Dosen :
Prof. Dr. Ir. Ofyar Z. Tamin M.Sc
Asisten:
Ulayya Sarfina, S.T.
Nabila Soraya Sekarputri, S.T.
Keza Harsono, S.T.
Disusun Oleh :
Muhammad Siddiq Abdulloh 15016011
Hira Pradana 15016025
Asyifah Annafis Milda 15016037
Nabila Intan Nurcahya 15016051
Fadi 15016063
Fajar Muhammad Pramudia 15016076
Disusun sebagai Salah Satu Syarat Kelulusan Mata Kuliah SI-4141 Pemodelan Transportasi
Disusun oleh:
Muhammad Siddiq Abdulloh 15016011
Hira Pradana 15016025
Asyifah Annafis Milda 15016037
Nabila Intan Nurcahya 15016051
Fadi 15016063
Fajar Muhammad Pramudia 15016076
Asisten, Dosen,
Nabila Soraya Sekarputri, S.T. Prof. Dr. Ir. Ofyar Z. Tamin, M.Sc.
NIM : NIP : 19580823198303 1 001
i
PRAKATA
Puji syukur penulis panjatkan atas kehadirat Allah SWT Tuhan Yang Maha Esa,
karena atas berkat rahmat dan hidayah-Nya penulis dapat menyelesaikan tugas besar ini
dengan baik. Dalam tugas besar ini penulis menjelaskan mengenai “Pemodelan Transportasi
4 Tahap di Jawa Timur dengan Menggunakan SPSS dan EMME/4 Trial”. Tugas besar ini
dibuat dalam rangka memenuhi tugas mata kuliah SI – 4141 Pemodelan Transportasi. Tugas
besar ini dapat diselesaikan berkat bantuan dari berbagai pihak, oleh sebab itu dalam
kesempatan ini penulis menyampaikan terima kasih kepada:
1. Bapak Prof. Dr. Ir. Ofyar Z. Tamin, M.Sc. selaku dosen mata kuliah SI – 4141
Pemodelan Transportasi sekaligus dosen pembimbing penulis.
2. Keluarga dan rekan-rekan penulis yang telah mendukung penulis dalam setiap
langkah dan tindakan yang dilakukan.
3. Kak Ulayya, Nabilla, Keza yang telah membantu penulis dalam proses pembuatan
tugas besar ini.
Semoga bantuan dan kerjasama yang telah diberikan mendapat balasan yang setimpal dari
Tuhan Yang Maha Esa. Penulis menyadari, dalam tugas besar ini masih banyak kesalahan
dan kekurangan. Hal ini disebabkan terbatasnya kemampuan, pengetahuan dan pengalaman
yang penulis miliki. Oleh karena itu penulis mengharapkan kritik dan saran demi perbaikan
dan tugas besar ini di waktu yang akan datang. Semoga tugas besar ini dapat bermanfaat bagi
penulis pada khususnya dan pembaca pada umumnya.
Penulis
ii
DAFTAR ISI
LEMBAR PENGESAHAN........................................................................................................i
PRAKATA.................................................................................................................................ii
DAFTAR ISI.............................................................................................................................iii
DAFTAR GAMBAR.................................................................................................................v
DAFTAR GRAFIK...................................................................................................................vi
DAFTAR TABEL....................................................................................................................vii
BAB I PENDAHULUAN..........................................................................................................1
1.2. Tujuan..........................................................................................................................2
iii
3.5.1. Metode Stepwise Tipe 1.....................................................................................19
4.4 Perhitungan Nilai Bangkitan Tarikan pada Tahun 2019, 2029, dan 2039.....................50
DAFTAR PUSTAKA................................................................................................................2
iv
DAFTAR GAMBAR
Gambar 2. 1 Ilustrasi Bangkitan dan Tarikan Pergerakan.........................................................4
Gambar 2. 2 Metode untuk memperoleh Matriks Asal-Tujuan (MAT).....................................8
Gambar 2. 3 Sebaran Pergerakan Antara Dua Zona................................................................14
v
DAFTAR GRAFIK
vi
DAFTAR TABEL
vii
Tabel 4. 26 Persamaan Variabel Y1 (Bangkitan Penumpang).................................................48
Tabel 4. 27 Persamaan Variabel Y2 (Tarikan Penumpang).....................................................48
Tabel 4. 28 Persamaan Variabel Y3 (Bangkitan Barang)........................................................49
Tabel 4. 29 Persamaan Variabel Y4 (Tarikan Barang)............................................................49
Tabel 4. 30 Variabel Jumlah Penduduk...................................................................................50
Tabel 4. 31 Variabel Luas Daerah............................................................................................51
Tabel 4. 32 Variabel Jumlah Kecelakaan.................................................................................52
Tabel 4. 33 Variabel Jumlah Hotel..........................................................................................53
Tabel 4. 34 Variabel Produksi Padi..........................................................................................54
Tabel 4. 35 Variabel Luas Lahan Perkebunan.........................................................................55
Tabel 4. 36 Variabel Daging Sapi............................................................................................56
Tabel 4. 37 Variabel Produksi Budidaya Ikan Kolom.............................................................57
Tabel 4. 38 Variabel Jumlah Koperasi.....................................................................................58
Tabel 4. 39 Variabel Jumlah Rumah Sakit...............................................................................59
Tabel 4. 40 Variabel Ubi Kayu................................................................................................60
Tabel 4. 41 Variabel Jumlah Angkatan Kerja..........................................................................61
Tabel 4. 42 Variabel Jumlah Murid SD...................................................................................62
Tabel 4. 43 Pergerakan Bangkitan pada Tahun Rencana 2019, 2029, dan 2039.....................63
Tabel 4. 44 Jenis Data dan Asumsi Konversi..........................................................................64
Tabel 4. 45 Hasil Konversi Bangkitan Tarikan pada Tahun 2019...........................................65
Tabel 4. 46 Hasil Konversi Bangkitan Tarikan pada Tahun 2029...........................................66
Tabel 4. 47 Hasil Konversi Bangkitan Tarikan pada Tahun 2039...........................................67
Tabel 4. 48 Hasil Total Pergerakan Bangkitan dan Tarikan dengan Satuan smp/jam.............68
Tabel 4. 49 Normalisasi Tahun 2019.......................................................................................69
Tabel 4. 50 Normalisasi 2029..................................................................................................70
Tabel 4. 51 Normalisasi 2039..................................................................................................71
Tabel 4. 52 Nilai FVo...............................................................................................................72
Tabel 4. 53 Koefisien FVw......................................................................................................73
Tabel 4. 54 Nilai FFVsf...........................................................................................................73
Tabel 4. 55 Nilai FFVcs...........................................................................................................74
Tabel 4. 56 Tipe jalan untuk nilai Co.......................................................................................74
Tabel 4. 57 Nilai Fcw...............................................................................................................75
Tabel 4. 58 Nilai FCsp.............................................................................................................75
Tabel 4. 59 Nilai FCsf..............................................................................................................76
viii
Tabel 4. 60 Nilai FCcs.............................................................................................................76
Tabel 4. 61 Hasil Analisis Free Flow Speed dan Kapasitas Jalan...........................................77
ix
BAB I
PENDAHULUAN
1.1. Latar Belakang
Saat ini perpindahan manusia dan informasi dari suatu tempat ke tempat lain
bisa dilakukan dengan sangat cepat. Kemajuan penyebaran informasi memberikan
informasi kepada manusia mengenai tempat-tempat dimana kebutuhan mereka
akan dipenuhi. Hal inilah yang memicu manusia untuk terus melakukan
pergerakkan. Bukan hanya karena faktor kemajuan penyebaran informasi,
meningkatnya kesejahteraan masyarakat juga memberikan masyarakat pilihan
lebih dalam memilih moda transportasi yang sesuai dengan keinginan.
Di Indonesia, hingga saat ini moda transportasi yang cukup popular adalah
moda transportasi darat. Akibat dari perkembangan penyebaran informasi yang
pesat tetapi tidak diimbangi dengan perkembangan transportasi yang pesat juga
adalah kemacetan lalu lintas yang terjadi dibeberapa kota besar di Indonesia.
Bukan hanya Jakarta yang notabene sebagai Ibukota, tetapi juga kota-kota lain
diwilayah nusantara makin kesini ikut menghadapi permasalahan yang sama yaitu
kemacetan. Kini, Jakarta bukan lagi sebagai kota termacet di Indonesia, tetapi
Bandung sebagai kota termacet di Indonesia. Kota Bandung menjadi macet
disebabkan banyak pendantang yang datang dari wilayah sekitar Bandung sampai
yang jauh untuk memenuhi kebutuhan. Adanya perguruan tinggi negeri yang
terkemuka di Bandung menjadi daya tarik manusia untuk memenuhi
kebutuhannya disini. Tidak seperi Jakarta yang merupakan kota industri, yang
mana masyarakat berpindah secara massal. Di Bandung, masyarakat berpindah
secara individu. Sehingga, penggunaan kendaraan pribadi menjadi salah satu
penyumbang kemacetan di kota ini. Salah satu upaya pemerintah kota Bandung
dalam menangani kemacetan ini adalah melakukan pembangunan fly over di
berbagai simpang dan juga melakukan sistem rekayasa lalu lintas.
Rekayasa lalu lintas adalah suatu rekayasa yang dilakukan ahli pemodelan
lalu lintas dengan cara melakukan pemodelan pergerakkan lalu lintas di software,
kemudian dilaksanakan di lapangan dengan tujuan agar kemacetan dapat diterurai.
Untuk memodelkan lalu lintas, dibutuhkan data-data yang sekiranya berhubungan
dengan sistem pergerakkan di suatu wilayah tersebut. Hal yang terjadi di
Bandung, hampir serupa yang terjadi di Jawa Timur. Adanya Institut Teknologi
Sepuluh November menjadi daya tarik pendatang untuk memenuhi kebutuhan
berupa pendidikan di salah satu kota di provinsi Jawa Timur. Meskipun, tidak
dipungkiri lagi bahwa bukan hanya itu saja faktor yang membangkitkan
pergerakkan di provinsi Jawa Timur. Untuk membahas lebih dalam faktor-faktor
yang mempengaruhi pergerakkan dan pemodelan pergerakkan yang terjadi di
provinsi Jawa Timur, penulis menyusun makalah pemodelan transportasi di
provinsi Jawa Timur dengan 4 tahap sebagai berikut.
1.2. Tujuan
Berdasarkan pemaparan pada subbab latar belakang, tujuan dari penelitian ini
adalah :
1. Membuat model bangkitan dari setiap kecamatan di provinsi Jawa Timur
2. Membuat model tarikan dari setiap kecamatan di provinsi Jawa Timur
3. Menentukan faktor apa saja yang mempengaruhi pergerakkan di provinsi
Jawa Timur
Terdapat beberapa konsep perencanaan transportasi yang telah berkembang sampai dengan saat
ini, yang paling populer dan digunakan dalam pengerjaan tugas besar ini adalah ‘Model
Perencanaan Transportasi Empat Tahap’. Model ini terdiri dari beberapa seri submodel yang
diakukan secara terpisah dan berurutan. Submodel tersebut adalah:
1. Bangkitan dan tarikan pergerakan (trip generation)
2. Sebaran pergerakan (trip distribution)
3. Pemilihan moda (modal split)
4. Pembebanan rute (trip assignment)
Bangkitan dan tarikan pergerakan dapat dilihat pada ilustrasi berikut. (Wells, 1975)
Jenis tata guna lahan yang berbeda akan memiliki ciri bangkitan lalulintas yang
berbeda dari segi jumlah arus lalulintas, jenis lalulintas, dan lalulintas pada waktu tertentu.
Adapun jumlah dan jenis lalulintas yang dihasilkan oleh masing-masing tata guna lahan
merupakan hasil dari fungsi parameter sosial dan ekonomi. Berikut merupakan contoh
bangkitan dan tarikan pergerakan dari beberapa aktivitas tata guna lahan.
Bangkitan pergerakan tidak hanya beragam dalam jenis tata guna lahan, tetapi juga
tingkat aktivitasnya. Semakin tinggi penggunaan tanah, maka semakin tinggi pula
pergerakan arus lalulintas yang dihasilkan.
Untuk mencerminkan hubungan antara sistem tata guna lahan dengan sistem prasarana
transportasi digunakan beberapa model. Penggunaan model dapat menerangkan cara kerja sistem
dan hubungan keterkaitan antar sistem secara terukur. Tahapan pemodelan bangkitan pergerakan
bertujuan untuk meramalkan jumlah pergerakan pada setiap zona asal dengan menggunakan data
seperti tingkat bangkitan pergerakan, atribut sosio-ekonomi, serta tata guna lahan.
Terdapat beberapa jenis pemodelan bangkitan pergerakan seperti analisis regresi yang terdiri
dari:
Kemudian langkah ketiga diatas dilaukan satu demi satu hingga hanya tertinggal
satu parameter saja. Terakhir, kaji nilai koefisien determinasi serta nilai konstanta dan
koefisien regresi dari setiap tahap untuk menentukan model terbaik dengan kriteria
antara lain: semakin banyak peubah bebas yang digunakan, semakin baik model
tersebut, tanda koefisien regresi (+/-) sesuai dengan yang diharapkan, nilai konsanta
regresi kecil (semakin mendekati nol semakin baik), dan nilai koefisien dterminasi (R 2)
besar (semakin mendekati satu semakin baik).
