id
BAB 3
METODE PENELITIAN
Pendekatan Penelitian
Penelitian ini mempunyai metode pendekatan deduktif, dimana pendekatan yang
berangkat dari kebenaran umum mengenai suatu fenomena dan menggeneralisasikan kebenaran
tersebut pada suatu peristiwa. Kebenaran yang menjadi rujukan dalam penelitian ini merupakan
teori yang sebelumnya dijelaskan dalam bab sebelumnya.
Jenis Penelitian
Penelitian ini menggunakan metode penelitian kuantitatif yaitu penelitian yang
mengedepankan analisa data numerikal yang diolah secara statistika. Dalam penentuan kualitas
kinerja bus dan tingkat potensi penggunaan kendaraan umum tentunya akan berdasarkan data-
data yang sifatnya angka untuk mencapai sasaran-sasaran penelitian ini.
Variabel Penelitian
Variabel penelitian merupakan objek yang menjadi fokus penelitian. Variabel penelitian
ini adalah objek dari penelitian yang akan dicari dalam memenuhi sasaran penelitian untuk
menjawab pertanyaan pada rumusan masalah. Dalam penelitian ini variabel yang telah terdapat
pada teori di sintesis variabel. Variabel-variabel ini adalah sebagai berikut.
32
perpustakaan.uns.ac.id digilib.uns.ac.id
Variabel Sub variabel Definisi Variabel
Pola Asal-Tujuan Pergerakan penduduk ini merupakan hal utama dalam penelitian ini
Pergerakan Pergerakan dimana menjadi sasaran pertama dalam penelitian. Pola pergerakan
Spasial ini akan dibutuhkan dalam sasaran-sasaran lainnya dikarenakan
transportasi massal yang akan dikaji ketersediaanya membutuhkan
pola pergerakan sebagai tolok ukur untuk mengetahui kebutuhan
jangkauan rute
Kinerja Rute Waktu Dalam pendapat Ceder, keterjangkauan suatu rute transportasi
Transportasi Pelayanan umum merupakan faktor utama dalam pelayanan transportasi
Umum Jarak Antar umum. Dengan tersedianya jangkauan pelayanan akan transportasi
Pemberhentian umum, maka akan meningkatkan antusisasme masyarakat dalam
Kelangsungan pergerakan menggunakan transportasi umum yang menjangkau
Rute tujuannya.
Jangkauan
Rute
Overlappng
Rute
Struktur Rute
Hubungan
Antar Rute
Kinerja Load Factor
Moda Waktu
Transportasi Perjalanan
Umum Headways
Sumber: Analisis Peneliti, 2015
Kebutuhan Data
33
perpustakaan.uns.ac.id digilib.uns.ac.id
Variabel Sub variabel Kebutuhan Jenis Skala Teknik Indikator Sumber
Data Data Penelitian Pengumpulan Data
Data
terjadi x Sedang melakukan
responden Pergerakan perjalanan
Tujuan Data tujuan Primer Nominal Kuesioner yang terjadi
Pergerakan pergerakan di
terjadi karakteristik
responden yang sesuai
Penggunaan Data Primer Nominal Kuesioner 33%-66%
Moda penggunaan x Rendah
moda saat Pergerakan
pergerakan yang terjadi
terjadi di
responden karakteristik
yang sesuai
>33%
Kinerja Rute Waktu Data jam buka Primer Interval Wawancara Sesuai bila Operator
Pelayanan dan tutup PO waktu Trayek
Bus operasional
05.00-06.00
sampai pukul
22.00-02.00
Jarak Antar Data letak Skunder Ordinal Observasi Sesuai bila rute Tatralok
Pemberhentian lokasi ter-cover Kota
pemberhentian dengan Surakarta
(shelter, tanda) jangkauan halte 2009
400m
Kelangsungan Data Rute Skunder Ordinal Dokumen Sesuai bila rute
Rute Pelayanan Bus bus max 150%
Data Jarak Skunder Ordinal Analisis dari rute
Terpendek terpendek yang
bisa dilalui
Overlapping Data Rute Skunder Ordinal Dokumen/Obser Sesuai bila
Rute Pelayanan Bus vasi perhimpitan
hanya terjadi di
pusat kota
Struktur Rute Data Rute Skunder Ordinal Dokumen/Obser Sesuai bila
Pelayanan Bus vasi percabangan
hanya terjadi di
sekitar terminal
Hubungan Antar Data Rute Skunder Ordinal Observasi Sesuai bila
Rute Pelayanan Bus perpotongan
jalur terjadi
