ANALISIS BANGKITAN DAN TARIKAN PERGERAKAN

(Studi Kasus: PERHOTELAN BERBINTANG TIGA DAN EMPAT DI KECAMATAN

BALIKPAPAN KOTA)
Ahmad Fitriyadi, Fadhilah Wijaya, Muhammad Ananta Hiefmananda Putra,
Muhammad Bilal, Rafly Mochammad Poetra, Yudha Buana Patra
Teknik Sipil, Jurusan Teknik Sipil dan Perencanaan, Institut Teknologi Kalimantan, Balikpapan.

Abstract
Trip generation and attraction is important to analyse, especially at an activity centre that has the potential to have
a high level of attraction and generation. One of the centres of activity in question are hotel. Hotels can cause
high traction and generation originating from the attractiveness of the facilities provided and can disrupt the
smooth flow of existing traffic. The data used as a factor consisted of the number of employees, parking capacity,
number of facilities, number of rooms, and room types provided for each of the 4 hotels that we obtained data
(Aston Hotel, Le Grandeur Hotel, Menara Bahtera Hotel, Pacific Hotel). The method used in this research is
multiple linear regression. From the results of the analysis, the results show that the variable number of
employees, number of facilities, and room type are factors that have a great influence on the generation and
attraction in Balikpapan Kota sub-district. From the calculation, it is learned that the equation for trip attraction
is Y=92,674+0,012X1+0,966X4+12,606X6, while for trip generation is Y=103,266+0,031X1+5,775X4+19,738X6.

Keywords: attraction, generation, hotel.

Abstrak
Bangkitan dan tarikan pergerakan penting untuk dianalisis, terutama pada suatu pusat kegiatan yang berpotensi
memiliki bangkitan dan tarikan yang tinggi. Salah satu pusat kegiatan yang dimaksud adalah perhotelan. Hotel
dapat menimbulkan bangkitan dan tarikan yang tinggi, berdasarkan dari daya tarik fasilitas yang disediakan dan
bisa mengganggu kelancaran lalu lintas yang ada. Data yang digunakan sebagai faktor terdiri dari jumlah
karyawan, kapasitas parkiran, jumlah fasilitas, jumlah kamar, dan tipe kamar yang disediakan masing-masing
dari 4 hotel yang kami peroleh datanya (Aston Hotel, Le Grandeur Hotel, Menara Bahtera Hotel, Pacific Hotel).
Metode yang digunakan dalam penelitian ini adalah regresi linier berganda. Dari hasil analisis diperoleh hasil
bahwa variabel jumlah karyawan, jumlah fasilitas, dan tipe kamar menjadi faktor yang berpengaruh besar
terhadap bangkitan dan tarikan di daerah kecamatan Balikpapan Kota. Berdasarkan perhitungan, diketahui
bahwa hasil nilai akhir untuk persamaan tarikan adalah Y=92,674+0,012X1+0,966X4+12,606X6. Sementara
untuk nilai bangkitan digunakan persamaan Y=103,266+0,031X 1+5,775X4+19,738X6.

Kata kunci: bangkitan, hotel, tarikan.

PENDAHULUAN Balikpapan, merupakan daerah pusat kota dari Kota

Latar Belakang
Bangkitan dan tarikan pergerakan merupakan
faktor-faktor yang mempengaruhi lalu lintas.
bangkitan pergerakan merupakan teknik untuk
memperkirakan banyaknya kendaraan yang
mengunjungi suatu daerah, akibat daya tarik dari
daerah tersebut, dan tarikan pergerakan menciptakan
tempat yang menarik pengendara kendaraan
bermotor untuk datang.
Pertumbuhan lalu lintas yang selalu bertambah
setiap tahunnya akan berdampak pula pada
bangkitan dan tarikan pergerakan yang nilainya
semakin tinggi. Daerah Kecamatan Balikpapan
Kota, yang terletak di pesisir pantai Kota
Balikpapan. Hal ini dikarenakan daerah terebut
merupakan pusat perkantoran, baik dari pemerintah
maupun swasta. Terdapat pula berbagai pusat
perbelanjaan, perhotelan, dan restoran yang
mendukung aktivitas industri jasa di daerah tersebut.
Dengan mengukur nilai tarikan pergerakan yang
diakibatkan oleh perhotelan yang di Kecamatan
Balikpapan Kota, maka akan didapatkan nilai
bangkitan pergerakan.
Dalam pencarian data yang terkait untuk
keperluan penelitian, terdapat keterbatasan waktu
dan tenaga yang dibutuhkan dalam melaksanakan
survei. Beberapa hotel tidak memiliki data jumlah
kendaraan akibat fasilitas parkir gratis, sehingga

