TRANSPORTASI
NANDA AHDA IMRON
TUGAS MANDIRI
• Tulis ulang buku Perenacaan Transportasi karangan Fidel Miro
• Halaman 1 s.d 168
• Pada buku script
• Jangka waktu = 2 minggu
• Pake joki, sanksi menanti
Apa itu PERENCANAAN?
• Menurut Erly Suandy (2001), perencanaan adalah suatu proses
penentuan tujuan dan kemudian menyajikan dengan jelas strategi-
strategi, taktik-taktik, dan operasi yang diperlukan untuk mencapai
tujuan secara menyeluruh.
• Menurut Becker (dalam Rustiadi, 2008), perencanaan adalah suatu
cara rasional untuk mempersiapkan masa depan.
• Menurut Alder (dalam Rustiadi 2008:339), perencanaan adalah suatu
proses menentukan apa yang ingin dicapai di masa yang akan datang
serta menetapkan tahapan-tahapan yang dibutuhkan untuk
mencapainya.
Apa itu PERENCANAAN?
• Adalah suatu proses menentukan hal-hal yang ingin dicapai (tujuan)
di masa depan serta menentukan berbagai tahapan yang diperlukan
untuk mencapai tujuan tersebut.
• Suatu kegiatan yang terkoordinasi untuk mencapai tujuan tertentu
dalam kurun waktu tertentu. Dengan begitu, di dalam perencanaan
akan terdapat aktivitas pengujian beberapa arah pencapaian,
mengkaji ketidakpastian, mengukur kapasitas, menentukan arah
pencapaian, serta menentukan langkah untuk mencapainya.
Apa itu TRANSPORTASI?
• Menurut Steenbrink (1974), transportasi adalah perpindahan orang atau
barang dengan menggunakan alat atau kendaraan dari dan ke tempat-
tempat yang terpisah secara geografis.
• Menurut Morlok (1981), transportasi adalah kegiatan memindahkan atau
mengangkut sesuatu dari suatu tempat ketempat lainnya.
• Menurut Bowersox (1981), angkutan adalah perpindahan barang atau
penumpang dari suatu tempat ke tempat lain, dimana produk dipindahkan
ke tempat tujuan.
• Menurut Miro (2005), transportasi adalah usaha memindahkan,
menggerakkan, mengangkut, atau mengalihkan suatu objek dari suatu
tempat ke tempat lainnya di mana di tempat tersebut objek yang
dipindahkan lebih bermanfaat atau bermanfaat untuk tujuan-tujuan
tertentu.
Apa itu TRANSPORTASI?
• Adalah proses pemindahan atau pengangkutan manusia, hewan, dan
barang, dari suatu tempat menuju tempat lain dengan menggunakan
alat transportasi.
• Adalah pemindahan manusia atau barang dari suatu tempat ke
tempat lainnya dengan menggunakan alat atau kendaraan yang
digerakkan oleh manusia atau mesin.
PERENCANAAN TRANSPORTASI??
• Suatu kegiatan perencanaan sistem transportasi yg sistematis dan
bertujuan menyediakan layanan transportasi baik sarana umum maupun
prasarananya disesuaikan dgn kebutuhan transportasi bagi masyarakat di
suatu wilayah serta tujuan2 kemasyarakatan yg lain
• Suatu usaha untuk memprediksikan proses perpindahan manusia, barang
dan jasa dari satu tempat ke tempat lain pada masa mendatang
berdasarkan data perpindahan yang ada sebelumnya (dengan membuat
suatu model)
• Merencanakan secara menyeluruh mengenai sistem transportasi terpadu
yang merupakan Intermode Transportation Systems. Perencanaan
menyangkut angkutan jalan raya, angkutan laut dan angkutan udara dan
berbagai moda transportasi yang ada
PERENCANAAN TRANSPORTASI??
• Adalah suatu perencanaan terkait prasarana transportasi seperti
jalan, terminal, pelabuhan, pengaturan serta sarana untuk
mendukung sistem transportasi yang efisien, aman dan lancar serta
berwawasan lingkungan.
UNSUR-UNSUR perencanaan transportasi
• Ada muatan yang diangkut
• Tersedia kendaraan sebagai pengangkutnya
• Ada jalanan yang dapat dilalui
• Ada terminal asal dan terminal tujuan
• Sumber daya manusia dan organisasi atau manajemen yang
menggerakkan kegiatan transportasi tersebut.
Sistem transportasi?
• Suatu sistem yang terdiri dari prasarana/sarana dan sistem pelayanan
yang memungkinkan adanya pergerakan ke seluruh wilayah (Santoso,
1996)
7an PERENCANAAN TRANSPORTASI
• Untuk memperkirakan jumlah dan lokasi kebutuhan akan transportasi
(jumlah perjalanan, baik untuk angkutan umum ataupun angkutan
pribadi) pada masa yang akan datang (tahun rencana) untuk
kepentingan kebijaksanaan investasi perencanaan transportasi shg
efektif, efisien & ekonomis.
KETERKAITAN dan ELEMEN-ELEMEN
• Transportasi akan selalu berkaitan dengan pepergian/pergerakan
(trip), perjalanan (travel), lalu lintas (traffic), rute/jalur (route)
• Elemen-elemen utama SISTEM transportasi adalah manusia, barang,
prasaranam sarana dan organisasi.
• Elemen-elemen PELAYANAN transportasi adalah kecepatan (speed),
keselamatan (safety), ketersediaan (adequecy), frekuensi (frequency),
keteraturan (regularly), tanggung jawab (responsibility),
pertimbangan yang menyeluruh (comprehensiveness), biaya yang
layak (acceptable cost) dan kenyamanan (comfort).
TRANSPORTASI….
• Kebutuhan sekunder, tersier atau primer? SAAT INI dan yang akan
datang
• Transportasi bukanlah merupakan tujuan akhir, tetapi hal yang
dilakukan untuk mencapai tujuan lain. Oleh karena itu, permintaan
atas jasa transportasi disebut sebagai permintaan turunan (derived
demand) yang timbul akibat adanya permintaan akan komoditi atau
jasa lain.
FUNDAMENTAL PENGEMBANGAN
TRANSPORTASI
• LAND USE to TRANSPORT? Atau
• TRANSPORT to LAND USE??
Penyediaan sistem
sediaan
transportasi
Penurunan tingkat
Peningkatan
pelayanan konflik lalu
aksesibilitas
lintas
Meningkatnya
bangkitan
perjalanan
Meningkatnya permintaan
untuk perubahan
peruntukan lahan
LANGKAH-LANGKAH MENYUSUN
PERENCANAAN TRANSPORTASI
• Perencanaan dibuat atas dasar kebutuhan akan jasa-jasa angkutan.
• Tujuan perencanaan harus jelas tujuan dan sasaran yang hendak dicapai untuk
kepentingan nasional dan daerah.
• Objektif berarti bahwa tujuan dapat direalisir sehubungan dengan rencana yang telah
dibuat untuk dilaksanakan.
• Survei permintaan perlu diadakan terhadap jasa-jasa angkutan.
