No. 27 Vol.3 Thn. XIV April 2007 ISSN: 854-8471
PEMODELAN TARIKAN PERJALANAN
PADA RUMAH SAKIT DI KOTA PADANG
Hendra Gunawan 1),Titi Kurniati 1),Dedi Arnaldi 2)
1)Staf Pengajar Jurusan Teknik Sipil Universitas Andalas 2)Mahasiswa Jurusan Teknik Sipil Universitas Andalas
ABSTRAK
Rumah sakit merupakan salah satu tempat pelayanan kesehatan bagi masyarakat. Perkembangan rumah sakit yang pesat yang ditandai dengan peningkatan sarana dan kualitas pelayanannya menimbulkan tarikan perjalanan (trip attractions) yang cukup tinggi. Penelitian ini memaparkan mengenai tarikan perjalanan rumah sakit di wilayah kota Padang, Sumatera Barat. Obyek penelitian adalah 4 buah rumah sakit yang berada di kota Padang. Data yang dianalisis adalah data primer yang dikumpulkan melalui survey berupa jumlah kendaraan yang datang ke suatu rumah sakit pada hari kerja. Sedangkan data yang menyangkut luas tanah, luas bangunan, jumlah pegawai dan jumlah tempat tidur merupakan data sekunder yang diperoleh dari pihak pengelola rumah sakit. Model tarikan perjalanan ditentukan berdasarkan analisis regresi dan uji statistik. Pada kondisi jam puncak, tarikan perjalanan mobil dipegaruhi oleh Jumlah Pegawai (JM=
0,195xJP0,95, R2= 0,994), tarikan perjalanan sepeda motor oleh Jumlah Tempat Tidur (JSM= 0,347xJTT0,986, R2= 0,979). Sedangkan untuk kondisi total perhari, tarikan perjalanan mobil
dipegaruhi oleh Jumlah Pegawai (JM= 1,561xJP0,921, R2= 0,994), tarikan perjalanan sepeda motor
oleh Jumlah Pegawai (JSM= 3,044xJPP
0,818
, R2= 0,981).
Kata Kunci : analisis regresi , rumah sakit, trip attractions.
1. PENDAHULUAN
Pertumbuhan penduduk yang tinggi dan adanya peningkatan perekonomian masyarakat menuntut laju pembangunan yang cukup pesat, yang pada gilirannya akan menimbulkan tingkat mobilitas tinggi dari para pelaku pembangunan. Pembangunan pada umumnya menyebabkan perubahan ke dalam sistem kegiatan.
Hubungan yang erat antara sistem kegiatan dengan sistem pergerakan mengakibatkan pembangunan yang juga akan memberikan perubahan kepada sistem pergerakan. Lebih jauh lagi, perubahan sistem pergerakan ini harus didukung oleh sistem jaringan ( prasarana ), sehingga dibutuhkan pembangunan jaringan, kemudian proses di atas akan kembali terulang. Karena itu sebagai salah satu jalan untuk memperkirakan kebutuhan pembangunan jaringan, diperlukan metode untuk mengetahui seberapa besar pengaruh adanya pembangunan (perubahan sistem kegiatan ) terhadap perubahan sistem pergerakan.
Dengan diketahuinya seberapa besar pengaruh adanya pembangunan terhadap sistem pergerakan, dapat juga dinilai seberapa jauh diperlukan pengendalian dan pengaturan untuk menjamin kelancaran, keselamatan dan efisiensi dalam sistem jaringan yang ada. Pengaruh awal yang dapat diidentifikasi adalah besarnya bangkitan dan tarikan pergerakan ( jumlah yang pergi dan yang datang ) akibat hasil pembangunan yang bersangkutan.
Dalam kasus ini adalah pembangunan yang cukup pesat pada beberapa rumah sakit yang berada
di kota Padang. Ini ditandai dengan adanya penambahan sarana dan peningkatan klasifikasi pada rumah sakit yang berakibat pada meningkatnya fasilitas pelayanan yang ada dan pada akhirnya akan meningkatkan jumlah tarikan perjalanan/ kunjungan ke rumah sakit tersebut.
