PROGRAM STUDI TEKNIK PERANCANGAN JALAN DAN JEMBATAN

JURUSAN TEKNIK SIPIL

POLITEKNIK NEGERI MEDAN
2019
 Bab I

Mahasiswa adalah individu atau kelompok yang sedang

menjalani proses pendidikan di suatu lembaga
pendidikan dan dipastikan melakukan perjalanan,.
Politeknik Negeri Medan adalah sebuah perguruan
tinggi negeri yang terdapat di Kota Medan, Sumatera
Utara, Indonesia. Politeknik Negeri Medan terletak pada
area yang sama dengan Universitas Sumatera Utara,
sehingga aktivitas pada kedua kampus tersebut saling
berkaitan dalam satu dan lainnya khususnya dalam
permasalahan lalu lintas.
 Banyaknya moda pengantar mahasiswa tersebut menimbulkan
masalah baru khususnya pada jam masuk kampus, hal ini disebabkan
pada kampus Politeknik Negeri Medan tidak memiliki jalur khusus
untuk menurunkan penumpang, pada kampus tersebut terdapat tiga
jalur masuk yang mana setiap jalur masuk menuju area kampus
digunakan secara bersamaan untuk kendaraan yang akan parkir, untuk
pejalan kaki serta pengantar.

 Ada dua permasalahan yang didapat pada kampus Politeknik Negeri

Medan antara lain : 1. Masalah Eksternal
Tidak memiliki jalur khusus untuk pengantar
2. Masalah Internal keterbatasan lahan parkir
 Konsep pemodelan dalam perencanaan lalu lintas
merupakan solusi yang efektif untuk
menyederhanakan masalah di lapangan. pemodelan
tarikan lalu lintas sangat diperlukan untuk suatu tata
guna lahan guna mengestimasi dampak kebutuhan
transportasi dilingkungan sekitarnya dan juga
pemodelan tarikan pergerakan sangat diperlukan
untuk mengetahui kebutuhan fasilitas parkir.
 Adapun permasalahan yang akan di bahas adalah
Tarikan Perjalanan pada kampus Politeknik Negeri
Medan
 Faktor – factor apa yang mempengaruhi tarikan lalu
lintas pada kampus Politeknik Negeri Medan ?

 Bagaimana model tarikan pergerakan lalu lintas pada

kampus Politeknik Negeri Medan ?
 Maksud Penelitian
- Mengadakan studi terhadap model tarikan
pergerakan lalu lintas pada jurnal pendidikan Politeknik
Negeri Medan
 Tujuan Penelitian
- Untuk mengetahui faktor-faktor yang
mempengaruhi tarikan lalu lintas pada kampus
Politeknik Negeri Medan
- Untuk mengetahui model tarikan lalu lintas yang
dihasilkan oleh kampus Politeknik Negeri Medan
1. Analisis model tarikan pergerakan
dilakukan dengan analisis Model regresi linier
berganda (koefisien determinasi sederhana, uji
korelasi variable sederhana, uji t, uji F, dan uji
normaltias )
2. Wilayah studi kasus adalah kampus Politeknik
Negeri Medan
3. Penelitian dilakukan dengan cara survey volume
lalu lintas dengan metode manual serta survey
pejalan kaki dengan metode wawancara
menggunakan kuisioner.
4. Data penelitian diambil dalam jangka waktu 3 hari.
5. Pengumpulan data dilakukan dengan survei data
primer dan sekunder. Data primer yaitu data yang
didapat dari lapangan, sedangkan data sekunder didapat
dari data sumber informasi terkait
2.1 Konsep Bangkitan Perjalanan

Bangkitan perjalanan merupakan tahap pemodelan

transportasi yang bertugas untuk memperkirakan dan
meramalkan jumlah atau banyaknya perjalanan yang berasal
(meninggalkan) dari suatu zona/kawasan/petak lahan dan
jumlah (banyaknya) perjalanan yang datang/tertarik
(menuju ke suatu zona/kawasan/petak lahan pada masa
yang akan datang (tahun rencana) per satuan waktu.
Sumber : Tamin,2000
Tata guna lahan merupakan pengaturan pemanfaatan
lahan pada lahan yang masih kosong di suatu lingkup
wilayah untuk kegiatan – kegiatan tertentu.
Kegiatan – kegiatan tersebut bisa bekerja, belajar, belanja,
rekreasi, dll.
Dalam usaha memenuhi kebutuhannya, manusia terpaksa
melakukan pergerakan (mobilitas) dari tata guna lahan
yang satu ke tata guna lahan yang lainnya.
Sistem trasnportasi merupakan gabungan elemen-
elemen atau komponen-komponen :
• Prasarana (jalan dan terminal)
• Sarana (kendaraan)
• Sistem pengoperasian (yang mengkoordinasikan
komponen prasarana dan sarana (miro,1997))
Hubungan antara transportasi, pergerakan (lalu
lintas) dan guna lahan sangat erat. Sistem yang
terjadi sudah jelas adalah sistem tertutup. Hal ini
dijelaskan dalam keterkaitan yang sangat erat
antar komponen dan jika ada perubahan pada
salah satu komponen maka keseimbangan sistem
akan terganggu.
Tata guna lahan Transportasi

