analisis kepemilikan sepeda motor pada rumah tangga di

1

TESIS

ANALISIS KEPEMILIKAN SEPEDA MOTOR PADARUMAH TANGGA DI KABUPATEN BULELENGMENGGUNAKAN MODEL REGRESI LOGISTIK

SUS LIRIS WORO

PROGRAM PASCASARJANAUNIVERSITAS UDAYANA

DENPASAR2011

TESIS

1

TESIS


SUS LIRIS WORO


DENPASAR2011

TESIS

1

TESIS


SUS LIRIS WORO


DENPASAR2011

TESIS

2


SUS LIRIS WORONIM 0791561048

PROGRAM MAGISTERPROGRAM STUDI TEKNIK SIPIL


DENPASAR2011

2





DENPASAR2011

2





DENPASAR2011

3


Tesis untuk Memperoleh Gelar MagisterPada Program Magister, Program Studi Teknik Sipil

Program Pasca Sarjana Universitas Udayana




DENPASAR2011

ii

4

Lembar Pengesahan

TESIS INI TELAH DISETUJUITANGGAL, 19 AGUSTUS 2011

Pembimbing I, Pembimbing II,

I Putu Alit Suthanaya, ST., MengSc., Ph.D. Dewa Made Priyantha W, ST., MT., MSc. Ph.D.NIP. 19690805 199503 1 001 NIP. 19700303 199702 1 005

Mengetahui

Ketua Program Studi Magister Teknik Sipil DirekturProgram Pascasarjana Program PascasarjanaUniversitas Udayana, Universitas Udayana,

Prof. Dr. Ir. I Made Alit Karyawan Salain, DEA. Prof. Dr. dr. A. A. Raka Sudewi, Sp.S (K).NIP. 19620404 199103 1 002 NIP. 19590215 198510 2 001

iii

5

Lembar Penetapan Panitia Penguji Tesis

Tesis Ini Telah DiujiPada Tanggal 19 Agustus 2011

Panitia Penguji Tesis Berdasarkan Surat Keputusan RektorUniversitas Udayana, No: 1457/UN.14.4HK/2011

Ketua : I. P Alit Suthanaya, ST.,MEngSc.,Ph.D

Anggota :

1. D.M Priyantha W,ST.,MT.,MSc.,Ph.D.

2. Ir. I Gusti Putu Suparsa, MT

3. Ir. I Nyoman Arya Thanaya ,ME, Ph.D

4. Ir. I Made Sukada Wenten, MT

iv

6

SURAT PERNYATAAN

Yang bertanda tangan dibawah ini:

Nama : Sus Liris Woro

NIM : 0791561048

Tempat dan Tanggal Lahir : Solo, 07 Maret 1976

Alamat : Perum Graha Asri Persada, Jl Merdeka Blok C/17

Pesiapan - Tabanan

Telepon rumah/HP : (0361) 8945606, Hp. 081805417677

Menyatakan dengan sebenarnya bahwa saya tidak menjiplak setengah atau sepenuhnya

tesis orang lain.

Demikian pernyataan ini saya buat dengan sebenarnya untuk dapat dipergunakan

sebagaimana mestinya dan apabila dikemudian hari ternyata tidak benar, maka saya

bersedia dituntut sesuai dengan peraturan perundangan yang berlaku.

Denpasar, Agustus 2011Hormat saya,

Sus Liris WoroNIM. 0791561048

v

7

UCAPAN TERIMA KASIH

Puji Syukur penulis ucapkan kehadapan Tuhan Yang Maha Esa atas segala berkat

dan rahmatNya, penulis dapat menyelesaikan Tesis yang berjudul “Analisis

Kepemilikan Sepeda Motor Pada Rumah Tangga Di Kabupaten Buleleng

Menggunakan Model Regresi Logistik”. Penyusunan Tesis ini bertujuan untuk

memenuhi salah satu persyaratan bagi mahasiswa untuk menyelesaikan studi strata dua

Program Studi Magister Teknik Sipil Fakultas Udayana Denpasar. Pada kesempatan ini

pula perkenankan penulis mengucapkan terima kasih kepada Bapak I Putu Alit

Suthanaya, ST., MEngSc., Ph.D selaku Dosen Pembimbing I dan Bapak Dewa Made

Priyantha Wedagama, ST., MT., MSc., PhD selaku Dosen Pembimbing II, yang penuh

dengan kesabaran membimbing, memberi saran, serta arahan yang baik kepada penulis.

Ucapan terima kasih juga ditujukan kepada Ketua Program Studi Teknik Sipil

Program Pascasarjana Universitas Udayana Bapak Prof. Dr. Ir. I Made Alit Karyawan

Salain, DEA atas dukungan yang diberikan kepada penulis untuk mengikuti pendidikan

Program Pascasarjana Universitas Udayana.

Akhirnya penulis sampaikan terima kasih kepada seluruh anggota keluarga

terutama kepada orangtua terkasih, suami dan anak tercinta serta rekan-rekan yang selalu

memberi semangat dan dorongan kepada penulis dalam mengikuti pendidikan pada

Program Pascasarjana Universitas Udayana.

Denpasar, Agustus 2011

Penulis

vi

8

ABSTRAKANALISIS KEPEMILIKAN SEPEDA MOTOR PADA RUMAH TANGGA DI

KABUPATEN BULELENGMENGGUNAKAN MODEL REGRESI LOGISTIK

Peningkatan jumlah penduduk yang disertai pertumbuhan perekonomian diKabupaten Buleleng telah mendorong tingkat kepemilikan kendaraan bermotor daritahun ke tahunnya meningkat. Hal ini tentunya akan memberi pengaruh pada kondisi lalulintas yang ada. Maka tujuan yang ingin dicapai dalam penelitian ini adalah : untukmenganalisis karakteristik sosial-ekonomi dan demografi rumah tangga di KabupatenBuleleng dan menganalis model kepemilikan sepeda motor pada rumah tangga denganfaktor-faktor yang mempengaruhinya.

Analisis dilakukan terhadap data primer yang diperoleh dengan melakukan HomeInterview Survai, sehingga dilakukan analisis: jumlah anggota keluarga, total pendapatankeluarga, biaya transportasi, total jumlah sepeda motor yang dimiliki dalam rumahtangga, jarak perjalanan perhari yang ditempuh oleh semua anggota keluarga, dan totalwaktu perjalanan . Data lain yakni data sekunder yang didapat dari Badan Pusat Statistikserta dari literatur lainya. Selanjutnya data ini dianalisis dengan menggunakan modelregresi logistik dan perangkat lunak SPSS versi 15.

Hasil dari penelitian kepemilikan sepeda motor pada rumah tangga di KabupatenBuleleng adalah dari sisi sosial-ekonomi dan demografi penduduk Prosentase tertinggipendapatan adalah keluarga antara Rp. 1.000.000,-sampai dengan Rp. 4.000.000,- sebesar89% , sedangkan yang berpenghasilan diatas Rp. 4.000.000,- sebesar 11%. Kepemilikan1 unit sepeda motor mempunyai prosentase tertinggi yaitu 57%, kepemilikan lebih dari 2unit sepeda motor adalah 20%, berimbang dengan masyarakat yang tidak memilikisepeda motor (0 unit) yaitu 23%. Adapun bentuk model pemilihan mode dari kepemilikansepeda motor di Kabupaten Buleleng adalah:

pp

1ln 0,601-0,602*keluarga(1)-1,585*pendapatan(1)-0,295*jarak(1) +

0,137*jarak(2)-1,037*btransport(1)-0,176*btransport(2)Untuk probabilitas dari masing-masing faktor yang berpengaruh terhadap kepemilikansepeda motor di Kabupaten Buleleng pada tingkat 5% atau dengan kepercayaan 95%adalah jumlah anggota keluarga 3-4 orang dibandingkan dengan anggota keluarga 4orang, lebih kecil 45,2 % (0,548-1), pendapatan rumah tangga per bulan Rp. 1 juta – 4juta dibandingkan keluarga dengan pendapatan Rp 4 juta rupiah per bulan, lebih kecil79.5% (0,205-1) dan biaya transportasi kurang dari Rp. 100 ribu per bulan dibandingkankeluarga dengan biaya transportasi per bulannya > Rp. 300 ribu lebih kecil 64,6% (0,354-1).

Kata Kunci: Kepemilikan sepeda motor, regresi logistik, Kabupaten Buleleng

vii

9

ABSTRACT

ANALYSIS OF MOTORCYCLE OWNERSHIP IN HOUSEHOLDIN DISTRICT BULELENG

USING LOGISTIC REGRESSION MODEL

Increasing population accompanied economic growth in Buleleng has pushed thelevel of vehicle ownership increased from year to year. This will certainly make an

impact on existing traffic conditions. Then the objectives to be achieved in this studywere: to analyze the socio-economic characteristics and household demographics in

Buleleng and analyze models of motorcycle ownership in households with the factors thatinfluence it.

The analysis performed on primary data obtained by performing Home InterviewSurvey, so do the analysis: the number of family members, total family income,

transportation costs, the total number of motorcycles owned in the household, per daytravel distance traveled by all family members, and the total travel time. Other data that is

secondary data obtained from the Central Bureau of Statistics as well as from otherliterature further more, these data were analyzed using logistic regression models and the

software SPSS version 15.Results of research on the motorcycle ownership households in Buleleng district is

from the socio-economic and demographic population of the highest percentage of familyincome is between Rp. 1,000,000,-up to Rp. 4.000.000, - by 89%, while income aboveRp. 4.000.000, - by 11%. Ownership of a motorcycle unit has the highest percentage of57%, ownership of more than 2 units of motorcycles is 20%, balanced with people who

do not have a bike (0 units), namely 23%. The shape of mode selection model ofmotorcycle ownership in Buleleng district are:

pp

1ln 0.601-0.602*Family(1)-1.585*income(1)-0.295*distance(1) +

0.137*distance(2)-1.037*btransport(1)-0.176*btransport(2)For the probability of each of the factors that affect motorcycle ownership in the Districtof Buleleng at the 5% or with 95% confidence is the number of family memberscompared with 3-4 people 4 people family members, 45.2% smaller (0.548-1 ), householdincome per month Rp. 1,000,000,-up to Rp. 4.000.000 compared to families with incomeof Rp. 4.000.000 per month, 79.5% smaller (0.205-1) and transportation costs are lessthan Rp. 100 thousand per month compared to families with transportation costs permonth > Rp. 300 thousand smaller 64.6% (from0.354-1).

