Pemodelan Tarikan Pergerakan pada Profil Hotel Berbintang di Daerah Surakarta

(1)

Pemodelan Tarikan Pergerakan pada Profil Hotel

Berbintang di Daerah Surakarta

“Trip Attract ion M odel of Star Hot el Profiles in Surakarta”

SKRIPSI

Disusun unt uk m em enuhi persyarat an m em peroleh gelar Sarjana Teknik Pada Jurusan Teknik Sipil Fakult as Teknik

(2)

Disusun oleh:

ROBIN PANTAS HALOM OAN

NIM . I 0105118

JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK

UNIVERSITAS SEBELAS M ARET

SURAKARTA

2009

BAB I

PENDAHULUAN

1.1 Latar Belakang M asalah

(3)

indust ri dan perdagangan, pendidikan dan budaya, dan lain sebagainya. Aspek-aspek t ersebut perlu didukung dengan infrast rukt ur dan akomodasi yang baik sepert i hot el, rest oran, cafe, dan lain-lain.

Surakart a memiliki banyak sekali hot el yang dapat digunakan sebagai t empat perist irahat an sement ara ket ika sedang melakukan perjalanan jauh, perjalanan dinas maupun liburan dan juga dapat bermanfaat sebagai t empat rapat at au pert emuan. St at us hot el yang ada di Surakart a t erdiri dari hot el bint ang sat u sampai bint ang lima. Beberapa diant aranya adalah hot el Bint ang, hot el Agas, Novot el, Sunan Hot el, hot el Dana, hot el Ibis, hot el Lor In, hot el Sahid Jaya Solo, hot el Asia, dan yang lainnya. M asing-masing hot el t ersebut memiliki karakt erist ik dan fasilit as yang berbeda-beda. Oleh karena it u, managemen hot el membuat fasilit as-fasilit as yang menarik, service at au pelayanan yang baik ke pengunjung dengan t ujuan unt uk menarik pengunjung. Let ak yang st rat egis dapat pula menjadi salah sat u fakt or t arikan pengunjung hot el unt uk menet ap sement ara di hot el t ersebut .

Unt uk menget ahui berapa besarnya t arikan pergerakan ke hot el, perlu dilakukan suat u penelit ian t ent ang t arikan pergerakan kendaraan dengan menghit ung jumlah kendaraan yang masuk ke hot el. Set elah it u, di cari jam puncak kendaraan yang masuk dari hot el yang bersangkut an. Kemudian dibuat model t arikan perjalanan (Trip of At t ract ion M odel) pada kondisi sekarang. Set elah didapat kan bent uk model t arikan, model t ersebut diuji dengan beberapa pengujian sepert i uji linearit as, nonmult ikolinerait as, dan lain-lain. M odel yang t erbaik (model yang lulus hasil pengujian) yang dapat digunakan sebagai bahan pert imbangan, baik dalam peramalan jumlah t arikan di masa mendat ang maupun unt uk membant u menent ukan kebut uhan parkir hot el.

(4)

kondisi sekarang dan juga model t ersebut dapat digunakan sebagai bahan pert imbangan dalam peramalan jumlah t arikan pergerakan di masa mendat ang, sert a dapat digunakan unt uk membant u menent ukan kebut uhan parkir hot el.

1.2 Rumusan M asalah

Berdasarkan lat ar belakang masalah yang ada, dapat dirumuskan permasalahan sebagai berikut :

a. Fakt or-fakt or apa sajakah yang berpengaruh t erhadap t arikan pergerakan t ersebut ?

b. Bagaimanakah model t arikan pergerakan yang t erjadi pada hot el t ersebut ?

1.3 Batasan M asalah

Pembat asan masalah ini dilakukan agar t idak t erlalu jauh dan diperoleh langkah-langkah yang sist emat is, sehingga pembahasan penulisan skripsi ini difokuskan pada masalah yang dibat asi oleh hal-hal sebagai berikut :

a. Lokasi penelit ian adalah Hot el Sahid Jaya Solo, Hot el Novot el, Hot el Ibis, Sunan Hot el, Hot el Lor In.

b. Variabel t erikat yang dit elit i berupa t arikan pergerakan kendaraan yang memasuki area Hot el Sahid Jaya Solo, Hot el Novot el, Hot el Ibis, Sunan Hot el, Hot el Lor In, Sedangkan Variabel bebas yang dit elit i meliput i: luas lahan, luas bangunan, luas parkir, t ot al jum lah kamar yang t ersedia, jumlah ruang rapat , dan luas maksimum ruang rapat .

c. Hanya dilakukan pembahasan t erhadap t arikan pergerakan kendaraan yang menuju ke hot el.

d. M et ode analisis yang digunakan adalah metode analisis regresi linier berganda.

(5)

1.4 Tujuan Penelitian

Tujuan dari penelit ian ini dimaksudkan unt uk menget ahui fakt or-fakt or apa sajakah yang berpengaruh t erhadap t arikan pergerakan di hot el dan model t arikan pergerakan yang t erjadi di hot el t ersebut .

1.5 M anfaat Penelitian

M anfaat penelit ian t erdiri dari manfaat t eorit is dan manfaat prakt is, yang dapat dijelaskan sebagai berikut :

a. M anfaat t eorit is.

M emahami perencanaan t ransport asi dengan membuat suat u model t arikan pergerakan.

b. M anfaat prakt is.

(6)

BAB II

LANDASAN TEORI

1.6 Tinjauan Pustaka

Permasalahan t ranspot asi sepert i t undaan, kemacet an, dan lain-lainnya sudah sering dijum pai dibeberapa kot a besar di Indonesia dan sudah mencapai kondisi yang sangat memprihat inkan, unt uk it u diperlukan suat u media unt uk mengat asi masalah t ersebut . Perencanaan dan pemodelan t ransport asi adalah media yang paling efekt if dan efisien yang dapat menggabungkan semua semua fakt or permasalahan t ransport asi, dan keluarannya dapat digunakan unt uk memecahkan permasalahan t ransport asi baik pada masa sekarang maupun pada masa yang akan dat ang, sehingga saat ini banyak penelit ian yang dilakukan guna mempelajari bangkit an pergerakan unt uk semua jenis t at a guna lahan.

Achmad Fat honi, 2003, menganalisis t ent ang St udi Tarikan Lalu Lint as dan Kebut uhan Area Parkir di Kaw asan Pasar Gede Surakart a. St udi ini dilakukan unt uk menelit i jumlah kendaraan yang memasuki area Pasar Gede dit ambah daerah penyangga yait u pert okoan di sebelah Ut ara (Jalan Ut ara Pasar Besar) dan Selat an (Jalan R.E M art adinat a) sepanjang bangunan Pasar Gede, dengan jenis kendaraan yang dit elit i meliput i kendaraan roda dua, t iga, dan empat . Dari penelit ian it u didapat kan jum lah t arikan lalu lint as yang dit imbulkan oleh keberadaan Pasar Gede, luas area parkir yang dibut uhkan unt uk menam pung lalu lint as t ersebut , dan perbandingan luas area parkir yang dibut uhkan dengan yang t ersedia, yait u:

(7)

dengan didominasi m obil, dan di Jalan Ut ara Pasar Besar 522 kendaraan dengan didominasi mobil sebesar 38.12%.

b. Luas area parkir yang dibut uhkan di daerah Pasar Gede 1370.25 m2, Jalan M art adinat a 1044.75 m2, dan Jalan Ut ara Pasar Besar 481.25 m2.

c. Secara umum fasilit as parkir yang t ersedia unt uk daerah Pasar Gede sudah t idak mampu lagi menampung kebut uhan yang ada, sedangkan unt uk Jalan M art adinat a dan Jalan Ut ara Pasar Besar masih dapat menampung.

