TESIS
PEMODELAN PEMILIHAN MODA PADA KORIDOR TRAYEK TRANS SARBAGITA (STUDI KASUS : KORIDOR SANUR – KEROBOKAN – OBEROI – PETITENGET)
I GUSTI AGUNG GDE SURYADARMAWAN
PROGRAM PASCASARJANA UNIVERSITAS UDAYANA DENPASAR 2011
TESIS
PEMODELAN PEMILIHAN MODA PADA KORIDOR TRAYEK TRANS SARBAGITA (STUDI KASUS : KORIDOR SANUR – KEROBOKAN – OBEROI – PETITENGET)
I GUSTI AGUNG GDE SURYADARMAWAN NIM 0791561036
PROGRAM MAGISTER PROGRAM STUDI TEKNIK SIPIL PROGRAM PASCASARJANA UNIVERSITAS UDAYANA DENPASAR 2011
PEMODELAN PEMILIHAN MODA PADA KORIDOR TRAYEK TRANS SARBAGITA (STUDI KASUS : KORIDOR SANUR – KEROBOKAN – OBEROI – PETITENGET)
Tesis untuk memperoleh Gelar Magister Pada Program Magister, Program Studi Teknik Sipil Program Pascasarjana Universitas Udayana
I GUSTI AGUNG GDE SURYADARMAWAN NIM 0791561036
PROGRAM MAGISTER PROGRAM STUDI TEKNIK SIPIL PROGRAM PASCASARJANA UNIVERSITAS UDAYANA DENPASAR 2011 ii
Lembar Persetujuan
TESIS INI TELAH DISETUJUI PADA TANGGAL 18 AGUSTUS 2011
Pembimbing I,
Pembimbing II,
Putu Alit Suthanaya, ST., MEngSc., Ph.D. Dewa Made Priyantha Wedagama.ST., MT., MSc. Ph.D. NIP. 19690805 199503 1 001 NIP. 19700303 199702 1 005
Mengetahui
Ketua Program Studi Magister Teknik Sipil Program Pascasarjana Universitas Udayana,
Direktur Program Pascasarjana Universitas Udayana,
Prof. Dr. Ir. I Made Alit Karyawan Salain, DEA. NIP. 19620404 199103 1 002
Prof. Dr. dr. A. A. Raka Sudewi, Sp.S (K). NIP. 19590215 198510 2 001
iii
4
Lembar Penetapan Panitia Penguji Tesis Tesis ini Telah Diuji pada Tanggal 18 Agustus 2011
Panitia Penguji Tesis Berdasarkan Surat Keputusan Rektor Universitas Udayana No : 1457/UN.14.4HK/2011
Ketua
: Putu Alit Suthanaya, ST., MEngSc., Ph.D
Anggota
:
1. Dewa Made Priyantha Wedagama.ST., MT., MSc. Ph.D 2. Ir. I Gusti Putu Suparsa, MT. 3. Ir. I Nyoman Arya Thanaya, ME., Ph.D 4. Ir. I Made Sukada Wenten, MT.
iv
5
SURAT PERNYATAAN
Yang bertanda tangan dibawah ini: Nama
: I Gusti Agung Gde Suryadarmawan
NIM
: 0791561036
Tempat dan Tanggal Lahir : Denpasar, 01 Desember 1974 Alamat
: Jl. Waturenggong Gang XIV No. 5 Panjer
Telepon rumah/HP
: (0361) 263957, Hp. 081999981972
Menyatakan dengan sebenarnya bahwa saya tidak menjiplak setengah atau sepenuhnya tesis orang lain. Demikian pernyataan ini saya buat dengan sebenarnya untuk dapat dipergunakan sebagaimana mestinya dan apabila dikemudian hari ternyata tidak benar, maka saya bersedia dituntut sesuai dengan peraturan perundangan yang berlaku.
Denpasar, Agustus 2011 Hormat saya, Materai
(I Gusti Agung Gde Suryadarmawan) NIM. 0791561036
v
6
UCAPAN TERIMA KASIH
Puji syukur penulis panjatkan kehadapan Ida Sang Hyang Widhi Wasa/ Tuhan Yang Maha Esa, atas berkat dan rahmat-Nya penulis dapat menyelesaikan Tesis yang berjudul ”Pemodelan Pemilihan Moda Pada Koridor Trayek Trans Sarbagita (Studi Kasus: Koridor Sanur – Kerobokan – Oberoi – Petitenget)”. Pada kesempatan ini, perkenankanlah penulis mengucapkan terima kasih kepada Bapak Putu Alit Suthanaya, ST., MEngSc., Ph.D. selaku Dosen Pembimbing I dan Bapak Dewa Made Priyantha Wedagama, ST., MT., MSc., Ph.D selaku Dosen Pembimbing II, yang dengan penuh kesabaran membimbing, memberikan saran dan masukkan serta arahan sehingga Tesis ini dapat diselesaikan dengan baik. Penulis juga mengucapkan terima kasih kepada orang tua, saudara, istri dan anak-anak tercinta yang selalu memberikan dorongan dan semangat, juga kepada teman-teman yang telah banyak memberikan masukkan, serta semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah membantu dalam penyusunan Tesis ini. Penulis menyadari keterbatasan pengetahuan yang dimiliki sehingga Tesis ini masih jauh dari sempurna, maka dari itu, penulis mengharapakan kritik dan saran yang membangun untuk penyempurnaan Tesis ini.
Denpasar, Agustus 2011
Penulis
vi
7
ABSTRAK PEMODELAN PEMILIHAN MODA PADA KORIDOR TRAYEK TRANS SARBAGITA (Studi Kasus : Koridor Sanur – Kerobokan – Oberoi – Petitenget) Penggunaan angkutan umum di wilayah Kota Metropolitan Sarbagita telah menurun secara terus menerus. Salah satu alternatif solusinya adalah dengan memperbaiki sistem angkutan umum tersebut. Pemerintah Provinsi Bali telah merencanakan sistem yang baru yang disebut Trans Sarbagita. Terdapat tiga koridor berbasis Sanur yaitu Sanur-Kerobokan, Sanur-Oberoi dan SanurPetitenget. Saat ini belum diketahui kondisi sosial ekonomi dan demografi penduduk disepanjang koridor tersebut, model pemilihan modanya dan potensi penumpangnya. Tujuan dari studi ini adalah untuk menganalisis kondisi sosial ekonomi dan demografi penduduk pada koridor trayek tersebut, menyusun model pemilihan moda dan menganalisis potensi penumpangnya. Data yang dikumpulkan meliputi data sekunder dan primer. Data sekunder diperoleh dari Badan Pusat Statistik dan Dinas Perhubungan Provinsi Bali. Data primer diperoleh melalui survei kuisioner. Pemodelan dilakukan dengan Regresi Logistik karena variabel terikatnya bersifat katagori/diskrit. Pemodelan dilakukan dengan bantuan perangkat lunak SPSS versi 15.0. Hasil analisis memperlihatkan bahwa sekitar 30% rumah tangga memiliki anggota keluarga 4 orang, lebih dari 50% memiliki 2 orang pekerja, sekitar 55% keluarga berpendapatan antara 1 juta sampai 3 juta, diatas 40% memiliki 2 sepeda motor, lebih dari 30% memiliki satu unit mobil dan jumlah perjalanan terbanyak adalah untuk aktifitas bekerja. Dari 3 alternatif yang ditawarkan, masyarakat cenderung memilih alternatif 3 dengan moda bus kecil, tersedia halte, jadwal tetap dan memakai AC. Model pemilihan moda angkutan umum pada trayek I yaitu: p = 1,955 - 0,604 (mobil), model pemilihan moda angkutan umum pada ln 1 − p
p = 0,507+0,509(Jml_keluarga) - 1,008(Mobil) trayek II yaitu: ln 1− p 1.203(Income1) + 0,768(Lainnya), model pemilihan moda angkutan umum pada p =1,097-0,620(motor)-0,789(mobil)+0,306(bekerja)+ trayek III yaitu: ln 1− p 0,285(sekolah). Potensi permintaan (demand) angkutan umum untuk trayek I sebesar 10.256 orang dengan jumlah calon penumpang sebesar 51.687 orang, pada trayek II sebesar 20.711 orang dengan jumlah calon penumpang sebesar 39.728 orang dan pada trayek III sebesar 13.988 orang dengan jumlah calon penumpang sebesar 45.981 orang. Kata kunci: trans sarbagita, pemilihan moda, regresi logistik
vii
8
ABSTRACT MODE CHOICE MODELLING ON TRANS SARBAGITA ROUTE CORRIDOR (Case Study of Corridor Sanur – Kerobokan – Oberoi – Petitenget) Public transport use in Sarbagita Metropolitan Area has decreased constantly. One of the alternative solutions is by restructuring the public transport system. The Government of Bali Province has planned a new system called Trans Sarbagita. There are three corridors on Sanur basis, i.e. Sanur-Kerobokan, SanurOberoi dan Sanur-Petitenget. The social-economic and demographic conditions along those corridor are unknown, and also mode choice model and demand potential. The objectives of this study are to analyse social-economic and demographic conditions along those corridors, develop mode choice model and analyse demand potential. Data collected include secondary and primary data. Secondary data was obtained from the Bureau of Statistics and Transport Department of Bali Province. Primary data was obtained from questionnaire survey. Mode choice model was developed based on Logistic Regression because the dependent variables were discrete. The model was developed using SPSS version 15.0. Results of analyses showed that about 30% home have family members of 4 persons, over 50% have 2 workers, about 55% have sallary between 1 to 3 millio rupiahs, over 40% have 2 motor bikes, over 30% have one car and majority of trip purposes is working. From 3 alternatives proposed, residents tended to choose the third alternative by using micro buses with bus stop facility, fixed time schedule, and air conditioned. Mode choice model for alternative I was: ln p = 1,955 - 0,604 (mobil), mode choice model for route II was:: ln 1 − p
p =0,507+0,509(Jml_keluarga) 1− p
-
1,008(Mobil)
-
1.203(Income1)
+
p =1,0970,768(Lainnya), mode choice model for route III was: ln 1− p 0,620(motor)-0,789(mobil)+0,306(bekerja)+ 0,285(sekolah). Demand potential for route I were 10.256 persons with potential passengers of 51.687 persons, for route II were 20.711 persons with potential passengers of 39.728 persons and for route III were 13.988 persons with potential passengers of 45.981 persons. Keywords: trans sarbagita, mode choice, logistic regression
viii
9
DAFTAR ISI Halaman
HALAMAN SAMPUL DALAM ............................................................... i PRASYARAT GELAR .............................................................................. ii LEMBAR PERSETUJUAN ....................................................................... iii LEMBAR PENETAPAN PANITIA PENGUJI ......................................... iv SURAT PERNYATAAN ........................................................................... v UCAPAN TERIMA KASIH ...................................................................... vi ABSTRAK ................................................................................................ vii ABSTRACT .............................................................................................. viii DAFTAR ISI ............................................................................................. ix DAFTAR TABEL ...................................................................................... xii DAFTAR GAMBAR ................................................................................. xv DAFTAR NOTASI .................................................................................... xvii DAFTAR ISTILAH ................................................................................... xviii
BAB I
BAB II
PENDAHULUAN 1.1 Latar Belakang .............................................................. 1.2 Rumusan Masalah ......................................................... 1.3 Tujuan Penelitian .......................................................... 1.4 Manfaat Penelitian ........................................................ 1.5 Ruang Lingkup dan Batasan Masalah ............................ TINJAUAN PUSTAKA 2.1 Transportasi .................................................................. 2.1.1 Pengertian Transportasi ..................................... 2.1.2 Moda Transportasi ............................................. 2.1.3 Pengertian Kendaraan ........................................ 2.1.4 Angkutan Penumpang Umum ............................ 2.2 Perencanaan Transportasi .............................................. 2.2.1 Konsep Perencanaan Transportasi ...................... 2.2.2 Pemodelan Transportasi ..................................... 2.2.3 Pemodelan Pemilihan Moda .............................. 2.3 Analisis Regresi ............................................................ 2.3.1 Regresi Logistik ................................................ 2.3.2 Desain dan Analisis Variabel Dummy ............... 2.3.3 Bentuk Umum Regresi Logistik ......................... 2.3.4 Maksimum Likelihood untuk Penentuan Parameter Model Logistik .................................. 2.3.5 Uji Kelayakan Model (Goodness of Fit) ............ ix
1 3 4 4 5
6 6 6 7 7 8 8 9 10 14 15 17 20 22 25
10
2.3.6 Pengertian Kalibrasi dan Validasi ...................... 2.3.7 Rasio Odds dan Probabilitas .............................. 2.4 Teknik Sampling ........................................................... 2.5 Permintaan (demand) Jasa Angkutan ............................. 2.5.1 Analisis Permintaan ........................................... 2.5.2 Parameter dalam Analisis Potensi Permintaan Angkutan Umum ............................................... 2.6 Penggunaan Perangkat Lunak SPSS Version 15 ............ BAB III
BAB IV
METODE PENELITIAN 3.1 Pengertian Metode Penelitian ........................................ 3.2 Langkah-Langkah Penelitian ......................................... 3.3 Pemilihan Lokasi Penelitian .......................................... 3.4 Karakteristik Responden ............................................... 3.5 Teknik Pengambilan Sampel ......................................... 3.6 Pelaksanaan Survai ....................................................... 3.6.1 Data Sekunder ................................................... 3.6.2 Data Primer ....................................................... 3.7 Survai Pendahuluan dan Penentuan Jumlah Sampel ....... 3.8 Pengumpulan Data ........................................................ 3.9 Tabulasi Data ................................................................ 3.10 Analisis Data ................................................................. 3.11 Pemodelan dengan Regresi Logistik dan Interpretasi Model ......................................................... DESKRIPSI DATA 4.1 Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan 4.1.1 Trayek I Kerobokan – Kota - Sanur ................... 4.1.2 Trayek II Oberoi–Pemogan–Semawang–Sanur . 4.1.3 Trayek III Petitenget-Teuku Umar-Renon-Sanur .. 4.2 Jumlah Kepemilikan Angkutan Pribadi .......................... 4.2.1 Trayek I ............................................................. 4.2.2 Trayek II ........................................................... 4.2.3 Trayek III .......................................................... 4.3 Informasi Demografi Penduduk ....................................... 4.3.1 Komposisi Jumlah Anggota Keluarga ................ 4.3.2 Komposisi Julah Pekerja dalam Keluarga ............. 4.3.3 Komposisi Jumlah Pelajar dalam Keluarga ........ 4.3.4 Komposisi Jumlah Usia Potensial Melakukan Perjalanan .......................................................... 4.4 Informasi Sosial Ekonomi Penduduk .............................. 4.4.1 Komposisi Besar Pendapatan Keluarga per Bulan ................................................................. 4.4.2 Komposisi Kepemilikan Sepeda ........................ 4.4.3 Komposisi Kepemilikan Sepeda Motor .............. x
27 27 30 35 37 38 44
46 47 48 49 50 52 52 53 54 56 56 57 60
62 62 64 67 69 69 70 71 73 73 74 75 76 77 78 79 80
11
4.4.4 Komposisi Kepemilikan Mobil .......................... 4.4.5 Komposisi Maksud dan Tujuan Perjalanan ........ 4.4.6 Komposisi Penggunaan Moda Angkutan ........... 4.5 Minat Masyarakat untuk Beralih Menggunakan Angkutan Umum ............................................................ 4.5.1 Alternatif I ......................................................... 4.5.2 Alternatif II ....................................................... 4.5.3 Alternatif III ...................................................... BAB V
BAB VI
ANALISIS DAN PEMBAHASAN 5.1 Pemodelan untuk Trayek I: Kerobokan - Kota - Sanur .. 5.1.1 Variabel Dummy untuk Trayek I, II dan III ....... 5.1.2 Kalibrasi Model untuk Trayek I ......................... 5.1.3 Validasi Model untuk Trayek I .......................... 5.1.4 Analisis Potensi Demand pada Trayek I ............. 5.2 Pemodelan untuk Trayek II: Kerobokan - Kota - Sanur . 5.2.1 Kalibrasi Model untuk Trayek II ........................ 5.2.2 Validasi Model untuk Trayek II ......................... 5.2.3 Analisis Potensi Demand pada Trayek I ............. 5.3 Pemodelan untuk Trayek III .......................................... 5.3.1 Kalibrasi Model untuk Trayek III ...................... 5.3.2 Validasi Model untuk Trayek III ........................ 5.3.3 Analisis Potensi Demand pada Trayek III .......... SIMPULAN DAN SARAN 6.1 Simpulan ....................................................................... 6.1.1 Trayek I: Kerobokan - Kota - Sanur .................. 6.1.2 Trayek II: Oberoi - Pemogan - Semawang Sanur ................................................................ 6.1.3 Trayek III: Petitenget - Teuku Umar - Renon Sanur ................................................................ 6.2 Saran .............................................................................
81 82 83 84 84 85 86
87 87 90 92 95 97 97 100 102 104 104 108 110 113 113 113 115 117
DAFTAR PUSTAKA ............................................................................... 118 LAMPIRAN Lampiran Lampiran Lampiran Lampiran
A B C D
: : : :
Rute pada Trayek yang Ditinjau ..................................... Gambar Peta Wilayah dan Rute Pelayanan ..................... Tabel Perhitungan Jumlah Sampel dan Kompilasi Data .. Tabel Jumlah Permintaan Angkutan Umum dan Jumlah Calon Penumpang dari Minat Responden ....................... Lampiran E : Output SPSS ..................................................................
xi
120 121 129 145 151
12
DAFTAR TABEL
Tabel 2.1
Ilustrasi Uji Statistik Hosmer and Lemeshow .....................
Tabel 2.2
Besar sampel minimum dan yang dianjurkan dalam
26
Home Interview Survey (HIS) ................................................
34
Tabel 2.3
Jumlah Armada Minimum (R) .............................................
42
Tabel 2.4
Jumlah Penumpang Minimum (Pmin) ................................
42
Tabel 3.1
Pengkodean Variabel Dummy ............................................
59
Tabel 4.1
Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek I .............................................................................
Tabel 4.2
62
Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek II ............................................................................
Tabel 4.3
65
Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek III ...........................................................................
67
Tabel 4.4
Jumlah Kepemilikan Kendaraan Bermotor .........................
69
Tabel 4.5
Jumlah Kepemilikan Kendaraan Bermotor .........................
70
Tabel 4.6
Jumlah Kepemilikan Kendaraan Pribadi .............................
72
Tabel 4.7
Komposisi Jumlah Anggota Keluarga pada Trayek I, II dan III .............................................................
74
Tabel 4.8
Komposisi Jumlah Pekerja pada Trayek I, II dan III ...........
75
Tabel 4.9
Komposisi Jumlah Pelajar pada Trayek I, II dan III ............
76
Tabel 4.10
Komposisi Jumlah Usia Potensial pada Trayek I, II dan III .
77
Tabel 4.11
Komposisi Jumlah Pendapatan Keluarga pada Trayek I, II dan III .............................................................
Tabel 4.12
Komposisi Jumlah Kepemilikan Sepeda pada Trayek I, II dan III .............................................................
Tabel 4.13
78
79
Komposisi Jumlah Kepemilikan Sepeda Motor Trayek I, II dan III ............................................................. xii
80
13
Tabel 4.14
Komposisi Jumlah Kepemilikan Mobil pada Trayek I, II dan III .............................................................
Tabel 4.15
Komposisi Maksud dan Tujuan Perjalanan pada Trayek I, II dan III .............................................................
Tabel 4.16
..........................................................................
86
Penawaran Alternatif III pada Trayek I, Trayek II dan Trayek III ...........................................................................
Tabel 5.1
85
Penawaran Alternatif II pada Trayek I, Trayek II dan Trayek III ...........................................................................
Tabel 4.19
83
Penawaran Alternatif I pada Trayek I, Trayek II dan Trayek III
Tabel 4.18
82
Komposisi Penggunaan Moda Angkutan pada Trayek I, II dan III .............................................................
Tabel 4.17
81
87
Reduksi Variabel Dummy untuk Trayek I, Trayek II dan Trayek III ...........................................................................
89
Tabel 5.2
Eliminasi Variabel Bebas untuk Trayek I ...........................
90
Tabel 5.3
Variabel Bebas di dalam Model Pilihan Moda pada Trayek 1 .............................................................................
91
Tabel 5.4
Omnibus test dari Parameter Model untuk Trayek I ............
92
Tabel 5.5
Kelayakan Model (Pseudo R2 dan Hosmer and Lemeshow Test Trayek I ......................................................................
93
Tabel 5.6
Akurasi Proporsi Data dan Model Pilihan Moda Trayek 1 ..
94
Tabel 5.7
Penentuan Titik Terjauh Pelayanan untuk Trayek I ............
96
Tabel 5.8
Eliminasi Variabel Bebas untuk Trayek II ..........................
97
Tabel 5.9
Variabel Bebas di dalam Model Pilihan Moda pada Trayek II ............................................................................
98
Tabel 5.10
Omnibus test dari Parameter Model untuk Trayek II .......... 100
Tabel 5.11
Kelayakan Model Pseudo R2 dan H and L Test Trayek II .... 101
Tabel 5.12
Akurasi Proporsi Data dan Model Pilihan Moda Trayek II .. 102
Tabel 5.13
Penentuan Titik Terjauh Pelayanan untuk Trayek II ........... 103
Tabel 5.14
Eliminasi Variabel Bebas untuk Trayek III
xiii
........................ 105
14
Tabel 5.15
Variabel Bebas di dalam Model Pilihan Moda pada Trayek III ........................................................................... 106
Tabel 5.16
Omnibus test dari Parameter Model untuk Trayek III ......... 108
Tabel 5.17
Kelayakan Model Pseudo R2 dan H and L Test Trayek III ... 109
Tabel 5.18
Akurasi Proporsi Data dan Model Pilihan Moda Trayek III .. 110
Tabel 5.19
Penentuan Titik Terjauh Pelayanan untuk Trayek III .......... 111
xiv
15
DAFTAR GAMBAR
Gambar 2.1
Kajian Masalah ..................................................................
12
Gambar 2.2
Proses Pemilihan Moda di Indonesia ..................................
13
Gambar 2.3
Grafik Regresi Logistik
.....................................................
16
Gambar 3.1
Diagram Alir Langkah-Langkah Penelitian ........................
47
Gambar 3.2
Area Survai 400m di Kiri dan di Kanan Ruas Jalan ............
51
Gambar 4.1
Diagram Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek I ...................................................................
Gambar 4.2
63
Diagram Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek II ..................................................................
Gambar 4.3
65
Diagram Jumlah Penduduk dan Jumlah Penduduk Usia potensial Melakukan Perjalanan untuk Trayek III ...............
67
Gambar 4.4
Diagram Jumlah Kepemilikan Kendaraan untuk Trayek I ...
69
Gambar 4.5
Diagram Jumlah Kepemilikan Kendaraan untuk Trayek II ..
70
Gambar 4.6
Diagram Jumlah Kepemilikan Kendaraan untuk Trayek III .
72
Gambar 4.7
Grafik Komposisi Jumlah Anggota Keluarga Pada Trayek I, II, III ...................................................................
74
Gambar 4.8
Grafik Komposisi Jumlah Pekerja pada Trayek I, II, III ......
75
Gambar 4.9
Grafik Komposisi Jumlah Pelajar pada Trayek I, II, III ......
76
Gambar 4.10
Grafik Komposisi Jumlah Usia Potensial pada Trayek I, II, III ...................................................................
Gambar 4.11
Grafik Komposisi Jumlah Pendapatan Keluarga pada Trayek I, II, III ...................................................................
Gambar 4.12
78
Grafik Komposisi Jumlah Kepemilikan Sepeda pada Trayek I, II, III ...................................................................
Gambar 4.13
77
79
Grafik Komposisi Jumlah Kepemilikan Sepeda Motor pada Trayek I, II, III ...................................................................
xv
80
16
Gambar 4.14
Grafik Komposisi Jumlah Kepemilikan Mobil pada Trayek I, II, III ...................................................................
Gambar 4.15
Grafik Komposisi Maksud dan Tujuan Perjalanan pada Trayek I, II, III ...................................................................
Gambar 4.16
81
82
Grafik Komposisi Penggunaan Moda Angkutan pada Trayek I, II, III ...................................................................
83
Gambar 4.17
Grafik Penawaran Alternatif I pada Trayek I, II, III ............
85
Gambar 4.18
Grafik Penawaran Alternatif II pada Trayek I, II, III ..........
86
Gambar 4.19
Grafik Penawaran Alternatif III pada Trayek I, II, III .........
87
xvi
17
DAFTAR NOTASI
Ln(p/(1-p)) = Proses kalibrasi rumus probabilitas yang bersifat non linier ke linier X1......k
= Variabel bebas
B0,1....k
= Koefisien regresi/parameter model
S
= Standar deviasi sampel
Se
= Acceptable Sampling Error
Se(x)
= Acceptable Sampling Error
n’
= Jumlah sampel yang representatif
K
= Angka kepemilikan kendaraan pribadi
V
= Jumlah kendaraan pribadi
P
= Jumlah penduduk per kelurahan/desa
L
= Kemampuan pelayanan kendaraan pribadi
Pm
= Jumlah penduduk potensial melakukan perjalanan
C
= Jumlah penumpang yang diangkut dengan kendaraan pribadi
M
= Jumlah penduduk potensial melakukan perjalanan dan membutuhkan pelayanan angkutan umum penumpang per kelurahan/desa
L1, L2
= Kemampuan pelayanan kendaraan pribadi, baik roda empat maupun roda dua per kelurahan/desa (L1 untuk roda empat dan L2 untuk roda dua)
V1,V2
= Jumlah kendaraan pribadi, baik roda empat maupun roda dua per kelurahan/desa (V1 roda empat dan L2 roda dua)
C1,C2
= Kapasitas kendaraan pribadi, baik kendaraan roda empat maupun roda dua per kelurahan/desa (C1 roda empat dan C2 roda dua)
D
= Jumlah permintaan angkutan penumpang umum (pergerakan)
ftr
= Faktor yang menyatakan pergerakan yang dilakukan setiap penduduk potensial (2 pergerakan, pergi dan pulang)
R
= Jumlah kendaraan minimal untuk pengusaha angkutan umum
Pmin
= Jumlah penumpang minimum per kendaraan per hari
xvii
18
DAFTAR ISTILAH Armada bus
: kendaraan bermotor dengan kapasitas 16 sampai 28 tempat duduk dengan jarak dan ukuran tempat duduk normal tidak termasuk tempat duduk pengemudi dengan panjang kendaraan lebih dari 6,5 meter samapi 9 meter.
Tabulasi Data
: mengorganisasikan data yang telah di edit dan di beri kode.
Reduksi Variabel : menyeleksi variabel yang akan diikutsertakan di dalam model dengan tujuan untuk menguji signifikasi dari klasifikasi setiap variabel. Kalibrasi
: proses perhitungan untuk menentukan (konstanta dan koefisien) dari suatu model.
nilai parameter
Validasi
: ketepatan dan kecermatan dari suatu alat ukur dalam mengukur data.
Regresi
: salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain.
Analisis Regresi : studi dalam menjelaskan dan mengevaluasi hubungan antara suatu peubah bebas (independent variable) dengan satu peubah tak bebas (dependent variable) dengan tujuan untuk mengestimasi dan atau meramalkan nilai peubah tak bebas didasarkan pada nilai peubah bebas yang diketahui Regresi Logistik : bagian dari analisis regresi yang digunakan ketika variabel dependen (respon) merupakan variabel dikotomi (terdiri dari dua nilai yang mewakili kemunculan atau tidaknya suatu kejadian yang biasanya diberi angka 0 atau 1). Variabel
: atribut seseorang atau obyek yang mempunyai variasi antara satu orang dengan orang lainnya atau dari suatu obyek dengan obyek lainnya.
Variabel dummy : variabel simbol (variabel boneka), merupakan variabel buatan yang dinyatakan dalam bentuk kode yang biasanya digunakan untuk mengkuantifikasikan data kualitatif. Moda
: sarana yang digunakan dalam mencapai suatu tujuan.
Multikolinieritas : korelasi antar variabel bebas. Pengujian ini diperlukan untuk mengetahui ada atau tidaknya kemiripan antar variabel bebas dalam suatu model. xviii
19
Odds
: peluang atau probabilitas atau kemungkinan. Odds suatu kejadian digambarkan sebagai peluang dari suatu peristiwa yang terjadi dibagi oleh peluang dari kejadian yang tidak terjadi.
Rute
: Jalur yang dilalui oleh kendaraan dalam suatu jaringan jalan.
Sampel
: sekumpulan unit yang merupakan bagian dari suatu populasi yang dipilih untuk mewakili keseluruhan populasi.
Trayek
: lintasan kendaraan umum untuk pelayanan jasa angkutan orang atupun barang yang mempunyai asal dan tujuan perjalanan tetap.
xix
1
B AB I PENDAHULUAN
1.1
Latar Belakang Merencanakan
transportasi
pada
dasarnya
adalah
memperkirakan
kebutuhan transportasi di masa depan yang harus dikaitkan dengan masalah sosial, ekonomi, dan lingkungan. Masalah teknis transportasi pada umumnya bertolak dari usaha menjamin bahwa sarana yang telah ada didayagunakan secara maksimal dan ditujukan guna merancang dan membangun berbagai sarana baru. Transportasi yang baik, aman dan lancar, selain mencerminkan keteraturan kota, juga mencerminkan kelancaran kegiatan perekonomian kota. Angkutan umum sebagai salah satu elemen dari sistem transportasi perkotaan memegang peranan yang sangat penting. Angkutan umum harus mampu memberikan kemudahan bagi seluruh masyarakat dalam segala kegiatannya serta mampu menjangkau setiap wilayah perkotaan. Angkutan umum yang efektif akan mampu meningkatkan kapasitas jalan dan mengurangi tingkat kepadatan lalu lintas, khususnya di daerah perkotaan. Sehubungan dengan itu, Dinas Perhubungan Provinsi Bali tahun 2007 telah melakukan penelitian transportasi khususnya untuk pelayanan lintas Kabupaten
Badung
dan
Kota
Denpasar,
dimana
hasilnya
adalah
direkomendasikannya 22 Trayek baru yang saling berkesinambungan yang disebut dengan Trans Sarbagita. Trayek baru ini diharapkan akan mampu menarik minat masyarakat yang selama ini melaksanakan segala aktifitasnya dengan menggunakan angkutan pribadi untuk beralih menggunakan 1
2
angkutan umum. Dimana dalam hal ini, pemerintah selaku regulator harus mampu melakukan perubahan yang mendasar dari sarana dan prasarana angkutan umum yang ada sekarang ini. Dari 22 Trayek yang direkomendasikan tersebut, akan di analisis 3 Trayek di wilayah Kota Denpasar dan Kabupaten Badung yang meliputi Trayek Kerobokan – Kota – Sanur, Trayek Oberoi – Pemogan – Semawang – Sanur dan Trayek Petitenget – Teuku Umar – Renon – Sanur. Ketiga Trayek tersebut memiliki tingkat kepadatan penduduk yang cukup tinggi dengan aktifitas penduduk yang beragam jenisnya serta tingkat perekonomiannya mengalami pertumbuhan yang sangat pesat. Dengan melihat tingkat pertumbuhan penduduk dan aktifitas yang terjadi di kawasan tersebut, maka dianggap perlu dilakukan suatu kajian secara mendetail mengenai karakteristik sosial ekonomi dan demografi penduduk yang bertempat tinggal disekitar kawasan Trans Sarbagita sehingga dapat diketahui faktor-faktor apa saja yang mempengaruhi minat masyarakat dalam memilih angkutan umum pada Trayek Trans Sarbagita. Analisis
yang
dilakukan
dalam
penelitian
ini
diharapkan
akan
menghasilkan suatu model mengenai pengaruh angkutan pribadi terhadap angkutan umum. Pemodelan pemilihan moda (Moda Choice) ini sangatlah diperlukan di kawasan Trans Sarbagita. Pemilihan moda merupakan salah satu model yang dinamis dalam perencanaan transportasi, karena menyangkut efisiensi pergerakan, ruang yang harus disediakan oleh suatu wilayah, prasarana transportasi, dan banyaknya pilihan moda transportasi yang dapat dipilih
3
penduduk. Pemodelan pemilihan moda ini belum pernah dilakukan secara mendetail oleh Dinas terkait khususnya Dinas Perhubungan Provinsi Bali. Dalam kajian ini, variabel dependent yang digunakan bersifat biner, yaitu angkutan pribadi dan angkutan umum. Variabel dependent ini merupakan variabel dikotomi yang biasanya hanya terdiri atas dua nilai yang mewakili, yaitu ada atau tidaknya suatu kejadian (kode 0 dan kode 1). Sedangkan variabel independent pada penelitian ini merupakan faktor-faktor yang mempengaruhi pemilihan moda angkutan yang berjumlah lebih dari satu, dimana variabel tersebut ada yang bersifat kontinyu dan ada pula yang bersifat diskrit, sehingga analisis regresi yang tepat digunakan sesuai dengan karakteristik data yang digunakan dalam penelitian ini adalah Analisis Regresi Logistik.
1.2
Rumusan Masalah Berdasarkan latar belakang di atas dapat dirumuskan permasalahan
yang akan dihadapi pada studi ini adalah: 1.
Bagaimanakah karakteristik sosial ekonomi dan demografi penduduk pada koridor Trayek I, II dan III Trans Sarbagita?
2.
Bagaimanakah model pemilihan moda pada koridor Trayek Trans Sarbagita yang ditinjau?
3.
Bagaimanakah potensi permintaan (demand) angkutan umum pada koridor Trayek tersebut?
4
1.3
Tujuan Penelitian Sebagai dasar pelaksanaan studi harus dilandasi suatu tujuan yang
dijadikan acuan dalam studi ini. Tujuan studi ini adalah: 1.
Menganalisis karakteristik sosial ekonomi dan demografi penduduk pada koridor Trayek I, II dan III Trans Sarbagita.
2.
Menyusun model pemilihan moda berdasarkan karakteristik sosial ekonomi dan demografi penduduk pada koridor Trayek yang ditinjau.
3.
Menganalisis potensi permintaan (demand) angkutan umum pada koridor Trayek yang ditinjau.
1.4
Manfaat Penelitian Hasil penelitian ini diharapakan mampu memberikan hasil pemodelan
yang akurat untuk mengetahui variabel yang mempengaruhi minat masyarakat menggunakan angkutan umum. Hasil penelitian ini juga diharapkan nantinya dapat bermanfaat bagi mahasiswa, pemerintah, masyarakat, maupun perguruan tinggi, yaitu: 1.
Bagi pemerintah daerah, yaitu sebagai bahan masukan dalam melakukan kajian, evaluasi dan pemantauan Trayek Trans Sarbagita.
2.
Bagi mahasiswa, dapat mengetahui dan memahami bagaimana studi tentang pemodelan pemilihan moda pada koridor Trayek Trans Sarbagita.
3.
Bagi perguruan tinggi, penelitian ini dapat memperkaya khasanah penelitian di bidang transportasi.
4.
Bagi masyarakat, penelitian ini dapat memberikan alternatif terbaik dalam pemilihan moda untuk mengatasi masalah transportasi yang ada.
5
1.5
Ruang lingkup dan Batasan masalah Perencanaan transportasi merupakan permasalahan dengan cakupan yang
luas, dengan keterbatasan waktu dan kemampuan penulis, sehingga perlu ditetapkan sejumlah batasan masalah untuk studi ini, antara lain: 1.
Wilayah studi meliputi: a. Trayek I (Kerobokan - Kota – Sanur), b. Trayek II (Oberoi - Pemogan - Semawang – Sanur), dan c. Trayek III (Petitenget - Teuku Umar - Renon – Sanur).
2.
Daerah kajian studi dibatasi hanya pada wilayah disepanjang koridor pelayanan rute (400 meter di kiri dan 400 meter di kanan ruas jalan). Hal ini sesuai dengan standar kualitas pelayanan jalan (Dinas Perhubungan, 1996), dimana jarak standar yang ditetapkan adalah 300m – 500m.
3.
Pemilihan Moda dilakukan untuk dua moda, yaitu kendaraan pribadi dan angkutan umum.
4.
Analisis pemilihan moda dilakukan dengan metode regresi logistik.
5.
Perangkat lunak yang digunakan adalah SPSS (Statistic Product and Service Solution) versi 15.
6
BAB II T I N J A U A N PUSTAKA
2.1
Transportasi
2.1.1
Pengertian Transportasi Transportasi atau perangkutan merupakan suatu kegiatan perpindahan orang
dan atau barang dari satu tempat (asal) ke tempat lain (tujuan) dengan menggunakan sarana tertentu untuk maksud dan tujuan tertentu (Munawar, 2005). Alat atau sarana perpindahan yang digunakan dapat berbeda pula seperti jalan kaki, angkutan darat, air, udara dan lain-lain. Kegiatan manusia yang berbagai macam menyebabkan mereka saling berhubungan. Untuk itu diperlukan sarana penghubung. Salah satu diantaranya adalah angkutan umum. Dengan kemajuan teknologi, muncul berbagai macam alat angkut yang bergerak dari suatu tempat ke tempat yang lain untuk memenuhi berbagai keperluan. Semakin maju peradaban manusia maka akan semakin kompleks masalah yang akan dihadapi, sehingga diperlukan tuntutan perkembangan teknologi yang lebih cocok.
2.1.2
Moda Transportasi Definisi dari moda adalah
merupakan sarana yang digunakan untuk
memindahkan orang dan/atau barang dari suatu tempat ke tempat lain. Moda transportasi dapat berupa moda transportasi darat, moda transportasi laut, dan moda transportasi udara, dimana masing-masing moda tersebut memiliki ciri dan karakteristik sendiri (Munawar, 2005). Dalam penelitian ini yang akan dibahas adalah moda transportasi darat, khususnya angkutan umum dan angkutan pribadi. 6
7
2.1.3
Pengertian Kendaraan Menurut Undang Undang No.22 tahun 2009, yang disebut kendaraan
adalah suatu sarana angkut di jalan yang terdiri atas Kendaraan Bermotor dan Kendaraan Tidak Bermotor. Kendaraan Bermotor adalah setiap Kendaraan yang digerakkan oleh peralatan mekanik berupa mesin selain Kendaraan yang berjalan di atas rel sedangkan, Kendaraan Tidak Bermotor adalah setiap Kendaraan yang digerakkan oleh tenaga manusia dan/atau hewan. Kendaraan
merupakan
sarana
angkutan
yang
penting
dalam
kehidupan modern ini karena dapat membantu manusia melaksanakan kegiatan sehari-hari serta memudahkan manusia dalam mencapai tujuan dengan cepat, selamat dan hemat sekaligus menunjang nilai aman dan nyaman (Soesantiyo, 1985).
2.1.4
Angkutan Penumpang Umum Yang dimaksud dengan angkutan umum penumpang adalah angkutan yang
disediakan untuk umum
dengan sistem sewa bayar (Munawar, 2005)..
Termasuk dalam pengertian angkutan umum penumpang adalah angkutan kota, kereta api, angkutan air dan udara. Tujuan utama dari keberadaan angkutan umum penumpang ini adalah menyelenggarakan pelayanan angkutan umum yang baik dan layak bagi masyarakat. Ukuran pelayanan yang baik adalah pelayanan yang aman, cepat, murah dan nyaman. Keberadaan angkutan umum penumpang mengandung arti pengurangan volume lalu lintas kendaraan pribadi. Hal ini dimungkinkan karena angkutan umum bersifat massal sehingga biaya angkut dapat dibebankan kepada lebih banyak orang atau penumpang yang
8
menyebabkan biaya penumpang dapat ditekan serendah mungkin. Berdasarkan operasi pelayanannya, angkutan umum dibedakan atas dua kategori utama yaitu pertama angkutan umum yang disewakan disebut paratransit. Kedua angkutan umum massal dan sering disebut transit/mass transit. 1. Angkutan umum paratransit adalah jasa pelayanan angkutan yang dapat dimanfaatkan setiap orang berdasarkan satu ketentuan tertentu (misalnya tarif, rute,dsb), namun dapat disesuaikan dengan keinginan pemakai contohnya : taxi, bajai, minibus pariwisata dll. 2. Angkutan umum massal atau mass transit adalah jasa pelayanan yang dapat dimanfaatkan dengan suatu tarif atau ongkos tertentu dan memiliki Trayek dan jadwal yang tetap contohnya bus atau mikrobus.
