BAB 2 LANDASAN TEORI

commit to user 4

BAB 2

LANDASAN TEORI

2.1 Tinjauan Pustaka

Transportasi adalah sarana bagi manusia untuk memindahkan sesuatu, baik manusia atau benda dari satu tempat ke tempat lain, dengan ataupun tanpa mempergunakan alat bantu. Alat bantu tersebut dapat berupa tenaga manusia, binatang, alam ataupun benda lain dengan mempergunakan mesin ataupun tidak bermesin.

Kebutuhan transportasi yang meningkat menimbulkan berbagai masalah transportasi. Salah satunya berkaitan dengan jumlah pergerakan suatu zona.

Perencanaan dan pemodelan transportasi adalah cara yang cocok untuk mengatasi permasalahan transportasi baik pada saat ini maupun masa mendatang sehingga banyak penelitian yang dilakukan untuk mempelajari pergerakan untuk semua jenis tata guna lahan.

Peneliti sebelumnya telah melakukan penelitian antara lain:

1. Achmadi (2001), Analisis tarikan perjalanan pasar swalayan di wilayah Surakarta. Tujuan penelitian adalah untuk mengetahui bentuk model tarikan pergerakan dan mengetahui aspek ekonomi yang mempengaruhi tarikan pergerakan. Penelitian tersebut menghasilkan model Y = 3,743 + 0,164 X. Y merupakan tarikan rata-rata orang dan X merupakan total luas komersiil sedangkan aspek ekonomi yang mempengaruhi tarikan perjalanan adalah pendapatan, jumlah kendaraan bermotor, dan jarak yang harus ditempuh.

2. Arifa’i (2007), Model tarikan pergerakan kendaraan pada rumah sakit di Surakarta studi kasus Rumah Sakit Dr. Moewardi, Rumah Sakit Dr. Oen, Rumah Sakit Kasih Ibu, dan Rumah Sakit Slamet Riyadi. Tujuan penelitian adalah untuk mengetahui bentuk model tarikan pergerakan. Penelitiannya menghasilkan model Y = 6,974 + 0,548 X1. Dimana variabel terikat (Y)

commit to user

adalah tarikan pergerakan kendaraan dan variabel bebas yang digunakan adalah jumlah tempat tidur (X1).

3. Dwijayani (2009), Analisis pemodelan tarikan pergerakan department store (studi kasus di wilayah Surakarta). Tujuan penelitian adalah untuk mengetahui faktor yang mempengaruhi tarikan pergerakan dan bentuk model tarikan pergerakan. Penelitian tersebut menghasilkan beberapa faktor yang mempengaruhi tarikan, yaitu: jumlah karyawan, total luas lahan, luas lantai dasar bangunan, total luas bangunan, total luas lantai komersiil, dan total luas area parkir. Faktor yang paling berpengaruh adalah total luas bangunan.

Model yang dihasilkan Y = 82,224 + 0,008 X4. Variabel terikat (Y) adalah tarikan pergerakan kendaraan dan variabel bebas yang digunakan berupa jumlah karyawan (X1).

4. Halomoan (2009), Pemodelan tarikan pergerakan pada profil hotel berbintang di daerah Surakarta. Tujuan penelitian adalah untuk mengetahui faktor yang mempengaruhi tarikan pergerakan dan bentuk model tarikan pergerakan.

Penelitian tersebut menghasilkan faktor yang mempengaruhi tarikan pergerakan, antara lain: luas lahan, luas bangunan, luas parkir, total jumlah kamar yang tersedia, luas maksimum ruang rapat, dan jumlah ruang rapat.

Model yang dihasilkan Y = 35,904 + 0,019 X5. Variabel terikat (Y) adalah tarikan pergerakan kendaraan ke hotel dan X5 adalah luas maksimum ruang rapat.

5. Abiola dan Ayodeji (2012), Travel Demand For A Typical Nigeria University membahas mengenai pengembangan model permintaan perjalanan untuk Universitas Nigeria dengan studi kasus Universitas Federal Pertanian Abeokuta berdasarkan model logit multinomial (MNL) untuk jumlah perjalanan dan pemilihan moda perjalanan ke kampus. Jurnal ini menjelaskan bahwa hasil dari penelitian menunjukkan bahwa 52% siswa melakukan perjalanan sekali sehari dan sekitar 40% siswa melakukan dua perjalanan sehari. Selain itu 54% siswa tinggal sangat dekat dengan kampus yang sebanding dengan 52,6% siswa universitas Dakota Utara yang tinggal pada jarak 3,2 km dari kampus. Variabel yang signifikan untuk jumlah pejalanan adalah biaya, lokasi, pendapatan dan banyaknya perjalanan berhenti.

