KOTA BANDUNG DENGAN TEKNIK STATED PREFERENCE Ir. Titi Kurniati, MT Ir. Ade Sjafruddin, M.Sc, Ph.D Ir. Pamudji Widodo, M.Sc Mahasiswa Rekayasa Transportasi ITB Staf Pengajar/Peneliti Staf Pengajar/Peneliti
Staf Pengajar Jurusan Sipil Sub Jurusan Rekayasa Transportasi Sub Jurusan Rekayasa Transportasi Universitas Andalas - Padang Jurusan Teknik Sipil - ITB Jurusan Teknik Sipil - ITB Jl. Purus V/96 Jl. Ganesha no. 10 Bandung -40132 Jl. Ganesha no. 10 Bandung -40132 Padang - 25116 Telp/Fax : (022) 2502350 Telp/Fax : (022) 2502350 Telp. (0751) 24557 E-mail: ades@trans.si.itb.ac.id
ABSTRAK
Penyediaan angkutan umum yang baik tidak terlepas dari kondisi sosial -ekonomi masyarakatnya. Taksi, sebagai bagian dari fasilitas angkutan umum, mempunyai karakteristik dan pangsa pasar yang berbeda dari angkutan umum lainnya. Oleh sebab itu perlu kajian sendiri agar penyediaannya sesuai dengan permintaan dari pengguna. Penelitian ini menitikberatkan pada pengkajian karakteristik dan mencari tingkat kebutuhan taksi di Kotamadya Bandung, dan diharapkan dapat di gunakan untuk memperkirakan jumlah taksi yang dibutuhkan. Metode yang digunakan untuk menganalisis adalah Analisa kategori -Orang (Person-Category Trip generation Model), dan perhitungan dengan cara Multiple Classification Analysis (MCA). Model tingkat pergerakan yang dikembangkan diuji secara statistik sehingga diperoleh model terbaik. Penelitian ini juga mencoba memperoleh gambaran potensi penggunaan taksi pada beberapa kondisi hipotesis. hal ini dilakukan dengan disain eksperimen
Stated Preference, yang dianalisis dengan pendekatan multi regresi. Model pemilihan moda taksi yang diperoleh diuji secara statistik dan parameter model diperiksa dengan kriteria kemasuk -akalan (reasonability criteria). Sensitivitas respon individu dalam memilih moda taksi terhadap perubahan atribut juga diukur dengan menggunakan analisis elastisitas model.
Model tingkat pergerakan terbaik berdasarkan uji statistik, adalah dengan variabel bebas yaitu: ukuran rumah tangga (4 kategori) dan penghasilan keluarga/bulan (3 kategori), s ehingga dihasilkan 12 kategori tingkat pergerakan dengan rentang nilai 1,033 - 3,800 perjalanan/minggu/keluarga. Pada analisis terhadap data Stated Preference, model utilitas yang dihasilkan memenuhi syarat uji statistik dan kriteria kemasuk -akalan parameter. Nilai koefisien determinasi (R2) yang dihasilkan yaitu 0,244. Nilai yang tidak terlalu tinggi ini mungkin disebabkan pemilihan nilai probabilitas untuk transformasi nilai utilitas yang tidak terlalu tepat, atau perlu dilakukan pengelompokkan respon be rdasarkan karakteristik sosio -ekonomi pengguna taksi. Sedangkan ditinjau dari elastisitas probabilitas pemilihan taksi, relatif lebih sensitif terhadap perubahan biaya diabnding terhadap perubahan waktu tempuh perjalanan, perubahan pendapatan, dan perubahan tingkat pelayanan.
1. PENDAHULUAN
Dewasa ini kota-kota besar di Indonesia berkembang dengan pesat. Pertumbuhan penduduk cukup tinggi, serta peningkatan perekonomian masyarakat menuntut laju pembangunan yang tinggi, sehingga menimbulkan peningkatan mo bilitas yang tinggi pula dari pelaku pembangunan di kota-kota besar tersebut. Untuk memenuhi segala pergerakan aktivitas penduduknya perlu didukung dengan penyediaan fasilitas transportasi, yang salah satunya adalah angkutan umum, yang memadai.