Kebanyakan
pengoperasian
angkutan
mass
transit
ditujukan untuk pelayanan penumpang antar kota dalam propinsi atau luar propinsi (AKAP, AKDP, Angkot).
2.2
Perencanaan Transportasi
2.2.1
Konsep Perencanaan Transportasi Merencanakan transportasi sebagai suatu kegiatan profesional yang dapat
dipertanggungjawabkan kepada masyarakat hanya jika semua masalah dan penyelesaiannya dipandang dengan cara yang setepat-tepatnya, meliputi analisis terinci dari semua faktor yang berkaitan (Black,1981) Tujuan Perencanaan transportasi pada dasarnya adalah memperkirakan jumlah serta lokasi kebutuhan transportasi pada masa mendatang yang dikaitkan dengan masalah ekonomi, sosial dan lingkungan yang akan digunakan untuk
9
berbagai kebijakan investasi di sektor transportasi sehingga efektif, efisien dan ekonomis (Tamin, 2000)
2.2.2
Pemodelan Transportasi Dalam perencanaan transportasi dikenal ada 4 (empat) langkah
pembuatan model, antara lain: 1. Bangkitan Perjalanan (Trip Generation) Pembangkit perjalanan adalah tahapan pemodelan yang memperkirakan jumlah pergerakan yang berasal dari suatu zona atau tata guna lahan dan jumlah pergerakan yang tertarik ke suatu zona atau tata guna lahan. 2. Sebaran Perjalanan (Trip Distribution) Penyebaran pergerakan merupakan tahapan yang menggabungkan interaksi antara tata guna lahan, jaringan transportasi dan arus lalu lintas. 3. Pemilihan Moda (Modal Choice /Modal Split) Dalam interaksi antara dua tata guna lahan atau lebih di suatu wilayah, maka seseorang akan memutuskan bagaimana interaksi tersebut harus dilakukan, dimana sering interaksi tersebut mengharuskan terjadinya perjalanan, baik antar tata guna lahan ataupun inter tata guna lahan. Keputusan dalam pemilihan moda berkaitan dengan jenis transportasi yang digunakan. Jika terdapat lebih dari satu moda, maka moda yang dipilih biasanya yang mempunyai rute terpendek, tercepat, atau termurah, atau teraman, atau kombinasi dari faktor-faktor tersebut. Selain itu, faktor lain yang mempengaruhi adalah ketidaknyamanan dan keselamatan dan hal seperti ini harus dipertimbangkan dalam pemilihan
10
moda, walaupun sulit karena sangat sulit untuk dikuantifikasikan. 4. Pemilihan Rute (Traffic Assignment) Model ini bertujuan memprediksi pemilihan rute perjalanan yang akan digunakan. Diasumsikan pemakai jalan mempunyai informasi yang cukup (misalnya tentang kemacetan jalan), sehingga dapat menentukan rute yang terbaik.
2.2.3
Pemodelan Pemilihan Moda Pengertian Pemodelan Pemilihan Moda adalah model yang memberi
Gambaran bagaimana persepsi masyarakat mengenai dasar pemilihan jenis moda yang digunakan. Hal ini dapat dipengaruhi oleh faktor-faktor pelayanan angkutan umum seperti rute, tarif, kenyamanan, keamanan dan lain-lain. Model pemilihan moda bertujuan untuk mengetahui proporsi orang yang menggunakan setiap moda transportasi. Proses ini dilakukan dengan maksud untuk mengkalibrasi model pemilihan moda pada tahun dasar dengan mengetahui peubah bebas yang mempengaruhi pemilihan moda tersebut dan setelah dilakukan proses kalibrasi model dapat digunakan untuk meramalkan pemilihan moda dengan nilai peubah bebas untuk masa mendatang. Pemilihan moda ini sangat sulit dimodelkan, walaupun hanya dua buah moda yang digunakan (umum atau pribadi). Ini disebabkan oleh banyak faktor yang sulit dikuantifikasikan,
misalnya
kenyamanan,
keamanan,
kehandalan
atau
ketersediaan mobil pada saat diperlukan (Tamin, 2000). Pemilihan
moda
juga
mempertimbangkan
pergerakan
yang
menggunakan lebih dari satu moda dalam perjalanan (multimoda). Maka
11
dapat dikatakan bahwa pemodelan pemilihan moda merupakan bagian yang terlemah dan tersulit dimodelkan dari keempat tahapan model perencanaan transportasi. Dalam cakupan identifikasi permasalahan yang dikaji, dapat dikenali dari faktor penentu pemilihan jenis angkutan atau moda dan faktor yang mempengaruhi
pemilihan,
dimana
faktor
yang
dapat
mempengaruhi
pemilihan moda dapat dikelompokkan menjadi tiga, antara lain: 1. Ciri pengguna jalan: Beberapa faktor berikut ini diyakini akan sangat mempengaruhi pemilihan moda yaitu: ketersediaan atau pemilikan kendaraan pribadi, pemilikan Surat Ijin Mengemudi (SIM), struktur rumah tangga (pasangan muda, keluarga dengan anak, pensiun, bujangan dan lainlain), pendapatan, faktor lain misal keharusan menggunakan mobil ke tempat bekerja dan keperluan mengantar anak. 2. Ciri pergerakan: Pemilihan moda juga akan sangat dipengaruhi oleh: tujuan pergerakan, waktu terjadinya pergerakan, jarak perjalanan. 3. Ciri fasilitas moda transportasi: Hal ini dapat dikelompokkan menjadi dua kategori, yaitu: a. Faktor kuantitatif seperti: waktu perjalanan, biaya transportasi (tarif, biaya bahan bakar, dan lainnya), ketersediaan ruang dan tarif parkir. b. Faktor kualitatif yang cukup sulit dihitung, meliputi: kenyamanan dan keamanan, Kehandalan dan keteraturan dan lain-lain.
12
4. Ciri kota atau zona: Beberapa ciri yang dapat mempengaruhi pemilihan moda adalah jarak dari pusat kota dan kepadatan penduduk. Model pemilihan moda yang baik harus mempertimbangkan semua faktor tersebut. Dari semua model pemilihan moda, pemilihan peubah bebas yang digunakan sangat tergantung pada: Orang yang memilih model tersebut, Tujuan pergerakan, Jenis model yang digunakan.
Dari semua faktor yang mempengaruhi pemilihan moda transportasi dan bagaimana satu faktor berpengaruh terhadap faktor lainnya, maka secara ilustrasi dapat diGambarkan dalam Kajian Masalah seperti Gambar 2.1 di bawah ini:
Faktor Penentu Pemilihan Moda
Faktor yang Mempengaruhi Pemilihan Moda
Maksud Perjalanan
Ciri Pengguna
Jarak Tempuh
Ciri Pergerakan
Jenis Moda Biaya
Tingkat Kenyamanan dan Keamanan
Ciri Fasilitas Moda Transportasi - faktor kuantitatif - faktor kualitatif
Ciri Kota / Zona
Gambar 2.1 Kajian Masalah
13
Dilihat dari posisi pemilihan moda terhadap analisis pembangkit perjalanan dalam proses perencanaan transportasi diasumsikan pemakai jalan memilih antara bergerak dan tidak bergerak. Jika dipilih melakukan pergerakan maka akan dilakukan pemilihan moda angkutan dan berjalan kaki, kemudian apabila memilih memakai moda maka diharuskan memilih dua pilihan yaitu penggunaan angkutan umum atau angkutan pribadi. Pemilihan moda merupakan bagian yang tersulit, merupakan suatu proses yang dinamis, melibatkan berbagai pihak dan multi-disiplin termasuk politik. Oleh karena itu dengan terlibatnya banyak pihak antara lain : pengguna (user), pemerintah (regulator), dan pemilik atau suatu badan usaha pengelola angkutan (operator), maka perlu kajian secara komprehensif, dimana pemikiran ini dapat diGambarkan seperti pada Gambar 2.2 di bawah ini: Total Pergerakan
Bergerak
Tidak Bergerak
Berjalan Kaki
Berkendaraan
Angkutan Umum
Angkutan Pribadi
Bermotor
Tidak Bermotor (Misal: Becak)
Jalan Raya
Jalan Rel
Bus
Tidak Bermotor (Misal: Sepeda)
Mobil
Bermotor
Sepeda Motor
Paratransit
Gambar 2.2. Proses Pemilihan Moda di Indonesia (Sumber : Tamin, 2000)
14
2.3
Analisis Regresi Dalam kegiatan pemodelan untuk rekayasa sipil, seringkali dijumpai
tinjauan hubungan antara suatu variabel dengan satu atau lebih variabel lain. Secara umum ada dua macam hubungan antara dua atau lebih variabel, yaitu bentuk hubungan dan keeratan hubungan. Jika ingin diketahui bentuk hubungan dua variabel atau lebih, digunakan analisis regresi sedangkan untuk analisis keeratan hubungan, digunakan analisis korelasi. Metode regresi yang paling umum digunakan adalah analisis regresi baik itu yang bersifat linier maupun non linier. Jika variabel tidak bebas bersifat diskrit analisis regresi linier tidak layak untuk digunakan karena dua alasan (Al-Ghamdi, 2002) yaitu: 1. Variabel tidak bebas di dalam metode regresi linier harus bersifat kontinyu 2. Variabel tidak bebas di dalam metode regresi linier dapat mengakomodasi nilai negatif. Kedua asumsi di atas tidak sesuai untuk kondisi variabel tidak bebas yang bersifat kategori (diskrit). Variabel diskrit sering dinyatakan dalam kategori. Variabel diskrit sering juga disebut variabel nominal atau variabel kategorik. Apabila terdapat dua kategori disebut dikotom, misalnya variabel jenis kelamin yang terdiri dari lakilaki dan perempuan. Apabila lebih dari dua kategori disebut politom. Misalnya variabel latar belakang pendidikan yang dapat terdiri dari SD, SMP, SMU, Perguruan tinggi dan sebagainya. Sementara itu variabel kontinyu adalah variabel
15
yang nilainya dalam jarak tertentu dan dengan pecahan yang tidak terbatas. misalnya variabel berat badan ada yang 40 kg, 45,5 kg, 60 kg dan sebagainya.
2.3.1 Regresi Logistik Didalam statistik, regresi logistik (seringkali disebut model logistik atau model logit), digunakan untuk memprediksi kemungkinan (probabilitas) dari suatu kejadian dengan data fungsi logit dari kurva logistik. Seperti banyak bentuk analisis regresi, yang menggunakan beberapa variabel dapat berupa numerik atau kategoris. Sebagai contoh, probabilitas bahwa seseorang memiliki serangan jantung dalam jangka waktu tertentu, diprediksi dari pengetahuan tentang usia, jenis kelamin orang tersebut dan indeks massa tubuh. Regresi logistik adalah bagian dari analisis regresi yang digunakan ketika variabel dependen (respon) merupakan variabel dikotomi. Variabel dikotomi biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1. Regresi logistik akan membentuk variabel prediktor/respon yang merupakan kombinasi linier dari variabel independen. Nilai variabel prediktor ini kemudian ditransformasikan menjadi probabilitas dengan fungsi logit. Tidak seperti regresi linier biasa, regresi logistik tidak mengasumsikan hubungan antara variabel independen dan dependen secara linier. Regresi logistik merupakan regresi non linier dimana model yang ditentukan akan mengikuti pola kurva linier seperti Gambar 2.1. Untuk regresi logistik berapapun besarnya atau kecilnya harga x maka nilai y akan tetap diantara 0 dan 1 artinya variabel dikotomi yang digunakan dimana biasanya hanya terdiri atas dua nilai, yang
16
mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1.
Y=1
LOGISTIC REGRESSION MODEL
LINIER REGRESSION MODEL
Y=0 X
Gambar 2.3 Grafik Regresi Logistik Sumber: www.ats.ucla.edu/stat/stata/webbooks/logistic Selain itu regresi logistik juga menghasilkan rasio peluang (odds ratios) terkait dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang (odds ratios) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi prediktor diartikan sebagai jumlah relatif dimana peluang hasil meningkat (rasio peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel prediktor meningkat sebesar 1 unit. Regresi logistik sebenarnya sama dengan analisis regresi berganda, hanya variabel terikatnya merupakan dummy variable (0 dan 1). Sebagai contoh, pengaruh berapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan. Maka variabel terikatnya adalah 0 jika terlambat dan 1 jika tidak terlambat (tepat).
17
Dalam cakupan identifikasi permasalahan yang dikaji, dengan mengenali faktor penentu pemilihan jenis angkutan atau moda yang mempengaruhi dalam pemilihan, dikaji bahwa variabel tidak bebas di dalam penelitian ini bersifat biner, yaitu angkutan pribadi dan angkutan umum, dan variabel bebas diambil dari kelompok faktor pengaruh pemilihan, sehingga digunakannya regresi logistik untuk menentukan hubungan antara variabel bebas dan variabel tidak bebas. Data yang bersifat biner (binary) adalah data dengan 2 (dua) respon, misalnya angkutan pribadi (1) – angkutan umum (0), gagal-berhasil, ya-tidak, on-off, 0-1 dan sebagainya. Seperti pada analisis regresi berganda, untuk regresi logistik, variabel bebas (X) bisa juga terdiri lebih dari satu variabel dan dapat berupa variabel yang bersifat kontinyu maupun diskrit.
2.3.2 Desain dan Analisis Variabel Dummy Karena regresi logistik diakomodasikan untuk variabel tidak bebas biner maka di dalam pemodelan variabel bebas maupun variabel tidak bebasnya harus direpresentasikan dalam bentuk kode. Variabel yang dinyatakan dalam bentuk kode tersebut didefinisikan sebagai variabel dummy. Regresi logistik tidak hanya mengasumsikan variabel tidak bebas bersifat dikotomi tetapi juga sebagai variabel biner (binary), yaitu diberi kode sebagai 0 dan 1. Kode ini harus berupa bilangan numerik dan bukan tekstual (string) dan merupakan suatu keharusan bahwa kode dengan bilangan 0 berarti kejadian tidak ada (gagal) dan kode dengan bilangan 1 berarti kejadian ada atau berhasil (Washington et.al, 2003). Pada dasarnya semua perangkat lunak statistik akan melakukan perhitungan regresi logistik jika dan hanya jika variabel tidak bebas diberi kode 0
18
dan 1. Secara spesifik perangkat lunak statistik mengasumsikan variabel tidak bebas yang mempunyai nilai selain 0 adalah 1, sehingga jika variabel tidak bebas diberikan kode 3 dan 4 maka perangkat lunak akan mendefinisikannya sebagai bilangan 1. Akan tetapi ketentuan untuk variabel tidak bebas ini tidak berlaku untuk variabel bebas. Bentuk variabel bebas di dalam regresi logistik dapat berupa variabel yang bersifat kontinyu maupun diskrit dan tidak memiliki asumsi normalitas untuk variabel bebas. Untuk variabel bebas yang bersifat diskrit dengan beberapa klasifikasi dapat diberi kode 0, 1, 2, 3, …dst. Sebagai ilustrasi variabel tipe kendaraan mempunyai beberapa klasifikasi yaitu kendaraan berat, kendaraan ringan dan sepeda motor maka di dalam pengkodeannya klasifikasi variabel tipe kendaraan tersebut dapat diberikan kode mulai dari 0, 1 dan 2 maupun mulai dari 1, 2 dan 3. Sudah ditetapkan (by default) bahwa hampir semua perangkat lunak statistik mempunyai prioritas untuk memprediksi probabilitas dari suatu kejadian yang ada (berhasil). Probabilitas di dalam statistik didefinisikan sebagai suatu ekspresi kuantitatif dari suatu kemungkinan suatu kejadian akan terjadi. Secara formal probabilitas adalah jumlah kejadian yang terjadi (berhasil) dibagi dengan jumlah kejadian yang dapat terjadi. Sebagai contoh, didalam pelemparan koin yang mempunyai dua sisi, probabilitas satu sisinya adalah 0,5. Setelah variabel bebas dinyatakan dalam variabel dummy langkah selanjutnya adalah melakukan uji statistik (uji hipotesis) untuk mengetahui apakah semua variabel bebas akan diikutsertakan di dalam model. Sebagai contoh jika
19
variabel kendaraan berat secara statistik mempunyai jumlah/frekuensi yang kecil atau tidak signifikan (p-value < 0.05) dalam kelompok tipe kendaraan maka variabel kendaraan berat dapat direduksi dari variabel bebas tersebut. Untuk melakukan reduksi variabel bebas dapat dilakukan dengan melakukan uji hipotesis yaitu: H 0 : pi = 0 H a : pi ≠ 0 dimana pi adalah proporsi klasifikasi i di dalam variabel dummy. Selanjutnya masing-masing variabel desain diuji keberartiannya dengan menggunakan rumusan selang kepercayaan untuk proporsi populasi yaitu:
pˆ ±
Z
α
/ 2
pˆ qˆ n
...................................................(2.13)
dimana: pˆ = proporsi sampel berdasarkan jumlah ‘berhasil’ (kode = 1) qˆ = 1- pˆ n = jumlah sampel
zα
/2
= nilai variabel standar normal (Z) dengan area ‘tails’ adalah (α/2).
Rumusan tersebut digunakan untuk menghitung selang kepercayaan (95%) dari proporsi sampel. Jika nilai dari selang kepercayaan mengandung nilai 0 dan nilai-p lebih besar dari 0.05 maka variabel desain tersebut tidak signifikan. Hal demikian dapat mempengaruhi jumlah variabel desain yang terdapat pada variabel dummy.
20
2.3.3 Bentuk Umum Regresi Logistik Berdasarkan data bivariat (X,Y), dimana X adalah variabel numerik atau variabel satu-nol dan Y adalah variabel respon satu-nol, dapat diperlihatkan model regresi logistik dengan bentuk umum sebagai berikut (Washington, et.al, 2003):
p = P ( Y = 1) =
exp( β 0 + β 1 X ) .................................(2.14) 1 + exp( β 0 + β 1 X )
dimana p = P(Y=1) menyatakan proporsi skor/nilai Y=1 di dalam populasi di antara semua skor/nilai satu-nol yang mungkin. Besaran p = P(Y=1) kerap kali juga dinyatakan sebagai peluang atau probabilitas peristiwa/kasus yang ditentukan oleh skor Y=1, jika sebuah/seorang individu dipilih secara random dari populasi tertentu. Dengan memperhatikan model regresi logistik tersebut, maka kita akan berbicara tentang peluang p = P(Y=1) yang tergantung pada skor/nilai variabel bebas X. Oleh karena itu, sebenarnya P(Y=1) menyatakan proporsi atau peluang bersyarat, yang secara lengkap seharusnya ditulis seperti di bawah ini:
p x = P(Y = 1 X) ................................................................(2.15) Sehingga, jelaslah bahwa dengan menerapkan model logistik berdasarkan data tertentu, termasuk dengan data bivariant (X,Y) tersebut di atas, bertujuan untuk memperkirakan atau mengestimasi besarnya proporsi Y=1 di dalam populasi yang bersangkutan. Berkaitan dengan model regresi univariat pada umumnya, model regresi logistik (2.14) juga dapat ditulis dalam bentuk sebagai berikut:
p /(1 − p) = exp(β0 + β1X) ...................................................(2.16)
21
Atau
ln[p /(1 − p)] = β 0 + β1X ......................................................(2.17) Jika kita perhatikan ruas kanan persamaan (2.5) maka akan terlihat persis sama dengan bentuk regresi linier sederhana dengan sebuah variabel bebas X, dimana X adalah variabel satu-nol atau numerik. Berkaitan dengan model ini perlu diperhatikan ketentuan sebagai berikut: 1. Pemakaian persamaan (2.17) disertai dengan asumsi atau prasyarat bahwa
ln[p /(1 − p)] dan X mempunyai hubungan linier. Untuk mempelajari kebenaran asumsi ini, maka diperlukan cukup banyak observasi untuk setiap nilai/skor dari variabel X, sehingga dapat diperoleh suatu nilai p yang rasional untuk setiap nilai/skor variabel X. Hal ini dipandang sebagai salah satu kelemahan pemakaian model logistik, khususnya untuk X numerik, karena pada umumnya kita tidak mempunyai observasi yang cukup banyak untuk setiap nilai X. 2. Jika untuk setiap nilai/skor X terdapat cukup banyak observasi, maka nilai
ln[p /(1 − p)]
dapat dihitung untuk setiap nilai/skor variabel X.
Selanjutnya, dapat dibuat diagram pencar antara variabel tidak bebas
ln[p /(1 − p)] dengan variabel bebas X, yang dapat menunjukkan kebenaran asumsi yang dipakai secara empiris. 3. Di lain pihak, jika prasyarat hubungan linier tersebut tidak dapat diterima, maka dengan sendirinya persamaan (2.5) tidak berlaku atau tidak sepatutnya digunakan untuk data yang bersangkutan. Dalam kasus seperti ini, maka harus dicoba dengan bentuk lain, diantaranya dengan memakai
22
model non-linier, model dengan variabel bebas ln(X) sebagai ganti dari X dan model kurva berbentuk S. 4. Jika X merupakan indikator satu-nol, maka asumsi hubungan linier untuk persamaan (2.17) mutlak berlaku, karena hanya terdapat dua titik observasi yang sesuai dengan X=0 dan X=1, dengan koordinat sebagai berikut: Untuk X=0 : ln[ p 0 /(1 − p 0 )] = β 0 .......................................(2.18) Untuk X=1 : ln[ p1 /(1 − p1 )] = β 0 + β1 .................................(2.19), dengan β 0,1 = parameter model, X = nilai variabel bebas, ln[p1 /(1 − p1 )] = transformasi logit atau logit p (natural log) dari rasio odds, dimana odds fungsi dari p, probabilitas dari 1 (simbol untuk peluang suatu peristiwa sukses atau berhasil atau terjadi).
2.3.4 Maksimum Likelihood untuk Penentuan Parameter Model Logistik Di dalam regresi linier dikenal istilah kuadrat terkecil (least squares) yang digunakan untuk estimasi parameter model, sedangkan untuk regresi logistik yang digunakan adalah prinsip estimasi maximum likelihood (ML). Prinsip dari ML ini adalah parameter populasi diestimasi dengan cara memaksimumkan kemungkinan (likelihood) dari data observasi. Estimator yang diperoleh dari metode ini disebut dengan Maximum Likelihood Estimator (MLE). Sebagai ilustrasi, misalkan pada suatu kabupaten A, 80% anak-anak mempunyai asuransi kesehatan. Kemudian 10 orang anak di kabupaten A dipilih secara acak, dengan probabilitas 7 dari 10 anak-anak mempunyai asuransi kesehatan adalah 0,2013. Sementara itu di kabupaten B, 40% anak-anak
23
mempunyai asuransi kesehatan. Kemudian 10 orang anak di kabupaten B dipilih secara acak, dengan probabilitas 7 dari 10 orang anak mempunyai asuransi kesehatan adalah 0,0425. Misalkan diketahui bahwa diantara 10 orang anak yang dipilih secara acak dari salah satu kabupaten tersebut 7 orang mempunyai asuransi kesehatan, berapakah persentase anak-anak di kedua kabupaten tersebut yang mempunyai asuransi kesehatan? Apakah kemungkinannya lebih besar dari kabupaten A dengan 80% asuransi kesehatan atau dari kabupaten B dengan 40% asuransi kesehatan? Karena data observasi menunjukkan bahwa 7 dari 10 orang anak yang mempunyai asuransi kesehatan lebih besar kemungkinannya di kabupaten A maka kemungkinannya adalah sampel yang berasal dari kabupaten A dengan estimasi rasio sebesar 80%. Likelihood merupakan suatu fungsi dari data dan parameter model. Jika terdapat data biner maka bentuk dari likelihood adalah sebagai berikut: a. Yi = 1 dengan probabilitas pi b. Yi = 0 dengan probabilitas 1 – pi Misalkan jika data observasi bersifat bebas maka likelihood dari data Y1, Y2,…,Yn adalah pi dan 1 - pi. Jika untuk setiap Yi = 1,dengan probabilitas pi dan untuk setiap Yi = 0 dengan probabilitas 1 – pi maka bentuk umum dari likelihood (L): n
L=
∏p i =1
Yi i
(1 − pi )1−Yi ............................................................(2.20)
Sepintas model di atas menyatakan bahwa likelihood hanya berkaitan dengan probabilitas dan belum menjelaskan mengenai probabilitas dari variabel bebas yang akan diperoleh.
24
Fungsi logistik linier dapat digunakan untuk menjelaskan hubungan antara probabilitas pi dan variabel bebas Xi sebagai berikut:
pi =
e ( β 0 + β1 X i ) 1+ e
( β 0 + β1 X i )
...............................................................(2.21)
dan
1 − pi =
1 1+ e
( β 0 + β1 X i )
.........................................................(2.22)
Dengan menggunakan kedua persamaan (2.9) dan (2.10) pada persamaan (2.8) diperoleh:
e β 0 + β1 X i L = ∏ β 0 + β1 X i i =1 1 + e n
n
=∏ i =1
(e
)
Yi
1 β 0 + β1 X i 1+ e
1−Yi
β 0 + β1 X i Yi
1+ e
β 0 + β1 X i
..............................................................(2.23)
Menghitung nilai β0 dan β1 pada persamaan (2.11) merupakan suatu hal yang berat untuk dilakukan. Seringkali ditemukan bahwa lebih mudah untuk menggunakan logaritmik natural dari likelihood itu sendiri yaitu dengan memilih β0 dan β1 untuk memaksimumkan log likelihood. Log-likelihood dari data biner didalam suatu model regresi logistik adalah: n
n
i =1
i =1
(
)
log( L ) = ∑ Yi ( β 0 + β 1 X i ) − ∑ log 1 + e β 0 + β1 X i ..................(2.24) Serupa dengan prinsip kuadrat terkecil pada regresi linier, akan terdapat dua persamaan yang harus dipecahkan untuk dua parameter (solusinya adalah estimasi dari β0 dan β1). Akan tetapi, tidak seperti pada kuadrat terkecil, dua
25
persamaan pada regresi logistik bersifat tidak linier sehingga harus dipecahkan dengan proses iterasi. Ini dimungkinkan dengan penentuan nilai awal untuk β0 dan β1, evaluasi log-likelihood, penentuan nilai baru untuk β0 atau β1 yang menaikkan nilai log-likelihood, dan mengulangi proses tersebut sampai nilai log-likelihood tidak berubah atau konstan pada suatu nilai tertentu. Jika hal tersebut terjadi maka dikatakan bahwa proses iterasi nilai log-likelihood sudah bersifat konvergen.
2.3.5 Uji Kelayakan Model (Goodness of Fit) Uji kelayakan model dilakukan dengan menggunakan uji statistik dari Hosmer and Lemeshow. Uji ini bertujuan untuk mempelajari sejauh mana kesesuaian model regresi logistik yang dipakai di dalam memodelkan hubungan antara variabel bebas dan variabel tidak bebas. Hipotesis nol dari uji statistik ini adalah model yang diuji layak, sedangkan hipotesis alternatifnya adalah model yang diuji tidak layak (model tidak mampu merepresentasikan hubungan antara variabel bebas dan variabel tidak bebas). Uji statistik ini dilakukan dengan membagi data kedalam grup (g). Grup ini dibentuk dengan mengurutkan data eksisting berdasarkan tingkat probabilitasnya. Jadi data diurutkan dari data yang paling kecil kemungkinannya (p~0) ke data yang paling besar kemungkinannya (p~1). Grup umumnya dipecah menjadi 10 grup. Setiap grup yang dihitung memiliki data hasil observasi dan hasil prediksi. Prinsip dasar dari uji statistik ini adalah frekuensi hasil prediksi dan frekuensi observasi dari variabel tidak bebas harus mempunyai perbedaan yang relatif kecil. Semakin kecil perbedaannya semakin layak model tersebut. Model
26
yang layak menurut uji statistik ini akan mempunyai nilai probabilitas (p-value) yang besar yaitu lebih besar dari tingkat keyakinan 5% atau α=0.05 (Washington, et.al, 2003). Formula dari uji Hosmer and Lemeshow ini adalah: ^
C =
9
∑
k =1
( O k − E k ) 2 ..............................................................(2.25) vk
dengan:
Cˆ
= Uji Hosmer-Lemeshow (H-L test)
Ok
= Nilai Observasi pada grup yang ke-k
Ek
= Nilai Ekspektasi pada grup yang ke-k
vk
= Faktor koreksi variansi untuk grup yang ke-k Sebagai ilustrasi diberikan Tabel perbandingan frekuensi prediksi dan
observasi dan hasil uji statistik pada Tabel 2.5. Tabel 2.1 Ilustrasi Uji Statistik Hosmer and Lemeshow Group Prob Obs_1 Exp_1 Obs_0 Exp_0
Total
1
0.0016
0
0.1
71
70.9
71
2
0.0033
1
0.2
73
73.8
74
3
0.0054
0
0.3
74
73.7
74
4
0.0096
1
0.5
64
64.5
65
5
0.0206
1
1.0
69
69.0
70
6
0.0623
4
2.5
69
70.5
73
7
0.1421
2
6.6
66
61.4
68
8
0.4738
24
22.0
50
52.0
74
9
0.7711
44
43.3
25
25.7
69
8
7.4
69
10 0.9692 61 61.6 number of observations = 707 number of groups = 10 Hosmer-Lemeshow chi2(8) = 9.15 Prob > chi2 = 0.3296
27
Dengan nilai p-value 0.3296 (0.33) dapat dikatakan bahwa uji statistik mengindikasikan
bahwa
model
yang
dikembangkan
layak
di
dalam
mengGambarkan hubungan antara variabel bebas dan tidak bebasnya.
2.3.6 Pengertian Kalibrasi dan Validasi Kalibrasi adalah proses perhitungan untuk menentukan nilai parameter (konstanta dan koefisien) dari suatu model. Misal suatu model regresi sederhana: y=a+bx diperoleh hasil kalibrasinya adalah: y = 89,9 + 2,48x. Ini memberi makna persamaan bahwa: y mempunyai hubungan linier dengan x, perubahan satu satuan dari nilai x akan merubah nilai y sebesar 2,48 satuan, dan dengan nilai konstanta yang cukup tinggi, merupakan indikasi kemungkinan galat adalah hubungan y dan x sebenarnya tidak linier, tidak diperhitungkannya variabel bebas lainnya yang lebih signifikan (galat spesifikasi), atau terdapat kesalahan pengumpulan data (galat pengukuran). Validasi berasal dari kata validity yang berarti sejauh mana ketepatan dan kecermatan suatu alat ukur dalam mengukur suatu data. Dengan demikian pada kajian ini model yang validasi adalah model yang dianggap baik yang telah diperoleh dari proses kalibrasi yaitu untuk signifikansi tujuan, ketepatan prosedur, manfaat hasil penelitian dan juga untuk memahami data, penelusuran data sesuai teori yang yang digunakan dan di analisis secara statistik.
2.3.7 Rasio Odds dan Probabilitas Setelah model dinyatakan layak di dalam mengGambarkan hubungan antara variabel bebas dan tidak bebas maka langkah selanjutnya adalah
28
menginterpretasikan model tersebut yang berguna di dalam penarikan kesimpulan. Di dalam kegiatan penginterpretasian model tersebut terdapat kegiatan analisis rasio odds. Secara harfiah odds mempunyai arti yang sama dengan peluang atau probabilitas atau kemungkinan. Akan tetapi di dalam statistik, peluang atau kemungkinan dan odds mempunyai konsep yang berbeda. Odds dari suatu kejadian diGambarkan sebagai peluang dari peristiwa yang terjadi dibagi oleh peluang dari peristiwa yang tidak terjadi. Sebagai ilustrasi di dalam pelemparan koin, kemungkinan memperoleh kepala adalah 0.5 dan kemungkinan tidak mendapat kepala juga 0.5. Karenanya, odds adalah 0.5/0.5= 1. Bahwa kemungkinan dari suatu peristiwa yang terjadi dan kemungkinan dari peristiwa tidak terjadi, jumlahnya harus 1. Jika diasumsikan bahwa dengan mengubah koin sedemikian rupa sehingga kemungkinan mendapat kepala adalah 0.6 maka kemungkinan tidak mendapat kepala menjadi 0.4. Odds mendapat kepala adalah 0.6/0.4= 1,5. Jika kemungkinan mendapat kepala adalah 0.8 maka odds mendapatkan kepala akan menjadi 0.8/0.2= 4. Dari ilustrasi tersebut terlihat bahwa, ketika odds sama, kemungkinan dari peristiwa terjadi sama dengan kemungkinan peristiwa tidak terjadi. Ketika odds salah satunya lebih besar, kemungkinan dari kejadian peristiwa adalah lebih tinggi dibanding kemungkinan dari peristiwa tidak terjadi, dan ketika odds lebih kecil dari yang lainnya, kemungkinan dari
kejadian peristiwa kurang dari
kemungkinan dari peristiwa tidak terjadi. Odds dapat dikonversi kembali ke suatu peluang (probabilitas) yaitu dengan rumusan peluang = odds / (1+odds). Konsep
29
berikutnya adalah mengenai rasio odds, seperti telah diketahui bahwa rasio odds (odds ratio) adalah perbandingan dua odds. Sebagai ilustrasi, diasumsikan bahwa terdapat wanita dan pria di dalam satu regu dengan proporsi 75% wanita dan 60% pria. Odds untuk wanita adalah 0.75/0.25= 3, dan odds untuk pria adalah 0.6/0.4= 1.5. Rasio odds akan menjadi 3/1.5= 2, artinya bahwa odds dari wanita dibanding pria untuk ikut bergabung ke dalam regu adalah 2 berbanding 1. Sebagai ilustrasi di dalam pengertian mengenai odds dan probabilitas (kemungkinan) dapat dilihat pada contoh berikut. Misal untuk analisa keropos tulang (osteoporosis) diperoleh suatu model logit sebagai berikut:
p = a + b.Umur ....................................(2.26) Logit (p) = ln 1− p dimana variabel bebas Umur merupakan umur responden. Dari hasil pemodelan diperoleh bahwa koefisien a dan b bernilai masing-masing -21.18 dan 1.629. Menggunakan kedua nilai ini maka diperoleh model sebagai berikut:
p = -21.18 + 1.629.Umur .....................(2.27) Logit (p) = ln 1− p Untuk menginterpretasikan model ini misalnya diinginkan untuk mengetahui probabilitas seorang anak berumur 10 tahun menderita keropos tulang dapat dilakukan dengan cara:
p = -21.18 + 1.629 (10) = -4.89............(2.28) Logit (p) = ln 1− p Nilai -4,89 di atas bukan nilai probabilitas. Untuk memperoleh nilai yang diinginkan maka dihitung exp (-4.89) = 0.0075 . Nilai ini merupakan nilai odds yang mengindikasikan bahwa berubahnya
30
seorang anak sebanyak satu unit umur akan menyebabkan nilai odds dari anak tersebut menderita keropos tulang adalah 0.0075. Jika ingin diketahui probabilitas (kemungkinan) seorang anak berumur 10 tahun maka dilakukan dengan menghitung: p=
exp log it ( p ) exp −4.89 0.0075 = = = 0.007 ..........(2.29) log it ( p ) − 4.89 1 + 0.0075 1 + exp 1 + exp
Hasil di atas menyatakan bahwa probabilitas (kemungkinan) seorang anak 10 tahun ke bawah menderita keropos tulang adalah sangat kecil (0.7%).
2.4
Teknik Sampling Sampel adalah sekumpulan unit yang merupakan bagian dari populasi dan
dipilih untuk mempresentasikan seluruh populasi. Pengambilan sampel membantu mengalokasikan sumber daya yang terbatas. Desain tersebut bertujuan untuk memperoleh data yang representatif/mewakili populasi. Tujuan tahap desain sampel adalah menentukan spesifikasi kualitatif dan kuantitatif dari tata cara pengambilan sampel pada saat survai dilakukan. Sasaran akhir tahap desain sampel adalah teknik pengambilan sampel dan besar sampel. Tahap pengambilan sampel antara lain: 1. Target populasi Target populasi adalah kumpulan objek yang dilengkapi tempat informasi atau data yang akan dikumpulkan. Target populasi ditentukan berdasarkan tujuan Survai. 2. Unit Sampel (sampling unit) Unit sampel adalah suatu unit yang akan digunakan sebagai dasar bagi
31
penentuan besar sampel. Suatu populasi pada dasarnya terbentuk dari sekumpulan elemen-elemen individual yang membentuknya. Unit sampel pada urnumnya merupakan agresi (pengelompokan) dari elemen populasi (unit analisis dari populasi). Dalam banyak hal unit sampel dapat menjadi tidak sama dengan elemen populasi. 3. Daftar acuan pengambilan sample (sampling frame) Sampling frame merupakan daftar acuan (base list) yang digunakan untuk mengidentifikasi elemen (unit analisis) dari populasi. Sampling frame berisi semua atau sebagian besar unit sampel yang ada dalam populasi. Sampling frame tergantung dari populasi dan unit sampel yang akan digunakan. 4. Metode penarikan sampel Tujuan penarikan sampel adalah mendapatkan sampel dengan jumlah dari populasi agar sampel tersebut representatif atau mewakili populasi. Atas pertimbangan
bahwa
sampel
yang
diambil
digunakan
untuk
mempresentasikan seluruh populasi, maka penentuan cara yang tepat dalam menarik sampel menjadi penting. Teknik sampling random terdiri atas empat macam yaitu : a. Sampling Random Sederhana Ciri utama sampling ini ialah setiap unsur dari keseluruhan populasi mempunyai kesempatan yang sama untuk dipilih. b. Sampling Bertingkat Teknik ini digunakan apabila populasinya heterogen atau terdiri atas
32
kelompok-kelompok
yang
bertingkat,
misalnya
menurut
usia,
pendidikan. c. Teknik Sampling Muster Teknik ini digunakan apabila populasi tersebar dibeberapa daerah, propinsi, kabupaten, kecamatan dan seterusnya. d. Tenik Sampling Sistematis Teknik ini sama dengan sampling random hanya sampel dipilih berdasarkan urutan tertentu. Misalnya setiap kelipatan 5 atau 10 dari daftar pegawai. 5. Penentuan besar sampel Besar sampel yang digunakan mempresentasikan seluruh populasi dipengaruhi oleh faktor-faktor sebagai berikut: a. Tingkat variabilitas parameter yang akan ditinjau dari seluruh populasi yang ada, b. tingkat ketelitian yang dibutuhkan untuk mengukur parameter yang dimaksud, c. besar populasi tempat parameter akan disurvai.
Besar sampel dapat ditentukan secara statistik. Statistik yang digunakan untuk menentukan besar sampel dari populasi dijabarkan dalam rumusrumus sebagai berikut, antara lain : Standar Deviasi: (S ) =
Σ( x − x ) 2 ...............................................................(2.10) n
33
Se
= 0,05 x mean parameter yang dikaji
Se(x) = Se/1,96
n' =
s2 .....................................................................(2.11) ( s.e.( x ) ) 2
dimana: x
= Parameter yang digunakan dalam penentuan besar sampel
n'
= jumlah sampel representatif
S
= standar deviasi.
Se
= Acceptable Sampling Error
(S.e.(x))2 = Acceptable Standard Error.