Terakhir, kaji nilai koefisien determinasi serta nilai konstanta dan koefisien
regresi tiap model untuk menentukan model terbaik dengan kriteria yang sama pada
model Stepwise 1.
MAT adalah matriks yang berisi informasi mengenai besarnya pergerakan antarlokasi (zona)
di dalam daerah tertentu. Baris menyatakan zona asal dan kolom menyatakan zona tujuan,.
Dalam hal ini, notasi Oijmenyatakan besarnya arus pergerakan (kendaraan, penumpang, atau
barang) yang bergerak darizona asal i ke zona tujuan jselama selang waktu tertentu. Dimensi
matriks (jumlah kolom dan baris) ditentukan oleh banyaknya zona yang ditinjau.
Pola pergerakan dapat dihasilkan jika suatu MAT digunakan sebagai dasar perencanaan
sistemjaringan transportasi. Dengan mempelajari pola pergerakan yang terjadi, seseorangdapat
mengidentifikasi permasalahan yang timbul. MAT dapat memberikan indikasi rinci mengenai
kebutuhan akanpergerakan sehingga MAT memegang peran yang sangat penting dalam
berbagaikajian perencanaan dan manajemen transportasi.
Metode untuk mendapatkan MAT dapat dikelompokkan menjadi dua bagian utama,yaitu
metode Konvensional dan metode Tidak Konvensional (Tamin, 1985;1986; 1988abc).
Gambar 2. Metode untuk memperoleh Matriks Asal-Tujuan (MAT)
Data yang didapat dengan metode langsung dikategorikan sebagai data primer. Data ini
diperoleh langsung dari sumber komponen yang terlibat dalam suatu jaringan transportasi.
Sebagian besar teknik yang dilakukan dalam metode langsung adalah wawancara. Teknik
lainnya adalah mengambil gambar melalui udara ataupun mengikuti arus transportasi sambil
mengikuti suatu kendaraan tertentu.
Metode tidak langsung adalah metode yang menggunakan peramalan terhadap kondisi pola
pergerakan untuk dijadikan bahan perhitungan dala menentukan MAT untuk masa mendatang.
Data yang didapat dengan metode ini termasuk ke dalam data sekunder. Pada metode ini,
terdapat beberapa teknik yang bisa digunakan untuk memprediksi MAT di masa mendatang.
Penggunaan teknik didasarkan pada batasan yang kita inginkan, misalkan apakah kita ingin
mempertahankan pola pergerakan pada MAT selanjutnya atau ingin mempertahankan nilai dari
pergerakan. Setiap teknik yang digunakan akan menghasilkan karakteristik MAT yang berbeda
T ij =t ij . E
Tid = pergerakan pada masa mendatang dari zona i ke zoda tujuan d
E = tingkat pertumbuhan
Metode analogi terbagi lagi menjadi beberapa metode antara lain metode tanpa-batasan,
metode dengan satu-batasan, dan metode dengan dua-batasan. Dalam metode tanpa-batasan,
diasumsikan bahwa untuk keseluruhan daerah kajian hanya ada satu nilai tingkat pertumbuhan
yang digunakan untuk mengalikan semua pergerakan pada saat sekarang untuk mendapatkan
pergerakan pada masa mendatang. Metode ini tidak menjamin bahwa total pergerakan yang
dibangkitkan dari setiap zona asal dan total pergerakan yang tertarik ke setiap zona tujuan akan
sama dengan total bangkitan dan tarikan yang diharapkan pada masa mendatang.
1. Metode rata-rata
Metode rata-rata adalah metode paling sederhana dalam metode analogi. Metode
ini menggunakan tingkat pertumbuhan yang berbeda untuk setiap zona yang dapat
dihasilkan dari peramalan tata guna lahan dan bangkitan lalu lintas. Dalam metode ini,
total pergerakan masa mendatang yang dihasilkan belum tentu sama dengan total
pergerakan yang didapat dari hasil analisis bangkitan lalu lintas, namun hasil yang
diharapkan adalah total pergerakan masa mendatang sama dengan total pergerakan masa
mendatang. Secara matematis, metode rata-rata dapat dituliskan sebagai berikut:
Ei + E j
T ij =t ij .
2
Ti Tj
Ei = dan E j=
ti tj
Ti, Tj = total pergerakan masa mendatang yang berasal dari zona asal i atau zona
menuju ke zona tujuan j
ti, tj = total pergerakan masa sekarang yang berasal dari zona asal i atau zona menuju
ke zona tujuan j
2. Metode Detroit
Proses metode ini mirip dengan metode rata-rata tetapi asumsi yang digunakan
adalah walaupun jumlah pergerakan dari zona i meningkat sesuai dengan tingkat
pertumbuhanEi, pergerakan ini juga disebarkan ke zona d sebanding dengan Ed dibagi
dengan tingkat pertumbuhan global (E).
Ei + E j
T ij =t ij .
E
3. Metode Fratar
Asumsi dasar penggunaan metode Fratar adalah sebaran pergerakan dari zona asal
pada masa mendatang sebanding dengan sebaran pergerakan pada masa sekarang dan
sebaran pergerakan pada masa mendatang dimodifikasi dengan nilai tingkat pertumbuhan
zona tujuan pergerakan tersebut.
( Li + L j )
T ij =t ij . Ei . E j .
2
∑ tik
k ≠i
Li = N
∑ Ek . t k
k≠i
∑ t jk
k≠ j
Lj= N
∑ Ek . t k
k≠ j
4. Metode Furness
Metode Furness adaah metode yang sederhana dan mudah digunakan. Sebaran
pergerakan pada masa mendatang didapatkan dengan mengalikan sebaran pergerakan
pada saat sekarang dengan tingkat pertumbuhan zona asal atau zona tujuan yang
dilakukansecara bergantian.
Pada metode ini, pergerakan awal (masa sekarang) pertama kali dikalikan
dengantingkat pertumbuhan zona asal. Hasilnya kemudian dikalikan dengan
tingkatpertumbuhan zona tujuan. Lakukan perkalin secara bergantian (dengan zona asal
dan zona tujuan) hingga nilai E = 1, atau sama dengan nilai E sebelumnya.
Evans (1970) menunjukkan bahwa metode Furness selalu mempunyai satu solusi
akhir dan terbukti lebih efisien dibandingkan dengan metode analogi lainnya. Solusi
akhir pasti selalu sama, tidak tergantung dari mana pengulangan dimulai (baris atau
kolom).
Dengan k= konstanta
Hal yang harus diperhatikan adalah pergerakan antara zona asal i dan zona tujuan d
berbanding lurus dengan Oi dan Djdan berbanding terbalik kuadratis terhadap jarak antar
kedua zona tersebut. Dalam penggunaannya, diperlukan suatu konstanta berupa faktor
penyeimbang agar tidak terjadi kesalahan dalam model GR.
T id ≈ Oi . D j . Ai . B j . f (C¿ ¿ij)¿
1
Ai =
∑ (B j D j f ij )
j
1
Bj=
∑ ( Ai Oi f ij )
i
Hal lainnya yang perlu diketahui adalah fungsi hambatan fid harus dianggap sebagai
ukuran aksesibilitas antara zona i dengan zona j. Terdapat tiga jenis fungsi hambatan yaitu:
T ij =O i . D j . A i . B j . f (C ¿¿ ij)¿
1
Bj=
Ai= 1 untuk seluruh j dan ∑ ( Ai Oi f ij) untuk seluruh i
i
1 1
Ai = Bj=
∑ (B j D j f ij ) untuk semua i dan ∑ ( Ai Oi f ij) untuk semua j
j i
Dalam hal penggunaan, secara umum model DCGR sebaiknya digunakan pada
kasus yang ramalan bangkitan dan tarikan pergerakannya cukup baik di masa mendatang.
Jika ramalan bangkitan dan tarikan pergerakannya berbeda, tidak ada alasan
menggunakan model yang harus mendapatkan total ‘baris’ dan ‘kolom’ yang sama
sehingga dapat dipilih model yang lebih sederhana yang mungkin lebih baik dan lebih
murah.
Tahap ini merupakan tahap yang menghubungkan interaksi antara tata guna lahan, jaringan
transportasi, dan arus lalulintas. Pola spasial arus lalulintas merupakan fungsi dari tata guna
lahan dan sistem jaringan transportasi. Pola sebaran arus lalulintas antara zona asal ke sona
tunuan merupakan hasil dari dua hal yang terjadi secara bersamaan, yaitu lokasi dan intensitas
tata guna lahan yang akan menghasilkan arus lalulintas, pemisahan ruang, dan interaksi antara
dua buah tata guna lahan yang akan menghasilkan pergerakkan manusia dan/atau barang.
1. Intensitas tata guna lahan, semakin tinggi tingkat aktivitas suatu tata guna lahan maka
semakin tinggi pula tingkat kemampuannya untuk menarik lalulintas.
2. Pemisahan ruang, jarak antara dua tata guna lahan merupakan salah satu batas pergerakan.
Jarak yang jauh akan memakan biaya yang besar sehingga membuat pergerakan antara dua
buah tata guna lahan menjadi lebih sulit diakibatkan aksesibilitas yang rendah. Oleh karena
itu, pergerakan arus lalulintas cenderung meningkat apabila jarak antara kedua tata guna
lahan semakin dekat.
Tahap pemilahan moda adalah tahap yang mengidentifikasi besarnya pegerakan antar zona
yang menggunakan setiap moda transportasi tertentu. Pemilahan moda mungkin merupakan
model terpenting dalam perencanaan transportasi dikarenakan menyangkut efisiensi pergerakan
di daerah perkotaan, ruang yang harus disediakan kota untuk dijadikan prasarana transportasi,
dan banyaknya pilihan moda transportasi yang dapat dipilih penduduk.
Faktor yang dapat memengaruhi pemilihan moda dapat dikelompokkan menjadi tiga, yaitu:
Model pemilihan moda yang baik harus mempertimbangkan semua faktor di atas. Dari semua
model pemilihan moda, dibagi menjadi dua kelompok utama, yaitu Trip Ends Modal Split Model
dan Trip Interchange Modal Split Model.
Trip ends modal split model merupakan model yang didasarkan kepada variabel
pemilihan moda yang merupakan variabel sosio-ekonomi (model agregat), biasanya dilakukan
pada tahapan pemodelan trip generation. Konsepnya adalah memodelkan pemilihan moda
eksisting berdasarkan kondisi social ekonomi pelaku perjalanan, sesuai dengan data keluar /
masuk zona berdasarkan moda, sehingga metoda dan prosedur pengembangan modelnya persis
sama dengan model bangkitan / tarikan, yaitu dengan trip rate atau regresi (multilinier) atau
lainnya.
Trip interchange modal split memiliki konsep memodelkan perilaku pemilihan moda
berdasarkan atribut pelaku perjalanan dan atribut (karakteristik) moda, seperti kenyamanan, tarif,
waktu tempuh, waktu tunggu, dan lain-lain. Data diperoleh dari wawancara / survei karena
dalam pemilihan moda terdapat faktor persepsi dan preferensi yang tidak selalu bersifat
kuantitatif. Trip interchange modal split menggunakan konsep utilitas. Bila nilai yang
dipersipsikan tersebut terdiri atas lebih dari satu variabel, maka menjadi fungsi yang dapat
merupakan gambaran tentang tingkat kepuasan (utilitas) atau ketidapuasan (disutility) terhadap
suatu pilihan. Umumnya fungsi utilitas berbentuk persamaan linier :
Keterangan :
Ε0 = error
Begitu persamaan utilitas untuk masing-masing moda telah diketahui, maka untuk perkiraan
komposisi pemilihan modanya dapat digunakan model / persamaan Logit Binomial atau
Multinomial. Kemudian dapat diketahui probabilitas pemilihan moda yang dapat dikalikan
dengan demand dengan asal tujuan yang sama untuk diperoleh jumlah perjalanan yang akan
menggunakan masing-masing moda. Berikut adalah rumus probabilitasnya
eV (i)
Pi= n
∑ eV (r )
r=1
Keterangan :
Pi = probabilitas
Kapasitas didefinisikan sebagai arus maksimum yang dapat melalui suatu garis tegak
lurus sumbu jalan yang kemungkinan dapat terjadi per satuan jam pada kondisi tertentu. Menurut
MKJI, cara menghitung kapasitas jalan perkotaan adalah
Keterangan :
C = Kapasitas (smp/jam)
FCsp = Faktor penyesuaian pemisahan arah (hanya untuk jalan tak terbagi)
Kecepatan arus bebas (FV) didefinisikan sebagai kecepatan pada tingkat arus nol, yaiut
kecepatan yang akan dipilih pengemudi jika mengendarai kendaraan bermotor tanpa dipengaruhi
oleh kendaraan bermotor lain di jalan. Menurut MKJ, cara menghitung kecepatan arus bebas
jalan perkotaan adalah
Keterangan :
FVo = Kecepatan arus bebas dasar kendaraan ringan pada jalan yang diamati
Pengerjaan laporan ini dimulai dengan mencari studi literatur mengenai tujuan laporan
dan hal – hal yang berkaitan dengan laporan. Studi literatur yang digunakan sebagai panduan
dalam melakukan pencarian, pengolahan, dan analisis data. Kemudian, dilanjutkan dengan
mengumpulkan data yang diperoleh dari data pusat statistik nasional Provinsi Jawa Timur.
