Pemodelan Bangkitan-Tarikan Pergerakan Di Kota Kuala Pembuang

PEMODELAN BANGKITAN-TARIKAN PERGERAKAN
DI KOTA KUALA PEMBUANG

(Studi Kasus Pemodelan Regresi Linear Berganda Bangkitan-Tarikan Pergerakan
di Kelurahan Kuala Pembuang I dan Kuala Pembuang II Kecamatan Seruyan
Hilir Kabupaten Seruyan)
Donny DJ Leihitu (1), Andi Sutanto (2),

Dosen Fakultas Teknik Universitas Darwan Ali (ST, MT),
Asisten Dosen Fakultas Teknik, Universitas Darwan Ali (ST)
ABSTRAK
Kabupaten Seruyan merupakan salah satu Kabupaten Pemekaran di Provinsi Kalimantan
Tengah dengan Ibukota Kuala Pembuang. Sebagai daerah otonomi baru tentu pembangunan di
semua sector berkembang pesat.Dengan demikian terjadi pergeseran Tata Guna Lahan. Hal
tersebut harus disikapi dengan cepat dan cermat.
Kota Kuala pembuang sebagai pusa pemerintahan otonomi memiliki arus pergerakan yang
cukup besar. Untuk memodelkan pergerakan bangkitan-tarikan di Kota Kuala Pembuang perlu
dilakukan penelitian. Penelitian terpusat pada Kelurahan Kuala Pembuang I dan Kelurahan
Kuala Pembuang II bertujuan untuk mengetahui pola bangkitan-tarikan dari zona asal dan zona
tujuan dan memodelkan bangkitan-tarikan yang terjadi menggunakan model Analisa Regresi
Linier Berganda. Banyak metode dan model yang dapat digunakan untuk memproyeksikaan
bangitan-tarikan pergerakan yang terjadi. Masing – masing memiliki kelebihan dan kekurangan.
Alasan dipilih metode analisa regresi dengan model regresi linier berganda yaitu: 1. Analisa
regresi linier memiliki batasan katagori lebih banyak dibandingkan dengan analisis katagori 2.
Pada analisis regresi linier dilakukan uji statistik. Penentuan jumlah sampel menggunakan rumus
Slovin dan Tabel Cohen Manion dan Marisson. Pada analisa ini diketahui tingkat kepercayaan
95% dan gallad error 5%. Jumlah samoel minimal yaitu 374 KK . variable yang diteliti yaitu:
Jumlah perjalanan (Y), jumlah KK (X1), jumlah anak sekolah (X2), jumlah PNS/honorer (X3),
jumlah motor (X4), jumlah mobil (X5), pendapatan maksimal 1 juta (X6), pendapatan 1,1 juta
sampai 2 juta (X7), pendapatan 2,1 juta sampai 3 juta (X8), pendapatan 3,1 juta sampai 4 juta
(X9), pendapatan 4,1 juta sampai 5 juta (X10), pendapatan lebih dari 5 juta (X11), data yang
diperoleh direkapitulasi sehingga diperoleh jumlah masing – masing variable. Proses
pengolahan data untuk memperoleh regresi linier dengan menggunakan perangkat lunak SPSS
11,5 for windows meode yang dipilih metode Backward, output berupa diskripsi statistik, variable
entered/Removed, Model Summary, Annova dan Coefisient. Dari pengolahan data hasi survey,
diperoleh simpulan pola bngian-Tarikan di kota Kuala Pembuangdidominasi tujuan pasar dan ke
kantor dengan ring 38% zona pasar, 37,4% zona tujuan kantor, 16 % zona tujuan sekolah dan
10% zona lainnya, sedangkan model linier regresi berganda yang paling ideal unuk
memproyeksikan bangkitan-tarikan pergerakan yang terjadi adalah Y = (0,74) + 1,242 X1 +
11,492 X9, Dimana Y = jumlah perjalanan, X1 = jumlah anggota Kk, X9 = jumlah pendapatan
3,1 juta sampai 4 juta. Nilai R = 0,692, R2 = 0,456: Sandar error of estimate = 27,925.
Kata Kunci : bangkitan-tarikan, mode, regresi linier berganda.

1. PENDAHULUAN
1.1 Latar Belakang
Kabupaten Seruyan merupakan salah satu Kabupaten pemekaran di Provinsi
Kalimantan Tengah yang dibentuk sesuai Undang-Undang Negara Republik Indonesia Nomor 5
Tahun 2002. Dalam perkembangannya, muncul kawasan tata guna lahan yang penting.
Sehingga secara langsung, akan berpengaruh pada banyaknya alat trasportasi yang
JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

VOLUME 12 EDISI JULI 2016 – DESEMBER 2016 Page 10
digunakan, dan berdampak pula pada pergerakan arus lalu lintas, barang, dan manusia.
Kabupaten Seruyan memiliki luas 16.404 km2. Batas-batas Kabupaten ini yaitu:
1. Sebelah Utara : Kabupaten Melawi, Provinsi Kalimantan Barat
2. Sebelah Selatan : Laut Jawa
3. Sebelah Timur : Kabupaten Kotawaringin Timur dan Kabupaten Katingan
4. Sebelah Barat : Kotawaringin Barat dan Kabupaten Lamandau
Kabupaten Seruyan saat ini membawahi 10 kecamatan (sesuai Peraturan Daerah
Kabupaten Seruyan Nomor 06 Tahun 2010) yaitu : Kecamatan Seruyan Hilir, Kecamatan
Seruyan Hilir Timur, Kecamatan Seruyan Tengah, Kecamatan Seruyan Hulu, Kecamatan
Seruyan Raya, Kecamatan Hanau, Kecamatan Danau Seluluk, Kecamatan Danau Sembuluh,
Kecamatan Suling Tambun, dan Kecamatan Batu Ampar (Sumber : BPS Kabupaten Seruyan
2013). Ibu Kota Kabupaten Seruyan adalah Kota Kuala Pembuang, termasuk dalam kawasan
Kecamatan Seruyan Hilir.
Kecamatan Seruyan Hilir terdiri dari 2 kelurahan dan 8 desa yaitu Kelurahan Kuala
Pembuang I, Kelurahan Kuala Pembuang II, Desa Pematang Limau, Desa Persil Raya, Desa
Sungai Undang, Desa Sungai Perlu, Desa Jahitan, Desa Baung, Desa Muara Dua, dan Desa
Tanjung Rangas. Setiap desa memiliki
karakteristik yang berbeda tergantung pada laju pertumbuhan ekonomi dan laju pertumbuhan
penduduk.
Kota Kuala Pembuang, sebagai pusat pemerintahan secara otomatis memiliki
pergerakan lalu lintas yang besar. Ini karena di Kota Kuala Pembuang rutinitas masyarakat
beragam dan jumlah penduduk yang terus bertambah. Jumlah penduduk di Kecamatan
Seruyan Hilir sebanyak 30.517 jiwa tersebar pada 10 desa di atas. Dari kesepuluh Desa dan
Kelurahan tersebut, Kelurahan Kuala Pembuang I dan Kelurahan Kuala Pembuang II
mempunyai jumlah penduduk paling banyak yaitu 8.594 jiwa dan 8.502 jiwa. (Sumber: BPS
Kabupaten Seruyan 2013)
Pekerjaan masyarakat yang majemuk di Kelurahan Kuala Pembuang I dan Kelurahan
Kuala Pembuang II secara langsung berpengaruh terhadap arus pergerakan lalu lintas. Dengan
beragam aktivitas masyarakat setiap hari, tentu mengakibatkan terjadi pergerakan dari rumah
menuju tempat kerja atau kawasan lain. Aktivitas rutin masyarakat yang berprofesi sebagai
pegawai negeri sipil (PNS) atau tenaga kerja kontrak (Honorer) adalah berangkat ke kantor
yang beralamat di jalan A.Yani (kawasan perkantoran) menimbulkan pola bangkitan dan tarikan
perjalanan.
Anak sekolah yang berangkat ke sekolah juga menimbulkan pola tarikan dan bangkitan
perjalanan, ibu rumah tangga yang pergi ke pasar saik untuk mencari keperluan rumah tangga,
mengantar anak ke sekolah juga menimbulkan pola yang sama. Di Kelurahan Kuala Pembuang
I dan Kuala Pembuang II zona tujuan yang paling dominan dalam pembentukan pola bangkitan-
tarikan pergerakan adalah kawasan perkantoran, kawasan sekolah, dan kawasan perbelanjaan
(pasar).
Untuk membuktikan asumsi tersebut sekaligus untuk memodelkan bangkitan dan
tarikan yang terjadi perlu adanya penelitian. Dengan demikian, dapat digambarkan interaksi
yang terbentuk dari keterkaitan variabel-variabel yang berperan terhadap bangkitan-tarikan
pergerakan. Variabel pembentuk bangkitan-tarikan pergerakan antara lain jumlah penduduk,
tingkat pendapatan, kepemilikan kendaraan, pekerjaan, dan tata guna lahan. Hal ini
dikarenakan semakin bertambah jumlah penduduk, perkembangan kegiatan ekonomi, dan
perkembangan tata guna lahan, menyebabkan bertambah jumlah bangkitan dan tarikan
perjalanan.
1.2 Rumusan Masalah

Agar mengarahkan penelitian lebih fokus terhadap objek penelitian, rumusan masalah
yang diajukan adalah sebagai berikut:
1. Bagaimana pola bangkitan-tarikan dan sebaran pergerakan perjalanan masyarakat yang
terjadi di Kota Kuala Pembuang?
2. Model apa yang dipakai untuk memodelkan pergerakan perjalanan tersebut?

