10
MODEL BANGKITAN PERGERAKAN PEKERJA BERDASARKAN
TINGKAT PENDAPATAN RUMAH TANGGA (STUDI KASUS KOTA
BANDA ACEH)
Putri Balqisa,*, Renni Anggrainib, Sugiarto Sugiartoc
aMagister Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala, Banda Aceh
b,cJurusan Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala, Banda Aceh
*Corresponding author, email address: putri.balqiss.pb@gmail.com
A R T I C L E I N F O A B S T R A C T
©2018 Magister Teknik Sipil Unsyiah.All rights reserved
1. PENDAHULUAN
Bangkitan pergerakan masyarakat dalam suatu wilayah memiliki beberapa karekterisitik, yang pada umumnya dipengaruhi oleh beberapa aktivitas yang dapat menunjang atau memenuhi kebutuhan hidupnya. Perkembangan antara kawasan satu dengan kawasan lainnya yang tidak merata akan menimbulkan pengaruh tingkat bangkitan pergerakan yang dilakukan, dimana pada kawasan yang lebih berkembang untuk tingkat bangkitan pergerakannya lebih banyak dilakukan dibandingkan dengan kawasan wilayah yang tertinggal. Model bangkitan pergerakan yang dilakukan oleh satu individu atau lebih dalam suatu kawasan perlu diketahui seberapa besar pengaruh faktor-faktor sosio-ekonomi, demografi dan perilaku perjalanan terhadap bangkitan pergerakan yang dilakukan dengan lingkungan tempat tinggal mereka. Hal yang mempengaruhi dalam membuat keputusan untuk melakukan pergerakan
Jurnal Arsip Rekayasa Sipil dan Perencanaan (JARSP) Journal of Archive in Civil Engineering and Planning
E-ISSN: 2615-1340; P-ISSN: 2620-7567
Journal homepage: http://www.jurnal.unsyiah.ac.id/JARSP/index
In general, within a household, almost every day do several Activities or movements. Going to work is an activity that most frequently performed within households. The activity can support or meet the needs of the household life. In this study, worker trip generation is modeled based on the aggregation of household's income level. Firstly, household income is divided into two categories namely low income (≤ IDR 5 million) and high income (> IDR 5 million). This study aims to formulate the differences in utility faction, the trip probability, and factors that influencing work trip activities. The data were collected within four sub-districts located in Banda Aceh province such as Jaya Baru, Banda Raya, Lueng Bata and Kuta Raja. About 400 questionnaire survey is collected and used for this study. The binomial logit model is applied to model worker trip activities, and parameters estimation is determined using SPSS. The empirical result from the analysis shows us that for a model of worker trip generation by low income is obtained the utility difference value is 0,314, probability value 55% and 45% for trip < 4 and ≥ 4, respectively. The factors that are influence the model is the number of car ownership, family members, family members who have not attended school and destination location. Furthermore, the model of worker trip generation based for high-income household was obtained utility difference value is 0,867, a probability value is 67% and 33% for trip < 4 and ≥ 4, respectively. The factors that influenced the model are the number of motorcycle ownership, family members who attended school, family members who have not attended school, family members who work, the age of respondent, and activity duration.
11
dalam suatu rumah tangga adalah tingkat pendapatan pada satu rumah tangga tersebut serta berhubungan pula dengan durasi aktivitasnya. Pada umumnya selain pergerakan untuk kegiatan rutin atau bekerja didalam rumah tangga juga terjadi pergerakan untuk kegiatan lainnya yang dilakukan bersama-sama baik kegiatan sosial, rekreasi dan lain sebagainya yang bersifat komersil.
2. KAJIAN PUSTAKA
2.1 Bangkitan Pergerakan
Bangkitan pergerakan adalah tahapan pemodelan yang memperkirakan jumlah pergerakan yang berasal dari suatu zona atau tata guna lahan dan jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona (Tamin,2000). Menurut undang-undang Republik Indonesia nomor 13 tahun 2003 pasal 1 tentang ketenaga kerjaan, pekerja didefinisikan sebagai setiap orang yang bekerja menerima upah/gaji dan imbalan dalam bentuk lainnya atau setiap orang yang mampu melakukan pekerjaan baik di dalam maupun di luar hubungan kerja, guna menghasilkan barang atau jasa untuk memenuhi kebutuhan sendiri maupun masyarakat.