minimal di 3 titik
Kinerja Load Factor Data Jumlah Primer Nominal Observasi Peak time Sampel
Moda penumpang x Tinggi moda
terbanyak yang >125% transportasi
terangkut x Sedang umum yang
100-125% beroperasi
x Rendah
>100%
Non peak time
x Tinggi
>100%
x Sedang
100-75%
x Rendah
commit to user >75%
Waktu Data waktu Primer Nominal Observasi BST
Perjalanan perjalanan x Tinggi
34
perpustakaan.uns.ac.id digilib.uns.ac.id
Variabel Sub variabel Kebutuhan Jenis Skala Teknik Indikator Sumber
Data Data Penelitian Pengumpulan Data
Data
<40 menit
x Sedang
40-100
menit
x Rendah
>100
menit
AKDP
x Tinggi
<20 menit
x Sedang
20-50
menit
x Tinggi
>50 menit
Headways Data waktu Primer Nominal Observasi Peak time
tunggu x Tinggi
<15 menit
x Sedang
15-30
menit
x Rendah
>30 menit
Non peak time
x Tinggi
<20 menit
x Sedang
20-50
menit
x Tinggi
>50 menit
Sumber: Analisis Peneliti, 2015
35
perpustakaan.uns.ac.id digilib.uns.ac.id
Kuesioner, merupakan pencarian data dengan membagikan selebaran pertanyaan yang
diberikan kepada responden untuk menghimpun data yang dibutuhkan dengan sample yang
banyak sehingga meningkatkan efisiensi dalam pencapaian pengumpulan data. Data-data yang
akan diambil melalui cara ini banyak terletak pada pencarian pergerakan penduduk dikarenakan
perlu ada sample yang memadai untuk menemukan data-data yang dibutuhkan. Kuesioner ini
disebar ke dalam sample masyarakat berdasarkan komposisi sample yang ada. Kuesioner yang
disebar dalam penelitian ini bisa dilihat dalam LAMPIRAN A.
Wawancara, cara ini merupakan cara penghimpunan data yang paling efektif untuk
menggali pertanyaan karena dituntut untuk berinteraksi langsung dengan responden sehingga
keakuratan data yang didapat dipertanggungjawabkan. Untuk wawancara ini dilakukan bila
cara dengan kuesioner tidak efektif dalam menghimpun data
Teknik Sampling
Populasi dari penelitian ini adalah masyarakat yang berpotensi menggunakan bus dan
moda bus yang beroperasi di wilayah penelitian. Kedua populasi ini adalah objek dari penelitian
ini untuk mengukur sasaran penelitian.
Populasi masyarakat dalam penggunaan kendaraan umum jenis bus adalah masyarakat
yang berpotensi melakukan menggunakan bus umum yaitu masyarakat berdomisili di ruang
lingkup penelitian yang melakukan kegiatan pergerakan di perkotaan Surakarta seperti kegiatan
ekonomi, seperti sekolah dan bekerja, kegiatan sosial maupun kegiatan rekreasi. Populasi ini
dibatasi usia produktif di Indonesia yaitu 15-60 tahun dimana pada rentang usia ini merupakan
usia produktif menurut Kementerian Ketenagakerjaan dan diasumsikan mempunyai
kemandirian dalam melakukan pergerakan. Menurut Surakarta dalam angka, kelompok usia
diatas 15 hingga 60 tahun di Surakata berjumlah 459741jiwa. Maka dengan populasi sebanyak
itu dicari sampel dari populasi dengan formula Slovin untuk data diskrit. Metode ini digunakan
karena populasi tidak memiliki verietas.
commit touser
݊ൌ
ͳ ଶ
36
perpustakaan.uns.ac.id digilib.uns.ac.id
݊ ൌ ݈݁݉ܽݏ
ܰ ൌ ݅ݏ݈ܽݑ
ൌ ܾ݄݈ܽ݊ܽܽܽݏ݁݇݅ݏ݊ܽݎ݈݁ݐݏܽݐ
Jumlah populasi pada penelitian ini adalah sebanyak 385.784, dengan nilai toleransi
kesalahan sebesar 0,5. Hasil perhitungan dengan metode ini menghasilkan sampel untuk
pergerakan penduduk sebanyak 399,59 dan dibulatkan menjadi 400 jiwa.
Metode Analisis
Metode analisis dalam penelitian ini merupakan cara yang digunakan dalam penelitian
in untuk mengolah data yang didapatkan dari hasil penghimpunan data yang dilakukan melalui
survey. Metode analisis ini digunakan untuk mengetahui jawaban dari pertanyaan peneliti
tentang rumusan masalah.