Keywords: motorcycles ownership, logistic regression ,Buleleng

viii

10

DAFTAR ISI

HalamanHALAMAN SAMPUL DALAM ............................................................................ iPRASYARAT GELAR ........................................................................................... iiLEMBAR PERSETUJUAN .................................................................................... iiiLEMBAR PENETAPAN PANITIA PENGUJI ..................................................... ivSURAT PERNYATAAN ........................................................................................ vUCAPAN TERIMA KASIH ................................................................................... viABSTRAK ............................................................................................................... viiABSTRACT ............................................................................................................ viiiDAFTAR ISI ............................................................................................................ ixDAFTAR TABEL .................................................................................................... xiiDAFTAR GAMBAR ............................................................................................... xiiiDAFTAR NOTASI .................................................................................................. xivDAFTAR ISTILAH ................................................................................................. xv

BAB I PENDAHULUAN

1.1 Latar Belakang............................................................................... ...1

1.2 Rumusan Masalah ......................................................................... ...4

1.3 Tujuan Penelitian........................................................................... ...4

1.4 Manfaat Penelitian......................................................................... ...5

1.5 Batasan Masalah............................................................................ ...6

BAB II TINJAUAN PUSTAKA

2.1 Pengertian Transportasi ................................................................. ...7

2.2 Pengertian Kendaraan.................................................................... ...8

2.2.1 Definisi Moda....................................................................... ...8

2.2.2 Pemodelan Transportasi ....................................................... ...9

2.2.3 Kepemilikan Kendaraan Bermotor di Indonesia. ................. .10

2.3 Konsep Rumah Tangga dan Keluarga ........................................... .12

2.3.1 Definisi Rumah Tangga dan Keluarga ................................. .12

2.3.2 Bentuk-bentuk Keluarga....................................................... .13

2.4 Pengertian Regresi......................................................................... .15

2.5 Regresi Logistik ............................................................................ .16

2.5.1 Desain dan Analisis Variabel Dummy ................................. .19

2.5.2 Bentuk Umum Regresi Logistik ........................................... .22

2.5.3 Maksimum Likelihood untuk Penentuan

Parameter Model Logistik .................................................... .25

ix

11

2.5.4 Uji Kelayakan Model (Goodness of Fit) .............................. .272.5.5 Pengertian Kalibrasi dan Validasi ........................................ .292.5.6 Ratio Odds dan Probabilitas ................................................. .30

2.6 Penggunaan Perangkat Lunak SPSS version 15............................. .32BAB III METODE PENELITIAN

3.1 Tahapan Penelitian ........................................................................ .343.1.1 Survai Pendahuluan .............................................................. .363.1.2 Kompilasi Data .................................................................... .37

3.2 Lokasi dan Waktu Penelitian......................................................... .373.3 Desain Kuisioner ........................................................................... .423.4 Desain Sampel ............................................................................... .433.5 Penentuan Sampel ......................................................................... .453.6 Teknik Pengambilan Sampel ......................................................... .483.7 Cara Pelaksanaan Survai ............................................................... .49

3.7.1 Data Primer.......................................................................... .503.7.2 Data Sekunder ...................................................................... .51

3.8 Pengolahan Data............................................................................ .513.9 Jumlah Sampel Home Interview Survai ........................................ .523.10 Tabulasi Data................................................................................. .543.11 Pendefinisian Variabel Dummy..................................................... .54

BAB IV DESKRIPSI DATA4.1 Gambaran Umum Penduduk Kabupaten Buleleng........................ .59

4.1.1 Laju Pertumbuhan Penduduk .............................................. .594.1.2 Jumlah Penduduk per Kecamatan........................................ .604.1.3 Ratio Jenis Kelamin Penduduk............................................. .62

4.2 Analisis Sosial-Ekonomi Rumah Tangga...................................... .63BAB V PEMODELAN DAN ANALISIS OUTPUT MODEL

5.1 Pemilihan Variabel Model............................................................. .695.2 Kalibrasi Model ............................................................................ .725.3 Validasi Model .............................................................................. .76

BAB VI SIMPULAN DAN SARAN6.1 Simpulan Untuk Kepemilikan Sepeda Motor................................ .80

6.1.1 Karakteristik Sosial-Ekonomi dan Demografi ..................... .806.1.2 Model Kepemilikan Sepeda Motor....................................... .816.1.3 Probabilitas Kepemilikan Sepeda Motor .............................. .82

6.2 Saran .......................................................................................... .83

x

12

DAFTAR PUSTAKA .......................................................................................... .84

LAMPIRAN

Lampiran A : Gambar Peta Pulau Bali dan Peta Lokasi survai .............................. 86

Lampiran B.1 : Jumlah Sampel dan Kompilasi Data.................................................. 88

Lampiran B.2 : Data Hasil Survai Lapangan Home Interview ................................... 92

Lampiran B.3 : Pengkodean Variabel Dummy........................................................... 140

Lampiran C : Output Data SPSS 15.0 for Windows................................................... 191

Lampiran D : Formulir Survai .................................................................................... 197

xi

13

DAFTAR TABEL

Halaman

Tabel 2.1 Uji Hipotesis Hipotesis Klasifikasi Pekerjaan Responden ...................... 22

Tabel 2.2 Ilustrasi Uji Statistik Hosmer and Lemeshow ......................................... 29

Tabel 3.1 Pembagian Zona di Kabupaten Buleleng................................................ 38

Tabel 3.2 Data Yang Dikumpulkan dari Responden ............................................... 51

Tabel 3.3 Ukuran Sampel Minimum Yang Di Sarankan ......................................... 52

Tabel 3.4 Pengkodean Variabel Dummy ................................................................. 56

Tabel 4.1 Pertumbuhan Penduduk Kabupaten Buleleng ......................................... 60

Tabel 4.2 Jumlah KK dan Jiwa di Kabupaten Buleleng .......................................... 61

Tabel 4.3 Jumlah Penduduk per Kecamatan menurut Jenis Kelamin...................... 62

Tabel 4.4 Jumlah Anggota Keluarga di Daerah Studi ............................................. 64

Tabel 4.5 Jumlah Pelajar di tiap Keluarga pada Area Studi .................................... 65

Tabel 4.6 Kepemilikan Sepeda Motor ..................................................................... 67

Tabel 5.1 Reduksi Variabel Dummy ....................................................................... 71

Tabel 5.2 Variabel Bebas yang Signifikan .............................................................. 72

Table 5.3 Signifikansi Model................................................................................... 76

Table 5.4 Koefisien Determinasi Model .................................................................. 77

Tabel 5.5 Uji Hosmer-Lemeshow............................................................................ 78

Tabel 5.6 Akurasi Proporsi Data dan Model ........................................................... 78

xii

14

DAFTAR GAMBAR

Halaman

Gambar 2.1 Grafik Regresi Logistik........................................................................ 17

Gambar 2.2 Grafik Regresi Linier ........................................................................... 19

Gambar 3.1 Diagram Alir Tahapan Penelitian ........................................................ 35

Gambar 4.1 Diagram Penduduk di Kabupaten Buleleng......................................... 61

Gambar 4.2 Diagram Penduduk Laki-laki dan Perempuan ..................................... 63

Gambar 4.3 Diagram Prosentase Anggota Keluarga pada Area Studi..................... 64

Gambar 4.4 Diagram Prosentase Pelajar ................................................................. 65

Gambar 4.5 Diagram Prosentase Pendapatan .......................................................... 66

Gambar 4.6 Diagram Prosentase Kepemilikan Sepeda Motor ................................ 67

Gambar A: Gambar Peta Pulau Bali dan Peta Lokasi survai ................................. 86

Gambar A: Peta Lokasi Survai Kabupaten Buleleng............................................. 87

xiii

15

DAFTAR NOTASI

Ln(p/(1-p)) = Proses kalibrasi rumus probabilitas yang bersifat non linier ke linierX1......k = Variabel bebasB0,1....k = Koefisien regresi/parameter modelS = Standar deviasi sampelSe = Acceptable Sampling ErrorSe(x) = Acceptable Sampling Errorn = Jumlah sampelp = Proporsi sampel berdasarkan jumlahz = Nilai variabel standar normalĈ = Uji Hosmer-Lemeshow (H-L test)Ok = Nilai ObservasiEk = Nilai EkspektasiVk = Faktor koreksi variansiY = Probabilitas kepemilikan sepeda motorX1,...n = Variabel bebas

xiv

16

DAFTAR ISTILAH

Tabulasi Data : mengorganisasikan data yang telah di edit dan di beri kode.Data Primer : data dari hasil survai wawancara rumah tangga (home interview)Data Sekunder : data yang didapatkan dari kantor Pemerintahan (Badan Pusat

Statistik dan Kelurahan)Editing : merupakan kegiatan peninjauan terhadap data yang telah

dikumpulkan melalui survai dan melakukan perbaikan ataumelengkapi data.

Koding : merupakan kegiatan pemberian kode data yang dikumpulkan sesuaimetode regresi logistik yang digunakan dalam análisis

Reduksi Variabel : menyeleksi variabel yang akan diikutsertakan di dalam modeldengan tujuan untuk menguji signifikasi dari klasifikasi setiapvariabel.

Kalibrasi : proses perhitungan untuk menentukan nilai parameter (konstantadan koefisien) dari suatu model.

Validasi : ketepatan dan kecermatan dari suatu alat ukur dalam mengukur data.Regresi : salah satu metode untuk menentukan tingkat pengaruh suatu

variabel terhadap variabel yang lain.Analisis Regresi : studi dalam menjelaskan dan mengevaluasi hubungan antara suatu

peubah bebas (independent variable) dengan satu peubah tak bebas(dependent variable) dengan tujuan untuk mengestimasi dan ataumeramalkan nilai peubah tak bebas didasarkan pada nilai peubahbebas yang diketahui

Regresi Logistik : bagian dari analisis regresi yang digunakan ketika variabel dependen(respon) merupakan variabel dikotomi (terdiri dari dua nilai yangmewakili kemunculan atau tidaknya suatu kejadian yang biasanyadiberi angka 0 atau 1).

Variabel : atribut seseorang atau obyek yang mempunyai variasi antara satuorang dengan orang lainnya atau dari suatu obyek dengan obyeklainnya.

Variabel dummy : variabel simbol (variabel boneka), merupakan variabel buatan yangdinyatakan dalam bentuk kode yang biasanya digunakan untukmengkuantifikasikan data kualitatif.

Multikolinieritas : korelasi antar variabel bebas. Pengujian ini diperlukan untukmengetahui ada atau tidaknya kemiripan antar variabel bebas dalamsuatu model.

Odds : peluang atau probabilitas atau kemungkinan. Odds suatu kejadiandigambarkan sebagai peluang dari suatu peristiwa yang terjadidibagi oleh peluang dari kejadian yang tidak terjadi.