• Analisis permintaan dilakukan setelah dilaksanakan survei atas
permintaan selanjutnya dijalankan analisis demand sesuai
dengan kapasitas angkutan yang dibutuhkan.
• Solusi dan implementasi hal-hal yang menyangkut jaringan angkutan, analisis biaya,
pemilihan moda transportasi, faktor sosial dan lingkungan yang akan diputuskan untuk
diimplementasikan.
4 tahapan
ANALISIS PERENCANAAN TRANSPORTASI
AKSESIBILITAS
• Aksesibilitas adalah konsep yang menggabungkan sistem pengaturan tata guna lahan
secara geografis dengan sistem jaringan transportasi yang menghubungkannya.
Aksesibilitas merupakan suatu ukuran kenyamanan atau kemudahan mengenai cara
lokasi tata guna lahan berinteraksi satu sama lain yang dapat dicapai melalui sistem
jaringan transportasi.
• Aksesibilitas dapat dinyatakan dengan jarak/waktu/biaya.
• Jika suatu tempat berdekatan tempat lainnya, dapat dikatakan aksesibilitas antara kedua
tempat tinggi, dan sebaliknya apabila jarak kedua tempat berjauhan maka dapat
dikatakan aksesibilitasnya rendah. Jika tata guna lahan yang tersebar dalam ruang secara
tidak merata (heterogen).
• Aksesibilitas >>> banyaknya moda yang tersedia, banyaknya pilihan jenis moda,
kemudahan berpindah moda, waktu tempuh cepat, waktu tunggu sebentar, jarak dekat,
tarif/ongkos murah, dll
• Aksesibiltas >>> kemudahan bergerak
MOBILITAS??
• Adalah banyaknya pelaku perjalanan yang bergerak menuju suatu
tujuan tertentu
• Adalah banyaknya perjalanan yang dilakukan oleh 1 orang pelaku
perjalanan
Produksi perjalanan
Tarikan perjalanan
TATA GUNA LAHAN (LAND USE)
• Jenis tata guna lahan yang berbeda (pemukiman, pendidikan, dan
komersial) mempunyai ciri bangkitan lalu lintas yang berbeda, yaitu:
a) Jumlah arus lalu lintas
b) Jenis lalu lintas (pejalan kaki, truk, mobil)
c) Lalu lintas pada waktu tertentu (kantor menghasilkan arus lalu lintas
pada pagi dan sore, sedangkan pertokoan menghasilkan arus lalu lintas di
sepanjang hari).
Jumlah dan jenis lalu lintas yang dihasilkan setiap tata guna lahan
merupakan hasil dari fungsi parameter sosial dan ekonomi.
• Bangkitan pergerakan bukan saja beragam dalam jenis tata guna lahan,
tetapi juga tingkat aktivitasnya. Semakin tinggi penggunaan sebidang
tanah, semakin tinggi pergerakan arus lalu lintas yang dihasilkan. Salah satu
ukuran intensitas aktivitas sebidang tanah adalah kepadatannya.
SEBARAN PERJALANAN
TRIP DISTRIBUTION
• Menyatakan pembagian atau distribusi perjalanan antar zona atau
daerah. Model ini sudah menyatakan bentuk matrik asal tujuan.
PETA GARIS KEINGINAN
DESIRE LINE
PEMILIHAN MODA
MODAL SPLIT/MODAL CHOICE/MODAL SHARE
• Secara sederhana modal split berkaitan dengan jenis transportasi yang digunakan pilihan pertama
biasanya berjalan kaki atau menggunakan kendaraan. Jika menggunakan kendaraan, pilihannya
adalah kendaraan pribadi (sepeda, sepeda motor, mobil) atau angkutan umum (bus, becak, dan
lain-lain).
• Orang yang hanya mempunyai satu pilihan moda saja disebut dengan captive (bergantung)
terhadap moda tersebut. Sedangkan yang tidak tergantung disebut non-captive
• Hal yang dipertimbangkan dalam pilihan moda :
• Karakter perjalanan yang dibuat (misal: jarak, waktu dan tujuan)
• Karakter orang yang melakukan perjalanan (kepemilikan kendaraan pribadi, pendapatan, dll).
• Karakteristik sistem transportasinya (waktu tempuh, biaya, waktu tunggu, frekuensi, dan
kenyamanan).
• Orang dengan ekonomi tinggi cenderung memilih mode angkutan pribadi dibandingkan mode
angkutan umum.
PEMILIHAN MODA
MODAL SPLIT/MODAL CHOICE/MODAL SHARE
PEMILIHAN MODA
MODAL SPLIT/MODAL CHOICE/MODAL SHARE
Bangkitan
BANGKITAN PERJALANAN
TRIP GENERATION
Hasil keluaran dari perhitungan bangkitan dan tarikan
lalu lintas berupa jumlah kendaraan, orang, atau
angkutan barang per satuan waktu,
*misalnya kendaraan/jam, orang/hari, dll
Produksi perjalanan
Tarikan perjalanan
BANGKITAN PERJALANAN
TRIP GENERATION
3 faktor dasar yang membangkitkan perjalanan
• Tata guna lahan dan pengembangannya di masa depan
• Karakteristik sosio ekonomi penduduk
• Cakupan wilayah pelayanan sistem transportasi dan dan karaktristik
dari sistem transportasi
BANGKITAN PERJALANAN
TRIP GENERATION
• TUJUAN :
• ANALISIS TERHADAP JUMLAH BANGKITAN PERJALANAN SAAT INI
• MENYUSUN MODEL BANGKITAN PERJALANAN
• PERAMALAN/FORECASTING TERHADAP JUMLAH BANGKITAN
PERJALANAN TAHUN RENCANA (misal, 5tahun ke depan)
Tahapan analisis bangkitan dan peramalannya
• Penetapan wilayah studi
• Penentuan zona dan centroid zona
• Pengumpulan data sekunder
• Pengumpulan data primer
• Rekapitulasi data
• Ekspansi data (sampel→populasi)
• Analisis bangkitan perjalanan tahun eksisting
• Penyusunan model bangkitan perjalanan
• Peramalan bangkitan perjalanan untuk tahun rencana
BANGKITAN PERJALANAN
MENENTUKAN WILAYAH STUDI
• Diperlukan peta tata guna lahan terbaru, atau
• Foto udara dengan skala 1:2000
• Bila wilayah studi lebih luas, bisa digunakan foto udara 1:5000
• Peta tata guna lahan menunjukkan penggunaan lahan untuk pemukiman,
CBD (Central Business District), pasar, kawasan pertokoan, pabrik-pabrik,
perkantoran, sekolah, universitas, gereja, masjid, pariwisata, dll
• CAKUPAN/LUASAN wilayah studi DITANDAI/DIBATASI dengan GARIS
CORDON
• CAKUPAN/LUASAN wilayah studi ditentukan oleh tim analis atau dari mitra
kerja
CORDON LUAR
GARIS
CORDON
CORDON LUAR
CORDON DALAM
CORDON LUAR
CORDON LUAR
CORDON LUAR
TIPE DASAR PERJALANAN
CORDON LUAR
GARIS
CORDON
INTERNAL-EKSTERNAL
EKSTERNAL-EKSTERNAL
INTERNAL-INTERNAL THROUGH TRAFFIC
EKSTERNAL-INTERNAL
CORDON LUAR
TATA GUNA LAHAN (LAND USE)
• Jenis tata guna lahan yang berbeda (pemukiman, pendidikan, dan
komersial) mempunyai ciri bangkitan lalu lintas yang berbeda, yaitu:
a) Jumlah arus lalu lintas
b) Jenis lalu lintas (pejalan kaki, truk, mobil)
c) Lalu lintas pada waktu tertentu (kantor menghasilkan arus lalu lintas
pada pagi dan sore, sedangkan pertokoan menghasilkan arus lalu lintas di
sepanjang hari).