Teknik analisis yang digunakan untuk penelitian distribusi frekuensi, scoring
menggunakan skala Likert dan skala Guttman, dan importance performance analysis.
Ketiga teknik analisis tersebut digunakan untuk mencari pertanyaan sasaran-sasaran di
penelitian ini untuk menjawab rumusan masalah.
Distribusi frekuensi adalah pengelompokan data ke dalam beberapa kategori yang
menunjukkan banyaknya data dalam setiap kategori, dan setiap data tidak dapat dimasukkan ke
dalam dua atau lebih kategori (Suharyadi & Purwanto, 2009). Pengelompokan ini berdasarkan
karakteristik-karakteristik data yang dihimpun dalam survey. Untuk penelitian ini, kategori
diambil berdasarkan teori dari pendapat peneliti pada masing-masing sub variabel.
Scoring adalah pemberian harkat atau nilai pada data berdasarkan skala yang
ditentukan. Dalam penelitian, pemilihan kategori ini telah ditetapkan secara spesifik oleh
commit to user
1
Jalur AKDP ini merupakan jalur yang berada di Tatralok Surakarta Tahun 2009, tidak berdasarkan pada
tiap-tiap trayek yang tersedia. Jalur-jalur ini melayani pergerakan menuju dan dari Terminal Tirtonadi ke arah luar
Surakarta.
38
perpustakaan.uns.ac.id digilib.uns.ac.id
peneliti (Nazir, 2003). Dalam skala Likert digunakan untuk mengukur sikap, pendapat, dan
persepsi seseorang atau kelompok orang tentang fenomena sosial ke dalam tingkatan tertentu
yang dalam penelitian ini merupakan variabel. Sedangkan skala Guttman kategori penilaian
bersifat binary yaitu hanya ya atau tidak. Dalam scoring ini penentuan interval menggunakan
rumus:
ܴܽ݊݃݁
݈ܽݒݎ݁ݐ݊ܫൌ
Dimana range merupakan skor tertinggi yang bisa didapat dalam perhitungan nilai data
dikurangi skor terendah. Sedangkan kategori merupakan jumlah kelas yang ditentukan oleh
peneliti untuk menilai tingkat data. Dalam skala Guttman pemberian nilai ini dibagi menjadi 2,
yaitu 1 bila data positif dan 0 bila data negatif (dalam penelitian ini merupakan variabel-variabel
pergerakan). Sedangkan dalam skala Likert pemberian nilai ini berdasar tingkatan 1, 2, 3, dst
berdasarkan tingkatan yang ditentukan (dalam penelitian ini merupakan variabel kinerja
angkutan umum massal)
Importance performance analysis merupakan perbandingan tingkat dukungan
konsumen terhadap kualitas suatu kinerja layanan yang diberikan oleh penyedia jasa (Martilla,
1977). Penerapan analisis ini diilustrasikan ke dalam grafik yang berisikan 4 kuadran dengan
sumbu vertikal berupa tingkatan dukungan konsumen dan sumbu horizontal berupa tingkat
pelayanan.
commit to user
Dalam pembagian kuadran ini berisi kuadran: concentrate here, dimana tingkat
pendukungan konsumen terhadap pelayanan tinggi tetapi pelayanan kurang dan diperlukan
peningkatan kualitas pelayanan; keep up with the good work, dimana tingkat pendukungan
konsumen tinggi dan pelayanan pun tinggi yang berarti kinerja pelayanan sesuai; low priority,
dimana pendukungan konsumen rendah dan pelayanan rendah; dan possibly overkill, dimana
pelayanan terlalu tinggi tidak sesuai pendukungan konsumen.
Metode analisis dalam penelitian ini dibagi ke dalam 7 analisis, yang akan dijelaskan
sebagai berikut di bawah ini
40
perpustakaan.uns.ac.id digilib.uns.ac.id
komposisi kelurahan dalam zonasi transportasi (Tabel 3.5 Komposisi Kelurahan Dalam Zonasi
Transportasi). Dalam penyajian data asal-tujuan pergerakan digunakan matriks pergerakan
antar zonasi transportasi dimana jumlah pergerakan dihitung berdasar baris asal ke kolom
tujuan.
