The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015
PEMODELAN TARIKAN PERJALANAN BERDASARKAN LUAS LANTAI DI GEDUNG PUSAT PERDAGANGAN GROSIR DI KOTA SURABAYA Miftachul Huda Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember KampusITS Sukolilo, Surabaya Telp: 0821 3219 2939
[email protected]
Hera Widyastuti Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember KampusITS Sukolilo, Surabaya Telp: 0813 3202 3399
[email protected]
Abstract Wholesale building is one of activities center that causes movements. The purpose of this research is to know the best model of trip attraction of motorcycle and private car to the wholesale buildings in Surabaya City. The analysis of this research is using multiple regression method. Dependent variable (Y) in this research is total of vehiclethat entered to parking place and the independent variable (X) is wholesale area (X1) and retail area (X2). The primer data in this research is traffic counting and the secondary data is wholesale area and retail area. The analysis was started with multiple linier regression analysis, t test, F test, and determination and correlation test. The model of trip attraction of motorcycle (Y1) = 714,395 + 0,022 X1 (R2 = 0,838) and the model of trip attraction of private car (Y2) = 268,978 + 0,015 X1 (R2 = 0,790). Keywords: linier regression, modeling, Surabaya City, trip attraction, wholesale Abstrak Pusat perdagangan merupakan salah satu pusat kegiatan yang menghasilkan pergerakan. Penelitian ini bertujuan untuk mengetahui model terbaik tarikan perjalanan sepeda motor dan mobil pribadi menuju gedung pusat perdagangan grosir di Kota Surabaya. Penelitian ini dianalisis dengan metode regresi linier berganda. Variabel terikat (Y) pada penelitian ini adalah jumlah kendaraanyang masuk parkir gedungdan variabel bebas (X) adalah luas lantai grosir (X1) dan luas lantai retail (X2). Data primer pada penelitian ini adalah survei kendaraan yang masuk parkir dan data sekunder pada penelitian ini adalah luas lantai grosir dan luas lantai retail. Analisis diawali dengananalisis regresi linier berganda, uji t, uji F, dan uji determinasi dan korelasi. Hasil analisis model tarikan perjalanan sepeda motor(Y1) = 714,395 + 0,022 X1 (R2 = 0,838) dan tarikan perjalanan mobil pribadi (Y2) = 268,978 + 0,015 X1 (R2 = 0,790). Kata Kunci: Kota Surabaya,pemodelan, pusat perdagangan grosir, regresi linier, tarikan perjalanan
PENDAHULUAN Kota Surabaya yang merupakan kota terbesar kedua di Indonesia dan merupakan ibu kota provinsi Jawa Timur, menyebabkan hampir seluruh aktifitas dan seluruh kebutuhan di Jawa Timur bahkan Indonesia bagian timur berpusat di Kota Surabaya. Hal ini dibuktikan dengan aktifitas perdagangan skala besar atau grosir di gedung-gedung pusat perdagangan grosir di Kota Surabaya yang tidak hanya berasal dari dalam Kota Surabaya saja, tetapi dari luar kota Surabaya bahkan dari luar pulau Jawa.
KAJIAN PUSTAKA DAN TEORI Bangkitan perjalanan adalah tahapan pemodelan yang memperkirakan jumlah perjalanan yang berasal dari suatu zona atau tata guna lahan dan jumlah perjalanan yang tertarik ke
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015 suatu tata guna lahan atau zona. Pergerakan lalu lintas merupakan fungsi tata guna lahan yang menghasilkan pergerakan lalu lintas. Bangkitan lalu lintas mencakup lalu lintas yang meninggalkan suatu lokasi (Trip Production) dan lalu lintas yang menuju atau tiba ke suatu lokasi (Trip Attraction).
