Model Persamaan Kumulatif Muatan dan Tinggi Draft Tongkang Terhadap Kumulatif Cycle Time Batu Bara di Pelabuhan
Karya Citra Nusantara Marunda
Geby Thesya Paskarina1*, Hartati M Pakpahan2
1,2Manajemen Transportasi, Universitas Logistik dan Bisnis Internasional, Bandung, Indonesia
*Koresponden email: gebythesya@gmail.com
Diterima: 21 November 2022 Disetujui: 18 Desember 2022
Abstract
Karya Citra Nusantara Marunda Port is one of the ports that is a port business entity in Indonesia; this port can carry out bulk products unloading activities, including coal, sand, and others. The quantity of cargo in the barge increases as the draft of the barge falls, and vice versa; when the draft of the barge begins to rise, the amount of cargo drops gradually and the excavator's unloading time increases. Considering this, research must be done to ascertain the mathematical model relating to the duration of coal unloading at Marunda Port and to establish the cumulative impact of cargo volume and barge draft height. A multiple linear regression equation model was created for the time of coal unloading using the enter method, Y = - 152.076 + 16.157X1 - 148.304X2, based on the findings of the analysis of traditional assumptions and hypotheses that was conducted as a prerequisite for creating a good equation model. The unloading cycle time will be 152,076 minutes shorter with the unloading time per barge when the amount of cargo per tonne drops. The needed unloading cycle time will be increased if the cargo volume rises by 16,157 tons.
Keywords: port, unloading time, cycle time, total load, draft height, multiple linear regression
Abstrak
Pelabuhan Karya Citra Nusantara Marunda merupakan salah. satu pelabuhan yang menjadi badan usaha pelabuhan di.Indonesia;. Pelabuhan ini dapat melakukan kegiatan bongkar muat barang curah, antara lain batu bara, pasir, dan lain-lain. Kuantitas kargo di tongkang meningkat saat draft tongkang turun, dan sebaliknya ketika draft tongkang mulai naik, jumlah kargo turun secara bertahap dan waktu bongkar ekskavator bertambah. Sehubungan dengan hal tersebut, penelitian harus dilakukan untuk memastikan model matematis yang berkaitan dengan durasi bongkar muat batubara di Pelabuhan Marunda dan untuk mengetahui dampak kumulatif dari volume kargo dan tinggi draft tongkang. Model persamaan regresi linier berganda dibuat untuk waktu bongkar muat batubara dengan menggunakan metode enter, Y = - 152.076 + 16.157X1 - 148.304X2. Berdasarkan temuan analisis asumsi tradisional dan hipotesis yang dilakukan sebagai prasyarat untuk membuat model persamaan yang baik. Waktu siklus bongkar akan lebih pendek 152.076 menit dengan waktu bongkar per tongkang saat jumlah kargo per ton turun. Waktu siklus bongkar muat yang dibutuhkan akan bertambah jika volume kargo naik sebesar 16.157 ton.
Kata Kunci: pelabuhan, waktu bongkar, cycle time, jumlah muatan, tinggi draft, regresi linier berganda
1. Pendahuluan
Transportasi adalah keadaan memindahkan sesuatu dari.satu lokasi ke lokasi.lain di wilayah yang sama; "sesuatu" bisa berupa orang, barang bawaan, atau angkutan [1]. Komponen penting dari manajemen logistik disebabkan karena proses perpindahan barang dari pemasok ke pelanggan, atau bahkan dari perusahaan ke pelanggan, terjadi di dekat titik pengangkutan. Pelabuhan merupakan komponen dari sistem transportasi, dan menyampaikan informasi ekonomi yang penting. Pelabuhan memiliki potensi untuk berkembang dalam hal mempromosikan inisiatif ekonomi, komersial, dan industri dari wilayah asalnya [2].
Namun, fungsi utama pelabuhan adalah sebagai lokasi sementara untuk meletakkan tugas dan proyek yang relevan [3]. Dalam KUHD, kata "kapal" mengacu pada saluran masuk udara, .saluran keluar udara, .atau saluran masuk udara.yang terdapat di semua jenis udara, seperti laut, selat, sungai, dan danau [4].
