VISUM - TINJAUAN PUSTAKA - Universitas Sumatera Utara

BAB II TINJAUAN PUSTAKA

2.3 VISUM

ukuran entropi (Evans, 1970,1971). Dibuktikan bahwa metode Furness menghasilkan sebaran pergerakan yang memaksimumkan entropi dan meminimumkan informasi yang diharapkan, tergantung pada batasan asal tujuan.

Lamond dan Stewart (1981) memperlihatkan bahwa proses keseimbangan metode Furness sebenarnya merupakan kasus khusus yang dapat dihasilkan oleh metode keseimbangan Bregman. Penjelasan rinci mengenai hal tersebut dapat dilihat pada Bregman (1967).

2.3 VISUM

PTV Visum adalah sebuah program permodelan transportasi untuk menganalisa kondisi lalu lintas eksisting, forecasting yang mendukung data GIS.

PTV Visum digunakan untuk macroscopic simulation (macroscopic transportation planning). Visum merupakan salah satu bagian dari ketiga software dari perusahaan Jerman yang berrnama PTV-AG. Ketiga software tersebut yakni Vissim, Vissum, Viswalk. Adapun perbedaannya, Vissim digunakan dalam skala mikro, Vissum digunakan dalam skala makro dan Viswalk digunakan dalam permodelan pejalan kaki. Penelitian ini menggunakan Vissim sebagai alat permodelan dari hasil penelitian yang diteliti.

Menurut PTV-AG (2011), VISUM adalah sebuah perangkat lunak untuk analisis lalu lintas, perkiraan dan berdasarkan data manajemen GIS. Model dan pengaruh para pengguna jalan yang konsisten telah menjadi standard yang diakui dalam bidang perencanaan transportasi. Para ahli tranportasi menggunakan PTV VISUM untuk memodel jaringan transportasi dan permintaan perjalanan, untuk menganalisis lalu lintas yang diharapkan, untuk merencanakan pelayanan angkutan transportasi umum dan untuk mengembangkan strategi dan solusi

transportasi yang lebih baik. Adapun kemampuannya yakni, VISUM menyediakan kemampuan animasi dengan perangkat tambahan besar dalam 3-D. Simulasi jenis kendaraan (yaitu dari mobil penumpang, truk, kereta api ringan dan kereta api berat). Selain itu, klip video dapat direkam dalam program, dengan kemampuan untuk secara dinamis mengubah pandangan dan perspektif. Elemen visual lainnya, seperti pohon, bangunan, fasilitas transit dan rambu lalu lintas, dapat dimasukkan ke dalam animasi 3-D.

BAB III

METODOLOGI PENELITIAN

3.1 Alur Kegiatan

Tahapan penelitian ini secara besar dibagi menjadi 4 tahap, yaitu: tahap identifikasi, penetuan lokasi, tahap pengambilan data, dan tahap analisa dan pembahasan.

3.2 Identifikasi Masalah

Dengan banyaknya daerah yang berkembang di sumatera utara, dibutuhkan suatu permodelan transportasi ataupun gambaran yang jelas agar perencanaan pembangunan transportasi di masa yang akan datang tepat sasaran dan beroperasi semaksimal mungkin. Banyaknya fungsi tata guna lahan di sumatera utara yang ada mendorong timbulnya bangkitan dan tarikan perjalanan, yaitu banyaknya pergerakan menuju dan meningalkan lokasi tersebut yang sering menyebabkan kemacetan trutama pada musim musim tertentu.

Agar arah penelitian menjadi lebih jelas maka perlu diambil teori yang sesuai dengan lingkup permasalahan dengan cara mengumpulkan jurnal-jurnal atau studi yang mengangkat topic yang sama. Karena usaha ilmiah adalah bagaikan membangun suatu piramida dimana usaha baru selalu didasarkan atas usaha lama yang dilakukan sebelumnya.

Agar analisis hasil penelitian lebih terarah perlu dirumuskan hipotesa terlebih dahulu. Hipotesa adalah jawaban sementara terhadap rumusan masalah penelitian. Dikatakan sementara karena jawabannya baru menggunakan teori. Ciri utama hipotesa adalah:

a. Dirumuskan secara sederhana.

b. Menggunakan variabel-variabel yang tegas.

c. Dapat diuji kembali oleh peneliti lain.

