PENGANTAR STATISTIK TRANSPORTASI.doc

PENGANTAR STATISTIK

TRANSPORTASI

1. Pendahuluan

Ilmu statistika, dalam pengertian secara umum, adalah ilmu yang mempelajari bagaimana cara :

 Mengumpulkan data;  Pengolahan data;  Menganalisa data;  Menyajikan data;

 Membuat kesimpulan berdasarkan informasi yang diperoleh dari sampel, dikenal dengan istilah statistika inferensia.

Untuk memahami bagaimana inferensi (pengambilan keputusan dan kesimpulan) tersebut dilakukan, pengertian ilmu statistika secara umum disebut juga teori pengambilan keputusan (decision making). Pemahaman teori ini memerlukan pengetahuan tentang ilmu hitung probabilitas.

Jadi Pengertian statistik adalah ilmu yang mempelajari tentang seluk-beluk data, yaitu tentang pengumpulan, pengolahan, penganalisisan, penafsiran, dan penarikan kesimpulan dari data yang berbentuk angka-angka.

METODOLOGI STATISTIK

Metodologi pemecahan masalah secara statistik :

Identifikasi masalah (permasalahan yang diteliti)

Apakah data yang tersedia cukup ?

Apakah data dari Sampel

Kumpulkan data intern & ekstern yang relevan dengan permasalahan

Kumpulkan data orisinil yang baru dengan menggunakan wawancara, kuesioner dll.

Penarikan kesimpulan tentang Parameter Populasi yang tengah diteliti dari data sampel Pergunakan data sampel guna :

- Menaksir Parameter Populasi; - Menguji Hipotesa Parameter Populasi Penyajian data yang telah disederhanakan

dan ditata dalam bentuk tabel, grafik, dan berbagai ukuran deskriptif Klasifikasi, Penyederhanaan, Pengolahan, dan penataan data dengan menggunakan tabel, grafik, dan berbagai ukuran deskriptif

Pergunakan data populasi guna analisis dan pengambilan keputusan

Mulai

SELESAI

tidak

ya

bukan ya

Kegiatan Statis tik Inferens ia

K

e

g

ia

ta

n

S

ta

ti

s

ti

k

D

e

s

k

ri

p

ti

f

Gambar 1: Diagram Alir Metodologi Pemecahan Masalah secara Statistik

Gambarkan Pembagian ilmu statistik seperti berikut :

Statistik Deskriptif dan Inferensi

Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskriptifkan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Penelitian yang dilakukan pada populasi (tanpa diambil sampelnya) jelas akan menggunakan statistik deskriptif maupun inferensial. Statistik deskriptif dapat digunakan bila peneliti hanya ingin mendeskriptifkan data sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi dimana sampel diambil. Tetapi bila peneliti ingin membuat kesimpulan yang berlaku untuk populasi, maka teknik analisis yang digunakan adalah statistik inferensial.

Termasuk dalam statistik deskriptif antara lain adalah penyajian data melalui tabel, grafik, diagram lingkaran, piktogram, perhitungan modus, median, mean (pengukuran tendensi sentral), perhitungan penyebaran data melalui perhitungan rata-rata standard deviasi, perhitungan persentase.

Statistik inferensial sering juga disebut statistik induktif atau statistik probabilitas, adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan untuk populasi. Statistik ini akan cocok bila sampel yang diambil dari populasi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan secara random (acak).

Statistik ini disebtu statistik probabilitas, karena kesimpulan yang diberlakukan untuk populasi berdasarkan data sampel yang akan diberlakukan untuk populasi itu mempunyai peluang kesalahan dan kebenaran (kepercayaan) dinyatakan dengan persen. Bila peluang kesalahan 5 % maka taraf kepercayaan 95 %, dan bila peluang kesalahannya 1 % maka taraf kepercayaan 99 %. Peluang kesalahan dan kepercayaan ini disebut dengan taraf signifikansi. Pengujian taraf signifikansi dari suatu analisis akan lebih praktis bila didasarkan pada tabel yang sesuai teknik analisis yang digunakan. Misalnya uji-t akan menggunakan tabel-t, uji F menggunakan tabel F. Pada setiap tabel sudah disediakan untuk taraf signifikansi merapa suatu hasil analisis dapat