Untuk frekuensi pergerakan berdasarkan terlayani dan tidak terlayaninya suatu zona
digunakan teknik intersect jangkauan pelayanan rute bus terhadap zonasi transportasi dengan
bantuan aplikasi ArcMap 10.1. Zona-zona yang termasuk dalam jangkauan pelayanan rute bus
menjadi zona yang terlayani.
commit to user
Tabel 3.6 Rangkuman Identifikasi Pola Pergerakan Spasial
Tujuan Analisis Input Teknik Analisis Alat Bantu Analisis Output Data
41
perpustakaan.uns.ac.id digilib.uns.ac.id
Menjabarkan data x Asal-tujuan Distribusi Frekuensi x Microsoft Tabel distribusi
pergerakan spasial pergerakan Excel 2016 frekuensi
yang terjadi di x Zonasi x ArcMap pergerakan spasial
wilayah penelitian Transportasi 10.1 terhadap zona
terhadap rute x Rute pelayanan bus
pelayanan bus Pelayanan
Bus
(Sumber: Analisis Peneliti, 2015)
43
perpustakaan.uns.ac.id digilib.uns.ac.id
Tujuan Analisis Input Teknik Analisis Alat Bantu Analisis Output Data
Menjabarkan x Waktu Distribusi Frekuensi Microsoft Excel 2016 Tabel distribusi
karakteristik Pergerakan pergerakan non
masyarakat pelaku x Maksud spasial terhadap
pergerakan Pergerakan potensi penggunaan
berdasarkan tingkat x Kepemilikan angkutan umum
potensi penggunaan Kendaraan
angkutan umum x Penggunaan
Kendaraan
(Sumber: Analisis Peneliti, 2015)
Tabel 3.9 Skala Penilaian Potensi Penggunaan Angkutan Umum Berdasarkan Pergerakan
Spasial
Jumlah Jumlah Interval Skala Penilaian
Sample Kelas Kelas Rendah Sedang Tinggi
401 3 133.67 0 - 133.67
commit to 133.67
user - 267.33 267.33 - 401
(Sumber: Analisis Peneliti, 2015)
44
perpustakaan.uns.ac.id digilib.uns.ac.id
Output Analisis Potensi Penggunaan Angkutan Umum Berdasarkan Pergerakan Spasial
Hasil dari analisis ini merupakan tingkat potensi penggunaan kendaraan umum
berdasarkan pergerakan spasial. Selanjutnya hasil analisis ini di bandingkan dengan kinerja
rute trayek.
Tabel 3.10 Rangkuman Analisis Potensi Penggunaan Angkutan Umum Berdasarkan Pergerakan
Spasial
Tujuan Analisis Input Teknik Analisis Alat Bantu Analisis Output Data
Mengetahui tingkat Tabel distribusi Scoring Microsoft Excel 2016 Potensi penggunaan
potensi penggunaan frekuensi pergerakan kendaraan umum
angkutan umum oleh spasial terhadap zona berdasarkan
masyarakat dilihat pelayanan bus pergerakan spasial
dari pergerakan
spasialnya
(Sumber: Analisis Peneliti, 2015)
45
Tabel 3.11 Skala Ukur Data Potensi Penggunaan Angkutan Umum Berdasarkan Pergerakan Non Spasial
Skala Penilaian (Skor) Sample per Jenis Data
Jumlah Jenis Data
Peak Time Non Peak Time
Waktu Nilai Skala Nilai Skala
Pergerakan Pergi dan Pulang Penilaian Penilaian
Tinggi Rendah
2 2 1 401
perpustakaan.uns.ac.id
commit to user
Tinggi Rendah
1 2 1 401
Skala Penilaian (Skor) Sample per Jenis Data
Jumlah Jenis
Sample Kendaraan Kendraan
Umum Pribadi
Penggunaan
Nilai Skala Nilai Skala
Kendaraan
Penilaian Penilaian
Tinggi Rendah
1 2 1 401
(Sumber: Analisis Scoring, 2015)
digilib.uns.ac.id
46
Tabel 3.12 Skala Penilaian Potensi Penggunaan Angkutan Umum Berdasarkan Pergerakan Non Spasial
Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
Jumlah
Jenis Data x
Sample per
Jalur (Lihat:
Tabel 3.11
perpustakaan.uns.ac.id
commit to user
Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
Jumlah
Jenis Data x
Sample per
Jalur (Lihat:
Tabel 3.11
Maksud Skala Ukur Jumlah Total
Nilai Lebar Nilai Nilai Nilai Nilai
Pergerakan Data Sample x Sample x
Tertinggi Nilai : Nilai Terendah Terendah Tertinggi Tertinggi Nilai
Potensi Nilai Nilai