Mengacu pada penelitian-penelitian yang telah dilakukan sebelumnya tentang evaluasi standar kebutuhan parkir pada rumah sakit, maka hipotesa dalam penelitian ini adalah: Bangkitan Tarikan Barang Provinsi Sumatera Utara berkaitan erat dengan jumlah penduduk, luas kabupaten, panjang jalan nasional, dan jumlah populasi perkabupaten kota.

3.3 Pengumpulan Data

Pengumpulan data merupakan salah satu langkah penting dalam penelitian karena data yang diperoleh adalah factor penting dari keberhasilan penelitian.

Data yang digunakan dalam penelitian ini berupa data primer, yaitu data yang diperoleh dari hasil survey, dan data sekunder, yaitu data yang didapat dari instansi terkait.

3.4 Data Yang Dibutuhkan 3.4.1 Data Primer

Pengumpulan data primer untuk studi ini bertujuan untuk mendapatkan data lapangan yang diperlukan untuk analisis selanjutnya. Adapun data primer yang diperlukan pada penelitian ini adalah model bangkitan tarikan barang Provinsi Sumatera Utara.

3.4.2 Data Sekunder

Data sekunder bersumber dari instansi yang terkait, yaitu dari Dinas Perhubungan dan situs resmi Badan Pusat Statistik. Data sekunder yang diperlukan dalam penelitian ini berupa:

• Data bangkitan tarikan pergerakan barang Provinsi Sumatera Utara tahun 2011 (ATTN 2011)

• Luas kabupaten kota

• Jumlah Produk Domestik Nasional Bruto (PDRB)

• Panjang jalan nasional sumatera utara

• Jumlah populasi perkabupaten kota (2011)

• Jumlah produksi padi di Sumatera Utara

• Jumlah produksi kelapa sawit di Sumatera Utara

• Jumlah produksi tembakau di Sumatera Utara.

• Jumah biaya input industry besar dan menengah di Sumatera Utara.

3.5 Peralatan Yang Diperlukan

Alat bantu untuk mengerjakan penelitian ini adalah :

1. Software SPSS 20 untuk menginput dan mengolah data 2. Software microsoft excel untuk membantu mengolah data 3. Software PTV Visum

3.5.1 Software SPSS

SPSS adalah program komputer untuk menganalisa statika.

Kepanjangan dari SPSS adalah statiscal package for the social sciences.

Adapun langkah langkah dalam mengerjakan tugas akhir ini menggunakan SPSS 20 sebagai berikut:

3.6 Metode Pelaksanaan

Dalam penelitian analisis model bangkitan tarikan pergerakan barang ini, dibuat suatu tahapan-tahapan untuk mempermudah dalam penyelesaiannya.

Tahapan-tahapan ini dibuat secara teratur dan sistematis, baik dalam bentuk gagasan dan perencanaan, maupun dalam pelaksanaan dan pembuatan keputusan. Pembuatan skripsi pada hakekatnya merupakan kegiatan dalam bentuk penelitian yang dilakukan berdasarkan program kerja yang berurutan dan saling berkait. Adapun langkah-langkah yang secara garis besar dapat dituliskan sebagai berikut:

a. Mencari ide atau gagasan dan selanjutnya menuangkannya kedalam bentuk latar belakang masalah, rumusan masalah, dan pembatasan masalah.

b. Mempelajari literatur dan pengkajian pustaka yang berhubungan dengan ide yang dibuat dengan mempertimbangkan kajian penelitian yang telah dilakukan sebelumnya, maupun penggunaan rumus-rumus yanng telah dipakai dalam penelitian dan memilih metode analisis yang digunakan sebagai dasar langkahlangkah selanjutnya bagi peneliti.

c. Mencari dan mengumpulkan data-data yang mendukung penelitian.

d. Mengolah data yang ada kedalam bentuk perhitungan yang berkait dan selanjutnya dipakai sebagai dasar analisis.

e. Melakukan analisis data dengan bantuan program Vissum dan pembahasan berdasarkan data yang telah diolah. Hasil akhir dari analisis ini adalah model tarikan penumpang.

f. Membuat kesimpulan dan saran-saran dari hasil analisis data yang diperoleh.