Penyediaan angkutan umum yang baik berkaitan dengan kondisi sosial ekonomi masyarakatnya. Hal ini berkaitan dengan kemampuan daya beli dan tingkat penyediaan yang dapat diberikan. Kelebihan dari penyediaan akan meningkatkan biaya operasi yang harus dikeluarkan, sebaliknya penyediaan yang terbatas sedangkan permintaan cukup tinggi menyebabkan peningkatan biaya yang harus dikeluarkan masyarakat.
tidak mengakibatkan peningkatan biaya yang harus dikeluarkan masyarakat ataupun operator serta tidak menambah beban bagi lalulintas, maka perlu dilakukan kajian sendiri.
Penelitian ini bertujuan untuk mengidentifikasi faktor -faktor yang mempengaruhi permintaan akan jasa taksi, mengetahui tingkat kebutuhan (demand rate) taksi kota Bandung, serta mengukur sensitivitas respon individu dalam memilih moda taksi terhadap perubahan tingkat ekonomi dan perubahan bentuk perjalanan.
Penelitian ini dibatasi pada angkutan taksi perkotaan, dalam hal ini angkutan taksi yang beroperasi di Kotamadya Bandung, yaitu sesuai dengan Keputusan Menteri Perhubungan No.68/1993 bahwa wilayah operasi taksi adalah wilayah administrasi Kotamadya. Tingkat kebutuhan taksi hanya ditinjau dari sisi pengguna saja, sedangkan dari sisi yang lain seperti operator, pengambil keputusan tidak ditinjau.
2. TINJAUAN PUSTAKA
2.1. Analisis Bangkitan Pergerakan
Bangkitan pergerakan merupakan bag ian dari analisis kebutuhan, yang berkaitan dengan jumlah pergerakan yang dibuat oleh individu atau rumah tangga. Bangkitan pergerakan biasanya dianalisis dengan dua jenis pemodelan. Pertama model regresi, yang mengkorelasikan bangkitan pergerakan dengan satu atau lebih variabel (karakteristik sosio -ekonomi) sehingga diperoleh persamaan matematis yang parameternya diperoleh dari analisis regresi. Kedua, analisis kategori atau klasifikasi silang, dimana tingkat bangkitan pergerakan didasarkan pada klasifikas i silang rumah tangga dalam pengelompokan sosio -ekonomi yang diestimasi dari data hasil survei.
Pada penelitian ini bangkitan pergerakan dianalisis dengan pendekatan analisis kategori, dimana secara sederhana rata -rata tingkat bangitan pergerakan (tj) dari data empiris
dibebankan untuk setiap kategori dan dapat dirumuskan seperti persamaan (1).
tj= Tj/ Hj (1)
dimana: Tj= jumlah perjalanan yang dilakukan penduduk kategori j
Hj= jumlah penduduk dengan kategori j.
Salah satu kelemahan dari analisis kategori adalah tidak adanya uji statistik yang dapat mendukung hasilnya, sehingga yang menjadi patokan adalah besarnya simpangan antara hasil pemodelan dengan hasil pengamatan.
2.2. Model Pemilihan Diskret
Model pemilihan diskret dinyatakan sebagai : probabilitas setiap individu memilih suatu pilihan merupakan fungsi ciri sosioekonomi dan daya tarik pilihan tersebut. 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 (Lancaster, 1966, seperti dikutip Ortuzar , 1994).
Utilitas biasanya didefinisikan sebagai kombinasi linier dari beberapa variabel, seperti pada persamaan (2).
Uj=0+1X1+2X2+ ....+nXn (2)
Pengaruh yang menggambarkan kontribusi yang dihasilkan oleh suatu alte rnatif dinyatakan dalam bentuk koefisien (1...n). Konstanta (0) biasanya diartikan sebagai yang mewakili
pengaruh dari karakteristik pilihan atau individu yang tidak dipertimbangkan dalam fungsi utilitasnya. Contohnya, unsur kenyamanan dan keamanan yang sulit diukur secara kuantitatif.