Jumlah dan jenis lalu lintas yang dihasilkan setiap tata guna lahan
merupakan hasil dari fungsi parameter sosial dan ekonomi.
• Bangkitan pergerakan bukan saja beragam dalam jenis tata guna lahan,
tetapi juga tingkat aktivitasnya. Semakin tinggi penggunaan sebidang
tanah, semakin tinggi pergerakan arus lalu lintas yang dihasilkan. Salah satu
ukuran intensitas aktivitas sebidang tanah adalah kepadatannya.
BANGKITAN PERJALANAN
MENENTUKAN ZONA, syarat ZONA:
• Memiliki karakteristik tata guna lahan yang relatif sama (se-homogen
mungkin). Untuk pemukiman, dapat dipisahkan menjadi zona pemukiman
berpendapatan tinggi dan rendah.
• Batas zona memotong jalan-jalan utama pada sudut yang tepat (misal:
tegak lurus), dan tidak sejajar dengan rute angkutan utama.
• Batas zona memperhatikan batas yang telah ada. Dapat berupa batas
bentang alam seperti gunung, sungai, danau, dll.
• Batas zona dapat menggunakan batas administrative dalam rangka
mempermudah menghitung populasi dan sampel dari responden.
• Cukup kecil untuk memungkinkan penetapan pola permintaan angkutan
tetapi cukup besar untuk menjamin data yang dikumpulkan di dalam zona
itu dapat dipercaya (secara statistik). Artinya, paling sedikit harus terdapat
30 rumah yang diwawancarai sebagai sampel
MENENTUKAN CBD diantara zona-zona di
dalam wilayah studi
• Central Business District (CBD) atau Daerah Pusat Kegiatan (DPK)
adalah bagian kecil dari kota yang merupakan pusat dari segala
kegiatan politik, social, budaya, ekonomi, dan teknologi. CBD
merupakan zona dengan derajat aksesibilitas tinggi pada suatu kota.
Ciri-ciri CBD
• Adanya pusat perdagangan, terutama sektor retail
• Banyak kantor-kantor institusi perkotaan
• Tidak dijumpai adanya industri berat atau manufaktur
• Jarang permukiman, dan kalaupun ada merupakan permukiman tinggi dan
mewah (kondominium)
• Ditandai dengan adanya zonasi vertikal, yaitu banyak bangunan bertingkat
yang memiliki diferensiasi fungsi
• Adanya jalur pedestrian, yaitu suatu zona yang dikhususkan untuk pejalan
kaki karena sering terjadi kemacetan lalu lintas.
• Adanya “multi storey” yaitu perdagangan yang bermacam-macam dan
ditandai dengan adanya supermarket atau mall
https://www.arsitag.com/article/kawasan-central-business-district-cbd
2 bagian CBD
• Pertama bagian paling inti (the heart of the area) yang disebut RBD
(Retail Business District). Kegiatan yang mendominasi pada bagian ini
adalah department store, smartshops, office building, clubs, bank,
hotel, teater, dan pusat dari kehidupan ekonomi, sosial, budaya, dan
politik.
• Bagian di luarnya atau WBD (Wholesale Business District) ditempati
oleh bangunan dengan peruntukan kegiatan ekonomi skala besar,
seperti pasar, pergudangan (warehouse), dan gedung penyimpanan
barang supaya tahan lama (storage buildings).
CENTRAL BUSINESS DISTRICT
BANGKITAN PERJALANAN
MENENTUKAN CENTROID ZONA (pusat zona)
• Harus terletak pada jalan utama yang ada di dalam zona tersebut
• Harus dapat mewakili semua pergerakan penduduk di d alam zona
tersebut
• Jika memungkinkan sebaiknya terletah di tengah-tengah zona
tersebut
BANGKITAN PERJALANAN
DATA SEKUNDER
• PETA ADMINISTRATIF
• PETA TATA GUNA LAHAN TERBARU
• PETA RENCANA TATA RUANG TATA WILAYAH
• PETA JARINGAN JALAN
• PETA JARINGAN PELAYANAN ANGKUTAN UMUM/MASSAL
• DATA KEPENDUDUKAN
• DATA SOSIO EKONOMI
BANGKITAN PERJALANAN
DATA PRIMER >>> survai
• Survai HOME INTERVIEW – HI (wawancara rumah tangga)
• Survai ROAD SIDE INTERVIEW – RSI (wawancara tepi jalan)
Survai HI
MENGAPA HOME INTERVIEW?
• 80%-90% dari seluruh perjalanan bermula dan berakhir di rumah, hal ini
disebut HOME-BASED TRIP
• RUMAH→tempat kerja→tempat rekreasi→….→….→Rumah = HOME-
BASED TRIP
• Karakter perjalanan ini (HOME-BASED TRIP) cenderung berulang dan
membentuk suatu pola pergerakan.
• Pada hari yang sama, perjalanan meninggalkan suatu zona juga akan
menjadi perjalanan kembali pada zona tersebut setelah “mampir” di zona
lain. Sehingga, zona produksi perjalanan secara otomatis juga menjadi zona
tarikan perjalanan (akan dikaji pada distribusi perjalanan)
SURVAI HI>>> 7-AN:
• Mendapatkan pola pergerakan penduduk
• Mendapatkan data sebaran perjalanan
• Mengetahui moda-moda yang digunakan dalam melakukan
perjalanan
• Mendapatkan karakteristik sosio-ekonomi pelaku perjalanan (usia,
jenis kelamin, pekerjaan, pendapatan, jumlah anggota keluarga,
pemilikan kendaraan, maksud perjalanan, dll)
Teknik pelaksanaan survai HI
PIKIREN KELEBIHAN DAN KEKURANGANNYA
• Langsung datang ke rumah-rumah sesuai jumlah sampel yang ditetapkan
• Memastikan responden ada di rumah (di luar jam kerja – lapangan kerja formal)
• Datang ke kantor, sekolah, atau tepat bekerja
• Bisa dilakukan selama jam kerja
• Setelah selesai, Validasi ulang kebutuhan sampel tiap zona, terpenuhi atau
belum
• Mengirimkankan kuisioner lewat pos
• Dikhawatirkan banyak yang tidak mengirim balik
• Melalui link online
• Piye??