Achmad M uhyidin Arifa’i, 2007, menganalisis M odel Tarikan Pergerakan Kendaraan pada rumah sakit di Surakart a. Pemodelan ini menelit i jumlah kendaraan yang memasuki area rumah sakit , yait u Rumah Sakit Dr. M oew ardi Surakart a, Rumah Sakit Dr. Oen, Rumah Sakit Kasih Ibu, Rumah Sakit Slamet Riyadi, dengan variabel bebas yang dit elit i adalah karakt erist ik t at a guna lahan (luas lahan, luas area parkir, dan luas bangunan) sert a jumlah t empat t idur, dokt er, peraw at , dan karyaw an rumah sakit t ersebut dan variabel t erikat nya adalah pergerakan kendaraan keempat lokasi rumah sakit t ersebut. Dari hasil korelasi variabel t erikat dengan variabel bebas diket ahui bahw a variabel bebas punya pengaruh besar t erhadap t arikan pergerakan yait u 0.912-0.992, sedangkan dari hasil korelasi ant ar variabel bebas diket ahui bahw a nilai korelasi ant ar variabel bebas t ersebut t inggi. Bent uk model yang didapat kan adalah Y = 6.974 + 0.548 X1 dan Y = 24.02 + 0.773 X1 – 0.004 X2. M odel-m odel t ersebut dilakukan pengujian dan kemudian didapat kan bahw a model pert ama adalah model yang t erbaik dimana variabel bebas yang berpengaruh adalah jum lah t empat t idur.

(8)

kelompok lima gedung perkant oran yang t idak bernasabah. Sumber dat a primer yang dikumpulkan adalah t arikan perjalanan jum lah karyaw an dan pengunjung, t arikan perjalanan jum lah kendaraan bermot or karyaw an dan pengunjung baik roda dua maupun roda empat , dan dat a sekunder berupa luas lant ai bangunan t ot al, luas lant ai bangunan yang digunakan, luas lant ai/ halaman parkir sepeda mot or, luas halaman parkir mobil, dan jumlah karyaw an pada masing-masing gedung perkant oran. Unt uk analisa aw al dicari jam puncak karyaw an dan pengunjung, t ernyat a jam puncak karyaw an terjadi ant ara jam 06.45 - 07.45 WIB dan jam puncak pengunjung t erjadi ant ara jam 09.15 - 10.15 WIB. Hasil yang diperoleh dari penelit ian ini adalah bahw a model t arikan perjalanan pada w akt u jam puncak karyaw an variabel bebas yang sangat berpengaruh adalah karyaw an, sedangkan model t arikan perjalanan pada jam puncak pengunjung variabel bebas yang sangat berpengaruh adalah luas lant ai bangunan yang digunakan. M engenai penggunaan sarana t ransport asi unt uk karyaw an yang paling banyak adalah dengan jalan kaki yait u sebesar 33.50%, sedangkan unt uk pengunjung sarana t ransport asi yang paling banyak adalah jalan kaki yait u sebanyak 37.67%.

(9)

kondominium yang bersangkut an. Penelit ian t ersebut dilakukan dari jam 06.00 – 19.00, dengan menghit ung jumlah orang dan kendaraan yang masuk dan keluar dari kondom inium t ersebut sert a membuat kuisioner unt uk menget ahui karakt erist ik dari masing-masing kondominium. Dari hasil penelit ian t ersebut , diket ahui bahw a jam puncak t arikan pergerakan orang maupun kendaraan t erjadi pada pagi hari dan digunakan model regresi linier berganda unt uk menget ahui hubungan ant ara variabel t erikat dengan variabel bebas. M odel yang didapat kan unt uk t arikan pergerakan orang adalah Y1 = -49.495 + 3.627 X1 + 0.00226 X3 + 2.176 X6 + 17.064 X8, sedangkan model unt uk t arikan pergerakan kendaraan adalah Y2 = -7.041 + 0.865 X1 + 0.00092 X3 + 0.321 X7. M odel t ersebut dilakukan analisis dan pengujian t erhadap masing-masing model unt uk mendapat kan model t erbaik dan didapat kan bahw a t arikan pergerakan orang maupun kendaraan berpengaruh t erhadap luas bangunan.

M elihat pemodelan-pemodelan yang sudah ada, terlihat bahw a t arikan t erhadap t at a guna lahan yang berbeda akan menghasilkan hubungan variabel-variabel bebas yang berbeda pula.

(10)

1.7 Dasar Teori

2.2.1 Konsep Perencanaan Transportasi

Transport asi adalah kegiat an pemindahan barang (muat an) dan penumpang dari suat u t empat ke t empat lain, yang dimana dalam t ransport asi ada dua unsur pent ing, yait u permindahan/ pergerakan dan secara fisik mengubah barang dan penumpang ke t empat lain (H. A. Abbas Salim, 1993:6 & 7). Pergerakan t ransport asi t ersebut mempunyai pengaruh yang besar t erhadap perorangan, masyarakat , pembangunan ekonomi dan sosial polit ik suat u negara, unt uk it ulah diperlukan suat u perencanaan t ransport asi supaya dalam pergerakannya dapat berjalan dengan baik.

Perencanaan t ransport asi dapat didefinisikan sebagai suat u proses yang t ujuannya mengembangkan sist em t ransport asi yang memungkinkan manusia

dan barang bergerak at au berpindah t empat dengan aman dan murah (L. J. Pignat aro, 1973).

Tujuan perencanaan t ransport asi adalah meramalkan dan mengelola evolusi t it ik keseimbangan ini sejalan dengan w akt u sehingga kesejaht eraan sosial dapat dimaksimumkan (Ofyar Z. Tam in, 1997:7).

Sasaran umum perencanaan t ransport asi adalah membuat int eraksi (pergerakan manusia, kendaraan, dan barang) menjadi mudah dan seefisien mungkin (Ofyar Z. Tamin, 1997:50).

(11)

Kajian perencanaan t ransport asi selalu melibat kan lebih dari sat u moda t ransport asi sebagai bahan kajian.

b. M ult idisiplin.

Kajian perencanaan t ransport asi melibat kan banyak disiplin keilmuan karena aspek kajiannya sangat beragam, mulai dari ciri pergerakan, pengguna jasa, sampai dengan prasarana at aupun sarana t ransport asi it u sendiri.

c. M ult isekt oral.

Kajian perencanaan t ransport asi biasanya melibat kan beberapa lembaga pemerint ah at aupun sw ast a yang masing-masing mempunyai kepent ingan yang berbeda, sehingga diperlukan koordinasi dan penanganan yang baik. d. M ult imasalah.

Karena kajian perencanaan t ransport asi merupakan kajian mult imoda, mult idisplin, mult isekt oral, t ent u saja menimbulkan mult imasalah. Permasalahan yang dihadapi mempunyai dimensi yang cukup beragam dan luas, mulai dari yang berkait an dengan aspek pengguna jasa, rekayasa, operasional, ekonom i, sampai dengan aspek sosial.

(12)

2.2.1.1 Aksesibilitas

M enurut Ofyar Z. Tam in, 1997:52, aksesibilit as adalah konsep yang menggabungkan sist em pengat uran t at a guna lahan secara geografis dengan sist em jaringan t ransport asi yang menghubungkannya.

Aksesibilit as adalah suat u ukuran kenyamanan at au kemudahan mengenai cara lokasi t at a guna lahan berint eraksi sat u sama lain dengan mudah at au susahnya lokasi t ersebut dicapai melalui sist em jaringan t ransport asi (J. A. Black, 1981).

2.2.1.2 Bangkitan dan Tarikan Pergerakan

Suat u kot a dipandang sebagai suat u t empat dimana t erjadi akt ivit as-akt ivit as at au sebagai suat u pola t at a guna lahan. Lokasi dimana akt ivit as dilakukan akan mempengaruhi manusia, dan akt ivit as manusia akan mempengaruhi lokasi t empat akt ivit as berlangsung. Int eraksi ant ar akt ivit as t erungkap dalam w ujud pergerakan manusia, barang, dan informasi (C. Jot in Khist y dan B. Kent Lall, 2005;9). Pergerakan t ersebut memerlukan suatu t ransport asi unt uk bergerak dari sat u t empat ke t empat lain.

(13)

Gambar 2.1 Siklus Tat a Guna Lahan dan Transport asi (sum ber: C. Jot in Khist y dan B. Kent Lall)

Tat a guna lahan merupakan salah sat u penent u ut ama pergerakan dan akt ivit as. Akt ivit as ini dikenal sebagai ist ilah bangkit an perjalanan (Trip Generat ion) yang menent ukan fasilit as t ransport asi sepert i jalan, bus, dan sebagainya, yang akan dibut uhkan unt uk melakukan pergerakan (C. Jot in Khist y dan B. Kent Lall, 2005;10).

Bangkit an perjalanan adalah t ahapan pemodelan yang memperkirakan jumlah pergerakan yang berasal dari suat u zona at au t at a guna lahan dan jum lah pergerakan yang t ert arik ke suat u zona at au t at a guna lahan (Ofyar Z. Tamin, 1997:60).