Jadi, pada saat memperkirakan akan diambil suatu alternatif, nilai utilitasnya harus sangat berbeda dengan alternatif pilihan lain yang dinyatakan dalam bentuk probabilitas yang bernilai antara 0 dan 1. Untuk itu, digun akan bentuk transformasi matematis yang biasanya
dimana : P1= probabilitas pemilihan moda 1
U1= utilitas alternatif penggunaan moda 1
U2= utilitas alternatif penggunaan moda 2
2.3. Teknik Stated Preference
Teknik Stated Preference (SP) merupakan pendekatan untuk mengetahui bagaimana reaksi preferensi dari responden jika dihadapkan pada berbagai situasi hipotesis. Gambaran umum dari teknik SP adalah penggunaan disain eksperimen untuk membentuk serangkaian alternatif yang dihipotesis. Dalam penyajian disain kuisioner, responden dapat menyatakan preferensinya dengan cara merangking alternatif berdasarkan tingkat kepentingannya; merating berdasarkan skala yang menunjukkan preferensi; atau melakukan pilihan sederhana terhadap alternatif.
Disain eksperimen dalam membuat alternatif hipotesis dapat ditampilkan dalam disain faktorial penuh (full factorial), dimana setiap kemungkinan kombinasi dari level atribut (variabel) digunakan. Jumlah kombinasi pada disain ini adalah hasil dari jumlah level (n) dipangkatkan dengan jumlah atribut (a) atau na. Seringkali pada disain faktorial penuh jumlah pilihan yang disajikan terlalu banyak sehinggakemungkinan besar responden akan kesulitan dalam memilih yang berakibat meningkatkan kesalahan. Batasan jumlah pilihan yang layak antara 9-16 pilihan (Kroes and Sheldon, 1988, seperti di kutip Pearmain, 1991). Salah satu cara untuk mengurangi jumlah pilihan dengan menggunakan disain faktorial sebagian (fractional factorial).
2.4. Elastisitas
Elastisitas adalah ukuran yang sering digunakan untuk menyatakan perubahan reaksi permintaan terhadap faktor -faktor yang mempengaruhi permintaan. Elastisitas, secara praktis diukur menurut perubahan pada variabel bebasnya.
Untuk mengevaluasi sensitivitas respon digunakan elastisitas langsung. Elastisitas langsung (direct elasticity) mengukur persentase perubahan dalam probabilitas memilih moda, sebagai hasil perubahan persentase yang diberikan pada satu atribut di dalam fungsi utilitas moda yang ditentukan.
Elastisitas dalam pemilihan moda (elastisitas busur) dapat dinyatakan sebagai berikut :
EPji,Xjni = elastisitas probabilitas memilih moda -j, berkaitan dengan perubahan atribut ke -n
dari fungsi utilitas bagi individu -i.
Xjni = atribut ke-n dalam memilih moda-j, bagi individu-i
Pji = probabilitas memilih moda -j, bagi individu-i
3. METODOLOGI
3.1. Metode Pengumpulan data
Data yang dikumpulkan pada penelitian ini adalah data primer yang diperoleh melalui penyebaran kuisioner terhadap 500 responden, dimana 250 responden merupakan pelaku perjalanan dengan taksi saat survei berlangsung. Kuisioner dibagikan pada responden ini dengan bantuan supir taksi dari enam perusahaan taksi yang ada di Kotamadya Bandung. Sedangkan 250 responden lagi diperoleh melalui wawancara langsung oleh surveyor di lima lokasi survei, yang meliputi pusat perbelanjaan, stasiun, bandara, dan rumah sakit. Dalam hal ini responden dipilih secara acak dan merupakan pengguna jasa taksi.
Format kuisioner survei terdiri dari dua (2) bagian. Bagian pertama merupakan data untuk analisis tingkat bangkitan pergerakan. Pada bagian ini pertanyaan yang diajukan kepada responden mencakup data sosio -ekonomi (ukuran rumah tangga, kepemilikan kendaraan, pendapatan rata-rata keluarga per bulan, pekerjaan, umur), bentuk perjalanan ( asal -tujuan perjalanan, frekwensi penggunaan taksi, teman seperjalanan, alasan penggunaan taksi, moda yang digunakan selain taksi).
Pada bagian kedua yang merupakan teknik SP, responden dihadapkan pada delapan (8) alternatif perjalanan hipotesis. Alternatif pilihan mencakup preferensi responden terhadap pemakaian taksi dibanding moda lainnya seandainya terjadi peningkatan pendapatan keluarga, penghematan waktu tempuh perjalananan, peningkatan biaya perjalanan, dan perubahan pelayanan yang dapat diberikan. Responden menyatakan preferensinya berdasarkan rating yang diekspresikan dalam skala semantik, yaitu : 1. Pasti memilih taksi; 2. Mungkin memilih taksi; 3.Tidak memilih (imbang); 4. Mungkin memilih moda lainnya; 5. Pasti memilih moda lainnya.