Pengerjaan selanjutnya yaitu pengolahan data sesuai dengan metode – metode yang
nantinya mengarah pada tujuan laporan. Setleah didapat angka dan grafik hasil pengolahan,
dilakukan analisis tentang pengolahan data yang diperoleh sesuai dengan panduan studi
literature. Kemudian diperoleh kesimpulan dari hasil analisis tersebut yang merupakan jawaban
dari tujuan laporan
3.4. Metode Pemodelan Empat Tahap
Berikut alur pengerjaan untuk pemodelan 4 tahap:
Tahap 1: Tentukan parameter sosio-ekonomi yang akan digunakan sebagai peubah bebas.
Pertama, pilihlah keterkaitan (korelasi) dengan peubah tidak bebas. Kemudian, lakukan uji
korelasi untuk mengabsahkan keterkaitannya dengan peubah tidak bebas (bangkitan atau
tarikan pergerakan). Dua persyaratan statistic utama yang harus dipenuhi dalam memilih
peubah bebas adalah:
Peubah bebas harus mempunyai korelasi tinggi dengan peubah tidak bebas;
Sesama peubah bebas tidak boleh saling berkorelasi. Jika terdapat dua peubah bebas
yang saling berkorelasi, pilihkah salah satu yang mempunyai korelasi lebih tinggi
terhadap perubahan tidak bebasnya.
Tahap 3: Tentukan parameter yang mempunyai korelasi terkecil terhadap peubah tidak
bebasnya dan hilangkan parameter tersebut. Lakukan kembali analisis regresi-linear-
berganda dan dapatkan kembali nilai koefisien determinansi serta nilai konstanta dan
koefisien regresinya.
Tahap 4: Lakukan kembali tahap (3) satu demi satu sampai hanya tertinggal satu parameter
saja.
Tahap 5: Kaji nilai koefisien determinasi serta nilai konstanta dan koefisien regresi setiap
tahap untuk menentukan model terbaik dengan kriteria berikut:
Semakin banyak peubah bebas yang digunakan, semakin baik model tersebut;
Tanda koefisien regresi (+/-) sesuai dengan yang diharapkan;
Nilai konstanta regresi kecil (semakin mendekati nol, semakin baik);
Nilai koefisien determinasi (R2) besar (semakin mendekati satu, semakin baik);
Gambar 3. Flowchart Metode Stepwise Tipe 1
Tahap 1: Tentukan parameter sosio-ekonomi yang akan digunakan sebagai peubah bebas.
Pertama, pilihlah keterkaitan (korelasi) dengan peubah tidak bebas. Kemudian, lakukan uji
korelasi untuk mengabsahkan keterkaitannya dengan peubah tidak bebas (bangkitan atau
tarikan pergerakan). Dua persyaratan statistic utama yang harus dipenuhi dalam memilih
peubah bebas adalah:
Peubah bebas harus mempunyai korelasi tinggi dengan peubah tidak bebas;
Sesama peubah bebas tidak boleh saling berkorelasi. Jika terdapat dua peubah bebas
yang saling berkorelasi, pilihkah salah satu yang mempunyai korelasi lebih tinggi
terhadap perubahan tidak bebasnya.
Tahap 3: Tentukan parameter yang mempunyai koefisien regresi terkecil terhadap dan
hilangkan parameter tersebut. Lakukan kembali analisis regresi-linear-berganda dan
dapatkan kembali nilai koefisien determinansi serta nilai konstanta dan koefisien regresinya.
Tahap 4: Lakukan kembali tahap (3) satu demi satu sampai hanya tertinggal satu parameter
saja.
Tahap 5: Kaji nilai koefisien determinasi serta nilai konstanta dan koefisien regresi setiap
tahap untuk menentukan model terbaik dengan kriteria berikut:
Semakin banyak peubah bebas yang digunakan, semakin baik model tersebut;
Tanda koefisien regresi (+/-) sesuai dengan yang diharapkan;
Nilai konstanta regresi kecil (semakin mendekati nol, semakin baik);
Nilai koefisien determinasi (R2) besar (semakin mendekati satu, semakin baik);
Gambar 3. Flowchart Metode Stepwise Tipe 2
Tahap 1: Tentukan parameter sosio-ekonomi yang akan digunakan sebagai peubah bebas.
Pertama, pilihlah keterkaitan (korelasi) dengan peubah tidak bebas. Kemudian, lakukan uji
korelasi untuk mengabsahkan keterkaitannya dengan peubah tidak bebas (bangkitan atau tarikan
pergerakan). Dua persyaratan statistic utama yang harus dipenuhi dalam memilih peubah bebas
adalah:
Peubah bebas harus mempunyai korelasi tinggi dengan peubah tidak bebas;
Sesama peubah bebas tidak boleh saling berkorelasi. Jika terdapat dua peubah bebas
yang saling berkorelasi, pilihkah salah satu yang mempunyai korelasi lebih tinggi
terhadap perubahan tidak bebasnya.
Tahap 2: Tentukan beberapa model dengan menggunakan beberapa kombinasi peubah bebas
secara coba-coba berdasarkan uji korelasi yang dihasilkan pada tahap 1. Kemudian lakukan
analisis regresi-linear-berganda untuk kombinasi model tersebut untuk mendapakatan nilai
koefisien determinansi serta nilai konstanta dan koefisien regresinya.
Tahap 3: Kaji nilai koefisien determinasi serta nilai konstanta dan koefisien regresi tiap model
untuk menentukan model terbaik dengan kriteria yang sama dengan kriteria berikut:
Semakin banyak peubah bebas yang digunakan, semakin baik model tersebut;
Tanda koefisien regresi (+/-) sesuai dengan yang diharapkan;
Nilai konstanta regresi kecil (semakin mendekati nol, semakin baik);
Nilai koefisien determinasi (R2) besar (semakin mendekati satu, semakin baik);
Gambar 3. Flowchart Metode Coba-Coba
Model gravity (GR) merupakan pemodelan yang menggunakan konsep gravitasi yang
diperkenalkan oleh Newton tahun 1686 yang dikembangkan dari analogi hokum gravitasi.
Metode ini berasumsi bahwa ciri bangkitan dan tarikan pergerakan berkaitan dengan beberapa
parameter zona asal, misalnya populasi dan nilai sel MAT yang berkaitan dengan aksesibilitas
(kemudahan) sebagai fungsi jarak, waktu, maupun biaya.
Newton menyatakan bahwa gaya tarik atau tolak antara dua kutub massa berbanding lurus
dengan massanya dan berbanding terbalik kuadratis dengan jarak kedua massa tersebut.
Sedangkan pada ilmu geografi, gaya dapat dianggap sebagai pergerakan antara dua daerah,
sedangkan massa dapat diganti dengan variabel seperti misalnya bangkitan atau tarikan.
Sehingga model gravitasi ini dapat dinyatakan dalam bentuk sebagai berikut:
Oi Od
T id =K
d 2id
Metode ini memiliki beberapa hal yang harus diperhatikan, diantaranya pergerakan zona
asal i dan zona tujuan d berbanding lurus dengan Oi dan Dd dan berbanding terbalik dengan
kuadratis jarak diantara kedua zona tersebut. Ditambahkan juga pembatas agar tidak terjadi
kesalahan pada metode gravitasi.
T id ≈ Ai . Oi . B d . D d . f (C id )
1
Ai = N
∑ (¿ Bd . Dd . f id )¿
d =1
1
Bd = N
∑ ( Ai .Oi . f id )
i =1
Hal lain yang perlu diketahui adalah fungsi hambatan f id harus dianggap sebagai ukuran
aksesibilitas antara zona i dan d. Hyman (1969) menyarankan 3 jenis fungsi hambatan yang
dapat digunakan dalam model GR, yaitu:
f ( C id ) =C−a
id
f ( C id ) =e−β C id
−βC
f ( C id ) =C−a
id . e
id
Model gravity (GR) memiliki 4 jenis, yaitu:
1. Unconstrained-gravity (UCGR)
Model ini mempunyai satu batasan, yaitu total pergerakan yang dihasilkan harus sama
dengan total pergerakan yang diperkirakan dari tahap bangkitan pergerakan. Tanpa
batasan pada model ini memiliki arti bahwa model tidak diharuskan menghasilkan total
yang sama dengan total pergerakan dari dan ke setiap zona yang diperkirakan oleh tahap
bangkitan pergerakan. Modelnya dapat dituliskan sebagai berikut:
T id=O i . Ai . B d . Dd . f (Cid )
Dengan Ai = 1 untuk seluruh i, dan Bd = 1 untuk seluruh d.
2. Production-constrained (PCGR)
Model ini sering disebut sebagai model dengan-satu-batasan atau singly-constrained
(SCGR). Dalam model ini selain persyaratan bahwa total pergerakan global hasil
bangkitan tarikan harus sama dengan total pergerakan yang dihasilkan pemodelan, nilai
bangkitan pergerakan yang dihasilkan model harus sama dengan hasil bangkitan
pergerakan yang diinginkan. Akan tetapi, nilai pergerakan tarikan baik model dan yang
diinginkan tidak perlu sama nilainya. Persamaan modelnya sama dengan pada metode
UCGR, yaitu:
T id=O i . Ai . B d . Dd . f (Cid )
1
Ai = N
Dengan batas berbeda, yaitu: Bd = 1 untuk setiap d, dan
∑ ( Bd . Dd . f id )
d =1
3. Attraction-constrained (ACGR)
Sama halnya dengan PCGR, model ini juga sering disebut sebagai SCGR. Dalam model
ini selain persyaratan bahwa total pergerakan global hasil bangkitan tarikan harus sama
dengan total pergerakan yang dihasilkan pemodelan, nilai tarikan pergerakan yang
dihasilkan model harus sama dengan hasil tarikan pergerakan yang diinginkan. Akan
tetapi, nilai pergerakan bangkitan baik model dan yang diinginkan tidak perlu sama
nilainya. Persamaan modelnya sama dengan pada metode UCGR, yaitu:
T id=O i . Ai . B d . Dd . f (Cid )
1
Bd = N
Dengan batas berbeda, yaitu: Ai = 1 untuk setiap i, dan
∑ ( Ai .Oi . f id )
i =1
4. Production-attraction-constrained (PACGR)
Model ini sering disebut sebagai model dengan-dua-batasan atau doubly-constrained
(DCGR). Pada model ini seluruhnya dibatasi. Maksudnya adalah baik total pergerakan
global dan perhitungan, nilai bangkitan maupun tarikan juga harus sama baik berdasarkan
perhitungan maupun yang diinginkan. Persamaan yang digunakan juga sama, namun
dengan keterangan Bd dan Ai yang berbeda (yaitu gabungan PCGR dan ACGR).
T id=O i . Ai . B d . Dd . f (Cid )
1 1
Ai = N
Bd = N
Dengan batas berbeda, yaitu: , dan
∑ ( Bd . Dd . f id ) ∑ ( Ai .Oi . f id )
d =1 i =1
Gambar 3. Diagram Alir Pengerjaan Metode PACGR
Program EMME 4 merupakan salah satu perangkat lunak (software) ilmu Teknik Sipil
terutama sub bidang ilmu Transportasi yang dikembangkan pada sekitar tahun 1970 di Center of
Research on Transportation (CRT) di Universitas Montreal. Kelebihan utama program ini adalah
pada kemampuannya untuk memodelkan persoalan transportasi secara multi modal. EMM4
merupakan sistem perencanaan transportasi urban – multi – modal baik angkutan pribadi maupn
angkutan umum serta keluaran grafik yang interaktif.
Program EMME4 pada dasarnya memncari keseimbangan (equilibrium) diantara sediaan
dan kebutuhan, yaitu dengan cara memprediksi arus pergerakan dikaitkan dengan fasilitas
transportasi yang tersedia. Karena itulah data jaringan jalan eksisting merupakan masukan utama
yang mutlak tidak diperbolehkan ada kesalahan karena akan berakibat fatal terhadap keseluruhan
analisis.
Di dalam memodelkan jaringan jalan, EMME4 juga dapat memperhitungkan data masukan
berupa jenis pengguna jalan yang memakai ruas tersebut yang dikelompokkan menjadi 3 jenis,
yaitu car, bus, dan pedestrian. Car menunjukkan bahwa pengguna jalan merupakan kendaraan
bermotor milik pribadi. Bus menunjukkan bahwa jalan dilalui oleh berbagai jenis kendaraan
umum. Pedestrian menunjukkan bahwa pada jalan tersebut juga dilalui oleh pejalan kaki.
Tingkat pelayanan sediaan merupakan fungsi dari biaya dan tundaan yang akan dioperasikan
pada Function Editor, dan kebutuhan dimodelkan dengan mengoperasikan matriks yang akan
dikerjakan pada Matrix Editor. Di dalam pengoperasian EMME2, variable – variable yang akan
digunakan dapat ditentukan sendiri, seperti volume delay function, besarnya biaya perjalanan,
ataupun juga energy coefficient.