Pendapatan rumah tangga adalah penghasilan dari seluruh anggota keluarga yang disambungkan untuk memenuhi kebutuhan bersama ataupun perorangan dalah rumah tangga (Afrida, 2003). Tingkat pendapatan dalam suatu rumah tangga dapat dilihat berdasarkan jenis pekerjaan atau profesi seseorang dan banyaknya jumlah anggota keluarga yang sudah bekerja, maka dalam penelitian ini pendapatan rumah tangga dibagi dalam 2 kategori yaitu rendah dan tinggi. Untuk pendapatan rendah yaitu ≤ Rp. 5 juta dan untuk pendapatan tinggi adalah > Rp. 5 juta.
Aktivitas dibagi menjadi 3 (tiga) kelompok yaitu, aktivitas tetap (Mandatory), aktivitas kewajiban rumah tangga (Household-Task) dan aktivitas selain kewajiban rumah tangga (Non Household-Task). Aktivitas tetap yaitu akvitas yang dilakukan per individu secara terus menerus setiap harinya, sedangkan aktivitas kewajiban rumah tangga yaitu kegiatan yang dilakukan untuk menunjang kebutuhan rumah tangga, seperti berbelanja kebutuhan rumah tangga, dan aktivitas selain kewajiban rumah tangga adalah aktivitas yang dilakukan bersama seperti rekreasi atau kegiatan sosial lainnya (Anggraini, 2009).
Sampel merupakan suatu bagian dari populasi yang akan diteliti dan yang dianggap dapat menggambarkan populasinya. Penetapan ukuran sampel dari populasi dapat juga menggunakan rumus Slovin, dimana penetapan sampel mempertimbangkan batas ketelitian yang dapat mempengaruhi kesalahan pengambilan sampel populasi (Umar.H, 1998). Populasi merupakan generalisasi yang terdiri atas objek atau subjek yang mempunyai kualitas dan karakterisik tertentu yang diterapkan oleh peneliti untuk dipelajari dan kemudian di tarik kesimpulannya.
2.2 Model Pemilihan Diskrit (Discrete Choice)
Model pemilihan diskrit dinyatakan sebagai probabilitas setiap individu memilih suatu pilihan merupakan fungsi ciri sosio ekonomi dan daya tarik pilihan tersebut (Tamin,2000). Untuk menyatakan daya tarik suatu alternatif, digunakan konsep utilitas. Utilitas didefinisikan sebagai sesuatu yang dimaksimumkan oleh setiap individu. Alternatif tidak menghasilkan utilitas, tetapi didapatkan dari karakteristiknya dan dari setiap individu. Regresi logistik merupakan model regresi yang digunakan bila variabel responnya bersifat kualitatif, (Hosmer dan Lemeshow, 1989). Didalam statistik, regresi logistik (seringkali disebut model logistik atau model logit), digunakan untuk memprediksi kemungkinan (probabilitas) dari suatu kejadian dengan data fungsi logit dari kurva logistik. Variabel yang dinyatakan dalam bentuk kode disebut sebagai variabel dummy. Karena regresi logistik diakomodasikan untuk variabel terikat biner, maka di dalam pemodelannya baik variabel bebas maupun terikat harus direpresentasikan dalam bentuk kode. Prinsip kerja perangkat lunak statistik akan melakukan perhitungan regresi logistik, jika dan hanya jika variabel terikat diberi kode 0 dan 1.
12
aktivitas berhubungan dengan variabel berwujud dan tidak berwujud, seperti sosio-ekonomi, pilihan mode, pilihan tujuan, dan faktor psikologis atau persepsi individual.
Pemodelan pemilihan diskrit telah banyak digunakan menganalisis kebijakan transportasi, analisa prilaku perjalanan, pemilihan rute dan pemilihan moda. Sugiarto dkk (2014;2018) menerapkan model diskrit ordinal untuk menguji pengaruh kesadaran publik terhadap penerimaan kebijakan road pricing di Jakarta. Variabel bebas yang digunakan dalam pemilihan diskrit berupa variabel tampak (observed) dan latent (unobserved). Variabel tampak merupakan variabel yang dapat langsung diukur dilapangan, misalnya variabel yang berhubungan dengan prilaku perjalanan dan variabel sosial-ekonomi rumah tangga (Sugiarto dkk, 2015).
