BAB I PENDAHULUAN. Manusia berpindah dari suatu tempat ketempat lainnya merupakan akibat dari

BAB I PENDAHULUAN 1.1Latar Belakang

Manusia berpindah dari suatu tempat ketempat lainnya merupakan akibat dari kebutuhan manusia untuk melakukan suatu aktivitas tertentu.Berbagai aktivitas yang dilakukan manusia berbeda-beda akan menimbulkann karakteristik perjalanan yang berbeda-beda pula. Aktivitas, dalam hal ini dapat berupa aktivitas ekonomi, aktivitas sosial dan lain-lain.Jadi dapat di simpulkan bahwa manusia melakukan perpindahan tempat bukan hanya untuk bergerak saja, melainkan untuk melakukan aktivitas tertentu. Dari berbagai aktivitas manusia, salah satunya adalah perjalanan untuk pemenuhan kebutuhan perekonomian, seperti perjalanan untuk belanja.Kebutuhan manusia untuk berbelanja sangatlah penting untuk di penuhi karena hal ini sangat berperan penting dalam memenuhi kebutuhan sehari-hari manusia, hal ini memungkinkan frekuensi perjalanan yang tinggi menuju suatu pusat perbelanjaan. Munculnya berbagai pusat-pusat perbelanjaan membuat masyarakat semakin mudah untuk memenuhi kebutuhan sehari-harinya, hal ini sejalan juga dengan meningkatnya bangkitan lalu lintas menuju pusat-pusat perbelanjaan yang nantinya akan membebani jalur-jalur menuju pusat perbelanjaan yang mereka tuju.

1

Dari berbagai pusat-pusat perbelanjaan yang ada, maka peneliti mengambil pasar tradisional sebagai objek penelitian.Pasar tradisional merupakan suatu pusat perbelanjaan yang terkadang membuat jalan-jalan di sekitar pasar tersebut mengalami kemacetan akibat pasar tumpah atau pasar yang menggunakan sebahagian dari badan jalan, hal ini sering kali dipengaruhi dari bermunculannya lapak-lapak yang tidak berada pada kompleks struktur bangunan resmi dari pasar itu sendiri.Secara singkat Pasar adalah salah satu dari berbagai sistem, institusi, prosedur, hubungan sosial dan infrastruktur dimana usaha menjual barang, jasa dan tenaga kerja untuk orang-orang dengan imbalan uang. Pasar tradisional adalah pasar yang dibangun dan dikelola oleh Pemerintah, Pemerintah Daerah, Swasta, Badan Usaha Milik Negara dan Badan Usaha Milik Daerah termasuk kerjasama dengan swasta dengan tempat usaha berupa toko, kios, los dan tenda yang dimiliki/dikelola oleh pedagang kecil, menengah, swadaya masyarakat atau koperasi dengan usaha skala kecil,modal kecil dan dengan proses jual beli barang dagangan melalui tawar menawar (Peraturan Presiden RI No.12 Tahun 2007). Jumlah pasar tradisional yang ada di Kota Makassar adalah 16 unit yaitu: Makassar Mall, Terong , Butung, Kampung Baru, Pannampu, (Kalimbu, Kerungkerung), Maricaya, (Sawah,Mamajang), (Sambung Jawa, Cendrawasih), Pa'baengbaeng, Parangtambung, Panakukkang, Niaga Daya, Mandai, Tamalanrea, Darurat. Keberadaan pusat perbelanjaan tersebut dapat menimbulkan pengaruh terhadap frekuensi perjalanan berbelanja ke pasar tradisional, sehingga terdapat faktorfaktor berpengaruh yang perlu diidentifikasi. 2

Dari 16 pasar tersebut, penulis mengambil Pasar Tradisional Niaga Daya yang menjadi target penelitian. Pasar Niaga Daya dijadikan objek penelitian karena merupakan pasar yang mempunyai jumlah kios yang lebih banyak dibanding pusat perbelanjaan lainnya dengan jumlah populasi yang cukup padat di daerah utara kota Makassar. Tingkat kepadatan pengunjung pada pasar Niaga Daya akan menghasilkan jumlah pergerakan lalu lintas yang cukup besar. Hal ini akan sangat berpotensi menimbulkan kemacetan arus lalulintas, baik dalam kompleks pasar sendiri maupun di luar Pasar Niaga Daya. Pasar Niaga Daya terletak di Jalan Kapasa Raya, Kelurahan Daya, Kecamatan Biringkanayya, Kota Makassar, Provinsi Sulawesi Selatan dengan titik koordinat 5006’50,67” S 119030’25,70” T. 1.2 Rumusan Masalah

Dari uraian yang telah dikemukakan di atas, maka dalam penulisan karya ilmiah ini dirumuskan masalah sebagai berikut : 1.

Faktor-faktor

apa

sajakah

yang

mempengaruhi

tarikan

pergerakan

pengunjung? 2.

Bagaimanakah model tarikan pergerakan pengunjung pada Pasar Niaga Daya?

1.3Tujuan Penelitian

Sesuai dengan rumusan masalah di atas yang telah dikemukakan sebelumnya maka tujuan dari penelitian ini adalah sebagai berikut:

3

1.

Mengidentifikasi faktor-faktor yang berpengaruh terhadap model tarikan pergerakan.

2.

Menganalisis dan memodelkan tarikan pengunjung dengan statistik.

1.4Lingkup Penelitian

Ruang lingkup dari studi dalam rangka mencapai tujuan di atas adalah sebagai berikut : 1.

Pembuatan model tarikan pergerakan dengan menggunakan data yang diperoleh dari hasil survey dan penyebaran kuisioner untuk pengunjung.

2.

Pelaksanaan survey dilakukan dalam kondisi normal (kondisi seperti biasanya, tidak ada kegiatan-kegiatan besar pada saat pelaksanaan survey).

1.5Manfaat Penelitian

Dengan adanya penelitian ini diharapkan dapat menjadi salah satu bahan acuan untuk digunakan sebagai berikut: 1.

Akademis Secara akademis hasil penelitian ini diharapkan berguna sebagai suatu karya ilmiah yang dapat menunjang perkembangan ilmu pengetahuan dan sebagai bahan masukan yang dapat mendukung bagi peneliti maupaun pihak lain yang tertarik dalam bidang penelitian yang sama.

2.

Praktis Dapat memberikan manfaat bagi para perencana dan pemerintah kota untuk lebih memperjelas kebijakan dalam pengelolaan dan penempatan fasilitas umum khususnya keberadaan pasar tradisional

4

1.6Komposisi Skripsi

Dalam skripsi ini

terdiri dari 5 (lima) bab yang masing-masing dapat

diuraikan sebagai berikut: BAB I PENDAHULUAN Bab ini di uraikan mengenai latar belakang, rumusan masalah, tujuan penelitian, ruang lingkup penelitian, manfaat penelitian, dan komposis skripsi. BAB II

STUDI PUSTAKA Bab ini berisi tentang konsep/teori penelitian, kajian ringkas tentang hasil penelitian terdahulu, struktur model / model estimasi yang akan digunakan dalam penelitian, dan perangkat lunak yang akan digunakan.

BAB III

METODE STUDI Bab ini akan menjelaskan tentang kerangka kerja penelitian, jenis variabel dan data penelitian, lokasi dan waktu kegiatan penelitian, metode survei / pengambilan data, dan metode penyajian dan analisa data.

BAB IV

DATA DAN ANALISA Dalam bab ini berisi hasil analisis data yang merupakan tahapan setelah pengumpulan data diantaranya analisis kondisi penjual dan pembeli dengan mengetahui kondisi aspek dan kualitas pasar serta faktor-faktor yang mempengaruhi perjalanan berbelanja. 5

BAB V

PENUTUP Bab ini berisi kesimpulan dan rekomendasi yang merupakan temuan studi dari hasil penelitian yang telah dilakukan, sekaligus memberikan rekomendasi mengenai hal-hal yang diperlukan dalam studi lanjut.

6

BAB II TINJAUAN PUSTAKA 2.1

Landasan Teori

2.1.1 Defenisi Dasar Bangkitan dan Tarikan Tujuan dasar dari perencanaan transportasi adalah untuk memperkirakan jumlah dan lokasi kebutuhan akan transportasi (misalnya menentukan total pergerakan, baik untuk angkutan umum maupun angkutan pribadi) pada masa mendatang atau pada tahun rencana yang akan digunakan untuk berbagai kebijakan investasi perencanaan transportasi (Tamin. O. Z, 2000). Sistem Transportasi makro diilustrasikan pada Gambar 2.1.

Rumah

Temp

Tempat Kerja

Rumah

Gambar 2.1. Bangkitan dan Tarikan Pergerakan (tamin 2000) Beberapa jenis pergerakan yang dikenal dalam sistem transportasi adalah (Tamin, O.Z., 2000): •

Perjalanan didefinisikan sebagai suatu pergerakan satu arah dari titik asal ke titik tujuan. Biasanya diprioritaskan pada pergerakan yang menggunakan moda kendaraan bermotor.

7

•

Pergerakan Home-Based, yaitu pergerakan yang menunjukkan bahwa rumah dan pembuat pergerakan merupakan asal dan tujuan dari pergerakan.

•

Pergerakan Non Home-Based, yaitu suatu pergerakan yang menunjukkan bahwa salah satu tujuan dari pergerakan bukanlah rumah pelaku pergerakan.

•

Produksi pergerakan (Trip Production), merupakan pergerakan yang didefinisikan sebagai awal dan akhir dari sebuah pergerakan HomeBased atau sebagai awal dari sebuah pergerakan Non HomeBased.

•

Tarikan pergerakan (Trip Attraction), pergerakan ini didefinisikan sebagai pergerakan yang tidak berakhir di rumah bagi pergerakan yang bersifat Home-Based atau sebagai tujuan dari suatu pergerakan Non HomeBased.

•

Bangkitan pergerakan (Trip Generation), didefinisikan sebagai total jumlah pergerakan yang ditimbulkan oleh rumah tangga dalam suatu zona, baik Home Based maupun Non Home-Based.

2.1.2 Klasifikasi Pergerakan Klasifikasi pergerakan dapat dibagi atas (Tamin, O.Z., 2000): 

Maksud Pergerakan Dalam kasus pergerakan HomeBased, terdapat lima kategori tujuan pergerakan, yaitu pergerakan, kerja, pergerakan sekolah, pergerakan belanja, pergerakan sosial dan rekreasi, serta pergerakan lainnya



Karakteristik Orang Klasifikasi lainnya adalah perilaku pergerakan individu. Perilaku ini dipengaruhi oleh karakteristik sosial dan ekonomi. Kategori yang digunakan

8

adalah tingkat pendapatan, pemilikan mobil, ukuran rumah tangga (jumlah anggota keluarga). 2.1.3 Faktor-Faktor yang Mempengaruhi Tarikan dan Bangkitan Faktor-faktor yang mempengaruhi terjadinya pergerakan menurut Tamin, dapat dikelompokkan berdasarkan maksud perjalanan. Biasanya maksud perjalanan dikelompokkan sesuai dengan ciri dasarnya, yaitu berkaitan dengan ekonomi, sosial, budaya, pendidikan dan agama. Dalam pemodelan bangkitan pergerakan, hal yang diperhatikan bukan saja pergerakan manusia, tetapi juga pergerakan barang. Bangkitan dan tarikan pergerakan dipengaruhi oleh factor-faktor Berikut (Tamin, O.Z.,2000): 

Pendapatan Semakin tinggi tingkat pendapatan, seseorang memungkinkan tingginya tingkat pergerakan yang tertarik dari satu zona (zona asal) ke zona tujuan.