Deskriptif

Statistik Parametris

Inferensial

digeneralisasikan. Dapat diberikan contoh misalnya dari hasil analisis korelasi ditemukan koefisien korelasi 0,54 dan signifikansi untuk 5 %. Hal itu berarti hubungan variabel sebesar 0,54 itu dapat berlaku pada 95 dari 100 sampel yang diambil pada satu populasi. Contoh lain misalnya dalam analisis uji beda ditemukan signifikan untuk 1 %. Hal ini berarti perbedaan itu berlaku pada 99 dari 100 sampel yang diambil dari satu populasi. Jadi signifikan adalah kemampuan generalisasi dengan kesalahan tertentu. Ada hubungan signifikan berati perbedaan dapat digeneralisasikan.

Statistik Parametris dan Nonparametris

Pada statistik inferensial terdapat statistik parametris dan nonparametris. Statistik parametris digunakan untuk menguji parameter populasi melaui statistik (pengertian statistik disini adalah data yang diperoleh dari sampel). Parameter populasi ini meliputi : rata-rata dengan notasi µ, simpangan baku σ, dan varians σ2_{. Sedangkan}

statistiknya adalah meliputi : rata-ratax, simpangan baku S, dan varians S2. Jadi

parameter populasi yang berupa µ diuji melalui x, selanjutnya σ diuji melaui S, dan

σ2 _{diuji melalui S}2_{. Dalam statistik, pengujian parameter melalui statistik (data sampel)}

tersebut dinamakan uji hipotesis. Oleh karena itu penelitian yang berhipotesis adalah penelitian yang menggunakan sampel. Dalam statistik yang diuji adalah hipotesis nol karena tidak dikehendaki adanya perbedaan antara parameter populasi dan statistik (data yang diperoleh dari sampel).

Penggunaan statistik parametris dan nonparametris tergantung pada asumsi dan tingkatan data yang akan dianalisis. Statistik parametris memerlukan terpenuhi banyak asumsi. Asumsi yang utama adalah data yang akan dianalisis harus berdistribusi normal. Selanjutnya dalam penggunaan salah satu tes mengharuskan data homogen, dalam regresi harus terpenuhi banyak asumsi, misalnya data yang akan dianalisis tidak harus berdistribui normal. Oleh karena itu statistik nonparametris sering disebut

“distribution free”. Statistik parametris mempunyai kekuatan lebih bila asumsi yang

melandasinya dapat terpenuhi.

JENIS-JENIS DATA PENELITIAN

Data hasil penelitian dapat dikelompokkan menjadi dua, yaitu data kualitatif dan data kuantitatif. Data Kualitatif adalah data yang membentuk kalimat, kata atau gambar. Sedangkan data Kuantitatif adalah data berbentuk angka, atau data kualitatif diangkakan (skoring). Data kuantitatif dapat dikelompokkan menjadi dua besar, yaitu diskrit dan tata kontinum. Data diskrit adalah data yang diperoleh dari hasil menghitung bukan membilang (bukan mengukur). Misalnya jumlah kendaraan yang masuk persimpangan dalam setiap sepuluh menit, Jumlah penumpang di bus dan sebagainya. Data ini sering juga disebut data nominal. Data nominal biasanya diperoleh dari penelitian yang bersifat eksploratif atau survei. Data kontinum adalah data yang diperoleh dari hasil pengukuran. Data kontinum dapat dikelompokkan menjadi tiga yaitu : data ordinal, interval dan ratio.

Bermacam-macam data seperti yang dikemukakan tersebut digambarkan sebagai berikut :

Data ordinal adalah data yang berjenjang atau berbentuk peringkat. Oleh karena itu jarak satu data dengan yang lain tidak sama. Juara I,II,III; Eselon I,II,III,IV dan sebagainya. Pada data ordinal, biasanya makin kecil angkanya, makin tinggi nilainya. Juara I lebih baik dari jaura II. Data ordinal ini dapat dibentuk dari data interval atau ratio. Pengertian keduanya akan diuraikan berikut ini.