Standar deviasi mengGambarkan tingkat variabilitas, sedangkan standar kesalahan (error) yang dapat diterima mengGambarkan tingkat ketelitian ukuran parameter yang diisyaratkan. Standar deviasi parameter biasanya didapatkan dari hasil Survai pendahuluan (pilot survey) atau survai sejenis yang pernah dilakukan sebelumnya, sedangkan besaran standar kesalahan (error) ditentukan dengan spesifikasi ketelitian yang diinginkan. Spesifikasi tingkat ketelitian yang diinginkan sebesar 95% yang berarti bahwa besarnya tingkat kesalahan sampling yang dapat ditolirir tidak melebihi 5% dengan kondisi seperti ini maka besarnya standar error yang dapat diterima (acceptable stundard error) yang ditunjukan dalam
34
Tabel distribusi normal adalah 1,96 dari acceptable sampling error. Menurut Mendenhall (1971), bahwa n ≥ 30 merupakan ukuran/jumlah sampel besar, sebaliknya n < 30 merupakan ukuran sampel kecil. Juga dinyatakan bahwa pengambilan sampel secara acak akan memberikan peluang untuk menghasilkan suatu sampel yang mendekati representatif. Selain itu menurut Black (1981), besar sampel minimum dan yang dianjurkan dapat diperkirakan seperti Tabel 2.3 di bawah ini. Tabel 2.2 Besar sampel minimum dan yang dianjurkan dalam Home Interview Survey (HIS) Jumlah Penduduk
Besar Sampel Minimum
Dianjurkan
< 50.000
1 : 10
1:5
50.000 - 150.000
1 : 20
1:8
150.000 - 300.000
1 : 35
1 : 10
300.000 - 500.000
1 : 50
1 : 15
500.000 – 1.000.000
1 : 70
1 : 20
> 1.000.000
1 : 100
1 : 25
Sumber: Black, 1981 Metode
pengumpulan
sampel/data
dengan
teknik
wawancara
(interview), yaitu teknik pengumpulan data apabila peneliti ingin mengetahui hal-hal mengenai responden secara lebih mendalam. Teknik pengumpulan data ini mendasarkan pada laporan tentang diri sendiri atau self-report, atau setidaktidaknya pada pengetahuan dan/atau keyakinan pribadi. Beberapa anggapan yang perlu dipegang peneliti dalam menggunakan metode interview dan juga kuisioner adalah
35
sebagai berikut: 1. Bahwa subyek (responden) adalah orang yang paling tahu dirinya sendiri. 2. Bahwa apa yang dinyatakan oleh subyek kepada peneliti adalah benar dan dapat dipercaya. 3. Bahwa interpretasi subyek tentang pertanyaan-pertanyaan yang diajukan peneliti kepadanya adalah sama dengan apa yang dimaksud oleh peneliti. Dalam survei ini sampel yang diambil dari populasi yang betul-betul representatif (mewakili) sebagai responden adalah kepala keluarga atau penduduk yang telah berumur diatas 20 tahun serta berbasis pada Kelurahan atau Desa. Wawancara dapat dilakukan secara terstruktur maupun tidak terstruktur, dan dapat dilakukan melalui tatap muka (face to face) maupun dengan menggunakan telepon. Untuk Home Interview Survey, kuisioner
sesuai
mendapatkan
Formulir pada
Informasi
Umum
Lampiran Rumah
B digunakan untuk
Tangga
dan
Informasi
Keinginan Beralih Moda, dengan cara mendatangi responden di lokasi.
2.5
Permintaan (demand) Jasa Angkutan Permintaan atau kebutuhan akan jasa jasa transportasi ditentukan oleh
barang-barang dan penumpang yang akan diangkut dari suatu tempat ke tempat lain. Permintaan akan angkutan adalah permintaan tak langsung berawal dari kebutuhan manusia akan berbagai jenis barang dan jasa (Salim, 1993). Untuk mengetahui
36
berapa jumlah permintaan akan jasa angkutan yang sebenarnya perlu diperhatikan beberapa hal berikut: 1. Pertumbuhan penduduk Pertumbuhan penduduk suatu daerah akan membawa pengaruh terhadap jumlah yang dibutuhkan. 2. Pembangunan wilayah dan daerah Dalam rangka pemerataan pembangunan dan penyebaran penduduk di seluruh daerah, transportasi sebagai sarana dan prasarana penunjang untuk memenuhi kebutuhan akan jasa angkutan harus dibarengi sejalan dengan program pembangunan guna memenuhi kebutuhan tersebut. 3. Industrialisasi Proses industrialisasi di segala sektor ekonomi dewasa ini yang merupakan program pemerintah untuk pemerataan pembangunan akan membawa dampak terhadap jasa transportasi yang diperlukan. Permasalahannya adalah sampai seberapa jauh penyediaan jasa angkutan tersebut dapat dipengaruhi, sebab banyak faktor yang mempengaruhi seperti: peralatan yang dioperasikan, masalah teknis alat angkut yang digunakan, jumlah alat angkut yang tersedia, masalah pengelolaan perangkutan (segi menajemen operasional), jasa-jasa angkutan merupakan jasa slow yielding (hasilnya lambat), sedangkan biaya investasi dan biaya pemeliharaan besar. 4. Penyebaran penduduk Penyebaran penduduk ke seluruh daerah merupakan salah satu faktor
37
demand yang menentukan banyaknya jasa jasa angkutan disediakan, harus
diperhatikan
pula
keamanan,
ketepatan,
keteraturan,
kenyamanan dan kecepatan yang dibutuhkan oleh pengguna jasa transportasi. 5. Analisis dan proyeksi akan permintaan jasa transportasi Sehubungan dengan faktor-faktor tersebut diatas, untuk memenuhi permintaan akan jasa transportasi, perlu dilakukan perencanaan transportasi yang mantap dan terarah, agar dapat menutupi kebutuhan akan jasa angkutan yang diperlukan oleh masyarakat pengguna jasa. Analisis dan proyeksi sangat diperlukan untuk mengetahui berapa permintaan (demand analysis) yang dibutuhkan.
2.5.1
Analisis Permintaan Analisis permintaan dilakukan dengan cara sebagai berikut :
1. Menelaah rencana pengembangan kota, inventarisasi tata guna lahan dan aktivitas ekonomi wilayah perkotaan. 2. Menelaah data penduduk, jumlah penduduk dan penyebarannya. 3. Inventarisasi data perjalanan yang berisi asal dan tujuan perjalanan, maksud perjalanan dan pemilihan moda angkutan. 4. Menelaah pertumbuhan penumpang masa lalu dan pertumbuhan beberapa
parameter
pendapatan.
lain,
misalnya
kepemilikan
kendaraan
dan
38
2.5.2
Parameter dalam Analisis Potensi Permintaan Angkutan Umum Parameter yang digunakan dalam analisis potensi permintaan angkutan
umum antara lain: l. Data keluarga, antara lain: alamat, jumlah anggota keluarga, jumlah pekerja, jumlah pelajar, jumlah anggota keluarga yang berumur 5-65 tahun, kepemilikan kendaraan, status dalam keluarga (bapak, ibu, anak, kakek/nenek, dan lainnya), pendidikan, status pekerjaan dan pendapatan. 2. Informasi perjalanan, antara lain: tempat asal perjalanan, tempat tujuan perjalanan, maksud perjalanan, jenis moda yang digunakan, minat terhadap penggunaan angkutan umum dan tarif.
Perhitungan jumlah permintaan pelayanan angkutan umum penumpang meliputi tahap-tahap sebagai berikut (Departemen Perhubungan. 1996): 1. Penentuan angka kepemilikan kendaraan pribadi Angka kepemilikan kendaraan pribadi dihitung dengan membandingkan jumlah kendaraan pribadi dengan jumlah penduduk total per kelurahan/desa. Persamaan angka kepemilikan kendaraan pribadi, sebagai berikut :
K=
v p
......................................................................(2.1)
dimana: K
= Angka kepemilikan kendaraan pribadi (kendaraan/penduduk)
V
= Jumlah kendaraan pribadi (kendaraan)
P
= Jumlah penduduk per kelurahan/desa (penduduk)
39
2. Penentuan kemampuan pelayanan kendaraan pribadi Kemampuan pelayanan kendaraan pribadi sama dengan kemampuan kendaraan pribadi untuk melayani jumlah penduduk potensial yang melakukan pergerakan. Persamaan kemampuan pelayanan kendaraan pribadi, sebagai berikut : L = K x Pm x C
(2.2)
dimana : L
= Kemampuan pelayanan kendaraan pribadi
K
= Angka kepemilikan kendaraan pribadi
Pm
= Jumlah penduduk potensial melakukan pergerakan
C
= Jumlah penumpang yang diangkut oleh kendaraan pribadi
3. Penentuan jumlah penduduk potensial melakukan pergerakan Jumlah penduduk potensial melakukan pergerakan dan membutuhkan pelayanan angkutan penumpang umum adalah selisih antara jumlah penduduk potensial melakukan pergerakan dengan besar kemampuan pelayanan kedatangan pribadi penduduk. Persamaan jumlah penduduk potensial melakukan pergerakan dan membutuhkan pelayanan angkutan umum penumpang (M), sebagai berikut : M = Pm - (L1 – L2)
(2.3)
M = Pm - ((V1/P.Pm.C1 ) - (V2/P.Pm.C2))
(2.4)
M = Pm (1 - ((V1/P.Pm.C1) - (V2/P.Pm.C2))
(2.5)
40
dimana: M
= Jumlah penduduk potensial melakukan pergerakan dan membutuhkan pelayanan angkutan umum penumpang per kelurahan/desa.
Pm
= Jumlah penduduk yang berpotensi melakukan pergerakan /jumlah penduduk usia 5-65 tahun per kelurahan/desa (jiwa).
P
= Jumlah penduduk per kelurahan/desa (jiwa).
L 1,L2 = Kemampuan pelayanan kendaraan pribadi penduduk, baik mobil roda empat maupun sepeda motor/roda dua per kelurahan/desa (L1 , untuk mobil dan L2 untuk sepeda motor). V 1,V2 = Jumlah kendaraan pribadi, baik mobil/roda empat maupun sepeda motor/roda dua per kelurahan/desa (V1, untuk mobil dan V2 untuk sepeda motor). C 1 ,C 2 = Kapasitas kendaraan pribadi, baik mobil roda empat maupun sepeda motor/roda dua per kelurahan/desa (C 1, untuk mobil dan C2 untuk sepeda motor).
4. Penentuan jumlah permintaan angkutan penumpang umum Jumlah permintaan angkutan penumpang umum adalah hasil perkalian antara
jumlah
penduduk
potensial
melakukan
pergerakan
dan
membutuhkan pelayanan angkutan umum penumpang dengan faktor pergerakan. Faktor pergerakan tergantung pada kondisi/tipe kota. Anggapan diasumsikan bahwa setiap penduduk potensial yang melakukan pergerakan dan membutuhkan pelayanan angkutan umum
41
penumpang mengadakan perjalanan pergi dan pulang setiap hari. Persamaan jumlah permintaan angkutan penumpang umum sebagai berikut : D = ftr x M
(2.6)
dimana: D
= Jumlah
permintaan
angkutan
penumpang
umum
(pergerakan). Ftr
= Faktor yang menyatakan pergerakan yang dilakukan oleh setiap penduduk potensial.
M
= Jumlah penduduk potensial melakukan pergerakan dan membutuhkan pelayanan angkutan umum penumpang (jiwa).
5. Penentuan titik terjauh permintaan pelayanan angkutan penumpang umum Penentuan titik terjauh permintaan pelayanan angkutan penumpang umum berdasarkan luas daerah yang dapat dilayani angkutan penumpang umum. Titik terjauh pelayanan ditentukan oleh syarat jumlah armada yang memenuhi pertidaksamaan 2.6. Pertidaksamaan jumlah permintaan angkutan penumpang umum adalah sebagai berikut: D > R x Pmin .............................................................................. (2.7) Keterangan : D
= Jumlah permintaan angkutan penumpang umum.
R
= Jumlah kendaraan minimal untuk pengusaha angkutan
42
penumpang umum, Pmin
= Jumlah penumpang minimal per kendaraan per hari.
Kesimpulan bahwa suatu daerah dapat dilayani angkutan penumpang umum bila pertidaksamaan tersebut dipenuhi. Jumlah armada minimum ( R ) ditentukan berdasarkan Tabel 2.4. Nilai R digunakan untuk berbagai jenis kendaraan angkutan penumpang umum seperti pada Table 2.1. di bawah ini: Tabel 2.3. Jumlah Armada Minimum (R) No 1. 2. 3. 4. 5. 6.
Jumlah Armada Umum 50 unit 50 unit 50 unit 20 unit 20 unit 20 unit
Jenis Angkutan Bus lantai tunggal Bus lantai tunggal patas Bus lantai ganda Bus Sedang Bus kecil Mobil penumpang umum (MPU)
Sumber : Departemen Perhubungan, 1996
Penentuan jumlah penumpang minimal bertujuan untuk mencapai titik impas pengusahaan angkutan penumpang umum. Jumlah penumpang minimum (Pmin) ditentukan berdasarkan Table 2.2. Tabel 2.4. Jumlah Penumpang Minimum (Pmin) No
Jenis kendaraan
1. Bus lantai tunggal 2. Bus lantai tunggal patas 3. Bus lantai ganda 4. Bus Sedang 5. Bus kecil 6. Mobil penumpang umum (MPU) Sumber : Departemen perhubungan, 1996.
Jumlah penumpang minimum/hari (Pmin) 1.500 orang 1.000 orang 625 orang 500 orang 400 orang 250 orang
43
e.
Penentuan jumlah kendaran yang dibutuhkan
Jumlah kebutuhan kendaraan diperoleh dengan membandingkan jumlah permintaan per hari dengan jumlah armada minimum. Persamaan jumlah kebutuhan kendaraan per kelurahan/desa sebagai berikut :
N=
D ...............................................................................(2.8) Pmin
Keterangan : N
= jumlah kebutuhan kendaraan (unit) ; Nilai N bukan jumlah kebutuhan armada rencana dan digunakan sebagai parameter penentuan titik terjauh pelayanan.
D
= jumlah permintaan per hari,
Pmin
= jumlah penumpang minimal (orang per kendaraan per hari).
Pada penentuan titik terjauh pelayanan, nilai N (jumlah kebutuhan kendaraan) dan nilai R (jumlah armada minimum) dibandingkan. Dimana hal tersebut untuk menentukan bahwa suatu kelurahan/desa termasuk dalam daerah pelayanan bilamana N ≥ R. Jika persamaan 2.7 disubstitusikan kepertidaksamaan 2.6, maka diperoleh pertidaksamaan 2.8. Pertidaksamaan penentuan titik terjauh pelayanan, sebagai berikut : N>R
................................................................................... (2.9)
Keterangan : − Jika N < R , suatu daerah tidak dapat dimasukan ke dalam wilayah pelayanan angkutan umum, − Jika N ≥ R, suatu daerah dapat menjadi bagian wilayah
44
pelayanan angkutan umum, − Proses membandingkan N dan R tersebut dilakukan terhadap kelurahankelurahan atau desa-desa yang berada di dalam batas wilayah terbangun kota secara berurutan dengan menjauhi pusat kota, sampai pada kelurahan yang mempunyai nilai N < R, − Kelurahan/desa terluar sebelum kelurahan/desa mempunyai nilai N lebih besar / sama dengan R merupakan kelurahan/desa terluar dalam wilayah pelayanan angkutan umum penumpang kota, − Titik terjauh ditentukan pada perpotongan antara batas wilayah terbangun dan jaringan jalan nama kota untuk kelurahan/desa yang termasuk dalam wilayah pelayanan.
2.6
Penggunaan Perangkat Lunak SPSS version 15 Adapun perintah (command) untuk menjalankan model regresi logistik
pada perangkat lunak SPSS ver. 15 secara umum adalah sebagai berikut : a. Buka file dummy dalam format CSV (comma separated variable) melalui menu File, Open, Data, pilih direktori tempat file dummy diletakkan dan pilih tipe file all files (*.*). Untuk memudahkan analisis, definisikan label variabel bebas dan variabel tidak bebas dengan pilihan menu Data kemudian pilih Define Variable Properties. b. Pilih menu Analyze, Regression, Binary Logistic. Kemudian masukkan variabel tidak bebas pada Dependent dan variabel bebas pada Covariates. c. Pada menu Method pilih Backward:LR untuk metode stepwise backward likelihood ratio test.
45
d. Pilih menu Categorical jika terdapat variabel bebas dengan tipe data diskrit dan masukkan variabel bebas diskrit tersebut, klik Continue. e. Pada menu Save contreng Probabilities, Studentized dan Cook’s. Kemudian klik Continue. f. Pada menu Options contreng Hosmer-Lemeshow goodness of fit, kemudian klik Continue. Untuk melihat keluaran model klik OK.
46
BAB III METODE PENELITIAN
3.1
Pengertian Metode Penelitian Metode penelitian merupakan suatu metode yang digunakan dalam
melaksanakan penelitian yang mencangkup langkah-langkah pelaksanaan dari awal sampai akhir. Tahapan dalam penelitian ini diawali dengan mengetahui tujuan studi dan pemahaman literatur yang akan digunakan sebagai panduan dan acuan dalam melakukan penelitian, menentukan data apa saja yang diperlukan, membuat lembar kuisioner dan melaksanakan survai pendahuluan untuk menentukan desain yang diperlukan sebelum dilakukan survai menyeluruh. Metode yang dipergunakan dalam melakukan pengumpulan data lapangan adalah dengan metode survai home interview dengan mendatangi rumah-rumah penduduk untuk mencari data yang diperlukan dan pengolahan data dilakukan dengan Metode Regresi Logistik dengan menggunakan bantuan perangkat lunak SPSS. Pengambilan data dilapangan harus menggunakan tahapan–tahapan yang sistematis, yaitu: studi pendahuluan, desain kuisioner, survai pendahuluan, desain sampel, survai menyeluruh, kompilasi data dan analisis data. Sebelum penelitian dilaksanakan, terlebih dahulu harus memahami tujuan penelitian yang akan dilakukan dan langkah-langkah apa saja yang akan dilakukan dalam melaksanakan penelitian tersebut guna memperoleh hasil yang maksimal. Semua langkah-langkah yang akan diambil dalam melaksanakan penelitian harus dilandaskan pada diagram alir penelitian yang telah dibuat agar semua langkah penelitian tersebut tidak menyimpang dari tujuan yang diinginkan. 46
47
3.2
Langkah-Langkah Penelitian Langkah-langkah yang dilakukan dalam penelitian ini dijelaskan seperti Gambar 3.1 dibawah ini: Studi Pendahuluan: - Identifikasi lokasi studi - Identifikasi data - Identifikasi pustaka - Identifikasi alat bantu (perangkat lunak) Latar Belakang/ Identifikasi Masalah Tujuan Penelitian Desain Sampel
Desain Kuisioner
Survai Pendahuluan
tidak Kualitas Data ya
Pelaksanaan Survai Data Primer (Home Interview Survey): - Sosial-Ekonomi, Asal Tujuan Perjalanan - Pilihan Moda Perjalanan (Angkutan Umum atau Pribadi)
Data Sekunder: - Gambar Peta Lokasi - Jumlah Penduduk, dll
Tabulasi data Analisis Karakteristik Penduduk Pembentukan Variabel Dummy dan Uji Hipotesis Variabel Bebas Penyusunan Model Pemilihan Moda Kalibrasi Model Regresi Logistik Validasi Model Analisis Potensi Demand Pada Koridor Trayek Yang Ditinjau Simpulan dan Saran
Gambar 3.1 Diagram Alir Langkah-Langkah Penelitian
48
3.3
Pemilihan Lokasi Penelitian Lokasi yang dipilih dalam penelitian ini adalah rute Sanur – Kerobokan –
Oberoi – Petitenget. Pemilihan lokasi penelitian ini didasarkan atas beberapa alasan, antara lain: 1. Pemanfaatan lahan untuk pemukiman, perdagangan. pariwisata dan aspek pemanfaatan lainnya yang semakin berkembang sehingga mempengaruhi sistem dan tata guna lahan yang ada di sekitar daerah rute tersebut. 2. Kemajuan tingkat kehidupan ekonomi di sekitar daerah rute akan berpengaruh pada pendapatan per kapita masyarakat dan tingkat perjalanan akan berpengaruh pada tingginya jumlah angkutan yang dibutuhkan. 3. Membuka aksesibilitas pada rute - rute koridor bagi masyarakat, untuk daerah rute Petitenget - Teuku Umar - Renon - Sanur, yaitu di daerah Buana Kubu sebagai tindak lanjut pembangunan jalan baru Teuku Umur Barat, sehingga akan memberikan alternatif moda kepada masyarakat selain dari kendaraan pribadi untuk melakukan perjalanan. Melihat perkembangan terakhir, kawasan ini selain menjadi kawasan pemukiman juga menjadi kawasan perdagangan khususnya di jl.Teuku Umar Barat, sehingga kawasan ini berpotensi menjadi pembangkit sekaligus penarik perjalanan. 4. Untuk daerah rute Oberoi - Pemogan - Semawang - Sanur, membuka aksessibilitas bagi masyarakat daerah Abian Timbul dan Pemogan yang selama ini pelayanan angkutan umum masih dirasakan kurang. Untuk
49
daerah rute Kerobokan - Kota - Sanur, melayani perjalanan untuk maksud perjalanan bekerja bagi masyarakt di daerah Kerobokan, Canggu dan Tabanan bagian selatan ke pusat kota dan kawasan wisata Sanur.
3.4
Karakteristik Responden Responden adalah setiap orang (individu) yang bertempat tinggal di dalam
wilayah kajian. Dengan dasar adanya 2 jenis travellers (captive dan choice travellers), maka responden dibedakan dalam 2 kelompok, yaitu pengguna jasa angkutan umum dan pengguna kendaraan pribadi. Dari pemilihan moda tersebut dikelompokkan atas data kondisi pengadaian dan kondisi sesungguhnya. Kondisi pengandaian (Stated Preference Survey) menggunakan pedoman yaitu ada atau tidaknya kendaraan pribadi yang dimiliki oleh responden, apabila responden tidak memiliki kendaraan pribadi maka diasumsikan bahwa para responden akan memilih moda angkutan umum, sedangkan untuk kondisi sesungguhnya atau kenyataan (Revealed Preference Survey) didapat dari hasil survai responden yang langsung memilih salah satu moda. Data yang dihasilkan dalam kondisi angkutan umum yang kurang memadai akan terlihat bahwa sebagai hasil kondisi pengandaian (Stated Preference Survey) lebih besar dari kondisi kenyataan (Revealed Preference Survey). Sebagai kelanjutan dari pengelompokkan yang merupakan data yang bersifat agregat, maka didapat jumlah responden yang merupakan Choice Travellers, yaitu responden yang memiliki kendaraan pribadi secara nyata.
50
3.5
Teknik Pengambilan Sampel Teknik pengambilan sampel dengan menggunakan metode Sampling Acak
Berlapis (Stratified Random Sampling), yaitu dilakukan jika populasi mempunyai karakteristik yang heterogen, dimana dapat dipisah-pisahkan menurut lapisan tertentu, kemudian dari masing-masing lapisan dilakukan pengambilan sampel secara random. Pengambilan dilakukan dengan membagi populasi menjadi beberapa lapisan, sehingga setiap lapisannya relatif homogen dan ada hubungan antara posisi dalam suatu lapisan tertentu dengan ciri yang sedang diteliti, sebagai berikut: a. Pengambilan sampel dilakukan berdasarkan tingkatan wilayah, dengan cara: 1. Membagi wilayah populasi menjadi sub wilayah, kemudian dari sub wilayah ditetapkan sebagai sampel. (Misal penelitian disuatu Kecamatan, diambil beberapa Desa/Kelurahan sebagai sampel). 2. Dari sub wilayah sampel ditetapkan pula sub-sub wilayah sebagai sampel. (Dari Desa/Kelurahan yang menjadi sampel, diambil beberapa Banjar sebagai sampel dan seterusnya sesuai persyaratan jumlah sampel). 3. Dari bagian-bagian yang lebih kecil, ditetapkan unit-unit sebagai sampel (Dari bagian terkecil misalnya Banjar, diambil sebagian atau seluruh unit sebagai sampel misalnya: Tempekan-Tempekan) b. Pengambilan sampel berdasarkan daerah kajian studi yang ada disekitar koridor pelayanan.
51
Parameter data primer yang dibutuhkan dalam penelitian ini antara lain jumlah anggota keluarga, jumlah pekerja, jumlah pelajar, jumlah usia potensial untuk melakukan perjalanan, kepemilikan kendaraan pribadi, status pekerjaan, dan rata-rata pendapatan perbulan, informasi perjalanan serta minat masyarakat terhadap penggunaan angkutan umum. Metode yang digunakan untuk pengumpulan data tersebut di atas adalah survai wawancara di rumah (home interview) dengan menggunakan kuisioner. Area survai pada penelitian ini adalah koridor di sepanjang rangkaian jalan dalam rute rencana selebar 400 meter di kiri dan 400 meter di kanan ruas jalan, seperti Gambar 3.2 di bawah ini. Jarak ini diambil sebagai dasar pertimbangan bahwa jarak terjauh yang mampu dilalui pengguna angkutan umum dengan berjalan kaki sebelum mencapai lokasi halte/terminal adalah 400 meter.
Gambar 3.2. Area Survai 400 m di Kiri dan di Kanan Ruas Jalan
52
3.6
Pelaksanaan Survai Pelaksanaan survei wawancara di rumah (home interview survey)
dilakukan dengan cara mendatangi setiap anggota keluarga yang dipilih. Kunjungan dilakukan dengan menunjukkan kartu identitas, surat ijin dari instansi yang terkait, dan formulir pengisian (kuesioner). Wawancara dilakukan dengan kepala keluarga atau salah seorang anggota rumah tangga yang berumur diatas 20 tahun sesuai kondisi di lapangan. Surveyor hendaknya membawa clipboard, alat tulis, formulir survei, jas hujan dan sepeda motor. Survei dilakukan pada pagi hingga sore selama jam kerja, dan mengingat luasnya wilayah kajian diperlukan waktu kurang lebih 3 sampai 4 minggu, dan setiap koridor disiapkan 12 surveyor dengan rincian: 10 orang melakukan wawancara sesuai pembagian daerah kajian, 2 orang lainnya menjadi cadangan apabila diantara 10 orang berhalangan dalam melakukan tugasnya. Selain itu para surveyor diminta melakukan survei di dalam daerah kajian sesuai pembagian yang telah disepakati bersama, supaya tidak saling tumpang tindih (jangan sampai terjadi seorang responden di-interview lebih dari satu kali).
3.6.1 Data Sekunder Data sekunder didapat dari Dinas Perhubungan Propinsi Bali tentang: Peta Kawasan Trans Sarbagita, Peta Wilayah Kajian, Peta Jaringan Jalan. Sedangkan dari Badan Pusat Statistik Propinsi Bali dan Kantor Desa/Kelurahan tentang: data penduduk, data usia potensial melakukan perjalanan, dan teori lainnya didapat dari literatur, jurnal ilmiah dan internet.
53
3.6.2 Data Primer Data primer adalah data hasil survai wawancara rumah tangga dan data survai waktu tempuh rute yang direncanakan. Data hasil survai wawancara di rumah tersebut dikelompokan ke dalam beberapa kategori, antara lain : a. Survei Informasi Umum Rumah Tangga Pada survei informasi umum rumah tangga dilakukan pencatatan ukuran keluarga yang terdiri atas: jumlah orang dalam keluarga, jumlah yang bekerja, jumlah pelajar dan anggota keluarga yang berumur 5-65 tahun. Selain itu dilakukan pencatatan kepemilikan kendaraan yang terdiri atas: sepeda, sepeda motor, mobil, truk/pick up. b. Survei Informasi Anggota Keluarga Pada survei informasi anggota keluarga dicatat status responden (menikah, duda/janda, belum menikah), jenis kelamin, pendidikan, pendapatan bulanan, pekerjaan, maksud perjalanan dan lokasi tempat bekerja. c. Survei Informasi Perjalanan Dalam survei ini dilakukan pencatatan tentang tujuan perjalanan baik untuk bekerja, sekolah, belanja atau rekreasi maupun ke tempat ibadah, sekaligus merupakan pencatatan maksud perjalanan, frekwensi perjalanan, waktu perjalanan, dan moda transportasi yang digunakan. d. Survei Informasi Keinginan Beralih Moda Wawancara yang dilakukan bertanya tentang keinginan masyarakat beralih moda (terutama menggunakan angkutan umum), baik terhadap angkutan umum yang ada sekarang (tanpa jadwal yang jelas), atau apabila
54
ada penjadwalan yang tetap, atau dengan armada bus kecil yang mempunyai jadwal tetap, tersedia halte yang baik dan fasilitas yang memadai (misal ber-AC). Dalam hal ini armada yang dimaksud adalah kendaraan bermotor dengan kapasitas 16 s/d 28 dengan ukuran dan jarak antar tempat duduk normal tidak termasuk tempat duduk pengemudi dengan panjang kendaraan lebih dari 6,5 sampai dengan 9 meter (Kepmenhub.35/2003). Dari hasil survei rata-rata responden memilih alternatif III, yaitu apabila Trayek/rute dengan moda bus kecil dan dengan tingkat pelayanan yang lebih baik (waktu/jadwal tetap, tersedia halte, dengan fasilitas AC.).
3.7
Survai Pendahuluan dan Penentuan Jumlah Sampel Survai pendahuluan (pilot survey) dilaksanakan dengan mengambil 3 buah
sampel pada tiap kelurahan, dimana hasil survai pendahuluan yang dilakukan akan menentukan besarnya jumlah sampel yang nantinya akan digunakan pada survai menyeluruh. Data wawancara rumah tangga dikumpulkan sesuai dengan perhitungan jumlah sampel secara statistik. Sampel data tersebut dikumpulkan dalam survai pendahuluan secara acak (stratified random sampling). Perhitungan secara statistik dalam penentuan jumlah sampel dapat dilihat pada Tabel C.1, Tabel C.2 dan Tabel C.3 terlampir di halaman 139 – 141 1.
Perhitungan statistik Jumlah Data Survai Trayek I: Standar Deviasi : S =
∑ (x − x) n
2
=
80 = 1,10096 66
55
Varians ( S² ) = 1,212 Acceptable Sampling Error ( Se ) = 0,05 x 4,00 = 0,2 Acceptable Standar Error ( Se(x) ) = 0,2 / 1,96 = 0,102041 Acceptable Standar Error Kuadrat (( Se(x) )² =0,010412
1,212 S2 Jumlah Sampel (data) = n’ = =116,4121 ≈ 117 2 = (Se(x)) 0,010412 Jadi, jumlah rumah tangga yang disurvei sebagai sampel sebanyak 117 KK.
2.
Perhitungan statistik Jumlah Data Survai Trayek II: Standar Deviasi :
S
=
∑ (x − x)
2
=
n
47 = 1,09778 39
Varians ( S² ) = 1,20513 Acceptable Sampling Error ( Se ) = 0,05 x 4,1795 = 0,2089 Acceptable Standar Error ( Se(x) ) = 0,2089 / 1,96 = 0,1066 Acceptable Standar Error Kuadrat (( Se(x) )² =0,01136 Jumlah Sampel (data) = n’ =
S2 = 1,20513 = 105,89 ≈ 106 (Se(x) )2 0,01136
Jadi, jumlah rumah tangga yang disurvei sebagai sampel sebanyak 106 KK.
3.
Perhitungan statistik Jumlah Data Survai Trayek III: Standar Deviasi :
S =
∑ (x − x) n
2
=
52 45
= 1,085
56
Varians ( S² ) = 1,177 Acceptable Sampling Error ( Se ) = 0,05 x 4,0222 = 0,2011 Acceptable Standar Error ( Se(x) ) = 0,2011 / 1,96 = 0,1026 Acceptable Standar Error Kuadrat (( Se(x) )² =0,01052 Jumlah Sampel (data) = n’ =
S2 = 1,177 = 111,8205 ≈ 112 (Se(x) )2 0,01052
Jadi, jumlah rumah tangga yang disurvei sebagai sampel sebanyak 112 KK.
Berdasarkan
perhitungan
tersebut,
maka
dilakukan
survei
secara
keseluruhan dimana jumlah keluarga atau rumah tangga yang terlibat merupakan perkalian antara prosentase luas wilayah koridor dengan jumlah sampel (kepala keluarga) yang terlibat dalam Home Interview Survey seperti data pada lampiran C halaman hal 129.
3.8
Pengumpulan Data Pengolahan data adalah kegiatan pendahuluan analisis data, meliputi : a. Editing, yaitu peninjauan terhadap data yang telah dikumpulkan melalui survei dan melakukan perbaikan atau melengkapi data. b. Koding yaitu pemberian koda data yang dikumpulkan sesuai metode regresi logistik yang digunakan dalam analisis.
3.9
Tabulasi Data Tabulasi data merupakan langkah yang dilakukan setelah pengolahan data,
yaitu mengorganisasikan data yang telah diedit dan diberi kode. Moda perjalanan
57
yang digunakan oleh masyarakat untuk melakukan segala aktifitas sehari-hari ditabulasikan di dalam bentuk grafik dengan mengGambarkan proporsi dari setiap moda yang digunakan. Tujuan pentabulasian ini adalah untuk memberikan informasi dan analisis awal dari kontribusi masing-masing moda transportasi yang digunakan.
3.10
Analisis Data Variabel dapat didefinisikan sebagai atribut seseorang atau objek yang
mempunyai variasi antara satu orang dengan yang lain atau satu objek dengan objek lainnya (Sugiono, 2004). Variabel Independen sering disebut sebagai variabel stimulus, prediktor, antecedent atau dalam bahasa Indonesia sering disebut sebagai variabel bebas. Variabel bebas merupakan variabel yang mempengaruhi atau menjadi sebab terjadinya perubahan atau timbulnya variabel dependen (terikat). Sedangkan Variabel Dependen sering disebut sebagai variabel output, kriteria atau konsekuen, dimana dalam bahasa Indonesia sering disebut sebagai variabel terikat. Variabel terikat ini merupakan variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas. Mengingat banyaknya variabel yang berkontribusi dalam pemilihan moda lalu lintas, maka faktor yang dianalisis hanyalah data yang diperoleh dari survai interview rumah tangga (home interview survey). Data tersebut dikategorikan sebagai variabel bebas yang dikelompokkan dari informasi sosial-ekonomi, antara lain: kepemilikan kendaraan bermotor dan tidak bermotor, pendapatan bulanan, pengeluaran transportasi bulanan, lokasi bekerja/sekolah, jumlah perjalanan serta
58
waktu perjalanan. Dari informasi demografi, antara lain: jumlah anggota keluarga yang bekerja, jumlah yang bersekolah, jumlah yang tidak bekerja/sekolah. Pada model regresi logistik, data variabel tidak bebas merupakan variabel kategori atau variabel diskrit, sementara variabel bebas dapat berupa variabel diskrit dan atau variabel kontinyu yang pada umumnya mempunyai skala nominal (dari data kuantitatif dikuantifikasikan), sehingga dalam menganalisis data tersebut dibuat variabel bantuan yang disebut dengan ”variabel dummy”. Pendefinisian variabel bebas di dalam pemodelan adalah sebagai berikut: 1. Variabel bebas jumlah orang dalam keluarga, jumlah yang bekerja, jumlah pelajar, anggota keluarga yang berumur 5-65 tahun, kepemilikan kendaraan untuk mewakili informasi umum rumah tangga. 2. Variabel bebas pendidikan, pendapatan bulanan, pengeluaran biaya transportasi, pekerjaan dan lokasi pekerjaan untuk mewakili informasi anggota keluarga. 3. Variabel bebas maksud perjalanan, frekuensi perjalanan, waktu perjalanan untuk mewakili informasi perjalanan. Langkah selanjutnya adalah reduksi variabel bebas dengan tujuan untuk menyeleksi variabel bebas yang akan diikutsertakan di dalam model (variable selection). Penyeleksian ini bertujuan untuk menguji signifikasi dari klasifikasi setiap variabel. Dengan adanya klasifikasi tersebut menyebabkan diperlukannya pengkodean variabel bebas di dalam pemodelan. Pengkodean ini diistilahkan dengan pengkodean variabel dummy. Di dalam penelitian ini, variabel tidak bebas didefinisikan sebagai
59
kendaraan umum (kode 1), dan kendaraan pribadi (kode 0), sedangkan pengkodean variabel bebas mengacu pada kajian masalah yang menganalisis faktor yang mempengaruhi pemilihan moda, faktor penentuan pemilihan jenis moda atau angkutan. Tabel 3.1 Pengkodean Variabel Dummy No 1 2
Variabel Pemilihan Moda
Y
Kode
Kendaraan Pribadi
0
Kendaraan Umum
1
Informasi Sosial-Ekonomi Rumah Tangga Kepemilikan Sepeda Motor
X1
Kepemilikan Mobil
X2
Kepemilikan Kendaraan tidak Bermotor (Sepeda)
X3
Pendapatan Bulanan
3
Klasifikasi
X4
Jumlah Perjalanan Bekerja
X5
Jumlah Perjalanan Sekolah
X6
Jumlah Perjalanan Lainnya
X7
≤ 2 unit
1
> 2 unit
2
≤ 2 unit
1
> 2 unit
2
≤ 2 unit
1
> 2 unit
2
< Rp. 1 Juta
0
Rp. 1 Juta – Rp. 3 Juta
1
> Rp. 3 Juta
2
≤ 2 rit
1
> 2 rit
2
≤ 2 rit
1
> 2 rit
2
≤ 2 rit
1
> 2 rit
2
Informasi Demografi Rumah Tangga Jumlah Anggota Keluarga yang Bekerja
X8
Jumlah Anggota Keluarga yang Sekolah
X9
Jumlah Anggota Keluarga yang tidak Bekerja/sekolah
X10
≤ 2 orang > 2 orang
2
≤ 2 orang
1
> 2 orang
2
≤ 2 orang
1
> 2 orang
2
60
Analisis berikutnya adalah memasukkan parameter model kedalam persamaan regresi logistik, memasukkan variabel bebas. Kemudian dilakukan uji kelayakan untuk menjelaskan hubungan antara faktor-faktor pemilihan moda. Dari kegiatan reduksi variabel bebas yang bertujuan untuk menyeleksi variabel bebas yang akan diikutsertakan di dalam model (variable selection). Jika dari analisis korelasi menunjukkan tidak ada ketergantungan antara masingmasing variabel bebas maka semua variabel bebas tersebut dapat dinominasikan sebagai faktor penduga. Dari seleksi ini, untuk langkah selanjutnya adalah dengan melakukan seleksi variabel masing-masing faktor, misalnya apakah semua variabel dalam salah satu faktor dapat diikut sertakan pada model.
3.11
Pemodelan dengan Regresi Logistik dan Interpretasi Model Persamaan regresi logistik untuk pemilihan moda adalah sebagai berikut : Y = ln[ p /(1 − p)] = β0 + β1 X 1 + .........+ β n X n ....................................(3.1) dimana : Y = pemilihan moda angkutan umum dengan angkutan pribadi X1,..n = variabel bebas, β0,1,n = parameter model dengan n adalah klasifikasi masing-masing kategori variabel bebas.
Setelah moda transportasi diperoleh maka selanjutnya dilakukan uji kelayakan model (goodness of fit) yaitu dengan menggunakan metode HosmerLemeshow. Uji kelayakan dalam penelitian ini dilakukan sebagai indikator kelayakan model di dalam menjelaskan hubungan antara pengaruh moda transportasi terhadap jenis perjalanan. Tahap pengujian ini dikenal juga dengan tahap ”Validasi”. Kegiatan selanjutnya adalah interpretasi model untuk
61
menentukan pengaruh dan besarnya probabilitas dari masing-masing variabel bebas di dalam terjadinya suatu perjalanan, hasil ini kemudian dideskripsikan secara kualitatif. Dari hasil pemodelan dan interpretasi model maka dapat dideskripsikan secara kualitatif faktor-faktor yang mempengaruhi pemilihan moda transportasi. Deskripsi ini disesuaikan dengan tujuan penelitian yang dituangkan dalam bentuk simpulan penelitian dan acuan dalam pembuatan saran.
62
BAB IV DESKRIPSI DATA
4.1.
Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan
4.1.1. Trayek I Kerobokan - Kota - Sanur Data jumlah kepala keluarga (KK), jumlah penduduk dan jumlah penduduk usia potensial melakukan perjalanan berdasarkan data dasar profil kelurahan/desa yang dilibatkan pada Trayek dapat dilihat pada Tabel 4.1 seperti dibawah ini. Tabel 4.1 Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek I No
Kelurahan/Desa
Jumlah Kepala Keluarga
Jumlah Penduduk
Jumlah Penduduk Usia Potensial
1
Kerobokan
1613
7009
6029
2
Kerobokan Kaja
3094
12656
10781
3
Padang Sambian
5314
18795
16543
4
Padang Sambian Kaja
5326
10795
7636
5
Pemecutan
5162
18088
15920
6
Pemecutan Kaja
8419
31203
27464
7
Dauh Puri
3941
9903
8715
8
Dauh Puri Kaja
3916
13985
12292
9
Dauh Puri Kangin
1162
3734
3297
10
Dangin Puri
1988
8005
7058
11
Dangin Puri Kauh
1474
4339
3826
12
Dangin Puri Kangin
3167
7636
6736
13
Dangin Puri Kelod
2634
13738
12117
14
Sumerta
2170
7968
7029
15
Sumerta Kaja
1949
7992
7052
16
Sumerta Kauh
1970
7560
6669
17
Sumerta Kelod
2782
13738
11436
62
63
Tabel 4.1 Lanjutan No
Kelurahan/Desa
Jumlah Kepala Keluarga
Jumlah Penduduk
Jumlah Penduduk Usia Potensial
18
Renon
2955
10712
9504
19
Kesiman
2725
11843
10447
20
Sanur Kaja
3126
7643
6748
21
Sanur Kauh
3183
12095
10632
22
Sanur
3207
13938
12268
Sumber : BPS Propinsi Bali, 2010 35000
Jumlah Penduduk (orang)
30000
25000
20000
15000
Kepala Keluarga
10000
Jumlah Penduduk
5000
Usia Potensial K Ke ero b ro bo o ka P Pa ad kan n d a ang K aj ng a S Sa am bi m a bi an n P K Pe em aja e m ec cut a ut an n K aj D a a D au uh P h D au P u uri h ri P ur Kaj iK a a D Dan n gi an n gi gi n D an n P Pur u i gi n ri K P au D an uri h gi Ka n Pu ngi n ri Ke Su lo d Su m er m t e Su rt a a m Ka er j t Su a a K m er auh ta Ke lo R d en Ke on s Sa im a nu n Sa r K n u aja rK au h Sa nu r
0
Kelurahan/Desa
Gambar 4.1 Diagram Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek I Dari Gambar 4.1 dapat diketahui bahwa Kelurahan/Desa Pemecutan Kaja memiliki jumlah KK terbesar yakni 8419 KK. Kelurahan/Desa Dangin Puri Kauh mempunyai jumlah KK terbesar kedua yaitu 5617 KK dan jumlah KK terkecil terdapat pada Kelurahan/Desa Dauh Puri Kangin, yakni 1162 KK. Jumlah KK menjadi bahan perhitungan jumlah sampel, keluarga yang dilibatkan dalam
64
wawancara di rumah adalah unit KK yang terdapat pada 400 meter di sisi kiri dan 400 meter di sisi kanan ruas jalan/rute. Selain jumlah KK juga diGambarkan Jumlah Penduduk Total adalah jumlah penduduk secara keseluruhan yang berdomisili di kelurahan/desa, dimana data ini semua tercatat dengan rinci baik penduduk pendatang, penduduk yang pergi, lahir dan meninggal pada laporan bulanan kelurahan/desa. Seperti halnya jumlah kepala keluarga, maka jumlah penduduk terbanyak adalah Kelurahan/Desa Pemecutan Kaja sebanyak 31203 jiwa, jumlah penduduk yang kedua terbesar adalah Kelurahan/Desa Padang Sambian sebesar 18795 jiwa, sedangkan yang terkecil adalah Kelurahan/Desa Dauh Puri Kangin sebanyak 3734 jiwa. Dari sisi Jumlah Penduduk Usia Potensial Melakukan Perjalanan adalah penduduk yang berusia antara 5 – 65 tahun, baik ke tempat bekerja, ke sekolah, berbelanja, rekreasi atau tempat lainnya. Dari data di atas (Tabel 4.1 dan Gambar 4.1) diketahui bahwa jumlah penduduk usia potensial melakukan perjalanan terbanyak adalah penduduk Kelurahan/Desa Pemecutan Kaja sebanyak 27464 orang, yang kedua terbesar adalah Kelurahan/Desa Padang Sambian sebesar 16543 orang, sedangkan jumlah penduduk potensial melakukan perjalanan yang terkecil adalah Kelurahan/Desa Dauh Puri Kangin sebanyak 3297 orang.
4.1.2. Trayek II Oberoi - Pemogan - Semawang - Sanur Sebagaimana halnya pada Trayek I, data jumlah kepala keluarga (KK), jumlah penduduk dan jumlah penduduk usia potensial melakukan perjalanan berdasarkan data dasar profil kelurahan/desa yang dilibatkan pada koridor pelayanan Trayek II: Oberoi - Pemogan - Semawang – Sanur.
65
Tabel 4.2 Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek II
No
Kelurahan/Desa
1 Seminyak 2 Kerobokan Kelod 3 Padang Sambian 4 Padang Sambian Kelod 5 Pemecutan Kelod 6 Dauh Puri Kauh 7 Pemogan 8 Pedungan 9 Sesetan 10 Sidakarya 11 Sanur Kaja 12 Sanur Kauh 13 Sanur Sumber : BPS Propinsi Bali, 2010
Jumlah Kepala Keluarga
Jumlah Penduduk
672 1693 5314 2876 8629 5617 5069 3901 6775 4362 3126 3183 3207
7275 7357 18795 10002 29704 19108 23657 20081 34885 13044 7643 12095 13938
Jumlah Penduduk Usia Potensial yang Melakukan Perjalanan 6364 6257 16543 8803 26146 16819 22984 17672 30704 11479 6748 10632 12268
40000
Jumlah Penduduk (orang)
35000 30000 25000 20000
Kepala Keluarga
15000
Jumlah Penduduk
10000
Usia Potensial
5000
Ke Sem ro in bo ya k Pa k an Pa da Ke da ng lo ng d Sa Sa m bi m an Pe b ia n m K ec el ut od an Da Ke uh lo d Pu ri Ka Pe u h m og Pe a n du ng a Se n se ta Si n da ka ry Sa nu a rK Sa aj a nu rK au h Sa nu r
0
Kelurahan/Desa
Gambar 4.2 Diagram Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek II
66
Dari Gambar 4.12 dapat diketahui bahwa Kelurahan/Desa Pemecutan Kelod memiliki jumlah KK terbesar yakni 8629 KK. Kelurahan/Desa Sesetan mempunyai jumlah KK terbesar kedua yaitu 6775 KK dan jumlah KK terkecil terdapat pada Kelurahan/Desa Seminyak, yakni 672 KK. Jumlah KK menjadi bahan perhitungan jumlah sampel, keluarga yang dilibatkan dalam wawancara di rumah adalah unit KK yang terdapat pada 400 meter di sisi kiri dan 400 meter di sisi kanan ruas jalan/rute. Selain jumlah KK juga diGambarkan Jumlah Penduduk Total adalah jumlah penduduk secara keseluruhan yang berdomisili di kelurahan/desa, dimana data ini semua tercatat dengan rinci baik penduduk pendatang, penduduk yang pergi, lahir dan meninggal pada laporan bulanan kelurahan/desa. Seperti halnya jumlah kepala keluarga, maka jumlah penduduk terbanyak adalah Kelurahan/Desa Sesetan sebanyak 34885 jiwa, jumlah penduduk yang kedua terbesar adalah Kelurahan/Desa Pemecutan Kelod sebesar 29704 jiwa, sedangkan yang terkecil adalah Kelurahan/Desa Seminyak sebanyak 7275 jiwa. Dari sisi Jumlah Penduduk Usia Potensial Melakukan Perjalanan adalah penduduk yang berusia antara 5 – 65 tahun, baik ke tempat bekerja, ke sekolah, berbelanja, rekreasi atau tempat lainnya. Dari data yang ditampilkan (Tabel 4.2 dan Gambar 4.12) diketahui bahwa jumlah penduduk usia potensial melakukan perjalanan terbanyak adalah penduduk Kelurahan/Desa Sesetan sebanyak 30704 orang, yang kedua terbesar adalah Kelurahan/Desa Pemecutan Kelod sebesar 26146 orang, sedangkan jumlah penduduk usia potensial melakukan perjalanan yang terkecil adalah Kelurahan/Desa Kerobokan Kelod sebanyak 6257 orang.
67
4.1.3. Trayek III Petitenget - Teuku Umar - Renon - Sanur Sebagaimana halnya pada Trayek-Trayek lainnya, data jumlah kepala keluarga (KK), jumlah penduduk dan jumlah usia potensial melakukan perjalanan berdasarkan data dasar profil kelurahan/desa yang dilibatkan pada koridor pelayanan Trayek Petitenget - Teuku Umar - Renon - Sanur (Trayek III) seperti pada Tabel 4.3 serta Gambar 4.3, dimana dapat diketahui bahwa Kelurahan/Desa Pemecutan Kelod memiliki jumlah KK terbesar yakni 8629KK. Sedangkan Kelurahan/Desa Panjer mempunyai jumlah KK terbesar kedua, yaitu 5967 KK, dan jumlah KK terkecil adalah Kelurahan/Desa Kerobokan Kelod, yaitu 1693KK. Jumlah KK menjadi bahan perhitungan jumlah sampel, keluarga yang dilibatkan dalam wawancara di rumah adalah unit KK yang terdapat pada 400 meter di sisi kiri dan 400 meter di sisi kanan ruas jalan/rute. Tabel 4.3 Jumlah Kepala Keluarga, Jumlah Penduduk dan Jumlah Penduduk Usia Potensial Melakukan Perjalanan untuk Trayek III Jumlah Kepala Keluarga 1 Kerobokan Kelod 1693 2 Padang Sambian 5314 3 Padang Sambian Kelod 2876 4 Pemecutan Kelod 8629 5 Dauh Puri 3941 6 Dauh Puri Kelod 4187 7 Dauh Puri Kauh 5617 8 Dangin Puri Kelod 2634 9 Sumerta Kauh 1970 10 Sumerta Kelod 2782 11 Renon 2955 12 Panjer 5967 13 Sanur Kaja 3126 14 Sanur Kauh 3183 15 Sanur 3207 Sumber : BPS Propinsi Bali, 2010 No
Kelurahan/Desa
Jumlah Penduduk 7357 18795 10002 29704 9903 19651 19108 13738 7560 13738 10712 22249 7643 12095 13938
Jumlah Penduduk Usia Potensial yang Melakukan Perjalanan 6257 16543 8803 26146 8715 12895 16819 12117 6669 11436 9504 19630 6748 10632 12268
68
30000 25000 20000
Kepala Keluarga Jumlah Penduduk Usia Potensial
15000 10000 5000
K aja Sa nu rK au h Sa nu r
ur
Pa n
Sa n
Ke ro bo
je r
0 ka n Pa K da el Pa od ng da Sa ng m Sa bi m an bia Pe n m Ke ec lo ut d an Ke lo d D au D h au P h ur Pu i ri D Ke au lo h d P D ur an iK gi a uh n Pu ri Ke Su lo m d er ta Ka Su uh m er ta Ke lo d R en on
Jumlah Penduduk (orang)
35000
Kelurahan/Desa
Gambar 4.3
Diagram Jumlah Penduduk dan Jumlah Penduduk Usia potensial Melakukan Perjalanan untuk Trayek III
Selain jumlah KK, juga diGambarkan Jumlah Penduduk Total adalah jumlah penduduk secara keseluruhan yang berdomisili di kelurahan/desa dimana data ini semua tercatat dengan rinci. Dari pencatatan diperoleh jumlah penduduk terbanyak adalah Kelurahan/Desa Pemecutan Kelod sebanyak 29.704jiwa, jumlah penduduk yang kedua terbesar adalah Kelurahan/Desa Panjer sebesar 22,249jiwa, sedangkan yang terkecil adalah Kelurahan/Desa Kerobokan Kelod sebanyak 7,357jiwa. Penduduk Usia Potensial Melakukan Perjalanan adalah penduduk yang berusia antara 5 – 65 tahun, baik ke tempat bekerja, ke sekolah, berbelanja, rekreasi atau tempat lainnya. Data yang ditampilkan pada Tabel 4.3 dan Gambar 4.23 menunjukkan bahwa jumlah penduduk usia potensial melakukan perjalanan terbanyak adalah penduduk Kelurahan/Desa Pemecutan Kelod sebanyak 26.146 orang, yang kedua terbesar adalah Kelurahan/Desa Panjer sebesar 19..630 orang,
69
sedangkan jumlah penduduk usia potensial melakukan perjalanan yang paling sedikit adalah Kelurahan/Desa Kerobokan Kelod sebanyak 6.257 orang.
4.2.
Jumlah Kepemilikan Angkutan Pribadi
4.2.1. Trayek I Kepemilikan kendaraan bermotor untuk Trayek I dapat dirinci seperti Tabel 4.4 dan Gambar 4.4 di bawah ini. Tabel 4.4 Jumlah Kepemilikan Kendaraan Bermotor Jumlah Kepemilikan Kendaraan Pribadi No
Kelurahan/Desa
Kendaraan Roda Dua
Kendaraan Roda Empat
Total
Kend.
%
Kend.
%
Kend.
1
Kerobokan
1765
84,25
330
15,75
2095
2
Kerobokan Kaja
1080
58,73
759
41,27
1839
3
Padang Sambian
1597
76,34
495
23,66
2092
4
Padang Sambian Kaja
1521
75,19
502
24,81
2023
5
Pemecutan
1973
64,44
1089
35,56
3062
6
Pemecutan Kaja
2109
72,23
811
27,77
2920
7
Dauh Puri
1431
89,77
163
10,23
1594
8
Dauh Puri Kaja
3115
88,39
409
11,61
3524
9
Dauh Puri Kangin
1913
92,42
157
7,58
2070
10
Dangin Puri
1921
89,52
225
10,48
2146
11
Dangin Puri Kauh
2738
93,61
187
6,39
2925
12
Dangin Puri Kangin
2020
90,66
208
9,34
2228
13
Dangin Puri Kelod
1734
92,19
147
7,81
1881
14
Sumerta
3427
91,05
337
8,95
3764
15
Sumerta Kaja
2599
91,61
238
8,39
2837
16
Sumerta Kauh
1240
89,02
153
10,98
1393
17
Sumerta Kelod
2658
90,9
266
9,1
2924
18
Renon
1951
88,64
250
11,36
2201
19
Kesiman
2639
91,41
248
8,59
2887
20
Sanur Kaja
1735
88,34
229
11,66
1964
21
Sanur Kauh
1601
86,54
249
13,46
1850
22
Sanur
1642
85,74
273
14,26
1915
70
4000
Jumlah Kendaraan (unit)
3500
3000
2500
2000 Kendaraan Roda Dua
1500
Kendaraan Roda Empat 1000
500
K Ke ero b ro bo o ka P n Pa ad kan a K da n ng g S aja Sa am b m bi ian an Ka Pe Pe m j e a m ec cut a ut an n Ka D ja a D au uh P h D u P au ur ri h iK P a ur i K ja a D an n gi D an gi n gi n D an n P Pur u i gi r i n P Kau D an uri h K gi a n Pu ngi n ri Ke Su lo d Su m er m ta e Su rt a m Ka er j Su t a a K m er auh ta Ke lo R d en Ke on s Sa im a nu n Sa r K a nu ja rK au h Sa nu r
0
Kelurahan/Desa
Gambar 4.4 Diagram Jumlah Kepemilikan Kendaraan untuk Trayek I Terlihat bahwa jumlah kepemilikan sepeda motor jauh lebih besar dibandingkan dengan mobil, artinya menunjukkan bahwa moda transportasi yang dominan adalah sepeda motor (kendaraan roda dua).
4.2.2. Trayek II Kepemilikan kendaraan bermotor untuk Trayek II dapat dirinci seperti Tabel 4.5 dan Gambar 4.5 di bawah ini. Tabel 4.5 Jumlah Kepemilikan Kendaraan Bermotor Jumlah Kepemilikan Kendaraan Pribadi No
Kelurahan/Desa
Kendaraan Roda Dua
Kendaraan Roda Empat
Kend.
Kend.
%
%
Total Kend.
1
Seminyak
681
74.67
231
25.33
912
2
Kerobokan Kelod
1438
70.39
605
29.61
2043
3
Padang Sambian
1597
76.34
495
23.66
2092
71
Tabel 4.5 Lanjutan Jumlah Kepemilikan Kendaraan Pribadi No
Kelurahan/Desa
4
Padang Sambian Kelod
5
Kendaraan Roda Dua
Kendaraan Roda Empat
Kend.
Kend.
%
%
Total Kend.
936
71.07
381
28.93
1317
Pemecutan Kelod
2763
87.19
406
12.81
3169
6
Dauh Puri Kauh
2120
90.14
232
9.86
2352
7
Pemogan
1098
58.72
772
41.28
1870
8
Pedungan
1643
69.68
715
30.32
2358
9
Sesetan
1973
66.93
975
33.07
2948
10
Sidakarya
3942
80.98
926
19.02
4868
11
Sanur Kaja
1735
88.34
229
11.66
1964
12
Sanur Kauh
1601
86.54
249
13.46
1850
13
Sanur
1642
85.74
273
14.26
1915
Jumlah Kendaraan Bermotor (unit)
4500 4000 3500 3000 2500 2000
Kendaraan Roda Dua Kendaraan Roda Empat
1500 1000 500
nu r Sa
Sa
nu r
Ka
Ka
uh
ja
ya ar
nu r Sa
da k
se ta n
Si
m
Se
Ke lo ec d ut an K D el au od h Pu ri Ka uh Pe m og an Pe du ng an
an
an bi
Sa m g
da n Pa
Pe
d
bi
lo Ke
Sa m
da n
g
ka n Pa
Ke
ro bo
Se
m in y
ak
0
Kelurahan/Desa
Gambar 4.5 Diagram Jumlah Kepemilikan Kendaraan untuk Trayek II
Dari Gambar 4.13 diatas,
dapat diGambarkan kepemilikan kendaraan
penduduk untuk Trayek II. Seperti halnya pada Trayek I, terlihat bahwa jumlah
72
kepemilikan sepeda motor jauh lebih besar dibandingkan dengan mobil, hal itu menunjukkan bahwa moda transportasi yang dominan adalah sepeda motor atau kendaraan roda dua.
4.2.3. Trayek III Petitenget –Teuku Umar- Renon- Sanur Dari Tabel 4.6 dan Gambar 4.6 mengGambarkan kepemilikan kendaraan penduduk untuk Trayek III sama di semua koridor Trayek pelayanan, dimana jumlah kepemilikan sepeda motor selalu jauh lebih besar dibandingkan dengan mobil, yang memberi arti bahwa moda transportasi yang dominan adalah sepeda motor (kendaraan roda dua), yang disebabkan banyaknya kemudahan sesorang memiliki sepeda motor yang dapat dilakukan secara angsuran dengan agunan ringan. Tabel 4.6 Jumlah Kepemilikan Kendaraan Pribadi
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Kelurahan/Desa Kerobokan Kelod Padang Sambian Padang Sambian Kelod Pemecutan Kelod Dauh Puri Dauh Puri Kelod Dauh Puri Kauh Dangin Puri Kelod Sumerta Kauh Sumerta Kelod Renon Panjer Sanur Kaja Sanur Kauh Sanur
Jumlah Kepemilikan Kendaraan Pribadi Kendaraan Kendaraan Roda Total Roda Dua Empat Kend. Kend. % Kend. % 1438 70.39 605 29.61 2043 1597 76.34 495 23.66 2092 936 71.07 381 28.93 1317 2763 87.19 406 12.81 3169 1431 89.77 163 10.23 1594 2586 92.39 213 7.61 2799 2120 90.14 232 9.86 2352 1734 92.19 147 7.81 1881 1240 89.02 153 10.98 1393 2658 90.90 266 9.10 2924 1951 88.64 250 11.36 2201 983 54.31 827 45.69 1810 1735 88.34 229 11.66 1964 1601 86.54 249 13.46 1850 1642 85.74 273 14.26 1915
73
Jumlah Kendaraan (unit)
3000
2500
2000
1500
1000 Kendaraan Roda Dua Kendaraan Roda Empat
500
g
g
Pa da n Pa
da n
Ke
ro bo
ka n
Ke lo d Sa Sa m bi m an bi an Pe m Ke ec lo ut d an Ke lo d D au D au h Pu h Pu ri ri D Ke au l h Pu o d D an ri Ka gi n uh Pu r Su i Ke lo m d er ta Su Ka m uh er ta Ke lo d R en on Pa nj Sa er nu rK Sa aj a nu rK au h Sa nu r
0
Gambar 4.6
4.3.
Kelurahan/Desa
Diagram Jumlah Kepemilikan Kendaraan untuk Trayek III
Informasi Demografi Penduduk Informasi demografi rumah tangga mencakup jumlah anggota keluarga,
jumlah pekerja dalam satu keluarga, jumlah Pelajar dalam satu keluarga dan jumlah usia potensial yang melakukan perjalanan dalam satu keluarga.
4.3.1. Komposisi Jumlah Anggota Keluarga Komposisi jumlah anggota keluarga pada Trayek I, Trayek II dan Trayek III terlihat jelas pada Tabel 4.7 dan Gambar 4.7. Pada Trayek I jumlah anggota keluarga terbesar dalam satu keluarga adalah 4 orang atau sebesar 36%. Pada Trayek II jumlah anggota keluarga terbesar dalam satu keluarga adalah 5 orang atau sebesar 33%. Sementara pada Trayek III terlihat bahwa jumlah anggota keluarga terbesar dalam satu keluarga adalah 4 orang atau sebesar 31%.
74
Tabel 4.7 Komposisi Jumlah Anggota Keluarga pada Trayek I, II dan III Trayek I Kerobokan - Kota Sanur
Jumlah Anggota per Keluarga
≤ 3 (orang) 4 (orang) 5 (orang) 6 (orang) ≥ 7 (orang)
J u m la h K e lu a rg a (% )
40% 35%
Trayek II Oberoi-PemoganSemawang-Sanur
Trayek III Petitenget –Teuku Umar- Renon- Sanur
Jumlah Keluarga
Persentase Jumlah Anggota keluarga
Jumlah Keluarga
Persentase Jumlah Anggota keluarga
Jumlah Keluarga
Persentase Jumlah Anggota keluarga
25 50 43 14 7
18% 36% 31% 10% 5%
24 36 39 13 5
21% 31% 33% 11% 4%
24 38 36 15 9
20% 31% 30% 12% 7%
36% 31%
31%
33%
31% 30%
30% 25%
21%
20%
20% 18%
≤ 3 orang
15%
4 orang
12%
11%
10% 10%
7% 5%
4%
5%
5 orang 6 orang ≥ 7 orang
0% Trayek I
Trayek II
Trayek III
.
Jumlah Anggota Keluarga (orang) Gambar 4.7 Grafik Komposisi Jumlah Anggota Keluarga Pada Trayek I, II, III
4.3.2. Komposisi Jumlah Pekerja dalam Keluarga Komposisi jumlah pekerja pada Tabel 4.8 dan Gambar 4.8 terlihat jelas bahwa pada Trayek I, Trayek II ataupun Trayek III, jumlah pekerja terbanyak dalam satu keluarga yaitu memiliki 2 orang pekerja atau rata-rata di atas 50%. Jumlah pekerja terkecil tercatat di atas 4 orang dalam satu keluarga.
75
Tabel 4.8 Komposisi Jumlah Pekerja pada Trayek I, II dan III Trayek Kerobokan - Kota Sanur
Jumlah Pekerja per Keluarga
Trayek Oberoi-PemoganSemawang-Sanur
Trayek Petitenget –Teuku Umar- Renon- Sanur
Jumlah Pekerja
Persentase Jumlah KK
Jumlah Pekerja
Persentase Jumlah KK
Jumlah Pekerja
Persentase Jumlah KK
1(orang)
24
17%
28
24%
23
19%
2(orang)
71
51%
61
52%
64
52%
3(orang)
27
19%
16
14%
22
18%
≥4(orang)
18
13%
12
10%
13
11%
60% 52%
J u m lah K e lu arg a (% )
51%
52%
50% 40% 30% 20% 17%
24% 19%
19% 13%
18%
1 orang
14% 10%
11%
10%
2 orang 3 orang ≥4 orang
0% Trayek I
Trayek II
Trayek III
.
Jumlah Pekerja (orang) Gambar 4.8 Grafik Komposisi Jumlah Pekerja pada Trayek I, II, III
4.3.3. Komposisi Jumlah Pelajar dalam Keluarga Komposisi jumlah pelajar terbanyak dalam satu keluarga pada Trayek I adalah 2 orang atau sebesar 34%. Sementara pada Trayek II dan Trayek III, komposisi tertinggi adalah 1 orang pelajar dalam satu keluarga.
76
Tabel 4.9 Komposisi Jumlah Pelajar pada Trayek I, II dan III
Jumlah Pelajar per Keluarga
Trayek Kerobokan - Kota Sanur
0 (orang)
37
Persentase Jumlah KK 26%
1(orang)
42
2(orang)
Trayek Oberoi-PemoganSemawang-Sanur
Trayek Petitenget –Teuku Umar- Renon- Sanur
21
Persentase Jumlah KK 18%
30%
42
36%
38
31%
48
34%
30
26%
31
25%
3(orang)
11
8%
23
20%
17
14%
≥4
2
1%
1
1%
4
3%
Jumlah pelajar
Jumlah Keluarga (%)
40%
Jumlah pelajar
Persentase Jumlah KK
32
26%
36% 34%
35%
31%
30% 30%
Jumlah pelajar
26%
26%
26%
25%
25% 18%
20%
20% 0 orang 14%
15% 10%
1 orang 2 orang
8%
5%
1%
3%
1%
≥4 orang
0% Trayek I
Trayek II
3 orang
Trayek III
.
Jumlah Pelajar (orang)
Gambar 4.9 Grafik Komposisi Jumlah Pelajar pada Trayek I, II, III
4.3.4. Komposisi Jumlah Usia Potensial Melakukan Perjalanan Komposisi jumlah usia potensial yang melakukan perjalanan dalam satu keluarga terlihat jelas pada Tabel 4.10 dan Gambar 4.10 di bawah ini. Pada Trayek I terlihat bahwa jumlah terbesar usia potensial yang melakukan perjalanan dalam satu keluarga adalah 4 orang atau sebesar 35%. Pada Trayek II, jumlah terbesar usia potensial yang melakukan perjalanan dalam satu keluarga adalah 4 orang atau sebesar 33%. Sedangkan pada Trayek III jumlah terbesar usia potensial
77
yang melakukan perjalanan adalah jumlah keluarga yang memiliki anggota keluarga kurang dari 3 orang atau sebesar 32 %. Tabel 4.10 Komposisi Jumlah Usia Potensial pada Trayek I, II dan III
Jumlah Anggota per Keluarga
Trayek Kerobokan - Kota Sanur
Trayek Oberoi-PemoganSemawang-Sanur
Trayek Petitenget –Teuku Umar- Renon- Sanur
Jumlah Keluarga
Persentase Jumlah KK
Jumlah Keluarga
Persentase Jumlah KK
Jumlah Keluarga
Persentase Jumlah KK
≤ 3 (orang)
42
30%
30
26%
39
32%
4 (orang)
48
35%
39
33%
38
31%
5 (orang)
35
25%
36
31%
29
24%
≥ 6 (orang)
14
10%
12
10%
16
13%
40%
Jumlah Keluarga (%)
35%
33%
35% 30% 30%
32% 31%
31%
26%
25%
24%
25% 20%
13%
15% 10%
10%
≤ 3 orang 4 orang
10%
5 orang
5%
≥ 6 orang
0% Trayek I
Trayek II
Trayek III
.
Jumlah Usia Potensial (orang)
Gambar 4.10 Grafik Komposisi Jumlah Usia Potensial pada Trayek I, II, III
4.4.
Informasi Sosial Ekonomi Penduduk Informasi sosial ekonomi penduduk pada Trayek yang ditinjau,
mengGambarkan kondisi penduduk secara ekonomi, yaitu dari segi pendapatan, kepemilikan kendaraan, jumlah perjalanan dan moda angkutan yang digunakan dalam menjalankan segala aktifitasnya di luar rumah.
78
4.4.1
Komposisi Besar Pendapatan Keluarga per Bulan Pada Trayek I terlihat bahwa persentase penghasilan terbesar terlihat pada
pendapatan keluarga perbulan di atas 3 juta rupiah atau sebesar 49%. Pada Trayek II terlihat bahwa persentase tertinggi pendapatan keluarga pada rentang 1 juta sampai 3 juta rupiah atau sebesar 55%. Sedangkan pada Trayek III terlihat adanya keseimbangan besar pendapatan, yaitu pada kisaran 1 juta sampai 3 juta rupiah dengan penghasilan di atas 3 juta rupiah, yaitu sebesar 47 %. Tabel 4.11 Komposisi Jumlah Pendapatan Keluarga pada Trayek I, II dan III Trayek Kerobokan - Kota Sanur
Besar Pendapatan keluarga per bulan
Jumlah Keluarga
≤ 1 jt
7
Persentase Jumlah KK Sampel 5%
1jt - 3jt
65
> 3 jt
68
Trayek Petitenget - Teuku Umar Renon - Sanur
2
Persentase Jumlah KK Sampel 2%
46%
69
55%
57
47%
49%
53
42%
57
47%
60%
Jumlah Keluarga (%)
Trayek Oberoi - Pemogan Semawang - Sanur Jumlah Keluarga
Jumlah Keluarga
Persentase Jumlah KK Sampel
8
7%
55% 49%
50%
47% 47%
46% 42%
40% 30%
≤ 1 jt 1 jt - 3 jt
20% 10%
> 3 jt
.
7%
5% 2%
0% Trayek I
Trayek II
Trayek III
Jumlah Pendapatan (juta)
Gambar 4.11 Grafik Komposisi Jumlah Pendapatan Keluarga pada Trayek I, II, III
79
4.4.2
Komposisi Kepemilikan Sepeda Kepemilikan sepeda pada penelitian ini perlu dipertimbangkan juga
walaupun persentasenya cukup kecil dibandingkan dengan kendaraan bermotor. Jumlah kepemilikan sepeda pada Trayek I, Trayek II maupun Trayek III dapat dilihat pada Tabel 4.12 dan Gambar 4.12. Dari ketiga Trayek yang ditinjau terlihat jelas bahwa dalam satu keluarga rata-rata memiliki 1 unit sepeda. Hal ini mungkin saja terjadi akibat adanya program pemerintah untuk mengurangi polusi (car free day). Tabel 4.12 Komposisi Jumlah Kepemilikan Sepeda pada Trayek I, II dan III Jumlah Sepeda
Trayek I
Trayek II
Trayek III
0 Unit
26%
31%
33%
1 Unit
53%
50%
54%
≥ 2 Unit
21%
19%
13%
60%
54%
53%
Jumlah K eluarga (%)
50% 50% 40% 33%
31% 30%
26%
0 Unit 21%
20%
1 Unit
19% 13%
≥ 2 Unit
.
10% 0% Trayek I
Trayek II
Trayek III
Jumlah Kepemilikan Sepeda (unit) Gambar 4.12 Grafik Komposisi Jumlah Kepemilikan Sepeda pada Trayek I, II, III
80
4.4.3
Komposisi Kepemilikan Sepeda Motor Komposisi kepemilikan sepeda motor pada semua Trayek terlihat jelas
bahwa setiap keluarga rata-rata memiliki 2 unit sepeda motor atau rata-rata di atas 40%. Lebih jelasnya dapat dilihat pada Tabel 4.13 dan Gambar 4.13 di bawah ini. Dengan berbagai kemudahan yang ditawarkan produsen kendaraan menyebabkan tingginya tingkat pertumbuhan kepemilikan sepeda motor di masyarakat. Hampir di setiap rumah tangga memiliki sepeda motor, sehingga kecil kemungkinan mereka menggunakan angkutan umum sebagai moda pilihan untuk beraktifitas. Tabel 4.13 Komposisi Jumlah Kepemilikan Sepeda Motor Trayek I, II dan III Jumlah Sepeda Motor (unit) 0 unit
Trayek I
Trayek II
Trayek III
1%
3%
1%
1 unit
29%
25%
30%
2 unit
41%
44%
46%
3 unit
23%
20%
19%
≥ 4 unit
6%
9%
5%
50%
Jumlah Keluarga (%)
46%
44%
45%
41%
40% 35% 30% 25%
30%
29% 25%
23%
20%
19%
20%
0 unit 1 unit
15% 9%
10%
2 unit
6%
5%
3%
5% 1%
1%
≥ 4 unit
0% Trayek I
Trayek II
3 unit
Trayek III
.
Jumlah Kepemilikan Sepeda Motor (unit)
Gambar 4.13 Grafik Komposisi Jumlah Kepemilikan Sepeda Motor pada Trayek I, II, III
81
4.4.4
Komposisi Kepemilikan Mobil Tingkat kepemilikan mobil dalam keluarga terlihat cukup tinggi walaupun
banyak juga keluarga yang tidak memiliki mobil sebagai sarana transportasi yang digunakan dalam beraktifitas. Dari Tabel 4.14 dan Gambar 4.14 terlihat bahwa tingkat kepemilikan mobil cukup tinggi. Kepemilikan mobil dalam satu keluarga yang tertinggi, baik pada Trayek I, Trayek II maupun Trayek III adalah kepemilikan 1 unit mobil. Tingkat kepemilikan mobil ini juga sangat besar dampaknya terhadap penggunaan angkutan umum karena semakin banyak penduduk yang memiliki mobil maka kecenderungan penggunaan angkutan umum akan berkurang. Tabel 4.14 Komposisi Jumlah Kepemilikan Mobil pada Trayek I, II dan III Jumlah Mobil (unit)
Trayek I
Trayek II
Trayek III
0 unit
47%
44%
49%
1 unit
36%
39%
34%
2 unit
14%
11%
13%
≥ 3 unit
3%
6%
3%
Jumlah Keluarga (%)
60% 49%
50% 47% 40%
44% 39% 36%
34%
30% 20%
0 unit 14%
13%
11% 10% 3%
1 unit 2 unit
6%
3%
0% Trayek I
Trayek II
Trayek III
≥ 3 unit
.
Jumlah Kepemilikan Mobil (unit)
Gambar 4.14 Grafik Komposisi Jumlah Kepemilikan Mobil pada Trayek I, II, III
82
4.4.5
Komposisi Maksud dan Tujuan Perjalanan Data asal-tujuan perjalanan sangat diperlukan untuk dapat mengetahui
besarnya pergerakan yang ditimbulkan akibat aktifitas yang dilakukan masyarakat. Pada Tabel 4.15 dan Gambar 4.15 dapat dilihat bahwa aktifitas persentase terbesar masyarakat pada ketiga Trayek yang ditinjau adalah melakukan perjalanan bekerja, yaitu di atas 50%, sementara itu aktifitas lainnya, seperti piknik, kegiatan adat, dan sebagainya mempunyai persentase terendah, yaitu kurang dari 7%. Tabel 4.15 Komposisi Maksud dan Tujuan Perjalanan pada Trayek I, II dan III Masud Perjalanan
Trayek I
Trayek II
Trayek III
Bekerja
55%
53%
52%
Belajar
30%
36%
32%
Belanja
8%
5%
9%
Lainnya
7%
5%
7%
Jumlah Keluarga (%)
60% 55%
53%
52%
50% 40%
36% 32%
30% 30%
Bekerja
20% 10%
8% 7%
9% 5% 5%
Belajar 7%
Belanja Lainnya
0% Trayek I
Trayek II
Trayek III
.
Jumlah Perjalanan (rit)
Gambar 4.15 Grafik Komposisi Maksud dan Tujuan Perjalanan pada Trayek I, II, III
83
4.4.6
Komposisi Penggunaan Moda Angkutan Penggunaan moda angkutan dalam melaksanakan aktifitas terdapat
beberapa pilihan yang biasa di gunakan oleh masyarakat. Pada Tabel 4.16 dan Gambar 4.16 di bawah ini dapat dilihat bahwa sebagian besar masyarakat pada daerah yang ditinjau memilih menggunakan angkutan pribadi, khususnya sepeda motor, yaitu di atas 60 %, kemudian mobil mendapatkan peringkat kedua terbesar.
Tabel 4.16 Komposisi Penggunaan Moda Angkutan pada Trayek I, II dan III Trayek I 7% 64% 16% 5% 7%
Moda yang Digunakan
Sepeda Motor Mobil Ang.umum Lainnya
Jumlah Keluarga (%)
70%
Trayek II 9% 66% 18% 1% 6%
66%
64%
Trayek III 7% 66% 16% 3% 8%
66%
60% 50% 40% Sepeda
30% 20% 10% 7%
Motor
18%
16% 5%
7%
16%
9%
6%
Mobil 8%
7% 3%
1% 0% Trayek I
Trayek II
Trayek III
Ang.umum Lainnya
.
Jumlah Moda yang Digunakan
Gambar 4.16 Grafik Komposisi Penggunaan Moda Angkutan pada Trayek I, II, III
Sementara itu, untuk moda angkutan umum terlihat bahwa masyarakat hanya menggunakan sebesar kurang dari 5%. Ini berarti angkutan umum perlu
84
segera mendapatkan perhatian agar kondisi lalu lintas dapat diperbaiki sehingga kapasitas jalan dapat ditingkatkan. Perbaikan ini tentunya harus denganperubahan yang signifikan agar masyarakat mau beralih menggunakan angkutan umum dalam segala aktifitasnya.
4.5.
Minat Masyarakat untuk Beralih Menggunakan Angkutan Umum Dalam penelitian ini, dibuatkan skenario-skenario atau alternatif pilihan
agar dapat diketahui sejauh mana keinginan masyarakat mengenai angkutan umum sehingga nantinya diharapakan dapat beralih menggunakan angkutan umum dalam segala aktifitas yang dijalankan di luar rumah.
4.5.1. Alternatif I Skenario/alternatif pertama yang ditawarkan adalah kondisi apabila Trayek/rute ini dioperasikan dengan armada angkutan umum (bemo) dan dengan tingkat pelayanan seperti sekarang (tanpa jadwal yang jelas) dengan tarif yang tidak jelas. Dari analisis data yang dilakukan, seperti data pada Tabel 4.17 dan Gambar 4.17, diperoleh bahwa minat masyarakat pada Trayek I, Trayek II maupun pada Trayek III, lebih cenderung akan tetap menggunakan angkutan pribadi sebagai sarana untuk mencapai tujuan. Kondisi angkutan umum pada skenario/alternatif I ini dianggap sebagian besar masyarakat sangat tidak layak, sehingga persentase masyarakat yang mau beralih ke angkutan umum dapat dikatakan tidak ada.
85
Tabel 4.17 Penawaran Alternatif I pada Trayek I, Trayek II dan Trayek III Alternatif I Trayek I
Trayek II
Trayek III
Tidak
Ya
Tidak
Ya
Tidak
16%
84%
17%
83%
14%
86%
Jumlah Peminat (%)
Ya
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%
84%
17%
16%
Ya
Tidak Trayek I
86%
83%
Ya
14%
Tidak Trayek II
Ya
Tidak Trayek III
Alternatif I Gambar 4.17 Grafik Penawaran Alternatif I pada Trayek I, II, III
4.5.2. Alternatif II Skenario/alternatif ke 2 yang ditawarkan kepada masyarakat adalah apabila Trayek/rute ini dioperasikan dengan armada angkutan umum (bemo) tetapi dengan waktu/penjadwalan yang tetap dan jelas. Hasil analisis seperti pada Tabel 4.18 dan Gambar 4.18 di bawah ini terlihat bahwa ada kecenderungan peningkatan minat masyarakat untuk beralih menggunakan moda angkutan umum, baik pada Trayek I, Trayek II maupun Trayek III, bahkan pada Trayek II terlihat bahwa masyarakat yang mau beralih
86
mempunyai persentase yang lebih tinggi dibandingkan masyarakat yang tidak mau beralih menggunakan angkutan umum. Tabel 4.18 Penawaran Alternatif II pada Trayek I, Trayek II dan Trayek III Alternatif II Trayek I
Trayek II
Trayek III
Tidak
Ya
Tidak
Ya
Tidak
41%
59%
53%
47%
43%
57%
Jumlah Peminat (%)
Ya
70%
59%
60% 50%
57%
53% 47% 41%
43%
40% 30% 20% 10% 0% Ya
Tidak Trayek I
Ya
Tidak Trayek II
Ya
Tidak Trayek III
Alternatif II Gambar 4.18 Grafik Penawaran Alternatif II pada Trayek I, II, III
4.5.3. Alternatif III Skenario/alternatif III yang ditawarkan kepada masyarakat adalah apabila Trayek/rute ini dioperasikan dengan bus kecil dan dengan tingkat pelayanan yang lebih baik (waktu/jadwal tetap, tersedia halte, dengan fasilitas AC). Hasil analisis pada skenario/alternatif III, dapat dilihat bahwa terjadi peningkatan yang signifikan dari penggunaan angkutan umum sebagai sarana untuk mencapai tujuan. Pada Trayek I, Trayek II dan Trayek II terlihat bahwa
87
masyarakat menginginkan suatu angkutan publik yang murah, tepat waktu dan nyaman serta tidak mengesampingkan keselamatan. Dengan tingginya minat masyarakat untuk beralih menggunakan angkutan umum, maka alternatif III ini akan dipilih untuk dijadikan acuan dalam analisis selanjutnya dengan perangkat lunak SPSS versi 15.