i
d
Pergerakan yang berasal dari zona i
Pergerakan yang menuju ke zona d
Gambar 1Bangkitan dan Tarikan Pergerakan (Wells, 1975) Bangkitan dan tarikan tergantung pada dua aspek tata guna lahan, yaitu: • Jenis tata guna lahan Jenis tata guna lahan yang berbeda (permukiman, pendidikan dan komersial) mempunyai ciri bangkitan lalu lintas yang berbeda, baik dari jumlah arus lalu lintas, jenis arus lalu lintas, maupun waktu pergerakan yang dihasilkan (kantor menghasilkan arus lalu lintas pada pagi dan sore hari, sedangkan pertokoan menghasilkan arus lalu lintas di sepanjang hari). • Intensitas aktivitas tata guna lahan Semakin tinggi tingkat penggunaan sebidang tanah, semakin tinggi pergerakan arus lalu lintas yang dihasilkannya. Salah satu ukuran intensitas aktifitas sebidang tanah adalah kepadatannya. Faktor yang sering digunakan untuk tarikan perjalanan adalah luas lantai untuk kegiatan industri, komersial, perkantoran, pertokoan dan pelayanan lainnya.Faktor lain yang dapat digunakan adalah lapangan kerja. Akhir-akhir ini beberapa kajian mulai berusaha memasukkan ukuran aksesibilitas. Pengolahan data yang telah terkumpul dianalisis dengan beberapa analisis dan uji, diantaranya: • Analisis regresi linier Analisis regresi linier merupakan alat analisis statistik yang menganalisis faktor-faktor penentu yang menimbulkan suatu kejadian atau kondisi tertentu yang diamati, sekaligus menguji sejauh manakah kekuatan faktor-faktor penentu yang dimaksud berhubungan dengan kondisi yang ditimbulkan/diciptakannya. Analisis regresi linier terdiri dari dua macam, yaitu: - Analisis regresi linier sederhana Analisis ini hanya menghubungkan variabel terikat dengan 1 (satu) buah variabel bebas yang mempengaruhi naik turunnya variabel terikat yang diamati dengan asumsi studi, variabel-variabel lainnya tidak mempengaruhi perubahan pada variabel terikat atau tidak dimasukkan ke dalam model. - Analisis regresi linier berganda Merupakan teknik analisis regresi yang menghubungkan satu variabel terikat dengan dua atau lebih variabel-variabel bebas yang dianggap atau mungkin mempengaruhi perubahan variabel terikat yang diamati.
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015 Bentuk umum dari metode analisis ini adalah, dengan berbasis persamaan fungsi kebutuhan diatas, maka didapat persamaan sebagai berikut:
Y = a + b1 X 1 + b2 X 2 + ... + bnXn + e
(1)
di mana: Y X1, …..Xn b
= variabel terikat yang akan diramalkan (dependent variable ). = variabel-variabel bebas (independent variable). = parameter koefisien (coefficient parameter ) berupa nilai yang akan dipergunakan untuk meramalkan Y. e = nilai kesalahan yang mewakili seluruh faktor-faktor yang kita anggap tidak mempengaruhi (disturbance term ). Pada penelitian ini, analisis regresi linier yang digunakan adalah analisis regresi linier berganda.
• Uji hipotesis - Uji hipotesis secara parsial (uji t) Uji t dilakukan untuk melihat apakah parameter (b1, b2, b3, ... bn) yang melekat pada variabel bebas cukup berarti (signifikan) terhadap suatu konstanta (a) nol atau sebaliknya. Kalau signifikan, maka variabel bebas yang terkait dengan parameter harus ada dalam model. Kaidah pengujian signifikansi sebagai berikut: jika thitung ≥ ttabel, artinya signifikan dan sebaliknya. Sedangkan derajat bebas/degree of freedom (df) ditentukan dengan rumus: df = n − k
(2)
di mana: n= Jumlah observasi/sampel pembentuk regresi k= Jumlah variabel (bebas dan terikat) - Uji hipotesis secara serempak (uji F) Cara menguji F adalah dengan mencari terlebih dahulu Fhitung, kemudian dibandingkan dengan Ftabel. Kaidah pengujian signifikansi sebagai berikut: Jika Fhitung ≥ Ftabel maka tolak H0, artinya signifikan dan jika Fhitung ≤ Ftabel, maka terima H0, artinya tidak signifikan. Sedangkan derajat bebas/degree of freedom (df) ditentukan dengan rumus:
df1 = k − 1 df 2 = n − k
(3) (4)
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015 di mana: k= Jumlah variabel (bebas dan terikat) n= Jumlah observasi/sampel pembentuk regresi - Uji koefisien determinasi dan korelasi Uji koefisien determinasi Uji koefisien determinasi (coeffisien of determination) digunakan untuk mengetahui kontribusi dari X terhadap naik turunnya nilai Y. Untuk menghitung koefisien determinasi digunakan rumus berikut: R 2 = r 2 x100 %
(5)
di mana: R2 = Koefisien determinasi r = Koefisien korelasi Uji koefisien korelasi Pengujian statistik ini dilakukan untuk mengetahui hubungan linier antara dua variabel yang diasumsikan memiliki keterkaitan atau keterhubungan yang kuat, apakah kuat atau tidak. Jika kenaikan/penurunan variabel bebas (X) mempengaruhi variabel terikat (Y), maka dikatakan X dan Y terdapat hubungan atau berkorelasi. Adapun sebaliknya, jika kenaikan/penurunan X tidak mempengaruhi Y, maka dikatakan X dan Y tidak terdapat hubungan atau tidak berkorelasi. Koefisien korelasi adalah nilai yang menyatakan kuat tidaknya hubungan antara variabel X dan variabel Y. Nilai koefisien korelasi paling sedikit -1 dan paling besar 1.
