BAB III METODE PENELITIAN
3.5 Metode Penelitian
3.5.2 Metode Analisis
3.5.2.1 Menganalisis Karakteristik Pergerakan Komuter di Kota Tangerang
Analisis karakteristik pergerakan bertujuan untuk melihat bagaimana karakteristik pergerakan komuter baik dari segi karakteristik perjalanan, dan karakteristik sosial ekonominya. Untuk menganalisis karakteristik pergerakan digunakan analisa statistik deskriptif. Statistik deskriptif sangat berkaitan dengan penerapan metode statistik untuk mengumpulkan, mengolah, menyajikan, dan menganalisis data kuantitatif secara deskriptif. Obyek yang diteliti pada sasaran ini adalah karakteristik pergerakan komuter. Untuk mendeskripsikan gambaran obyek ini digunakan variabel penelitian berupa jenis kelamin, usia, tingkat pendidikan, tingkat pendapatan, tujuan dan maksud perjalanan, waktu terjadinya perjalanan, lama perjalanan, biaya perjalanan, panjang perjalanan, dan moda pendukung yang tersedia.
3.5.2.2 Menganalisis Karakteristik Fasilitas Park and Ride di Kota Tangerang
Analisa yang digunakan untuk menganalisis karakteristik fasilitas park and ride menggunakan statistika deskrptif. Analisis statistik deskriptif merupakan teknik analisis yang digunakan untuk menganalisis dengan mendeskripsikan data yang diperoleh sebagaimana adanya tanpa bermaksut membuat kesimpulan yang berlaku untuk umum atau generalisasi. Metode analisis ini digunakan untuk mengetahui karakteristik fasilitas park and ride berdasarkan persepsi pelaku pergerakan dengan variabel yang digunakan adalah ketersediaan ruang parkir, ketersediaan jalur pejalan kaki, kondisi jalur pejalan kaki, jaminan keamanan, tingkat kenyamanan, tingkat layanan angkutan yang melayani pengguna park and ride, dan kemudahan mendapatkan angkutan pendukung pada halte tujuan.
3.5.2.3 Menganalisis Preferensi Pelaku Pergerakan Terhadap Fasilitas Park and Ride
Untuk menganalisis preferensi pelaku pergerakan terhadap fasilitas park and ride digunakan analisis revealed preference. Teknik revealed preference (RP) menganalisa pilihan masyarakat menggunakan asumsi implisit terhadap faktor yang mempengaruhi suatu pemilihan. Revealed preference diperoleh dari pengamatan terhadap perilaku aktual atau laporan-laporan perilaku pada masa lampau. Teknik analisa ini mencatat keputusan pilihan perjalanan yang aktual termasuk indikator-indikator dari semua komponen yang mendasari keputusan yang diambil. Asumsi kunci metode ini adalah responden harus memiliki sistem preferensi yang konsisten (Dewanti, 1999 dalam Zayu, 2012). Revealed preference sangat berhubungan dengan pilihan dan perilaku yang sebenarnya dalam transportasi yang nyata.
Analisa ini menggunakan kuesioner yang menanyakan kepada responden mengenai hal-hal yang sudah nyata terkait fasilitas park and ride. Variabel yang digunakan dalam penelitian ini antara lain ketersediaan ruang parkir, ketersediaan jalur pejalan kaki, kondisi jalur pejalan kaki, jaminan keamanan, tingkat kenyamanan, tingkat layanan angkutan yang melayani pengguna park and ride, kemudahan mendapatkan angkutan pendukung pada halte tujuan, tarif parkir, dan tarif angkutan yang melayani pengguna park and ride.
3.5.2.4 Menganalisis Peluang Penggunaan Fasilitas Park and Ride di Kota Tangerang
Untuk menganalisis peluang penggunaan fasilitas park and ride digunakan melalui regresi logistik biner. Analisis ini digunakan untuk memprediksi kemungkinan (probabilitas) beralihnya non pengguna menjadi pengguna fasilitas park and ride di Kota Tangerang dengan variabel respon bertipe categorical dua pilihan. Regresi logistik biner menggunakan variabel dependen dengan dua kemungkinan yaitu penggunaan kendaraan pribadi dari asal ke tempat aktivitas langsung, atau penggunaan kendaraan pribadi ke fasilitas park and ride di terminal dan melanjutkan
perjalanan ke tempat tujuan dengan menggunakan layanan angkutan Transjakarta.