1.3 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah:
1. Untuk mengetahui pola bangkitan-tarikan pergerakan dari zona asal ke zona tujuan yang
terbentuk di Kota Kuala Pembuang.
2. Untuk memodelkan bangkitan dan tarikan yang terbentuk dari pola bangkitan-tarikan
pergerakan yang terjadi di Kota Kuala Pembuang menggunakan Model Analisis Regresi
Linear Berganda.
1.4 Batasan Masalah

Batasan Masalah dalam penelitian ini yaitu :
1. Wilayah studi dalam penelitian ini adalah Kelurahan Kuala Pembuang I dan Kelurahan
Kuala Pembuang II.
2. Keterwakilan sampel dihitung dengan cara-cara yaitu 10% dari populasi, rumus Slovin, atau
dengan tabel Cohen-Manion and Morrison tingkat kepercayaan 95% dengan interval
keyakinan 5%.
3. Metode survey adalah wawancara rumah tangga atau HIS (Home Interview Survey) dengan
sampel acak (random sampling) menggunakan kuisioner.
4. Pengolahan data dengan program SPSS 11.5 for windows.
5. Data sekunder diperoleh dari instansi-instansi terkait seperti Kantor Kelurahan Kuala
Pembuang I, Kantor Kelurahan Kuala Pembuang II, dan Kantor Kecamatan Seruyan Hilir.
1.5 Manfaat Penelitian

Dengan melaksanakan penelitian ini di kota Kuala Pembuang diharapkan memberi
manfaat kepada masyarakat, pemerintah daerah, dan pihak-pihak yang berkepentingan.
Penelitian ini juga diharapkan memberi ide dan gagasan terhadap kemajuan transportasi di
Kota Kuala Pembuang. Selain itu diharapkan menjadi pioner untuk penelitian yang serupa di
Kabupaten Seruyan.
Manfaat dari penelitian ini antara lain :
1. Mengetahui zona bangkitan-tarikan paling dominan di Kota Kuala Pembuang.
2. Mengetahui pola bangkitan-tarikan yang terbentuk dari pergerakan perjalanan masyarakat
Kota Kuala Pembuang.
3. Dengan memodelkan bangkitan-tarikan dan sebaran pergerakan yang terjadi di Kota Kuala
Pembuang, dapat memproyeksikan bangkitan-tarikan dan sebaran pergerakan pada masa
mendatang. Dengan demikian pemanfaatan tata guna lahan dapat diperhitungkan dengan
keputusan yang tepat.
2. TINJAUAN PUSTAKA
2.1 Bangkitan-Tarikan Pergerakan
Bangkitan lalu lintas adalah banyaknya lalu lintas yang ditimbulkan oleh suatu zona
atau per satuan waktu. Jumlah lalu lintas bergantung pada kegiatan kota, karena penyebab lalu
lintas ialah kebutuhan manusia untuk melakukan kegiatan dan mengangkut barang
kebutuhannya (Wells : 1975). Aktifitas manusia pada kesehariannya pasti meninggalkan rumah
untuk beraktivitas. Dalam tujuan perjalanan, menyebabkan terbentuknya arus lalu lintas.
Semakin banyak masyarakat yang melakukan perjalanan, maka arus lalu lintas yang terbentuk
akan semakin padat. Zona dimana masyarakat mulai keluar untuk beraktivitas dapat diartikan
sebagai zona bangkitan. Pada umumya yang menjadi zona bangkitan adalah zona perumahan.
Akibat dari bangkitan perjalanan, adalah terbentuknya tarikan pergerakan. Keterkaitan
ilmiah antar keduanya sangat erat. Hal ini disebabkan perjalanan yang dilakukan pasti
mempunyai tempat tujuan. Dapat diartikan bahwa tarikan pergerakan adalah tujuan dari
perjalanan yang dilakukan.
Menurut Tamin (2000), tarikan pergerakan adalah jumlah pergerakan yang tertarik ke
suatu tata guna lahan atau zona tarikan pergerakan. Sedangkan menurut Ortuzar (1994),
bahwa tarikan perjalanan dapat berupa suatu perjalanan berbasis rumah yang mempunyai
tempat asal dan tujuan bukan rumah atau perjalanan berbasis rumah.

2.2 Tata Guna Lahan
Secara alamiah, pertambahan manusia tidak diimbangi dengan pertambahan lahan.
Masyarakat dengan kebutuhan yang kompleks, sering menyebabkan bergesernya fungsi
lahan. Tidak dipungkiri kegiatan pemanfaatan lahan, sering menimbulkan konflik kepentingan
akibat bergesernya fungsi lahan.
2.3 Model Bangkitan-Tarikan Pergerakan

Dengan bantuan pemodelan, diharapkan dapat memprediksi jumlah pergerakan yang
berasal dari suatu zona dan jumlah pergerakan yang menuju suatu zona. Hal ini adalah tujuan
pemodelan.
Menurut Tamin (1997) Model dapat didefenisikan sebagai alat bantu atau media yang
dapat digunakan untuk mencerminkan dan menyederhanakan suatu realita (dunia sebenarnya)
secara terukur.
2.3.1 Metode Faktor Pertumbuhan (Analog)

Tamin (2008) menyatakan bahwa metode ini lebih dipengaruhi oleh faktor pertumbuhan suatu
zona. Pemodelan ini mengasumsikan bahwa semua daerah dianggap mempunyai tingkat
bangkitan atau tarikan yang seragam. Sehingga jumlah total bangkitan sama besar dengan total
tarikan. Oleh karena itu, model ini hanya dapat digunakan meramalkan pergerakan eksternal
yang masuk ke suatu daerah pada masa mendatang
2.3.2 Metode Analisis-Korelasi

Model ini sangat dibutuhkan apabila efek tata guna lahan dan pemilikan pergerakan
terhadap besarnya bangkitan dan tarikan pergerakan berubah sebagai fungsi waktu. Tahapan
bangkitan pergerakan ini meramalkan jumlah pergerakan yang akan dilakukan oleh seseorang
pada setiap zona asal dengan menggunakan data rinci mengenai tingkat bangkitan pergerakan,
atribut sosioekonomi, serta tata guna lahan.
2.3.3 Metode Analisis Regresi Linear

Peramalan jumlah perjalanan di kawasan perkotaan pada tahap bangkitan pergerakan,
yang menggunakan metode ini untuk seluruh perjalanan berbasis zona dan berbasis rumah,
serta perjalanan antar kota. Untuk perjalanan berbasis zona, metode analisis regresi linear
menganalisis bagaimana hubungan antara variabel-variabel bebas berupa karakteristik sosio-
ekonomi zona (guna lahan) dengan variabel terikat berupa jumlah arus lalulintas (perjalanan).
Metode analisis regresi linear terbagi atas dua bentuk yaitu: analisis regresi linear sederhana
(Simple Linear Regression Analysis) dan analisis regresi linear berganda (Multiple Linear
Regression Analysis).
a. Model Analisis Regresi Linear Sederhana

Analisis ini hanya menghubungkan variabel terikat dengan satu buah variabel bebas
yang mempengaruhi naik turunnya variabel terikat yang diamati dengan asumsi studi, variabel-
variabel lainnya tidak mempengaruhi perubahan pada variabel terikat atau tidak dimasukkan ke
dalam pemodelan.
Model ini, hubungan secara umum dirumuskan :
Y = A + BX ......................................................................................(2.1)
Dimana :
Y = peubah tidak bebas
X = peubah bebas
A = intersep atau konstanta regresi (nilai yang akan dicari)
B = koefisien regresi (nilai yang akan dicari)
b. Model Analisis Regresi Linear Berganda

Miro (2002) berpendapat bahwa teknik analisis regresi linear berganda
menghubungkan satu variabel terikat dengan dua atau lebih variabel peubah bebas, yang
dianggap mempengaruhi perubahan terhadap variabel terikat yang diamati.
Analisis regresi linear berganda harus menunjukkan keterkaitan erat dalam realita yang
menunjukkan bahwa beberapa peubah yang diamati secara simultan memberi efek terhadap

bangkitan pergerakan. Persamaan berikut adalah bentuk umum metode regresi linear
berganda:
Y = A + B1X1 + B2X2 +...+ BnXn .......................................................(2.2)
Dimana :
Y = peubah tidak bebas
X1....Xn = peubah bebas
A = intersep atau konstanta regresi (nilai yang akan dicari)
B1.....Bn = koefisien regresi (nilai yang akan dicari)
Chairunnisa (2008) mengatakan bahwa beberapa asumsi yang diperlukan dalam
melakukan analisis regresi linear antara lain:
1) Variabel tidak bebas adalah fungsi linear dari variabel bebas.
2) Variabel, terutama variabel bebas, adalah tetap atau telah diukur tanpa kesalahan.
3) Nilai variabel tidak bebas harus berdistribusi normal atau mendekati.
4) Tidak ada korelasi (hubungan) antara variabel bebas.
5) Variansi dari variabel tidak bebas tentang garis regresi adalah sama untuk seluruh nilai
variabel tidak bebas.
2.3.4 Metode Analisis Kategori (Analisis Klasifikasi Silang)