Tabel 4.19 Penawaran Alternatif III pada Trayek I, Trayek II dan Trayek III Alternatif III Trayek I
Trayek II
Trayek III
Tidak
Ya
Tidak
Ya
Tidak
75%
25%
69%
31%
72%
28%
80% 70% 60%
75%
Jumlah Peminat (%)
Ya
50% 40%
31%
25%
30% 20%
72%
69%
28%
10% 0% Ya
Tidak Trayek I
Ya
Tidak Trayek II
Ya
Tidak Trayek III
Alternatif III Gambar 4.19 Grafik Penawaran Alternatif III pada Trayek I, II, III
88
BAB V ANALISIS DAN PEMBAHASAN
5.1 Pemodelan untuk Trayek I: Kerobokan - Kota - Sanur 5.1.1 Variabel Dummy untuk Trayek I, II dan III Variabel tidak bebas (dependent variable) pada model regresi logistik merupakan variabel kategori atau variabel diskrit. Sedangkan untuk variabel bebas (independent variable) dapat berupa variabel kategori (diskrit) atau variabel kontinyu seperti yang diperlihatkan pada Tabel 3.1. Di dalam analisa data dengan bantuan perangkat lunak SPSS maka variabel dummy harus didesain agar variabel di dalam pemodelan khususnya untuk variabel diskrit (baik untuk variabel bebas maupun variabel tak bebas) dapat dibaca oleh perangkat lunak tersebut dengan cara desain kode variabel dummy. Berdasarkan data yang diperoleh, kemudian dihitung prosentase untuk masing-masing klasifikasi dari faktor-faktor pemilihan moda. Prosentase ini digunakan didalam reduksi variabel dummy, dimana reduksi bermanfaat untuk mengeliminasi dummy variabel yang prosentasenya tidak mempunyai signifikansi 5%. Prosedur pengeliminasian menggunakan uji hipotesis yaitu : H0 : pi = 0 dan Ha : pi ≠ 0 dengan Rumus 2.1 Dari Tabel 5.1 terlihat bahwa variabel bebas diskrit pendapatan rumah tangga per bulan untuk masing-masing Trayek, yaitu Trayek I, Trayek II dan Trayek III akan diuji signifikansinya dengan uji hipotesis. Dari hasil uji hipotesis terlihat bahwa kategori variabel bebas diskrit pendapatan rumah tangga (untuk
88
89
Trayek I) signifikan secara statistik, sehingga dapat digunakan sebagi faktor penduga di dalam model. Akan tetapi untuk Trayek II & III, kategori pendapatan < 1 juta rupiah tidak signifikan sehingga dapat digabung dengan kategori pendapatan Rp.1-3 juta dan menjadi kategori baru yaitu pendapatan rumah tangga < 3 juta rupiah per bulan. Tabel 5.1 Reduksi Variabel Dummy untuk Trayek I, Trayek II dan Trayek III Deskripsi
X
N
X N
95% selang kepercayaan Bawah
Atas
Pendapatan Rumah Tangga pada Trayek I < Rp. 1 Juta
15
140
0,107
0,10
0,20
Rp. 1 Juta–Rp. 3 Juta
69
140
0,493
0,40
0,60
> Rp. 3 Juta
56
140
0,400
0,30
0,50
Pendapatan Rumah Tangga pada Trayek II < Rp. 1 Juta*
9
117
0,077
0,00
0,10
Rp. 1 Juta–Rp. 3 Juta
74
117
0,632
0,50
0,70
> Rp. 3 Juta
34
117
0,291
0,20
0,40
Pendapatan Rumah Tangga pada Trayek III < Rp. 1 Juta*
15
122
0,123
0,10
0,20
Rp. 1 Juta–Rp. 3 Juta
62
122
0,508
0,40
0,60
> Rp. 3 Juta
45
122
0,369
0,30
0,50
Sumber: Analisis Data, 2011 *) Tidak signifikan secara statistik pada tingkat 5% (selang kepercayaan 95% termasuk 0) dengan: X = Jumlah klsifikasi yang timbul N = Jumlah data/sampel Setelah kategori variabel bebas dummy diuji hipotesis maka kategori variabel tersebut siap digunakan sebagai data masukan model bersama-sama dengan variabel bebas kontinyu lainnya.
90
5.1.2 Kalibrasi Model untuk Trayek I Dengan menggunakan perangkat lunak SPSS (Statistical Product and Service Solution) version 15.0 ditentukan hubungan antara variabel bebas dengan
variabel tidak bebas di dalam model serta kelayakan model sebagai pernyataan hubungan antara kedua variabel tersebut. Dari hasil reduksi terhadap variabel bebas, dan dengan menggunakan prinsip
uji
Likelihood Ratio (LR test), diseleksi
kembali
dengan metode
“Backward Elimination” yang terGambar pada Tabel 5.2 seperti dibawah ini. Tabel 5.2 Eliminasi Variabel Bebas untuk Trayek I Score 2,007 ,222 ,082 ,464 1,647 ,834 1,404 ,117 ,867 ,006 ,656 7,709
Variables Jml_keluarga Sepeda Motor Pickup Income Income(1) Income(2) Bekerja Sekolah Belanja Lainnya Overall Statistics a Variable(s) removed on step 2: Motor. b Variable(s) removed on step 3: Belanja. c Variable(s) removed on step 4: Bekerja. d Variable(s) removed on step 5: Pickup. e Variable(s) removed on step 6: Sekolah. f Variable(s) removed on step 7: Lainnya. g Variable(s) removed on step 8: Sepeda. h Variable(s) removed on step 9: Income. i Variable(s) removed on step 10: Jml_keluarga.
Sig. ,157 ,638 ,775 ,496 ,439 ,361 ,236 ,733 ,352 ,937 ,418 ,657
Dari Tabel 5.2 terlihat bahwa ada variabel bebas yang dieliminasi dan tidak diikutsertakan di dalam model diantaranya: jumlah kepemilikan motor, jumlah perjalanan belanja, jumlah perjalanan bekerja, jumlah kepemilikan pickup,
91
jumlah perjalanan sekolah jumlah perjalanan lainnya, jumlah kepemilikan sepeda, jumlah pendapatan dan jumlah keluarga. Hal ini karena digunakannya tingkat signifikasi 0,05 atau 5%, berarti 0,05 lebih kecil dari Sig.(signifikansi) variabelvariabel tersebut, maka pada tingkat kepercayaan 95% variabel-variabel tersebut tidak berpengaruh secara signifikan terhadap model pemilihan moda. Selanjutnya dari Tabel 5.3 berikut ini, ditentukan pengaruh masing-masing variabel bebas terhadap bentuk model pemilihan moda. Tabel 5.3 Variabel Bebas di dalam Model Pilihan Moda pada Trayek 1 Standard Variabel B Sig. Exp(B) Error Mobil -.604 .246 .014 .546 Constant 1.955 .325 .000 7.062 dimana : Mobil = jumlah unit mobil yang dimiliki rumah tangga
Dari Tabel 5.3 diatas akan terbentuk model persamaan rasio ln (log berbasis e) yaitu rasio peluang pemilihan moda angkutan umum dengan angkutan pribadi di Trayek I: Petitenget - Teuku Umar - Renon – Sanur, sebagai berikut:
p = 1,955 - 0,604 (mobil) ln 1 − p dimana : P
: Peluang untuk memilih angkutan umum
Mobil : Jumlah unit mobil yang dimiliki rumah tangga
Dari Tabel 5.3 di atas tersebut dilakukan analisis odds terjadinya pemilihan moda angkutan umum, dimana digunakan analisis eksponensial parameter yang mempunyai signifikansi pada tingkat 5%, yang terlihat bahwa
92
untuk model pemilihan angkutan umum terhadap angkutan pribadi, variabel bebas yang berpengaruh adalah variabel kepemilikan mobil sebagai penyeimbang. Dengan demikian bahwa hipotesis nol, adalah koefisien variabel bebas tersebut sama dengan nol, dengan kata lain terdapat hubungan yang signifikan antara variabel kepemilikan mobil dengan pemilihan moda angkutan umum. Dari analisis odds pemakai angkutan umum terhadap angkutan pribadi adalah nilai eksponensial parameter tipe kepemilikan mobil, jika dihitung dengan menggunakan rumus: 1/(1-p)=β0+ β1X diperoleh nilai: p/(1-p) =0,546, maka peluang pemakaian angkutan umum sebesar p (angkutan umum) = 0.3532. Jadi kontribusi dari kepemilikan mobil adalah sebesar 35,32%.
5.1.3 Validasi Model untuk Trayek I Selanjutnya adalah Analisa penentuan hubungan antara variabel bebas dan variabel tidak bebas di dalam model serta kelayakan model didalam menyatakan hubungan antara variabel bebas dengan variabel tidak bebas. Pada Tabel 5.4 terlihat bahwa untuk model pilihan moda angkutan umum pada Trayek 1 mempunyai peluang chi-square 6.104 dengan tingkat signifikansi 1,3% atau model pilihan moda pada Trayek 1 mempunyai signifikansi pada tingkat 5%. Ini menunjukkan bahwa model yang disusun mempunyai hubungan yang signifikan antara variabel bebas dengan variabel tidak bebasnya. Tabel 5.4 Omnibus test dari Parameter Model untuk Trayek I Step Block Model
Chi-square -2,046 6,104 6,104
Sig. ,153 ,013 ,013
93
Mengacu kepada Washington, et al. (2003) dijelaskan bahwa pada model pilihan dengan model logistik, semakin tinggi nilai pseudo R2 (goodness of fit), semakin baik model yang disusun. Akan tetapi hal ini tidak selalu tepat. O’Donnel dan Connor (2002) menyatakan bahwa secara praktis nilai tersebut dapat diabaikan karena untuk model regresi logistik ini tidak ada nilai baku pseudo R2 yang dapat dijadikan sebagai acuan kelayakan model. Nilai ini mempunyai batas atas baik secara teoritis dan empiris yang selalu kurang dari satu. Oleh karena itu digunakan cara lain untuk menentukan kelayakan model yaitu dengan uji Hosmer and Lemeshow (H-L test). Uji kelayakan model atau model goodness of fit dilakukan dengan menggunakan prinsip Hosmer and Lameshow (H-L test). Jika nilai uji H-L sama atau kurang dari 5% berarti ada perbedaan yang signifikan antara model dengan nilai observasinya, dimana kelayakan model tidak baik karena model dianggap tidak bisa memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lameshow’s goodness of fit lebih besar dari 5% berarti model mampu untuk memprediksi nilai observasinya dengan kepercayaan 95%. Tabel 5.5 Kelayakan Model (Pseudo R2 dan Hosmer and Lemeshow Test Trayek I Pseudo R2 Test Model Pemilihan Moda
Kendaraan Umum
-2 Log likelihood
Cox & Snell R2
Nagelkerke R2
131,191
0.043
0.068
Hosmer and Lemeshow Test Kendaraan umum
Chi-square
df
Sig.
1.336
1
0.248
94
Dari Tabel 5.5 di atas terlihat bahwa nilai signifikansi uji Hosmer and Lameshow (H-L) untuk model pilihan moda pada Trayek 1 adalah 0.248 (>5%), maka model regresi logistik yang disusun bisa digunakan untuk memprediksi nilai observasi dengan kepercayaan 95%. Akurasi klasifikasi model umumnya adalah 25% atau lebih tinggi daripada proporsi data. Kegunaan analisis akurasi klasifikasi model adalah untuk membandingkan akurasi model nol (model hanya dengan konstanta tanpa variabel bebas) dengan full model atau model dengan variabel bebas. Proporsi akurasi klasifikasi model dihitung dengan menggunakan proporsi klasifikasi variabel tidak bebasnya. Akurasi proporsi data dan akurasi model dapat dilihat pada Tabel 5.6. Tabel 5.6 Akurasi Proporsi Data dan Model Pilihan Moda Trayek 1 Proporsi Data
Pilihan Moda
N
Marginal Percentage
A Pribadi
27
19.29%
A Umum
113
80.71%
Akurasi Model Predicted Observed A Pribadi A Umum
Percent Correct
A Pribadi
26
1
3.7
A Umum
113
0
100.0
Overall Percentage
81.4
Untuk model pilihan moda Trayek 1 proporsi data adalah 0,1929² + 0,8071² = 0.6887 (70%). Akurasi model dengan regresi logistik (full model) adalah 81.4% dan lebih besar dari akurasi proporsi data. Oleh karena itu ”full model” pilihan moda Trayek 1 lebih baik daripada model nolnya. Dari
95
perbandingan akurasi model terlihat bahwa penambahan variabel bebas di dalam model kedua (full model) yang disusun memberikan hasil yang lebih akurat dibandingkan model tanpa variabel bebas.
5.1.4 Analisis Potensi Demand pada Trayek I Analisis potensi demand diawali dari analisis jumlah permintaan, penentuan titik terjauh pelayanan, dan analisis jumlah calon penumpang. Analisis dilakukan terhadap angkutan umum jenis kendaraan bus kecil.
a. Analisis Jumlah Permintaan Jumlah permintaan dihitung dengan menggunakan data jumlah penduduk, jumlah penduduk yang melakukan perjalanan dan data kepemilikan kendaraan pribadi pada kelurahan/desa di wilayah kajian (Tabel D.1 halaman 184).
b. Penentuan Titik Terjauh Pelayanan Titik terjauh pelayanan ditentukan dari perbandingan jumlah permintaan angkutan umum untuk masing-masing kelurahan/desa dengan jumlah kendaraan minimal dan jumlah penumpang minimal per kendaraan per hari di koridor pelayanan Trayek I: Kerobokan - Kota - Sanur. Hasil analisis pada Tabel 5.7 menunjukkan adanya Kelurahan/Desa yang tidak memenuhi dalam titik terjauh pelayanan, artinya di wilayah studi tersebut lebih banyak yang menggunakan kendaraan pribadi, tingkat pelayanan angkutan pribadi yang tinggi, sebagai penyebab kecilnya permintaan terhadap angkutan umum (artinya jumlah armada yang dibutuhkan lebih kecil dari jumlah armada minimum untuk pengusahaan angkutan umum).
96
Tabel 5.7 Penentuan Titik Terjauh Pelayanan untuk Trayek I No
Kelurahan/Desa
D
Pmin
N (1): (2)
Keterangan N ≥ R ( R = 20)
1
2
3
4
1
Kerobokan
3438
400
9
tidak memenuhi
2
Kerobokan kaja
13984
400
35
memenuhi
3
Padang Sambian kaja
7532
400
19
tidak memenuhi
4
Padang Sambian
24682
400
62
memenuhi
5
Pemecutan Kaja
42382
400
106
memenuhi
6
Pemecutan
18128
400
45
memenuhi
7
Dauh Puri Kangin
0
400
0
tidak memenuhi
8
Dauh Puri
9012
400
23
memenuhi
9
Dauh Puri Kaja
14490
400
36
memenuhi
10
Dangin Puri Kauh
1070
400
3
tidak memenuhi
11
Dangin Puri
4890
400
12
tidak memenuhi
12
Dangin Puri kangin
0
400
0
tidak memenuhi
13
Dangin Puri Kelod
12912
400
32
memenuhi
14
Sumerta kauh
4508
400
11
tidak memenuhi
15
Sumerta kaja
5112
400
13
tidak memenuhi
16
Sumerta Kelod
10918
400
27
memenuhi
17
Sumerta
4312
400
11
tidak memenuhi
18
Kesiman
8858
400
22
memenuhi
19
Renon
3572
400
9
tidak memenuhi
20
Sanur Kauh
13810
400
35
memenuhi
21
Sanur
16522
400
41
memenuhi
22 Sanur Kaja 5494 Sumber : Hasil Analisis, 2011
400
14
tidak memenuhi
c. Analisis Jumlah Calon Penumpang Analisis dilakukan berdasarkan hasil survei wawancara rumah tangga, dilakukan secara rinci untuk setiap Kelurahan/Desa. Analisis yang dilakukan
97
adalah perhitungan jumlah calon penumpang dari prosentase jumlah responden yang berminat beralih moda dari kendaraan pribadi ke angkutan umum. Jumlah calon penumpang di Kelurahan/Desa wilayah studi koridor Trayek I: Kerobokan Kota - Sanur sejumlah 51.687 orang (Tabel D.4 halaman 187).
5.2
Pemodelan untuk Trayek II
5.2.1 Kalibrasi Model untuk Trayek II Dengan menggunakan perangkat lunak SPSS (Statistical Product and Service Solution) version 15.0 ditentukan hubungan antara variabel bebas dengan variabel tidak bebas di dalam model serta kelayakan model sebagai pernyataan hubungan antara kedua variabel tersebut. Dari hasil reduksi terhadap variabel bebas, dan dengan menggunakan prinsip
uji
Likelihood Ratio (LR test), diseleksi
kembali
dengan metode
“Backward Elimination” yang terGambar pada Tabel 5.8 seperti dibawah ini. Tabel 5.8 Eliminasi Variabel Bebas untuk Trayek II Variables
Sepeda Motor Pickup Bekerja Sekolah belanja
Overall Statistics
a b c d e f
Score .148 1.911 1.171 .146 .118 .431 3.906
Sig. .700 .167 .279 .702 .732 .512 .689
Variable(s) removed on step 2: belanja. Variable(s) removed on step 3: Sepeda. Variable(s) removed on step 4: Sekolah. Variable(s) removed on step 5: Bekerja. Variable(s) removed on step 6: Pickup. Variable(s) removed on step 7: Motor. Dari Tabel 5.8 terlihat bahwa ada variabel bebas yang dieliminasi dan
tidak diikutsertakan di dalam model diantaranya: jumlah kepemilikan motor,
98
jumlah perjalanan belanja, jumlah perjalanan bekerja, jumlah kepemilikan pickup, jumlah perjalanan sekolah jumlah perjalanan lainnya, jumlah kepemilikan sepeda, jumlah pendapatan dan jumlah keluarga. Hal ini karena digunakannya tingkat signifikasi 0,05 atau 5%, berarti 0,05 lebih kecil dari Sig.(signifikansi) variabelvariabel tersebut, maka pada tingkat kepercayaan 95% variabel-variabel tersebut tidak berpengaruh secara signifikan terhadap model pemilihan moda. Selanjutnya dari Tabel 5.9 berikut ini, ditentukan pengaruh masing-masing variabel bebas terhadap bentuk model pemilihan moda. Tabel 5.9 Variabel Bebas di dalam Model Pilihan Moda pada Trayek II Variabel Jml_keluarga
B
Standard Error
Sig.
Exp(B)
.509
.261
.051
1.663
Mobil
-1.008
.322
.002
.365
Income(1)
-1.203
.687
.080
.300
lainnya
.768
.357
.032
2.155
Constant
.507
1.332
.703
1.661
dimana : Jml. Keluarga : Mobil : Income (1) : Lainnya :
jumlah anggota keluarga jumlah unit mobil yang dimiliki rumah tangga jumlah pendapatan > Rp. 3.000.000,jumlah perjalanan lainnya
Dari Tabel 5.9 diatas akan terbentuk model persamaan rasio ln (log berbasis e) yaitu rasio peluang pemilihan moda angkutan umum dengan angkutan pribadi di Trayek II: Oberoi - Pemogan - Semawang - Sanur, sebagai berikut:
p = 0,507+0,509(Jml_keluarga)-1,008(Mobil)-1.203(Income(1))+0,768(Lainnya) ln 1 − p dimana : P
: Peluang untuk memilih angkutan umum
Jml. Keluarga : jumlah anggota keluarga
99
Mobil
: jumlah unit mobil yang dimiliki rumah tangga
Income (1)
: jumlah pendapatan > Rp. 3.000.000,-
Lainnya
: jumlah perjalanan lainnya
Dari Tabel 5.3 tersebut dilakukan analisis odds terjadinya pemilihan moda angkutan umum, dimana digunakan analisis eksponensial parameter yang mempunyai signifikansi pada tingkat 5%, yang terlihat bahwa untuk model pemilihan angkutan umum terhadap angkutan pribadi, variabel bebas yang berpengaruh adalah variabel kepemilikan mobil dan jumlah perjalanan lainnya sebagai penyeimbang. Dengan demikian bahwa hipotesis nol, adalah koefisien variabel bebas tersebut sama dengan nol, dengan kata lain terdapat hubungan yang signifikan antara variabel kepemilikan mobil dengan pemilihan moda angkutan umum. Dari analisis odds pemakai angkutan umum terhadap angkutan pribadi adalah nilai eksponensial parameter tipe kepemilikan mobil, jika dihitung dengan menggunakan rumus: 1/(1-p)=β0+ β1X diperoleh nilai: p/(1-p) =0,365, maka peluang pemakaian angkutan umum sebesar p (angkutan umum) = 0.2674. Jadi kontribusi dari kepemilikan mobil adalah sebesar 26,74%. Selain itu, peluang menggunakan angkutan umum juga dipengaruhi oleh jumlah perjalanan lainnya. Jika dihitung dengan menggunakan rumus: 1/(1-p)=β0+ β1X diperoleh nilai: p/(1-p) =2,155, maka peluang pemakaian angkutan umum sebesar p (angkutan umum) = 0.6830. Jadi kontribusi dari jumlah perjalanan lainnya adalah sebesar 68,30%.
100
5.2.2 Validasi Model untuk Trayek II Selanjutnya adalah Analisa penentuan hubungan antara variabel bebas dan variabel tidak bebas di dalam model serta kelayakan model didalam menyatakan hubungan antara variabel bebas dengan variabel tidak bebas. Pada Tabel 5.10 terlihat bahwa untuk model pilihan moda angkutan umum pada Trayek II mempunyai peluang chi-square 16.758 dengan tingkat signifikansi 0,2% atau model pilihan moda pada Trayek 1 mempunyai signifikansi pada tingkat 5%. Ini menunjukkan bahwa model yang disusun mempunyai hubungan yang signifikan antara variabel bebas dengan variabel tidak bebasnya. Tabel 5.10 Omnibus test dari Parameter Model untuk Trayek II Chi-square
Sig.
Step
-1.911
.167
Block
16.758
.002
Model
16.758
.002
Mengacu kepada Washington, et al. (2003) dijelaskan bahwa pada model pilihan dengan model logistik, semakin tinggi nilai pseudo R2 (goodness of fit), semakin baik model yang disusun. Akan tetapi hal ini tidak selalu tepat. O’Donnel dan Connor (2002) menyatakan bahwa secara praktis nilai tersebut dapat diabaikan karena untuk model regresi logistik ini tidak ada nilai baku pseudo R2 yang dapat dijadikan sebagai acuan kelayakan model. Nilai ini mempunyai batas atas baik secara teoritis dan empiris yang selalu kurang dari satu. Oleh karena itu digunakan cara lain untuk menentukan kelayakan model yaitu dengan uji Hosmer and Lemeshow (H-L test).
101
Uji kelayakan model atau model goodness of fit dilakukan dengan menggunakan prinsip Hosmer and Lameshow (H-L test). Jika nilai uji H-L sama atau kurang dari 5% berarti ada perbedaan yang signifikan antara model dengan nilai observasinya, dimana kelayakan model tidak baik karena model dianggap tidak bisa memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lameshow’s goodness of fit lebih besar dari 5% berarti model mampu untuk memprediksi nilai observasinya dengan kepercayaan 95%. Tabel 5.11 Kelayakan Model Pseudo R2 dan H and L Test Trayek II Pseudo R2 Test Model Pemilihan Moda Kendaraan Umum
-2 Log likelihood
Cox & Snell R2
Nagelkerke R2
107.194
.133
.204
Hosmer and Lemeshow Test
Kendaraan umum
Dari
Chi-square
df
Sig.
8.976
8
.344
Tabel 5.11 terlihat bahwa nilai signifikansi uji Hosmer and
Lameshow (H-L) untuk model pilihan moda pada Trayek 1 adalah 0.344 (>5%), maka model regresi logistik yang disusun bisa digunakan untuk memprediksi nilai observasi dengan kepercayaan 95%. Akurasi klasifikasi model umumnya adalah 25% atau lebih tinggi daripada proporsi data. Kegunaan analisis akurasi klasifikasi model adalah untuk membandingkan akurasi model nol (model hanya dengan konstanta tanpa variabel bebas) dengan full model atau model dengan variabel bebas. Proporsi akurasi klasifikasi model dihitung dengan menggunakan proporsi klasifikasi variabel
102
tidak bebasnya. Akurasi proporsi data dan akurasi model dapat dilihat pada Tabel 5.12 di bawah ini : Tabel 5.12 Akurasi Proporsi Data dan Model Pilihan Moda Trayek II Proporsi Data
Pilihan Moda
N
Marginal Percentage
A Pribadi
26
77,78%
A Umum
91
22,22%
Akurasi Model Predicted
Observed
A Pribadi A Umum
Percent Correct
A Pribadi
22
4
15.4
A Umum
86
5
94.5
Overall Percentage
76.9
Untuk model pilihan moda Trayek 2 proporsi data adalah 0,2222² + 0,7778² = 0.6543 (65%) seperti diperlihatkan pada Tabel 5.12. Akurasi model dengan regresi logistik (full model) adalah 76,9% dan lebih besar dari akurasi proporsi data. Oleh karena itu ‘full model’ pilihan moda Trayek 2 lebih baik daripada model nolnya. Dari perbandingan akurasi model terlihat bahwa penambahan variabel bebas di dalam kedua model yang disusun memberikan hasil yang lebih akurat dibandingkan model tanpa variabel bebas.
5.2.3 Analisis Potensi Demand pada Trayek II Analisis potensi demand diawali dari analisis jumlah permintaan, penentuan titik terjauh pelayanan, dan analisis jumlah calon penumpang. Analisis dilakukan terhadap angkutan umum jenis kendaraan bus kecil.
103
a. Analisis Jumlah Permintaan Jumlah permintaan dihitung dengan menggunakan data jumlah penduduk, jumlah penduduk yang melakukan perjalanan dan data kepemilikan kendaraan pribadi pada kelurahan/desa di wilayah kajian (Tabel D.2 halaman 185),
b. Penentuan Titik Terjauh Pelayanan Titik terjauh pelayanan ditentukan dari perbandingan jumlah permintaan angkutan umum untuk masing-masing kelurahan/desa dengan jumlah kendaraan minimal dan jumlah penumpang minimal per kendaraan per hari di koridor pelayanan Trayek I: Oberoi - Pemogan - Semawang - Sanur. Hasil analisis pada Tabel 5.13 menunjukkan adanya Kelurahan/Desa yang tidak memenuhi dalam titik terjauh pelayanan, artinya di wilayah studi tersebut lebih banyak yang menggunakan kendaraan pribadi, tingkat pelayanan angkutan pribadi yang tinggi, sebagai penyebab kecilnya permintaan terhadap angkutan umum (artinya jumlah armada yang dibutuhkan lebih kecil dari jumlah armada minimum untuk pengusahaan angkutan umum). Tabel 5.13 Penentuan Titik Terjauh Pelayanan untuk Trayek II D No
Pmin
Kelurahan/Desa
N (1):(2)
1
5
6
Keterangan N ≥ R ( R = 20) (memenuhi) 7
1
Kerobokan Kelod
3456
400
9
Tidak memenuhi
2
Seminyak
8954
400
22
memenuhi
3
Padang Sambian kelod
12122
400
30
memenuhi
4
Padang Sambian
24682
400
62
memenuhi
5
Pemecutan Kelod
39470
400
99
memenuhi
104
D No
Kelurahan/Desa
Pmin
N (1):(2)
Keterangan N ≥ R ( R = 20) (memenuhi)
6
Dauh Puri Kauh
12968
400
32
memenuhi
7
Pemogan
37006
400
93
memenuhi
8
Pedungan
27718
400
69
memenuhi
9
Sesetan
49664
400
124
memenuhi
10
Sidakarya
17380
400
43
memenuhi
11
Sanur Kaja
5494
400
14
Tidak memenuhi
12
Sanur
16522
400
41
memenuhi
13
Sanur Kauh
13810
400
35
memenuhi
Rata - Rata
52
Sumber : Hasil Analisis, 2011
c. Analisis Jumlah Calon Penumpang Analisis dilakukan berdasarkan hasil survei wawancara rumah tangga, dilakukan secara rinci untuk setiap Kelurahan/Desa. Analisis yang dilakukan adalah perhitungan jumlah calon penumpang dari prosentase jumlah responden yang berminat beralih moda dari kendaraan pribadi ke angkutan umum. Analisis jumlah calon penumpang terlampir pada Tabel D.5 halaman 188 yang menunjukkan bahwa jumlah calon penumpang di Kelurahan/Desa wilayah studi koridor Trayek II: Oberoi - Pemogan - Semawang - Sanur sejumlah 39.728 orang.
5.3
Pemodelan untuk Trayek III
5.3.1 Kalibrasi Model untuk Trayek III Dengan menggunakan perangkat lunak SPSS (Statistical Product and Service Solution) version 15.0 ditentukan hubungan antara variabel bebas dengan
105
variabel tidak bebas di dalam model serta kelayakan model sebagai pernyataan hubungan antara kedua variabel tersebut. Dari hasil reduksi terhadap variabel bebas dan dengan menggunakan prinsip
uji
Likelihood Ratio (LR test), diseleksi
kembali
dengan metode
“Backward Elimination” yang terGambar pada Tabel 5.14 seperti dibawah ini. Tabel 5.14 Eliminasi Variabel Bebas untuk Trayek III Score Variables Jml_keluarga
a b c d e f
Sig.
1.786
.181
Sepeda
1.598
.206
Pickup
1.584
.208
Income(1)
.906
.341
Belanja
.300
.584
Lainnya
.001
.976
Overall Statistics 4.874 Variable(s) removed on step 2: Lainnya. Variable(s) removed on step 3: Belanja. Variable(s) removed on step 4: Jml_keluarga. Variable(s) removed on step 5: Pickup. Variable(s) removed on step 6: Income. Variable(s) removed on step 7: Sepeda.
.560
Dari Tabel 5.14 terlihat bahwa ada variabel bebas yang dieliminasi dan tidak diikutsertakan di dalam model diantaranya: jumlah anggota keluarga, jumlah kepemilikan sepeda, jumlah kepemilikan pickup, jumlah pendapatan, jumlah perjalanan belanja dan jumlah perjalanan lainnya. Hal ini karena digunakannya tingkat signifikasi 0,05 atau 5%, berarti 0,05 lebih kecil dari Sig.(signifikansi) variabel-variabel tersebut, maka pada tingkat kepercayaan 95% variabel-variabel tersebut tidak berpengaruh secara signifikan terhadap model pemilihan moda.
106
Selanjutnya dari Tabel 5.15 berikut ini, ditentukan pengaruh masingmasing variabel bebas terhadap bentuk model pemilihan moda. Tabel 5.15 Variabel Bebas di dalam Model Pilihan Moda pada Trayek III Variabel
Standard Error
B
Sig.
Exp(B)
Motor
-.620
.310
.046
.538
Mobil
-.789
.295
.008
.454
Bekerja
.306
.127
.016
1.358
Sekolah
.285
.122
.020
1.329
1.097
.721
.128
2.996
Constant dimana : Motor Mobil Bekerja Sekolah
: : : :
jumlah kepemilikan motor jumlah unit mobil yang dimiliki rumah tangga jumlah perjalanan bekerja jumlah perjalanan sekolah
Dari Tabel 5.15 diatas akan terbentuk model persamaan rasio ln (log berbasis e) yaitu rasio peluang pemilihan moda angkutan umum dengan angkutan pribadi di Trayek III yaitu : Petitenget - Teuku Umar - Renon – Sanur, sebagai berikut:
p = 1,097 - 0,620(motor)- 0,789(mobil)+ 0,306(bekerja)+0,285(sekolah) ln 1− p dimana : P Motor Mobil Bekerja Sekolah
: Peluang untuk memilih angkutan umum : jumlah kepemilikan motor : jumlah unit mobil yang dimiliki rumah tangga : jumlah perjalanan bekerja : jumlah perjalanan sekolah
Dari Tabel 5.15 tersebut dilakukan analisis odds terjadinya pemilihan moda angkutan umum, dimana digunakan analisis eksponensial parameter yang
107
mempunyai signifikansi pada tingkat 5%, yang terlihat bahwa untuk model pemilihan angkutan umum terhadap angkutan pribadi, variabel bebas yang berpengaruh adalah variabel kepemilikan sepeda motor, kepemilikan mobil, jumlah perjalanan bekerja dan jumlah perjalanan sekolah sebagai penyeimbang. Dengan demikian bahwa hipotesis nol, adalah koefisien variabel bebas tersebut sama dengan nol, dengan kata lain terdapat hubungan yang signifikan antara variabel kepemilikan mobil dengan pemilihan moda angkutan umum. Dari analisis
odds, peluang pemakaian angkutan umum terhadap
angkutan pribadi adalah nilai eksponensial parameter tipe jumlah kepemilikan motor. Jika dihitung dengan menggunakan rumus: 1/(1-p)=β0+ β1X diperoleh nilai: p/(1-p) =0,538, maka peluang pemakaian angkutan umum sebesar p (angkutan umum) = 0,3498. Jadi kontribusi dari kepemilikan motor adalah sebesar 34,98%. Selain itu, peluang menggunakan angkutan umum juga dipengaruhi oleh jumlah kepemilikan mobil. Jika dihitung dengan menggunakan rumus: 1/(1p)=β0+ β1X diperoleh nilai: p/(1-p) =0,454, maka peluang pemakaian angkutan umum sebesar p (angkutan umum) = 0.3122. Jadi kontribusi dari jumlah kepemilikan mobil adalah sebesar 31,22%. Selanjutnya, peluang menggunakan angkutan umum juga dipengaruhi oleh jumlah perjalanan bekerja. Jika dihitung dengan menggunakan rumus: 1/(1p)=β0+ β1X diperoleh nilai: p/(1-p) =1,358, maka peluang pemakaian angkutan umum sebesar p (angkutan umum) = 0.5759. Jadi kontribusi dari jumlah perjalanan bekerja adalah sebesar 57,59%.
108
Terakhir, peluang menggunakan angkutan umum juga dipengaruhi oleh jumlah perjalanan sekolah. Jika dihitung dengan menggunakan rumus: 1/(1p)=β0+ β1X diperoleh nilai: p/(1-p) =1,329, maka peluang pemakaian angkutan umum sebesar p (angkutan umum) = 0.5706. Jadi kontribusi dari jumlah perjalanan sekolah adalah sebesar 57,06%.
5.3.2 Validasi Model untuk Trayek III Selanjutnya adalah Analisa penentuan hubungan antara variabel bebas dan variabel tidak bebas di dalam model serta kelayakan model didalam menyatakan hubungan antara variabel bebas dengan variabel tidak bebas. Pada Tabel 5.16 terlihat bahwa untuk model pilihan moda angkutan umum pada Trayek III mempunyai peluang chi-square 14,920 dengan tingkat signifikansi 0,5% atau model pilihan moda pada Trayek III mempunyai signifikansi pada tingkat 5%. Ini menunjukkan bahwa model yang disusun mempunyai hubungan yang signifikan antara variabel bebas dengan variabel tidak bebasnya. Tabel 5.16 Omnibus test dari Parameter Model untuk Trayek III Chi-square
Sig.
Step
-1.632
.201
Block
14.920
.005
Model
14.920
.005
Mengacu kepada Washington, et al. (2003) dijelaskan bahwa pada model pilihan dengan model logistik, semakin tinggi nilai pseudo R2 (goodness of fit), semakin baik model yang disusun. Akan tetapi hal ini tidak selalu tepat. O’Donnel dan Connor (2002) menyatakan bahwa secara praktis nilai tersebut dapat
109
diabaikan karena untuk model regresi logistik ini tidak ada nilai baku pseudo R2 yang dapat dijadikan sebagai acuan kelayakan model. Nilai ini mempunyai batas atas baik secara teoritis dan empiris yang selalu kurang dari satu. Oleh karena itu digunakan cara lain untuk menentukan kelayakan model yaitu dengan uji Hosmer and Lemeshow (H-L test). Uji kelayakan model atau model goodness of fit dilakukan dengan menggunakan prinsip Hosmer and Lameshow (H-L test). Jika nilai uji H-L sama atau kurang dari 5% berarti ada perbedaan yang signifikan antara model dengan nilai observasinya, dimana kelayakan model tidak baik karena model dianggap tidak bisa memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lameshow’s goodness of fit lebih besar dari 5% berarti model mampu untuk memprediksi nilai observasinya dengan kepercayaan 95%. Tabel 5.17 Kelayakan Model Pseudo R2 dan H and L Test Trayek III Model Pemilihan Moda Kendaraan Umum
Kendaraan umum
Dari
Pseudo R2 Test -2 Log likelihood Cox & Snell R2 108.823 .115 Hosmer and Lemeshow Test Chi-square df 4.796 8
Nagelkerke R2 .181 Sig. .779
Tabel 5.17 terlihat bahwa nilai signifikansi uji Hosmer and
Lameshow (H-L) untuk model pilihan moda pada Trayek 2 adalah 0.779 (>5%), maka model regresi logistik yang disusun bisa digunakan untuk memprediksi nilai observasi dengan kepercayaan 95%. Akurasi klasifikasi model umumnya adalah 25% atau lebih tinggi daripada proporsi data. Kegunaan analisis akurasi klasifikasi model adalah untuk membandingkan akurasi model nol (model hanya dengan konstanta tanpa variabel bebas) dengan full model atau model dengan variabel
110
bebas. Proporsi akurasi klasifikasi model dihitung dengan menggunakan proporsi klasifikasi variabel tidak bebasnya. Akurasi proporsi data dan akurasi model dapat dilihat pada Tabel 5.18. Tabel 5.18 Akurasi Proporsi Data dan Model Pilihan Moda Trayek III Proporsi Data
Pilihan Moda
N
Marginal Percentage
A Pribadi
25
20,49%
A Umum
97
79,51%
Akurasi Model Predicted
Observed A Pribadi
A Umum
Percent Correct
A Pribadi
21
4
16.0
A Umum
96
1
99.0
Overall Percentage
82.0
Untuk model pilihan moda Trayek 3 proporsi data adalah 0,2049² + 0,7951² = 0.6742 (67%). Akurasi model dengan regresi logistik (full model) adalah 82% dan lebih besar dari akurasi proporsi data. Oleh karena itu ‘full model’ pilihan moda Trayek 3 lebih baik daripada model nolnya. Dari perbandingan akurasi model terlihat bahwa penambahan variabel bebas di dalam kedua model yang disusun memberikan hasil yang lebih akurat dibandingkan model tanpa variabel bebas.
5.3.3 Analisis Potensi Demand pada Trayek III Analisis potensi demand diawali dari analisis jumlah permintaan, penentuan titik terjauh, dan analisis jumlah calon penumpang. Analisis dilakukan
111
terhadap angkutan umum jenis kendaraan bus kecil.
a. Analisis Jumlah Permintaan Jumlah permintaan dihitung dengan menggunakan data jumlah penduduk, jumlah penduduk yang melakukan perjalanan dan data kepemilikan kendaraan pribadi pada kelurahan/desa di wilayah kajian (Tabel D.3 halaman 186).
b. Penentuan Titik Terjauh Pelayanan Titik terjauh pelayanan ditentukan dari perbandingan jumlah permintaan angkutan umum untuk masing-masing kelurahan/desa dengan jumlah kendaraan minimal dan jumlah penumpang minimal per kendaraan per hari di koridor pelayanan Trayek III: Petitenget - Teuku Umar - Renon - Sanur.