Data interval adalah data yang jaraknya sama, tetapi tidak mempunyai nol absolut (mutlak). Pada data ini, walaupun datanya nol, tetapi masih mempunyai nilai. Misalnya nol derajat Celsius, ternyata masih ada nilainya. Dalam penelitian sosial yang instrumennya menggunakan Skala Likert, Guttman, Semantic Differential,

Kualitatif

Macam Data

Deskrit

Kuantitatif

Kontinum

Ordinal

Interval

Thurstone, data yang diperoleh adalah data interval. Data ini dapat menjadi data ordinal.

Data ratio adalah data yang jaraknya sama dan mempunyai nol absolut. Jadi kalau data itu nol berarti tidak ada apa-apanya. Hasil pengukuran panjang (m), berat (kg) adalah contoh dari data ratio. Bila nol meter tidak ada panjangnya, demikian pula bial nol kg tidak ada beratnya. Data ini bisa membuat penjumlahan dan perkalian. 10 kg + 10 kg = 20 kg. Untuk jenis data yang lain tidak bisa demikian, oleh karena itu data yang paling teliti adalah data ratio. Data ini dapat disusun kedalam data interval ataupun ordinal.

2. Pengumpulan Data

Kegiatan pengumpulan data dalam statistik transportasi umumnya dinamakan kegiatan survey lapangan. Pengumpulan Survei biasa dilakukan pada sebagian dari populasi atau sampel sehingga biasa disebut sample survey. Akan tetapi, survei juga dapat dilakukan pada seluruh anggota populasi. Survei yang tidak menggunakan sampel seperti ini disebut sensus.

Survei yang mengajukan pertanyaan kepada responden tentang suatu topik pendapat umum, misalnya sikap terhadap pengamen, disebut public opinion poll.

Cross-sectional survey adalah survei yang membandingkan dua kelompok orang atau lebih

untuk melihat perbedaan yang ada pada kelompok-kelompok tersebut. Dalam survei semacam ini, kepada responden dari kelompok atau lebih diajukan pertanyaan-pertanyaan yang sama dan dengan cara bertanya yang sama pula.

Survei yang akan melihat perubahan atau perkembangan yang terjadi dalam perjalanan waktu disebut survei longitudinal. Survei londitudinal ini dapat dibedakan menjadi dua yaitu, studi panel (panel studies) dan studi kecenderungan (trend studies). Dalam studi panel, survei dilakukan dalam waktu yang lama dengan mengajukan pertanyaan lagi kepada responden yang sama. Sedangkan dalam studi kecenderungan, pertanyaan tentang topik yang sama ditanyakan lagi tetapi tidak kepada responden yang sama dengan survei sebelumnya.

Pengumpulan data yang efisien hanya mungkin dilakukan bila peneliti mengerti betul pokok persoalan yang menjadi obyek penelitian. Pokok persoalan tersebut harus dirumuskan secara seksama sedangkan cara penelitiannya harus direncanakan secara cermat. Perencanaan demikian itu dibutuhkan sebagai pedoman guna mengumpulkan data kasar secara terarah dan ekomomis. Karena pada setiap perencanaan penelitian, konsiderasi biaya selalu memainkan perananan yang menentukan. Tanpa perencanaan suatu pengumpulan data statistik menjadi tidak terarah dan ada kemungkinan berhenti di tengah jalan karena kekurangan biaya. Konsiderasi biaya itulah yang merupakan salah satu sebab mengapa dalam penelitian baik dengan menggunakan sampel maupun kuesioner/wwancara, perencanaan disain sampel maupun disain kuesioner/wawancara harus dibuat pada tahap perencanan penelitian. Maksudnya adalah agar sumber daya yang teralokasikan dapat digunakan secara optimal dengan sasaran akhir mendapatkan data yang memang diperlukan dalam suatu penelitian.