2. STUDI PUSTAKA
Pemodelan bangkitan perjalanan (trip
generation) adalah suatu tahapan pemodelan yang
memperkirakan jumlah pergerakan dari suatu zona
(trip generation) dan jumlah pergerakan yang
tertarik ke suatu zona (trip attraction).
Tujuan dasar bangkitan perjalanan adalah menghasilkan suatu model hubungan yang mengaitkan tata guna lahan dengan jumlah pergerakan yang menuju ke suatu zona atau jumlah pergerakan yang meninggalkan suatu zona. Zona asal dan tujuan pergerakan biasanya menggunakan istilah trip end.
Pergerakan merupakan fungsi tata guna lahan yang menghasilkan perjalanan lalu lintas. Perjalanan lalu lintas ini mencakup :
• Lalu lintas yang meninggalkan suatu lokasi
• Lalu lintas yang menuju atau tiba ke suatu lokasi
Hasil keluaran dari perhitungan bangkitan dan tarikan lalu-lintas berupa jumlah kendaraan, orang, atau angkutan barang per satu satuan waktu, misalnya kendaraan/jam. Kita dapat menghitung jumlah orang atau kendaraan yang masuk atau keluar dari suatu luas tanah tertentu dalam satu hari
No. 27 Vol.3 Thn. XIV April 2007 ISSN: 854-8471
atau satu jam untuk mendapatkan bangkitan dan tarikan pergerakan.
Bangkitan dan tarikan lalu lintas tersebut tergantung kepada dua aspek tata guna lahan, yaitu:
a. Jenis tata guna lahan
Tata guna lahan yang akan ditinjau untuk dimodelkan tarikan perjalanannya adalah RUMAH
SAKIT, dimana parameter dari kawasan yang
umum digunakan sebagai variabel bebas dalam model bangkitan/tarikan diantaranya :
Luas tanah Dalam persamaan linier, hubungan antara dua variabel bila digambarkan secara grafis (dengan
scatter diagram), semua nilai X dan Y yang sesuai
dengan persamaan Y = a + bX akan jatuh pada suatu garis lurus (straight line). Garis tersebut yang dinamakan garis regresi (regression line).
Luas bangunan Jumlah pegawai Jumlah tempat tidur
b. Jumlah aktifitas dan intensitas pada tata
guna lahan
2.1. Formulasi Model
Model bangkitan atau tarikan yang akan dikalibrasi pada studi ini adalah model matematis. Secara umum, model matematis untuk bangkitan/tarikan merupakan bentuk korelasi antara variabel tata guna lahan sebagai variabel bebas dengan besarnya bangkitan tarikan sebagai variabel tak bebas. Persamaan matematis yang paremeternya diperoleh dari analisis regresi.
Bentuk persamaan yang dipilih adalah yang menghasilkan tingkat korelasi yang optimal. Analisis regresi juga menghasilkan parameter-paremeter yang dapat meng-gambarkan tingkat keandalan model yang diperoleh, sehingga model bangkitan atau tarikan yang diperoleh dapat dipergunakan secara lebih luas
Y = a + bX (linier) … (2.2)
2.2. Analisis Regresi
Analisis regresi adalah suatu analisis yang mempelajari bagaimana suatu peubah tidak bebas (respon) berhubungan dengan satu atau lebih peubah bebas (predictor). Analisa regresi linier dapat digunakan untuk menghasilkan hubungan antara satu peubah tidak bebas dengan dua atau lebih peubah bebas.
Persamaan yang sederhana dan luas penggunaannya untuk menunjukkan hubungan variabel-variabel adalah persamaan linier.
Y = a + bX ……(2.1) Dimana, a : Konstanta
b : Koefisien Regresi
X : Variabel yang diketahui (independent variable)
Y : Variabel yang diramalkan (dependent variable)
Sumber : Walpole, 1995
Asumsi dasar dari analisis regresi adalah (Hutchinson, 1974) :
1. Variasi dari nilai y di sekitar garis regresi harus sama dengan seluruh rentang jarak peubah bebas.
2. Penyimpangan nilai y di sekitar garis regresi harus bebas satu sama lain serta terdistribusi normal.
3. Nilai X diasumsikan bebas dari kesalahan. 4. Hubungan regresi peubah tidak bebas, linier
terhadap peubah bebas.