Untuk mendapatkan petunjuk yang jelas, terutama pada tingkat efisiensi dan efektivitas sistem yang bersangkutan, rancangan sistem kerja harus dikembangkan secara ilmiah. Jika sistem yang dimaksud tidak dapat mencapai tingkat produktivitas yang diinginkan, rancangan sistem kerja tidak memiliki artefak yang berarti dan bahkan dapat membahayakan pengguna sistem [5]. Selain itu, diharapkan pelaku usaha lebih memperhatikan kualitas material bongkar muat yang digunakan dalam acara bongkar muat batubara. Selain
itu, alat kerja keselamatan dan kesehatan, seperti yang memungkinkan pekerja untuk menegaskan kembali identitasnya, harus diperbaiki sebagai bagian dari upaya ini. Fasilitas bongkar-muat seperti jalan dan gudang juga harus diperbaiki sebagai bagian dari upaya ini [6]. Peralatan pengangkatan dan pengangkutan pada saat bongkar memindahkan batang padat yang ada atau disediakan sebagai fasilitas utama oleh perusahaan pada umumnya mungkin berbeda tergantung pada jenis terminal yang ditempatinya [7].
Pelayanan kapal dan kinerja memiliki hubungan yang berkelanjutan. Seperti halnya, indikator pelayanan kapal negatif, maka kinerja.terminal peti kemas di JICT.Tanjung Priok juga akan negatif, begitu pula sebaliknya. Jika indikator pelayanan kapal positif maka kinerja terminal peti kemas di JICT Tanjung.Priok juga akan positif. Akibatnya, terdapat bukti bahwa peralatan bongkar.muat dan kinerja memiliki hubungan simbiosis. Jika peralatan bongkar muat naik, .kinerja juga akan naik; sebaliknya jika.peralatan bongkar muat bergilir, kinerja terminal peti kemas di JICT.Tanjung Priok juga akan bergiliran [8].
Ada beberapa alasan pengiriman batubara dari tugboat ke bulk carrier, antara lain: Dermaga digunakan untuk proses bongkar-muat batubara yang akan segera dilakukan oleh Pembangkit Listrik. Saat menggunakan kapal curah untuk mengurangi angkutan batubara, perlu dilakukan pekerjaan pemeliharaan di Dermaga Pembangkit Listrik untuk memastikan kapal tidak beroperasi pada saat udara berada di tempat yang tepat [9]. Kapasitas dorong tongkang kargo melalui desain struktural dan optimalisasi dilakukan pada berbagai tingkat fase desain kapal. Investigasi yang menyeluruh dan penggunaan rincian kapal teratas selama fase konseptualisasi berfungsi sebagai langkah pertama dalam optimalisasi proses [10]. Pelaksanaan pertanggung.jawaban ini harus dilakukan secara.obyektif karena merupakan satu-satunya keputusan bisnis terpenting di era saat ini. Selain itu, pertanggungjawaban berfungsi sebagai alat untuk menentukan kompensasi atau kinerja relatif terhadap manajer pada tingkatan yang lebih rendah. Dengan membandingkan hasil aktual pekerjaan dengan harapan yang telah ditetapkan sebelumnya, kinerja pekerjaan dinilai. Tolak ukur.penilaian prestasi tambahan apa pun akan membantu proses pencapaian tujuan perusahaan dan menginspirasi karyawannya [11].