- Nilai Jumlah Terendah + Nilai + Nilai - Nilai - Nilai Tertinggi
Penggunaan Indikator Indikator
Terendah Interval Interval Interval Interval Interval
Angkutan Tertinggi Terendah
Umum
Berdasarkan
Pergerakan
Non
Spasial)
digilib.uns.ac.id
47
401 802 401 401 3 133.67 401 - 534.67 534.67 - 668.33 668.33 - 802
Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
Jumlah
Jenis Data x
Sample per
Jalur (Lihat:
Tabel 3.11
Skala Ukur Jumlah Total
perpustakaan.uns.ac.id
commit to user
Jumlah
Jenis Data x
Sample per
Jalur (Lihat:
Tabel 3.11
Skala Ukur Jumlah Total
Penggunaan Nilai Lebar Nilai Nilai Nilai Nilai
Data Sample x Sample x
Kendaraan Tertinggi Nilai : Nilai Terendah Terendah Tertinggi Tertinggi Nilai
Potensi Nilai Nilai
- Nilai Jumlah Terendah + Nilai + Nilai - Nilai - Nilai Tertinggi
Penggunaan Indikator Indikator
Terendah Interval Interval Interval Interval Interval
Angkutan Tertinggi Terendah
Umum
Berdasarkan
Pergerakan
Non
Spasial)
digilib.uns.ac.id
401 802 401 401 3 133.67 401 - 534.67 534.67 - 668.33 668.33 - 802
48
(Sumber: Analisis Scoring, 2015)
Setelah mendapat nilai dari tiap-tiap variabel, analisis ini mencari tingkat penilaian dari variabel pola pergerakan non spasial yang menjadi potensi
penggunaan angkutan umum masih dengan teknik scoring dengan 3 kelas penilaian tinggi, sedang, rendah. Dari masing-masing tingkat nilai sub variabel
yang telah dihitung diberi tingkat penilaian keseluruhannya dengan skala penilaian sebagai berikut.
Tabel 3.13 Skala Penilaian Keseluruhan Potensi Penggunaan Angkutan Umum Berdasarkan Pergerakan Non Spasial
perpustakaan.uns.ac.id
commit to user
digilib.uns.ac.id
49
perpustakaan.uns.ac.id digilib.uns.ac.id
Output Analisis Potensi Angkutan Umum Berdasarkan Pergerakan Non Spasial
Hasil dari analisis potensi penggunaan angkutan umum berdasarkan pergerakan non
spasial ini adalah tingkat potensi penggunaan angkutan umum berdasarkan pergerakan
non spasial yang selanjutnya akan dibandingkan dengan tingkat kinerja moda angkutan umum
massal.
Rangkuman dari analisis potensi penggunaan angkutan umum berdasarkan pergerakan
non spasial adalah sebagai berikut.
Tabel 3.14 Rangkuman Analisis Potensi Penggunaan Angkutan Umum Berdasarkan Pergerakan
Non Spasial
Tujuan Analisis Input Teknik Analisis Alat Bantu Analisis Output Data
Mencari tingkat Tabel distribusi Scoring Microsoft Excel 2016 Potensi penggunaan
potensi masyarakat frekuensi pergerakan angkutan umum
terhadap non spasial terhadap berdasarkan
penggunaan zona pelayanan bus pergerakan non
angkutan umum spasial
(Sumber: Analisis Peneliti, 2015)
commit to user
50
Tabel 3.15 Skala Ukur Sub Variabel Kinerja Moda
Jumlah Skala Ukur (Skor) Jumlah Skala Ukur (Skor) Sample
Waktu Jalur <40 40-100 >100 Jalur <20 20-50 >50 per
Perjalanan BST menit menit menit AKDP menit menit menit Jalur
6 3 2 1 11 3 2 1 20
Jumlah Skala Ukur (Skor) Sample
Jalur <15 15-30 >30 per
Peak Time
perpustakaan.uns.ac.id
commit to user
Jalur per
Non Peak Time Bus dari 75% dari Jalur
100% 75%
14 3 2 1 20
(Sumber: Analisis Scoring, 2015)
digilib.uns.ac.id
51
Tabel 3.16 Skala Penilaian Sub Variabel Kinerja Moda
Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
(Jumlah
Jumlah Total
Waktu Jalur BST + Nilai Lebar Nilai Nilai Nilai Nilai
Sample x Sample x
Perjalanan Jumlah Tertinggi Nilai : Nilai Terendah Terendah Tertinggi Tertinggi Nilai
Nilai Nilai
Jalur AKDB) - Nilai Jumlah Terendah + Nilai + Nilai - Nilai - Nilai Tertinggi
Indikator Indikator