Metode analisis kategori dikembangkan pertama kali pada The Puget Sound
Transportation Study tahun 1964.
Tamin (1997) berpendapat bahwa metode ini didasarkan pada adanya keterkaitan
antara terjadinya pergerakan dengan atribut rumah tangga. Asumsi dasarnya adalah tingkat
bangkitan pergerakan dapat dikatakan stabil dalam waktu untuk setiap stratifikasi rumah tangga
tertentu.
Miro (2002) menyatakan bahwa analisis kategori pada awal penggunaan dan
pengembangannya dipakai untuk mendapatkan angka perkiraan bangkitan perjalanan (lalu-
lintas) pada kawasan pemukiman. Identifikasi yang dipakai adalah tiga variabel utama yang
menggambarkan karakteristik rumah tangga yang menimbulkan bangkitan perjalanan dari
kawasan perumahan yaitu:
1. Ukuran keluarga atau jumlah orang dalam keluarga (family size)
2. Kepemilikan kendaraan (car ownership)
3. Pendapatan keluarga (level of income)
Ketiga variabel utama di atas kemudian diklasifikasikan menurut tingkat tinggi atau
rendahnya pada beberapa tingkatan dan masing-masing tingkat dijadikan sebagai satu kategori
(klasifikasi) yang didalamnya memuat beberapa rumah tangga yang cenderung homogen.
Sedangkan menurut pendapat Tamin (2008) metode analisis kategori (analisis
klasifikasi silang) memiliki beberapa keuntungan, yaitu:
1. Pengelompokan klasifikasi silang tidak tergantung pada sistem zona di daerah kajian.
2. Tidak ada asumsi awal yang harus diambil mengenai bentuk hubungan.
3. Hubungan tersebut berbeda-beda untuk setiap kelompok (misalnya efek perubahan rumah
tangga bagi yang mempunyai satu kendaraan dengan yang mempunyai dua kendaraan
akan berbeda).
Akan tetapi metode ini juga memiliki kelemahan, yaitu:
1. Tidak memperbolehkan ekstrapolasi.
2. Tidak ada uji statistik yang mendukung sehingga yang menjadi patokan adalah besarnya
simpangan antara hasil taksiran dengan hasil pengamatan. Semakin kecil simpangan
tersebut, semakin baik.
3. Data yang dibutuhkan sangat banyak agar nilai masing-masing tidak terlalu bevariasi
secara tidak logis karena adanya perbedaan jumlah rumah tangga.
4. Tidak ada cara yang efektif dalam memilih peubah. Proses meminimalisir simpangan baku
hanya dapat dilakukan dengan cara coba-coba yang sulit dipraktikkan.
2.3.5 Metode Sintetis (Analitis)

Metode ini merupakan alternatif dari metode faktor pertumbuhan dan dilandasi oleh dua
asumsi yaitu:
1. Sebelum perjalanan masa yang akan datang diramalkan, terlebih dahulu harus mengetahui
alasan terjadinya perjalanan masa sekarang.

2. Alasan terjadinya perjalanan dimaksud, harus dimodelkan dengan sebuah perilaku hukum
alam (fisika).
Metode ini seperti halnya faktor pertumbuhan juga memiliki model-model yang dapat
dipakai untuk memprediksi arus perjalanan masa yang akan datang. Pada dasarnya, metode
sintetis (analisis) berprinsip bahwa:
1. Arus pergerakan perjalanan (masa mendatang) dari zona asal ke zona tujuan berbanding
lurus dengan perjalanan yang berasal dari zona asal i dan perjalanan yang tertarik ke zona
tujuan j.
2. Arus perjalanan (masa mendatang) dari zona asal ke zona tujuan berbanding terbalik
terhadap kuadrat tingkat aksesibilitas.
Model-model yang termasuk dalam metode sintesis (analisis) yaitu: model gravity,
model opportuny, dan model gravity-oportuny. Dari ketiga model tersebut yang paling populer
dan sering digunakan adalah model gravity, karena sangat sederhana dan mudah dimengerti
dalam pemakaiannya.
2.4 Tahapan Uji Statistik

Agar model yang dihasilkan dinyatakan absah, maka perlu dilakukan uji statistik. Pada
umumnya, uji statistik digunakan terhadap metode analisis regresi linear. Berikut adalah
beberapa uji statistik dalam pemodelan metode analisis regresi linear.
2.4.1 Uji Kecukupan Sampel

Uji ini dilakukan untuk mengetahui keterwakilan sampel dalam penelitian. Dengan
demikian, dapat ditentukan jumlah minimal sampel yang dapat dijadikan objek penelitian.
Meskipun jumlah sampel yang hendak diambil tergantung pada keadaan peneliti dan tujuan
penelitian. Dengan menentukan jumlah data minimal, penelitian dapat lebih terencana dan lebih
spesifik dalam pengamatan, pengelompokan, dan pengolahan data.
Cohen, Manion, dan Morrison (2007) berpendapat sampel diartikan sebagai kelompok
yang secara keilmuan dapat dianggap mewakili dari suatu populasi. Keberhasilan dan
kegagalan sebuah penelitian tidak hanya bergantung pada metodologi dan instrumen penelitian
tetapi juga strategi pengambilan sampel. Keterbatasan biaya, waktu, dan akses sering
membatasi peneliti memperoleh informasi yang cukup dari suatu populasi. Oleh karena itu
diperlukan kebutuhan jumlah sampel dalam sebuah penelitian. Jumlah tersebut perlu diteliti dan
diuji kelayakannya dalam mewakili populasi yang menjadi fokus penelitian.
Secara logis, untuk mendapatkan hasil penelitian yang valid akan memerlukan banyak
sampel. Karena semakin banyak sampel, akan diperoleh lebih banyak karakteristik sampel.
Dengan demikian sebaran parameter yang diteliti akan lebih merata terhadap jumlah sampel.
Miro (2002) mengemukakan bahwa banyak cara dalam menentukan jumlah sampel
yang akan diambil, salah satu yang paling populer adalah cara penarikan secara acak dan
bertingkat (statified random sampling). Tujuannya adalah agar seluruh objek pada masing-
masing tingkat dapat mewakili populasi, dan dengan demikian dapat memiliki peluang yang
sama untuk dipilih. Jumlah sampel untuk cara ini biasanya ditetapkan sebesar 10% dari
populasi.
Dihitung dengan rumus :
N = 10% × P .....................................................................................(2.3)
Dimana:
N = jumlah sampel
P = jumlah populasi
Cara lain adalah dengan metode analisis statistik. Jumlah sampel yang hendak diambil
diperhitungkan dengan mempertimbangkan tingkat kepercayaan dan tingkat akurasi yang
diinginkan. Dengan demikian jumlah sampel yang diambil diharapkan dapat mewakili
kecukupan data sesuai dengan tingkat kevalidan yang diinginkan. Untuk uji kecukupan data ini
dirumuskan:
CV ² . Z ²
n = ...........................................................................................(2.4)
E²
Dimana :
n = jumlah data
Z = nilai variansi tingkat kepercayaan

E = tingkat akurasi
CV = koefisien variasi (standar deviasi)
Selain itu, penentuan jumlah sampel dapat juga menggunakan rumus Slovin. Untuk
menghitung jumlah sampel menggunakan rumus ini, harus diketahui jumlah total populasi dan
menentukan taraf keyakinan (confidence level) yang diinginkan. Dengan menentukan taraf
keyakinan, maka dapat diketahui nilai taraf signifikasi toleransi kesalahan.
Dirumuskan :
P
N = .....................................................................................(2.5)
(1+ P e 2)
Dimana :
N = jumlah sampel
P = jumlah populasi
e = taraf signifikasi; (100% - taraf keyakinan)
Menentukan jumlah sampel penelitian dapat juga dilakukan dengan menggunakan tabel
Cohen-Manion and Morrison. Dalam tabel ini telah ditetapkan banyaknya sampel yang harus
diteliti dari jumlah populasi berdasarkan taraf keyakinan dan interval keyakinan.
Dalam tabel tersebut, mencantumkan taraf keyakinan sebesar 90%, 95%, dan 99%.
Sedangkan interval keyakinan untuk setiap taraf keyakinan sebesar 5%, 4%, dan 3%. Sebagai
contoh, seorang peneliti akan mengadakan penelitian terhadap populasi yang berjumlah
10.000, dengan taraf keyakinan 90%, dan interval keyakinan 4%, maka jumlah sampel yang
harus diteliti sebanyak 408.
2.4.2 Kalibrasi Persamaan Model
Kalibrasi adalah proses yang digunakan untuk menaksir atau menghitung nilai
parameter atau koefisien sehingga hasil yang diperoleh memiliki galat sekecil mungkin
dibanding dengan hasil yang sebenarnya. Ini penting karena model yang diperoleh harus dapat
mempresentasikan keadaan saat ini, untuk memproyeksikan keadaan di masa yang akan
datang.
Dalam persamaan Y = A + B1X1 + B2X2 + ... + BnXn maka perhitungan untuk mendapat
nilai B dan A menggunakan rumus berikut:
n ∑ ( Xi . Yi )−∑(Xi )∑ (Yi)
B = .....................................................................(2.6)
n ∑ ( X i 2 )−{∑ ( Xi ) }²
A = Ῡ- BX ...................................................................(2.7)
Dimana :
A = konstanta
B = koefisien persamaan regresi linear
n = jumlah data
Xi = variabel bebas
Yi = variabel terikat
Ῡ = rata-rata dari Yi
X = rata-rata dari Xi
2.4.3 Koefisien Determinasi (R²)