Tabel 5.19 Penentuan Titik Terjauh Pelayanan untuk Trayek III No.
Kelurahan/Desa
D
Pmin
N (unit) =
Keterangan:
(pergerakan)
(orang)
D / Pmin
N > R = 20 unit
1
Kerobokan Kelod
3456
400
9
Tidak memenuhi
2
Padang Sambian kelod
12122
400
30
memenuhi
3
Pemecutan Kelod
39470
400
99
memenuhi
4
Padang Sambian
24682
400
62
memenuhi
5
Dauh Puri Kauh
12968
400
32
memenuhi
6
Dauh Puri Kkelod
12576
400
31
memenuhi
7
Dauh puri
9012
400
23
memenuhi
8
Dangin Puri kelod
12912
400
32
memenuhi
9
Sumerta Kelod
10918
400
27
memenuhi
10
Sumerta kauh
4508
400
11
Tidak memenuhi
11
Renon
3572
400
9
Tidak memenuhi
12
Panjer
27796
400
69
memenuhi
13
Sanur Kauh
13810
400
35
memenuhi
112
No.
Kelurahan/Desa
D
Pmin
N (unit) =
Keterangan:
(pergerakan)
(orang)
D / Pmin
N > R = 20 unit
14
Sanur
16522
401
41
memenuhi
15
Sanur Kaja
5494
402
14
Tidak memenuhi
16
Kerobokan Kelod
3456
400
9
Tidak memenuhi
Sumber : Hasil Analisis, 2011 Dari Tabel terlihat bahwa adanya Kelurahan/Desa yang tidak memenuhi dalam titik terjauh pelayanan, artinya di wilayah studi tersebut lebih banyak yang menggunakan kendaraan pribadi, tingkat pelayanan angkutan pribadi yang tinggi, sebagai penyebab kecilnya permintaan terhadap angkutan umum (artinya jumlah armada yang dibutuhkan lebih kecil dari jumlah armada minimum untuk pengusahaan angkutan umum).
c. Analisis Jumlah Calon Penumpang Analisis dilakukan berdasarkan hasil survei wawancara rumah tangga, dilakukan secara rinci untuk setiap Kelurahan/Desa. Analisis yang dilakukan adalah perhitungan jumlah calon penumpang dari prosentase jumlah responden yang berminat beralih moda dari kendaraan pribadi ke angkutan umum. Analisis jumlah calon penumpang terlampir pada Tabel D.6 halaman 189 yang menunjukkan bahwa calon penumpang Kelurahan/Desa
wilayah studi pada
koridor Trayek III: Petitenget - Teuku Umar - Renon - Sanur sejumlah 45.981 orang.
113
BAB VI SIMPULAN DAN SARAN
6.1
Simpulan
6.1.1 Karakteristik Sosial Ekonomi dan Demografi Penduduk 1. Trayek I (Kerobokan - Kota – Sanur) Dari analisis karakteristik sosial ekonomi dan demografi yang dilakukan, maka dapat disimpulkan bahwa pada Trayek I prosentase pendapatan penduduk diatas 3 juta adalah 49% dan prosentase pendapatan penduduk antara 1 juta hingga 3 juta adalah 46%, dengan rata-rata tingkat kepemilikan kendaraan setiap penduduk adalah 1 unit sepeda (53%), 2 unit sepeda motor (41%) dan 1 unit mobil (36%). Jumlah anggota keluarga dalam satu rumah tangga rata-rata 4 orang anggota atau 36% dengan jumlah pekerja rata-rata dalam satu keluarga adalah 2 orang pekerja (71%) dan jumlah pelajar rata-rata 2 orang (34%). Dari kondisi tersebut terlihat jelas bahwa penduduk di sekitar Trayek I menpunyai tingkat perekonomian dan tingkat pergerakan yang cukup tinggi. Alternatif pilihan moda sebesar 81% dengan kondisi angkutan umum seperti pada alternatif III yaitu: moda bus kecil dengan Trayek/rute dioperasikan dengan bus kecil dan dengan tingkat pelayanan yang lebih baik (waktu/jadwal tetap, tersedia halte, dengan fasilitas AC.) 2. Trayek II (Oberoi - Pemogan - Semawang – Sanur) Dari analisis karakteristik sosial ekonomi dan demografi yang dilakukan, maka dapat disimpulkan bahwa pada Trayek II prosentase pendapatan 113
114
penduduk
antara 1 juta hingga 3 juta adalah 56% dan prosentase
pendapatan penduduk di atas 3 juta adalah 42% dengan rata-rata tingkat kepemilikan kendaraan setiap penduduk adalah 1 unit sepeda (50%), 2 unit sepeda motor (44%) dan 1 unit mobil (39%). Jumlah anggota keluarga dalam satu rumah tangga rata-rata 5 orang anggota atau sebesar 33% dengan jumlah pekerja rata-rata dalam satu keluarga adalah 2 orang pekerja (52%) dan jumlah pelajar rata-rata 1 orang (36%). Dari kondisi tersebut terlihat jelas bahwa penduduk di sekitar Trayek II menpunyai tingkat perekonomian dan tingkat pergerakan yang cukup tinggi. Alternatif pilihan moda sebesar 82% jika kondisi angkutan umum seperti pada alternatif III yaitu: moda bus kecil dengan Trayek/rute dioperasikan dengan bus kecil dan dengan tingkat pelayanan yang lebih baik (waktu/jadwal tetap, tersedia halte, dengan fasilitas AC.)
3. Trayek III (Petitenget - Teuku Umar - Renon – Sanur) Dari analisis karakteristik sosial ekonomi dan demografi yang dilakukan, maka dapat disimpulkan bahwa pada Trayek III prosentase pendapatan penduduk
antara 1 juta hingga 3 juta adalah 47% dan prosentase
pendapatan penduduk di atas 3 juta adalah 47% dengan rata-rata tingkat kepemilikan kendaraan setiap penduduk adalah 1 unit sepeda (54%), 2 unit sepeda motor (46%) dan 1 unit mobil (34%). Jumlah anggota keluarga dalam satu rumah tangga rata-rata 4 orang anggota (31%) dengan jumlah pekerja rata-rata dalam satu keluarga adalah 2 orang pekerja (52%) dan jumlah pelajar rata-rata 1 orang (31%). Dari kondisi tersebut terlihat
115
jelas bahwa penduduk di sekitar Trayek III menpunyai tingkat perekonomian cukup tinggi dengan tingkat pergerakan yang terjadi dalam setiap keluarga cukup tinggi pula. Alternatif pilihan moda sebesar 80% jika kondisi angkutan umum seperti pada alternatif III yaitu: moda bus kecil dengan Trayek/rute dioperasikan dengan bus kecil dan dengan tingkat pelayanan yang lebih baik (waktu/jadwal tetap, tersedia halte, dengan fasilitas AC.)
6.1.2 Model Pemilihan Moda Berdasarkan Karakteristik Sosial Ekonomi dan Demografi Penduduk 1. Rumus Pemodelan pada Trayek I adalah :
p = 1,955 - 0,604 (mobil) ln 1− p Hasil Pemodelan yang diperoleh pada Trayek I terlihat jelas bahwa yang mempengaruhi minat masyarakat menggunakan angkutan umum adalah kepemilikan mobil dalam rumah tangga yang mempunyai berkontribusi sebesar 35,3%. 2. Rumus Pemodelan pada Trayek II adalah :
p = 0,507 + 0,509(Jml_keluarga) - 1,008(Mobil) - 1.203(Income(1)) 1− p
ln
+0,768(Lainnya).
Hasil Pemodelan yang diperoleh pada Trayek I terlihat jelas bahwa yang mempengaruhi minat masyarakat menggunakan angkutan umum adalah kepemilikan mobil dalam rumah tangga yang mempunyai berkontribusi sebesar 26,74% dan jumlah perjalanan lainnya sebesar 68,30%.
116
3. Rumus Pemodelan pada Trayek III adalah :
p = 1,097 - 0,620(motor) - 0,789(mobil) + 0,306(bekerja) + 1− p
ln
0,285(sekolah)
Hasil Pemodelan yang diperoleh pada Trayek III terlihat jelas bahwa yang mempengaruhi minat masyarakat menggunakan angkutan umum adalah kepemilikan sepeda motor dalam rumah tangga yang mempunyai berkontribusi sebesar 34,98%, kontribusi jumlah kepemilikan mobil sebesar 31,22%, kontribusi jumlah perjalanan bekerja sebesar 57,59% dan kontribusi jumlah perjalanan sekolah sebesar 57,06%.
6.1.3 Analisis Potensi Permintaan (demand) Angkutan Umum 1. Potensi Permintaan (demand) pada Trayek I Potensi demand/permintaan terhadap angkutan umum cukup tinggi, yaitu sebesar 10.256 dengan jumlah calon penumpang sebesar 51.687 orang dan jumlah penduduk yang bersedia beralih sebesar 41.866 orang. 2. Potensi Permintaan (demand) pada Trayek II Potensi demand/permintaan terhadap angkutan umum cukup tinggi, yaitu sebesar 20.711 dengan jumlah calon penumpang sebesar 39.728 orang dan jumlah penduduk yang bersedia beralih sebesar 30.988 orang. 3. Potensi Permintaan (demand) pada Trayek III Potensi demand/permintaan terhadapa angkutan umum cukup tinggi, yaitu sebesar 13.988 dengan jumlah calon penumpang sebesar 45.981 orang dan jumlah penduduk yang bersedia beralih sebesar 36.785 orang.
117
6.2
Saran Setelah dilakukan analisis secara menyeluruh dari ketiga Trayek yang
ditinjau, maka dapat disarankan sebagai beriku: 1. Tingkat kepemilikan kendaraan pribadi di ketiga Trayek tersebut sangat tinggi, sehingga perlu adanya peran pemerintah sebagai regulator untuk membatasi jumlah kendaraan masuk walaupun konsekuensinya jumlah pendapatan daerah menjadi menurun. 2. Aktifitas masyarakat yang beragam dengan intensitas yang tinggi menyebabkan terjadinya pergerakan yang cukup tinggi, sehingga diperlukan angkutan umum masal yang mampu menghubungkan setiap wilayah dengan sarana dan prasarana yang memadai. Hal ini diperlukan supaya kepadatan lalu lintas dapat dikurangi sehingga kapasitas jalan dapat ditingkatkan. 3. Dengan melihat tingginya minat masyarakat menggunakan angkutan umum, yaitu rata-rata di atas 80% dengan kondisi seperti pada alternatif III, maka diharapkan sosialisasi Trayek Trans Sarbagita dapat lebih digencarkan sehingga masyarakat dapat mulai beralih menggunakan moda angkutan umum.
118
DAFTAR PUSTAKA Al-Ghamdi, A.S. 2002. Using Logistic Regression To Estimate The Influence of Accident Factors on Accident Severity, Accident Analysis and Prevention 34, pp.729-741 Badan Pusat Statistik Propinsi Bali. 2010. Bali Dalam Angka 2010. Denpasar. Black, J. 1981. Urban Transport Planning. Croom Helm Ltd., 2-10 St.John’s Road, London SW11. Cahyadi, M. D. 2006. Analisis Potensi Permintaan Angkutan Umum. Tugas Akhir Fakultas Teknik Sipil UNUD. Denpasar Departemen Perhubungan.1996. Pedoman Teknis Penyelenggaraan Angkutan Penumpang Umum di Wilayah Perkotaan Dalam Trayek Tetap dan Teratur. Direktorat Jenderal Perhubungan Darat. Jakarta. Departemen Perhubungan Republik Indonesia. 2003. Keputusan Menteri Perhubungan RI. No.KM 35 tahun 2003 tentang Penyelenggaraan Angkutan Orang di Jalan dengan Angkutan Umum. Jakarta. Departemen Perhubungan Republik Indonesia. 2008. Peraturan Pemerintah Republik Indonesia No.26 tahun 2008 tentang Rencana Tara Ruang Wilayah Nasional. Jakarta. Departemen Perhubungan Republik Indonesia. 2009. Undang-Undang Republik Indonesia No.22 tahun 2009 tentang Lalu Lintas dan Angkutan Jalan. Jakarta. Dinas Perhubungan Informasi dan Komunikasi. 2007. Penataan Angkutan Umum di Sarbagita, Denpasar. Ghozali. 2001. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan Penerbit Universitas Diponegoro. Hosmer, DW., Lemeshow,S. 1990. Adequacy of Sample Size in Healt Studies, WHO. John Wiley & Sons. Isgiyanto, A. 2009. Teknik Pengambilan Sampel. Jogjakarta: Mitra Cendikia Press. Mendenhall, W. 1971. Introduction to Probability and Statistics. Duxbury Press, Belmont, California. Munawar, A. 2005. Dasar-Dasar Teknik Transportasi. Jogjakarta: Penerbit Beta Offset. 118
119
Nazir, M. 2003. Metode Penelitian Edisi Kelima. Jakarta: Penerbit Ghalia Indonesia Santoso, S. 2009. Menguasai Statistik dengan SPSS 16. Jakarta: PT Elex Media Komputindo, Kompas Gramedia. Soekardi, S.A. 2010. Muatan RTR Kawasan Metropolitan Sarbagita. Direktorat Penataan Ruang Wilayah IV Departemen Pekerjaan Umum. Jakarta. Soesantiyo. 1985. Teknik Lalu Lintas, Traffic Engineering Jilid I. Jakarta. Sugiyono. 2004. Metode Penelitian Bisnis. Bandung: Percetakan Alfabeta. Supranto, J. 2000. Statistik Teori dan Aplikasi Edisi Keenam. Jakarta: Penerbit Erlangga. Suranto, H. dan Priambodo, T. 2003.“Pemodelan Pemilihan Moda untuk PerjalananMenuju Kampus Menggunakan Kendaraan Pribadi dan Kendaraan Umum Studi Kasus : Universitas Surabaya” (skripsi). Jakarta: Universitas Kristen Petra. Tamin, O.Z. 2000. Perencanaan dan Pemodelan Transportasi. Bandung: Penerbit ITB. Utama, S.M. 2009. Aplikasi Analisis Kuantitatif. Denpasar: Percetakan Sastra Washington, S.P., Karlaftis, M.G., Mannering, F.l. 2003, Statistical and Econometric Methods for Transportation Data Analysis, Chapman & Hall, USA. www.ats.ucla.edu/stat/stata/webbooks/logistic, 2011.
120
Tabel A.
Rute pada Trayek I, Trayek II dan Trayek III
Trayek I Kerobokan – Kota – Sanur Jl.Kerobokan Canggu - Jl.G.Sanghiang - Jl. G.Agung - Jl.Sutiabudi - Jl.Sri Rama - Jl.Sutomo - Jl.Gajah Mada -
Jl.Surapati - Jl.Hayam Wuruk -
Jl.Hangtuah - Jl.By Pass Ngurah Rai - Jl.D. Beratan - Jl.D.Toba Jl.D.Tamblingan. Kembali : Jl.D.Tamblingan - Jl.D. Toba - Jl.D.Beratan Jl.D.Beratan - Jl.Hangtuah - Jl.Hayam Wuruk - Jl. K.Agung - Jl.P.Beliton Jl.Hasanudin - Jl.Thamrin - Jl.G.Agung Jl. G.Sanghiang - Jl.Kerobokan Canggu.
Trayek II Oberoi – Pemogan – Semawang – Sanur Jl.Leksmana - Jl.Raya Br. Taman - Jl.Raya Seminyak - Jl.Kunti - Jl.Athena Jl.Tangkuban Perahu - Jl.G.Soputan - Jl. Imam Bonjol - Jl.G.Sari - Jl.Pemogan Jl.P.Bungin - Jl.P.Belitung - Jl. P.Moyo - Jl.Raya Sesetan - Jl.Batan Kendal Jl.Merta Sari – Jl.D. Tempe - Jl. By Pass Ngurah Rai - Jl.D. Beratan - Jl.D.Toba - Jl.D.Tamblingan. : Jl. D.Tamblingan – Jl.D.Poso - Jl.By Pass Ngurah Rai Jl.Kesakenan - Jl. Batan Kendal - Jl.Raya Sesetan - Jl.Gurita - Jl.P.Moyo Jl.P.Belitung - Jl. P.Bungin - Jl.Pemogan - Jl.G.Sari - Jl.Imam Bonjol Jl.G.Soputan- Jl.Tangkuban Perahu - Jl.Athena - Jl.Kunti - Jl.Raya Seminyak Jl.Raya Br. Taman - Jl.Leksmana.
Trayek III Petitenget – Teuku Umar – Renon – Sanur Jl.Raya Petitenget - Jl.Tangkuban Perahu - Jl. Teuku Umar Barat - Jl.Teuku Umar - Jl.Diponogoro - Jl.Yos Sudarso - Jl.Sudirman - Jl.Dewi Sartika Jl.Letda Tantular - Jl.Prof. Moh. Yamin - Jl.Hangtuah - Jl.By Pass Ngurah Rai Jl.D. Beratan - Jl.D.Toba - Jl.D.Tamblingan. Kembali : Jl.D.Tamblingan - Jl.D. Toba - Jl.D.Beratan - Jl.D.Beratan - Jl.Hangtuah - Jl.Raya Niti Mandala - Jl. Letda Tantular -Jl.Dewi Sartika - Jl.Teuku Umar- Jl.Teuku Umar Barat Jl.Tangkuban Perahu - Jl.Raya Petitenget.
121
Jln
ANTAP
da pa Ry
Gegelang
ng
BEREMBENG
ANTIGA ANTIGA
Bungalow Payan Bedih
H
NEGARI
SELEMADEG
R
H
Jln
KAMASAN Tk Oos
Singpadu
Lauh Tk
Jln Ry
Lukluk Jl n Ra ya
Tk Tangeb
KEKERAN
Sudimara Kaja
DARMASABA
Sangiang
PANGKUNG TIBAH Ti bah gku ng
Danginuma
Jln Ry
nu
Batuan
Jln
Ulama n
a Ray a Ber aban
y C R
ule k
T OA J N
yR
Gu an k as
MUNGGU
PE S IN G G A H N A
Jl n yR
P e nsi
g ah an
Mengening
Le Meridien Nirwana
GE L GE L
H
P an at i K o lt k
Yeh
Pa n t ai L e b i h
ME DAHAN
P an at Ma i cs iet
CEL UK
G U WA N G
a ut B
bu nal
B UDK U
B E R AB AN
B AT UB L UAN
n Ry J l
MU G NGU
B AT UB L UAN A K N G IN
nlJ
C a
T I B UB E NE NG
n rta B Ma s s I y Pa l n B J
ng gu
J l. G .S a ngh i a ng
B
yP
as
sI
BM
an
By Jln
rat
H
P an ait aS b a
J .l G aj ah Ma ad
Sangyangan Pengayehan
Jl. Gatot Subroto
.lJ S u r ap at i
H H
R R
J .l
y S re na ga n ln R
RK y u at a n J .l R y uT b
NUSA PENIDA
BUDUK Batu
Jl n
P e ab l uh a nB e n oa
Padang Linjong
Pang i
SPBU Batuculung
Cangg u
Jln
SPBU
Jl. WR Supratman
Simpang Susun Ketewel
H
Vila Semara Bay
Overpass Candra Asri
Overpass Tangtu
Jl. Surapati
ai Brawa
Tunon
SPBU
SPBU
Umalas Kangin
Historic Site
Umalas Kauh
Jln Petit enget
Pantai Batu Belig
SPBU
H
Vila Lumbung
-----
Pr Petitenget
H Perada Mas
--- Trayek : Kerobokan – Kota – Sanur
R Warung Tapas R
Bintang Lima
The Legian H Resor Seminyak H The Oberoi
--SPBU
SPBU Kerobokan
Jln Batubelig Bali Sani H Suites
Rai Ngurah
Brawa
By Pass
Tegalgundul
ggu
ruk am Wu Jl. Hay
Jl. Ry Kerobokan
Jl n
Jl n
Pa nt
Nel ayan
Jl. Gajah Mada
Can Yeh Tk.
H
Vila Lalu
H H Imperial Bali
Pantai Seminyak Jl. Ry k Seminya
---------- Trayek : Oberoi – Pemogan – Semawang - Sanur
SPBU
By
s Pas
i h Ra Ngura
Jln Ry Serangan
Jl. Ry Kuta Tuban Jl. Ry
W
Overpass Biaung
OverpassKesambi
Jl. G. Agung
Pantai Berawa
N
a Mantr
SPBU i Pang Yeh Tk.
Pantai Batumejan
Ket : Tanpa skala
sI B Pas
SPBU
Jl. G. Sanghiang
Canggu Permai
Jln
san Bao Yeh Tk.
Pantai Pererenan
Trayek : Petitenget – Teuku Umar – Renon – Sanur
By
SPBU Kertalangu
SPBU
Pan
Tk.
Pura Dalem
Ry
Pengembungan
Yeh
Pantai Selasih
SPBU SPBU Karang Sari
Jl.
TIBUBENENG CANGGU
Delod Padonan
ng
J
a i r ha R g u N
bolo
in ya k
Mengening P sa s
Pantai Saba
Batu
Pura Gede Luhur Batungaus
Yeh Tk. By
B an d a ra I n et rn a o s n a N l gu r ah R ai
Tk. Yeh Baosa Pan n tai Pere rena n
R y S em Jl .
Pene
ng
t
H
H
Jl n Panta i Mengeni
H H H
aP n at S i em n i y a k
tai
Pa n t ai B at u Be g il
Jln Ry
R ia
aP n t ai B e ra w a
Tk. Miyah
h N gu ar
r uk m Wu
y P sa s
J .l R y K re b ok on a
B
H a ya J l.
H
Jln Pantai Se se h
P an at i B u at meaj n
H
Saba Bay
Pantai Purnama
KETEWEL Overpass Pura Dalem SPBU PASEKAN Pura Dalem
aP n at P i u r n a ma
P u ra D eal m
H
.lJ WR S u p r m at a n J .l G A . gu ng
aP n t ai eP re re n a n
OverpassSaba
tra an
Tangkeban
Toh pati
J l .R y
C ANGGU
Jl n R y T o hp a
.lJ G a o t S t u b ro o t
B UU DK
aP n at S i el ias h
M
Overpass Pabean
Patapan
it
K E T E WE L SB P UP AE S KAN
BATUBULAN
IB
Sengguan
SK U A WA T I
H
Keliki
Pene t
B aes r
Baleagung
H
aP n at T i eg al
E P R IN G
S AB A
Tk.
lJ n
Ry
A S TRA
U J MP A I
LE B IH
KE R A MA S
B AT UAN
IS N A GP ADU
B U WIT
ss Pa
BATUBULAN KANGIN
Jln
T A K MU NG
K U S A MB A
SER ONGGA
TE NGAH
CE P AKA
Saba
Pur nam a
Simpang Susun Purnama
SPBU
s am b a J n l R y Ku T U L IK U P
BE L E GA
S IN G A A P DU
AGANT AKA
J n l Ry S n i p gd a u
IS B ANGGE DE
KB A A -K A B A
BELL AANG
Pan
n
Des
hm al e t Ye J l n R y
Ry B l ha ba tuh
y s Jl n R Ma
Jl n R D A R MA A S BA
A B IA N B A E S
nl
GUNAKA S
T E ME IS
NE GR AI
Pu r a eP n a at ran To pe n g
lJ n
S A ID N G KE KE R N A
NYM AB UNG
A P NDAKE GDE
P ANK GUNG TI B AH
Ye h
Gelumpang
BUDUK
Sengguan
T ANGA KS
B L AHB T AUH
h y K e men u lJ n R
B AT UANKAL E R
a n y B a ut R
B ANDUG N
B E NK GE L
a ta i uw l Ry S k J n
P ANDK A
B ONA
KE ME N U H
u P ra H y an g T i b a SEA DNG
N Y IT D A H PEA J TE N S U D IMA R A
H
Desa
Palak
tai
Pancean
BERABAN
B ANA J R AG NKAN
Jl n
du y in pg a S
L OT DUDUH
S IB A N G K A A J KAA PL KE L A T IN G
Pura Tanah Lot
E KL OD
Ry
pang Gelum
Celuk CELUK
Jln
ula Batub
i bg a
K A MA A SN H
S IN G A A P DU KAL E R
ME N G WI T ANI R
PE NAR UA KN
B UR UAN
MA MB A L
PEA NR UNGN A
BE L U MB N AG
T IB U B IY U
J
Pantai Lebih
Pantai Masceti
SUKAWATI
Nyanyi
Jln
nda
AB I ANE S MA L
ME N G WI DE L D OP E E KN
B E R AB AN
D A WA N
T UA SN
KUSAMBA
JUMPAI
Pantai Klotok
SPBU
Gambang
Historicsite
Tk.
pa
P IK T A
K E ME NUH
KE ME N U H
Overpass Keramas
GUWANG
Yeh
Ry l n J
GE T AKN A
G IA N Y R A
Pantai Tegal Besar
Overpass Masceti
SPBU
Des
P ADN AGB AI
K E ME NUH
BEG N
B IT E R A
MA S
Overpass Cucukan
Pura Segara
MEDAHAN
PERING SABA
Tegalkepuh
Batugaing ikan Kut ANT I A G
H
B E R IN G K IT
T ANGU G N T IT I
T E GL A ME N G K E B
GELGEL Overpass Kamasan
Simpang Susun Klotok
Jln Desa Delod Pangkung
Kebalian
Pena
Pande Pemaron
tai
GE GE L AN
NE GAR I
SE L E MA D E G
Overpass Sedayu Overpass Lepang
OverpassTegal Besar Pura
Pemaron
I
BEA SN
ANT I GA H R
Jl n
Tk.
ANY
T A L IB E G N
BE R E MB E NG R
AGANTAKA KERAMAS
Delod Tunon
Delod Pangkung
t
Merta sari
Tk.
i Pan P anta Jln
ngu kedu tai Pan Jln
Jln
NY
T ANGKUP
S IN G E K E RTA
TABANAN ANT AP
eg a ra
SATRA TOJAN
Overpass Jumpai
SPBU
YA
Pan
TAMPAK SIRING
MARGA
De n ap s ar -N
Pura Goa Lawah
H
Overpass Pura Segara
Buwit Tengah
RA
Ked
MANGGIS
SELEMADEG
MU G NGU
ln R a ay
TAKMUNG
Overpass Gelgel
BUWIT u Suh Tk. Jln
u ung
J
han Pesingga
Babakan
CEPAKA
aba a-K a Kab
Delod Uma
Buwit kaja
BELALANG T k. Ye h Kutikan
Ti bah ng gku pan tai Pan
MAR GA
L AL A N G L IN G G A H
Jln Ry
Geria
Kedungu
Lot
Pk.
B EB ADEM
SELAT
SUSUT
T anah
gan utun Kep
ABANG RENDANG
NEGARI
Overpass Negari
Gede
SINGAPADU
Dauhyeh
Langudu Kawan
BANGLI
TEMB UKU
ABIANBASE
Jln Desa Dauh Peken
KABA-KABA
PAYANGAN TEGAL LALANG
TULIKUP
Overpass Siyut
BATUAN
Jln Ry Singpadu
gga Gan Yeh tai Pan Jln
Batutampih Kawan
pas Em Yeh
Tk.
PETANG
PENEBEL
Tauman
Sengguan
BENGKEL
Tk. Yeh Empas
PANDAKGEDE
gga Gan i Yeh
PUPUAN
Sukahati Kanginan
Pancingan
Bungalow Alang-alang Bambu
Dentiyis
Pilisang
Sudimara Kelod
Batutampih Kawan
Bungalow H
PEKUTATAN
TEMESI
BELEGA LEBIH
SINGAPADU TENGAH
SIBANG GEDE
SPBU
Penyarikan
Abe Yeh Tk.
P anta
BONA
BLAHBATUH
SERONGGA
Jln Ry
SADING
Batannyuh
ing Klat tai Pan
KUBU
SPBU YEH MALET
PESINGGAHAN
Suwit rayasa
Tk Bugbugan
Tk Yeh Kauh
Tk Peta
Jln
Gelagahpuwun
PANDAK BANDUNG
SUKASADA
KINTAMANI
Jln
Jln Ry Kusamba
Sakah
Jln Ry Sukawati
ai Klati ng
SUDIMARA
Dangin Pangkung
SERIRIT
BATURITI
Jln Desa Sakah
Nyambu
PEJATEN
NYAMBUNG
B ANJAR
an a Daw Ray
ksa
SPBU
Pura Penataran Topeng
BATUAN KALERCangi
Apuh
Mawang Kelod
Wiradarma
NYITDAH
Yeh
Sangging
GER OKGAK
B USUNGB IU
h
KEMENUH
Mawang Kaja
Ngimba
SPBU Sakah
T k.
Pant
abah Tel
T k.
Semb u ng
h Laba Pk.
Pancingan
Gu na
TANGKAS
Jln Ry Kemenuh SPBU Pura Hyang Tiba
Mawang
SEDANG
Pura Sadha Abe
Dukuh ng Latu Yeh
Pelabuhan Padang Bai Munduk Ngandang
BANJARANGKAN
Medahan
silungan
Mawang Kaja
KAPAL Basangtamiang
KELATING
KUBUTAMBAHAN TEJAKULA
Ry
GUNAKSA
Jln Ry Blahbatu
Sibang Cepaka
Jl n Desa
Lipa Pk.
Sanging Lateng
SIBANG KAJA
Uma
Siladarma
Carikpadang
Yeh
LODTUDUH
Silakarang
BULELENG
SAWAN
Jln
SPBU
H
Kelingkung
Jl n Ra ya
ingan
Gul
Desa
Selat
T k.
Kapal
Tk S ayan
Jl n
Pengadangan
Beringkit
Jumbayah
Kon duh
Pen injau an
R
ng Latu
h
Pk.
Surabaya
Panca Darma
Dajan Peken
SPBU
PENARUKAN
Tk
Pasut
Pk.
Pas
Jln
Tibubiyu Kaja
TIBUBIYU
ut tai Pan
Penat
Tibubiyu Kelod Hoo Yeh Tk.
Lebahsari
gka
Dan Tk
Jln Ry Mas
ya Mengwi
ng
MENGWITANI Beraban Kauh
Taman Arum
SINGAPADU KALER
Jln Desa Bindu
Jl n Ra
BELUMBANG
SPBU
Sigaran
Bindu
PENARUNGAN
BERABAN
SPBU Takmung
SPBU
MAMBAL
DELODPEKEN SPBU Gerokgak Tengah
Pondok
Pura Silayukti Pura
Bengkel Kelod
Pengalon
DAWANKELOD
TUSAN
KEMENUH
GIANYAR
BURUAN ABIANSEMAL
MENGWI
Kalim oto
keh Nyu Pk.
Raya
Pk.
Enjung Panggung
MENDOYO
Jln
ali Beb
MAS
TEGAL MENGKEB an Mat Yeh Tk.
Munduk tengah Munduk Catu
Akah Pk .
TANGGUN TITI
Kelecung
Pantai Bebali
Sangluh
SPBU Samplangan
Gedong Marya Theater
SPBU Dauhpala
Des a
Bebali
Pangitebel
Melanting Munduk Ceeng
PIKAT
SPBU Tegallinggah
an egat Pam ung Enj
NEGARA
Pura Tk Batel
Bengkel
GETAKAN KEMENUH
n Ota
Yeh Tk.
PADANG BAI
Munduk Gelogor
KEMENUH
BENG
T k Pikat
alo Men ung Enj
MELAYA
BITERA
Puri Bukit Kembar
BERINGKIT Antap Delodsema p Anta Desa Jln Antap Kelod
ma let
Antap Dajansema
Soka
A I SOK
i
Pa n tai
R
Soka Indah
NTA PA
ba
Jln.