Sampel : sekumpulan unit yang merupakan bagian dari suatu populasi yangdipilih untuk mewakili keseluruhan populasi.

xv

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Kabupaten Buleleng terletak di belahan utara Pulau Bali memanjang dari

barat ke timur dan mempunyai pantai sepanjang 144 Km, secara geografis terletak

pada posisi 8o03'40'' – 8o23'00'' lintang selatan dan 114o25'55'' – 115o27'28'' bujur

timur. Luas Kabupaten Buleleng secara keseluruhan 1.365,88 Km2 atau 24,25 %

dari luas Propinsi Bali yaitu hampir 1/3 luas Pulau Bali (1365,88 hektar).

Kabupaten Buleleng yang meliputi area 1.370 km2 terbagi atas 9 kecamatan yaitu

Kecamatan Tejakula, Kubutambahan, Sawan, Buleleng, Sukasada, Banjar,

Busungbiu, Seririt dan Gerokgak Sampai dengan tahun 2009, di Kabupaten

Buleleng telah didukung dengan sarana perhubungan darat berupa jalan raya

sepanjang 1.139,88 km dengan rincian Jalan Nasional 155,75 km, Jalan Propinsi

105,88 km, Jalan Kabupaten 878,19 km disamping perhubungan darat Kabupaten

Buleleng juga memiliki perhubungan laut berupa Dermaga Pelabuhan Celukan

Bawang di Kecamatan Gerokgak, Pelabuhan Tradisional Sangsit di Kecamatan

Sawan, khusus untuk bongkar muat barang. Diantara Kabupaten di Bali kecuali

Kabupaten Badung, Buleleng juga telah dilengkapi dengan sarana perhubungan

udara berupa Air Strip Letkol Wisnu di Desa Sumberkima Kecamatan Gerokgak

yang diharapkan dapat memperlancar aksesibilitas ke daerah Buleleng.

Peningkatan jumlah penduduk yang disertai pertumbuhan perekonomian

di Kabupaten Buleleng telah mendorong tingkat kepemilikan kendaraan bermotor

2

dari tahun ke tahunnya meningkat. Pertumbuhan kendaraan sebesar 16,72 %

(BPS, 2009) tentunya akan memberi pengaruh pada kondisi lalu lintas yang ada.

Melihat kondisi tersebut diperkirakan akan terjadi peningkatan permintaan

(demand) pada kebutuhan transportasi pada tahun mendatang. Peningkatan

permintaan tersebut jika tidak dikuti ketersediaan sarana dan prasarana (supply)

yang memadai akan menimbulkan permasalahan di bidang transportasi itu sendiri

pada akhirnya. Penyediaan prasarana transportasi pada titik tertentu seperti

pembuatan jalan baru, bukan merupakan pemecahan masalah yang tepat karena

akan memicu bangkitan perjalanan baru, sehingga dibutuhkan sistem perencanaan

transportasi yang baik yang memadukan antara efisiensi transportasi,

pertumbuhan ekonomi dan kelestarian sumber daya. Perencanaan transportasi

pada dasarnya adalah memperkirakan kebutuhan transportasi dimasa datang yang

harus dikaitkan dengan masalah ekonomi, sosial dan lingkungan. Transportasi

harus memberikan keuntungan maksimum kepada masayarakat dengan

meminimumkan penggunaan waktu dan biaya. Jika tingkat pelayanan angkutan

umum rendah maka minat masyarakat untuk menggunakan kendaraan pribadi

jauh lebih tinggi. Selain karena rendahnya tingkat pelayanan angkutan umum

banyak produsen angkutan pribadi khususnya sepeda motor memberikan promosi

gencar untuk meningkatkan penjualan misalnya dengan memberikan bonus,

rendahnya bunga kredit, serta jangka waktu kredit yang panjang, sehingga

membuat masyarakat menjadi tergiur untuk memiliki kendaraan pribadi.

Di Indonesia sendiri menurut laporan Bank Dunia tahun 2005, kepemilikan

mobil kurang lebih 16% sedangkan sepeda motor 80% (Hsu dan Lin, 2007).

3

Secara umum kepemilikan dan penggunaan sepeda motor terkait dengan tingkat

pertumbuhan ekonomi suatu negara atau wilayah regional. Sebagai contoh di

Jepang yang mempunyai tingkat pendapatan tinggi, akhir-akhir ini kepemilikan

dan penggunaan sepeda motor cenderung berkurang sekitar 20% hal ini

disebabkan karena dinegara Jepang yang sangat maju akan sistem transportasinya

dapat memberikan kenyamanan terhadap masyarakat dalam efisiensi waktu dan

biaya. Sedangkan di negara yang berpenghasilan lebih rendah seperti di Indonesia,

kepemilikan dan penggunaan sepeda motor cenderung tinggi (Hsu dan Lin, 2007).

Persoalan yang timbul dengan tingginya kepemilikan kendaraan bermotor

khususnya sepeda motor adalah kepadatan lalu lintas campuran (mixed traffic)

yang tinggi dan dapat beresiko kepada aspek keselamatan lalu lintas atau

tingginya resiko terjadinya kecelakaan lalu lintas (Hsu et al, 2007 dan Leong

Sadullah, 2007). Untuk itu diperlukan adanya analisis mengenai faktor-faktor

yang mempengaruhi kepemilikan sepeda motor pada rumah tangga (household).

Hal-hal tersebut diperlukan dalam rangka pemahaman perilaku kepemilikan

kendaraan bermotor pada rumah tangga.

Berdasarkan uraian diatas maka dalam tesis ini dilakukan studi mengenai

analisis kepemilikan sepeda motor pada rumah tangga di Kabupaten Buleleng.

Tujuan dari penelitian ini salah satunya yaitu untuk membuat model dan

menganalisis kepemilikan sepeda motor di Kabupaten Buleleng dan faktor-faktor

yang mempengaruhinya. Dari penelitian ini diharapkan di masa mendatang dapat

digunakan sebagai input atau masukan bagi studi lanjutan analisis sepeda motor

4

serta masukan bagi analisis penataan kembali angkutan umum di Kabupaten

Buleleng.

1.2 Rumusan Masalah

Memahami permasalahan yang tertuang pada latar belakang, maka untuk

itu dalam penelitian ini dilakukan kajian yang lebih mendetail terhadap :

1. Bagaimanakah karakteristik sosial ekonomi dan demografi penduduk di

Kabupaten Buleleng ?

2. Bagaimanakah model kepemilikan sepeda motor pada rumah tangga, dan

faktor-faktor apa saja yang berpengaruh terhadap kepemilikan sepeda

motor pada suatu rumah tangga?

3. Bagaimanakah probabilitas dari masing-masing faktor yang berpengaruh

terhadap kepemilikan sepeda motor pada rumah tangga?

1.3 Tujuan Penulisan

Dari rumusan masalah yang ada maka tujuan yang ungin dicapai dalam

penelitian ini adalah :

1. Menganalisis karakteristik sosial-ekonomi dan demografi rumah tangga di

Kabupaten Buleleng.

2. Menyusun model kepemilikan sepeda motor pada rumah tangga dengan

faktor-faktor yang mempengaruhinya serta menganalisis faktor-faktor

yang berpengaruh terhadap kepemilikan sepeda motor pada rumah tangga.

5

3. Menganalisis probabilitas dari masing-masing faktor yang berpengaruh

terhadap kepemilikan sepeda motor pada rumah tangga.

1.4 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat bermanfaat secara akademik dan

bermanfaat pula secara praktis bagi pemecahan permasalahan di masyarakat.

Dalam kajian ini hasil yang diperoleh terutama ditunjukan bagi pihak terkait

antara lain:

1. Bagi pemerintah, hasil penelitian ini diharapkan dapat memberikan

kontribusi pemikiran dalam usaha pengelolaan dan regulasi di bidang

manajemen lalu lintas khususnya yang berkaitan dengan kendaraan pribadi

yaitu sepeda motor.

2. Bagi mahasiswa, penelitian ini memiliki manfaat untuk memberikan

kesempatan dalam penerapan teori-teori yang diperoleh pada bangku

perkuliahan dalam rangka menambah pengalaman, pengetahuan dan

wawasan di bidang analisis kepemilikan sepeda motor .

3. Bagi Perguruan Tinggi, penelitian ini diharapkan dapat memperkaya

khasanah penelitian di bidang transportasi.

4. Bagi Peneliti, manfaat model ini untuk memprediksi peningkatan

kepemilikan sepeda motor di tahun yang akan datang.

6

1.5 Batasan Masalah

Mengingat luasnya cakupan permasalahan yang berhubungan dengan

Usulan Penelitian ini, maka batasan permasalahan dalam penelitian ini adalah

sebagai berikut:

1. Data variabel bebas yang diperhitungkan dalam studi ini meliputi data

sosial ekonomi (pendapatan per bulan, jarak rata-rata yang ditempuh per

hari, pengeluaran biaya transportasi per bulan, waktu perjalanan) dan data

demografi (jumlah anggota keluarga, jumlah anggota keluarga yang

bekerja, jumlah anggota keluarga yang sekolah)

2. Metode analisis yang digunakan untuk menentukan model hubungan

antara variabel bebas dan tidak bebas dalam penelitian ini adalah dengan

pendekatan statistik yaitu dengan regresi logistik, karena variabel tidak

bebas di dalam penelitian ini berupa kategori (memiliki dan tidak

memiliki) yang bersifat biner (binary) (Washington et al, 2003).

3. Wilayah Kabupaten Buleleng dibagi atas 27 zona.

4. Jumlah sampel rumah tangga diambil dari populasi rumah tangga di

Kabupaten Buleleng.

7

BAB II

TINJAUAN PUSTAKA

2.1 Pengertian Transportasi

Pengertian transportasi merupakan gabungan dari dua defenisi, yaitu

sistem dan transportasi. Sistem adalah suatu bentuk keterikatan dan keterkaitan

antara satu variabel dengan variabel lain dalam tatanan yang terstruktur,

sedangkan transportasi adalah suatu usaha untuk memindahkan, menggerakkan,

mengangkut atau mengalihkan orang ataupun barang dari suatu tempat ke tempat

lain, dimana di tempat lain objek tersebut lebih berguna atau dapat berguna untuk

tujuan-tujuan tertentu.

Maka, dari kedua pengertian di atas dapat disimpulkan bahwa, sistem

transportasi adalah suatu bentuk keterikatan dan keterkaitan antara berbagai

variabel dalam suatu kegiatan atau usaha untuk memindahkan, menggerakkan,

mengangkut, atau mengalihkan orang atau barang dari satu tempat ke tempat lain

secara terstruktur. Dalam ilmu transportasi, alat pendukung proses perpindahan

diistilahkan dengan sistem transportasi mencakup berbagai unsur (subsistem)

berupa ruang untuk bergerak (jalan), tempat awal / akhir pergerakan (terminal),

yang bergerak (alat angkut/kenderaan dalam bentuk apapun), pengelolaan (yang

mengkoordinasi ketiga unsur sebelumnya).