Model logit binomial selisih merupakan model pemilihan pergerakan yang menggunakan selisih utilitas antara dua jenis bangkitan pergerakan yang akan dibandingkan untuk menentukan probabilitas pemilihan pergerakan yang terjadi (Tamin, 2003). Rumus untuk mendapatkan peluang didalam model adalah sebagai berikut :
𝑃(𝑥) = 𝑒(𝛽0+∑ 𝛽𝑘𝑋𝑘) 𝑝 𝑘−1
1+𝑒(𝛽0+∑𝑝𝑘−1𝛽𝑘𝑋𝑘) (1)
β0 merupakan nilai konstanta, βk merupakan parameter-parameter regresi dan xk merupakan pengamatan variabel ke-k dari sejumlah P variabel prediktor.
Metode penaksiran parameter atau disebut metode kalibrasi yang biasa digunakan dalam regresi logistik adalah metode maksimum likelihood (ML). Prinsip dari ML ini adalah parameter populasi diestimasi dengan cara memaksimumkan kemungkinan (likelihood) dari data observasi. Estimator yang diperoleh dari metode ini disebut dengan Maximum Likelihood Estimator (MLE). MLE dilakukan dengan bantuan program SPSS v 20.
2.3 Pengujian Model
Uji signifikansi parameter model secara bersama dilakukan dengan uji rasio likelihood (Likelihood Ratio Test). Uji signifikansi parsial untuk melihat secara individual apakah suatu variabel independen berpengaruh signifikan terhadap variabel dependen dalam regresi yang pada umumnya dilihat dengan menggunakan t-test, namun dalam regresi yang menggunakan metode logit disebut uji wald. Uji Wald (W)Chi-square atau Uji T digunakan untuk menguji signifikansi parameter model secara terpisah. Uji kecocokan model digunakan untuk mengevaluasi sejauh mana kesesuaian model regresi logistik dengan data, nilai observasi yang diperoleh sama atau mendekati dengan yang diharapkan dalam model. Dasar pengambilan keputusan adalah dengan menggunakan goodness of fit test yang diukur dalam kolom signifikansi pada bagian bawah uji Hosmer and Lemeshow test.
Serupa dengan koefisien determinasi dalam regresi pada umumnya yang dapat dilihat dari nilai R2 dan adjusted R2, pada persamaan regresi yang menggunakan metode logit, determinasi suatu persamaan bervariasi berdasarkan perangkat yang digunakan. Cox dan Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R2 pada multiple regression yang didasarkan pada teknik likehood dengan nilai maksimum kurang dari satu yang sulit untuk diinterpretasikan. Nagelkerke’s R Square merupakan modifikasi dari koefisien Cox dan Snell’s RSquare untuk memastikan bahwa nilainya bervariasi dari nol (0) hingga satu (1). Nilai Nagelkerke’s R Square dapat diinterpretasikan seperti nilai R2 pada multi pleregression, dimana variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen.
13 Bangkitan Pergerakan
Rumah Tangga
Pekerja Berdasarkan Tingkat
Pendapatan ≤ 5Juta
Model bangkitan pergerakan rumah tangga untuk trip < 4 pergerakan dan ≥ 4 pergerakan
Pekerja Berdasarkan Tingkat Pendapatan > 5Juta
Model bangkitan pergerakan
rumah tangga untuk trip ≤ 4
pergerakan dan > 4 pergerakan
sebenarnya. Semakin dekat hasil model dengan data lapangan, semakin valid model tersebut dalam menggambarkan kondisi lapangannya. Untuk menguji validitas model dilakukan dengan menggunakan parameter-parameter dari hasil kalibrasi.
