BAB II TINJAUAN PUSTAKA , dalam bab ini mengemukakan tentang teori-teori yang dijadikan dasar dalam pembahasan dan penganalisaan masalah serta beberapa yang dijadikan dasar dalam pembahasan dan penganalisaan masalah serta beberapa
ANALISIS DAN PEMBAHASAN
V.2 Analisis Bivariat dan Multivariat
V.2.2 Bangkitan Pergerakan Pada Tipe Perumahan Bangunan Menengah (Y2) Analisis untuk mengetahui variabel-variabel mana yang akan digunakan dalam Analisis untuk mengetahui variabel-variabel mana yang akan digunakan dalam
pemodelan selanjutnya, dilakukan proses penyeleksian variabel dengan cara melakukan uji korelasi antara semua variabel-variabel yang ditinjau.
1. Analisis Bivariat
Analisis korelasi bivariat mencari derajat keeratan hubungan dan arah hubungan. Semakin tinggi nilai korelasi, semakin tinggi keeratan hubungan antar variabel. Untuk melihat hubungan bivariat antara variabel dapat dilihat dari hasil uji korelasi Pearson. Matriks hasil uji korelasi bivariat antara variabel untuk tipe perumahan bangunan menengah dapat dilihat pada Tabel V.4 berikut:
Tabel V.4. Matriks Hubungan Antara Variabel Pada Perumahan Tipe Bangunan Menengah Produksi Perjalanan ( Y ) Jlh Anggota Kel. ( X1 ) Jlh Penghasil an Kel. ( X2 ) Jlh Kepemilik an Mobil (X3) Jlh Kepemilik an Spd Mtr (X4) Jlh Keluarga Bekerja (X5) Jlh Keluarga Bersekola h ( X6) Jenis Pekerjaan Kel. (X7) Umur Kepala Kel. (X8) Pendidik an Kepala Kel. (X9) Luas bangu nan (X10) Produksi Perjalanan( Y ) 1 .822(*) .351 .549(*) -.101 .774(*) .433(*) -.107 .211 -.076 .393 Jlh Anggota Kel. ( X1 ) 1 -.067 .287 .081 .624(*) .471(*) -.079 .313 -.136 .444* Jlh Penghasilan Kel. ( X2 ) 1 .630(*) -.399 .362 .026 .326 -.049 .187 -.177 Jlh Kepemilikan Mobil (X3) 1 .089 .294 .069 .038 -.100 .175 -.089 Jlh Kepemilikan Spd Mtr (X4) 1 -.234 -.234 -.505 .160 .141 -.133 Jlh Keluarga Bekerja (X5) 1 .409(*) -.211 .536(*) .395 .234 Jlh Keluarga Bersekolah (X6) 1 -.101 -.196 -.033 .234 Jenis Pekerjaan Kel. (X7) 1 -.334 -.256 -.245 Umur Kepala Kel. (X8) 1 .275 -.124 Pendidikan Kepala Kel. (X9) 1 -.141 Luas bangunan (X10) 1
(Sumber: Data Primer Diolah)
* Correlation is significant at the 0.05 level
Proses penyeleksian variabel harus sesuai dengan syarat metode analisis regresi linear berganda, bahwa variabel bebas yang akan dipakai dalam model harus mempunyai korelasi tinggi terhadap variabel terikat dan sesama variabel bebas tidak boleh saling berkorelasi. Apabila terdapat korelasi diantara variabel bebas, pilih salah satu yang mempunyai nilai korelasi yang terbesar untuk mewakili.
Pada Tabel V.4 diatas dapat dilihat bahwa variabel-variabel yang mempunyai hubungan signifikan atau pengaruh besar terhadap produksi perjalanan (Y2) adalah jumlah anggota keluarga (X1), jumlah kepemilikan mobil (X3), jumlah anggota keluarga bekerja (X5), dan jumlah anggota keluarga yang bersekolah (X6).
Jumlah anggota keluarga (X1) mempunyai hubungan yang signifikan dengan produksi perjalanan (Y2) dengan nilai R (koefisien korelasi) yaitu sebesar 0,822 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 82,2%. Sama halnya pada variabel jumlah kepemilikan mobil (X3) mempunyai hubungan yang signifikan dengan produksi perjalanan (Y2) dengan nilai R (koefisien korelasi) yaitu sebesar 0,549 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 54,9%. Sama halnya pada variabel jumlah anggota keluarga bekerja (X5) mempunyai hubungan yang signifikan dengan produksi perjalanan (Y2) dengan nilai R (koefisien korelasi) yaitu 0,774 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 77,4%. Sama halnya pada variabel jumlah anggota keluarga yang bersekolah (X6) mempunyai hubungan yang signifikan dengan produksi perjalanan (Y2) dengan nilai R (koefisien korelasi) yaitu 0,433 atau variabel bebas dapat mempengaruhi variabel terikat dengan kuat hubungan sebesar 43,3%.