Gambar 3.1 Diagram Alir Pembuatan Tugas Akhir BAB IV

MULAI

TUJUAN PENELITIAN

IDENTIFIKASI DAN PERUMUSAN MASALAH

TINJAUAN PUSTAKA

PENGOLAHAN DATA Jumlah Bangkitan Tarikan

Prediksi Bangkitan Perjalanan di Prov.

Sumatera Utara di Masa Mendatang (5 Tahun)

PELAKSANAAN PENGAMBILAN DATA

Model Bangkitan TarikanTahun 2011

Input Data ke Software VISUM DATA SEKUNDER

Kesimpulan dan saran

Tingkat Klasifikasi Model OD Matriks Tahun 2011

Trip Generation OD Matriks Tahun 2015

Perbandingan Hasil Bangkitan Perjalanan Hasil Perhitungan Manual

Dengan Hasil Software VISUM Analisis Dengan Menggunakan Software VISUM

ANALISIS DAN PEMBAHASAN

4.1 Gambaran Umum Lokasi Penelitian

Provinsi Sumatera Utara adalah salah satu provinsi di Republik Indonesia.

Provinsi ini berada di bagian barat Indonesia, terletak pada garis 1°- 4° Lintang Utara dan 98° - 100° Bujur Timur. Batas Provinsi Sumatera Utara adalah:

• Sebelah Utara berbatasan dengan Provinsi Aceh

• Sebelah Selatan berbatasan dengan Provinsi Riau dan Sumatera Barat

• Sebelah Barat berbatasan dengan Samudra Hindia

• Sebelah timur berbatsan dengan Negara Malaysia dan Selat Malaka

Gambar 4.1 Peta Lokasi Sumatera Utara

Lokasi penelitian yang diambil adalah Provinsi Sumatera Utara yang terdiri dari 33 kabupaten dan kota. Pada penelitian ini, penulis mencoba meneliti ke 33 kabupaten kota dengan mengolah data sekunder yang didapat dari Dinas Perhubungan Sumatera Utara yaitu Survey Asal Tujuan Transportasi Nasional Tahun 2011, dan Badan Pusat Statistik Sumatera Utara Tahun 2011.

4.2 Analisis Data Tahun 2011 4.2.1 Hasil Pengumpulan Data

Data sekunder didapatkan dari Dinas Perhubungan Sumatera Utara dan Badan Pusat Statistik pada tahun 2011. Data yang diperoleh dilampirkan pada tabel di bawah ini.

Tabel 4.1 Data Sekunder Tarikan dan Bangkitan Pergerakan Barang Provinsi Sumatera Utara Tahun 2011

Sumber: Dinas Perhubungan Sumatera Utara dan Badan Pusat Statistik

No. Kota / Kabupaten

Data inilah yang nantinya diolah dengan batuan software SPSS untuk mendapatkan model Tarikan Perjalan Penumpang pada tahun 2011 serta uji regresi antar variable, yang berguna utntuk meramalkan perjalan penumpang pada tahun-tahun yang akan datang.

4.2.2 Model Perhitungan Bangkitan Pergerakan Barang Sumatera Utara Tahun 2011

4.2.2.1 Analisis Korelasi Variabel Bangkitan Pergerakan Barang Sumatera Utara Tahun 2011

Analisa korelasi digunakan untuk mempelajari hubungan antara dua variabel, yaitu variabel pengharapan yang merupakan variabel terikat dengan variabel-variabel kriteria ukuran yang merupakan variabel bebas. Hubungan antara variabel menghasilkan nilai positif atau negatif dengan batasan nilai koefisien korelasi r (Pearson Correlation Coeficient) adalah 1 untuk hubungan positif dan -1 untuk hubungan negatif (Siegel, 1990). Data output hasil analisa korelasi dapat dilihat pada tabel 4.2 .

Dimana:

X1-X8 : Variabel bebas faktor yang mempengaruhi bangkitan pergerakan barang di Provinsi Sumatera Utara.

Y : Variabel terikat faktor yang mempengaruhi bangkitan pergerakan barang di Provinsi Sumatera Utara.

N : Jumlah total kabupaten dan kota di Provinsi Sumatera Utara .