Sedangkan untuk pemilihan moda, variabel yang signifikan adalah lokasi, waktu tunggu di halte dan biaya yang dikeluarkan.

6. Uddin, Hasan, dkk (2012), A Comprehensive Study on Trip Attraction rates of Shopping Center in Dhanmondi Area. membahas mengenai analisis yang digunakan untuk memperkirakan tingkat daya tarik perjalanan pusat perbelanjaan di Mirpur Road, Dhanmondi daerah Dhaka. Dijelaskan bahwa hal-hal yang menjadi daya tarik perjalanan pusat perbelanjaan adalah berdasar dari ciri-ciri fisik pusat perbelanjaan tersebut seperti: Total ruang parkir, luas lantai kotor, dan jumlah toko.

Berdasarkan penelitian-penelitian tersebut membuktikan bahwa yang mempengaruhi tarikan atau bangkitan pergerakan adalah tata guna lahan. Tata guna lahan yang berbeda akan menghasilkan hubungan variabel-variabel bebas yang berbeda pula.

Penelitian dalam skripsi ini membahas model tarikan pergerakan yang terjadi pada hotel bintang tiga ke bawah. Variabel bebas yang digunakan adalah luas lahan, luas bangunan, luas parkir, dan jumlah kamar yang tersedia, sedangkan variabel terikatnya adalah jumlah tarikan perjalanan yang menggunakan moda tertentu seperti mobil, sepeda motor, taksi dan bus. Dalam menganalisis model tarikan perjalanan tersebut digunakan analisis regresi linier berganda untuk mengkaji hubungan antara variabel bebas dengan variabel terikat dengan harapan hasil dari analisis tersebut dapat digunakan sebagai pertimbangan dalam meramal jumlah tarikan pergerakan di masa mendatang.

2.2 Dasar Teori

2.2.1 Konsep Perencanaan Transportasi

Perencanaan transportasi dapat didefinisikan sebagai suatu proses yang tujuannya mengembangkan sistem transportasi yang memungkinkan manusia dan barang bergerak atau berpindah tempat dengan aman dan murah.

commit to user

Ciri dasar perencanaan transportasi (Tamin, 1997) adalah multimoda, multidisplin, multisektoral, dan multimasalah.

Menurut Tamin (1997), konsep perencanaan transportasi yang paling populer adalah model perencanaan transportasi empat tahap (four stages transport model), yang terdiri dari:

1. Bangkitan dan tarikan pergerakan (trip generation)

Bangkitan dan tarikan pergerakan adalah tahapan pemodelan yang memperkirakan jumlah pergerakan yang berasal dari suatu zona dan jumlah pergerakan yang tertarik ke suatu zona. Pergerakan lalu lintas merupakan fungsi tata guna lahan yang menghasilkan pergerakan lalu lintas. Bangkitan lalu lintas ini mencakup lalu lintas yang meninggalkan suatu lokasi (trip production) dan lalu lintas yang menuju ke suatu lokasi (trip attraction).

Gambar 2.1 . Bangkitan dan Tarikan Pergerakan

Hasil keluaran dari perhitungan bangkitan dan tarikan lalulintas berupa jumlah kendaraan, orang, atau angkutan barang per satuan waktu, misalnya kendaraan/jam. Kita dapat dengan mudah menghitung jumlah orang atau kendaraan yang masuk atau keluar dari suatu luas tanah tertentu dalam satu hari (atau satu jam) untuk mendapatkan bangkitan dan tarikan pergerakan. Bangkitan dan tarikan lalulintas tersebut tergantung pada dua aspek tata guna lahan, yaitu jenis tataguna lahan dan jumlah aktifitas pada tata guna lahan tersebut.

2. Distribusi pergerakan lalu lintas (trip distribution)

Adalah tahapan pemodelan yang memperkirakan sebaran pergerakan yang meninggalkan suatu zona atau yang menuju suatu zona.

Pergerakan yang menuju zona j Pergerakan yang

berasal dari zona i

3. Pemilihan moda (modal choice/modal split)

Adalah tahapan yang bertujuan untuk mengetahui proporsi pengalokasian perjalanan ke berbagai moda transportasi.

4. Pembebanan lalu lintas (trip assignment)

Adalah suatu proses dimana permintaan perjalanan dibebankan ke jaringan jalan.

Tujuan trip assignment adalah untuk mendapatkan arus di ruas jalan dan/atau total perjalanan di dalam jaringan yang ditinjau.