Pemilikan Kendaraan Tingkat kepemilikan kendaraan sangat berpengaruh besar terhadap tingkat pergerakan. Semakin meningkat jumlah pemilikan kendaraan dalam suatu keluarga, maka memungkinkan tingkat pergerakan yang terjadi semakin besar.

Dalam satu rumah tangga biasanya terdapat empat tingkat dalam

kepemilikan kendaraan : 0, 1, 2, atau lebih dari dua (2+) kendaraan.

9



Nilai lahan Sekelompok orang atau seseorang akan tertarik pada tata guna lahan yang mempunyai aksebilitas yang baik. Salah satu ukuran nilai tata guna lahan yaitu aksesibilitas yang merupakan faktor dalam mempermudah terjadinya interaksi antara dua buah tata guna lahan, disamping moda angkutan sebagai media dalam mempercepat pergerakan. Tata guna lahan dengan luas yang berbeda akan menghasilkan nilai lahan yang berbeda pula.



Kepadatan daerah pemukiman Kepadatan suatu daerah pemukiman akan meningkatkan pergerakan yang menuju pada suatu nilai tata guna lahan untuk melakukan aktivitasnya atau untuk memenuhi kebutuhan-kebutuhan yang tidak terdapat pada zona dimana dia berada.



Aksesibilitas Aksesibilitas merupakan suatu ukuran kenyamanan atau kemudahan mengenai cara lokasi tata guna lahan berinteraksi satu sama lain melalui sistem jaringan transportasi, yang dapat dinyatakan dengan jarak. Seiring dengan semakin meningkatnya kajian sistem transportasi perkotaan, jarak seakan bukanlah salah satu ukuran dari aksesibilitas. Tapi yang menjadi ukuran aksesibilitas yaitu waktu tempuh dan merupakan kinerja yang baik dibanding dengan jarak dalam menyatakan aksesibilitas. Keputusan-keputrusan dasar yang dilakukan dari sisi pandang transportasi

dalam melakukan suatu perjalanan, kemana perjalanan dilakukan, pada waktu apa melakukan perjalanan, menggunakan sarana angkutan apa, dan rute mana yang

10

ditempuh. Keputusan tersebut sangat berkaitan. Keterkaitan tersebut sangat bergantung pada berbagai hal, diantaranya adalah maksud perjalanan yang akan dilakukan. 2.1.4 Karakteristik Pusat Perbelanjaan Pada dasarnya karakteristik yang melekat pada pusat perbelanjaan terdiri atas dua bentuk, yaitu: a.

Bentuk fisik, yang dapat berupa sarana dan prasarana yang dimiliki oleh bentuk pusat perbelanjaan itu sendiri.

b.

Bentuk non fisik dapat memberikan kepuasan sosial pribadi bagi pengunjung. Sebagai suatu pusat interaksi antara penjual dan pembeli, pusat perbelanjaan

memiliki karakterisatik tersendiri yang dapat mencerminkan identitas dan citra dari suatu pusat perbelanjaan. Adapun karakteristik dari pusat perbelanjan menurut Urban Land Institute (1986), (Ihsan, 1998 :18) yaitu: 

Penyatuan bentuk arsitektur bangunan, yang memberikan ruang untuk penyewa yang dipilih dan diatur sebagai suatu unit untuk kepentingan semua penyewa.



Suatu tapak yang telah disesuaikan dengan tipe dari pusat perbelanjaan sendiri dengan keadaan yang bebas, dengan pengertian tapak dapat berubah sesuai dengan perluasan-perluasan yang mengikuti pertumbuhan dan permintaan.



Pencapaian lokasi yang mudah dari daerah perdagangan dengan pintu masuk dan keluar yang memadai untuk kendaraan dan pejalan kaki.

11



Parkir yang dapat mencukupi sesuai dengan kebutuhan pusat perbelanjaan.



Fasilitas pelayanan yang disediakan terpisah dengan sirkulasi pengunjung.



Pengembangan terhadap tapak dengan pengaturan terhadap pencahayaan, pertamanan, tata informasi yang mana dan teratur.



Suasana yang tercipta disekitar pusat perbelanjaan harus dapat menciptakan kesan aman dan nyaman serta memberikan identitas pada tempat tersebut. Menurut Roca (Harjani Yuni, 2003 : 13), usia bangunan juga mempengaruhi

kemampuan pusat perbelanjaan dalam menarik pengunjung. Bangunan pusat perbelanjaan menurut Roca memiliki daur hidup (life cycle) dimana bangunan pusat perbelanjaan yang

usianya sejak awal beroperasi sampai lima tahun

termasuk dalam proses pertumbuhan. Pada tahap ini jumlah pengunjung terus bertambah. Bangunan pusat perbelanjaan pada usia rentan lima sampai lima belas tahun berada pada tahap kedewasaan, dimana jumlah pengunjung mencapai puncaknya dan stabil. Jumlah pengunjung lambat laun akan menurun ketika bangunan berusia 15 sampai 25 tahun. Tahap Pertumbuhan

Tahap Kedewasaan

5 Tahun

5-15 Tahun

Tahap Pengisian ±60%

Tahap Pengisian Mendekati 100%

Tahap Penurunan

15-25 Tahun

>25 Tahun

Sumber : Roca (dalam Harjani Yuni, 2003) Gambar 2.2 Daur Hidup Bangunan Pusat Perbelanjaan 12

2.1.5 Ilmu Statistik Salah satu pendekatan untuk perencanaan transportasi dalam model perencanaan transportasi empat tahap adalah tarikan lalu lintas (Trip Atraction). Tarikan lalu lintas ini tergantung dari aspek tata guna lahan, transportasi dan arus lalu lintas dapat pula dipergunakan pendekatan secara kuantitatif. Untuk itu dapat dilakukan dengan penggunaan model matematik, yaitu suatu cara untuk mempresentasikan suatu realita dengan menyederhanakan permasalahan. Dengan menggunakan model ini maka kita dapat mengambil suatu pendekatan, asumsi/anggapan yang mendekati kenyataan. Sehingga model yang terjadi sudah barang tentu mempunyai suatu tingkat kesalahan tertentu. Dalam studi ini, pembahasan hanya difokuskan pada model analisis regresi. Model analisis regresi adalah suatu model dalam pemodelan Trip Atraction yang dilakukan sebagai usaha untuk mendapatkan hubungan linier antara jumlah pergerakan yang tertarik oleh zona dari ciri sosio-ekonomi rata-rata dari rumah tangga pada setiap zona. Pendekatan yang digunakan adalah analisis regresi linier berganda (Multiple Linier Regression Analysis). Teknik ini merupakan teknik analisis regresi linier sederhana yang diperluas untuk mendapatkan hubungan lebih dari satu variabel bebas. Hal ini penting karena kenyataannya jumlah variabel penyebab pergerakan lalu lintas yang mungkin akan mempengaruhinya cukup banyak atau lebih dari satu peubah/ variabel bebas. Multiple Linier Regression Analysis (Tamin, 2000) adalah teknik statistik yang sering digunakan dalam memperkirakan Bangkitan-Pergerakan pada masa yang akan datang, dimana dua atau lebih variabel (faktor) bebas yang

13

mempengaruhi jumlah pergerakan. Teknik ini mengukur sampai sejauh mana pengaruh dari setiap faktor dan hubungannya dengan faktor lainnya. 2.1.5.1 Analisa Regresi Sederhana Untuk mengetahui apakah suatu variabel dapat dipergunakan untuk memprediksi atau meramalkan variabel-variabel lainnya, maka digunakan analisa regresi. Jika suatu variabel tak bebas (dependent variabel) tergantung pada satu variabel bebas (Independen Variabel), hubungan antara kedua variabel tersebut analisa regresi sederhana. Bentuk matematis dari analisa regresi sederhana, (Tamin, 1996): Y = a + bX Dimana : Y = Variabel dependen (tidak bebas) X = Variabel independen (bebas) A = intercep (konstanta) b = Koefisien Regresi 2.1.5.2 Regresi Linear Berganda Konsep ini merupakan pengembangan lanjut dari uraian di atas, khususnya pada kasus yang mempunyai lebih banyak peubah bebas dan parameter b. Hal ini sangat diperlukan dalam realita yang menunjukan bahwa beberapa peubah tata guna lahan secara simultan ternyata mempengaruhi bangkitan dan tarikan

14

pergerakan. Multiple Linear Regresion Analysis (Tamin, 1996) adalah teknik statistik yang sering digunakan dalam memperkirakan bangkitan pergerakan pada masa yang akan datang, dimana dua atau lebih variabel (faktor) bebas yang mempengaruhi jumlah pergerakan. Persamaan regresi linear berganda merupakan persamaan matematik yang menyatakan hubungan antara sebuah variabel tak bebas dengan dengan variabel bebas. Model umum bentuk ini adalah : Y = a + b X + b X + … + bMXM 1

1

2

2

dimana : Y

= Variabel tidak bebas

X , XM = m variabel bebas 1

b , bM

= koefisien regresi

a

= konstanta

1

Model regresi harus berdasarkan atas prinsip asumsi statistik berikut : a.

Peubah tidak bebas (Y) adalah merupakan fungsi linier dari peubah bebas (X). Jika hubungannya tidak linier data harus ditransformasikan terlebih dahulu agar menjadi linier.

b.

Peubah, terutama peubah bebas, adalah tetap dan telah diukur tanpa galat.

c.

Tidak ada korelasi yang kuat antara sesama peubah bebas.

15

d.

Variansi dari peubah tidak bebas terhadap garis regresi adalah sama untuk semua nilai peubah bebas.

e.

Nilai peubah tidak bebas harus tersebar normal atau minimal mendekati normal.

2.2 Hasil Penelitian Terdahulu 

Salah satu hasil studi yang dilakukan oleh (Ir. Arifin Asri, Msi., Ir. Mubassirang Pasra, MT., dan Muh. Isran Ramli, ST., MT.:

2007),

dengan judul “Model Tarikan Pergerakan pada Pusat Perbelanjaan Mall Ratu Indah di Kota Makassar”. Data-data yang digunakan dalam penelitian ini berupa data sekunder yang diperoleh dari instansi-instansi terkait dan data primer yang didapat dari penyebaran kuesioner secara acak sebanyak 400 sampel. Metode yang digunakan adalah analisis regresi (analisis regresi sederhana dan analisis regresi linear berganda). Dalam hal ini digunakan Statistical Programme For Social Sciens (SPSS) versi 10.0 for windows. Variabel yang diukur adalah Intensitas Kunjungan (Y), Asesibilitas (X1), Fungsi Tata Ruang (X2), Manajemen Operasional (X3), Moda Angkutan (X4), dan Fasilitas (X5). 

Salah satu hasil studi yang dilakukan oleh (Ir. Mubassirang Pasra, MT., dan Muh. Isran Ramli, ST., MT.: 2007), dengan judul “Model Tarikan Pergerakan Pengunjung Pusat Perbelanjaan Global Trade Center Makassar”. Data-data yang digunakan dalam penelitian ini berupa data sekunder yang diperoleh dari instansi-instansi terkait dan data primer yang didapat dari penyebaran kuesioner secara acak sebanyak 385 sampel. Metode analisis yang

16

digunakan adalah analisis regresi (analisis regresi linear berganda).Variabel yang diukur adalah Intensitas Kunjungan (Y), Unit Usaha (X1), Luas Lantai Bangunan (X2), Fasilitas-fasilitas Lainnya (X3), Skaebilitas (X4), dan Luas dan Kapasitas Areal Parkir (X5). 