Berfungsinya alat pendukung proses perpindahan ini sesuai dengan yang

diinginkan, tidaklah terlepas dari kehadiran subsistem tersebut di atas secara

serentak. Masing-masing unsur itu tidak bisa hadir beroperasi sendiri-sendiri,

7

8

kesemuanya harus terintegrasi secara serentak. Seandainya ada salah satu saja

komponen yang tidak hadir, maka alat pendukung proses perpindahan (sistem

transportasi) tidak dapat bekerja dan berfungsi.

2.2 Pengertian Kendaraan

Kendaraan bermotor adalah kendaraan yang digerakkan oleh peralatan teknik untuk

pergerakkannya, dan digunakan untuk transportasi darat. Umumnya kendaraan

bermotor menggunakan mesin pembakaran dalam, namun mesin listrik dan mesin

lainnya juga dapat digunakan. Kendaraan bermotor memiliki roda, dan biasanya

berjalan diatas jalanan. (http://id.wikipedia.org/wiki/kendaraan_bermotor,2011).

Menurut Undang Undang No.22 tahun 2009, yang disebut kendaraan adalah

suatu sarana angkut di jalan yang terdiri atas Kendaraan Bermotor dan Kendaraan

Tidak Bermotor. Kendaraan Bermotor adalah setiap Kendaraan yang digerakkan

oleh peralatan mekanik berupa mesin selain Kendaraan yang berjalan di atas rel

sedangkan, Kendaraan Tidak Bermotor adalah setiap Kendaraan yang digerakkan

oleh tenaga manusia dan/atau hewan.

2.2.1 Definisi Moda

Definisi dari moda adalah jenis-jenis sarana transportasi yang tersedia

untuk melakukan perjalanan. Pemakai jalan adalah semua bentuk moda angkutan,

baik yang berupa kendaraan bermotor seperti: mobil, mikrolet, bis, truk, truk

9

gandengan, semi trailer dan trailer maupun tidak bermotor seperti: kereta dorong,

dokar, sepeda, becak serta termasuk para pejalan kaki yang sedang menggunakan

jalan (Ofyar Z.Tamin, 2000).

2.2.2 Pemodelan Transportasi

Dalam perencanaan transportasi dikenal ada 4 (empat) langkah pembuatan

model, antara lain:

a. Bangkitan Perjalanan (Trip Generation)

Pembangkit perjalanan adalah tahapan pemodelan yang memperkirakan jumlah

pergerakan yang berasal dari suatu zona atau tata guna lahan dan jumlah

pergerakan yang tertarik ke suatu zona atau tata guna lahan.

b. Sebaran Perjalanan (Trip Distribution)

Penyebaran pergerakan merupakan tahapan yang menggabungkan interaksi

antara tata guna lahan, jaringan transportasi dan arus lalu lintas.

c. Pemilihan Moda (Modal Choice / Modal Split)

Dalam interaksi antara dua tata guna lahan atau lebih di suatu wilayah, maka

seseorang akan memutuskan bagaimana interaksi tersebut harus dilakukan,

dimana sering interaksi tersebut mengharuskan terjadinya perjalanan, baik

antar tata guna lahan ataupun inter tata guna lahan.

Keputusan dalam pemilihan moda berkaitan dengan jenis transportasi yang

digunakan. Jika terdapat lebih dari satu moda, maka moda yang dipilih biasanya

yang mempunyai rute terpendek, tercepat, atau termurah, atau teraman, atau

kombinasi dari faktor-faktor tersebut. Selain itu, faktor lain yang mempengaruhi

10

adalah ketidaknyamanan dan keselamatan dan hal seperti ini harus

dipertimbangkan dalam pemilihan moda.

d. Pemilihan Rute (Traffic Assignment)

Model ini bertujuan memprediksi pemilihan rute perjalanan yang akan

digunakan. Diasumsikan pemakai jalan mempunyai informasi yang cukup

(misalnya tentang kemacetan jalan), sehingga dapat menentukan rute yang

terbaik.

2.2.3 Kepemilikan Kendaraan Bermotor Di Indonesia

Sepeda motor, merupakan salah satu alternatif kendaraan murah dan juga

memiliki mobilitas yang sangat tinggi. Di negara-negara Asia, pada umumnya

kepemilikan sepeda motor memiliki tingkat kepemilikan yang tinggi dibanding

dengan kepemilikan kendaraan roda empat. Kondisi ini terjadi sebelum

pendapatan per kapita masyarakat meningkat, sehingga sebelum membeli mobil,

mereka membeli sepeda motor terlebih dahulu. Berdasarkan data yang dihimpun

dari AISI (Asosiasi Industri Sepeda Motor Indonesia), kepemilikan sepeda motor

di Indonesia saat ini adalah sekitar 1: 10 penduduk.

Dibandingkan dengan negara tetangga; Malaysia dan Thailand yang

kepadatan sudah mencapai 3,5 orang per sepeda motor, maka tidaklah

mengherankan sampai tahun mendatang jumlah kepemilikan sepeda motor akan

semakin meningkat. Di sisi lain juga jumlah kendaraan yang dimiliki tiap rumah

tangga merupakan salah satu faktor penentu jumlah dan moda yang dipakai dalam

11

perjalanan yang dilakukan oleh sebuah keluarga. Faktor tersebutlah yang

menyebabkan keluarga di Indonesia cenderung mempunyai sepeda motor.

Menurut data Kementerian Perhubungan, 72 persen keluarga memilih

sepeda motor untuk transportasi utama. Setiap 1.000 penduduk di Indonesia

terdapat 210 motor atau berskala 4,7: 1. Pada tahun 2002 kepemilikan sepeda

motor masih sedikit, lebih banyak keluarga tidak punya sepeda motor

(presentasenya sampai 67 persen). Namun pada tahun 2010 terjadi perubahan

drastis, hanya 28 persen keluarga yang tidak punya sepeda motor (Susantono,

2010). Peningkatan kepemilikan sepeda motor di Indonesia terus terjadi seiring

membaiknya tingkat ekonomi. Penjualan sepeda motor terus tumbuh mencapai

7,3 juta unit. Persentase keluarga pemilik sepeda motor lebih dari satu di

Indonesia juga bertambah 3 persen pada tahun 2010 menjadi 17 persen. Tercatat

pula 84 persen keluarga pengguna mobil juga mempunyai sepeda motor. Ini bukti

sepeda motor adalah kendaraan alternatif yang menjadi pilihan masyarakat.

Sampai kini, diprediksi populasi kendaraan bermotor di seluruh Indonesia

mencapai 47 juta unit dan 9,5 juta mobil . Di Jakarta saja, tercatat 11 juta

kendaraan bermotor, 9 juta adalah sepeda motor. Jumlah sepeda motor di seluruh

Indonesia saat ini diperkirakan 50 juta unit. Tingginya kepemilikan sepeda motor

bisa disamakan dengan angka kecelakaannya. Dari data Kepolisian RI dilaporkan

bahwa dari total kasus kecelakaan, 70 persennya dialami oleh pengendara sepeda

motor. Bahkan PT Jasa Raharja yang menyantuni korban kecelakaan harus

mengeluarkan santunan Rp 1,3 triliun untuk pengendara motor periode Januari -

Oktober 2010.

12

2.3 Konsep Rumah Tangga dan Keluarga

2.3.1 Definisi Rumah Tangga dan keluarga

Rumah Tangga adalah seseorang atau sekelompok orang yang mendiami

sebagian atau seluruh bangunan fisik/sensus, dan biasanya tinggal bersama serta

makan dari satu dapur. Yang dimaksud dengan makan satu dapur adalah

kebutuhan rumah tangga yang biasanya diurus bersama menjadi satu (BAPPEDA

Kutai, 2008).

Anggota Rumah Tangga (ART) adalah semua orang yang biasanya

bertempat tinggal di suatu rumah tangga, baik yang berada dirumah waktu

pencacahan maupun sementara tidak ada. Anggota rumah tangga yang telah

bepergian selama 6 bulan atau lebih dan anggota rumah tangga yang bepergian

kurang dari 6 bulan tetapi dengan tujuan pindah/akan meninggalkan rumah selama

6 bulan atau lebih tidak dianggap sebagai anggota rumah tangga (BAPPEDA

Kutai, 2008).

Menurut Depkes RI 1998 (www.scribd.com, 2010) Keluarga adalah unit

terkecil dari masyarakat yang terdiri atas Kepala Keluarga dan beberapa orang

yang berkumpul dan tinggal di suatu tempat dibawah suatu atap dalam keadaan

saling ketergantungan. Sedangkan menurut Helvie (www.scribd.com, 2010)

Keluarga adalah sekelompok manusia yang tinggal dalam suatu rumah tangga

dalam kedekatan yang konsisten dan hubungan yang erat.

13

2.3.2 Bentuk Bentuk Keluarga

Secara garis besar bentuk keluarga dapat dikelompokkan menjadi 2 yaitu

Tradisional dan Non Tradisional :

1. Tradisional

a. Nuclear Family atau Keluarga Inti

Ayah, ibu, anak tinggal dalam satu rumah ditetapkan oleh sanksi-sanksi

legal dalam suatu ikatan perkawinan, satu atau keduanya dapat bekerja

diluar rumah.

b. Reconstituted Nuclear

Pembentukan baru dari keluarga inti melalui perkawinan kembali suami

atau istri. Tinggal dalam satu rumah dengan anak-anaknya baik itu

bawaan dari perkawinan lama maupun hasil dari perkawinan baru.

c. Niddle Age atau Aging Cauple

Suami sebagai pencari uang, istri di rumah atau kedua-duanya bekerja

dirumah, anak-anak sudah meninggalkan rumah karena sekolah atau

perkawinan / meniti karier.

d. Keluarga Dyad / Dyadie Nuclear

Suami istri tanpa anak.

e. Single Parent

14

Satu orang tua (ayah atau ibu) dengan anak.

f. Dual Carrier

Suami istri / keluarga orang karier dan tanpa anak.

g. Commuter Married

Suami istri / keduanya orang karier dan tinggal terpisah pada jarak

tertentu, keduanya saling mencari pada waktu-waktu tertentu.

h. Single Adult

Orang dewasa hidup sendiri dan tidak ada keinginan untuk kawin.

i. Extended Family

1, 2, 3 generasi bersama dalam satu rumah tangga.

j. Keluarga Usila

Usila dengan atau tanpa pasangan, anak sudah pisah.

2. Non Tradisional

a. Commune Family

Beberapa keluarga hidup bersama dalam satu rumah, sumber yang

sama, pengalaman yang sama.

b. Cohibing Couple

Dua orang berlainan jenis / satu pasangan yang tinggal bersama tanpa

kawin.

c. Homosexual / Lesbian

Sesama jenis hidup bersama sebagai suami isteri.

d. Instutisional

Anak-anak atau orang dewasa tinggal dalam satu panti panti.