Pada dasarnya bangkit an perjalanan dapat dikelompokkan menjadi dua yait u: a. Lalu lint as yang meninggalkan suat u lokasi, disebut juga sebagai bangkit an

perjalanan (Trip Product ion).

Fasilit as Transport asi

Kebut uhan akan t ransport asi Perjalanan Tat a guna lahan

Nilai lahan

(14)

b. Lalu lint as yang menuju suat u lokasi, disebut juga sebagai t arikan perjalanan (Trip At t ract ion).

Bangkit an dan t arikan perjalanan dapat digambarkan pada gambar 2.2 berikut ini.

Gambar 2.2 Bangkit an dan Tarikan Pergerakan (Sum ber: Wells, 1975)

2.2.1.3 Sebaran Pergerakan

Sebaran pergerakan adalah suat u pemodelan yang memperkirakan dist ribusi suat u pergerakan yang meninggalkan suat u zona at au menuju suat u zona, dan yang menghubungkan int eraksi ant ara t at a guna lahan, jaringan t ransport asi, sert a arus lalu lint as, dimana sebaran pergerakan ini dapat direpresent asikan dalam bent uk garis keinginan (desire line) at au dalam bent uk M at riks Asal Tujuan (Origin Dest inat ion M at rix).

2.2.1.4 PemilihanM oda

Int eraksi ant ara dua t at a guna lahan akan menimbulkan suat u pergerakan, dimana pergerakan t ersebut membuat seseorang unt uk menggunakan suat u moda t ransport asi, sepert i menggunakan kendaraan pribadi, kendaraan umum , dan dapat juga dengan berjalan kaki. Dalam pem ilihan moda t ransport asi sangat t ergant ung pada t ingkat pendapat an, biaya t ransport , dan jarak yang dit empuh.

i j

Pergerakan yang berasal dari zona i

(15)

2.2.1.5 Pemilihan Rute

Pemilihan rut e t erjadi ket ika adanya pergerakan ant ara dua t at a guna lahan dengan menggunakan moda t ransport asi, yang dimana dalam pemilihan rut e ini t ergant ung pada alt ernat if t erpendek, t ercepat , t ermurah, dan sebagainya.

2.2.1.6 Arus Lalu Lintas Dinamis

Arus lalu lint as berint eraksi dengan sist em jaringan t ransport asi. Jika arus lalu lint as meningkat pada ruas jalan t ert ent u, w akt u t empuh bert ambah karena kecepat an menurun (Ofyar Z. Tamin, 1997:65), dan sebaliknya, jika arus lalu lint as menurun pada ruas jalan t ert ent u, w akt u t empuh berkurang karena kecepat an meningkat .

2.2.2 Konsep Pemodelan

M odel dapat didefinisikan sebagai bent uk penyederhanaan suat u realit a. Semua model merupakan penyederhanaan suat u realit a unt uk t ujuan t ert ent u, sepert i memberikan penjelasan, pengert ian sert a peramalan. Secara umum dapat dikat akan bahw a semakin mirip suat u model dengan realit anya, semakin sulit model t ersebut dibuat . M odel yang canggih belum t ent u merupakan model yang baik, melainkan model yang sederhana lebih sesuai unt uk t ujuan, sit uasi, dan kondisi t ert ent u.

Berikut ini adalah bent uk-bent uk suat u model, beberapa diant aranya adalah: a. M odel fisik.

(16)

M odel grafis adalah model yang menggunakan media garis (lurus dan lengkung), gambar, w arna, dan bent uk sebagai media penyampaian suat u realit a.

c. M odel st at ist ika dan mat emat is.

M odel st at ist ika dan mat emat is adalah model yang menggunakan persamaan at au fungsi mat emat ika sebagai media penyampaian suat u realit a dan yang menerangkan beberapa aspek fisik, sosial ekonom i, dan model t ransport asi.

Pembent ukan model mempunyai suat u t ujuan yait u unt uk mengert i cara kerja sist em dan unt uk meramalkan perubahan arus lalu lint as ket ika dilakukan suat u perubahan pada sist em t at a guna lahan dan at au sist em t ransport asi.

Beberapa fakt or pent ing dari spesifikasi model yang harus diperhat ikan adalah sebagai berikut :

a. St rukt ur M odel.

M odel selalu mempunyai bent uk paramet er unt uk bisa menunjukkan aspek st rukt ural dari m odel t ersebut , dan dengan met odologi yang sudah berkembang sangat mungkin membent uk model dengan banyak peubah. b. Bent uk fungsional.

Pemecahan dengan bent uk t idak linear akan dapat mencerminkan realit a secara lebih t epat , t et api membut uhkan seumber daya dan t eknik unt uk proses pengkalibrasian model t ersebut .

c. Spesifikasi peubah.

Peubah yang dapat digunakan sert a hubungan ant ar peubah dalam suat u model harus dipert imbangkan, sehingga diperlukan proses t ert ent u dalam menent ukan peubah yang dominan, ant ara lain dengan proses kalibrasi dan pengabsahan.

(17)

Tujuan dasar model bangkit an pergerakan adalah menghasilkan model hubungan yang mengait kan t at a guna lahan dengan jumlah pergerakan yang menuju ke suat u zona at au yang meninggalkan suat u zona.

M odel bangkit an pergerakan diperlukan apabila pengaruh t at a guna lahan dan pemilikan pergerakan t erhadap besarnya bangkit an dan t arikan pergerakan berubah sebagai fungsi w akt u. Fakt or-fakt or yang mempengaruhi dalam pemodelan bangkit an pergerakan t idak hanya pergerakan manusia t et api juga pergerakan barang.

Bangkit an pergerakan harus dianalisis secara t erpisah dengan t arikan pergerakan, dengan t ujuan akhirnya menaksir set epat mungkin bangkit an pergerakan dan t arikan pergerakan pada masa sekarang yang akan digunakan unt uk meramalkan pergerakan pada masa mendat ang.

2.2.4 Uji Hipotesis

Pengujian hipot esis dilakukan sebagai upaya memperoleh gambaran mengenai suat u populasi dari sampel. Dengan demikian, informasi yang diperoleh dari suat u sampel digunakan unt uk menyusun suat u pendugaan t erhadap nilai paramet er populasinya yang t idak diket ahui.

Hipot esis dibedakan menjadi dua, yait u hipot esis penelit ian dan hipot esis st at ist ik. Hipot esis penelit ian sifat nya proporsional (verbal), karena it u hipot esis ini t idak bisa diuji secara empirikal. Agar hipot esis penelit ian dapat diuji, maka harus dit erjemahkan kedalam hipot esis st at ist ik agar dapat dit indaklanjut i secara operasional. Krit eria ment erjemahkannya dalam bent uk H0 dan H1. Yang

mencerminkan dugaan penelit ian (harapan penelit ian) adalah H1, kecuali apabila

dugaan penelit ian yang mengisyarat kan t anda sama dengan (=), maka dugaan penelit ian dicerminkan oleh H0. Adapun yang diuji adalah hipot esis nol (H0), dan

(18)

bahw a H0 dan H1 ini bersifat komplement er, art inya apa yang ada dalam H0 t idak

t erdapat dalam H1, dan begit u juga sebaliknya.

Pengujian hipot esis hanya memberikan dua kemungkinan keput usan, yait u menolak at au t idak dapat menolak hipot esis nol. Keput usan t ersebut t idak berart i bahw a penelit i t elah membukt ikan salah at au benarnya hipot esis nol, karena pada t at aran yang sebenarnya hipot esis nol it u t idak pernah dapat dibukt ikan. Sehubungan dengan hal t ersebut , maka ada dua kesalahan yang mungkin dilakukan penelit i ket ika menguji hipot esis penelit iannya.

a. M elakukan kesalahan t ipe I, yait u menolak hipot esis nol padahal dalam kenyat aannya hipot esis nol adalah benar.

b. M elakukan kesalahan t ipe II, yait u t idak menolak hipot esis nol padahal dalam kenyat aannya hipot esis nol adalah salah.

Dengan demikian dalam menguji hipot esis, harus meminimalkan peluang unt uk membuat kedua kesalahan t ersebut . Dalam bahasa st at ist ika, peluang unt uk

membuat kesalahan tipe I dinyatakan sebagai α dan peluang untuk membuat

kesalahan tipe II dinyatakan sebagai β.