x Sample Terendah Interval Interval Interval Interval Interval
Tertinggi Terendah
perpustakaan.uns.ac.id
per Jalur
340 1020 340 680 3 226.67 340 - 566.67 566.67 - 793.33 793.33 - 1020
Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
(Jumlah
Jumlah Total
Jalur BST + Nilai Lebar Nilai Nilai Nilai Nilai
Sample x Sample x
Jumlah Tertinggi Nilai : Nilai Terendah Terendah Tertinggi Tertinggi Nilai
Nilai Nilai
Jalur AKDB) - Nilai Jumlah Terendah + Nilai + Nilai - Nilai - Nilai Tertinggi
Indikator Indikator
x Sample Terendah Interval Interval Interval Interval Interval
Tertinggi Terendah
per Jalur
280 840 280 560 3 186.67 280 - 466.67 566.67 - 653.33 793.33 - 840
Headways
Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Sample Tertinggi Terendah Nilai Kelas Kelas
commit to user
Rendah Sedang Tinggi
(Jumlah
Jumlah Total
Jalur BST + Nilai Lebar Nilai Nilai Nilai Nilai
Sample x Sample x
Jumlah Tertinggi Nilai : Nilai Terendah Terendah Tertinggi Tertinggi Nilai
Nilai Nilai
Jalur AKDB) - Nilai Jumlah Terendah + Nilai + Nilai - Nilai - Nilai Tertinggi
Indikator Indikator
x Sample Terendah Interval Interval Interval Interval Interval
Tertinggi Terendah
per Jalur
280 840 280 560 3 186.67 280 - 466.67 566.67 - 653.33 793.33 - 840
Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
(Jumlah
Load Jumlah Total
Jalur BST + Nilai Lebar Nilai Nilai Nilai Nilai
Factors Sample x Sample x
Jumlah Tertinggi Nilai : Nilai Terendah Terendah Tertinggi Tertinggi Nilai
Nilai Nilai
Jalur AKDB) - Nilai Jumlah Terendah + Nilai + Nilai - Nilai - Nilai Tertinggi
Indikator Indikator
x Sample Terendah Interval Interval Interval Interval Interval
Tertinggi Terendah
digilib.uns.ac.id
per Jalur
52
280 840 280 560 3 186.67 280 - 466.67 566.67 - 653.33 793.33 - 840
Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
(Jumlah
Jumlah Total
Jalur BST + Nilai Lebar Nilai Nilai Nilai Nilai
Sample x Sample x
Jumlah Tertinggi Nilai : Nilai Terendah Terendah Tertinggi Tertinggi Nilai
Nilai Nilai
Jalur AKDB) - Nilai Jumlah Terendah + Nilai + Nilai - Nilai - Nilai Tertinggi
Indikator Indikator
x Sample Terendah Interval Interval Interval Interval Interval
Tertinggi Terendah
per Jalur
perpustakaan.uns.ac.id
280 840 280 560 3 186.67 280 - 466.67 566.67 - 653.33 793.33 - 840
(Sumber: Analisis Scoring, 2015)
commit to user
digilib.uns.ac.id
53
Setelah mendapatkan nilai di setiap sub variabel maka dihitung keseluruhan tingkat kinerja moda masih dengan scoring dengan skala Linkert
dengan 3 kelas skala penilaian tinggi, sedang dan rendah. Perhitungan skalanya berdasarkan tabel berikut.
Waktu
Pelayanan,
LF Peak
Jumlah Jumlah Total
Time, LF Nilai Lebar Nilai Nilai Nilai Nilai
Sub Sample x Sample x
Non Peak Tertinggi Nilai : Nilai Terendah Terendah Tertinggi Tertinggi - Nilai
Variabel x Nilai Nilai
Time, HW - Nilai Jumlah Terendah + Nilai + Nilai - Nilai Nilai Tertinggi
Data Indikator Indikator
Peak Terendah Interval Interval Interval Interval Interval
Variabel Tertinggi Terendah
Time, HW
Non Peak
Time
5 3 2 1 1 5 15 5 10 3 3.33 5 - 8.33 8.33 - 11.67 11.67 - 15
(Sumber: Analisis Scoring, 2015)
commit to user
digilib.uns.ac.id
54
perpustakaan.uns.ac.id digilib.uns.ac.id
Output Analisis Kualitas Angkutan Umum Masal Berdasarkan Kinerja Moda
Hasil dari analisis ini merupakan tingkat penilaian kinerja angkutan umum massal
berdasarkan moda yang selanjutnya akan dicari kesesuaiannya berdasarkan potensi
penggunaan angkutan umum terhadap pergerakan non spasial.