Seperti yang telah diketahui di metodologi yang akan dilakukan tugas besar kali ini,
langkah pertama yang harus diketahui dalam penggunaan pemodelan empat tahap adalah trip
generation. Langkah pertama dari trip generation ini adalah menentukan jumlah bangkitan dan
tarikan dari daerah-daerah yang ditinjau. Didapatkan data MAT penumpang dan distribusi
barang dari provinsi Jawa Timur di tahun 2011 yang berisikan jumlah pergerakan yang terjadi di
antar daerah. Bangkitan adalah jumlah pergerakan dari suatu daerah menuju ke daerah lain,
sedangkan tarikan adalah jumlah pergerakan yang menuju ke suatu daerah yang berasal dari
daerah lain. Maka dari itu, langkah perhitungan yang dilakukan hanyalah menjumlahkan
pergerakan yang terjadi di antar daerah tersebut. Dari tabel MAT yang diketahui, penjumlahan
searah sumbu x merupakan pencarian data bangkitan, sedangkan penjumlahan searah sumbu y
merupakan data tarikan. Hal ini dikarenakan kolom di sebelah kiri merupakan kabupaten / kota
“asal”, sedangkan di barisan atas merupakan kabupaten / kota “tujuan”. Berikut merupakan hasil
perhitungan bangkitan dan tarikan penumpang (orang/tahun) di Provinsi Jawa Timur
PENUMPAN G (orang/tahun)
Berikut merupakan hasil perhitungan bangkitan dan tarikan barang (ton/tahun) di Provinsi Jawa
Timur
Untuk membuat persamaan yang menjadi output tahap trip generation, dibutuhkan
variabel-variabel yang dapat mempengaruhi pergerakan dari bangkitan dan tarikan yang
merupakan variabel sosio ekonomi. Nilai bangkitan dan tarikan dimodelkan sebagai variabel
dependen yang dipengaruhi oleh variabel-variabel sosio ekonomi, dengan kata lain variabel sosio
ekonomi haruslah variabel independen. Untuk tugas besar kali ini, kami diharapkan memilih 15
variabel bebas yang nantinya variabel tersebut akan dipilih lima yang memiliki korelasi terbesar
terhadap bangkitan dan pergerakan yang ada. Kelima belas variabel tersebut adalah jumlah
penduduk, luas daerah, jumlah kecelakaan, jumlah hotel, produksi padi, luas lahan perkebunan,
indeks keparahan kemiskinan, produksi daging sapi, produksi budi daya ikan kolam, jumlah
koperasi, jumlah rumah sakit, produksi ubi kayu, indeks kemahalan konstruksi, jumlah angkatan
kerja, dan jumlah murid SD. Nilai korelasi dari variabel-variabel yang ada akan dicari
menggunakan SPSS. Berikut adalah detail jumlah dari masing-masing variabel di setiap daerah
kabupaten / kota.
Supaya dapat diketahui keterkaitan antara satu variabel dengan variabel lainnya, perlu
dicari korelasi antar variabel. Nilai korelasi berkisar antara -1 sampai dengan 1. Berikut adalah
penjelasan dari nilai korelasi
Korelasi 1 = perfect linear relationship (positive)
Korelasi -1 = perfect linear relationship (negative)
Korelasi 0 = no relationship
Korelasi 0 < x < 0.29 = weak relationship
Korelasi 0.3 < x < 0.59 = moderate relationship
Korelasi 0.6 < x < 1 = strong relationship
Semakin banyak variabel bebas yang digunakan, maka model yang dihasilkan semakin
baik, meskipun data error tidak dapat dihindari karena setiap variabel memiliki data error. Tanda
koefisien regresi (+/-) sesuai dengan yang diharapkan. Nilai konstanta regresi kecil haruslah
mendekati nol dan koefisien determinasi (R2) haruslah mendekati satu agar model yang telah
dihitung dapat dikatakan baik. Berikut adalah langkah-langkah dalam pencarian nilai korelasi
menggunakan SPSS
1. Setelah membuka software SPSS, buka halaman variable view. Kemudian definisikan
variabel bangkitan dan tarikan, yaitu Y1 sampai Y4. Definisikan juga variabel bebas,
yaitu X1 sampai X15. Berikut adalah hasilnya
2. Buka data view dan input seluruh data variabel bebas yang diketahui di tabel 4.1, tabel
4.2, dan tabel 4.3. Berikut adalah hasilnya
Gambar 4. Input Variabel ke SPSS
3. Lakukan Bivariate Correlation dengan cara klik analyze > correlate > bivariate
4. Setelah melakukan langkah ketiga, maka akan muncul tabel di bawah. Masukkan seluruh
variabel, dependen dan independen, ke kotak di sebelah kiri untuk menentukan nilai
korelasi antar variabel yang ada.
Gambar 4. Pemasukan Variabel yang akan Dicek Korelasi pada SPSS
5. Setelah langkah keempat dilakukan, maka akan muncul data korelasi sebagai berikut
Ambil data korelasi yang pearson saja sebagai nilai korelasi antar variabel yang kita
punya.
Berikut adalah matriks korelasi yang telah didapatkan dari langkah-langkah di atas
Tabel 4. Matriks Korelasi hasil SPSS
Selain untuk menentukan korelasi antar variabel, SPSS digunakan untuk melakukan
analisis regresi sehingga mendapatkan koefisien-koefisien regresi dari tiap variabel bebas. Untuk
mendapatkan koefisien regresi, langkah yang sama dilakukan dengan menggunakan software
SPSS yang mana langkah pengerjaan di SPSS dilakukan sebagai berikut:
1. Pilih analyze > regression > linear, akan muncul tampilan berikut.
2. Masukan variabel dependent (X1 – X15) dan variabel independent yang akan ditinjau (Y1/
Y2/ Y3/ Y4). Dalam hal ini, diberi contoh Y1.
Gambar 4. Input Variabel Dependent dan Independent untuk Analisis Regresi
3. Didapatkan nilai koefisien regresi, R2, sig.F, dan sig,t. Dengan adanya koefisien-koefisien
tersebut, dapat ditentukan variabel yang memiliki ketidaksesuaian dengan
membandingkan tanda (positif/negatif) hasil analisis regresi terhadap harapan.
4.3.3 Metode Stepwise 1
Sudah dijelaskan pada bab III, tahap dan alur pengerjaan metode step wise I. Tahap
pengerjaan step wise I dilakukan sebagai berikut :
1. Mengurutkan korelasi dari yang terkecil ke yang terbesar. Kemudian, variabel dengan
korelasi terkecil dihilangkan. Berdasarkan tabel di bawah, maka dihilangkan X7.
Kemudian variabel yang terkecil kedua yaitu X13 dan seterusnya.
Y1 Y2 Y3 Y4
X7 -0,1356816 X7 -0,1523 X7 -0,142 X7 -0,1452
X13 -0,0225478 X13 -0,1072 X13 -0,0692 X13 -0,1227
X12 0,05279494 X12 0,09278 X12 0,14233 X12 0,11343
X6 0,11694021 X6 0,15927 X9 0,22151 X6 0,1754
X9 0,19771255 X9 0,19959 X4 0,25757 X9 0,21231
X4 0,27311867 X4 0,28004 X8 0,30362 X4 0,24481
X5 0,27661787 X3 0,331 X6 0,366 X3 0,338
X2 0,322 X5 0,341 X3 0,474 X5 0,37
X3 0,34 X2 0,377 X5 0,504 X2 0,406
X8 0,477 X8 0,451 X11 0,583 X8 0,429
X11 0,683 X11 0,73 X2 0,606 X11 0,717
X10 0,733 X10 0,768 X10 0,733 X10 0,781
X15 0,837 X15 0,88 X15 0,865 X15 0,882
X14 0,874 X14 0,905 X14 0,912 X14 0,907
X1 0,878 X1 0,918 X1 0,917 X1 0,922
2. Dilakukan analisis regresi dengan variable yang sudah dihilangkan. Didapatkan hasil
sebagai berikut.
Tahap 2
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept 27310211,240 41571885,022 110058828,503 126405100,905
1 X1 Positif 44,996 0,077 tdk ok 45,618 0,009 ok 113,052 0,029 ok 110,476 0,007 ok
2 X2 Positif -6221,355 0,085 tdk ok -4245,959 0,073 tdk ok 1919,165 0,784 tdk ok -9056,401 0,103 tdk ok
3 X3 Positif -217,196 0,958 tdk ok -589,984 0,826 tdk ok 3616,805 0,661 tdk ok 245,969 0,969 tdk ok
4 X4 Positif 10536,472 0,427 tdk ok 11454,774 0,192 tdk ok 27916,935 0,296 tdk ok 13530,400 0,507 tdk ok
5 X5 Positif -7,325 0,585 tdk ok -2,986 0,733 tdk ok -12,739 0,635 tdk ok -10,414 0,614 tdk ok
6 X6 Positif -81,927 0,519 tdk ok -115,139 0,173 tdk ok -189,129 0,458 tdk ok -263,186 0,186 tdk ok
8 X8 Positif 0,009 0,974 tdk ok -0,104 0,567 tdk ok -0,596 0,288 tdk ok -0,282 0,510 tdk ok
9 X9 Positif 7,578 0,786 tdk ok 4,748 0,794 tdk ok 37,615 0,502 tdk ok 16,198 0,706 tdk ok
10 X10 Positif -11172,402 0,189 tdk ok -10842,830 0,056 tdk ok -43754,052 0,014 ok -20890,903 0,113 tdk ok
11 X11 Positif -899103,491 0,154 tdk ok -495231,146 0,227 tdk ok -1084252,373 0,384 tdk ok -1451608,372 0,136 tdk ok
12 X12 Positif 2,829 0,516 tdk ok 5,507 0,062 tdk ok 8,464 0,334 tdk ok 15,485 0,028 ok
13 X13 Negatif -293199,065 0,530 tdk ok -470802,836 0,131 tdk ok -1305211,709 0,169 tdk ok -53,003 0,416 tdk ok
14 X14 Positif 3,995 0,924 tdk ok -14,615 0,596 tdk ok -28,615 0,734 tdk ok -1435001,345 0,054 tdk ok
15 X15 Positif -102,277 0,225 tdk ok -54,923 0,316 tdk ok -183,245 0,276 tdk ok -84,117 0,512 tdk ok
2 0,897 0,951 0,932 0,948
R
Sig. f 3,65E-04 ok 1,02E-07 ok 3,58E-06 ok 1,87E-07 ok
Jumlah tidak sesuai 7 9 7 8
3. Ulangi langkah 1-2, hingga tersisa satu variabel. Berikut adalah hasil analisis regresi tiap
tahap.
