UNIVERSITI TEKNOLOGI MALAYSIA

BORANG PENGESAHAN STATUS TESIS♦
JUDUL: INTERAKSI HYPERMARKET DAN PASARAN : APLIKASI MODEL
GRAVITI DAN SISTEM MAKLUMAT GEOGRAFI (GIS)

SESI PENGAJIAN: 2008/2009
Saya JAMAL AIMI BIN JAMALUDIN (HURUF BESAR) mengaku membenarkan tesis (PSM/Sarjana/Doktor Falsafah)* ini disimpan di Perpustakaan Universiti Teknologi Malaysia dengan syarat-syarat kegunaan seperti berikut : 1. 2. 3. 4. Tesis adalah hakmilik Universiti Teknologi Malaysia. Perpustakaan Universiti Teknologi Malaysia dibenarkan membuat salinan untuk tujuan pengajian sahaja. Perpustakaan dibenarkan membuat salinan tesis ini sebagai bahan pertukaran antara institusi pengajian tinggi. **Sila tandakan (√) SULIT ( Mengandungi maklumat yang berdarjah keselamatan atau kepentingan Malaysia seperti yang termaktub di dalam AKTA RAHSIA RASMI 1972) (Mengandungi maklumat TERHAD yang telah ditentukan oleh organisasi/badan di mana penyelidikan dijalankan)

TERHAD

TIDAK TERHAD Disahkan oleh

(TANDATANGAN PENULIS) Alamat Tetap: DG-1B, KOMPLEKS PENDIDIKAN KAMPUNG JAMBU, 34000 TAIPING, PERAK. Tarikh :

(TANDATANGAN PENYELIA) DR. MOHD RAFEE BIN MAJID Nama Penyelia Tarikh :

CATATAN :*
** ♦

Potong yang tidak berkenaan. Jika tesis ini SULIT atau TERHAD, sila lampirkan surat daripada pihak berkuasa/organisasi berkenaan dengan menyatakan sekali sebab dan tempoh tesis ini perlu dikelaskan sebagai SULIT atau TERHAD. Tesis dimaksudkan sebagai tesis bagi Ijazah Doktor Falsafah dan Sarjana secara

penyelidikan, atau disertasi bagi pengajian secara kerja kursus dan penyelidikan,
atau Laporan Projek Sarjana Muda (PSM).

PENGESAHAN

“Saya akui bahawa saya telah membaca karya ini dan pada pandangan saya karya ini adalah memadai dari segi skop dan kualiti untuk tujuan penganugerahan Ijazah Sarjana Muda Perancangan Bandar Dan Wilayah”.

Tandatangan Nama Penyelia Tarikh

: ………………………………............ : Dr. Mohd Rafee b. Majid : ....……………………………............

Tandatangan Nama Pembaca

: ………………………………............ : Prof. Madya Dr. Ahmad Nazri b. Muhammad Ludin : ....……………………………............

Tarikh

INTERAKSI HYPERMARKET DAN PASARAN: APLIKASI MODEL GRAVITI DAN SISTEM MAKLUMAT GEOGRAFI (GIS)

JAMAL AIMI BIN JAMALUDIN

Tesis ini dikemukakan Sebagai memenuhi syarat penganugerahan Ijazah Sarjana Muda Perancangan Bandar & Wilayah

Fakulti Alam Bina

Universiti Teknologi Malaysia

MEI , 2009

i

PENGAKUAN

“Saya akui segala apa yang terkandung dalam projek ini adalah hasil kerja saya sendiri kecuali nukilan, ringkasan, jadual, graf, rajah dan gambarajah yang telah saya jelaskan sumbernya.”

Tandatangan Nama Penulis Tarikh

: : :

……………………........ Jamal Aimi bin Jamaludin ..…………………..........

ii

buat mama, bapak, juaini, fiqah, nini dan aisyah dan keluarga yang kusayangi allahyarham pakcikku dalam ingatan

iii

PENGHARGAAN

Segala pujianku pada Tuhan Yang Esa, Tempatku bergantung. Usaha dan tawakalku demiMu.

Syukur dapat juga diselesaikan tugasan terakhir ini setelah melalui pelbagai peristiwa yang banyak mengajarku menjadi insan yang lebih baik. Ucapan terima kasih kepada semua tenaga pengajar di UTM yang telah mencurahkan ilmu kepadaku. Khusus ucapan terima kasih kepada penyelia projek sarjana muda ini, Dr. Mohd Rafee Majid yang tidak jemu berkongsi idea dan mencurahkan ilmu serta membantuku menyudahkan kajian dan penulisan ini.

Buat Allahyarham Dr. Ahris, Dr. Foziah, Hafiz, Ally, Khadijah, Kak Syida, Kak Nor, dan Abang Shahrul terima kasih kerana terus menyokong dan membantu tanpa jemu. Kepada Dr.Nooraini yang tanpa jemu menjaga dan memberikan nasihat berguna sepanjang keberadaku di Fakulti Alam Bina. Rakan karibku, Ayie, Lan, Atok dan Majang. Sahabatku Ash, Faizal, Hidayah, dan Ayen. Serta tidak lupa kepada semua pihak yang terlibat secara langsung dan tidak langsung membantu meyudahkan kajian dan penyelidikan ini.

Perhargaan yang paling tinggi ku tujukan buat ibuku, Noor Rihan Yaakob, bapaku, Jamaludin Hamid, adik-adikku; Juaini Amelina, Jamiatul Afiqah, Jannatul Afni, Aisyah Jurhani, opah dan tok, keluarga besarku serta diriku sendiri. Terima kasih atas segalanya.

iv

ABSTRAK

Model graviti yang juga dikenali sebagai model interaksi reruang ialah model yang digunakan secara meluas dalam bidang perancangan pengangkutan, perniagaan, dan penyediaan kemudahan awam. Bertitik-tolak daripada Hukum Graviti Newton, model graviti telah mengalami evolusi dan diubah suai bagi pelbagai tujuan kegunaan dan aplikasi. Antara model graviti yang paling menonjol ialah Model Graviti Peruncitan Reilly, Model Huff dan juga Multiplicative Competitive Model (MCI). Penggunaan pelbagai jenis pemboleh ubah terutamanya pemboleh ubah jarak, menimbulkan persoalan mengenai kemampuan model graviti asas dalam menerangkan fenomena di dunia sebenar dan meramal senario masa hadapan dengan jitu, tanpa mengambil kira faktor sosiaekonomi, dan psikologi dalam sesuatu fenomena interaksi. Justeru itu, kajian in membandingkan tahap kejituan ramalan empat viarasi model graviti asas yang menggunakan pemboleh ubah jarak euclidean dan jarak sebenar yang berbeza parameter, dengan hasil survei yang menunjukkan pecahan pasaran tiga buah hypermarket Giant di Johor Bahru. Hasil analisis mendapati penggunaan pemboleh ubah jarak euclidean tanpa parameter menghasilkan ramalan paling jitu dalam meramal pecahan asalan pengunjung hypermarket. Analisis kajian menunjukkan bahawa aplikasi Model Huff menggunakan kemampuan analisis reruang dalam sistem maklumat geografi (GIS) juga didapati berjaya menerang keadaan permukaan graviti sesebuah hypermarket dengan jelas, dan mampu meramalkan tahap interaksi antara sesebuah hypermarket dengan pasaran serta saingannya dengan baik. Berikutan itu, kajian ini merumuskan bahawa model graviti yang menggunakan pemboleh ubah jarak euclidean tanpa parameter, mampu menghasilkan ramalan mengenai interaksi antara hypermarket dengan pasarannya serta interaksi antara hypermarket dengan saingannya dengan jitu. Sekaligus menolak dakwaan mengenai ketidakmampuan model graviti bagi menerangkan fenomena semasa mahupun meramal senario pembangunan gunatanah masa hadapan bandar.

v

ABSTRACT

Gravity Model which also known as Spatial Interaction Model is widely use in the field of transportation planning, trade and allocation of public facilities. Emerging from the Newton Gravitation Law, gravity model had been modified and adapted for various purposes and application in many fields. Among of the most outstanding variants are the Reilly Retail Gravitation Model, the Huff Model and the Multiplicative Competitive Model (MCI). Usage of diversify variables especially the distance variable had spark concern regarding the ability of the gravity model to explain an existing phenomena or even forecasting future scenarios, without taken into account social economic and psychology factors in determining any interaction phenomena. Thus, this research concentrates on prediction precision of four model gravity variants in forecasting or explaining existing interaction between three hypermarkets and theirs market. Each variant used different types of distance variables, noticeably, Euclidean distance and actual distance with different parameters. For the purpose, each prediction of those four variants was compared with a survey result that shows market allocation and origin of customer of each observed hypermarkets. Result show that usages of Euclidean distance variable without parameter produce the most precise prediction compared to other three variant. Application of Huff Model using geographic information system (GIS) spatial analysis capability, successfully help to visualize gravitation surface of each hypermarket. Furthermore, through integration of Huff Model and GIS, this research result does prove the prudence capability of gravity model in forecasting and explaining interaction of each hypermarket either with its market catchment and business rivals. Thus reject the idea of certain party, that gravity model is not useable. However, it is still believe and need to be study, that different type of interaction may require different variant of gravity model to produce better explanation and prediction.
 

vi 
 

ISI KANDUNGAN

BAHAGIAN

PERKARA

HALAMAN

PENGAKUAN DEDIKASI PENGHARGAAN ABSTRAK ABSTRACT ISI KANDUNGAN SENARAI GAMBARAJAH DAN RAJAH SENARAI JADUAL SENARAI GRAF SENARAI RUMUS SENARAI LAMPIRAN

i ii iii iv v vi xi xiv xvii xviii xx

1.0 PENYATAAN ISU & KERANGKA KAJIAN 1.1 Perniagaan di Bandar, Hypermarket dan Model Graviti 1.2 Rungkaian Permasalahan & Isu Penggunaan Model Graviti 1.3 Persoalan Kajian 1.4 Matlamat Kajian 1.5 Objektif Kajian 1 5 9 10 10

vii 
 

1.6 Kawasan Kajian & Hypermarket Kajian 1.7 Skop & Pembatasan Kajian 1.8 Hasil Kajian 1.9 Susunan & Aturan Kajian 1.9.1 1.9.2 1.9.3 1.9.4 1.9.5 1.10 1.11 Kerangka Kajian Sintesis Penulisan-penulisan Ilmiah Para Sarjana Rekabentuk Pangkalan Data & Penjanaan Model Graviti Analisis Viarasi Model Graviti & Penemuan Kajian Rumusan Kajian & Cadangan

11 12 14 14 15 15 17 18 18 18 19

Kepentingan Kajian Kepada Bidang Perancangan Rangkuman Keseluruhan Isu dan Kerangka Kajian

2.0 SINTESIS PENULISAN ILMIAH 2.1 2.2 2.3 Evolusi Perniagaan Runcit di Bandar dan Hypermarket 2.1.1 Hypermarket Giant Faktor-faktor yang Mempengaruhi Pemilihan Tempat Membeli-belah Pengguna Model Graviti, Evolusi dan Viarasinya 2.3.1 2.3.2 2.3.3 2.3.4 2.3.5 Hukum Graviti Peruncitan Reilly Model Huff & Model Graviti Peruncitan Lakshmanan dan Hansen Multiplicative Compatitive Model (MCI) Pemboleh Ubah, Parameter dan Syarat Analogi Model Graviti Kepelbagaian Aplikasi, dan Kelebihan Model Graviti 40 41 45 45 2.4 Sistem Maklumat Geografi (GIS) 2.5 Contoh Aplikasi Analisis Interaksi Spatial (Model Graviti) Menggunakan Sistem Maklumat Geografi (GIS) 2.5.1 Menentukan Lokasi Pasar bagi Mendapatkan Pasaran (Berasaskan Model Reilly) 2.5.2 2.6 Pembinaan Model Graviti Menggunakan Aplikasi GIS 46 49 Rangkuman Keseluruhan Sintesis Nukilan Ilmiah Pulangan Optimum dan Penentuan Garis Pemisah Kawasan 36 38 28 30 32 20 23 24

viii 
 

3.0

REKA BENTUK PANGKALAN DATA PENJANAAN MODEL & KAEDAH ANALISIS 3.1 3.2 3.3 3.4 Pangkalan Data Dalam Sistem Maklumat Geografi (GIS) Reka BentukPangkalan Data, Metadata dan Attribut Data Kajian Menilai Kejituan Viarasi Model Graviti 3.3.1 3.4.1 3.4.2 3.5 Empat Viarasi Model Graviti Kajian Operasi Spatial Bagi Analisis Membandingkan Kejituan Empat Viarasi Model Graviti Penjanaan Model Huff 59 66 Andaian-andaian bagi Analisis Viarasi Model Graviti Operasi Spatial Bagi Tujuan Analisis, Menggunakan GIS 53 54 55 55 50 51

4.0

ANALISIS VIARASI MODEL GRAVITI & PENEMUAN KAJIAN 4.1 4.2 Struktur Analisis Kajian Kejituan Ramalan Bagi Empat (4) Viarasi Model Graviti 4.2.1 Kesan Penggunaan Jarak Euclidean, dan Jarak Sebenar dalam Model Graviti 4.2.2 4.2.3 4.3 Purata Jarak Perjalanan yang Dilalui Pelanggan untuk ke Hypermarket Penggunaan Parameter Bagi Pemboleh Ubah Jarak Dalam Model Graviti Perbandingan Pecahan Asalan Pelanggan Setiap Hypermarket Kajia Menggunakan Viarasi Model Graviti 4.3.1 Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Skudai Kajian Menggunakan Empat Viarasi Model Graviti 4.3.2 Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Southern City Kajian Menggunakan Empat Viarasi Model Graviti 82 81 80 79 76 70 71 74

ix 
 

4.3.3

Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Plentong Kajian Menggunakan Empat Viarasi Model Graviti

83

4.3.4 4.3.5 4.4

Hubungan Bilangan Sampel Asalan Pelanggan dan Purata Ralat Serta Kesan Outlier Saiz Hypermarket dan Jarak Cakupan Pasaran

86 88 89 89 91 92 93

Persamaan Regressi Lelurus Bagi Interaksi Hypermarket Giant & Pasaran Sekitar Johor Bahru 4.4.1 4.4.2 Model Regressi Lelurus Interaksi Hypermarket dan Pasaran Menggunakan Jarak Euclidean Model Regressi Lelurus Interaksi Hypermarket dan Pasaran Menggunakan Jarak Sebenar

4.5

Perbandingan Hasil Survey dengan Ramalan Model Huff dalam Pemilihan Hypermarket Penduduk 4.5.1 Pemilihan Tempat Berbelanja Penduduk di Kampung Melayu Majidee, Taman Daya dan Pangsapuri Bukit Saujana 4.5.2 Pemilihan Tempat Berbelanja Penduduk di Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana 4.5.3 4.5.4 4.5.5 Pemilihan Tempat Berbelanja Penduduk di Kampung Pasir Tahap Interaksi antara Tiga (3) Hypermarket Kajian Dengan Pasaran Mereka Ujian Signiifikan Keputusan Perbandingan Antara Ramalan Model Graviti dan Hasil Survei

95

99 101 103 104

4.6

Rangkuman Keseluruhan Analisis

5.0

RUMUSAN KAJIAN & CADANGAN 5.1 5.2 5.3 Keseluruhan Kajian Isu Penggunaan Viarsi Model Graviti Analisis dan Penemuan Kajian 105 105 107


 

5.4 5.5

Implikasi Penemuan Kajian Pada Perancangan dan Cadangan Cadangan Penyelidikan Lanjutan

108 110

RUJUKAN LAMPIRAN 1 LAMPIRAN 2 LAMPIRAN 3

113 118 119 120

             

xi
 

SENARAI GAMBARAJAH DAN RAJAH

NO.

TAJUK GAMBARAJAH DAN RAJAH

HALAMAN

1.1 1.2 1.3 2.1 2.2 2.3 2.4 2.5

Contoh Suasana Hypermarket Kawasan Kajian dan Hypermarket Kajian Susunan dan Aturan Kajian Antara Contoh Premis Hypermarket Giant di Malaysia Evolusi dan Susur Galur Model Graviti Modifikasi Model Graviti Peruncitan Reilly dan Konsep Sempadan Pemisah oleh Converse Komponen dan Sub-sistem Sistem Maklumat Geografi (GIS) Nilai potensi pasaran setiap kawasan . Garis pemisah dan lokasi berpotensi ditentukan dengan menggunakan analisis poligon Thiessen Voronoi.

2 11 16 23 29 31 43 46

2.6 2.7 3.1 3.2 3.3 3.4

Langkah Analsis Spatial bagi Kajian Permukaan Graviti Supermarket oleh Hamilton di Palm Beach, Florida Kemungkinan Pasaran Graviti Berpotensi Menurut Kajian Hamilton Mendapatkan Jarak Sebenar Tempat Asalan Pengunjung dari Hypermarket Menggunakan Model Builder ArcGIS 9.2. Cost Weighted Distance (Jarak Sebenar) dari Giant Skudai Cost Weighted Distance (Jarak Sebenar) dari Giant Plentong Cost Weighted Distance (Jarak Sebenar) dari Giant Southern

47 48 56 57 58 58

xii
 

NO.

TAJUK GAMBARAJAH DAN RAJAH

HALAMAN

3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 3.13 3.14 4.1 4.2 4.3 4.4

Raster Bilangan Rumah dalam Setiap Taman Perumahan Membina Raster Jarak Euclidean bagi Setiap Hypermarket Menggunakan Aplikasi Model Builder ArcGIS 9.2 Raster Jarak Euclidean Hypermarket Giant Southern City Raster Jarak Euclidean Hypermarket Giant Skudai Raster Jarak Euclidean Hypermarket Giant Plentong Pengiraan Nilai Permukaan Graviti Bagi Giant Southern City Permukaan Graviti bagi Giant Plentong Permukaan Graviti bagi Giant Southern City Permukaan Graviti bagi Giant Skudai Proses Pemodelan Model Huff bagi Menilai Tahap Interaksi Hypermarket Giant Southern dengan Pasaran dan Saingannya Densiti Jaringan Jalan di Kawasan Hypermarket Kajian Densiti Kawasan Perumahan Sekitar Hypermarket Kajian Lokasi dan Gunatanah Sekitar Giant Plentong dan Taman Johor Jaya (Outlier) Kebarangkalian Penduduk di Taman Daya, Kampung Melayu Majidee dan Pangsapuri Bukit Saujana Mengunjungi Giant Skudai

60 61 61 62 62 63 64 64 65 66 75 78 85 94

4.5

Kebarangkalian Penduduk di Taman Daya, Kampung Melayu Majidee dan Pangsapuri Bukit Saujana Mengunjungi Giant Plentong

94

4.6

Kebarangkalian Penduduk di Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana Mengunjungi Giant Southern

97

4.7

Kebarangkalian Penduduk di Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana Giant Plentong

97

xiii
 

NO.

TAJUK GAMBARAJAH DAN RAJAH

HALAMAN

4.8 4.9 4.10 4.11 4.12

Kebarangkalian Penduduk di Kampung Pasir Mengunjungi Giant Southern Kebarangkalian Penduduk di Kampung Pasir Mengunjungi Giant Skudai Kemungkinan Kunjungan ke Giant Skudai Kemungkinan Kunjungan ke Giant Southern City Kemungkinan Kunjungan ke Giant Plentong

100 100 101 102 102

     

xiv
 

SENARAI JADUAL

NO. JADUAL

TAJUK JADUAL

HALAMAN

2.1

Profil Hypermarket Kajian Faktor-Faktor Mempengaruhi Pemilihan Tempat Berbelanja Pengguna.

24

2.2 2.3 2.4 3.1 3.2 4.1 4.2 4.3 4.4

Faktor-Faktor Mempengaruhi Pemilihan Tempat Berbelanja Pengguna. Pemboleh ubah dan Parameter Model-model Interaksi Reruang Penggunaan Model Graviti dalam Pelbagai Bidang Attribut Data Spatial dalam Pangkalan Data Kajian Jumlah Responden dan Tempat Asalan Pengunjung Hypermarket Kajian Perbandingan Ralat dan Tahap Kejituan Setiap Viarasi Model Graviti Perbandingan Ralat dan Kejituan Ramalan Menggunakan Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar Purata Jarak Perjalanan Pengguna ke Giant Skudai, Plentong dan Southern City Perbandingan Ralat dan Kejituan Ramalan Menggunakan Parameter bagi Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar

25 39 41 52 53 72 75 76 80

4.5

Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi Giant Skudai

81

xv
 

NO. JADUAL

TAJUK JADUAL

HALAMAN

4.6 4.7 4.8

Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi Giant Southern City Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi Giant Plentong Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi Giant Plentong Tanpa Taman Johor Jaya (outlier).

82 83 84

4.9 4.10

Hubungan Bilangan Sampel Asalan Pelanggan dan Purata Ralat serta Kesan Outlier Perbandingan Kejituan Empat (4) Viarasi Model Graviti dengan Nilai Outlier dan Tanpa Nilai Outlier bagi Giant Plentong

87 87

4.11 4.12 4.13

Hubungan Saiz Hypermarket, dan Jarak Cakupan Pasaran Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya Menggunakan Jarak Euclidean Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya Menggunakan Jarak Euclidean (Tanpa Faktor Bilangan Rumah).

88 89 90

4.14 4.15

Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya Menggunakan Jarak Sebenar Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya Menggunakan Jarak Sebenar (Tanpa Faktor Bilangan Rumah).

91 92

4.16 4.17

Pemilihan Tempat Berbelanja Penduduk Kg. Melayu Majidee, Taman Daya dan Pangsapuri Bukit Saujana Pemilihan Tempat Berbelanja Penduduk Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana

93 96

4.18

Pemilihan Tempat Berbelanja Penduduk Kampung Pasir

113

xvi
 

NO. JADUAL

TAJUK JADUAL

HALAMAN

4.19 4.20

Ujian Kaitan Hasil Ramalan dan Hasil Survei Ujian Signifikan antara Hubungan Hasil Ramalan dan Survei

103 104

 

xvii 
 

SENARAI GRAF

NO.GRAF

TAJUK GRAF

HALAMAN

2.1 4.1

Hubungan Bilangan Pengguna Hypermarket dengan Jarak Asalan Pengguna Kejituan Viarasi Model Graviti Menggunakan Pemboleh Ubah Jarak Euclidean, Jarak Sebenar, Jarak Euclidean Berparameter^2 dan Jarak Sebenar Berparameter^2

39 73

4.2

Perbandingan Ramalan Viarasi Model Graviti yang Menggunakan Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar

74

4.3

Perbandingan Kejituan Viarasi Model Graviti Yang Menggunakan Viarasi Pemboleh Ubah Jarak dengan Parameter Kuasa Satu dan Parameter Kuasa Dua

80

4.4 4.5

Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Skudai Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong

81 82

4.6

Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong

83

4.7

Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong Tanpa Taman Johor Jaya (outlier)

84

 

xviii   

SENARAI RUMUS

NO. RUMUS

TAJUK RUMUS

HALAMAN

1 2 3 4 5 6 7 8 9 10

Hukum Graviti Newton 1687 Model Graviti Peruncitan Reilly Model Graviti Converse Model Huff Model Graviti Peruncitan Lakshmanan & Hansen Multiplicative Competitive Interaction Model (MCI) Model Graviti oleh Pearson Peratus Kemungkinan Penduduk di R Mengunjungi Hypermarket H Berbanding Saingannya Kemungkinan Peratus Pengunjung di Kawasan R akan Mengunjungi Hypermarket H (Menggunakan Jarak Euclidean) Kemungkinan Peratus Pengunjung di Kawasan R akan Mengunjungi Hypermarket H (Menggunakan Jarak Euclidean Berparameter Kuasa 2)

2 30 31 32 34 36 45 53 54 54

11 12 13

Kemungkinan Peratus Pengunjung di Kawasan R akan Mengunjungi Hypermarket H (Menggunakan Jarak Sebenar) Kemungkinan Peratus Pengunjung di Kawasan R akan Mengunjungi Hypermarket H (Menggunakan Jarak Sebenar Berparameter Kuasa 2) Nilai Permukaan Graviti (Gravitation Surface) Setiap Hypermarket

54 54 63

xix   

NO. RUMUS

TAJUK RUMUS

HALAMAN

14 15 16 17 18 19 20 17

Peratus Kemungkinan Penduduk di Kawasan r Mengunjungi Hypermarket X Berbanding Hypermarket Saingannya. Ralat Ramalan Purata Ralat Viarasi Model Regressi Interaksi Hypermarket & Pasaran (Jarak Euclidean) Model Regressi Interaksi Hypermarket & Pasaran (Jarak Euclidean Tanpa Bilangan Rumah) Model Regressi Interaksi Hypermarket & Pasaran (Jarak Sebenar) Model Regressi Interaksi Hypermarket & Pasaran (Jarak Sebenar Tanpa Bilangan Rumah) Kemungkinan Pelanggan di Kawasan R Mengunjungi Hypermarket H Berbanding Hypermarket Saingan Lain

66 71 72 90 90 91 92

xx 
 

SENARAI LAMPIRAN

LAMPIRAN

TAJUK LAMPIRAN

HALAMAN

1 2 3

Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Skudai Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Plentong Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Southern City

118 119 120

 

BAHAGIAN 1

PENYATAAN ISU & KERANGKA KAJIAN

1.1

Perniagaan di Bandar, Hypermarket dan Model Graviti

Pembangunan sesebuah bandar melibatkan proses perancangan, pembangunan, dan kawalan pelbagai jenis gunatanah yang berlainan di kawasan bandar, dengan objektif, mewujudkan suatu suasana yang seimbang dan madani di kawasan bandar. Gunatanah komersial atau perniagaan adalah antara komponen gunatanah yang penting bagi mewujudkan suasana seimbang dan madani tersebut. Kerap kali, maju atau mundurnya sesebuah bandar itu dapat kita ukur dengan hanya memerhatikan skala aktiviti dan premis perniagaan di sesebuah bandar. Bukan sekadar membantu membentuk lanskap fizikal, malahan aktiviti perniagaan komersial di bandar seperti perniagaan kewangan, pengangkutan, makanan, telekomunikasi kesihatan dan perniagaan hartanah, amat mempengaruhi suasana kehidupan harian penduduk sekitarnya di bandar. Antara konsep pusat perniagaan mega yang popular dan pesat berkembang di kawasan bandar seluruh dunia kini ialah hypermarket. Menurut ensiklopedia elektronik Wikipedia (www.wikipedia.com, Januari 2009), hypermarket adalah sebuah kedai berkeluasan mega yang menggabungkan konsep supermarket dan kedai besar (department store) di bawah satu bumbung serta menjual pelbagai jenis barangan makanan dan barang keperluan lain pada harga yang murah. Antara barangan keperluan harian yang ditawarkan oleh hypermarket adalah makanan, barangan dapur, barangan elektrik, peralatan rekreasi, dan pakaian. Hypermarket juga menawarkan pelbagai

2
 

perkhidmatan seperti medan selera, mesin pengeluaran wang, perkhidmatan pos, kaunter tukaran wang asing, kedai fotografi, salon, farmasi dan kedai telekomunikasi bagi menjadi suatu pusat sehenti bagi aktiviti membeli-belah penduduk bandar. Antara contoh hypermarket ialah Carrefour, Wal-Mart, Jusco, Auchan, Tesco, Meijer dan Giant.

Gambar1.1

Contoh Suasana Hypermarket.

Aksessibiliti pembeli kepada premis peruncitan kerap kali dikaitkan dengan faktor jarak antara sesuatu premis perniagaan runcit dan juga pasaran atau pembeli. Secara teorinya, jarak dibahagikan kepada jarak fizikal dan jarak masa. Kadar kemungkinan sesuatu interaksi antara pembeli dan penjual dikatakan berkadar songsang dengan jarak. Dalam bahasa yang lebih mudah, lebih hampir sesebuah premis perniagaan runcit dengan pengguna, maka lebih tinggi kebarangkalian bagi pengguna yang terlibat untuk membeli-belah di premis tersebut. Teori ini dipelopori oleh Reilly dan Converse yang mengubah suai prinsip dari Hukum Graviti oleh Sir Isaac Newton (Rafael et. al., 2005). Newton diungkap sebagai menyatakan bahawa semakin jauh jarak antara dua entiti, maka semakin berkurang kemungkinan berlakunya interaksi antara dua entiti tersebut. Newton juga menambah bahawa semakin besar saiz sesuatu entiti itu, maka semakin kuat daya tarikannya dan semakin besar saiz antara dua entiti, maka daya tarikan dan jumlah interaksi antara keduanya juga akan bertambah. Daripada teori dan prinsipprinsip tersebut, Hukum Graviti Newton dibentuk (sila rujuk rumus 1).

(1)
Hukum Graviti Newton 1687, Sumber: Diubahsuai dari Katiman (1988)

3
 

Rumus bagi model atau Hukum Graviti Newton ialah seperti dalam rumus 1, Fij ialah nilai tahap interaksi antara entiti i dan j. Mi pula merujuk kepada jisim atau pun saiz entiti atau objek i manakala Mj pula merujuk kepada jisim atau saiz objek atau entiti j. Dij dengan pula mewakili jarak yang memisahkan antara entiti atau objek i dan juga j. Manakala G mewakili pemalar graviti interaksi antara i dan j. Menurut Rafael, Dolores, & Pablo (2005), hasil daripada adaptasi teori dan prinsip Hukum Graviti Newton tersebut, Reilly kemudiannya membina satu model bagi mengira dan menganalisis kadar tarikan perniagaan runcit antara dua bandar yang kemudiannya dikenali sebagai Model Graviti Peruncitan Reilly pada tahun 1931. Hanya sehingga tahun 1964, Huff memperbaiki kelemahan model yang diadaptasi oleh Reilly dan menghasilkan Model Graviti Huff (Huff Gravity Model) atau juga dikenali sebagai Model Huff. Semenjak dari itu, Model Huff telah digunakan secara meluas dalam bidang perdagangan dan perniagaan bagi mengira tahap interaksi dan tarikan antara pasaran dan sesuatu premis ataupun zon perdagangan. Penerangan terpeinci, perbincangan lanjut dan contoh-contoh aplikasi mengenai Model Graviti Peruncitan Reilly dan Model Huff akan disentuh dalam Bahagian 2 penulisan ini. Model ialah perwakilan keadaan atau fenomena di dunia sebenar dalam bentuk fizikal, grafikal, maya mahupun matematikal yang digunakan bagi menerangkan sesuatu keadaan atau fenomena semasa (Wheeler, 1993). Menurut Harris (1965 dalam Samat, 2008) aktiviti perancangan adalah berasaskan masa hadapan yang melibatkan proses mencari alternatif terbaik dalam penggunaan ruang untuk kesejahteraan penduduk. Model matematikal yang mengaplikasikan teori dan hukum ke dalam bentuk rumus mempunyai pelbagai pemboleh ubah, suatu ciri yang membolehkan kita membuat ramalan masa hadapan hasil daripada manipulasi pemboleh ubah –pemboleh ubah rumus sesuatu model itu. Ciri tersebut banyak membantu perancang dalam membuat keputusan mengenai alternatif perancangan dan sesuatu projek pembangunan. Sekaligus membantu mewujudkan persekitaran bandar yang lebih baik. Harris (1965 dalam Samat, 2008) menyatakan bahawa proses membuat ramalan dan jangkaan memerlukan maklumat berbentuk ruangan dan bukan ruangan. Model graviti juga adalah melibatkan operasi membuat ramalan dan jangkaan, maka, aplikasinya juga memerlukan maklumat berbentuk ruangan dan bukan ruangan. Sistem maklumat

4
 

geografi (GIS), ialah sistem yang menawarkan keupayaan untuk menyimpan, memanipulasi, menganalisa dan memaparkan maklumat berbentuk ruangan dan bukan ruangan dengan baik. Malahan lebih dari itu, sistem maklumat geografi berupaya mengoperasi pengiraan matematikal dan memaparkan hasil analisis matematikal dalam bentuk reruang. Chapin (1968) pernah mengutarakan bahawa model-model berkaitan guna tanah sering menghadapi masalah dengan ramalan masa hadapan yang tidak tepat. Model graviti adalah antara model yang dikatakan menghadapi masalah tersebut (Riza, 1994). Dengan bentuk yang pelbagai hasil beberapa pengubahsuaian oleh ramai sarjana, model graviti dikatakan masih punya banyak kelemahan terutamanya berkaitan teori berkaitan hubungkait antara pemboleh ubahnya, jenis dan bilangan pemboleh ubah yang patut digunakan dan dari segi bentuk rumus model graviti itu sendiri. Maka model graviti didakwa tidak sesuai diaplikasikan bagi beberapa kes kajian di sesetengah kawasan. Justeru itu, kajian ini akan berusaha untuk merungkai sama ada model graviti mampu atau tidak untuk meramalkan dengan berkesan tahap interaksi atau pun pecahan tarikan pasaran hypermarket-hypermarket di Daerah Johor Bahru, Malaysia. Caranya ialah dengan mendapatkan pecahan asalan pengunjung di hypermarket-hypermarket terpilih sekitar daerah Johor Bahru menggunakan kaedah survei secara rawak, dan membandingkannya dengan kemungkinan pecahan asalan pengunjung bagi setiap hypermarket tersebut yang diunjur oleh model graviti asas. Model graviti tersebut akan disimulasi menggunakan aplikasi analisis reruang dalam perisian sistem maklumat geografi ArcGIS 9.2 bagi mendapatkan hasil ramalan pecahan asalan pengunjung hypermarket yang lebih tepat, jelas serta mudah difahami. Hasil perbandingan tersebut akan membolehkan kita mengukur sama ada model graviti releven atau tidak untuk digunakan bagi meramal pecahan asalan pengunjung sesebuah hypermarket mahupun bagi menunjukkan fenomena interaksi antara sesebuah hypermarket dengan pasaran dan juga saingannya. Dan sekiranya tidak, kajian ini akan mengunjurkan beberapa kaedah yang mungkin dapat memperbaiki model graviti asas tersebut dengan cara melihat kepada ketepatan nilai ramalan oleh model graviti yang diubahsuai berbanding nilai yang di survei di hypermarket kajian.