Input Data Analisis Kualitas Angkutan Umum Masal Berdasarkan Kinerja Rute
Untuk melakukan analisis ini dibutuhkan data yang didapat dari survey skunder yaitu
berupa data waktu pelayanan, kelangsungan rute, jangkauan lokasi pemberhentian,
overlapping, hubungan, dan struktur rute.
commit to user
55
Tabel 3.19 Skala Ukur Sub Variabel Kinerja Rute
Skala Ukur (Skor)
Jumlah Trayek Sesuai (05.00-06.00 sampai Tidak
Waktu pukul 22.00-02.00) Sesuai
Pelayanan (BST Koridor 1, BST Koridor 2,
BST Koridor 3, dan AKDP)
4 1 0
Skala Ukur (Skor)
Sesuai
Jumlah Rute Tidak
perpustakaan.uns.ac.id
commit to user
4 1 0
Skala Ukur (Skor)
Jaringan Trayek Sesuai Tidak
(Terjadi dalam CBD Kota) Sesuai
Overlapping
(BST Koridor 1, BST Koridor 2,
BST Koridor 3, dan AKDP)
4 1 0
Skala Ukur (Skor)
Sesuai
Struktur Jaringan Trayek Tidak
(Percabangan hanya terjadi
Sesuai
di sekitar terminal)
digilib.uns.ac.id
56
(BST Koridor 1, BST Koridor 2,
BST Koridor 3, dan AKDP)
4 1 0
Skala Ukur (Skor)
Sesuai (Terjadi hubungan
Jaringan Trayek Tidak
antar trayek lain minimal di 3
Sesuai
Hubungan titik)
(BST Koridor 1, BST Koridor 2,
BST Koridor 3, dan AKDP)
4 1 0
perpustakaan.uns.ac.id
commit to user
Rute Data Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
Jumlah Total
Kelangsungan Nilai Lebar Nilai Nilai
Sample Sample x Nilai Nilai
Rute Tertinggi Nilai : Nilai Terendah Terendah Nilai
x Nilai Nilai Tertinggi - Tertinggi -
- Nilai Jumlah Terendah + Nilai + Nilai Tertinggi
Indikator Indikator Nilai Interval Nilai Interval
Terendah Interval Interval Interval
Tertinggi Terendah
1 17 17 0 17 3 5,67 0 - 5,67 5,67 - 11,33 11,33 - 17
Data per Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Trayek Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
Jangkauan
Jumlah Total
Lokasi Nilai Lebar Nilai Nilai
Sample Sample x Nilai Nilai
Pemberhentian Tertinggi Nilai : Nilai Terendah Terendah Nilai
x Nilai Nilai Tertinggi - Tertinggi -
- Nilai Jumlah Terendah + Nilai + Nilai Tertinggi
Indikator Indikator Nilai Interval Nilai Interval
Terendah Interval Interval Interval
Tertinggi Terendah
digilib.uns.ac.id
57
1 4 4 0 4 3 1.33 0 - 1.33 1.33 - 2.67 2.67 - 4
Data per Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Jalur Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
Jumlah Total
Nilai Lebar Nilai Nilai
Overlapping Sample Sample x Nilai Nilai
Tertinggi Nilai : Nilai Terendah Terendah Nilai
x Nilai Nilai Tertinggi - Tertinggi -
- Nilai Jumlah Terendah + Nilai + Nilai Tertinggi
Indikator Indikator Nilai Interval Nilai Interval
Terendah Interval Interval Interval
Tertinggi Terendah
1 4 4 0 4 3 1.33 0 - 1.33 1.33 - 2.67 2.67 - 4
Data per Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Trayek Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
perpustakaan.uns.ac.id
Jumlah Total
Jumlah Nilai Lebar Nilai Nilai
Struktur Sample Sample x Nilai Nilai
Trayek x Tertinggi Nilai : Nilai Terendah Terendah Nilai
x Nilai Nilai Tertinggi - Tertinggi -
Data per - Nilai Jumlah Terendah + Nilai + Nilai Tertinggi
Indikator Indikator Nilai Interval Nilai Interval
Trayek Terendah Interval Interval Interval
Tertinggi Terendah
1 4 4 0 4 3 1.33 0 - 1.33 1.33 - 2.67 2.67 - 4
Data per Jumlah Nilai Nilai Lebar Jumlah Interval Skala Penilaian
Trayek Sample Tertinggi Terendah Nilai Kelas Kelas Rendah Sedang Tinggi
Jumlah Total
Nilai Lebar Nilai Nilai
Hubungan Sample Sample x Nilai Nilai
Tertinggi Nilai : Nilai Terendah Terendah Nilai
x Nilai Nilai Tertinggi - Tertinggi -
- Nilai Jumlah Terendah + Nilai + Nilai Tertinggi
Indikator Indikator Nilai Interval Nilai Interval
Terendah Interval Interval Interval
Tertinggi Terendah
1 4 4 0 4 3 1.33 0 - 1.33 1.33 - 2.67 2.67 - 4
commit to user
(Sumber: Analisis Peneliti, 2015)
Setelah mendapatkan nilai di setiap sub variabel maka dihitung keseluruhan tingkat kinerja rute masih dengan scoring dengan skala Linkert
dengan 3 kelas skala penilaian tinggi, sedang, dan rendah. Perhitungan skalanya berdasarkan tabel berikut.