Untuk membuat garis regresi dapat digunakan metode least square.
Metode Least Square
Metode least square berusaha membuat garis yang mempunyai jumlah selisih (jarak vertikal) kuadrat antara data dengan garis regresi yang terkecil.
Bentuk persamaan regresi yang akan dikembangkan sebagai model dalam studi dapat dibagi menjadi dua kelompok utama :
a. Persamaan Regresi Variabel Tunggal
Untuk persamaan regresi variabel tunggal, dibatasi hanya regresi yang bersifat linier, logaritmik, power(berpangkat) dan eksponensial saja.
Bentuk umum persamaan regresi variabel tunggal yang dijadikan alternatif persamaan adalah :
Y = a + b Ln (X) (logaritmik) … (2.3) Y = a (X)b (power) … (2.4) Y = a exp[b(X)] (eksponensial) ..(2.5)
Sumber : Walpole, 1995
b. Persamaan Regresi Multi Variabel
Yaitu persamaan yang memiliki variabel bebas lebih dari satu. Karena itu untuk bentuk persamaan ini akan terdapat beberapa alternatif persamaan berdasarkan kombinasi kandidat variabel yang ada. Untuk persamaan regresi multi variabel, dibatasi hanya regresi yang bersifat linier saja (regresi multilinier), bentuk umumnya adalah :
Y = a + b1X1 + b2X2 + b3X3 + … … (2.6)
Sumber : Walpole, 1995
Keuntungan dari persamaan multi variabel adalah sebagai bentuk alternatif persamaan yang secara umum dikatakan semakin banyak variabel makin baik keandalan dari model yang dihasilkan, namun itu juga tergantung kepada variabel yang terlibat. Pemilihan kombinasi variabel didasarkan pada matrik korelasi yang telah dihasilkan.
No. 27 Vol.3 Thn. XIV April 2007 ISSN: 854-8471
Sebagai acuan dalam pemilihan kombinasi variabel dalam suatu alternatif persamaan adalah sebagai berikut :
• Untuk variabel bebas yang secara langsung memiliki pengaruh positif terhadap bangkitan/tarikan.
• Dipilih variabel bebas yang memiliki nilai korelasi tinggi terhadap variabel tak bebasnya. • Variabel bebas yang memiliki korelasi tinggi
dengan variabel bebas lainnya tidak disatukan dalam satu alternatif persamaan.
Sebagian besar persamaan regresi telah dikembangkan dengan menggunakan paket program analisis regresi bertahap (stepwise). Program analisis stepwise memungkinkan adanya analisis untuk menguji sejumlah besar peubah yang potensial. Pemodel kemudian akan memilih persamaan yang paling baik menggunakan kriteria statistik tertentu.
2.3. Analisis Korelasi
Korelasi adalah salah satu teknik statistik yang digunakan untuk mencari hubungan antara dua variabel atau lebih yang sifatnya kuantitatif. Dua variabel dikatakan berkorelasi apabila perubahan pada variabel yang satu akan diikuti oleh perubahan pada variabel yang lain secara teratur, dengan arah yang sama atau dapat pula dengan arah yang berlawanan.
Bila dua variabel tersebut dinyatakan sebagai variabel X dan variabel Y, maka apabila variabel X berubah, variabel Y pun berubah dan sebaliknya.
Koefisien korelasi merupakan ukuran besar
kecilnya atau kuat tidaknya hubungan antara variabel. Koefisien korelasi dinyatakan dengan bilangan bergerak antara 0 sampai +1 atau 0 sampai -1.
Apabila koefisien korelasi (r) mendekati +1 atau -1 berarti terdapat hubungan yang kuat, sebaliknya apabila mendekati 0 berarti terdapat hubungan yang lemah atau tidak ada hubungan. Apabila r sama dengan +1 atau -1 berarti terdapat hubungan positif sempurna atau hubungan negatif sempurna.
Koefisien korelasi dapat dihitung dengan beberapa metode :
1. Least Square
Biasanya dipergunakan nilai statistik :
r = +
(
)
Sumber : Walpole, 1995
2. Pearson Product Moment
Rumus menurut metode least square terlalu banyak memerlukan perhitungan. Hal ini dapat
dihindari dengan menggunakan metode
product moment yang dikemukakan oleh Karl
Pearson.