Tabel 2.1 Kemungkinan Kesalahan pada Pengujian Hipot esis

Sum ber: At ing & Sam bas, 2006:160

2.2.5 Analisis Korelasi

2.2.5.1 Koefisien Determinasi

Koefisien det erm inasi (R2) didefinisikan sebagai nisbah ant ara variasi t erdefinisi dengan variasi t ot al.

(19)

……… 1 Koefisien ini mempunyai bat as lim it sama dengan sat u (perfect explanat ion) dan nol (no explanat ion). Nilai ant ara kedua bat as limit ini dit afsirkan sebagai persent ase t ot al variasi yang dijelaskan oleh analisis regresi linier.

2.2.5.2 Koefisien Korelasi

Koefisien korelasi digunakan unt uk menent ukan korelasi ant ara peubah t idak bebas dengan peubah bebas at au ant ara sesama peubah bebas.

………. 2

Nilai r = 1, berart i bahw a korelasi ant ara peubah y dan x adalah posit if (meningkat nya nilai x akan mengakibat kan meningkat nya nilai y).

Jika nilai r = -1, berart i bahw a korelasi ant ar peubah y dan x adalah negat if (meningkat nya nilai x akan mengakibat kan menurunnya nilai y).

Jika nilai r = 0, berart i t idak ada korelasi ant ar peubah.

2.2.6 Analisis Regresi

2.2.6.1 Analisis Regresi Linier Sederhana

Analisis regresi linier adalah met ode st at ist ik yang dapat digunakan unt uk mempelajari bagaimana suat u variabel t idak bebas dihubungkan dengan sat u at au lebih variabel bebas.

(20)

………... 3

Ket erangan, Y : Variabel t idak bebas A : Konst ant a regresi B : Koefisien regresi X : Variabel bebas

Nilai A dan B, dapat dicari dengan menggunakan rumus berikut ini.

………. 4

………. 5

Ket erangan, N : Jumlah pengamat an at au sampel Y : Variabel t idak bebas

X : Variabel bebas

2.2.6.2 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 realit a yang menunjukkan bahw a beberapa peubah t at a guna lahan secara simult an mempengaruhi bangkit an pergerakan.

(21)

B1, …, Bn : Koefisien regresi

X1, …, Xn : Variabel bebas

Apabila dalam pengamat an Y t erdapat dua variabel bebas, maka persamaannya akan menjadi:

yang berbent uk sebagai berikut .

……….………..……….. 8

………..….. 9

………..……. 10

Unt uk mendapat kan nilai A, B1, dan B2 dapat juga digunakan rumus sebagai

berikut (Djarw ant o & Pangest u Subagyo, 1993:312-314).

(22)

……….. 13

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

a. Nilai variabel, khususnya variabel bebas mempunyai nilai t ert ent u at au merupakan nilai yang didapat dari hasil survei t anpa kesalahan yang berart i. b. Variabel t idak bebas (Y) harus mempunyai hubungan korelasi linier dengan

variabel bebas (X). Jika hubungan t ersebut t idak linear, t ransformasi linier harus dilakukan meskipun bat asan ini akan mem punyai implikasi lain dalam analisis residual.

c. Pengaruh variabel bebas pada variabel t idak bebas merupakan penjumlahan dan harus t idak ada korelasi yang kuat ant ara sesama variabel bebas.

d. Variansi variabel t idak bebas t erhadap garis regresi harus sama unt uk semua nilai variabel bebas.

e. Nilai variabel bebas sebaiknya merupakan besaran yang relat if mudah diproyeksikan.

2.2.7 Uji Signifikansi

Secara umum uji signifikansi dapat dikat akan sebagai uji hipot esis t erhadap koefisien regresi secara individu masing-masing variabel bebas. Uji ini digunakan

(23)

unt uk melihat signifikansi pengaruh variabel independen secara individu t erhadap variabel dependen dengan menganggap variabel lain bersifat konst an. Uji signifikansi sering disebut juga sebagai uji parsiil. Uji parsiil ini menggunakan st at ist ik uji-t dengan rum us sebagai berikut .

Ket erangan, Sb : St andar error koefisien korelasi. b : koefisien regresi yang didapat kan.

β : Slope garis regresi sebenarnya.

Nilai Sb dapat dicari dengan menggunakan rumus sebagai berikut .

Nilai Se dapat dicari dengan menggunakan rumus sebagai berikut .

Hipot esis yang digunakan:

a. H0

: β = 0, artinya koefisien regresi tidak signifikan.

b. H1

: β ≠ 0, ar nya koeﬁsien regresi signiﬁkan.

Dasar pengambilan keput usan:

(24)

Jika st at ist ik t hit ung < t t abel, maka H0 dit erima, yait u menerima anggapan

bahw a koefisien regresi t idak signifikan.

Jika st at ist ik t hit ung > t t abel, maka H0 dit olak, yait u menolak anggapan

bahw a koefisien regresi t idak signifikan. b. Berdasarkan probabilit as.

Jika probabilit as > 0.05, maka H0 dit erima.

Jika probabilit as < 0.05, maka H0 dit olak.

2.2.8 Analisis Variansi

Analisis variansi t erhadap garis regresi perlu dilakukan unt uk menguji signifikansi garis regresi t ersebut . Berdasarkan analisis regresi, akan didapat kan bilangan F regresi yang diperoleh dari rumus:

Ket erangan, Freg : Harga bilangan F unt uk garis regresi

RKreg : Rerat a kuadrat garis regresi

RKres : Rerat a 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 t idak signifikan, maka garis regresinya t idak akan memberikan landasan unt uk prediksi secara efisien.

Analisis variansi garis regresi dapat dilakukan dengan met ode skor deviasi, sepert i yang disajikan dalam t abel 2.2 berikut .

………..………..… 22 res

reg reg

RK

(25)

Tabel 2.2 Analisis Variansi dengan M et ode Skor Deviasi

Sum ber: Sut risno Hadi, 1995

Dimana,













 



Persamaan garis regresi hasil hit ungan diuji apakah signifikan at au t idak. Apabila hasil pengujian signifikan berart i persamaan regresi t ersebut dapat dipakai sebagai hasil kesimpulan, t et api jika pengujian t idak signifikan berart i persamaan regresi t ersebut t idak bisa dipakai sebagai kesimpulan dan harus dicari persamaan garis regresinya non liniernya.

(26)

Ket erangan, Freg : Harga F garis regresi N : Banyak dat a m : Banyak predict or

R : Koefisien korelasi ant ara Y, X1, dan X2

Rumus F regresi diperoleh dari proses analisis variansi garis regresi yang dirangkum pada t abel 2.3 berikut .

Tabel 2.3 Analisis Variansi unt uk Regresi Berganda

Sum ber: Sut risno Hadi, 1995:27

Ket erangan, Freg : Harga F garis regresi

N : Banyak dat a m : Banyak predict or

R : Koefisien korelasi ant ara krit erium dengan predikt or-predikt or

Sum ber Variasi db JK RK

(27)

-Uji presisi garis regresi dilakukan dengan membandingkan nilai F regresi hasil hit ungan dengan F regresi t abel. Pada pengujian ini digunakan t araf signifikansi 5%. Apabila F regresi hasil hit ungan > F regresi t abel, berart i persamaan garis regresi t ersebut t idak dapat dipakai sebagai kesimpulan dan harus dicari persamaan non liniernya. Pengujian nilai F berdasarkan probabilit as yait u apabila probabilit as hit ung kurang dari 5%, berart i koefisien regresi secara simult an signifikan t erhadap Y, sedangkan bila probabilit asnya lebih dari 5%, maka koefisien regresi secara simult an t idak signifikan t erhadap Y.

2.2.9 Pengujian M odel

b. Homoskedasit as (Kesamaan varians) Het eroskedasit as

Keadaan het eroskedasit as adalah law an dari homoskedasit as. Dalam uji het eroskedasit as, pengujian yang dilakukan adalah dengan uji Park. Park menyarankan penggunaan ei2

sebagai pendekatan σ

12 dan melakukan regresi

sebagai berikut .

Dengan, vi : unsur gangguan yang st okast ik

Jika β ternyata signifikan secara statistik, maka di

kat akan bahw a dalam dat a t ersebut t erjadi het eroskedasit as, dan apabila t idak signifikan, maka dikat akan dat a t ersebut t erjadi hom oskedasit as.