Salah satu hasil studi yang dilakukan oleh (Muh. Isran Ramli, ST., MT., dan Ir. H. Nur Ali, MM., MT.: 2004), dengan judul “Studi Model Tarikan Pergerakan pada Pusat Kegiatan Pendidikan dengan Metode Analisis Regresi (Studi Kasus : Kampus Universitas Hasanuddin, Makassar)”. Variabel bebas yang diidentifikasi pada studi ini meliputi jumlah pendapatan bulanan, jarak dari tempat tinggal ke kampus, pemilikan kendaraan, jumlah mata kuliah yang diajar/diambil, jenis moda ke kampus, jenis kelamin, jumlah pengeluaran per-bulan, dan tujuan lain ke kampus. Adapun variabel terikat adalah jumlah perjalanan ke kampus. Analisis model didasarkan pada model regresi berganda dengan alat bantu program SPSS. Pengujian model meliputi 2

uji koefisien determinasi (R ), uji signifikansi (uji t), uji multikolinearitas (uji F) dan uji rasionalitas.Variabel tarikan Perjalanan Mahasiswa dan Dosen yakni Jumlah perjalanan ke kampus (Y), Jumlah biaya bulanan (X1), Jarak dari tempat tinggal ke kampus (X2), Pemilikan motor (X3), Pemilikan mobil (X4), Jumlah mata kuliah yang dipilih (X5), Jenis moda ke kampus (X6), Jenis Kelamin (X7), dan untuk tarikan dosen di tambah satu variabel yakni Tujuan Lain ke Kampus (X8). Dari hasil uji model, diperoleh bahwa tarikan pergerakan mahasiswa Y = jumlah perjalanan ke kampus se-minggu sangat dipengaruhi oleh X3 = pemilikan motor, X5 = jumlah mata kuliah per-

17

semester, X8 = tujuan lain ke kampustarikan pergerakan Dosen Y = jumlah perjalanan ke kampus se-minggu, sangat dipengaruhi oleh X5 = jumlah mata kuliah diajar, X6 = jenis moda ke kampus. 

Salah satu hasil studi yang dilakukan oleh (Ir. Mubassirang Pasra, MT., Ir. H. Nur Ali, MM. MT., dan Muh. Isran Ramli, ST. MT.: 2004), dengan judul “Model Bangkitan Pergerakan Komunitas Perumahan Ke Pasar Tradisonal (Studi Kasus: Penduduk Kompleks Btn Minasa Upa Ke Pasar Pa’baeng-Baeng)”. Variabel terikat (Y), yaitu jumlah kunjungan dalam seminggu ke pasar Pa’baeng-baeng, Variabel bebas (X), meliputi : tipe rumah (X1); jumlah anggota keluarga (X2); pekerjaan kepala keluarga (X3); pendapatan total keluarga perbulan (X4); jumlah kepemilikan kendaraan bermotor (X5); cara berkunjung ke pasar Pa’baeng-baeng (X6); waktu yang dibutuhkan untuk sampai ke pasar Pa’baeng-baeng (X7); rata-rata total belanjaan setiap kali berkunjung ke pasar Pa’baeng-baeng (X8); waktu yang dihabiskan setiap kali berbelanja di pasar Pa’baeng-baeng (X9). Dari hasil uji model,

diperoleh

bahwa

bangkitan

pergerakan

penduduk

Komplek

Perumahan BTN Minasa Upa ke Pasar Pa’baeng-baeng dalam bentuk jumlah kunjungandalam seminggu (Y) sangat dipengaruhi oleh jenis rumah (X1) dan jumlah anggota keluarga (X2) serta moda transportasi (X6).

18

BAB III METODE PENELITIAN 3.1 Kerangka Kerja Penelitian Suatu penelitian harus melalui beberapa tahapan yang memiliki keterkaitan yang sangat erat melalui dari tahapan yang paling awal sampai pada tahapan yang paling akhir. Setiap tahapan harus dilalui sesuai dengan tata urutannya, karena hasil dari tahapan yang paling awal merupakan awal dimulainya tahapan berikutnya, karena tiap tahapan merupakan bagian yang menentukan bagi tahapan selanjutnya, maka tiap tahapan harus dilalui secara kritikal dan cermat. Untuk dapat melaksanakan penelitian secara efektif dan efisien, maka kita perlu mengetahui dan membuat sebuah bagan atau alur dari tahapan penelitian dalam hal ini kita sebut dengan kerangka metodologi penelitian. Kerangka kerja yang digunakan dalam penelitian ini tertera pada diagram alir berikut.

Mulai

Identifikasi masalah dan perumusan masalah Pekerjaan persiapan dan pengamatan pendahuluan Pengumpulan Data A

Gambar 3.1 Kerangka Metodoligi Penelitian

19

A

Pengambilan Data Sekunder  Peta Lokasi Pasar Niaga Daya  Data jumlah Kios Pasar Niaga Daya  Data Jumlah Pengunjung pada hari kerja dan pada hari libur

Pengambilan Data Primer  Pembagian kuisioner  Penentuan fariabel terikat  Penentuan fariabel bebas

Analisis Model Regresi Tidak Uji Asumsi Regresi Berganda:  Uji Multikoliniearitas  Uji Normalitas Ya Model Tarikan Pergerakan Hasil dan Pembahasan Kesimpulan dan Saran Selesai

Gambar 3.2 Kerangka Metodoligi Penelitian (Lanjutan)

20

3.2 Jenis Variabel dan Data Penelitian 3.2.1 Variabel penelitian Penelitian ini merupakan penelitian untuk mengetahui pengaruh faktor-faktor yang berpengaruh terhadap keputusan konsumen untuk berbelanja di pasar tradisional. Adapun variabel dalam penelitian ini adalah : a. Variabel bebas (indipendent Variabel) adalah fakto-faktor yang berpengaruh terhadap intensitas pengunjung untuk berbelanja di pasar tradisional. Dalam menentukan variabel kemudian ada beberapa tahapan yang harus dilakukan, hal pertama yang dilakukan ialah dengan melihat variabel-variabel apa sajakah yang diambil pada hasil-hasil penelitian terdahulu terkait dengan tema yang sama, hal ini dilakukan sebelum penelitian dilakukan dan menambahkan variabel-variabel yang berdasarkan logika saja sudah mempunyai keterkaitan (korelasi) dengan variabel tidak bebas. Variabel-variabel tersebut kemudian dijadikan sebagai variabel hipotesa. Setelah penelitian kemudian dilakukan uji normalitas untuk menentukan apakah data variabel-variabel hipotesa ini tersebar secara normal, karena hanya data yang tersebar normallah yang dapat dijadikan variabel. Variabel ini diberi simbol X, berikut adalah variabelvariabel hipotesa yang digunakan dalam penelitian ini. (X1) Usia (X2) Jenis Kelamin (X3) Jumlah Orang di Rumah (X4) Jumlah Orang Bekerja di Rumah (X5) Jumlah Orang Sekolah di Rumah

21

(X6) Pekerjaan Responden (X7) Pendapatan RT (X8) Kepemilikan Mobil (X9) Kepemilikan Motor (X10) Kepemilikan Sim Mobil (X11) Kepemilikan Sim Motor (X12) Moda Transportasi yang Digunakana (X13) Jarak Rumah ke Pasar (X14) Jumlah Orang ke Pasar (X15) Biaya Transportasi ke Pasar (X16) Waktu Perjalanan (X17) Tujuan Berbelanja (X18) Biaya Belanjaan (X19) Lama Berbelanja b. Variabel terikat(Dependent Variabel) adalah intensitas konsumen berbelanja di pasar tradisional (Pasar Niaga Daya). Variabel ini diberi simbol Y. 3.2.2 Data penelitian Ada dua jenis data penelitian yang dilakukan yaitu: a.

Data Primer yaitu data yang diperoleh secara langsung dari lokasi penelitian melalui wawancara dengan informan yang berkaitan dengan masalah penelitian, dan juga melalui observasi atau pengamatan langsung terhadap objek penelitian.

22

b.

Data Sekunder yaitu data yang diperoleh berdasarkan acuan dan literatur yang berhubungan dengan materi dan dokumen dari Perusahaan Daerah Pasar Makassar Raya Kota Makassar, PT Kalla Inti Karsa (KIK), serta karya tulis ilmiah yang berhubungan dengan penelitian.

3.3 Lokasi dan Waktu Penelitian Lokasi yang dipilih adalah pasar tradisional resmi yang berada pada Kota Makassar, pada penelitian ini dipilih Pasar Niaga Daya sebagai target penelitian. Lokasi dari pasar Niaga Daya dapat di liahat pada gambar 3.3. Survey yang dilakukan pada penelitian ini dilakukan tiga kali survey, dimana survey pertama adalah survey pendahuluan atau survey perhitungan jumlah kios yang ada pada pasar Niaga Daya, dilakukan pada tanggal 30 Desember 2012, survey kedua adalah survey perhitungan jumlah pengunjung yang dilakukan pada empat titik akses pasar Niaga Daya survey dilakukan selama 12 jam dari pukul 06:00 Wita – 18:00 Wita pada tanggal 03 Januari 2013 dan 06 januari 2013, survey ini dipilih satu hari kerja serta satu hari libur, kemudian survey berikutnya adalah wawancara dengan pengunjung yang berada pasar Niaga Daya yang dilakukan pada tanggal 10 Februari 2013 dan 07 Februari 2013.

23

Lokasi Penelitian

Gambar 3.3 Lokasi Penelitian 3.4 Metode Survei dan Pengambilan Data Berdasarkan tujuan penelitian, maka teknik pengunmpulan data dilakukan dengn cara observasi, wawancara dengan alat kuisioner, dan dokumentasi. Teknik pengambilan data tersebut dapat diperjelas sebagai berikut: 

Observasi, yaitu suatu cara untuk memperoleh data melalui kegiatan pengamatan

langsung terhadap

objek penelitian

untuk memperoleh

keterangan yang relevan dengan objek penelitian. 

Wawancara, yaitu suatu cara untuk mendapatkan dan mengumpulkan data melalui tanya jawab dan dialog atau diskusi dengan informan yang dianggap 24

mengetahui banyak tantang objek dan masalah penelitian yang akan dilakukan. 

Dokumentasi, yaitu suatu cara pengumpulan data yang digunakan untuk mengumpulkan data sekunder yaitu dari laporan-laporan realisasi penerimaan retribusi dan peraturan-peraturan yang berhubungan dengan implementasi kebijakan retribusi pasar. Untuk menentukan besarnya sampel penelitian adalah dengan menghitung

berdasarkan jumlah pengunjung pasar Niaga Daya. Dari hasil perhitungan jumlah pengunjung yang dilakukan di Pasar Niaga, pada hari kamis tanggal 03 Januari 2013 yang mewakili hari kerja sebanyak 23.182 orang, sedangkan pada hari minggu tanggal 06 Januari 2013 yang mewakili hari libur sebanyak 27.639 orang. Menurut Soekidjo Notoatmodjo (2002), pengambilan sampel yang layak yaitu dengan menggunakan rumus:

Dimana :

=

. 2. . 2 ( − 1) +

2.