Koefisien determinasi diartikan sebagai perbandingan antara variasi terdefinisi dengan
variasi total. Nilai R2 berada antara 0 sampai 1. Nilai ini ditafsirkan sebagai prosentase total
variasi yang dijelaskan melalui persamaan analisa regresi linear yang telah diperoleh. Suatu
hubungan regresi berganda dapat dikatakan baik atau tidak, juga dapat ditunjukkan oleh tinggi
rendahnya nilai koefisien determinasi ini. Dari nilai koefisien determinasi dapat diketahui
sebarapa besar variabel bebas dapat menjelaskan terhadap variabel terikat.
Dirumuskan :
∑(Ŷ i−Ῡ )²
R2 = .....................................................................................(2.8)
∑ (Yi−Ῡ )²
Dimana :
R2 = Koefisien Determinasi
Ῡ = rata-rata dari Yi

2.4.4 Uji Korelasi (r)
Koefisien korelasi menunjukkan tingkat keterkaitan antara satu variabel dengan variabel
lainnya. Dengan demikian persyaratan permodelan dapat terpenuhi, yaitu sesama peubah
bebas tidak boleh saling berkorelasi. Sedangkan antara peubah bebas dengan dengan peubah
tidak bebas harus memiliki korelasi yang kuat, baik positif maupun negatif. Nilai koefisien
korelasi berkisar antara -1 sampai +1. Rumus koefisien korelasi sebagai berikut:
n ∑( X iY i)– [∑( X i)∑ (Y i)]
r = 2 ..........................................(2.9)
√{ n ∑ ( X i ) −[ ∑ ( Xi ) ] } {¿ ¿ ¿
2
Dimana :
r = nilai koefien korelasi
Xi = variabel bebas
n = jumlah data
Jika nilai r = 1, artinya bahwa korelasi antara peubah Y adalah positif. Dengan
demikian, meningkatnya jumlah X akan mengakibatkan kenaikan pada jumlah Y. Sedangkan
jika nilai r = (-1), berarti korelasi antara peubah Y dan X adalah negatif dengan arti bahwa
meningkatnya jumlah X akan mengakibatkan menurunnya jumlah Y. Namun, jika nilai r = 0,
berarti tidak ada korelasi antar peubah.
Berikut adalah klasifikasi nilai r :
1. Jika 0,90 < r < 1 atau – 0,1 < r < - 0,90 berarti hubungan sangat kuat.
2. Jika 0,70 < r < 0,9 atau – 0,90 < r < - 0,70 berarti hubungan kuat.
3. Jika 0,50 < r < 0,70 atau – 0,70 < r < - 0,50 berarti hubungan substansial.
4. Jika 0,30 < r < 0,50 atau – 0,50 < r < - 0,30 berarti hubungan lemah.
5. Jika 0,00 < r < 0,30 atau – 0,30 < r < 0,00 berarti hubungan sangat lemah.
2.4.5 Uji F (F- test)

Uji ini bertujuan untuk mengetahui model persamaan regresi linear yang dihasilkan
dapat digunakan untuk memodelkan persamaan regresi linear yang dihasilkan dari variabel
bebas terhadap variabel terikat. Pengujian dilakukan dengan menetapkan tingkat kepercayaan
yang dikehendaki. Pengujian ini dilakukan dengan membandingkan nilai F hasil perhitungan
dengan nilai F dari tabel dengan tingkat kepercayaan tertentu. Dikatakan model dapat
digunakan jika jika nilai F perhitungan lebih besar dari nilai F tabel.
Persamaan untuk memperoleh nilai F adalah :
R ²(n−m−1)
F = ..............................................................................(2.10)
m(1−R2 )
Dimana :
R2 = koefisien determinasi
n = jumlah data
m = jumlah variabel bebas
2.4.6 Uji t (t-test)

Uji parameter statistik t dimaksudkan untuk mengetahui apakah variabel bebas memiliki
pengaruh yang signifikan terhadap variabel tidak bebasnya. Kalau signifikan, maka variabel
bebas harus ada dalam model. Jika pengaruh yang diberikan tidak signifikan terhadap variabel
bebasnya, maka parameter statistik tersebut boleh tidak dimasukkan dalam model.
Parameter statistik T dirumuskan dengan persamaan berikut :
Bi
t = ............................................................................................(2.11)
Sbi
Dimana :
t = Parameter statistik untuk koefisien regresi
Bi = Koefisien regresi

Sbi = Standar error untuk masing-masing variabel
Hasil perhitungan t, selanjutnya dibandingkan dengan nilai pada tabel t. Jika nilai t hasil
perhitungan lebih besar dari nilai t pada tabel, dengan derajat kebebasan N-n dan tingkat
kepercayaan uji dua arah maka hipotesis yang menyatakan berbeda dari nol diterima dan
variabel tersebut harus ada dalam model persamaan regresi. Jika t hasil perhitungan lebih kecil
dari t tabel maka variabel bebas tersebut dapat dieliminasi dari model persamaan regresi linear.
3. METODE PENELITIAN
3.1 Bagan Alur Penelitian
Dalam penelitian ini, tahap-tahap yang akan dilakukan digambarkan pada bagan alir berikut :
MULAI
PENGUMPULAN DATA
DATA PRIMER DATA SEKUNDER

1. JUMLAH ANGGOTA KK
1. PETA KELURAHAN
2. JUMLAH SEPEDA MOTOR
2. JUMLAH RT
3. JUMLAH MOBIL
4. JUMLAH ANAK SEKOLAH 3. BATAS KELURAHAN
5. JUMLAH PNS/HONORER 4. JUMLAH KK PER
6. BESAR PENDAPATAN PER KELURAHAN
BULAN
7. INTENSITAS PERJALANAN
INPUT DATA
ANALISA REGRESI
LINEAR BERGANDA
KANDIDAT
PEUBAH BEBAS
PENGUJIAN MODEL :
 Uji F (F-test)
 Uji t (t-test)
TIDAK LOLOS
LOLOS
MODEL TERPILIH
SELESAI
Gambar 3.1 Skema Alur Penelitian

3.2 Penelitian Bangkitan-Tarikan Pergerakan

Setiap pergerakan mengakibatkan terjadinya bangkitan-tarikan. Penelitian ini
mengamati kegiatan penduduk yang berangkat dari suatu zona menuju zona lain. Zona asal
(zona berbasis rumah) diartikan sebagai zona bangkitan, sedangkan zona tujuan sebagai zona
tarikan. Dengan menganalisa pola pergerakan penduduk di Kelurahan Kuala Pembuang I dan
Kelurahan Kuala Pembuang II, maka akan diperoleh pola arus pergerakan yang terjadi. Dari
proses terjadinya bangkitan-tarikan pergerakan dapat diketahui variabel-variabel yang
mengakibatkan terjadinya bangkitan-tarikan.
3.3 Proses Pelaksanaan Penelitian