Sumber : Walpole, 1995
3. METODOLOGI PENELITIAN
Bagan alir metodologi penelitian untuk melakukan pemodelan tarikan dapat dilihat pada Gambar 1 berikut.
Pengumpulan Data Primer dan Sekunder
Gambar-1 Bagan Alir Metodologi Penelitian
4. PENGUMPULAN DATA
Pengumpulan data Primer dan Sekunder dilakukan untuk mengetahui besarnya bangkitan/tarikan lalu lintas (variabel tak bebas) sebagai data primer dan data karakteristik kawasan (variabel bebas) sebagai data sekunder di suatu kawasan tinjauan.
Jenis survey primer yang dilakukan untuk mengumpulkan data tarikan dari suatu guna lahan tertentu adalah dengan Survey Pencacahan Lalu
Lintas. Survey pencacahan lalu-lintas merupakan
suatu pencacahan kendaraan menurut jenisnya. Umumnya di kawasan rumah sakit yang terlihat cukup signifikan adalah kendaraan jenis
Sepeda Motor dan Mobil. Periode waktu
pencacahan adalah perjam, total waktu pencacahan disesuaikan dengan jenis tata guna lahan tinjauan. Data pencacahan ditulis dalam data form yang
Data Tarikan (Variabel Tak Bebas) Data Karakteristik
Kawasan
Analisis Korelasi Data
Lolos
Alternatif Persamaan Model
No. 27 Vol.3 Thn. XIV April 2007 ISSN: 854-8471
tersedia. Lokasi pencacahan ditetapkan pada pintu masuk lokasi yang bersangkutan.
Survey sekunder dilakukan dengan mendatangi masing-masing lokasi atau pengelola dari kawasan yang dipilih untuk mengumpulkan data-data yang diperlukan. Data sekunder yang diperlukan untuk rumah sakit umumnya berada pada lokasinya.
Survey sekunder untuk memperoleh data-data sebagai berikut :
1. Luas tanah (LT, m2) 2. Luas bangunan (LB, m2) 3. Jumlah pegawai (JP, orang) 4. Jumlah tempat tidur (JTT, buah)
Lokasi Survey
Pemilihan lokasi survey tergantung dari ketersediaan data dan kemudahan serta kemampuan dalam melaksanakan survey lapangan.
Lokasi yang di survey yaitu :
1. Rumah Sakit Umum Pusat M. DJAMIL. 2. Rumah Sakit YOS SUDARSO.
3. Rumah Sakit TNI REKSODIWIRYO. 4. Rumah Sakit SELAGURI.
5. ANALISIS DATA
5.1. Koefisien Korelasi
Sebelum melakukan pembuatan Alternatif Persamaan Model maka terlebih dahulu dilakukan penentuan Koefisien Korelasi dan Uji Korelasi.
Perhitungan angka koefisien korelasi dilakukan dengan menggunakan program SPSS (Statistical
Product Service Solution) versi 11.5 yaitu dengan
mengkorelasikan masing-masing variabel terikat (jumlah mobil dan jumlah sepeda motor) dengan variabel bebasnya (luas tanah, luas bangunan, jumlah pegawai, jumlah tempat tidur).
Hasil dari perhitungan koefisien korelasi disajikan dalam bentuk Matrik Korelasi kondisi tarikan pada jam puncak dan kondisi tarikan total dalam satu hari.
Koefisien korelasi berfungsi untuk melihat tingkat hubungan (secara statistik) antara variabel karakteristik kawasan dengan variabel tarikannya. Nilai korelasi adalah nilai yang digunakan untuk memilih variabel bebas (yaitu yang mempunyai nilai korelasi yang besar) dengan variabel tak bebasnya. Besarnya nilai korelasi antara dua variabel adalah antara -1 s/d +1.
5.2. Alternatif Persamaan Model
Kemungkinan-kemungkinan Alternatif Persamaan Model dilakukan dengan menggunakan program SPSS (Statistical Product Service
Solution) versi 11.5 yaitu dengan mengkorelasikan
masing-masing variabel terikat (jumlah mobil dan jumlah sepeda motor) dengan variabel bebasnya (luas tanah, luas bangunan, jumlah pegawai, jumlah tempat tidur).