.

n = Banyaknya sampel N = Banyaknya Populasi Z = Nilai standar ± 1,96 P = Prakiraan proporsi pengunjung yang puas (0-1) Q = 1-P d = Tingkat ketelitian (0,01 – 0,10) Dengan jumlah populasi terbesar pada hari libur sebanyak 27.639 orang, dengan prakiraan proporsi pengunjung yang puas adalah 0,5, dan tingkat ketelitian 25

Yang diambil adalah 0,05, maka: =



=

0,52

7.639 1,962 0,5 (1 − 0,5) ( 7.639 − 1) + (1.962 0,5 (1 − 0,5))

6544.496 = 378,907 70.055

Perhitungan Jumlah Kios

= 379

Perhitungan jumlah kios pada Pasar Niaga Daya dilakukan pada tanggal 30 Desember 2012, dari hasil perhitungan tersebut didapatkan data-data kios sebagai berikut. Tabel 3.1 Rekapitulasi Jumlah Kios No Kios Banyaknya 1 Penjual Akhsesories 68 2 Penjual Pakaian 219 3 Penjual Peralatan RT 104 4 Penjual Sembako 180 5 Penjual Kendaraan 9 6 Penjual Elektronik 7 7 Warung 19 8 Kosong/Tutup/Gudang 345 9 Tukang jahit 11 10 salon 12 11 Bank 10 12 Fasilitas Umum 3 13 Lain-lain 21 14 Jumlah 1008 Sumber ; Hasil Survey Pendahuluan 2012 3.5 Metode Penyajian dan Analisis Data Data-data yang telah diperoleh dari hasil survei dikumpulkan dan selanjutnya diolah agar dapat digunakan sebagai data masukan dalam proses analisa selanjutnya. Data yang diperoleh dari hasil survei masih dalam bentuk respon individu berupa pilihan terhadap poin rating yang disajikan dalam skala semantik. 26

Untuk menganalisa data yang diperoleh maka penulis menggunakan analisa data deskriptif dan regresi linear berganda. 3.5.1 Regresi linear berganda. Analisis statistik yang digunakan dalam penelitian ini adalah analisis regresi linier berganda dengan mempergunakan program SPSS 21,00. Analisis regresi berganda dipakai untuk menghitung besarnya pengaruh secara kuantitatif dari suatu perubahan kejadian (variabel X) terhadap kejadian lainnya (variabel Y). Dalam penelitian ini analisis regresi berganda berperan sebagai teknik statistik yang digunakan untuk menguji ada tidaknya pengaruh faktor-faktor yang berpengaruh terhadap keputusan konsumen untuk berbelanja di pasar tradisiional (pasar Niaga Daya). Analisis regresi menggunakan rumus persamaan regresi berganda seperti yang dikutip dalam Sugiyono (2005:261), yaitu: =

+

+

2 2

+

+⋯

Dimana: Y = Keputusan konsumen untuk berbelanja di pasar tradisiional (pasar Niaga Daya). a = Konstanta Intersepsi b = Koefisien regresi X1-Xn

= Faktor- faktor yang berpengaruh terhadap keputusan konsumen untuk

berbelanja di pasar tradisiional (pasar Niaga Daya. Teknik analisis yang digunakan sesuai dengan model diatas adalah regresi berganda dimana nilai dari variabel independen, dan dependen dapat diperoleh dari hasil survey yang perhitungannya akan menggunakan skala Likert. Cara

27

perhitungannya adalah dengan menghadapkan seorang responden dengan beberapa pertanyaan dan kemudian diminta untuk memberikan jawaban. 3.5.1.1 Uji Normalitas Variabel Uji normalitas yang dimaksud disini adalah pengujian variabel-variabel hipotesa untuk dijadikan variabel yang akan di analisa regresi. Pengujian normalitas variabel dilakukan dengan cara melihat pada histogram dari hasil pengolahan rekapitulasi kuisioner yang telah disebar kepada responden. Variabelvariabel yang diambil adalah variabel yang datanya tersebar secara normal untuk semua pilihan yang ada pada kuisioner. Data tersebar normal ketika hasil histogram mengikuti model dari kurva satndar deviasi, jika banyak histogram yang kemudian melenceng dari grafik standar deviasi maka data tersebut bias dikatakan data yang tidak terdistribusi normal dan variabel tersebut tidak dijadikan variabel yang akan di analisis regresi. 3.5.1.2 Uji Korelasi Uji korelasi dilakukan untuk mengetahui kekuatan hubungan antara variabel independen dan variabel dependen dan sesama variabel independen. Hasil dari uji korelasi dinyatakan dengan koefisien dan signifikansi hasil korelasi. Untuk korelasi antara variabel independen dan variabel dependen dipilih variabel yang nilai korelasinya kuat (>0,5) ,sedangkan korelasi antara sesame variabel independen dipilih yang tidak kuat (<0,5). 3.5.1.3 Uji Signifikansi Uji signifikansi digunakan untuk mengetahui berapa tingkat kepercayaan sebuah variabel atau tingkat kesalahan sebuah variabel. Dalam analisa regresi

28

digunakan variabel-variabel yang nilai tingkat kepercayaannya adalah > 95% atau dengan kata lain bahwa nilai signifikansinya adalah < 0,05. Jika dalam sebuah persamaan ada salah satu dari variabel memiliki nilai signifikansi lebih besar dari 0,05 maka persamaan tersebut tidak bisa digunakan. Untuk mengatasi ini maka variabel-variabel yang memiliki signifikansi lebih besar dari 0,05 di keluarkan dari persamaan kemudian dilakukan lagi analisa regresi sampai semua variabel memiliki nilai signifikansi lebih kecil dari 0,05. 3.5.1.4 Analisis Koefisien Korelasi (R) Pada model linear berganda ini, akan dilihat besarnya kontribusi untuk variabel bebas secara bersama-sama terhadap variabel antara dan kemudian kontribusi variabel antara terhadap variabel terikatnya dengan melihat besarnya koefisien korelasi totalnya (R). Jika (R) yang diperoleh mendekati 1 (satu) maka dapat dikatakan semakin kuat model tersebut menerangkan hubungan variabel bebas terhadap variabel antara dan hubungan variabel antara terhadap variabel terikat. Sebaliknya jika (R) makin mendekati 0 (nol) maka semakin lemah hubungan variabel-variabel bebas terhadap variabel antara dan hubungan variabel antara terhadap variabel terikat. 3.5.1.5 Analisis Koefisien Determinasi (R2) Nilai koefisien determinasi menunjukan prosentase pengaruh semua variabel independen terhadap variabel antara dan variabel angtara terhadap variabel dependen. Nilai koefisien determinasi berbeda antara 0 sampai dengan 1. Semakin mendekati 1 maka variabel bebas hampir memberikan semua informasi untuk memprediksi variabel antara dan terikat atau merupakan indikator yang

29

menunjukan semakin kuatnya kemampuan menjelaskan dari perubahan variabel bebas terhadap variabel terikat. Tabel 3.2 Kriteria koefisien korelasi Koefisien Korelasi 0,80-1.00 0,60-0,79 0,40-0,59 0,20-0,39 0,00-0,19 Sumber: Sugiyono (2008 : 184)

Tingkat Keeratan Sangat Kuat Kuat Sedang Rendah Sangat Rendah

3.5.2 Parameter Statistik F Parameter statistic F pada dasarnya merupakan uji hipotesis, untuk probabilitas semua koefisien persamaan regresi sama dengan nol. Nilai F dari persamaan regresi harus lebih besar dari Fkritis untuk menolak shipotesis semua koefisien regresi sama dengan nol. Dengan kata lain nilai F yang lebih besar dari Fkritis berarti bahwa variabel-variabel bebas secara bersamaan signifikan dalam menerangkan variabel tak bebasnya. 3.5.3 Nilai Konstanta Regresi Nilai konstanta dapat memberikan gambaran bagian dari variabel tak bebas yang tidak dapat diterangkan oleh variabel-variabel bebas. Persamaan regresi yang sebaiknya dipilih adalah yang memiliki nilai konstanta regresi yang kecil. Apabila tanda aljabar koefisien yang diperoleh negative. 3.5.4 Uji Model Regresi Berganda Dari analisa regresi diperoleh model persamaan. Untuk mendapatkan model yang BLUE (Best Unbiased Estimator), maka dilakukan pengujian sebagai berikut:

30

a. Uji linearitas 1. Menentukan F hitung Nilai F hitung untuk setiap model dilihat pada output kolom ANOVA. -

Jika F hitung > F tabel, maka ada hubungan linear

-

Jika F hitung < F tabel, maka tidak ada hubungan linear

2. Menentukan nilai F tabel Nilai F tabel dapat ditentukan dari tabel distribusi F (pada lampiran) dengan tingkat signifikan 5% b. Uji autokorelasi Nilai autokorelasi dapat dilihat pada output pada kolom model summary, tidak terjadi autokorelasi apabila nilai autokorelasinya terletak antara 1,65 dan 3,35 c. Non Multikolinearitas 1. Jika terjadi korelasi yang kuat (> 0,5) antara sesame variabel independen, maka terjadi problem multikolinearitas dan salah satu variabel dibuang dari persamaan dan dilakukan analisa regresi kembali. 2. Menentukan nilai besaran VIF (Variance Inflation Factor) dan Tolerance. Nilai VIF dan Tolerance dapat dilihat pada output kolom coefficients. -

Jika nilainya sekitar 1 (0,6 – 1,4), dikatakan tidak ada problem multikolinearitas

31

-

Jika nilainya dibawah 0,6 dan diatas 0,4 dikatakan ada problem multikolinearitas

d. Uji normalitas Untuk menguji apakah dalam sebuah model regresi, variabel dependen, variabel independen dan keduanya mempunyai ditribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data atau mendekati normal

32

BAB IV HASIL DAN PEMBAHASAN 4.1 Estimasi Jumlah Sampel Perhitungan jumlah Pengunjung pada Pasar Niaga Daya dilakukan dua kali perhitungan yang mewakili hari kerja dan hari libur. Pada hari kerja dilakukan pada hari kamis tanggal 03 Januari 2013, dan Pada hari libur dilakukan pada hari minggu tanggal 06 Januari 2013, dari dar hasil perhitungan tersebut didapatkan idapatkan datadata data jumlah pengunjung sebagai berikut: a.

Hari Kerja Hasil dari perhitungan jumlah pengunjung pada hari kerja yang telah

dilakukan pada hari kamis tangal 03 Januari 2013 kemudian ditampilkan dalam Bar Chart seperti berikut.

Kamis 03 Januari 2013 1800 1600

1662 1612 1561 1472 1451 1328 1266 1200 1136 1088 959 894 824 810

Pengunjung

1400 1200 1000 800 600

1054 892 766 590 467417434429472 398

400 200 0

0

Waktu Sumber : Hasil Survey Perhitungan Pengunjung Pasar Niaga Daya 2013

Gambar 4.1 Bar Chart Jumlah Pengunjung Hari Kerja

33

b. Hari Libur Hasil dari perhitungan jumlah pengunjung pada hari libur yang telah dilakukan pada hari minggu tangal 06 Januari 2013 kemudian ditampilkan dalam Bar Chart seperti berikut.

Minggu 06 0 Januari 2013

2000 1800 1600

Pemgumjumg

1400 1200 1000

1900 1764 1757 1647 1645 1565 1408 1408 1405 1366 1158 1114 1047 1027 998 885 885 925839919 835 772 608 595 575

800 600 400 200 0

0

Waktu Sumber : Hasil Survey Perhitungan Pengunjung Pasar Niaga Daya 2013

Gambar 4.2 Bar Chart Jumlah Pengunjung Hari Libur 4.2 Karakteristik Pengunjung Pasar P 1. Karakteristik Sosio Demografi Kondisi sosio osio demografi yang dimaksudkan meliputi usia, jenis kelamin, elamin, Jenis pekerjaan, jumlah pendapatan. endapatan. Histogram untuk karakteristik ini dapat dilihat pada Lampiran 03.