Global
Bandara Internasonal Ngurah Rai
Pelabuhan Benoa
E S
Gambar B.1. Peta Zona Wilayah 22 Trayek Trans Sarbagita (Sumber : Dinas Perhubungan Provinsi Bali, 2010)
122
RUTE : KEROBOKAN – KOTA - SANUR
W
E S
Ket : Tanpa Skala
GAMBAR B.2 :
RUTE : OBEROI – PEMOGAN – SEMAWANG - SANUR
PETA ZONA WILAYAH STUDI KORIDOR KEROBOKAN – OBEROI – PETITENGET (Sumber Dinas Perhubungan Propinsi Bali 2010)
SANUR – RUTE : PETITENGET – TEUKU UMAR – RENON - SANUR
123
Kerobokan kaja
Padang Sambian kaja Pemecutan Kaja
Kerobokan Padang Sambian
Dauh Puri Kaja
Sumerta kaja Dangin Dangin Puri Puri Kauh Sumerta kangin Dauh Dangin Puri Sumerta Puri Kangin Kauh Pemecutan
Kesiman
Dauh Puri Sumerta Dangin Kelod Puri Kelod
Sanur Kaja
Renon
Ket : Tanpa Skala Sanur Kauh Sanur
Gambar B.3 : Koridor Pelayanan Trayek KEROBOKAN – KOTA – SANUR (Sumber Dinas Perhubungan Provinsi Bali 2010)
Lapangan Olah Raga
Pasar
Berangkat Pantai
Jl. By Pass Ngurah Rai Sanur
Jl. Hayam Wuruk
Jl. Hasanudin
Jl. Kapten Japa
Jl. Kapten Agung
Jl. Surapati
(Sumber Dinas Perhubungan Provinsi Bali 2010)
Jl. Jaya Giri
Kampus
Balik
Gambar B. 4 : Peta Trayek Kerobokan – Kota – Sanur
Jl. Nara Kusuma
Jl. Gajah Mada
Jl. Sudirman
Jl. Udayana
Jl. Kartini Jl. Arjuna
Jl. Anyelir
Jl. Nusa Indah
Jl. Kecubung
Jl. Plawa
Jl. Kamboja
Jl. Melati
Jl. Kepundung
Jl. Veteran
Jl. Sutomo
Jl. MT. Haryono
Jl. Diponogoro
Jl. Sumatera
Jl. Sulawesi
Jl. G. Agung Jl. G. Kawi
Jl. Tamrin
Jl. Setiabudi
Jl. Bukit Tunggal
Jl. Imam Bonjol
Jl. Buluh Indah
Jl. Kebo Iwa
Jl. Muding Indah
Jl. Petingan
Jl. Sri Rama
Jl. Hayam Wuruk Jl. Akasia
Jl. Raya Puputan Niti Mandala
W
Sekolah
REST AR EA
Jl. D. Tamblingan
Pura
Jl. D. Beratan
REST AREA
Jl. G. Sangiang
Jl. Merpati
REST
Jl. Tangkuban Perahu
AR EA
Jl. Raya Muding
Jl. Kesambi
Jl. Raya Canggu Jl. Raya Kerobokan
124
N E
S
Ket : Tanpa Skala
KETERANGAN:
Tempat awal atau akhir trayek Jl. Hangtuah
Jl. D. Buyan Jl. D. Toba
Rumah Sakit
125
Padang Sambian Padang Sambian Kelod
Kerobokan Kelod
Sanur Kaja Dauh Puri Kauh Sanur Kauh
Sesetan
Seminyak
Sidakarya Pemecutan Kelod Pemogan Pedungan
Gambar B. 5 : Koridor Pelayanan Trayek OBEROI – PEMOGAN – SEMAWANG – SANUR (Sumber Dinas Perhubungan Provinsi Bali 2010)
Sanur
126
Jl. D. Buyan
Jl. Sidakarya Jl. G. Soputan
Jl. P. Bungin
KETERANGAN: REST AREA
Jl. R. Sesetan
Jl. Imam Bonjol
Jl. Kunti
Jl. D. Tempe Jl. Gurita
Jl. P. Moyo
REST AR EA
Jl. G. Sari
Jl. Athena
Raya Seminyak
Jl. Raya Br. Taman
REST AR EA
Jl. D. Tamblingan
Jl. P. Belitung
Jl. Raya Pemogan
Jl. Sunset Road
Jl. By Pass Ngurah Rai Sanur
Jl. Tangkuban Perahu
Jl. D. Toba
Jl. D. Poso Jl. Mertasari
Tempat awal atau akhir trayek Jl. Batan Kendal
Pura Jl. Laksmana
Kampus Sekolah Rumah Sakit Lapangan Olah Raga Pasar Pantai Berangkat Balik
Gambar B. 6 :
Peta Trayek OBEROI – PEMOGAN - SEMAWANG - SANUR (Sumber Dinas Perhubungan Provinsi Bali 2010)
N E
W S
Ket : Tanpa Skala
127
Padang Sambian
Kerobokan Kelod
Sumerta Kauh
Padang Sambian Kelod
Dauh Puri
Dauh Puri kauh
Sumerta Kelod
Dangin Puri Kelod
Sanur Kaja
Dauh Puri kelod Panjer Renon
Pemecutan Kelod
Sanur Kauh Sanur
Gambar B. 7 : Koridor Pelayanan Trayek PETITENGET – TEUKU UMAR – RENON – SANUR (Sumber Dinas Perhubungan Provinsi Bali 2010)
Jl. Hayam Wuruk Jl. Moh. Yamin
Jl. Letda Tantular
Jl. Raya Puputan Niti Mandala
Jl. D. Buyan
KETERANGAN: Tempat awal atau akhir trayek Pura
W
E S
Ket : Tanpa Skala
Kampus Sekolah Rumah Sakit Lapangan Olah Raga Pasar Pantai Berangkat Balik
Gambar B.8 : Peta Trayek Petitenget – Teuku Umar – Renon – Sanur (Sumber Dinas Perhubungan Provinsi Bali 2010)
Jl. D. Toba
RES T AR E A
Jl. D. Tamblingan
REST AREA
RES T ARE A
N
Jl. Hangtuah Jl. D. Beratan
Jl. Dewi Sartika
Jl. By Pass Ngurah Rai
Jl. Raya Petitenget
Jl. Yos Sudarso
Jl. Sudirman
Jl. Mahendradata Jl. Teuku Umar Barat (Marlboro)
Jl. Imam Bonjol
Jl. Tangkuban Perahu
Jl. G. Salak
Jl. Mertasari
Jl. Raya Kerobokan
Jl. Teuku Umar
Jl. Diponogoro
128
129
Tabel C.1. No KK 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
Perhitungan Jumlah Sampel Pada Trayek I
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
2 4 5 3 5 7 4 4 6 4 3 4 5 3 4 4 3 4 4 5 4 3 5 5 4 4 3 3 5 4 2 4 5 5
4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214
2,4214 0,4214 -0,5786 1,4214 -0,5786 -2,5786 0,4214 0,4214 -1,5786 0,4214 1,4214 0,4214 -0,5786 1,4214 0,4214 0,4214 1,4214 0,4214 0,4214 -0,5786 0,4214 1,4214 -0,5786 -0,5786 0,4214 0,4214 1,4214 1,4214 -0,5786 0,4214 2,4214 0,4214 -0,5786 -0,5786
5,8633 0,1776 0,3348 2,0204 0,3348 6,6492 0,1776 0,1776 2,4920 0,1776 2,0204 0,1776 0,3348 2,0204 0,1776 0,1776 2,0204 0,1776 0,1776 0,3348 0,1776 2,0204 0,3348 0,3348 0,1776 0,1776 2,0204 2,0204 0,3348 0,1776 5,8632 0,1776 0,3348 0,3348
(x )
(x )
130
Tabel C.1. Lanjutan Jumlah Anggota No Keluarga KK
(x )
35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69
4 4 5 6 5 4 5 5 4 5 5 4 5 3 3 2 4 7 5 6 7 6 6 4 4 3 5 4 2 4 5 5 3 5 6
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214
0,4214 0,4214 -0,5786 -1,5786 -0,5786 0,4214 -0,5786 -0,5786 0,4214 -0,5786 -0,5786 0,4214 -0,5786 1,4214 1,4214 2,4214 0,4214 -2,5786 -0,5786 -1,5786 -2,5786 -1,5786 -1,5786 0,4214 0,4214 1,4214 -0,5786 0,4214 2,4214 0,4214 -0,5786 -0,5786 1,4214 -0,5786 -1,5786
0,1776 0,1776 0,3348 2,4920 0,3348 0,1776 0,3348 0,3348 0,1776 0,3348 0,3348 0,1776 0,3348 2,0204 2,0204 5,8632 0,1776 6,6492 0,3348 2,4920 6,6492 2,4920 2,4920 0,1776 0,1776 2,0204 0,3348 0,1776 5,8632 0,1776 0,3348 0,3348 2,0204 0,3348 2,4920
(x )
131
Tabel C.1. Lanjutan Jumlah Anggota No Keluarga KK
(x )
70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103
5 5 4 4 4 5 3 6 4 5 6 4 4 4 4 3 7 3 2 4 6 5 4 3 4 7 6 5 5 4 5 4 4 5
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214
-0,5786 -0,5786 0,4214 0,4214 0,4214 -0,5786 1,4214 -1,5786 0,4214 -0,5786 -1,5786 0,4214 0,4214 0,4214 0,4214 1,4214 -2,5786 1,4214 2,4214 0,4214 -1,5786 -0,5786 0,4214 1,4214 0,4214 -2,5786 -1,5786 -0,5786 -0,5786 0,4214 -0,5786 0,4214 0,4214 -0,5786
0,3348 0,3348 0,1776 0,1776 0,1776 0,3348 2,0204 2,4920 0,1776 0,3348 2,4920 0,1776 0,1776 0,1776 0,1776 2,0204 6,6492 2,0204 5,8632 0,1776 2,4920 0,3348 0,1776 2,0204 0,1776 6,6492 2,4920 0,3348 0,3348 0,1776 0,3348 0,1776 0,1776 0,3348
(x )
132
Tabel C.1. Lanjutan Jumlah Anggota No Keluarga KK
(x )
104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138
5 3 4 6 4 7 2 5 3 5 5 6 3 5 6 5 5 4 5 4 4 6 4 3 3 3 5 4 5 4 7 3 4 5 5
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214 4,4214
-0,5786 1,4214 0,4214 -1,5786 0,4214 -2,5786 2,4214 -0,5786 1,4214 -0,5786 -0,5786 -1,5786 1,4214 -0,5786 -1,5786 -0,5786 -0,5786 0,4214 -0,5786 0,4214 0,4214 -1,5786 0,4214 1,4214 1,4214 1,4214 -0,5786 0,4214 -0,5786 0,4214 -2,5786 1,4214 0,4214 -0,5786 -0,5786
0,3348 2,0204 0,1776 2,4920 0,1776 6,6492 5,8632 0,3348 2,0204 0,3348 0,3348 2,4920 2,0204 0,3348 2,4920 0,3348 0,3348 0,1776 0,3348 0,1776 0,1776 2,4920 0,1776 2,0204 2,0204 2,0204 0,3348 0,1776 0,3348 0,1776 6,6492 2,0204 0,1776 0,3348 0,3348
(x )
133
Tabel C.1. Lanjutan Jumlah Anggota No Keluarga KK
(x )
139 140
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
4,4214 4,4214
-0,5786 -0,5786
0,3348 0,3348 184,1359
5 5 619
Sumber : Hasil Analisis, 2011
(x )
134
Tabel C.2. No KK 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
Perhitungan Jumlah Sampel Pada Trayek II
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
5 7 4 3 6 4 4 4 5 3 3 4 3 5 5 6 4 3 5 5 7 5 3 3 6 5 3 5 3 4 5 3 4 5
4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615
-0,5385 -2,5385 0,4615 1,4615 -1,5385 0,4615 0,4615 0,4615 -0,5385 1,4615 1,4615 0,4615 1,4615 -0,5385 -0,5385 -1,5385 0,4615 1,4615 -0,5385 -0,5385 -2,5385 -0,5385 1,4615 1,4615 -1,5385 -0,5385 1,4615 -0,5385 1,4615 0,4615 -0,5385 1,4615 0,4615 -0,5385
0,2899 6,4440 0,2130 2,1360 2,3670 0,2130 0,2130 0,2130 0,2900 2,1360 2,1360 0,2130 2,1360 0,2900 0,2900 2,3670 0,2130 2,1360 0,2900 0,2900 6,4440 0,2900 2,1360 2,1360 2,3670 0,2900 2,1360 0,2900 2,1360 0,2130 0,2900 2,1360 0,2130 0,2900
(x )
(x )
135
Tabel C.2. No KK 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
Lanjutan
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
6 7 5 3 3 2 3 3 4 5 5 3 5 5 4 5 4 4 3 6 4 5 6 5 4 5 3 3 4 4 4 6 5 5
4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615
-1,5385 -2,5385 -0,5385 1,4615 1,4615 2,4615 1,4615 1,4615 0,4615 -0,5385 -0,5385 1,4615 -0,5385 -0,5385 0,4615 -0,5385 0,4615 0,4615 1,4615 -1,5385 0,4615 -0,5385 -1,5385 -0,5385 0,4615 -0,5385 1,4615 1,4615 0,4615 0,4615 0,4615 -1,5385 -0,5385 -0,5385
2,3670 6,4440 0,2900 2,1360 2,1360 6,0590 2,1360 2,1360 0,2130 0,2900 0,2900 2,1360 0,2900 0,2900 0,2130 0,2900 0,2130 0,2130 2,1360 2,3670 0,2130 0,2900 2,3670 0,2900 0,2130 0,2900 2,1360 2,1360 0,2130 0,2130 0,2130 2,3670 0,2900 0,2900
(x )
(x )
136
Tabel C.2. No KK 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102
Lanjutan
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
5 4 5 5 4 6 4 5 4 7 5 6 4 4 6 5 4 4 4 5 4 4 5 4 6 4 3 5 6 5 3 5 4 4
4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615
-0,5385 0,4615 -0,5385 -0,5385 0,4615 -1,5385 0,4615 -0,5385 0,4615 -2,5385 -0,5385 -1,5385 0,4615 0,4615 -1,5385 -0,5385 0,4615 0,4615 0,4615 -0,5385 0,4615 0,4615 -0,5385 0,4615 -1,5385 0,4615 1,4615 -0,5385 -1,5385 -0,5385 1,4615 -0,5385 0,4615 0,4615
0,2900 0,2130 0,2900 0,2900 0,2130 2,3670 0,2130 0,2900 0,2130 6,4440 0,2900 2,3670 0,2130 0,2130 2,3670 0,2900 0,2130 0,2130 0,2130 0,2900 0,2130 0,2130 0,2900 0,2130 2,3670 0,2130 2,1360 0,2900 2,3670 0,2900 2,1360 0,2900 0,2130 0,2130
(x )
(x )
137
Tabel C.2. No KK 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117
Lanjutan
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
4 5 3 7 5 5 3 5 4 5 3 5 3 6 4 522
4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615 4,4615
0,4615 -0,5385 1,4615 -2,5385 -0,5385 -0,5385 1,4615 -0,5385 0,4615 -0,5385 1,4615 -0,5385 1,4615 -1,5385 0,4615
0,2130 0,2900 2,1360 6,4440 0,2900 0,2900 2,1360 0,2900 0,2130 0,2900 2,1360 0,2900 2,1360 2,3670 0,2130 139,0769
(x )
Sumber : Hasil Analisis, 2011
(x )
138
Tabel C.3. No KK 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
Perhitungan Jumlah Sampel Pada Trayek III
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
7 6 5 6 4 5 4 6 3 4 4 3 6 4 5 4 6 5 5 4 2 5 3 4 5 3 3 4 5 7 5 3 6 5
4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836
-2,5164 -1,5164 -0,5164 -1,5164 0,4836 -0,5164 0,4836 -1,5164 1,4836 0,4836 0,4836 1,4836 -1,5164 0,4836 -0,5164 0,4836 -1,5164 -0,5164 -0,5164 0,4836 2,4836 -0,5164 1,4836 0,4836 -0,5164 1,4836 1,4836 0,4836 -0,5164 -2,5164 -0,5164 1,4836 -1,5164 -0,5164
6,3322 2,2995 0,2667 2,2995 0,2339 0,2667 0,2339 2,2995 2,2011 0,2339 0,2339 2,2011 2,2995 0,2339 0,2667 0,2339 2,2995 0,2667 0,2667 0,2339 6,1683 0,2667 2,2011 0,2339 0,2667 2,2011 2,2011 0,2339 0,2667 6,3323 0,2667 2,2011 2,2995 0,2667
(x )
(x )
139
Tabel C.3. No KK 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
Lanjutan
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
3 4 4 3 4 5 6 5 3 5 6 4 6 6 5 4 4 7 6 4 3 3 4 5 3 5 4 4 5 5 4 5 4 4
4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836
1,4836 0,4836 0,4836 1,4836 0,4836 -0,5164 -1,5164 -0,5164 1,4836 -0,5164 -1,5164 0,4836 -1,5164 -1,5164 -0,5164 0,4836 0,4836 -2,5164 -1,5164 0,4836 1,4836 1,4836 0,4836 -0,5164 1,4836 -0,5164 0,4836 0,4836 -0,5164 -0,5164 0,4836 -0,5164 0,4836 0,4836
2,2011 0,2339 0,2339 2,2011 0,2339 0,2667 2,2995 0,2667 2,2011 0,2667 2,2995 0,2339 2,2995 2,2995 0,2667 0,2339 0,2339 6,3323 2,2995 0,2339 2,2011 2,2011 0,2339 0,2667 2,2011 0,2667 0,2339 0,2339 0,2667 0,2667 0,2339 0,2667 0,2339 0,2339
(x )
(x )
140
Tabel C.3. No KK 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102
Lanjutan
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
7 3 4 7 7 4 6 4 3 4 5 5 4 5 4 6 5 3 4 2 4 5 5 3 3 2 2 5 5 3 6 4 6 5
4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836
-2,5164 1,4836 0,4836 -2,5164 -2,5164 0,4836 -1,5164 0,4836 1,4836 0,4836 -0,5164 -0,5164 0,4836 -0,5164 0,4836 -1,5164 -0,5164 1,4836 0,4836 2,4836 0,4836 -0,5164 -0,5164 1,4836 1,4836 2,4836 2,4836 -0,5164 -0,5164 1,4836 -1,5164 0,4836 -1,5164 -0,5164
6,3323 2,2011 0,2339 6,3323 6,3323 0,2339 2,2995 0,2339 2,2011 0,2339 0,2667 0,2667 0,2339 0,2667 0,2339 2,2995 0,2667 2,2011 0,2339 6,1683 0,2339 0,2667 0,2667 2,2011 2,2011 6,1683 6,1683 0,2667 0,2667 2,2011 2,2995 0,2339 2,2995 0,2667
(x )
(x )
141
Tabel C.3. No KK 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122
Lanjutan
Jumlah Anggota Keluarga
Rata-Rata Jumlah Anggota Keluarga
(x − x )
(x − x )2
3 5 4 4 6 4 5 5 5 3 7 4 4 4 5 3 5 5 5 3 547
4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836 4,4836
1,4836 -0,5164 0,4836 0,4836 -1,5164 0,4836 -0,5164 -0,5164 -0,5164 1,4836 -2,5164 0,4836 0,4836 0,4836 -0,5164 1,4836 -0,5164 -0,5164 -0,5164 1,4836
2,2011 0,2667 0,2339 0,2339 2,2995 0,2339 0,2667 0,2667 0,2667 2,2011 6,3323 0,2339 0,2339 0,2339 0,2667 2,2011 0,2667 0,2667 0,2667 2,2011 172,4672
(x )
Sumber : Hasil Analisis, 2011
(x )
142
Tabel C.4. Tabel Jumlah Sampel untuk Setiap Kelurahan/Desa pada Trayek I Luas Pemukiman (Ha) No
Kelurahan/Desa Total
Koridor Pelayanan
Persentase Luas Pemukiman selebar Koridor Pelayanan per kelurahan/Desa (4)/(3)x100%
Jumlah Kepala Keluarga
Jumlah Kepala Keluarga dlm Koridor Pelayanan (5)x(6)
Persentase Luas Bagian Koridor (per kelurahan/Desa) thdp luas total koridor (4) :Σ (4) x 100%
Jumlah Sampel per Kelurahan /Desa n' x (8)
Jumlah KK dlm Survai
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Kerobokan Kerobokan kaja Padang Sambian kaja Padang Sambian Pemecutan Kaja Pemecutan Dauh Puri Kangin Dauh Puri Dauh Puri Kaja Dangin Puri Kauh Dangin Puri Dangin Puri kangin Dangin Puri Kelod Sumerta kauh Sumerta kaja Sumerta Kelod Sumerta Kesiman Renon Sanur Kauh Sanur Sanur Kaja
488.7 359.7 338.0 419.2 304.7 135.4 36.8 74.7 134.7 36.8 53.3 106.0 117.4 60.4 75.4 347.4 86.5 287.2 304.5 496.3 340.5 248.5
71.22 60.80 11.73 113.36 98.91 106.12 28.29 15.78 15.04 10.70 47.59 16.77 13.88 29.74 10.53 180.98 27.28 9.59 37.37 8.30 176.00 178.05
15% 17% 3% 27% 32% 78% 77% 21% 11% 29% 89% 16% 12% 49% 14% 52% 32% 3% 12% 2% 52% 72%
1613 3094 5326 5314 8419 5162 1162 3941 3916 5617 1988 3167 2634 1970 1949 2782 2170 2725 2955 3183 3207 3216
235.06 523.00 184.83 1436.95 2732.84 4046.94 894.50 832.52 437.36 1635.43 1774.21 501.07 311.48 970.32 272.30 1449.33 684.11 91.00 362.68 53.21 1657.68 2304.27
6% 5% 1% 9% 8% 8% 2% 1% 1% 1% 4% 1% 1% 2% 1% 14% 2% 1% 3% 1% 14% 14%
6.57 5.61 1.08 10.46 9.13 9.79 2.61 1.46 1.39 0.99 4.39 1.55 1.28 2.74 0.97 16.70 2.52 0.88 3.45 0.77 16.24 16.43
7 6 2 11 10 9 4 2 2 1 5 2 2 3 1 17 3 1 4 1 17 17
Sumber : Hasil Analisis, 2011
143
Tabel C.5. Tabel Jumlah Sampel untuk Setiap Kelurahan/Desa pada Trayek II Luas Pemukiman (Ha) No
(1) 1 2 3 4 5 6 7 8 9 10 11 12 13
Kelurahan/Desa
(2) Kerobokan Kelod Seminyak Padang Sambian kelod Padang Sambian Pemecutan Kelod Dauh Puri Kauh Pemogan Pedungan Sesetan Sidakarya Sanur Kaja Sanur Kauh Sanur
Sumber : Hasil Analisis, 2011
Total
Koridor Pelayanan
(3) 359.7 365.4 339.4 419.2 564.4 36.8 975.9 810.8 439.1 406.1 248.5 496.3 340.5
(4) 104.63 170.71 113.08 12.86 165.86 9.48 136.30 277.46 181.40 205.42 25.94 179.02 309.40
Persentase Luas Pemukiman selebar Koridor Pelayanan per kelurahan/Desa (4)/(3)x100% (5) 29% 47% 33% 3% 29% 26% 14% 34% 41% 51% 10% 36% 91%
Jumlah Kepala Keluarga
Jumlah Kepala Keluarga dlm Koridor Pelayanan (5)x(6)
Persentase Luas Bagian Koridor (per kelurahan/Desa) thdp luas total koridor (4) :Σ (4) x 100%
Jumlah Sampel per Kelurahan /Desa n' x (8)
Jumlah KK dlm Survai
(6) 1613 672 2876 5314 8629 3941 5069 3901 6775 4362 3216 3183 3207
(7) 469.17 313.98 958.19 162.97 2535.72 1016.83 707.99 1334.94 2798.62 2206.46 335.71 1148.14 2914.08
(8) 6% 9% 6% 1% 9% 1% 7% 15% 10% 11% 1% 9% 16%
(9) 5.86 9.57 6.34 0.72 9.29 0.53 7.64 15.55 10.17 11.51 1.45 10.03 17.34
(10) 6 10 7 3 10 3 8 16 11 12 3 11 18
144
Tabel C.6. Tabel Jumlah Sampel untuk Setiap Kelurahan/Desa pada Trayek III Luas Pemukiman (Ha) No
(1) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Kelurahan/Desa
(2) Kerobokan Kelod Padang Sambian kelod Pemecutan Kelod Padang Sambian Dauh Puri Kauh Dauh Puri Kkelod Dauh puri Dangin Puri kelod Sumerta Kelod Sumerta kauh Renon Panjer Sanur Kauh Sanur Sanur Kaja
Sumber : Hasil Analisis, 2011
Total
Koridor Pelayanan
(3) 359.7 339.4 564.4 419.2 147.2 162.2 74.7 117.4 345.2 60.4 304.5 321.5 496.3 340.5 248.5
(4) 297.85 78.06 67.82 65.52 121.04 159.49 28.57 96.22 195.77 9.23 52.56 40.13 7.92 154.36 168.81
Persentase Luas Pemukiman selebar Koridor Pelayanan per kelurahan/Desa (4)/(3)x100% (5) 83% 23% 12% 16% 82% 98% 38% 82% 57% 15% 17% 12% 2% 45% 68%
Jumlah Kepala Keluarga
Jumlah Kepala Keluarga dlm Koridor Pelayanan (5)x(6)
Persentase Luas Bagian Koridor (per kelurahan/Desa) thdp luas total koridor (4) :Σ (4) x 100%
Jumlah Sampel per Kelurahan /Desa n' x (8)
Jumlah KK dlm Survai
(6) 1613 2876 8629 5314 5617 4187 3941 2634 2782 1970 2955 5967 3183 3207 3216
(7) 1335.63 661.43 1036.93 830.52 4618.91 4116.94 1507.70 2158.80 1577.87 301.30 510.05 744.79 50.78 1453.87 2184.62
(8) 19% 5% 4% 4% 8% 10% 2% 6% 13% 1% 3% 3% 1% 10% 11%
(9) 21.61 5.66 4.92 4.75 8.78 11.57 2.07 6.98 14.21 0.67 3.81 2.91 0.57 11.20 12.25
(10) 22 6 5 5 9 12 2 7 15 1 4 3 1 12 13
145
Tabel. D.1 Penentuan Jumlah Permintaan Angkutan Umum untuk Trayek I
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Kelurahan/Desa Kerobokan Kerobokan kaja Padang Sambian kaja Padang Sambian Pemecutan Kaja Pemecutan Dauh Puri Kangin Dauh Puri Dauh Puri Kaja Dangin Puri Kauh Dangin Puri Dangin Puri kangin Dangin Puri Kelod Sumerta kauh Sumerta kaja Sumerta Kelod Sumerta Kesiman Renon Sanur Kauh Sanur Sanur Kaja
P *)
Pm *)
V1 *)
V2 *)
1
2
3
4
1765 1080 1521 1597 2109 1973 983 1098 1643 1431 1951 3115 2586 1921 1913 2738 2120 2658 3427 1601 1642 1735
7009 12656 10795 18795 31203 18088 3734 9903 13985 4339 8005 7636 13738 7560 7643 13738 7968 11843 10712 12095 13938 7643
6029 10781 7636 16543 27464 15920 3297 8715 12292 3826 7058 6736 12117 6669 6748 11436 7029 10447 9504 10632 12268 6748
Keterangan : *) Sumber dari Data Profil Kelurahan/Desa
260 543 276 336 685 970 713 671 587 143 237 342 163 191 122 167 211 234 288 175 241 177
K1 (3) : (2)
K2 (4) : (2)
L1 (5)x(2)x3
L2 (6)x(2)x2
M (2)-{(7)+(8)}
D 2x(9)
5
6
7
8
9
10
0.043 0.050 0.036 0.020 0.025 0.061 0.216 0.077 0.048 0.037 0.034 0.051 0.013 0.029 0.018 0.015 0.030 0.022 0.030 0.016 0.020 0.026
0.293 0.100 0.199 0.097 0.077 0.124 0.298 0.126 0.134 0.374 0.276 0.462 0.213 0.288 0.283 0.239 0.302 0.254 0.361 0.151 0.134 0.257
780 1629 828 1008 2055 2910 2139 2013 1761 429 711 1026 489 573 366 501 633 702 864 525 723 531
3530 2160 3042 3194 4218 3946 1966 2196 3286 2862 3902 6230 5172 3842 3826 5476 4240 5316 6854 3202 3284 3470
1719 6992 3766 12341 21191 9064 -808 4506 7245 535 2445 -520 6456 2254 2556 5459 2156 4429 1786 6905 8261 2747 Rata - rata
3438 13984 7532 24682 42382 18128 -1616 (0) 9012 14490 1070 4890 -1040 (0) 12912 4508 5112 10918 4312 8858 3572 13810 16522 5494 10256
146
Tabel. D.2 Penentuan Jumlah Permintaan Angkutan Umum untuk Trayek II
No 1 2 3 4 5 6 7 8 9 10 11 12 13
Kelurahan/Desa Kerobokan Kelod Seminyak Padang Sambian kelod Padang Sambian Pemecutan Kelod Dauh Puri Kauh Pemogan Pedungan Sesetan Sidakarya Sanur Kaja Sanur Sanur Kauh
P *)
Pm *)
V1 *)
V2 *)
K1 (3) : (2)
K2 (4) : (2)
L1 (5)x(2)x3
L2 (6)x(2)x2
M (2)-{(7)+(8)}
D 2x(9)
1
2
3
4
5
6
7
8
9
10
1438 681 936 1597 2763 3942 2020 1734 2639 1240 1735 1642 1601
0.088 0.027 0.033 0.020 0.011 0.049 0.006 0.007 0.006 0.009 0.026 0.020 0.016
0.230 0.107 0.106 0.097 0.106 0.234 0.088 0.098 0.086 0.108 0.257 0.134 0.151
1653 525 870 1008 885 2451 441 345 594 309 531 723 525
7357 7275 10002 18795 29704 19108 23657 20081 34885 13044 7643 13938 12095
6257 6364 8803 16543 26146 16819 22984 17672 30704 11479 6748 12268 10632
Keterangan : *) Sumber dari Data Profil Kelurahan/Desa
551 175 290 336 295 817 147 115 198 103 177 241 175
2876 1362 1872 3194 5526 7884 4040 3468 5278 2480 3470 3284 3202
1728 4477 6061 12341 19735 6484 18503 13859 24832 8690 2747 8261 6905 Rata - rata
3456 8954 12122 24682 39470 12968 37006 27718 49664 17380 5494 16522 13810 20711
147
Tabel. D.3 Penentuan Jumlah Permintaan Angkutan Umum untuk Trayek III
No
Kelurahan/Desa
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Kerobokan Kelod Padang Sambian kelod Pemecutan Kelod Padang Sambian Dauh Puri Kauh Dauh Puri Kkelod Dauh puri Dangin Puri kelod Sumerta Kelod Sumerta kauh Renon Panjer Sanur Kauh Sanur Sanur Kaja
P *)
Pm *)
V1 *)
V2 *)
1
2
3
4
1438 936 2763 1597 3942 1973 1098 2586 2738 1921 3427 2599 1601 1642 1735
7357 10002 29704 18795 19108 19651 9903 13738 13738 7560 10712 22249 12095 13938 7643
6257 8803 26146 16543 16819 12895 8715 12117 11436 6669 9504 19630 10632 12268 6748
Keterangan : *) Sumber dari Data Profil Kelurahan/Desa
551 290 295 336 817 887 671 163 167 191 288 178 175 241 177
K1 (3) : (2)
K2 (4) : (2)
L1 (5)x(2)x3
L2 (6)x(2)x2
M (2)-{(7)+(8)}
D 2x(9)
5
6
7
8
9
10
0.088 0.033 0.011 0.020 0.049 0.069 0.077 0.013 0.015 0.029 0.030 0.009 0.016 0.020 0.026
0.230 0.106 0.106 0.097 0.234 0.153 0.126 0.213 0.239 0.288 0.361 0.132 0.151 0.134 0.257
1653 870 885 1008 2451 2661 2013 489 501 573 864 534 525 723 531
2876 1872 5526 3194 7884 3946 2196 5172 5476 3842 6854 5198 3202 3284 3470
1728 6061 19735 12341 6484 6288 4506 6456 5459 2254 1786 13898 6905 8261 2747 Rata - rata
3456 12122 39470 24682 12968 12576 9012 12912 10918 4508 3572 27796 13810 16522 5494 13988
148
Tabel. D.4 Perhitungan Jumlah Calon Penumpang Dari Minat Responden Di Dalam Desa/Kelurahan Untuk Trayek I (Moda Bus Kecil dengan Waktu dan Penjadwalan Tetap, Tersedia Halte, dan fasilitas AC) Luas Pemukiman (Ha) No.
kelurahan/desa
total 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Kerobokan Kerobokan kaja Padang Sambian kaja Padang Sambian Pemecutan Kaja Pemecutan Dauh Puri Kangin Dauh Puri Dauh Puri Kaja Dangin Puri Kauh Dangin Puri Dangin Puri kangin Dangin Puri Kelod Sumerta kauh Sumerta kaja Sumerta Kelod Sumerta Kesiman Renon Sanur Kauh Sanur Sanur Kaja Jumlah
Sumber : Hasil Analisis, 2011
488.7 359.7 338.0 419.2 304.7 135.4 36.8 74.7 134.7 36.8 53.3 106.0 117.4 60.4 75.4 347.4 86.5 287.2 304.5 496.3 340.5 248.5 4851.9
koridor pelayanan 2
71.22 60.80 11.73 113.36 98.91 106.12 28.29 15.78 15.04 10.70 47.59 16.77 13.88 29.74 10.53 180.98 27.28 9.59 37.37 8.30 176.00 178.05
Jumlah Penduduk Potensi Melakukan Perjalanan (orang)
Persentase luas Koridor Pelayanan per Kelurahan/Desa (%) (2)/(1) x 100%
Jumlah Penduduk Potensial Dalam Koridor Pelayanan (orang) (3) x (4)
3
4
5
6029 10781 7636 16543 27464 15920 3297 8715 12292 3826 7058 6736 12117 6669 6748 11436 7029 10447 9504 10632 12268 6748
15% 17% 3% 27% 32% 78% 77% 21% 11% 29% 89% 16% 12% 49% 14% 52% 32% 3% 12% 2% 52% 72%
879 1822 265 4473 8915 12481 2538 1841 1373 1114 6299 1066 1433 3285 943 5958 2216 349 1166 178 6341 4835
Persentase Jumlah Minat Responden Bersedia
Tidak
Jumlah Calon Penumpang (orang) (5) x (6)
6
7
8
80% 76% 70% 72% 71% 76% 64% 63% 77% 60% 90% 64% 60% 64% 58% 77% 69% 69% 59% 71% 73% 86%
20% 24% 30% 28% 29% 24% 36% 37% 23% 40% 10% 36% 40% 36% 42% 23% 31% 31% 41% 29% 27% 14%
703 1385 185 3225 6339 9544 1615 1151 1056 668 5699 678 860 2112 546 4561 1534 242 686 127 4604 4166 51687
149
Tabel. D.5 Perhitungan jumlah calon penumpang dari minat responden di dalam desa/kelurahan untuk Trayek II (Moda Bus Kecil dengan Waktu dan Penjadwalan Tetap, Tersedia Halte, dan fasilitas AC) Luas Pemukiman (Ha) No.
kelurahan/desa
1 2 3 4 5 6 7 8 9 10 11 12 13
Kerobokan Kelod Seminyak Padang Sambian kelod Padang Sambian Pemecutan Kelod Dauh Puri Kauh Pemogan Pedungan Sesetan Sidakarya Sanur Kaja Sanur Kauh Sanur
total 1
Sumber : Hasil Analisis, 2011
359.7 365.4 339.4 419.2 564.4 36.8 975.9 810.8 439.1 406.1 248.5 496.3 340.5 5802.0
koridor pelayanan 2
104.63 170.71 113.08 12.86 165.86 9.48 136.30 277.46 181.40 205.42 25.94 179.02 309.40 1891.5
Jumlah Penduduk Potensi Melakukan Perjalanan (orang)
Persentase luas Koridor Pelayanan per Kelurahan/Desa (%) (2)/(1) x 100%
Jumlah Penduduk Potensial Dalam Koridor Pelayanan (orang) (3) x (4)
3
4
5
6257 6364 8803 16543 26146 16819 22984 17672 30704 11479 6748 10632 12268
29% 47% 33% 3% 29% 26% 14% 34% 41% 51% 10% 36% 91%
1820 2974 2933 507 7683 4340 3210 6047 12683 5806 704 3835 11147
Persentase Jumlah Minat Responden Bersedia
Tidak
Jumlah Calon Penumpang (orang) (5) x (6)
6
7
8
75% 56% 73% 75% 66% 56% 69% 70% 53% 65% 91% 73% 57%
25% 44% 27% 25% 34% 44% 31% 30% 47% 35% 9% 27% 43%
1365 1660 2133 381 5064 2411 2214 4207 6746 3763 640 2796 6348 39728
150
Tabel. D.6 Perhitungan jumlah calon penumpang dari minat responden di dalam desa/kelurahan untuk Trayek III (Moda Bus Kecil dengan Waktu dan Penjadwalan Tetap, Tersedia Halte, dan fasilitas AC) Luas Pemukiman (Ha) No.
kelurahan/desa
total 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Kerobokan Kelod Padang Sambian kelod Pemecutan Kelod Padang Sambian Dauh Puri Kauh Dauh Puri Kkelod Dauh puri Dangin Puri kelod Sumerta Kelod Sumerta kauh Renon Panjer Sanur Kauh Sanur Sanur Kaja
Sumber : Hasil Analisis, 2011
359.7 339.4 564.4 419.2 147.2 162.2 74.7 117.4 345.2 60.4 304.5 321.5 496.3 340.5 248.5 4301.0
Jumlah Penduduk Potensi Melakukan koridor Perjalanan pelayanan (orang) 2
297.85 78.06 67.82 65.52 121.04 159.49 28.57 96.22 195.77 9.23 52.56 40.13 7.92 154.36 168.81 1543.3
3
6257 8803 26146 16543 16819 12895 8715 12117 11436 6669 9504 19630 10632 12268 6748
Persentase luas Koridor Pelayanan per Kelurahan/Desa (%) (2)/(1) x 100%
Jumlah Penduduk Potensial Dalam Koridor Pelayanan (orang) (3) x (4)
4
5
83% 23% 12% 16% 82% 98% 38% 82% 57% 15% 17% 12% 2% 45% 68%
5181 2025 3142 2585 13830 12679 3334 9931 6486 1020 1640 2450 170 5562 4584
Persentase Jumlah Minat Responden Bersedia
Tidak
Jumlah Calon Penumpang (orang) (5) x (6)
6
7
8
64% 58% 68% 71% 54% 55% 77% 56% 67% 60% 60% 50% 79% 81% 67%
36% 42% 32% 29% 46% 45% 23% 44% 33% 40% 40% 50% 21% 19% 33%
3323 1168 2150 1847 7508 6973 2565 5550 4366 612 984 1225 133 4497 3081 45981
151
OUTPUT SPSS UNTUK TRAYEK I Case Processing Summary Unweighted Cases(a)
N Included in Analysis
Selected Cases
Percent 140
Missing Cases Total
100,0
0
,0
140
100,0
0
,0
Unselected Cases
Total 140 100,0 a If weight is in effect, see classification table for the total number of cases.
Dependent Variable Encoding Original Value
Internal Value
0
0
1
1
Categorical Variables Codings Parameter coding
Frequency Income
(1)
(2)
0
15
1,000
,000
1
69
,000
1,000
2
56
,000
,000
Block 0: Beginning Block Classification Table(a,b) Predicted Observed
moda 0
Step 0
moda
Percentage Correct 1
0
0
0
27
,0
1
0
113
100,0
Overall Percentage a Constant is included in the model. b The cut value is ,500
80,7
Variables in the Equation B Step 0
Constant
1,432
S.E. ,214
Wald 44,661
df
Sig. 1
,000
Exp(B) 4,185
152 Variables not in the Equation Score Step 0
Variables
df
Sig.
Jml_keluarga
,066
1
,797
Sepeda
,340
1
,560
Motor
,001
1
,969
Mobil
6,565
1
,010
Pickup
1,894
1
,169
Income
1,744
2
,418
Income(1)
1,719
1
,190
Income(2)
,088
1
,767
Bekerja
,008
1
,927
Sekolah
,289
1
,591
Belanja
,040
1
,841
Lainnya
1,189
1
,276
Overall Statistics
13,922
11
,237
Block 1: Method = Backward Stepwise (Likelihood Ratio) Omnibus Tests of Model Coefficients Chi-square Step 1
Step 2(a) Step 3(a) Step 4(a) Step 5(a) Step 6(a) Step 7(a) Step 8(a) Step 9(a)
df
Sig.
Step
13,984
11
,234
Block
13,984
11
,234
Model
13,984
11
,234
Step
-,023
1
,880
Block
13,962
10
,175
Model
13,962
10
,175
Step
-,052
1
,820
Block
13,910
9
,126
Model
13,910
9
,126
Step
-,247
1
,619
Block
13,663
8
,091
Model
13,663
8
,091
Step
-,321
1
,571
Block
13,342
7
,064
Model
13,342
7
,064
Step
-,944
1
,331
Block
12,398
6
,054
Model
12,398
6
,054
Step
-,777
1
,378
Block
11,621
5
,040
Model
11,621
5
,040
Step
-1,096
1
,295
Block
10,525
4
,032
Model
10,525
3
,015
Step
-2,375
2
,305
Block
8,150
2
,017
Model
8,150
2
,017
153 Step 10(a)
Step
-2,046
1
,153
Block
6,104
1
,013
Model 6,104 1 ,013 a A negative Chi-squares value indicates that the Chi-squares value has decreased from the previous step.
Model Summary Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 2
123,311(a)
,095
,152
123,333(a)
,095
,152
3
123,385(a)
,095
,151
4
123,632(a)
,093
,149
5
123,953(a)
,091
,145
6
124,897(a)
,085
,136
7
125,674(a)
,080
,127
8
126,770(a)
,072
,116
9
129,145(a)
,057
,090
10 131,191(b) ,043 ,068 a Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001. b Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
Hosmer and Lemeshow Test Step
Chi-square
1 2 3 4 5 6 7 8 9 10
df
8,997 9,165 4,116 11,189 8,560 9,372 8,003 4,992 5,378 1,336
Sig. 8 8 8 8 8 8 8 8 7 1
,343 ,329 ,847 ,191 ,381 ,312 ,433 ,758 ,614 ,248
Contingency Table for Hosmer and Lemeshow Test moda = 0 Observed Step 1
Total
moda = 1
Expected
1
7
6,720
2
7
4,361
3
1
3,323
4
2
2,882
5
2
6
1
7
Observed 7
Expected
Observed
7,280
14
7
9,639
14
13
10,677
14
12
11,118
14
2,525
12
11,475
14
2,200
13
11,800
14
1
1,836
13
12,164
14
8
3
1,528
11
12,472
14
9
2
1,078
12
12,922
14
10
1
,547
13
13,453
14
154 moda = 0 Observed Step 2
Step 3
Step 4
Step 5
Step 6
Total
moda = 1
Expected
Observed
Expected
Observed
1
7
6,738
7
7,262
14
2
7
4,321
7
9,679
14
3
1
3,328
13
10,672
14
4
2
2,916
12
11,084
14
5
2
2,527
12
11,473
14
6
1
2,178
13
11,822
14
7
1
1,859
13
12,141
14
8
3
1,519
11
12,481
14
9
2
1,059
12
12,941
14
10
1
,554
13
13,446
14
1
7
6,728
7
7,272
14
2
6
4,266
8
9,734
14
3
2
3,361
12
10,639
14
4
2
2,932
12
11,068
14
5
2
2,570
12
11,430
14
6
2
2,164
12
11,836
14
7
1
1,830
13
12,170
14
8
2
1,503
12
12,497
14
9
2
1,086
12
12,914
14
10
1
,560
13
13,440
14
1
6
6,712
8
7,288
14
2
8
4,208
6
9,792
14
3
2
3,648
13
11,352
15
4
1
2,955
13
11,045
14
5
2
2,516
12
11,484
14
6
1
2,102
13
11,898
14
7
1
1,555
11
10,445
12
8
3
1,538
11
12,462
14
9
2
1,138
12
12,862
14
10
1
,628
14
14,372
15
1
9
6,517
5
7,483
14
2
4
4,285
10
9,715
14
3
2
3,450
12
10,550
14
4
2
3,028
12
10,972
14
5
1
2,570
13
11,430
14
6
2
2,470
14
13,530
16
7
3
2,059
13
13,941
16
8
1
1,454
14
13,546
15
9
2
,907
13
14,093
15
10
1
,260
7
7,740
8
1
9
6,339
5
7,661
14
2
2
3,970
11
9,030
13
3
3
3,325
10
9,675
13
4
1
2,845
13
11,155
14
5
3
2,691
11
11,309
14
6
1
2,347
13
11,653
14
155 moda = 0 Observed
Step 7
Step 8
Step 9
Step 10
Total
moda = 1
Expected
Observed
Expected
Observed
7
4
2,225
12
13,775
16
8
1
1,701
14
13,299
15
9
2
1,019
12
12,981
14
10
1
,536
12
12,464
13
1
9
6,392
6
8,608
15
2
2
4,163
12
9,837
14
3
3
2,873
9
9,127
12
4
1
2,371
10
8,629
11
5
2
3,126
13
11,874
15
6
2
2,193
11
10,807
13
7
4
2,380
12
13,620
16
8
1
1,876
15
14,124
16
9
2
1,081
13
13,919
15
10
1
,545
12
12,455
13
1
7
5,670
6
7,330
13
2
4
4,997
13
12,003
17
3
1
2,891
12
10,109
13
4
2
3,229
13
11,771
15
5
3
2,804
11
11,196
14
6
3
1,812
8
9,188
11
7
3
2,352
13
13,648
16
8
2
1,628
13
13,372
15
9
1
1,163
15
14,837
16
10
1
,453
9
9,547
10
1
6
4,854
5
6,146
11
2
3
4,488
12
10,512
15
3
3
4,153
15
13,847
18
4
0
1,223
6
4,777
6
5
5
4,154
18
18,846
23
6
3
2,832
15
15,168
18
7
0
,558
4
3,442
4
8
5
3,137
21
22,863
26
9
2
1,600
17
17,400
19
1
9
8,441
15
15,559
24
2
8
10,496
43
40,504
51
3
10
8,063
55
56,937
65
Classification Table(a) Predicted moda
Observed 0 Step 1
moda
Percentage Correct 1
0
0
4
23
14,8
1
0
113
100,0
Overall Percentage
83,6
156 Predicted moda
Observed 0 Step 2
moda
Percentage Correct 1
0
0
4
23
14,8
1
0
113
100,0
0
5
22
18,5
1
0
113
100,0
0
4
23
14,8
1
0
113
100,0
Overall Percentage Step 3
moda
83,6
Overall Percentage Step 4
moda
84,3
Overall Percentage Step 5
moda
83,6
0
4
23
14,8
1
0
113
100,0
0
5
22
18,5
1
0
113
100,0
0
3
24
11,1
1
0
113
100,0
Overall Percentage Step 6
moda
83,6
Overall Percentage Step 7
moda
84,3
Overall Percentage Step 8
moda
82,9
0
3
24
11,1
1
0
113
100,0
0
2
25
7,4
1
0
113
100,0
0
1
26
3,7
1
0
113
100,0
Overall Percentage Step 9
moda
82,9
Overall Percentage Step 10
moda
Overall Percentage a The cut value is ,500
82,1
81,4
157 Variables in the Equation B Lower Step 1(a)
Jml_keluarga
S.E.