3 METODE PENELITIAN
3.1 Lokasi Penelitian
Penelitian untuk analisis model bangkitan pergerakan pekerja dan non pekerja berdasarkan tingkat pendapatan rumah tangga dan durasi aktivitas ini dilakukan pada 4 (empat) kecamatan yang ada di kota Banda Aceh. Dimana kecamatan yang ditinjau adalah kecamatan Jaya Baru, kec. Banda Raya, kec. Lueng Bata dan kec. Kuta Raja. Kecamatan yang diteliti merupakan kecamatan yang memiliki luas wilayah dan jumlah penduduk terendah di Kota Banda Aceh dan bukan merupakan daerah CBD (Central Business District) sehingga akan lebih banyak menghasilkan bangkitan pergerakan daripada tarikan pergerakan.
Pengumpulan data dengan stated preference survey banyak digunakan dalam pengumpulan data berhubungan dengan kajian transportasi. Sugiarto dkk. (2017a; 20017b) menerapkan metode Stated Preference survey untuk mengkaji prilaku masyarakat terhadap penerimaan kebijakan road pricing di Jakarta. Metode interview dan pencatatan langsung oleh surveyor direkomendasikan untuk mengurangi bias dalam menjawab pertanyaan oleh para responden.
Pengumpulan data dilakukan dengan metode penyebaran kuesioner dan dengan wawancara keluarga. Data-data yang diperlukan untuk penelitian ini meliputi data primer dan data sekunder. Dimana data primer merupakan data yang didapat melalui pengamatan langsung di lapangan. Data ini diperoleh melalui survei wawancara rumah tangga (home interview survey) yang hasilnya langsung diperoleh dari responden. Sedangkan data sekunder merupakan data pendukung yang didapatkan dari penelitian-penelitian sebelumnya. Data sekunder meliputi peta Provinsi Aceh, peta Kota Banda Aceh, luas wilayah Kota Banda Aceh, jumlah dan nama kecamatan, jumlah dan nama desa, jumlah penduduk di Kota Banda Aceh, jumlah penduduk disetiap desa yang ditinjau.
Pengambilan sampel adalah mendapatkan sampel dengan jumlah yang relatif kecil dibandingkan dengan jumlah populasi, tetapi mampu mempresentasikan seluruh populasi tersebut. Teknik sampling digunakan untuk mendapatkan data asal dan tujuan pergerakan dari tiap rumah tangga melakukan survei kuesioner pada responden. Teknik pengambilan sampel pada penelitian ini menggunakan metode sampling Acak Berlapis (Stratified Random Sampling), yaitu dilakukan jika populasi mempunyai karakteristik yang heterogen, dimana dapat dipisah-pisahkan menurut lapisan tertentu, kemudian dari masing-masing lapisan dilakukan pengambilan sampel secara random.
Gambar 1 .
14
3.2 Model Bangkitan Pergerakan Rumah Tangga
Model bangkitan pergerakan rumah tangga untuk pekerja dalam penelitian ini dibagi menjadi 2 (dua) model bangkitan pergerakan yang masing-masing ditinjau berdasarkan tingkat pendapatan rumah tangga, untuk lebih jelasnya dapat dilihat pada gambar 1.
3.3 Metode Pengolahan Data
Setelah data yang diperlukan terkumpul maka dilakukan input data dan pengkodean data sesuai dengan metode regresi yang digunakan dalam analisis data dengan menggunakan program Microsoft Excel. Proses pengolahan data dilakukan dengan tabulasi untuk memudahkan analisis data. Selanjutnya hasil pengkodean data tersebut diolah lagi dengan bantuan program SPSS v 20 (Statistical Product and Service Solution). Setelah dilakukan pengolahan data dengan bantuan program SPSS v 20 (Statistical Product and Service Solution) selanjutnya dilakukan analisis data dengan metode metode model logit binomial selisih, metode ini digunakan karena variabel terikat yang memiliki dua kategori.
4. HASIL DAN PEMBAHASAN
Hasil dari survey lapangan didapat data keluarga yang berisikan informasi keluarga dan data yang berhubungan dengan informasi perjalanan dari responden rumah tangga.