3.2. Metode Pengolahan Data
Karena data pada survei ini dikumpulkan pada level individu, maka metoda analisis yang digunakan terhadap data tingkat bangkitan pergerakan taksi saat ini dengan pendekatan Analisis Kategori yang lebih khusus, yaitu pendekatan Analisis Kategori -Orang, dimana dalam hal ini variabel bebas dipilih merupakan faktor -faktor yang sangat berpengaruh terhadap bangkitan pergerakan. Kanafani,A (1983) menyatakan bahwa berdasarkan hasil -hasil studi empiris pergerakan orang terutama dipengaruhi oleh pendapatan rata -rata keluarga per bulan, kepemilikan kendaraan, ukuran rumah tangga, dan status kepala keluarga.
Kandidat variabel bebas pada analisis adalah:
1. Pemilikan kendaraan dan ukuran rumah tangga (model 1).
2. Penghasilan keluarga per bulan dan ukuran rumah tangga (model 2 dan model 2 modifikasi).
3. Penghasilan keluarga per bulan, pemilikan kendaraan, dan ukuran rumah tangga (model 3).
Dengan tiga model tersebut diadakan perhitungan dengan metoda Multiple Classification Analysis (MCA).
1. Nilai rata-rata total (grand mean) diperoleh untuk variabel tidak bebas diperoleh dari sampel.
2. Nilai rata-rata kelompok (group means) bisa ditaksir untuk setiap baris dan kolom dari matriks klasifikasi silang. Nilai rata -rata kelompok ini dapat dinyatakan sebagai simpangan (deviation) dari rata-rata total.
3. Dengan melihat tanda simpangan (+ atau -) nilai sel matriks klasifikasi dapat ditaksir dengan menambahkan simpangan baris dan kolom pada rata -rata total sesuai dengan letak selnya.
Salah satu kelemahan dari metoda MCA adalah bila ada sel yang kosong dari matriks, maka dengan perhitungan MCA sel tersebut menjadi timbul pergeraka n. Hal ini tentu akan mengakibatkan bertambah besarnya simpangan antara hasil survei dengan hasil pemodelan. Pada model 3 banyak sekali sel yang kosong dibanding model lainnya sehingga tidak dilakukan analisis terhadap model ini.
Pengolahan data hasil teknik SP yang berupa skala rating adalah menemukan hubungan kuantitatif diantara sekumpulan atribut dan respon yang berupa skala semantik. (Ortuzar dan Willumsen, 1994) menyatakan bahwa pertama sekali diperlukan menghubungkan nilai numerik Rmke masing-masing pernyataan m dari skala yang dirumuskan dalam model linier
pada persamaan (2). Dalam hal ini utilitas pilihan j (Uj) adalah transformasi respon individu j
(yang didefinisikan dalam hubungan skala semantik dan skala numerik Rm.
Selanjutnya adalah memilih transformasi yang tepat untuk mengubah skala semantik menjadi skala numerik. beberapa praktisi menggunakan skala simetris berikut : R1= 2,197, R2= 0,847,
R3 = 0,000, R4= -0,847, dan R5 = 2,197, yang berhubungan dengan transformasi Berkson
-Theil dari probabilitas pilihan 0,9; 0,7; 0,5; 0,3; dan 0,1 (Ortuzar dan Garrido, 1993). Dengan bantuan program Microsoft Excel dilakukan analisis regresi terhadap data SP yang telah dikompilasi sehingga diperoleh nilai koefisien dan konstanta dari persamaan (2) serta nilai uji statistiknya.
4. HASIL DAN ANALISIS 4.1. Hasil Survei
Data hasil survei untuk analisis tingkat bangkitan pergerakan saat ini dikelompokkan berdasarkan karakteristik sosio -ekonomi dan bentuk perjalanan. Gambaran umum dari struktur responden adalah sebagai berikut :
Penghasilan keluarga/bulan responden 11,3% dibawah Rp.500.000, 46% Rp.500.000 -1.000.000, 20,9% antara Rp.1.000.000 -1.500.00, antara Rp.1.500.000 -2.000.000 (12,4%), dan diatas Rp.2.000.000 sebanyak 9,4%
45,3% responden tidak memiliki kendaraan bermotor, 43,9% memiliki 1 kendaraan, dan sisanya memiliki 2 atau lebih kendaraan.