Tahap 3
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept 2924277,698 2414302,227 1501845,431 7053262,643
1 X1 Positif 49,794 0,039 ok 53,323 0,002 ok 134,413 0,009 ok 133,961 0,002 ok
2 X2 Positif -6628,492 0,060 tdk ok -4899,717 0,043 ok 106,746 0,988 tdk ok -11049,047 0,059 tdk ok
3 X3 Positif -152,590 0,970 tdk ok -486,243 0,860 tdk ok 3904,408 0,642 tdk ok 562,171 0,933 tdk ok
4 X4 Positif 12349,595 0,335 tdk ok 14366,187 0,106 tdk ok 35988,277 0,179 tdk ok 22404,353 0,293 tdk ok
5 X5 Positif -3,013 0,791 tdk ok 3,937 0,612 tdk ok 6,455 0,784 tdk ok 10,688 0,572 tdk ok
6 X6 Positif -92,414 0,458 tdk ok -131,978 0,128 tdk ok -235,814 0,362 tdk ok -314,513 0,135 tdk ok
8 X8 Positif -0,052 0,838 tdk ok -0,202 0,253 tdk ok -0,869 0,110 tdk ok -0,581 0,179 tdk ok
9 X9 Positif 8,861 0,747 tdk ok 6,807 0,716 tdk ok 43,323 0,448 tdk ok 22,474 0,622 tdk ok
10 X10 Positif -12536,591 0,124 tdk ok -13033,371 0,023 ok -49826,911 0,005 ok -27567,644 0,045 ok
11 X11 Positif -698482,561 0,189 tdk ok -173085,157 0,628 tdk ok -191163,625 0,860 tdk ok -469711,300 0,588 tdk ok
12 X12 Positif 2,738 0,524 tdk ok 5,361 0,076 tdk ok 8,059 0,367 tdk ok 15,040 0,042 ok
14 X14 Positif -3,661 0,927 tdk ok -26,908 0,326 tdk ok -62,696 0,448 tdk ok -90,473 0,178 tdk ok
15 X15 Positif -120,299 0,127 tdk ok -83,862 0,119 tdk ok -263,472 0,107 tdk ok -172,322 0,184 tdk ok
R
2 0,895 0,946 0,927 0,939
Sig. f 1,07E-04 ok 5,44E-08 ok 1,82E-06 ok 2,14E-08 ok
Jumlah tidak sesuai 7 8 6 7
Tahap 5
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept 3166417,695 2873433,628 2067102,193 8324341,205
1 X1 Positif 47,131 0,042 ok 48,055 0,007 ok 119,614 0,014 ok 119,123 0,007 ok
2 X2 Positif -7287,387 0,018 ok -5610,439 0,015 ok 763,172 0,909 tdk ok -12383,239 0,029 ok
3 X3 Positif -516,933 0,896 tdk ok -1180,623 0,690 tdk ok 3286,269 0,690 tdk ok -1364,337 0,852 tdk ok
4 X4 Positif 12660,388 0,313 tdk ok 14784,492 0,121 tdk ok 32016,114 0,216 tdk ok 23361,316 0,316 tdk ok
5 X5 Positif -3,896 0,726 tdk ok 2,376 0,775 tdk ok 8,051 0,724 tdk ok 6,501 0,752 tdk ok
6 X6 Positif -244,600 0,338 tdk ok
8 X8 Positif -0,039 0,876 tdk ok -0,187 0,322 tdk ok -0,949 0,075 tdk ok -0,550 0,240 tdk ok
9 X9 Positif 8,740 0,745 tdk ok 6,693 0,740 tdk ok 22,293 0,655 tdk ok
10 X10 Positif -10900,761 0,149 tdk ok -10794,410 0,060 tdk ok -50720,606 0,004 ok -22383,817 0,112 tdk ok
11 X11 Positif -744893,533 0,142 tdk ok -220649,840 0,555 tdk ok 14548,096 0,989 tdk ok -553839,969 0,549 tdk ok
14 X14 Positif 3,522 0,926 tdk ok -13,328 0,638 tdk ok -30,947 0,688 tdk ok -52,924 0,452 tdk ok
15 X15 Positif -134,132 0,079 tdk ok -106,872 0,063 tdk ok -275,847 0,086 tdk ok -232,240 0,100 tdk ok
R
2 0,891 0,932 0,922 0,920
Sig. f 8,89E-07 ok 2,48E-08 ok 1,27E-07 ok 1,71E-07 ok
Jumlah tidak sesuai 7 7 5 7
Tahap 7
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept 3546995,065 3332916,431 2386783,808 9000175,783
1 X1 Positif 41,511 0,056 tdk ok 41,918 0,014 ok 123,224 0,015 ok 108,007 0,009 ok
2 X2 Positif -8814,138 0,001 ok -7370,300 0,001 ok 1057,693 0,868 tdk ok -15240,881 0,002 ok
3 X3 Positif 1014,680 0,777 tdk ok 617,683 0,823 tdk ok 6363,804 0,444 tdk ok 1444,771 0,828 tdk ok
5 X5 Positif 0,658 0,947 tdk ok 7,535 0,331 tdk ok 4,485 0,840 tdk ok 15,185 0,415 tdk ok
6 X6 Positif -197,805 0,473 tdk ok
8 X8 Positif -0,127 0,580 tdk ok -0,287 0,112 tdk ok -0,718 0,100 tdk ok
10 X10 Positif -13349,058 0,059 tdk ok -13700,845 0,014 ok -50703,078 0,004 ok -26818,351 0,042 ok
11 X11 Positif -670003,982 0,171 tdk ok -139314,648 0,707 tdk ok -492466,586 0,654 tdk ok -404913,415 0,651 tdk ok
14 X14 Positif 15,523 0,658 tdk ok -0,150 0,996 tdk ok -42,525 0,592 tdk ok -29,310 0,652 tdk ok
15 X15 Positif -119,144 0,103 tdk ok -89,411 0,112 tdk ok -262,761 0,122 tdk ok -204,510 0,130 tdk ok
R
2 0,886 0,925 0,900 0,917
Sig. f 6,01E-07 ok 2,13E-09 ok 1,02E-07 ok 8,41E-09 ok
Jumlah tidak sesuai 5 6 5 6
Tahap 8
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept 3542620,602 3601781,077 2499893,949 9629054,818
1 X1 Positif 42,108 0,030 ok 42,450 0,011 ok 122,715 0,015 ok 109,250 0,007 ok
2 X2 Positif -8714,636 0,000 ok -7373,264 0,000 ok -1522,169 0,772 tdk ok -15247,815 0,002 ok
3 X3 Positif 1027,966 0,770 6411,900 0,436 tdk ok
5 X5 Positif 7,632 0,316 tdk ok 4,500 0,838 tdk ok 15,412 0,400 tdk ok
8 X8 Positif -0,123 0,571 tdk ok -0,285 0,108 tdk ok -0,714 0,096 tdk ok
10 X10 Positif -13166,206 0,040 ok -13998,468 0,009 ok -47159,085 0,005 ok -27514,497 0,029 ok
11 X11 Positif -683941,373 0,115 tdk ok -159160,918 0,654 tdk ok -644068,947 0,548 tdk ok -451334,183 0,598 tdk ok
14 X14 Positif 14,378 0,630 tdk ok 0,420 0,987 tdk ok -38,847 0,621 tdk ok -27,977 0,660 tdk ok
15 X15 Positif -119,484 0,096 tdk ok -94,372 0,064 tdk ok -277,621 0,097 tdk ok -216,113 0,078 tdk ok
2 0,886 0,925 0,898 0,917
R
Sig. f 1,08E-07 ok 3,13E-10 ok 2,22E-08 ok 1,31E-09 ok
Jumlah tidak sesuai 5 6 5 6
Tabel 4. Analisis Regresi Metode Stepwise 1, Tahap 9
Tahap 9
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept 142865,367 3618175,388 5310532,025 9662161,045
1 X1 Positif 18,207 0,434 tdk ok 43,142 0,022 ok 127,983 0,010 ok 123,545 0,001 ok
2 X2 Positif -8695,025 0,000 ok -1632,596 0,754 tdk ok -12910,718 0,001 ok
3 X3 Positif 466,363 0,918 tdk ok
5 X5 Positif 5,755 0,792 tdk ok
8 X8 Positif 0,139 0,607 tdk ok -0,119 0,577 tdk ok -0,613 0,132 tdk ok
10 X10 Positif -10446,686 0,194 tdk ok -13617,965 0,026 ok -50353,411 0,002 ok -23367,364 0,041 ok
11 X11 Positif 476738,101 0,284 tdk ok -720515,709 0,079 tdk ok -839851,976 0,418 tdk ok -788939,355 0,298 tdk ok
14 X14 Positif 22,626 0,557 tdk ok 15,047 0,608 tdk ok -32,271 0,677 tdk ok -54,606 0,324 tdk ok
15 X15 Positif -81,031 0,370 tdk ok -127,850 0,049 ok -328,870 0,033 ok -226,619 0,062 tdk ok
R
2 0,803 0,886 0,896 0,915
Sig. f 5,35E-05 ok 6,95E-12 ok 4,70E-09 ok 2,62E-10 ok
Jumlah tidak sesuai 2 5 5 6
Tahap 10
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept 349746,725 1015519,259 5364434,885 4256344,244
1 X1 Positif 18,702 0,404 tdk ok 32,056 0,064 tdk ok 133,274 0,003 ok 87,254 0,029 ok
2 X2 Positif -847,425 0,840 tdk ok
8 X8 Positif 0,141 0,596 tdk ok -0,050 0,803 tdk ok -0,227 0,619 tdk ok
10 X10 Positif -10654,670 0,164 tdk ok -9826,385 0,092 tdk ok -48885,037 0,001 ok -18967,346 0,151 tdk ok
11 X11 Positif 458938,352 0,255 tdk ok 516827,655 0,093 tdk ok -955893,847 0,302 tdk ok 962360,771 0,168 tdk ok
14 X14 Positif 22,921 0,545 tdk ok -7,138 0,802 tdk ok -41,726 0,538 tdk ok -42,914 0,511 tdk ok
15 X15 Positif -84,870 0,295 tdk ok -68,849 0,261 tdk ok -332,638 0,028 ok -162,800 0,245 tdk ok
R
2 0,803 0,875 0,896 0,876
Sig. f 1,11E-05 ok 1,18E-08 ok 6.91E-14 tdk ok 1,03E-08 ok
Jumlah tidak sesuai 2 4 5 4
Tahap 12
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept 715734,359 4743087,111 4491186,043 1315670,325
1 X1 Positif 31,586 0,126 tdk ok 44,957 0,006 ok 109,469 0,004 ok 110,240 0,003 ok
10 X10 Positif -11102,654 0,150 tdk ok -9972,248 0,092 tdk ok -48262,698 0,001 ok -19007,911 0,149 tdk ok
14 X14 Positif 1,631 0,962 tdk ok -28,870 0,275 tdk ok -4,995 0,935 tdk ok -81,936 0,169 tdk ok
15 X15 Positif -73,875 0,363 tdk ok -62,031 0,317 tdk ok -341,035 0,022 ok -153,689 0,269 tdk ok
2 0,787 0,861 0,890 0,868
R
Sig. f 1,20E-06 ok 1,05E-10 ok 2,29E-11 ok 4,88E-10 ok
Jumlah tidak sesuai 2 3 3 3
Tahap 13
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept -2155119,520 -1260465,602 -7999439,448 -187121,670
1 X1 Positif 18,584 0,283 tdk ok 33,808 0,015 ok 50,521 0,159 tdk ok 84,657 0,006 ok
14 X14 Positif 3,188 0,926 tdk ok -27,743 0,297 tdk ok 3,021 0,966 tdk ok -77,564 0,191 tdk ok
R
2 0,771 0,848 0,840 0,857
Sig. f 6,35E-08 ok 5,02E-12 ok 1,14E-10 ok 1,67E-12 ok
Jumlah tidak sesuai 0 1 0 1
Tahap 14
Parameter Y1 Y2 Y3 Y4
Harapan
No. Var. Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t Koef. Reg. sig. t cek t
tanda
Intercept -2084601,752 -1874104,365 -7932616,153 -1902746,729
1 X1 Positif 20,175 0,000 ok 19,963 0,000 ok 52,028 0,000 ok 45,950 0,000 ok
2 0,771 0,838 0,840 0,850
R
Sig. f 4,56E-09 ok 4,94E-12 ok 6,51E-12 ok 2,19E-12 ok
Jumlah tidak sesuai 0 0 0 0
4. Selanjutnya dipilih persamaan terbaik. Kriteria dalam pemilihan persamaan terbaik
adalah
a. Konstanta regresi yang memiliki nilai terkecil dari semua tahap
b. Nilai koefisien determinasi (R2) besar (semakin mendekati satu)
c. Tanda koefisien regresi (+/-) sesuai dengan yang diharapkan
d. Parameter F hitung > F tabel (signifikansi F < 0,05)
e. Parameter t hitung > t tabel (signifikansi t < 0,05)
Pemilihan konstanta regresi sebagai hal yang menenutukan pemilihan persamaan terbaik
didasarkan bahwa semakin kecil konstanta, maka error pada pemodelan semakin kecil.