2.2.2 Tujuan Perencanaan Transportasi

Perencanaan transportasi merupakan proses yang berfungsi memberikan masukan dalam pengambilan keputusan mengenai program dan kebijakan transportasi.

Tujuan perencanaan transportasi adalah untuk menyediakan informasi yang dibutuhkan dalam mengambil keputusan mengenai pengembangan sistem transportasi agar hasil keputusan yang diambil akan berjalan sesuai dengan tujuan yang diharapkan (Khisty dan Lall, 1990).

2.2.3 Analisis Regresi

Analisis regresi berfungsi untuk menghasilkan hubungan antara dua variabel atau lebih dalam bentuk numerik. Analisis regresi memberi dasar untuk mengadakan prediksi suatu variabel dari informasi yang diperoleh variabel lainnya. Suatu variabel yang diramalkan dan variabel yang digunakan untuk meramalkan terdapat korelasi signifikan.

2.2.3.1 Analisis Regresi Linier Sederhana

Analisis regresi linier adalah metode statistik yang dapat digunakan untuk mempelajari bagaimana suatu variabel tidak bebas dihubungkan dengan satu atau lebih variabel bebas.

𝑌 = 𝐴 + 𝐵𝑋 ... (2.3) (sumber: Sulaiman, 2004)

commit to user Keterangan, Y : Variabel tidak bebas

A : Konstanta regresi B : Koefisien regresi X : Variabel bebas

2.2.3.2 Analisis Regresi Linier Berganda

Analisis regresi linier berganda merupakan pengembangan lanjut dari analisis regresi linier, secara khusus pada kasus yang memiliki banyaknya variabel bebas.

Hal ini sangat diperlukan dalam realita yang menunjukkan bahwa beberapa peubah tata guna lahan secara simultan mempengaruhi bangkitan pergerakan.

𝑌 = 𝐴 + 𝐵₁𝑋₁+ 𝐵₂𝑋₂+ ⋯ + 𝐵_𝑛𝑋_𝑛 ... (2.4) (sumber: Sulaiman, 2004)

Keterangan, Y : Variabel tidak bebas A : Konstanta regresi

B1, …, Bn : Koefisien regresi

Terdapat beberapa asumsi yang harus diperhatikan dalam menggunakan analisis regresi linier berganda:

a. Nilai variabel, khususnya variabel bebas mempunyai nilai tertentu atau merupakan nilai yang didapat dari hasil survei tanpa kesalahan yang berarti.

b. Variabel tidak bebas (Y) harus mempunyai hubungan korelasi linier dengan variabel bebas (X). jika hubungan tersebut tidak linier, transformasi linier harus dilakukan meskipun batasan ini akan mempunyai implikasi lain dalam analisis residual.

c. Pengaruh variabel bebas pada variabel tidak bebas merupakan penjumlahan dan harus tidak ada korelasi yang kuat antara sesama variabel bebas.

d. Variansi variabel tidak bebas terhadap garis regresi harus sama untuk semua nilai variabel bebas.

e. Nilai variabel bebas sebaiknya merupakan besaran yang relatif mudah diproyeksikan.

2.2.4 Analisis Korelasi

Analisis korelasi berfungsi untuk mengetahui kuat lemahnya tingkat hubungan linier antar variabel. Suatu variabel dapat diramalkan dari variabel lainnya apabila terdapat korelasi yang signifikan.

2.2.4.1 Koefisien Determinasi

Koefisien determinasi (R²) didefinisikan sebagai perbandingan antara variasi terdefinisi dengan variasi total. Menurut Hadi (1995), rumus untuk Koefisien determinasi (R²):

𝑅

²

=

^{(𝑌 𝑖−𝑌 𝑖)} _{(𝑌𝑖−𝑌 𝑖)2}² ... (2.1)

Koefisien ini mempunyai batas limit sama dengan satu dan nol. Nilai antara kedua batas limit ini ditafsirkan sebagai prosentase total variasi yang dijelaskan oleh analisis regresi linier.

2.2.4.2 Koefisien Korelasi

Koefisien korelasi digunakan untuk menentukan korelasi antara peubah tidak bebas dengan peubah bebas atau antara sesama peubah bebas. Rumus yang digunakan adalah (Hadi, 1995):

𝑟 =

𝑁 (𝑋𝑖𝑌𝑖 )− 𝑋𝑖 _{𝑖 𝑖} 𝑌𝑖 _𝑖

𝑁 (𝑋𝑖_𝑖 ²)− 𝑋𝑖 _𝑖 ² 𝑁 (𝑌𝑖_𝑖 ²)−( (𝑌𝑖))_𝑖 ²

... (2.2)

Jika nilai r = 1, berarti bahwa korelasi antara peubah y dan x adalah positif (meningkatnya nilai x akan mengakibatkan meningkatnya nilai y).

