LANDASAN TEORI
4
5
2. Angkutan umum, yaitu angkutan yang dimiliki oleh operator yang bisa
digunakan untuk umum dengan persyaratan tertentu.
Karakteristik Pelaku Perjalanan Variabel sosial ekonomi yang dapat
mempengaruhi pelaku perjalanan dalam memilih moda adalah sebagai berikut :
1. Pendapatan
Pendapatan sering dilihat sebagai faktor yang menentukan terhadap pilihan
karakteristik tersebut. Selain itu kemampuan untuk membayar (ability to
pay) dan kemauan untuk membayar (willingness to pay) dengan pelayanan
yang didapatkan merupakan faktor yang sangat menentukan.
2. Usia
Variabel ini terutama digunakan untuk membedakan tingkat pilihan
individu dengan taraf kehidupan mereka. Individu dengan golongan usia
lanjut dan usia sangat muda (lebih dari 50 tahun dan di bawah usia 20
tahun) mungkin lebih sedikit mengendarai kendaraan pribadi dan lebih
bergantung pada angkutan umum dalam perjalanannya.
3. Jenis Kelamin
Jenis kelamin sangat berpengaruh terhadap pemilihan moda, wanita lebih
cenderung memilih angkutan umum dengan tingkat keamanan dan
kenyamanan sangat baik. Sedangkan pria lebih memilih angkutan umum
dengan tarif murah dan mudah mendapatkan serta waktu tempuh yang
relativ cepat.
4. Pekerjaan
Sudah diteliti bahwa pelaku perjalanan yang memiliki profesi cukup tinggi
kelihatannya lebih mungkin menggunakan mobil pribadi dari pada
pegawai rendahan. Hal ini dimugkinkan karena karakteristik sosial dan
pendapatan yang berhubungan secara alami dengan jabatan yang dipunyai.
Pilihan moda perjalanan dalam suatu wilayah perkotaan dipengaruhi oleh
banyak faktor seperti kecepatan, panjang perjalanan, kenyamanan, kemudahan
biaya, ketersediaan moda, ukuran kota, usia pelaku perjalanan serta status
ekonomi pelaku perjalanan.
1. Karakteristik Perjalanan
7
I D
untuk beberapa orang dalam rumah tangga. Hubungan ini memungkinkan mereka
untuk lebih realistis mewakili pengaruh kondisi perjalanan pada aktivitas dan
pilihan perjalanan. Model berbasis aktivitas juga memiliki kemampuan untuk
menggabungkan pengaruh yang sangat rinci per individu dan atribut-berbasis
rumah tangga, dan kemampuan untuk menghasilkan informasi rinci di satu set
yang lebih luas dari metrik kinerja. Kemampuan ini dimungkinkan karena model
berbasis aktivitas bekerja pada pendekatan kondisi disagregat pada level individu
daripada level zona dengan pendekatan agregat seperti kebanyakan model
berbasis perjalanan.
Model berbasis aktivitas dapat digunakan untuk mengevaluasi investasi
sarana dan prasarana transportasi dan penentuan kebijakan yang sulit untuk
pengujian sebagai alternative, sebelum menggunakan model berbasis perjalanan
Sebagai contoh, model berdasarkan aktivitas sering memberikan jauh lebih kuat
kemampuan dan kepekaan untuk mengevaluasi skenario biaya. Karena model
berbasis aktivitas biasanya berfungsi pada tingkat perseorangan, dan mewakili
bagaimana orang-orang melakukan perjalanan setiap hari, model ini lebih sensitif
terhadap kebijakan biaya yang mungkin berbeda pada periode waktu, yang
melibatkan variasi waktu pergerakan yang lebih kompleks. Keuntungan lain yang
penting dari model berdasarkan aktivitas adalah bahwa mereka menghasilkan
matriks kinerja yang lebih rinci, seperti bagaimana manfaat perjalanan (atau
kerugian) kepada populasi yang berbeda, yang dapat digunakan untuk mendukung
analisis ekuitas. Selain itu, model berdasarkan aktivitas juga dapat menghasilkan
semua langkah model berbasis perjalanan yang digunakan untuk mendukung
perencanaan transporasi berbasis perjalanan.
Sebuah asumsi dasar model perjalanan berdasarkan aktivitas adalah bahwa
permintaan perjalanan berasal dari kebutuhan masyarakat dan keinginan untuk
melakukan perjalanan. Dalam beberapa kasus kegiatan ini dapat terjadi dalam
rumah tangga tetapi dalam banyak kasus kegiatan ini terjadi di luar rumah
mereka, disebabkan kebutuhan untuk melakukan perjalanan.. Model berbasis
aktivitas didasarkan pada teori-teori perilaku tentang bagaimana orang membuat
keputusan tentang perjalanan dengan kendala yang ada,. Karena mereka
15
merupakan pelaku perjalanan dan perilaku yang dihasilkan lebih realistis, model
berdasarkan aktivitas dapat menggambarkan perilaku perjalanan individu dalam
melakukan investasi, kebijakan, atau perubahan lain akan berdampak bagi
perilaku perjalanan masyarakat.
Model berbasis aktivitas dibedakan dari model berbasis perjalanan dengan
sejumlah atribut. Model berbasis aktivitas merupakan kegiatan dan pilihan
perjalanan setiap orang di dalam aktivitas harian, mengingat jenis kegiatan
individu menetapkan prioritas kegiatan tersebut (seperti memprioritaskan aktivitas
kerja selama kegiatan belanja). Seperti jadwal perjalanan setiap individu menjadi
terbatas, waktu yang tersedia untuk melakukan perjalanan selain kegiatan yang
terjadwal dalam perjalanan ke kegiatan tambahan berkurang. (Hasriani, 2015).