METODE PENELITIAN Data yang dibutuhkan untuk tarikan perjalanan gedung pusat perdagangan grosir adalah luas lantai grosir dan luas lantai retail yang merupakan data primer yang didapatkan dari pengelola gedung,dan jumlah kendaraan yang masuk menuju parkir gedung pusat perdagangan grosir yang merupakan data sekunder yang didapatkan dari traffic counting survey. Jenis kendaraan yang dihitung adalah sepeda motor dan mobil pribadi yang masuk menuju parkir gedung pusat perdagangan grosir. Survei tarikan dilaksanakan mulai pukul 09.00 – 17.00 WIB. Data yang telah terkumpul dianalisis dengan regresi linier berganda dengan menggunakan alat bantu program Statistic Program for Special Science (SPSS) versi 18.0. adapun variabel terikat (Y) dan variabel bebas (X) yang dikaji adalah sebagai berikut: Y1 = Tarikan perjalanan sepeda motor (kend/hari) Y2 = Tarikan perjalanan mobil pribadi (kend/hari) X1 = Luas lantai grosir (m2) X2 = Luas lantai retail (m2)
HASIL DAN PEMBAHASAN
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015 Tabel 1 Rekapitulasidata luas lantai dan jumlah kendaraan masuk No
Nama Gedung
Luas lantai grosir (m2) (X1)
Luas lantai retail (m2) (X2)
Jumlah kendaraan (Y) Sepeda motor Mobil pribadi (Y1) (Y2)
1
Pasar Kapasan
18428
6137
877
263
2
Pusat Grosir Surabaya (PGS)
29668
4392
1524
882
3
Dupak Grosir
17850
3150
952
473
4
Jembatan Merah Plaza (JMP)
47928
20541
2258
1275
5
ITC Mega Grosir
93024
61042
2581
1486
Sumber: Hasil pengolahan data Model tarikan perjalanan A. Model tarikan perjalanan sepeda motor 1. Analisis regresi linier berganda Model tarikan perjalanan sepeda motor didapat dari hasil analisis regresi linier berganda. Tahap awal adalah menganalisis tarikan dengan memasukkan jumlah sepeda motor (Y1) dengan seluruh variabel bebas (X). Dari analisis tersebut didapatkan hasil sebagaimana tabel di bawah. Tabel 2Nilai Konstanta, Koefisien Regresi dan t hitung X1dan X2 terhadap Y1 Coefficients Model
Standardized Unstandardized Coefficients B
1 (Constant)
a
Std. Error
Coefficients
Collinearity Statistics
Beta
-36.032
393.321
Grosir
.068
.021
Retail
-.059
.027
t
Sig.
Tolerance
VIF
-.092
.935
2.768
3.198
.085
.032
31.190
-1.883
-2.175
.162
.032
31.190
a. Dependent Variable: Y1
Sumber: Hasil pengolahan data Tabel 3Nilai Konstanta, Koefisien Regresi dan t hitung X1terhadap Y1 Coefficients Model
Standardized Unstandardized Coefficients B
1 (Constant) Grosir
a
Std. Error
714.395
283.055
.022
.006
a. Dependent Variable: Y1
Sumber: Hasil pengolahan data
Coefficients Beta
Collinearity Statistics t
.916
Sig.
