Professional Documents
Culture Documents
Jurnal - Faikar Muhammad - D 111 08 908 PDF
Jurnal - Faikar Muhammad - D 111 08 908 PDF
Oleh :
FAIKAR MUHAMMAD
D111 08 908
ABSTRACT : Traditional market Butung Makassar had always been the busiest market in Makassar
as its strategic location is the golden triangle area covers trade Chinatown district (Bali and
surrounding roads), the Dutch office (Riburane Karaeng Roads and surrounding areas) as well as
the door I seaport (Port of Soekarno Hatta now) . Therefore the market can cause traction Butung
sizable shopping trip and can affect land use that affect the movement of the traffic flow in the area.
Pull of visitors has resulted in congestion on the roads around the main building of traditional
markets to affect the main road as the road Sulawesi, Kalimantan and the army as well as the
random movement direction of the incoming visitors and their patterns of motorists and
pedestrians. Therefore it is necessary to know how to pull traffic Butung traditional market model,
so that the process of handling problems due to transportation visitor attraction can be calculated.
In case Frequency Structure Factor Journey In Shopping Centre in Makassar also investigated by
Muhammad Ramli Isran and Friends stated that there are four latent variables are considered in
the model structure, namely mobility, accessibility, land use and quality of care With the result that
the accessibility of the latent variables that affect the most significant way to the shopping center.
There are three important things that represent the accessibility of representatives from
transportation component (reflecting the general cost of the trip), the spatial component (reflecting
the possibility to perform the desired activity) and its individual components (reflecting preferansi
different people). In this study, data collected during the two days, work days and days off by taking
on the busiest day on the representation of both normal (non-holiday) in which the object is a
visitor who enters the main building of traditional markets Butung intensity over time of eight hours
09.00 to 17.00. Categories of data in the form of respondent characteristics, trip characteristics
and the characteristics of the traditional market to shop in the traditional markets.
After performing data reduction phase in accordance with the focus of continued research titles
linear regression analysis then seek potential model. Best model obtained is:
• Model the Holidays ; Y = 0,712 + 0,041 X2 + 0,028 X6 + 0,599X12 – 0,066 X13 with R2 = 0,529
where X2 = Number of People In The House, X6 = Household Income, X12 = Companion to The
Market and X13 = House Clearance to Market
• Model Business Day ; Y = 0,067 + 0,006 X1 + 0,046 X2 + 0,257 X4 + 0,024 X6 + 0,212 X12 with
R2 = 0.524 X1 = Age, X2 = Number of People In The House, X4 = Number of School, X6 =
Household Income and X12 = Companion to The Market.
Keywords: Butung traditional markets, regression analysis, the model visitor attraction
1
Dosen, Jurusan Teknik Sipil, Universitas Hasanuddin, Makassar 90245, INDONESIA
2
Dosen, Jurusan Teknik Sipil, Universitas Hasanuddin, Makassar 90245, INDONESIA
3
Mahasiswa, Jurusan Teknik Sipil, Universitas Hasanuddin, Makassar 90245, INDONESIA
1
laut (Pel. Sukarno Hatta sekarang). Oleh karena butung. Untuk mendapatkan jumlah
itu pasar butung dapat menyebabkan tarikan populasi, setiap akses masuk ditempatkan
perjalanan berbelanja yang cukup besar dan surveyor untuk menghitung pengunjung
dapat mempengaruhi tata guna lahan sehingga yang masuk menuju zona.
berdampak pada pergerakan arus lalu lintas
pada kawasan sekitar yang tentu saja dapat Secara metematis besarnya sampel dari
mengakibatkan keramaian yang tidak teratur. suatu populasi dapat dirumuskan sebagai
Keramaian yang tidak teratur inilah yang berikut (Notoatmodjo, 2002) :
menyebabkan tarikan pengunjung yang juga
dipengaruhi oleh moda transportasi yang
digunakannya. Terlebih lagi bila pengunjung
yang datang tidak sendiri.
