
Tahap 7
Persamaan keempat semua dibagi elemen keempat dari persamaan
keempat
Persamaan yang lain tidak berubah
1,00 0,00 0,00 22,66 25,07 7,50 a = 78,98
0,00 1,00 0,00 -0,000648 0,0013 0,00 b1 = -0,00019
0,00 0,00 1,00 0,51 0,22 0,00 b2 = 0,022
0,00 0,00 0,00 1,00 0,21 0,00 b3 = -0,005
0,00 0,00 0,00 1058,31 2678,73 0,00 b4 = -313,79
0,00 0,00 0,00 0,00 0,00 4500,00 b5 = -4469,9
Tahap 8
Persamaan pertama = persamaan 1 - ((elemen keempat persamaan
1/elemen keempat persamaan 4) x elemen awal persamaan 4)
Persamaan kedua = persamaan 2 - ((elemen keempat persamaan 2/elemen
keempat persamaan 4) x elemen awal persamaan 4)
Persamaan ketiga = persamaan 3 - ((elemen keempat persamaan 3/elemen
keempat persamaan 4) x elemen awal persamaan 4)
Persamaan keempat tetap
Persamaan kelima = persamaan 5 - ((elemen keempat persamaan 5/elemen
commit to user
keempat persamaan 4) x elemen awal persamaan 4)
perpustakaan.uns.ac.id 57
digilib.uns.ac.id
Tahap 9
Persamaan kelima semua dibagi elemen kelima dari persamaan kelima
Persamaan yang lain tidak berubah
1,00 0,00 0,00 0,00 20,324 7,50 a = 79,10
0,00 1,00 0,00 0,00 0,0015 0,00 b1 = -0,00020
0,00 0,00 1,00 0,00 0,117 0,00 b2 = 0,02427
0,00 0,00 0,00 1,00 0,210 0,00 b3 = -0,0051
0,00 0,00 0,00 0,00 1,00 0,00 b4 = -0,126
0,00 0,00 0,00 0,00 0,00 4500,00 b5 = -4469,90
Tahap 10
Persamaan pertama = persamaan 1 - ((elemen kelima persamaan 1/elemen
kelima persamaan 5) x elemen awal persamaan 5)
Persamaan kedua = persamaan 2 - ((elemen kelima persamaan 2/elemen
kelima persamaan 5) x elemen awal persamaan 5)
Persamaan ketiga = persamaan 3 - ((elemen kelima persamaan 3/elemen
kelima persamaan 5) x elemen awal persamaan 5)
Persamaan keempat = persamaan 4 - ((elemen kelima persamaan 4/elemen
kelima persamaan 5) x elemen awal persamaan 5)
Persamaan kelima tetap
Persamaan keenam = persamaan 6 - ((elemen ketiga persamaan 6/elemen
ketiga persamaan 5) x elemen awal persamaan 5)
commit to user
perpustakaan.uns.ac.id 58
digilib.uns.ac.id
Tahap 11
Persamaan keenam semua dibagi elemen keenam dari persamaan keenam
Persamaan yang lain tidak berubah
1,00 0,00 0,00 0,00 0,00 7,50 a = 81,65
0,00 1,00 0,00 0,00 0,00 0,00 b1 = -0,00001
0,00 0,00 1,00 0,00 0,00 0,00 b2 = 0,0389
0,00 0,00 0,00 1,00 0,00 0,00 b3 = 0,0212
0,00 0,00 0,00 0,00 1,00 0,00 b4 = -0,125
0,00 0,00 0,00 0,00 0,00 1,00 b5 = -0,9933
Tahap 12
Persamaan pertama = persamaan 1 - ((elemen keenam persamaan 1/
elemen keenam persamaan 6) x elemen awal persamaan 6)
Persamaan kedua = persamaan 2 - ((elemen keenam persamaan 2/elemen
keenam persamaan 6) x elemen awal persamaan 6)
Persamaan ketiga = persamaan 3 - ((elemen keenam persamaan 3/elemen
keenam persamaan 6) x elemen awal persamaan 6)
Persamaan keempat = persamaan 4 - ((elemen keenam persamaan
4/elemen keenam persamaan 6) x elemen awal persamaan 6)
Persamaan kelima = persamaan 5 - ((elemen keenam persamaan 5/elemen
keenam persamaan 6) x elemen awal persamaan 6)
Persamaan keenam tetap
1,00 0,00 0,00 0,00 0,00 0,00 a = 89,101
0,00 1,00 0,00 0,00 0,00 0,00 b1 = -0,00001
0,00 0,00 1,00 0,00 0,00 0,00 b2 = 0,039
0,00 0,00 0,00 1,00 0,00 0,00 b3 = 0,021
0,00 0,00 0,00 0,00 1,00 0,00 b4 = -0,126
0,00 0,00 0,00 0,00 0,00 1,00 b5 = -0,993
commit to user
perpustakaan.uns.ac.id 59
digilib.uns.ac.id
3. Nilai a, b1, b2, b3, b4 dan b5 dimasukkan dalam persamaan regresi linear
berganda sebagai berikut :
Y = a + b1X1 + b2X2 + b3X3+ b4X4+ b5X5
Y = 89,101 – 0,00001X1 + 0,039X2 + 0,021X3 – 0,126X4 – 0,993X5
commit to user
perpustakaan.uns.ac.id 60
digilib.uns.ac.id
Σ( - )2 = 4486,07
Σ(Yi - )2 = 5658,72
2. Menghitung koefisein determinasi menggunakan rumus:
( ) ,
= = = 0,79
( ) ,
Dari hasil analisis diperoleh nilai koefisien determinasi = 0,793 yangberarti bahwa
model persamaan dapat menjelaskan hubungan antar variabel sebesar 79,3% dari
keseluruhan populasi.