Ukuran rumah tangga responden : 10,6% hidup sendiri, 12,6% rumah tangga dengan jumlah anggota 2 orang, 23,4% 3 orang, 21,8% 4 orang, dan sisanya 31,5% memiliki 5 atau lebih.
Dari statusnya pengguna taksi adalah karyawan (38,4%), wiraswasta (27,6%), siswa/mahasiswa ( 23,4%) dan sisanya ibu rumah tangga, pensiunan dan tidak bekerja.
Frekwensi penggunaan taksi : lebih dari1x sehari (7,8%), rata -rata 1x sehari (14,2%), 2-4x seminggu (29,2%), rata-rata 1x seminggu (20,5%), dan sisanya 28,3% kurang dari 1x seminggu.
Hasil kompilasi terhadap jawabab responden dari teknik SP dirangkum dalam Tabel 1.
Tabel 1. Jumlah respon masing -masing pilihan
Option Perubahan
Hasil perhitungan tingkat pergerakan untuk masing -masing model baik berdasarkan hasil survei maupun hasil perhitungan metoda MCA ditampilkan pada tabel -tabel berikut :
Tabel 2. Tingkat pergerakan model 1 (perjalanan/minggu/keluarga)
Pemilikan Ukuran rumah tangga (orang)
Kendaraan 1 2 3 4 5+
0 2,250 \ 2,038 2,665 \ 2,650 3,225 \ 3,316 2,857 \ 2,891 2,402 \ 2,369 1 2,550 \ 2,471 3,023 \ 3,083 3,818 \ 3,749 3,520 \ 3,324 2,530 \ 2,802 2+ - \ 2,843 4,375 \ 3,455 4,857 \ 4,121 2,591 \ 3,696 3,400 \ 3,174
Tabel 3. Tingkat pergerakan model 2 (perjalanan/minggu/keluarga)
Penghasilan Ukuran Keluarga (orang)
Keluarga (Rp) 1 2 3 4 5+
< 500.000 1,464 \ 0,873 1,286 \ 1,485 2,417 \ 2,315 2,300 \ 1,710 0,500 \ 1,188 500.000-1.000.000 2,191 \ 2,522 2,828 \ 3,314 3,913 \ 3,784 3,478 \ 3,359 2,841 \ 2,837 1.000.000-1.500.000 2,300 \ 2,519 2,846 \ 3,131 3,023 \ 3,781 3,816 \ 3,356 3,614 \ 2,834 1.500.000-2.000.000 8,500 \ 2,138 5,000 \ 2,750 3,889 \ 3,400 2,025 \ 2,975 2,053 \ 2,453 > 2.000.000 3,000 \ 2,808 6,500 \ 3,420 4,308 \ 4,070 3,300 \ 3,645 2,684 \ 3,123
Tabel 4. Tingkat pergerakan model 2 modifikasi (perjalanan/minggu/keluarga)
Penghasilan Ukuran keluarga (orang)
keluarga (Rp) 1,2 3 4 5+
< 500.000 1,405 \ 1,033 2,417 \ 2,151 2,300 \ 1,726 0,500 \ 1,204
500.000-1.000.000 2,631 \ 2,682 3,913 \ 3,800 3,478 \ 3,375 2,841 \ 2,853 > 1.000.000 3,355 \ 2,629 3,580 \ 3,747 2,943 \ 3,322 2,825 \ 2,800
tingkat pergerakan hasil pengamatan dan pemodelan. Hasil perhitungan dirangkum pada Tabel
Ditinjau dari nilai rms error terlihat bahwa model 2 modifikasi mempunyai nilai yang terbaik, sedangkan dari tes chi-square ketiga model tidak terdapat perbedaan pada tingkat signifikan 0,05, tetapi untuk tingkat signifikan yang lain model 1 lebih baik daripada model 2 modifikasi dan model 2. Model 1 tidak berbeda untuk semua nilai signifikan, model 2 modifikasi berbeda pada= 0,99, dan model 2 berbeda pada = 0,80.