1
DOI: 10.13140/RG.2.2.35595.44326
diperlukan survei lebih lanjut secara manual dengan
cara counting, yaitu di Hotel Aston, Le Grandeur,
Menara Bahtera, dan Pacific. Metode yang
dilakukan untuk memperoleh data adalah yang
pertama dengan pengambilan data primer secara
langsung di lapangan, yaitu dengan cara counting
volume lalu lintas dari setiap jenis kendaraan.
Sementara data yang kedua berupa data sekunder
yang bersumber dari pihak manajemen hotel terkait,
yaitu luas bangunan dan tanah, luas parkiran beserta
kapasitasnya.
Hasil penelitian yang diharapkan adalah
mengetahui nilai bangkitan dan tarikan pergerakan,
sehingga penelitian ini dapat dijadikan referensi bagi
pemerintah dalam pemecahan permasalahan lalu
lintas yang dilakukan untuk mengurangi adanya
penambahan hambatan samping akibat dari
pembangunan yang kurang terencanakan.
Rumusan Masalah
Adapun rumusan masalah yang akan dibahas
pada penelitian ini adalah sebagai berikut:
1. Berapakah nilai bangkitan pergerakan di
Kecamatan Balikpapan Kota.
2. Berapakah nilai tarikan pergerakan di
Kecamatan Balikpapan Kota.
Tujuan
Adapun tujuan yang akan dibahas pada
penelitian ini adalah sebagai berikut:
1. Untuk mengetahui nilai bangkitan pergerakan
di Kecamatan Balikpapan Kota.
2. Untuk mengetahui nilai tarikan pergerakan di
Kecamatan Balikpapan Kota.
DASAR TEORI
Menurut Fidel, 2005, transportasi diartikan
sebagai usaha pemindahan atau pergerakan dari
suatu lokasi ke lokasi yang lainnya dengan
menggunakan suatu alat tertentu. Fungsi transportasi
antara lain memudahkan aktivitas manusia dalam
kehidupan sehari-hari, menunjang perkembangan
pembangunan, dan melayani pengembangan
kegiatan sektor-sektor lain, memindahkan atau
mengangkut muatan (barang dan manusia) dari suatu
tempat ke tempat lain, serta menambah dan
menciptakan time utility.
Arus Lalu Lintas
Menurut MKJI, 1997, arus lalu lintas adalah
jumlah kendaraan yang melewati suatu titik jalan per
satuan waktu. Pada persimpangan, arus lalu lintas
(Q) untuk setiap gerakkan (belok dan lurus)
dikonversi dari kendaraan per jam menjadi satuan
DOI: 10.13140/RG.2.2.35595.44326
mobil penumpang (smp) per jam dengan
menggunakan ekuivalen kendaraan penumpang
(emp) yang diturunkan secara empiris untuk tipe
kendaraan berikut: a) Kendaraan ringan (LV), b)
Kendaraan berat (HV), c) Sepeda motor (MC), dan
d) Kendaraan tidak bermotor (UM). Nilai emp untuk
setiap jenis kendaraan dan untuk masing-masing
pendekat diperhatikan yaitu:
Tabel 1. Nilai Emp Tiap Jenis Kendaraan
Tipe emp
Kendaraan Pendekat terlindung Pendekat terlawan
LV 1,0 1,0
HV 1,3 1,3
MC 0,2 0,4
UM 0,5 1,5
(Sumber: MKJI, 1997)
Konsep Perencanaan Transportasi
Menurut Tamin, 1997, terdapat beberapa
konsep perencanaan transportasi yang telah
berkembang sampai saat ini, dimana yang paling
populer adalah Model Perencanaan Transportasi
Empat Tahap, yaitu Bangkitan dan Tarikan
Pergerakan (Trip Attraction & Generation),
Distribusi Pergerakan Lalu Lintas (Trip
Distribution), Pemilihan Moda (Modal Choice), dan
Pembebanan Lalu Lintas (Trip Assignment). Model
perencanaan ini juga dapat merupakan gabungan
dari beberapa seri sub model yang masing-masing
harus dilakukan secara terpisah dan berurutan,
dimana sub model tersebut adalah Aksesibilitas,
Bangkitan dan Tarikan Pergerakan, Sebaran
Pergerakan, Pemilihan Moda, Pemilihan Rute, dan
Arus Lalu Lintas Dinamis.
Bangkitan dan Tarikan Pergerakan
Bangkitan pergerakan adalah tahapan
pemodelan yang memperkirakan jumlah pergerakan
yang berasal dari suatu zona atau tata guna lahan dan
jumlah pergerakan yang tertarik ke suatu zona atau
tata guna lahan. Pada dasarnya, bangkitan
pergerakan dapat dikelompokkan menjadi dua,
yaitu: a) Lalu lintas yang meninggalkan suatu lokasi,
disebut juga sebagai Bangkitan Pergerakan (Trip
Generation), dan b) Lalu lintas yang menuju suatu
lokasi, disebut juga sebagai Tarikan Pergerakan
(Trip Attraction).
Bangkitan dan tarikan pergerakan dapat
diilustrasikan sebagai berikut ini.
2

