PEMODELAN TARIKAN PERJALANAN PADA RUMAH SAKIT DI KOTA PADANG.

(1)

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

(2)

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)

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)

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.

(3)

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 = +

(

)

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.

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

(4)

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

(5)

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

(6)

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

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

JSM JP 25.699 0.00133 0.838 3.216 0.0846 2.92

(7)

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

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

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

(8)

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

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

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