Proses pelaksanaan penelitian “Pemodelan Bangkitan-Tarikan Pergerakan di Kota
Kuala Pembuang” meliputi beberapa tahap, yaitu:
3.3.1 Tahap Persiapan
Mencakup kegiatan penentuan tema dan materi studi, latar belakang pemilihan studi,
perumusan masalah, batasan masalah, tujuan dan manfaat studi serta kajian teori yang
berkaitan dengan tema penelitian. Dengan demikian penelitian yang dilakukan dapat terlaksana
dengan baik, sesuai dengan kaidah yang berlaku. Setelah diperoleh literatur yang sesuai, maka
disiapkan pertanyaan dalam bentuk kuisioner.
3.3.2 Tahap Pengumpulan Data

a. Waktu dan Tempat Pelaksanaan
Penelitian dilakukan di Kota Kuala Pembuang, berkosentrasi di dua Kelurahan yaitu
Kelurahan Kuala Pembuang I dan Kuala Pembuang II. Waktu penelitian dilaksanakan selama
tiga minggu (20 Mei sampai 07 Juni 2015).
Gambar 3.2 Peta Lokasi Survey
b. Data Sekunder
Pada penelitian ini diperlukan data jumlah KK di Kelurahan Kuala Pembuang I dan
Kelurahan Kuala Pembuang II. Dengan meminta data profil kelurahan ke kantor kelurahan,
maka diperoleh data-data tersebut. Dari Kantor Kelurahan Kuala Pembuang I diperoleh data
Profil Kelurahan Kuala Pembuang I Tahun 2014 dalam bentuk soft copy. Begitu pula data profil
Kelurahan Kuala Pembuang II juga diperoleh dalam bentuk soft copy.
Sebagai data pendukung, diperlukan data profil Kecamatan Seruyan Hilir. Dengan
meminta data tersebut ke Kantor Kecamatan Seruyan Hilir, diperoleh data dalam bentuk hard
copy.
Wilayah Kelurahan Kuala Pembuang I mempunyai luas areal 65 km² terdiri dari 3 RW
dan 29 RT. Tercatat sebanyak 2.360 KK bertempat tinggal di Kelurahan Kuala Pembuang I.
Mayoritas pekerjaan masyarakat Kuala Pembuang I adalah petani dan kesejahteraan

dikategorikan baik, ini terbukti dari penghasilan masyarakat rata-rata sebesar Rp 1.000.000,00
sampai Rp 1.500.000,00 per bulan.
Sarana publik terus dikembangkan sebagai bukti saat ini sudah ada 11 fasilitas
pendidikan (TK, SD/Sederajat, SMP/Sederajat, SMA/Sederajat), 5 fasilitas kesehatan (RSUD,
praktek Dokter, praktek Bidan, Posyandu, dan Apotek), 1 bandara, 1 kantor pos, dan 1
pelabuhan (Sumber: Profil Kelurahan Kuala Pembuang I Tahun 2014).
Sedangkan luas wilayah Kelurahan Kuala Pembuang II sebesar 74 km². Kelurahan
Kuala Pembuang II membawahi 3 RW dan 33 RT, jumlah kepala keluarga yang terdata
sebanyak 3.245 KK. Pembangunan di Kelurahan Kuala Pembuang II juga terus ditingkatkan.
Tercatat ada 16 fasilitas pendidikan, 4 fasilitas kesehatan, 14 fasilitas ibadah dan 2 fasilitas
bank. Sektor perekonomian di Kelurahan Kuala Pembuang II didominasi oleh perdagangan dan
UMKM (Sumber: Profil Kelurahan Kuala Pembuang II Tahun 2014).
c. Data Primer
Setelah disiapkan lembar kuisioner, maka disurvey ke rumah narasumber. Dengan
bentuk kuisioner multiple choice dan isian, akan mudah dipahami oleh narasumber. Untuk
mendapatkan jawaban pada lembar kuisioner menyerahkan sepenuhnya kepada narasumber,
karena tidak semua narasumber langsung memberi jawaban pada hari itu. Sehingga ada
saatnya lembar kuisioner ditinggal, kemudian diambil kembali pada keesokan hari.
Dari data sekunder, jumlah populasi Kelurahan Kuala Pembuang I sebanyak 2.360 KK
dan Kelurahan Kuala Pembuang II sebanyak 3.245 KK. Total populasi di dua Kelurahan
tersebut sebanyak 5.605 KK. Sebagai perhitungan awal disiapkan kuisioner sebanyak 10% ×
5.605 = 560,5 sampel. Untuk antisipasi disiapkan 700 lembar kuisioner.
d. Proses Rekapitulasi Data

Pengumpulan data diartikan sebagai proses mengidentifikasi, memilah,
mengelompokan, dan menghitung data hasil survey. Kuisioner yang dikumpulkan dipilah
berdasarkan tempat tinggal narasumber (RT dan Kelurahan). Pada lembar kuisioner yang telah
dikembalikan, direkap dengan memberi nomor pada setiap lembar kuisioner agar dapat
diketahui jumlah sampel yang diperoleh pada masing-masing RT.
Variabel-variabel yang diteliti dalam kuisioner direkap dalam bentuk tabulasi dengan
perangkat lunak microsoft excel. Sehingga memudahkan mengetahui jumlah total variabel yang
diteliti pada setiap RT.
3.4 Uji Kecukupan Sampel

Langkah ini dilakukan untuk memproyeksikan keterwakilan sampel yang disurvey. Hal
ini dimaksudkan agar jumlah sampel yang diperoleh dapat mewakili populasi yang ada.
Rumus (2.3) dipakai untuk menentukan jumlah data minimal yang diperlukan. Dengan
mengasumsikann bahwa populasi yang diteliti bersifat homogen. Karena keadaan di lapangan
yang tidak selalu homogen, agar jumlah data lebih mewakili dengan metode statika regresi,
maka dipakai rumus Slovin, atau menggunakan tabel Cohen-Manion and Morrison.
Dari 700 lembar kuisioner yang disurvey ke lapangan, sebanyak 524 lembar kuisioner
terisi dan dikembalikan (74,85%). Dengan rincian 183 lembar (26,14%) dari Kelurahan Kuala
Pembuang I dan 341 lembar (48,71%) dari Kelurahan Kuala Pembuang II. Hasil survey
disajikan dalam Lampiran 1.
Jumlah populasi yang disurvey di Kota Kuala Pembuang sebanyak 5.605 KK
(Kelurahan Kuala Pembuang I sebanyak 2.360 KK dan Kelurahan Kuala Pembuang II sebanyak
3245 KK). Untuk menentukan jumlah sampel ada tiga metode yang dipakai sebagai
pembanding. Pertama adalah 10% × Populasi. Rumus ini mengasumsikan populasi homogen
(seragam). Dengan rumus ini didapat sampel sebanyak 560,5 KK dibulatkan menjadi 561 KK.
Kedua yaitu dengan rumus Slovin. Rumus ini menentukan jumlah sampel berdasarkan
tingkat kepercayaan (akurasi) hasil survey. Semakin tinggi tingkat kepercayaan yang diinginkan
maka semakin rendah galat error. Pada survey ini dikehendaki tingkat kepercayaan 95%, maka
galat error sebesar 5% (diperoleh dari 100% - 95%). Jumlah sampel dihitung dengan
5605
menggunakan rumus (2.5) = 373,3 KK dibulatkan 374 KK.
1+ ( 5606×5 %2 )
Ketiga dengan menggunakan tabel Cohen-Manion and Morrison. Pada tabel ini
memuat jumlah populasi, jumlah sampel, tingkat kepercayaan, dan galat error (tabel 2.1).

Jumlah populasi sebanyak 5.605 berada diantara 5.000 dan 7.000 Tingkat kepercayaan yang
diinginkan 95% dengan galat error 5%. Untuk populasi jumlah 5.000 diperlukan jumlah sampel
357, sedangkan untuk jumlah populasi 7.000 diperlukan jumlah sampel sebanyak 365. Maka
untuk menghitung kebutuhan sampel dengan populasi berjumlah 5.605 dihitung dengan cara
interpolasi. Dari data di atas, untuk menghitung jumlah sampel dengan cara
(7500-5000) (365-357)
= diperoleh nilai x = 358,9 KK dibulatkan menjadi 359 KK.
(7500-5606) (365-x)
Dengan menggunakan ketiga cara di atas, menghasilkan jumlah sampel yang berbeda-
beda. Sebagai acuan adalah rumus Slovin dan tabel Cohen-Manion and Morrison. Dengan
alasan bahwa populasi di Kota Kuala Pembuang sifat dan kondisinya heterogen. Jumlah
sampel minimal 374 KK, sampel penelitian yang diperoleh sebanyak 524 KK dengan demikian
memenuhi kriteria tingkat kepercayaan yang diinginkan berdasarkan rumus Slovin dan tabel
Cohen-Manion and Morrison.
3.5 Tahap Pengolahan dan Analisa Data

Pada tahap pengolahan data, dihitung koefisien-koefisien yang telah diuraiakan pada
Bab II. Perhitungan dilakukan menggunakan menggunakan SPSS 11.5 for windows. Ada
sebelas variabel bebas yang diteliti setiap sampel yaitu: jumlah anggota KK (X 1), jumlah anak
sekolah (X2), jumlah PNS/Honorer (X3), jumlah motor (X4), jumlah mobil (X5), pendapatan
maksimal 1 juta (X6), pendapatan 1,1 juta sampai 2 juta (X 7), pendapatan 2,1 juta sampai 3 juta
(X8), 3,1 juta sampai 4 juta (X9), 4,1 juta sampai 5 juta (X10), dan pendapatan lebih dari 5 juta
(X11) pada wilayah RT di Kelurahan Kuala Pembuang I dan Kelurahan Kuala Pembuang II.
Sebagai variabel terikat adalah jumlah perjalanan (Y).
4. HASIL DAN PEMBAHASAN

4.1 Hasil Pengolahan Data
Data yang diperoleh dari hasil survey kemudian diolah dan disajikan dalam bentuk
diagram (lingkaran dan batang).
TUJUAN PERJALANAN KUALA PEMBUANG I

1% 8%
14%
37%
40%
SEKOLAH PASAR KANTOR TEMPAT REKREASI
Gambar 4.1 Prosentase Tujuan Perjalanan Kelurahan Kuala Pembuang I