Hal ini juga didasarkan pada perhitungan bahwa signifikan t selalu memberikan hasil
yang lebih besar dari 0,05 dan nilai koefisien determinasi yang semakin variabel
indenpen berkurang, semakin kecil nilai R2 . Sehingga, menurut penulis hal yang paling
logis dalam menentukan persamaan terbaik yaitu dengan melihat error atau kosntanta
regresi yang terkecil dari semua tahap. Maka, pemilhan persamaan terbaik menggunakan
metode Stepwise 1 sebagai berikut :
Persamaan terbaik
Y1 Error terkecil Tahap 9 Y3 Error terkecil Tahap 3
R2 0,803 R2 0,927
Jumlah tdk sesuai 2 Jumlah tdk sesuai 6
Y1=142865,367+18,2 Y3=1501845,431+134,413X1+1
06,746X2+3904,408X3+35988,2
07X1+466,363X3+0,1
77X4+6,455X5-234,814X6-
39X8-
Persamaan Persamaan 0,869X8+43,323X9-
10446,686X10+47673
49826,911X10-
8,101X11+22,626X14-
191163,625X11+8,059X12-
81,031X15 62,696X14-263,472X15
Y2=1008480,294+32,
475X1-
Y4=-134545,838+96,109X1-
Persamaan 9754,529X10+485562 Persamaan
83,442X14-93,738X15
,121X11-7,948X14-
69,688X15
1 X1 (+) 44,831 0,010 OK 45,514 0,008 OK 43,549 0,009 OK 37,849 0,027 OK 38,824 0,000 OK 38,763 0,000 OK
2 X2 (+) -4529,246 0,065 TIDAK OK -3895,846 0,079 TIDAK OK -4598,858 0,018 OK -3573,279 0,065 TIDAK OK -3558,575 0,060 TIDAK OK -3553,979 0,055 TIDAK OK -65,0 84 0,978 TIDAK OK
3 X3 (+) -808,794 0,776 TIDAK OK -1005,102 0,719 TIDAK OK -965,573 0,726 TIDAK OK -1672,499 0,567 TIDAK OK -1667,736 0,560 TIDAK OK -1652,965 0,553 TIDAK OK 5376,186 0,137 TIDAK OK 5341,888 0,108 TIDAK OK 4926,611 0,142 TIDAK OK 7439,099 0,048 OK
4 X4 (+) 9190,885 0,335 TIDAK OK 10955,780 0,229 TIDAK OK 10268,626 0,249 TIDAK OK 10818,366 0,254 TIDAK OK 10982,862 0,222 TIDAK OK 11057,116 0,200 TIDAK OK 13537,705 0,272 TIDAK OK 13613,125 0,249 TIDAK OK 19793,270 0,080 TIDAK OK 30957,592 0,013 OK 39043,290 0,002 OK 38206,331 0,019 OK
6 X6 (+) -126,074 0,192 TIDAK OK -113,224 0,225 TIDAK OK -114,909 0,212 TIDAK OK -126,650 0,197 TIDAK OK -127,390 0,183 TIDAK OK -127,114 0,174 TIDAK OK -142,015 0,287 TIDAK OK -144,243 0,163 TIDAK OK
7 X7 (+) -1017325,275 0,771 TIDAK OK -635240,111 0,852 TIDAK OK -653161,058 0,846 TIDAK OK -837330,665 0,815 TIDAK OK -847222,181 0,809 TIDAK OK -816558,314 0,808 TIDAK OK 1232421,588 0,797 TIDAK OK 1213558,402 0,795 TIDAK OK 4183836,884 0,327 TIDAK OK 9755971,748 0,032 OK 7922725,237 0,085 TIDAK OK 8530157,636 0,159 TIDAK OK 5571418,102 0,377 TIDAK OK 6018968,716 0,312 TIDAK OK -7341405,382 0,361 TIDAK OK
9 X9 (+) -82,748 0,628 TIDAK OK -65,900 0,693 TIDAK OK -75,544 0,645 TIDAK OK -8,349 0,961 TIDAK OK -6,519 0,969 TIDAK OK
10 X10 (+) -11553,955 0,063 TIDAK OK -10037,623 0,077 TIDAK OK -11453,033 0,028 OK -12451,984 0,024 OK -12450,444 0,022 OK -12440,218 0,019 OK 3037,373 0,615 TIDAK OK 2971,103 0,584 TIDAK OK 5954,959 0,246 TIDAK OK 16520,789 0,001 OK 20546,886 0,085 TIDAK OK
11 X11 (+) -535730,929 0,226 TIDAK OK -635250,615 0,126 TIDAK OK -524071,211 0,155 TIDAK OK -406288,345 0,291 TIDAK OK -407976,668 0,279 TIDAK OK -404971,207 0,263 TIDAK OK 500110,1 17 0,278 TIDAK OK 505898,9 70 0,208 TIDAK OK 762837,611 0,040 OK 1481930,461 0,000 OK 1245267,322 0,000 OK 2186389,544 0,000 OK 2161912,040 0,000 OK 2151695,484 0,000 OK
12 X12 (+) 5,752 0,061 TIDAK OK 5,823 0,055 TIDAK OK 6,012 0,044 OK
13 X13 (+) -485321,823 0,131 TIDAK OK -559844,866 0,063 TIDAK OK -484933,507 0,073 TIDAK OK -428352,160 0,132 TIDAK OK -417661,335 0,071 TIDAK OK -416337,791 0,063 TIDAK OK -478807,679 0,132 TIDAK OK -477134,161 0,120 TIDAK OK -435992,738 0,158 TIDAK OK -129305,348 0,693 TIDAK OK -85577,569 0,803 TIDAK OK 265697,937 0,552 TIDAK OK 116283,555 0,806 TIDAK OK
14 X14 (+) -11,278 0,683 TIDAK OK -14,234 0,598 TIDAK OK -10,206 0,694 TIDAK OK 1,823 0,946 TIDAK OK
15 X15 (+) -53,088 0,350 TIDAK OK -53,279 0,343 TIDAK OK -55,548 0,316 TIDAK OK -67,155 0,255 TIDAK OK -67,983 0,229 TIDAK OK -67,772 0,220 TIDAK OK 162,272 0,003 OK 161,896 0,002 OK 121,310 0,003 OK
Sig F 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
CEK F OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK
R2 0,951 0,95 0,949 0,94 0,94 0,94 0,871 0,871 0,862 0,816 0,79 0,618 0,548 0,547 0,023
Jumlah Tidak Sesuai 12 11 10 9 9 8 3 2 1 1 0 0 0 0 0
Tabel 4. Hasil Analisis Regresi Persamaan Y3 Metode Stepwise 2
Tanda 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
No. Parameter
Harapan Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t Koef. Regesi sig t cek t
C(Intercept) (+)/(-) 114911569,794 0,156 TIDAK OK 148018512,662 0,061 TIDAK OK 144841961,282 0,065 TIDAK OK 150602106,493 0,036 OK 151091296,570 0,03 OK 106087852,831 0,062 TIDAK OK 99877364,030 0,180 TIDAK OK 99458603,961 0,180 TIDAK OK 9023880,231 0,901 TIDAK OK 3398430,083 0,963 TIDAK OK 2561175,188 0,973 TIDAK OK -62659850,345 0,606 TIDAK OK -24165346,796 0,845 TIDAK OK 17275624,793 0,183 TIDAK OK 52261480,930 0,000 OK
1 X1 (+) 110,265 0,034 OK 114,181 0,030 OK 106,813 0,038 OK 98,040 0,000 OK 98,274 0 OK 99,241 0,000 OK
2 X2 (+) 1186,541 0,869 TIDAK OK 4817,363 0,475 TIDAK OK 6647,386 0,306 TIDAK OK 6355,836 0,305 TIDAK OK 6333,966 0,296 TIDAK OK 2979,427 0,577 TIDAK OK 11911,704 0,081 TIDAK OK 8491,667 0,108 TIDAK OK 17219,417 0,001 OK 19918,161 0,000 OK 24033,353 0,000 OK
3 X3 (+) 1751,976 0,839 TIDAK OK 626,685 0,943 TIDAK OK -422,263 0,961 TIDAK OK -458,226 0,957 TIDAK OK -514,595 0,95 TIDAK OK -324,900 0,969 TIDAK OK 17671,153 0,080 TIDAK OK 18939,625 0,057 TIDAK OK 18418,262 0,093 TIDAK OK 19883,294 0,069 TIDAK OK
4 X4 (+) 14366,305 0,618 TIDAK OK 24483,168 0,386 TIDAK OK 25612,266 0,363 TIDAK OK 24054,806 0,364 TIDAK OK 23768,631 0,349 TIDAK OK 22513,414 0,378 TIDAK OK 28864,225 0,395 TIDAK OK 32844,639 0,327 TIDAK OK 77708,459 0,022 OK 76264,147 0,024 OK 98543,256 0,003 OK 92084,538 0,076 TIDAK OK
5 X5 (+) -8,109 0,767 TIDAK OK -25,219 0,302 TIDAK OK -27,590 0,257 TIDAK OK -26,352 0,252 TIDAK OK -26,318 0,243 TIDAK OK
6 X6 (+) -306,718 0,294 TIDAK OK -233,054 0,420 TIDAK OK -249,357 0,387 TIDAK OK -243,613 0,386 TIDAK OK -244,697 0,373 TIDAK OK -264,377 0,339 TIDAK OK -302,525 0,41 TIDAK OK
7 X7 (+) -9848650,644 0,358 TIDAK OK -7658433,412 0,474 TIDAK OK -7918234,770 0,458 TIDAK OK -7840543,4 32 0,453 TIDAK OK -7958286,5 67 0,426 TIDAK OK -8133388,391 0,419 TIDAK OK -2887583,936 0,828 TIDAK OK 1921454,848 0,871 TIDAK OK 16498985,200 0,171 TIDAK OK 16944915,268 0,160 TIDAK OK 11853805,417 0,327 TIDAK OK 14828316,296 0,447 TIDAK OK 7697190,186 0,695 TIDAK OK 9622852,020 0,605 TIDAK OK -17864435,102 0,395 TIDAK OK
14 X14 (+) -15,171 0,857 TIDAK OK -32,116 0,703 TIDAK OK -16,510 0,841 TIDAK OK
15 X15 (+) -148,120 0,392 TIDAK OK -149,214 0,394 TIDAK OK -165,042 0,344 TIDAK OK -158,697 0,345 TIDAK OK -159,538 0,331 TIDAK OK -183,585 0,264 TIDAK OK 405,374 0,006 OK 372,969 0,008201 OK
Sig F 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
CEK F OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK
R2 0,966 0,964 0,962 0,962 0,962 0,96 0,855 0,852 0,811 0,803 0,781 0,408 0,348 0,345 0,02
Jumlah Tidak Sesuai 10 9 10 8 8 7 4 2 1 1 1 0 0 0 0
7 X7 (+) -2486709,916 0,763 TIDAK OK -1479577,198 0,854 TIDAK OK -1537431,736 0,848 TIDAK OK -2047510,3 39 0,816 TIDAK OK -2012875,3 45 0,815 TIDAK OK -2271398,904 0,783 TIDAK OK 2215233,387 0,842 TIDAK OK 2260597,807 0,834 TIDAK OK 8884248,182 0,367 TIDAK OK 22589563,604 0,034 OK 18149537,743 0,094 TIDAK OK 19641599,633 0,177 TIDAK OK 13826104,210 0,349 TIDAK OK 14110234,113 0,311 TIDAK OK
14 X14 (+) -44,914 0,494 TIDAK OK -52,705 0,412 TIDAK OK -39,701 0,522 TIDAK OK -6,384 0,923 TIDAK OK
15 X15 (+) -76,890 0,565 TIDAK OK -77,393 0,559 TIDAK OK -84,720 0,519 TIDAK OK -116,866 0,416 TIDAK OK -113,965 0,408 TIDAK OK -115,748 0,39 TIDAK OK 387,978 0,002 OK 388,882 0,001 OK 298,376 0,002 OK
Sig F 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
CEK F OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK
R2 0,948 0,947 0,945 0,931 0,931 0,931 0,868 0,868 0,86 0,806 0,778 0,581 0,529 0,529 0,514
Jumlah Tidak Sesuai 12 11 10 9 8 8 2 2 1 1 1 0 0 0 0
Persamaan terbaik tidak selalu persamaan yang memiliki variabel dengan koefisien
terbesar, namun yang memenuhi syarat yang ada. Di setiap hasil regresi, terdapat nilai sig. F dan
sig. T. Kedua nilai tersebut haruslah lebih kecil dari 0,05. Kemudian nilai konstanta yang
dimiliki haruslah semakin mendekati nol untuk menandakan hubungan variabel dependent
benar-benar dipengaruhi variabel independen yang berada di dalam persamaan. Syarat lainnya
adalah tanda koefisien regresi yang diharapkan tercapai yang untuk pemodelan kali ini memiliki
nilai positif untuk variabel independen yang digunakan. Syarat terakhir adalah nilai koefisien
determinasi yang dimiliki semakin mendekati angka satu untuk menandakan kesesuaian antara
variabel independen dan dependen.
Setelah melakukan kelima langkah di atas, berikut adalah persamaan yang dihasilkan
Tabel 4. Persamaan Terbaik Metode Stepwise 2
Persamaan Terbaik
Y1= 8324,755 X3 33309,953 X4 9227752,801 X7 15851,927 X10 1535487,611 X11 230236,203 X13 2561175,188
Y2= 39043,290 X4 7922725,237 X7 20546,886 X10 1245267,322 X11 -85577,569 X13 -2155652,209
Y3= 24033,353 X2 98543,256 X4 11853805,417 X7 4278197,613 X11 -245846,024 X13 2561175,188
Y4= 77151,601 X4 18149537,743 X7 50470,184 X10 2598886,251 X11 -495350,987 X13 22163237,702
1.
Y 1=−31805965,087+8324,755 X 3+33309,953 X 4+9227752,801 X 7+15851,927 X 10+1535487,611
2.
Y 2=−2155652,209+39043,290 X 4 +7922725,237 X 7+20546,886 X 10+1245267,322 X 11 – 85577,56
3.
Y 3=2561175,188 +24033,353 X 2+ 98543,256 X 4+ 11853805,417 X 7+4278197,613 X 11 – 245846,02
4.
Y 4=22163237,702+77151,601 X 4+18149537,743 X 7+50470,184 X 10+2598886,251 X 11−495350,
4.3.5 Metode Coba-coba
Metode ini melakukan proses coba-coba dalam menentukan parameter yang dipilih.