34

2.

Karakteristik Perjalanan Ke Pasar Tradisional Karakteristik ini meliputi Intensitas ke pasar,trip perjalanan, moda

transportasi, biaya transportasi dan waktu perjalanan. Histogram untuk karakteristik ini dapat dilihat pada Lampiran 03. 3.

Karakteristik Berbelanja Di Pasar Tujuan berbelanja di pasar, besar biaya belanjaan dan lama berbelanja di

pasar.Histogram untuk karakteristik ini dapat dilihat pada Lampiran 03. 4.3

Model Tarikan Pengunjung Pasar Niaga Daya pada Hari Libur dan Hari kerja.

4.3.1 Penentuan Sudut Pandang dan Analisis Pengkategorian Data Dari data kuisioner yang telah diperoleh, kemudian dilakukan perekapan pilihan-pilihan yang dipilih oleh para responden.Atribut variabel dominan untuk hari kerja dan hari libur disajikan dalam tabel berikut.

35

Tabel 4.1 Atribut variabel yang dominan Kerja Variabel Dominan Frekuensi 1 HARI 334 30 Tahun 52 WANITA 530 4 Orang 193 2 Orang 290 2 Orang 248 WIRAUSAHA 171 2,25 JUTA 132 0 Mobil 469 2 Motor 291 TIDAK 547 YA 422 SEPEDA MOTOR 432 3000 M 256 Sendiri 342 RP 0 317 7,5 MENIT 242 1 BELANJAAN 223 RP 65000 106 37,5 MENIT 240 Rumah 588 Rumah 644

Libur Persen Variabel Dominan Frekuensi 47.78% 1 HARI 364 7.44% 43 39 75.82% WANITA 540 27.61% 3 Orang 177 41.49% 1 Orang 284 35.48% 1 Orang 257 24.46% WIRAUSAHA 327 18.88% 2,75 JUTA 166 67.10% 0 Mobil 536 41.63% 1 Sepeda Motor 336 78.25% TIDAK 589 60.37% YA 467 61.80% SEPEDA MOTOR 416 36.62% 750 M 198 48.93% 1 Orang 317 45.35% RP 0 350 34.62% 7,5 MENIT 224 31.90% 2 BELANJAAN 240 15.16% RP 55000 110 34.33% 22,5 MENIT 217 84.12% Rumah 553 92.13% Rumah 663

Persen 52.22% 5.60% 77.47% 25.39% 40.75% 36.87% 46.92% 23.82% 76.90% 48.21% 84.51% 67.00% 59.68% 28.41% 45.48% 50.22% 32.14% 34.43% 15.78% 31.13% 79.34% 95.12%

Sumber : Analisa Data

Dari tabel diatas dapat dilihat bahwa variabel Rumah – Pasar – Rumah memiliki variabel yang dominan. Berikut disajikan chart cross dengan pola perjalanan Rumah – Pasar – Rumah.

36

Sumber : Pengolahan data pengunjung hari libur

Gambar 4.3Chart Chart Cross AsalLokasi Asal dan Tujuan Pada Hari libur.

Sumber : Pengolahan data pengunjung hari kerja

Gambar 4.4Chart Chart Cross AsalLokasi Asal dan Tujuan Pada Hari Kerja.

37

Setelah menentukan sudut pandang yang pertama yaitu Rumah – Pasar – Rumah kemudian dilakukan lagi perhitungan variabel dominan yang kemudian di sajikan dalam tabel berikut. Tabel 4.2 Atribut variabel yang dominan pada rantai perjalanan Kerja Libur Variabel Dominan Frekuensi Persen Variabel Dominan Frekuensi 1 HARI 257 45.65% 1 HARI 278 30 40 7.10% 43 34 WANITA 423 75.13% WANITA 440 4 Orang 155 27.53% 4 Orang 143 2 Orang 240 42.63% 1 Orang 241 1 Orang 205 36.41% 1 Orang 211 WIRAUSAHA 207 36.77% WIRAUSAHA 291 2,25 JUTA 109 19.36% 2,75 JUTA 146 0 Mobil 388 68.92% 0 Mobil 433 2 Motor 235 41.74% 1 Sepeda Motor 268 TIDAK 443 78.69% TIDAK 476 YA 322 57.19% YA 348 SEPEDA MOTOR 340 60.39% SEPEDA MOTOR 317 3000 M 212 37.66% 750 M 147 Sendiri 292 51.87% Sendiri 262 RP 0 256 45.47% RP 0 277 7,5 MENIT 199 35.35% 7,5 MENIT 176 1 BELANJAAN 186 33.04% 2 BELANJAAN 182 RP 65000 91 16.16% RP 55000 93 37,5 MENIT 198 35.17% 22,5 MENIT 163

Persen 50.82% 6.22% 80.44% 26.14% 44.06% 38.57% 53.20% 26.69% 79.16% 48.99% 87.02% 63.62% 57.95% 26.87% 47.90% 50.64% 32.18% 33.27% 17.00% 29.80%

Sumber : Pengolahan data

Dari tabel diatas dapat dilihat bahwa jenis kelamin wanita memiliki data yang sangat dominan, maka akan di ambil data responden wanita untuk di teliti lebih lanjut. Dalam penelitian kali ini, peneliti akan memfokuskan penelitian pada kepemilikan sepeda motor dan moda transportasi yang digunakan karena responden mayoritas memiliki sepeda motor dan menggunakan moda transportasi sepeda motor ke pasar. Berikut disajikan chart cross dengan sudut pandang wanita dan kepemilikan sepeda motor. 38

Sumber : Pengolahan data pengunjung hari libur

Gambar 4.5Chart Chart Cross Jenis Kelamin dan Kepemilikan milikan Sepeda Motor Pada Hari Libur.

Sumber : Pengolahan data pengunjung hari kerja

Gambar 4.6Chart Chart Cross Jenis Kelamin dan Kepemilikan Sepeda Motor Pada Hari Kerja Dari chart cross diatas kemudian diambil dua buah sudut pandang,, yakni: 1. Rumah – Pasar - Rumah – Wanita – Memiliki 1 motor dengan jumlah sampel masing-masing masing 215 untuk hari libur dan 144 untuk hari kerja. 39

2. Rumah – Pasar - Rumah – Wanita – Memiliki >1 motor dengan jumlah sampel masing-masing 184 untuk hari libur dan 260 untuk hari kerja. Setelah pola kepemilikan motor, kemudian dibuatkan lagi pola mengenai moda transportasi yang digunakan. Dapat dilihat pada Tabel 4.2 Atribut variabel yang dominan pada rantai perjalanan bahwa responden dominan menggunakan sepeda motor ke pasar, kemudian berikut di sajikan dalam tabel cross hubungan antara jenis kelamin, kepemilikan sepeda motor dan pemilihan moda transportasi. Tabel 4.3Hubungan Jenis Kelamin, Kepemilikan Sepeda Motor dan Pemilihan Moda Transportasi pada Hari Libur MODA TRANSPORTASI YANG DIGUNAKANA KE PASAR JENIS KELAMIN

KEPEMILIKAN LAKI-LAKI MOTOR

BECAK

OJEK

BECAK BERMOTOR

PETEPETE

SEPEDA MOTOR

MOBIL

0

0

0

0

0

1

2

1

4

1

1

0

1

0

0

46

5

53

2

1

0

1

0

0

38

3

43

3

0

0

0

0

0

6

1

7

2

0

2

0

1

92

10

107

0

5

3

3

4

16

3

7

41

1

16

15

11

12

41

108

12

215

2

12

5

14

5

17

89

3

145

3

3

1

3

0

1

14

0

22

>3

0

0

3

1

1

11

1

17

36

24

34

22

76

225

23

440

0

5

3

3

4

17

5

8

45

1

17

15

12

12

41

154

17

268

2

13

5

15

5

17

127

6

188

3

3

1

3

0

1

20

1

29

Total

KEPEMILIKAN MOTOR WANITA

Total

Total

KEPEMILIKAN MOTOR

>3 Total

Total

JALAN KAKI

0

0

3

1

1

11

1

17

38

24

36

22

77

317

33

547


40

Tabel 4.4Hubungan Jenis Kelamin, Kepemilikan Sepeda Motor dan Pemilihan Moda Transportasi pada Hari Kerja MODA TRANSPORTASI YANG DIGUNAKANA KE PASAR JENIS KELAMIN

LAKI-LAKI

KEPEMILIKAN MOTOR

JALAN KAKI

BECAK

OJEK

BECAK BERMOTOR

PETEPETE

0

1

0

1

0

1

4

0

1

0

2

2

2

0

3

0

0

0

>3

1

0

8

2

0

2

1

18

MOBIL

0

5

1

8

3

63

1

72

0

3

32

1

40

0

0

17

0

17

0

0

0

1

1

3

2

0

6

118

4

140

2

3

3

5

3

1

19

3

12

4

24

76

7

144

2 3

19

2

14

12

40

100

8

195

2

1

2

2

6

36

4

>3

53

1

0

1

1

2

7

0

12

42

8

32

22

77

222

20

423

0

3

2

4

3

5

8

2

27

1

22

3

13

4

27

139

8

216

2

21

4

14

12

43

132

9

235

3

2

1

2

2

6

53

4

70

>3

2

0

1

1

2

8

1

15

50

10

34

22

83

340

24

563

Total

WANITA

KEPEMILIKAN MOTOR

Total

Total

KEPEMILIKAN MOTOR

Total

Total

SEPEDA MOTOR


Dari tabel cross diatas dapat dilihat bahwa responden dominan menggunakan sepeda motor sebagai kendaraan yang digunakan untuk ke pasar, sehingga peneliti mengambil lagi pola Rumah – Pasar - Rumah – Wanita – Memiliki Sepeda Motor – Menggunakan Sepeda Motor sebagai moda transportasi untuk mengakses pasar tradisional dengan jumlah sampel sebanyak 222 untuk hari libur dan 219 sampel untuk hari kerja. 4.3.2 Analisa Normalitas Data Tiap Variabel Uji normalitas data dilakukan untuk melihat apakah data-data kuisioner yang telah diolah apakah pilihan-pilihan dari responden sudah tersebar secara merata atau tidak, karena hanya data-data yang tersebar normallah yang dapat dijadikan variabel bebas untuk dilakukan uji analisa regresi.Data dikatakan tersebar normal ketika grafik frekuensi mengikuti garis normal.