15

2.4 Pengertian Regresi

Regresi adalah suatu alat yang tujuannya membantu memperkirakan atau

menaksir nilai suatu variabel yang tidak diketahui dari satu atau beberapa variabel

yang diketahui (M.Iqbal Hasan, 2002). Analisis regresi didefinisikan sebagai

kajian terhadap hubungan satu variabel atau peubah yang disebut peubah yang

diterangkan (the explained variable) yang juga disebut sebagai peubah tergantung

dengan satu atau dua variabel / peubah yang menerangkan (the explanatory) yang

juga disebut peubah bebas.

Di dalam kegiatan pemodelan untuk rekayasa sipil, seringkali dijumpai

tinjauan hubungan antara variabel dengan satu atau lebih variabel lain. Secara

umum ada dua macam hubungan antara dua atau lebih variabel, yaitu bentuk

hubungan dan keeratan hubungan. Jika ingin diketahui bentuk hubungan dua

variabel atau lebih, digunakan analisis regresi sedangkan untuk analisis keeratan

hubungan, digunakan analisis korelasi.

Metode regresi yang paling umum digunakan adalah analisis regresi baik

itu yang bersifat linier maupun non linier. Jika variabel tidak bebas bersifat diskrit

analisis regresi linier tidak layak untuk digunakan karena dua alasan

(Ossenbruggen, 2003) yaitu :

1. Variabel tidak bebas di dalam metode regresi linier harus bersifat

kontinyu.

2. Variabel tidak bebas di dalam metode regresi linier dapat mengakomodasi

nilai negatif.

16

Kedua asumsi diatas tidak sesuai untuk kondisi variabel tidak bebas yang

bersifat kategori (diskrit). Variabel diskrit sering dinyatakan dalam kategori.

Variabel diskrit sering juga disebut variabel nominal atau variabel kategorik.

Apabila terdapat dua kategori disebut dikotom, misalnya variabel jenis kelamin

yang terdiri dari laki-laki dan perempuan. Apabila lebih dari dua kategori disebut

politom. Misalnya variabel latar belakang pendidikan yang dapat terdiri dari SD,

SMP, SMA, Perguruan Tinggi dan sebagainya. Sementara itu variabel kontinyu

adalah variabel yang nilainya dalam jarak tertentu dan dengan pecahan yang tidak

terbatas. Misalnya variabel berat badan ada yang 50 kg; 55,5kg; 70kg dan

sebagainya.

2.5 Regresi Logistik

Regresi logistik adalah bagian dari analisis regresi yang digunakan ketika

variabel dependen (respon) merupakan variabel dikotomi. (Kutner, MH). Variabel

dikotomi biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau

tidak adanya suatu kejadian yang biasanya diberi angka 0 dan 1.

Didalam statistik, regresi logistik (seringkali disebut model logistik atau

model logit), digunakan untuk memprediksi kemungkinan (probabilitas) dari

suatu kejadian dengan data fungsi logit dari kurva logistik. Seperti banyak bentuk

analisis regresi, yang menggunakan beberapa variabel dapat berupa numerik atau

kategoris. Sebagai contoh, probabilitas bahwa seseorang memiliki serangan

jantung dalam jangka waktu tertentu, diprediksi dari pengetahuan tentang usia,

jenis kelamin orang tersebut dan indeks massa tubuh.

17

Untuk regresi logistik berapapun besarnya atau kecilnya harga x maka

nilai y akan tetap diantara 0 dan 1 artinya variabel dikotomi yang digunakan

dimana biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau

tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1. Karena variabel

tidak bebas di dalam penelitian ini bersifat biner (memiliki dan tidak memiliki),

maka digunakan regresi logistik untuk menentukan hubungan antara variabel

bebas dan variabel tidak bebas (Washington, et.al, 2003. Al-Ghamdi,2002). Data

yang bersifat biner (binary) adalah data dengan 2 (dua) respon, misalnya memiliki

(1) – tidak memiliki (0), gagal-berhasil, ya-tidak, on-of, 0-1 dan sebagainya.

Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas

(X) bisa juga berdiri lebih dari satu variabel dan dapat berupa variabel yang bersifat

kontinyu maupun diskrit. Regresi logistik merupakan regresi non linier dimana

model yang ditentukan akan mengikuti pola kurva linier seperti Gambar 2.1.

Gambar 2.1 Grafik Regresi Logistik

Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic, 2011

17
















17
















18

Penggunaan regresi logistik untuk analisis data yang bersifat biner lebih

baik dibanding dengan regresi linier atau Ordinary Least Square (OLS). Sebagai

contoh digunakan set data penelitian di California dari 1200 sekolah menengah

untuk mengukur prestasi akademis. Variabel tidak bebas yang dipakai disebut

hiqual. Variabel ini digolongkan menjadi 2 (dua) yaitu not_high_qual yang

dikodekan dengan 0 untuk nilai 744 ke bawah dan high_qual yang dikodekan

dengan 1 untuk nilai 745 ke atas.

Variabel bebas yang digunakan merupakan suatu variabel yang bersifat

kontinyu yang dinamakan dengan avg_ed yang merupakan suatu ukuran tingkat

rata pendidikan orang tua. Setelah regresi linier dijalankan maka akan didapat

nilai-nilai yang diramalkan dan grafiknya terhadap variabel yang diamati.

Pada Gambar 2.2 halaman 19, sumbu Y menunjukkan nilai probabilitas prestasi

akademik siswa dan sumbu X menunjukkan tingkat rata-rata pendidikan orang

tua. Dari grafik dibawah, garis yang melintang dalam arah 450 dari sumbu Y

menunjukkan persamaan linier pendidikan rata-rata orang tua dengan prestasi

akademis siswa. Dari grafik terlihat bahwa terdapat nilai yang diramalkan

mempunyai probabilitas kurang dari 0 (nol) dan lebih dari 1 (satu). Nilai-nilai

tersebut tidak mungkin mengingat variabel terikat didefinisikan sebagai 0 dan 1.

19

Gambar 2.2 Grafik Regresi Linier

. Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic, 2011

2.5.1 Desain dan Analisis Variabel Dummy

Di dalam regresi logistik yang diakomodasikan untuk variabel tidak bebas

biner maka didalam pemodelannya baik variabel bebas dan tidak bebasnya harus

dipresentasikan dalam bentuk kode. Variabel yang dinyatakan dalam bentuk kode

tersebut didefinisikan sebagai variabel dummy. Regersi logistik tidak hanya

mengasumsikan variabel tidak bebas bersifat dikotomi tetapi juga sebagai variabel

biner (binary), yaitu diberi kode sebagai 0 dan 1. Kode ini harus berupa bilangan

numerik dan bukan tekstual (string) dan merupakan suatu keharusan bahwa kode

dengan bilangan 0 berarti kejadian tidak ada (gagal) dan kode dengan bilangan 1

berarti kejadian ada atau berhasil (Washington et.al, 2003).

19













19













20

Pada dasarnya semua perangkat lunak statistik akan melakukan

perhitungan regresi logistik jika dan hanya jika variabel tidak bebas diberi kode 0

dan 1. Secara spesifik perangkat lunak statistik mengasumsikan variabel tidak

bebas mempunyai nilai selain 0 adalah 1. Sehingga jika variabel tidak bebas

diberikan kode 3 dan 4 maka perangkat lunak akan mendefinisikan sebagai

bilangan 1.

Variabel bebas diskrit di dalam pemodelannya harus direpresentasikan

dalam bentuk kode. Variabel yang dinyatakan dalam bentuk kode tersebut

didefinisikan sebagai variabel dummy. Untuk variabel dummy dengan beberapa

klasifikasi dapat diberi kode 0, 1, 2, 3, …dst. Sebagai ilustrasi variabel pekerjaan

responden mempunyai beberapa klasifikasi yaitu profesional, TNI/POLRI, PNS,

wiraswasta, petani/nelayan dan pegarwai swasta maka di dalam pengkodeannya

klasifikasi variabel tipe kendaraan tersebut dapat diberikan kode mulai dari 0, 1,

2, dst maupun mulai dari 1, 2, 3, dst.

Sudah ditetapkan (by default) bahwa hampir semua perangkat lunak

statistik mempunyai prioritas untuk memprediksi probabilitas dari suatu kejadian

yang ada atau berhasil yang diberi kode bukan 0 yaitu 1. Probabilitas di dalam

statistik didefinisikan sebagai suatu ekspresi kuantitatif dari suatu kemungkinan

suatu kejadian akan terjadi. Secara formal probabilitas adalah jumlah kejadian

yang terjadi (berhasil) dibagi dengan jumlah kejadian yang dapat terjadi. Sebagai

contoh, didalam pelemparan koin yang mempunyai dua sisi, probabilitas satu

sisinya adalah ½ atau 0.5.

21

Sebagaimana telah dijelaskan di atas, setiap variabel bebas kemungkinan

mempunyai beberapa klasifikasi seperti pada contoh klasifikasi pekerjaan

responden. Berkaitan dengan hal ini maka langkah selanjutnya adalah melakukan

uji statistik (uji hipotesis) untuk mengetahui apakah semua klasifikasi akan

diikutsertakan di dalam model. Sebagai contoh jika klasifikasi nelayan/petani

secara statistik mempunyai jumlah/frekuensi yang kecil atau tidak signifikan (p-

value < 0.05) dalam variabel bebas pekerjaan responden maka klasifikasi

nelayan/petani dapat direduksi dari variabel bebas tersebut. Selanjutnya masing-

masing variabel desain diuji keberartiannya dengan menggunakan rumusan selang

kepercayaan untuk proporsi populasi yaitu:

.......................................................(2.1)

dimana:

= proporsi sampel berdasarkan jumlah ‘berhasil’ (kode = 1)

= 1-

n = jumlah sampel

= nilai variabel standar normal (Z) dengan area ‘tails’ adalah

Rumusan tersebut digunakan untuk menghitung selang kepercayaan (95%)

dari proporsi sampel. Jika nilai dari selang kepercayaan mengandung nilai 0 dan

nilai-p lebih besar dari 0.05 maka variabel desain tersebut tidak signifikan. Hal

npqZp 2/

p

q p

2Z

2

22

demikian dapat mempengaruhi jumlah variabel desain yang terdapat pada variabel

dummy. Sebagai ilustrasi, hasil dari uji hipotesis untuk proporsi klasifikasi

variabel tersebut digambarkan pada Tabel 2.1 halaman 22.