Setelah mengetahui matriks korelasi, bentuk model persamaan menggunakan beberapa
kombinasi peubah bebas secara coba-coba berdasarkan uji korelasi yang dihasilkan. Berikut
adalah langkah secara detailnya
Langkah pertama adalah membuat persamaan dengan Y1 hingga Y4 adalah variabel
dependen dan X1 hingga X15 adalah variabel independen. Dilakukan pencarian variabel
independen yang mempunya korelasi yang kuat terhadap variabel dependen. Antar variabel
independen tidak boleh memiliki korelasi yang kuat untuk menandakan variabel tersebut tidak
memiliki ketergantungan terhadap faktor lain. Diasumsikan variabel independen dan dependen
mempunyai korelasi yang kuat jika memiliki nilai 0,6 atau lebih. Berikut adalah hasil
persamaannya
Tabel 4. Persamaan Antar Variabel
Definisi korelasi tinggi: besarnya lebih dari 0.6 Persamaan
Y1 A+BX1
Y1 A+BX10
Terhadap
X1 X10 X11 X14 X15 Y1 A+BX11
Y1
Y1 A+BX14
Y1 A+BX15
Y2 A+BX1
Y2 A+BX10
Terhadap
X1 X10 X11 X14 X15 Y2 A+BX11
Y2
Y2 A+BX14
Y2 A+BX15
Y3 A+BX1
Y3 A+BX10
Terhadap
X1 X2 X10 X11 X14 X15 Y3 A+BX2+CX11
Y3
Y3 A+BX14
Y3 A+BX15
Y4 A+BX1
Y4 A+BX10
Terhadap
X1 X10 X11 X14 X15 Y4 A+BX11
Y4
Y4 A+BX14
Y4 A+BX15
Ambil contoh Y1 yang memiliki variabel X1, X10, X11, X14, dan X15 sebagai variabel yang
memengaruhi dikarenakan memiliki nilai korelasi yang tinggi. Kemudian dilakukan pengecekan
apakah antar variabel juga memiliki nilai korelasi yang tinggi, sehingga tidak dapat disatukan
menjadi satu persamaan. Oleh karena itu, didapatkan lima persamaan untuk Y1. Berikut adalah
hasil persamaan menggunakan metode coba-coba
Tabel 4. Persamaan Variabel Y1 (Bangkitan Penumpang)
Y1
No Parameter Tanda Harapan 1 2 3 4 5
(+)/(-) Koef. Regresi Sig t Cek t Koef. Regresi sig t Cek t Koef. Regresi sig t Cek t Koef. Regresi sig t Cek t Koef. Regresi sig t Cek t
C (intercept) -2084602.417 -4778917.340 8064920.19 -2749768.2 -332305.18
1 X1 + 20.175 0.000 ok
2 X10 + 30144.467 0.000 ok
3 X11 + 2004704.97 0.000002 ok
4 X14 + 39.986542 8.31E-13 ok
5 X15 + 204.432097 5.77E-11 ok
Sig F 0 1.64E-07 0.000002 8.31E-13 5.77E-11
CEK F ok ok ok ok ok
R2 0,771 0.537717 0.46667 0.763058 0.700786
Tanda Tidak Sesuai 0 0 0 0 0
Persamaan Terbaik: Y1=-2084602.417+20.175X1
Jumlah Penduduk
2011 2012 2013 2014 2015 2019 2029 2039
(X1)
1 Pacitan 543924 544229 547917 549481 550986 558933 578309 597685
2 Ponorogo 860093 860218 863890 865809 867393 875595.2 895786.2 915977.2
3 Trenggalek 678206 678791 683791 686781 689200 701340.6 731318.6 761296.6
4 Tulungagung 995729 999640 1009411 1015974 1021190 1048742 1115998 1183254
5 Blitar 1122922 1126151 1136701 1140793 1145396 1170147 1229737 1289327
6 Kediri 1508206 1514132 1530504 1538929 1546883 1589021 1691172 1793323
7 Malang 2459982 2473612 2508698 2527087 2544315 2636023 2858164 3080305
8 Lumajang 1012121 1014625 1023818 1026378 1030193 1050165 1098062 1145959
9 Jember 2345851 2355283 2381400 2394608 2407115 2473963 2635816 2797669
10 Banyuwangi 1564833 1568956 1582586 1588082 1594083 1626284 1703910 1781536
11 Bondowoso 740917 744067 752791 756989 761205 783292.6 836790.6 890288.6
12 Situbondo 651263 654153 660702 666013 669713 689624.8 738384.8 787144.8
13 Probolinggo 1102412 1108584 1123204 1132690 1140480 1181619 1281861 1382103
14 Pasuruan 1520978 1531025 1556711 1569507 1581787 1648062 1808162 1968262
15 Sidoarjo 1952421 1981096 2048986 2083924 2117279 2296268 2728812 3161356
16 Mojokerto 1031213 1039477 1057808 1070486 1080389 1133491 1262852 1392213
17 Jombang 1209172 1214086 1230881 1234501 1240985 1276350 1360391 1444432
18 Nganjuk 1022752 1025416 1033597 1037723 1041716 1062382 1112617 1162852
19 Madiun 666004 666519 671883 673988 676087 687477.2 715112.2 742747.2
20 Magetan 623933 626851 625703 626614 627413 630136.6 636859.6 643582.6
21 Ngawi 822366 826213 824587 827829 828783 834625.6 849075.6 863525.6
22 Bojonegoro 1216781 1217850 1227704 1232286 1236607 1258698 1312786 1366874
23 Tuban 1124757 1129050 1141497 1147097 1152915 1183681 1258044 1332407
24 Lamongan 1185693 1191239 1186382 1187084 1187795 1187668 1187717 1187766
25 Gresik 1183665 1196124 1227101 1241613 1256313 1335434 1526219 1717004
26 Bangkalan 911863 919002 937497 945821 954305 1000719 1112422 1224125
27 Sampang 882711 891982 913499 925911 936801 995446.2 1137555 1279664
28 Pamekasan 800396 808057 827407 836224 845314 894281.4 1012284 1130287
29 Sumenep 1048177 1051763 1061211 1067202 1072113 1098080 1161391 1224702
30 Kota Kediri 280018 271655 276619 278072 280004 281107 287496 293885
31 Kota Blitar 132712 133578 135702 136903 137908 143590.8 157307.8 171024.8
32 Kota Malang 824858 829094 840803 845973 851298 880260.6 950019.6 1019779
33 Kota Probolinggo 218283 220086 223881 226777 229013 240498.6 268649.6 296800.6
34 Kota Pasuruan 187310 188545 192285 193329 194815 203133.2 222927.2 242721.2
35 Kota Mojokerto 120873 121645 123806 124719 125706 130993.8 143733.8 156473.8
36 Kota Madiun 171926 172351 174114 174373 174995 178447.8 186607.8 194767.8
37 Kota Surabaya 2781047 2791761 2821929 2833924 2848583 2921790 3099025 3276260
38 Kota Batu 191254 192807 196189 198608 200485 210426.4 234689.4 258952.4
Tabel 4. Variabel Luas Daerah
Luas Dearah (X2) 2011 2012 2013 2014 2015 2019 2029 2039
Jumlah Kecelakaan
2011 2012 2013 2014 2015 2019 2029 2039
(X3)
1 Pacitan 209 199 186 186 184.5 155.7 93.7 31.7
2 Ponorogo 661 700 652 600 600 509.4 287.4 65.4
3 Trenggalek 555 480 480 473 476 393.8 228.8 63.8
4 Tulungagung 520 829 637 637 695.5 759.1 918.1 1077.1
5 Blitar 254 245 239 239 221 196.4 124.4 52.4
6 Kediri 873 1666 1045 1045 1131 1089 984 879
7 Malang 675 658 550 612 600 501.4 305.4 109.4
8 Lumajang 321 341 340 340 276 269 178 87
9 Jember 1131 1083 1004 1004 987 821.6 454.6 87.6
10 Banyuwangi 805 723 748 748 719.5 661.1 515.1 369.1
11 Bondowoso 427 550 432 432 420 373 241 109
12 Situbondo 417 426 406 406 354 314.2 168.2 22.2
13 Probolinggo 518 755 655 615 476 469.4 245.4 21.4
14 Pasuruan 718 561 621 621 578 487.8 267.8 47.8
15 Sidoarjo 852 1382 1024 1024 1110 1173.2 1331.2 1489.2
16 Mojokerto 561 652 525 568 501 439 235 31
17 Jombang 474 1218 927 927 1153.5 1580.7 2648.7 3716.7
18 Nganjuk 254 1137 828 828 1115 1680.2 3093.2 4506.2
19 Madiun 232 663 497 497 629.5 881.1 1510.1 2139.1
20 Mage tan 861 952 825 868 801 739 535 331
21 Ngawi 761 852 725 768 701 639 435 231
22 Bojonegoro 614 778 616 616 617 554.6 398.6 242.6
23 Tuban 104 1096 858 858 1235 2044.6 4068.6 6092.6
24 Lamongan 1061 1152 1025 1068 1001 939 735 531
25 Gresik 477 787 539 539 570 545.2 483.2 421.2
26 Bangkalan 261 287 225 254 251 223.8 170.8 117.8
27 Sampang 361 371 325 368 301 271.4 148.4 25.4
28 Pamekasan 1061 1152 1025 1068 1001 939 735 531
29 Sumenep 861 952 825 868 801 739 535 331
30 Kota Kediri 164 352 434 434 569 925.8 1817.8 2709.8
31 Kota Blitar 156 130 302 302 375 619 1229 1839
32 Kota Malang 361 371 325 368 301 271.4 148.4 25.4
33 Kota Probolinggo 182 219 229 229 252.5 312.9 463.9 614.9
34 Kota Pasuruan 337 190 335 335 334 389.6 528.6 667.6
35 Kota Mojokerto 249 217 537 537 681 1154.6 2338.6 3522.6
36 Kota Madiun 153 276 302 302 376.5 565.7 1038.7 1511.7
37 Kota Surabaya 19 1209 837 837 1246 2078.8 4160.8 6242.8
38 Kota Batu 1161 1252 1125 1168 1101 1039 835 631
Tabel 4. Variabel Jumlah Hotel
Jumlah Hotel (X4) 2011 2012 2013 2014 2015 2019 2029 2039
Produksi Padi (X5) 2011 2012 2013 2014 2015 2019 2029 2039
Luas Lahan
2011 2012 2013 2014 2015 2019 2029 2039
Perkebunan (X6)
1 Pacitan 26250 26250 29097 23382 24770 22453 16625 10797
2 Ponorogo 0 0 69 69 5201 7350.4 17821.4 28292.4
3 Trenggalek 1980 1980 2538 2536 15238 21097.6 48169.6 75241.6
4 Tulungagung 2712 2712 2512 2645 18984 25399.2 57876.2 90353.2
5 Blitar 11087 11087 13122 13721 19593 25509.6 45155.6 64801.6
6 Kediri 8818 8818 8536 8533 9293 9198.6 9863.6 10528.6
7 Malang 20610 21520 20250 20680 20010 19390 17350 15310
8 Lumajang 15610 16520 15250 15680 15010 14390 12350 10310
9 Jember 33110 34020 32750 33180 32510 31890 29850 27810
10 Banyuwangi 61220 63040 60500 61360 60020 58780 54700 50620
11 Bondowoso 10610 11520 10250 10680 10010 9390 7350 5310
12 Situbondo 2254 2254 2555 2704 4346 5603 10237 14871
13 Probolinggo 830 830 837 978 3310 4421.8 9529.8 14637.8
14 Pasuruan 2422 2422 2406 2406 5938 7328.4 14344.4 21360.4
15 Sidoarjo 65 65 0 60 2309 3189.6 7672.6 12155.6
16 Mojokerto 13110 14020 12750 13180 12510 11890 9850 7810
17 Jombang 220 220 220 220 1505 2019 4589 7159
18 Nganjuk 2125 2125 2113 2113 3338 3811.2 6225.2 8639.2
19 Madiun 3484 3484 3459 3459 4296 4595.8 6194.8 7793.8
20 Magetan 0 0 1 49 2710 3833.4 9302.4 14771.4
21 Ngawi 2077 2077 2077 2077 6334 8036.8 16550.8 25064.8
22 Bojonegoro 3 3 51 48 8286 11644.8 28255.8 44866.8
23 Tuban 28 28 36 710 5747 8581.8 20701.8 32821.8
24 Lamongan 357 357 1750 2982 2098 5173 11280 17387
25 Gresik 3633 3633 4833 3652 3383 3538.2 3057.2 2576.2
26 Bangkalan 607 607 1227 952 8091 11484.6 26797.6 42110.6
27 Sampang 6 6 6 6 3591 5025 12195 19365
28 Pamekasan 165 165 100 100 3763 5137.2 12268.2 19399.2
29 Sumenep 1751 1751 2089 2072 51222 71334.8 170597.8 269860.8
30 Kota Kediri 2 2 2 2 4 4.8 8.8 12.8
31 Kota Blitar 0 0 0 0 25 35 85 135
32 Kota Malang 15 15 0 0 359 481.6 1154.6 1827.6
33 Kota Probolinggo 0 0 0 0 273 382.2 928.2 1474.2
34 Kota Pasuruan 18 18 21 21 87 117.6 258.6 399.6
35 Kota Mojokerto 0 0 0 0 79 110.6 268.6 426.6
36 Kota Madiun 0 0 17 17 54 92.6 217.6 342.6
37 Kota Surabaya 0 0 0 0 0 0 0 0
38 Kota Batu 0 0 0 0 0 0 0 0
Tabel 4. Variabel Daging Sapi