Penyediaan dan/atau bongkar muat jasa dilakukan oleh BUP (Badan Usaha Pelabuhan), sesuai PP 61 Tahun 2009 Pasal 69 ayat (1) huruf g [12]. Salah satu Pelabuhan yang merupakan Badan Usaha Pelabuhan di Indonesia adalah Pelabuhan Karya Citra Nusantara Marunda, Pelabuhan tersebut dapat melakukan kegiatan bongkar barang curah, di antaranya batu bara, pasir, dan lain – lain. Karena tantangan dalam melakukan proses bongkar muat, termasuk tantangan transportasi, volume kargo di Pelabuhan, Sumber Daya Manusia (SDM), dan penyebab alami, biasanya membutuhkan waktu 2-3 hari dan kadang-kadang bahkan hingga 5 hari di Pelabuhan KCN Marunda. Hal ini dapat menimbulkan kekhawatiran mengenai terjadinya peningkatan volume, yang pasti akan menyebabkan waktu tunggu kapal (waiting time) tanpa peningkatan kualitas yang memadai, infrastruktur yang tetap, dan terjadinya antrian waktu tunggu truk pada bongkar per tongkang. survei yang dilakukan sebelum dan sesudah draft kapal dihitung dengan mengukur perpindahan kapal sebelum dan sesudah pemuatan atau penggunaan [13].
Perbedaan antara kedua perpindahan ini adalah lebih sederhana dan lebih terjangkau untuk menilai berat barang yang dimuat atau dikosongkan dengan menggunakan draft survey untuk menentukan berapa banyak kargo yang ada di tongkang. Begitu juga dengan ketinggian draft tongkang dapat pula mempengaruhi jangkauan excavator ke dump truk yang akan diisi dengan batu bara. Semakin rendah draft tongkang maka jumlah muatan yang berada di dalam tongkang masih terisi banyak begitu pula sebaliknya ketika draft tongkang mulai terangkat maka jumlah muatan berkurang secara perlahan dan waktu bongkar pada excavator menjadi semakin lebih lama.
Untuk mengestimasi jumlah pengguna jasa transportasi di Pelabuhan, metode time series.dan trend analysis dipadukan dengan prediksi yang dilakukan dengan menggunakan model regresi Linier,.Regresi Kuadrat,.Regresi Eksponensial,.dan Regresi Logaritma [14]. Model Regresi Linier Regresi garis berganda termasuk ke dalam model kesemek yang menggambarkan hubungan antara dua atau lebih variabel dasar (X) dan satu variabel sejati. Uji Regresi Berganda bertujuan untuk memberikan prediksi terhadap variabel nilai terikat (Y) jika variabel nilai-nilai tersebut bebas. [15] Fungsi utama SPSS adalah mengumpulkan data dari beberapa variabel sederhana dan kompleks yang kemudian diubah menjadi analisis regresi [16]. Dari hasil output.SPSS tersebut kemudian dilakukan analisis regresi [17]. Salah satunya uji normalitas bertujuan untuk mengetahui apakah variabel.yang digunakan dalam model regresi berdistribusi normal atau tidak [18].
Berkaitan.dengan hal tersebut, maka perlu dilakukan.penelitian untuk mengetahui jumlah partisipasi dan kekuatan tongkang tarik pada masa bongkar batu bara di Pelabuhan KCN Marunda. Untuk memahami berbagai faktor yang mempengaruhi lama waktu siklus pemindahan batubara di Pelabuhan Marunda,
Kumulatif Jumlah Muatan dan Tinggi Draft Tongkang Terhadap Kumulatif Waktu Siklus Batu Bara di Pelabuhan Karya Citra Nusantara Marunda."
2. Metode Penelitian
Studi ini dilakukan di Pelabuhan KCN Marunda, dan informasi yang dikumpulkan berdasarkan wawancara personel operasional dan observasi langsung. Diagram alir yang menggambarkan langkah- langkah umum yang digunakan.dalam penyelidikan ini ditunjukkan pada Gambar 1.
Berikut adalah pembahasan flowchart langkah – langkah penelitian:
1. Studi Lapangan
Sebelum melakukan penelitian terlebih dahulu harus dilakukan studi lapangan, yaitu melakukan pengamatan di tempat yang akan diteliti. Dan berusaha untuk memahami setiap aktivitas yang ada di Pelabuhan KCN Marunda, maka didapatkan beberapa kendala atau permasalahan yang terjadi di Pelabuhan KCN Marunda. Meminta informasi tentang masalah yang akan diteliti.