Baik buruknya suatu penelitian yang menggunakan data sampel tergantung pada persoalan apakah sampelnya memang reprentatif atau tidak. Tidak semua persoalan sampling (pengambilan sampel) selalu dapat dipecahkan sekedar dengan menggunakan sampel random. Kondisi-kondisi dimana ampel tersebut dipergunakan, biaya sampling dan konsiderasi-konsiderasi lain akan selalu membentuk batasan-batasan tertentu dan mengharuskan penggunaan sampel yang tertentu pula.

menggunakan statistik. Terdapat beberapa macam statistik yang digunakan untuk pengolahan data dalam penelitian, yaitu : statistik deskriptif, statistik differensial, statistik parametris dan statistik non parametris.

Analisis data yang dilakukan harus disesuaikan dengan tujuan penelitian. Penelitian yang bertujuan untuk memberikan gambaran yang cukup menyajikan tabel tunggal dengan jumlah dan persentase untuk setiap kategori. Pembuatan klasifikasi itu sendiri sudah merupakan analisis tingkat pertama.

Secara garis besar data dapat digolongkan menjadi dua macam, data kualitatif dan data kuantitatif. Dengan demikian menganalisa data dilakukan dua teknik pula, yaitu teknik analisa kualitatif dan kuantitatif (statistik). Analisa secara kualitatif maupun statistik keduanya memiliki kekuatan dan kelemahan masing-masing. Para pakar umumnya sependapat keduanya mampu menghasilkan kesimpulan yang dapat dipertanggungjawabkan. Analisa kualitatif tidak lebih rendah taraf ilmiahnya dibandingkan analisa statistik. Ini perlu ditegaskan mengingat kerap kali ada anggapan kalau tidak dianalisa secara statistik hasil penelitian lemah mutunya.

Analisa kualitatif pada dasarnya mempergunakan pemikiran yang logis, analisa dengan logika, dengan induksi, deduksi, analogi, komparasi dan sejenis itu.

Pilihan untuk menganalisa kuantitatif dengan statistik mana yang paling sesuai, tentu saja tergantung pula pada tujuan penelitian itu sendiri dan keadaan datanya.

3. Pengolahan Data

Data yang telah dikumpulkan dari elemen-elemen yang diteliti, baik data primer (misalnya kuesioner) maupun data sekunder kemudian harus diolah guna memperoleh data statistik. Jadi dengan kata lain mengolah data berarti memanipulasikan data untuk memperoleh keterangan-keterangan ringkasan yang berupa angka-angka ringkasan. Data statistik berarti data kuantitatif hasil pengolahan. Sedangkan data yang belum diolah disebut data mentah.

Keterangan-keterangan ringkasan yang berupa angka-angka ringkasan sebagai hasil pengolahan data antara lain adalah :

1. Keterangan tentang Jumlah (Total).

Misalnya jumlah modal, jumlah produksi, jumlah hasil penjualan, jumlah penduduk, jumlah kendaraan dan sebagainya.

2. Keterangan tentang Rata-Rata (Average).

Misalnya rata-rata modal, rata-rata produksi, rata-rata hasil penjualan, rata-rata penduduk, rata-rata kendaraan dan sebagainya.

3. Keterangan tentang Proporsi (Percentase).

Misalnya persentase biaya rutin, persentase jumlah angkutan umum dan sebagainya.

4. Keterangan tentang Standar Deviasi (Standard Deviation).

Misalnya standar deviasi gaji karyawan, standar deviasi hasil ekspor tahunan dan sebagainya.

5. Keterangan tentang Koefisien Korelasi (Coefficient of Correlation).

Misalnya koefisien korelasi antara bangkitan perjalanan dan jumlah penduduk. 6. Keterangan tentang Koefisien Regresi (Coefficient of Regression).

Beberapa perhitungan statistik dan kegunaan masing-masing hasil perhitungan. Sebetulnya yang dimaksud dengan perhitungan berarti juga mengolah (memproses). Agar supaya hasil perhitungan itu bisa berlaku umum, maka perlu menggunakan rumus-rumus yang telah dibuat untuk keperluan itu. Sebagai contoh misalnya kita bisa menghitung nilai rata-rata harga, produksi, umur, gaji dan lain sebagainya. Rumus-rumus akan menggunakan simbol atau variabel (sesuatu yang nilai berubah-ubah).