5.3. Uji Model
Pengujian analisis ini adalah pengujian terhadap kemungkinan-kemungkinan Alter-natif Persamaan Model yang diperoleh dari program SPSS (Statistical Product Service Solution) versi 11.5 yang dilakukan dua (2) tahap pengujian yaitu Uji Kemasuk-akalan tanda dan Uji Statistik.
Uji Kemasuk-akalan tanda berfungsi sebagai pedoman awal untuk mendeteksi apakah ada hubungan yang tidak logis atau tidak masuk akal pada kemungkinan alternatif persamaan yang telah diperoleh. Dimana nilai konstanta (a) atau koefisien regresi (b) dinyatakan terdapat hubungan yang tidak logis atau tidak masukakal.
Alternatif persamaan model juga di Uji Statistik yaitu Uji tstatistik (untuk alternatif persamaan
model variabel tunggal) dan Uji Fstatistik (untuk
alternatif persamaan model multi variabel). Alternatif persamaan model yang lolos Uji Statistik adalah Alternatif persamaan model yang memiliki nilai tstatistik/Fstatistik lebih besar dari nilai ttabel/Ftabel
(tstatistik/Fstatistik > ttabel/Ftabel ), dimana nilai
tstatistik/Fstatistik diperoleh dari hasil analisis program
SPSS (Statistical Product Service Solution) versi 11.5
5.4. Pemilihan Model Optimum
Setelah dilakukan Uji Model, Alternatif Persamaan Model yang memenuhi Uji Kemasuk-akalan tanda dan lolos Uji Statistik dilanjutkan dengan pemilihan Alternatif Persamaan Model yang memiliki nilai koefisien determinasi (R2) yang besar, maka akan diperoleh Persamaan Model yang Optimum.
6. HASIL DAN PEMBAHASAN
Survei primer dilakukan dengan periode waktu pencacahan adalah perjam dari jam 7.00 sampai dengan jam 16.00. selama 2 hari kerja yaitu hari Selasa dan Kamis.
Data primer dan data sekunder hasil survey dapat dilihat pada Tabel 1, Tabel 2 dan Tabel 3 berikut :
Tabel-1 Jumlah Tarikan Kendaraan Saat Jam
Puncak
Masuk
No. Lokasi
Mobil Sepeda
Motor
1 RS. M. Jamil 205 201
2 RS. Yos
Sudarso 57 60
3 RS. TNI
Reksodiwiryo 21 39
4 RS. Selaguri 15 17
No. 27 Vol.3 Thn. XIV April 2007 ISSN: 854-8471
Tabel- 5 Matriks Korelasi Kondisi Tarikan Total
Perhari
Tabel -2 Jumlah Tarikan Kendaraan
Total Perhari
Reksodiwiryo 146 199
4 RS. Selaguri 105 117
Tabel- 3 Data Karakteristik Zona
Karakteristik Zona No
6.1. Hasil Korelasi
• Dari matrik korelasi jam puncak dapat dilihat bahwa jumlah mobil berkorelasi tinggi (nilai korelasi >0,5) dengan variabel bebasnya dan jumlah sepeda motor juga berkorelasi tinggi dengan variabel bebasnya. Demikian pula untuk kondisi total perhari.
Sumber : Data Survey • Antara variabel-variabel bebas terdapat korelasi yang tinggi, oleh sebab itu tidak disatukan dalam satu persamaan alternatif, maka cuma digunakan alternatif persamaan dengan variabel tunggal. Baik untuk kondisi tarikan jam puncak ataupun kondisi tarikan total perhari.
Hasil dari perhitungan koefisien korelasi dapat disajikan dalam bentuk matriks korelasi pada Tabel 4.4 untuk kondisi tarikan pada jam puncak. Sedangkan matrik korelasi hasil perhitungan untuk kondisi tarikan total dalam satu hari dapat kita amati pada Tabel 4.5.
Adapun alternatif persamaan model untuk kondisi tarikan pada saat jam puncak dan tarikan total perharinya dapat dilihat pada Tabel 6 dan Tabel 7.