2. Rumusan Masalah
Pada identifikasi masalah,. melakukan observasi langsung ke lapangan.dan melakukan pengamatan. dan wawancara terhadap beberapa staf operasional dan kepala operasional di Pelabuhan KCN Marunda. Sehingga perumusan masalah, yaitu bagaimana pemodelan pada waktu bongkar batu bara di Pelabuhan Marunda dan apakah kumulatif jumlah muatan dan tinggi draft tongkang berpengaruh pada waktu bongkar batu bara di Pelabuhan Marunda.
3. Tujuan Penelitian
Setelah menentukan perumusan masalah, selanjutnya dapat ditentukan tujuan penelitian, yaitu untuk mengetahui model persamaan mengenai waktu bongkar batu bara di Pelabuhan Marunda dan untuk mengetahui pengaruh kumulatif jumlah muatan dan tinggi draft tongkang terhadap waktu bongkar batu bara di Pelabuhan Marunda.
4. Pengumpulan Data
Dua jenis data yang berbeda, yaitu data primer dan data sekunder,.diperoleh selama proses pengumpulan data. Adapun rincian dari beberapa data tersebut adalah sebagai berikut:
a. Data.Primer.
Data.primer adalah informasi yang telah dikumpulkan langsung dari sumbernya melalui survei, pengukuran langsung, eksperimen, dan wawancara.
informasi kunci yang ditemukan, yaitu:
Tabel 1. Data primer penelitian
Data Primer Metode
Draft Tongkang Pengamatan langsung di Pelabuhan KCN Marunda serta wawancara kepada staff operasional
Waktu Bongkar
b. Data.Sekunder.
Data.sekunder adalah informasi yang telah.dikumpulkan dari sumber lain, seperti buku, surat.kabar/majalah, jurnal, dan penelitian dan publikasi orang lain.
Data sekunder peneliti, khususnya:
Tabel 2. Data.sekunder penelitian
Data.Sekunder Sumber
Nomor Polis Kendaraan Operator Lapangan Jumlah Muatan Per-Truk
Studi L apangan
Rumusan Mas alah
Tujuan P enelitian
Studi P ustaka
Pengum pulan Data
Hasil Analisis Data
Kesim pulan & S aran Pengolahan Data dengan
Analisis Regresi Linier Berganda
Mulai
Selesai
Gambar.1. Flowchart pemecahan masalah
Model Regresi Linier
Model persamaan yang menggambarkan.hubungan antara dua atau lebih variabel.bebas (X) dan satu variabel.terikat juga termasuk regresi linier.berganda. Jika nilai variabel independen (X1, X2,..., Xn) diketahui, tujuan uji regresi berganda adalah untuk membuat prediksi tentang nilai variabel dependen (Y).
Arah hubungan antara variabel dependen (Y) dan variabel independen selanjutnya dapat ditentukan dengan menggunakan.uji regresi linier berganda (X).
Rumus matematika untuk persamaan regresi linier berganda adalah:
𝑌 = 𝑎 + 𝑏1𝑋1 + 𝑏2𝑋2 + ⋯ + 𝑏𝑛𝑋𝑛 Keterangan:
Y. =.variabel terikat ( nilai variabel yang akan diprediksi )
A. =.konstanta
b1,b2,…, .bn =.nilai koefisien regresi X1,X2,…, .Xn =.variabel bebas
Jika ada dua. variabel independen, X1 dan X2, persamaan regresi akan berbentuk sebagai berikut:
𝑌 = 𝑎 + 𝑏1𝑋1 + 𝑏2𝑋2
Situasi di mana koefisien regresi, .b1 dan b2, .memiliki nilai sebagai berikut:
• Nilai.= 0. Pada hal ini variabel Y tidak dipengaruh oleh X1.dan X2..
• Nilainya negatif. Dalam hal ini terjadi hubungan dengan arah terbalik antara variabel.tak bebas Y dengan variabel -.variabel X1 dan X2.