Tabel 4.2 Hasil Uji Korelasi Bangkitan Barang Sumatera Utara Tahun 2011

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Bangkitan Luas daerah PDRB Panjang jalan Populasi Karet Padi Sawit Industri

Pearson Correlation

Keterangan :

Y = bangkitan pergerakan barang X1 = luas daerah

Pada Tabel 4.2. dapat dilihat bahwa variabel-variabel memiliki hubungan yang signifikan terhadap tarikan perjalanan di Prov. Sumatera Utara. Di antara variabel tersebut yang memiliki hubungan korelasi yang paling besar adalah populasi (X4) dengan koefisien korelasi (R) sebesar 0,930. Variabel padi (X6) memiliki korelasi sebesar 0,685. Panjang jalan (X3) memiliki hubungan korelasi sebesar 0,611 dan jumlah penghasilan industri (X8) memiliki korelasi sebesar 0,344.

4.2.2.2 Analisis Regresi Linier Berganda Bangkitan Pergerakan Barang di Provinsi Sumatera Utara

Analisis regresi linier berganda digunakan untuk meramalkan suatu variabel terikat (Y) berdasarkan dua atau lebih variabel bebas (X1, X2, X3, .... Xn) dalam suatu persamaan linier. 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 yang ditampilkan diolah dengan bantuan software SPSS 22, hasilnya dicantumkan pada tabel 4.3, 4.4, dan tabel 4.5 di bawah ini.

Tabel 4.3 Model Summary Bangkitan Pergerakan Barang Provinsi Sumatera Utara Tahun 2011

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Kuat hubungan yang ditunjukkan oleh variabel bebas yaitu populasi (X4) dan jumlah produksi padi (X6) terhadap variabel terikat dalam model yang terbentuk dapat dilihat dari koefisien determinasi (R²) sebesar 0.925 atau 92.5%.

Adapun sisanya sebesar 7,5% dijelaskan oleh faktor-faktor penyebab lainnya yang berasal dari luar model regresi ini.

Tabel 4.4 Anova berikut akan memaparkan uji kelinearan dengan 5%.

Dengan tingkat signifikansi 95% (α =0,05). Apabila angka signifikansi sebesar 0,000 < 0,05. Atas dasar perbandingan tersebut, maka Ho ditolak dan Ha diterima.

Model Summary^c b. Predictors: (Constant), Populasi, Padi c. Dependent Variable: Bangkitan

Tabel 4.4 ANOVA Untuk Bangkitan Pergerakan Barang Provinsi Sumatera Utara Tahun 2011 c. Predictors: (Constant), Populasi, Padi

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Pada Tabel ANOVA, hasil uji F pada penelitian ini didapatkan nilai F hitung sebesar 167,623 dengan angka signifikansi sebesar 0,000. Dengan tingkat signifikansi 95% (α =0,05). Angka signifikansi sebesar 0,000 < 0,05. Atas dasar perbandingan tersebut, maka Ho ditolak dan Ha diterima sehingga dinyatakan terdapat pengaruh yang signifikan antara variabel bebas dan variabel terikat.

Dengan demikian, persamaan di atas dapat dijadikan model faktor-faktor yang mempengaruhi bangkitan pergerakan barang di Provinsi Sumatera Utara.

Tabel koefisien regresi memperlihatkan besaranya koefisien dari masing-masing variabel yang berpengaruh pada permodelan.

Tabel 4.5 Koefisien Regressi Model Bangkitan Pergerakan Barang Sumatera Utara Tahun 2011

Coefficients^a

Model Unstandardized Coefficients Standardized

Coefficients

(Constant) -1524307,101 844250,865 -1,806 ,082

Populasi 18,647 1,451 ,785 12,854 ,000

Padi 24,619 5,285 ,285 4,659 ,000

a. Dependent Variable: Bangkitan

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Dari tabel 4.5, dapat dilihat persamaan regressi yang terbentuk adalah:

Y1 = -1524307,101 + 18,647X4 + 24,619X6 Persamaan di atas dapat dijelaskan sebagai berikut :

1. Nilai 18,647 pada variabel X4 adalah bernilai positif sehingga dapat dikatakan bahwa semakin besar jumlah populasi penduduk suatu daerah di kota/kabupaten di Provinsi Sumatera Utara, maka akan semakin tinggi pula bangkitan yang dihasilkan oleh kota/kabupaten tersebut.

2. Nilai 24,619 pada variabel X6 adalah bernilai positif sehingga dapat dikatakan bahwa semakin tinggi jumlah produksi padi (X6), maka akan semakin tinggi pula bangkitan yang dihasilkan oleh suatu kota/kabupaten di Provinsi Sumatera Utara.