4.1 Data Hasil Karakteristik Sosial-Ekonomi, Demografi dan Perilaku Perjalanan Rumah Tangga Hasil yang didapat adalah hasil dari kuesioner dan wawancara responden pada kecamatan yang ditinjau. Hasil dari data jenis pekerjaan didapat nilai yang paling dominan adalah pekerjaan wiraswasta sebesar 25%, tingkat pendapatan 5-10 juta dengan persentase sebesar 38%, jumlah mobil 2 unit dengan persentase sebesar 31%, jumlah sepeda motor 2 unit persentase sebesar 42%, jumlah anggota keluarga 4 orang persentase sebesar 36%, jumlah anggota keluarga yang bersekolah 2 orang persentase sebesar 33%, jumlah anggota keluarga yang belum bersekolah 0 orang persentase sebesar 87%, jumlah anggota keluarga yang bekerja 2 orang persentase sebesar 48%, jenis kelamin laki-laki dengan persentase 54%, umur responden 18 – 35 tahun sebesar 38%, kedudukan rumah tangga ayah dan ibu sebesar 59%, status pekerjaan dan lain-lain sebesar 60%, pendidikan terakhir SD/SMP/SMA sebesar 56%, ada kempemilikan SIM sebesar 74%, lokasi tujuan sekolah/universitas sebesar 45%, aktivitas bersekolah sebesar 51%, kendaraan yang digunakan sepeda motor 77%, jarak tempuh 0 – 5 km sebesar 48% dan durasi aktivitas > 6 jam sebesar 52%.
Tabel 4.1
Variabel Model PP0
Variabel Koefisien Exp (β) T-Value P-Value
Konstanta 4,564 95,994 68,786 0,000
Kepemilikan Mobil 1,556 5,695 19,577 0,000
Jumlah Anggota Keluarga -1,195 0,319 75,344 0,000
Belum Bersekolah 1,587 11,271 19,556 0,000
Lokasi Tujuan -0,883 0,379 10,896 0,001
Sampel (N) 368
-2 LL (β) 361,605
χ2 test (sig) 144,620 (0,000)
Cox & snell R square 0,325
15
4.2 Model Bangkitan Pergerakan Pekerja Berdasarkan Tingkat Pendapatan Rumah Tangga Rp. ≤ 5 juta (PP0)
Data yang telah dianalisa dengan regresi logit binomial didapat beberapa variabel yang berpengaruh terhadap model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan rumah tangga ≤ 5 juta, variabel yang berpengaruh pada model tersebut dapat dilihat pada Tabel 4.1. Dari Tabel 4.1, didapat persamaan model PP0 sebagai berikut :
U1-U2 = 4,564+(1,556*X2)-(1,195*X4)+(1,587*X6)-(0,883*X14)
Nilai kostanta α menunjukkan jika variabel-variabel bebas seperti jumlah kepemilikan mobil, jumlah anggota keluarga, jumlah anggota yang belum bersekolah dan lokasi tujuan nilainya adalah 0 maka peluang responden yang mengunakan variabel tersebut nilainya yaitu 4,564.
Dari semua variabel yang singinifikan pada model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan ≤ 5 juta, diambil 2 (dua) variabel yang sangat berpengaruh terhadap model tersebut yaitu jumlah anggota keluarga dan kepemilikan mobil dengan nilai koefisien (B) adalah -1,195 dan 1,556. Kedua nilai variabel ini saling berkontribusi terhadap model, dimana untuk variabel jumlah anggota keluarga berkontribusi negatif yaitu dengan adanya penambahan 1 orang jumlah anggota keluarga maka kepuasan seseorang untuk melakukan trip perjalanan < 4 pergerakan menurun sebesar -1,195, hal ini berarti dengan bertambahnya jumlah anggota keluaraga dalam suatu rumah tangga menyebabkan pergerakan rumah tangga untuk pekerja yang memilih trip perjalanan < 4 pergerakan akan berkurang. Sedangkan untuk variabel kepemilikan mobil berkontribusi positif dimana dengan adanya penambahan 1 unit mobil dalam rumah tangga maka kepuasan seseorang untuk melakukan trip perjalanan < 4 pergerakan meningkat sebesar 1,556, hal ini disebabkan dengan bertamabahnya jumlah kepemilikan mobil dalam suatu rumah tangga maka makin banyak pergerakan rumah tangga yang memilih trip
perjalanan < 4 pergerakan.