• Nilainya.positif. Dalam hal ini terjadi hubungan yang searah.antara variabel tak bebas Y dengan variabel.bebas X1 dan X.
3. Hasil dan Pembahasan
Uji Pemilihan Model menggunakan Scatter Plot dengan Metode Enter.
Gambar 2. Hasil uji pemilihan model kumulatif cycle time dengan kumulatif jumlah muatan seluruh tongkang
Sumber: Output Software SPSS v.26
Gambar 3. Hasil uji pemilihan model kumulatif cycle time dengan tinggi draft seluruh tongkang
Sumber: Output Software SPSS v.26
Gambar 2 dan 3 merupakan hasil uji pemilihan model menggunakan scatter plot. Terdapat lima model yang diuji pada data penelitian, yaitu model linier, .model logaritma, .model kuadratik, model kubik, dan model eksponensial. Dari kelima model tersebut ditunjukkan dari scatter plot bahwa model linier lebih cocok digunakan dalam memodelkan data penelitian ini karena plot – plot yang tergambar membentuk tren linier.
Model Summary dan Estimasi Parameter untuk Uji Pemilihan Model
Model ringkasan dan estimasi parameter kandidat model penelitian digunakan memilih Tabel 3.
Tabel 3. Hasil uji pemilihan model seluruh tongkang Model Summary.and Parameter Estimates.
Dependent Variable.: kumulatif_cycle Equation.
Model Summary Parameter Estimates.
R Square F. df1. df2. Sig. . Constant b1. b2. b3.
Linear .998 127970.966 1 245 .000 -790.241 16.192 Logarithmic .794 942.823 1 245 .000 -221642.468 35834.212
Quadratic .999 101174.461 2 244 .000 -3110.601 17.870 .000
Cubic .999 67175.292 3 243 .000 -3090.426 17.841 .000 -7.088E-
10 Exponential .751 739.530 1 245 .000 9468.987 .000
The independent variable is kumulatif_jumlah.
Sumber : Output Software SPSS v.26
Nilai R-Square dari lima opsi model yang ditunjukkan pada tabel di atas sangat mirip satu sama lain.
Karena model linear lebih sederhana daripada model lain namun memiliki nilai r-square yang hampir sama, ini adalah model optimal untuk penyelidikan ini.
Uji Kebaikan Model Regresi Linier Berganda
Hasil uji Goodness of Fit model regresi linier.berganda ditunjukkan pada Tabel 4.
Tabel 4. Hasil.Uji Kebaikan Model Regresi Linier .Berganda Seluruh Tongkang Model Summaryb.
Model. R. R Square. Adjusted R Square.
Std. Error of the Estimate.
1 .999a .998 .998 1690.821
a. Predictors: . (Constant), tinggi_draft, kumulatif_jumlah b. Dependent Variable: kumulatif_cycle
Sumber: Output Software SPSS v.26
Nilai R-Square.sebesar 0,998 atau 99,8% dapat dilihat pada tabel. Hal ini.menunjukkan bahwa variabel bebas dalam model yaitu jumlah total muatan dan tinggi sarat kapal tongkang dapat menjelaskan keragaman variabel terikat hingga derajat 0,998, sedangkan variabel.bebas lain yang tidak. termasuk dalam model.penelitian dapat menjelaskan sisa 0,002.
Uji Simultan (Uji F) .
Hasil pengujian.simultan dengan menggunakan uji .F ditampilkan pada Tabel 5. Terlihat dari tabel bahwa nilai P untuk uji F adalah 0,000 (di bawah taraf signifikansi alfa 0,05), menunjukkan bahwa jumlah muatan kumulatif dan tinggi draft tongkang keduanya berdampak pada waktu pembongkaran secara bersamaan. Uji. F juga dapat dilakukan dengan mengkontraskan F hitung dengan F.tabel seperti gambar di bawah ini:
Ftabel = F (k;n-k)
= F (2;249-2)
= F (2;247)
= 9.552094496
Hipotesis diterima karena F hitung (63904,476) > F tabel (9,552094496).