4.2.3 Model Perhitungan Tarikan Pergerakan Barang Sumatera Utara Tahun 2011

4.2.3.1 Analisis Korelasi Variabel Tarikan Pergerakan Barang Sumatera Utara

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Tabel 4.6 Hasil Uji Korelasi Tarikan Barang Sumatera Utara Tahun 2011

Tarikan Luas daerah PDRB Panjang jalan Populasi Karet Padi Sawit Industri

Pearson Correlation

Keterangan :

Y = tarikan pergerakan barang X1 = luas daerah

Pada Tabel 4.6 dapat dilihat bahwa variabel-variabel memiliki hubungan yang signifikan terhadap tarikan pergerakan di Prov. Sumatera Utara. Di antara variabel tersebut yang memiliki hubungan korelasi yang paling besar adalah Populasi (X4) dengan koefisien korelasi (R) sebesar 0,935. Variabel panjang jalan (X3) memiliki korelasi sebesar 0,552.

4.2.3.2 Analisis Regresi Linier Berganda Tarikan Pergerakan Barang di Provinsi Sumatera Utara

Tabel 4.7 Model Summary Tarikan Pergerakan Barang Provinsi Sumatera Utara Tahun 2011

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Kuat hubungan yang ditunjukkan oleh variabel bebas terhadap variabel terikat (populasi X4 dan luas daerah X1) dalam model yang terbentuk dapat dilihat dari koefisien determinasi (R²) sebesar 0,905 atau 90,5%. Adapun sisanya sebesar 9,5% dijelaskan oleh faktor-faktor penyebab lainnya yang berasal dari luar model regresi ini.

Tabel 4.8 Anova berikut akan memaparkan uji kelinearan dengan 5%.

Apabila F hitung pada tabel di bawah lebih besar dari Ftabel, berarti masih signifikan Ho ditolak. Sehingga model linear antara variable tarikan pergerakan barang Provinsi Sumatera Utara dengan variabel bebas.

Model Summary^c

b. Predictors: (Constant), Populasi, Luas daerah c. Dependent Variable: Tarikan

Tabel 4.8 ANOVA untuk Tarikan Pergerakan Barang Provinsi Sumatera Utara Tahun 2011

ANOVA^a

Model Sum of Squares df Mean Square F Sig.

Regression 3861020710476905,500 1 3861020710476905,500 193,860 ,000^b Residual 557662450199711,060 28 19916516078561,110

Total 4418683160676616,500 29

Regression 3998718668814561,000 2 1999359334407280,500 128,541 ,000^c Residual 419964491862055,300 27 15554240439335,383

Total 4418683160676616,500 29 a. Dependent Variable: Tarikan

b. Predictors: (Constant), Populasi

c. Predictors: (Constant), Populasi, Luas daerah

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Pada Tabel ANOVA, hasil uji F pada penelitian ini didapatkan nilai F hitung sebesar 128,541 dengan angka signifikansi sebesar 0,000. Dengan tingkat signifikansi 95% (α =0,05). Angka signifikansi sebesar 0,000 < 0,05. Atas dasar perbandingan tersebut, maka Ho ditolak dan Ha diterima sehingga dinyatakan terdapat pengaruh yang signifikan antara variabel bebas jumlah populasi (X4) dan luas daerah (X1) dengan variabel terikat. Dengan demikian, persamaan di atas dapat dijadikan model faktor-faktor yang mempengaruhi tarikan pergerakan barang di Provinsi Sumatera Utara.

Tabel koefisien regresi memperlihatkan besaranya koefisien dari masing-masing variabel yang berpengaruh pada permodelan.

Tabel 4.9 Koefisien Regressi Model Tarikan Pergerakan Barang Sumatera Utara Tahun 2011

Coefficients

Model Unstandardized Coefficients Standardized

Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -1297240,436 1125131,671 -1,153 ,259

Populasi 24,545 1,763 ,935 13,923 ,000

(Constant) 1219419,706 1305405,856 ,934 ,359

Populasi 25,112 1,570 ,956 16,000 ,000

Luas daerah -1206,322 405,437 -,178 -2,975 ,006

a. Dependent Variable: Tarikan

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Dari tabel 4.9, dapat dilihat persamaan regresi yang terbentuk adalah:

Y2 = 1219419,706 + 25,112 X4 – 1206,322 X1

Persamaan di atas dapat dijelaskan sebagai berikut :

1. Nilai -1206,322 pada variabel X1 adalah bernilai negatif sehingga dapat dikatakan bahwa semakin kecil luas suatu daerah di kota/kabupaten di Provinsi Sumatera Utara, maka akan semakin tinggi pula tarikan yang dihasilkan oleh kota/kabupaten tersebut.