1.Keterangan tentang Jumlah (Total).

Merupakan jumlahan seluruh nilai observasi

Misal nilai observasi sebanyak N, yaitu x1, x2, x3, x4, x5, x6, …, xi, … , xN ,

2.Perhitungan Rata-Rata (Ukuran Pemusatan Data).

Ada 3 (tiga) jenis rata-rata yang penting di dalam statistik, yaitu : a. Rata-rata hitung

Suatu nilai yang diperoleh dengan jalan membagi seluruh nilai observasi dengan banyaknya observasi, dengan rumus :

Misal kita mempunyai nilai variabel x, sebagai hasil pengamatan atau observasi sebanyak N, yaitu x1, x2, x3, x4, x5, x6, …, xi, … , xN ,

Suatu nilai dari suatu kelompok yang mempunyai sifat sedemikian rupa sehingga setengah dari nilai-nilai tersebut mempunyai nilai lebih besar atau sama dengan, bahkan setengah lainnya mempunyai nilai lebih kecil atau sama dengan nilai median tersebut.

Untuk mencari median , nilai-nilainya harus disusun terlebih dahulu mulai dari yang terkecil sampai dengan yang terbesar, dengan rumus : - Untuk n ganjil

Misal k adalah suatu konstanta dan n adalah bilangan ganjil, maka dapat ditulis :

n = 2k + 1 atau k n ₂-1 maka

Median = xk+1 {nilai yang ke (k+1) data urut}

- Untuk n genap

Misal k adalah suatu konstanta dan n adalah bilangan genap, maka dapat ditulis :

c. Modus.

Suatu nilai yang mempunyai frekuensi tertinggi/terbesar. Kelemahan dari modus yaitu tidak dapat menggambarkan seberapa jauhnya jarak nilai median terhadap nilai minimum dan nilai maksimum. Oleh sebab itu lebih baik kalau dipergunakan median juga disebutkan nilai ekstrim terkecil (minimum value) dan terbesar (maximum value).

3.Perhitungan Proporsi dan (Ukuran Persentase Data)

Probabilitas suatu kejadian (event =E) dinyatakan dengan P(E) yang nilainya adalah bilangan pecahan yang besarnya 0 ≤ P(E) ≤ 1.

Jika terdapat sejumlah n kejadian yang mungkin muncul dan jika kejadian tersebut bersifat lengkap terbatas jumlahnya (exhaustive), eksklusif secara bersama (mutually exclusive), dan memiliki kesempatan yang sama untuk muncul, serta suatu peristiwa E yang mempunyai m kejadian sederhana, maka Probabilitas peristiwa E tersebut merupakan rasio m_n , yang secara umum dinyatakan sebagai P(E) m_n .

4.Perhitungan Standar Deviasi (Ukuran Variasi Data)

Untuk mengetahui secara kuantitatif besarnya tingkat variasi dari suatu kelompok nilai/data diperlukan suatu kriteria atau ukuran.

Rumus : Simpangan Baku Populasi :





Simpangan Baku Sampel :





5.Perhitungan Koefisien Variasi (Ukuran Data Asli).

Apabila kita membandingkan variasi harga mobil yang jutaan rupiah dengan harga beras yang puluhan ribu rupiah, tentulah standar deviasi harga mobil akan memberikan nilai standar yang lebih besar daripada harga beras, akan tetapi hal tersebut tidak berarti bahwa harga mobil lebih bervariasi daripada harga beras, oleh karena satuan standar deviasi tergantung pada satuan ukuran dari data aslinya.

6.Koefisien Korelasi dan Persamaan Regresi. a. Koefisien Korelasi.

Setiap kejadian pasti ada faktor penyebabnya, sehingga pada dasarnya dalam memecahkan suatu permasalahan atau persoalan perlu diketahui terlebih dahulu faktor apa yang menyebabkan terjadinya persoalan tersebut. Faktor-faktor tersebut dapat diukur secara kuantitatif.

Apabila dua buah variabel X dan Y mempunyai hubungan, dikatakan X dan Y berkorelasi, maka keterangan atau nilai dari variabel yang satu bisa dipergunakan untuk menerangkan variabel lainnya.