SAMPEL SURVAI HI
• ATURAN 1
• Bahwa tiap sampel harus mewakili terhadap disitribusi geografis dari populasi
secara keseluruhan. Distribusi sample harus sama dengan distribusi geografis dari
populasi
• ATURAN 2
• Sampel yang diperlukan tergantung kepada besarnya populasi dalam wilayah
studi, dengan acuan
• ATURAN 3
• Suatu sampel kurang dari 30 rumah tangga tidak dapat diterima. Maka, bila suatu
zona lalu lintas hanya memiliki kurang dari 300 rumah tangga, maka sampel 10%
dari populasi tidak akan menghasilkan data yang dapat dipercaya.
• Atau, 1 zona minimal memiliki 300 rumah tangga
• Seluruh zona di d alam wilayah studi harus memiliki ukuran sampel yang sama
BILAMANA TERKENDALA ATURAN 3?
• Artinya, zona lalu lintas tersebut hanya memiliki 300 rumah tangga
• Re-definisi zona lalu lintas anda, pertimbangkan zona-zona lain di
sekitar zona tersebut
• Atau
• Naikkan sampel menjadi 1 dalam 5, dan berlaku untuk seluruh zona
lalu lintas.
ATURAN 1
ATURAN 2
Form survai HI
• Alamat • Perjalanan yang dilakukan; dari
• Jumlah anggota keluarga mana…ke mana….kemudian ke
• Umur mana….dilanjutkan ke mana…
• Jenis kelamin
• Maksud perjalanan
• Pekerjaan
• Jumlah anggota keluarga yang bekerja • Kendaraan yang digunakan
• Tempat bekerja • Waktu tempuh
• Jenis dan jumlah kendaraan yang dimiliki • Jarak
• Pendapatan/bulan dari yang bekerja
• Tempat sekolah bagi anggota keluarga yang
• Biaya transportasi
masih sekolah • DLL BISA DIKEMBANGKAN SESUAI
• Tempat bekerja bagi anggota keluarga yang TUJUAN YANG DIINGINKAN..!!!
bekerja
No Jumlah Perjalanan Family Size Kepemilikan Kendaraan Pendapatan No Jumlah Perjalanan Family Size Kepemilikan Kendaraan Pendapatan
Y x1 x2 x3 41 11 4 3 9,5
1 9 4 3 4,5
42 8 3 2 4
2 11 4 3 7,3
3 7 3 3 3 43 8 4 3 4,5
4 10 4 3 8 44 5 2 2 4,5
5 9 4 3 4,5 45 7 3 2 4,5
6 6 3 2 7,5 46 8 4 2 3,7
7 7 4 3 3 47 8 4 4 8
8 11 4 3 7,5
48 10 4 3 7,5
9 7 3 3 4,5
10 7 3 3 5,3 49 9 3 3 8
11 10 4 3 3 50 6 3 3 4,6
12 8 3 3 7,5 51 8 4 3 4
13 9 3 3 12,5 52 6 3 3 4,2
14 7 3 3 4,5 53 6 2 3 7
15 9 4 3 6
54 8 4 4 7,5
16 6 3 2 4,2
17 9 4 3 6,3 55 8 4 4 3
18 9 4 3 6 56 6 3 2 1,8
19 7 3 3 7,2 57 6 3 3 5,3
20 7 3 2 5,5 58 6 3 2 2
21 10 4 4 10,7 59 8 4 3 7,5
22 9 4 3 6,8
60 6 3 2 3
23 8 3 2 4,5
24 7 3 2 4,7 61 6 3 2 3
25 8 3 2 4,3 62 6 3 2 3
26 10 4 4 12,5 63 12 4 3 6,5
27 7 3 2 3,8 64 6 3 2 3
28 13 5 4 12
65 9 4 4 6,5
29 8 3 2 4,75
30 10 4 4 7,5
66 7 3 2 3
31 8 3 3 12 67 10 3 3 10,5
32 9 4 2 4,5
33 11 4 4 12,5
34 8 4 2 2,1
35 6 2 2 9
36 7 2 2 8,5
37 9 4 2 4
38 8 3 3 9
39 4 2 2 3
40 10 4 3 6,5
Form survai HI
• Di UJI STATISTIK dulu ???
http://dokterdewikusumastuti.blogspot.com/2013/07/analisis-regresi.html
REGRESI LINEAR
• Regresi linear sederhana
• Hubungan antara variabel y dengan satu variabel x. Semua variabel
datanya kuantitatif.
• Asumsi klasik pada regresi linear berganda antara lain: Data interval
atau rasio, linearitas, normalitas, non outlier, homoskedastisitas, non
multikolinearitas dan non autokorelasi.
https://www.statistikian.com/2018/01/penjelasan-tutorial-regresi-linear-berganda.html
Data Interval atau rasio
• Skala data semua variable terutama variable terikat adalah interval
atau rasio. Asumsi ini tidak perlu diuji, cukup anda pastikan bahwa
data yang digunakan adalah data interval atau rasio (numeric atau
kuantitatif).
Data interval
• Data interval adalah data yang termasuk kelompok data kuantitatif, dimana
berupa angka-angka yang didalamnya dapat dilakukan operasi matematika serta
urutan antara satu data dengan data lainnya mempunyai rentang yang sama.
Misalnya: Nilai ujian, dimana dikatakan berurutan dengan rentang yang sama
yaitu setelah angka 1 kemudian 2 kemudian 3 dst. Serta dikatakan dapat
dilakukan operasi matematika, adalah misalkan: angka 1 dapat dikalikan dengan
angka 2 dan hasilnya adalah 2.
• Data interval tidak mempunyai angka 0 absolut dan 100 absolut secara
bersamaan atau dalam arti lain tidak bisa dipastikan peresentase antara satu data
dengan keseluruhan data. maksudnya 0 absolut misalkan nilai ujian. Secara akal
sehat, tidak mungkin ada nilai ujian kurang dari 0. Sedangkan 100 absolut
misalkan juga nilai ujian, secara akal sehat tidak mungkin ada nilai ujian lebih dari
100. jadi data interval contohnya adalah berat badan, dimana tidak bisa
dipastikan berapa sebenarnya nilai tertinggi berat badan. Bisa jadi orang punya
berat bada puluhan kilo, ratusan atau bahkan ribuan kilo.
Data rasio
• Data rasio adalah data yang sebenarnya sama dengan data interval,
namun bedanya adalah data rasio dapat dibuat persentase karena
ada nilai 0 dan 100 absolut. Seperti yang sudah dibahas di atas, yaitu
misalnya nilai ujian yang mempunyai batasan nilai 0 sampai 100. Jika
seorang siswa mendapatkan nilai 25, dapat diartikan nilai tersebut
adalah 25% dari nilai maksimal 100.
1. Linearitas
• Ada hubungan linear antara variable bebas dengan variable terikat.
Asumsi linearitas diuji dengan uji linearitas regresi, misalnya dengan
kurva estimasi.
• Dengan kurva estimasi kita bisa tentukan ada hubungan linear atau
tidak dengan melihat nilai p value linearitas. Jika p value < 0,05 maka
terdapat hubungan yang linear antara predictor dan response.