Tabel -4 Matriks Korelasi Kondisi Tarikan Jam
Puncak
6.2. Model Akhir
Berdasarkan hasil kalibrasi dan analisis statistik serta uji kemasuk-akalan tanda, alternatif-alternatif persamaan yang telah teridentifikasi dipilih yang paling baik atau yang optimum.
Kriteria alternatif persamaan yang paling baik/optimum adalah sebagai berikut:
• Lulus uji kemasuk-akalan tanda • Lulus uji statistik
• Memiliki nilai koefesien determinasi (R2) yang paling besar.
Model Akhir Tarikan Jam Puncak
1. JM = 0,195 x JP0,95 R2 = 0,994
2. JSM = 0,347 x JTT0,986 R2 = 0,979
Model Akhir Tarikan Total Perhari
1. JM = 1,561 x JP0,921 R2= 0,994
2. JSM = 3,044 x JP0,818 R2= 0,981
No. 27 Vol.3 Thn. XIV April 2007 ISSN: 854-8471
Tabel -6 Alternatif Persamaan Model Tarikan Jam Puncak
Variable Regresi t Test
No. Model Tipe
VT VB a b R
2
t Sig t Table
1 y = 0.00223x-9.53 Linier JM LT -9.53 0.00223 0.804 2.868 0.1031 2.92 2 y =
32.0152Ln(x)-239.837
Logaritmik JM LT -239.837
32.0152 0.413 1.191 0.356 2.92
3 y = 0.392x0.48 Pangkat JM LT 0.392 0.48 0.536 1.519 0.268 2.92 4 y = 15.225e2.81E-05x Eksponensia
l
JM LT 15.225 2.81E-05
0.729 2.322 0.146 2.92
5 y = 0.00513x+2.905 Linier JM LB 2.905 0.00513 0.727 2.308 0.1473 2.92 6 y =
34.23Ln(x)-226.011
Logaritmik JM LB -226.011
34.23 0.44 1.253 0.337 2.92
7 y = 0.697x0.472 Pangkat JM LB 0.697 0.472 0.478 1.354 0.3083 2.92 8 y = 18.676e6.10E-05x Eksponensia
l
JM LB 18.676 6.10E-05
0.591 1.7 0.2312 2.92
9 y = 0.126x+5.969 Linier JM JP 5.969 0.126 0.997 25.548 0.0015 2.92 10 y =
70.369Ln(x)-326.354
Logaritmik JM JP -326.354
70.369 0.951 6.204 0.025 2.92
11 y = 0.195x0.95
Pangkat
JM JP 0.195 0.95 0.994 18.633 0.0029 2.92
12 y = 18.698e0.00156x Eksponensia l
JM JP 18.698 0.00156 0.882 3.865 0.0609 2.92
13 y = 0.303x-2.558 Linier JM JTT -2.558 0.303 0.984 11.213 0.0079 2.92 14 y =
83.016Ln(x)-349.248
Logaritmik JM JTT -349.248
83.016 0.929 5.133 0.0359 2.92
15 y = 0.163x1.096
Pangkat
JM JTT 0.163 1.096 0.929 5.105 0.0363 2.92
16 y = 16.978e0.0037x Eksponensia l
JM JTT 16.978 0.0037 0.854 3.417 0.076 2.92
17 y = 0.0022x-2.174 Linier JSM LT -2.174 0.0022 0.864 3.605 0.691 2.92 18 y =
32.374Ln(x)-238.613
Logaritmik JSM LT -238.613
32.374 0.487 1.378 0.3022 2.92
19 y = 0.411x0.495 Pangkat JSM LT 0.411 0.495 0.742 2.396 0.139 2.92 20 y = 19.368e2.68E-05x Eksponensia
l
JSM LT 19.368 2.68E-05
0.868 2.621 0.685 2.92
21 y = 0.005x+9.391 Linier JSM LB 9.391 0.005 0.794 2.779 0.1087 2.92 22 y =
34.795Ln(x)-226.221
Logaritmik JSM LB -226.221
34.795 0.52 1.475 0.2781 2.92
23 y = 0.659x0.5 Pangkat JSM LB 0.659 0.5 0.701 2.164 0.1629 2.92 24 y = 23.044e5.99E-05x Eksponensia