Gambar 1. Bangkitan dan Tarikan Pergerakan
(Sumber: Wells, 1975)
Metode yang digunakan untuk memprediksi
Bangkitan Pergerakan adalah dengan menggunakan
pembanding terhadap kegiatan sejenis. Menurut
Munawar, 2012, metode yang digunakan adalah
dengan memperkirakan dampak lalu lintas jika
dibangun pusat kegiatan tersebut, dan usaha yang
dilakukan untuk mengatasinya. Untuk kegiatan
pembanding, digunakan Hotel sebagai pembanding
kegiatan yang sudah berjalan. Sedangkan Hotel
sebagai pembanding kegiatan hotel.
Persamaan untuk menentukan trip rate
digunakan pengembangan rumus dari Tamin, 2000,
yaitu:
𝑋 𝑋`
= yang secara khusus memiliki banyak variabel bebas.
𝑇𝑅 100 𝑚²
Dimana :
TR : Nilai trip rate
X : Jumlah kendaraan yang keluar atau masuk
pada lokasi pembanding (smp/jam)
X` : Luas bangunan pada lokasi pembanding
(m²)
Kemudian, untuk menentukan nilai bangkitan
dan tarikan pergerakan pada lokasi digunakan rumus
sebagai berikut:
𝐴 X1, …, Xn : Variabel bebas
𝑂𝐷𝑖𝑗 = 𝑥 𝑇𝑅
100 𝑚²
Dimana :
ODij : Nilai bangkitan atau tarikan pergerakan
pada lokasi yang diinginkan (smp/jam)
A : Luas bangunan pada lokasi yang ditinjau
(m²)
TR : Trip rate pada lokasi pembanding
(smp/jam)
Koefisien Determinasi
Koefisien Determinasi (R²) didefinisikan
sebagai nisbah antara variasi terdefinisi dengan
variasi total. Rumus dari koefisien determinasi
adalah:
∑𝑖 (Ŷ𝑖 − Ȳ𝑖 )²
𝑅² =
∑𝑖 (𝑌𝑖 − Ȳ𝑖 )²
Koefisien ini mempunyai batas limit sebesar
satu (perfect explanation) dan nol (no explanation).
Nilai antara kedua batas limit ini ditafsirkan sebagai
DOI: 10.13140/RG.2.2.35595.44326
persentase total variasi yang dijelaskan oleh analisis
Regresi Linier.
Koefisien Korelasi
Koefisien korelasi digunakan untuk
menentukan korelasi antara peubah tidak bebas
dengan peubah antara sesama peubah bebas.
Digunakan rumus berikut:
𝑁 . ∑𝑖(𝑋𝑖 𝑌𝑖 ) − ∑𝑖(𝑋𝑖 ) ∑𝑖 (𝑌𝑖 )
𝑟=
√[𝑁 . ∑𝑖 (𝑋𝑖2 ) − (∑𝑖(𝑋𝑖 ))2 ][𝑁 . ∑𝑖 (𝑌𝑖2 ) − (∑𝑖 (𝑌𝑖 ))2]
Terdapat tiga kemungkinan korelasi antara
peubah X dengan Y, yaitu: a) Jika nilai r adalah 1,
korelasi antara peubah x dan y adalah positif
(meningkatnya nilai X akan mengakibatkan
meningkatnya nilai Y), b) Jika nilai r adalah -1,
korelasi antara peubah X dan Y adalah negatif
(meningkatnya nilai X akan mengakibatkan
menurunnya nilai Y), dan c) Jika nilai r adalah nol,
maka tidak ada korelasi antara peubah.
Regresi Linier Berganda
Regresi linier berganda merupakan
pengembangan lanjut dari regresi linier sederhana
Hal ini diperlukan karena di lapangan menunjukkan
bahwa beberapa peubah tata guna lahan secara
simultan mempengaruhi bangkitan pergerakan.
Rumus yang digunakan adalah sebagai berikut:
𝑌 = 𝐴 + 𝐵1 𝑋1 + 𝐵2 𝑋2 + ⋯ + 𝐵𝑛 𝑋𝑛
Dimana :
Y : Variabel tak bebas
A : Konstanta regresi
B1, …, Bn : Koefisien regresi
Untuk mencari nilai A, B1, dan B2, dapat
digunakan rumus sebagai berikut:
𝛴𝑌 = 𝐴 . 𝑁 + 𝐵1 𝑋1 + 𝐵2 𝑋2
𝛴𝑋1 𝑌 = 𝐴 . 𝛴𝑋1 + 𝐵1 . 𝛴𝑋1 ² + 𝐵2 . 𝛴𝑋1 𝑋2
𝛴𝑋2 𝑌 = 𝐴 . 𝛴𝑋2 + 𝐵1 . 𝛴𝑋1 𝑋2 + 𝐵2 . 𝛴𝑋2 ²