2.524
.086
3.943
.029
Tolerance
1.000
VIF
1.000
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015
2. Uji hipotesis parsial (uji t) Berdasarkan hasil pengolahan data pada tabel 2 di atas, didapatkan nilai t hitung adalah 3,198 untuk grosir dan -2,175 untuk retail, dan untuk nilai t tabeluntuk derajat bebas df = 2 dan taraf signifikansi 5% (uji dua arah) adalah 2,920. Perbandingan t hitung dengan t tabel adalah 3,198 > 2,920 untuk luas lantai grosir, dan -2,175 > 2,920 untuk luas lantai retail, maka koefisien luas lantai retail tidak memenuhi syarat dan tidak dimasukkan pada tahap analisis selanjutnya, dan hanya luas lantai grosir yang dimasukkan pada tahap analisis selanjutnya.. Berdasarkan hasil pengolahan data pada tabel 3 di atas, didapatkan nilai t hitung adalah 3,943, dan untuk nilai t tabeluntuk derajat bebas df = 2 dan taraf signifikansi 5% (uji dua arah) adalah 2,920. Perbandingan t hitung dengan t tabel adalah 3,943 > 2,920. Nilai t hitung lebih besar dari nilai t tabel, maka koefisien regresi dapat dikatakan signifikan. 3. Uji hipotesis serempak (uji F) Tabel 4 Nilai F hitung X1 untuk Y1 b
ANOVA Model 1
Sum of Squares Regression Residual Total
df
Mean Square
1958410.709
1
1958410.709
377950.491
3
125983.497
2336361.200
4
F 25.545
Sig. .019
a
a. Predictors: (Constant), Grosir b. Dependent Variable: Y1
Sumber: Hasil pengolahan data Berdasarkan hasil pengolahan data pada tabel 4 di atas, didapatkan nilai F hitung untuk tarikan perjalanan sepeda motor (Y1) adalah 25,545 dan untuk nilai F tabeluntuk derajat bebas df: 2 ; 2 dan tingkat signifikansi (α) 5% adalah sebesar 19,00. Perbandingan F hitung dengan F tabel adalah 25,545> 19,00. Nilai F hitung lebih besar dari nilai F tabel, maka koefisien regresi dapat dikatakan signifikan. 4. Uji koefisien determinasi dan korelasi Tabel 5Nilai Koefisien Determinasi dan KorelasiX1 terhadap Y1 b
Model Summary Model R dimension0
1
.916
R Square a
a. Predictors: (Constant), Grosir b. Dependent Variable: Y1
.838
Adjusted R
Std. Error of the
Square
Estimate .784
354.942
Durbin-Watson 2.969
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015 Sumber: Hasil pengolahan data Berdasarkan hasil pengolahan data pada tabel 5 di atas, nilai koefisien determinasi atau R Square (R2) adalah sebesar 0,838 atau sebesar 83,8%, yang dapat diartikan bahwa sebesar 83,8% tarikan perjalanan sepeda motor dipengaruhi oleh luas lantai grosir (X1) sedangkan sisanya sebesar 16,2% dipengaruhi oleh sebab-sebab lain. Sedangkan nilai korelasi (R) pada tabel 5 di atas adalah sebesar 0,916 atau sebesar 91,6%. Nilai korelasi tersebut menggambarkan bahwa hubungan antara variabel bebas dengan variabel terikat adalah mempunyai hubungan yang sangat erat. Setelah lolos uji regresi linier, uji t, uji F, dan uji koefisien determinasi dan korelasi, maka didapatkan model tarikan perjalanan sepeda motor sebagaimana pada tabel 3 di atas sebagai berikut: Y1 = 714,395 + 0,022 X1 di mana: Y1= Tarikan perjalanan sepeda motor menuju gedung pusat perdagangan grosir per hari (kend/hari) X1= Luas lantai grosir (m2) Pada persamaan model di atas dapat diartikan bahwa setiap penambahan 1 m2 luas lahan grosir dapat menyebabkan pertambahan tarikan perjalanan sebesar 0,022 kend/hari. B. Model tarikan perjalanan mobil pribadi 1. Analisis regresi linier berganda Model tarikan perjalanan mobil pribadi didapat dari hasil analisis regresi linier berganda. Tahap awal adalah menganalisis tarikan dengan memasukkan jumlah mobil pribadi (Y2) dengan seluruh variabel bebas (X). Dari analisis tersebut didapatkan hasil sebagaimana tabel di bawah. Tabel 6Nilai Konstanta, Koefisien Regresi dan t hitung X1dan X2 terhadap Y2 Coefficients Model
Standardized Unstandardized Coefficients B
1 (Constant)
a
Std. Error
-370.126
210.527
Grosir
.053
.011
Retail
-.050
.014
Coefficients Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
-1.758
.221
3.221
4.703
.042
.032
31.190
-2.371
-3.461
.074
.032
31.190
a. Dependent Variable: Y2
Sumber: Hasil pengolahan data Tabel 7Nilai Konstanta, Koefisien Regresi dan t hitung X1terhadap Y2
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015 Coefficients Model
a
Standardized Unstandardized Coefficients B
1 (Constant)
Std. Error
Beta
268.978
218.330
.015
.004
Grosir
Coefficients
Collinearity Statistics t
.889
Sig.