l
JSM LB 23.044 5.99E-05
0.741 2.39 0.1394 2.92
25 y = 0.117x+15.479 Linier JSM JP 15.479 0.117 0.991 14.483 0.0047 2.92 26 y =
65.366Ln(x)-293.103
Logaritmik JSM JP -293.103
65.366 0.941 5.656 0.0299 2.92
27 y = 0.536x0.807
Pangkat
JSM JP 0.536 0.807 0.934 5.308 0.0337 2.92
28 y = 25.699e0.00133x Eksponensia l
JSM JP 25.699 0.00133 0.838 3.216 0.0846 2.92
No. 27 Vol.3 Thn. XIV April 2007 ISSN: 854-8471
29 y = 0.284x+7.026 Linier JSM JTT 7.026 0.284 0.992 15.953 0.0039 2.92 30 y =
78.765Ln(x)-322.802
Logaritmik JSM JTT -322.802
78.765 0.96 6.935 0.0202 2.92
31 y = 0.347x0.986
Pangkat
JSM JTT 0.347 0.986 0.979 9.552 0.0108 2.92
32 y = 23.259e0.0033x Eksponensia l
JSM JTT 23.259 0.0033 0.846 3.319 0.08 2.92
Catatan : Nilai ttabel diperoleh dari Tabel t berdasarkan degree of freedom (df)
Dimana df = banyak sampel – (banyak variabel bebas dalam persamaan + satu)
Tabel- 7 Alternatif Persamaam Model Tarikan Harian
Model Tipe Variabel Regresi R2
t test
No.
VT VB a b t Sig t table
1 y = 0.0143x-49.539 Linier JM LT -49.539 0.0143 0.804 2.867 0.1031 2.92 2 y =
206.278Ln(x)-1535.316
Logaritmik JM LT -1535.31 6
206.278 0.418 1.198 0.354 2.92
3 y = 3.052x0.466 Pangkat JM LT 3.052 0.466 0.537 1.523 0.267 2.92 4 y = 106.455e1.17E-05x Eksponens
ial
JM LT 106.455 1.17E-05
0.731 2.334 0.147 2.92
5 y = 0.033x+30.731 Linier JM LB 30.731 0.033 0.726 2.300 0.148 2.92 6 y =
220.166Ln(x)-1442.89
Logaritmik JM LB -1442.89
220.166 0.441 1.256 0.336 2.92
7 y = 5.329x0.458 Pangkat JM LB 5.329 0.458 0.48 1.359 0.307 2.92 8 y = 129.748e5.93E-05x Eksponens
ial
JM LB 129.748 5.93E-05
0.593 1.710 0.2298 2.92
9 y = 0.81x+50.089 Linier JM JP 50.089 0.81 0.996 23.27 0.0018 2.92 10 y =
452.404Ln(x)-2087.085
Logaritmik JM JP -2087.08 5
452.404 0.953 6.362 0.0238 2.92
11 y = 1.561x0.921
Pangkat
JM JP 1.561 0.921 0.994 18.853 0.0028 2.92
12 y = 130.049e0.0015x Eksponens ial
JM JP 130.049 0.0015 0.883 3..883 0.0604 2.92
13 y = 1.943x-4.569 Linier JM JTT -4.569 1.943 0.983 10.885 0.0083 2.92 14 y =
533.487Ln(x)-2233.151
Logaritmik JM JTT -2233.15 1
533.487 0.931 5.193 0.0351 2.92
15 y = 1.307x1.063
Pangkat
JM JTT 1.307 1.063 0.929 5.151 0.0357 2.92
16 y = 118.404e0.00361x Eksponens ial
JM JTT 118.404 0.00361 0.855 3.435 0.0753 2.92
17 y = 0.013x-18.513 Linier JSM LT -18.513 0.013 0.836 3.187 0.0859 2.92 18 y =
194.322Ln(x)-1425.178
Logaritmik JSM LT -1425.17 8
194.322 0.446 1.27 0.332 2.92
19 y = 3.815x0.452 Pangkat JSM LT 3.815 0.452 0.63 1.847 0.206 2.92
No. 27 Vol.3 Thn. XIV April 2007 ISSN: 854-8471
20 y = 121.71e2.58E-05x Eksponens ial