41

4.3.2.1 Uji Normalitas Pola Rumah – Pasar - Rumah – Wanita – Memiliki 1 Motor Uji normalitas untuk pola Rumah – Pasar - Rumah – Wanita – Memiliki 1 motor pada hari libur dapat dilihat pada lampiran 3.3. Dari Barchart-barchart pada lampiran tersebut kemudian dipilih variabel yang datanya terdistribusi normal untuk dijadikan variabel bebas, seperti Jumlah Orang di Rumah (X3), Jumlah Orang Bekerja di Rumah(X4), Pekerjaan Responden(X6), Pendapatan RT (X7), Jarak Rumah (x13), Waktu Perjalanan (X16), Tujuan Berebelanja (X17), Biaya Belanjaan (X18), dan Lama Berbelanja (X19). Sedangkan untuk hari kerja dapat dilihat pada lampiran 3.4. Variabel-variabelnya adalah, Jumlah Orang di Rumah (X3), Pekerjaan Responden(X6), Pendapatan RT (X7), Jarak Rumah (x13), Waktu Perjalanan (X16), Tujuan Berebelanja (X17), Biaya Belanjaan (X18), dan Lama Berbelanja (X19) 4.3.2.2 Uji Normalitas Pola Rumah – Pasar - Rumah – Wanita – Memiliki >1 motor Uji normalitas untuk pola Rumah – Pasar - Rumah – Wanita – Memiliki > 1 motor pada hari libur dapat dilihat pada lampiran 3.5. Dari Barchart-barchart pada lampiran tersebut kemudian dipilih variabel yang datanya terdistribusi normal untuk dijadikan variabel bebas, yakni Jumlah Orang di Rumah (X3), Jumlah Orang Bekerja di Rumah (X4), Jumlah Orang Sekolah di Rumah (X5), Pendapatan RT (X7), Jarak Rumah ke Pasar (X13), Tujuan Berebelanja (X17), Biaya Belanjaan (X18), dan Lama Berbelanja (X19). Sedangkan untuk hari kerja dapat dilihat pada lampiran 3.6. Variabel-variabelnya adalah, Jumlah Orang di

42

Rumah (X3), Jumlah Orang Bekerja di Rumah(X4), Pendapatan RT (X7), Jumlah Pendamping (X14), Waktu Perjalanan (X16), Tujuan Berebelanja (X17), Biaya Belanjaan (X18), dan Lama Berbelanja (X19). 4.3.2.3 Uji Normalitas Pola Rumah – Pasar - Rumah – Wanita – Memiliki sepeda motor – Menggunakan sepeda motor Uji normalitas untuk pola Rumah – Pasar - Rumah – Wanita – Memiliki sepeda motor – Menggunakan sepeda motor pada hari libur dapat dilihat pada lampiran 3.7. Dari Barchart-barchart pada lampiran tersebut kemudian dipilih variabel yang datanya terdistribusi normal untuk dijadikan variabel bebas, yakni Jumlah Orang di Rumah (X3), Jumlah Orang Bekerja di Rumah (X4), Pekerjaan Responden (X6), Pendapatan RT (X7), Jarak Rumah ke Pasar (X13), Jumlah Pendamping (X14), Waktu Perjalanan (X16), Tujuan Berebelanja (X17), Biaya Belanjaan (X18), dan Lama Berbelanja (X19). Sedangkan untuk hari kerja dapat dilihat pada lampiran 3.8. Variabel-variabelnya adalah, Jumlah Orang di Rumah (X3), Pekerjaan Responden (X6), Pendapatan RT (X7), Jarak Rumah ke Pasar (X13), Waktu Perjalanan (X16), Tujuan Berebelanja (X17), Biaya Belanjaan (X18), dan Lama Berbelanja (X19). 4.3.3 Analisa Korelasi Antar Variabel Untuk memodelkan tarikan perjalanan pengunjung terlebih dahulu dilakukan analisa korelasi. Uji korelasi dilakukan untuk mengetahui kekuatan hubungan antara variabel independen dan variabel dependen dan sesama variabel independen.Hasil dari uji korelasi dinyatakan dengan koefisien dan signifikansi hasil korelasi. Untuk korelasi antara variabel independen dan variabel dependen

43

dipilih variabel yang nilai korelasinya kuat (>0,5) ,sedangkan korelasi antara sesame variabel independen dipilih yang tidak kuat (<0,5). 4.3.3.1 Analisa Korelasi Pola Rumah – Pasar - Rumah – Wanita – Memiliki 1 Motor 1. Hari Libur Tabel 4.5. Korelasi Rumah – Pasar - Rumah – Wanita – Memiliki 1 motor pada hari libur

Y

Y

X3

X4

X6

X7

X13

X16

X17

1

0

0

0

0

0

0

0

X18 X19 0

X3 -.197** 1 0 0 0 0 0 0 0 ** X4 .024 .674 1 0 0 0 0 0 0 X6 .378** -.253** -.127 1 0 0 0 0 0 ** ** ** X7 .517 -.211 -.114 .234 1 0 0 0 0 X13 -.595** .246** .101 -.156 * -.430** 1 0 0 0 ** * ** ** X16 -.450 .152 -.005 -.294 -.114 .287 1 0 0 X17 .279** -.115 .004 .169* .249** -.249** -.144* 1 0 X18 -.074 .011 -.020 -.046 -.014 .072 .002 -.090 1 X19 -.263** .109 .036 -.025 -.180** .263** .235 ** -.058 -.072

0 0 0 0 0 0 0 0 0 1


Dari Tabel diatas dapat dilihat bahwa korelasi antara X4 dan X3 memiliki korelasi sebesar 0,674 dan nilai korelasi ini lebih besar dari 0,5 sehingga hanya satu dari variabel ini yang di jadikan variabel. Kemudian di ambil X3 dan X4 di buang karena korelasi X3 lebih besar dengan Y di bandingkan dengan korelasi antara X4 dengan Y.

44

2. Hari Kerja Tabel 4.6. Korelasi Rumah – Pasar - Rumah – Wanita – Memiliki 1 motor pada hari kerja Y

X3

X6

X7

X13

X16

X17

X18

X19

Y

1

0

0

0

0

0

0

0

0

X3

-0.05

1

0

0

0

0

0

0

0

X6

-0.04 -0.05

1

0

0

0

0

0

0

X7

0.57

0.09

1

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

1

0

0.02

X13 -0.45 -0.08 0.03 -0.37 1 X16 -0.40 0.18 -0.04 -0.35 0.35

X17 -0.15 0.12 -0.03 -0.10 0.05 0.28 1 X18 -0.27 0.00 -0.10 -0.15 0.03 0.21 0.14

X19 -0.04 -0.01 -0.10 0.09 0.08 0.05 0.20 0.20

1


Dari Tabel diatas tidak ada variabel yang memiliki korelasi lebih besar dari 0,5 sehingga semua variabel dapat digunakan dalam uji regresi. 4.3.3.2 Analisa Korelasi Pola Rumah – Pasar - Rumah – Wanita – Memiliki > 1 Motor 1. Hari Libur Tabel 4.7. Korelasi Rumah – Pasar - Rumah – Wanita – Memiliki > 1 motor pada hari libur Y

X3

X4

X5

X7

X13

X17

X18

X19

Y

1

-

-

-

-

-

-

-

-

X3

-

-

-

-

-

-

-

-

-

-

-

-

1

-

-

-

-

-

1

-

-

-

-

-0.212

1

-

X4

0.085

0.720

1

X5

-0.402

0.603 -0.120

X7

0.347

-0.105 -0.001 -0.150

X13 -0.437 0.180 -0.007 0.276 -0.265 1 X17 0.511 -0.202 -0.022 -0.264 0.202 -0.281 1 X18 -0.517 0.169 -0.047 0.297 -0.160 0.265 -0.311 1 X19 0.549 -0.074 0.167 -0.297 0.186 -0.175 0.393 -0.349


45

1

Dari Tabel diatas dapat dilihat bahwa korelasi antara X5 dan X3 memiliki korelasi sebesar 0,603 dan nilai korelasi ini lebih besar dari 0,5 sehingga hanya satu dari variabel ini yang di jadikan variabel. Kemudian di ambil X5 dan X3 di buang karena korelasi X5 lebih besar dengan Y di bandingkan dengan korelasi antara X3 dengan Y. 2. Hari Kerja Tabel 4.8. Korelasi Rumah – Pasar - Rumah – Wanita – Memiliki > 1 motor pada hari kerja Y

X3

X4

X6

X7

Y

1

-

-

-

-

-

-

-

-

-

X3

0.31

1

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

1

-

-

-

-

-

-

1

-

-

-

-

-

-

-

-

-

-

-

1

-

-

1

-

X4 -0.34 0.08 1 X6 -0.44 0.02 0.15 X7

0.17 0.10 0.05 -0.09

X14 X16 X17 X18 X19

X14 -0.13 -0.01 0.23 0.09 -0.06 1 X16 -0.37 -0.05 0.10 0.16 -0.10 0.07 1 X17 -0.36 -0.05 0.16 0.15 -0.18 0.03 0.24

X18 -0.22 0.04 0.09 0.10 0.03 0.01 0.19 0.03

X19 -0.37 -0.19 0.15 0.09 -0.03 0.01 0.20 0.26 0.09

1


Dari Tabel diatas tidak ada variabel yang memiliki korelasi lebih besar dari 0,5 sehingga semua variabel dapat digunakan dalam uji regresi.

46

4.3.3.3

Analisa Korelasi Pola Rumah – Pasar -

Rumah – Wanita –

Memiliki Sepeda Motor – Menggunakan Sepeda Motor 1. Hari Libur Tabel 4.9. Korelasi Rumah – Pasar - Rumah – Wanita – Memiliki sepeda motor – Menggunakan sepeda motor pada hari libur Y Y X3 X4 X6 X7

X3

X4

X6

X7

X13

X14

X16

X17

X18

X19

1

-

-

-

-

-

-

-

-

-

-

-0.204

1

-

-

-

-

-

-

-

-

-

0.074

0.718

1

0.290

-0.205 -0.159

-

-

-

-

-

-

-

-

1

-

-

-

-

-

-

-

1

0.482

-0.099

0.042

0.132

-

-

-

-

-

-

X13 -0.515 X14 -0.110

0.218

0.036

-0.146 -0.394

1

-

-

-

-

-

0.147

0.075

-0.127 -0.055

0.154

1

-

-

-

-

X16 -0.499

0.141

-0.028 -0.152 -0.345

0.406

0.004

1

-

-

-

X17 0.554 -0.211 -0.044 0.211 0.379 -0.363 -0.174 -0.328 1 X18 -0.275 0.039 -0.011 -0.118 -0.046 0.167 0.082 0.069 -0.232 X19 0.114

0.043

0.034

0.101

-0.026

0.137

0.067

-0.010

0.076

-

-

1

-

-0.239

1


Dari Tabel diatas dapat dilihat bahwa korelasi antara X3 dan X4 memiliki korelasi sebesar 0,718 dan nilai korelasi ini lebih besar dari 0,5 sehingga hanya satu dari variabel ini yang di jadikan variabel. Kemudian di ambil X3 dan X4 di buang karena korelasi X3 lebih besar dengan Y di bandingkan dengan korelasi antara X4 dengan Y.

47

2. Hari Kerja Tabel 4.10 Korelasi Rumah – Pasar - Rumah – Wanita – Memiliki Sepeda Motor – Menggunakan Sepeda Motor pada hari kerja Y

X3

X6

X7

X13

X16

X17

X18

X19

Y

1

-

-

-

-

-

-

-

-

X3

0.515

1

-

-

-

-

-

-

-

1

-

-

-

-

-

-

1

-

-

-

-

-

-

-

-

-

1

-

-

-

1

-

-

1

-

X6 -0.146 -0.144 X7

0.349 0.166 0.006

X13 -0.559 -0.381 0.190 -0.073 1 X16 -0.393 -0.107 -0.067 -0.081 0.165

X17 -0.322 -0.100 -0.065 -0.144 0.102 0.115

X18 -0.329 -0.106 0.064 -0.068 0.175 0.227 0.036

X19 -0.350 -0.359 -0.031 -0.105 0.333 0.163 0.253 0.033

1


Dari Tabel diatas tidak ada variabel yang memiliki korelasi lebih besar dari 0,5 sehingga semua variabel dapat digunakan dalam uji regresi. 4.3.4 Analisa Model Regresi Tarikan Pengunjung Pasar 4.3.4.1 Analisa Regresi Pola Rumah – Pasar - Rumah – Wanita – Memiliki 1 Motor 1. Hari Libur Hasil analisa penentuan model regresi pada lampiran 4.1.1 (L-28 s/d L-35), dapat dilihat pada Tabel 4.11 berikut ini :

48

Tabel 4.11. Regresi Rumah – Pasar - Rumah – Wanita – Memiliki 1 motor pada hari libur Model 1

Variabel

Model 2

Koefisien

Sig.