Kemudian, dapat digunakan rumus alternatif
oleh Djarwanto, 1993, untuk mendapatkan nilai A,
B1, dan B2.
(𝛴𝑥2 ²)(𝛴𝑥1 𝑦) − (𝛴𝑥1 𝑥2 )(𝛴𝑥2 𝑦)
𝐵1 =
(𝛴𝑥1 ²)(𝛴𝑥2 ²) − (𝛴𝑥1 𝑥2 )²
(𝛴𝑥1 ²)(𝛴𝑥2 𝑦) − (𝛴𝑥1 𝑥2 )(𝛴𝑥1 𝑦)
𝐵2 =
(𝛴𝑥1 ²)(𝛴𝑥2 ²) − (𝛴𝑥1 𝑥2 )²
𝐴 = 𝑌 − 𝐵1 𝑋1 − 𝐵2 𝑋2
(𝛴𝑋1 )²
𝛴𝑥1 ² = 𝛴𝑋1 ² −
𝑁
(𝛴𝑋2 )²
𝛴𝑥2 ² = 𝛴𝑋2 ² −
𝑁
(𝛴𝑋1 )(𝛴𝑌)
𝛴𝑥1 𝑦 = 𝛴𝑋1 𝑌 −
𝑁
3
 (𝛴𝑋2 )(𝛴𝑌) Arus Lalu Lintas
𝛴𝑥2 𝑦 = 𝛴𝑋2 𝑌 −
𝑁 Dengan menggunakan rumus, diperoleh nilai
(𝛴𝑋1 )(𝛴𝑋2 ) arus lalu lintas, sebagai berikut:
𝛴𝑥1 𝑥2 = 𝛴𝑋1 𝑋2 −
𝑁 Tabel 2. Tabel Perhitungan S0
Terdapat beberapa asumsi yang harus S0 Masuk S0 Keluar
diperhatikan dalam menggunakan analisis regresi Hotel
(smp/jam) (smp/jam)
linier berganda, yaitu: a) Nilai variabel, khususnya
variabel bebas mempunyai nilai tertentu atau Aston 45,8 56,4
merupakan nilai yang didapat dari hasil survei tanpa
Le Grandeur 12,2 19,4
kesalahan yang berarti, b) Variabel tidak bebas (Y)
harus mempunyai hubungan korelasi linier dengan Menara
variabel bebas (X). Jika hubungan tersebut tidak 19,6 19,4
Bahtera
linear, transformasi linier harus dilakukan meskipun Pacific 20 10,2
batasan ini akan mempunyai implikasi lain dalam
(Sumber: Penulis, 2019)
analisis residual, c) Pengaruh variabel bebas pada
variabel tidak bebas merupakan penjumlahan dan
Data Variabel Bebas
harus tidak ada korelasi yang kuat antara sesama
Berdasarkan data survei sekunder, diperoleh
variabel bebas, d) Variansi variabel tidak bebas
variabel bebas yang mempengaruhi nilai regresi
terhadap garis regresi harus sama untuk semua nilai
linier berganda, sebagai berikut:
variabel bebas, dan e) Nilai variabel bebas sebaiknya
Tabel 3. Tabel Data Variabel Bebas
merupakan besaran yang relatif mudah
Hotel
diproyeksikan.
Me
Keterangan Le
No. nara
METODE PENELITIAN Data Aston Gran Pacific
Bah
Diagram Alir Penelitian deur
tera
X1 Karyawan 105 76 186 74
START X2 Parkir R4 280 20 225 50
X3 Parkir R2 300 50 100 250
X4 Fasilitas 5 9 5 4
Studi literatur X5 Jumlah Kamar 120 185 185 99
X6 Tipe Kamar 4 7 6 6
Pembuatan formulir survei (Sumber: Penulis, 2019)
perhitungan lalu lintas Melalui program bantu SPSS Statistics,
didapatkan perhitungan sebagai berikut:
Pelaksanaan survei
Tabel 4. Tabel Data Statistik Variabel Bebas
Kode Rerata Std. Deviasi N
Y (S0) 24,40 14,711 4
FINISH
X1 110,25 52,449 4
Gambar 2. Diagram Alir Pengumpulan Data X2 143,75 128,152 4
(Sumber: Penulis, 2019) X3 175,00 119,024 4
X4 5,75 2,217 4
HASIL DAN PEMBAHASAN
X5 147,25 44,425 4
Data yang digunakan untuk proses perhitungan
X6 5,75 1,258 4
dalam penelitian ini adalah data primer dan
(Sumber: Penulis, 2019)
sekunder. Dimana data primer merupakan data yang
didapat dari pengamatan langsung dan perhitungan
di lapangan, dalam hal ini lokasi penelitian di Hotel
Aston, Le Grandeur, Menara Bahtera, dan Pacific.
Kemudian, data sekunder adalah data yang
didapatkan melalui pihak manajemen dari Hotel
Aston, Le Grandeur, Menara Bahtera, dan Pacific.