(28)

Dalam bukunya Prof. Dr. H. Imam Ghozali pada hal 105, menyebut kan uji het eroskedasit as bert ujuan menguji apakah dalam model regresi t erjadi ket idaksamaan variance dari residual sat u pengamat an ke pengamat an yang lain. Jika variance dari residual sat u pengamat an ke pengamat an lain t et ap, maka disebut homoskedasit as dan jika berbeda disebut het eroskedasit as. M odel regresi yang baik adalah yang homoskedasit as at au t idak t erjadi het eroskedasit as.

Selain dengan uji Park, ada cara unt uk mendet eksi ada at au t idaknya het eroskedasit as yait u dengan melihat grafik plot ant ara nilai prediksi variabel t erikat (dependen) yait u ZPRED dengan residualnya (SRESID). Det eksi ada t idaknya het eroskedasit as dapat dilakukan dengan melihat ada t idaknya pola t ert ent u pada grafik scat t erplot ant ara SRESID dan ZPRED, dimana sumbu Y adalah Y yang t elah diprediksi dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang t elah di st udent ized.

Jika ada pola t ert ent u, sepert i t it ik-t it ik yang ada membent uk pola t ert ent u yang t erat ur (bergelombang, melebar kemudian menyempit ), maka mengindikasikan t elah t erjadi het eroskedasit as. Dan jika t idak ada pola yang jelas, sert a t it ik-t it ik menyebar di at as dan di baw ah angka 0 pada sumbu Y, maka t idak t erjadi het eroskedasit as.

c. Aut okorelasi

Unt uk mendet eksi ada at au t idaknya aut okorelasi, maka dilakukan pengujian Durbin-Wat son (DW) dengan ket ent uan sebagai berikut .

1. 1.65 < DW < 2.35; t idak ada aut okorelasi.

2. 1.21 < DW < 1.65 at au 2.35 < DW < 2.79; t idak dapat disimpulkan. 3. DW < 1.21 at au DW > 2.79; t erjadi aut okorelasi.

(29)

aut okorelasi dalam model regresi. M et ode pengujian yang sering digunakan adalah dengan uji Durbin-Wat son (uji DW ) dengan ket ent uan sebagai berikut : 1. Jika d lebih kecil dari dL at au lebih besar dari (4-dL), maka hipot esis nol

dit olak, yang berart i t erdapat aut okorelasi.

2. Jika d t erlet ak diant ara dU dan (4-dU), maka hipot esis nol dit erima, yang berart i t idak ada aut okorelasi.

3. Jika d t erlet ak diant ara dL dan dU at au diant ara (4-dU) dan (4-dL), maka t idak menghasilkan kesimpulan yang past i.

Nilai dU dan dL dapat diperoleh dari t abel st at ist ik Durbin-Wat son yang bergant ung banyaknya observasi dan banyaknya variabel yang menjelaskan. Dalam bukunya Damodar Gujarat i pada hal 218, menyebut kan harus menjadi perhat ian bahw a observasi minimum yang diperlukan sehubungan dengan t abel Durbin-Wat son adalah 15. Alasannya bahw a suat u sampel yang lebih kecil dari 15 observasi akan menjadi sangat sulit unt uk bisa menarik kesimpulan yang past i (definit if) mengenai aut okorelasi dengan memeriksa residual yang dit aksir.

d. M ult ikolinearit as

M ult ikolinerait as berart i ada hubungan linier yang sempurna diant ara beberapa at au semua variabel independen dari model regresi. Adapun cara pendet eksiannya adalah jika mult ikolinearit as t inggi, seseorang mungkin memperoleh R2 yang t inggi t api t idak sat u pun at au sangat sedikit koefisien yang signifikan secara st at ist ik.

(30)

1. Nilai R2 yang dihasilkan oleh suat u est imasi model regresi empiris sangat t inggi, t et api secara individual variabel bebas banyak yang t idak signifikan mempengaruhi variabel t erikat .

2. Jika ant ar variabel bebas ada korelasi yang cukup t inggi (umumnya di at as 0.90), maka hal ini merupakan indikasi adanya mult ikolinearit as.

Selain it u, menurut Duw i Priyat no uji mult ikolinearit as dapat dilakukan dengan melihat nilai Variance Inflat ion Factor (VIF) pada model regresi. M enurut Sant oso (2001), pada um umnya jika VIF lebih besar dari 5, maka variabel t ersebut mempunyai persoalan mult ikolinearit as dengan variabel bebas lainnya.

e. Normalit as

Salah sat u cara mengecek normalit as adalah dengan plot probabilit as normal. M elalui plot ini, masing-masing nilai pengamat an dipasangkan dengan nilai harapan dari dist ribusi normal dan apabila t it ik-t it ik t erkumpul di sekit ar garis lurus.

Selain plot normal ada sat u plot lagi unt uk menguji normalit as, yait u dengan Det erend Normal Plot . Jika sampel berasal dari populasi normal, maka t it ik-t iik-t ik ik-t ersebuik-t seharusnya ik-t erkumpul disekiik-t ar garis lurus yang melalui 0 dan t idak mempunyai pola.

BAB III

M ETODE PENELITIAN

3.1 Lokasi dan W aktu Penelitian

(31)

Lokasi penelit ian dilakukan pada Hot el Sahid Jaya Solo, Hot el Novot el, Hot el Ibis, Sunan Hot el, Hot el Lor In. Unt uk lebih jelasnya, dapat dilihat pada gambar 3.1 berikut .

Gambar 3.1 Pet a Lokasi Penelit ian

Ket erangan gambar: 1. Hot el Sahid Jaya Solo.

Hot el ini merupakan hot el bint ang 5, t erlet ak di Jalan Gajah M ada no 82, Solo 57132.

2. Hot el Novot el Solo.

Hot el ini merupakan hot el bint ang 4, t erlet ak di Jalan Slamet Riyadi no 272, Solo 57131.

H H

H

H 5

1

(32)

3. Hot el Ibis Solo.

Hot el ini merupakan hot el bint ang 3, t erlet ak di Jalan Gajah M ada no 23, Solo 57131.

4. Hot el Sunan Solo.

Hot el ini merupakan hot el bint ang 5, t erlet ak di Jalan Ahmad Yani no 40, Solo 57143.

5. Hot el Lor In Solo.

Hot el ini merupakan hot el bint ang 5, t erlet ak di Jalan Adi Sucipt o no 47, Solo 57174.

3.1.2 W aktu Penelitian

Wakt u penelit ian dilakukan pada hari Sabt u t anggal 9 M ei 2009 dari jam 9 pagi sampai jam 9 malam. Dilakukan survey pada hari Sabt u, karena pada hari sabt u merupakan hari w eekend yang juga bert epat an dengan t anggal merah (hari raya Waisak 2553), sehingga diharapkan akan banyak t erjadi t arikan ke hot el t ersebut . Dilakukan survey pada jam 9 pagi sampai 9 malam, karena pada jam-jam t ersebut pergerakan ke hot el baik bangkit an maupun t arikan sudah mulai t erjadi, dimana jam puncaknya bisa saja t erjadi pada siang hari, sore hari at aupun pada malam hari.

3.2 Data Penelitian

Dat a-dat a masukan unt uk analisis dat a meliput i dat a primer dan dat a sekunder. a. Dat a primer.

(33)

b. Dat a sekunder.

Dat a sekunder yang dibut uhkan adalah: 1. Luas lahan (variabel bebas X1). 2. Luas bangunan (variabel bebas X2). 3. Luas parkir (variabel bebas X3).

4. Tot al jum lah kamar yang t ersedia (variabel bebas X4). 5. Jumlah ruang rapat (variabel bebas X5).

6. Luas maksimum ruang rapat (variabel bebas X6).

M aksudnya adalah pengambilan salah sat u luas ruang rapat maksimum dari keseluruhan luas rapat yang t ersedia pada hot el yang bersangkut an.

3.3 Alat Penelitian

Peralat an yang dibut uhkan dalam penelit ian ini adalah:

a. Formulir unt uk mencat at kendaraan yang memasuki hot el t ersebut . b. Seperangkat alat t ulis.

c. Program SPSS unt uk menunjang dalam melakukan analisis dat a.

3.4 Prosedur Penelitian

(34)

sekunder, selanjut nya dat a t ersebut dianalisis dengan menggunakan program SPSS versi 16.