Dengan melihat hasil tes statistik maka terpilih model 2 modifikasi merupakan model terbaik tingkat pergerakan taksi saat ini di Kotamadya Bandung, yang apabila digambarkan dalam bentuk grafik adalah seperti yang terlihat pada Gambar 1.
1,2 3 4 5+
Gambar 1. Tingkat Bangkitan Pergerakan Taksi Saat Ini
Analisis data SP yang dilakukan dengan analisis regresi menghasilkan formulasi model yang berupa fungsi utilitas yang berbentuk linier dimana variabelnya adalah atribut sosio -ekonomi dan pelayanan yang berkaitan dengan penggunaan taksi yang sebelumnya telah dipertimbangkan sebagai variabel yang sangat signifikan pengaruhnya terhadap pemilihan penggunaan taksi.
Dari hasil regresi terhadap data SP diperoleh model sebagai p ersamaan berikut :
(2,03) (11,06) ( -11,56) (-18,80) (22,57) (nilai tstatdalam tanda kurung) R
2 = 0,244
Model yang diperoleh dapat diterjemahkan dengan memperhatikan nilai konstanta yang cukup kecil, yang berarti model cukup baik. Dengan memperhatikan nilai koefisien model, maka waktu tempuh perjalanan mempunyai kontribusi yang besar terhad ap model, disusul tingkat pelayanan, perubahan penghasilan dan biaya perjalanan. Jika dilihat dari tanda pada koefisien model, dimana dalam hal ini merupakan selisih utilitas penggunaan taksi terhadap penggunaan moda lainnya, maka atribut peningkatan penghasilan, penghematan waktu tempuh perjalanan serta peningkatan kualitas pelayanan merupakan atribut yang disenangi karena bernilai positif, sedangkan atribut pengingkatan biaya perjalanan merupakan atribut yang tidak disukai sehingga bernilai negatif.
Dari persamaan selisih utilitas yang diperoleh dapat ditentukan probabilitas pemilihan moda untuk masing-masing pilihan teknik SP berdasarkan persamaan (3), seperti ditampilkan pada Tabel 6 dan digambarkan dalam bentuk grafik dalam Gambar 2.
Tabel 6. Probabilitas Pemilihan Moda
Option INC TIME COST SERV U(PT-PL) PPT PPL
1 25 -10 2500 25 1.11919 0.75384 0.24616
2 25 -10 5000 0 -0.35506 0.41216 0.58784
3 25 -20 2500 0 0.72944 0.67468 0.32532
4 25 -20 5000 25 0.85369 0.70134 0.29866
5 50 -10 2500 0 0.71169 0.67077 0.32923
6 50 -10 5000 25 0.83594 0.69761 0.30239
7 50 -20 2500 25 1.92044 0.87219 0.12781
8 50 -20 5000 0 0.44619 0.60973 0.39027
Grafik Pemilihan Moda
Validasi dengan uji statistik dimaksudkan untuk menguji kepercayaan terhadap model yang didapat, yaitu dengan mengetahui kemampuannya dalam mengestimasi nilai utilitas pemilihan moda, dengan cara :
nilai tstatuntuk seluruh parameter lebih besar dari tkritis= 1,960, yang berarti seluruh atribut
secara individu signifikan terhadap utilitas pemilihan moda.
2. Memastikan pengaruh seluruh atribut yang terdapat dalam persamaan secara simultan terhadap utilitas pemilihan moda, dengan melakukan pengujian hipotesa terhadap variasi nilai utilitas (F-test). Analisis regresi memberikan nilai Fstat= 279,67, yang lebih besar dari
Fkritis= 2,10, berarti atribut secara bersamaan berpengaruh pada utilitas pemilihan moda.
3. Mengetahui seberapa besar prosentase pengaruh seluruh atribut terhadap perubahan utilitas pemilihan moda, yang ditunjukkan oleh besarnya koefisien determinasi (R2). Nilai R2yang diperoleh dari regresi = 0,244, dimana nilai ini tidak terlalu tinggi.
Elastisitas model diperlukan untuk mengevaluasi sensitivitas respon, yaitu mengukur persentase perubahan probabilitas pemilihan moda sebagai akibat berubahnya persentase pada atribut tertentu dalam fungsi utilitas. Analisis elastisitas langsung model seperti terlihat pada Tabel 7.