Tabel 2.1 Uji hipotesis untuk proporsi klasifikasi pekerjaan responden

x n nilai - p95% selang kepercayaan

Batas bawah Batas atas

PNS 235 605 0.388 0.3 0.4

Wiraswasta * 39 605 0.064 0 0.1

Nelayan/Petani * 28 605 0.046 0 0.1

TNI/POLRI 303 605 0.501 0.5 0.5

* Tidak signifikan secara statistik pada tingkat 5% (95% selang kepercayaan termasuknilai 0)

Dari hasil uji hipotesis tersebut terlihat bahwa klasifikasi wiraswasta dan

nelayan/petani direduksi dari variabel bebas pekerjaan responden, konsekuensinya

dua klasifikasi tersebut tidak diikutsertakan di dalam model. Kedua langkah di

atas yaitu analisis korelasi dan reduksi variabel dummy menunjukkan kegiatan

pemilihan variabel bebas di dalam model.

2.5.2 Bentuk Umum Regresi Logistik

Berdasarkan data bivarat (X,Y) dimana X adalah variabel numerik atau

variabel satu-nol dan Y adalah variabel respon satu-nol, dapat diperlihatkan model

regresi logistik dengan bentuk umum sebagai berikut (Washington, et.al, 2003) :

23

p = P(Y = 1) = ( )( ) ......................................... (2.2)

dimana p= P(Y=1) menyatakan proporsi skor/nilai Y=1, di dalam populasi di

antar semua skor/nilai satu-nol yang mungkin.

Besaran p = P(Y=1) kerap kali juga dinyatakan sebagai peluang atau

probabilitas peristiwa/kasus yang ditentukan oleh skor Y=1, jika sebuah/seorang

individu dipilih secara random dari populasi tertentu. Dengan memperhatikan

model regresi logistik tersebut, maka kita akan berbicara tentang peluang

p=P(Y=1) yang tergantung pada skor/nilai variabel bebas X. Oleh karena itu,

sebenarnya P(Y=1) menyatakan proporsi atau peluang bersyarat, yang secara

lengkap seharusnya ditulis seperti dibawah ini :

px = P(Y=1│X) ..................................................... (2.3)

Sehingga jelaslah bahwa dengan menerapkan model logistik berdasarkan data

tertentu, termasuk dengan data bivariat (X,Y) tersebut diatas, bertujuan untuk

memperkirakan atau mengestimasi besarnya proporsi Y=1 di dalam proporsi yang

bersangkutan.

Berkaitan dengan model regresi univariat pada umumnya, model regresi

logistik (2.2) juga dapat ditulis dalam bentuk sebagai berikut :

p/(1-p)=exp(β0 + β1X)............................................ (2.4)

atau

ln[p/1-p)]=β0+β1X.................................................. (2.5)

Jika kita perhatikan ruas kanan persamaan (2.5) maka akan terlihat persis

sama dengan bentuk regresi linier sederhana dengan sebuah variabel bebas X,

24

dimana X adalah variabel satu-nol atau numerik. Berkaitan dengan model ini

perlu dipehatikan ketentuan sebagai berikut :

1. Pemakaian persamaan (2.5) disertai dengan asumsi atau persyaratan bahwa

ln[p/(1-p)] dan X mempunyai hubungan linier. Untuk mempelajari

kebenaran asumsi ini, maka diperlukan cukup banyak observasi untuk setiap

nilai/skor dari variabel X, sehingga dapat diperoleh suatu nilai p yang

rasional untuk setiap nilai/skor dari variabel X. Hal ini dipandang sebagai

salah satu kelemahan pemakaian model logistik, khususnya untuk X

numerik, karena pada umumnya kita tidak mempunyai observasi yang cukup

banyak untuk setiap nilai X.

2. Jika untuk setiap nilai/skor X terdapat cukup banyak observasi, maka nilai

ln[p/(1-p)] dapat dihitung untuk setiap nilai/skor dari variabel X.

Selanjutnya, dapat dibuat diagram pencar antara variabel tidak bebas

ln[p/(1-p)] dengan variabel bebas X, yang dapat menunjukkan kebenaran

asumsi yang dipakai secara empiris.

3. Dilain pihak, jika persyaratan hubungan linier tersebut tidak dapat diterima,

maka dengan sendirinya persamaan (2.5) tidak berlaku atau tidak sepatutnya

digunakan untuk data yang bersangkutan. Dalam kasus seperti ini, maka

harus dicoba dengan bentuk lain, diantaranya dengan memakai model non-

linier, model dengan variabel bebas in(X) sebagai ganti dari X dan model

kurva berbentuk S.

25

4. Jika X merupakan indikator satu-nol, maka asumsi hubungan linier untuk

persamaan (2.6) mutlak berlaku, karena hanya terdapat dua titik observasi

yang sesuai dengan X=0 dan X=1, dengan koordinat debagai berikut :

Untuk X=0 : ln[p0/ (1-p0)=β0 ............................................................ (2.6)

Untuk X=1 : ln[p1/ (1-p1)=β0+ β1 ................................................. (2.7)

Dengan β0,1 = parameter model, X = nilai variabel bebas, ln[p1/ (1-p1)=

transformasi logit atao logit p (natural log) dari rasio odds, dimana odds

fungsi dari p, probabilitas dari 1 (simbol untuk peluang suatu peristiwa

sukses atau berhasil atau terjadi).

2.5.3 Maximum Likelihood untuk Penentuan Parameter Model Logistik

Didalam regresi linier dikenal istilah kuadrat kecil (least squares) yang

digunakan untuk estimasi parameter model, sedangkan untuk regresi logistik yang

digunakan adalah prinsip estimasi maximum likelihood (ML). Prinsip dari ML ini

adalah parameter populasi diestimasi dengan cara memaksimumkan kemungkinan

(likelihood) dari data observasi. Estimator yang diperoleh dari metode ini disebut

dengan Maximum Likelihood Estimator (MLE).

Sebagai ilustrasi, misalkan pada suatu kabupaten A, 80% anak-anak

mempunyai asuransi kesehatan. Kemudian 10 orang anak di kabupaten A dipilih

secara acak, dengan probabilitas 7 dan 10 anak-anak mempunyai asuransi

kesehatan adalah 0,2013. Sementara itu di kabupaten B, 40% anak-anak

mempunyai asuransi kesehatan. Kemudian 10 orang anak di kabupaten B dipilih

secara acak dengan probabilitas 7 dan 10 orang anak mempunyai asuransi

kesehatan adalah 0,0425. Misalkan diketahui bahwa diantara 10 orang anak yang

26

dipilih secara acak dari salah satu kabupaten tersebut 7 orang mempunyai asuransi

kesehatan, berapakah persentase anak-anak dikedua kabupaten tersebut yang

mempunyai asuransi kesehatan? Apakah kemungkinannya lebih besar dari

kabupaten A dengan 80% asuransi kesehatan atau dari kabupaten B dengan 40%

asuransi kesehatan? Karena data observasi menunjukkan bahwa 7 dari 10 orang

anak yang mempunyai asuransi kesehatan lebih besar kemungkinannya di

kabupaten A maka kemungkinannya adalah sampel yang berasal dari kabupaten A

dengan estimasi rasio sebesar 80%.

Likelihood merupakan suatu fungsi dari data dan parameter model. Jika

terdapat data biner maka bentuk dari likelihood adalah sebagai berikut :

a. Yi = 1 dengan probabilitas pi

b. Yi = 0 dengan probabilitas 1 - pi

Misalkan jika data observasi bersifat bebas maka likelihood dari data Y1,

Y2,….,Yn adalah pi dan 1 – pi. Jika untuk setiap Yi = 1, dengan probabilitas pi dan

untuk setiap Yi = 0 dengan probabilitas 1 – pi maka bentuk umum dari likelihood

(L): = ∏ (1 − ) ………………..………..(2.8)

Fungsi logistik linier dapat digunakan untuk menjelaskan hubungan antara

probabilitas pi dan variabel Xi sebagai berikut :

pi =( )( ) ………………...……………..(2.9)

dan 1 − = ( ) ……………………..…..(2.10)

27

Dengan menggunakan kedua persamaan (2.9) dan (2.10) pada persamaan (2.8)

diperoleh:

i

i

i

i

iY

X

Yn

iX

X

eeeL

1

11010

10

11

1

n

iX

YX

i

ii

ee

110

10

1

………………….(2.11)

Menghitung nilai β0 dan β1 pada persamaan (2.11) merupakan suatu hal yang

berat untuk dilakukan. Seringkali ditemukan bahwa lebih mudah untuk

menggunakan logaritmik natural dari likelihood itu sendiri yaitu dengan memilihβ0 dan β1 untuk memaksimumkan log likelihood. Log-likelihood dari data biner di

dalam suatu model regresi logistik adalah :

n

i

Xn

iii

ieXYL11

10101log)()log( ………..…..( 2.12)

Serupa dengan prinsip kuadrat kecil pada regresi linier, akan terdapat dua

persamaan yang harus dipecahkan untuk dua parameter (solusinya adalah estimasi

dari β0 dan β1). Akan tetapi tidak seperti pada kuadrat terkecil, dua persamaan dari

regresi logistik bersifat tidak linier sehingga harus dipecahkan dengan proses

iterasi. Ini dimungkinkan dengan penentuan nilai awal untuk β0 dan β1, evaluasi

log-likelihood, penentuan nilai baru untuk β0 dan β1 yang menaikkan nilai log-

likelihood, dan mengulangi proses tersebut sampai nilai log-likelihood tidak

berubah atau konstan pada suatu nilai tertentu. Jika hal tersebut terjadi maka

dikatakan bahwa proses iterasi nilai log-likelihood sudah besifat konvergen.

28

2.5.4 Uji Kelayakan Model (Goodness of Fit)

Uji kelayakan model dilakukan dengan menggunakan uji statistic dari

Hosmer dan Lemeshow. Uji ini bertujuan untuk mempelajari sejauh mana

kesesuaian model regresi logistik yang dipakai di dalam memodelkan hubungan

antara variabel bebas dan variabel tidak bebas. Hipoteis nol dari uji statistik ini

adalah model yang di uji layak, sedangkan hipotesis alternatifnya adalah model

yang di uji tidak layak (model tidak mampu mempresentasikan hubungan antara

variabel bebas dan variabel tidak bebas). Uji statistik ini dilakukan dengan

membagi data ke dalam group (g). Grup ini dibentuk dengan mengurutkan data

eksisting berdasarkan tingkat probabilitasnya. Jadi data diurutkan dari data yang

paling kecil kemungkinannya (p~0) ke data yang paling besar kemungkinannya

(p~1). Group umumnya dipecah menjadi 10 group. Setiap group yang dihitung

memilki data observasi dan hasil prediksi.

Prinsip dasar dari uji statistik ini adalah frekuensi hasil prediksi dan

frekuensi observasi dari variabel tidak bebas harus mempunyai perbedaan yang

relatif kecil. Semakin kecil perbedaannya semakin layak model tersebut. Model

yang layak menurut uji statistik ini akan mempunyai nilai probabilitas (p-value)

yang besar yaitu lebih besar dari tingkat keyakinan 5% atau α = 0.05

(Washington,et.al,2003).