Jika nilai r = -1, berarti bahwa korelasi antar peubah y dan x adalah negatif (meningkatnya nilai x akan mengkibatkan menurunnya nilai y).

Jika nilai r = 0, berarti tidak ada korelasi antar peubah.

commit to user

Besar atau kecilnya korelasi dapat diketahui berdasarkan ketentuan:

a. 0 s.d 0,199 menunjukkan adanya tingkat hubungan yang sangat rendah b. 0,20 s.d. 0,399 menunjukkan adanya tingkat hubungan yang rendah c. 0,40 s.d. 0,599 menunjukkan tingkat hubungan yang sedang

d. 0,60 s.d 0.799 menunjukkan tingkat hubungan yang kuat e. 0,80 s.d 1 menunjukkan tingkat hubungan yang sangat kuat

2.2.5 Uji Signifikansi

Secara umum uji signifikansi dapat dikatakan sebagai uji hipotesis terhadap koefisien regresi secara individu masing-masing variabel bebas. Uji ini digunakan untuk melihat signifikansi pengaruh variabel independen secara individu terhadap variabel dependen dengan menganggap variabel lain bersifat konstan.

Uji signifikansi sering disebut juga sebagai uji parsiil. Uji parsiil ini menggunakan statistik uji-t dengan rumus:

𝑡 =

^𝑏−𝛽

𝑆𝑏

...

(2.5) (sumber: Sulaiman, 2004)

Keterangan, Sb : Standar error koefisien korelasi.

b : Koefisien regresi yang didapatkan.

β : Slope garis regresi sebenarnya.

Hipotesis yang digunakan:

a. H0 : β = 0, artinya koefisien regresi tidak signifikan.

b. H1 : β ≠ 0, artinya koefisien regresi signifikan.

Dasar pengambilan keputusan:

a. Membandingkan statistik hitung dengan statistik tabel, dengan tingkat signifikansi 1% atau 4% dan derajat kebebasan n-2, dimana n merupakan jumlah yang dilibatkan.

Jika statistik t hitung < t tabel, maka H0 diterima, yaitu menerima anggapan bahwa koefisien regresi tidak signifikan.

Jika statistik t hitung > t tabel, maka H0 ditolak, yaitu menolak anggapan bahwa koefisien regresi tidak signifikan.

b. Berdasarkan probabilitas.

Jika probabilitas > 0.05, maka H0 diterima.

Jika probabilitas < 0.05, maka H0 ditolak.

2.2.6 Analisis Variansi

Analisis variansi terhadap garis regresi perlu dilakukan untuk menguji signifikansi garis regresi tersebut. Berdasarkan analisis regresi, akan didapatkan bilangan F regresi yg diperoleh dari rumus:

𝐹

_𝑟𝑒𝑔

=

^{𝑅𝐾𝑟𝑒𝑔}

𝑅𝐾_𝑟𝑒𝑠 ... (2.6) (sumber: Hadi, 1995)

Keterangan, Freg : Harga bilangan F untuk garis regresi RKreg : Rerata kuadrat garis regresi

RKres : Rerata kuadrat residu

Bilangan F regresi diperoleh dengan membandingkan RK regresi dengan RK residu. Semakin besar harga RK residu, maka akan semakin kecil harga F regresinya. Jika harga F regresi sangat kecil dan tidak signifikan, maka garis regresinya tidak akan memberikan landasan untuk memprediksi secara efisien.

Analisis variansi garis regresi dapat dilakukan dengan metode skor deviasi, seperti yang disajikan dalam tabel 2.1 berikut.

commit to user

Tabel 2.1 Analisis Variansi dengan Metode Skor Deviasi Sumber

Variasi Db JK RK Freg

Regresi (reg) 1 𝑥𝑦 ² 𝑥²

𝐽𝐾_𝑟𝑒𝑔

𝑑𝑏_𝑟𝑒𝑔 𝑅𝐾_𝑟𝑒𝑔 𝑅𝐾_𝑟𝑒𝑠 Residu (res) N-2 𝑦²− 𝑥𝑦 ²

𝑥²

𝐽𝐾_𝑟𝑒𝑠 𝑑𝑏_𝑟𝑒𝑠

Total N-1 𝑦² - -

Sumber: Hadi, 1995

Dimana, 𝑥𝑦 = 𝑋𝑌 − ^{𝑋 𝑌} _𝑁 ... (2.7)

𝑥² = 𝑋²− ^𝑋 _𝑁 ² ... (2.8)

𝑦² = 𝑌²− ^𝑌 _𝑁 ² ... (2.9)

Persamaan garis regresi hasil hitungan diuji apakah signifikan atau tidak. Apabila hasil pengujian signifikan berarti persamaan regresi tersebut dapat dipakai sebagai hasil kesimpulan, tetapi jika pengujian tidak signifikan berarti persamaan regresi tersebut tidak bisa dipakai sebagai kesimpulan dan harus dicari persamaan garis regresi non liniernya.