1.232
.306
3.357
.044
Tolerance
VIF
1.000
1.000
a. Dependent Variable: Y2
Sumber: Hasil pengolahan data 2. Uji hipotesis parsial (uji t) Berdasarkan hasil pengolahan data pada tabel 6 di atas, didapatkan nilai t hitung adalah 4,703 untuk grosir dan -3,461 untuk retail, dan untuk nilai t tabeluntuk derajat bebas df = 2 dan taraf signifikansi 5% (uji dua arah) adalah 2,920. Perbandingan t hitung dengan t tabel adalah 4,703 > 2,920 untuk luas lantai grosir, dan -3,461 > 2,920 untuk luas lantai retail, maka koefisien luas lantai retail tidak memenuhi syarat dan tidak dimasukkan pada tahap analisis selanjutnya, dan hanya luas lantai grosir yang dimasukkan pada tahap analisis selanjutnya. Berdasarkan hasil pengolahan data pada tabel 7 di atas, didapatkan nilai t hitung adalah 3,357, dan untuk nilai t tabeluntuk derajat bebas df = 2 dan taraf signifikansi 5% (uji dua arah) adalah 2,920. Perbandingan t hitung dengan t tabel adalah 3,357> 2,920. Nilai t hitung lebih besar dari nilai t tabel, maka koefisien regresi dapat dikatakan signifikan. 3. Uji hipotesis serempak (uji F) Tabel 8 Nilai F hitung X1 untuk Y2 b
ANOVA Model 1
Sum of Squares
df
Mean Square
Regression
844651.809
1
844651.809
Residual
224862.991
3
74954.330
1069514.800
4
Total
F 21.269
Sig. .034
a
a. Predictors: (Constant), Grosir b. Dependent Variable: Y2
Sumber: Hasil pengolahan data Berdasarkan hasil pengolahan data pada tabel 8 di atas, didapatkan nilai F hitung untuk tarikan perjalanan mobil pribadi (Y2) adalah 21,269 dan untuk nilai F tabeluntuk derajat bebas df: 2 ; 2 dan tingkat signifikansi (α) 5% adalah sebesar 19,00. Perbandingan F hitung dengan F tabel adalah 21,269> 19,00. Nilai F hitung lebih besar dari nilai F tabel, maka koefisien regresi dapat dikatakan signifikan. 4. Uji koefisien determinasi dan korelasi
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015
Tabel 9Nilai Koefisien Determinasi dan KorelasiX1 terhadap Y2 b
Model Summary Model R dimension0
1
.889
R Square a
.790
Adjusted R
Std. Error of the
Square
Estimate .720
Durbin-Watson
273.778
2.645
a. Predictors: (Constant), Grosir b. Dependent Variable: Y2
Sumber: Hasil pengolahan data Berdasarkan hasil pengolahan data pada tabel 9 di atas, nilai koefisien determinasi atau R Square (R2) adalah sebesar 0,790 atau sebesar 79%, yang dapat diartikan bahwa sebesar 79% tarikan perjalanan mobil pribadi dipengaruhi oleh luas lantai grosir (X1) sedangkan sisanya sebesar 21% dipengaruhi oleh sebab-sebab lain. Sedangkan nilai korelasi (R) pada tabel 9 di atas adalah sebesar 0,889 atau sebesar 88,9%. Nilai korelasi tersebut menggambarkan bahwa hubungan antara variabel bebas dengan variabel terikat adalah mempunyai hubungan yang sangat erat. Setelah lolos uji regresi linier, uji t, uji F, dan uji koefisien determinasi dan korelasi, maka didapatkan model tarikan perjalanan sepeda motor sebagaimana pada tabel 7 di atas sebagai berikut: Y2 = 268,978 + 0,015 X1 di mana: Y1= Tarikan perjalanan mobil pribadi menuju gedung pusat perdagangan grosir per hari (kend/hari) X1= Luas lantai grosir (m2) Pada persamaan model di atas dapat diartikan bahwa setiap penambahan 1 m2 luas lahan grosir dapat menyebabkan pertambahan tarikan perjalanan sebesar 0,015 kend/hari.