4
DOI: 10.13140/RG.2.2.35595.44326
 Tabel 5. Tabel Data Korelasi Variabel Bebas Tabel 8. Tabel Data Korelasi Tarikan Model 1
Kode Y(S0) X1 X2 X3 X4 X5 X6 Statistik
Y(S0) 1 0,044 0,786 0,805 -,454 -,516 -,990 Korelasi
X1 0,044 1 0,648 -,255 -,289 ,495 -,120 Kolinearitas
Model
Korelasi
X2 0,786 0,648 1 0,423 -,471 -,046 -,819 Urutan Tolera
X3 0,805 -,255 0,423 1 -,726 -,919 -,835 Parsial Bagian VIF
Pearson
X4 -,454 -,289 -,471 -,726 1 0,674 ,567
0 nsi
X5 -,516 0,495 -,046 -,919 0,674 1 ,550 X1 0,044 -1 0,042 0,914 1,094
X6 -,990 -,120 -,819 -,835 0,567 0,550 1,000 1 X4 -0,454 1 0,115 0,629 1,591
Y(S0) 0 0,478 0,107 0,097 0,273 0,242 0,005
X1 0,478 0 0,176 0,373 0,356 0,253 0,440 X6 -0,99 -1 -0,886 0,676 1,480
Sig. (1-
X2 0,107 0,176 0 0,288 0,265 0,477 0,090 (Sumber: Penulis, 2019)
X3 0,097 0,373 0,288 0 0,137 0,041 0,083
tailed)
X4 0,273 0,356 0,265 0,137 0 0,163 0,216 Lalu didapatkan diagnostik kolinearitas, yaitu
X5 0,242 0,253 0,477 0,041 0,163 0 0,225 sebagai persyaratan yang harus dipenuhi untuk
X6 0,005 0,440 0,090 0,083 0,216 0,225 0
Y(S0) 4 4 4 4 4 4 4 mendapatkan hasil dari metode regresi linier
X1 4 4 4 4 4 4 4 berganda yang valid, yang pada Tabel 9 sebagai
X2 4 4 4 4 4 4 4
N X3 4 4 4 4 4 4 4 berikut.
X4 4 4 4 4 4 4 4 Tabel 9. Tabel Data Diagnostik Kolinearitas Tarikan
X5 4 4 4 4 4 4 4
X6 4 4 4 4 4 4 4 Model 1
(Sumber: Penulis, 2019) M Di
Nilai
Proporsi Variasi
Indeks
od me Kons
Tabel di atas merupakan hasil data melalui Eigen Kondisi X1 X4 X6
el nsi tanta
perumusan variabel bebas dengan menggunakan 1 3,783 1 0 0,01 0 0
metode korelasi Pearson dan proporsi tunggal. 2 0,168 4,742 0 0,51 0,12 0,01
1
3 0,034 10,503 0,23 0,43 0,78 0,11
Analisis Regresi Linier Berganda Tarikan 4 0,014 16,250 0,77 0,05 0,10 0,89
Pergerakan (Sumber: Penulis, 2019)
Variabel yang digunakan adalah X1, X4, dan Terakhir, didapatkan tabel statistik sisa yang
X6, yang disebut juga sebagai model 1. Dengan digunakan untuk menghubungkan nilai dari dua
menggunakan rumus Koefisien Determinasi dan variabel atau lebih, yang dapat dilihat sebagai
Korelasi, didapatkan data sebagai berikut: berikut.
Tabel 6. Tabel Data Ringkasan Tarikan Model 1
Statistik Disesuaikan Tabel 10. Tabel Data Statistik Sisa Tarikan Model 1
Durbin-
Model r R2 R2 Std.
df1 df2 Watson Ket. Min. Maks. Rerata N
Disesuaikan Deviasi
1 1 1 1 3 0 0,391 Nilai
12,2 45,8 24,4 14,711 4
(Sumber: Penulis, 2019) Prediksi
Nilai -
Ringkasan model 1, terdapat distribusi nilai r 1,455 0 1 4
Prediksi Std. 0,829
dan R squared, serta tabel signifikansi, yang Sisa 0 0 0 0 4
kemudian digunakan untuk mendapatkan koefisien Jarak
tarikan model 1. 2,25 2,250 2,25 0 4
Mahalanobis
Tabel 7. Tabel Data Rekapitulasi Koefisien Tarikan Nilai
Model 1 Pengaruh 0,75 0,75 0,75 0 4
Koefisien 95th % Terpusat
Tak Standar Standar B (Sumber: Penulis, 2019)
Model
Std. BA dan
B β Grafik Tarikan Pergerakan
Eror BB
Kons. 92,674 - 92,674 Setelah didapatkan tabel melalui program
X 1 -0,012 -0,043 -0,012 bantu SPSS Statistics, maka dapat diplotkan grafik
1 0
X4 0,966 0,146 0,966 sebagai berikut.
X6 -12,606 -1 -12,606
(Sumber: Penulis, 2019)
Juga setelah itu dilakukan rekapitulasi nilai
korelasi pada tarikan model 1 berdasarkan Tabel 8,
seperti yang dapat dilihat pada tabel berikut.