5
 

1.2

Rungkaian Permasalahan & Isu Penggunaan Model Graviti

Catanesa dan Snyder (1979) mendakwa bahawa ahli perancang menghadapi masalah dalam membuat penilaian alternatif kerana masalah ramalan kesan pembangunan. Model graviti digunakan secara meluas bagi membuat ramalan dan membantu pembuatan keputusan dalam bidang perniagaan, pengangkutan mahupun perancangan gunatanah bandar. Dalam bidang perancangan bandar, model graviti merupakan sebahagian daripada entiti sistem sokongan pembuat keputusan perancangan dan hasil simulasinya dijadikan kayu pengukur oleh kebanyakan pembuat keputusan bagi memilih alternatif berkenaan sesuatu pembangunan pusat perniagaan, perumahan, jalan raya malahan dalam menentukan agihan kemudahan awam serta infrastruktur. Kesemua projek pembangunan tersebut adalah komponen penting bagi sesebuah bandar. Maka sebarang keputusan yang dibuat mengenai komponen-komponen bandar tersebut, akan mempengaruhi kehidupan seharian penduduk bandar dan mampu mempengaruuhi keseluruhan sistem bandar. Sekiranya keputusan yang dibuat berdasarkan ramalan sesuatu model adalah tidak seperti kesannya di dunia sebenar, maka pelbagai keadaan negatif seperti kesesakan lalu lintas, kerugian pusat perniagaan yang kurang dikunjungi, perumahan yang tidak terjual dan infrastruktur mega yang akhirnya hanya menjadi ‘gajah putih’ mungkin akan menimbulkan masalah berangkai yang serius. Walaupun menurut kebanyakan pengkaji, model graviti adalah sesuai untuk diaplikasikan bagi kebanyakan kes-kes kajian bandar di dunia, model graviti yang sama mungkin tidak sesuai diaplikasikan untuk kesemua bandar di Malaysia. Hal ini adalah kerana setiap bandar itu adalah dinamik, unik dan berlainan dari segi susunan gunatanah, tahap jaringan infrastrukturnya, keadaan muka bumi dan iklim, malahan juga berlainan dari segi taraf sosio-ekonomi dan budaya hidup. Todes (1981 dalam Riza, 1994) mendapati bahawa model graviti sama yang digunakan oleh Huff di Chicago tidak dapat merumuskan dengan baik agihan perjalanan di Cape Town Afrika Selatan atas batasan oleh undang-undang Apartheid, manakala Riza (1994) juga mengutarakan perkara yang sama apabila model graviti yang diaplikasikan di Kota Bharu, Kelantan juga gagal menerangkan corak perjalanan penduduknya kerana mereka tinggal di kampung tetapi, bekerja di bandar.

6
 

Pace dan Lee (2003) dalam kajian mereka mengenai parameter model graviti juga mengatakan bahawa aplikasi model graviti selalunya menghasilkan ramalan tidak memuaskan. Kolter (1971, dalam Pace & Lee, 2003) mengujarkan bahawa saiz pusat membeli belah tidak menunjukkan signifikan dalam ramalan berkaitan jumlah jualan, malahan Stanley dan Seewal (1976, dalam Pace & Lee, 2003) merumuskan bahawa keupayaan model graviti bagi meramal nilai interaksi sebuah pusat perniagaan adalah amat terhad. Mereka menegaskan mengenai kepentingan memasukkan faktor spatial dan jarak di dalam model graviti bagi memastikan bahawa ramalan akan menjadi lebih tepat. Berbeza dengan pendapat Eppli dan Shilling (1996), yang menyangkal keutamaan faktor jarak dalam meramal kadar tarikan pusat perniagaan. Brown (1989, dalam Skogster 2006) juga menyatakan bahawa model graviti asas berpemboleh ubah jarak, dan populasi dengan parameter, tidak sentiasa menunjukkan prestasi yang baik bila diaplikasi. Model graviti asas bagi mengukur tahap tarikan sesebuah pusat perniagaan ke atas kawasan pasaran sekitarnya menggunakan faktor saiz pusat perniagaan, faktor saiz pasaran, serta faktor jarak antara pusat perniagaan dan pasaran tersebut sebagai pemboleh ubah. Ketiga-tiga pemboleh ubah ini digunakan bagi menentukan tahap interaksi antara kedua juzuk tersebut. Ini bermakna, ketepatan hasil unjuran ataupun nilai interaksi antara dua juzuk tadi hanyalah bergantung kepada tiga pemboleh ubah tersebut. Sedangkan terdapat faktor-faktor lain seperti saingan oleh kedai-kedai runcit tempatan, saingan pusat membeli –belah sekitar, suasana pusat perniagaan itu sendiri, tahap kemudahan pusat perniagaan tersebut, faktor tahap kesesakan jalan raya, malahaan faktor sosio-ekonomi pasaran tadahan juga mempengaruhi daya tarikan dan interaksi antara sesebuah pusat perniagaan dengan pasarannya. Beberapa pengkaji seperti Nakanishi dan Cooper (1974) memasukkan pelbagai pemboleh ubah berunsur sosio ekonomi dan pemboleh ubah yang bersifat penilaian individu yang samar kaedahnya, dan memerlukan data yang banyak serta pengiraan penilaian unsur-unsur abstrak yang kompleks dalam menentukan tahap interaksi antara sesebuah pusat perniagaan dengan pasarannya. Langkah tersebut bertujuan mewujudkan suatu perwakilan model yang mirip fenomena dunia sebenar. Menurut Clarke (1998, dalam Samat 2008), antara kelemahan model graviti adalah keperluan data berkaitan perjalanan isi rumah, dan data sosio-ekonomi kawasan tadahan yang banyak. Maka

7
 

adalah sukar bagi bandar-bandar di negara membangun di mana kedapatan data tersebut adalah rendah dan tidak teratur untuk mengaplikasikan model graviti yang memerlukan data yang banyak (Samat, 2008). Daripada isu penggunaan peboleh ubah yang abstrak dan kompleks dalam model graviti, timbul persoalan, tidak bolehkah kita meramal kadar interaksi antara sesebuah pusat perniagaan dan pasarannya dengan baik, walaupun dengan hanya menggunakan model graviti asas yang tidak memerlukan banyak pemboleh ubah serta mudah untuk difahami? Sekiranya model graviti asas tersebut boleh digunakan, timbul pula persoalan mengenai jenis dan perincian pemboleh ubah yang patut digunakan dalam model graviti asas bagi menghasilkan ramlan yang lebih jitu. Contohnya penggunaan pemboleh ubah jarak di dalam sesuatu model graviti. Apakah cukup dengan hanya menggunakan jarak kasar seperti jarak terhampir atau lebih dikenali sebagai jarak Euclidean, untuk memperolehi ketepatan ramalan yang boleh diterima. Ataupun perlu kita mengambil kira jarak sebenar yang dikira menggunakan masa perjalanan atau pun kos yang diperlukan untuk sesuatu perjalanan daripada rumah ke sesebuah pusat perniagaan. Hal ini perlu diambil kira kerana jarak sebenar ke sesuatu destinasi adalah berlainan daripada jarak Euclidean kerana terdapatnya pengaruh topografi, jaringan jalan raya yang aksesnya terkawal (controlled access highway), persimpangan serta lampu isyarat. Malahan bagi kawasankawasan bandar-bandar besar turutamanya di Wilayah Lembah Klang, para penduduk kadang kala terpaksa melalui begitu banyak tol untuk pergi ke sesuatu pusat membelibelah. Menurut Riza (1994), bagi menyediakan model yang baik, beberapa syarat dan cara pembinaan model perlu diadakan, malahan sesuatu model itu haruslah mudah difahami, sederhana serta ringkas. Model-model yang terlampau kompleks dikatakan tidak sesuai dan tidak tepat, kerana akan melibatkan persamaan serta hubung kaitan yang terlalu rumit bagi diterjemahkan kedalam bentuk matematik, sekaligus mengurangkan ketepatan ramalan. Sebagai contoh, menurut Duffus (1987, dalam Riza, 1994) faktor pengubahsuaian parameter dalam model graviti telah didapati menjadikan ramalan semakin tidak tepat berbanding jika faktor itu tidak dimasukkan ke dalam model graviti. Malahan Riza (1994) menulis, terlalu banyak pemboleh ubah dan persamaan yang kompleks akan mengelirukan pembuat keputusan yang tidak pakar mengenai model graviti tersebut sekaligus tidak dapat membahaskannya. Justeru itu, haruslah dikaji sama

8
 

ada model graviti asas mampu atau tidak untuk membuat unjuran dan ramalan yang baik dan mudah difahami, sekaligus membolehkan perancang boleh menggunakan ia sebagai alat bantuan dalam membuat keputusan dengan lebih efektif. Penggunaan jenis jisim entiti yang sesuai bagi digunakan dalam model graviti juga adalah antara persoalan yang perlu dijelaskan bagi mendapat hasil ramalan yang lebih baik. Pada kebiasaannya, banyak kajian mengena interaksi antara sesebuah pusat perniagaan dengan pasarannya menggunakan faktor luas lantai pusat perniagaan tersebut dan bilangan penduduk atau rumah di sesuatu zon pasaran itu. Namun begitu, terdapat juga beberapa kajian menggunakan model graviti yang mengambil kira faktor jenis barangan yang dijual, pendapatan penduduk, kadar perbelanjaan penduduk serta kepadatan penduduk bagi mengira kadar interaksi antara sesebuah pusat perniagaan dengan zon pasarannya seperti yang dilakukan oleh Nakanishi dan Lee (1974) serta Hamilton (2003). Maka, perlu kita tentukan juga sama ada adakah walaupun dengan hanya menggunakan pemboleh ubah paling asas dalam model graviti, kita akan dapat meramalkan kadar interaksi antara dua entiti dengan baik atau tidak. Setelah diketahui sama ada penggunaan pemboleh ubah-pemboleh ubah asas mampu atau tidak menghasilkan ramalan yang baik, perlu pula ditentukan kadar pemalar bagi rumus model graviti asas ini. Pemalar ini akan memastikan formula ini akan dapat diintrepetasi dengan skala atau unit ukuran (Hamilton, 2003), seterusnya boleh digunakan bagi meramal tahap interaksi lain-lain pusat perniagaan dengan pasarannya di kawasan kajian dan dengan entiti kajian yang sama sifatnya. Walaubagaimanapun, terlebih dahulu tahap kejituan ramalan model graviti yang lengkap dengan pemalar tersebut harus diperolehi. Hanya setelah itu, model graviti tersebut boleh digunakan bagi membantu pembuatan keputusan berkaitan interaksi pusat perniagaan dan pasarannya. Kajian bagi membaiki model graviti asas ini bukan sahaja penting bagi menunjukkan bahawa model yang digunakan secara meluas itu sememangnya boleh digunakan bagi meramal interaksi berkaitan sesuatu pusat perniagaan, malahan mampu membantu para perancang untuk membuat ramalan masa hadapan dengan lebih tepat dan jitu bagi konteks Johor Bahru secara spesifiknya. Dengan adanya model yang spesifik bagi meramal interaksi pusat-pusat perniagaan di Johor Bahru membolehkan para perancang

9
 

mengurangkan kemungkinan persaingan tidak sihat antara pusat perniagaan di Johor Bahru. Dalam kajian Yuhanis (2008), ditunjukkan dengan jelas bagaimana, hypermarkethypermarket mendatangkan kesan negatif kepada perniagaan runcit lain akibat daripada pertindihan kawasan litupan pasaran. Maka adalah penting untuk model graviti berkaitan aktiviti perniagaan khusus di jana bagi daerah Johor Bahru dipertingkatkan agar kawasan pasaran bagi setiap pusat perniagaan dapat ditentukan dengan lebih tepat. Maka dengan adanya model graviti yang khusus sebegitu, akan membantu perancang meramal dan menentukan tahap litupan kawasan tadahan pasaran setiap pusat perniagaan khususnya hypermarket, seterusnya bertindak mengurus pertumbuhannya agar dapat menghasilkan keuntungan optimum serta mengelak lebih banyak pusat-pusat perniagaan kecil daripada menerima impak negatif dek pertumbuhan hypermarket-hypermarket tersebut. Atas permasalahan seperti yang telah dihuraikan, dakwaan mengenai kekurangan dan ketidakjituan model graviti ini perlu dikaji sama benar atau pun tidak. Sekiranya terdapat kelemahan, beberapa kaedah perlulah dianjurkan bagi memperbaiki model graviti tersebut agar mampu membantu perancang mendapatkan ramalan masa hadapan yang lebih tepat, sekaligus dapat menghasilkan perancangan pembangunan perniagaan yang lebih baik.

1.3

Persoalan Kajian

Terdapat beberapa isu dan kelemahan mengenai penggunaan dan ramalan oleh model graviti. Justeru itu, persoalan utama kajian ini berkisar mengenai kemampuan model graviti dalam menerangkan sesuatu fenomena interaksi antara dua entiti serta tahap kejituan ramalannya . Persoalan lain di dalam kajian ini adalah seperti berikut: i. Bagaimanakah perbezaan tahap perbandingan atau ralat purata antara interaksi sebenar sesebuah hypermarket dengan pasarannya serta saingannya, dengan interaksi sama yang diramal oleh model graviti?

10
 

ii.

Apakah dengan menggunakan jarak Euclidean sahaja, cukup untuk menghasilkan ramalan yang boleh diterima atau pun perlu menggunakan jarak sebenar atau sebagai pemboleh ubah model graviti?

iii. iv.

Apakah kesan penggunaan parameter pemboleh ubah jarak ke atas tahap kejituan ramalan sesuatu model graviti? Bolehkah model graviti asas digunakan bagi meramalkan interaksi sesebuah pusat perniagaan dengan pasarannya serta saingannya dengan baik, sekaligus menjadi alat bantuan perancangan dalam mencatur alternatif pembangunan gunatanah perniagaan bandar?

1.4

Matlamat Kajian

Mengkaji kemampuan model graviti bagi menerang dan meramalkan fenomena interaksi antara sesebuah hypermarket dengan pasarannya serta saingannya, seterusnya bertindak sebagai alat bantu perancangan kepada para perancang bandar.

1.5

Objektif Kajian

Objektif kajian ini adalah seperti berikut: i. ii. Mengkaji kelemahan-kelemahan dan kekurangan sedia ada yang terdapat pada model graviti melalui carian dan analisa bahan-bahan ilmiah. Mengira peratusan pecahan asalan pengunjung hypermarket yang di ramal menggunakan empat viarasi model graviti dan membandingkannya pecahan pengunjung yang di survei di hypermarket kajian. iii. iv. Menilai kesan penggunaan pemboleh ubah jarak Euclidean dan pemboleh ubah jarak sebenar ke atas kejituan ramalan model graviti. Menilai kesan penggunaan parameter pemboleh ubah jarak ke atas ramalan model graviti.

11
 

v.

Membina Model Huff bagi setiap hypermarket kajian dengan menggunakan kemampuan analisis reruang dalam sistem maklumat geografi (GIS) bagi menunjukkan permukaan graviti (gravitation surface) setiap hypermarket kajian berbanding saingannya.

vi.

Membandingkan ramalan kemungkinan tempat berbelanja (hypermarket) yang dipilih pengguna di sesuatu kawasan yang diramal menggunakan Model Huff, dengan hasil survei pilihan tempat berbelanja pengguna .

1.6

Kawasan Kajian dan Hypermarket Kajian

MALAYSIA 

Gambarajah 1.2

Kawasan Kajian dan Hypermarket Kajian.

Bagi kajian ini, daerah Johor Bahru yang berada di dalam wilayah pembangunan ekonomi Iskandar Malaysia (IM) telah dipilih berdasarkan faktor terdapatnya bilangan hypermarket yang banyak (Laporan Pemeriksaan RSN Johor, 2001) serta kadar pertumbuhan di kawasan ini antara enam hingga tujuh peratus setahun (Pelan

12
 

Komprehensif SJER, 2004) yang menyebabkan pengawalan pembangunan menjadi aspek penting bagi perancangan wilayah ini (sila rujuk gambarajah 1.2). Lebih dari itu, lebih daripada 70 peratus daripada perniagaan dan 60 peratus populasi di Johor adalah bertumpu di daerah Johor Bahru (Laporan Pemeriksaan RSN Johor, 2001), menunjukkan betapa pentingnya wilayah ini dan pentingnya kajian ini dilakukan. Atas sebab itu, kawasan ini adalah sesuai dijadikan kawasan kajian bagi menilai keupayaan model graviti kerana faktor kedapatan pusat perniagaan (hypermarket) yang banyak, intensiti pasaran yang tinggi dan besar serta jaringan jalan raya yang jelas dan berjajaran. Lebih penting dari itu, kedapatan data gunatanah, terutama gunatanah perniagaan dan perumahan serta kedapatan data lot kadastral kawasan ini dalam format sistem maklumat geografi memungkinkan model graviti yang dijana menggunakan sistem maklumat geografi diadakan. Selain itu, kajian terdahulu mengenai Kesan Pembangunan Hypermarket Terhadap Kedai Runcit oleh Yuhanis (2008) yang menyediakan data survei sedia ada mengenai peratusan pecahan asal pelanggan setiap hypermarket juga mengambil daerah Johor Bahru sebagai kawasan kajian. Empat (4) hypermarket yang dikaji oleh beliau ialah hypermarket Giant Skudai dan hypermarket Giant Plentong yang terletak dalam kawasan pentadbiran Majlis Perbandaran Johor Bahru Tengah, hypermarket Giant Southern City dalam kawasan Majlis Bandaraya Johor Bahru, dan hypermarket Tesco Bandar Seri Alam. Maka bagi memudahkan perbandingan antara hasil ramalan model graviti dan statistik survei asal, kawasan kajian yang sama diguna oleh Yuhanis akan di guna pakai bagi kajian ini.

1.7

Skop dan Pembatasan Kajian

Kajian ini memfokuskan usaha untuk mengkaji tahap kejituan empat viarasi model graviti asas, sekaligus menentukan sama ada model graviti asas boleh atau tidak digunakan bagi menilai kadar interaksi antara hypermarket-hypermarket di kawasan kajian dengan pecahan tadahan pasarannya. Bagi menentukan kejituan hasil ramalan oleh model-model graviti tersebut, hasil-hasil ramalan tersebut akan dibandingkan

13
 

dengan hasil survei pecahan asalan pelanggan hypermarket-hypermarket terlibat, yang telah dibuat oleh Yuhanis (2008). Maka dengan itu, hasil kajian ini bergantung kepada ketepatan hasil survei yang telah dibuat oleh Yuhanis bagi menentukan tahap kejituan model graviti yang dirumuskan oleh penulis. Walaupun dalam kajian terdahulu Yuhanis (2008) mengambil empat (4) hypermarket terpilih di Johor Bahru, pengkaji dalam kajian ini hanya akan mengkaji dan membandingkan hasil survei dan ramalan bagi tiga (3) hypermarket yang bernaung di bawah francais Giant sahaja, iaitu hypermarket Giant Skudai, hypermarket Giant Plentong, dan hypermarket Giant Southern City bagi kajian ini tanpa mengambil kira Hypermarket Tesco Plentong. Langkah ini adalah bagi memastikan beberapa faktor lain seperti jenis kemudahan, jenis barangan, suasana, dan harga barangan yang ditawar oleh hypermarket yang berbeza dapat dikurangkan. Malahan pula, hypermarket Tesco tersebut baru setahun dibuka. Maka, perbandingan dari segi promosinya juga adalah berbeza. Dengan memilih hanya untuk membandingkan tiga (3) hypermarket Giant tersebut, lebih tumpuan dapat diberikan dalam menilai kesan pemboleh ubah jarak dan saiz hypermarket dan pasaran berpotensi dalam menentukan tahap interasi atau tarikan sesebuah hypermarket. Di dalam kajian ini, pengkaji memfokuskan untuk membanding kesan penggunaan pemboleh ubah jarak Euclidean dan jarak sebenar berbanding lain-lain pemboleh ubah tambahan seperti status sosio-ekonomi pengguna dan juga kedapatan kedai-kedai runcit di kawasan asalan pelanggan hypermarket. Maka dengan itu, hasil bagi kajian ini juga dipengaruhi oleh kesan perbezaan pemboleh ubah kedua jenis jarak Euclidean dan jarak sebenar. Kajian ini juga mengambil kira kesan penggunaan pemboleh ubah yang melibatkan saiz hypermarket dan juga saiz populasi kawasan tadahannya. Oleh kerana model graviti asas melibatkan pemboleh ubah berkaitan saiz hypermarket dan saiz pasaran, maka sebarang keputusan ramalan juga akan dipengaruhi oleh ketepatan maklumat berkaitan saiz hypermarket dan juga jumlah penduduk di zon pasaran yang terlibat. Walaupun luas ruang lantai hypermarket adalah mudah untuk didapatkan, namun maklumat penduduk yang mewakili kuantiti pasaran bagi setiap zon adalah berdasarkan anggaran bilangan rumah setiap zon tersebut. Maka ketepatan

14
 

pengiraan model graviti dalam kajian ini juga akan bergantung pada maklumat geospatial yang diperolehi berkaitan bilangan rumah di sesuatu zon pasaran. Model graviti juga melibatkan pelbagai teori, maka operasi dan hasil ramalan model ini adalah amat bergantung kepada beberapa andaian yang ditentukan kemudian melalui kajian ilmiah di Bahagian 2. Bagi tujuan tersebut, sintesis penulisan ilmiah bagi kajian ini memfokuskan pada model graviti yang diubah suai oleh Reilly dan Huff serta beberapa ilmuan lain bagi tujuan mengenal pasti andaian yang digunakan, sifat-sifat model graviti yang diubah suai mereka dan mengapa dan bagi tujuan apa model-model tersebut diubah suai serta kaedah untuk mengaplikasikan model tersebut. Kajian ini juga memfokuskan usaha bagi menilai tahap kejituan ramalan sesuatu model graviti dengan membandingkan hasil ramalan dengan statistik berkaiatan pecahan asalan pelanggan serta pemilihan hypermarket oleh pengguna yang disurvei.

1.8

Hasil Kajian

Kajian ini melibatkan penghasilan jadual-jadual serta graf-graf yang menunjukkan peratusan serta pecahan pasaran hypermarket-hypermarket kajian. Begitu juga pelanpelan yang menunjukkan tahap interaksi spatial setiap hypermarket kajian dengan pasaran dan saingannya juga akan dihasilkan bagi tujuan perbandingan dengan hasil survei pecahan asalan pelanggan sebenar di hypermarket-hypermarket kajian. Hasil kajian ini akan menentukan tahap kejituan ramalan model graviti dan menentukan sama ada model graviti boleh atau tidak digunakan untuk membantu pembuatan keputusan berkaitan perancangan atau tidak.

1.9

Susunan dan Aturan Kajian

Kajian ini akan dibahagikan kepada lima (5) bahagian iaitu, penyataan isu dan kerangka kajian, sintesis penulisan-penulisan ilmiah, reka bentuk pangkalan data dan penjanaan Model Graviti, analsis dan penemuan kajian, rumusan kajian dan cadangan. Carta alir

15
 

kerja kajian ialah seperti dalam rajah 1.3. Setiap bahagian dalam kajian ini diatur dan difokuskan bagi mencapai matlamat dan objektif kajian. 1.9.1 Kerangka Kajian

Bahagian pertama, kajian ini akan menghuraikan mengenai isu dan masalah berkaitan aplikasi model graviti serta situasi sukar yang dihadapi oleh perancang dalam membuat ramalan berkaitan dengan gunatanah perniagaan, yang seterusnya membawa kepada keperluan untuk kajian ini diadakan. Matlamat dan objektif kajian ini dinyatakan agar skop kajian dapat ditentukan dan kaedah bagi mendapatkan hasil akhir kajian juga dapat digariskan secara kasar dalam bahagian ini. Bahagian pertama ini juga akan memberikan pengenalan kepada perniagaan runcit di bandar terutamanya berkaitan hypermarket dan model graviti. 1.9.2 Sintesis Penulisan-Penulisan Ilmiah Para Sarjana

Di dalam bahagian kedua, kajian ini akan menerangkan dan membincangkan secara teori dan empirikal penulisan-penulisan berbentuk ilmiah berkaitan subjek-subjek utama dalam kajian ini. Antara bentuk penulisan ilmiah yang dirujuk bagi kajian ini ialah buku, jurnal, laporan-laporan, artikel, rancangan pembangunan, dan laman-laman web. Penumpuan bahagian ini adalah kepada empat (4) subjek berikut iaitu: i. Hypermarket Definisi, konsep, sejarah, ciri-ciri, dan fungsi hypermarket serta kesan pembangunannya dijelaskan dengan lebih terpeinci dalam bahagian ini. ii. Faktor yang Mempengaruhi Pelanggan Ke Sesuatu Pusat Perniagaan Bahagian ini secara ringkas menokok penerangan awal mengenai faktor-faktor yang mempengaruhi interaksi antara sesuatu pusat perniagaan dan pasarannya dengan mengambil kira pendapat beberapa ilmuan dan kajian terpilih. Hanya apabila faktor-faktor tersebut difahami, maka, pemboleh ubah-pemboleh ubah serta teori yang digunakan dalam model graviti akan lebih difahami.

16
   

BAHAGIAN 1 – RUNGKAIAN ISU & KERANGKA KAJIAN
RUNGKAIAN ISU & PERMASALAHAN PENGGUNAAN MODEL GRAVITI PERSOALAN KAJIAN MATLAMAT, OBJEKTIF, HAD & PEMBATASAN, KAWASAN & HASIL KAJIAN

BAHAGIAN 2 – SINTESIS PENULISAN ILMIAH
HURAIAN & SINTESIS TEOTIKAL BERKAITAN HYPERMARKET, FAKTOR  MEMPENGARUHI PILIHAN LOKASI BERBELANJA PENGGUNA, EVOLUSI MODEL  GRAVITI SERTA VIARASINYA, & PENGGUNAAN SISTEM MAKLUMAT  GEOGRAFI (GIS) BAGI PEMODELAN ANALISIS INTERAKSI SPATIAL. 

BAHAGIAN 3 – REKA BENTUK PANGKALAN DATA & PENJANAAN MODEL 
PENGUMPULAN DATA KELUASAN HYPERMARKET, BILANGAN RUMAH  DALAM SETIAP UNIT TADAHAN PASARAN, JARAK, & DATA SURVEY KAJIAN  PECAHAN ASALAN PELANGGAN HYPERMARKET   PEMBINAAN PANGKALAN DATA & PENYUSUNAN DATA GEOSPATIAL DAN ATRIBUT DATA BUKAN SPATIAL BAGI DIGUNAKAN DALAM GIS KAEDAH PENJANAAN MODEL GRAVITI MENGGUNAKAN PERISIAN ARCGIS

BAHAGIAN 4 – ANALISIS VIARASI MODEL GRAVITI & PENEMUAN 
MENGANALISIS KEJITUAN RAMALAN PECAHAN ASALAN PELANGGAN  HYPERMARKET YANG DIJANA MODEL GRAVITI & MEMBANDINGKAN HASIL  PENGGUNAAN PEMBOLEH UBAH JARAK EUCLIDEAN DAN JARAK SEBENAR 

pemahaman terhadap sejarah, viarasi, teori, prinsip, tujuan, rumus, pemboleh MEMBANDINGKAN HASIL SURVEY PECAHAN PELANGGAN HYPERMARKET ubah, kelebihan, kelemahan,DENGAN HASIL RAMALAN OLEH MODEL GRAVITI   permasalahan adaptasi model graviti hingga kepada aplikasinya di dunia sebenar. Maka dalam bahagian ini, sintesis mengenai KEMAMPUAN MODEL GRAVITI MEMBANTU MENERANGKAN DAN MERAMAL 
KADAR INTERAKSI SESEBUAH HYPERMARKET DENGAN TADAHAN  perkara-perkara berkaitan model graviti tersebut dirungkai dengan terpeinci

berasaskan pendapat, kajian serta aplikasi dan penggunaan model berkenaan oleh para ilmuan dan pengamal dalam bidang berkaitan perniagaan dan penentuan BAHAGIAN 5 – RUMUSAN KAJIAN & CADANGAN pasaran. Malahan dalam bahagian ini juga dibincangkan mengenai pelbagai jenis dan kaedah untuk membentuk dan menghasilkan model graviti yang diperolehi ANALISIS, & PENEMUAN KAJIAN. MEMBINCANGKAN KEKURANGAN KAJIAN 
SERTA MENDAHULUKAN CADANGAN BAGI KAJIAN SUSULAN.   daripada pelbagai sumber . MERUMUSKAN SEGALA SUSUR GALUR KAJIAN DENGAN FOKUS PADA HASIL 

PASARANNYA SERTA HYPERMARKET SAINGAN  

Rajah 1.3

Susunan & Aturan Kajian

17
 

iii. Model Graviti, Evolusi dan Viarasinya Sintesis mengenai model graviti dan aplikasinya adalah bahagian yang terpenting dan merupakan fokus utama bagi kajian ini. Tunjang kajian ini menjalar daripada iv. Sistem Maklumat Geografi dan Analisis Interaksi Spatial (Model Graviti) Bahagian ini akan menerangkan mengenai perkara-perkara asas dalam sesuatu sistem maklumat Geografi (GIS). Definisi, prinsip, struktur dan kelebihan GIS, serta keupayaannya dalam menjalankan analisis interaksi spatial adalah antara perkara yang dihuraikan. Beberapa contoh kajian, aplikasi dan penjanaan model graviti menggunakan GIS juga dibincangkan secara ringkas di dalam bahagian ini. Perkara paling penting bagi bahagian ini ialah sistesis mengenai hubung kait antara kemampuan serta kelebihan GIS dalam menjalankan analisis spatial hingga mampu menjadi alat efisyen dalam membangunkan model graviti juga dibincangkan. Bahagian ini ialah fokus kedua terpenting bagi kajian ini. 1.9.3 Reka Bentuk Pangkalan Data dan Penjanaan Model Graviti

Bahagian ketiga kajian ini pula membincangkan mengenai reka bentuk pangkalan data bagi menjana model graviti menggunakan sistem maklumat geografi (GIS). Antara yang dinyatakan ialah data-data yang diperlukan bagi membina model graviti, jenis litupan data, format, unjuran serta sumber data primer dan sekunder. Malahan diperincikan dalam bahagian ini mengenai attribut-atribut bukan spatial bagi setiap litupan data spatial. Seterusnya diterangkan pula langkah-langkah yang diikuti atau kaedah yang digunakan bagi menjana model graviti serta menjalankan analisis kajian, menggunakan kemampuan analisis spatial di dalam GIS. Bentuk model graviti yang digunakan untuk analisis kajian serta andaian-andaian berkaitan penggunaan model graviti juga ditentukan di bahagian. Bentuk dan andaian model graviti yang digunakan untuk analisis adalah berdasarkan pada sintesis yang dibuat berpandukan rujukan-rujukan ilmiah berkenaan model graviti yang di perjelaskan dan dirangkumkan di dalam bahagian kedua kajian ini.

