Setelah, pada pertemuan sebelumnya kita menghitung analisis korelasi, menghitung nilai a (konstanta),

nilai b ( koefisien) dan membangun model regresi berupa persamaan fungsi : Y = a + bX. Maka pada
pertemuan kali ini, kita akan belajar bagaimana contoh persamaan regresi tersebut digunakan untuk apa
dan seperti apa.

Regresi linear sederhana ataupun berganda bisa digunakan dalam rangka meramalkan jumlah
perjalanan pada masa yang akan datang. Untuk apa kita meramalkan jumlah perjalanan pada masa yang
akan datang ini. Hal ini bisa digunakan untuk :

1. Mengetahui karakteristik perjalanan dalam jaringan transportasi

2. Mengetahui distribusi perjalanan
3. Mengetahui moda perjalanan
4. Analisis forecasting (peramalan lalu lintas)
5. Evaluasi berbagai alternatif

Prediksi jumlah perjalanan perlu diketahui terlebih dahulu kondisi variabelnya. Dimana dalam
melakukan peramalan ini, kita bisa menggunakan rumus “Compounding Factor” untuk meramalkan
terlebih dahulu variabel bebas yang mempengaruhi perjalanan untuk masa yang akan datang.
Contohnya seperti ini :

“Ketika kita mempunyai data perjalanan (dari hasil survei) tahun 2020 (Y2020), dan hendak melakukan
pemodelan perjalanan lalu lintas (Y) untuk tahun 2025, maka kita harus mempunyai model untuk
meramalkan pola perjalanan tersebut. Model itu didapat dari persamaan fungsi regresi yang sudah kita
buat, yaitu : Y = a + bX. Data yang kita gunakan untuk membuat persamaan fungsi Y = a + bX tersebut
didapat dari data perjalanan pada tahun dasar yaitu data perjalanan (Y2020) dan data variabel bebas yang
mempengaruhi (X2020). Persamaan fungsi regresi tersebut digunakan untuk menghitung jumlah
perjalanan pada tahun 2025 (Y2025). Jadi, kesimpulan ringkas untuk menghitung jumlah perjalanan pada
tahun 2025 itu kita harus tau kedua hal ini :”
1. Menghitung jumlah variabel bebas (X) untuk tahun 2025, dengan menggunakan rumus
compounding factor.
2. Menghitung jumlah perjalanan untuk tahun 2025 (Y2025) dari model persamaan regresi yang kita
buat.

Rumus Compounding Factor yang dapat kita gunakan :

Compounding Factor → Pt = Po (1+i)n

Keterangan :
Pt = jumlah variabel pd thn prediksi
Po = jumlah variabel pd thn dasar
i = tk. Pertumbuhan
n = periode ramalan (tahun)
Contoh Soal :

• Persamaan regresi zona 2 adalah Y = 2 + 3 X, Diketahui jumlah penduduk zona 2 tahun 2013
sebesar 30.926 jiwa. Tingkat pertumbuhan penduduk sebesar 0,84 %.

Pertanyaannya :
1. Berapa jumlah penduduk zona 2 tersebut pada tahun 2018 ?
2. Berapa jumlah bangkitan perjalanan di zona 2 tersebut pada tahun 2018 ?

Jawab :

n = periode tahun 2013 – 2018 (5 tahun)

i = 0,84% = 0,84 : 100 = 0,0084
Po = 30.926

1. Maka jumlah penduduk zona 2 tahun 2018 adalah :

Pt = Po ( 1 + i )n
= 30.926 x ( 1 + 0,0084 )5
= 32.250 jiwa

2. Maka prediksi jumlah bangkitan perjalanan di zona 2 tahun 2018 adalah :

Y=2+3X
= 2 + 3 ( 32.250 )
= 96.752 perjalanan orang / hari