Uji analisis regresi meliputi uji keberatian regresi dan uji koefisien regresi. Uji
keberartian regresi (uji F) dilakukan untuk mengetahui apakah sekelompok
variabel secara bersama mempunyai pengaruh terhadap variabel terikat. Uji
koefisien regresi (uji t) dilakukan untuk mengetahui bagaimana keberatian adanya
setiap variabel bebas dalam regresi.
a) Uji F
kesalahan (α) yang digunakan = 0,05. Sebelum melakukan uji, ditentukan terlebih
dahulu hipotesis sebagai berikut :
Ho : tidak terjadi hubungan linear antara variabel terikat dan variabel bebas,
Ha : terjadi hubungan linear antara variabel terikat dan variabel bebas.
Jika Fhitung > Ftabel maka Ho ditolak dan Ha diterima, sedangkan jika Fhitung < Ftabel
maka Ho diterima dan Ha ditolak.
Hasil analisis uji F menggunakan program SPSS 17 dapat dilihat pada Tabel 4.9
berikut.
Dari tabel di atas dapat diketahui nilai Fhitung = 119,266 > Ftabel = 2,2798, maka Ho
ditolak dan Ha diterima,jadi ada hubungan linear antara variabel terikat dan
variabel bebas.
b) Uji t
Dalam pengujian hipotesis yang menggunakan uji dua pihak, berlaku ketentuan
bahwa jika thitung berada pada daerah penerimaan
commit to user Ho atau terletak diantara harga
perpustakaan.uns.ac.id 63
digilib.uns.ac.id
ttabel, maka Ho diterima. Nilai thitung adalah nilai mutlak, jadi tidak dilihat (+) atau
(-) nya. Hasil analisis uji t menggunakan program SPSS v.17 dapat dilihat pada
Tabel 4.10 berikut.
a. Dependent Variable: y
Sumber : Input pada SPSS (2015)
Dari tabel di atas dapat diketahui untuk variabel X1 (volume kendaraan) nilai thitung
= -0,025, variabel X2 (kecepatan MC) nilai thitung = 1,036, variabel X3 (kecepatan
LV) nilai thitung = 0,495, variabel X4 (kecepatan HV) nilai thitung = -2,134, dan
variabel X5 (jarak) nilai thitung = -22,858. Sedangkan untuk nilai ttabel yaitu 1,9773.
Dari hasil analisis dapat digambarkan kurva daerah penerimaan dan penolakan
seperti pada Gambar 4.5 berikut.