3.5 Tahapan Penelitian

Penelit ian dan analisis model t arikan perjalanan ini dibuat suat u t ahapan-t ahapan dengan ahapan-t ujuan unahapan-t uk mempermudah dalam penyelesaiannya. Tahapan-t ahapan ini dibuaTahapan-t secara Tahapan-t eraTahapan-t ur dan sisTahapan-t emaTahapan-t is, baik dalam benTahapan-t uk gagasan dan perencanaan maupun dalam pelaksanaan dan pembuat an keput usan. Pembuat an skripsi pada hakekat nya merupakan kegiat an dalam bent uk penelit ian yang dilakukan berdasarkan program kerja yang berurut an dan saling berkait . Adapun langkah-langkah nya secara garis besar dapat dit uliskan sebagai berikut ini.

a. M encari ide at au gagasan dan selanjut nya menuangkannya ke dalam bent uk lat ar belakang masalah, rumusan masalah dan pembat asan masalah.

b. M empelajari lit erat ur at au pengkajian pust aka yang berhubungan dengan ide yang dibuat dengan memperhat ikan kajian penelit ian yang t elah ada sebelumnya, maupun penggunaan rumus-rumus yang dipakai dalam penelit ian dan memilih met ode analisis yang digunakan.

c. M engumpulkan dat a dari hasil survei di lapangan dan mengolah sert a menganalisis dat a t ersebut dengan menggunakan program SPSS.

d. M embuat kesimpulan dan memberikan saran dari hasil analisis dat a yang diperoleh.

(35)

M encari ide

Lat ar belakang m asalah, rum usan m asalah dan pem bat asan m asalah

St udi pust aka dan lit erat ur

Pengolahan dat a

Analsis Dat a dengan SPSS 16

Pem bahasan

Kesim pulan dan saran M ulai

Pengum pulan dat a

Dat a Prim er:

Tarikan pergerakan kendaraan ke hot el.

Dat a Sekunder:

 Luas lahan.

 Luas bangunan.

 Luas parkir.

 Tot al jum lah kam ar yang t ersedia.

 Jum lah ruang rapat .

 Luas m aksim um ruang rapat .

Selesai

(36)

3.6 Tahapan Analisis Data dan Pengujian M odel

Tahapan analisis dat a dan pengujian model dapat dilihat pada gambar 3.3 berikut .

M ulai

Input Dat a Prim er & Sekunder

M odel Persam aan Regresi Linier

Pengujian St at ist ik

Pengaruh Variabel Bebas (R2) Uji Koefisien Regresi (Uji t )

Hipot esis:

Ho: Koefisien regresi t idak signifikan. H1: Koefisien regresi signifikan. Keput usan:

1. Uji M ultikolinearit as Syarat :

Tidak t erjadi M ult ikolinearit as. Pengujian:

- Nilai R2 yang t inggi. - Nilai VIF

(VIF > 5, t erjadi M ult ikolinearit as).

2. Uji Aut okorelasi Syarat :

Tidak t erjadi Aut okorelasi. Pengujian:

- Uji D-W (Durbin Wat son). (minim um n = 15, supaya dapat diam bil keputusan yang definit if).

- Dengan Tabel Kolm ogorov - Smirnov.

Hipot esis: Ho: Dat a berasal dari populasi yang berdist ribusi norm al. H1: Dat a berasal dari populasi yang t idak berdist ribusi norm al.

Keputusan: Asymp. Sig > α  Ho dit erim a Asymp. Sig < α  Ho dit olak - Plot Grafik Probabilit as Norm al.

(Jika tit ik-t it iknya tersebar di sekit ar garis lurus, m aka asum si kenorm alan t erpenuhi.

Pengujian - Plot gr

(37)

1 17592 2843.75 22603.14 40000

2 10494 9937.48 16145 25000

3 750 5598.12 3468.16 927.914

4 141 152 127 109

6 6 4 9 8

6 600 90 1296 576

Hot el Novot el Hot el Ibis Hot el Sunan Hot el Lor In

Tot al Jumlah Kamar yang t ersedia Luas Parkir (m²)

Luas Bangunan (m ²) Luas Lahan (m²)

Hot el Sahid Jaya Solo Variabel Bebas

Luas M aksimum Ruang Rapat (m ²) 306.25 12928 19575 3185.66

138

Jumlah Ruang Rapat 5

No

BAB IV

ANALISIS DAN PEM BAHASAN

3.7 Hasil Pengumpulan Data

Dat a sekunder didapat kan dari pihak managemen hot el, dengan perincian sepert i pada t abel 4.1 berikut .

Tabel 4.1 Dat a Sekunder dari Pihak Hot el

(38)

1 19.00 - 19.15 7 2 0

Sum ber Dat a didapat dari Hotel yang Bersangkut an.

Dat a primer didapat kan dengan mencat at jum lah kendaraan yang memasuki hot el t ersebut . Dari dat a primer t ersebut didapat kan jam puncak yang berbeda-beda ant ara hot el yang sat u dengan yang lainnya. Kendaraan yang di hit ung adalah mobil (LV), mot or (M C), Taksi (LV), dan bus (HV), yang kemudian dikonversikan dalam sat uan mobil penumpang (smp).

Ket ent uan mengenai ekivalensi mobil penum pang (emp) t erdapat dalam M anual Kapasit as Jalan Indonesia (M KJI) dimana nilai emp unt uk LV = 1, HV = 1.3, dan M C = 0.4.

1. Hot el Sahid Jaya Solo mem iliki jam puncak pada jam 19.00 – 20.00.

Tabel 4.2 Hasil Perhit ungan di Hot el Sahid Jaya Solo pada saat Jam puncak

Dat a selengkapnya dapat dilihat pada lampiran C-1 dan C-2.

2. Hot el Novot el memiliki jam puncak pada jam 15.00 – 16.00.

(39)

1 15.00 - 15.15 10 2 0

3. Hot el Ibis memiliki jam puncak pada jam 14.15 – 15.15.

Tabel 4.4 Hasil Perhit ungan di Hot el Ibis pada saat Jam puncak

4. Hot el Sunan memiliki jam puncak pada jam 15.45 – 16.45.

Tabel 4.5 Hasil Perhit ungan di Hot el Sunan pada saat Jam puncak

5. Hot el Lor In memiliki jam puncak pada jam 12.30 – 13.30.

(40)

var Y X1 X2 X3 X4 X5 X6

1 43.4 12928 19575 3185.66 138 306.25 5

2 44.9 17592 10494 750 141 600 6

3 40 2843.75 9937.48 5598.12 152 90 4

4 62.8 22603.14 16145 3468.16 127 1296 9

5 42.8 40000 25000 927.914 109 576 8

NO Tarikan Pergerakan

ke Hot el Luas Lahan Luas Bangunan Luas Parkir

Tot. Jml Kmr yg

Tersedia Jml R. Rapat Luas M ax R.

Rapat

Tarikan Pegerakan ke hot el 1 0.213 0.025 0.014 -0.271 0.945 0.753

Luas Lahan 1 0.786 -0.742 -0.978 0.483 0.798

Luas Bangunan 1 -0.414 -0.869 0.17 0.505

Luas Parkir 1 0.612 -0.292 -0.469

Tot al Jumlah Kamar yang t ersedia 1 -0.496 -0.813

Luas M aksimum Ruang Rapat 1 0.903

Jumlah Ruang Rapat 1

3.8 Analisis dan Pembahasan

Tahapan analisis dat a bert ujuan unt uk menghasilkan model persamaan ant ara variabel t erikat dengan variabel bebas. Variabel t erikat yang digunakan dalam model ini adalah t arikan pergerakan kendaraan ke hot el t ersebut , sedangkan variabel bebas yang digunakan adalah luas lahan, luas bangunan, luas parkir, t ot al jumlah kamar yang t ersedia, jumlah ruang rapat , dan luas maksimum ruang rapat . Dat a selengkapnya dapat dilihat pada t abel 4.7 berikut .

Tabel 4.7 Input Dat a Primer dan Dat a Sekunder

4.2.1 Koefisien Korelasi

Hasil pengujian korelasi ant ara variabel t erikat dengan variabel bebas dapat dilihat pada t abel 4.8 berikut .

(41)

Sum ber: Out put SPSS 16, lam piran D-1.

4.2.2 Bentuk M odel

Persamaan regresi dibuat dengan menggunakan nilai-nilai yang didapat dari hasil perhit ungan dengan bant uan program SPSS 16 dengan met ode St epw ise dan met ode Ent er. M et ode St epw ise digunakan bila analisis regresi yang akan dilakukan secara bert ahap, yang t ujuannya adalah unt uk mencari predikt or yang dominan (variabel yang berpengaruh akan hilang). M et ode Ent er digunakan bila semua variabel bebas dimasukkan sebagai variabel predikt or dengan t idak memandang apakah variabel t ersebut berpengaruh at au t idak berpengaruh t erhadap variabel t erikat .