Nilai exp (β) dari variabel jumlah anggota keluarga dan kepemilikan mobil adalah 0,319 dan 5,695 sehingga untuk variabel jumlah anggota keluarga dengan rata-rata anggota keluarga dalam suatu rumah tangga sebanyak 4 orang melakukan bangkitan pergerakan < 4 pergerakan 0,319 kali daripada dengan jumlah anggota keluarga yang lebih sedikit atau lebih besar dari 4 orang anggota keluarga dalam rumah tangga. Sedangkan untuk variabel kepemilikan mobil dalam suatu rumah tangga yang mempunyai jenis kendaraan mobil akan melakukan pergerakan < 4 pergerakan sebesar 5,695 kali daripada rumah tangga yang tidak memiliki mobil.
Nilai T-value memenuhi kriteria yaitu Wald, dimana variabel yang paling berpengaruh dalam model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan rumah tangga ≤ 5 juta adalah jumlah anggota keluarga dan jumlah kepemilikan mobil dengan nilai T-value adalah 75,344 dan 19,577. Sedangkan untuk nilai P-value dengan menggunakan tingkat signifikasi (α) minimal sebesar 5% semua
variabel yang ada pada Tabel 4.1 memenuhi kriteria dengan syarat yang sudah ditentukan yaitu P-value < 5%. Berdasarkan Tabel 4.1 diketahui bahwa untuk membandingkan kebenaran dari dua model dilakukan pengujian -2 log likelihood ratio sebesar 361,605 dan untuk nilai ChiSquare merupakan tes kecocokan model (goodness of fit) mempunyai nilai 144,620 (0,000) dengan nilai signifikasinya 0,000 sehingga nilai 0,000 < 0,05 menyatakan model ini bisa diterima.
Untuk cox & snell R Square dan Negelkerke R Square pada model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan rumah tangga ≤ 5 juta, didapat nilai cox & snell R Square nya adalah sebesar 0,325 atau 32,5% dan nilai Negelkerke R Square sebesar 0,435 atau 43,5% dimana nilai tersebut memenuhi syarat 0 -1 dan nilai yang berada diantara 0,2 – 0,4 dianggap nilai yang paling baik. Dengan demikian dapat dikatakan bahwa besarnya pengaruh variabel jumlah kepemilikan mobil, jumlah anggota keluarga, jumlah anggota yang belum bersekolah dan lokasi tujuan adalah 43,5% sedangkan sisanya 67,5% dipengaruhi oleh variabel lainnya.
16
PPP0 < 4 = Exp(4,564+(1,556*X2)-(1,195*X4)+(1,587*X6)- (0,883*X14)/1+Exp(4,564+(1,556*X2)-(1,195*X4)+ (1,587*X6)-(0,883*X14)
PPP0 ≥ 4 = 1 – (Exp(4,564+(1,556*X2)-(1,195*X4)+(1,587*X6)- (0,883*X14)/1+Exp (4,564+(1,556*X2)-(1,195*X4)+ (1,587*X6)-(0,883*X14)) Dari persamaan diatas nilai probabilitas untuk model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan rumah tangga ≤ 5 juta adalah 55% pergerakan pekerja dengan trip < 4 sedangkan untuk bangkitan pergerakan pekerja dengan trip≥ 4 adalah 45%.
4.3 Model Bangkitan Pergerakan Pekerja Berdasarkan Tingkat Pendapatan Rumah Tangga Rp. > 5 juta (PP1)
Data yang telah dianalisa dengan regresi logit binomial didapat beberapa variabel yang berpengaruh terhadap model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan rumah tangga > 5 juta, variabel yang berpengaruh pada model tersebut dapat dilihat pada Tabel 4.2.