Formula dari uji Hosmer and Lemeshow ini adalah :

9

1

2^ )(k k

kk

vEOC ………….................................(2.13)

29

dengan :

Ĉ = Uji Hosmer-Lemeshow (H-L test)

Ok = Nilai observasi pada group yang ke-k

Ek = Nilai Ekspektasi pada group yang ke-k

vk = Faktor koreksi variansi untuk group yang ke-k

Sebagai ilustrasi diberikan tabel perbandingan frekuensi prediksi dan

observasi serta hasil uji statistik pada table berikut :

Tabel 2.2 Ilustrasi Uji Statistik Hosmer and Lemeshow

Group Prob Obs_1 Exp_1 Obs_0 Exp_0 Total

1 0.0016 0 0.1 71 70.9 71

2 0.0033 1 0.2 73 73.8 74

3 0.0054 0 0.3 74 73.7 74

4 0.0096 1 0.5 64 64.5 65

5 0.0206 1 1.0 69 69.0 70

6 0.0623 4 2.5 69 70.5 73

7 0.1421 2 6.6 66 61.4 68

8 0.4738 24 22.0 50 52.0 74

9 0.7711 44 43.3 25 25.7 69

10 0.9692 61 61.6 8 7.4 69

30

number of observations = 70.7

number of groups = 10

Hosmer-Lemeshow chi2(8) = 9.15

Prob > chi2 = 0.3296

Sumber:www.ats.ucla.edu/stat/stata/webbooks/logistic,2011

Dengan nilai p-value 0.3296 (0.33) dapat dikatakan bahwa uji statistik

mengindikasikan bahwa model yang dikembangkan layak di dalam

menggambarkan hubungan antara variabel bebas dan tidak bebasnya.

2.5.5 Pengertian Kalibrasi dan Validasi

Kalibrasi adalah proses perhitungan untuk menentukan nilai parameter

(konstanta dan koefisien) dari suatu model. Misal suatu model regresi sederhana:

y=a+bx diperoleh hasil kalibrasinya adalah: y = 89,9 + 2,48x. Ini memberi makna

persamaan bahwa: y mempunyai hubungan linier dengan x, perubahan satu satuan

dari nilai x akan merubah nilai y sebesar 2,48 satuan, dan dengan nilai konstanta

yang cukup tinggi, merupakan indikasi kemungkinan galat adalah hubungan y dan

x sebenarnya tidak linier, tidak diperhitungkannya variabel bebas lainnya yang

lebih signifikan (galat spesifikasi), atau terdapat kesalahan pengumpulan data

(galat pengukuran).

Validasi berasal dari kata validity yang berarti sejauh mana ketepatan dan

kecermatan suatu alat ukur dalam mengukur suatu data. Dengan demikian pada

kajian ini model yang validasi adalah model yang dianggap baik yang telah

diperoleh dari proses kalibrasi yaitu untuk signifikansi tujuan, ketepatan prosedur,

31

manfaat hasil penelitian dan juga untuk memahami data, penelusuran data sesuai

teori yang yang digunakan dan di analisis secara statistik.

2.5.6 Ratio Odds dan Probabilitas

Setelah model dinyatakan layak di dalam menggambarkan hubungan

antara variabel bebas dan tidak bebas maka langkah selanjutnya adalah

menginterpretasikan model tersebut yang berguna di dalam penarikan kesimpulan.

Di dalam kegiatan penginterpretasikan model tersebut terdapat kegiatan analisis

ratio odds. Secara harafiah odds mempunyai arti yang sama dengan peluang atau

probabilitas atau kemungkinan. Akan tetapi di dalam ststistik, peluang atau

kemungkinan dan odds mempunyai konsep yang berbeda. Odds dari suatu

kejadian digambarkan sebagai peluang dari peristiwa yang terjadi dibagi oleh

peluang dari peristiwa yang tidak terjadi. Sebagai ilustrasi di dalam pelemparan

koin, kemungkinan memperoleh kepala adalah 0,5 dan kemungkinan tidak

mendapatkepala juga 0,5. Karenanya, odds adalah 0,5/0,5 = 1.

Bahwa kemungkinan dari suatu peristiwa yang terjadi dan kemungkinan

dari peristiwa tidak terjadi, jumlahnya harus 1. Jika diasumsikan bahwa dengan

mengubah koin sedemikian rupa sehingga kemungkinan mendapat kepala adalah

0.6 maka kemungkinan tidak mendapat kepala menjadi 0.4. Odds mendapat

kepala akan menjadi 0.8/0.2 = 4.

Dari ilustrasi tersebut terlihat bahwa, ketika odds sama kemungkinan dari

peristiwa terjadi sama dengan kemungkinan peristiwa tidak terjadi. Ketika odds

32

salah satunya lebih besar, kemungkinan dari kejadian peristiwa adalah lebih tinggi

dibanding kemungkinan dari peristiwa tidak terjadi, dan ketika odds lebih kecil

dari yang lainnya, kemungkinan dari kejadian peristiwa kurang dari kemungkinan

dari peristiwa tidak terjadi. Odds dapat dikonversi kembali ke suatu peluang

(probabilitas) yaitu dengan rumusan peluang = odds / (1+odds). Konsep

berikutnya adalah mengenai ratio odds, seperti telah diketahui bahwa ratio odds

(odds ratio) adalah perbandingan dua odds. Sebagai ilustrasi, diasumsikan bahwa

terdapat wanita dan pria di dalam satu regu dengan proporsi 75% wanita dan 60%

pria. Odds untuk wanita adalah 0.75/0.25 = 3, dan odds untuk pria adalah 0.6/0.4

= 1.5. Ratio odds akan menjadi 3/1.5 =2, artinya bahwa odds dari wanita

dibanding pria untuk ikut bergabung ke dalam regu adalah 2 berbanding 1.

Sebagai ilustrasi di dalam pengertian mengenai odds dan probabilitas

(kemungkinan) dapat dilihat pada contoh berikut. Misalnya untuk analisa keropos

tulang (osteoporosis) diperoleh suatu model logit sebagai berikut :

( ) = 1 − = + .dimana variabel bebas umur merupakan umur responden. Dari hasil pemodelan

diperoleh bahwa koefisien a dan b bernilai masing-masing -21.18 dan 1.629.

Menggunakan kedua nilai ini maka diperoleh model sebagai berikut :

( ) = 1 − = −21.18 + 1.629.

33

Untuk menginterpretasikan model ini misalnya diinginkan untuk mengetahui

probabilitas seorang anak berumur 10 tahun menderita keropos tulang dapat

dilakukan dengan cara :

( ) = 1 − = −21.18 + 1.629(10) = −4.89Nilai -4.89 diatas bukan nilai probabilitas.

Untuk memperoleh nilai yang diinginkan maka dihitung exp (-4.89) = 0.0075.

Nilai ini merupakan nilai odds yang mengindikasikan bahwa berubahnya seorang

anak sebanyak satu unit umur akan menyebabkan nilai odds dari anak tersebut

menderita keropos tulang adalah 0.0075. Jika ingin diketahui probabilitas seorang

anak berumur 10 tahun maka dilakukan dengan menghitung :

= ( )1 + ( ) = .1 + . = 0.00751 + 0.0075 = 0.007Hasil diatas menyatakan bahwa probabilitas (kemungkinan) seorang anak

berumur 10 tahun ke bawah menderita keropos tulang adalah sangat kecil (0.7%).

2.6 Penggunaan Perangkat Lunak SPSS version 15

Adapun perintah (command) untuk menjalankan model regresi logistik

pada perangkat lunak SPSS ver.15 secara umum adalah sebagai berikut :

a. Buka file dummy dalam format CSV (Comma Separeted Variabel)

melalui menu file, Open, Data, pilih direktori tempat file dummy

34

diletakkan dan pilih tipe file all files (*.*). Untuk memudahkan

analisis, definisikan label variabel bebas dan variabel tidak bebas

dengan pilihan menu Data kemudian pilih Define Variable Properties.

b. Pilih menu Analyze, Regression, Binary Logistic. Kemudian masukkan

variabel tidak bebas pada Dependent dan varaibel bebas pada

Covariates.

c. Pada menu Method pilih Backward:LR untuk metode stepwise

backward likelihood ratio test.

d. Pilih menu Categorical jika terdapat variabel bebas dengan tipe data

diskrit dan masukan variabel bebas diskrit tersebut. Setelah selesai klik

Continue.

e. Pada menu Save contreng Probabilities, Studentized dan Cook’s.

Kemudian klik Continue.

f. Pada menu Option contreng Hosmer-Lemeshow goodness of it,

kemudian klik Continue. Untuk melihat keluaran model klik OK.

35

BAB III

METODE PENELITIAN

3.1 Tahapan Penelitian

Tahapan penelitian mencangkup langkah-langkah pelaksanaan penelitian

dari awal sampai akhir. Tahapan dalam penelitian ini diawali dengan suatu studi

untuk mengidentifikasi daerah/wilayah suatu lokasi, mengenali wilayah dan

permasalahannya sehingga dapat ditetapkan sebagai lokasi studi, mengidentifikasi

data yang dibutuhkan, mengidentifikasi pustaka dan acuan yang akan digunakan,

serta mengidentifikasi perangkat lunak yang dapat diacu dalam menganalisis data.

Dengan menetapkan tujuan yang menjadi sasaran studi dan identifikasi pustaka,

dicoba untuk mendesain formulir survai berupa desain kuesioner dan survai

pendahuluan untuk menentukan desain sampel yang sangat dibutuhkan sebelum

dilakukan survai secara menyeluruh, serta menentukan data apa saja yang

diperlukan. Dari survai menyeluruh tersebut akan didapatkan data lapangan

sebagai data primer dan data sekunder dari instansi terkait, literature, jurnal

ilmiah, yang selanjutnya akan diolah dalam rangka penyusunan laporan.

Dengan demikian, langkah-langkah yang pasti dapat diperoleh, sehingga

memperkecil kekeliruan yang terjadi seperti pengumpulan data yang tidak perlu,

mengetahui jenis data yang dibutuhkan secara tepat dan sejak awal sudah

dipersiapkan mencari pustaka dan acuan yang dibutuhkan, yang akan digunakan

dalam proses analisis, dan yang tidak kalah pentingnya dapat menghemat waktu

mengingat waktu yang terbatas, menghemat tenaga kerja dan dapat menggunakan

36

tenaga yang membantu survai secara optimal dan pada ujungnya dapat member

penghematan dalam pendanaan, mengingat dana yang dibutuhkan tidak sedikit.