JSM LT 121.71 2.58E-05
0.719 2.218 0.0945 2.92
21 y = 0.031x+53.765 Linier JSM LB 53.765 0.031 0.762 2.53 0.127 2.92 22 y =
208.696Ln(x)-1349.447
Logaritmik JSM LB -1349.44 7
208.696 0.477 1.351 0.3094 2.92
23 y = 6.004x0.453 Pangkat JSM LB 6.004 0.453 0.589 1.692 0.2327 2.92 24 y = 144.66e5.72E-05x Eksponens
ial
JSM LB 144.66 5.72E-05
0.69 2.11 0.1693 2.92
25 y = 0.735x+81.757 Linier JSM JP 81.757 0.735 0.996 23.194 0.0019 2.92 26 y =
410.695Ln(x)-1856.75
Logaritmik JSM JP -1856.75
410.695 0.945 5.869 0.278 2.92
27 y = 3.044x0.818
Pangkat
JSM JP 3.044 0.818 0.981 10.078 0.0097 2.92
28 y = 153.141e0.00136x Eksponens ial
JSM JP 153.141 0.00136 0.89 4.031 0.0564 2.92
29 y = 1.778x+30.218 Linier JSM JTT 30.218 1.778 0.991 14.74 0.0046 2.92 30 y =
489.69Ln(x)-2016.889
Logaritmik JSM JTT -2016.88 9
489.69 0.94 5.808 0.0284 2.92
31 y = 2.249x0.972
Pangkat
JSM JTT 2.249 0.972 0.973 8.512 0.0135 2.92
32 y = 139.49e0.00328x Eksponens ial
JSM JTT 139.49 0.00328 0.881 3.857 0.0611 2.92
Keterangan :
JM : Jumlah Mobil JSM : Jumlah Sepeda Motor LT : Luas Tanah LB : Luas Bangunan JP : Jumlah Pegawai JTT : Jumlah Tempat Tidur VT : Variabel Terikat VB : Variabel Bebas
7. KESIMPULAN
• Dari hasil analisis korelasi diketahui bahwa variabel Luas Tanah, Luas Bangunan, Jumlah Pegawai, dan Jumlah Tempat Tidur mempunyai pengaruh yang signifikan terhadap tarikan perjalanan pada rumah sakit di kota Padang, baik untuk tarikan jam puncak maupun tarikan total per hari.
• Dari hasil kalibrasi dan uji statistik diperoleh dua model akhir tarikan perjalanan pada rumah sakit di kota Padang untuk tarikan pada jam puncak dan untuk tarikan total dalam satu hari.
• Model Akhir yang diperoleh yaitu :
Model Akhir Tarikan Jam Puncak
1. JM = 0,195 x JP0,95 R2 = 0,994
2. JSM = 0,347 x JTT0,986 R2 = 0,979
Model Akhir Tarikan Total Perhari
1. JM = 1,561 x JP0,921 R2= 0,994
2. JSM = 3,044 x JP0,818 R2= 0,981
6. DAFTAR PUSTAKA
1. LPM-ITB, “Studi Standarisasi Bangkitan dan Tarikan Lalu-Lintas di Zona Bandung Raya”, Institut Teknologi Bandung, 1999
2. Putranto, L. S., “Tarikan Perjalanan Gedung Perkantoran di Jakarta Barat”. Jurnal Transportasi Vol. 1, No. 2, Forum Studi Transportasi Perguruan Tinggi, Bandung, 1999 3. Putranto, L. S., “Tarikan Perjalanan dan
efiseinsi Parkir Gedung Perkantoran di Jakarta Pusat”. Jurnal Kajian Teknologi Tahun 2 No.1, Universitas Tarumanegara, 2000
4. Tamin, O. Z, “Perencanaan dan Pemodelan Transportasi”, Penerbit ITB, Bandung, 1997 5. Morlok, E. K, “Pengantar Teknik dan
Perencanan Tranportasi ”, Penerbit Erlangga, Jakarta, 1991