Rumus F yang paling efisien untuk analisis variasi pada regresi linier berganda dengan dua variabel X apabila koefisien korelasinya sudah dihitung sebelumnya adalah:

𝐹

_𝑟𝑒𝑔

=

^{𝑅2 𝑁−𝑚−1}

𝑚 1−𝑅² ... (2.10) (sumber: Hadi, 1995)

Keterangan, Freg : Harga F garis regresi N : Banyak data

m : Banyak predictor

R : Koefisien korelasi antara Y, X1, dan X2

Rumus F regresi diperoleh dari proses analisis variansi garis regresi yang dirangkum pada tabel 2.2 berikut:

Tabel 2.2 Analisis Variansi untuk Regresi Berganda

Sumber Variasi db JK RK

Regresi (reg) m 𝑅² 𝑦² 𝑅² 𝑦²

𝑚 Residu (res) N-m-1 1 − 𝑅² 𝑦² 1 − 𝑅² 𝑦²

𝑁 − 𝑚 − 1

Total N-1 𝑦² -

Sumber: Hadi, 1995

Uji presisi garis regresi dilakukan dengan membandingkan nilai F regresi hasil hitungan dengan F regresi tabel. Pada pengujian ini digunakan taraf signifikansi 5 %. Apabila F regresi hasil hitungan > F regresi tabel, berarti persamaan garis regresi tersebut tidak dapat dipakai sebagai kesimpulan dan harus dicari persamaan non liniernya. Pengujian nilai F berdasarkan probabilitas yaitu apabila probabilitas hitung kurang dari 5%, berarti koefisien regresi secara simultan signifikan terhadap Y, sedangkan bila probabilitasnya lebih dari 5%, maka koefisien regresi secara simultan tidak signifikan terhadap Y.

2.2.7 Pengujian Model

Meskipun model telah diperoleh, model masih perlu diuji untuk memenuhi kriteria BLUE (Best Linier Unbiased Estimator). Adapun persyaratannya (Sulaiman, 2004) adalah:

a. Linieritas

Untuk menguji linieritas hubungan dua variabel, pertama-tama kita harus membuat diagram pencarnya antara dua variabel tersebut. Dengan begitu kita bisa melihat apakah titik-titik data tersebut membentuk pola linier atau tidak.

commit to user b. Homoskedasitas (Kesamaan varians)

Uji homoskedasitas bertujuan menguji apakah dalam sebuah model regresi terjadi kesamaan varian residual dari satu pengamatan ke pengamatan lain, apabila varian dalam model tersebut tidak sama dapat dikatakan heteroskedasitas.

Pengujian yang dilakukan adalah dengan uji Park. Park menyarankan penggunaan ei2

sebagai pendekatan σ² dan melakukan regresi sebagai berikut.

ln 𝑒_𝑖² = ln 𝜎²+ 𝛽 ln 𝑋_𝑖 + 𝑣_𝑖 ... (2.11) ln 𝑒_𝑖² = α +𝛽 ln 𝑋_𝑖+ 𝑣_𝑖 ... (2.12)

Dengan, vi : unsur gangguan yang stokastik.

Jika β ternyata signifikan secara statistik, maka dikatakan bahwa dalam data tersebut terjadi heteroskedasitas dan apabila tidak signifikan, maka dikatakan data tersebut terjadi homoskedasitas.

c. Multikolinearitas

Multikolinearitas berarti ada hubungan linier yang sempurna diantara beberapa atau semua variabel bebas dari model regresi. Multikolineraitas dapat dideteksi dari nilai R² yang tinggi tapi tidak satu pun atau sangat sedikit koefisien yang signifikan secara statistik.

d. Normalitas

Uji normalitas adalah uji untuk mengukur apakah data terdistribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial).

Salah satu cara mengecek normalitas adalah dengan plot probabilitas normal.

Melalui plot ini, masing-masing nilai pengamatan dipasangkan dengan nilai harapan dari distribusi normal dan apabila titik-titik terkumpul di sekitar garis lurus.