commit to user
Gambar 4.5 Kurva Daerah Penerimaan dan Penolakan Uji t Dua Pihak
perpustakaan.uns.ac.id 64
digilib.uns.ac.id
Dari gambar di atas ditunjukkan bahwa nilai thitung variabel X1 (volume kendaraan)
= -0,025 berada pada daerah penerimaan Ho, maka Ho diterima dengan kata lain
volume kendaraan secara parsial tidak mempengaruhi kebisingan. Nilai thitung
variabel X2 (kecepatan MC) = 1,036 berada pada daerah penerimaan Ho, maka Ho
diterima dengan kata lain kecepatan MC (sepeda motor) secara parsial tidak
mempengaruhi kebisingan. Nilai thitung variabel X3 (kecepatan LV) = 0,495 berada
pada daerah penerimaan Ho, maka Ho diterima dengan kata lain kecepatan LV
(kendaraan ringan) secara parsial tidak mempengaruhi kebisingan. Nilai thitung
variabel X4 (kecepatan HV) = -2,134, berada pada daerah penolakan Ho, maka Ho
ditolak dengan kata lain kecepatan HV (kendaraan berat) secara parsial
mempengaruhi kebisingan. Dan nilai thitung variabel X5 (jarak pengukuran) = -
22,858 berada pada daerah penolakan Ho, maka Ho ditolak dengan kata lain jarak
pengukuran secara parsial mempengaruhi kebisingan. Jadi variabel X1,X2 dan X3
tidak dapat digunakan secara parsial untuk menganalisis hubungan kebisingan,
namun dapat digunakan bersama dengan variabel kecepatan kendaraan berat dan
jarak pengukuran untuk menganalisis hubungannya terhadap kebisingan.
Setelah analisis regresi, dilakukan uji asumsi yang meliputi uji normalitas, uji
linearitas dan uji heteroskedastisitas. Pada regresi linear berganda seluruh uji
asumsi harus memenuhi nilai yang disyaratkan atau mempunyai nilai yang
signifikan. Uji asumsi regresi linear berganda dilakukan dengan menggunakan
software SPSS 17.
a) Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data terdistribusi normal atau
tidak. Dengan menggunakan program SPSS 17 diketahui hasil analisis data
kebisingan seperti terlihat pada Gambar 4.6 dan Tabel 4.11 berikut.
commit to user
perpustakaan.uns.ac.id 65
digilib.uns.ac.id
Unstandardized
Residual
N 144
a,,b
Normal Parameters Mean .0000000
Positive .052
Negative -.062
Kolmogorov-Smirnov Z .742
Dari hasil tersebut dapat dilihat pola grafik Normal P-P Plot tersebar sepanjang
grafik. Berdasarkan nilai Sig uji One Sample Kolmogorov-Smirnov adalah lebih
dari tingkat kepercayaan (Sig = 0,640 > α = 0,05) sehingga disimpulkan bahwa
data memenuhi distribusi normal.
commit to user
perpustakaan.uns.ac.id 66
digilib.uns.ac.id
b) Uji Linearitas
Uji linearitas dilakukan untuk mengetahui apakah dua variabel atau lebih
mempunyai hubungan yang linear atau tidak. Nilai signifikansi yang digunakan
pada analiss ini = 0,05 yang berati derajat kesalahannya (α) = 5%. Dengan
menggunakan program SPSS 17 diketahui hasil analisis seperti terlihat pada Tabel
4.12 - 4.16 berikut.
Dari hasil di atas dapat dilihat bahwa varibel X1 (volume kendaraan) diperoleh
nilai signifikansi = 0,806. Nilai signifikansi variabel X1 > 0,05 maka hubungan
antara variabel X1 dengan variabel Y (kebisingan) adalah tidak linear.
Dari hasil di atas dapat dilihat bahwa variabel X2 (kecepatan sepeda motor)
diperoleh nilai signifikansi = 0,739. Nilai signifikansi variabel X2 > 0,05 maka
hubungan antara variabel X2 dengancommit to user
variabel Y (kebisingan) adalah tidak linear.
perpustakaan.uns.ac.id 67
digilib.uns.ac.id
Dari hasil di atas dapat dilihat bahwa variabel X3 (kecepatan kendaraan ringan)
diperoleh nilai signifikansi = 0,871. Nilai signifikansi variabel X3 > 0,05 maka
hubungan antara variabel X3 dengan variabel Y (kebisingan) adalah tidak linear.
Dari hasil di atas dapat dilihat bahwa variabel X4 (kecepatan kendaraan berat)
diperoleh nilai signifikansi = 0,480. Nilai signifikansi variabel X4 > 0,05 maka
hubungan antara variabel X4 dengan variabel Y (kebisingan) adalah tidak linear.
Dari hasil di atas dapat dilihat bahwa variabel X5 (jarak pengukuran kebisingan)
diperoleh nilai signifikansi = 0,000. Nilai signifikansi variabel X5 < 0,05 maka
hubungan antara variabel X5 dengan Y adalah linear.