Wald
df
Upper
Lower
Upper
Lower
Upper
95,0% C.I.for EXP(B) Lower
Upper
,303
1,574
1
,210
1,463
,807
2,653
Sepeda
-,364
,345
1,115
1
,291
,695
,353
1,366
Motor
-,050
,330
,023
1
,880
,952
,498
1,818
Mobil
-,841
,364
5,328
1
,021
,431
,211
,881
Pickup
-,352
,608
,335
1
,563
,703
,214
2,315
2,198
2
,333
Income(1)
1,140
1,239
,848
1
,357
3,128
,276
35,449
Income(2)
-,409
,573
,509
1
,476
,664
,216
2,043
Bekerja
,044
,115
,149
1
,700
1,045
,834
1,310
Sekolah
,132
,128
1,071
1
,301
1,142
,888
1,467
Belanja
-,055
,238
,054
1
,817
,946
,594
1,509
Lainnya
-,172
,166
1,063
1
,303
,842
,608
1,167
Constant
,681
1,218
,313
1
,576
1,976
Jml_keluarga
,373
,299
1,561
1
,212
1,453
,809
2,609
Sepeda
-,360
,344
1,096
1
,295
,697
,355
1,369
Mobil
-,832
,359
5,377
1
,020
,435
,216
,879
Pickup
-,371
,592
,393
1
,531
,690
,216
2,202
2,283
2
,319
Income
Step 3(a)
Exp(B)
,381
Income
Step 2(a)
Sig.
Income(1)
1,166
1,227
,902
1
,342
3,208
,290
35,546
Income(2)
-,408
,574
,505
1
,477
,665
,216
2,049
Bekerja
,038
,108
,127
1
,721
1,039
,841
1,284
Sekolah
,127
,122
1,077
1
,299
1,135
,894
1,442
Belanja
-,055
,238
,052
1
,819
,947
,594
1,510
Lainnya
-,172
,166
1,074
1
,300
,842
,607
1,166
Constant
,649
1,199
,293
1
,588
1,913
,342
,266
1,660
1
,198
1,408
,837
2,371
-,346
,338
1,050
1
,305
,707
,365
1,371
Jml_keluarga Sepeda
158 B
S.E.
Wald
df
Sig.
Exp(B)
Lower
Upper
Lower
Upper
Lower
Upper
-,827
,359
5,307
1
,021
,437
,216
,884
-,373
,595
,393
1
,531
,689
,215
2,210
2,331
2
,312
Income(1)
1,196
1,219
,963
1
,327
3,308
,303
36,088
Income(2)
-,401
,574
,490
1
,484
,669
,218
2,060
Bekerja
,049
,099
,244
1
,622
1,050
,866
1,273
Sekolah
,135
,117
1,333
1
,248
1,144
,910
1,439
Lainnya
-,170
,166
1,047
1
,306
,844
,609
1,168
Constant
,647
1,195
,293
1
,588
1,909
Jml_keluarga
,377
,257
2,159
1
,142
1,458
,882
2,412
Sepeda
-,338
,336
1,013
1
,314
,713
,369
1,378
Mobil
-,846
,355
5,687
1
,017
,429
,214
,860
Pickup
-,333
,585
,325
1
,569
,717
,228
2,253
2,266
2
,322
Income(1)
1,043
1,180
,781
1
,377
2,838
,281
28,673
Income(2)
-,465
,562
,685
1
,408
,628
,209
1,889
Sekolah
,111
,106
1,092
1
,296
1,117
,908
1,374
Lainnya
-,174
,166
1,099
1
,294
,840
,607
1,163
Constant
,867
1,107
,613
1
,434
2,379
Jml_keluarga
,398
,255
2,433
1
,119
1,489
,903
2,454
Sepeda
-,378
,329
1,322
1
,250
,685
,359
1,306
Mobil
-,905
,338
7,179
1
,007
,405
,209
,784
2,468
2
,291
Income
Step
Upper
Pickup
Income
Step 5(a)
Lower
Mobil Income
Step 4(a)
95,0% C.I.for EXP(B)
Income(1)
1,042
1,178
,782
1
,377
2,834
,282
28,521
Income(2)
-,504
,557
,819
1
,366
,604
,203
1,800
Sekolah
,101
,104
,929
1
,335
1,106
,901
1,357
Lainnya
-,167
,165
1,019
1
,313
,846
,612
1,170
Constant
,866
1,105
,614
1
,433
2,377
Jml_keluarga
,455
,249
3,324
1
,068
1,575
,966
2,568
159
6(a)
B
S.E.
Wald
df
Sig.
Exp(B)
Lower
Upper
Lower
Upper
Lower
Upper
-,356
,326
1,188
1
,276
,701
,370
1,328
-,865
,333
6,760
1
,009
,421
,219
,808
2,098
2
,350
Income(1)
1,081
1,177
,844
1
,358
2,948
,294
29,577
Income(2)
-,395
,543
,531
1
,466
,673
,232
1,951
Lainnya
-,147
,165
,799
1
,372
,863
,625
1,192
Constant
,766
1,109
,478
1
,489
2,152
Jml_keluarga
,447
,249
3,216
1
,073
1,564
,959
2,549
Sepeda
-,341
,328
1,081
1
,298
,711
,374
1,352
Mobil
-,903
,332
7,404
1
,007
,405
,212
,777
2,097
2
,350
Income(1)
,987
1,172
,709
1
,400
2,683
,270
26,684
Income(2)
-,443
,538
,679
1
,410
,642
,224
1,842
Constant
,743
1,106
,451
1
,502
2,102
Jml_keluarga
,374
,234
2,542
1
,111
1,453
,918
2,300
-,839
,317
6,997
1
,008
,432
,232
,805
1,912
2
,384
Mobil Income
Step 9(a)
Income(1)
1,055
1,171
,811
1
,368
2,872
,289
28,528
Income(2)
-,361
,527
,469
1
,493
,697
,248
1,957
Constant
,624
1,091
,328
1
,567
1,867
Jml_keluarga
,308
,219
1,979
1
,160
1,361
,886
2,090
-,782
,283
7,629
1
,006
,458
,263
,797
,754
,888
,721
1
,396
2,126
Mobil
-,604
,246
6,039
1
,014
,546
,337
,885
Constant
1,955
,325
36,103
1
,000
7,062
Mobil Constant
Step 10(a)
Upper
Mobil
Income
Step 8(a)
Lower
Sepeda Income
Step 7(a)
95,0% C.I.for EXP(B)
a Variable(s) entered on step 1: Jml_keluarga, Sepeda, Motor, Mobil, Pickup, Income, Bekerja, Sekolah, Belanja, Lainnya.
160 Model if Term Removed Variable Step 1
Step 2
Step 3
Step 4
Step 5
Step 6
Model Log Likelihood
Change in -2 Log Likelihood
Sig. of the Change
df
Jml_keluarga
-62,470
1,630
1
,202
Sepeda
-62,225
1,139
1
,286
Motor
-61,667
,023
1
,880
Mobil
-64,549
5,788
1
,016
Pickup
-61,821
,330
1
,565
Income
-63,008
2,705
2
,259
Bekerja
-61,731
,151
1
,698
Sekolah
-62,203
1,095
1
,295
Belanja
-61,682
,053
1
,818
Lainnya
-62,168
1,025
1
,311
Jml_keluarga
-62,471
1,609
1
,205
Sepeda
-62,227
1,121
1
,290
Mobil
-64,582
5,830
1
,016
Pickup
-61,861
,389
1
,533
Income
-63,096
2,859
2
,239
Bekerja
-61,731
,129
1
,720
Sekolah
-62,217
1,101
1
,294
Belanja
-61,693
,052
1
,820
Lainnya
-62,184
1,036
1
,309
Jml_keluarga
-62,553
1,720
1
,190
Sepeda
-62,228
1,071
1
,301
Mobil
-64,582
5,780
1
,016
Pickup
-61,887
,389
1
,533
Income
-63,166
2,946
2
,229
Bekerja
-61,816
,247
1
,619
Sekolah
-62,371
1,358
1
,244
Lainnya
-62,198
1,011
1
,315
Jml_keluarga
-62,947
2,261
1
,133
Sepeda
-62,332
1,031
1
,310
Mobil
-64,966
6,300
1
,012
Pickup
-61,977
,321
1
,571
Income
-63,213
2,794
2
,247
Sekolah
-62,371
1,110
1
,292
Lainnya
-62,344
1,055
1
,304
Jml_keluarga
-63,249
2,545
1
,111
Sepeda
-62,647
1,340
1
,247
Mobil
-66,026
8,100
1
,004
Income
-63,495
3,036
2
,219
Sekolah
-62,448
,944
1
,331
Lainnya
-62,468
,983
1
,321
Jml_keluarga
-64,207
3,517
1
,061
Sepeda
-63,050
1,204
1
,273
Mobil
-66,219
7,541
1
,006
Income
-63,760
2,624
2
,269
Lainnya
-62,837
,777
1
,378
161 Model Log Likelihood
Variable Step 7
Step 8
Step 9 Step 10
Change in -2 Log Likelihood
Sig. of the Change
df
Jml_keluarga
-64,537
3,400
1
,065
Sepeda
-63,385
1,096
1
,295
Mobil
-67,020
8,366
1
,004
Income
-64,116
2,558
2
,278
Jml_keluarga
-64,707
2,644
1
,104
Mobil
-67,211
7,652
1
,006
Income
-64,573
2,375
2
,305
Jml_keluarga
-65,596
2,046
1
,153
Mobil
-68,614
8,084
1
,004
Mobil
-68,648
6,104
1
,013
Variables not in the Equation
Step 2(a) Step 3(b) Step 4(c)
Step 5(d)
Step 6(e)
Step 7(f)
Step 8(g)
1
Sig. ,880
,023 ,022 ,052 ,075 ,002 ,245 ,175
1 1 1 2 1 1 1
,880 ,883 ,819 ,963 ,962 ,620 ,676
,322 ,009 ,327
3 1 1
,956 ,925 ,568
Bekerja Belanja Overall Statistics Variables Motor Pickup Bekerja Sekolah
,178 ,148 ,656 ,011 ,157 ,000 ,937
1 1 4 1 1 1 1
,673 ,700 ,957 ,915 ,692 ,985 ,333
Belanja Overall Statistics Variables Motor
,248 1,606 ,010
1 5 1
,618 ,901 ,920
Pickup Bekerja Sekolah Belanja
,121 ,005 ,733 ,205
1 1 1 1
,728 ,943 ,392 ,650
Lainnya Overall Statistics Variables Sepeda
,829 2,433 1,094
1 6 1
,363 ,876 ,296
Motor Pickup Bekerja
,008 ,314 ,000
1 1 1
,928 ,575 ,986
Sekolah Belanja
,653 ,066
1 1
,419 ,797
Lainnya
,719
1
,397
Variables
Motor
Overall Statistics Variables Motor Belanja Overall Statistics Variables Motor Bekerja Belanja Overall Statistics Variables Motor Pickup
Score ,023
df
162
Step 9(h)
Step 10(i)
Overall Statistics Variables Sepeda Motor Pickup Income Income(1) Income(2) Bekerja Sekolah Belanja Lainnya Overall Statistics Variables Jml_keluarga Sepeda Motor Pickup Income Income(1) Income(2) Bekerja Sekolah Belanja Lainnya Overall Statistics
a Variable(s) removed on step 2: Motor. b Variable(s) removed on step 3: Belanja. c Variable(s) removed on step 4: Bekerja. d Variable(s) removed on step 5: Pickup. e Variable(s) removed on step 6: Sekolah. f Variable(s) removed on step 7: Lainnya. g Variable(s) removed on step 8: Sepeda. h Variable(s) removed on step 9: Income. i Variable(s) removed on step 10: Jml_keluarga.
Score 3,567 ,915 ,065 ,526 2,089 1,601 1,402 ,004 ,358 ,082 ,641 5,723 2,007 ,222 ,082 ,464
df 7 1 1 1 2 1 1 1 1 1 1 9 1 1 1 1
Sig. ,828 ,339 ,799 ,469 ,352 ,206 ,236 ,948 ,549 ,774 ,423 ,767 ,157 ,638 ,775 ,496
1,647 ,834 1,404 ,117
2 1 1 1
,439 ,361 ,236 ,733
,867 ,006 ,656
1 1 1
,352 ,937 ,418
7,709
10
,657
163
OUTPUT SPSS UNTUK TRAYEK II Case Processing Summary Unweighted Cases(a)
N
Included in Analysis Selected Cases
Missing Cases Total
Unselected Cases
Percent 117
100.0
0
.0
117
100.0
0
.0
Total 117 100.0 a If weight is in effect, see classification table for the total number of cases.
Dependent Variable Encoding Original Value
Internal Value
0
0
1
1
Categorical Variables Codings
Frequency
Parameter coding (1)
Income
1
83
1.000
2
34
.000
Block 0: Beginning Block Classification Table(a,b) Predicted Observed
moda Percentage Correct 0
Step 0 moda
1
0
0
26
.0
1
0
91
100.0
Overall Percentage a Constant is included in the model. b The cut value is .500
77.8
Variables in the Equation B Step 0
Constant
1.253
S.E. .222
Wald 31.737
df
Sig. 1
.000
Exp(B) 3.500
164 Variables not in the Equation Score Step 0
Variables
Jml_keluarga
df
Sig.
2.038
1
.153
.366
1
.545
Motor
.033
1
.857
Mobil
3.343
1
.067
Pickup
1.170
1
.279
Sepeda
Income(1)
.580
1
.446
Bekerja
1.053
1
.305
Sekolah
.348
1
.555
belanja
.763
1
.383
lainnya
2.883
1
.090
Overall Statistics
19.394
10
.036
Block 1: Method = Backward Stepwise (Likelihood Ratio) Omnibus Tests of Model Coefficients Chi-square Step 1
Step 2(a)
Step 3(a)
Step 4(a)
Step 5(a)
Step 6(a)
Step 7(a)
df
Sig.
Step
20.668
10
.024
Block
20.668
10
.024
Model
20.668
10
.024
-.128
1
.721
Block
20.540
9
.015
Model
20.540
9
.015
Step
Step
-.265
1
.607
Block
20.275
8
.009
Model
20.275
8
.009
Step
-.307
1
.580
Block
19.968
7
.006
Model
19.968
7
.006
Step
-.287
1
.592
Block
19.681
6
.003
Model
19.681
6
.003
Step
-1.012
1
.314
Block
18.669
5
.002
Model
18.669
5
.002
Step
-1.911
1
.167
Block
16.758
4
.002
Model 16.758 4 .002 a A negative Chi-squares value indicates that the Chi-squares value has decreased from the previous step.
165 Model Summary Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 2
103.284(a)
.162
.248
103.411(a)
.161
.246
3
103.676(a)
.159
.244
4
103.983(a)
.157
.240
5
104.271(a)
.155
.237
6
105.282(a)
.147
.226
7 107.194(a) .133 .204 a Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Hosmer and Lemeshow Test Step
Chi-square
df
Sig.
1
5.559
8
.696
2
4.856
8
.773
3
20.175
8
.010
4
5.288
8
.726
5
10.996
7
.139
6
6.010
8
.646
7
8.976
8
.344
Contingency Table for Hosmer and Lemeshow Test moda = 0 Observed Step 1
Step 2
Total
moda = 1
Expected
Observed
Expected
Observed
1
6
7.383
6
4.617
12
2
7
4.670
5
7.330
12
3
4
3.653
8
8.347
12
4
2
2.750
9
8.250
11
5
2
2.382
10
9.618
12
6
1
1.825
11
10.175
12
7
2
1.397
10
10.603
12
8
2
1.056
10
10.944
12
9
0
.621
12
11.379
12
10
0
.263
10
9.737
10
1
6
7.257
6
4.743
12
2
6
4.727
6
7.273
12
3
5
3.767
7
8.233
12
4
2
3.199
11
9.801
13
5
2
2.316
10
9.684
12
6
1
1.659
11
10.341
12
7
2
1.339
10
10.661
12
8
2
1.007
10
10.993
12
9
0
.538
12
11.462
12
10
0
.193
8
7.807
8
166 moda = 0 Observed Step 3
Step 4
Step 5
Step 6
Step 7
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
5 8 6 0 2 1 4 0 0 0 5 7 5 2 2 2 2 1 0 0 5 7 6 1 2 4 0 1 0 6 6 4 1 3 3 2 0 1 0 6 6 2 2 4 1 4 1 0 0
Total
moda = 1
Expected 7.266 4.753 3.689 2.953 2.377 1.573 1.316 1.131 .663 .279 7.193 5.127 3.515 2.907 2.439 1.734 1.368 .993 .560 .164 7.080 5.111 3.914 3.092 2.474 1.832 1.180 .834 .484 7.079 4.748 3.710 3.105 2.315 1.803 1.363 1.067 .612 .197 6.822 3.656 3.338 2.633 2.907 2.266 1.946 1.202 .882 .347
Observed 7 4 6 12 10 10 8 12 12 10 7 6 7 10 10 10 11 11 12 7 7 6 7 12 11 10 12 11 15 6 6 8 12 9 9 10 12 11 8 6 3 9 7 10 11 11 12 12 10
Expected 4.734 7.247 8.311 9.047 9.623 9.427 10.684 10.869 11.337 9.721 4.807 7.873 8.485 9.093 9.561 10.266 11.632 11.007 11.440 6.836 4.920 7.889 9.086 9.908 10.526 12.168 10.820 11.166 14.516 4.921 7.252 8.290 9.895 9.685 10.197 10.637 10.933 11.388 7.803 5.178 5.344 7.662 6.367 11.093 9.734 13.054 11.798 11.118 9.653
Observed 12 12 12 12 12 11 12 12 12 10 12 13 12 12 12 12 13 12 12 7 12 13 13 13 13 14 12 12 15 12 12 12 13 12 12 12 12 12 8 12 9 11 9 14 12 15 13 12 10
167 Classification Table(a) Predicted Observed
moda 0
Step 1 moda
Percentage Correct 1
0
0
5
21
19.2
1
4
87
95.6
0
5
21
19.2
1
4
87
95.6
0
5
21
19.2
1
5
86
94.5
0
4
22
15.4
1
4
87
95.6
0
4
22
15.4
1
5
86
94.5
0
5
21
19.2
1
6
85
93.4
0
4
22
15.4
1
5
86
94.5
Overall Percentage Step 2 moda
78.6
Overall Percentage Step 3 moda
78.6
Overall Percentage Step 4 moda
77.8
Overall Percentage Step 5 moda
77.8
Overall Percentage Step 6 moda
76.9
Overall Percentage Step 7 moda Overall Percentage a The cut value is .500
76.9
76.9
168 Variables in the Equation B Step 1(a)
Step 2(a)
Step 3(a)
Jml_keluarga Sepeda Motor Mobil Pickup Income(1) Bekerja Sekolah belanja lainnya Constant Jml_keluarga Sepeda Motor Mobil Pickup Income(1) Bekerja Sekolah lainnya Constant Jml_keluarga Motor Mobil Pickup Income(1) Bekerja Sekolah lainnya Constant
.545 .211 -.380 -1.054 -1.028 -1.528 .053 .055 -.109 .839 .929 .538 .203 -.390 -1.056 -1.043 -1.537 .069 .070 .840 .822 .528 -.404 -1.085 -.914 -1.563 .080 .075 .805 1.033
S.E. .343 .398 .303 .360 .938 .833 .131 .142 .305 .368 1.598 .342 .396 .302 .361 .945 .831 .123 .136 .368 1.566 .342 .302 .355 .919 .830 .121 .136 .359 1.511
Wald 2.529 .282 1.574 8.554 1.200 3.361 .163 .150 .128 5.201 .338 2.477 .263 1.664 8.569 1.218 3.418 .315 .268 5.202 .275 2.388 1.790 9.338 .988 3.546 .433 .304 5.024 .468
df
Sig. 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
.112 .596 .210 .003 .273 .067 .687 .699 .720 .023 .561 .116 .608 .197 .003 .270 .065 .574 .604 .023 .600 .122 .181 .002 .320 .060 .511 .581 .025 .494
Exp(B) 1.725 1.235 .684 .349 .358 .217 1.054 1.057 .897 2.313 2.533 1.713 1.225 .677 .348 .352 .215 1.072 1.073 2.316 2.275 1.696 .668 .338 .401 .210 1.083 1.078 2.237 2.810
95.0% C.I.for EXP(B) Lower
Upper
.881 .566 .377 .172 .057 .042 .815 .799 .493 1.125
3.378 2.695 1.239 .706 2.251 1.111 1.363 1.396 1.631 4.756
.876 .563 .374 .171 .055 .042 .842 .822 1.125
3.347 2.664 1.225 .705 2.247 1.097 1.365 1.400 4.767
.868 .370 .169 .066 .041 .854 .825 1.106
3.314 1.206 .678 2.430 1.066 1.374 1.408 4.523
169 B Step 4(a)
Jml_keluarga
Sig.
Exp(B)
95.0% C.I.for EXP(B) Lower
Upper
4.465
1
.035
1.873
1.047
3.352
Motor
-.418
.302
1.908
1
.167
.659
.364
1.191
Mobil
-1.068
.351
9.233
1
.002
.344
.173
.684
-.808
.882
.841
1
.359
.446
.079
2.508
-1.474
.805
3.355
1
.067
.229
.047
1.109
Bekerja
.062
.117
.281
1
.596
1.064
.846
1.339
lainnya
.813
.361
5.058
1
.025
2.254
1.110
4.577
Constant
.867
1.474
.346
1
.556
2.380
Jml_keluarga
.659
.291
5.130
1
.024
1.933
1.093
3.420
Motor
-.384
.295
1.702
1
.192
.681
.382
1.213
Mobil
-1.078
.351
9.457
1
.002
.340
.171
.676 2.282
Pickup
-.867
.863
1.009
1
.315
.420
.077
-1.614
.768
4.417
1
.036
.199
.044
.897
.800
.362
4.868
1
.027
2.225
1.093
4.527
1.100
1.407
.611
1
.434
3.004
.662
.290
5.215
1
.022
1.940
1.098
3.425
Motor
-.405
.296
1.874
1
.171
.667
.373
1.191
Mobil
-1.098
.337
10.609
1
.001
.334
.172
.646
Income(1)
-1.461
.733
3.974
1
.046
.232
.055
.976
lainnya
.762
.358
4.538
1
.033
2.142
1.063
4.316
Constant
.967
1.387
.486
1
.486
2.631
Jml_keluarga
.509
.261
3.797
1
.051
1.663
.997
2.774
Mobil
-1.008
.322
9.784
1
.002
.365
.194
.686
Income(1)
Income(1) lainnya Constant
Step 7(a)
df
.297
Income(1)
Step 6(a)
Wald
.628
Pickup
Step 5(a)
S.E.
Jml_keluarga
-1.203
.687
3.062
1
.080
.300
.078
1.155
lainnya
.768
.357
4.623
1
.032
2.155
1.070
4.338
Constant
.507
1.332
.145
1
.703
1.661
a Variable(s) entered on step 1: Jml_keluarga, Sepeda, Motor, Mobil, Pickup, Income, Bekerja, Sekolah, belanja, lainnya.
170 Model if Term Removed
Variable Step 1
Step 2
Step 3
Step 4
Step 5
Step 6
Step 7
Jml_keluarga Sepeda Motor Mobil Pickup Income Bekerja Sekolah belanja lainnya Jml_keluarga Sepeda Motor Mobil Pickup Income Bekerja Sekolah lainnya Jml_keluarga Motor Mobil Pickup Income Bekerja Sekolah lainnya Jml_keluarga Motor Mobil Pickup Income Bekerja lainnya Jml_keluarga Motor Mobil Pickup Income lainnya Jml_keluarga Motor Mobil Income lainnya Jml_keluarga Mobil Income lainnya
Model Log Likelihood -53.020 -51.784 -52.444 -56.302 -52.241 -53.553 -51.724 -51.717 -51.706 -55.015 -53.052 -51.838 -52.554 -56.369 -52.311 -53.652 -51.866 -51.841 -55.085 -53.135 -52.754 -56.953 -52.333 -53.871 -52.060 -51.992 -55.085 -54.450 -52.969 -57.037 -52.409 -53.889 -52.135 -55.267 -54.988 -53.002 -57.347 -52.641 -54.716 -55.299 -55.550 -53.597 -58.596 -54.903 -55.569 -55.662 -58.982 -55.294 -56.607
Change in 2 Log Likelihood 2.756 .285 1.604 9.320 1.199 3.823 .165 .151 .128 6.747 2.693 .265 1.697 9.326 1.211 3.894 .322 .271 6.758 2.594 1.831 10.230 .990 4.066 .443 .307 6.494 4.917 1.955 10.090 .834 3.795 .287 6.550 5.706 1.734 10.423 1.012 5.162 6.327 5.817 1.911 11.909 4.523 5.855 4.131 10.771 3.394 6.021
Sig. of the Change
df 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
.097 .594 .205 .002 .274 .051 .685 .698 .721 .009 .101 .607 .193 .002 .271 .048 .571 .603 .009 .107 .176 .001 .320 .044 .505 .580 .011 .027 .162 .001 .361 .051 .592 .010 .017 .188 .001 .314 .023 .012 .016 .167 .001 .033 .016 .042 .001 .065 .014
171 Variables not in the Equation Score Step 2(a) Step 3(b)
Step 4(c)
Step 5(d)
Step 6(e)
Step 7(f)
Variables
df
Sig.
belanja
.128
1
.720
Overall Statistics Variables Sepeda
.128
1
.720
.264
1
.608
belanja
.109
1
.741
Overall Statistics Variables Sepeda
.390
2
.823
.299
1
.584
Sekolah
.305
1
.581
belanja
.232
1
.630
Overall Statistics Variables Sepeda
.702
3
.873
.391
1
.532
Bekerja
.282
1
.595
Sekolah
.150
1
.698
belanja
.375
1
.540
Overall Statistics Variables Sepeda
.984
4
.912
.101
1
.750
Pickup
1.004
1
.316
Bekerja
.454
1
.501
Sekolah
.024
1
.877
belanja
.387
1
.534
Overall Statistics Variables Sepeda
1.981
5
.852
.148
1
.700
Motor
1.911
1
.167
Pickup
1.171
1
.279
Bekerja
.146
1
.702
Sekolah
.118
1
.732
belanja
.431
1
.512
Overall Statistics
3.906
6
.689
a Variable(s) removed on step 2: belanja. b Variable(s) removed on step 3: Sepeda. c Variable(s) removed on step 4: Sekolah. d Variable(s) removed on step 5: Bekerja. e Variable(s) removed on step 6: Pickup. f Variable(s) removed on step 7: Motor.
172
OUTPUT SPSS UNTUK TRAYEK III Case Processing Summary Unweighted Cases(a)
N
Included in Analysis Selected Cases
Missing Cases Total
Unselected Cases
Percent 122
100.0
0
.0
122
100.0
0
.0
Total 122 100.0 a If weight is in effect, see classification table for the total number of cases.
Dependent Variable Encoding Original Value
Internal Value
0
0
1
1
Categorical Variables Codings
Income
Frequency
Parameter coding
(1)
(1)
1
77
1.000
2
45
.000
Block 0: Beginning Block Classification Table(a,b) Predicted Observed 0 Step 0
Percentage Correct
moda
moda
1
0
0
0
25
.0
1
0
97
100.0
Overall Percentage a Constant is included in the model. b The cut value is .500
79.5
Variables in the Equation
Step 0
Constant
B
S.E.
Wald
df
Sig.
Exp(B)
Lower
Upper
Lower
Upper
Lower
Upper
1.356
.224
36.540
1
.000
3.880
173 Variables not in the Equation
Step 0
Variables
Jml_keluarga Sepeda Motor Mobil Pickup Income(1) Bekerja Sekolah Belanja Lainnya Overall Statistics
Score .922 2.554 .405 4.199 .087 .011 1.570 2.185 .909 .343 17.433
df 1 1 1 1 1 1 1 1 1 1 10
Sig. .337 .110 .524 .040 .768 .918 .210 .139 .340 .558 .065
Block 1: Method = Backward Stepwise (Likelihood Ratio) Omnibus Tests of Model Coefficients
Chi-square Step 1
Step 2(a) Step 3(a) Step 4(a) Step 5(a) Step 6(a) Step 7(a)
Step Block Model Step Block Model Step Block Model Step Block Model Step Block Model Step Block Model Step Block Model
df
20.002 20.002 20.002 -.137 19.866 19.866 -.112 19.754 19.754 -.698 19.056 19.056 -1.261 17.796 17.796 -1.243 16.552 16.552 -1.632 14.920 14.920
Sig. 10 10 10 1 9 9 1 8 8 1 7 7 1 6 6 1 5 5 1 4 4
.029 .029 .029 .712 .019 .019 .738 .011 .011 .404 .008 .008 .262 .007 .007 .265 .005 .005 .201 .005 .005
a A negative Chi-squares value indicates that the Chi-squares value has decreased from the previous step.
Model Summary Step 1 2 3 4 5 6 7
-2 Log likelihood 103.741(a) 103.878(a) 103.990(a) 104.687(a) 105.948(a) 107.191(a) 108.823(a)
Cox & Snell R Square .151 .150 .149 .145 .136 .127 .115
Nagelkerke R Square .237 .236 .235 .227 .213 .199 .181
a Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
174 Hosmer and Lemeshow Test Step 1 2 3 4 5 6 7
Chi-square 17.407 7.644 13.709 6.786 16.188 7.664 4.796
df 8 8 8 8 8 8 8
Sig. .026 .469 .090 .560 .040 .467 .779
Contingency Table for Hosmer and Lemeshow Test moda = 0 Step 1
Step 2
Step 3
Step 4
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Observed 9 4 1 2 2 0 4 3 0 0 8 3 4 1 2 1 3 2 1 0 8 5 2 0 3 1 3 3 0 0 7 6 3 1 1 2 3 1 1 0
Expected 6.906 4.501 3.527 2.751 2.228 1.831 1.432 .959 .632 .233 6.875 4.510 3.750 2.771 2.222 1.765 1.273 .938 .607 .289 6.924 4.422 3.503 2.847 2.250 1.773 1.329 .987 .668 .296 6.766 4.580 3.406 3.012 2.301 1.668 1.261 .969 .662 .377
Observed 3 8 11 10 10 12 9 9 13 12 4 9 9 11 10 11 9 10 11 13 4 7 10 12 9 11 9 9 13 13 5 6 9 12 11 10 9 11 11 13
moda = 1
Total
Expected 5.094 7.499 8.473 9.249 9.772 10.169 11.568 11.041 12.368 11.767 5.125 7.490 9.250 9.229 9.778 10.235 10.727 11.062 11.393 12.711 5.076 7.578 8.497 9.153 9.750 10.227 10.671 11.013 12.332 12.704 5.234 7.420 8.594 9.988 9.699 10.332 10.739 11.031 11.338 12.623
Observed 12 12 12 12 12 12 13 12 13 12 12 12 13 12 12 12 12 12 12 13 12 12 12 12 12 12 12 12 13 13 12 12 12 13 12 12 12 12 12 13
175 moda = 1
Total
Observed
Expected
Observed
Expected
Observed
8 4 3 3 0 1 3 0 3 0 7 5 3 1 2 1 4 1 1 0 7 3 5 2 1 2 1 2 1 1
6.642 4.704 3.529 2.688 2.287 1.841 1.216 .987 .726 .382 6.483 4.457 3.754 2.642 2.318 1.833 1.451 1.077 .710 .275 6.449 4.204 3.203 3.168 1.984 1.909 1.500 .983 1.004 .596
4 9 9 9 12 12 9 12 9 12 5 7 10 11 11 12 9 12 11 9 5 9 7 13 10 10 11 8 11 13
5.358 8.296 8.471 9.312 9.713 11.159 10.784 11.013 11.274 11.618 5.517 7.543 9.246 9.358 10.682 11.167 11.549 11.923 11.290 8.725 5.551 7.796 8.797 11.832 9.016 10.091 10.500 9.017 10.996 13.404
12 13 12 12 12 13 12 12 12 12 12 12 13 12 13 13 13 13 12 9 12 12 12 15 11 12 12 10 12 14
moda = 0 Step 5
Step 6
Step 7
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Classification Table(a) Predicted Observed
moda 0
Step 1 moda
Percentage Correct 1
0
0
8
17
32.0
1
2
95
97.9
0
7
18
28.0
1
0
97
100.0
0
8
17
32.0
1
3
94
96.9
0
5
20
20.0
1
1
96
99.0
Overall Percentage Step 2 moda
84.4
Overall Percentage Step 3 moda
85.2
Overall Percentage Step 4 moda Overall Percentage
83.6
82.8
176 Step 5 moda
0
6
19
24.0
1
0
97
100.0
0
6
19
24.0
1
2
95
97.9
0
4
21
16.0
1
1
96
99.0
Overall Percentage Step 6 moda
84.4
Overall Percentage Step 7 moda Overall Percentage a The cut value is .500
82.8
82.0
177 Variables in the Equation B Step 1(a)
Step 2(a)
Step 3(a)
Jml_keluarga Sepeda Motor Mobil Pickup Income(1) Bekerja Sekolah Belanja Lainnya Constant Jml_keluarga Sepeda Motor Mobil Pickup Income(1) Bekerja Sekolah Belanja Constant Jml_keluarga Sepeda Motor Mobil Pickup Income(1) Bekerja Sekolah Constant
Lower .309 .396 -.775 -1.265 1.087 -.642 .273 .209 -.106 .067 .891 .292 .393 -.751 -1.245 1.074 -.604 .272 .207 -.089 .932 .244 .386 -.768 -1.232 1.064 -.585 .293 .226 .941
S.E. Upper .335 .469 .349 .412 .930 .675 .152 .145 .271 .182 1.390 .329 .467 .341 .407 .921 .667 .152 .144 .266 1.387 .296 .463 .339 .404 .929 .662 .139 .132 1.386
Wald Lower .853 .714 4.934 9.425 1.367 .905 3.213 2.077 .153 .134 .411 .786 .709 4.838 9.362 1.359 .821 3.218 2.057 .112 .452 .679 .694 5.128 9.290 1.313 .780 4.460 2.909 .461
df
Sig.
Upper 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Lower .356 .398 .026 .002 .242 .342 .073 .150 .696 .714 .521 .375 .400 .028 .002 .244 .365 .073 .151 .738 .501 .410 .405 .024 .002 .252 .377 .035 .088 .497
Exp(B) Upper 1.362 1.486 .461 .282 2.965 .526 1.314 1.233 .899 1.069 2.438 1.339 1.481 .472 .288 2.927 .546 1.313 1.230 .915 2.541 1.276 1.471 .464 .292 2.899 .557 1.341 1.253 2.563
95.0% C.I.for EXP(B) Lower .707 .593 .233 .126 .479 .140 .975 .927 .528 .748
Upper 2.625 3.722 .913 .633 18.340 1.976 1.772 1.638 1.531 1.527
.702 .593 .242 .130 .481 .148 .975 .927 .543
2.551 3.697 .921 .639 17.801 2.019 1.768 1.631 1.540
.714 .593 .239 .132 .469 .152 1.021 .967
2.281 3.645 .902 .644 17.901 2.040 1.760 1.625
178 B Lower Step 4(a)
Sepeda
Step 7(a)
df
Upper
Lower
Upper
Sig.
Exp(B)
Lower
Upper
95.0% C.I.for EXP(B) Lower
Upper
.433
1.389
1
.239
1.665
.713
3.889
Motor
-.689
.321
4.588
1
.032
.502
.268
.943
Mobil
-1.135
.377
9.093
1
.003
.321
.154
.672
.950
.889
1.143
1
.285
2.586
.453
14.758
-.736
.637
1.333
1
.248
.479
.137
1.671
Bekerja
.304
.137
4.878
1
.027
1.355
1.035
1.773
Sekolah
.244
.130
3.534
1
.060
1.276
.990
1.645
Constant
1.684
1.075
2.455
1
.117
5.389
Sepeda
.589
.431
1.866
1
.172
1.803
.774
4.199
Motor
-.660
.319
4.293
1
.038
.517
.277
.965
Mobil
-.956
.333
8.254
1
.004
.385
.200
.738
Income(1)
-.681
.622
1.197
1
.274
.506
.149
1.714
Bekerja
.293
.135
4.708
1
.030
1.341
1.029
1.748
Sekolah
.244
.127
3.682
1
.055
1.276
.995
1.638
Constant
1.511
1.062
2.024
1
.155
4.533
Income(1)
Step 6(a)
Wald
.510
Pickup
Step 5(a)
S.E.
Sepeda
.531
.424
1.571
1
.210
1.701
.741
3.904
Motor
-.590
.311
3.598
1
.058
.554
.301
1.020
Mobil
-.787
.291
7.295
1
.007
.455
.257
.806
Bekerja
.318
.137
5.388
1
.020
1.375
1.051
1.799
Sekolah
.240
.125
3.657
1
.056
1.271
.994
1.625
Constant
.725
.792
.840
1
.360
2.066
Motor
-.620
.310
3.997
1
.046
.538
.293
.988
Mobil
-.789
.295
7.140
1
.008
.454
.255
.810
.306
.127
5.775
1
.016
1.358
1.058
1.742
Sekolah
.285
.122
5.454
1
.020
1.329
1.047
1.688
Constant
1.097
.721
2.315
1
.128
2.996
Bekerja
179 Model if Term Removed
Model Log Likelihood
Variable Step 1
Step 2
Step 3
Step 4
Step 5
Step 6
Step 7
Jml_keluarga Sepeda Motor Mobil Pickup Income Bekerja Sekolah Belanja Lainnya Jml_keluarga Sepeda Motor Mobil Pickup Income Bekerja Sekolah Belanja Jml_keluarga Sepeda Motor Mobil Pickup Income Bekerja Sekolah Sepeda Motor Mobil Pickup Income Bekerja Sekolah Sepeda Motor Mobil Income Bekerja Sekolah Sepeda Motor Mobil Bekerja Sekolah Motor Mobil Bekerja Sekolah
-52.309 -52.233 -54.522 -57.407 -52.621 -52.337 -53.749 -52.939 -51.947 -51.939 -52.341 -52.299 -54.523 -57.407 -52.685 -52.362 -53.820 -52.995 -51.995 -52.344 -52.346 -54.733 -57.411 -52.717 -52.396 -54.756 -53.510 -53.064 -54.755 -57.412 -52.974 -53.039 -55.439 -54.225 -53.950 -55.220 -57.423 -53.596 -55.989 -54.982 -54.412 -55.478 -57.465 -57.138 -55.570 -56.490 -58.305 -58.001 -57.423
Change in 2 Log Likelihood .878 .724 5.304 11.072 1.500 .932 3.756 2.137 .152 .137 .805 .720 5.168 10.935 1.493 .845 3.762 2.113 .112 .698 .703 5.476 10.833 1.444 .802 5.521 3.029 1.441 4.823 10.137 1.261 1.391 6.190 3.763 1.951 4.493 8.899 1.243 6.030 4.017 1.632 3.765 7.738 7.086 3.948 4.156 7.786 7.178 6.023
Sig. of the Change
df 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
.349 .395 .021 .001 .221 .334 .053 .144 .696 .712 .370 .396 .023 .001 .222 .358 .052 .146 .738 .404 .402 .019 .001 .229 .371 .019 .082 .230 .028 .001 .262 .238 .013 .052 .162 .034 .003 .265 .014 .045 .201 .052 .005 .008 .047 .041 .005 .007 .014
180 Variables not in the Equation Score Step 2(a) Step 3(b)
Step 4(c)
Variables
df
Sig.
Lainnya
.135
1
.714
Overall Statistics
.135
1
.714
Belanja
.112
1
.737
Lainnya
.094
1
.759
Overall Statistics
.247
2
.884
Jml_keluarga
.684
1
.408
Belanja
.005
1
.945
Lainnya
.065
1
.798
Overall Statistics
.925
3
.819
.505
1
.477
Pickup
1.165
1
.280
Belanja
.009
1
.925
Lainnya
.072
1
.789
Overall Statistics
1.935
4
.748
Jml_keluarga
1.033
1
.309
Pickup
1.030
1
.310
Income(1)
1.212
1
.271
Belanja
.109
1
.741
Lainnya
.001
1
.972
Overall Statistics
3.172
5
.674
Jml_keluarga
1.786
1
.181
Sepeda
1.598
1
.206
Pickup
1.584
1
.208
Income(1)
.906
1
.341
Belanja
.300
1
.584
Lainnya
.001
1
.976
Overall Statistics
4.874
6
.560
Variables
Variables
Step 5(d)
Jml_keluarga Variables
Step 6(e) Variables
Step 7(f) Variables
a Variable(s) removed on step 2: Lainnya. b Variable(s) removed on step 3: Belanja. c Variable(s) removed on step 4: Jml_keluarga. d Variable(s) removed on step 5: Pickup. e Variable(s) removed on step 6: Income. f Variable(s) removed on step 7: Sepeda.