2. Nilai 25,112 pada variabel X4 adalah bernilai positif sehingga dapat dikatakan bahwa semakin besar jumlah populasi suatu kota/kabupaten di Provinsi Sumatera Utara, maka akan semakin tinggi pula tarikan yang dihasilkan oleh kota/kabupaten tersebut.

4.2.4 Model Faktor Pertumbuhan Tahun 2015

Model ini merupakan model yang digunakan untuk memperkirakan jumlah perjalanan pada masa yang akan datang.

Ti = Fi . ti Dimana:

Ti : Jumlah perjalanan pada masa yang akan datang di zona i ti : Jumlah perjalanan pada saat ini di zona i

Fi : Faktor pertumbuhan

4.2.4.1 Prediksi Bangkitan dan Tarikan Pergerakan Barang 2015 Dengan Faktor Pertumbuhan

Dengan menggunakan data di atas maka dapat diprediksikan jumah bangkitan dan tarikan perjalanan penumpang pada tahun tahun yang akan datang.

Dengan menggunakan Tingkat Pertumbuhan Produk Domestik Regional Bruto (PDRB).

Pn = Po (1+ i)ⁿ Dimana:

Pn = Proyeksi Tarikan Perjalanan tahun ke-n Po = Proyeksi Tarikan perjalanan tahun ke-1 i = Tingkat pertumbuhan PDRB (sumber: BPS) n = Tahun ke-n

Maka dengan rumus di atas didapatlah prediksi bangkitan pergerakan barang di Provinsi Sumatera Utara.

Dengan menggunakan persamaan regresi dari hasil pengolahan data menggunakan software SPSS 20, maka diperoleh persamaan untuk bangkitan (Y1) dan tarikan (Y2) adalah:

Y1 = -1524307,101 + 18,647X4 + 24,619X6 Y2 = 1219419,706 + 25,112 X4 – 1206,322 X1

Keterangan:

Y1 : Bangkitan pergerakan barang pada Provinsi Sumatera Utara Y2 : Tarikan pergerakan barang pada Provinsi Sumatera Utara X1 : luas daerah (km²)

X4 : jumlah populasi (jiwa) X6 : jumlah produksi padi (ton)

Po Bangkitan pergerakan barang di Kota Medan diperoleh dari:

Y1 = -1524307,101 + 18,647X4 + 24,619X6

Y1 = -1524307,101 + 18,647 (2117224) + 24,619 (13020) Y1 = 38276108

Po Tarikan pergerakan barang di Kota Medan diperoleh dari:

Y2 = 1219419,706 + 25,112 X4 – 1206,322 X1

Y2 = 1219419,706 + 25,112(2117224) – 1206,322 (265) Y2 = 54067353

Nilai Tingkat Pertumbuhan Bangkitan Domestik Regional Bruto Tahun 2015 Kota Medan diperoleh berdasarkan rumus tingkat pertumbuhan domestik regional bruto:

Pn1 = Po (1+ i)ⁿ

Pn1 = 38276108 (1 + 0,0574)⁴

Pn1 = 1764080,375

Sedangkan nilai Tingkat Pertumbuhan Tarikan Domestik Regional Bruto Tahun 2015 Kota Medan diperoleh berdasarkan rumus tingkat pertumbuhan domestik regional bruto:

Pn1 = Po (1+ i)ⁿ

Pn1 = 54067353 (1 + 0,0574)⁴ Pn1 = 6284970,986

Nilai pertumbuhan bangkitan dan tarikan domestik regional bruto tahun 2015 untuk kota dan kabupaten lainnya di Provinsi Sumatera Utara dapat dilihat pada tabel 4.10 di bawah ini.