Tabel 5. Hasil Uji Simultan (Uji F) menggunakan Enter Seluruh Tongkang ANOVAa
Model. Sum of Squares. df. Mean Square. F. Sig.
1 Regression 365389886796.071 2 182694943398.035 63904.476 .000b Residual 697565629.654 244 2858875.531
Total 366087452425.724 246 a. Dependent Variable: kumulatif_cycle
b. Predictors: (Constant), tinggi_draft, kumulatif_jumlah
Sumber: Output Software SPSS v.26 Uji Parsial (Uji.T)
Hasil.uji T uji parsial ditampilkan pada Tabel 6.
Tabel 6. Hasil Uji Parsial (Uji T) menggunakan Metode Enter Seluruh Tongkang Coefficientsa.
Model.
Unstandardized Coefficients.
Standardized Coefficients.
t Sig.
Collinearity Statistics.
B Std. Error Beta Tolerance VIF
1 (Constant) . -152.076 798.855 -.190 .849
kumulatif_jumlah 16.157 .062 .997 259.998 .000 .531 1.882
tinggi_draft -148.304 178.731 -.003 -.830 .407 .531 1.882
a. Dependent Variable: kumulatif_cycle
Sumber : Output Software SPSS v.26
Berdasarkan Tabel 6 tersebut, jumlah muatan berkorelasi signifikan dengan waktu bongkar muat dan memiliki nilai koefisien beta sebesar 0,000 (. lebih rendah dari alpha sebesar 0,05.) untuk variabel jumlah muatan.
T.tabel = .(⍺/2;n-k-1)
= .(0.05/2;249-2-1)
= .0.025;247
= 1.969614755
Hipotesis dapat dikatakan diterima karena T hitung muatan total (259,998) T tabel (2,0075854).
Teori ini dibantah jika T menghitung tinggi draft tongkang menjadi (-0.830) lebih kecil dari T tabel menjadi (2.0075854).
Model regresi linier berganda juga menjalani uji asumsi konvensional. Normalitas, homoskedastisitas, dan non-multikolinearitas merupakan persyaratan untuk menggunakan model regresi linier berganda.
Uji Normalitas menggunakan Histogram
Gambar 4. Hasil uji normalitas menggunakan histogram seluruh tongkang Sumber: Output Software SPSS v.26
Gambar 4 menunjukkan hasil uji normalitas menggunakan Histogram. Data dapat disebut normal apabila histogram berbentuk kurva normal. Dari histogram tersebut dapat dilihat bahwa data menyebar mengikuti distribusi normal, sehingga asumsi normalitas menggunakan histogram terpenuhi.
Uji Homoskedastisitas menggunakan Scatter Plot
Gambar 5 menunjukkan uji homoskedastisitas menggunakan scatter plot. Data dinyatakan lolos uji homoskedastisitas apabila plot – plot tersebar merata di bawah dan di atas garis nol serta tidak memiliki pola atau tren. Grafik tersebut menunjukkan bahwa tidak ada pola atau tren dalam plot, dan bahwa plot tersebut terdistribusi secara merata di.atas dan.di.bawah garis nol, mendukung pernyataan bahwa data penelitian bersifat homoskedastik.
Gambar 5. Hasil uji homoskedastisitas menggunakan scatter plot seluruh tongkang Sumber: Output Software SPSS v.26
Uji Non Multikolinieritas menggunakan VIF
Hasil uji non multikolinearitas ditunjukkan.pada Tabel 7.
Tabel 7. Hasil uji non.multikolinieritas menggunakan vif seluruh tongkang Coefficientsa
Model.
Unstandardized Coefficients.
Standardized Coefficients.
t. Sig.
Collinearity Statistics.