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

4.1 Hasil Rekapitulasi Data Primer

Jenis Moda

Hari pejalan kaki sepeda motor sepeda becak mobil mobil pick up mobil barang

Kamis 2643 3220 7 0 561 13 2 6446

Jumat 2031 2424 5 1 471 7 0 4939
Sabtu 68 357 2 1 93 1 0 522

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.

Y <-X1 0,719 0,356

Y <- X2 0,296 0,634

Y <- X3 0,813 0,285

Y <- X4 0,940 0,157

 • Hasil Analisis Model Regresi

No Variabel Parameter Model Model

1 Konstanta C 1204,2743
2 Jumlah Dosen X1 32,762

3 Jumlah Mahasiswa X3 2,54

4 Jumlah Gedung X4 574,5
R - Square 0,824
SEE 1752,8158
• Model Regresi Tarikan Perjalanan

PERSAMAAN REGRESI R-SQUARE

Y = 1204, 2743 + (32,762)X1 + (2,54)X3 +(574,5)X4 0,824

 • Uji t
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 605.403 2491.571 .243 .848
X1 32.762 20.500 .848 1.598 .356 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) -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

One-Sample Kolmogorov-Smirnov Test

Y X1 X2 X3 X4
N 3 3 3 3 3
Normal Parametersa,,b Mean 3969.0000 102.6667 85.3333 2273.6667 9.0000
Std. Deviation 3078.81779 79.66388 49.23752 1092.92741 5.19615
Most Extreme Absolute .290 .293 .268 .245 .385
Differences
Positive .211 .293 .199 .245 .282
Negative -.290 -.212 -.268 -.194 -.385
Kolmogorov-Smirnov Z .503 .508 .464 .424 .667
Asymp. Sig. (2-tailed) .962 .959 .982 .994 .766
a. Test distribution is Normal.
b. Calculated from data.
 BAB V
ANALISIS DAN PEMBAHASAN

Analisis dan Pembahasan Data Primer

• 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.

Analisis dan Pembahasan Data Sekunder

• Ditentukan 4 variable bebas yaitu Jumlah Dosen, Jumlah Pegawai/administrasi, Jumlah

Mahasiswa, dan Jumlah Gedung
• Penentuan Variable bebas berdasarkan analisa yang dilakukan dilapangan mengenai
faktor-faktor yang mempengaruhi tarikan perjalan pada kampus Politeknik Negeri
Medaan
 Analisis dan Pembahasan Model Tarikan Perjalanan

• Hasil uji korelasi menunjukan variabel yang paling berkolerasi

dengan Variabel terikat adalah X1
• Hasil uji koefisien determinasi, diperoleh variable bebas yang
memiliki hubungan terkuat dengan variable terikat, yaitu X1
• Hasil Uji nilai T dan F dapat dilihat melalui tabel sebelumnya
• Mengenai analisis model regresi tarikan perjalanan, diperoleh
beberapa parameter.
 Nilai C sebesar 1204,2748 yang berarti jika kesemua variable
tidak ada, berarti jumlah tarikan perjalanan pada kampus politeknik
negeri medan adalah sebanyak 1204,2748 smp per hari.
 Hasil uji normalitas yang dilihat berdasarkan nilai
Asymp.Sig (2-tailed). Seluruh parameter dinyatakan tidak
menyimpang (layak digunakan) jika memperoleh nilai
Asymp.Sig > 0,5. Dan pada hasil uji normalitas yang
diperoleh, seluruh parameter tidak terdapat penyimpangan
atau layak untuk digunakan karena seluruh nilai yang
didapat > 0,5.
 BAB VI
KESIMPULAN DAN SARAN

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.

• Seluruh parameter variable bebas yang digunakan untuk

model melalui hasil uji t tidak berpengaruh signifikan terhadap
variable terikat. Lalu melalui hasil uji F untuk X1 dan X3
tidak berpengaruh signifikan sedangkan untuk X4
berpengaruh signifikan
Saran
 Diharapkan adanya penelitian ini dapat membantu untuk
meramalkan tarikan lalu lintas di masa yang akan datang.
 Diharapakan adanya penelitian ini dapat menjadi bahan
pertimbangan untuk mengatasi masalah lalu lintas yang terjadi di
Kampus Politeknik Negeri Medan.
Selesai