18
 

1.9.4

Analisis Viarasi Model Graviti dan Penemuan Kajian

Hasil analisis menggunakan sistem maklumat geografi (GIS) dibincangkan dalam bahagian ke empat kajian ini. Segala keputusan serta ramalan hasil janaan model graviti menggunakan GIS dibincang dan dikupaskan. Ramalan tersebut kemudiannya dibandingkan dengan hasil survei kajian terdahulu oleh Yuhanis (2008) bagi menjawab persoalan utama kajian. Perbandingan hasil ramalan menggunakan pemboleh ubah jenis jarak yang berbeza jenis juga dipaparkan serta dibincangkan dalam bahagian ini. Malahan lebih dari itu, dalam bahagian keempat ini juga ditentukan tahap nilai kejituan dan kebolehgunaan model graviti yang dikaji bagi kegunaan aplikasi sebenar. 1.9.5 Rumusan Kajian dan Cadangan

Dalam bahagian kelima dan terakhir kajian ini, segala pucuk pangkal permasalahan atau isu, persoalan kajian, kepentingan kajian, dan kaedah analisis dirangkumkan secara ringkas. Manakala intipati keputusan analisis dan signifikan hasil analisis itu dalam bidang perancangan diuturkan dan dirungkai. Bagi menutup penulisan berkaitan kajian ini, permasalahan serta kelemahan dalam kajian ini akan diterangkan serta beberapa cadangan berkaitan penambahbaikan kajian model graviti akan diunjurkan bagi kajian lanjutan. 1.10 Kepentingan Kajian Pada Bidang Perancangan

Perancangan bandar adalah suatu proses bagi menentukan susunan gunatanah bandar terbaik bagi mewujudkan suasana optima dan madani di bandar pada masa akan datang. Ini bermakna segala yang dilakukan sekarang dalam proses perancangan ialah bertujuan mendapatkan hasil yang terbaik di masa akan datang. Bagi membantu perancang meramal kesan daripada sebarang tindakan atau keputusan yang mereka ambil kini di masa akan datang, model digunakan bagi meramal dan menggambarkan impak sekiranya sesuatu alternatif perancangan diaplikasikan. Antara model yang digunakan bagi tujuan tersebut ialah model graviti yang digunakan secara meluas dalam bidang pengangkutan, perniagaan dan perletakan kemudahan awam. Tiga bidang yang amat berkait rapat dan penting dalam perancangan sesebuah bandar.

19
 

Disamping membantu meramal dan menerangkan sesuatu fenomena, ramalan model graviti juga mampu untuk mempengaruhi keputusan para pembuat keputusan. Maka sekiranya model graviti tidak mampu meramalkan secara baik fenomena yang mungkin berlaku di masa hadapan, maka para pembuat keputusan juga cenderung untuk membuat keputusan yang salah berpandukan ramalan yang salah. Kesannya, proses pembangunan sesebuah bandar tidak akan menjadi lancar dan pengurusan pengangkutan, perniagaan dan kemudahan awam sesebuah bandar akan menjadi kucar-kacir serta tidak membawa pulangan paling optimum. Semuanya kerana ketidakjituan ramalan model graviti, menjadikan perancangan dan pembahagian kemudahan awam kepada penduduk bandar menjadi tidak sekata dan tidak mencukupi. Malangnya, kesan tersebut hanya diketahui setelah pembangunan dibuat. Dan pentadbir terpaksa menanggung kerugin mahupun kos tambahan bagi kemudahan yang tidak digunakan dan membina kemudahan tambahan bagi menampung keperluan. Maka adalah perlu ditentukan dulu tahap kemampuan model graviti dalam meramal sesuatu fenomena interaksi antara dua entiti, sebelum model tersebut digunakan sebagai alat bantu perancangan.

1.11

Rangkuman Keseluruhan Isu dan Kerangka Kajian

Model graviti ialah model yang digunakan secara meluas oleh para perancang bagi menganjur ramalan berkaitan pembangunan sesuatu gunatanah, kemudahan awam mahu pun infrastruktur. Namun begitu, kepelbagaian bentuk dan adaptasi bagi menilai sesuatu fenomena menjadikan model graviti semakin kompleks, sukar untuk dikira dan sukar untuk difahami. Malahan ada sarjana yang mendakwa bahawa model graviti yang kompleks tidak akan menghasilkan keputusan ramalan yang baik dan jitu. Justeru itu perlu ditentukan sama ada dakwaan tersebut benar atau tidak. Dengan adanya kedapatan data daripada survei kajian mengenai pecahan asalan pelanggan hypermarket di daerah Johor Bahru oleh Yuhanis, hasil ramalan hypermarket tersebut boleh dibandingkan dengan hasil survei itu bagi memastikan tahap kejituan ramalan sesuatu model graviti tersebut. Malahan bagi tujuan analisis, perbandingan dan pemahanan, kedapatan sistem maklumat geografi (GIS) dan kemampuannya dalam analisis reruang, akan menentukan kredibiliti model graviti tersebut dengan lebih sistematik, malahan pemahaman kita mengenai interaksi reruang sesebuah hypermarket yang ditunjukkan oleh model graviti akan menjadi lebih jelas dan mudah untuk difahami.

BAHAGIAN 2

SINTESIS PENULISAN ILMIAH

Model graviti telah digunakan secara meluas sejak sekian lama bagi mengukur dan meramal tahap interaksi antara sesuatu perniagaan dan pasarannya. Tahap interaksi antara pusat perniagaan dan pasaranya ini pula dipengaruhi oleh pelbagai faktor. Bahagian 2 kajian ini akan menerang dan membincangkan secara mendalam mengenai teori-teori berkaitan hypermarket, faktor yang mempengaruhi interaksi antara hypermarket dan pasarannya, aplikasi model graviti serta penggunaan sistem maklumat geografi (GIS) oleh para sarjana agar setiap juzuk dan elemen penting dalam kajian ini dapat difahami dengan baik. Beberapa contoh aplikasi model graviti menggunakan sistem maklumat geografi juga dibincangkan bagi meningkatkan tahap penguasaan dan kejituan kajian ini. 2.1 Evolusi Perniagaan Runcit di Bandar dan Hypermarket

Perniagaan runcit ialah suatu perniagaan yang melibatkan capaian serta penjualan barangan dan perkhidmatan keperluan harian bagi kegunaan sendiri pengguna terakhir dan barangan serta perkhidmatan tersebut dibeli oleh pengguna bukanlah untuk dijual semula. Lasson, Weigand dan Wright (1976, dalam Katiman, 1988) menulis, pada kebiasaannya, kuantiti barangan dan perkhidmatan yang dijual kepada pengguna terakhir adalah kecil. Hal ini kerana, pada kebiasaannya, pengguna terakhir tersebut merupakan seorang individu atau pun hanyalah sebuah keluarga. Namun begitu, menurut Bolen

21 
 

(1978, dalam Katiman, 1988) adalah

tidak mustahil sekiranya sesebuah firma atau

syarikat juga berkemungkinan menjadi pengguna akhir dalam situasi tertentu. Secara amnya bolehlah kita anggap bahawa sebarang kegiatan penjualan dan pembelian dari penjual kepada pengguna terakhir dianggap sebagai aktiviti runcit (Katiman, 1988). Antara contoh barangan yang dijual oleh perniagaan runcit ini adalah barangan keperluan harian pengguna seperti makanan, keperluan dapur, perkakasan elektrik, serta pakaian, malahan turut meliputi penawaran perkhidmatan seperti jahitan, cetakan, dandanan rambut, serta kedai gambar yang menjadi keperluan harian penduduk di bandar. Bermula dengan aktiviti peruncitan berskala kecil, sekecil sebuah rumah yang dijadikan kedai runcit mini bagi membekalkan keperluan harian penduduk sekitar, evolusi perniagaan peruncitan di kawasan bandar-bandar Malaysia mula berkembang semasa kemasukan peniaga-peniaga daripada China semasa pemerintahan British. Peniagapeniaga China ini membawa bersama konsep rumah kedai yang ada di China. Bertitik tolak dari situ, perniagaan peruncitan di bandar semakin berkembang mengikut tahap pembangunan ekonomi, teknologi, dan saiz demografi sesebuah bandar (Agrawal & Anupum, 2007). Bagi menampung permintaan yang semakin pelbagai dan kompleks daripada populasi bandar yang semakin besar dan berkembang, konsep pusat perniagaan mega mula diperkenalkan di Eropah dan Amerika Utara pada pertengahan abad ke-20 (Anand & Nambia, 2006). Agrawal dan Anupum (2007) menyatakan bahawa terdapat pelbagai istilah yang

digunakan bagi pusat-pusat perniagaan mega ini termasuklah hypermarket, pusat perdagangan mega, supermarket, superstores, shopping malls dan pusat membeli-belah. Namun begitu menurut definisi oleh Management Ventures Inc. (MVI) hypermarket, dan superstore membawa maksud dan konsep peruncitan yang sama cuma pada skala yang berbeza dari segi saiz ruang lantai perniagaan dan pecahan jenis barangan yang dijual. Hypermarket menurut MVI selalunya ialah premis satu tingkat berkeluasan lantai 10,000 meter per segi (m2) hingga 20,000m2 yang mana barangan makanan merangkumi 50 peratus daripada jumlah jualan keseluruhuannya. Namun begitu, kini kebanyakan hypermarket baru, dibina dalam dua (2) tingkat bagi menampung penghuni atau lot-lot sekunder atau perniagaan sampingan bagi menjadikan hypermarket sebuah pusat sehenti membeli-belah yang lebih lengkap dan menarik serta memaksimumkan penggunaan

22 
 

tanah bandar. Contoh jenama besar hypermarket ini ialah Carrefour, Auchan dan Jumbo. Manakala menurut MVI lagi superstore seperti Wal-mart, Supertarget dan Meijer pula berkeluasan lantai antara 8,000m2 hingga 28,000m2 manakala makanan merupakan 40 peratus dari jumlah jualannya. Pada kebiasaannya keluasan ruang lantai sesebuah hypermarket di sesuatu tempat adalah lebih dipengaruhi oleh faktor tempatan tapak, lokasi dan cakupan serta attribut pasaran sasaran. Di dalam penulisan Perrigot dan Cliquet (2006), hypermarket yang konsepnya diperkenalkan pada 1960-an di Perancis, dirungkai sebagai sebuah pusat sehenti membeli belah yang menjual pelbagai barangan makanan dan bukan makanan keperluan harian pengguna di bawah satu bangunan dengan dilengkapi kemudahan tempat letak kereta yang mencukupi serta mempunyai rangkaian francais yang besar. Bagi urusan niaga pula, kesemua hypermarket mengamalkan konsep satu harga serta purata harga barangan yang dijual pula adalah lebih murah berbanding kedai-kedai runcit konvensional Hypermarket menjalankan perniagaan secara layan diri dan mengamalkan konsep satu harga. Bukan sahaja tidak mengamalkan konsep tawar-menawar (konsep satu harga), hypermarket juga menjual pelbagai jenis barangan dan perkhidmatan keperluan harian pengguna dibawah satu bumbung. Konsep ini didorong oleh perubahan corak kehidupan dan rutin penduduk bandar yang semain sibuk dan kompleks. Maka masyarakat bandar cenderung untuk memilih lokasi yang menawarkan pelbagai keperluan harian di satu tempat agar mereka mampu menjimatkan masa bagi membeli barangan keperluan rumah untuk kegunaan tempoh masa yang lebih lama. Varian produk yang dijual di sesuatu hypermarket ialah antara 80,000 hingga 100,000 jenis (Dunne et. al., 2002). Kini, kesemua hypermarket dilengkapi dengan tempat letak kereta, penghawa dingin, pencahayaan, muzik serta dekorasi menarik. Ciri-ciri yang amat-amat penting dalam menentukan pemilihan lokasi berbelanja pengguna. Oleh kerana ciri-ciri tersebut, hypermarket dilihat mampu menarik jumlah pengguna yang ramai berbanding perniagaan runcit tradisional memandangkan hypermarket menyediakan pelbagai jenis perkhidmatan dibawah suatu bumbung, dengan suasana yang kondusif serta menawarkan pelbagai barangan keperluan harian berharga murah pada skala yang besar berbanding premis runcit tradisional yang lebih kecil.

23 
 

Menurut statistik Rancangan Malaysia Ke-9, kadar pertumbuhan hypermarket di Malaysia telah berkembang pada kadar purata 29.8 peratus setiap tahun dari tahun 2001 hingga 2005 sedangkan kadar pertumbuhan purata sektor peruncitan kecil hanyalah 4.2 peratus setahun (Rancangan Malaysia Ke-9, 2006). Menurut laporan Euromonitor.com pula, pertumbuhuan pesat hypermarket di Malaysia adalah kerana kecenderungan rakyat Malaysia membeli-belah di hypermarket yang menyediakan kemudahan yang selesa, pilihan yang lebih banyak serta murah dan menjimatkan masa (http://www.euromonitor.com/Retailing_in_Malaysia, 11 Februari 2009). Pada tahun

2005 sahaja, di Malaysia, sektor peruncitan ini bernilai RM33.1 billion (Rancangan Malaysia Ke-9, 2006). Membayangkan betapa besar dan pentingnya segmen peruncitan. 2.1.1 Hypermarket Giant

Bagi kajian ini, hanya hypermarket Giant, hak milik syarikat Malaysia sahaja yang akan menjadi entiti kajian. Perbandingan ke atas tiga hypermarket yang bernaung dibawah jenama Giant ini adalah bertujuan mengurangkan kesan lain-lain faktor pemboleh ubah seperti jenis barangan yang dijual, persekitaran hypermarket, kemudahan yang disediakan, reputasi hypermarket, harga barangan serta faktor promosi yang mampu mempengaruhi kadar tarikan terhadap sesebuah hypermarket itu.

Gambarajah 2.1

Antara Contoh Premis Hypermarket Giant di Malaysia

Menurut Answer.com (http://www.answer.com/hypermarket/giant, 13 Februari 2009) Hypermarket Giant bermula dengan pembukaan sebuah kedai runcit kecil oleh keluarga Teng di pinggir Kuala Lumpur pada 1944 yang membina reputasi hasil penjualan pelbagai jenis barangan makanan pada harga serendah mungkin. Kedai tersebut kemudiannya berkembang menjadi sebuah gedung. Hanya pada 1999 iaitu dua tahun selepas kemelesetan ekonomi dunia, syarikat Dairy Farm membeli gedung tersebut dan

24 
 

membuat penjenamaan semula dan menaik taraf kemudahan serta sistem perniagaan gedung Giant itu kepada sebuah pusat membeli-belah bertaraf hypermarket. Jadual 2.1 Profil Hypermarket Kajian

Lokasi (Pembukaan) Format Lot Perniagaan Letak kereta Keluasan (m2) Profil Pelanggan

Skudai (2005) Dua (2) tingkat 142 586 5,109 30 % - Melayu, 65% - Cina, 5% - Lain-lain

Plentong (1998) Satu (1) tingkat 254 1824 9,290 35%- Melayu, 60% - Cina, 5% - Lain-lain

Southern City Satu (1) tingkat Tiada data Tiada data 2,378 Tiada data

Sumber: www.gianthypermarket.com.my, 14 Februari 2009

Selain daripada memperkenalkan produk bukan makanan, Giant telah mengguna pakai piawaian peruncitan antarabangsa termasuk dalam hal berkaitan kebersihan, keselamatan, latihan staf, persekitaran membeli-belah yang kondusif, fungsi pembelian berpusat dan kaedah operasinya. Hypermarket jenama Giant terus menjadi jenama nasional dan antarabangsa, namun masih mengekalkan penawaran barangan yang berkualiti namun mampu dibeli pengguna. Hingga tahun 2006, Giant telah membuka sejumlah 86 hypermarket di seluruh Malaysia berkeluasan sekecil 11,000 kaki persegi (1,000 m2) di Bangsar sehingga seluas 350,000 kaki persegi (33,000m2) di Shah Alam. Profil serta ciriciri bagi tiga hypermarket kajian di senaraikan dalam jadual 2.1.

2.2 Faktor-faktor Mempengaruhi Pemilihan Tempat Membeli-belah Pengguna

Aktiviti peruncitan berfokuskan kepada pengguna atau pembeli. Kajian mengenai pemilihan lokasi berbelanja selalu dikaitkan dengan teori berkaitan perlakuan penggguna serta beberapa teori lain. Teori Persaingan Lokasi (Competitive Location Theory)seperti

25 
 

juga Teori Penempatan Pusat Christaller (Central Place Theory) mengandaikan bahawa pengguna akan membeli-belah di tempat yang paling hampir yang menawarkan barangan yang diidamkan olehnya. Lebih jauh jarak antara pengguna dengan pusat membeli-belah, maka kemungkinan mereka untuk mengunjugi pusat membeli-belah itu semakin berkurangan. Lebih luas sebuah pusat perniagaan bermakna lebih banyak barangan dijual dan akan menarik lebih ramai pengunjung dari kawasan yang lebih jauh. Manakala lebih luas serta padat kawasan pasaran bermakna keuntungan yang mungkin dijana akan bertambah. Namun keadaan itu harus juga menilai pendapatan per kapita sesuatu populasi yang berada dalam pasarannya. Ini kerana, pengguna yang mempunyai pendapatan lebih tinggi, selalunya akan berbelanja lebih banyak bagi barangan runcit. Namun begitu, pendapat ini dikritik sebagai tidak menggambarkan fenomena perilaku pengguna yang semakin kompleks kini. Teori Christaller didakwa hanya mengambil kira faktor jarak dan mengabaikan faktor seperti harga, kualiti, serta imej (Thompson, 1969 dalam Skogster, 2006). Timbul persoalan sama ada hanya faktor jarak dan luas pasaraya sahaja yang menjadi faktor pemilihan tempat membeli-belah seseorang pengguna. Teori mengenai Perilaku Pilihan Pengguna (Consumer Choice Behaviour), mengkaji faktor pemboleh ubah yang diambil kira oleh pengguna dalam memilih untuk menggunakan sesuatu kemudahan. Menurut teori tersebut, faktor jarak bukanlah faktor tunggal yang diambil kira oleh pengguna dalam memilih tempat untuk membeli-belah. Jadual 2.2 Sarjana Moller & Heuvel Davidson Robinson Okoruwa, Terza & Nourse Leon Faktor-Faktor Mempengaruhi Pemilihan Tempat Berbelanja Pengguna. Tahun 1981 1984 1987 1988 1990 Faktor yang Mempengaruhi Pemilihan Tempat Berbelanja Pengguna Ciri-ciri pengguna dan ciri-ciri peruncit. Jangkaan pengguna & faktor dalaman runcit. Alternatif tempat membeli-belah, gaya hidup dan cita rasa pengguna serta pengkhususan produk. Usia dan jenis pusat membeli-belah, ciri demografi, dan ciri ekonomi pelanggan Masa operasi, susun atur premis, kualiti produk, kekerapan promosi khas penyebaran maklumat berkaitan perbandingan produk yang dijual oleh peruncit dan pesaing Kualiti kad promosi Kedapatan saingan perniagaan Susunan produk, lokasi, harga, suasana, tahap perkhidmatan, & keselesaan.

Duff Laaksonen Audesh & Sandra

1991 1993 1995

26 
 

Dengan kemajuan sistem dan medium pengangkutan, pengguna tidak lagi hanya mengambil kira faktor jarak dalam memilih lokasi membeli belah, malahan mengambil kira faktor cita rasa, budaya, subkultur dan bangsa. Kajian dan perbandingan beberapa sarjana telah menunjukkan mengenai peri pentingnya faktor budaya, citarasa dan gaya hidup dalam menjana perjalanan lebih jauh bagi tujuan berbelanja (Katiman, 1988). Perubahan gaya hidup moden kini yang menjadikan jadual harian pengguna semakin padat serta fenomena wanita bekerja menjadikan masa untuk membeli-belah bertambah singkat, maka pengguna cenderung memilih pusat peruncitan yang menyediakan kesemua barangan keperluan di suatu tempat dengan mengurangkan pengaruh faktor jarak bagi faktor kemudahan. Kajian oleh Rawi (1981, dalam Katiman, 1988)dan Ling (1983, dalam Katiman, 1988) di Lembah Klang menunjukkan bahawa lazimnya pengguna akan mengunjungi pusat membeli-belah yang paling hampir bagi barangan berorde rendah seperti makanan namun begitu polanya adalah berbeza apabila pengguna sanggup pergi ke pusat membeli-belah lebih jauh untuk barangan berorde tinggi seperti perabot, peralatan elektronik dan pakaian. Oleh kerana itu, menurut Katiman (1988) lagi, adalah amat sukar untuk menentukan corak sebenar perlakuan pengguna di dunia yang semakin berkembang serta pelbagai, sekaligus kaitan antara faktor status ekonomi pengguna, jarak dan pilihan pusat membeli-belah semakin tidak bercorak. Antara indikator utama dalam penentuan pilihan pengguna ialah jangkaan pengguna dan faktor dalaman runcit (Davidson et. al., 1984, dalam Audhesh & Sandra, 1995). Faktor dalaman runcit ialah faktor yang boleh dikawal oleh peruncit adalah seperti produk, harga, promosi, kemudahan, perkhidmatan, dan pekerja. Manakala faktor jangkaan pengguna pula ialah faktor berkaitan pengguna yang bertindak balas atas faktor dalaman runcit, iaitu persepsi pengguna atas suasana, keselesaan (dari segi masa dan ruang), tahap perkhidmatan,penawaran produk, harga dan interaksi. Pendapat ini disokong oleh ramai sarjana kemudiannya (Audesh & Sandra, 1995). Moller dan Van den Heuvel (1981) mencadangkan bahawa faktor pemilihan dibahagikan kepada ciri-ciri pengguna dan peruncit. Ciri-ciri peruncit termasuklah lokasi, aksessibiliti, rupa fizikal premis, produk, promosi, kedudukan perniagaan, golongan pelanggan sasaran, perkhidmatan dan juga pekerja yang menjadi faktor dinilai oleh pengguna.

27 
 

Laaksonen (1993) pula membincangkan mengenai pentingnya para pengkaji mengambil kira faktor yang menolak pengguna daripada pergi ke sesebuah pusat perniagaan seperti terdapatnya persaingan pusat perniagaan lain. Walaupun sukar untuk dinilai dan terlalu subjektif untuk dibandingkan, faktor suasana adalah penting kerana faktor itu mempunyai interaksi kuat dengan ciri sosial dan psikologi pengguna. Bukan sahaja dari segi suasana fizikal yang kelihatan malahan kemesraan pekerja pusat membeli-belah juga adalah penting bagi mewujudkan suasana selesa di kalangan pembeli. Keadaan pencahayaan, pengudaraan, muzik dan gambar dikatakan banyak mempengaruhi pengunjung untuk berbelanja lebih. Suasana ini juga akan membentuk imej dan reputasi sesuatu pusat membeli-belah sekaligus mencipta pelanggan tetap bagi sesebuah pusat perniagaan. Suatu kajian oleh Beauvais (2008), menunjukkan bahawa pengguna lebih cenderung untuk membeli-belah di hypermarket berbanding supermarket atau mana-mana kedai runcit kerana faktor nilai wang per kilometer. Ini bermakna, walaupun terpaksa bergerak lebih jauh untuk ke sesebuah hypermarket, faktor kepelbagaian barangan, kualiti produk dan harga yang murah, masih merupakan faktor yang lebih penting daripada faktor jarak. Kajian oleh Eppli dan Shilling (1996) menggunakan Model Runcit Lakshmanan dan Hansen juga menunjukkan bahawa faktor jarak serta lain-lain faktor adalah kurang memberikan kesan berbanding faktor keluasan serta saiz pusat membeli-belah dan saiz pasaran dalam menentukan jumlah jualan. Dalam kajian tersebut, bahawa saiz entiti memainkan peranan yang amat besar dalam menilai tahap interaksi sesebuah pusat perniagaan dengan pasarannya. Pace dan Lee (2003) membidas pendapat tersebut dengan mempertahankan kepentingan faktor jarak. Sorensen (2003) dalam kajiannya mendapati bahawa 85 peratus pilihan membeli-belah adalah dipengaruhi oleh lokasi, yakni termasuk faktor jarak. Malahan survei oleh Yuhanis (2008) bagi hubungan antara jarak dan bilangan pelanggan hypermarket di Johor Bahru sendiri menunjukkan signifikan jarak dalam penentuan tahap interaksi antara peruncit dan pelanggan. Disebalik kajian-kajian yang menunjukkan bahawa kini faktor jarak tidak lagi dominan dalam penentuan tempat berbelanja pengguna, mungkin atas faktor terdapatnya medium pengangkutan yang lebih efisyen dan pantas serta meluas, tidak dapat kita nafikan bahawa lokasi dan jarak masih memainkan peranan utama dalam pemilihan tempat

28 
 

berbelanja. Namun begitu lain-lain faktor dalaman pusat membeli-belah dan ciri-ciri pengguna juga berpotensi mempengaruhi pemilihan tempat berbelanja pengguna.

2.3 Model Graviti, Evolusi dan Viarasinya

Model Graviti seperti juga lain-lain model ialah suatu perwakilan maya kepada fenomena yang benar serta nyata di dunia sebenar. Fungsi model ialah untuk mensimulasi sesuatu fenomena bagi tujuan memahami sebab sesuatu fenomena itu berlaku dan juga bagi menjangkakan kemungkinan perubahan yang akan berlaku di masa akan datang dengan berpandukan beberapa andaian teori dan prinsip. Riza (1994) menerangkan bahawa, model bertujuan merumuskan beberapa hubungan rumit dan sukar difahami antara juzukjuzuk dalam kawasan kajian seperti hubungan antara pendapatan dengan perjalanan harian, hubungan antara gunatanah dengan jumlah perjalanan keluar masuk sesuatu kawasan atau hubungan antara pemilikan kereta dan jarak perjalanan dengan pemilihan ragam pengangkutan. Hubungan-hubungan ini kemudiannya dirumuskan dalam bentuk persamaan matematik yang mudah difahami. Model graviti adalah analogi kepada Hukum Graviti yang dipelopori oleh Sir Isaac Newton pada tahun 1686. Model graviti dikatakan merupakan model interaksi reruang yang pertama (Rafael et. al., 2005). Hukum Graviti menyatakan bahawa dua jasad yang berhampiran akan saling tarik-menarik berkadar terus dengan saiz kedua-dua jasad tersebut dan berkadar songsang dengan jarak antara keduanya. Disokong oleh pelbagai teori seperti Teori Penempatan Pusat Christaller dan Teori Persaingan Lokasi, Teori Perlakuan Pengguna serta banyak kajian oleh ilmuan seperti Lakshmanan dan Hansen (1965, dalam Eppli & Shilling, 1996), Eppli dan Shilling (1996), Sorensen (2003), serta Pace dan Lee (2003), model graviti ini menjadi model interaksi reruang yang paling meluas digunakan jika dibandingkan dengan Model Potensi dan juga Model Runcit. Model Potensi oleh Lakshmanan dan Hansen digunakan bagi mengukur interaksi antara sesuatu lokasi dengan setiap lokasi lainnya. Sementara Model Runcit oleh Reilly sebaliknya digunakan bagi menentukan sempadan kawasan pasaran atau garis pemisah

29 
 

kawasan pasaran dua lokasi yang bersaing bagi pasaran yang sama. Model graviti pula, digunakan bagi mengukur interaksi antara kesemua pasangan lokasi berkemungkinan. Ramai sarjana telah mengubah suai hukum graviti yang dicetuskan oleh Newton bagi kegunaan dan aplikasi tertentu dalam pelbagai bidang. Pada tahun 1885, Ravenstein menggunakan hukum Newton untuk mengkaji perjalanan antara bandar-bandar Inggeris manakala pada tahun 1924 pula, Young menggunakan hukum tersebut bagi mengkaji corak pergerakan para petani di Amerika Syarikat (Nijkamp,1978; Riza, 1993). Steward pada tahun 1941 menggunakan hukum graviti untuk mengkaji beberapa pengaruh sosial (Nijkamp, 1978, dalam Riza, 1999) manakala Pallin pula dikatakan sebagai orang yang pertama menggunakan hukum graviti dalam pergerakan lalu lintas dalam bandar (Stopher & Meyburg, 1975, dalam Riza, 1999). Kebenaran Hukum Graviti Newton juga dibuktikan oleh Zipf (1949, dalam Katiman, 1988) yang membuktikan bahawa wujud interaksi dalam bentuk panggilan telefon, pergerakan penumpang, dan jumlah berat barangan yang diangkut.

Rajah 2.2

Evolusi dan Susur Galur Model Graviti

Model graviti ialah model matematikal yang dicipta bagi mewakili pelbagai corak aliran berkaitan geografi kemanusiaan. Pelbagai subjek berkaitan susur migrasi, trafik telefon,

30 
 

pergerakan penumpang, aliran komoditi serta pelbagai lagi aplikasi menggunakan model ini (Hamilton, 2003). Disebalik begitu banyak sarjana dan para pengkaji telah mengubahsuai dan mengaplikasi model graviti, terdapat tiga (3) bentuk inovasi model graviti yang menjadi tumpuan pengkaji bagi kajian ini iaitu Hukum Graviti Peruncitan Reilly, Model Graviti Huff, dan juga Multiplicative Compatative Model (MCI). 2.3.1 Hukum Graviti Peruncitan Reilly

Pada 1931, penggunaan hukum graviti Newton diberikan anjakan baru dalam aplikasinya oleh Professor Reilly dari Universiti Texas, apabila beliau dalam prosiding seminarnya menugunjurkan Hukum Graviti Peruncitan Reilly (Reilly Retail Gravitation Law) bagi menganggarkan isipadu jualan runcit sesebuah bandar berbanding bandar jirannya keatas penduduk yang tinggal antara kedua-dua bandar yang dikaji (Katiman,1988), tahap tarikan sesuatu perniagaan runcit dan menentukan kawasan pasaran sesebuah pusat perniagaan (Thall,1997, dalam Hamilton, 2003).

(2)
Model Graviti Peruncitan Reilly. Sumber: Diubahsuai dari (Katiman, 1988)

Dalam rumus Model Graviti Peruncitan Reilly (sila rujuk rumus 2), B ialah nilai jualan suatu pusat perniagaan sama ada di kawasan a atau b. P pula ialah populasi bagi kawasan a atau b. Manalaka D pula mewakili jarak dari pusat perniagaan ke kawasan petempatan a atau b. Hukum graviti bagi kes ekonomi dengan menganggap kemungkinan seorang pengguna memilih sesuatu kemudahan adalah berkadar langsung dengan tahap tarikannya dan berkadar songsang dengan kuasa jaraknya (Reilly, 1929). Di dalam model graviti oleh Reilly, tarikan positif diukur dari segi saiz bandar, populasi mahupun luas ruang niaga manakala faktor songsang penolakan pula adalah jarak. Hukum dan Model Graviti Peruncitan Reilly ini kemudiannya dipopularkan oleh Converse (1949 dalam Chasco & Vincens, 1999). Converse mengubah suai Hukum Reilly dengan mengenal pasti faktor

31 
 

inersia yang menggambarkan ketidaksediaan pengguna untuk bergerak melebihi sesuatu jarak bagi tujuan membeli-belah (Skogster, 2006). Pada tahun 1949, Converse mengubahsuai hukum Reilly dengan memperkenalkan konsep sempadan pemisah bagi pengaruh perkhidmatan dua bandar (Katiman, 1988). Sempadan pemisah (breaking point) merupakan sempadan kawasan perdagangan atau litupan pasaran sesebuah pusat perniagaan (sila rujuk gambarajah 2.3). Di garis sempadan pemisah ini, tahap tarikan antara kedua juzuk perniagaan yang saling bersaing ialah sama, justeru itu, kemungkinan pengguna untuk pergi ke mana-mana juzuk perniagaan itu adalah sama rata di garis pemisah ini.

(3)
Model Graviti Converse. Sumber: Diubahsuai dari (Ghosh et. a., 1987 dalam Chasco & Vicens, 1999)

Dalam modifikasi model graviti Reilly oleh Converse (1949) (sila rujuk rumus 3), DA ialah jarak bandar A ke sempadan garis pemisah (breaking point). Manakala DAB pula ialah jarak antara bandar A ke bandar B. P pula ialah bilangan populasi bandar.

Bandar A  Garis Pemisah

Bandar B

Sumber: Diubahsuai dari (Ghosh et. a., 1987 dalam Chasco & Vicens, 1999)

Rajah 2.3

Modifikasi Model Graviti Peruncitan Reilly dan Konsep Sempadan Pemisah oleh Converse.

Bentuk model graviti Reilly yang diubah suai Converse, model itu telah berjaya menentukan sempadan garis pemisah bagi lebih 1000 pekan Texan pada 1931. Beberapa sarjana lain pula kemudiannya mengubahsuai dan menjelaskan kesesuaian penggunaan pelbagai pemboleh ubah serta parameter dalam model graviti runcit berasaskan Hukum Peruncitan Reilly. Namun begitu, model oleh Reilly ini dikatakan terlalu bergantung

32 
 

kepada faktor jarak semata dan hanya mengambil kira persaingan atau interaksi antara dua pusat perniagaan sahaja (Eppli dan Shilling, 1996). Wujud juga pendapat yang menyatakan bahawa pemilihan berkaitan reruang ini dipengaruhi oleh faktor geo-psikologi seperti imej dan harga yang lebih berorientasikan perlakuan pengguna. Menurut para sarjana yang mengkritik Teori Penempatan Pusat Christaller yang menyokong prinsip Hukum Pengravitian Runcit Reilly, jarak bukanlah faktor tunggal yang difikirkan oleh pengguna dalam memilih tempat berbelanja, malahan penilaian terhadap kesemua tarikan sedia ada dalam kawasan cakupan perlu diambil kira. Perlakuan pengguna terhadap dinamika persaingan antara peruncit dan pemilihan tempat alternatif membeli-belah menjadi persoalan penting. 2.3.2 Model Huff & Model Graviti Peruncitan Lakshmanan dan Hansen

Oleh alasan itu, model yang digunakan oleh Reilly dan Converse kemudiannya diubah suai oleh Huff berdasarkan pendapat Luce mengenai pilihan diskrit pengguna yang menyatakan pengguna akan memilih sesuatu kemudahan yang paling optimal keuntungannya berdasarkan pada perbandingan dengan kesemua kemudahan-kemudahan alternatif lain dalam satu lingkungan yang dinilai oleh pengguna. Huff yang mempolopori teori ini di pasca perang dunia mengatakan bahawa hubungan pelbagai hala antara jumlah pasaran dan pusat-pusat membeli-belah adalah intipati kepada interaksi antara reruang perniagaan bandar. Maka atas sebab itu juga Model Huff ini juga dikenalikan sebagai model interaksi reruang yang berpaksi kepada teori interaksi reruang (Chasco & Vincens, 1999) (sila rujuk rumus 4).