5
DOI: 10.13140/RG.2.2.35595.44326
Grafik 1. Grafik Regresi Parsial Tarikan Pergerakan Grafik 3. Grafik Regresi Parsial Antara Variabel
Antara Variabel Bebas X1 dengan Bebas X6 dengan Variabel Tetap Y
Variabel Tetap Y

(Sumber: Penulis, 2019)

(Sumber: Penulis, 2019)
Dimana pada grafik di atas, Y adalah data
primer atau data hasil survei di empat hotel berupa
tarikan arus lalu lintas pada pendekat hotel, dan X1
adalah data sekunder berupa jumlah karyawan hotel,
yang diperoleh dari pihak hotel. Keempat titik
tersebut adalah hotel-hotel yang disurvei, dengan
urutan dari kiri ke kanan adalah Hotel Pacific, Le
Grandeur, Aston, dan Menara Bahtera.
Grafik 2. Grafik Regresi Parsial Tarikan Pergerakan
Antara Variabel Bebas X4 dengan
Variabel Tetap Y
Dimana pada grafik di atas, Y adalah data
primer atau data hasil survei di empat hotel berupa
tarikan arus lalu lintas pada pendekat hotel, dan X6
adalah data sekunder berupa tipe kamar di hotel
terkait, yang diperoleh dari pihak hotel. Keempat
titik tersebut adalah hotel-hotel yang disurvei,
dengan urutan dari kiri ke kanan adalah Hotel Aston,
Menara Bahtera, Pacific, dan Le Grandeur.
Analisis Regresi Linier Berganda Bangkitan
Pergerakan
Berdasarkan data survei sekunder, diperoleh
variabel bebas yang mempengaruhi nilai regresi
linier berganda, sebagai berikut.
Tabel 11. Tabel Data Ringkasan Bangkitan Model 1
Mo Statistik Disesuaikan Durbin-
r R2 R2
Watson
del Disesuaikan df 1 df 2