Tabel.7. Elastisitas probabilitas pemilihan taksi
Atribut
INC TIME COST SERV
x 25 -10 2500 25
PT 0,0842 0,0871 -0,1413 0,1814
Elastisitas langsung 0,131 -0,135 -0,368 0,083
Terlihat dari nilai elastisitas di atas bahwa probabilitas pemilihan taksi terhadap perubahan biaya (cost) relatif lebih sensitif dibanding terhad ap perubahan waktu tempuh perjalanan, perubahan tingkat pendapatan, dan perubahan tingkat pelayanan yang diberikan.
5. KESIMPULAN
Gambaran karakteristik penggunaan taksi adalah sebagai berikut
Pengguna adalah penduduk usia produktif, 16 -44 tahun (63,8%), berstatus bekerja (66%).
Pengguna merupakan masyarakat golongan ekonomi menengah ke atas, yang berpenghasilan di atas Rp.500.000./bulan (88,7%), yang umumnya tidak memiliki kendaraan pribadi (45,3%) atau memiliki 1 kendaraan bermotor per keluarga (43,9%).
Frekwensi penggunaan taksi di Kotamadya Bandung rata -rata 2-4 kali/minggu (30%).
Model tingkat pergerakan yang dihasilkan cukup baik bila ditinjau dari uji statistik. Model terbaik yang diperoleh dengan variabel bebas yaitu : ukuran keluarga terdiri dari 4 kategori (keluarga terdiri dari 2, 3, 4, dan 5+ orang) dan penghasilan keluarga terdiri dari 3 kategori (<Rp.500.000, Rp.500.000 -1.000.000, dan >Rp.1.000.000) sehingga diperoleh 12 kategori tingkat pergerakan dengan taksi, yaitu dengan rentang nilai 1,033 -3,800 perjalanan/minggu/keluarga.
Analisis data SP menghasilkan model pemilihan moda yang memenuhi syarat uji statistik dan kriteria kemasuk-akalan parameter, tetapi nilai koefisien determinasi (R2) yang dihasilkan tidak terlalu baik, yaitu 0,244. Hal ini kemungkinan disebabkan oleh :
pemilihan nilai probabilitas untuk transformasi nilai utilitas yang kurang tepat;
terdapat perbedaan persepsi antara pelaku perjalanan dan peneliti terhadap pemberian nilai kualitas pelayanan;
Evaluasi terhadap sensitivitas respon dengan menggunakan elastisitas busur menunjukkan bahwa probabilitas pemilihan taksi relatif lebih sensitif terhadap perubahan biaya dibanding terhadap perubahan waktu tempuh perjalanan, perubahan tingkat penghasilan dan perubahan tingkat pelayanan yang diberikan pada pengguna taksi.
UCAPAN TERIMA KASIH
Penelitian ini merupakan bagian dari tesis magister penulis, sehingga ucapan terima kasih disampaikan kepada Ir. Ade Sjafruddin, M.Sc, Ph.D, sebagai Pembimbing I dan Ir. Pamudji Widodo, M.Sc, sebagai Pembimbing II. Terima kasih juga disampaikan kepada berbagai pihak yang telah membantu dalam pengumpulan data serta membantu penyelesaian penelitian ini.
DAFTAR PUSTAKA
Kanafani,A.(1983) Transportation Demand Analysis, McGraw-Hill Book Company, New York.
Lembaga Teknologi FTUI (1997) Studi Penetapan Kebutuhan dan Kinerja Taksi di DKI Jakarta dan Wilayah Pengaruh Sekitarnya, UI, Jakarta.
Ortuzar, J.D. and Garrido, R.A (19 93) On The Semantic Scale Problem in Stated Preference Rating Experiments, Journal Transportation, (vol.21 No.2) pp. 185 -201.
Ortuzar, J.D. and Willumsen, L.G. (1994) Modelling Transport, Second Edition, John Wiley & son,
Pearmain, D. and Swanson, J. (1991) Stated Preference Techniques: A giude to Practice, Steer Davies and Haque Consulting Group, London.
Stopher, P.R. and McDonald, K.G. (1983) Trip Generation by Cross -classification: An Altenative Methodology, Transportation Research record 944, 84 -91.
Supernak, J. et al (1983)Person-Category Trip Generation Model, Transportation Research Record 944, 74-83.