(4)
Model Huff. Sumber: Diubahsuai dari Chasco & Vicens (1999)

Dalam model Huff, Pij mewakili kemungkinan peratusan pengguna di i akan mengunjungi kedai j. Sj pula ialah kadar tarikan atau saiz kedai j terhadap pengguna di i

33 
 

manakala Dij pula ialah jarak antara kawasan i dengan kedai j. b pula ialah nilai parameter selari Hukum Reilly. Pada tahun 1963, Huff menyatakan bahawa apabila pengguna punya beberapa pilihan untuk pergi membeli-belah, mereka mungkin akan melawat beberapa pusat membelibelah berbanding hanya terhad kepada satu yang paling hampir. Setiap pusat perniagaan yang berada dalam lingkungan kawasan pengguna punya peratusan tertentu untuk dilawati. Oleh itu, Huff lebih selesa untuk menentukan kawasan pasaran secara kemungkinan peratusan untuk dilawati berbanding terus menyatakan secara tepat, pusat membeli-belah manakah yang akan menjadi pilihan tetap pengguna. Model kemungkinan Huff ini menggunakan pemboleh ubah jarak masa serta saiz pusat membeli-belah sebagai input meramal kemungkinan pengguna akan membeli-belah di sesuatu pusat membelibelah. Melalui model ini juga, dikatakan bahawa kawasan pasaran adalah kompleks, bercantum dan juga berasaskan kepada kemungkinan perbelanjaan. Menurut model interaksi reruang oleh Huff , lebih besar sesuatu pusat perniagaan itu, lebih tinggi kemungkinan lebih ramai pelanggan akan membeli-belah di pusat perniagaan itu. Manakala lebih jauh jarak antara pengguna dengan sesuatu pusat membeli-belah itu, kemungkinan pusat membeli-belah itu dilawati pengguna berbanding lain-lain pusat membeli-belah yang lebih hampir akan berkurangan. Malahan model ini memperkenalkan penggunaan pemboleh ubah jarak masa perjalanan bagi memperbaiki model oleh Reilly serta penggunaan parameter bagi pemboleh ubah jarak. Voorshees dalam Riza (1999) menyatakan bahawa melalui kajian yang telah dijalankannya, parameter jarak bagi perjalanan ke tempat kerja ialah 0.5, bagi tujuan sosial ialah 3 manakala bagi perjalanan membeli-belah pula parameter jaraknya dalam model graviti ialah 2. Penentuan parameter bagi perjalanan membeli-belah ini dibuktikan lagi oleh hasil kajian dari survei yang dilakukan oleh Yuhanis (2008), apabila beliau memplotkan jadual jauh asalan pelanggan dan bilangan pelanggan di empat buah hypermarket kajian beliau. Namun begitu menurut Thall (1997, dalam Hamilton, 2003) tidak semua fenomena terutama berkaitan aktiviti peruncitan mempunyai kadar halangan atau penghad yang sama, maka parameter jarak dalam formula asas graviti masih berkemungkinan berubah-ubah.

34 
 

Lakshmanan dan Hansen (1965) pula kemudiannya memperincikan pendapat Huff dengan menggunakan saiz ruang lantai pusat perniagaan bagi mewakili tahap tarikan sesebuah pusat perniagaan. Mereka menyatakan bahawa sesebuah pusat membeli-belah di sesuatu kawasan akan menarik perbelanjaan pengguna daripada kawasan lain hasil tarikan secara langsung kepada saiz ruang lantai pusat membeli-belah tersebut, dan berkadar songsang dengan jarak dan juga saingan pusat membeli-belah yang lain. Dengan cara itu, akan membenarkakn proses pertindihan kawasan perdangangan (Skogster, 2006). Model Huff yang diubahsuai oleh Lakshmanan dan Hansen ini dikenali sebagai Model Graviti Peruncitan Lakshmanan dan Hansen (sila rujuk rumus 5).

(5)
Model Graviti Peruncitan Lakshmanan & Hansen. Sumber: Diubahsuai dari Eppli dan Shilling, 1996

Dalam rumus 5, Ri,j menunjukkan kemungkinan jumlah nilai perbelanjan runcit penduduk zon pasaran i di pusat membeli-belah j. Yi ialah jumlah perbelanjan runcit pengguna zon i. Mj pula ialah saiz pusat membeli-belah j yang diukur berdasarkan kelasan ruang lantai manakala Mk pula ialah jumlah keluasan pusat membeli belah di seluruh kawasan kajian. Di,j ialah jarak antara pusat membeli belah j manakala Di-k ialah jarak antara zon i dengan lain-lain pusat membeli-belah dalam kawasan kajian. α, β, γ pula ialah pemalar pemboleh ubah. Lakshmanan dan Hansen (1965, dalam Eppli & Shilling, 1996) dalam model mereka juga menggalakkan kecairan atau fleksibiliti dalam penggunaan parameter bagi pemboleh ubah saiz sesuatu pusat perniagaan. Fleksibiliti penggunaan parameter bagi pemboleh ubah saiz dan jarak membenarkan pengkaji menilai tahap sesuatu kemudahan atau pusat perniagaan dengan lebih spesifik. Malahan model mereka juga dikatakan lebih berjaya daripada lain-lain model interaksi reruang yang berasaskan persamaan matematikal kompleks (Eppli dan Shilling, 1996). Mereka kemudiannya membina model ekonomi bagi menentukan kemungkinan jumlah perbelanjaan pengguna di sesuatu pusat perniagaan berbanding lain-lain pusat perniagaan di sesuatu kawasan. Model ini

35 
 

membolehkan kita meramal kemungkinan keuntungan yang akan dijana oleh sesuatu pusat membeli-belah. Model Graviti Peruncitan Lakshmanan dan Hansen juga dikenali sebagai Model Potensi Membeli-belah. Bagi tujuan mengetahui jumlah perbelanjaan runcit pengguna di zon i (Yi), purata perbelanjaan setiap pengguna dalam zon i di darab dengan populasi bagi zon i. Model ini selalunya digunakan bagi meramal kesan pusat perniagaan baru (Glasson, 1991). Menurut Ediwan (2006), model ini telah digunakan di pelbagai tempat di Amerika Syarikat dan Britain bagi mengunjur tahap jualan sesebuah pusat membeli-belah. Aplikasi paling menonjol model ini ialah terhadap pusat beli-belah di timur laut England oleh Universiti Machester (Glasson, 1991). Model Huff serta Model Potensi adalah amat ringkas dan mudah untuk difahami serta jelas. Selain itu, sifat model-model itu yang mudah untuk diubah suai dan diadaptasi menjadikannya model yang paling meluas digunakan dan diaplikasi sama ada bagi tujuan kajian ilmiah mahupun aplikasi bidang perniagaan, perancangan, pengangkutan, geologi dan fizik sosial. 2.3.3 Multiplicative Compatitive Model (MCI)

Kebanyakan kajian empirikal berjaya menunjukkan keupayaan model Huff meramal pecahan pasaran pusat perniagaan pada ketepatan yang boleh diterima. Namun, terdapat beberapa pengkritik yang menyatakan bahawa bagi meramal dengan lebih tepat, maka beberapa pemboleh ubah tambahan yang bersifat geo-psikologi harus dimasukkan ke dalam model Graviti Peruncitan Lakhsmanan dan Hansen, bagi menyokong pengaruh oleh luas ruang lantai pusat membeli-belah, populasi dan purata perbelanjaan pengguna. Antaranya ialah faktor masa perjalanan, imej pusat membeli-belah, reka bentuk, harga, dan kemudahan letak kereta yang mungkin akan mempengaruhi pemilihan lokasi berbelanja pengguna. Ini termsuklah faktor-faktor berkaitan pengguna seperti pendapatan, citarasa, dan status sosial pengguna. Faktor-faktor geo –psikologi ini berkait rapat dengan Teori Perlakuan Pengguna. Idea tersebut mencetuskan Multiplicative Competitive Interaction Model (MCI).

36 
 

(6)
Multiplicative Competitive Interaction Model (MCI). Sumber: Diubahsuai dari Chasco dan Vicens, 1999

Dalam MCI, Pij menunjukkan kemungkinan pengguna di zon i akan membeli-belah di kedai j. Uij ialah nilai tarikan pusat membeli-belah yang didefinisikan oleh satu set attribut kedai tersebut mahupun faktor luaran yang menarik pengguna di i untuk pergi ke kedai j. β pula ialah parameter yang menggambarkan tahap sensitiviti pengguna terhadap sesuatu attribut k. Pada tahun 1974, Nakkanishi dan Cooper mengembangkan lagi model Huff dengan memasukkan pelbagai faktor tarikan sesebuah pusat membeli-belah tersebut terutamanya berkaitan suasana, kemudahan, imej, tahap perkhidmatan dan jenama pusat membelibelah. Berbanding dengan Model Huff yang hanya mengambil kira satu sahaja faktor tarikan, iaitu keluasan ruang lantai pusat membeli-belah, model ini mengambil kira pelbagai faktor luaran dan dalaman berkaitan sesebuah pusat membeli-belah dan pengguna. Namun begitu, model ini tidak mengambil kira faktor jarak. Model oleh Nakkanishi dan Cooper ini dikenali sebagai Multiplicative Competitive Interaction Model (MCI) malahan juga Model Gautschi (Chasco & Vincens, 1999). Okoruwa, Nourse dan Terza (1988, dalam Lee, 2002) kemudiannya telah mengambil kira faktor seperti usia, dan jenis pusat membeli-belah, serta ciri ekonomi dan demografi pengguna bagi mengira frekuensi perjalanan membeli-belah yang dikumpul melalui survei. Model MCI adalah bergantung pada survei pengguna dan kajian asalan pelanggan, bagi menentukan faktor paling mempengaruhi dalam menentukan tempat membeli-belah seseorang pengguna. Kesemua faktor tersebut kemudiannya menjadi sebahagian daripada pemboleh ubah yang digunakan dalam MCI bagi mengira tahap tarikan sesuatu pusat membeli-belah. Setiap pemboleh ubah ini pula mempunyai parameter masing-masing yang menunjukkan tahap kepentingan atau signifikannya dalam mempengaruhi seseorang pengguna dalam menentukan tempat untuk berbelanja. Oleh kerana MCI mengambil kira faktor yang paling mempengaruhi pengguna dalam menentukan tempat berbelanja, maka model ini amat berkait rapat dengan Teori Perlakuan dan Pilihan Pengguna.

37 
 

Teori Perlakuan dan Pilihan Pengguna (Consumer Choice Behaviour Theory) telah sejak sekian lama digunakan bagi mengaggar tahap tarikan perniagaan runcit (Fotheringham, 1980, dalam Louviere, 1984, dalam Rust, 1995). Teori Perlakuan dan Perlakuan Pengguna kerap kali menggunakan pelbagai pemboleh ubah untuk membuat ramalan, namun menurut Rust (1995) adalah mustahil untuk memasukkan kesemuanya bagi meramal perilaku pengguna kerana kesukaran untuk mengukur pemboleh ubah tersebut terutamanya faktor yang abstrak dan komplek seperti suasana pusat perniagaan, cita rasa pengguna dan variasi keperluan harian setiap pengguna serta kemungkinan tertinggalnya faktor yang tidak terfikir oleh pengkaji. Malahan menurut Rust lagi, walaupun kesemua faktor yang mempengaruhi pilihan lokasi perbelanjaan pengguna dapat dikenal pasti, adalah lebih baik untuk tidak memasukkan kesemua faktor tersebut kerana penggunaan terlalu banyak pemboleh ubah dalam sesuatu model akan menjadikan parameter model tersebut tidak stabil serta membuatkan ramalan semakin tidak tepat (Inagaki, 1977, dalam Rust & Schmittlein, 1985, dalam Rust, 1995). Hal ini kerana, walaupun terdapat begitu banyak faktor yang mungkin mempengaruhi pengguna memilih lokasi membeli-belah, sering kali hanya beberapa faktor utama seperti lokasi, jenis barangan dan harga sahaja yang diambil kira oleh pengguna. Justeru itu menurut Rust (1995), adalah mencukupi dengan hanya mengambil kira beberapa faktor yang paling penting bagi dimasukkan dalam model MCI. Ravelle (1986, dalam Chasco & Vincens, 1999) kemudiannya memperbaiki MCI dengan menggunakan kaedah penentuan heirarki bagi menentukan tahap pemberat dan parameter setiap pemboleh ubah. Beliau juga memasukkan juga faktor jarak kedalam MCI serta faktor saingan setempat bagi menganggar kemungkinan pengguna di sesuatu zon untuk membeli-belah di sesuatu pusat membeli-belah. Model ini dikenali sebagai Maximum Capture Problem (MAXCAP). Model yang dibina oleh Revelle ini juga dapat memperlihatkan tahap persaingan antara pusat-pusat membeli-belah di sesuatu kawasan serta mampu menilai kesan pembinaan pusat membeli-belah baru ke atas pusat-pusat membeli-belah sedia ada. Menurut Serra (1992, dalam Chasco & Vincens, 1999), MAXCAP kemudiannya dimodifikasi bagi membolehkannya meramal serta menerangkan sesuatu scenario peruncitan berdasarkan bentuk permintaan pasaran serta lokasi saingan perniagaan.

38 
 

2.3.4

Pemboleh Ubah, Parameter dan Syarat Analogi Model Graviti

Daripada model graviti asas oleh Newton hinggalah kepada Multiplicative Competitive Interaction Model (MCI), model interaksi reruang telah mengalami evolusi bentuk kesan daripada keperluan serta matlamat aplikasinya. Penggunaan pelbagai jenis pemboleh ubah serta parameter disesuaikan dengan fenomena yang ingin diterangkan oleh setiap model yang di bentuk. Walaupun pemboleh ubah yang digunakan bagi model-model interaksi reruang ini dilihat semakin kompleks dan abstrak, terdapat beberapa pemboleh ubah yang dilihat sebagai amat dominan. Antaranya ialah jarak, luas ruang lantai, masa perjalanan, populasi dan jumlah jualan. Antara faktor yang mungkin menyebabkan lain-lain pemboleh ubah seperti imej, tahap kemudahan, kualiti serta kuantiti barang serta status ekonomi pengguna untuk dimasukkan kedalam model graviti ialah kerana kesukaran setiap pemboleh ubah tersebut untuk diukur, dihubungkaitkan serta didefinisikan kerana sifatnya yang subjektif dan agak abstrak. Malahan seringkali hanya faktor penarik sahaja yang diambil sebagai pemboleh ubah, manakala faktor penolakan seperti halangan fizikal topografi yang berbukit bukau, kesesakan jalan raya, sempadan politik antara negara serta masa operasi, tidak diambil kira. Malahan timbul persoalan menganai signifikan dan kejituan ramalan model graviti apabila faktor pekali bagi fenomena masa hadapan seperti kadar pertumbuhan ekonomi, kadar pertumbuhan fizikal bandar dan peningkatan tahap kesesakan bagi masa 20 tahun akan datang, tidak diambil kira. Penggunaan parameter dalam model interaksi reruang juga telah menimbulkan tanda tanya. Ramai sarjana seperti Rust dan Donthu (1995), Eppli dan Shilling (1996), Ravelle (1986, dalam Chasco & Vincens, 1999) dan Serra (1992, dalam Chasco & Vincens, 1999) telah membincangkan mengenai penggunaan parameter dalam model-model tersebut. Malahan terdapat sarjana yang menyatakan bahawa adalah lebih baik untuk tidak menggunakan parameter bagi menjamin ketepatan ramalan. Setiap kawasan perbandaran adalah bersifat unik dan dinamik. Bagi model yang menggunakan pelbagai pemboleh ubah, terutamanya pemboleh ubah yang abstrak dan sukar untuk diukur, nilai parameter pemboleh ubah yang digunakan bagi setiap bandar dan fenomena adalah berlainan. Parameter ini perlu ditentukan secara empirikal sebelum sesuatu model interaksi reruang boleh digunakan.

39
 

Sumber: Yuhan (2008) S nis

Graf 2. .1

Hub bungan Bila angan Pengg guna Hyper rmarket dengan Jarak Asalan n Pengg guna.

Bagi kajian atau rama B n alan berkai itan perniag gaan, lebih tepatnya perniagaan berkaitan h n sektor peru s uncitan di Johor Bah hru, param meternya ial lah 2. Nil ini buk lai kan sahaja dicadangkan oleh ban d n nyak sarjana hasil kaj jian emper rikal merek kamalahan dibuktikan apabila Yuh a hanis (2008) memplotk graf jara kesediaan pengguna bagi tujua membeli ) kan ak n a an belah denga bilangan pengguna b an n a(sila rujuk graf 2.1). Hasilnya, graf ekspo k onen yang menunjukka hubungan songsang antara jara dan frek m an n g ak kuensi pengguna di ma y = x-2 ana atau a ditulis s sebagai y = 1/x2. Jadua 2.3 al
Model M Reilly model R Huff H Model Haydock Stud H dy Haydock Mod H del Lewisham Mo L odel South Bedfor S rdshire mode el Teeside Mode T el Black Model B

Pe emboleh uba dan Para ah ameter Mode el-model Interaksi Reruang n r
Pemb boleh ubah Tarik kan Popu ulasi Ruan Lantai ng Juala an (kom mbinasi indek β ks) Juala an Ruan Lantai ng (Ruan Lantai) β ng (Jualan) β Ha alangan (jar rak)¯² (masa perjalana an)¯² (masa perjalana an)¯² (masa perjalanan)ˉ λ  (jar rak)ˉ²  (masa perjalana λ an)¯ rak)ˉ λ  (jar e¯ λ (jarak) Parameter β λ

.0 3. .38 1. 0. .95

2.6 1.1 1.3 2.36 0.20

Sumber: Field dan MacGreg 1998; Ed S d gor, diwan, 2006

Oleh kerana Model G O a Graviti meru upakan hasi daripada Hukum G il Graviti New wton, maka te erdapat beb berapa syar yang pe rat erlu dipenuh agar mo hi odel ini sah digunakan Menurut h n. Riza R (1994), terdapat e empat (4) sy yarat yang perlu dipatu Pertama analogi it mestilah p uhi. a, tu mematuhi lo m ogik bidang perniagaa iaitu ber g an rkaitan pem milihan dan perlakuan pengguna. Kedua, perl terdapat kaitan rapa antara du K lu at unia pernia agaan bandar dengan dunia fizik a

40 
 

iaitu kaitan antara jasad serta jarak dalam fizik yang digunakan sebagai pemboleh ubah dalam model graviti. Syarat ketiga ialah sifat jasad fizik yang saling tarik menarik dalam Hukum Newton harus dianalogkan dengan parameter perjalanan antara zon. Syarat keempat dan yang paling penting ialah anggaran atau ramalan nilai interaksi antara dua jasad haruslah menghampiri nilai sebenar. Ini bermakna, ramalan sesuatu model graviti harus mencapai tahap minimum ketepatan nilai anggaran sekurang-kurangnya 60 peratus tepat berbanding nilai sebenar atau 60 peratus hampir situasi sebenar bagi membolehkan model itu diterima. Syarat ini pada kebiasaannya mampu dipenuhi oleh model graviti, dan oleh kerana itu, model graviti menjadi begitu terkenal dan digunakan secara meluas kerana kemampuannya menganggar atau meramal dengan baik (Riza, 1994). 2.3.5 Kepelbagaian Aplikasi, dan Kelebihan Model Graviti

Model Graviti adalah model ringkas yang mudah difahami serta mampu membantu menerangkan pelbagai fenomena dengan baik. Model ini juga boleh diubah suai dan dikaitkan dengan pelbagai fenomena bagi aplikasi dalam pelbagai bidang. Kemampuan model ini untuk membuat ramalan dengan jitu pula, tambah menjadikan model ini porpular dan digunakan secara meluas. Model graviti dapat difahami dan digunakan secara mudah. Bentuk model graviti membolehkan kedua-dua faktor yang menarik (pull factor) dan faktor yang menolak (push/resistance/friction factor) interaksi diambil kira. Malahan anologi model graviti juga membenarkan faktor dalaman dan luaran sesuatu entiti kajian diambil kira dalam menentukan nilai interaksi antara dua entiti. Interaksi ini pula diukur serta berlangsung ke kedua-dua arah entiti. Hubung kait kuat antara setiap faktor membolehkan sebarang perubahan kecil pemboleh ubah menunjukkan kesan keatas corak interaksi, sekaligus, memungkinkan pelbagai senario yang berbeza diwujudkan dari pelbagai situasi berbeza. Model graviti juga boleh mengambill kira perubahan guna tanah dalam mengunjurkan corak dan tahap interaksi, sekaligus menjadi faktor mengapa model ini banyak digunakan dalam bidang perancangan bandar. Malahan penggunaan dan kedapatan faktor jarak dan lokasi dalam

41 
 

model graviti, membolehkan sesuatu fenomena itu ditunjukkan dan dijelaskan dalam bentuk reruangan atau pun dalam bentuk spatial yang berkait rapat dengan bidang geografi yang juga menitik beraktkan faktor lokasi dan rujukan kedudukan sesuatu entiti. Jadual 2.4
BIDANG Pengurusan Fasiliti Sains Demografi Perancangan Perniagaan dan pemasaran
Sumber: Ediwan, 2006

Penggunaan Model Graviti dalam Pelbagai Bidang
PENGGUNAAN MODEL GRAVITI Perkhidmatan jaringan telekomunikasi Tarikan graviti dalam kehidupan manusia Migrasi penduduk Lokasi pusat perniagaan Penjanaan trip kenderaan Ramalan pergerakan penduduk Pembangunan perumahan Pengaliran aliran tunai perniagaan atau keuntungan Lokasi cawangan baru tapak perniagaan Pemasaran produk

2.4 Sistem Maklumat Geografi (GIS)

Kajian oleh Rust dan Donthu (1995) menyatakan bahawa salah satu langkah untuk meningkatkan tahap kejituan ramalan model pilihan pengguna atau model interaksi reruang ialah dengan memasukkan unsur geografi ke dalam model tersebut. Dengan cara ini, model graviti yang berteraskan bentuk matematikal akan dapat memaparkan ramalan dan interaksi antara juzuk kajian dalam bentuk spatial atau reruang yang lebih jelas dan mudah difahami. Malahan, pemaparan model graviti ke dalam bentuk reruang ini akan memudahkan pengkaji memahami corak interaksi antara juzuk kajian dan menghubungkaitkan hasil ramalan dengan elemen-elemen berkaitan geografi bandar seperti taraf sosio ekonomi, intensiti pembangunan, kuantiti kemudahan sekitar, jenis perumahan dan jaringan infrastruktur sedia ada di dalam lingkungan kawasan kajian. Penerapan unsur geografi ke dalam model graviti boleh dilakukan dengan menjana model tersebut menggunakan sistem maklumat geografi. Sistem Maklumat Geografi (GIS) ialah suatu sistem yang punya keupayaan untuk memperoleh, menyimpan, mengurus, mengolah, menganalisis dan menghasilkan maklumat yang bersifat ruangan dan bukan ruangan yang boleh digunakan bagi

42 
 

membantu proses membuat keputusan (Aranoff, 1989 dalam Star & Estes, 1990 dalam Tomlin, 1990 dalam Burrough & McDonnell, 1998 dalam Samat, 2008).Maklumat yang bersifat ruangan ialah apa jua maklumat yang punya rujukan geografi bagi membolehkan lokasinya di dalam sesuatu proses atau model diketahui dan dimanipulasikan. Star dan Estes (1990 dalam Samat, 2008) mengaitkan GIS sebagai satu sistem maklumat yang direka untuk beroperasi menggunakan data yang punya rujukan spatial ataupun koordinat geografi. Maka segala operasi yang ada didalam GIS adalah berteraskan kedudukan geografi maya yang punya koordinat serta vektor atau magnitud. Terdapat pelbagai definisi mengenai GIS oleh begitu ramai sarjana. Kebanyakkannya adalah berdasarkan komponen didalam GIS serta kemapuan GIS untuk menjalankan pelbagai operasi. Menurut Chang (2002) GIS terdiri daripada empat (4) komponen iaitu, sistem komputer, perisian GIS, brainware, dan infrastruktur. Komponen utama sistem ini ialah komputer yang membolehkan kesemua fungsi GIS dijalankan dengan cekap. Penciptaan dan perkembangan gunaan komputer telah memungkinkan prisip-prinsip GIS diaplikasikan. Menurut Nijkamp (1993 dalam Editia, 2005) sistem GIS terdiri daripada empat (4) subsistem utama melibatkan beberapa operasi dan fungsi utama GIS :i. ii. iii. iv. Sub-sistem kemasukan data input dan pemprosesan data input. Sub-sistem penyimpanan dan penghasilan semula data. Sub-sistem analisis Sub-sistem pengeluaran data output dan persembahan data maklumat.

Kesemua fungsi sub-sistem dan ciri utama pada GIS ini menjadikanya sebagai satu alat bantu perancangan yang amat baik kerana perancangan melibatkan maniipulasi dan pemprosesan data yang banyak dan pelbagai serta analisis berkaitan aspek reruang gunatanah yang kompleks. Korte (1997 dalam Samat, 2008) menghuraikan bahawa GIS ialah suatu sistem komputer yang boleh menyimpan maklumat atas peta secara maya. Namun ianya adalah lebih berguna kerana berbanding peta tradisional, kerana GIS boleh menyimpan dan memaparkan pelbagai jenis data mengenai juzuk di dalam peta seperti jalan, bangunan dan sungai dalam kuantiti yang lebih banyak dalam ruang yang kecil dan namun tersusun.

43 
 

Tomlin (1990 dalam Samat, 2008) misalnya, mengungkap GIS sebagai satu cara mudah untuk menyediakan, mempersembahkan dan mengintrepetasi fakta yang ada di muka bumi secara perwakilan. Burrough dan McDonnell (1998 dalam Samat, 2008) pula kemudiannya , mengiktiraf GIS sebagai satu set perkakasan atau alat yang amat berkuasa bagi memungut, menyimpan, memproses, mengubahsuai dan memaparkan data reruang dari dunia sebenar bagi tujuan tertentu.

 

INPUT
Data dari Peta

SISTEM MAKLUMAT GEOGRAFI (GIS)
Memproses , Digitasi & Penukaran Format Data Input Simpanan, Peolehan Kembali, Pengurusan Pangkalan Data Manipulasi dan Analisis Data Paparan dan Hasil

 

OUTPUT
Laporan

Data Soal Selidik

Peta-peta

Data Cerapan Langsung

Hasil  Fotografi 
Sistem Maklumat Grafikal lain Antaramuka (kemaskini, soalan, jawab dll.)

Data
Penderiaan

Pakej Luaran Statistik dan Model

Statistik

Jauh Data Berdigit Lain

Data Input Model

Sumber: Diubahsuai daripada Nijkamp (1993; Editia, 2005)

Rajah 2.4

Komponen dan Sub-sistem Sistem Maklumat Geografi (GIS)

Menurut Nijkamp (1993 dalam Editia, 2005), sesuatu perisian GIS seharusnya mempunyai tiga (3) ciri utama :i. ii. Mempunyai pangkalan data grafik berasaskan goegrafi yang dihubungkan dengan data attribut dalam bentuk jadual. Mempunyai beberapa komponen perisisan bagi melaksanakan beberapa proses hubungan timbale balik seperti kemasukan data, perolehan kembali data serta kemampuannya dalam manipulasi dan analisis reruang.

44 
 

iii.

Mempunyai komponen perkakasan yang berkemampuan dalam penayangan grafik, kapasiti penyimpanan data yang tinggi, dapat menyimpan dan mendapatkan kembali secara cepat serta berkemampuan bagi mengurus dan menyokong analisis.

Samat (2008) menyatakan bahawa GIS adalah alat yang amat sesuai untuk digunakan bagi menyelesaikan masalah berkaitan reruang terutamanya fenomena guna tanah kerana keupayaannya dalam mengurus dan memanipulasi maklumat reruang dan bukan reruang yang banyak secara efisyen. Malahan GIS juga menurut beliau mampu untuk mengekalkan lokasi sebenar dan lokasi relatif sesuatu fenomena geografi (Samat, 2008). Keupayaan GIS untuk menyimpan pelbagai maklumat reruang dan bukan reruang mengenai sesuatu juzuk seterusnya memungkinkan maklumat-maklumat tersebut dimanipulasikan untuk tujuan tertentu seperti melakukan analisis berkaitan reruang. Korte (1997 dalam Samat, 2008) menyatakan bahawa keupayaan GIS melakukan analisis reruang menjadikan sistem ini sesuai digunapakai dan disesuaikan dengan pelbagai aplikasi sama ada perancangan guna tanah, analisis kependudukan, analisis persekitaran atau pengangkutan. Sistem maklumat geografi juga diakui berkemampuan untuk membuat analisis dengan lebih terpeinci, berkesan, cepat dan tepat dengan mengemukakan alternatif-alternatif kemungkinan yang berlaku akibat sesuatu pembangunan pada masa hadapan (Aranoff, 1989 dalam Antenucci, et. al., 1991 dalam Huxhold, 1991 dalam 1991 dalam Fisher dan Nijkamp, 1993 dalam Ruslan, 1996 dalam Ruslan dan Noresah, 1998 dalam Yaakup, 1999 dalam Yaakup, et. al., 2000 dalam Editia, 2005). Keupayaan GIS dalam menjalankan analisis reruang ini membantu menjawab persoalan-persoalan berkaitan geografi serta pelbagai bidang berkaitannya termasuk dalam bidang perancangan perniagaan yang menjadi fokus kajian ini.

45 
 

2.5 Contoh Aplikasi Analisis Interaksi Spatial (Model Graviti) Menggunakan Sistem Maklumat Geografi (GIS)

Lebih 80 peratus data perniagaan adalah berasaskan lokasi. Maklumat mengenai jualan, pelanggan, inventori, profil demografi, dan senarai surat-menyurat ialah amat penting . Keupayaan sistem Maklumat geografi (GIS) dalam meramal dan menerangkan corak, tren, dan peluang dengan cepat dan tepat adalah amat kritikal dalam menentukan kejayaan sesuatu perniagaan. Sejak sekian lama hingga kini, kelebihan-kelebihan GIS telah menjadikannya alat bantu perancangan perniagaan yang digunakn secara meluas bagi tujuan menjalankan pelbagai aplikasi analisis interaksi spatial terutamanya menggunakan model graviti untuk menganalisis komposisi dan potensi pasaran. Malahan GIS digunakan bagi pelbagai lagi tujuan dalam bidang perniagaan. 2.5.1 Menentukan Lokasi Pasar bagi Mendapatkan Pulangan Optimum dan Penentuan Garis Pemisah Kawasan Pasaran (Berasaskan Model Reilly) Pearson (2008) telah menggunakan model graviti bagi menentukan potensi beberapa tapak bagi pembinaan pasar baru di Kowalski yang diberi nama Kowalski’s. Kajian ini ialah bagi menambah cawangan Kowalski’s yang sedia ada. Secara asasnya, motif kajian tersebut ialah bagi mencari lokasi yang akan menghasilkan keuntungan paling maksimum dengan mengambil kira faktor kuasa pembeli pengguna paling optimum di sesuatu kawasan. Asas pembinaan model tersebut ialah menggunakan data demografi penduduk. Data-data tersebut kemudiannya dijana dalam format shapefile dalam bentuk raster. Formula yang digunakan ialah seperti berikut: Mx = Σ (P X a) / D (7)

Model Graviti oleh Pearson. Sumber: Pearson (2008)

Dimana Mx ialah potensi pasaran domestik tapak. P pula ialah pusat populasi kawasan.

populasi

kawasan,

manakala a ialah purata pendapatan per capita. D pula ialah jarak antara tapak x dengan

46 
 

Gambarajah 2.5

Nilai potensi pasaran (kiri). Garis pemisah dan lokasi berpotensi ditentukan dengan menggunakan analisis poligon Thiessen Voronoi (kanan).