Berikut ini adalah model persamaan yang didapat dari M et ode St epw ise dan Ent er.

Tabel 4.9 Alt ernat if bent uk model

No M odel R² F

M odel Stepw ise

1 y = 35.904 + 0.019 X5 0.893 24.916

No M odel Enter R² F

1 y = 38.268 + 0.001 X3 + 0.03 X5 - 2.417 X6 1 -

2 y = 24.254 + 0.013 X5 + 3.244 X6 1 -

3 y = 23.189 + 0.008 X5 + 4.590 X6 0.985 21.672

4 y = 45.473 + 0.029 X5 - 2.369 X6 0.946 17.558

5 y = 35.904 + 0.019 X5 0.893 24.916

Sum ber: Output SPSS 16, lam piran D-5, D-6, D-12, D-13, D-16, D-17, D-18, D-19, D-24, D-25, D-30 dan D-31

Ket erangan: Y = Tarikan pergerakan kendaraan (smp/ jam) X3 = Luas Parkir (m²)

(42)

Pada met ode Ent er, bent uk model pert ama dan kedua, nilai F t idak dapat dihit ung. Hal ini disebabkan nilai derajat kebebasannya adalah nol, sehingga hanya bent uk model ket iga, keempat dan kelima yang dapat dianalisis. Sedangkan pada met ode St epw ise bent uk model t ersebut dapat dianalisis lebih lanjut .

Hubungan masing-masing variabel bebas dan variabel t erikat dapat dilihat pada gambar 4.1 dan 4.2 berikut ini.

Gambar 4.1 Grafik Tarikan Pergerakan dengan Luas M aksimum Ruang Rapat

1

4

3

(43)

Gambar 4.2 Grafik Tarikan Pergerakan dengan Jumlah Ruang Rapat

Ket erangan Gambar: 1 = Hot el Sahid Jaya Solo 2 = Hot el Novot el Solo 3 = Hot el Ibis Solo 4 = Hot el Sunan Solo 5 = Hot el Lor In Solo

Dari gambar 4.1 dan 4.2 grafik t arikan pergerakan kendaraan dengan luas maksimum ruang rapat dan jum lah ruang rapat adalah linier.

4.2.3 Analisis Persamaan Regresi

Unt uk dapat menget ahui apakah persamaan regresi baik unt uk mengest imasi nilai variabel dependen, maka diperlukan analisis sebagai berikut .

3

1 2

5

(44)

4.2.3.1 Pengujian Terhadap Koefisien Regresi

M etode Stepw ise (Y = 35.904 + 0.019 X5)



M enguji signifikansi koefisien variabel luas maksimum ruang rapat pada model linier.

1. Perumusan hipot esis.

H0 : b = 0 (koefisien regresi b pada variabel luas maksimum ruang rapat t idak

signifikan).

H1 : b

≠ 0 (

koefisien regresi b pada variabel luas maksimum ruang rapat

signifikan).

2. Penent uan nilai krit is.

Nilai krit is dit ent ukan dengan menggunakan t abel dist ribusi normal dengan

memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang

digunakan.

Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 1, derajat kebebasan (df) = 3, dan t ingkat signifikansi (

α)

= 5% adalah: t (3;0.025) = 3.182

3. Nilai thit ung.

thit ung = 4.992

4. Pengambilan keput usan.

Perbandingan ant ara nilai thit ung dengan tt abel adalah

thit ung > tt abel

4.992 > 3.182

Oleh karena it u dapat disimpulkan bahw a H0 dit olak, yait u koefisien regresi

(45)

Jadi dapat disimpulkan bahw a variabel bebas X5 yait u luas maksimum ruang rapat berpengaruh t erhadap variabel t erikat Y.

M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)



signifikan).

H1 : b

≠ 0 (koeﬁsien regresi b pada variabel luas maksimum ruang rapat

signifikan).

memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang

digunakan.

Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 2, de

rajat kebebasan (df) = 1, dan tingkat signifikansi (α) = 5% adalah:

t (1;0.025) = 12.706

3. Nilai thit ung.

thit ung = 0.555

thit ung < tt abel

(46)

Oleh karena it u dapat disimpulkan bahw a H0 dit erima, yait u koefisien regresi

t idak signifikan.

Jadi dapat disimpulkan bahw a variabel bebas X5 yait u luas maksimum ruang rapat t idak berpengaruh t erhadap variabel t erikat Y.



M enguji signifikansi koefisien variabel jum lah ruang rapat pada m odel linier. 1. Perumusan hipot esis.

H0 : b = 0 (koefisien regresi b pada variabel jumlah ruang rapat t idak

signifikan).

H1 : b

≠ 0 (koeﬁsien regresi b pada variabel jumlah ruang rapat signiﬁkan).

memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang

digunakan.

Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 2, derajat kebebasan (df) = 1, dan t ingkat signi

fikansi (α) = 5% adalah:

t (1;0.025) = 12.706

3. Nilai thit ung.

thit ung = 1.013

thit ung < tt abel

1.013 < 12.706

(47)

Jadi dapat disimpulkan bahw a variabel bebas X6 yait u jumlah ruang rapat t idak berpengaruh t erhadap variabel t erikat Y.

M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)



signifikan).

H1 : b

≠ 0 (koeﬁsien regresi b pada variabel luas maksimum ruang rapat

signifikan).

memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang

digunakan.

Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 2, derajat kebebasan (df) = 2

, dan tingkat signifikansi (α) = 5% adalah:

t (2;0.025) = 4.303 3. Nilai thit ung.

thit ung = 3.749

thit ung < tt abel

(48)

t idak signifikan.

Jadi dapat disimpulkan bahw a variabel bebas X5 yait u luas maksimum ruang rapat t idak berpengaruh t erhadap variabel t erikat Y.



M enguji signifikansi koefisien variabel jum lah ruang rapat pada m odel linier. 1. Perumusan hipot esis.

H0 : b = 0 (koefisien regresi b pada variabel jumlah ruang rapat t idak

signifikan).

H1 : b

≠ 0 (koeﬁsien regresi b pada variabel jumlah ruang rapat signiﬁkan).

memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang

digunakan.

Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 2, derajat kebebasan (df) = 2, dan t ingk

at signifikansi (α) = 5% adalah:

t (2;0.025) = 4.303

3. Nilai thit ung.

thit ung = -1.410

thit ung < tt abel

(49)

t idak signifikan.

Jadi dapat disimpulkan bahw a variabel bebas X6 yait u jumlah ruang rapat t idak berpengaruh t erhadap variabel t erikat Y.

M etode Enter (Y = 35.904 + 0.019 X5)



signifikan).

H1 : b

≠ 0 (koeﬁsien regresi b pada variabel luas maksimum ruang rapat

signifikan).

memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang

digunakan.

Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 1, derajat

kebebasan (df) = 3, dan tingkat signifikansi (α) = 5% adalah:

t (3;0.025) = 3.182

3. Nilai thit ung.

thit ung = 4.992

(50)

4.992 > 3.182

Oleh karena it u dapat disimpulkan bahw a H0 dit olak, yait u koefisien regresi

signifikan.

Jadi dapat disimpulkan bahw a variabel bebas X5 yait u luas maksimum ruang rapat berpengaruh t erhadap variabel t erikat Y.

4.2.3.2 Pengukuran Persentase Pengaruh Semua Variabel Independen

Persent ase pengaruh variabel independen (variabel bebas) t erhadap nilai dependen dit unjukkan oleh besarnya nilai koefisien det erminasi (R2).

Pada hasil perhit ungan diperoleh besarnya koefisien det erminasi (R2) adalah 0.893, yang art inya pengaruh variabel bebas t erhadap perubahan nilai variabel t erikat adalah 89.3% dan 10.7% sisanya dipengaruhi oleh variabel lain selain variabel bebas yang digunakan yait u luas maksim um ruang rapat .

Persent ase pengaruh variabel bebas t erhadap variabel t erikat menunjukkan pengaruh yang besar sebesar 89.3%. Dengan demikian jika diukur dari besarnya pengaruh variabel bebas t erhadap perubahan variabel t erikat , maka persamaan regresi yang dihasilkan baik unt uk mengest imasi nilai variabel t erikat nya.