2. Non Multikolinearitas
• Multikolinearitas adalah keadaan dimana terdapat interkorelasi atau
korelasi kuat antar variable bebas di dalam model. Dinyatakan ada
interkorelasi jika korelasi antar variable bebas di dalam model regresi linear
berganda > 0,8. Beberapa pakar menggunakan batasan lebih dari 0,9.
• Cara lain yang lebih objektif adalah dengan menggunakan nilai variance
inflating factor (VIF) dan tolerance. Dikatakan ada multikolinearitas jika
nilai VIF > 10 dan/atau nilai tolerance < 0,01.
• Berdasarkan uraian diatas, maka jelas sekali bahwa asumsi
multikolinearitas hanya ada dalam regresi linear berganda dan tidak ada
pada regresi linear sederhana. Sebab pada regresi linear berganda ada
lebih dari satu variabel bebas, sedangkan pada regresi linear sederhana
hanya ada satu variable bebas.
3. Normalitas Residual
• Residual adalah beda antara y dengan y prediksi. Y adalah variable
terikat, sedangkan y prediksi adalah Y hasil persamaan regresi yang
dibuat. Sehingga residual dibangun dengan rumus: y – y prediksi.
• Asumsi normalitas pada regresi linear adalah pada residualnya, bukan
pada data per variabelnya.
• Uji Asumsi normalitas regresi linear dapat diuji dengan berbagai
metode uji normalitas seperti ;uji Shapiro wilk, lilliefors atau
Kolmogorov smirnov, Anderson darling, Ryan joiner, Shapiro francia,
Jarque bera, Skewness kurtosis test dan lain-lain
4. Non OUTLIER
• Outliers adalah data yang menyimpang terlalu jauh dari data yang
lainnya dalam suatu rangkaian data. Adanya data outliers ini akan
membuat analisis terhadap serangkaian data menjadi bias, atau tidak
mencerminkan fenomena yang sebenarnya. Istilah outliers juga sering
dikaitkan dengan nilai esktrem, baik ekstrem besar maupun ekstrem
kecil.
• Outliers sebagai titik ekstrim
• Outliers sebagai titik yang “jauh” dari trendline
http://widhiarso.staff.ugm.ac.id/files/Berurusan%20dengan%20Outliers.pdf
5. Homoskedastisitas
• Homoskedastisitas adalah sebuah kondisi dimana varians dari error
bersifat konstan atau tetap. Dengan kata lain bahwa varians dari error
bersifat identic untuk setiap pengamatan.
• Kebalikan dari homoskedastisitas adalah heteroskedastisitas. Model
regresi linear berganda yang baik adalah model yang bebas dari
kondisi heteroskedastisitas.
• Untuk menguji homoskedastisitas regresi linear berganda, dapat
digunakan uji homoskedastisitas dari glejser, uji park, uji white,
spearman heteroskedastisitas, dan masih banyak uji lainnya.
6. Non Autokorelasi
• Autokorelasi dapat diartikan bahwa terdapat korelasi antar waktu. Sehingga bisa
diartikan dengan mudah bahwa autokorelasi ini sering terjadi pada regresi linear
dengan data time series atau runtun waktu. Dan jarang sekali terjadi pada data
cross section.
• Data runtun waktu ini misalnya data jumlah rumah tangga dari tahun 2012 sd
2017.
• Sedangkan data cross section, misalnya data hasil dari kuesioner yang disebarkan
pada semua responden survai HI, dimana hanya diukur satu kali saja.
• Gejala Autokorelasi akan ditemukan pada penelitian yang menggunakan data
time series. Sedangkan pada data cross section, uji autokorelasi tidak perlu
dilakukan.
• Uji autokorelasi ini bisa diuji dengan menggunakan nilai Durbin Watson (DW)
https://www.statistikian.com/2018/01/penjelasan-tutorial-regresi-linear-berganda.html
https://mjurnal.com/cara-uji-asumsi-klasik-menggunakan-spss/
MIS-PERSEPSI
• Ada beberapa kesalahan klasik yang sering terjadi pada para peneliti yang masih
awal belajar untuk meneliti. Terutama yang masih awal berkenalan dengan
regresi linear. Yaitu: lebih dulu melakukan uji asumsi klasik baru kemudian
melakukan uji regresi linear.
• Seharusnya, dari sekian banyak asumsi yang ada dalam regresi linear berganda,
hanya asumsi linearitas yang harus dilakukan terlebih dulu. Dan uji linearitas
regresi hanya dilakukan jika tujuan dari dibuatnya model regresi adalah untuk
membentuk model terbaik.
• Sedangkan jika tujuannya untuk sekedar menjawab hipotesis, maka asumsi
linearitas ini bisa diabaikan.
• Asumsi multikolinearitas bisa dilakukan sebelum uji regresi, sebab yang
digunakan adalah data per variable. Sedangkan asumsi yang lainnya haruslah
setelah dilakukan uji regresi. Alasannya adalah: uji normalitas, outlier,
homoskedastisitas dan autokorelasi menggunakan nilai error atau residual
sebagai parameternya.
1. LINEARITAS
⚫ Signifikansi hubungan
⚫ Arah hubungan
https://www.jonathansarwono.info/korelasi/korelasi.htm
1. LINEARITAS
• Apa sebenarnya signifikansi itu? Dalam bahasa Inggris umum, kata, "significant"
mempunyai makna penting; sedang dalam pengertian statistik kata tersebut
mempunyai makna “benar” tidak didasarkan secara kebetulan. Hasil riset dapat
benar tapi tidak penting.
• Signifikansi / probabilitas / α memberikan gambaran mengenai bagaimana hasil
riset itu mempunyai kesempatan untuk benar. Jika kita memilih signifikansi
sebesar 0,05, maka artinya kita menentukan hasil riset nanti mempunyai
kesempatan untuk benar sebesar 95% dan untuk salah sebesar 5%. 95% itu
disebut tingkat kepentingan (confidence interval); sedang 5% disebut toleransi
kesalahan.
• SIGNIFIKANSI korelasi adalah melihat signifikansi hubungan dua variabel dengan
didasarkan pada angka signifikansi yang dihasilkan dari penghitungan dengan
ketentuan di atas. Interpretasi ini akan membuktikan apakah hubungan kedua
variabel tersebut signifikan atau tidak.
SIGNIFIKANSI hasil analisis korelasi 1. LINEARITAS
→ dengan table R
• Akan dianggap signifikan jika r hitung ( atau R hitung) lebih besar atau sama
dengan r tabel
• Lihat nilai R Tabel pada probabilitas atau batas kritis tertentu, dimana yang lazim
digunakan adalah nilai 0,05. Serta lihat pula berapa nilai DF (degree of freedom)
atau derajat kebebasan.
• Dalam uji korelasi produk momen, nilai DF = N – 2. Dimana N adalah besarnya
sampel. jika sampel sejumlah 30 misalnya, maka DF = 30 – 2 = 28.
• Selanjutnya lihat kembali berapakah nilai R Tabel pada probabilitas atau alpha
0,05 dan DF 28! Itulah nilai Tabel R anda.