Produksi Budidaya
2011 2012 2013 2014 2015 2019 2029 2039
Ikan Kolam (X9)
1 Pacitan 376 445.9 581.4 693.2 627.3 994.7 1744.6 2494.5
2 Ponorogo 2376 2445.9 2581.4 2693.2 2627.3 2994.7 3744.6 4494.5
3 Trenggalek 2433.2 2556.8 2744.4 3237 3866.4 5095.52 8642.12 12188.72
4 Tulungagung 20824.6 28367.3 24908.2 28454.2 34717.5 44177.98 72050.68 99923.38
5 Blitar 7400 7996.3 8805.4 12607.2 14119.3 21015.34 39064.84 57114.34
6 Kediri 6661.9 8882.2 11558.7 13986.1 14426.6 23483.08 44116.38 64749.68
7 Malang 4265.4 4990 5821.8 7535.1 9506.1 14239.58 27266.08 40292.58
8 Lumajang 709.5 776.3 823.4 955.3 1003.1 1313.24 2079.44 2845.64
9 Jember 3428.1 4549.7 5235.4 7434.8 8092.8 13076.86 25291.36 37505.86
10 Banyuwangi 2002.9 2451.7 3002.5 3082.5 3462.2 4930 8479.4 12028.8
11 Bondowoso 922.9 1108.2 1151.1 1262.6 774 957.72 814.32 670.92
12 Situbondo 224.9 234 263.1 278.3 319.1 403.5 636.2 868.9
13 Probolinggo 237.3 268 359.2 849.475 665.4 1338.48 2776.155 4213.83
14 Pasuruan 420.4 1424.9 1689.2 1698.3 2433.4 4112.88 8412.28 12711.68
15 Sidoarjo 4368.4 7591.5 15549.9 18377.9 18787.6 36709.94 76334.74 115959.5
16 Mojokerto 249.8 346.3 340.9 312 287.2 331.54 372.04 412.54
17 Jombang 15549 15550.4 15551.3 15566.1 15584.6 15612.42 15699.32 15786.22
18 Nganjuk 9987.7 9650.8 11184.3 12890.2 8533.6 10648.04 10979.24 11310.44
19 Madiun 1530.1 2042 2461.4 2492.2 2516.6 3662.38 6085.58 8508.78
20 Magetan 483.6 613.8 935.1 1151.4 1242.8 2118.94 4174.94 6230.94
21 Ngawi 1108.1 1401.5 1706.4 2318.5 2313.1 3765.72 7092.72 10419.72
22 Bojonegoro 1058.7 1607.7 1927.7 2339.4 2806.1 4483.82 8710.32 12936.82
23 Tuban 654.6 717.9 704.9 773 8554.8 11794.34 27649.84 43505.34
24 Lamongan 1076.2 1150.3 1569.6 1572.5 1956.7 2774.98 4958.18 7141.38
25 Gresik 56.8 82.9 353.7 47371.4 48225.6 105393.7 249019.8 392645.9
26 Bangkalan 86.8 102.8 170.8 75.4 136 156.96 227.96 298.96
27 Sampang 148.3 206.6 289.8 348.4 700.5 1086.44 2332.64 3578.84
28 Pamekasan 132.5 270.8 304.4 601.8 716.3 1304.32 2802.92 4301.52
29 Sumenep 129.6 131.7 164.5 169.7 166.6 219.62 331.62 443.62
30 Kota Kediri 173.2 147.8 137.3 149 150.2 124.62 79.82 35.02
31 Kota Blitar 159.9 161.9 168.2 176.5 179 200.78 253.58 306.38
32 Kota Malang 15.2 18.9 37.5 65.1 56.6 116.06 245.06 374.06
33 Kota Probolinggo 414.5 408.5 395 387 356 309.1 170.6 32.1
34 Kota Pasuruan 15.9 9.4 14.1 17.1 18.3 22.46 34.96 47.46
35 Kota Mojokerto 170.2 183.3 184.4 183 191.1 207.3 248.8 290.3
36 Kota Madiun 68.9 78.5 105.5 125.5 147.8 228.12 432.92 637.72
37 Kota Surabaya 923.6 991.7 1044.1 1025.9 983.9 1086.72 1241.52 1396.32
38 Kota Batu 53.3 50.5 51.7 54.1 57.3 60.34 71.94 83.54
Tabel 4. Variabel Jumlah Koperasi
Jumlah Murid SD
2011 2012 2013 2014 2015 2019 2029 2039
(X15)
1 Pacitan 47426 48481 55738 47257 44558 44516 37556 30596
2 Ponorogo 78300 72480 82845 72394 63932 67995.3 56255.44 45919.08
3 Trenggalek 57572 59038 66501 55163 48713 52382.36 41526.93 31789.67
4 Tulungagung 93693 95222 102110 91867 83006 87862.02 76317.85 66083.69
5 Blitar 90178 90091 94579 87466 78376 83568.83 73529.77 64985.26
6 Kediri 126917 127443 134800 124695 136093 131131.2 133404.8 134337.7
7 Malang 209671 208998 216355 203928 184938 203829.7 201727.3 200845
8 Lumajang 92928 94220 101577 92913 81881 92163.6 91424.5 91179.92
9 Jember 228669 230323 236390 201952 188092 215710.3 211650.2 208817.2
10 Banyuwangi 147666 146240 153213 133658 121677 139663.8 137185.4 135851.1
11 Bondowoso 75097 71868 78845 70330 60882 70983.73 69715.56 69473.86
12 Situbondo 59421 56642 63999 59617 50884 57828.27 57180.34 57407
13 Probolinggo 113722 116041 123398 90236 80540 103998.7 101198.7 98436.11
14 Pasuruan 140832 137293 144850 134211 115172 134032.2 132215.5 131244.7
15 Sidoarjo 168572 169208 176565 170059 193084 175820.6 177573.8 179169
16 Mojokerto 74748 75502 79859 75922 91676 79762.07 80971.24 82016.06
17 Jombang 85913 86285 93055 85659 102638 90936.07 92153.74 93273.04
18 Nganjuk 87272 90080 97737 91745 83334 89973.44 90402.27 90444.2
19 Madiun 51630 51523 59148 52787 53677 53728.8 54109.15 54620.56
20 Magetan 50398 52844 58713 53281 49326 52889.93 53354.29 53435.95
21 Ngawi 77975 78975 85229 65877 70308 75645.2 75117.26 74308.05
22 Bojonegoro 110794 106748 114105 90234 103798 105105.2 103902.3 103289.3
23 Tuban 88829 89087 96444 83837 94061 90439.33 90726.76 91028.42
24 Lamongan 69480 69718 77175 66010 96020 75659.82 76840.5 78229.64
25 Gresik 79432 80063 87620 84800 107450 87854.25 89491.82 91353.7
26 Bangkalan 131366 132366 139723 123076 107411 126804.6 125936.9 124680.3
27 Sampang 96531 89252 96609 89461 73608 89103.66 87647.36 87349.47
28 Pame kasan 77678 80035 87392 71206 62351 75742.45 75386.71 74479.21
29 Sume nep 74467 75415 82772 70927 57147 72155.39 71723.53 71007.68
30 Kota Kediri 34598 34805 42211 37471 32018 36223.82 36559.75 36921.06
31 Kota Blitar 14943 15642 22858 25687 16708 19170.42 20024.02 20905.62
32 Kota Malang 80163 80666 88123 84357 74289 81521.72 81800.96 82037.32
33 Kota Probolinggo 23144 23468 30701 28549 16518 24478.25 24753.06 25019.99
34 Kota Pasuruan 19222 17996 25724 26377 20933 22051.46 22620.8 23549.08
35 Kota Mojokerto 14116 15642 21546 21506 14793 17521.56 18205.52 18723.59
36 Kota Madiun 18590 34805 26089 23789 17682 24191.4 25311.28 23420.69
37 Kota Surabaya 282790 190129 275849 257916 265292 254393.4 248715.9 260430.6
38 Kota Batu 19902 20334 27472 23267 17742 21743.36 22111.67 22466.84
Kemudian dengan menggunakan variabel – variabel diatas dapat ditentukan bangkitan
tarikan untuk orang dan barang antar zona. Dengan menggunakan persamaan pergerakan pada
bab sebelumnya yaitu:
Tabel 4. Pergerakan Bangkitan pada Tahun Rencana 2019, 2029, dan 2039
Contoh perhitungan konversi pergerakan bangkitan pada kabupaten Pacitan pada tahun 2019
sebagai berikut:
Untuk kabupaten Pacitan mempunyai jumlah pergerakan 11646799 orang dengan perhitungan
jumlah MC dengan nilai factor jam puncak sebesar 0.11 yang ada sebagai berikut:
FJP P × emp
O i=O i × ×
365 okupansi
0.11 55 % ×0.9
O pacitan=11646799 × ×
365 2
2019
2029
2039
Hasil total pergerakan bangkitan dan tarikan pada tahun rencana sebagai berikut:
Tabel 4. Hasil Total Pergerakan Bangkitan dan Tarikan dengan Satuan smp/jam
∑ Bangkitan=∑ Tarikan
Berikut hasil normalisasi bangkitan dan tarikan
Tabel 4. Normalisasi Tahun 2019
Normalisasi 2019
Bangkitan Tarikan
No. Kabupaten
(smp/jam) (smp/jam)
1 Pacitan 2278 1866
2 Ponorogo 3380 2595
3 Tre nggale k 2739 2630
4 Tulungagung 4256 4043
5 Blitar 4573 4608
6 Ke diri 6086 6231
7 Malang 10346 11743
8 Lumajang 3904 3912
9 Je mbe r 8362 9060
10 Banyuwangi 6468 6409
11 Bondowoso 2861 2183
12 Situbondo 2716 2641
13 Probolinggo 4231 4427
14 Pasuruan 5840 6009
15 Sidoarjo 9241 9675
16 Mojoke rto 4650 4659
17 Jombang 5446 5902
18 Nganjuk 3844 3693
19 Madiun 2604 2354
20 Mage tan 2506 2158
21 Ngawi 3076 2609
22 Bojone goro 4791 4467
23 Tuban 4385 3605
24 Lamongan 5150 4581
25 Gre sik 5646 6028
26 Bangkalan 3059 2928
27 Sampang 3301 3632
28 Pame kasan 3371 3508
29 Sume ne p 3988 3536
30 Kota Ke diri 1458 1353
31 Kota Blitar 709 496
32 Kota Malang 4144 4919
33 Kota Probolinggo 993 973
34 Kota Pasuruan 706 534
35 Kota Mojoke rto 809 796
36 Kota Madiun 926 861
37 Kota Surabaya 13429 14563
38 Kota Batu 1027 1107
Jumlah 157297 157297
Rasio 1
Tabel 4. Normalisasi 2029
Normalisasi 2029
Bangkitan Tarikan
No. Kabupaten
(orang) (orang)
1 Pacitan 2679 2186
2 Ponorogo 3687 2486
3 Trenggalek 3001 2999
4 Tulungagung 5196 5017
5 Blitar 5267 5467
6 Kediri 7199 7274
7 Malang 12252 14254
8 Lumajang 4487 4091
9 Jember 9185 10379
10 Banyuwangi 7760 7008
11 Bondowoso 3278 1876
12 Situbondo 3258 3205
13 Probolinggo 4735 5197
14 Pasuruan 6605 6933
15 Sidoarjo 11997 12573
16 Mojokerto 5504 5351
17 Jombang 6594 7287
18 Nganjuk 4167 3817
19 Madiun 2866 2564
20 Magetan 2913 2640
21 Ngawi 3293 2522
22 Bojonegoro 5399 4833
23 Tuban 4927 3266
24 Lamongan 5928 4837
25 Gresik 7426 8446
26 Bangkalan 3890 3580
27 Sampang 3795 4367
28 Pamekasan 4113 4683
29 Sumenep 4000 4105
30 Kota Kediri 2072 1958
31 Kota Blitar 891 542
32 Kota Malang 5740 7566
33 Kota Probolinggo 1267 1215
34 Kota Pasuruan 784 535
35 Kota Mojokerto 1074 1043
36 Kota Madiun 1220 1154
37 Kota Surabaya 17628 18605
38 Kota Batu 1357 1572
Jumlah 187434 187434
Rasio 1
Tabel 4. Normalisasi 2039
Normalisasi 2039
Bangkitan Tarikan
No. Kabupaten
(orang) (orang)
1 Pacitan 3079 2506
2 Ponorogo 3975 2380
3 Tre nggale k 3248 3359
4 Tulungagung 6120 5969
5 Blitar 5942 6308
6 Kediri 8329 8335
7 Malang 14143 16737
8 Lumajang 5063 4282
9 Jembe r 9993 11695
10 Banyuwangi 9036 7614
11 Bondowoso 3682 1578
12 Situbondo 3788 3757
13 Probolinggo 5239 5966
14 Pasuruan 7360 7852
15 Sidoarjo 14756 15431
16 Mojokerto 6361 6051
17 Jombang 7743 8665
18 Nganjuk 4496 3964
19 Madiun 3127 2780
20 Magetan 3324 3124
21 Ngawi 3514 2458
22 Bojonegoro 5999 5208
23 Tuban 5469 2961
24 Lamongan 6704 5111
25 Gresik 9204 10819
26 Bangkalan 4727 4235
27 Sampang 4275 5087
28 Pamekasan 4863 5846
29 Sumenep 4016 4680
30 Kota Kediri 2687 2551
31 Kota Blitar 1072 590
32 Kota Malang 7336 10157
33 Kota Probolinggo 1541 1455
34 Kota Pasuruan 857 537
35 Kota Mojokerto 1340 1288
36 Kota Madiun 1553 1477
37 Kota Surabaya 21601 22407
38 Kota Batu 1686 2029
Jumlah 217247 217247
Rasio 1
4.7 Free Flow Speed dan Kapasitas Jalan
Analisis kecepatan arus bebas atau free flow speed dapat diperoleh dengan menggunakan
persamaan berikut:
F V =( FV o+ FV w ) × FF V sf × FF V cs