B Std. Error Beta Tolerance VIF
1 (Constant) . -152.076 798.855 -.190 .849
kumulatif_jumlah 16.157 .062 .997 259.998 .000 .531 1.882
tinggi_draft -148.304 178.731 -.003 -.830 .407 .531 1.882
a. Dependent Variable: kumulatif_cycle
Sumber : Output Software SPSS v.26
Data penelitian bebas dari permasalahan multikolinearitas yang ditunjukkan dengan nilai VIF pada tabel masing-masing variabel bebas yaitu 1,882 dan 1,882 (di bawah batas multikolinearitas 5) .
Uji Regresi.Linier Berganda menggunakan Metode Stepwise
Tabel 8. Hasil.uji regresi linier berganda menggunakan metode.stepwise seluruh tongkang Variables Entered/Removeda
Model. Variables Entered. Variables Removed. Method.
1 Kumulatif_jumlah . Stepwise (Criteria:
Probability-of-F-to-enter
<= .050, Probability-of- F-to-remove >= .100).
a. Dependent Variable: Kumulatif_cycle
Sumber: Output Software SPSS v.26
Jumlah kargo kumulatif adalah satu-satunya variabel konstan yang diperoleh setelah memproses banyak uji regresi linier menggunakan teknik bertahap untuk semua tongkang. Hasil ini ditunjukkan pada Tabel 8 Faktor-faktor lain, bagaimanapun, tidak diperhitungkan karena mereka bukan variabel konstan.
Uji Simultan. (Uji F)
Hasil pengujian.simultan dengan menggunakan uji.F ditampilkan pada Tabel 9.
Tabel 9. Hasil Uji.Simultan (Uji F) menggunakan Metode Stepwise Seluruh Tongkang ANOVAa.
Model. Sum of Squares. df Mean Square. F Sig.
1 Regression 365387918436.444 1 365387918436.444 127970.966 .000b Residual 699533989.280 245 2855240.773
Total 366087452425.724 246 a. Dependent Variable: Kumulatif_cycle
b. Predictors: (Constant), Kumulatif_jumlah
Sumber: Output Software SPSS v.26
Kumulatif jumlah muatan dan ketinggian draft tongkang keduanya mempengaruhi waktu bongkar muat secara bersamaan, karena nilai P tabel untuk uji F adalah 0,000 (di bawah tingkat signifikansi alfa 0,05). Uji F.juga dapat dilakukan dengan mengkontraskan F.hitung dengan F.tabel seperti gambar di bawah ini:
Ftabel = F (k;n-k)
= F (2;249-2)
= F (2;247)
= 9.552094496
Hipotesis diterima karena F hitung (127970,966) > F tabel (9,552094496).
Uji Parsial (Uji T).
Hasil.uji T uji parsial ditampilkan pada Tabel 10.
Tabel 10. Hasil Uji Parsial (Uji.T) menggunakan Metode Stepwise Seluruh Tongkang Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -790.241 215.893 -3.660 .000
Kumulatif_jumlah 16.192 .045 .999 357.730 .000 1.000 1.000 a. Dependent Variable: Kumulatif_cycle
Sumber : Output Software SPSS v.26
Tabel 10 tersebut menunjukkan bahwa koefisien beta dengan.P-value 0,000. (lebih rendah dari alpha 0,05) untuk variabel jumlah muatan menunjukkan bahwa jumlah muatan berhubungan dan penting dengan waktu bongkar muat.
T.tabel =. (⍺/2;n-k-1)
=. (0.05/2;249-2-1)
= .0.025;247
= 1.969614755
Hipotesis ini didukung karena T hitung jumlah muatan keseluruhan (357,730) T tabel (1,969614755).
4. Kesimpulan
Pada seluruh tongkang variabel yang berpengaruh yaitu kumulatif jumlah muatan. Hal ini memberikan.arti bahwa jumlah muatan dengan.waktu bongkar mempunyai.hubungan searah, jika jumlah muatan bertambah maka waktu bongkar akan semakin lama dan sebaliknya jika jumlah muatan berkurang maka waktu bongkar akan lebih singkat. Model persamaan regresi linier berganda dibuat untuk waktu bongkar muat batubara dengan menggunakan metode enter, Y = - 152.076 + 16.157X1 - 148.304X2.