TABEL R yang mana 1. LINEARITAS
https://ineddeni.wordpress.com/
1. LINEARITAS
https://ineddeni.wordpress.com
1. LINEARITAS
• Pengujian dua arah adalah pengujian terhadap suatu hipotesis yang
belum diketahui arahnya, apakah positif atau negative. Atau dengan kata
lain hanya untuk mengetahui ada atau tidaknya hubungan antar variabel
• Jadi jika kita sudah mengetahui arah dari hubungan antara dua variabel,
maka kita harus menggunakan pengujian satu arah apakah positif atau
negatif
http://mediaspss.blogspot.com
• Pengujian dua arah adalah pengujian terhadap suatu hipotesis yang belum
diketahui arahnya. Misalnya ada hipotesis, ‘diduga ada pengaruh signifikan
antara variabel X terhadap Y’. Hipotesis tersebut harus diuji dengan pengujian
dua arah.
• Sedangkan hipotesis yang berbunyi, ‘diduga ada pengaruh positif yang
signifikan antara variabel X terhadap Y’. Nah, hipotesis tersebut harus diuji
dengan pengujian satu arah.
• Bedanya apa? Lihat saja kedua hipotesis tersebut, ada kata positif dan tidak ada
kata positif.
https://skripsimahasiswa.blogspot.com
SIGNIFIKANSI hasil analisis korelasi 1. LINEARITAS
→ dengan table T
Pengambilan keputusan menggunakan angka pembanding t tabel dengan kriteria sebagai berikut:
· Jika t hitung > t table H0 ditolak; H1 diterima
· Jika t hitung < t table H0 diterima; H1 ditolak
Kriteria ini hanya berlaku untuk nilai t hitung yang positif (+).
Sebagai contoh hasil t hitung sebesar 3,6 . T table dengan ketentuan α= 0,05 Degree of freedom: n-2, dan n = 30
diketemukan sebesar: 2,048. Didasarkan ketentuan di atas, maka t hitung 3,6 > t table 2,048. Dengan demikian H0 ditolak
dan H1 diterima. Artinya ada hubungan antara kepuasan kerja dengan loyalitas pegawai
1. LINEARITAS
1 tailed atau 1 arah
TABEL T
2 tailed atau 2 arah
1. LINEARITAS
http://widhiarso.staff.ugm.ac.id/files/Widhiarso%20-%20Uji%20Linieritas%20Hubungan%202010.pdf
1. LINEARITAS
ATAU
lihat kolom Sig. pada baris Deviation from
Linearity di Table Anova, jika nilainya > 0,05 maka
bersifat linear sehingga dapat disimpulkan
memenuhi syarat linearitas.
1. LINEARITAS
Uji multikolinearitas
• Uji multikolinearitas adalah uji yang dilakukan untuk memastikan
apakah di dalam sebuah model regresi ada interkorelasi atau
kolinearitas antar variabel bebas.
• Interkorelasi adalah hubungan yang linear atau hubungan yang kuat
antara satu variabel bebas atau variabel prediktor dengan variabel
prediktor lainnya di dalam sebuah model regresi. Interkorelasi itu
dapat dilihat dengan nilai koefisien korelasi antara variabel bebas,
nilai VIF (Variance Inflation Factor) dan Tolerance serta nilai
Eigenvalue dan Condition Index. Dimana, nilai VIF dan Tolerance serta
nilai Eigenvalue adalah yang paling popular digunakan.
https://www.statistikian.com/2016/11/uji-multikolinearitas.html
http://statistik4life.blogspot.com/2009/12/blog-post.html
2. MULTIKOLINEARITAS
Uji multikolinearitas
• pada menu, klik analyze -> regression -> linear -> selanjutnya
masukkan variabel prediktor ke kolom Independents, variabel
response ke kolom Dependent.
• Klik tombol statistics dan pastikan bahwa anda mencentang
Collinearity Diagnostics dan Descriptives, kemudian tekan tombol
Continue.
2. MULTIKOLINEARITAS
4
5
2. MULTIKOLINEARITAS
Uji multikolinearitas:
koefisien korelasi antara variabel bebas
OUTPUT :
Uji multikolinearitas:
nilai Eigenvalue dan Condition Index
• Pada tabel collinearity diagnostics di atas sebagai hasil uji regresi
linear, kita perhatikan juga nilai eigenvalue dan condition index. Jika
Eigenvalue lebih dari 0,01 dan atau Condition Index kurang dari 30,
maka dapat disimpulkan bahwa gejala multikolinearitas tidak terjadi
di dalam model regresi.
3. NORMALITAS
UJI NORMALITAS
• Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data
tersebut berdistribusi normal ataukah tidak.
• Berdasarkan pengalaman empiris beberapa pakar statistik, data yang
banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan
berdistribusi normal. Biasa dikatakan sebagai sampel besar.
• Namun untuk memberikan kepastian data yang dimiliki berdistribusi normal atau
tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih
dari 30 bisa dipastikan berdistribusi normal, demikian sebaliknya data yang
banyaknya kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu
suatu pembuktian. uji statistik normalitas yang dapat digunakan diantaranya Chi-
Square, Kolmogorov Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera.
• Dalam regresi linear, uji normalitas dilakukan pada nilai residual
3. NORMALITAS
https://coretantoni.wordpress.com/2015/02/12/uji-normalitas-dengan-kolmogorov-smirnov-spss/
3. NORMALITAS
3
3. NORMALITAS
3. NORMALITAS
3. NORMALITAS
3. NORMALITAS
• Interpretasi Output.
• Berdasarkan uji normalitas dengan Kolmogorov-Smirnov Test diperoleh
sebesar 0,080 dan Asymp.sig. sebesar 0,200 lebih besar dari 0,05.
• Karena nilai sig lebih besar dari 0,05, maka keputusannya adalah
menerima Ho yang berarti bahwa data berdistribusi normal.
• Berarti asumsi normalitas data terpenuhi.
3. NORMALITAS
Untuk menentukan apakah data anda berdistribusi normal menggunakan shapiro wilk, maka pada SPSS cukup anda lihat
nilai Sig. pada kolom Shapiro-Wilk. Nilai sig itu berarti signifikansi atau boleh disebut p value atau nilai probabilitas. Pada
contoh di atas nilainya sebesar 0,276 lebih dari (>) 0,05, maka dapat dikatakan data berdistribusi Normal atau yang berarti
menerima H0.
https://www.statistikian.com/2013/02/uji-normalitas-pada-spss.html
3. NORMALITAS
Hampir sama dengan Shapiro Wilk di atas, cara interprestasinya adalah dengan melihat nilai Sig. pada kolom Kolmogorov-
Smirnova. Pada contoh di atas nilainya 0,200 lebih dari (>) 0,05, maka data berdistribusi Normal atau yang berarti
menerima H0.
https://www.statistikian.com/2013/02/uji-normalitas-pada-spss.html
4. OUTLIER
DETEKSI OUTLIER
• Outliers adalah data yang menyimpang terlalu jauh dari data yang
lainnya dalam suatu rangkaian data. Adanya data outliers ini akan
membuat analisis terhadap serangkaian data menjadi bias, atau tidak
mencerminkan fenomena yang sebenarnya. Istilah outliers juga sering
dikaitkan dengan nilai esktrem, baik ekstrem besar maupun ekstrem
kecil.