Dalam hal ini juga terdapat beberapa variabel bebas yang saling berkorelasi, maka hanya variabel yang mempunyai nilai korelasi tertinggi yang akan dipakai dalam model. Variabel bebas X1 saling berkorelasi dengan variabel bebas X5, X6 dan X10, maka dipilih variabel jumlah anggota keluarga (X1) untuk mewakili variabel bebas
yang berkorelasi, karena variabel jumlah anggota keluarga (X1) memiliki nilai korelasi tinggi diantara variabel bebas yang berkorelasi terhadap variabel terikat (Y2), yaitu sebesar 0,822 atau 82,2%. Sama halnya variabel bebas X2 saling berkorelasi dengan variabel bebas X3, maka dipilih variabel jumlah kepemilikan mobil (X3) untuk mewakili variabel bebas yang berkorelasi, karena variabel jumlah kepemilikan mobil (X3) memiliki nilai korelasi tinggi diantara variabel bebas yang berkorelasi terhadap variabel terikat (Y2), yaitu sebesar 0,549 atau 54,9%.
Dari uraian diatas dapat disimpulkan bahwa hanya dua variabel bebas yang dapat dipakai dalam model, yaitu: jumlah anggota keluarga (X1) dan jumlah kepemilikan mobil (X3).
2. Analisis Multivariat
Analisis regresi linear berganda digunakan untuk meramalkan suatu variable
terikat (Y) berdasarkan dua atau lebih variable bebas (X1, X2, …., Xn) dalam suatu
persamaan linear. Untuk mendapatkan model yang paling sesuai menggambarkan pengaruh satu atau beberapa variabel bebas terhadap variabel terikatnya dapat
digunakan analisis regresi linear berganda (Multiple Linear Regression Analysis).
Model regresi linear berganda yang ditampilkan berikut ini diolah dengan bantuan Software SPSS-12. Hasil analisis regresi linear berganda untuk tipe perumahan bangunan menengah dapat dilihat pada Tabel V.5 berikut:
Tabel V.5. Pengaruh Variabel Bebas Terhadap Jumlah Produksi Perjalanan Perumahan Tipe Bangunan Menengah Variabel Terikat: Produksi Perjalanan Tipe Bangunan Menengah (Y2)
Model Regresi Koefisien Regresi t sig.
Konstanta
Jumlah Anggota Keluarga (X1) Jumlah Kepemilikan Mobil (X3)
0,600 1,300 0,900 0,696 4,716 2,222 0,503 0,001* 0,050* Kesesuaian Model Regresi Yang Terbentuk
(Anova Regresi) F = 18,077 sig. = 0,0001*
Koefisien Korelasi (R) = 0,885 Koefisien determinan
(R Square) = 0,783
Persamaan Regresi Terbentuk: Y2 = 0,600 + 1,300 X1 + 0,900 X3
Standart error (SEE)= 0,863
(Sumber: Data Primer Diolah)
* Signifikan
Tabel V.5 diatas dapat dilihat bahwa persamaan (model) regresi linear berganda
yang terbentuk, yaitu: Y2 = 0,600 + 1,300 X1 + 0,900 X3 adalah merupakan model
regresi yang paling sesuai menggambarkan pengaruh dua variabel bebas, yaitu jumlah anggota keluarga (X1), dan jumlah kepemilikan mobil (X3) yang secara bersamaan
mempengaruhi produksi perjalanan (Y2), hal ini dapat dilihat dari nilai analisis Anova
Regresi (F) sebesar 18,077.
Anova Regresi (F) merupakan nilai uji kelinieran hubungan variabel terikat
dengan variabel bebasnya. Berdasarkan syarat statistik untuk regresi linear berganda
bahwa perbandingan nilai Fhitung harus lebih besar dari Ftabel, hasil yang diperoleh
18,077 > 3,80. Syarat statistik terpenuhi Fhitung > Ftabel, hal ini menunjukkan bahwa
model regresi linear berganda signifikan pada tingkat kepercayaan 95%. Harga signifikan F = 0,0001 < 0,05 yang berarti Ha diterima dan secara simultan, X1 dan X3 berpengaruh positif terhadap bangkitan pergerakan.
Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat dalam model yang terbentuk dapat dilihat koefisien determinan (R Square), yaitu sebesar 0,783 atau 78,3%.
Nilai pada variabel jumlah anggota keluarga (X1) yaitu sebesar 1,300 X1, dapat diartikan bahwa apabila terjadi peningkatan sebanyak 1 orang akan mempengaruhi produksi perjalanan yaitu sebesar 1,300 perjalanan/keluarga/hari. Nilai pada variabel jumlah kepemilikan mobil (X3) yaitu sebesar 0,900 X3, dapat diartikan bahwa apabila terjadi peningkatan sebanyak 1 unit akan mempengaruhi produksi perjalanan yaitu sebesar 0,900 perjalanan/keluarga/hari.
Variabel bebas yang keluar dari model disebabkan karena memiliki nilai korelasi yang rendah, bila variabel bebas ini dimasukkan kedalam persamaan regresi
maka akan diperoleh nilai determinannya (R2) kecil dan nilai standart errornya besar.
V.2.3 Bangkitan Pergerakan Pada Tipe Perumahan Bangunan Sederhana (Y3)