Tabel 4.2
Variabel Model PP1
Variabel Koefisien Exp (β) T-Value P-Value
Konstanta -0,130 0,878 0,037 0,000
Kepemilikan Sepeda Motor 0,395 1,484 9,155 0,002
Bersekolah -0,397 0,672 8,548 0,003
Belum Bersekolah 1,363 3,910 13,773 0,000
Bekerja -0,71 0,492 10,53 0,001
Umur 0,037 1,038 8,22 0,004
Durasi Aktivitas 1,152 3,164 25,519 0,000
Sampel (N) 656
-2 LL (β) 489,221
χ2 test (sig) 65,051 (0,000)
Cox & snell R square 0,13
Negelkerke R square 0,187
Dari Tabel 4.2, didapat persamaan model PP1 sebagai berikut :
U1-U2 = -0,13+(0,395*X3)-(0,397*X5)+(1,363*X6)-(0,71*X7)+(0,037*X9)+(1,152*X18) Nilai kostanta α menunjukkan jika variabel-variabel bebas seperti jumlah kepemilikan sepeda motor, jumlah anggota keluarga bersekolah, jumlah anggota yang belum bersekolah, jumlah anggota keluarga bekerja, umur responden dan durasi aktivitas nilainya adalah 0 maka peluang responden yang mengunakan variabel tersebut nilainya yaitu -0,13.
Dari semua variabel yang singinifikan pada model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan > 5 juta, diambil 2 (dua) variabel yang sangat berpengaruh terhadap model tersebut yaitu jumlah anggota keluarga yang belum bersekolah dan durasi aktivitas dengan nilai koefisien (B) adalah 1,363 dan 1,152. Kedua nilai variabel ini saling berkontribusi terhadap model, dimana untuk variabel jumlah anggota keluarga yang belum bersekolah berkontribusi positif dimana dengan adanya penambahan 1 orang jumlah anggota keluarga yang belum bersekolah maka kepuasan seseorang untuk melakukan pergerakan ≤ 4 meningkat sebesar 1,363, hal ini berarti dengan jumlah anak yang belum bersekolah dalam satu rumah tangga maka pergerakan yang memilih tripperjalanan ≤ 4 pergerakan tetap
17
Nilai exp (β) dari variabel jumlah anggota keluarga belum bersekolah dan durasi aktivitas adalah 3,910 dan 3,164 dimana untuk variabel jumlah anggota keluarga yang belum bersekolah dengan rata-rata tidak ada yang belum bersekolah (0 orang) melakukan 3,910 kali untuk memilih pergerakan dengan ≤ 4 pergerakan daripada anggota keluarga yang belum bersekolah lebih dari 1 orang. Sedangkan untuk variabel durasi aktivitas > 6 jam bagi pekerja dengan tingkat pendapat > 5 juta akan melakukan 3,164 kali lebih lama pergerakan daripada dengan durasi ≤ 6 jam untuk bangkitan pergerakan ≤ 4 pergerakan.
Nilai T-value memenuhi kriteria yaitu Wald, dimana variabel yang paling berpengaruh dalam model adalah jumlah anggota keluarga yang belum bersekolah dan durasi aktiviasnya dengan nilai T-value
adalah 13,773 dan 25,519. Sedangkan untuk nilai P-value dengan menggunakan tingkat signifikasi (α)
minimal sebesar 5% semua variabel yang ada pada Tabel 4.2 memenuhi kriteria dengan syarat yang sudah ditentukan yaitu P-value < 5%.
Berdasarkan Tabel 4.2 diketahui bahwa untuk membandingkan kebenaran dari dua model dilakukan pengujian -2 log likelihood ratio sebesar 489,221 dan untuk nilai ChiSquare merupakan tes kecocokan model (goodness of fit) mempunyai nilai 65,051 (0,000) dengan nilai signifikasinya 0,000 sehingga nilai 0,000 < 0,05 menyatakan model ini bisa diterima.
Untuk cox & snell R Square dan Negelkerke R Square pada model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan rumah tangga > 5 juta, didapat nilai cox & snell R Square nya adalah sebesar 0,13 atau 13% dan nilai Negelkerke R Square sebesar 0,187 atau 18,7% dimana nilai tersebut memenuhi syarat 0 -1 dan nilai yang berada diantara 0,2 – 0,4 dianggap nilai yang paling baik. Dengan demikian dapat dikatakan bahwa besarnya pengaruh variabel jumlah kepemilikan sepeda motor, jumlah anggota keluarga bersekolah, jumlah anggota yang belum bersekolah, jumlah anggota keluarga bekerja, umur responden dan durasi aktivitas adalah 18,7% sedangkan sisanya 81,3% dipengaruhi oleh variabel lainnya.