Koefisien

Sig.

1.734

.000

1.838

.000

(X3) JUMLAH ORANG DI RUMAH

.048

.144

-

-

(X6) PEKERJAAN RESPONDEN

.216

.000

.212

.000

(X7) PENDAPATAN RT

.156

.000

.156

.000

(X13) JARAK RUMAH KE PASAR

-.282

.000

-.280

.000

(X16) WAKTU PERJALANAN

-.166

.000

-.167

.000

(X17) TUJUAN BERBELANJA

.022

.622

-

(X18) BIAYA BELANJAAN

-.010

.658

-

(X19) LAMA BERBELANJA

-.023

.528

-

-

(Constant)

R

2

SEE F

0.591

0.585

0.684

0.682

37.161

73.942


Dari dua model analisa regresi diatas kemudian di ambil model ke-2 karena nilai-nilai signifikansi variabelnya lebih kecil dari 0,05. 2. Hari Kerja Hasil analisa penentuan model regresi pada lampiran 4.1.2 (L-35 s/d L-42), dapat dilihat pada Tabel 4.12 berikut ini :

49

Tabel 4.12. Regresi Rumah – Pasar - Rumah – Wanita – Memiliki 1 motor pada hari kerja Model 1

Model 2

Variabel Koefisien

Sig.

Koefisien

Sig.

(Constant)

5.103

.000

4.702

.000


-.017

.729

-

-


-.117

.034

-

-

(X7) PENDAPATAN RT

.207

.000

.203

.000


-.270

.000

-.260

.000


-.271

.001

-.292

.000


-.056

.449

-

-


-.183

.000

-.190

.000


-.074

.254

-

-

R

2

0.628

0.622

SEE

0.802

0.800

F

28.539

45.354


Dari dua model analisa regresi diatas kemudian di ambil model ke-2 karena nilai-nilai signifikansi variabelnya lebih kecil dari 0,05. 4.3.4.2 Analisa Regresi Pola Rumah – Pasar - Rumah – Wanita – Memiliki >1 Motor 1. Hari Libur Hasil analisa penentuan model regresi pada lampiran 4.2.1 (L-43 s/d L-50), dapat dilihat pada Tabel 4.13 berikut ini :

50

Tabel 4.13. Regresi Rumah – Pasar - Rumah – Wanita – Memiliki >1 motor pada hari libur Model 1 Variabel

Model 2

Koefisien

Sig.

Koefisien

Sig.

(Constant)

1.071

.025

1.167

.000


.021

.646

-

-


.424

.000

.423

.000

(X7) PENDAPATAN RT

.153

.000

.155

.000


-.228

.000

-.221

.000


0.00E+00

.999

-

-


.148

.014

.155

.006


-.129

.000

-.128

.000


.024

.649

-

R

2

0.645

SEE F

0.644

0.744

0.739

39.811

64.540



51

Tabel 4.14. Regresi Rumah – Pasar - Rumah – Wanita – Memiliki >1 motor pada hari kerja Model 1

Model 2

Variabel Koefisien

Sig.

Koefisien

Sig.

(Constant)

4.539

.000

4.482

.000


.205

.000

.206

.000

(X4) JUMLAH ORANG BEKERJA DI RUMAH

-.303

.000

-.312

.000


-.328

.000

-.329

.000

(X7) PENDAPATAN RT

.191

.000

.191

.000

(X14) JUMLAH ORANG KEPASAR

-.047

.523

-

-


-.186

.001

-.187

.001


-.174

.002

-.173

.002


-.068

.005

-.067

.005


-.204

.000

-.203

.000

2

R

0.624

0.624

SEE

0.819

0.818

F

44.469

44.469


Dari dua model analisa regresi diatas kemudian di ambil model ke-2 karena nilai-nilai signifikansi variabelnya lebih kecil dari 0,05. 4.3.4.3 Analisa Regresi Pola Rumah – Pasar - Rumah – Wanita – Memiliki Sepeda Motor – Menggunakan Sepeda Motor 1. Hari Libur Hasil analisa penentuan model regresi pada lampiran 4.3.1 (L-59 s/d L-66), dapat dilihat pada Tabel 4.15berikut ini :

52

Tabel 4.15. Regresi Rumah – Pasar - Rumah – Wanita – Memiliki Sepeda Motor – Menggunakan Sepeda Motor pada hari libur Variabel

Model 1

Model 2

Koefisien

Sig.

Koefisien

Sig.

1.448

.001

1.570

.000


.015

.670

-

-


.303

.000

.300

.000

(X7) PENDAPATAN RT

.133

.000

.133

.000


-.250

.000

-.247

.000

(X14) JUMLAH ORANG KEPASAR

.039

.660

-

-


-.145

.001

(Constant)

-.144

.002


.134

.004

.130

.005


-.053

.030

-.053

.028


-.006

.883

-

R

2

SEE F

-

0.644

0.643

0.717

0.713

42.574

64.564



53

Tabel 4.16. Regresi Rumah – Pasar - Rumah – Wanita – Memiliki Sepeda Motor – Menggunakan Sepeda Motor pada hari kerja Model 1

Model 2

Variabel Koefisien

Sig.

Koefisien

Sig.

(Constant)

4.235

.000

3.627

.000


.192

.000

.213

.000


-.076

.163

(X7) PENDAPATAN RT

.208

.000

.207

.000


-.368

.000

-.389

.000


-.246

.000

-.252

.000


-.256

.000

-.269

.000


-.080

.001

-.079

.001


-.097

.073

-

-

R

2

0.695

0.688

SEE

0.750

0.755

F

57.953

75.368


Dari dua model analisa regresi diatas kemudian di ambil model ke-2 karena nilai-nilai signifikansi variabelnya lebih kecil dari 0,05 4.4 Pembahasan Hasil Permodelan 4.4.1 Pola Rumah – Pasar - Rumah – Wanita – Memiliki 1 Motor 1. Pembahasan Model Regresi Untuk Hari Libur Dari Tabel 4.11 diperoleh hasil regresi Y = 1,838+ 0,212 X6 + 0,156 X70,280 X13 – 0,167 X16.Dari model persamaan tersebut, diperoleh analisis sebagai berikut :

54



Konstanta sebesar 1,838menyatakan bahwa jika tidak ada ke semua variabel ( X6, X7, X13, dan X16), maka intensitas kunjungan sebesar 1,838kali/minggu



Koefisien regresi 0,212menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X6 (Pekerjaan Responden) akan meningkatkan intensitas kunjungannya sebesar 0,212kali/minggu



Koefisien regresi 0,156menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X7 (Pendapatan RT.) akan meningkatkan intensitas kunjungannya sebesar 0,156kali/minggu



Koefisien regresi 0,280menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X13 (Jarak rumah ke pasar) akan menurunkan intensitas kunjungannya sebesar 0,280kali/minggu



Koefisien regresi 0,167menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X16 (waktu perjalanan dari lokasi asal) akan menurunkan intensitas kunjungannya sebesar 0,167kali/minggu



Nilai R sebesar 0,765 pada lampiran ( Model Summary ) menunjukkan bahwa korelasi/hubungan antara intensitas kunjungan dengan variabel independen ( X6, X7, X13, X16) adalah kuat.



R2 atau koefisien determinasi adalah 0,585 yang artinya variabel ( X6, X7, X13, X16), dapat menerangkan variabilitas sebesar 58,5% dari intensitas kunjungan, sedangkan sisanya diterangkan oleh variabel lain.



Standard Error of Estimate (SEE) adalah 0,682 atau 0,682 kali/minggu (satuan yang dipakai adalah variabel dependen / intensitas kunjungan). Makin

55

kecil SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen. 

Nilai F pada lampiran (ANOVA) adalah 73,942 dengan tingkat signifikan 0,000. Karena probabilitas (0,000) jauh lebih kecil dari 0,05, maka model regresi dapat dipakai untuk memprediksikan intensitas kunjungan.

2. Pembahasan Model Regresi Untuk Hari Kerja Dari Tabel 4.12 diperoleh hasil regresi Y = 4,702+ 0,203 X7- 0,260 X130,292 X16 – 0,190 X18.Dari model persamaan tersebut, diperoleh analisis sebagai berikut : 

Konstanta sebesar 4,702menyatakan bahwa jika tidak ada ke semua variabel ( X7,

X13,

X16,

dan

X18),

maka

intensitas

kunjungan

sebesar

4,702kali/minggu 

Koefisien regresi 0,203 menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X7 (Pendapatan RT.) akan meningkatkan intensitas kunjungannya sebesar 0,203 kali/minggu



Koefisien regresi 0,260menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X13 (Jarak rumah ke pasar) akan menurunkan intensitas kunjungannya sebesar 0,260kali/minggu



Koefisien regresi 0,292menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X16 (Waktu Perjalanan Dari Lokasi Asal) akan menurunkan intensitas kunjungannya sebesar 0,292kali/minggu

56



Koefisien regresi 0,190menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X18 (Biaya Belanjaan) akan menurunkan intensitas kunjungannya sebesar 0,190kali/minggu



Nilai R sebesar 0,792 pada lampiran ( Model Summary ) menunjukkan bahwa korelasi/hubungan antara intensitas kunjungan dengan variabel independen ( X7, X13, X16, dan X18) adalah kuat.



R2 atau koefisien determinasi adalah 0,622 yang artinya variabel ( X7, X13, X16, dan X18), dapat menerangkan variabilitas sebesar 62,2% dari intensitas kunjungan, sedangkan sisanya diterangkan oleh variabel lain.



Standard Error of Estimate (SEE) adalah 0,8 atau 0,8 kali/minggu (satuan yang dipakai adalah variabel dependen / intensitas kunjungan). Makin kecil SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.




4.4.2 Pola Rumah – Pasar - Rumah – Wanita – Memiliki > 1 Motor 1. Pembahasan Model Regresi Untuk Hari Libur Dari Tabel 4.13 diperoleh hasil regresi Y = 1,167+ 0,423 X6+0,155 X70,221 X13 + 0,155 X17 – 0,128 X18.Dari model persamaan tersebut, diperoleh analisis sebagai berikut :

57



Konstanta sebesar 1,167menyatakan bahwa jika tidak ada ke semua variabel ( X6, X7, X13, X17, dan X18), maka intensitas kunjungan sebesar 1,167kali/minggu



Koefisien regresi 0,423 menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X6 (Pekerjaan Responden) akan menurunkan intensitas kunjungannya sebesar 0,423 kali/minggu



Koefisien regresi 0,155menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X7 (Pendapatan RT.) akan meningkatkan intensitas kunjungannya sebesar 0,155kali/minggu



Koefisien regresi 0,221menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X13 (Jarak Rumah ke Pasar) akan menurunkan intensitas kunjungannya sebesar 0,221kali/minggu



Koefisien regresi 0,155menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X17 (Tujuan Berbelanja) akan meningkatkan intensitas kunjungannya sebesar 0,155kali/minggu






Nilai R sebesar 0,802 pada lampiran ( Model Summary ) menunjukkan bahwa korelasi/hubungan antara intensitas kunjungan dengan variabel independen ( X6, X7, X13, X17, dan X18)adalah kuat.

58



R2 atau koefisien determinasi adalah 0,644 yang artinya variabel ( X6, X7, X13, X17, dan X18), dapat menerangkan variabilitas sebesar 64,4% dari intensitas kunjungan, sedangkan sisanya diterangkan oleh variabel lain.