58
Overlapping, Data Indikator Indikator
Struktur, Hubungan Variabel Tertinggi Terendah
6 3 2 1 1 6 18 6 12 3 6 6 - 10 10 - 14 14 - 18
(Sumber: Analisis Peneliti, 2015)
perpustakaan.uns.ac.id
commit to user
digilib.uns.ac.id
59
perpustakaan.uns.ac.id digilib.uns.ac.id
Output Analisis Kualitas Angkutan Umum Masal Berdasarkan Kinerja Rute
Hasil dari analisis ini adalah tingkat penilaian kinerja angkutan umum massal
berdasarkan rute.
Tabel 3.22 Rangkuman Analisis Kualitas Angkutan Umum Masal Berdasarkan Kinerja Rute
Tujuan Analisis Input Teknik Analisis Alat Bantu Analisis Output Data
Tujuan dari analisis adalah x Kelangsungan Scoring Microsoft Excel 2016 Tingkat
mengetahui kinerja Rute penilaian
pelayanan rute angkutan x Jangkauan kinerja
umum massal Lokasi angkutan
Pemberhentian umum
x Overlapping massal
x Struktur berdasarkan
x Hubungan rute
(Sumber: Analisis Peneliti, 2015)
400
Concentrate Here Keep Up with The Good Work
Potensi Penggunaan Berdasarkan Pergerakan Spasial
350
300
250
100
50
0
5 10 15
Kinerja Rute
commit to user
61
perpustakaan.uns.ac.id digilib.uns.ac.id
12
Concentrate Here Keep Up with The Good Work
10
4
5 10 15
Kinerja Rute
Tabel 3.23 Rangkuman Kesesuaian Kinerja Transportasi Massal Terhadap Pola Pergerakan
Tujuan Analisis Input Teknik Analisis Output Data
Mengetahui x Tingkat penilaian kinerja Importance Ketersediaan
kesesuaian antar angkutan umum massal Performance transportasi
potensi berdasarkan moda Analysis umum
penggunaan x Potensi penggunaan massal
kendaraan umum angkutan umum berdasarkan terhadap
massal berdasarkan pergerakan non spasial pola
pola pergerakan x Tingkat penilaian kinerja pergerakan
dan kinerja angkutan umum massal
angkutan umum berdasarkan rute
massal x Potensi penggunaan
angkutan umum berdasarkan
pergerakan spasial
(Sumber: Analisis Peneliti, 2015)
commit to user
62
Kerangka Analisis Penelitian
Asal-Tujuan
Zonasi Transportasi Analisis Potensi Analisis Kualitas Waktu Pelayanan Kelangsungan Rute
Pergerakan
Penggunaan Angkutan
Angkutan Umum
Input Input Umum Massal Jangkauan
Berdasarkan Pola Masal Berdasarkan Overlapping
Pemberhentian
Identifikasi Pola Pergerakan Spasial Kinerja Rute
Pergerakan Spasial Output Struktur Hubungan
Output
Analisis Scoring Potensi Penggunaan Analisis Scoring
Tingkat penilaian kinerja
Analisis Distribusi Kendaraan Umum
angkutan umum massal Input
perpustakaan.uns.ac.id
commit to user
Penggunaan Angkutan
Microsoft Excel 2016 Umum Massal Importance Performance Analysis Berdasarkan
Berdasarkan Pola Waktu Perjalanan
Pergerakan Spasial Kinerja Moda
Input Input
Output Load Factors
Kepemilikan Analisis Scoring Analisis Scoring
Waktu Pergerakan Input
Kendaraan
Microsoft Excel 2016 Microsoft Excel 2016
Penggunaan Headways
Maksud Pergerakan Importance Performance Analysis
Kendaraan