1 1 1 1 3 0 1
(Sumber: Penulis, 2019)
Ringkasan model 1, terdapat distribusi nilai r
dan R squared, serta tabel signifikansi, yang
kemudian digunakan untuk mendapatkan koefisien
model 1.
Tabel 12. Tabel Data Koefisien Bangkitan Model 1
(Sumber: Penulis, 2019)
Dimana pada grafik di atas, Y adalah data Koefisien
95th % B
primer atau data hasil survei di empat hotel berupa Tak Standar Standar
Model
tarikan arus lalu lintas pada pendekat hotel, dan X4
Std. BA dan
adalah data sekunder berupa fasilitas hotel, yang B β
Eror BB
diperoleh dari pihak hotel. Keempat titik tersebut
adalah hotel-hotel yang disurvei, dengan urutan dari Kons. 103,266 - 103,266
kiri ke kanan adalah Hotel Pacific, Menara Bahtera,
Aston, dan Le Grandeur. 1 X1 0,031 0 0,078 0,031

X4 5,775 0,625 5,775

X6 -19,738 -1,212 -19,738
(Sumber: Penulis, 2019)

6
DOI: 10.13140/RG.2.2.35595.44326
 Juga setelah itu dilakukan rekapitulasi nilai Grafik 4. Grafik Regresi Parsial Bangkitan
korelasi pada tarikan model 1 berdasarkan Tabel 13, Pergerakan Antara Variabel Bebas X1
seperti yang dapat dilihat pada tabel berikut. dengan Variabel Tetap Y
Tabel 13. Tabel Data Korelasi Bangkitan Model 1
Statistik
Korelasi
Kolinearitas
Model
Urutan Tolera
Parsial Bagian VIF
0 nsi
X1 0,043 1 0,075 0,914 1,094
1 X4 -0,085 1 0,495 0,629 1,591
X6 -0,867 -1 -0,996 0,676 1,480
(Sumber: Penulis, 2019)
Lalu didapatkan diagnostik kolinearitas, yaitu
sebagai persyaratan yang harus dipenuhi untuk
mendapatkan hasil dari metode regresi linier
berganda yang valid, yang pada Tabel 14 sebagai
(Sumber: Penulis, 2019)
berikut.
Dimana pada grafik di atas, Y adalah data
Tabel 14. Tabel Data Diagnostik Kolinearitas
primer atau data hasil survei di empat hotel berupa
Bangkitan Model 1
bangkitan arus lalu lintas pada pendekat hotel, dan
Nil Inde Proporsi Variasi X1 adalah data sekunder berupa jumlah karyawan
Mo Dim ai ks
del ensi Eig Kon Konst X1 X4 X6 hotel, yang diperoleh dari pihak hotel. Keempat titik
en anta tersebut adalah hotel-hotel yang disurvei, dengan
disi
3,7 0, urutan dari kiri ke kanan adalah Hotel Pacific, Le
1 83
1 0
01
0 0
Grandeur, Aston, dan Menara Bahtera.
0,1 0, 0, 0,
2 68
4,742 0
51 12 01 Grafik 5. Grafik Regresi Parsial Bangkitan
1 0,0 10,50 0, 0, 0, Pergerakan Antara Variabel Bebas X4
3 34 3
0.23
43 78 11 dengan Variabel Tetap Y
0,0 16,25 0, 0, 0,
4 14 0
0.77
05 10 89
(Sumber: Penulis, 2019)
Terakhir, didapatkan tabel statistik sisa yang
digunakan untuk menghubungkan nilai dari dua
variabel atau lebih, yang dapat dilihat sebagai
berikut.
Tabel 15. Tabel Data Statistik Sisa Bangkitan
Model 1
Std.
Ket. Min. Maks. Rerata N
Deviasi
Nilai Pe 10,2 56,4 26,4 20,497 4
Nilai
-0,79 1 0 1 4
Prediksi Std.
Sisa 0 0 0 0 4 (Sumber: Penulis, 2019)
Jarak Dimana pada grafik di atas, Y adalah data
2,25 2,25 2,25 0 4
Mahalanobis primer atau data hasil survei di empat hotel berupa
Nilai
bangkitan arus lalu lintas pada pendekat hotel, dan
Pengaruh 0,75 0,75 0,75 0 4
Terpusat X4 adalah data sekunder berupa fasilitas hotel, yang
(Sumber: Penulis, 2019) diperoleh dari pihak hotel. Keempat titik tersebut
Grafik Bangkitan Pergerakan adalah hotel-hotel yang disurvei, dengan urutan dari
Setelah didapatkan tabel melalui program kiri ke kanan adalah Hotel Pacific, Menara Bahtera,
bantu SPSS Statistics, maka dapat diplotkan grafik Aston, dan Le Grandeur.
sebagai berikut.