KESIMPULAN Model terbaik untuk tarikan perjalanan gedung pusat perdagangan grosir: 1. Tarikan perjalanan sepeda motor Y1 = 714,395 + 0,022 X1
R2 = 0,838
di mana: Y1= Tarikan perjalanan sepeda motor menuju gedung pusat perdagangan grosir per hari (kend/hari) X1= Luas lantai grosir (m2)
The 18th FSTPT International Symposium, Unila, Bandar Lampung,August 28, 2015 Pada persamaan model di atas dapat diartikan bahwa setiap penambahan 1 m2 luas lahan grosir dapat menyebabkan pertambahan tarikan perjalanan sebesar 0,022 kend/hari.
2. Tarikan perjalanan mobil pribadi Y1 = 268,978 + 0,015 X1
R2 = 0,790
di mana: Y1= Tarikan perjalanan sepeda motor menuju gedung pusat perdagangan grosir per hari (kend/hari) X1= Luas lantai grosir (m2) Pada persamaan model di atas dapat diartikan bahwa setiap penambahan 1 m2 luas lahan grosir dapat menyebabkan pertambahan tarikan perjalanan sebesar 0,015 kend/hari.
DAFTAR PUSTAKA Ghozali, I. (2006), Aplikasi Analisis Multivariate dengan Program SPSS, Cetakan Keempat, Badan Penerbit Universitas Diponegoro, Semarang. Gunawan, Hendra., Kurniati, Titi., dan Arnaldi, Dedi. (2007), “Pemodelan Tarikan Perjalanan pada Rumah Sakit di Kota Padang”, Teknika, Vol. 3, No. 27, hal. 4956. Khisty, C.J, dan Lall, B.K. (2003), Dasar-dasar Rekayasa Transportasi, Edisi ketiga, Erlangga, Jakarta. Matondang, Z. (2009), “Validitas dan Reliabilitas Suatu Instrumen Penelitian”, Jurnal Tabularasa Pps Unimed, Vol. 6, No. 1, hal. 87-97. Mawardi, A.F. (2011), Pemodelan Tarikan Perjalanan ke Kawasan Sekolah (SD Islam Kota Surabaya), Tesis Magister., Institut Teknologi Sepuluh Nopember, Surabaya. Miro, Fidel. (2004), Perencanaan Transportasi, Erlangga, Jakarta. Nur, M. (1987), Teori Tes, IKIP Surabaya, Surabaya. Permain, D., Swanson, J., Kroes, E., Bradley. (1991), Stated Preference Techniques :A Guide to Practice, Steer Davies Gleave and Haque Consulting Group, London. Supranto, J. (2000), Statistik Teori dan Aplikasi, Edisi keenam, Erlangga, Jakarta. Suthanaya, P.A. (2010), “Pemodelan Tarikan Perjalanan Menuju Pusat Perbelanjaan di Kabupaten Badung, Provinsi Bali”, Jurnal Ilmiah Teknik Sipil, Vol. 14, No. 2, hal. 102-112. Tamin, O.Z. (2000), Perencanaan & Pemodelan Transportasi, Edisi kedua, ITB, Bandung. Timboeleng, J.A. (2011), “Tarikan Pengunjung Kawasan Matahari Jalan Samratulangi Manado”, Jurnal Sabua, Vol. 3, No. 3, hal. 9-19.