• Outliers sebagai titik ekstrim
• Outliers sebagai titik yang “jauh” dari trendline
http://widhiarso.staff.ugm.ac.id/files/Berurusan%20dengan%20Outliers.pdf
4. OUTLIER
4
5
6
7
4. OUTLIER
DI DELETE
https://maglearning.wordpress.com/2019/02/27/skor-standar-z-score-untuk-screening-data-dan-regresi/
http://waikabo.blogspot.com/2015/04/memriksa-data-outlier-menggunakan.html
http://www.portal-statistik.com/2015/04/cara-mendeteksi-data-outlier-dengan-spss.html
4. OUTLIER
COPY PASTE KE EXCEL UNTUK SORT OUTLIER YANG AKAN DIHAPUS GUNAKAN FUNGSI IF UNTUK SORT DATA
4. OUTLIER
4. OUTLIER
Uji Heteroskedastisitas
• Heteroskedastisitas adalah kebalikan dari homoskedastisitas, yaitu
keadaan dimana terjadinya ketidaksamaan varian dari error untuk
semua pengamatan setiap variabel bebas pada model regresi.
Sebaliknya, pengertian homoskedastisitas adalah keadaan dimana
adanya kesamaan varian dari error untuk semua pengamatan setiap
variabel bebas pada model regresi.
• uji yang menilai apakah ada ketidaksamaan varian dari residual untuk
semua pengamatan pada model regresi linear.
• Apabila asumsi heteroskedastisitas tidak terpenuhi, maka model
regresi dinyatakan tidak valid sebagai alat peramalan
Uji Heteroskedastisitas: Glejser 5. HETEROSKEDASTISITAS
• Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai ABSolut RESidualnya (ABS_RES).
Jika nilai signifikansi antara variabel independen dengan absolut residual > 0,05 maka tidak terjadi masalah
heteroskedastisitas.
• Inputkan data di SPSS
• Langkah pertama yaitu mencari nilai unstandardized residual, caranya klik Analyze >> Regression >> Linear >> Pada kotak
dialog Linear Regression, masukkan Y ke kotak Dependent, kemudian masukkan variabel X1, X2, X3 ke kotak Independent >>
Klik tombol Save, selanjutnya akan terbuka kotak dialog ‘Linear Regression: Save’
• Pada Residuals, beri tanda centang (V) pada ‘Unstandardized’. Kemudian klik tombol Continue. Akan kembali ke kotak dialog
sebelumnya, klik tombol OK. Abaikan hasil output SPSS, Anda buka data view, disini akan bertambah satu variabel yaitu
residual (RES_1).
• Selanjutnya, mencari nilai absolute residual dari nilai residual di atas, caranya klik menu Transform >> Compute Variable.
• Pada kotak Target Variable, merupakan nama variabel baru yang akan tercipta. Ketikkan ABS_RES. Kemudian klik pada kotak
Numeric Expression, lalu ketikkan ABS( lalu masukkan variabel Unstandardized Residual (RES_1) ke kotak Numeric
Expression dengan klik tanda penunjuk, kemudian ketik tanda tutup kurung. Maka lengkapnya akan tertulis ABS(RES_1),
perintah ini untuk menghitung nilai absolute dari residual. Jika sudah klik tombol OK. Muncul variable baru bernama
ABS_RES pada data view
• Selanjutnya meregresikan nilai variabel independen dengan absolute residual. Caranya klik Analyze >> Regression >> Linear.
• Masukkan variabel ABS_RES ke kotak Dependent, kemudian masukkan varibel x1, x2 dan x3 ke kotak Independents.
Selanjutnya klik tombol OK.
http://duwiconsultant.blogspot.com/2011/11/uji-heteroskedastisitas.html
5. HETEROSKEDASTISITAS
3
5. HETEROSKEDASTISITAS
5. HETEROSKEDASTISITAS
5. HETEROSKEDASTISITAS
Tidak di (V)
5. HETEROSKEDASTISITAS
Dari output di atas dapat diketahui bahwa nilai signifikansi ketiga variabel
independen > 0,05. Dengan demikian dapat disimpulkan bahwa tidak terjadi
masalah heteroskedastisitas pada model regresi.
5. HETEROSKEDASTISITAS
Uji Heteroskedastisitas
• Uji Heteroskedastisitas lainnya:
• PARK
• SPEARMAN
• WHITE
• DIPELAJARI SENDIRI
6. AUTOKORELASI
UJI AUTOKORELASI
• Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi
antara residual pada satu pengamatan dengan pengamatan lain pada
model regresi.
• Yang dimaksud dengan Autokorelasi adalah “hubungan antara nilai-
nilai yang dipisahkan satu sama lain dengan jeda waktu tertentu”.
• Metode pengujian untuk mendeteksi adanya masalah atau asumsi
autokorelasi, antara lain: Breusch Godfrey, Durbin Watson dan Durbin
Watson H.
https://www.statistikian.com/2017/01/uji-autokorelasi-dengan-spss.html
6. AUTOKORELASI
UJI Autokorelasi
• Autokorelasi dapat diartikan bahwa terdapat korelasi antar waktu. Sehingga bisa
diartikan dengan mudah bahwa autokorelasi ini sering terjadi pada regresi linear
dengan data time series atau runtun waktu. Dan jarang sekali terjadi pada data
cross section.
• Data runtun waktu ini misalnya data jumlah rumah tangga dari tahun 2012 sd
2017.
• Sedangkan data cross section, misalnya data hasil dari kuesioner yang disebarkan
pada semua responden survai HI, dimana hanya diukur satu kali saja.
• Gejala Autokorelasi akan ditemukan pada penelitian yang menggunakan data
time series. Sedangkan pada data cross section, uji autokorelasi tidak perlu
dilakukan.
https://mjurnal.com/cara-uji-asumsi-klasik-menggunakan-spss/
6. AUTOKORELASI
http://duwiconsultant.blogspot.com/2011/11/uji-normalitas-regresi.html
6. AUTOKORELASI
5
6. AUTOKORELASI
nilai DW hitung (d-hitung) = 1,527. Berdasarkan Tabel DW dengan n (atau T) =15 dan jumlah variabel bebas (k) =
3 (kalau dengan intercept berarti k=3+1=4), maka nilai dL dan dU berturut-turut sebesar 0,8140 dan 1,7501.