Untuk mengetahui kuat tidaknya korelasi atau hubungan secara kuantitatif, maka perlu dilakukan perhitungan-perhitungan dengan menggunakan suatu rumus. Suatu nilai yang dipergunakan untuk mengukur kuat tidaknya hubungan antar variabel disebut Koefisien Korelasi.

Koefisien Korelasi yang biasanya diberi simbol rxy, merupakan suatu

kriteria untuk mengukur hubungan antar variabel secara kuantitatif yang nilainya terletak antara –1 dan 1, yaitu –1  rxy  1 dimana bila nilai

rxy mendekati 1 merupakan hubungan X dan Y dikatakan sempurna (kuat sekali) dan positif, bila nilai rxy mendekati –1 merupakan hubungan sempurna (kuat sekali) dan negatif, sedangkan bila nilai rxy sama dengan 0 (nol) dikatakan hubungan X dan Y lemah sekali (tidak ada hubungan).

b. Persamaan Regresi.

Selanjutnya jika hubungan cukup kuat, maka analisa korelasi dilanjutkan dengan analisa regresi. Analisa rergresi ini dipergunakan untuk mengetahui besarnya pengaruh atau efek dari perubahan suatu variabel terhadap variabel lainnya yang ada hubungannya.

Hubungan X dan Y dinyatakan dalam suatu persamaan matematik dimana Y merupakan regresi linier yang sederhana terhadap X, dengan memenuhi persamaan Y = a + bX, apabila nilai a dan v diketahui dan bisa dihitung dengan menggunakan data hasil observasi atau eksperimen, maka persamaan tersebut bisa dipergunakan untuk memperkirakan atau meramalkan Y jika X juga diketahui.

4. Penyajian Data

Data statistik tidak cukup dikumpulkan, diolah dan dianalisa, akan tetapi perlu disajikan dalam bentuk yang mudah dibaca atau dimengerti oleh pengambil keputusan yang akan menggunakannya untuk dasar pembuatan keputusan. Penyajian data dapat dalam bentuk tabel ataupun grafik.

Seorang pimpinan suatu perusahaan atau pejabat tinggi pemerintahan misalnya, akan lebih mudah untuk segera mengetahui perkembangan harga dengan melihat grafik yang menunjukkan trend yang sedang naik, daripada harus membaca laporan yang penuh dengan kata-kata yang bagus akan tetapi kurang sistematis penyusunannya. Itulah sebabnya maka seringkali dalam suatu laporan harus disertai tabel-tabel maupun grafik-grafik.

yang lebih penting juga menyajikan data tersebut untuk memudahkan pimpinan dalam mengambil suatu keputusan.

Beberapa bentuk grafik dan kegunaannya.

Selain penyajian data berupa tabel-tabel, penyajian data juga bisa berupa gambar-gambar atau grafik-grafik. Sebagai ilustrasi terdapat beberapa jenis grafik, antara lain yaitu :

1.Line Chart, grafik berupa garis :

a. Single Line Chart, terdiri dari satu garis saja.

b. Multiple Line Chart, terdiri dari bebrapa garis. 2.Bar Chart, grafik berupa balok atau batangan :

a. Single Bar Chart, berupa batang-batang tunggal (untuk menggambarkan satu hal/masalah).

b. Multiple Bar Chart, terdiri dari beberapa batang atau balok. 3. Pie Chart, gambar grafik berbentuk lingkaran dimana luas lingkaran

merupakan komponen dari beberapa nilai : a. Single Pie Chart, terdiri dari satu lingkaran.

b. Multiple Pie Chart, terdiri dari lebih dari satu lingkaran.