Menggunakan fungsi Spatial Analyst dan Raster Calculator dalam perisian ESRI ArcGIS, dan mengambil kira 5 kriteria demografi, kawasan pasaran yang berpotensi ditentukan. Setelah itu, analisis Thiessen (Voronoi) dilakukan bagi mengetahui sempadan atau garis pemisah litupan pasaran bagi setiap pasar sedia ada yang akan menjadi pesaing kepada tapak berpotensi. Daripada itu, kawasan pasaran yang berpotensi dengan magnitud untuk setiap tapak berpotensi itu dapat dikira. 2.5.2 Pembinaan Model Graviti Menggunakan Aplikasi Sistem Maklumat Geografi Hamilton (2003) telah menggunakan model graviti yang dijana menggunakan aplikasi analisis spatial dalam sistem maklumat geografi untuk menentukan nilai permintaan untuk beberapa tapak berpotensi untuk pembinaan supermarket di Palm Beach, Florida. Perisian ESRI ArcMap digunakan bagi kajian ini. Data mengenai jaringan jalanraya juga didapatkan. Terlebih dahulu, setiap pusat membeli-belah ditentukan, dikelaskan dan luasnya didapatkan daripada laman web rasmi setiapnya. Kawasan pasaran setiap

47
 

supermarket sedia ada ditentukan mengguna s t n akan jumlah luas lantai setiap supermarket h a u sedia. s Setelah itu kawasan pasaran tersebut akan diana S u, n a alisis status sosio-ekonominya u k menggunaka nilai har m an rtanah bagi mengetah corak at potensi berbelanja i hui tau i anya. Bagi tu ujuan itu, m maklumat b bagi jenis-jenis rumah yang terd h dapat di dal lam kawasa pasaran an didapatkan daripada li d itupan guna atanah Palm Beach. D dalam b m Di banyak apl likasi lain, potensi berb p belanja sesuatu kawas dikira berdasarkan bilangan populasi dan purata san n d perbelanjaan runcit po p n opulasi ters sebut. Apab bila diband dingkan potensi setiap kawasan p pasaran, ma kawasan yang palin tinggi po p aka n ng otensi berbe elanjanya a akan menjad kawasan di paling berpo p otensi untuk di bina sup k permarket baru. b

Sumber : Ham S milton (2003)

Gamb barajah 2.6

Langk Analsis Spatial bagi Kajian Per kah rmukaan Graviti r Superm market oleh Hamilton d Palm Bea Florida. h di ach, a

Langkah pe L ertama bag menjana permuka gi a aan graviti (gravity s surface) bagi setiap supermarket Straight L s t. Line Surfac bagi seti titik yan mewakili supermar ce iap ng rket dijana mengunakan Spatial A m n Analyst dala ArcGIS. Litupan y am . yang dijana adalah dalam bentuk raster 100m x 100m manakala had sempadan r d nnya pula ia alah keselur ruhan kawasan kajian. Kemudianny fungsi R K ya Raster Calculator dala Spatial A am Analyst dig gunakan bag mengira gi dan d menunju ukkan gravi spesifik setiap super iti rmarket ber rasaskan pe ermukaan st traight line

48 
 

yang dijana dan juga luas ruang lantai setiap supermarket dalam kawasan kajian. Aturan proses kerja Hamilton adalah seperti dalam rajah 2.6. Hamilton tidak berjaya mendapatkan luas ruang lantai untuk setiap supermarket, maka dia menganggar setiapnya berkeluasan 50, 000 meter per segi. Setelah setiap permukaan graviti setiap supermarket telah dapat ditentukan, maka kesemua permukaan graviti setiap supermarket dalam kawasan kajian digabungkan. Hanya kemudian nilai permukaan graviti bagi setiap supermarket dibandingkan dengan jumlah keseluruhan model graviti dalam kawasan kajian. Permukaan graviti ini kemudiannya di darabkan dengan nilai hartanah setiap parcel kajian.

Sumber : Hamilton (2003)

Gambarajah 2.7

Kemungkinan Pasaran Graviti Berpotensi Menurut Kajian Hamilton.

Hamilton juga tidak berjaya mendapatkan maklumat berkaitan nilai hartanah. Justeru itu beliau hanya menganggarkan nilai setiap hartanah dalam setiap parcel tersebut berdasarkan jenisnya. Begitu juga bagi jumlah perbelanjaan runcit bagi setiap parcel, Hamilton hanya menganggarkan setiap isi rumah menggunakan 10 peratus daripada pendapatan mereka untuk perbelanjaan runcit. Ini bermakna, kajian ini penya begitu banyak limitasi dari segi data dan maklumat. Namun begitu, asas data atau maklumat

49 
 

yang dianggarkan oleh beliau masih boleh diterima kerana pemilikan jenis rumah boleh menunjukkan status ekonomi isi rumah sekaligus menunjukkan magnitud perbelanjaan runcit mereka. Walaupun tidak tepat, pengkaji beranggapan bahaaw guna pakai kaedah anggaran dan anggapan beliau adalah memadai dan rasional bagi tujuan perbandingan kadar tarikan graviti pasaran setiap supermarket.

2.6 Rangkuman Keseluruhan Sintesis Nukilan Ilmiah

Hypermarket Giant merupakan peneraju perniagaan runcit berskala besar di Malaysia, khususnya Johor Bahru. Maka bagi mengkaji struktur perniagaan runcit di Johor BAhru, kajian keatas hypermarket Giant boleh dijadikan penunjuk fenomena perniagaan runcit di Johor Bahru sebagai perwakilan dan perbandingan. Terdapat begitu banyak faktor yang mempengaruhi tarikan serta tempat membelibelah pengguna. Namun faktor jarak, saiz pusat perniagaan dan saiz serta intensiti pasaran merupakan faktor yang paling kerap digunakan oleh kebanyakkan pengkaji terdahulu. Penggunaan model Huff juga dilihat sebagai model graviti yang paling banyak, digunakan, namun bagi tujuan kajian ini, pengubahsuaian asas bagi model graviti oleh Newton (sila rujuk rumus 1 – muka surat 2) adalah lebih sesuai kerana hubungan antara pemboleh ubah yang mudah serta bentuknya yang ringkas bagi menunjukkan kesan viarasi penggunaan pemboleh ubah serta bentuk model graviti serta mengukur tahap kejituan setiap satunya. Rumus Model Huff (sila rujuk rumus 4 – muka surat 32) pula akan digunakan bagi menentukan pecahan asalan pelanggan dan mengukur tahap kejituan ramalan setiap viarasi model graviti yang diuji. Dengan menggunakan keupayaan analisis reruang dalam sistem maklumat geografi (GIS), maka kajian ini akan menjadi lebih mudah dan perbandingan kejituan antara setiap viarasi model graviti atau model interaksi reruang akan lebih jelas.

BAHAGIAN 3

REKA BENTUK PANGKALAN DATA, PENJANAAN MODEL & KAEDAH ANALISIS

3.1

Pangkalan Data Dalam Sistem Maklumat Geografi (GIS)

Sistem maklumat geografi (GIS) adalah sistem yang berorentasikan data dan pemprosesan berkomputer bagi menghasilkan analisis. Bagi suatu sistem yang amat bergantung kepada keupayaan ciri-ciri komputer, kesediaan dan pengurusan data yang tepat dan sesuai adalah amat penting. Pemprosesan komputer adalah bersifat “Garbage in, garbage out”. Ini kerana, sekiranya data input yang berkualiti rendah, salah atau rosak digunakan bagi penjanaan model menggunakan komputer, maka hasil model yang dijana juga akan berkualiti rendah, salah dan rosak. Bagi melicinkan proses membuat analisis bagi kajian ini, segala data yang diperlukan, jenisnya dan kepenggunaannya diperincikan terlebih dahulu. Kemudiannya kesemua data tersebut diadaptasi ke dalm format data spatial agar boleh digunakan bagi aplikasi analisis menggunakan sistem maklumat geografi (GIS). Kesemua data yang diperlukan diletakkan di dalam satu pangkalan data kajian yang khusus bagi memudahkan pengkaji mengolah, menyusun, memanipulasi dan memaparkan bagi mancapai tujuan analisis kajian. Menurut Haithcoat (2007 dalam Yuhanis, 2008), rekabentuk pangkalan data adalah satu kaedah yang menstrukturkan data didalam pelbagai bentuk set rekod dan mempunyai

51
 

hubungan antara entiti dan attribut yang berbeza. Setiap attribut data haruslah mempunyai fungsi bagi digunakan dalam analisis, bagi mengelakkan pangkalan data kajian dibanjiri dengan data yang tidak perlu yang akan menyukarkan pengkaji untuk mengolah dan menguruskan data. Malahan terlebih dahulu, sebelum menentukan attribut bagi setiap data spatial, kaedah serta objektif analisis haruslah terlebih dahulu dikenal pasti agar suatu pangkalan data yang khusus bagi kajian ini dapat dibina dan disusun dengan lengkap. Sekaligus memudahkan proses membuat analisis. Bagi tujuan analsis kajian ini,hanya perisian ESRI ArcGis 9.2 dan Microsoft Excel digunakan. Penggunaan perisian ArcGIS 9.2 dengan spefikasi ArcInfo adalah bagi menjalankan analisis berkaitan data reruang manakala penggunaan Microsof Excel pula adalah bagi menjalankan analisis statistikal. Pemilihan perisian ArcGIS 9.2 ialah kerana ia mempunyai pakej lengkap dan mudah. Komponan ArcMap 9.2 dalam perisian tersebut memudahkan proses mengolah, menjalankan analisis spatial dan memaparkan hasil analisis, sementara komponen ArcCatalog 9.2 pula memudahkan pengkaji menyusun dan menguruskan data-data reruang kajian. Bagi memudahkan proses analisis reruang dan manipulasi data dibuat bagi tujuan mencapai maksud analisis kajian, beberapa extensions bagi perisian ArcGIS 9.2 digunakan dalam kajian ini. Tiga extensions yang digunakan ialah ArcGIS Spatial Analyst 9.2, Xtools Pro 4.0 dan Hawth’s Analysis Tools 3.27.

3.2

Reka BentukPangkalan Data, Metadata dan Attribut Data Kajian

Kesemua data reruang dalam kajian ini akan dijana dalam format shapefile (.shp) yang sesuai digunakan dalam perisian ArcGIS 9.2. dengan keperluan dan kehendak analisis kajian. Dengan menggunakan unjuran Johor Cassini bagi semua litupan data, satu set data spatial di bina dan dioleh agar sesuai

52
 

Jadual 3.1
Nama Litupan Data Sempadan Taman

Attribut Data Spatial dalam Pangkalan Data Kajian.
Attribut Jenis Poligon Sumber Majlis Bandaraya Johor Bahru (MBJB), Majlis Perbandaran Johor Bahru Tengah (MBJBT) Giant (M) Bhd. Pangkalan Data SJER,Unit GIS dan Perancangan (UGISP), UTM. Pangkalan Data SJER, UGISP, UTM. Pangkalan Data SJER, UGISP, UTM. dan Survei (Yuhanis,2008) Pangkalan Data SJER, UGISP, UTM.

• • • • • • • • • • • • • •

Nama Keluasan Bil. Kediaman Nama Keluasan Ruang Lantai Kategori Gunatanah Aktiviti Luas Nama Heirarki Nama Bil. Pengunjung Nama Keluasan

Hypermarket Gunatanah

Titik Poligon

Jalan Nama Kawasan Sempadan Mukim

Garisan Titik Poligon

Data-data dalam kajian ini diperolehi daripada pelbagai sumber. Sumber utama ialah daripada Pangkalan Data South Johor Economic Region (SJER) atau pun kini dikenali sebagai Iskandar Malaysia (IM), yang dibangunkan oleh Unit GIS dan Perancangan (UGISP) Universiti Teknologi Malaysia. Data-data sekunder seperti sempadan mukim, nama kawasan, jaringan jalan raya dan guna tanah di sekeliling kawasan kajian dalam Iskandar Malaysia didapatkan daripada sumber ini. Data mengenai sempadan kawasan setiap kawasan perumahan dan bilangan kediaman terkini bagi setiap kawasan perumahan tersebut pula diperolehi daripada pihak berkuasa tempatan iaitu Majlis Bandaraya Johor Bahru (MBJB) dan Majlis Perbandaran Johor Bahru Tengah (MPJBT). Sementara maklumat mengenai keluasan setiap hypermarket kajian diperolehi daripada pihak pengurusan setiap hypermarket terlibat. Data primer mengenai bilangan dan tempat asalan pengunjung bagi setiap hypermarket di perolehi daripada data survei yang dibuat oleh Yuhanis (2008) juga kemudiannya di masukkan ke dalam pangkalan data, bagi tujuan perbandingan antara hasil ramalan dengan hasil sebenar yang disurvei. Jadual 3.1 menunjukkan profil hypermarket kajian dan statistik data survei oleh Yuhanis (2008).

53
 

Jadual 3.2

Jumlah Responden dan Tempat Asalan Pengunjung Hypermarket Kajian. Keluasan (m2) 5,109 9,290 2,378 Jumlah Responden 155 146 176 Bil. Tempat Asalan Pelanggan Yang Disurvei 35 17 31

Hypermarket Giant Skudai Giant Plentong Giant Southern City

3.3

Menilai Kejituan Viarasi Model Graviti

Bagi kajian ini, kaedah perbandingan digunakan bagi menentukan sama ada ramalan yang dibuat menggunakan viarasi model graviti tepat ataupun tidak. Model graviti akan digunakan bagi meramal kemungkinan penduduk dari sesuatu kawasan akan mengunjungi hypermarket kajian. Kemungkinan kunjungan ini diukur dari segi peratusan pecahan bilangan pengunjung sesebuah taman perumahan ke suatu hypermarket kajian, berbanding jumlah keseluruhan pengunjung daripada semua taman yang ada penduduknya mengunjungi hypermarket tersebut (sila rujuk rumus 8). Maka, peratusan sumbangan taip taman perumahan itu terhadap keseluruhan jumlah pengunjung di hypermarket tersebut dapat diukur.

     

 

 

(8) 

IHR(%) ialah kemungkinan peratusan penduduk di kawasan R yang akan memilih untuk mengunjungi hypermarket H berbanding saingannya. Bagi memperolehi nilai tersebut, S(H) mewakili saiz hypermarket H dalam bentuk luas ruang lantai niaga, manakala S(R) pula mewakili saiz kawasan asalan pelanggan di R dengan mengambil bilangan rumah sebagai nilainya. JHR pula ialah jarak antara kawasan R dengan hypermarket H. dua jenis jarak yang digunakan bagi kajian ini ialah jarak Euclidean dan jarak sebenar. Peratusan pelanggan yang berasal dari setiap taman itu kemudiannya akan dibandingkan dengan peratusan asalan pelanggan hypermarket tersebut yang disurvei oleh Yuhanis

54
 

(2008). Caranya ialah dengan mengira perbezaan ralat peratusan antara pecahan yang diramal oleh model graviti dan juga peratusan pecahan pengunjung yang berasal dari satu taman perumahan yang disurvei. Bagi menilai tahap kejituan ramalan model graviti itu, ralat bagi setiap tempat asalan pengunjung itu dijumlahkan dan dipuratakan. Dengan itu, dapatlah diukur tahap kejituan sesuatu viarasi model graviti dalam meramal pecahan asalan pelanggan sesebuah hypermarket. 3.3.1 Empat Viarasi Model Graviti Kajian

Terdapat empat viarasi model graviti yang dinilai tahap kejituan ramalannya dalam kajian ini. Secara asasnya, keempat-empat viarasi ini hanyalah berbeza dari segi penggunaan pemboleh ubah jaraknya. Dalam erti kata lain, kajian ini menjurus untuk mengkaji kesan penggunaan jenis pemboleh ubah jarak yang berbeza-beza dalam mempengaruhi kejituan ramalan model graviti. Empat viarasi pemboleh ubah jarak dalam model graviti yang dikaji ialah jarak Euclidean tanpa parameter, penggunaan jarak Euclidean dengan parameter kuasa dua, jarak sebenar tanpa parameter dan jarak sebenar dengan parameter kuasa dua (sila rujuk rumus 9, 10, 11 dan 12).

(9)

(10)

(11)

(12) Bagi keempat-empat viarasi model graviti yang dikaji dalam kajian ini, IHR mewakili kemungkinan peratus pengunjung di kawasan R akan mengunjungi hypermarket H. S(H) ialah saiz ruang lantai hypermarket dalm meter persegi manakala S(R) pula mewakili saiz pasaran kawasan R yang diwakili oleh bilangan rumah. J ialah jarak antara hypermarket

55
 

H dengan kawasan pasaran R – sama ada menggunakan jarak Euclidean tanpa parameter, penggunaan jarak Euclidean dengan parameter kuasa dua, jarak sebenar tanpa parameter dan jarak sebenar dengan parameter kuasa dua. Kesemua empat viarasi tersebut diintegrasikan dengan rumus 8 bagi mendapatkan peratusan pecahan asalan pelanggan bagi setiap hypermarket kajian, sekaligus dapat dibandingkan dengan peratusan pecahan asalan pelanggan yang disurvei untuk mendapatkan purata ralat bagi setiap viarasi. Seterusnya, viarasi model graviti yang paling jitu dapat ditentukan berdasarkan indikator purata ralat yang paling rendah.

3.4

Operasi Spatial Bagi Tujuan Analisis, Menggunakan Sistem Maklumat Geografi

Analisis kajian ini dibahagikan kepada dua komponen utama, iaitu bagi menilai viarasi model graviti yang menghasilkan ramalan paling jitu serta menilai kemampuan viarasi model graviti tersebut dalam meramal pilihan tempat membeli-belah penduduk di sesuatu kawasan. Kesemua operasi spatial bagi analisis kajian ini dilakukan dengan menggunakan perisian ESRI ArcInfo 9.2 dengan extensions Spatial Analyst yang sedia ada dalam spefikasi tahap ArcInfo, extension XtoolsPro serta extension Hawth’s Tools, yang mana kedua-duanya perlu dimuat turun dan di install secara manual. 3.4.1 Operasi Spatial Bagi Analisis Membandingkan Kejituan Empat Viarasi Model Graviti Bagi tujuan mengira jarak Euclidean antara hypermarket dan taman perumahan tempat asalan pengunjung, titik tengah bagi setiap poligon yang mewakili sempadan taman perumahan didapatkan. Titik tengah atau centroid bagi setiap taman perumahan ini diperolehi dengan menggunakan fungsi Shape to Centroids yang terdapat dalam extension XToolsPro. XTools Pro > Feature Conversions > Shape to Centroids. Setelah itu, jarak Euclidean antara setiap hypermarket kajian dengan taman perumahan, tempat asalan pengunjung dikira menggunakan fungsi Distance Between Points

56
 

(Between Layers) yang terdapat dalam extensions Hawth’s Tools. Hawth’s Tools >Analysis Tools > Distance Between Points (Between Layers). Satu lagi kaedah yang digunakan bagi mendapatkan jarak Euclidean antara hypermarket dan juga tempat asalan pengunjungnya ialah dengan menggunakan fungsi Strainght Line Distance dalam extension Spatial Analyst. Spatial Analyst > Distance > Strainght Line. Fungsi ini akan disentuh dengan lebih mendalam dalam bahagian Penjanaan Model Huff.

Menentukan Jarak Sebenar antara Hypermarket dan Pasaran. Bagi tujuan mendapatkan jarak sebenar antara hypermarket dan juga tempat asalan pengunjungnya pula, fungsi Cost Weighted Distance dalam extensions Spatial Analyst digunakan(sila rujuk gambarajah 3.1). Jarak sebenar adalah diukur dari segi jarak perjalanan menerusi susur jalan raya sebenar yang menghubungkan hypermarket dengan tempat asalan pelanggannya. Maka secara mudahnya, jarak sebenar mengira jarak jalan raya yang perlu dilalui pengunjung untuk sampai ke hypermarket. Namun begitu, fungsi ini hanya boleh diaplikasikan menggunakan data spatial berbentuk raster.

Gambarajah 3.1

Mendapatkan Jarak Sebenar Tempat Asalan Pengunjung dari Hypermarket Menggunakan Model Builder ArcGIS 9.2.

Maka, data jalan raya dalam jenis garisan di tukar kedalam bentuk raster menggunakan fungsi Polyline to Raster yang terdapat dalam toolbox Conversion Tool. Conversion Tools > To Raster > Polyline to Raster. Saiz sel yang digunakan oleh pengkaji ialah 100m x 100m, kerana saiz tersebut didapati sebagai memadai untuk menunjukkan interaksi antara hypermarket dan juga pasarannya dengan baik, jelas dan tepat. Maka dianggap bahawa setaip sel dalam litupan raster jalan raya tersebut adalah berjarak 100m.

57
 

Raster jalan raya tersebut kemudiannya dijadikan sebagai Cost Raster, manakala litupan titik hypermarket pula dijadikan sebagai titik tujuan atau Distance To dalam fungsi Cost Weighted Distance dalam Spatial Analyst. Spatial Analyst > Distance > Cost Weighted. Bagi tujuan mengetahui jarak sesuatu taman perumahan dari sesebuah hypermarket, fungsi atau tetingkap Identify boleh digunakan bagi mengetahui nilai sesuatu raster, sekaligus jarak sebenar tempat tersebut daripada hypermarket. Satu lagi kaedah bagi mendapatkan data raster jalan ialah dengan menggunakan fungsi Feature to Raster dalam extension Spatial Analyst. Spatial Analyst > Convert > Feature to Raster. Bagi melihat hasil bagi operasi mendapatkan jarak sebenar ini sila rujuk gambarajah 3.2, 3.3 dan 3.4.

Gambarajah 3.2 Cost Weighted Distance (Jarak Sebenar) dari Giant Skudai.

58
 

Gambarajah 3.3 Cost Weighted Distance (Jarak Sebenar) dari Giant Plentong.

Gambarajah 3.4 Cost Weighted Distance (Jarak Sebenar) dari Giant Southern City.

Data bilangan rumah dalam setiap taman pula diperolehi daripada Majlis Bandaraya Johor Bahru (MBJB) dan juga Majlis Perbandaran Johor Bahru Tengah (MBJBT). Namun begitu, bagi mengesahkan bilangan rumah bagi setiap taman yang diperolehi dari

59
 

data yang diperolehi dari dua agensi tersebut serta mendapatkan bilangan rumah bagi kawasan petempatan yang tidak dibekalkan data bilangan rumah maka gunatanah perumahan diekstrak daripada litupan gunatanah Iskandar Malaysia menggunakan fungsi Select dalam toolbox Analysis Tools. Analysis Tools > Extract > Select. Setelah itu kesemua poligon gunatanah tersebut di tindihkan ke dalam litupan sempadan taman perumahan bagi mengetahui jumlah rumah yang terdapat dalam setiap taman. Bagi tujuan tersebut, fungsi Polygon in Polygon Analysis dalam extension Hawth’s Tools digunakan. Hawth’s Tools > Analysis Tools > Polygon in Polygon Analysis. Walaupun didapati terdapat sedikit ketidakjituan terutamanya bagi lot-lot pangsapuri dan lot persendirian, bilangan lot rumah masih boleh digunakan bagi mewakili bilangan rumah yang ada dalam sesuatu kawasan perumahan yang terlibat dalam kajian. Seterusnya, ketiga-tiga maklumat mengenai jarak Euclidean dari hypermarket, jarak sebenar dari hypermarket serta bilangan rumah dalam sesebuah taman perumahan yang di perolehi digunakan dalam empat viarasi model graviti bagi mengira peratus pecahan asalan pelanggan setiap hypermarket, seterusnya diandingkan dengan peratusan yang disurvei. 3.4.2 Penjanaan Model Huff

Berdasarkan viarasi model graviti yang paling jitu ramalannya, Model Huff dijana bagi membolehkan penilaian terhadap kemampuan model graviti dalam meramal corak pemilihan tempat berbelanja pengguna dibuat. Sebelum Model Huff dijana, terdapat beberapa set data spatial yang perlu disediakan, sebelum boleh digunakan bagi mencapai maksud kajian. Data-data spatial dari pangkalan data kajian diolah bagi mendapatkan data yang bersesuaian, dan boleh dimanipulasikan bagi menjalankan proses mendapatkan ralat purata serta bagi pembinaan model Huff. Antara data yang paling penting ialah sempadan taman perumahan dan juga bilangan rumah yang ada di dalamnya. Data tersebut adalah amat penting kerana bilangan lokasi menentukan jarak, manakala bilangan rumah pula mewakili potensi pasaran bagi sesebauh hypermarket.

60
 

Menggunakan litupan perumahan yang telah diekstrak daripada litupan gunatanah sebelumnya, bilangan rumah dalam setiap taman perumahan dalam Iskandar Malaysia dikira dengan menggunakan fungsi Polygon in Polygon Analysis dalam Hawth’s Tools (sila rujuk gambarajah 3.5). Litupan poligon mukim yang mempunyai attribut bilangan rumah tersebut kemudiannya di tukar ke bentuk raster bersaiz 30m x 30m menggunakan fungsi Feature to Raster dalam extension Spatial Analyst, bagi memudahkan pengiraan untuk membina model Huff menerusi penggunaan fungsi Raster Calculator kemudiannya.

Gambarajah 3.5

Raster Bilangan Rumah dalam Setiap Taman Perumahan.

Setelah itu jarak Euclidean daripada setiap hypermarket kajian dihasilkan dengan menggunakan fungsi Straight Line Distance dalam extension Spatial Analyst. Spatial Analyst > Distance > Straight Line. Hasilnya ialah litupan raster jarak Euclidean daripada titik asalan; dalam kes kajian ini, titik asalannya ialah hypermarket. Maka raster yang terhasil menunjukkan jarak Euclidean sesuatu tempat dari hypermarket kajian (sila rujuk rajah 3.7, 3.8, dan 3.9). Saiz raster yang terhasil dari proses ini juga ditetapkan pada saiz 30m x 30m agar disesuaikan dengan data-data raster lain yang akan digunakan

61
 

dalam membina model Huff ini. Fungsi yang sama juga boleh didapati daripada fungsi Euclidean Distance dalam toolbox Spatial Anlyst Tools (sila rujuk Gambarajah 3.6). Spatial Analyst Tools > Distance > Euclidean Distance.

Gambarajah 3.6

Membina Raster Jarak Euclidean bagi Setiap Hypermarket Menggunakan Aplikasi Model Builder ArcGIS 9.2.

Gambarajah 3.7

Raster Jarak Euclidean Hypermarket Giant Southern City.

62
 

Gambarajah 3.8

Raster Jarak Euclidean Hypermarket Giant Skudai.

Gambarajah 3.9

Raster Jarak Euclidean Hypermarket Giant Plentong.

Setelah diperolehi kedua-dua litupan raster bilangan rumah dalam setiap taman perumahan dan juga jarak Euclidean bagi setiap hypermarket kajian, tahap tarikan atau

63
 

interaksi antara setiap hypermarket dengan pasarannya di kira secara berasingan menggunakan fungsi Raster Calculator dalam extension Spatial Analyst. Permukaan bagi menggambarkan tahap tarikan ini juga dikenali sebagai permukaan graviti (sila rujuk rajah 3.11, 3.12 dan 3.13 – muka surat 64). Bagi langkah ini, permukaan graviti bagi setiap hypermarket kajian ditentukan secara berasingan menggunakan formula seperti dalam rumus 13.

 i

    

 

 

 

(13)   

Bagi mendapatkan nilai permukaan graviti bagi hypermarket kajian i, Gi, rumus 13 digunakan. Si ialah saiz hypermarket dalam bentuk luas ruang lantai niaga manakala pula ialah saiz pasaran di sesuatu kawasan r, tempat asalan pengungjung yang dinilai dari segi bilangan rumah yang terdapat di kawasan r tersebut. Pula ialah jarak Euclidean antara hypermarket i dngan kawasan r. Rumus 13 kemudiannya dikira menggunakan fungsi Raster Calculator dalam extension Spatial Analyst (sila rujuk gambarajah 3.10).

Gambarajah 3.10

Pengiraan Nilai Permukaan Graviti Bagi Giant Southern City.

64
 

Gambarajah 3.11

Permukaan Graviti bagi Giant Plentong.

Gambarajah 3.12

Permukaan Graviti bagi Giant Southern City.

65
 

Gambarajah 3.13

Permukaan Graviti bagi Giant Skudai.

Peringkat terakhir bagi menghasilkan Model Huff yang menunjukkan tahap interaksi antara hypermarket dengan hypermarket saingannya, dan interaksi antara hypermarket dengan pasarannya, ialah dengan menjumlahkan kesemua nilai permukaan graviti setiap hypermarket dalam kajian. Seterusnya bagi mengetahui tahap tarikan graviti setiap hypermarket dengan pasarannya ialah dengan membahagikan nilai permukaan graviti satu hypermarket tersebut dengan jumlah nilai permukaan graviti kesemua hypermarket yang dikaji. Rumus 14 menunjukkan rumus bagi menilai kadar interaksi sesebuah hypermarket dengan pasaran dan saingannya berdasarkan Model Huff manakala gambarajah 3.14 pula menunjukkan proses memodelkan Model Huff dengan keupayaan analisis reruang dalam perisian sistem maklumat geografi ArcGIS ArcInfo 9.2 menggunakan aplikasi Model Builder.

66
 

 

 

 

 

 (14) 

Ixr ialah peratus kemungkinan penduduk di r mengunjung hypermarket x berbanding 2 lagi hypermarket dalam kajian. Manakala pula ialah nilai tarikan permukaan graviti hypermarket x (sila rujuk rumus 13 – muka surat 63)

Rajah 3.14

Proses Pemodelan Model Huff bagi Menilai Tahap Interaksi Hypermarket Giant Southern dengan Pasaran dan Saingannya.

3.5 Andaian-andaian bagi Analisis Viarasi Model Graviti

Model adalah amat bergantung pada andaian yang dibuat berdasarkan teori-teori serta hukum-hukum tertentu. Hal ini kerana model adalah suatu penggambaran atau perwakilan kepada seuatu fenomena yang berlaku atau mungkin berlaku. Fenomena ini pula berlaku hasil daripada interaksi beberapa urutan peristiwa, sebab dan faktor yang menyebabkan sesuatu fenomena atau sebab itu berlaku. Terdapat banyak pendapat berlainan mengenai mengapa, kenapa dan bagaimana sesuatu fenomena itu berlaku, sekaligus membentuk teori yang berbeza-beza. Maka bagi sesuatu model yang mewakili sesuatu fenomena, haruslah diterangkan mengenai teori serta andaian yang digunakan dalam pembinaan dan penjanaan model tersebut, agar asas bagi model yang digunakan

67
 

bagi menerangkan sesuatu fenomena itu dapat difahami dan hasil ramalannya dapat diterangkan. Model graviti dibina berdasarkan begitu banyak andaian berasaskan beberapa teori dalam bidang fizik, pengangkutan, perniagaan, sains sosial dan psikologi. Hal ini berlaku mungkin kerana tujuan penggunaan model graviti bagi bidang yang berlainan adalah berbeza. Sekaligus menglahirkan pelbagai viarasi model graviti. Namun begitu, prinsip asas model graviti mengenai hubungan interaksi antara juzuk adalah dipengaruhi oleh faktor jarak dan set faktor tarikan lain masih menjadi asas pembinaan setiap model graviti. Kepelbagaian andaian yang digunakan dalam viarasi model graviti adalah hasil daripada pelbagai sumber teori berkaitan interaksi antara entiti. Antaranya ialah teori berkaitan interaksi antara pengguna dan kemudahan awam dalam bidang sains sosial, interaksi antara mangsa dan pemangsa dalam bidang kajian ekosistem serta interaksi antara pembeli dan pusat membeli-belah. Bagi kajian ini, model graviti yang digunakan bagi tujuan analisis adalah berdasarkan beberapa andaian yang diekstrak daripada sintesis nukilan ilmiah Hukum Graviti Newton Hukum Graviti Peruncitan Reilly, Model Huff, teori berkaitan interaksi antara pengguna dan pusat meembeli-belah, dan teori pilihan pengguna. Beberapa andaian tambahan juga di buat oleh pengkaji berdasarkan keperluan analisis serta bagi tujuan memenuhi matlamat kajian. Terdapat sepuluh (10) andaian berasaskan keperluan kajian serta beberapa teori yang dikupas dalam sintesis penulisan ilmiah yang digunakan bagi tujuan analisis kajian ini, iaitu: i. Terdapatnya hubungkait langsung antara faktor saiz hypermarket, saiz penduduk atau pengguna di sesuatu kawasan dan jarak antara hypermarket dan pengguna, dalam menentukan kadar interaksi antara sesebuah hypermarket dan pasarannya. ii. Lebih besar saiz sesebuah hypermarket, maka lebih tinggi kadar interaksi antara sesebuah hypermarket dengan pasarannya. Ertinya, sesebuah hypermarket yang punya keluasan lebih besar, akan dikunjungi oleh lebih ramai pengunjung berbanding hypermarket yang lebih kecil. Oleh itu, faktor saiz hypermarket adalah berkadar langsung dengan kadar interaksi antara sesebuah hypermarket dengan pasarannya.