Dari hasil analisis tersebut dapat disimpulkan bahwa tidak terdapat hubungan
linear antara sebagian besar variabel bebas dan variabel terikat.
c) Uji Heteroskedastisitas
Berdasarkan hasil analisis diatas diketahui nilai Sig X1 (0,017) dan X5 (0,029)
adalah kurang dari tingkat kepercayaan (α = 0,05) sehingga disimpulkan bahwa
terjadi masalah heteroskedastisitas pada regresi.
commit to user
perpustakaan.uns.ac.id 69
digilib.uns.ac.id
, – ,
Tingkat error = ,
× 100 % = -1,77 %
Berikut ini adalah tabel rekapitulasi uji verifikasi model pada Jalan Ahmad Yani:
commit to user
perpustakaan.uns.ac.id 70
digilib.uns.ac.id
Tabel 4.18 Rekapitulasi Uji Verifikasi Model Pada Jalan Ahmad Yani
Kebisingan Kebisingan
No. Tingkat Error
di Lapangan Model
1 86.51 84.97 -1.77
2 87.75 85.01 -3.11
3 91.01 85.39 -6.17
4 90.83 86.60 -4.66
5 88.62 84.52 -4.63
6 87.3 87.18 -0.14
7 88.2 86.46 -1.97
8 87.47 86.10 -1.56
9 88.87 86.60 -2.55
10 88.31 87.27 -1.18
11 89.63 86.27 -3.75
12 90.05 87.50 -2.83
13 89.15 85.60 -3.98
14 89.2 86.48 -3.05
15 87.85 85.62 -2.5
Total -43.92
Sebaran tingkat kesalahan model pada Jalan Ahmad Yani dapat dilihat pada
gambar berikut
2
1
0
-1 0 5 10 15 20
-2
-3
-4
-5
-6
-7
Gambar 4.7 Grafik Tingkat Kesalahan Model Pada Jalan Ahmad Yani
commit to user
perpustakaan.uns.ac.id 71
digilib.uns.ac.id
Jadi tingkat kesalahan model jika diaplikasikan pada Jalan Ahmad Yani adalah
43,92 %. Tingkat keakuratan model pada jalan arteri dengan tipe 4/2D seperti
Jalan Ahmad Yani Surakarta adalah sebesar 56,08 %.
Karena hasil analisis tidak memenuhi uji asumsi regresi linear berganda dan tidak
signifikan pada uji statistik yang lain, maka analisis dilanjutkan dengan analisis
regresi sederhana.
Berdasarkan uji korelasi, variabel bebas yang mempunyai nilai korelasi > 0,5
dengan variabel terikat yaitu X5 (jarak) = 0,886. Sedangkan hasil uji linearitas,
nilai signifikansi variabel X5 < 0,05 maka hubungan antara variabel X5 dengan
variabel Y (kebisingan) adalah linear, sehingga analisis yang dapat digunakan
adalah analisis regresi linear sederhana.
95
90
85
Kebisingan
80
75
70
65
60
0 2 4 6 8 10 12 14 16
Jarak y = -0,993x + 87,33
R² = 0,784
commit to user
perpustakaan.uns.ac.id 73
digilib.uns.ac.id
Dari hasil analisis diperoleh nilai koefisien determinasi = 0,785 yang berarti
bahwa model persamaan dapat menjelaskan hubungan antar variabel sebesar 78,5
% dari keseluruhan populasi.
Uji analisis regresi meliputi uji keberatian regresi dan uji koefisien regresi. Uji
keberartian regresi (uji F) dilakukan untuk mengetahui apakah sekelompok
variabel secara bersama mempunyai pengaruh terhadap variabel terikat. Uji
commit to user
perpustakaan.uns.ac.id 74
digilib.uns.ac.id
a. Uji F
Ho : tidak terjadi hubungan linear antara variabel terikat dan variabel bebas,
Ha : terjadi hubungan linear antara variabel terikat dan variabel bebas.
Jika Fhitung > Ftabel maka Ho ditolak dan Ha diterima, sedangkan jika Fhitung < Ftabel
maka Ho diterima dan Ha ditolak.
Hasil analisis uji F menggunakan program SPSS 17 dapat dilihat pada Tabel 4.21
berikut.
Dari tabel di atas dapat diketahui nilai Fhitung = 517,329 > Ftabel = 3,9078, maka Ho
ditolak dan Ha diterima,jadi ada hubungan linear antara variabel terikat dan
variabel bebas.
b. Uji t
kesalahan (α) yang digunakan = 0,05. Dengan menggunakan uji dua pihak,
ditentukan hipotesis sebagai berikut:
Dalam pengujian hipotesis yang menggunakan uji dua pihak, berlaku ketentuan
bahwa jika thitung berada pada daerah penerimaan Ho atau terletak diantara harga
ttabel, maka Ho diterima. Nilai thitung adalah nilai mutlak, jadi tidak dilihat (+) atau
(-) nya. Hasil analisis uji t mengguankan program SPSS 17 dapat dilihat pada
Tabel 4.22 berikut.