4. Cartogram, grafik berupa peta, dimana dalam penggambaran ini dapat dipergunakan untuk menggambarkan kepadatan penduduk suatu daerah atau wilayah, hasil tambang, hasil pertanian, hasil laut dan lainnya,

Contoh penyajian data transportasi :  data angkutan penumpang

 data karakteristik operator dan sopir

ABD. MUIS - LEDENG (Pagi-InBound)

Segmen _JalanRuas Nama Jalan Penumpang Panjang_(km) Loading_Profile Naik Turun Sisa

0-1 1 Term. Abd. Muis 10 0 10 0.0 0.0

1-2 2 Jl. Pungkur 2 0 12 0.2 2.0

2-3 3 Jl. Dewi Sartika 4 2 14 0.3 4.5

3-4 4 Jl. Balong Gede 2 2 14 0.2 2.1

4-5 5 Jl. Pungkur 3 1 16 0.9 13.7

5-6 6 Jl. Karapitan 3 3 16 1.2 19.6

6-7 7 Jl. Sunda 0 2 14 0.5 6.6

7-8 8 Jl. Banda 2 3 13 0.8 10.9

8-9 9 Jl. Aceh 3 2 14 0.3 4.2

9-10 10 Jl. Sulawesi 2 1 15 0.5 7.6

10-11 11 Jl. RE Martadinata 4 4 15 0.2 3.3

11-12 12 Jl. Purnawarman 2 2 15 1.3 20.2

12-13 13 Jl. Wastu Kencana 1 1 15 0.3 5.0

13-14 14 Jl. Dr. Rivai 2 1 11 0.4 3.9

14-15 15 Jl. Cipaganti 2 0 13 2.4 31.4

15-16 16 Jl. Setiabudi 1 2 12 0.3 3.0

16-17 17 Jl. Karang Sari 2 2 12 0.3 3.8

17-18 18 Jl. Sukajadi 4 2 14 0.7 10.1

18-19 19 Jl. Setiabudi 0 0 14 1.9 27.0

19-20 20 Pangkalan Ledeng 0 14 0 0.0 0.0

49 44 12.7 179.1

LEDENG - ABD. MUIS (Pagi-OutBound)

Segmen Ruas_Jalan Nama Jalan Penumpang Panjang_(km) Loading_Profile Naik Turun Sisa

0-1 1 Pangkalan Ledeng 12 0 12 0.2 2.0

1-2 2 Jl. Setiabudi 2 0 14 3.3 45.9

2-3 3 Jl. Cihampelas 2 0 16 2.2 35.2

3-4 4 Jl. Wastu Kencana 0 2 14 0.5 7.1

4-5 5 Jl. Taman Sari 1 2 13 0.4 5.5

5-6 6 Jl. Purnawarman 0 1 12 0.5 6.0

6-7 7 Jl. RE Martadinata 4 1 15 0.1 1.0

7-8 8 Jl. Sumatera 1 2 14 1.3 18.1

8-9 9 Jl. Tamblong 1 1 14 0.4 5.6

9-10 10 Jl. Lengkong Besar 2 4 12 1.1 12.9

10-11 11 Jl. Ciateul 0 4 8 0.9 6.9

11-12 12 Jl. Dewi Sartika 1 3 6 0.3 1.5

12-13 13 Term. Abd. Muis 0 6 0 0.2 0.0

26 26 11.2 147.7

Karakteristik Operator

Karakteristik operator meliputi :

 Kepemilikan kendaraan, untuk mengetahui sifat kepemilikan yaitu milik perorangan atau badan usaha

 Cara kepemilikan kendaraan, kredit atau tunai

 Status kepemilikan sopir terhadap kendaraan, untuk mengetahui status sopir terhadap kendaraan yang dioperasikannya, milik sendiri atau sistem setoran kepada sipemilik kendaraan

Gambar I.4. : Status Kepemilikan Kendaraan

Karakteristik Supir

Karakteristik supir meliputi : Usia

Gambar.I.5. : Usia Supir

Kepemilikan Angkot

0 2 4 6 8 10

1 2 3 4 5 6

Usia

0 2 4 6 8 10

Pendidikan Supir

Gambar.I.6. : Pendidikan Supir

Jenis SIM Supir

Gambar.I.6. : Jenis SIM Supir

Pendidikan

0 2 4 6 8 10 12 14

Tidak Tamat SD

Tamat SD Tamat SMP

Tamat SMA

Tamat S1/S2

Lain-lain

JENIS SIM

A Umum 32% A

8%

B1 32% Lain-lain