68
 

iii.

Lebih besar populasi penduduk disesuatu kawasan, maka kebarangkalian untuk lebih ramai penduduk mengunjungi sesebuah hypermarket adalah lebih tinggi. Seterusnya meningkatkan tahap interaksi antara populasi sesuatu kawasan pasaran dengan sesebuah hypermarket. Ini bermakna, faktor saiz pasaran juga adalah berkadar langsung dengan kadar interaksi antara sesebauh hypermarket dengan pasarannya.

iv.

Jarak didalam model graviti, jarak diklasifikasikan sebagai faktor pembatasan. Faktor jarak berkadar songsang dengan faktor saiz hypermarket dan faktor saiz penduduk di sesuatu kawasan. Diandaikan bagi kajian ini,bahawa lebih jauh jarak antara sesebuah hypermarket dengan penduduk di sesuatu kawasan, kebarangkalian penduduk kawasan yang lebih jauh untuk mengunjungi sesebuah hypermarket itu akan berkurangan. Justeru itu, kadar interaksi antara hypermarket dengan penduduk yang lebih jauh, adalah lebih sedikit berbanding penduduk yang duduk lebih hampir dengan hypermarket.

v.

Bagi analisis kajian ini, diandaikan bahawa segala faktor-faktor lain selain daripada faktor saiz hypermarket, faktor saiz penduduk di sesuatu kawasan dan faktor jarak, tidak akan mempengaruhi kadar interaksi antara sesebuah hypermarket dan penduduk di sesuatu kawasan. Ini bermakna, faktor-faktor geofizikal, sosio-ekonomi dan psikologikal seperti perbezaan penawaran barangan, harga, kemudahan sokongan, suasana, aksessibiliti, jenama, usia dan konsep pusat membeli-belah, cita rasa serta purata pendapatan penduduk disesuatu kawasan tidak akan diambil kira ataupun dianggap tidak memberikan sebarang kesan pada kadar interaksi antara hypermarket kajian dan pasarannya. Bagi tujuan mengurangkan kesan-kesan faktor geo-fizikal, sosio-ekonomi dan psikologikal tersebut, kajian ini hanya mengambil rangkaian hypermarket Giant bagi menghapuskan pengaruh faktor seperti perbezaan harga, konsep, suasana, jenama dan penawaran viarasi barangan, agar penumpuan dapat diberikan pada tiga faktor yang dinyatakan sebelumnya.

vi.

Bagi membolehkan perbandingan hasil ramalan model dengan hasil survei dibuat bagi tujuan analsis kajian ini, maka kajian ini mengandaikan bahawa hasil survei pecahan asalan ketiga-tiga hypermarket Giant yang dikaji oleh Yuhanis (2008), adalah benar-benar menggambarkan keseluruhan pecahan asalan pelanggan hypermarket kajian.

69
 

vii. viii.

Bagi kajian ini, dianggap bahawa kesemua perjalanan pelanggan ke hypermarket adalah bermula daripada rumah. Dianggap juga bahawa hanya taman-taman perumahan atau tempat asalan pelanggan yang disurvei Yuhanis sahaja wujud di daerah Johor Bahru. Andaian ini bertujuan memudahkan penggunaan prinsip peratusan pecahan asalan pengunjung hypermarket.

ix.

Diandaikan bagi tujuan analisis, tiada lain-lain hypermarket ataupun pusat perniagaan di dalam kawasan pasaran hypermarket kajian yang menjadi saingan perniagaan. Andaian ini adalah bagi tujuan penumpuan analisis dan memudahkan pemahaman terhadap fenomena interaksi antara pusat perniagaan dan pasarannya serta memahami peratusan pecahan asalan pelanggan.

x.

Kajian ini juga mengambil andaian asas Model Huff yang menyatakan bahawa tiada sempadan mutlak kawasan cakupan pasaran bagi sesebuah hypermarket. Malahan litupan pasaran hypermarket-hypermarket boleh bertindan dan pecahan asalan pengunjung sesebuah hypermarket adalah berasaskan kemungkinan peratusan pengunjung di sesuatu kawasan akan mengunjungi hypermarket A manakala bakinya akan mengunjungi hypermarket B dan C. Andaian ini penting bagi analisis perbandingan peratusan asalan pelanggan yang disurvei dan ramalan pecahan peratusan asalan pelanggan mengunakan model graviti secara spatial atau dalam konteks reruang.

BAHAGIAN 4

ANALISIS VIARASI MODEL GRAVITI & PENEMUAN KAJIAN

4.1

Struktur Analisis Kajian

Analisis bagi kajian ini dipecahkan kepada empat (4) bahagian. Setiap analisis dalam kajian ini akan membandingkan pecahan asalan pelanggan setiap hypermarket yang disurvei dengan hasil ramalan pecahan asalan pelanggan setiap hypermarket menggunakan model graviti. Bahagian pertama analisis membandingkan kesan penggunaan jarak Euclidean dengan jarak sebenar serta penggunaan parameter kuasa dua bagi pemboleh ubah jarak dalam model graviti. Dalam bahagian kedua bahagian analisis kajian ini pula melihat kesan penggunan empat viarasi model graviti terhadap tahap kejituan ramalan pecahan asalan pelanggan setiap hypermarket kajian. Bahagian ketiga analisis mencari pemalar bagi viarasi model graviti yang paling jitu manakala, Bahagian keempat pula akan membandingkan pecahan asalan pelanggan yang disurvei dengan ramalan menggunakan Model Huff dalam bentuk reruang atau spatial. Bagi analisis bahagian keempat ini, perbandingan dibuat berasaskan peratusan asalan pelanggan bagi setiap zon. Bagi analisis berkaitan penggunaan pemboleh jarak Euclidean, jarak sebenar dan parameter pemboleh ubah jarak dalam viarasi model graviti, perbandingan antara hasil ramalan dan pecahan asalan pelanggan yang disurvei akan mengambil kira perbandingan statistik hasil survei dan ramalan bagi ketiga-tiga hypermarket secara serentak. Langkah ini bertujuan mendapatkan purata kejituan setiap viarasi model graviti dan kesan ramalan

71 
 

setiap satunya, hasil daripada penggunaan pemboleh ubah jarak yang berbeza dan penggunaan parameter pemboleh ubah jarak. Sementara bagi analisis perbandingan pecahan asalan pelanggan menggunakan viarasi model graviti paling jitu serta analisis perbandingan ramalan pecahan asalan menggunakan Model Huff, hasil analisis bagi setiap asalan pengunjung dihuraikan secara berasingan satu persatu. Namun begitu harus jelas bahawa semua pemalar graviti dan ramalan yang terhasil daripada analisis kajian ini mungkin hanya secara spesifik sesuai bagi kegunaan ramalan interaksi antara hypermarket Giant dan pasaran sekitar daerah Johor Bahru sahaja. Kerana di kawasan lain, pemalar-pemalar model gravitinya mungkin akan berbeza kerana data serta maklumat yang digunakan bagi tujuan analisis ini fokus kepada hypermarket Giant dan beberapa andaian yang bertindak sebagai penghad dan kawalan.

4.2

Kejituan Ramalan Bagi Empat (4) Viarasi Model Graviti

Kejituan ramalan setiap viarasi model graviti akan dinilai dengan menggunakan petunjuk purata ralat ramalan dan juga kecerunan garis purata setiap viarasi. Setiap peratusan pecahan asalan pelanggan yang dikira menggunakan keempat-empat viarasi model graviti di bandingkan dengan peratusan pecahan asalan pelanggan yang disurvei (sila rujuk rumus 15 dan lampiran 1, 2 dan 3). Setelah itu, graf peratusan pecahan asalan pelanggan hypermarket yang disurvei melawan peratusan pecahan asalan pelanggan hypermarket yang diramal menggunakan viarasi model graviti diplotkan bagi menilai tahap kejituan setiap satunya dan bagi mendapatkan pemalar setiap satunya. Bagi kajian ini, peratusan pecahan asalan pelanggan yang disurvei dijadikan penanda aras bagi mengukur kejituan ramalan setiapviarasi model graviti. Ralat Ramalan (i) = Peratusan Survei(i) – Peratusan Ramalan(i) (15)

Berdasarkan rumus 15, ralat ramalan diperolehi dengan perbandingan nilai peratusan pecahan pengunjung dari setiap tempat asalan yang diramal dengan peratusan pecahan pengunjung yang disurvei bagi seuatu temapt asalan pelanggan sesebuah hypermarket.

72 
 

Kemudiannya, purata perbezaan peratusan pecahan antara nilai yang disurvei dengan nilai peratusan yang diramal oleh viarasi model graviti bagi setiap tempat asalan pelanggan akan didapatkan. Purata perbezaan atau ralat bagi setiap viarasi model graviti yang dikaji akan ditentukan dan dibandingkan. Viarasi model graviti yang mempunyai ralat paling rendah dikira sebagai viarasi yang paling jitu (sila rujuk rumus 16 dan jadual 4.1).

(16) Purata ralat ramalan bagi setiap viarasi model graviti diperolehi dengan membahagikan nilai jumlah keseluruhan ralat setiap tempat asalan bagi ketiga-tiga hypermarket dengan jumlah tempat asalan pengungjung hypermarket yang telah disurvei. Jadual 4.1
Viarasi Model Graviti Purata Ralat Kejituan (%) Ranking Kejituan

Perbandingan Ralat dan Tahap Kejituan Setiap Viarasi Model Graviti.
Jarak Euclidean 3.395 53.7 1 Jarak Euclidean ^2 3.662 50.9 3 Jarak Sebenar 3.470 41.9 2 Jarak Sebenar^2 3.780 38.6 4

Berdasarkan pengiraan ralat ramalan bagi setiap tempat asalan pelanggan (sila rujuk lampiran 2) dan kemudiannya purata ralat ramalan bagi setiap viarasi model graviti, didapati bahawa model graviti yang menggunakan pemboleh ubah jarak radius tanpa sebarang parameter mempunyai purata ralat yang paling rendah iaitu hanya 3.395. Purata ralat yang kecil ini menunjukkan bahawa model graviti yang menggunakan jarak radius tanpa parameter menghasilkan ramalan pecahan asalan pengunjung hypermarket yang paling jitu.   Model graviti yang menggunakan jarak sebenar tanpa parameter pula menghasilkan ramalan yang kedua paling jitu dengan nilai purata ralatnya sebanyak 3.470. Diikuti dengan ramalan menggunakan jarak Euclidean dengan parameter bernilai dua (2) dengan purata ralat 3.662, manakala model graviti yang menggunakan pemboleh ubah jarak

73 
 

sebenar berparameter dua (2) pula menghasilkan ramalan yang paling kurang jitu dengan purata ralat 3.780. Peratus purata kejituan bagi setiap viarasi model graviti boleh ditentukan dengan memplotkan graf peratus pecahan asalan pelanggan yang disurvei dengan yang diramal oleh setiap viarasi (sila rujuk graf 4.1). Didapati bahawa secara puratanya penggunaan jarak Euclidean tanpa sebarang parameter menghasilkan ramalan yang paling tepat dengan tahap kejituan 53.7 peratus. Penggunaan pemboleh ubah jarak sebenar pula menghasilkan ramalan kedua paling jitu dengan 50.9 peratus kejituan. Sementara pemboleh ubah jarak Euclidean berparameter kuasa dua (2) akan menghasilkan ramalan dengan kejituan 41.9 peratus sementara viarasi model graviti yang menggunakan pemboleh ubah jarak berparameter kuasa dua (2) hanya menghasilkan ramalan dengan ketepatan purata 38.6 peratus.

60 55 50 45 40

Survei  (%)

35 30 25 20 15 10 5 0 0 5

Radius Radius^2 Sebenar Sebenar^2 Kawalan Linear (Radius) Linear (Radius^2) Linear (Sebenar) Linear (Sebenar^2) Linear (Kawalan)

(Kawalan) y = x R² = 1 (Euclidean) y = 0.537x R² = 0.14 (Sebenar) y = 0.509x R² = 0.18 (Euclidean^2) y = 0.419x R² = 0.22 (Sebenar^2) y = 0.386x R² = 0.27

10 15 20 25 30 35 40 45 50 55 60

Ramalan (%) Graf 4.1 Kejituan Viarasi Model Graviti Menggunakan Pemboleh Ubah Jarak Euclidean, Jarak Sebenar, Jarak Euclidean Berparameter^2 dan Jarak Sebenar Berparameter^2.

74 
 

4.2.1

Kesan Penggunaan Jarak Euclidean, dan Jarak Sebenar dalam Model Graviti

Di dalam analisis kajian ini, didapati bahawa secara umumnya penggunaan jarak Euclidean dalam model graviti menghasilkan ramalan yang lebih jitu berbanding dengan menggunakan jarak sebenar. Penggunaan jarak Euclidean menghasilkan ramalan dengan nilai ralat peratusan purata serendah 3.5285 berbanding jika menggunakan pemboleh ubah jarak sebenar yang secara puratanya menghasilkan purata ralat ramalan yang lebih tinggi sekitar 3.625 peratus (sila rujuk jadual 4.2). Secara puratanya juga, viarasi yang menggunakan jarak Euclidean adalah lebih jitu ramalannya berbanding viarasi model graviti yang menggunakan jarak sebenar (sila rujuk graf 4.2).

60

50

40 Survei (%)

Jarak Sebenar Jarak Radius Kawalan Linear (Jarak Sebenar) Linear (Jarak Radius) Linear (Kawalan)

(Kawalan) y = x R² = 1

30

(Euclidean) y = 0.465x R² = 0.20 (Sebenar) y = 0.433x R² = 0.25

20

10

0 0 20 Ramalan (%) 40 60

Graf 4.2

Perbandingan Ramalan Viarasi Model Graviti yang Menggunakan Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar.

Ramalan yang lebih jitu menggunakan jarak Euclidean berbanding penggunaan jarak sebenar mungkin adalah kesan daripada corak serta cakupan jaringan jalan raya yang terdapat di Daerah Johor Bahru. Bagi kawasan yang punya jaringan jalan raya meluas serta intensif di bandar besar seperti Johor Bahru, penggunaan jarak Euclidean mungkin memadai dan menghasilkan ramalan yang lebih tepat kerana terdapatnya banyak

75 
 

alternatif laluan untuk pelanggan pergi ke hypermarket (sila rujuk gambarajah 4.1). Secara kebiasaannya, pelanggan akan mencari laluan yang paling singkat, dan dengan terdapatnya jaringan jalan raya yang intensif di bandar, maka jarak perjalanan sebenar menjadi hampir sama dengan jarak Euclidean atau jarak geografinya. Jadual 4.2 Perbandingan Ralat dan Kejituan Ramalan Menggunakan Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar. Jenis Kejituan Ramalan (%) Purata Ralat Jarak Euclidean 46.5 3.5285 Jarak Sebenar 43.3 3.625

Gambarajah 4.1

Densiti Jaringan Jalan di Kawasan Hypermarket Kajian.

Berbanding kawasan yang punya jaringan jalan raya yang terhad dan berdensiti rendah seperti di kawasan pinggir atau luar bandar, pelanggan hanya dapat menggunakan laluan terhad untuk pergi ke hypermarket. Lebih signifikan, sekiranya laluan yang perlu dilalui pelanggan itu berliku-liku, atau tidak terus menghubungkan tempat asalan pelanggan dengan hypermarket. Sebaliknya perlu melalui beberapa buah pekan kecil serta melengkungi kawasan berbukit, atau paya, maka sudah tentu jarak sebenar yang dilalui

76 
 

oleh seseorang pelanggan adalah lebih jauh dan amat berbeza dengan jarak Euclidean. Maka, dalam keadaan tersebut, penggunaan jarak sebenar akan menjadi lebih signifikan. Walaubagaimanapun, dapat diperhatikan bahawa kedua-dua ramalan menggunakan jarak Euclidean dan jarak sebenar dalam kajian ini tidaklah menunjukkan perbezaan yang begitu ketara dengan penggunaan jarak Euclidean menghasilkan purata kejituan sebanyak 46.5 peratus, sementara jarak sebenar pula menghasilkan kejituan 43.3 peratus. Faktor peratusan pemilikan kenderaan persendirian yang tinggi dikalangan penduduk Johor Bahru juga mungkin menjadi faktor mengapa perbezaan ramalan menggunakan jarak Euclidean dan jarak sebenar tidak menghasilkan perbezaan ketara. Ini kerana, pemilikan kenderaan persendirian bermakna penduduk berasa lebih bebas, mudah dan selesa untuk bergerak, sekaligus faktor jarak samada Euclidean mahupun sebenar tidaklah begitu memberikan kesan kepada ramalan kadar interaksi. Fenomena ini dibuktikan apabila purata jarak Euclidean dan jarak sebenar yang perlu dilalui oleh pengunjung bagi setiap hypermarket di Johor Bahru tidak jauh berbeza (sila rujuk jadual 4.3). 4.2.2 Purata Jarak Perjalanan yang Dilalui Pelanggan untuk ke Hypermarket

Jadual 4.3

Purata Jarak Perjalanan Pengguna ke Giant Skudai, Plentong dan Southern City.

Jarak Perjalanan Pengguna Keluasan (m2) Purata Jarak Euclidean (m) Purata Jarak Sebenar (m) Julat (m)

Giant Skudai 5,109 4,699 5,804 1,105

Giant Plentong 9,290 6,691 8,417 1,726

Giant Southern City 2,378 3,271 3,774 503

Berdasarkan jadual 4.3, purata jarak perjalanan dalam bentuk Euclidean mahupun jarak sebenar bagi pelanggan Giant Southern City tidaklah begitu besar memandangkan kawasan sekitar hypermarket tersebut mempunyai jaringan jalan raya dan jalan alternatif yang lebih intensif dan meluas, menghubungkan hypermarket tersebut dengan tempat asalan pelanggannya. Kawasan sekitar Giant Southern City yang punya jaringan jalan

77 
 

raya yang lebih padat membuatkan julat purata jarak Euclidean dan purata jarak sebenar asalan pelanggannya hanya 503 meter (sila rujuk gambarajah 4.1). Berbeza pula dengan julat purata asalan pelanggan Giant Skudai dan Giant Plentong masin-masing sekitar 1,105 meter dan 1,726 meter, mungkin kerana densiti jaringan jalan di kawasan sekitarnya yang lebih rendah (sila rujuk gambarajah 4.1). Maka tidak banyak jalan alternatif untuk pelanggan pergi kedua-dua hypermarket tersebut sekaligus meningkatkan jarak sebenar yang perlu dilalui pelanggan. Tambahan pula, kebanyakan kawasan perumahan di kawasan Skudai dan Plentong mempunyai akses yang terhad dengan hanya mempunyai satu atau dua sahaja akses ke sesuatu taman perumahan, menjadikan purata jarak perjalanan sebenar yang harus dilalui oleh penduduk di taman perumahan di kedua-dua kawasan leih tinggi berbanding penduduk pusat bandar. Malahan para pelanggan perlu melalui jalan raya utama seperti Jalan Skudai dan Lebuhraya Pasir Gudang yang juga punya akses terhad untuk pergi ke hypermarket. Sekaligus meningkatkan julat purata antara jarak Euclidean dan jarak sebenar bagi pelanggan Giant Skudai dan Giant Plentong. Daripada jadual 4.3 juga dapat kita bezakan mengenai tempat asalan pelanggan setiap hypermarket. Purata asalan pelanggan hypermarket Giant Southern City pula ialah 3.23.7 kilometer. Hal ini menunjukkan bahawa rata-rata pelanggan kedua-dua hypermarket tersebut berasal dari kawasan sekitarnya. Keadaan tersebut adalah normal. Malahan melaui survei yang dijalankan oleh Yuhanis (2008), juga menunjukkan bahawa 41.6 peratus pelanggan menyatakan bahawa antara faktor mereka mengunjungi Giant Southern City adalah kerana jaraknya yang hampir dengan kediaman. Namun begitu persoalan timbul apabila bagi Giant Skudai rata-rata pelanggannya berasal dari kawasan yang secara purata terletak dalam jarak 4.6-5.8 kilometer manakala bagi Giant Plentong, 6.6-8.4 kilometer jauhnya. Bagi Giant Skudai purata jarak asalan pelanggan yang lebih tinggi berbanding Giant Southern mungkin dapat dilihat daripada densiti perumahan sekitarnya yang menunjukkan bahawa kebanyakkan kawasan-kawasan perumahan sekitarnya terletak lebih dua kilometer dari Giant Skudai (sila rujuk gambarajah 4.2). Namun begitu, bagi Giant Plentong, walaupun terdapat begitu banyak kawasan perumahan di sekitarnya, purata jarak asalan pengunjungnya adalah lebih tinggi. Bukan sahaja purata jarak asalan

78 
 

menggunakan jarak sebenarnya tinggi, malahan purata jarak asalan menggunakan jarak Euclidean juga adalah tinggi. Ini menunjukkan bahawa rata-ratanya, pengunjung Giant Plentong berasal dari kawasan yang lebih jauh dan bukan dari kawasan kejiranannya. Kenyataan ini disokong oleh survei yang dibuat oleh Yuhanis (2008), yang menyatakan hanya 4.7 peratus responden sahaja yang menyatakan faktor kedekatan dengan kediaman menjadi faktor mereka mengunjungi Giant Plentong.

Gambarajah 4.2

Densiti Kawasan Perumahan Sekitar Hypermarket Kajian.

Keadaan ini mungkin terjadi kerana terdapatnya persaingan daripada hypermarkethypermarket lain seperti Tesco dan Jusco yang baru dibina di dalam kawasan lingkungan pasaran Giant Plentong yang menarik minat penduduk tempatan atau sekitarnya. Sekaligus menghadkan kemampuan Giant untuk menarik pelanggan tempatan. Maka hanya pelanggan dari taman-taman perumahan lebih jauh, yang mungkin tidak mempunyai hypermarket berdekatan kediman mereka, datang membeli-belah di Giant Plentong bagi membeli barangan keperluan semingguan yang spesifik, murah dan hanya ditawarkan oleh Giant.

79 
 

Menurut kajian oleh Yuhanis (2008), beliau menyatakan bahawa lebih 25 peratus daripada pengunjung Giant Plentong yang di survei, menyatakan bahawa mereka mengunjungi Giant Plentong kerana lokasinya terletak dilaluan antara tempat bekerja dan kediaman mereka. Fenomena ini punya logiknya kerana terdapat ramai penduduk di kawasan Tebrau dan Plentong yang bekerja sama ada di Pasir Gudang mahupun Johor Bahru. Maka dengan itu, Giant Plentong yang terletak dilaluan pulang antara tempat kerja dan kediaman pengunjung menjadi pilihan untuk membeli barangan keperluan. Maka dengan itu, rasional mengenai purata jarak asalan pelanggan hypermarket Giant Plentong yang tinggi dapat dijelaskan. 4.2.3 Penggunaan Parameter Bagi Pemboleh Ubah Jarak Dalam Model Graviti

Perbincangan para sarjana mengenai penggunaan parameter bagi pemboleh-ubah yang digunakan dalam model graviti menimbulkan persoalan tentang kesannya pada kejituan ramalan. Antara perbezaan pendapat yang paling menonjol ialah keperluan penggunaan parameter bagi pemboleh ubah jarak yang dikatakan berbeza bagi kajian melibatkan perjalanan untuk tujuan pergi bekerja, rekrasi dan membeli-belah. Terdapat para sarjana yang menyatakan bahawa ramalan menjdi lebih tidak tepat apabila parameter digunakan bagi pemboleh ubah dalam model graviti. Keputusan analisis kajian ini juga menunjukkan bahawa penggunan parameter pemboleh ubah jarak mengurangkan kejituan ramalan. Berdasarkan graf 4.3, garis purata kejituan ramalan menggunakan pemboleh ubah jarak Euclidean, didapati bahawa penggunaan pemboleh ubah jarak tanpa parameter menghasilkan ramalan yang lebih tepat iaitu dengan kejituan 52.2 peratus, berbanding ramalan yang menggunakan pemboleh ubuah jarak berparameter yang hanya menghasilkan ramalan berkejituan 40.2 peratus. Perbandingan kejituan ramalan sebanyak 12 peratus ini jelas menunjukkan bahawa bagi tujuan meramal peratusan pecahan asalan pelanggan hypermarket-hypermarket Giant di Johor Bahru, adalah lebih baik agar pemboleh ubah jarak tanpa parameter digunakan. Hal tersebut dibuktikan lagi apabila ramalan menggunakan pemboleh ubah jarak berparameter dalam model graviti menghasilkan purata ralat yang lebih tinggi, iaitu sebanyak 3.721 berbanding ramalan yang tidak menggunakan parameter, yang mana purata ralatnya hanyalah sekitar 3.432 (sila rujuk jadual 4.4).

80 
 

Jadual 4.4

Perbandingan Ralat dan Kejituan Ramalan Menggunakan Parameter bagi Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar . Jarak Tanpa Parameter 52.2 3.432 Jarak Berparameter ^2 40.2 3.721

Jenis Kejituan Ramalan (%) Purata Ralat

60 50 40 Survei (%) 30 20 10 0 0

Jarak Jarak^2 Kawalan Linear (Jarak) Linear (Jarak^2) Linear (Kawalan)

(Kawalan) y = x R² = 1

(Jarak) y = 0.522x R² = 0.17

(Jarak^2) y = 0.402x R² = 0.25

10

20

30 Ramalan (%)

40

50

60

Graf 4.3

Perbandingan Kejituan Viarasi Model Graviti Yang Menggunakan Viarasi Pemboleh Ubah Jarak dengan Parameter Kuasa Satu dan Parameter Kuasa Dua.

4.3

Perbandingan Pecahan Asalan Pelanggan Setiap Hypermarket Kajian Menggunakan Viarasi Model Graviti

Walaupun berdasarkan perbandingan kejituan ramalan kesemua hypermarket kajian, didapati bahawa secara keseluruhannya model graviti yang menggunakan pemboleh ubah jarak Euclidean tanpa parameter menghasilkan ramalan paling tepat antara empat (4) viarasi model graviti yang dikaji, didapati bahawa bagi hypermarket berbeza, penggunaan

81 
 

3 lagi viarasi menghasilkan ramalan yang lebih jitu. Malahan kedapatan outlier menjadikan tahap kejituan ramalan viarasi model graviti menjadi tidak stabil. 4.3.1 Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Skudai Kajian Menggunakan Empat Viarasi Model Graviti Bagi meramal peratusan pecahan asalan pelanggan Giant Skudai, dapat diperhatikan daripada nilai purata ralat dan juga garis purata perbandingan setiap viarasi model graviti (sila rujuk jadual 4.5 dan graf 4.4), penggunaan pemboleh ubah jarak Euclidean tanpa parameter menghasilkan ramalan paling jitu dengan peratus kejituan 61.4 peratus sementara ralatnya hanya 2.424. Jadual 4.5 Jenis Viarasi Kejituan Ramalan (%) Purata Ralat
25

Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi Giant Skudai. Euclidean 61.4 2.424 Euclidean ^2 44.9 2.596 Sebenar 55.1 2.491 Sebenar^2 44.1 2.521

20

Radius Radius^2 Sebenar Sebenar^2 Kawalan Linear (Radius) Linear (Radius^2)

(Kawalan) y = x R² = 1 (Euclidean) y = 0.614x R² = 0.32 (Sebenar) y = 0.551x R² = 0.44 (Euclidean^2) y = 0.449x R² = 0.46 (Sebenar^2) y = 0.441x R² = 0.52 20 25

Survei (%)

15

10

5

0 0 5 10 15 Ramalan (%)

Graf 4.4

Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Skudai.

82 
 

4.3.2

Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Southern City Kajian Menggunakan Empat Viarasi Model Graviti

Analisis ke atas peratusan pecahan pelanggan Giant Southern City secara keseluruhannya juga menunjukkan bahawa penggunaan jarak Euclidean secara keseluruhannya menghasilkan ramalan yang paling tepat dan jitu. Penggunaan jarak Euclidean tanpa parameter telah berjaya menghasilkan ralat purata ramalan serendah 2.891 dengan kejituan ramalan 57.6 peratus (sila rujuk jadual 4.6 dan graf 4.5). Jadual 4.6 Jenis Viarasi Kejituan Ramalan (%) Purata Ralat Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi Giant Southern City. Euclidean 57.6 2.891 Euclidean ^2 44.4 2.917 Sebenar 58.2 2.921 Sebenar^2 41.2 2.991

35 30 25 Survei (%) 20 15 10 5 0 0 5

Radius Radius^2 Sebenar Sebenar^2 Kawalan Linear (Radius) Linear (Radius^2) Linear (Sebenar) Linear (Sebenar^2) Linear (Kawalan)

(Kawalan) y = x R² = 1 (Sebenar) y = 0.582x R² = 0.42 (Euclidean) y = 0.576x R² = 0.45 (Euclidean^2) y = 0.444x R² = 0.36 (Sebenar^2) y = 0.412x R² = ‐0.40

10

15

20

25

30

35

Ramalan (%)

Graf 4.5

Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong.

83 
 

4.3.3

Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Plentong Kajian Menggunakan Empat Viarasi Model Graviti

Ramalan menggunakan viarasi jarak Euclidean tanpa parameter juga menghasilkan ramalan paling jitu bagi Giant Plentong dengan tahap kejituan ramalan 50.5 peratus sementara purata ralatnya paling kecil antara keempat-empat viarasi iaitu hanya 4.871 (sila rujuk jadual 4.7). Namun begitu terdapat satu kelompok outlier dari Taman Johor Jaya yang mana peratusan pecahan pelanggan dari Taman Johor Jaya yang diramal mengunjungi Giant Plentong menggunakan keempat-empat viarasi model graviti, adalah terlalu besar beza ralat atau julatnya dengan peratusan yang disurvei (sila rujuk graf 4.6). Maka timbul persoalan mengenai kesan outlier tersebut dalam menentukan kejituan setiap viarasi yang dikaji. Jadual 4.7 Jenis Viarasi Kejituan Ramalan (%) Purata Ralat Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi Giant Plentong. Euclidean 50.5 4.871 Euclidean ^2 40.1 5.475 Sebenar 47.7 4.998 Sebenar^2 36.4 5.828

60 50 40 Survei (%) 30 20 10 0 0 10

Radius Radius^2 Sebenar Sebenar^2 Kawalan Linear (Radius) Linear (Radius^2)

(Kawalan) y = x R² = 1 (Euclidaen) y = 0.505x R² = 0.19 (Sebenar) y = 0.477x R² = 0.23 (Euclidean^2) y = 0.401x R² = 0.38 (Sebenar^2) y = 0.364x Outlier (Taman Johor Jaya)  R² = 0.47 30 40 50 60

20

Ramalan (%)

Graf 4.6

Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong.

84 
 

Bagi mengetahui kesan ketiadaan outlier tersebut (Taman Johor Jaya), data Taman Johor Jaya dikeluarkan daripada statistik dan graf (sila rujuk graf 4.7). Hasilnya menunjukkan bahawa terdapatnya perubahan ketara dalam penentuan kejituan ramalan setiap viarasi model graviti yang dikaji. Sekaligus menunjukkan betapa penting dan kritikalnya peranan yang dimainkan oleh data, terutamanya data survei, walaupun hanya melibatkan satu kelompok sampel dalam kajian bagi menentukan tahap kejituan setiap viarasi model graviti ini.
Radius (Kawalan) Radius^2 y = x Sebenar R² = 1 Sebenar^2 Kawalan Linear (Radius) Linear (Radius^2) Linear (Sebenar)

20 18 16 14 Survei (%) 12 10 8 6 4 2 0 0 2

(Sebenar^2) y = 0.871x (Radius^2) y = 0.846x (Radius) y = 0.652x (Sebenar) y = 0.644x

4

6

8 10 12 14 16 18 20 Ramalan (%)

Graf 4.7

Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong Tanpa Taman Johor Jaya (outlier)

Jadual 4.8 Jenis Viarasi Kejituan Ramalan (%) Purata Ralat

Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi Giant Plentong Tanpa Taman Johor Jaya (outlier). Euclidean 65.2 3.637 Euclidean ^2 84.6 3.083 Sebenar 64.4 3.462 Sebenar^2 87.1 2.934

Dapat dilihat daripada statistik dalam jadual 4.8 dan graf 4.7, tindakan mengeluarkan outlier Taman Johor Jaya menghasilkan ramalan yang secara relatifnya lebih tepat. Kejituan ramalan setiap viarasi model graviti meningkat. Namun begitu, pengeluaran

85 
 

outlier ini juga menyebabkan viarasi yang paling jitu ramalannya bagi meramal peratusan pecahan asalan pelanggan Giant Plentong juga berubah mendadak. Tanpa outlier, ramalan menggunakan pemboleh ubah jarak sebenar dengan parameter kuasa dua menghasilkan ramalan paling jitu. Keputusan tersebut adalah selari dengan teori yang menyatakan bahawa penggunaan jarak sebenar akan menghasilkan ramalan yang lebih tepat. Begitu juga penggunaan parameter kuasa dua bagi mengira dan meramal perjalanan berkaitan aktiviti membelibelah. Bagi Giant Plentong, pemboleh ubah jarak sebenar dengan parameter kuasa dua menghasilkan ramalan sejitu 87.1 peratus dengan purata ralatnya hanya 2.934. Begitu juga ramalan menggunakan jarak Euclidean dengan parameter kuasa dua, menghasilkan ramalan kedua paling jitu dengan ralat sebanyak 3.083.