Tabel 4.10 Nilai Pertumbuhan Bangkitan dan Tarikan Domestik Regional Bruto Tahun 2015

No. Kota / Kabupaten

1. Tapanuli Tengah 4779131 5323605 2158 314142 107665 6984103,408 6504910,734 0,0508 8515122,839 7930883,997 2. Tapanuli Utara 4071096 4866721 3765 281868 95905 6092770,69 3756308,805 0,0489 7374815,755 4546713,927 3. Tapanuli Selatan 3983439 6550173 4353 266282 146181 7039883,392 2655342,509 0,0486 8511476,004 3210406,024

4. Nias 1760278 7216282 1843 681890 152169 14937144,34 16120381,04 0,0552 18518538,46 19985473,09

5. Langkat 21514793 35134913 6263 976582 373188 25873532,83 18187802,37 0,0503 31485398,48 22132663,87

6. Karo 6732267 6976356 2127 354242 79738 7044313,295 7548996,336 0,0501 8565669,172 9179348,289

7. Deli Serdang 39167142 40384966 2486 1807173 445597 43144200,37 43602062,7 0,0524 52923161,74 53484802,05 8. Simalungun 19743586 28127492 4387 825366 471162 25465829,98 16654358,61 0,0524 31237854,15 20429195,74 9. Asahan 10521147 13231539 3676 674521 83198 13101737,55 13723804,71 0,0557 16273875,22 17046554,67 10. Labuhan Batu 4380688 4244115 2561 418992 103894 8846403,109 8651297,766 0,0504 10769252,94 10531739,6

11. Dairi 5035567 4415916 1928 272578 62641 5100613,644 5739212,787 0,0504 6209280,52 6986685,259

12. Toba Samosir 2994299 2964065 2352 174748 113632 4531725,063 2769999,925 0,045 5404166,431 3303276,435 13. Mandailing Natal 4318587 5582590 6621 408731 155502 9925603,594 3496776,513 0,0621 12630442,38 4449687,5 14. Pakpak Barat 3959494 781782 1218 40884 11952 3813322,142 2799036,368 0,0595 4570128,342 3354543,613 15. Humbang Hasundutan 938788 3833139 2297 173255 85582 1773026,504 1316661,583 0,0463 2219040,584 1647874,683 16. Samosir 3500050 3170677 2434 120772 42459 18055803,73 13977046,03 0,0577 21988775,85 17021570,28 17. Serdang Bedagai 21321615 19459362 1913 599941 340916 9498612,205 9655239,349 0,0505 11171987,75 11356207,98 18. Batubara 10680137 9854164 905 379400 160374 5310991,401 3531104,922 0,0414 6689836,022 4447853,728 19. Padang Lawas Utara 3372628 4673197 3918 280269 65361 4490644,144 2233111,684 0,0594 5613915,424 2791693,067 20. Padang Lawas 2756045 3836875 3893 227365 72110 3766912,34 4498635,482 0,0574 4603174,138 5497341,228 21. Labuhanbatu Selatan 3049362 3900982 3116 280269 2642 8466613,351 5324252,974 0,0514 10361971,49 6516154,126 22. Labuhanbatu Utara 5001233 6393748 3546 333793 152999 38276108,21 54067352,83 0,0518 47850336,69 67591538,38 23. Kota Medan 58580013 40694592 265 2117224 13020 1420222,152 5059891,345 0,0574 1764080,375 6284970,986 24. Kota Pematang Siantar 12966456 7338562 80 236893 24423 3587983,861 7349788,281 0,0524 4428054,163 9070626,249

25. Kota Sibolga 2506179 1663650 11 85271 0 1325213,519 4854618,56 0,0565 1604677,674 5878371,983

26. Kota Tanjung Balai 3554253 2890317 62 155889 1530 3125560,444 6056700,273 0,0557 3810729,82 7384419,131 27. Kota Binjai 10201614 8877867 90 248456 19470 1092522,062 3852037,196 0,054 1368386,195 4824684,742 28. Kota Tebing Tinggi 4345719 3245035 38 146606 4702 1458562,711 4914139,298 0,049 1766147,859 5950444,594

29. Kota Padang Sidempuan 7830438 4073177 15 193332 42439 3310688,849 6155224,356 0,0508 4036441,127 7504541,16 30. Kota Gunung Sitoli 1615506 1372967 469 127382 9811 1218496,717 3881677,41 0,0579 1526169,717 4861809,173