TUJUAN PERJALANAN DI KUALA PEMBUANG II
1% 8%
18%
38%
36%
SEKOLAH PASAR KANTOR TEMPAT REKREASI
Gambar 4.2 Prosentase Tujuan Perjalanan Kelurahan Kuala Pembuang II
PENDAPATAN PENDUDUK KOTA KUALA PEMBUANG

180
160
140
120
100
80
60
40
20
0
Max.1 Juta 1,1 s/d 2 Juta 2,1 s/d 3 Juta 3,1 s/d 4 Juta 4,1 s/d 5 Juta > 5Juta
Gambar 4.3 Pendapatan bulanan Penduduk Kota Kuala Pembuang

4.2 Hasil Pengolahan Data Statistik
Analisis menggunakan data statistik diperoleh:
1. Model 1 ; variabel yang ada dalam persamaan regresi yaitu jumlah perjalanan (Y), jumlah
anggota KK (X1), jumlah anak sekolah (X2), jumlah PNS/Honorer (X3), jumlah motor (X4),
jumlah mobil (X5), pendapatan 1 juta (X6), pendapatan 2 juta (X7), pendapatan 3 juta (X8),
pendapatan 4 juta (X9), pendapatan 5 juta (X10), dan pendapatan > 5 juta (X11). Dari data
tabel 4.5 dituliskan persamaan regresi Y = 1,985 + 0,791X 1 + (- 1,420)X2 + 0,852X3 +
0,699X4 + 1,592X5 + 1,239X6 + 3,761X7 + 4,860X8 + 11,808X9 + 0,695X10 + 1,168X11.
Untuk menggunakan tabel t, harus mengetahui derajat bebas (db). Dihitung dengan N – k;
N = jumlah sampel, k = jumlah seluruh variabel. Nilai probabilitas (Pr) pada taraf
0,05
kepercayaan 95% sebesar α/2. Dengan α = 0,05 sehingga Pr = = 0,025. Nilai db = 48
2
– 12 = 36 ; Pr = 0,025. Maka dari tabel t diperoleh nilai t tabel = 2,02809. Dengan demikian
dapat dianalisa masing-masing variabel bebas.
a. Jumlah anggota KK (X1) ; thitung = 0,663 ; Signifikasi (p) = 0,512. Nilai t hitung < ttabel ,
berdasar uji t disimpulkan bahwa H0 diterima yaitu jumlah anggota KK (X 1) tidak
signifikan mempengaruhi jumlah perjalanan. Nilai Signifikasi (p hitung) = 0,512 > 0,05
maka H0 diterima yaitu jumlah anggota KK (X1) tidak signifikan mempengaruhi jumlah
perjalanan.
b. Jumlah anak sekolah (X2) ; thitung = - 1,180 ; Signifikasi (p) = 0,246. Nilai thitung < ttabel ,
berdasar uji t disimpulkan bahwa H0 diterima yaitu jumlah anak sekolah (X 2) tidak

maka H0 diterima yaitu jumlah anak sekolah (X 2) tidak signifikan mempengaruhi jumlah
perjalanan.
c. Jumlah PNS/Honorer (X3) ; thitung = 0,400 ; Signifikasi (p) = 0,692. Nilai t hitung < ttabel ,
berdasar uji t disimpulkan bahwa H0 diterima yaitu jumlah PNS/Honorer (X3) tidak
maka H0 diterima yaitu jumlah PNS/Honorer (X 3) tidak signifikan mempengaruhi jumlah
perjalanan.
d. Jumlah motor (X4) ; thitung = 0,559 ; Signifikasi (p) = 0,579. Nilai t hitung < ttabel , berdasar uji t
disimpulkan bahwa H0 diterima yaitu jumlah motor (X 4) tidak signifikan mempengaruhi
jumlah perjalanan. Nilai Signifikasi (phitung) = 0,579 > 0,05 maka H0 diterima yaitu jumlah
motor (X4) tidak signifikan mempengaruhi jumlah perjalanan.
e. Jumlah mobil (X5) ; thitung = 0,371 ; Signifikasi (p) = 0,713. Nilai thitung < ttabel , berdasar uji t
disimpulkan bahwa H0 diterima yaitu Jumlah Mobil (X 5) tidak signifikan mempengaruhi
jumlah perjalanan. Nilai Signifikasi (p hitung) = 0,713 > 0,05 maka H 0 diterima yaitu Jumlah
Mobil (X5) tidak signifikan mempengaruhi jumlah perjalanan.
f. Pendapatan 1 juta (X6) ; thitung = 0,235 ; Signifikasi (p) = 0,815. Nilai thitung < ttabel , berdasar
uji t disimpulkan bahwa H0 diterima yaitu pendapatan 1 juta (X 6) tidak signifikan
mempengaruhi Jumlah Perjalanan. Nilai Signifikasi (p hitung) = 0,815 > 0,05 maka H0
diterima yaitu pendapatan 1 juta (X6) tidak signifikan mempengaruhi jumlah perjalanan.
g. Pendapatan 2 juta (X7) ; thitung = 0,657 ; Signifikasi (p) = 0,515. Nilai thitung < ttabel , berdasar
mempengaruhi jumlah perjalanan. Nilai Signifikasi (p hitung) = 0,515 > 0,05 maka H 0
h. Pendapatan 3 juta (X8) ; thitung = 0,875 ; Signifikasi (p) = 0,397. Nilai thitung < ttabel , berdasar
i. Pendapatan 4 juta (X9) ; thitung = 1,809 ; Signifikasi (p) = 0,079. Nilai thitung < ttabel , berdasar
uji t disimpulkan bahwa H0 diterima yaitu Pendapatan 4 Juta (X9) tidak signifikan
j. Pendapatan 5 juta (X10) ; thitung = 0,070 ; Signifikasi (p) = 0,944. Nilai thitung < ttabel ,
berdasar uji t disimpulkan bahwa H0 diterima yaitu Pendapatan 5 Juta (X10) tidak
maka H0 diterima yaitu pendapatan 5 juta (X 10) tidak signifikan mempengaruhi jumlah
perjalanan.
k. Pendapatan >5 juta (X11) ; thitung = 0,127 ; Signifikasi (p) = 0,900. Nilai thitung < ttabel ,
berdasar uji t disimpulkan bahwa H0 diterima yaitu pendapatan >5 juta (X11) tidak
maka H0 diterima yaitu pendapatan >5 juta (X 11) tidak signifikan mempengaruhi jumlah
perjalanan.
Dari penjabaran di atas, maka disimpulkan variabel bebas yang paling tidak signifikan
terhadap jumlah perjalanan adalah pendapatan 5 juta (X10). Karena nilai thitung paling kecil
dan nilai probabilitas paling besar. Sehingga variabel ini dikeluarkan dari persamaan regresi
linear, menghasilkan model 2.
2. Model 2 ; yaitu model yang diperoleh setelah mengeluarkan sebuah variabel bebas yang
tidak signifikan (Pendapatan 5 Juta (X10)). Sehingga ada 10 variabel bebas dalam model 2
persamaan regresi linear. Dengan memperhatikan tabel 4.5 model 2 dituliskan Y = 2,558 +
0,831X1 + (-1,422)X2 + 0,563X3 + 0,725X4 + 1,593X5 + 1,006X6 + 3,497X7 + 4,696X8 +
11,563X9 + 0,992X11 .
Nilai derajat bebas (db) pada model 2 persamaan regresi linear ini dihitung dengan N – k;
N= jumlah sampel, k = jumlah seluruh variabel. Nilai probabilitas (Pr) pada taraf
0,05
kepercayaan 95% sebesar α/2. Dengan α = 0,05 sehingga Pr = = 0,025. Nilai db = 48
2
– 11 = 37 ; Pr = 0,025. Maka dari tabel t diperoleh nilai t tabel = 2,02619 kemudian dianalisa
masing-masing variabel bebas.

perjalanan.
perjalanan.
perjalanan.
disimpulkan bahwa H0 diterima yaitu jumlah mobil (X5) tidak signifikan mempengaruhi
mobil (X5) tidak signifikan mempengaruhi jumlah perjalanan.
i. Pendapatan 4 juta (X9) ; thitung = 2,123 ; Signifikasi (p) = 0,040. Nilai thitung > ttabel , berdasar
uji t disimpulkan bahwa H 0 ditolak artinya, pendapatan 4 juta (X 9) signifikan
mempengaruhi jumlah perjalanan. Nilai Signifikasi (p hitung) = 0,040 < 0,05 maka H 0
ditolak, dengan demikian pendapatan 4 juta (X 9) signifikan mempengaruhi jumlah
perjalanan. Sehingga variabel pendapatan 4 juta (X 9) harus dimasukkan dalam
persamaan regresi linear model 2.
j. Pendapatan >5 juta (X11) ; thitung = 0,114 ; Signifikasi (p) = 0,910. Nilai thitung < ttabel ,
berdasar uji t disimpulkan bahwa H0 diterima yaitu pendapatan >5 juta (X11) tidak
maka H0 diterima yaitu pendapatan >5 juta (X 11) tidak signifikan mempengaruhi jumlah
perjalanan.
Dari penjabaran di atas, maka disimpulkan variabel bebas yang paling tidak signifikan
terhadap jumlah Perjalanan adalah Pendapatan >5Juta (X11). Sehingga variabel ini
dikeluarkan dari persamaan regresi linear, menghasilkan model 3.
3. Model 3 ; yaitu model yang diperoleh setelah mengeluarkan sebuah variabel bebas yang
tidak signifikan pada model 2 persamaan regresi linear (pendapatan >5 juta (X11)).
Sehingga ada 9 variabel bebas dalam model 3 persamaan regresi linear. Dengan
memperhatikan tabel 4.5 model 3 dituliskan Y = 2,774 + 0,898X 1 + (-1,455)X2 + 0,563X3 +
0,748X4 + 1,538X5 + 0,725X6 + 3,237X7 + 4,339X8 + 11,342X9.