Berdasarkan temuan analisis asumsi tradisional dan hipotesis yang dilakukan sebagai prasyarat untuk membuat model persamaan yang baik. Dengan waktu bongkar per tongkang ketika jumlah muatan berkurang per tonase maka waktu siklus bongkar akan lebih singkat 152.076 menit. Jika jumlah muatan meningkat 16.157 tonase, maka waktu siklus bongkar yang dibutuhkan akan semakin lama.
5. Referensi
[1] D. A. Lasse, Manajemen Bisnis Transportasi Laut, Jakarta: PT. Rajagrafindo Persada, 2017.
[2] H. Gunawan, Pengantar Transportasi dan Logistik, Jakarta: Rajawali Press, 2014.
[3] W. A. Nugraha, U. Budiarto and W. Amiruddin, “Analisa Waktu Bongkar Muat Kapal Peti Kemas Pada Terminal III Tanjung Priok Jakarta,” Jurnal Teknik Perkapalan, vol. 3, p. 4, 2015.
[4] S. Manajemen Pemasaran Jasa Perusahaan Pelayaran, Semarang: Universitas Diponegoro, 2011.
[5] Y. N. Yekti, Analisis Dan Pengukuran Kerja, Yogyakarta: Deepublish, 2016.
[6] F. Anggraeni and I. , “Faktor-Faktor yang Mempengaruhi Produktivitas Bongkar Muat Batubara pada Pelabuhan Tanjung Intan Cilacap,” Akademi Maritim Nusantara Cilacap, vol. 2, p. 1, 2009.
[7] P. U. Tractor, Manajemen alat-alat, Palembang: Universitas Bina Darma, 2021.
[8] A. and J. M. Logahan, “Pengaruh Pelayanan Kapal, Peralatan Bongkar Muat dan Operator Bongkar Muat Terhadap Kinerja Terminal Peti Kemas DI JICT Tanjung Priok,” Jurnal Manajemen Dan Bisnis Asmi, vol. 2, p. 1, 2016.
[9] P. Triharyono, “Feasibility Study of Replacing Barge With Bulk Carrier as Coal Transportation of Power Plant,” (Doctoral dissertation, Institut Teknologi Sepuluh Nopember). 2018.
[10] V. and E. Obidike, “Development of a pushed barge with optimum performance on shallow draughts,” Master Thesis University Rostock, 2021.
[11] D. and Y. Ardiany, ““Pengaruh Penerapan Akuntansi Pertanggungjawaban Terhadap Prestasi Kerja Manajemen Pada PT.P&P Lembah Karet Padang,” Journal of Social and Economics Research, vol.
1, p. 1, 2019.
[12] Peraturan Pemerintah Republik Indonesia tentang Kepelabuhan Nomor 61 Tahun 2009. 2009.
[13] J. Dibble and P. Mitchell, Draught Surveys a Guide to Good Practice Second edition, United Kingdom: North of England P&I Association Limited, 2009.
[14] T. M. Fachrurrazi and N. Budiartha, “Analisis Kinerja Dermaga Terhadap Pertumbuhan Pengguna Jasa Transportasi Laut Di Pelabuhan Padangbai-Bali,” Jurnal Ilmu Teknik Sipil, vol. 17, p. 2, 2013.
[15] B. P. Jati, “Pengaruh Penerapan Standar Akuntasi Pemerintahan Berbasis Akrual Terhadap Kualitas Laporan Keuangan Pemerintah Daerah,” Wahana: Jurnal Ekonomi, Manajemen dan Akuntansi, 22(1), 1-14. vol. 22, p. 1, 2019.
[16] R. Kurniawan and B. Yuniarto, Analisis Regresi dasar dan penerapannya, Jakarta: Kencana, 2016.
[17] W. T. Bhirawa, “Proses Pengolahan Data Dari Model Persamaan Regresi Dengan Menggunakan Statistical Product and Service Solution (SPSS),” Statsitika, vol. 7, p. 1, 2020.
[18] I. Ghozhali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 25, Semarang, 2016.