Sumber : Hasil Pengolahan Data

4.2.4.2 Matriks Asal Tujuan Pergerakan Barang Pada Provinsi Sumatera Utara Tahun 2015 Menggunakan Metode Furness

Furness (1965) mengembangkan metode yang mencoba mengatasi kekurangan metode seragam dan metode rata-rata. Asumsi dasar metode ini adalah:

a. Sebaran pergerakan dari zona asal pada masa mendatangsebanding dengan sebaran pergerakan pada masa sekarang.

b. Sebaran pergerakan pada masa mendatang dimodifikasi dengan nilai tingkat pertumbuhan zona tujuan pergerakan tersebut.

c. Secara matematis, Metode Furness dapat dinyatakan sebagai:

dan

Hasil matriks asal tujuan pergerakan barang pada tahun 2015 Prov. Sumatera Utara dilampirkan pada tabel 4.11, 4.12, 4.13 dan 4.14 di bawah ini.

4.3 Analisis Data Tahun 2015 4.3.1 Hasil Pengumpulan Data

Data sekunder didapatkan dari Dinas Perhubungan Sumatera Utara dan Badan Pusat Statistik pada tahun 2015. Sedangkan data bangkitan dan tarikan pergerakan barang diperoleh dari hasil pengolahan data tarikan dan bangkitan tahun 2011 menggunakan persamaan regresi linear. Data yang diperoleh dilampirkan pada tabel di bawah ini.

Tabel 4.15 Data Sekunder Tarikan dan Bangkitan Pergerakan Barang Provinsi Sumatera Utara Tahun 2015

No. Kota / Kabupaten

karet (ton) Produksi Padi sawah (Ton)

Data inilah yang nantinya diolah dengan batuan software SPSS untuk mendapatkan model Tarikan Perjalan Penumpang pada tahun 2015 serta uji regresi antar variable, yang berguna utntuk meramalkan perjalan penumpang pada tahun-tahun yang akan datang.

4.3.2 Model Perhitungan Bangkitan Pergerakan Barang Sumatera Utara Tahun 2015

4.3.2.1 Analisis Korelasi Variabel Bangkitan Pergerakan Barang Sumatera Utara Tahun 2015

Data output hasil analisa korelasi dapat dilihat pada tabel 4.15.

Dimana:

X1-X8 : Variabel bebas faktor yang mempengaruhi bangkitan pergerakan barang di Provinsi Sumatera Utara.

Y : Variabel terikat faktor yang mempengaruhi bangkitan pergerakan barang di Provinsi Sumatera Utara.

N : Jumlah total kabupaten dan kota di Provinsi Sumatera Utara

Tabel 4.16 Hasil Uji Korelasi Bangkitan Barang Sumatera Utara Tahun 2015

Bangkitan Luas Daerah PDRB Panjang Jalan Populasi Karet Padi Kelapa Sawit Industri

Pearson Correlation

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Keterangan :

Y = bangkitan pergerakan barang X1 = luas daerah

Pada Tabel 4.16 dapat dilihat bahwa variabel-variabel memiliki hubungan yang signifikan terhadap tarikan perjalanan di Prov. Sumatera Utara. Di antara variabel tersebut yang memiliki hubungan korelasi yang paling besar adalah populasi (X4) dengan koefisien korelasi (R) sebesar 0,947. Variabel padi (X6) memiliki korelasi sebesar 0,688. Panjang jalan (X3) memiliki hubungan korelasi sebesar 0,677 dan jumlah penghasilan industri (X8) memiliki korelasi sebesar 0,346.

4.3.2.2 Analisis Regresi Linier Berganda Bangkitan Pergerakan Barang di Provinsi Sumatera Utara

Regression Analysis). Model regresi linear yang ditampilkan diolah dengan bantuan software SPSS 22, hasilnya dicantumkan pada tabel 4.3, 4.4, dan tabel 4.5 di bawah ini.

Tabel 4.17 Model Summary Bangkitan Pergerakan Barang Provinsi Sumatera Utara Tahun 2015

Sumber: Hasil Pengolahan Data Dengan Software SPSS 20

Adapun sisanya sebesar 4.7% dijelaskan oleh faktor-faktor penyebab lainnya yang

Dalam dokumen Universitas Sumatera Utara (Halaman 53-106)