Nilai db = 48 – 10 = 38 ; nilai probabilitas (Pr) pada taraf kepercayaan 95% sebesar α/2.
0,05
Dengan α = 0,05 sehingga Pr = = 0,025. Dari tabel t diperoleh nilai t tabel = 2,02439.
2
Selanjutnya dianalisa sebagai berikut :
perjalanan.
perjalanan.
perjalanan.
d. Jumlah Motor (X4) ; thitung = 0,655 ; Signifikasi (p) = 0,517. Nilai t hitung < ttabel , berdasar uji t
disimpulkan bahwa H0 diterima yaitu Jumlah Mobil (X 5) tidak signifikan mempengaruhi
i. Pendapatan 4 juta (X9) ; thitung = 2,260 ; Signifikasi (p) = 0,030. Nilai thitung > ttabel , berdasar
Dari hasil analisa di atas, maka disimpulkan variabel bebas yang paling tidak signifikan
terhadap jumlah perjalanan adalah pendapatan 1 juta (X6). Sehingga variabel ini
4. Model 4 ; dengan dieliminasi variabel pendapatan 1 juta (X 6) maka pada model 4
persamaan regresi tersisa 8 variabel bebas. Dari informasi tabel 4.5 dituliskan persamaan
regresi linear Y = 3,998 + 1,035X 1 + (-1,498)X2 + 0,569X3 + 0,740X4 + 1,294X5 + 2,651X7 +
3,706X8 + 10,575X9.
0,05
2

perjalanan.
berdasar uji t disimpulkan bahwa H0 diterima yaitu Jumlah anak sekolah (X2) tidak
perjalanan.
perjalanan.
disimpulkan bahwa H0 diterima yaitu jumlah mobil (X5) tidak signifikan mempengaruhi
h. Pendapatan 4 juta (X9) ; thitung = 2,854 ; Signifikasi (p) = 0,007. Nilai thitung > ttabel , berdasar
terhadap jumlah perjalanan adalah jumlah mobil (X5). Sehingga variabel ini dikeluarkan dari
persamaan regresi linear, menghasilkan model 5.
5. Model 5 ; dengan dikeluarkan variabel jumlah mobil (X5) dari persamaan regresi linear,
model 5 memuat 7 variabel bebas yaitu jumlah anggota KK (X1), jumlah anak sekolah (X2),
jumlah PNS/Honorer (X3), jumlah motor (X4), pendapatan 2 juta (X7), pendapatan 3 juta (X8),
pendapatan 4 juta (X9). Model persamaan regresi linear yang terbentuk yaitu Y = 3,311 +
0,985X1 + (-1,387)X2 + 0,752X3 + 0,847X4 + 2,682X7 + 3,616X8 + 10,881X9. Nilai db = 48 – 8
= 40 ; nilai probabilitas (Pr) pada taraf kepercayaan 95% sebesar α/2. Dengan α = 0,05
0,05
sehingga Pr = = 0,025. Dari tabel t diperoleh nilai ttabel = 2,02108. Selanjutnya
2
dianalisa sebagai berikut :
perjalanan.

perjalanan.
perjalanan.
e. Pendapatan 2 juta (X7) ; thitung = 1,098 ; Signifikasi (p) = 0,279. Nilai thitung < ttabel , berdasar
g. Pendapatan 4 juta (X9) ; thitung = 3,070 ; Signifikasi (p) = 0,004. Nilai thitung > ttabel , berdasar
persamaan regresi linear model.
terhadap jumlah perjalanan adalah jumlah PNS/Honorer (X3). Sehingga variabel ini
6. Model 6 ; dengan dikeluarkan variabel jumlah PNS/Honorer (X3) dari persamaan regresi
linear, model 6 memuat 6 variabel bebas yaitu jumlah anggota KK (X1), jumlah anak
sekolah (X2), jumlah motor (X4), pendapatan 2 juta (X7), pendapatan 3 juta (X8), pendapatan
4 juta (X9). Persamaan regresi yang terbentuk adalah Y = 4,185 + 1,046X 1 + (-1,506)X2 +
1,052X4 + 2,613X7 + 3,667X8 + 11,391X9. Nilai db = 48 – 7 = 41 ; nilai probabilitas (Pr) pada
0,05
taraf kepercayaan 95% sebesar α/2. Dengan α = 0,05 sehingga Pr = = 0,025. Dari
2
tabel t diperoleh nilai ttabel = 2,01954. Selanjutnya dianalisa sebagai berikut :
perjalanan.
perjalanan.
c. Jumlah motor (X4) ; thitung = 1,055 ; Signifikasi (p) = 0,297. Nilai t hitung < ttabel , berdasar uji t
d. Pendapatan 2 juta (X7) ; thitung = 1,101 ; Signifikasi (p) = 0,277. Nilai thitung < ttabel , berdasar
e. Pendapatan 3 juta (X8) ; thitung = 1,338 ; Signifikasi (p) = 0,188. Nilai thitung < ttabel , berdasar

f. Pendapatan 4 juta (X9) ; thitung = 3,349 ; Signifikasi (p) = 0,002. Nilai thitung > ttabel , berdasar
terhadap jumlah perjalanan adalah jumlah motor (X4). Sehingga variabel ini dikeluarkan dari
persamaan regresi linear, menghasilkan model 7.
7. Model 7 ; dengan dieliminasi variabel jumlah motor (X4) maka pada model 7 persamaan
regresi tersisa 5 variabel bebas. Dari data tabel 4.5 dituliskan persamaan regresi linear Y =
3,624 + 1,308X1 + (-1,505)X2 + 2,981X7 + 3,962X8 + 12,260X9.
0,05
2
a. Jumlah anggota KK (X1) ; thitung = 2,744 ; Signifikasi (p) = 0,009. Nilai thitung > ttabel ,
berdasar uji t disimpulkan bahwa H0 ditolak artinya jumlah anggota KK (X 1) signifikan
ditolak yaitu jumlah anggota KK (X 1) tebukti signifikan mempengaruhi jumlah
perjalanan. Oleh karena itu, variabel jumlah anggota KK (X 1) harus ada dalam
perjalanan.
c. Pendapatan 2 juta (X7) ; thitung = 1,268 ; Signifikasi (p) = 0,212. Nilai thitung < ttabel , berdasar
d. Pendapatan 3 juta (X8) ; thitung = 1,451 ; Signifikasi (p) = 0,154. Nilai thitung < ttabel , berdasar
e. Pendapatan 4 juta (X9) ; thitung = 3,710 ; Signifikasi (p) = 0,001. Nilai thitung > ttabel , berdasar
8. Model 8 ; dengan dieliminasi variabel pendapatan 2 juta (X7) maka pada model 8
persamaan regresi tersisa 4 variabel bebas. Dari data tabel 4.5 dituliskan persamaan
regresi linear Y = 3,308 + 1,530X1 + (-1,484)X2 + 4,195X8 + 10,910X9.
0,05
2
ditolak yaitu jumlah anggota KK (X1) tebukti signifikan mempengaruhi Jumlah