Untuk persamaan probabilitas dari model di dapat persamaan sebagai berikut :
PPP0 ≤ 4 = Exp(-0,13+(0,395*X3)-(0,397*X5)+(1,363*X6)-(0,71*X7)+(0,037*X9)+(1,152*X18)/1+Exp(-0,13+(0,395*X3)-(0,397*X5)+(1,363*X6)- (0,71*X7)(0,037*X9)+(1,152*X18)
PPP0 > 4 = 1 – (Exp(0,13+(0,395*X3)(0,397*X5)+(1,363*X6)(0,71*X7)+(0,037*X9)+(1,15*X18)/1+Exp(-0,13+(0,395*X3)-(0,397*X5)+(1,363*X6)- (0,71*X7)(0,037*X9)+(1,152*X18)
Dari persamaan diatas nilai probabilitas untuk model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan rumah tangga ≤ 5 juta adalah 67% pergerakan pekerja dengan trip ≤ 4 sedangkan untuk bangkitan pergerakan pekerja dengan trip > 4 adalah 33%.
5. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Pada penelitian ini diperoleh 2 (dua) model bangkitan pergerakan pekerja berdasarkan tingkat pendapatan rumah tangga, dimana untuk model bangkitan pergerakan perkerja berdasarkan tingkat pendapatan rumah tangga ≤ 5 juta didapat nilai selisih ultilitas 0,314 dan nilai probabilitas 55% untuk trip
< 4 sedangkan 45% untuk trip ≥ 4 dengan faktor yang berpengaruh pada model meliputi jumlah kepemilikan mobil, jumlah anggota keluarga, jumlah anggota yang belum bersekolah dan lokasi tujuan. Model bangkitan pergerakan perkerja berdasarkan pendapatan rumah tangga > 5 juta didapat nilai selisih ultilitas 0,867 dan nilai probabilitas 67% untuk trip ≤ 4 sedangkan 33% untuk trip > 4 dengan faktor yang berpengaruh pada model meliputi jumlah kepemilikan sepeda motor, jumlah anggota keluarga bersekolah, jumlah anggota yang belum bersekolah, jumlah anggota keluarga bekerja, umur responden dan durasi aktivitas.
5.2 Saran
18
dan penelitian ini juga diharapkan dapat menjadi masukan bagi peneliti selanjutnya sehingga dapat dijadikan perbandingan untuk hasil yang lebih akurat.
DAFTAR PUSTAKA
Afrida, BR. 2003. Ekonomi Sumber Daya Manusia. Jakarta : Ghalia Indonesia
Anggraini, R. et al. 2009. Modelling Joint Activity Participation and Household Task Allocation. International DDSS Conference. Eindhoven University of Technology.
Hosmer, D. W. dan Lemeshow, S. 1989. Apllied Logistic Regression. New York: John Wiley Dan Sons. Tamin, O. Z. 2000. Perencanaan Pemodelan dan Transportasi.Penerbit ITB, Bandung.
Umar, H. 1998.Riset Sumber Daya Manusia. Gramedia Pustaka Utama, Jakarta.
Sugiarto, Miwa, T., Sato, H., Morikawa, T., 2014. Congestion charging: influence of public consciousness on acceptability in Jakarta Metropolitan Area. Proceedings of 21st World Congress on Intelligent Transport Systems, Detroit, September 2014.
Sugiarto, S., Miwa, T., Sato, H., Morikawa, T., 2015. Use of latent variables representing psychological motivation to explore citizens’ intentions with respect to congestion charging reform in Jakarta. Urban Plan. Transp. Res. 3, 1–22.
Sugiarto, S., Miwa, T., Morikawa, T., 2017a. Inclusion of latent constructs in utilitarian resource allocation model for analyzing revenue spending options in congestion charging policy.
Transportation Research Part A: Policy and Practice, 103: 36–53.
Sugiarto, S., Miwa, T., Sato, H., Morikawa, T., 2017b. Explaining differences in acceptance determinants towards congestion charging policies in Indonesia and Japan. Journal of Urban Planning and Development (ASCE), 143(2): 1-12.