Dimana :
METODOLOGI n = Prakiraan besar sampel
N = Prakiraan besar populasi
Metode kuesioner (quesiner research) Z = Nilai Standar Deviasi Normal,
digunakan dalam penelitian ini dengan biasnya ditentukan, Untuk
mengadakan kegiatan percobaan di pasar tingkat kepercayaan 95%, nilai z
tradisonal di kota Makassar. Respondennya = 1.96, sedangkan untuk 90%
merupakan pengunjung pasar tradisional yang dan 99% masing-masing
adalah 1.645 dan 2.57.
memasuki gedung utama pasar tradisonal
P = Proporsi untuk sifat tertentu
terong yang diperkirakan terjadi pada
Penetapan waktu pengambilan sampel populasi.
dan waktu pelaksanaan survey di lapangan Pada umumnya digunakan rumus :
untuk setiap jenis data yang dibutuhkan sangat
tergantung pada kesiapan rencana
survey.Survey dilaksanakan pada :
• Hari/Tanggal : Senin/07 Januari 2013,
mewakili hari libur. Apabila tidak diketahui proporsi
• Hari/Tanggal : Rabu/13 Januari 2013, tersebut, maka P = 0,5
mewakili hari kerja. Q = 1-P
Selanjutnya dilakukan strategi pelaksanaan. d = penyimpangan terhadap
Strategi yang dilakukan dalam hal ini adalah populasi atau derajat ketepatan
sebagai berikut: yang diinginkan, biasanya 0,05 atau
• Rekrutmen tenaga surveyor 0,001.
• Perijinan
• Pelaksanaan survey lapangan Dalam menganalisis dilakukan
Pada tahapan selanjutnya kegiatan yang beberapa tahapan uji statistik harus
dilakukan adalah : dilakukan agar model tarikan pergerakan
1. Penentuan target populasi yang dihasilkan dinyatakan absah, yaitu :
Target populasi merupakan obyek yang 1. Metode Pengkategorian Data
lengkap dimana informasi atau data yang Data yang didapatkan dibuat dalam
akan dikumpulkan. Untuk menentukan suatu pola yang dimana pola tersebut
jumlah populasi, dilakukan survey jumlah didasarkan pada frekuensi terbesar dari
pengunjung pada Pasar Tradisional Terong variabel data yang ada.
Makassar yang waktunya ditentukan terlebih 2. Analisis Normalitas Data Tiap Variabel
dahulu. Selanjutnya variabel data yang ada
2. Perhitungan jumlah populasi diuji normalitasnya. Uji normalitas
Jumlah populasi didapatkan setelah adalah untuk melihat apakah nilai
dilakukan survey jumlah pengunjung yang residual terdistribusi normal ataun tidak.
memasuki zona gedung pasar tradisonal Model regresi yang baik adalah
2
memiliki nilai residual yang
terdistribusi normal. Uji normalitas
pada penelitian ini dilakukan dengan
metode uji histogram.
3. Analisis Korelasi
Uji korelasi dilakukan untuk
mengetahui kekuatan hubungan antara
variabel independen dengan variabel
dependen dan sesama variabel
independen. Hasil uji korelasi
dinyatakan dengan koefisien korelasi
dan signifikasi hasil korelasi. Untuk
korelasi antara variabel independen dan
variabel dependen dipilih variabel yang Gambar 4.1 Grafik Distribusi Pengunjung
nilai korelasinya kuat (>0,5), sedangkan
Hari Libur
korelasi antara sesama variabel
independen dipilih yang tidak kuat (<
0,5). Nilai signifikansi semua variabel
harus < 0,05.
4. Analisis Regresi
Dari semua variabel independen
yang nilai korelasinya > 0,5 dipilih nilai
terbesar untuk mewakili variabel
independen. Dari semua variabel yang
terpilih dibuat analisa regresi linier
bergandanya untuk menghasilkan
model persamaan. Model yang didapat
diuji signifikansinya dengan
membandingkan nilai p value terhadap
α baik model maupun variabelnya. Jika
nilai p value < α maka model regresi Gambar 4.2 Grafik Distribusi Pengunjung
dapat digunakan untuk memprediksi Hari Kerja
tarikan pergerakan pengunjung pasar
tradisonal terong. Selain itu dilakukan Gambar 4 dan 5 merupakan garfik distribusi
uji tanda sesuai tanda yang diharapkan. yang memperlihatkan besaran frekuensi
pengunjung dalam periode waktu per-15 menit
Hasil Survey Pendahuluan dengan dengan intensitas waktu selama
delapan jam.