Perjalanan. Oleh karena itu, variabel jumlah anggota KK (X 1) harus ada dalam
perjalanan.
c. Pendapatan 3 juta (X8) ; thitung = 1,529 ; Signifikasi (p) = 0,134. Nilai thitung < ttabel , berdasar
d. Pendapatan 4 juta (X9) ; thitung = 3,463 ; Signifikasi (p) = 0,001. Nilai thitung > ttabel , berdasar
terhadap jumlah perjalanan adalah jumlah anak sekolah (X2). Sehingga variabel ini
9. Model 9 ; dengan dieliminasi variabel jumlah anak sekolah (X2) maka pada model 9
persamaan regresi tersisa 3 variabel bebas. Variabel tersebut yaitu jumlah anggota KK (X1),
pendapatan 3 juta (X8), Pendapatan 4 juta (X9). Dari informasi tabel 4.5 dituliskan
persamaan regresi linear Y = 3,963 + 1,032X1 + 4,621X8 + 9,528X9.
0,05
2
b. Pendapatan 3 juta (X8) ; thitung = 1,673; Signifikasi (p) = 0,101. Nilai t hitung < ttabel , berdasar
c. Pendapatan 4 juta (X9) ; thitung = 3,132 ; Signifikasi (p) = 0,003. Nilai thitung > ttabel , berdasar
uji t disimpulkan bahwa H 0 ditolak artinya, Pendapatan 4 juta (X 9) signifikan
10. Model 10 ; dengan dieliminasi variabel pendapatan 3 juta (X8) maka pada model 10
persamaan regresi tersisa 2 variabel bebas. Variabel tersebut yaitu jumlah anggota KK (X1),
dan pendapatan 4 juta (X9). Dari data tabel 4.5 dituliskan persamaan regresi linear Y = (-
0,074) + 1,242X1 + 11,492X9.
0,05
2

b. Pendapatan 4 juta (X9) ; thitung = 4,016 ; Signifikasi (p) = 0,000. Nilai thitung > ttabel , berdasar
Dari hasil analisa di atas, maka disimpulkan dua variabel bebas tersebut (jumlah
anggota KK (X1) dan pendapatan 4 juta (X9)) signifikan terhadap jumlah perjalanan.
Sehingga kedua variabel bebas tersebut dimasukkan ke dalam model persamaan
regresi linear. Dengan diperoleh variabel bebas yang signifikan maka analisa variabel
selesai.
Dengan hasil penjabaran kesepuluh model persamaan regresi linear di atas,
maka ditarik kesimpulan bahwa model ke-10 adalah model terbaik untuk dijadikan
persamaan regresi linear jumlah perjalanan. Jadi, persamaan regresi linear berganda
untuk bangkitan-tarikan di Kota Kuala Pembuang berdasarkan hasil survey penelitian ini
adalah Y = (-0,74) + 1,242X1 + 11,492X9. Dimana X1 adalah variabel bebas jumlah
anggota KK, dan X9 adalah variabel bebas pendapatan 3,1 juta sampai 4 juta.
5. PENUTUP
5.1 Kesimpulan
Berdasarkan hasil yang diperoleh pada Bab Hasil dan Pembahasan, disimpulkan sebagai
berikut:
1. Karakteristik bangkitan-tarikan dan sebaran pergerakan yang terjadi di Kota Kuala
Pembuang pada saat survey ini dilaksanakan adalah bangkitan-tarikan yang didominasi
tujuan pasar dan tujuan kantor. Dengan rincian berikut:
a. Bangkitan-tarikan dengan zona tujuan pasar 38%
b. Bangkitan-tarikan dengan zona tujuan kantor 37%
c. Bangkitan-tarikan dengan zona tujuan sekolah 16%
d. Bangkitan-tarikan dengan zona tujuan tempat lainnya 8%
e. Bangkitan-tarikan dengan zona tujuan tempat rekreasi 1%
2. Persamaan Regresi Linear Berganda yang paling ideal untuk memproyeksikan jumlah
bangkitan-tarikan pergerakan di Kota Kuala Pembuang pada saat survey ini dilaksanakan
adalah Y = (-0,74) + 1,242 X1 + 11,492X9. Dimana :
Y = Jumlah Perjalanan
X1 = Jumlah Anggota KK
X9 = Jumlah Pendapatan 3,1 juta sampai 4 juta
Nilai R = 0,692 ; R2 = 0,479 ; Adjusted R2 = 0,456 ; Standar Error Of the Estimate = 27,925
5.2 Saran
1. Untuk lebih mendapatkan kecukupan data, penelitian selanjutnya sebaiknya memperkecil
taraf signifikasi.
2. Masyarakat harus lebih kooperatif dan terbuka terhadap informasi yang diperlukan untuk
kepentingan penelitian.
3. Dengan dominasi pergerakan bangkitan-tarikan di Kota Kuala Pembuang adalah ke zona
pasar dan zona kantor, pihak-pihak terkait harus menyediakan ruang gerak yang cukup di
kawasan pasar dan perkantoran.
DAFTAR PUSTAKA
Damanhuri, Enri, 1989, Pendekatan Sistem Dalam Pengendalaian dan Pengoperasian sistem
Jaringan Distribusi Air Minum, Bandung, Jurusan Teknik Lingkungan FTSP-ITB.

Linsley, R.K dan J.B Franzini. 1995. Teknik Sumber Daya Air Jilid 1 Dan 2 (terjemahannya).
Erlangga. Jakarta.
Soewarno. 1995. Hidrologi (Aplikasi Metode Statistik Untuk Analisis Data) NOVA. Bandung
Kanth Rao, Kamala, 1999, Environmental Engineering : Water Supply Sanitary Engineering and
Pollution, McGraw Hill Publishing Company Ltd
Keputusan Mentri Kesehatan Republik Indonesia Nomor 416/Menkes/PER/IX/1990 Syarat –

Syarat dan Pengawasan Kualaitas Air Bersih
Peraturan Mentri Dalam Negeri Nomor 23 Tahun 2006, Volume Kehilangan Air Standar dihitung
Berdasarkan Standar Prosentase.
Kodoatei, Robert, Ph.D, 2003, Manajemen dan Rekayasa Infrastruktur, Yogyakarta, Pustaka
Pelajar.
Peavy, Howard. 1985, Environmental Engineering, New Delhi, McGraw-Hill Publishing

Company Ldt.
Anonim, 2008. Studi Kelayakan Ekonomi. Diklat kuliah. Universitas Indonesia. Jakarta
Anonymous, 1998. Petunjuk Teknis Perancangan Rancangan Teknik Sistem Penyediaan Air
Bersih, Volume 1, Depertemen Pekerjaan Umum, Direktorat Jenderal Cipta Karya,
Jakarta.
Linsey, R.K and JosephB Franzini, Djoko Sasongko 1996. Teknik Sumber Daya Air, Jilid 1 Edisi
Ke Tiga, Erlangga, Jakarta
Gittinger, J. P . 1986. Analisis Ekonomi Proyek-proyek Pertanian. UI –Press. Jakarta.
Malikusuma, S, 1981. Dasar-dasar Demografi. Lembaga Demografi FE-UI. Jakarta.
Ibrahim Yacob, 2009. Studi Kelayakan Bisnis, Rineka Cipta, Jakarta


Pemodelan Bangkitan-Tarikan Pergerakan Di Kota Kuala Pembuang

Diunggah oleh

Informasi Dokumen

Judul Asli

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

Pemodelan Bangkitan-Tarikan Pergerakan Di Kota Kuala Pembuang

Diunggah oleh

Hak Cipta:

Format Tersedia

PEMODELAN BANGKITAN-TARIKAN PERGERAKAN

DI KOTA KUALA PEMBUANG

Donny DJ Leihitu (1), Andi Sutanto (2),

Kata Kunci : bangkitan-tarikan, mode, regresi linier berganda.

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

1.2 Rumusan Masalah

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

1.4 Batasan Masalah

1.5 Manfaat Penelitian

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

2.3 Model Bangkitan-Tarikan Pergerakan

2.3.1 Metode Faktor Pertumbuhan (Analog)

2.3.2 Metode Analisis-Korelasi

2.3.3 Metode Analisis Regresi Linear

a. Model Analisis Regresi Linear Sederhana

b. Model Analisis Regresi Linear Berganda

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

2.3.4 Metode Analisis Kategori (Analisis Klasifikasi Silang)

2.3.5 Metode Sintetis (Analitis)

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

2.4 Tahapan Uji Statistik

2.4.1 Uji Kecukupan Sampel

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

2.4.3 Koefisien Determinasi (R²)

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

2.4.5 Uji F (F- test)

2.4.6 Uji t (t-test)

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

DATA PRIMER DATA SEKUNDER

Gambar 3.1 Skema Alur Penelitian

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

3.3 Proses Pelaksanaan Penelitian

3.3.2 Tahap Pengumpulan Data

Gambar 3.2 Peta Lokasi Survey

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

d. Proses Rekapitulasi Data

3.4 Uji Kecukupan Sampel

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

3.5 Tahap Pengolahan dan Analisa Data

4. HASIL DAN PEMBAHASAN

TUJUAN PERJALANAN KUALA PEMBUANG I

SEKOLAH PASAR KANTOR TEMPAT REKREASI

Gambar 4.1 Prosentase Tujuan Perjalanan Kelurahan Kuala Pembuang I

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

SEKOLAH PASAR KANTOR TEMPAT REKREASI

Gambar 4.2 Prosentase Tujuan Perjalanan Kelurahan Kuala Pembuang II

PENDAPATAN PENDUDUK KOTA KUALA PEMBUANG

Gambar 4.3 Pendapatan bulanan Penduduk Kota Kuala Pembuang

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI

Keputusan Mentri Kesehatan Republik Indonesia Nomor 416/Menkes/PER/IX/1990 Syarat –

Peavy, Howard. 1985, Environmental Engineering, New Delhi, McGraw-Hill Publishing

Gittinger, J. P . 1986. Analisis Ekonomi Proyek-proyek Pertanian. UI –Press. Jakarta.

Malikusuma, S, 1981. Dasar-dasar Demografi. Lembaga Demografi FE-UI. Jakarta.

Ibrahim Yacob, 2009. Studi Kelayakan Bisnis, Rineka Cipta, Jakarta

JURNAL PENELITIAN DOSEN FAKULTAS TEKNIK UNIVERSITAS DARWAN ALI