Form Survey Perparkiran (On Street) Masuk
Form Survey Perparkiran (On Street) Masuk
Lalu lintas
Pendekatan analisis dipakai dalam mengestimasi
kebutuhan perjalanan pada tahap tarikan perjalanan.
Pendekatan mempunyai ketergantungan dengan basis
perjalanan yang ditinjau dan akhirnya dengan metode apa
yang akan digunakan untuk analisis.
• Pendekatan Agregat
• Pendekatan Disagregat
Metode analisis ini merupakan salah satu dari model –
model yang tergabung didalam model statistic
matematika. Metode ini merupakan alat analisis statistic
yang menganalisis factor – factor penentu yang
menimbulkan suatu kejadian atau kondisi tertentu yang
diamati, sekaligus menguji sejauh mana kekuatan factor –
factor penentu yang dimaksud berhubungan dengan
kondisi yang ditimbulkan/diciptakannya.
Analisis Linier berganda
• Koefisien korelasi
• Koefisien Determinasi
• Uji t
• Uji f
• Uji Normalitas
BAB IV PENGUMPULAN DAN PENGOLAHAN
DATA
Hari pejalan kaki sepeda motor sepeda becak mobil mobil pick up mobil barang
Total 11907
4.2 Hasil Rekapitulasi Data Sekunder
Data Sekunder
Jumlah Dosen 308 Orang
Jumlah Pegawai/Administrasi 256 Orang
Jumlah Mahasiswa 6812 Orang
Jumlah Gedung 27 Buah
4.3 Pemodelan Tarikan Perjalanan
• Uji Korelasi
Correlations
Y X1 X2 X3 X4
Y Pearson 1 .848 -.544 .902 .970
Correlation
Sig. (2-tailed) .356 .634 .285 .157
N 3 3 3 3 3
X1 Pearson .848 1 -.016 .994 .692
Correlation
Sig. (2-tailed) .356 .990 .071 .513
N 3 3 3 3 3
X2 Pearson -.544 -.016 1 -.128 -.733
Correlation
Sig. (2-tailed) .634 .990 .919 .476
N 3 3 3 3 3
X3 Pearson .902 .994 -.128 1 .768
Correlation
Sig. (2-tailed) .285 .071 .919 .442
N 3 3 3 3 3
X4 Pearson .970 .692 -.733 .768 1
Correlation
Sig. (2-tailed) .157 .513 .476 .442
N 3 3 3 3 3
• Uji Koefisien Determinasi (R-Square)
R-Square Sig.
1 Konstanta C 1204,2743
2 Jumlah Dosen X1 32,762
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -1805.920 2975.997 -.607 .653
X3 2.540 1.218 .902 2.085 .285 1.000 1.000
a. Dependent Variable: Y
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -1201.500 1442.843 -.833 .558
X4 574.500 145.011 .970 3.962 .157 1.000 1.000
a. Dependent Variable: Y
• Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1.362E7 1 1.362E7 2.554 .356a
Residual 5334328.870 1 5334328.870
Total 1.896E7 2
a. Predictors: (Constant), X1
b. Dependent Variable: Y
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1.541E7 1 1.541E7 4.346 .285a
Residual 3546521.012 1 3546521.012
Total 1.896E7 2
a. Predictors: (Constant), X3
b. Dependent Variable: Y
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1.782E7 1 1.782E7 15.696 .157a
Residual 1135524.500 1 1135524.500
Total 1.896E7 2
a. Predictors: (Constant), X4
b. Dependent Variable: Y
• Uji Normalitas
• Tarikan perjalanan terbesar terjadi pada hari Kamis, 20 Desember 2019 dengan
moda transportasi terbesar sepeda motor dikarenakan banyak faktor.
• Dari hasil rekapitulasi data Tarikan ke Politeknik Negeri Medan selama 3 hari
diperoleh 11907 smp.
Kesimpulan
Tarikan lalu lintas pada kampus Politeknik Negeri Medan (Y)
dipengaruhi oleh Jumlah dosen (X1), Jumlah Mahasiswa (X3) dan
Jumlah Gedung (X4)
Model terbaik untuk meramalkan tarikan lalu lintas pada kampus
Politeknik Negeri Medan adalah Y = 1204, 2743 + (32,762)X1 +
(2,54)X3 +(574,5)X4 dengan nilai R-square sebesar 0,824
Jika tidak terjadi penambahan terhadap seluruh variable bebas maka
tarikan perjalanan yang terjadi adalah sebesar nilai kontanta yang telah
diperoleh dari hasil analisis data.
Nilai koefisien tiap – tiap variable bebas berpengaruh
terhadap penambahan jumlah tarikan perjalanan.