Jumlah Populasi Pengunjung Pasar
Dari survey jumlah pengunjung yang Estimasi Jumlah Sampel
dilakukan pada hari libur dan kerja didapatkan
jumlah pengunjung sebagai berikut : Berdasarkan perhitungan dengan
• Hari/ Tanggal : Senin/07 Januari 2013 menggunakan rumus jumlah sampel
Jumlah Pengunjung : 9.305 orang didapatkan bahwa :
• Hari/ Tanggal :Minggu/ 13 Januari • Sampel Pengunjung Hari Libur : 374
2013 sampel
Jumlah Pengunjung : 10.098 orang • Sampel Pengunjung Hari Kerja : 372
sampel
Untuk meminimalisir jumlah kesalahan
dalam penyesuainnya dengan hasil perhitungan
jumlah sampel maka diberikan safety faktor 2
(200%). Dari perkalian terhadap safety faktor
3
didapatkan jumlah sampel kuesioner yang bersifat estafet. Sudut pandang didapatkan
harus tersebar yaitu : melalui pengolahan dan pengamatan data
• Kuesioner Tersebar Hari Libur : 748 terhadap data yang salah satu variabelnya
Kuesioner memiliki nilai variabel terbesar dan bersifat
• Kuesioner Tersebar Hari Kerja : 744 tidak merata.
Kuesioner
Tahap 1Hari Libur
Permodelan Tarikan Pergerakan
4
Hari ke Biaya
dari Lokasi
Asal (X15)
Lama
Perjalanan Berbelanja
di Pasar
(X17)
Jenis
Pekerjaan 0,026 -0,131 -0,018 1 - - - - - - - - - -
(X5)
Pendapatan
0,171 0,277 0,406 -0,23 1 - - - - - - - - -
Tabel 4.5 Hasil Uji Normalitas Hari Libur RT (X6)
Jumlah
Mobil di
Rumah (X7)
0,011 0,151 0,119 -0,042 0,121 1 - - - - - - - -
Jumlah
Motor di 0,025 -0,127 0,16 -0,035 0,145 -0,019 1 - - - - - - -
Rumah (X8)
Kepemilikan
SIM Mobil -0,028 -0,261 -0,023 0,163 -0,21 -0,584 0,019 1 - - - - - -
(X9)
Kepemilikan
Sim Motor 0,090 0,109 0,025 0,205 -0,117 0,080 -0,231 0,179 1 - - - - -
(X10)
Pendampin
g ke Pasar 0,701 0,101 0,234 -0,026 0,132 0,002 0,167 -0,026 -0,006 1 - - - -
(X12)
Jarak
Rumah ke -0,157 -0,036 -0,124 -0,039 0,080 0,091 0,003 -0,094 -0,14 -0,065 1 - - -
Pasar (X13)
Biaya
Transportas -0,057 0,105 -0,228 -0,008 0,014 0,079 -0,011 -0,132 -0,036 -0,122 0,207 1 - -
i dari Lokasi
Waktu
Perjalanan -0,091 0,035 -0,301 -0,024 -0,039 0,107 0,026 -0,131 -0,122 -0,075 0,477 0,355 1 -
dari Lokasi
Lama
Berbelanja
di Pasar 0,021 0,092 -0,307 0,107 -0,071 0,132 0,011 -0,109 0,035 -0,035 0,15 0,274 0,428 1
(X17)
Jumlah
Orang yang
Sekolah 0,56 -,035 -0,056 1 - - - - - - - - - - -
(X4)
Jenis
Pekerjaan -0,008 -0,014 0,085 -0,022 1 - - - - - - - - - -
(X5)
Pendapata
n RT (X6) 0,218 0,069 0,224 0,040 -0,056 1 - - - - - - - - -
Jumlah
Mobil di
Rumah -0,029 0,122 0,127 -0,042 0,165 0,054 1 - - - - - - - -
(X7)
Jumlah
Motor di
Rumah -0,031 0,007 -0,025 -0,030 -0,035 0,106 0,003 1 - - - - - - -
(X8)
Kepemilika
n SIM Mobil 0,091 -0,179 -0,114 0,047 -0,004 0,020 -0,598 -0,071 1 - - - - - -
(X9)
Kepemilika
n Sim 0,076 0,041 0,044 0,024 0,233 -0,055 0,072 -0,171 0,092 1 - - - - -
Motor (X10)
Pendampin
g ke Pasar 0,473 0,002 -0,005 0,17 0,025 0,132 0,053 -0,039 0,044 0,081 1 - - - -
(X12)
Jarak
Rumah ke -0,053 0,073 -0,065 -0,123 -0,063 -0,266 -0,016 0,054 -0,065 -0,181 -0,107 1 - - -
Pasar (X13)
Biaya
Transportas