(51)

Pada hasil perhit ungan diperoleh besarnya koefisien det erminasi (R2) adalah 0.985, yang art inya pengaruh variabel bebas t erhadap perubahan nilai variabel t erikat adalah 98.5% dan 1.5% sisanya dipengaruhi oleh variabel lain selain variabel bebas yang digunakan yait u luas maksimum ruang rapat dan jumlah ruang rapat .

M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)

Pada hasil perhit ungan diperoleh besarnya koefisien det erminasi (R2) adalah 0.946, yang art inya pengaruh variabel bebas t erhadap perubahan nilai variabel t erikat adalah 94.6% dan 5.4% sisanya dipengaruhi oleh variabel lain selain variabel bebas yang digunakan yait u luas maksimum ruang rapat dan jumlah ruang rapat .

M etode Enter (Y = 35.904 + 0.019 X5)

(52)

4.2.3.3 Pengujian Terhadap Pengaruh Variabel Independen Secara Bersama (Uji Simultan)

Pengujian ini dilakukan unt uk menget ahui apakah semua variabel bebas mempunyai pengaruh yang sama t erhadap variabel t erikat nya. Pengujian yang dilakukan ini menggunakan uji dist ribusi F. Caranya yait u dengan membandingkan ant ara analisis krit is (Ft abel) dengan nilai Fhit ung yang t edapat

dalam t abel ANOVA (Analysis of Variance) dari hasil perhit ungan.

Langkah-langkah dalam melakukan analisis adalah sebagai berikut : 1. Perumusan hipot esis.

H0 : variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi

perubahan nilai variabel t erikat .

H1 : variasi perubahan nilai variabel bebas dapat menjelaskan variasi

2. Nilai krit is.

Nilai krit is dalam dist ribusi

F dengan signifikansi (α) = 5% dan degree of

freedom (DF) = 3, adalah

F (1;3;0.05) = 10.128

3. Nilai Fhit ung.

(53)

Pengambilan keput usan dilakukan dengan m embandingkan nilai Fhit ung

dengan Ft abel sesuai dengan t ingkat signifikansi yang digunakan.

Fhit ung > Ft abel

24.916 > 10.128

Nilai Fhit ung > Ft abel sehingga keput usannya adalah menolak H0.

Jadi dapat disimpulkan bahw a variasi perubahan nilai variabel bebas dapat menjelaskan variasi perubahan nilai variabel t erikat .

M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)

2. Nilai krit is.

Nilai krit is dalam dist ribusi F

dengan signifikansi (α) = 5% dan degree of

F (3;1;0.05) = 215.707

3. Nilai Fhit ung.

Dari t abel ANOVA dapat diket ahui bahw a nilai Fhit ung = 21.672

(54)

Fhit ung < Ft abel

21.672 < 215.707

Nilai Fhit ung < Ft abel sehingga keput usannya adalah menerima H0.

Jadi dapat disimpulkan bahw a variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi perubahan nilai variabel t erikat .

M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)

2. Nilai krit is.

dengan signifikansi (α) = 5% dan degree of

F (2;2;0.05) = 19

3. Nilai Fhit ung.

Fhit ung < Ft abel

17.558 < 19

(55)

Jadi dapat disimpulkan bahw a variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi perubahan nilai variabel t erikat .

M etode Enter (Y = 35.904 + 0.019 X5)

2. Nilai krit is.

dengan signifikansi (α) = 5% dan degree of

F (1;3;0.05) = 10.128

3. Nilai Fhit ung.

Fhit ung > Ft abel

24.916 > 10.128

Nilai Fhit ung > Ft abel sehingga keput usannya adalah menolak H0.

(56)

4.2.4 Pengujian M odel

Agar dapat menget auhi bahw a model regresi yang diperoleh merupakan model regresi yang menghasilkan est imat or linear t idak bias yang t erbaik (BLUE/ Best Linear Unbias Est imat or), maka diperlukan pengujian sebagai berikut .

4.2.4.1 Uji multikolinearitas

Karena jumlah variabel bebasnya hanya sat u, maka t idak mungkin t erjadi korelasi ant ar variabel bebas. Dengan dem ikian asumsi nonmult ikolinearit as t erpenuhi.

M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)

Adanya nilai mult ikolinearit as dapat diket ahui dengan menganalisis mat riks korelasi ant ar variabel bebas. Jika ant ar variabel bebas memiliki korelasi yang cukup t inggi (umumnya di at as 0.90), maka t erdapat indikasi adanya mult ikolinearit as.

Pada met ode persamaan ini (Y = 23.189 + 0.008 X5 + 4.590 X6), korelasi ant ar variabel bebas memiliki nilai yang cukup besar sebesar -0.98 at au sekit ar 98% (dat a hasil perhit ungan pada lampiran D-19). Oleh karena korelasinya di at as 90%, maka dapat dikat akan met ode ini t erjadi mult ikolinearit as.

Cara lain unt uk menget aui adanya mult ikolinearit as adalah dengan melihat nilai VIF (Variance Inflat ion Fact or). Pada umumnya jika VIF lebih besar dari 5, maka variabel t ersebut mem iliki persoalan m ult ikolinearit as.

(57)

Oleh karena nilai VIF lebih besar dari 5, maka pada met ode ini t erjadi mult ikolinearit as.

Dari dua pengujian ini, dapat disim pulkan bahw a pada met ode ent er (Y = 23.189 + 0.008 X5 + 4.590 X6) t erjadi mult ikolinearit as.

M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)

Adanya nilai mult ikolinearit as dapat diket ahui dengan menganalisis mat riks korelasi ant ar variabel bebas. Jika ant ar variabel bebas memiliki korelasi yang cukup t inggi (umumnya di at as 0.90), maka t erdapat indikasi adanya mult ikolinearit as.

Pada met ode persamaan ini (Y = 45.473 + 0.029 X5 – 2.369 X6), korelasi ant ar variabel bebas memiliki nilai yang cukup besar sebesar -0.903 at au sekit ar 90.3% (dat a hasil perhit ungan pada lampiran D-25). Oleh karena korelasinya di at as 90%, maka dapat dikat akan met ode ini t erjadi mult ikolinearit as.

Cara lain unt uk menget aui adanya mult ikolinearit as adalah dengan melihat nilai VIF (Variance Inflat ion Fact or). Pada umumnya jika VIF lebih besar dari 5, maka variabel t ersebut mem iliki persoalan m ult ikolinearit as.

Pada met ode persamaan ini (Y = 45.473 + 0.029 X5 – 2.369 X6), nilai VIF variabel luas maksimum ruang rapat (X5) adalah 5.402 dan nilai VIF variabel jumlah ruang rapat (X6) adalah 5.402 (dat a hasil perhit ungan pada lampiran D-25). Oleh karena nilai VIF lebih besar dari 5, maka pada met ode ini t erjadi mult ikolinearit as.

Dari dua pengujian ini, dapat disim pulkan bahw a pada met ode ent er (Y = 45.473 + 0.029 X5 – 2.369 X6) t erjadi mult ikolinearit as.

(58)

Karena jumlah variabel bebasnya hanya sat u, maka t idak mungkin t erjadi korelasi ant ar variabel bebas. Dengan dem ikian asumsi nonmult ikolinearit as t erpenuhi.

4.2.4.2 Uji Autokorelasi

Unt uk menget ahui adanya aut okorelasi, dilakukan pengujian t erhadap nilai Uji Durbin – Wat son (Uji DW). Uji Durbin Wat son dapat dilakukan bila banyaknya observasi minimum yang diperlukan sehubungan dengan t abel Durbin Wat son adalah 15. Dalam hal ini jumlah observasi kurang dari 15, jadi akan menjadi sulit unt uk menarik kesimpulan yang past i (definit if) mengenai aut okorelasi dengan memeriksa residual yang dit aksir.

M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)

M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)

(59)

adalah 15. Dalam hal ini jumlah observasi kurang dari 15, jadi akan menjadi sulit unt uk menarik kesimpulan yang past i (definit if) mengenai aut okorelasi dengan memeriksa residual yang dit aksir.

M etode Enter (Y = 35.904 + 0.019 X5)

4.2.4.3 Uji Homoskedasitas

Langkah pengujian signifikansi koefisien variabel Ln luas maksimum ruang rapat adalah sebagai berikut (dat a hasil perhit ungan pada lampiran D-8 dan D-9): 1. Perumusan Hipot esis.

H0 : b = 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat

t idak signifikan).

H1 : b