Regresi logistik biner menghitung peluang penggunaan fasilitas park and ride dengan rentang kemungkinan 0 β 1. Model ini akan membentuk variabel dependen/respon yang merupakan kombinasi linier dari variabel independen. Nilai variabel dependen ini kemudian ditransformasukan menjadi probabilitas dengan fungsi logit.
Analisis akan menggunakan software SPSS (Statistical Package for Social Science). SPSS merupakan program aplikasi yang memiliki kemampuan analisis statistik cukup tinggi. Dalam analisa regresi terdapat beberapa metode yang dapat digunakan. Pada penelitian ini metode yang digunakan adalah metode backward LR. Metode backward adalah metode dengan memasukkan semua variabel independen, kemudian mengeliminasi satu persatu hingga tersisa variabel independen yang signifikan saja. Eliminasi didasarkan pada variabel independen yang memiliki nilai sig F di atas 0,1. Variabel independen pertama yang dieliminasi merupakan variabel yang memiliki pengaruh paling kecil terhadap variabel dependen. Bentuk umum dari regresi logistik biner adalah sebagai berikut:
π = ππ§ [ π π β π] = π·π+ π·ππΏπ+ β― + π·ππΏπ π = π π + πβ(π·π+π·ππΏπ+β―+π·ππΏπ) Dimana : In `: Logaritma natural
p : Peluang pengguna park and ride 1-p : Peluang non pengguna park and ride Ξ²0 : Konstanta
Ξ²n : Koefisien variabel X ke n
Xn : Variabel independen/prediktor ke n e : Bilangan Napier
Untuk menguji kesesuaian model dilakukan dengan beberapa uji sebagai berikut :
A. Estimasi Parameter dengan Metode Maximum Likelihood Prinsip dari maximum likelihood ini adalah parameter populasi diestimasi dengan cara memaksimumkan kemungkinan (likelihood) dari data observasi. Pada uji ini berfungsi untuk melihat apakah model dengan memasukkan variabel independen fit dengan data. Estimator yang diperoleh disebut dengan Maximum Likelihood Estimator (MLE). Estimasi ini dipecahkan dengan proses iterasi karena regresi logistik bersifat tidak linier.
B. Overall Test
Uji ini berfungsi untuk melihat apakah terdapat variabel yang berpengaruh terhadap model atau tidak dengan melihat nilai signifikansi dari Omnibus Test of Model Coefficients. Jia nilai model signifikansi model dibawah 0,05 maka artinya model dinyatakan signifikan dengan terdapat variabel berpengaruh. C. Partial Test
Uji ini digunakan untuk menguji signifikansi nilai parameter melalui Uji Statistik Wald. Hasil pengujian secara parsial akan menunjukkan apakah suatu variabel independen layak untuk masuk ke dalam model.
D. Goodness of Fit Test
Menguji kebaikan/kelayakan model dengan membandingkan nilai Chi-Square hitung dengan Chi-Square tabel, atau menggunakan nilai p value untuk menilai signifikansi model. Pengujian ini menggunakan Uji Hosmer Lemeshow.
E. Melihat Pengaruh Variabel Independen Terhadap Variabel Dependen
Untuk melihat kemampuan variabel independen dalam menjelaskan variabel dependen, digunakan nilai Cox & Snell R dan Negelkerke R Square. Nilai-nilai tersebut disebut juga dengan Pseudo R-Square.
Ketepatan klasifikasi menunjukkan seberapa besar model yang dihasilkan mampu memprediksi kejadian sesungguhnya.
Setelah diketahui nilai probabilitas berdasarkan variabel-variabel yang telah dipilih, selanjutnya dilakukan simulasi atau estimasi guna mengetahui tingkat peluang penggunaan fasilitas park and ride jika terdapat beberapa nilai variabel yang dikurangi atau ditambah.