i dari -0,044 0,082 -0,052 -0,029 0,022 -0,268 -0,013 -0,11 -0,095 -0,101 -0,154 0,387 1 - -
Lokasi Asal
(X14)
Waktu
Perjalanan
dari Lokasi 0,076 0,067 -0,056 0,016 0,017 -0,218 0,001 -0,089 -0,018 -0,111 -0,011 0,557 0,463 1 -
Asal (X15)
5
karena korelasi X15 lebih besar terhadap Y di No. Peubah
Para-
meter
Tanda
Yang Di
Model 1 Model 2
Y. 2
Usia
Responden
X1 + 0,006 0,002 0,006 0,001
Jumlah
3 Orang di X2 +/- 0,048 0,000 0,046 0,001
Analisis Model Regresi Tarikan Pengunjung Rumah
Jumlah
Pasar 4 Orang yang
Sekolah
X4 + 0,25 0,000 0,257 0,000
Jenis
5 X5 + -0,005 0,635 - -
Pekerjaan
Kepemilikan
9 X9 +/- 0,095 0,078 - -
SIM Mobil
6
Jumlah
Mobil di X7 +/- 0,009 0,798 - -
Pembahasan Hasil Permodelan
Rumah
Jumlah
7 Motor di
Rumah
X8 +/- -0,045 0,067 - - Tingkat Signifikansi Model
Kepemilik Dari hasil analisis model regresi
8 an SIM X9 +/- 0,017 0,71 - -
Mobil didapatkan dua bentukan model untuk hari
Kepemilik
9 an Sim X10 +/- 0,06 0,185 - - liburdan kerja. Pada Tabel 4.8 Hasil
Motor
Pendampi
Permodelan Tarikan Pergerakan Pengunjung
10 ng ke
Pasar
X12 +/- 0,603 0 0,599 0 Hari Libur Dengan Model Analisis Tahap
Jarak Demi Tahap didapatkan bahwa model 2
11 Rumah ke X13 +/- -0,058 0,003 -0,066 0
Pasar merupakan model terbaik. Meskipun koefisien
Biaya
Transport
determinasi (R2=0,529) bukan yang tertinggi
12 asi dari
Lokasi
X14 + 0,003 0,626 - -
namun nilai parameter statistic ( F stat =
Asal 99,871) lebih besar jika dibandingkan dengan
Waktu
Perjalana hasil tahap lainnya. Sedangkan untuk nilai p
13 n dari X15 + -0,003 0,661 - -
Lokasi value < α = 0,000 < 0,05 sama untuk semua
Asal
Lama
model, dengan demikian dapat diartikan model
14 Berbelanj
a di Pasar
X17 +/- 0,007 0,569 - - regresi dapat digunakan untuk memprediksi
R2 0,552 0,529 model tarikan pergerakan pengunjung hari
F-stat 32,941
0
99,871
0
libur. Sedangkan pada Tabel 4.9 Hasil
p value
6
regresi dapat digunakan untuk memprediksi Butung pada hari kerja sangat dipengaruhi oleh
model tarikan pergerakan pengunjung hari usia, jumlah orang di rumah, jumlah orang
kerja. sekolah, pendapatan rumah tangga, waktu
pendamping ke pasar.
Tingkat Signifikansi Variabel 2. Berdasarkan persamaan regresi yang
dihasil kandari uji statistik dengan
Untuk tingkat signifikansi variabel pada menggunakan SPSS versi 21,00 For Windows,
model, varibel yang memenuhi syarat Model tarikan perjalanan pergerakan
singnifikan berada pada model 2 untuk hari pengunjung Pasar Butung pada hari libur Y =
libur dan hari kerja. Hal tersebut dapat diamati 0,712 + 0,041 X2 + 0,028 X6 + 0,599X12 –
pada Tabel 4.8 dan 4.9. Nilai signifikansi 0,066 X13, dimana R2 = 0,529 dan nilai F =
dieliminasi satu persatu dari nilai signifikansi 99,871.
yang terbesar hingga semua nilai signifikansi • Konstanta sebesar 0,712 menyatakan
(p value) lebih kecil dari nilai α. bahwa jika tidak ada kesemua variabel
Untuk hari libur didapatkan empat (X2, X6, X12, X13), maka intensitas
variabel yang memenuhi signifikansi adalah ; kunjungan sebesar 0,712 kali/minggu.