Dari gambar di atas ditunjukkan bahwa nilai t hitung variabel X5 (jarak) = -22,745
berada pada daerah penolakan Ho, maka Ho ditolak dengan kata lain jarak secara
parsial mempengaruhi kebisingan.
Uji verifikasi dilakukan untuk mengetahui tingkat keandalan dari model yang
telah didapat pada penelitian ini. Sebagai perbandingan, diambil nilai kebisingan
di jalan lain di Kota Surakarta, yaitu Jalan Ahmad Yani.
Tabel 4.23 Rekapitulasi Uji Verifikasi Model pada Jalan Ahmad Yani
Kebisingan Kebisingan Tingkat
No.
di Lapangan Model Error
1 86.51 87,3303 0.94
2 87.75 87,3303 -0.48
3 91.01 87,3303 -4.21
4 90.83 87,3303 -4.01
5 88.62 87,3303 -1.48
6 87.3 87,3303 0.03
7 88.2 87,3303 -1.00
8 87.47 87,3303 -0.16
9 88.87 87,3303 -1.76
10 88.31 87,3303 -1.12
11 89.63 87,3303 -2.63
12 90.05 87,3303 -3.11
13 89.15 87,3303 -2.08
14 89.2 87,3303 -2.14
15 87.85 87,3303 -0.60
Total -23.81
commit to user
perpustakaan.uns.ac.id 77
digilib.uns.ac.id
Jadi, tingkat kesalahan model jika di aplikasikan pada Jalan Ahmad Yani adalah
23,81 %. Tingkat keakuratan model di jalan tipe 4/2D seperti Jalan Ahmad Yani
adalah sebesar 76,19 %. Model ini memiliki tingkat keakuratan yang lebih tinggi
dibandingkan dengan model sebelumnya yang menggunakan analisis regresi
linear berganda.
2
1
0
-1 0 2 4 6 8 10 12 14 16
-2
-3
-4
-5
Y-Values
Gambar 4.10 Grafik Tingkat Kesalahan Model pada Jalan Ahmad Yani
4.3 Pembahasan
Dalam sub bab ini akan disampaikan hasil dari analisis tentang hubungan antara
kebisingan dengan volume kendaraan, kecepatan kendaraan dan jarak pengukuran
di ruas Jalan Ir. Juanda Kota Surakarta.
Dari analisis regresi linear diperoleh dua model yaitu Y = 89,101 – 0,00001X1 +
0,039X2 + 0,021X3 – 0,126X4 – 0,993X5 dengan nilai r2 adalah 0,793. Akan tetapi
model tersebut tidak memenuhi uji asumsi klasik sehingga kemungkinan terdapat
bias yang dapat mengurangi keakuratan model tersebut. Berdasarkan hasil analisis
uji korelasi antar variabel, variabel volume dan semua variabel kecepatan
memiliki nilai korelasi < 0,5 yang menunjukkan bahwa volume dan kecepatan lalu
lintas memiliki pengaruh yang sangat rendah terhadap kebisingan. Variabel yang
memiliki nilai korelasi > 0,5 adalah variabel jarak (X5) yang berarti variabel
tersebut sangat berpengaruh pada kebisingan lalu lintas. Berdasarkan hasil uji
commit to user
linieritas didapat bahwa variabel volume dan kecepatan > 0,05 yang berarti
perpustakaan.uns.ac.id 78
digilib.uns.ac.id
hubungan antara variabel volume dan kecepatan dengan kebisingan tidak linear,
sedangkan untuk variabel jarak nilai yang didapat dari uji linearitas yaitu < 0,05
yang berarti variabel jarak (X5) mempunyai hubungan linear terhadap kebisingan
lalu lintas. Sehingga dilakukan analisis regresi linear sederhana antara kebisingan
dan jarak pengukuran kebisingan. Kemudian model regresi sederhana yang
didapat adalah Y = 87,3303 – 0,9933 X5 dengan nilai r2 adalah 0,785.