Gambarajah 4.3

Lokasi dan Gunatanah Sekitar Giant Plentong dan Taman Johor Jaya (Outlier).

Perbezaan atau ralat yang besar yang ditunjukkan oleh peratusan pecahan pelanggan Giant Plentong yang disurvei dan yang diramal berasal daripada Taman Johor Jaya mungkin punya kaitan dengan kehadiran unsur persaingan di sekeliling Giant Plentong (sila rujuk gambarajah 4.3). Dapat dilihat bahawa terdapatnya begitu banyak kawasan

86 
 

komersil dan perniagaan dibahagian utara dan barat Taman Johor Jaya yang mungkin menyebabkan sebahagian penduduknya memilih untuk membeli barangan keperluan di kawasan komersil di utara dan barat Taman Johor Jaya. Malahan, pembukaan Tesco Plentong pada tahun 2008 di bahagian selatan Giant Plentong juga mungkin memberikan kesan terhadap pemilihan tempat berbelanja kebanyakan penduduk Taman Johor Jaya. Ini mungkin kerana, pengguna lebih cenderung untuk memilih pusat membeli-belah baru yang kebiasaannya menawarkan kemudahan, suasana, perkhidmatan dan barangan yang lebih baik berbanding pusat membeli-belah yang sudah lama. Malahan terdapat kemungkinan timbul pergeseran sosial atau pertindihan kepentingan antara pihak Giant Plentong dan penduduk tempatan di Taman Johor Jaya hingga menyebabkan peratusan populasi Taman Johor Jaya yang disurvei membeli-belah di Giant Plentong adalah tidak seperti diramal. Walaubagaimanapun, bagi kajian ini, faktor persaingan daripada kawasan atau kelompok perkedaian lain serta kesan persaingan hypermarket lain tidak diambil kira. Malahan bagi menerangkan secara lebih lanjut mengenai fenomena mengapa peratusan penduduk Taman Johor Jaya yang diramal mengunjungi Giant Plentong jauh berbeza dengan bilangan penduduk Taman Johor Jaya yang disurvei pergi ke Giant Plentong, akan memerlukan kajian lain yang lebih khusus. Maka adalah lebih sesuai bagi kajian ini, outlier ini dikecualikan. 4.3.4 Hubungan Bilangan Sampel Asalan Pelanggan dan Purata Ralat Serta Kesan Outlier Berdasarkan perbandingan dalam jadual 4.9, Didapati bahawa lebih besar bilangan sampel tempat asalan pelanggan yang lebih besar menghasilkan purata ralat yang lebih rendah. Begitu juga bilangan sampel responden pengunjung hypermarket yang lebih ramai menghasilkan purata peratus kejituan ramalan yang lebih tinggi. Justeru itu adalah penting bagi menjadikan mengukur tahap kejituan ramalan sesuatu viarasi model graviti, bilangan pengunjung yang disurvei perlu cukup banyak dan rawak agar mampu menghasilkan perbandingan ramalan dan cerapan di tapak yang lebih baik.

87 
 

Jadual 4.9

Hubungan Bilangan Sampel Asalan Pelanggan dan Purata Ralat serta Kesan Outlier. Bilangan Tempat Asalan Pelanggan 31 35 17 16 Purata Peratus Kejituan Ramalan 57.6 61.4 50.5 87.1

Hypermarket Southern City Skudai Plentong Plentong (Tanpa Outlier)

Viarasi Model Graviti Paling Jitu Jarak Euclidean Jarak Euclidean Jarak Euclidean Jarak Sebenar^2

Bilangan Sampel Survei 176 155 146 120

Purata Ralat 2.891 2.424 4.871 2.934

Impak outlier terhadap analisis kejituan viarasi sesuatu model graviti juga adalah amat penting. Pengenalpastian dan pengecualian outlier adalah juaga amat penting bagi memudahkan kita menerangkan corak dan tren interaksi antara hypermarket dan pengunjungnya. Dalam bahagian 4.3.3 ditunjukkan kesan besar pengecualian outlier Taman Johor Jaya terhadap pengukuran tahap kejituan senua viarasi model graviti yang dikaji. Pengeluaran outlier dari statistik, menghasilkan purata ralat yang lebih rendah dan purata peratus kejituan ramalan yang lebih jitu (sila rujuk jadual 4.10) Jadual 4.10 Purata Ralat Viarasi Model Graviti Dengan Outlier Tanpa Outlier Perbandingan Kejituan Empat (4) Viarasi Model Graviti dengan Nilai Outlier dan Tanpa Nilai Outlier bagi Giant Plentong. Jarak Euclidean 3.102 2.842 Jarak Euclidean ^2 3.306 2.894 Jarak Sebenar 3.165 2.874 Jarak Sebenar^2 3.374 2.904

Walaubagaimanapun, setelah dijumlahkan kesemua purata serta julat purata peratusan asalan pelanggan bagi setiap hypermarket, dan outlier Taman Johor Jaya dikeluarkan daripada statistik dan graf, didapati bahawa penggunaan jarak Euclidean tanpa parameter masih menghasilkan ramalan yang paling jitu dengan purata ralatnya berkurangan kepada 2.842 (sila rujuk jadual 4.10). Begitu juga purata ralat bagi lain-lain viarasi, juga berkurangan apabila outlier dikelauarkan daripada kiraan. Keputusan itu, sekaligus menunjukkan bahawa, mengecualikan data outlier daripada statistik analisis, meningkatkan kejituan ramalan model graviti.

88 
 

4.3.5

Saiz Hypermarket dan Jarak Cakupan Pasaran

Berdasarkan statistik dan analsis yang dijalankan ke atas ramalan peratusan pecahan pengunjung ketiga-tiga hypermarket kajian menggunakan keempat-empat viarasi model graviti, didapati bahawa terdapatnya hubungan langsung antara luas hypermarket dengan luas cakupan pasaran. Bagi tujuan menunjukkan hubungan ini, luas setiap hypermarket di bandingkan dengan jarak asalan paling jauh pengunjung yang disurvei (sila rujuk jadual 4.11). Jadual 4.11 Hypermarket Southern City Skudai Plentong Hubungan Saiz Hypermarket, dan Jarak Cakupan Pasaran. Luas (m2) 2,378 5,109 9,290 Asalan Paling Jauh Pengunjung (km) Taman Maju Jaya (13.3) Taman Timor (20.5) Taman Mawar (34.1)

Berdasarkan jadual 4.11, dapat dilihat bahawa semakin kecil luas ruang lantai sesebuah hypermarket, semakin kurang jarak asalan pengunjungnya. Dalam erti kata lain, lebih kecil sesuatu hypermarket, maka lebih kecil cakupan pasarannya. Giant Plentong yang merupakan hypermarket dalam kajian paling besar dengan keluasan 9,290 meter persegi, mempunyai pasaran sehingga ke Taman Mawar yang terletak sejauh 34.1 kilometer daripada Giant Plentong. Sedangkan Giant Southern City yang juga hypermarket paling kecil dengan keluasan 2,378 meter persegi mempunyai pelanggan yang paling jauh paling minimum, iaitu dari Taman Maju Jaya yang hanya terletak 13.2 kilometer dari Giant tersebut. Maka boleh diandaikan bahawa hypermarket yang lebih luas menyediakan lebih banyak kemudahan dan dan menawarkan lebih banyak pilihan barangan serta kelompok perniagaan atau kedai pelbagai. Maka hypermarket tersebut mampu menarik populasi pelanggan yang lebih ramai yang berasal dari kawasan yang lebih jauh. Malahan lebih dari itu, keputusan perbandingan ini juga membuktikan bahawa luas ruang lantai hypermarket boleh digunakan bagi mengukur kadar tarikan sesebuah hypermarket terhadap pasarannya, serta menunjukkan bahawa luas hypermarket berkadar langsung dengan kadar interaksi antara sesebuah hypermarket dengan pasarannya. Justeru itu,

89 
 

pemboleh ubah luas ruang lantai niaga hypermarket boleh digunakan dalam model graviti bagi mengukur kadar interaksi sesuatu hypermarket dengan pasarannya..

4.4

Persamaan Regressi Lelurus Bagi Interaksi Hypermarket Giant & Pasaran Sekitar Johor Bahru

Menggunakan perisisan Statistical Package for Social Sceince 16 (SPSS 16), Model Regressi Lelurus bagi mewakili dan menerangkan interaksi antara hypermarket dan juga kawasan pasarannya dijana. 4.4.1 Model Regressi Lelurus Interaksi Hypermarket dan Pasaran Menggunakan Jarak Euclidean Jadual 4.12 menunjukkan hasil penjanaan model regressi linear bagi mewakili fenomena interaksi hypermarket dan juga pasarannya dengan menggunakan pemboleh ubah jarak euclidean. Jadual 4.12 Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya Menggunakan Jarak Euclidean.
Coefficientsa Unstandardized Coefficients Model 1 (Constant) Saiz Bil. Rumah B 2.827384 2.009013 0.000185 Std. Error 1.430454 0.677190 0.000201 0.113602 0.310487 0.095956 -0.199463 Standardized Coefficients Beta t 1.976564 2.966688 0.918583 -1.908773 Sig. 0.051581 0.003981 0.361110 0.059923

Jarak Radius -0.216841

a. Dependent Variable: Bil. Pengunjung Survei

Rumus 17 menunjukkan model regressi linear bagi interaksi tersebut.

90 
 

Yij = 2.82738 + 2.00901X1 + 0.00018X2 – 0.21684X3

(17)

Dalam rumus 17, Yij ialah bilangan pengunjung dari i yang akan ke hypermarket j. X1 ialah luas ruang lantai hypermarket j dalam meter persegi (m2), X2 pula ialah bilangan rumah dalam kawasan perumahan i dan X3 ialah jarak Euclidean dari i ke hypermarket j dalam kilometer (km). Dengan faktor bilangan rumah dalam sesuatu kawasan perumahan dilihat sebagai tidak begitu signifikan (sila rujuk jadual 4.12), faktor tersebut dikeluarkan daripada model regressi linear yang dibina. Jadual 4.13 Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya Menggunakan Jarak Euclidean (Tanpa Faktor Bilangan Rumah).
Coefficientsa Unstandardized Standardized Coefficients Coefficients Model 1 (Constant) Saiz Jarak Radius B 3.138 2.044 -.216 Std. Error 1.389 .675 .113 .316 -.199 Beta t 2.260 3.025 -1.905 Sig. .027 .003 .060

a. Dependent Variable: Bil. Pengunjung Survei

Hasilnya, keputusannya menjadi lebih signifikan dan persamaan regressi linear seperti rumus 18 berikut dibentuk. Yij = 3.138 + 2.044X1 - 0.215X2 (18)

Dalam rumus 17, Yij ialah bilangan pengunjung dari i yang akan ke hypermarket j. X1 ialah luas ruang lantai hypermarket j dalam meter persegi (m2), manakala X2 ialah jarak Euclidean dari i ke hypermarket j dalam kilometer (km).

91 
 

4.4.2

Model Regressi Lelurus Interaksi Hypermarket dan Pasaran Menggunakan Jarak Sebenar

Penggunaan jarak sebenar dalam model regressi linear juga ditentukan. Berikut ialah persamaam bagi model regressi linear bagi interaksi hypermarket dan pasarannya menggunakan jarak sebenar. Jadual 4.14 Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya Menggunakan Jarak Sebenar.
Coefficientsa Unstandardized Coefficients Model
1

Standardized Coefficients Beta t 3.16630 0.30035 0.14409 -0.41635 3.12370 1.48805 -4.30626 Sig. 0.00219 0.00250 0.14072 0.00005

B (Constant) Saiz Bil. Rumah Jarak Sebenar 4.30985 1.94341 0.00028 -0.49733

Std. Error 1.36116 0.62215 0.00019 0.11549

a. Dependent Variable: Bil. Pengunjung Survei

Yij = 4.30985 + 1.94341X1 + 0.00028X2 – 0.49733X3

(19)

Dalam rumus 19, Yij ialah bilangan pengunjung dari i yang akan ke hypermarket j. X1 ialah luas ruang lantai hypermarket j dalam meter persegi (m2), X2 pula ialah bilangan rumah dalam kawasan perumahan i dan X3 ialah jarak sebenar dari i ke hypermarket j dalam kilometer (km). Sekali lagi, faktor bilangan rumah di sesuatu kawasan perumahan dilihat sebagai tidak signifikan. Maka faktor tersebut dikeluarkan dan dijana model regressi linear yang baru bagi menunjukkan interaksi hypermarket dan pasaran dengan menggunakan pembleh ubah jarak sebenar. Jadual 4.15 menunjukkan hasil penjanaan model regressi linear tersebut.

92 
 

Jadual 4.15

Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya Menggunakan Jarak Sebenar (Tanpa Faktor Bilangan Rumah).
Coefficientsa Unstandardized Coefficients Standardized Coefficients Beta .308 -.399 t 3.467 3.186 -4.128 Sig. .001 .002 .000 1.349 .626 .116

Model
1

B (Constant) Saiz Jarak Sebenar 4.677 1.994 -.477

Std. Error

a. Dependent Variable: Bil. Pengunjung Survei

Hasilnya ialah persamaan regressi linear yang mewakili interaksi hypermarket dan pasarannya seperti rumus 18 berikut dibentuk. Yij = 4.677 + 1.994X1 – 0.477X2 (20)

Dalam rumus 17, Yij ialah bilangan pengunjung dari i yang akan ke hypermarket j. X1 ialah luas ruang lantai hypermarket j dalam meter persegi (m2), manakala X2 ialah jarak Euclidean dari i ke hypermarket j dalam kilometer (km).

4.5

Perbandingan Hasil Survei dengan Ramalan Model Huff dalam Pemilihan Hypermarket Penduduk

Berdasarkan analisis dalam bahagian 4.3, didapati bahawa viarasi model graviti yang menggunakan pemboleh ubah jarak Euclidean tanpa parameter secara puratanya menghasilkan ramalan yang paling jitu. Justeru itu bagi analisis bahagian 4.5 ini, model graviti Huff yang menggunakan pemboleh ubah jarak Euclidean tanpa parameter akan digunakan bagi mengira peratusan pecahan pemilihan hypermarket yang mungkin dikunjungi oleh populasi di sesebuah kawasan. Peratusan pecahan pemilihan hypermarket tersebut kemudiannya akan dibandingkan dengan hasil survei. Bagi tujuan perbandingan, lapan (8) kawasan perumahan yang disurvei dipilih berdasarkan kedapatan data survei oleh Yuhanis (2008), untuk dibandingkan.

93 
 

Lapan (8) kawasan tersebut ialah: i. ii. iii. iv.
 

Kampung Melayu Majidee Kampung Pasir Putih Pangsapuri Bukit Saujana Taman Daya

v. vi. vii. viii.

Bandar Baru Permas Jaya Taman Desa Harmoni Taman Johor Jaya Taman Saujana

4.5.1

Pemilihan Tempat Berbelanja Penduduk di Kampung Melayu Majidee, Taman Daya dan Pangsapuri Bukit Saujana

Dapat dilihat daripada jadual 4.16 pecahan pemilihan hypermarket yang disurvei dan diramal bagi ketiga-tiga penduduk di Kampung Melayu Majidee, Taman Daya dan Pangsapuri Bukit Saujana adalah selari dan hampir sama. Sekaligus membuktikan bahawa ramalan pecahan asalan pelanggan oleh model graviti yang menggunakan jarak Euclidean tanpa paremeter berjaya menghasilkan ramalan yang hampir sama dengan situasi sebenar interaksi antara hypermarket dengan pasarannya. Jadual 4.16 Pemilihan Tempat Berbelanja Penduduk Kg. Melayu Majidee, Taman Daya dan Pangsapuri Bukit Saujana. Penduduk Kg. Melayu Majidee Taman Daya Pangsapuri Bukit Saujana Pecahan Pemilihan – Menurut Survei (%) Giant Skudai Giant Plentong 4.55 20.00 14.29 95.45 80.00 85.71 Pecahan Pemilihan – Menurut Model Huff (%) Giant Skudai Giant Plentong 35 30 33 65 70 67

Berdasarkan hasil survei, didapati bahawa 4.5 peratus responden dari Kampung Melayu Majidee memilih untuk membeli-belah di Giant Skudai berbanding 95.45 peratus yang memilih untuk membeli-belah di Giant Plentong. Manakala ramalan model graviti Huff pula menyatakan bahawa 35 peratus penduduk di Kampung Melayu Majidee memilih Giant Skudai manakala baki 65 peratus pula memilih untuk membeli-belah di Giant Plentong (sila rujuk gambarajah 4.4 dan 4.5).

94 
 

Gambarajah 4.4

Kebarangkalian Penduduk di Taman Daya, Kampung Melayu Majidee dan Pangsapuri Bukit Saujana Mengunjungi Giant Skudai.

Gambarajah 4.5

Kebarangkalian Penduduk di Taman Daya, Kampung Melayu Majidee dan Pangsapuri Bukit Saujana Mengunjungi Giant Plentong.

95 
 

Jelas menerusi ramalan model Huff menunjukkan bahawa kebarangkalian penduduk di Kampung Melayu Majidee untuk mengunjungi Giant Plentong adalah lebih tinggi daripada kebarangkalian mereka mengunjungi Giant Skudai juga dibuktikan oleh hasil survei. Namun begitu peratusan pengunjung yang ke Giant Skudai berbanding Giant Plentong yang disurvei mungkin kerana untuk pergi ke Giant Skudai, penduduk Kampung Melayu Majidee perlu melalui laluan yang lebih berliku-liku, melalui Lebuh Raya Pasir Gudang yang sesak, serta terpaksa memusing jauh berbanding untuk pergi ke Giant Plentong yang lebih mudah perjalanannya menggunakan Lebuh Raya Tebrau.

Hasil survei ke atas penduduk Taman Daya pula memperlihatkan bahawa 20 peratus daripada responden memilih untuk membeli-belah di Giant Skudai manakala baki 80 peratus pula memilih untuk membeli-belah di Giant Plentong. Ramalan menggunakan model Huff juga hampir dapat meramal kadar interaksi antara populasi di Taman Daya dengan kedua-dua hypermarket Giant Skudai dan Giant Plentong secara hampir tepat. Menurut ramalan, terdapat 70 peratus kerangkalian penduduk di Taman Daya akan memilih Giant Plentong berbanding Giant Skudai. Fenomena ini jelas dipengaruhi oleh faktor jarak Giant Plentong yang lebih hampir dan mudah untuk dicapai penduduk Taman Daya (sila rujuk gambarajah 4.4 dan 4.5). Model Huff juga meramalkan bahawa terdapat 67 peratus kemungkinan penduduk di Pangsapuri Bukit Saujana akan mengunjungi Giant Plentong berbanding hanya 33 peratus yang diramal memilih Giant Skudai sebagia tempat untuk membeli-belah. Hasil survei juga menunjukkan bahawa penduduk di Pangsapuri Bukit Saujana lebih cenderung untuk membeli belah di Giant Plentong berbanding Giant Skudai. Survei menunjukkan bahawa hanya 14.29 peratus responden memilih Giant Skudai berbanding baki 85.71 responden yang memilih Giant Plentong. 4.5.2 Pemilihan Tempat Berbelanja Penduduk di Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana Melalui perbandingan peratusan pecahan kemungkinan kunjungan oleh model Huff dengan hasil survei asalan pelanggan hypermarket Giant Southern City dan Plentong dari Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman

96 
 

Saujana, dapat disimpulkan bahawa ramalan model Huff secara umumnya berjaya meramal kelebihan kemungkinan kunjungan penduduk di sesuatu kawasan ke sesebuah hypermarket berbanding hypermarket saingannya, walaupun pada tahap kejituan yang berbeza (sila rujuk jadual 4.17). Jadual 4.17 Pemilihan Tempat Berbelanja Penduduk Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana. Pecahan Pemilihan – Menurut Survei (%) Giant Southern Giant Plentong City 43.75 42.86 3.70 27.78 56.25 57.14 96.30 72.22 Pecahan Pemilihan – Menurut Model Huff (%) Giant Southern Giant Plentong City 14 15 8 7 86 85 92 93

Penduduk Bandar Baru Permas Jaya Taman Desa Harmoni Taman Johor Jaya Taman Saujana

Model Huff berjaya meramalkan bahawa Giant Plentong dapat menarik lebih ramai pengunjung dari Bandar Baru Permas Jaya berbanding Giant Southern dengan menunjukkan bahawa 86 peratus penduduknya mungkin memilih Giant Plentong berbanding hanya 14 peratus sahaja yang akan mengunjungi Giant Southern City (sila rujuk gambarajah 4.6 dan 4.7). Walaubagaimanapun hasil survei menunnjukkan bahawa peratusan pecahan atau pemilihan tempat membeli-belah oleh penduduk Bandar Baru Permas Jaya adalah hampir sama iaitu 43.75 peratus ke Southern City dan baki 56.25 peratus ke Giant Plentong. Antara faktor yang mungkin menyumbang kepada keadaan ini mungkin kerana jarak ke kedua-dua rangkaian Giant tersebut adalah hampir sama, malahan kedapatan jalan raya utama yang menghubungkan Bandar Baru Permas Jaya dengan Giant Southern dan Giant Plentong, menjadikan kadar interaksi sebenar antara Bandar Baru Permas Jaya dengan kedua-dua hypermarket tersebut hampir seimbang. Sekiranya terdapat faktor yang menyebabkan penduduk di situ lebih memilih Giant Plentong, mungkin kerana mereka tidak begitu gemar pergi ke kawasan pusat bandar yang menjadi lokasi Giant Southern

97 
 

Gambarajah 4.6

Kebarangkalian Penduduk di Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana Mengunjungi Giant Southern.

Gambarajah 4.7

Kebarangkalian Penduduk di Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana Giant Plentong.

98 
 

City kerana bimbangkan faktor kesesakan dalam kawasan bandaraya. Terdapat juga kemungkinan penduduk di Permas Jaya memilih Giant Southern City hanya kerana ia terletak berhampiran tempat kerja atau pun berada di laluan untuk ke tempat kerja. Trend yang hampir sama juga ditunjukkan oleh penduduk di Taman Desa Harmoni apabila hasil survei menunjukan pecahan pemilihan tempat membeli-belah yang hampir sama iaitu 42.86 peratus responden dari Taman Desa Harmoni memilih Giant Southern City manakala baki 57.14 responden dari Taman Desa Harmoni pula memilih Giant Plentong. Ramalan pula menjangkakan terdapat 85 peratus kemungkinan penduduk di Taman Desa Harmoni akan memilih Giant Plentong dan hanya 15 peratus berkemungkinan memilih Giant Southern City. Model Huff berjaya meramalkan pecahan pemilihan hypermarket yang lebih jitu bagi penduduk Taman Johor Jaya dengan meramalkan bahawa terdapatnya kemungkinan 92 peratus daripada populasi Taman Johor Jaya akan pergi ke Giant Plentong manakala hanya 8 peratus memilih untuk pergi ke Giant Southern City. Ramalan tersebut ternya amat jitu apabila menerusi survei, didapati bahawa 96.30 peratus responden dari Taman Johor Jaya memilih untuk membeli-belah di Giant Plentong dan hanya baki 3.7 peratus memilih untuk pergi ke Giant Southern City (sila rujuk gambarajah 4.6 dan 4.7). Begitu juga ramalan model Huff bagi pemilihan tempat berbelanja penduduk Taman Saujana, juga menghasilkan ramalan yang hampir dapat menerangkan kadar interaksi sebenar yang disurvei. Model Huff meramalkan 93 peratus penduduk Taman Saujana akan memilih Giant Plentong sementara baki 7 peratus memilih Giant Southern City. Hasil survei juga menyokong bahawa kadar tarikan Giant Plentong ke atas penduduk Taman Saujana adalah lebih kuat, apabila 72.22 peratus responden daripada Taman Saujana memilih untuk membeli-belah di Giant Plentong dan hanya 27.78 peratus responden yang berasal daripada Taman Saujana memilih Giant Southern. Bagi keduadua Taman Johor Jaya dan Taman Saujana tersebut, faktor pemilihan yang dominan itu mungkin didorong oleh faktor kedekatan jarak Giant Plentong dengan kediaman mereka.

99 
 

4.5.3

Pemilihan Tempat Berbelanja Penduduk di Kampung Pasir

Ramalan Model Huff bagi menentukan tahap tarikan antara Giant Skudai dan Giant Southern bagi penduduk Kampung Pasir juga menghasilkan ramalan kemungkinan kunjungan yang agak baik. Model Huff meramalkan bahawa 80 peratus penduduk di Kampung Pasir mungkin memilih Giant Skudai berbanding hanya 20 peratus sahaja yang akan membeli-belah di Giant Southern City. Hasil survei menunjukkan bahawa ramalan pilihan hypermarket tersebut adalah baik apabila 66.67 peratus responden mengunjungi Giant Skudai berbanding hanya 33.33 peratus responden dari Kampung Pasir yang mengunjungi Giant Southern City. Bilangan lebih ramai penduduk Kampung Pasir yang pergi ke Giant Skudai mungkin kerana jaraknya yang lebih hampir serta adanya Jalan Skudai yang menghubungkan Giant Skudai secara terus denga Kampung Pasir (sila rujuk jadual 4.18, gambarajah 4.8 dan 4.9). Jadual 4.18 Pemilihan Tempat Berbelanja Penduduk Kampung Pasir Pecahan Pemilihan – Menurut Model Huff (%) City 33.33 Gianr Skudai 80 Giant Southern City 20 Survei (%) Gianr Skudai Kampung Pasir Putih 66.67 Giant Southern

Pecahan Pemilihan – Menurut Penduduk

Dalam bahagian 4.5.1, 4.5.2, dan 4.5.3, perbandingan hanyalah dibuat berdasarkan interaksi antara dua hypermarket kajian kerana terdapatnya limitasi data yang disurvei. Tiada pengunjung di ketiga-tiga hypermarket kajian yang berasal dari satu kawasan yang sama, bagi membolehkan perbandingan pecahan interaksi dibuat bagi ketiga-tiga hypermarket secara serentak. Hanya terdapat lapan (8) kawasan asalan pengunjung yang disurvei di dua hypermarket kajian, manakala selebihnya hanya disurvei di satu hypermarket kajian. Justeru itu, perbandingan kadar interaksi tidak dapat dibuat. Walaubagaimanapun, daripada gambarajah 4.10, 4.11 dan 4.12 dapat dilihat interaksi antara hypermarket-hypermarket kajian dengan kawasan pasarannya dan tahap persaingan antara ketiga-tiga hypermarket kajian.

100 
 

Gambarajah 4.8

Kebarangkalian Penduduk di Kampung Pasir Mengunjungi Giant Southern.

Gambarajah 4.9

Kebarangkalian Penduduk di Kampung Pasir Mengunjungi Giant Skudai.

101 
 

4.5.4

Tahap Interaksi antara Tiga (3) Hypermarket Kajian Dengan Pasaran.

Daripada gambarajah 4.10, 4.11 dan 4.12, dapat dilihat bahawa Giant Plentong dan Giant Skudai mempunyai pengaruh atau kadar tarikan keatas pasaran yang jauh lebih besar daripada Giant Southern City. Sebahagian besar pasaran Giant Southern City hanyalah dari sekitar kawasan mukim Bandar Johor diapit oleh tadahan pasaran Giant Plentong dan Skudai. Kawasan pasaran utama Giant Plentong menganjur ke arah Timur Daerah Johor Bahru manakala bagi Giant Skudai pula, tadahan pasarannya merangkumi sebahagian besar kawasan perumahan di bahagian barat Daerah Johor Bahru.

Gambarajah 4.10

Kemungkinan Kunjungan ke Giant Skudai.

Kawasan tadahan pasaran Giant Skudai bertumpu di kawasan barat dan mengunjur ke kawasan barat Johor Bahru dimana terdapatnya beberapa kawasan perumahan berskala besar yang dibina lebih awal berbanding taman-taman perumahan di sebelah timurnya yang hanya terdiri daripada kawasan perindustrian. Antara taman perumahan utama di kawsan barat tersebut ialah Taman Ungku Tun Aminah, Taman Perling dan Taman Universiti.

102 
 

Gambarajah 4.11

Kemungkinan Kunjungan ke Giant Southern City.

Gambarajah 4.12

Kemungkinan Kunjungan ke Giant Plentong.

103 
 

Bagi Giant Southern City pula, disebalik kawasan tadahannya diapit oleh Giant Skudai dan Plentong, kawasan tadahan pasaran di bandar Johor Bahru yang mana penduduknya lebih padat dan punya pendapatan per kapita yang lebih tinggi, mungkin akan membolehkan Giant Southern City Memperolehi keuntungan yang hampir sama tahap dengan dua lagi hypermarket Giant yang punya pengaruh tadahan pasaran lebih besar (sila rujuk gambarajah 4.11). Cakupan tadahan Giant Plentong juga adalah lebih besar, dan menganjur ke bahagian timur. Terdapat banyak taman perumahan besar dan berkepadatan tinggi di bahagian timur, antaranya ialah taman Johor Jaya. Dengan populasi yang besar di sekelilingnya, Giant Plentong punya pasaran cukup besar yang membolehkan hypermarket tersebut memperolehi keuntungan tinggi. 4.5.5 Ujian Signifikan Keputusan Perbandingan Antara Ramalan Model Graviti dan Hasil Survei Ujian signifikasi menggunakan ujian-Z dan ujian-T memperlihatkan mengenai signifikan perbandingan antara keputusan ramalan oleh model graviti dan juga hasil survei. Didapati berdasarkan ujian-Z yang dijalankan menggunakan Microsoft Excel, nilai signifikan hubungan kedua-dua hasil ramalan dan juga hasil survei ialah 0.01663, iaitu berada di bawah nilai 0.05. Maka, dikatakan bahawa antara kedua hasil pecahan peratusan tidak punya kaitan antara satu sama lain. Walaubagaimanapun berdasarkan ujian regressi, dikatakan bahawa terdapat kaitan lemah antara hasil survei dan juga hasil ramalan dimana nilainya hanya 0.02 (sila rujuk jadual 4.19 & 4.20). Jadual 4.19 Ujian Kaitan Hasil Ramalan dan Hasil Survei
Correlations Pearson Correlation Sig. (1-tailed) N Ramalan Survei Ramalan Survei Ramalan Survei Ramalan 1.000 .747 . .001 14 14 Survei .747 1.000 .001 . 14 14

Jadual 4.20

Ujian Signifikan antara Hubungan Hasil Ramalan dan Survei.

104 
 
Coefficientsa
Unstandardized Coefficients Standardized Coefficients 95% Confidence Interval for B Lower Model (Constant) Survey B 10.184 .769 Std. Error 11.892 .198 Beta t Sig. Bound Upper Bound 36.094 1.200 .747 .747 .747 1.000 1.000 Correlations Zeroorder Partial Part Tolerance VIF Collinearity Statistics

.856 .409 -15.726 .747 3.890 .002 .338

a. Dependent Variable: Ramalan

4.6

Rangkuman Keseluruhan Analisis

Berdasarkan analisis yang dijalankan dalam bahagian empat (4) kajian ini, didapati bahawa viarasi model graviti yang menggunakan pemboleh ubah jarak reuclidaen tanpa parameter secara puratanya menghasilkan ramlan yang paling jitu, dengan purata ralat ramalan yang paling rendah iaitu 3.395. Dibuktikan juga dalam analisis kajian ini, terdapatnya kesan langsung daripada luas ruang lantai hypermarket dalam menentukan cakupan pasarannya. Malahan di tunjukkan juga mengenai penting dan besarnya kesan outlier, serta bilangan sampel dalam menentukan tahap kejituan sesuatu ramalan viarasi model graviti. Melalui pengiraan persamaan linear serentak, didapati nilai pemalar graviti bagi viarasi model graviti yang paling jitu yang menggunakan jarak radius tanpa parameter ialah 1.862. Lebih penting, secara keseluruhannya, analisis kajian ini membuktikan bahawa ramalan menggunakan model graviti Huff dengan pemboleh ubah jarak radius tanpa parameter, dapat meramalkan dengan baik peratusan pecahan pilihan hypermarket oleh penduduk di sesebuah kawasan. Daripada lapan (8) sampel kawasan kajian, model graviti Huff berjaya menentukan hypermarket yang menjadi pilihan penduduk di kelapan-lapan kawasan, berbanding hypermarket saingannya.
   