Jumlah Orang Di Rumah (X2), Pendapatan RT • Koefisien regresi 0,041 menyatakan
(X6), Pendamping Ke Pasar (X12), Jarak bahwa setiap penambahan 1 satuan
Rumah Ke Pasar (X13), dengan nilai p value < tingkat variabel X2 (jumlah orang di
α, dimana α bernilai signifikansi 0,05 (5%). rumah) akan meningkatkan intensitas
Selain itu dari uji tanda yang dilakukan kunjungannya sebesar 0,041
didapatkan bahwa tanda koefisien peubah kali/minggu.
variabel bebasnya sesuai dengan yang • Koefisien regresi 0,028 menyatakan
diharapkan. Nilai konstanta regresi (intersep) bahwa setiap penambahan 1 satuan
termasuk kecil dan tidak begitu berbeda jika tingkat variabel X6 (pendapatan RT)
dibandingkan dengan hasil tahap lainnya. akan meningkat intensitas
Untuk hari kerja didapatkan empat kunjungannya sebesar 0,028
variabel yang memenuhi signifikansi adalah ; kali/minggu.
Usia (X1), Jumlah Orang Di Rumah (X2), • Koefisien regresi 0,599 menyatakan
Jumlah Orang Yang Sekolah (X4), Pendapatan bahwa setiap penambahan 1 satuan
RT (X6), Pendamping Ke Pasar (X12) dengan tingkat variabel X12 (pendamping ke
nilai p value < α, dimana α bernilai signifikansi pasar) akan meningkat intensitas
0,05 (5%). Selain itu dari uji tanda yang kunjungannya sebesar 0,599
dilakukan didapatkan bahwa tanda koefisien kali/minggu.
peubah variabel bebasnya sesuai dengan yang • Koefisien regresi 0,066 menyatakan
diharapkan. Nilai konstanta regresi (intersep) bahwa setiap penambahan 1 satuan
tidak begitu berbeda jika dibandingkan dengan tingkat variabel X13 (jarak rumah ke
hasil tahap lainnya. pasar) akan menurunkan intensitas
kunjungannya sebesar 0,066
kali/minggu.
KESIMPULAN DAN SARAN • R2 atau koefisien determinasi adalah
0,529 yang artinya variabel (X2, X6,
KESIMPULAN X12, X13), dapat menerangkan
variabilitas sebesar 52,9% dari
Berdasarkan hasil analisa maka dapat intensitas kunjungan, sedangkan
diketahui bahwa : sisanya diterangkan oleh variabel lain.
1. Faktor-faktor yang berpengaruh terhadap • Nilai F pada lampiran (ANOVA)
tarikan pergerakan pengunjung Pasar Butung adalah 99,871 dengan tingkat signifikan
pada hari libur sangat dipengaruhi oleh jumlah 0,000. Karena probabilitas (0,000) jauh
orang di rumah, pendapatan rumah tangga, lebih kecil dari 0,05, maka model
pendamping ke pasar, jarak rumah ke pasar, regresi dapat dipakai untuk
sedangkan faktor-faktor yang berpengaruh memprediksikan intensitas kunjungan.
terhadap tarikan pergerakan pengunjung Pasar
7
Sedangkan untuk hari kerja Y = 0,067 + SARAN
0,006 X1 + 0,046 X2 + 0,257 X4 + 0,024
X6 + 0,212 X12, dimana R2 = 0,524 dan Berdasarkan hasil penelitian, diusulkan
nilai F = 68,692. beberapa saran sebagai berikut :
• Konstanta sebesar 0,067menyatakan
bahwa jika tidak ada kesemua 1. Perlu dilakukan penelitian lebih
variabel (X1, X2, X4, X6,X12), mendalam terhadap faktor tarikan
maka intensitas kunjungan sebesar pengunjung yang kemungkinan dapat
0,067 kali/minggu
mempengaruhi kemacetan pada hari
• Koefisien regresi 0,006 menyatakan
bahwa setiap penambahan 1 satuan kerja dan hari libur berdasarkan
tingkat variabel X1 (usia) akan variabel yang sering muncul pada
meningkatkan intensitas kedua hari tersebut.