7
DOI: 10.13140/RG.2.2.35595.44326
Grafik 6. Grafik Regresi Parsial Bangkitan 2. Metode survei yang dilakukan tidak hanya
Pergerakan Antara Variabel Bebas X6 dengan mencatat jumlah kendaraan yang masuk
dengan Variabel Tetap Y ke hotel saja, tetapi dapat juga dilakukan dengan
metode kuesioner (pergerakan orang ke hotel)
dengan tujuan mendapatkan data yang lebih
akurat mengenai hotel yang bersangkutan.
3. Penelitian terhadap tarikan pergerakan ini lebih
baik dilakukan lebih dari empat objek dengan
tujuan untuk mendapatkan hasil yang diinginkan.

(Sumber: Penulis, 2019)
Dimana pada grafik di atas, Y adalah data
primer atau data hasil survei di empat hotel berupa
bangkitan arus lalu lintas pada pendekat hotel, dan
X6 adalah data sekunder berupa tipe kamar di hotel
terkait, yang diperoleh dari pihak hotel. Keempat
titik tersebut adalah hotel-hotel yang disurvei,
dengan urutan dari kiri ke kanan adalah Hotel Aston,
Menara Bahtera, Pacific, dan Le Grandeur.
DAFTAR PUSTAKA
Djarwanto & Pangestu Subagyo. 1993. Statistik
Induktif. Yogyakarta: BPFE.
Manual Kapasitas Jalan Indonesia (MKJI). 1997.
Direktorat Jenderal Bina Marga, Departemen
Pekerjaan Umum.
Miro, Fidel. 2005. Perencanaan Transportasi untuk
Mahasiswa, Perencana dan Praktisi. Jakarta:
Erlangga.
Tamin, O. Z. 2000. Transport Planning and
Modelling. Bandung: Institut Teknologi
Bandung.
Wells, G. R. 1975. Comprehensive Transport
Planning. London: Griffin Publishing.

KESIMPULAN DAN SARAN

Kesimpulan
Dari penelitian bangkitan dan tarikan di
Kecamatan Balikpapan Kota, dapat disimpulkan
bahwa:
1. Persamaan yang didapatkan untuk mendapatkan
nilai tarikan pergerakan ke hotel adalah sebagai
berikut.
𝑌 = 92,674 + 0,012𝑋1 + 0,966𝑋4 + 12,606𝑋6
2. Persamaan yang didapat untuk mendapatkan nilai
bangkitan pergerakan dari hotel adalah sebagai
berikut.
𝑌 = 103,266 + 0,031𝑋1 + 5,775𝑋4 + 19,738𝑋6
3. Faktor yang berpengaruh terhadap tarikan dan
bangkitan pergerakan terhadap hotel merupakan
variabel bebas, yaitu jumlah karyawan (X1),
jumlah fasilitas (X4), dan jumlah tipe kamar (X6).
4. Model terbaik didapatkan setelah dialukan
analisis persamaan regresi linier berganda dan
pengujian terhadap model yang ada, yaitu uji
Korelasi, Koefisien, dan Kolinearitas.

Saran
Untuk dapat mendapatkan hasil penelitian yang
lebih baik, maka disarankan:
1. Objek tarikan pergerakan kendaraan yang akan
diteliti memiliki profil yang homogen antara
hotel yang satu dengan yang lainnya.

8
DOI: 10.13140/RG.2.2.35595.44326