Dalam kebanyakan kasus, tiga pendekatan utama dalam permodelan
berbasis aktivitas yaitu :
a. Pilihan tujuan perjalanan
b. Pilihan Moda Perjalanan
c. Periode waktu perjalanan.
sebaliknya jika nilai p value atau signifikasi sama dengan atau lebih dari 0,05
dinilai tidak valid.
Dalam uji pengukuran validitas terdapat dua macam yaitu Pertama,
mengkorelasikan antar skor butir pertanyaan (item) dengan total item. Kedua,
mengkorelasikan antar masing-masing skor indikator item dengan total skor
konstruk. Dalam pengujian validitas yang mengkorelasikan antar masing-masing
skor item indikator dengan total skor konstruk. Tingkat signifikansi yang
digunakan yaitu 0,05.
a. Kriteria pengujiannya yaitu:
H0 diterima apabila r hitung > r tabel , (alat ukur yang digunakan
valid atau sahih)H0 ditolak apabila r statistik= r tabel. (alat ukur
yang digunakan tidak valid atau sahih)
b. Cara menentukanbesar nilai R tabel R tabel = df (N-2), tingkat
signifikansi uji dua arah.Misalnya R tabel = df (13-2, 0,05). Untuk
mendapatkan nilai R tabel kita harus melihat di tabel R.
Dengan:
r = koefisien korelasi
N = jumlah responden
Yi = varibel terikat yang digunakan
Xi = Variabel bebas yang digunakan
Nilai r 2 tersebut berkisar antara 0 s/d 1. Nilai r 2 yang mendekati 1
menunjukkan sangat besarnya pengaruh variabel X, dimana variabel ini sangat
menentukan besarnya nilai untuk variabel Y. Koefisien penentu (coeffisient of
determination) dapat dicari dengan menggunakan koefisien korelasi. Dengan
koefisien korelasi dapat ditunjukkan kuatnya hubungan antara dua variabel.
Koefisien korelasi r adalah suatu ukuran relatif dari asosiasi di antara dua
variabel. Koefisien ini bervariasi dari –1 sampai dengan +1. Koefisien +1
menunjukkan adanya korelasi sempurna (perfect competition). Bila koefisien
korelasi lebih besar dari nol, maka kedua variabel itu mempunyai korelasi positif.
Tabel 2.1 berikut ini adalah tabel interprestasi dari r,
Tabel 2.1. Interprestasi dari r
R Interprestasi
0 Tidak berkorelasi
0,10 – 0,20 Sangat rendah
0,21 – 0,40 Rendah
0,41 – 0,60 Agak rendah
0,61 – 0,80 Cukup tinggi
0,81 - 0,99 Tinggi
1 Sangat tinggi
Sumber : (Wiji lestarini, 2007).
22
1. Regresi linear
Regresi linear merupakan metode statistik yang untuk mengetahui
pengaruh antara variable dependen (penjelas) terhadap variabel independent
(bebas). Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat.
Setiap regresi selalu memiliki korelasi, tetapi setiap korelasi belum tentu
dilanjutkan menuju regresi.
Analisis regresi linier sederhana adalah hubungan secara linear antara satu
variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen
apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen
23
apabila nilai variabel independen mengalami kenaikan atau penurunan.. Data yang
digunakan biasanya berskala interval atau rasio. Rumus regresi linear sederhana
sebagi berikut:
Y’ = a + bX……………………………………………………………..(2.2)
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
2. Regresi linear Berganda
Regresi linier berganda merupakan model persamaan yang menjelaskan
hubungan satu variabel tak bebas/ response (Y) dengan dua atau lebih variabel
bebas/ predictor (X1, X2,…Xn). Tujuan dari uji regresi linier berganda adalah
untuk memprediksi nilai variable tak bebas/ response (Y) apabila nilai-nilai
variabel bebasnya/ predictor (X1, X2,..., Xn) diketahui. Disamping itu juga untuk
dapat mengetahui bagaimanakah arah hubungan variabel tak bebas dengan
variabel variabel bebasnya.( I Made Yuliara).
Tujuan Regresi linier Berganda:
a. Digunakan untuk menguji hubungan/korelasi/pengaruh lebih dari
satu variabel bebas terhadap satu variabel terikat.
b. Regresi juga dapat digunakan untuk melakukan prediksi atau
estimasi variabel terikat berdasarkan variabel bebasnya.
c. Data yang dianalisis harus berupa data yang berskala interval/rasio
Analisis regresi linier berganda adalah hubungan secara linier antara dua
atau lebih variabel bebas (dengan variabel terikat (Y). Analisis ini untuk
memprediksi nilai variabel terikat apabila nilai variabel bebas mengalami
kenaikan atau penurunan dan atau untuk mengetahui arah hubungan antara
variabel bebas dengan variabel terikat. Sejak tahun 1950, sebagian besar
penelitian perencanaan transportasi menggunakan analisis regresi linear untuk
meneliti bangkitan pergerakan.Analaisis regresi linier Berganda (linear multi-ple
24
dimana :
Y = variabel tidak bebas (dependent variable )
a = intersep atau konstanta regresi
b1, b2, bm = koefisien regresi
X1, X2, Xm = variabel+variabel bebas (independent variables)