kunjungannya sebesar 0,006 2. Perlunya penganalisaan dengan metode
kali/minggu yang berbeda serta sudut pandang yang
• Koefisien regresi 0,046 menyatakan berbeda pula agar model yang
bahwa setiap penambahan 1 satuan didapatkan dapat menjelaskan lebih
tingkat variabel X2 (jumlah orang menyeluruh terhadap objek penelitian.
di rumah) akan meningkat intensitas 3. Model yang didapatkan dapat digunakan
kunjungannya sebesar 0,046 sebagai salah satu alternatif pemecahan
kali/minggu. masalah pola pergerakan pengunjung
• Koefisien regresi 0,257 menyatakan dengan karakteristik pergerakan rumah
bahwa setiap penambahan 1 satuan pasar rumah dengan pengunjung yang
tingkat variabel X4 (jumlah orang menggunakan sepeda motor ke pasar
sekolah) akan meningkatkan bersama seorang pendamping.
intensitas kunjungannya sebesar
0,257 kali/minggu. 4. Diharapkan penelitian ini menjadi
• Koefisien regresi 0,024 menyatakan literatur untuk kedepannya.
bahwa setiap penambahan 1 satuan
tingkat variabel X6 (pendaptan RT) DAFTAR PUSTAKA
akan meningkatkan intensitas
kunjungannya sebesar 0,024 Abidin, Abdul Malik. 2005.Skripsi.Analisis
kali/minggu. Model Tarikan Pergerakan Pengunjung
• Koefisien regresi 0,212 menyatakan Pusat Perbelanjaan Global Trade Center
bahwa setiap penambahan 1 satuan (GTC). Universitas Hasanuddin,
tingkat variabel X12 (pendamping Makassar.
ke pasar) akan meningkatkan
intensitas kunjungannya sebesar Ali Muhidin, S., dan Abdurahman, M. 2007.
0,212 kali/minggu. Analisis Korelasi, Regresi, Dan Jalur
• R2 atau koefisien determinasi Dalam Penelitian (Dilengkapi Aplikasi
adalah 0,524 yang artinya variabel Program SPSS). Bandung : Penerbit
X1, X2, X3, X6, X11, dan X12 Pustaka Setia.
dapat menerangkan variabilitas
sebesar 52,4% dari intensitas Isran Ramli, Muh. Dkk. 2004. Model
kunjungan, sedangkan sisanya Bangkitan Pergerakan Komunitas
diterangkan oleh variabel lain. Perumahan Ke Pasar Tradisional
• Nilai F pada lampiran (ANOVA) (Studi Kasus: Penduduk Kompleks
adalah 68,692 dengan tingkat BTN Minasa Upa Ke Pasar Pa’baeng-
signifikan 0,000. Karena Baeng). Universitas Katolik
probabilitas (0,000) jauh lebih kecil Parahyangan : Simposium VII FSTPT.
dari 0,05, maka model regresi dapat
dipakai untuk memprediksikan Isran Ramli, Muh., dan Ali, N. 2004.
intensitas kunjungan.
8
Studi Model Tarikan Pergerakan Sunjoyo, dkk. 2013. Aplikasi SPSS Untuk
Pada Pusat Kegiatan Pendidikan Smart Riset (Program IBM 21,0).
Dengan MetodeAnalisis Regresi (Studi Bandung : Penerbit Alfabeta.
Kasus : Kampus Universitas
Hasanuddin, Makassar). Universitas Tamin, Ofyar. Z. 2000. Perencanaan Dan
Katolik Parayangan : Simposium VII Permodelan Transportasi. Bandung :
FSTPT. Penerbit ITB.
Isran Ramli, Muh. Dkk. 2011. Struktur
Frekuensi Faktor Perjalanan Pada
Pusat Perbelanjaan Di Makassar.
Simposium Internasional FSTPT XIV.
Pekanbaru.