2. Pembahasan Model Regresi Untuk Hari Kerja Dari Tabel 4.14 diperoleh hasil regresi Y = 4,482+ 0,206 X3- 0,312 X40,329 X6 - 0,187 X16 – 0,173 X17 - 0,067 X18 – 0,203 X19.Dari model persamaan tersebut, diperoleh analisis sebagai berikut : 

Konstanta sebesar 4,482menyatakan bahwa jika tidak ada ke semua variabel ( X3, X4, X6, X16, X17, X18, dan X19 ), maka intensitas kunjungan sebesar 4,482kali/minggu



Koefisien regresi 0,206menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X3 (Jumlah Orang di Rumah) akan meningkatkan intensitas kunjungannya sebesar 0,206kali/minggu

59



Koefisien regresi 0,312menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X4 (Jumlah Orang Bekerja di Rumah) akan menurunkan intensitas kunjungannya sebesar 0,312kali/minggu



Koefisien regresi 0,329menyatakan bahwa tingkat variabel X6 (Pekerjaan Responden)

akan

menurunkan

intensitas

kunjungannya

sebesar

0,329kali/minggu 

Koefisien regresi 0,187menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X16 (Waktu Perjalanan) akan menurunkan intensitas kunjungannya sebesar 0,187kali/minggu



Koefisien regresi 0,173menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X17 (Tujuan Berbelanja) akan menurunkan intensitas kunjungannya sebesar 0,173kali/minggu






Koefisien regresi 0,203menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X19 (Lama Berbelanja) akan menurunkan intensitas kunjungannya sebesar 0,203kali/minggu



Nilai R sebesar 0,790pada lampiran ( Model Summary ) menunjukkan bahwa korelasi/hubungan antara intensitas kunjungan dengan variabel independen ( X3, X4, X6, X16, X17, X18, dan X19 )adalah kuat.



R2 atau koefisien determinasi adalah 0,624 yang artinya variabel ( X3, X4, X6, X16, X17, X18, dan X19 ), dapat menerangkan variabilitas sebesar

60

62,4% dari intensitas kunjungan, sedangkan sisanya diterangkan oleh variabel lain. 




Nilai F pada lampiran (ANOVA) adalah 44.469 dengan tingkat signifikan 0,000. Karena probabilitas (0,000) jauh lebih kecil dari 0,05, maka model regresi dapat dipakai untuk memprediksikan intensitas kunjungan.

4.4.3 Pola Rumah – Pasar - Rumah – Wanita – Memiliki Sepeda Motor – Menggunakan Sepeda Motor 1. Pembahasan Model Regresi Untuk Hari Libur Dari Tabel 4.15 diperoleh hasil regresi Y = 1,570+ 0,300 X6+ 0,133 X70,247 X13 - 0,145 X16+ 0,130 X17 - 0,053 X18.Dari model persamaan tersebut, diperoleh analisis sebagai berikut : 

Konstanta sebesar 1,570menyatakan bahwa jika tidak ada ke semua variabel (X6, X7, X13, X16, X17, dan X18), maka intensitas kunjungan sebesar 1,570kali/minggu



Koefisien regresi 0,300menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X6 (Pekerjaan Responden) akan meningkatkan intensitas kunjungannya sebesar 0,300kali/minggu

61



Koefisien regresi 0,133menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X7 (Pendapatan RT) akan meningkatkan intensitas kunjungannya sebesar 0,133kali/minggu



Koefisien regresi 0,247menyatakan bahwa setiap penambahan 1 satuan tingkat

variabel

X13

(Jarak

Rumah)

akan

menurunkan

intensitas

kunjungannya sebesar 0,247kali/minggu 




Koefisien regresi 0,130menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X17 (Tujuan Berbelanja) akan meningkatkan intensitas kunjungannya sebesar 0,130kali/minggu






Nilai R sebesar 0,812pada lampiran ( Model Summary ) menunjukkan bahwa korelasi/hubungan antara intensitas kunjungan dengan variabel independen (X6, X7, X13, X16, X17, dan X18)adalah kuat.



R2 atau koefisien determinasi adalah 0,643 yang artinya variabel (X6, X7, X13, X16, X17, dan X18), dapat menerangkan variabilitas sebesar 64,3% dari intensitas kunjungan, sedangkan sisanya diterangkan oleh variabel lain.



Standard Error of Estimate (SEE) adalah 0,713 atau 0,713 kali/minggu (satuan yang dipakai adalah variabel dependen / intensitas kunjungan). Makin

62

kecil SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen. 


2. Pembahasan Model Regresi Pada Hari Kerja Dari Tabel 4.16 diperoleh hasil regresi Y = 3,627+ 0,213 X3+ 0,207 X70,389 X13 - 0,252 X16- 0,269 X17 -,079 X18.Dari model persamaan tersebut, diperoleh analisis sebagai berikut : 

Konstanta sebesar 3,627menyatakan bahwa jika tidak ada ke semua variabel (X3, X7, X13, X16, X17, dan X18), maka intensitas kunjungan sebesar 3,627kali/minggu



Koefisien regresi 0,213menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X3 (Jumlah Orang di Rumah) akan meningkatkan intensitas kunjungannya sebesar 0,213kali/minggu



Koefisien regresi 0,207menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X7 (Pendapatan RT) akan meningkatkan intensitas kunjungannya sebesar 0,207kali/minggu



Koefisien regresi 0,389menyatakan bahwa setiap penambahan 1 satuan tingkat

variabel

X13

(Jarak

Rumah)

kunjungannya sebesar 0,389kali/minggu

63

akan

menurunkan

intensitas






Koefisien regresi 0,269menyatakan bahwa setiap penambahan 1 satuan tingkat variabel X17 (Tujuan Berbelanja) akan menurunkan intensitas kunjungannya sebesar 0,269kali/minggu






Nilai R sebesar 0,829pada lampiran ( Model Summary ) menunjukkan bahwa korelasi/hubungan antara intensitas kunjungan dengan variabel independen (X3, X7, X13, X16, X17, dan X18)adalah kuat.



R2 atau koefisien determinasi adalah 0,688 yang artinya variabel (X3, X7, X13, X16, X17, dan X18), dapat menerangkan variabilitas sebesar 68,8% dari intensitas kunjungan, sedangkan sisanya diterangkan oleh variabel lain.







64

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil analisa maka dapat diketahui bahwa : 1.

Faktor-faktor yang mempengaruhi tarikan pergerakan pengunjung pada pasar Niaga Daya adalah: a.

Faktor-faktor yang berpengaruh terhadap Tarikan pergerakan pengunjung pasar Niaga Daya (Y) pada pola Rumah – Pasar - Rumah – Wanita – Memiliki 1 Motor i.

Hari libur sangat dipengaruhi oleh jumlah orang di rumah X6 (Pekerjaan Responden), X7 (Pendapatan RT.), X13 (Jarak rumah ke pasar), dan X16 (waktu perjalanan dari lokasi asal).

ii.

Sedangkan faktor-faktor yang berpengaruh pada hari kerja sangat dipengaruhi oleh X7 (Pendapatan RT.), X13 (Jarak rumah ke pasar), X16 (Waktu Perjalanan Dari Lokasi Asal), dan X18 (Biaya Belanjaan).

b.

Faktor-faktor yang berpengaruh terhadap Tarikan pergerakan pengunjung pasar Niaga Daya (Y) pada pola Rumah – Pasar - Rumah – Wanita – Memiliki > 1 Motor i.

hari libur sangat dipengaruhi oleh X6 (Pekerjaan Resoponden), X7 (Pendapatan RT.), X13 (Jarak Rumah ke Pasar), X17 (Tujuan Berbelanja), dan X18 (Biaya Belanjaan).

65

ii.

Sedangkan faktor-faktor yang berpengaruh pada hari kerja sangat dipengaruhi olehX3 (Jumlah Orang di Rumah), X4 (Jumlah Orang Bekerja di Rumah), X6 (Pekerjaan Responden), X7 (Pendapatan RT.), X16 (Waktu Perjalanan), X17 (Tujuan Berbelanja), X18 (Biaya Belanjaan), dan X19 (Lama Berbelanja).

c.

Faktor-faktor yang berpengaruh terhadap Tarikan pergerakan pengunjung pasar Niaga Daya (Y) pada pola Rumah – Pasar - Rumah – Wanita – Memiliki Sepeda Motor – Menggunakan Sepeda Motor i.

Hari libur sangat dipengaruhi oleh X6 (Pekerjaan Responden), X7 (Pendapatan RT), X13 (Jarak Rumah), X16 (Waktu Perjalanan), X17 (Tujuan Berbelanja), dan X18 (Biaya Belanjaan).

ii.

Sedangkan faktor-faktor yang berpengaruh pada hari kerja sangat dipengaruhi oleh X3 (Jumlah Orang di Rumah), X7 (Pendapatan RT), X13 (Jarak Rumah), X16 (Waktu Perjalanan), X17 (Tujuan Berbelanja), dan X18 (Biaya Belanjaan).

2.

Model tarikan pergerakan pengunjung pada Pasar Niaga Daya berdasarkan persamaan regresi yang dihasilkan dari uji statistik dengan menggunakan SPSS versi 21,00 For Windows, a.

Model tarikan perjalanan pergerakan pengunjung pasar niaga daya pada Pola Rumah – Pasar - Rumah – Wanita – Memiliki 1 Motor i.

Hari libur Y = 1,838+ 0,212 X6 + 0,156 X7- 0,280 X13 – 0,167 X16, dimana : R2 = 0,585dan nilai F = 73,942.

66

ii.

Hari kerja Y = 4,702+ 0,203 X7- 0,260 X13- 0,292 X16 – 0,190 X18, dimana R2 = 0,622 dan nilai F = 45,354.

b.

Model tarikan perjalanan pergerakan pengunjung pasar niaga daya pada Pola Rumah – Pasar - Rumah – Wanita – Memiliki > 1 Motor i.

Hari libur Y = 1,167+ 0,423 X6+0,155 X7- 0,221 X13 + 0,155 X17 – 0,128 X18, dimana : R2 = 0,644 dan nilai F = 64,54.

ii.

Hari kerja Y = 4,482+ 0,206 X3- 0,312 X4- 0,329 X6 - 0,187 X16 – 0,173 X17 - 0,067 X18 – 0,203 X19, dimana R2 = 0,624 dan nilai F = 44.469.

c.

Model tarikan perjalanan pergerakan pengunjung pasar niaga daya pada Pola Rumah – Pasar - Rumah – Wanita – Memiliki Sepeda Motor – Menggunakan Sepeda Motor i.

Hari libur Y = 1,570+ 0,300 X6+ 0,133 X7- 0,247 X13 - 0,145 X16+ 0,130 X17 - 0,053 X18, dimana : R2 = 0,643 dan nilai F = 64,564.

ii.

Hari kerja Y = 3,627+ 0,213 X3+ 0,207 X7- 0,389 X13 - 0,252 X160,269 X17 - 0,079 X18, dimana R2 = 0,688 dan nilai F = 75,368.

5.2 Saran 1.

Model ini bisa dipergunakan sebagai alternatif pemecahan masalah untuk pengendalian tarikan pengunjung pasar Niaga Daya pada masa yang akan datang.

2.

Perlu dilakukan studi lebih lanjut tentang model tarikan pergerakan perjalanan pengunjung ke pasar Niaga Daya dengan menggunakan metode yang berbeda.

67

BAB I PENDAHULUAN. Manusia berpindah dari suatu tempat ketempat lainnya merupakan akibat dari

Recommend Documents