BAHAGIAN 5

RUMUSAN KAJIAN & CADANGAN

5.1

Keseluruhan Kajian

Kajian ini dibahagikan kepada lima (5) bahagian iaitu, Bahagian 1 - Penyataan Isu dan Kerangka Kajian, Bahagian 2 – Sistesis Nukilan-nukilan Ilmiah, Bahagian 3 – Reka Bentuk Pangkalan Data dan Penjanaan Model, Bahagian 4 – Analisis Viarasi Model Graviti & Penemuan Kajian dan Bahagian 5 – Rumusan Kajian dan Cadangan. Di dalam Bahagian 5 ini, segala inti pati dan penemuan kajian dalam bahagian-bahagian sebelumnya dirangkumkan dalam bahagian ini. Dibincangkan juga implikasi penemuan kajian ini terhadap bidang perancangan serta cadangan bagi memperbaiki isu penggunaan model graviti.Seterusnya dicadangkan keperluan kajian lanjutan bagi memperbaiki hasil kajian ini dan mengkaji ramalan model graviti agar pemahaman terhadapnya menjadi lebih mendalam.

5.2

Isu Penggunaan Viarsi Model Graviti

Kajian ini dijalankan apabila timbulnya isu mengenai kemampuan model graviti bagi meramal pemilihan tempat berbelanja pengguna dan juga bagi meramal pecahan asalan pelanggan sesebuah hypermarket. Malahan timbul juga persoalan mengenai viarasi model graviti yang menggunakan pelbagai pemboleh ubah jarak Euclidean dan jarak sebenar

106 
 

serta penggunaan parameter dalam menghasilkan ramalan yang paling jitu dan menggambarkan fenomena sebenar. Beberapa sarjana seperti Todes dan Riza menyatakan mengenai ketidakmampuan model graviti bagi meramal fenomena perjalanan di Kota Bahru dan Chicago dengan baik. Oleh kerana timbulnya isu mengenai kejituan ramalan oleh model graviti tersebut, pelbagai viarasi model graviti diperkenalkan. Bermula dari Hukum Graviti Newton, model graviti terus diubah suai berdasarkan teori para sarjana, namun setiap pengubahsuaian itu masih berpegang kepada prinsip asas hukum graviti yang menyatakan bahawa kadar interaksi antara dua entiti adalah bergantung kepada saiz atau jisimnya serta berkadar songsang dengan jarak antara keduanya. Terdapat tiga jenis model graviti yang juga dikenali sebagai model interaksi reruang yang paling menonjol dan digunakan secara meluas dalam bidang perniagaan dan perancangan. Bermula dengan Hukum Peruncitan Reilly yang menentukan sempadan pasaran setiap pusat membeli-belah dan juga menentukan tempat berbelanja penduduk di sesuatu kawasan, Huff pula kemudiannya memperbaiki model Reilly itu. Model Huff menunjukkan peratus kemungkinan penduduk di sesuatu kawasan untuk pergi membeli belah di sesuatu pusat membeli-belah. Pentingnya modifikasi Huff ialah dengan memasukkan faktor persaingan antara pusat-pusat membeli-belah dan menekankan unsure kemungkinan dan bukannya pemilihan mutlak.Modifikasi model graviti yang ketiga dan mungkin merupakan suatu lonjakan kepada viarasi model interaksi reruang dicadangkan oleh Nakkanishi dan Cooper yang memasukkan faktor-faktor sosial kedalam model graviti bagi menghasilkan Multiplicative Competitive Interaction Model (MCI). MCI dihasilkan kerana menurut kedua sarjana itu, pemilihan tempat berbelanja pengguna bukan sahaja dipengaruhi oleh faktor saiz pusat-membeli-belah dan jaraknya dari kediaman pengunjung, malahan turut dipengaruhi faktor kemampuan sosio-ekonomi penduduk, cita rasa penduduk, rutin dan gaya hidup penduduk, kedapatan kemudahan di pusat membeli belah, penawaran pelbagai jenis barangan serta suasana atau imej sesebuah pusat membeli-belah. Bagi menentukan tahap kejitauan viarasi model graviti dan juga ketepatan ramalan model graviti dalam menerangkan interaski antara pusat membeli-belah serta paaran, kajian ini membandingkan peratusan pecahan asalan pelanggan serta pilihian tempat membeli-

107 
 

belah penduduk sekitar Daerah Johor Bahru yang disurvei, dengan ramalan pemilihan tempat membeli-belah ynag diramal oleh model graviti. Model Huff digunakan bagi tujuan ramalan tersebut. Dengan menjadikan tiga hypermarket Giant (Giant Skudai, Giant Plentong dan Giant Southern City) sebagai juzuk kajian utama, kajian ini menggunakan keupayaan analisis reruang yang ada dalam sistem maklumat geografi (GIS) bagi menjelaskan lagi ramalan tahap interaksi antara hypermarket kajian dengan pasarannya.

5.3

Analisis dan Penemuan Kajian

Berdasarkan analisis yang telah dijalankan, didapati bahawa bagi hypermarket berbeza, viarasi model graviti yang berbeza menghasilkan ramalan yang paling jitu dengan purata ralat paling rendah. Keadaan ini mungkin dipengaruhi oleh keadaan fizikal jaringan jalan raya yang luas dan intensif menghubungkan antara hypermarket dengan tempat asalan pelanggan Daerah Johor Bahru. Maka tidak penggunaan jarak radius tidak begitu berbeza dengan jarak sebenar. Malahan bagi penduduk Johor Bahru yang mempunyai taraf sosio–ekonomi tinggi dan rata-rata mempunyai kenderaan sendiri, faktor jarak mungkin bukanlah pertimbangan utama mereka dalam memilih tempat membeli-belah, malahan mungkin faktor cita rasa, suasana, kemudahan, konsep dan jenis barangan yang ditawarkan lebih mempengaruhi penduduk Johor Bahru. Namun begitu secara keseluruhannya, didapati bahawa penggunaan model graviti yang menggunakan pemboleh ubah jarak radius tanpa parameter menghasilkan ramalan yang paling jitu dengan purata ralat yang paling rendah iaitu hanya sebanyak 3.395. Penggunaan parameter keatas pemboleh ubah jarak dalam model graviti juga dibuktikan menjadikan ramalan semakin tidak tepat.Kedapatan outlier juga didapati menjadikan ramalan semakin tidak jitu. Malahan dapat diperhatikan bahawa tahap kejituan ramalan model graviti akan meningkat dengan meningkatnya bilangan sampel tempat asalan pelanggan serta bilangan responden yang disurvei. Analisis kajian in juga menunjukkan bahawa terdapatnya hubungan secara langsung antara saiz sesebuah hypermarket dengan luas atau jarak cakupan pasarannya. Lebih

108 
 

besar sesebuah hypermarket, maka lebih pelanggan dari jarak yang lebih jauh akan datang untuk membeli-belah. Maka penggunaan pemboleh ubah saiz ruang lantai hypermarket dan bilangan rumah disesuatu kawasan adalah memadai bagi mengukur kadar interaksi antara pusat membeli-belah dan juga pasarannya. Pengiraan persamaan serentak pula menunjukkan bahawa nilai pemalar graviti bagi interaksi antara hypermarket-hypermarket Giant di Johor Bahru dengan kawasan pasaran ialah 1.862 bagi viarasi model graviti yang menggunakan viarasi model berjarak radius tanpa parameter. Perbandingan antara hasil ramalan oleh model graviti paling jitu dengan hasil survei oleh Yuhanis menunjukkan bahawa model graviti menggunakan jarak radius tanpa parameter telah menunjukkan keputusan yang positif; mampu dan berjaya meramal pecahan pemilihan tempat berbelanja oleh penduduk di lapan (8) kawasan sekitar Johor Bahru. Model graviti Berjaya meramalkan tahap keupayaan tarikan atau tahap interaksi bagi sesebuah hypermarket sama ada lebih besar atau lebih kecil daripada hypermarket saingannya. Walaubagaimanapun, terdapat sedikit ralat dalam segi kejituan peratus pecahan penduduk, mungkin disebabkan kajian ini hanya mengambil kira faktor jarak, saiz hypermarket dan bilangan penduduk di sesuatu kawasan tanpa mengambil kira faktor kesesakan jalan raya yang perlu dilalui, rutin harian penduduk, dan juga kebiasaan pengunjung dengan sesebauh hypermarket tersebut.

5.4

Implikasi Penemuan Kajian Pada Perancangan dan Cadangan

Menerusi hasil kajian ini, menunjukkan bahawa model graviti mampu dengan baik dan jelas menghasilkan ramalan berkaitan interaksi antara hypermarket Giant dan pasaran. Viarasi model graviti dengan menggunakan jarak euclidean meramalkan dengan tepat mengenai kemampuan sesebuah hypermarket berbanding hypermarket saingannya dalam menarik penduduk di sesuatu kawasan perumahan. Sekaligus mengesahkan bahawa para perancang dan pembiuat keputusan boleh bergantung kepada model graviti bagi meramal sesuatu perubahan mahupun bagi tujuan memahami sistem interaksi antara pelbagai jenis gunatanah. Arakian dapat menghasilkan keputusan perancangan dan perancangan yang lebih berkesan dan baik. Menafikan dakwaan bahawa model graviti menghasilkan

109 
 

ramalan yang tidak jitu. Apa yang penting ialah, penggunaan viarasi pemboleh ubah yang tepat dan sesuai bagi sesuatu tujuan kajian betul. Ramalan tahap interaksi oleh model graviti boleh diterjemahkan bagi kegunaan beberapa perkara dalam bidang perancangan. Contohnya kadar interaksi boleh diterjemah dalam bentuk isipadu trafik yang mungkin melalui sesuatu laluan andainya terdapat projek pembangunan baru disesuatu kawasan. Ramalan model graviti akan dapat membantu perancang meramalkan peningkatan jumlah isipadu sesebuah jalan raya di masa akan datang, sekaligus bertindak merancang bagi mengatasi masalah kesesakan yang mungkin timbul. Begitu juga model graviti ini boleh digunakan bagi menentukan sama ada sesebuah hypermarket baru boleh dibina disesuatu kawasan atau tidak dengan mengaitkan pembangunan itu dan kesannya terhadap pecahan pasaran dan impak negatif kepada hypermarket serta kawasan perkedaian sedia ada atau pun digunakan bagi megira keuntungan yang mungkin dijana oleh hypermarket tersebut. Model graviti yang telah diukur dalam kajian ini boleh digunakan bagi mengira dan meramal kadar interaksi antara hypermarket dan pasarannya di masa akan datang. Sebarang pembinaan dan perletakan hypermarket seharusnya terlebih dahulu dirancang dengan mengambil kira faktor lokasinya, terutamanya dari segi jarak sesebuah hypermarket dengan pasaran sedia ada dan pasaran dalam pembinaan serta jaraknya dengan pesaingnya. Ini kerana melalui kajian ini ditunjukkan mengenai bagaimana Giant Southern City mengalami tekanan persaingan bagi menguasai pasaran berbanding Giant Skudai dan Giant Plentong. Menyebabkan litupan atau lingkungan pasaran Giant Southern City menjadi kecil dan terhad, seterusnya memberikan kesan kepada kadar keuntungan yang mungkin dijana. Melalui analisis kajian ini yang menunjukkan tahap tarikan bagi sesebuah hypermarket berbanding hypermarket saingannya, saiz sesebuah hypermarket dilihat sebagai signifikan dalam menentukan kuasa atau kadar tarikan sesebuah hypermarket terhadap pasaran. Justeru itu, pihak perancang, sebelum memberikan kebenaran merancang terhadap pembinaan hypermarket baru di sesuatu kawasan, seharusnya menetapkan had saiz dan minimum jaraknya berbanding dengan mana-mana hypermarket sedia ada, serta berdasarkan pada ciri-ciri permintaan dan keperluan pasaran, sama ada mencukupi dengan hypermarket sedia ada, atau pun terdapatnya keperluan bagi membina

110 
 

hypermarket yang baru. Ini kerana sekiranya terdapat lebihan penawaran yang disebabkan bilangan hypermarket yang banyak dengan saiz yang besar, litupan pasaran sedia ada dan lama di sesuatu kawasan, mungkin menguncup, seperti yang dibuktikan oleh kajian Yuhanis (2008). Maka para perancang perlulah menggunakan segala maklumat berkaitan gunatanah sedia ada dan gunatanah dimasa akan datang yang berkemungkinan, bagi meramalkan kemungkinan atau senario masa akan datang sekiranya sesebuah hypermarket ingin dibina disesuatu kawasan. Bagi tujuan tersebut, model graviti seharusnya digunakan bagi membantu para perancang meramal kemungkinan impak pembangunan hypermarket tersebut berdasarkan senario tertentu. Kadar interaksi dan pecahan kemungkinan asalan pelanggan hypermarket yang diramal menggunakan model graviti ini seterusnya membolehkan perancang meramal juga penigkatan keperluan pembesaran jalan serta mengawal perletakan taman perumahan dan hypermarket dengan lebih baik, Sekaligus membantu mewujudkan persekitaran bandar yang lebih seimbang dan mengurangkan kemungkinan masalah rantaian timbul akibat daripada kegagalan untuk merancang dan memperuntukkan dengan optimum gunatanah perniagaan bandar.

5.5

Cadangan Penyelidikan Lanjutan

Terdapat beberapa had atau halangan dalam kajian ini yang memungkinkan kajian lanjutan dijalankan bagi memperbaiki hasil analisis dan menunjukkan hubungkait yang lebih terpeinci mengenai interaksi antara juzuk menggunakan model graviti. Perbandingan antara ramalan dan hasil survei dalam kajian ini adalah amat bergantung kepada data survei asalan pelanggan tiga (3) hypermarket yang dibuat oleh Yuhanis (2008). Namun begitu, survei yang dibuat oleh Yuhanis bukanlah khusus bagi tujuan untuk dibandingkan dengan ramalan oleh model graviti. Justeru itu, faktor-faktor kunjungan ke hypermarket kajian berbanding hypermarket lain tidak disurvei dengan cukup terpeinci. Faktor-faktor seperti taraf sosio-ekonomi, suasana, cita rasa, psikologi pengguna, pilihan jenis barangan, kemudahan serta konsep tempat berbelanja yang menjadi pilihan

111 
 

pengguna tidak dimasukkan dalam survei tersebut. Kesemua faktor tersebut kemudiannya ditapis menggunakan Analisis Proses Berheirarki (AHP) dan di masukkan kedalam model graviti MCI seperti yang dipeloporikan oleh Nakkanishi dan Cooper. Justeru, ramalannya dibandingkan dengan hasil survei dan kita akan dapt membandingkan kejitaun ramalan model yang memasukkan unsur sosial dan psikologi pengguna. Malahan terdapat juga persoalan mengenai kerawakan survei yang akan mempengaruhi kejituan hasil perbandingan. Terdapat kemungkinan bahawa Yuhanis hanya menjalankan survei untuk satu hari di hari biasa atau di hujung minggu sedangkan terdapatnya kecenderungan penduduk di sesuatu kawasan yang tidak akan mengunjungi hypermarket kajian kerana faktor kesesakan jalan raya pada hujung minggu atau pun sebagainya. Justeru, mengganggu corak hasil analisis. Maka dicadangkan bagi tujuan melakukan kajian mengenai tahap kejituan ramalan model graviti yang sama, satu survei khusus yang cukup rawak serta mempunyai bilangan sampel lebih banyak dibuat, agar perbandingan akan lebih jitu dan tepat dapat dibuat. Kajian ini juga hanya mengambil kira persaingan ataupun interaksi bagi tiga (3) hypermarket Giant, sekaligus menghadkan perbandingan kadar interaksi atau mengabaikan faktor persaingan oleh hypermarket lain yang juga memberikan kesan pada corak pemilihan tempat berbelanja pengguna. Malahan didapati dalam kajian ini, adalah sukar untuk menerangkan sesuatu fenomena interaksi dengan hanya mengambil kira interaksi antara tiga hypermarket kajian, sedangkan terdapatnya pengaruh tarikan dan saingan oleh pusat-pusat perniagan sekitar. Maka bagi kajian lanjutan, perlu untuk dimasukkan faktor persaingan oleh lain-lain hypermarket dan juga kawasan perkedaian dalam kawasan kajian. Bagi tujuan kajian yang berbeza, terdapat kemungkinan bahawa viarasi model graviti yang berlainan akan menghasilkan kejituan berbeza. Begitu juga mungkin bagi kajian berkaitan juzuk lain seperti kemudahan awam, dan pejabat kerajaan mungkin berbeza. Sekaligus akan menerangkan kesan sebenar penggunaan parameter serta jenis jarak atau masa perjalanan yang berbeza dalam model graviti. Malahan kesan pengunaan masa dan kos perjalanan serta halangan sempadan politik serta halangan fizikal seperti bentuk muka bumi, dalam mempengaruhi halangan fizikal juga adalah perlu dikaji.

112 
 

Setelah diperolehi persamaan model regressi bagi mengukur interaksi antara hypermarket kajian dan pasaran Johor Bahru dalam kajian ini, lanjutan kajian bagi menggunakan dan mengaplikasi persamaan atau rumus model regressi tersebut untuk meramal interaksi hypermarket di masa hadapan juga boleh dilakukan. Malahan lebih dari itu terdapat juga keperluan untuk membuktikan kesan jenis, corak dan intesiti jaringan jalan raya, keadaan muka bumi serta densiti perumahan sekitar kawasan kajian dalam menentukan tahap interaksi antara hypermarket dan juga pasarannya.

-ALHAMDULILLAH-

113
 

RUJUKAN

Abdulkader, A. Murad. (2007) Using GIS for Retail Planning in Jeddah City. American Journal of Applied Sceince 4(10): 820-826. Agrawal & Anupum. (2007) The Ever Changing Market Place of Oman: From Souk to Hypermarket (Retailing in Oman: A Case Study of Muscat). Oman. Anand & Nambia. (2006) Indian Food Retail Sector in the Global Scenario. Sathguru Managment Consultants. Antennuci, J.C.. (1991) Geographic Information Systems: a Guide to the Technology. Chapman and Hall.London. Audhesh,.K.P. & Sandra, G.L.. (1995) Discriminatory Power of Retailing Factors. University of South Dakota. Brail, R.K.. (1987) Microcomputers in Urban Planning and Management. New

Brunswick, New Jersey: Center for Urban Policy Reserach. Beauvais, J.M.. (2008) Setting Up Supestores and Climate Change. Paris, Beauvais Consultant. Catanasa, A.J. & Synder, J.C.. (1979) Introduction to Urban Planning. McGraw-Hill. London. Chang, K.T.. (2002) Introduction to Geographic Information System. New York, McGraw-Hill Higher Education.

114
 

Chasco, C.Y. & Vicens, J.O.. (1999) Spatial Interaction Models Applied to the Design of Retail Trade Areas. Lawrence.R.Klein Institute, University of Madrid. Madrid. Chapin, F.S. & Weiss, S.F.. (1968) A Probabilistic Model For Residential Growth. Transportation Research. Duff, M.. (1991) Consumer Expenditures Study: Greeting Cards. Supermarket Business, 46 (9), 150-155. Dunne, Lusch & Griffith. (2002) Retailing, South-Western. Thomson Learning, Ohio. Editia, E.. (2005) Pembangunan Kiosk Maklumat Kawalan Pembangunan Berasaskan Web GIS Bagi Perancangan dan Pengurusan Bandar. Tesis Sarjana Sains Perancang Bandar dan Wilayah, Universiti Teknologi Malaysia. Ediwan, M.A. (2006) Penentuan Kesesuaian Perletakan Hypermarket Menggunakan Aplikasi Model Graviti. Thesis Jabatan Perancang Bandar & Wilayah, Universiti Teknologi Malaysia. Eppli, M.J. & Shilling, J.D.. (1996) How Critical Is a Good Location to a Regional Shopping Center. The Journal of Real Estate Research, Volume 12, No. 3, 459-458. Faris, M.D. & Ruslan, R.. (2003) Sistem Maklumat Geografi: Pemodelan Pembangunan Guna Tanah Komersial. Universiti Pendidikan Sultan Idris. Foust, B.. (2007) Phoenix Redevelopment Project: Supermarket Feasibility Study. Department of Geography, University of WInconsin-Eau Claire. Glasson, J.. (1991) Pengenalan Perancangan Wilayah;Konsep, Teori dan Amalan. Kuala Lumpur, Dewan Bahasa dan Pustaka.

115
 

Hamilton, B.. (2003) Utilizing the Probabbility Gravity Model to Evaluate Supermarket Expansion in Southern Palm Beach Country, Florida. Universiti of Florida. Iacono, M., Krizek, K., & El-Geneidy, A.. (2008) Access to Destinations: How Close is Close Enough? Estimating Accurate Distance Decay Functions for Multiple Modes and Different Purposes. Minnesota Department of Transportation. Katiman, R.. (1988) Pengantar Geografi Bandar. Dewan Bahasa & Pustaka, Kuala Lumpur. Laaksonen, M.. (1993) Retail patronage dynamics: Learning about daily shopping behavior in contexts of changing retail structures. Journal of Business Research, 28 (1/2), 3-174. Lee, M.L.. (2002) Three Essays on Real Estate Research. Doctorate Thesis, Louisiana State University. Jabatan Perancang Bandar & Desa Negeri Johor. (2001) Laporan Pemeriksaan RSN Johor 2002-2020. Management Ventures Inc.. (2007) MVI Retail Standard & Terms. London. Moller, K. R. & van den Heuvel. (1981) Contribution of Store Attributes to Retail Store Image and Preference. Liiketaloudellinen Aikakauskirja, 30 (3),278-295. Nakanishi, Masao, & Cooper, L.. (1974) Parameter Estimation for a Multiplicative Competitive Interaction Model - Least Squares Approach. Journal of Marketing Research, Vol. XI (August 1974); pp. 303-11. KPMG’s International. (2006) 2005 National Shopping Behavior Study: Executive Summary. Pace, R.K. & Long, L.M.. (2003) Spatial Distribution of Retail Sales. Louisiana State University, Los Angeles.

116
 

Pearson, K.J.. (2008) A comparative Business Site-Location Feasibility Analysis using Geografic Information Systems and the Gravity Model. Saint Mary’s University of Minnesota, Minneapolis. Khazanah Nasional. (2004) Pelan Komprehensif South Johor Economic Region (SJER). Perrigot & Cliquet. (2006) Hypermarket Format: Any Future or a Real Need to be Changed? An Empirical Study of the French, Spanish and Italian Markets. 5th International Marketing Trend Congress, Venice, Italy, January 2006. Rafael, S.V., Dolares, R.S.P., & Pablo, D.G.. (2005) Improving Competitive Facility Location Via GIS. University of Las Palmas de Gran Canaria, Spain. Riza, A.A.. (1994) Model Pengangkutan Bandar: Pendekatan Secara Teori dan Amali. Dewan Bahasa dan Pustaka, Kuala Lumpur. Robinson, P.A.. (1987) Determinants of the Retail Store Type Choice Process: An Examination of Environmental and Individual Difference Factors. Journal of Professional Services Marketing, 3 (1/2), 67-99. Rust, T.R. & Donthu, N.. (February 1995) Capturing Geographically Localized Misspecification Error in Retail Store Choice Models. Journal of Marketing Research Vol. XXXII, 103-110. Reilly, W.J.. (1929) The Law of Retail Gravitation. New York. Knickerbocker Press. Samat, N. & Masron, T.. (2008) Sistem Maklumat Geografi dalam Analisis Guna Tanah. Pulau Pinang, Penerbit Universiti Sains Malaysia. Skogster, P.. (2006) Location Planning Theories in Valuation of Retail Premises. XXIII FIG Congress, Munich, 8-13 Oktober, 2006. Sorensen, H.. (2003) The Science of Shopping. New York, Sorensen Associates Inc..

117
 

Wheeler, D.J.. (1993) Commentary: Linking Environmental Models with Geographic Information Systems for Global Change Research. Proceedings GIS/LIS, San Antnio, 2, 580-589. Yaakup, A.. (1999) Sistem Maklumat Geografi (GIS): Prinsip Asas dan Penggunaanya dalam Perancangan dan Pengurusan. Skudai, Universiti Teknologi Malaysia. Yuhanis, Y.. (2008) Kesan Pembangunan Hypermarket Terhadap Kedai Runcit. Tesis Jabatan Perancang Bandar & Wilayah, Universiti Teknologi Malaysia.

118
 

Lampiran 1– Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Skudai (Keluasan: 5109 meter per segi)

   Asal  Kampung Banjaran Kempas  Kampung Laut  Kampung Melayu Majidee  Kampung Pasir   Pangsapuri Bukit Saujana  Taman Aman  Taman Anggerik  Taman Bukit Kempas  Taman Bukit Mewah  Taman Cempaka  Taman Damai Jaya  Taman Dato Penggawa Barat  Taman Daya  Taman Desa Skudai  Taman Desa Tebrau  Taman Impian Emas  Taman Jaya  Taman JB  Taman Kempas  Taman Melur  Taman Munsyi Ibrahim  Taman Mutiara Rini  Taman Nesa  Taman Perling  Taman Pulai Perdana  Taman Seri Orkid  Taman Sri Putra  Taman Sri Putri  Taman Sri Skudai  Taman Tampoi Indah  Taman Tampoi Utama  Taman Tan Sri Yakob  Taman Timor  Taman Universiti  Taman Ungku Tun Aminah  Jumlah 

Jarak  Euclidean  % G :  % G :  J  J^2  0.09  0.20  0.91  0.71  0.76  0.14  3.46  4.60  7.71  4.27  2.81  0.81  4.89  0.35  0.44  3.06  0.25  2.70  1.70  1.65  3.15  3.42  1.12  7.70  0.75  1.27  3.47  1.66  5.57  3.66  0.82  0.10  8.27  6.51  100  0.09  0.18  0.28  0.44  0.17  0.04  6.02  4.87  13.99  3.94  1.54  1.09  1.32  0.19  0.08  3.79  0.19  1.41  1.20  1.42  4.59  1.52  0.99  4.35  0.21  0.64  16.79  1.24  3.63  2.93  0.47  0.01  3.11  4.22  100 

Jarak Sebenar  %G:J  0.13   0.28   0.95   0.84   0.86   0.15   2.44   3.64   6.41   3.78   2.81   0.88   4.08   0.34   0.44   2.78   0.28   2.83   1.42   1.86   2.92   4.58   1.28   7.47   0.87   1.34   1.65   2.08   6.75   3.72   0.94   0.12   9.10   7.16   100  %  G:J^2  0.21   0.43   0.35   0.70   0.26   0.06   3.46   3.54   11.19  3.58   1.78   1.46   1.06   0.21   0.09   3.63   0.27   1.79   0.96   2.09   4.57   3.15   1.49   4.74   0.34   0.82   4.41   2.25   6.16   3.50   0.71   0.02   4.36   5.91  

Survey  Bil.  4  2  1  2  1  2  11  10  10  4  2  2  1  3  1  18  2  7  7  1  8  3  10  2  3  4  3  5  5  1  2  1  2  1  14 

  

  

Peratus  Jarak  Jarak  (%)  Euclidean  Sebenar  2.58  1.29  0.65  1.29  0.65  1.29  7.10  6.45  6.45  2.58  1.29  1.29  0.65  1.94  0.65  11.61  1.29  4.52  4.52  0.65  5.16  1.94  6.45  1.29  1.94  2.58  1.94  3.23  3.23  0.65  1.29  0.65  1.29  0.65  9.03  100  2595  2615  7937  3965  10714  7500  1398  2299  1341  2635  4445  1818  8996  4539  13433  1964  3175  4659  3455  2832  1669  5486  2766  4304  8600  4858  503  3263  3736  2057  3040  4232  17414  6471  3752  164466  2328  2386  9866  4376  12243  8708  2579  3769  2097  3869  5784  2197  14026  6008  17475  2806  3687  5784  5401  3269  2338  5328  3155  5769  9529  5984  1372  3387  4011  2297  3887  4835  20500  7642  4435  203127 

11.02  13.04  12.83  20.45 

100  155 

119
 

Lampiran 2 – Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Plentong (Keluasan: 9290 meter per segi)

   Asal  Bandar Baru Kota Puteri  Bandar Baru Permas Jaya  Bandar Baru Seri Alam  Kampung Pasir Putih  Taman Cahaya Masai  Taman Desa Harmoni  Taman Desa Jaya   Taman Johor Jaya  Taman Kota Masai  Taman Mawar  Taman Molek  Taman Pasir Putih  Taman Putri Wangsa  Taman Ria  Taman Rinting  Taman Saujana  Taman Sri Plentong       

Jarak  Euclidean  %  % G:J  G:J^2  7.50  15.25  4.37  0.29  0.44  4.25  0.46  39.41  0.20  0.05  13.41  0.29  2.32  0.39  5.64  4.33  1.39  3.76  10.33  1.62  0.05  0.12  3.88  0.36  52.01  0.06  0.00  11.14  0.05  1.01  0.62  1.92  7.87  5.18 

Jarak Sebenar  % G:J  7.19  %  G:J^2  3.33 

Survey  Bil.  13  9  10  1  5  3  10  26  8  6  7  1  8  6  9  13  11 

    Peratus  Jarak  Jarak  (%)  Euclidean  Sebenar  8.90  6.16  6.85  0.68  3.42  2.05  6.85  17.81  5.48  4.11  4.79  0.68  5.48  4.11  6.16  8.90  7.53     4858  3596  6564  13600  9000  2672  3136  1847  8200  27395  2935  13650  5622  1541  7138  1340  654  6128  4238  8166  15578  9888  11365  3597  2097  9988  34081  3504  15443  6628  1814  8049  1800  724 

15.65  10.48  4.25  0.31  0.49  1.21  0.49  1.48  0.06  0.14  0.30  0.38 

42.00  56.82  0.20  0.05  0.06  0.00 

13.59  11.01  0.31  2.39  0.40  6.05  3.90  1.52  0.06  1.02  0.63  2.13  6.14  5.96 

100 

100 

100 

100  146 

100 

113748 

143088 

120
 

Lampiran 3– Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Southern City (Keluasan: 2378 meter per segi)

  Asal  Bandar Baru Permas Jaya  Bandar Baru Uda  Flat Larkin  Kampung Bendahara  Kampung Dato Onn Larkin  Kampung Dato Sulaiman  Menteri  Kampung Kurnia  Kampung Larkin Jaya  Kampung Melayu Majidee  Kampung Pandan  Kampung Setanggi  Kampung Ubi  Kampung Ungku Mohsin  Larkin Perdana  Pangsapuri Bukit Saujana  Stulang Bahru  Taman Abad  Taman Daya  Taman Desa Cemerlang  Taman Desa Harmoni  Taman Gembira  Taman Johor Jaya  Taman Kebun Teh  Taman Maju Jaya  Taman Pelangi  Taman Perbadanan Islam  Taman Saujana  Taman Sentosa  Taman Sri Bahagia  Taman Suria  Taman Sutera    

Jarak  Euclidean  %  %G:J  G:J^2  6.85  6.46  0.71  1.45  1.64  9.04  1.73  0.62  5.00  0.39  0.78  0.17  0.39  7.40  2.13  0.91  5.36  8.73  0.12  2.19  1.05  9.38  0.38  0.11  7.00  1.25  0.84  6.54  0.74  0.38  100  1.90  2.18  0.61  2.46  1.16  16.64  3.42  0.48  5.46  0.25  1.89  0.18  0.27  7.91  0.88  2.33  3.72  2.73  0.02  0.94  0.64  2.69  0.55  0.02  3.79  3.24  0.27  6.05  0.33  0.08  100 

Jarak Sebenar  % G:J  6.63  6.58  0.69  1.45  1.57  9.20  1.90  0.65  5.24  0.42  0.74  0.18  0.38  7.51  2.24  0.90  5.65  8.28  0.12  1.52  1.12  8.81  0.42  0.11  7.08  1.05  0.68  6.67  0.79  0.39  100  %  G:J^2  1.71  2.16  0.56  2.36  1.01  16.44  3.95  0.49  5.74  0.28  1.61  0.21  0.25  7.79  0.92  2.15  3.94  2.34  0.02  0.43  0.69  2.27  0.65  0.01  3.70  2.17  0.17  6.01  0.35  0.08  100 

Survey  Bil.  7  1  9  7  5  12  8  15  21  5  3  2  3  2  6  5  8  4  1  4  3  1  4  1  4  10  5  3  1  15  1  176  Peratus  (%)  3.98  0.57  5.11  3.98  2.84  6.82  4.55  8.52  11.93  2.84  1.70  1.14  1.70  1.14  3.41  2.84  4.55  2.27  0.57  2.27  1.70  0.57  2.27  0.57  2.27  5.68  2.84  1.70  0.57  8.52  0.57 

  Jarak  Radius  6124  5046  1960  1001  2406  926  862  2225  1559  2630  707  1537  2393  1593  4137  668  2458  5449  8818  3961  2813  5933  1173  11408  3150  657  5300  1841  3836  650  8181 

  Jarak  Euclidean  7111  5579  2248  1124  2831  1024  882  2407  1672  2731  841  1565  2755  1765  4431  765  2624  6469  9739  6435  2979  7111  1182  13295  3504  882  7284  2031  4072  682  8959  116979 

10.26  26.90  11.01  29.53 

100  101402 

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.