Dengan demikian dapat dL < d-hitung < dU yaitu sebesar 0,8140 < 1,527 < 1,7501 sehingga disimpulkan tidak
menghasilkan kesimpulan yang pasti
https://www.statistikian.com/2017/01/uji-asumsi-klasik-regresi-linear-spss.html
TUGAS KELOMPOK
• MEMODELKAN BANGKITAN PERJALANAN LENGKAP DENGAN UJI
ASUMSI YANG DIBUTUHKAN
• DATA AKAN DIBAGIKAN
Ini duluan : REGRESI LINEAR SEDERHANA
KOEFISIEN KORELASI
Rumus Pearson Product Moment
Atau, a = ẏ - bẋ
maka:
uji linearitas =
r= 0,991721 0,991721 =pearson(…)
( r hitung)
r tabel = 0,8783 (ɑ=0,05) CROSSCHECK
r hitung ≥ r tabel = terdapat hub. Signifikan antara X dan Y X Y = 0,1 + 4,3X Y awal
r^2= 0,983511 0,983511 =rsq(…) 1 4,4 4
a= 0,1 a = 0,1 ATAU; a = ẏ ‐ bẋ 2 8,7 10
b= 4,3 3 13 12
4 17,3 17
JADI; Y = a + bX 5 21,6 22
Y = 0,1 + 4,3X dengan r^2= 0,983511
Uji r → 2 arah … :
TUGAS RLS→ KERJAKAN TULIS TANGAN & DIHITUNG
SOAL 1
APABILA :
X= ukuran rumah tangga
MANUAL
SOAL 2
APABILA pada 5th kedepan, hasil survai HI
menunjukkan ukuran keluarga berubah,
Y= jml perjalanan maka tentukan :
n= sampel ke- 1. bangkitan perjalanan tiap sampel
dari hasil survai HI diketahui bahwa 2. total bangkitan perjalanan seluruh sampel
n X Y
n X Y=…?
1 2 3
1 5
2 3 5
2 8
3 2 5
3 5
4 4 9
4 8
5 3 5
5 4
6 2 4 6 4
7 4 9 7 6
8 4 8 8 5
9 2 3 9 7
10 3 5 10 5
ƩY= …...
MAKA
1. tentukan bangkitan perjalanan total
2. tentukan nilai r
3. uji SIGNIFIKANSI hub. X dan Y
4. tentukan nilai r^2
5. tentukan nilai a
6. tentukan nilai b
7. bangun persamaan regresinya
8. analisis dengan scatter, lengkap!
METODE LEAST SQUARE
Apabila hanya memiliki 1 jenis data time series, misalnya data perjalanan per tahun, data penumpang per tahun, data
penjualan tiket per tahun, data okupansi per tahun, BIOP per tahun, dan lain-lain. Juga bisa dalam satuan bulan,
tergantung konteks permasalahan
Υ = a +bX
Dimana :
Υ = Besarnya nilai yang diramal
a = Trend pada periode dasar
b = tingkat perkembangan nilai yang diramal
X = Unit waktu yang dihitung dari periode dasar
https://dounkey.com/2017/09/23/kuadrat-terkecil/
METODE LEAST SQUARE:
Metode titik tengah sebagai tahun dasar (ΣX = 0)
Dalam metode ini, jumlah X harus sama dengan nol, sehingga nilai a dan b menggunakan rumus berikut
Dengan titik tengah sebagai tahun dasar, maka nilai X pada titik tengah tersebut akan bernilai nol.
Hanya saja, ada sedikit perbedaan untuk menentukan titik tengah pada data yang berjumlah ganjil
dan genap
Υ = a +bX
Y = 1.250 + 32,86X
METODE LEAST SQUARE:
Metode Nol Bebas (ΣX ≠ 0)
Pada metode nol bebas, jumlah skala X (ΣX) adalah bebas, berbeda dengan metode titik tengah yang skala X nya harus nol.
Metode nol bebas berlaku jika ditentukan suatu tahun dasar dalam suatu periode.
Υ = a +bX
Y = 1.350 + 70X
Jadi, peramalan pada th
2017 adalah :
Y = 1.350 + 70X
= 1.350 + 70(2)
= 1.490
Banyaknya Produksi
Perjalanan pada ZONA 1
Banyaknya Tarikan
Perjalanan pada ZONA 1
PETA GARIS KEINGINAN
DESIRE LINE
MATRIK ASAL TUJUAN (MATRIK AT)
MATRIK ORIGIN-DESTINATION (MATRIK OD)
• TUJUAN :
Keterangan :
Tid = Peramalan perjalanan ( masa mendatang )
tid = Perjalanan existing ( masa sekarang )
Ei = Faktor pertumbuhan pada zona asal
Ej = Faktor pertumbuhan pada zona tujuan
Oi = Jumlah pergerakan zona asal ( tahun rencana )
oi = Jumlah pergerakan zona asal ( masa sekarang )
Dj = Jumlah pergerakan zona tujuan ( tahun rencana )
dj = Jumlah pergerakan zona tujuan ( masa sekarang )
Menghitung Produksi Perjalanan (Pi) dan
Tarikan Perjalanan (Aj)
MATRIK OD (sampel) EKSISTING (PERJALANAN/HARI)
O/D 1 2 3 4 Pi
1 0 83 470 240 793 P1 = 0+83+470+240 TG1=(793+791)/2 792
2 75 0 367 190 632 P2 = 75+0+367+190 TG2=(632+631)/2 631,5
3 417 364 0 1529 2310 P3 = 417+364+0+1529 TG3=(2310+2331)/2 2320,5
4 299 184 1494 0 1977 P4 = 299+184+1494+0 TG4=(1977+1959)/2 1968
Aj 791 631 2331 1959 ƩTG= 5712
total Pi= 5712 TG= Trip Generation
A1 = 0+75+417+299 total Aj= 5712
A2 = 83+0+364+184 total perjalanan = 5712
A3 = 470+367+0+1494
A4 = 240+190+1529+0
EKSPANSI DATA
OD sampel → OD populasi
A= 400
B= 40
C= 360
D= 10
FE = 10 Faktor Ekspansi
Hasil ekspansi data
MATRIK OD (populasi) EKSISTING (PERJALANAN/HARI)
O/D 1 2 3 4 Pi
1 0 830 4700 2400 7930 TG1= (7930+7910)/2 7920
2 750 0 3670 1900 6320 TG2= (6320+6310)/2 6315
3 4170 3640 0 15290 23100 ZONA CBD YANG MANA? TG3= (23100+23310)/2 23205
4 2990 1840 14940 0 19770 TG4= (19770+19590)/2 19680
Aj 7910 6310 23310 19590 ƩTG= 57120
total Pi= 57120 TG= Trip Generation
total Aj= 57120
total perjalanan = 57120
dan seterusnya sehinga Ei=Ej=1 atau angkanya sudah tidak berubah lagi
artinya distribusi perjalanan sudah stabil/seimbang
MEMPREDIKSI DISTRIBUSI PERJALANAN
metode FAKTOR PERTUMBUHAN RATA-RATA
ITERASI KE-N
O/D 1 2 3 4 Pi Pi' Ei
1 0 1211,409 5751,5378 3000,153 9963,1 9963,1 1
2 1098,675 0 4556,009 2409,516 8064,2 8064,2 1
3 5148,741 4541,827 0 16238,73 25929,3 25929,3 1
4 3715,683 2310,963 15621,753 0 21648,4 21648,4 1
Aj 9963,1 8064,2 25929,3 21648,4
Aj' 9963,1 8064,2 25929,3 21648,4
Ej 1 1 1 1