Pada model yang pertama terdapat lima variabel bebas, yaitu volume lalu lintas,
kecepatan sepeda motor, kecepatan kendaraan ringan, kecepatan kendaraan berat
dan jarak pengukuran kebisingan. Untuk variabel volume lalu lintas bernilai
negatif yang berarti volume dan kebisingan berbanding terbalik. Artinya volume
kendaraan semakin meningkat maka nilai kebisingan akan semakin rendah. Hal
ini terjadi kemungkinan karena semakin besar volume kendaraan yang melintas
maka kecepatan kendaraan akan berkurang sehingga suara mesin kendaraan juga
semakin mengecil dan nilai kebisingan juga semakin menurun. Untuk variabel
kecepatan dibagi tiga, yaitu kecepatan sepeda motor, kendaraan ringan dan
kendaraan berat. Dari model tersebut, variabel kecepatan sepeda motor dan
kendaraan ringan bernilai positif yang berarti kebisingan dengan kecepatan sepeda
motor dan kecepatan kendaraan ringan berbanding lurus. Artinya jika kecepatan
semakin meningkat maka nilai kebisingan juga semakin tinggi. Hal berbeda
terjadi pada variabel kecepatan kendaraan berat karena bernilai negatif, yang
bearti antara kebisingan dengan kecepatan kendaraan berat berbanding terbalik.
Apabila kecepatan kendaraan berat semakin tinggi maka nilai kebisingan semakin
rendah.
Menurut hasil studi analisa tingkat kebisingan lalu lintas pada jalan tol ruas
Medan-Tanjung Morawa yang dilakukan oleh Juara P. Saragih dan Medis S.
Surbakti pada 2011 diketahui bahwa volume lalu lintas, persentase kendaraan
berat (HV), kecepatan rata-rata dan jarak pengukuran merupakan hal-hal utama
yang berpengaruh pada kebisingan lalu lintas (bernilai positif). Perbedaannya
adalah pada penelitian ini kecepatan sepeda motor dan kecepatan kendaraan
ringan juga mempengaruhi kebisingan karena bertanda posistif, tetapi pada
variabel kecepatan kendaraan berat bernilai negatif. Artinya nilai kebisingan
commit to user
berbanding terbalik dengan kecepatan kendaraan berat. Kondisi seperti ini
perpustakaan.uns.ac.id 79
digilib.uns.ac.id
Pada model yang kedua (analisis regresi linear sederhana) Y = 87,3303 – 0,9933
X5, terdapat satu variabel bebas yang mempengaruhi kebisingan yaitu jarak
pengukuran kebisingan (X5). Variabel jarak bertanda negatif yang berarti semakin
jauh jarak pengukuran kebisingan atau pendengar dari sumber bising kendaraan
maka kebisingan lalu lintas (Y) akan menurun. Hasil model analisis regresi linear
sederhana pada penelitian ini juga sama seperti hasil studi analisa tingkat
kebisingan pergerakan lalu lintas terhadap zona pendidikan di Kota Medan yang
dilakukan oleh Putri Juwita Simamora dan Medis S. Surbakti pada 2012.
Diketahui bahwa model linear pada Perguruan Parulian 3 Jalan Sisingamangaraja
No.44 yang terbentuk antara variabel terikat (Y) dengan variabel bebas Jarak
pengukuran (X6) adalah Y = 80,063 – 0,572 X6.
commit to user
perpustakaan.uns.ac.id 80
digilib.uns.ac.id
Model analisis regresi linear sederhana yaitu Y = 87,3303 – 0,9933 X5, kemudian
di uji verifikasi untuk mengetahui tingkat kesalahannya. Didapat tingkat
kesalahan 23,81 % untuk aplikasi model di Jalan Ahmad Yani. Tingkat
keakuratan apabila model digunakan pada Jalan Ahmad Yani adalah 76,19 %.
Hasil verifikasi antara model analisis regresi linear berganda dan regresi linear
sederhana memperlihatkan bahwa tingkat kesalahan pada model regresi linear
berganda lebih besar yaitu 43,92 % bila dibandingkan dengan tingkat kesalahan
model regresi linear sederhana yaitu 23,81 %. Kondisi tersebut diperkirakan
karena pada model analisis regresi linear berganda terdapat ketidak lolosan dalam
uji asumsi klasik sehingga terdapat bias model dan model menjadi tidak akurat.
Maka dalam penelitian ini, model yang terbaik yaitu model analisis regresi linear
sederhana (Y = 87,3303 – 0,9933 X5) dikarenakan model ini sudah memenuhi uji
asumsi klasik dan mempunyai tingkat kesalahan yang relatif kecil dibandingkan
dengan model analis regresi linear berganda.
commit to user