Tahapan yang dilakukan dalam penelitian ini dijelaskan pada Gambar 3.1

Studi Pendahuluan :- Identifikasi / penentuan lokasi studi- Identifikasi data- Identifikasi pustaka- Identifikasi alat bantu (perangkat lunak)

Latar Belakang dan Rumusan Masalah

Tujuan Penelitian

Pengumpulan Data

Data Sekunder :- Gambar Peta Lokasi- Jumlah Penduduk, dll

Data Primer dari Home interview Survey :- Informasi Umum Rumah Tangga

Tabulasi Data

Analisis Karakteristik Sosial-Ekonomi

A

37

Gambar 3.1 Diagram Alir Tahapan Penelitian

3.1.1 Survai Pendahuluan

Survai pendahuluan (pilot survey) adalah survai skala kecil yang dilakukan

sebelum pelaksanaan survai menyeluruh. Tujuan survai pendahuluan adalah untuk

mengetahui antara lain:

a. Jumlah sampel yang dibutuhkan pada survai sesungguhnya.

b. Tingkat kesesuaian metode survai yang akan digunakan (kesesuaian dan

kelengkapan kuisioner yang digunakan).

c. Estimasi biaya survai.

d. Kesesuaian dari metode kompilasi yang digunakan.

Pembentukan Variabel Dummy dan Uji Hipotesis VariabelBebas dan Melakukan Reduksi Variabel Bebas

A

Kalibrasi Model Regresi Logistik

Validasi

Analisis Pengaruh Faktor dan ProbabilitasKepemilikan Sepeda Motor

Simpulan dan Saran

38

e. Tingkat efisiensi (biaya) dan efektivitas (waktu survai) yang diperlukan.

Faktor yang perlu diperhatikan pada pelakasanaan survai adalah

penyediaan sumber daya pendukung penelitian. Sumber daya yang dibutuhkan

adalah manusia (surveyor), pembiayaan, dan waktu. Faktor tersebut dapat juga

berfungsi sebagai pembatas dalam ruang lingkup penelitian.

3.1.2 Kompilasi Data

Kompilasi data adalah proses penyusunan data mentah untuk mendapatkan

hasil berupa data yang siap digunakan pada tahap analisis. Dalam tahap ini terjadi

pengkategorian data ke dalam parameter analisis. Data awal yang akan diolah

masih berupa kumpulan kuisioner hasil pengisian di lapangan (data mentah).

Kompilasi data bertujuan untuk menkonversikan data mentah menjadi data yang

siap untuk dianalisis. Data yang siap untuk dianalisis dapat ditampilkan dalam

bentuk tabel atau grafik. Tabel dibuat berdasarkan parameter yang ditinjau dalam

analisis.

3.2 Lokasi dan Waktu Penelitian

Lokasi penelitian dilakukan di wilayah Kabupaten Buleleng yaitu sebagai

berikut :

a. Kabupaten Buleleng yang terdiri dari 9 Kecamatan dibagi menjadi

27 zona. Dalam hal ini setiap zona dapat terdiri dari satu atau lebih

desa/kelurahan dalam satu wilayah kecamatan. Pembagian ini didasarkan

atas jumlah penduduk masing-masing desa dengan menggunakan batas

39

administratif sebagai batas zona (zona boundary). Zona studi dibatasi oleh

garis kordon (cordon line) yang merupakan batas administrarif dari

Kabupaten Buleleng.

b. Tabel 3.1 memperlihatkan pembagian zona di Kabupaten Buleleng.

c. Studi dilakukan pagi hingga sore selama jam kerja.

Tabel 3.1 Pembagian zona di Kabupaten Buleleng

KECAMATAN ZONA DESA / KELURAHAN

GEROKGAK

1

Sumber KelampokPejarakan

Sumber KimaPemuteran

2

BanyupohPenyabangan

MusiSanggalangit

Gerokgak

3

PatasPengulon

Tinga-tingaCelukan BawangTukad Sumaga

SERIRIT

4

Banjar AsemKalisade

Pangkung ParukLokapaksaUmeanyar

5

SeriritPengastulan

PatemonKalianget

TangguwisiaSulanyah

40

SERIRIT 6

UnggahanGunungsari

Munduk BestalaBestalaMayongRangduUlaran

RingdikitJoanyarBubunan

BUSUNGBIU

7

Sepang KelodTista

BongancinaPuncaksari

SepangTelagaTitab

Kekeran

8

BusungbiuPelapuan

SubukTinggarsari

KedisBengkelUmejero

BANYUATIS

9

BanyuatisGesing

MundukKayuputih

GoblegTirtasari

10

BanyuseriTampekan

Banjar TegehaBanjar

DencarikSidetapa

41

BANYUATIS 11

PedawaTigawasaCempagaTemukusKaliasem

SUKASADA

12

TegallinggahSelat

KayuputihPanji Anom

13

PancasariWanagiri

PegayamanSilangjana

GitgitPengadugan

14

PadangbuliaAmbenganSukasada

SambanganPanji

BULELENG

15

KalibukbukAnturan

Tukad MunggaPemaron

BaktiseragaBanyuasri

16

Paket AgungBeratan

LiligundiKp. Singaraja

KendranSarimekarPetandakanNagasepehaAlasangker

Poh Bergong

42

BULELENG

17

Banjar TegalAstina

Br. JawaBr. Bali

Kp. KajananKaliuntu

Kp. AnyarKp. BugisKp. Baru

18

BanyuningPenarukan

JinengdalemPenglatan

SAWAN

19

SinabunKerobokan

SangsitSuwug

20

SawanMenyaliJagaraga

Bungkulan

21

LemukihGalunganSekumpulBebetinSudaji

KUBUTAMBAHAN 22

BilaBengkala

KubutambahanBulian

43

Sumber: BPS, 2010 dan Hasil Analisis, 2011

3.3 Desain Kuisioner (Formulir Pengisian Survai)

Desain kuisioner bertujuan untuk merancang bentuk dan isi kuisioner yang

tepat agar sasaran yakni data atau informasi yang diperoleh memenuhi kebutuhan

proses analisis data. Hal ini dapat ditunjukkan dari pemenuhan aspek kuantitatif

dan kualitatif data yang dikumpulkan. Dalam desain kuisioner pengetahuan

mengenai karakterstik responden sebagai obyek survai adalah sangat penting.

Karakteristik masyarakat sebagai responden ditinjau dari kelompok sosial tempat

bermukim dan latar belakang pendidikan. Walaupun peninjauan karakteristik

hanya dilakukan berdasarkan daya nalar, namun hal tersebut penting karena

tenaga survai (surveyor) perlu mengetahui dan menduga bagaimana tanggapan

responden sebelum menjalani penelitian.

KUBUTAMBAHAN

23

TambakanPakisan

BontihingTamblang

24

TajunDepehaTunjung

Bukti

TEJAKULA

25

SembiranPacungJulah

Bondalem

26MadenanTejakula

Les

27Penuktukan

SambirentengTembok

44

Pengetahuan tentang karakteristik responden diperlukan pada saat

membuat kuisioner. Hal-hal yang perlu diperhatikan dalam desain kuisioner

antara lain:

a. Format dan gaya formulir isian (tampilan formulir),

b. Format dan tipe pertanyaan yang diajukan (pertanyaan aktif atau pasif),

c. Isi pertanyaan yang diajukan,

d. Susunan pertanyaan (dari bentuk yang sederhana hingga kompleks),

e. Penjelasan tentang cara mengisi kuisioner (cara lisan dan tulisan).

3.4 Desain Sampel

Setelah studi pendahuluan, maka akan diketahui secara pasti jenis dan tipe

data yang dibutuhkan untuk survai. Begitu juga parameter data dan juga metode

yang akan digunakan dalam pengumpulan data. Apakah semuanya memerlukan

pengamatan di lapangan atau hanya diambil dari data sekunder.

Khusus untuk data yang pengumpulannya diperlukan dengan kuisioner

maka yang paling penting untuk dikaji terlebih dahulu adalah berkaitan dengan

masalah sampling atau desain sampel. Pada dasarnya tujuan dari desain sampel

adalah untuk menentukan spesifikasi kualitatif atau kuantitatif dari tata cara

pengambilan sampel pada saat survai dilakukan. Sampel adalah bagian dari

populasi. Sedangkan populasi adalah totalitas semua nilai yang mungkin, baik

hasil menghitung maupun pengukuran kuantitatif maupun kualitatif dari

karakteristik tertentu mengenai sekumpulan obyek yang lengkap dan jelas

(Sudjana, 1992).

45

Bila populasi besar dan penelitian tidak mungkin mempelajari semua yang

ada pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu maka

penelitian dapat mempergunakan sampel yang diambil dari populasi itu. Apa yang

dipelajari dari sampel itu, kesimpulan akan dilakukan untuk populasi. Untuk

sampel yang diambil dari populasi harus betul-betul mewakili (Sugiono, 1993).

Langkah-langkah kegiatan yang perlu dilakukan pada tahap desain sampel

ini meliputi :

a. Penentuan target populasi

Target populasi dalam penelitian ini adalah Kepala Keluarga (KK) di

Kabupaten Buleleng sesuai dengan data dari Badan Pusat Statistik tahun

2010.

b. Merumuskan unit sampel

Unit sampel adalah unit dasar yang akan digunakan dalam dasar penentuan

besaran sampel. Unit sampel dalam penelitian ini yaitu anggota keluarga di

Kabupaten Buleleng yang berusia 5 sampai 65 tahun.

c. Menentukan kerangka sampel (sampling frame)

Kerangka sampel adalah merupakan lingkup acuan dimana identifikasi

elemen atau unit analisis dapat dilakukan dari populasi. Kerangka sampel

berisi semua atau mendekati semua keluarga dalam tiap zona.

d. Menentukan tingkat kesalahan dan tingkat bias yang masih ditolerir

Tingkat kesalahan yang diperbolehkan adalah 5% itu berarti tingkat

keyakinan yang diperoleh nantinya sebesar 95%.

46

e. Menentukan besar sampel

Penarikan sampel dilakukan untuk mendapatkan sampel dengan jumlah

relatif kecil dari seluruh populasi, meskipun jumlahnya relatif kecil

dibandingkan jumlah populasi tetapi mampu mempresentasikan jumlah

seluruh populasi yang dimaksud. Sampel yang diambil sebanyak 2% agar

dapat mewakili kondisi seluruh populasi.

Besarnya pengambilan sampel untuk masing-masing obyek yang diteliti

tergantung dari :

a. Kemampuan penelitian dilihat dari waktu, tenaga dan dana.

b. Sempit luasnya wilayah pengamatan.

c. Besar kecilnya resiko yang ditanggung oleh peneliti

Hasil dari tahapan ini adalah berupa tata cara dan spesifikasi sampling dari

masing-masing jenis data yang akan dikumpulkan melalui survai lapangan.

3.5 Penentuan Sampel

Pengambilan sampel membantu mengalokasikan sumber daya yang

terbatas. Desain tersebut bertujuan untuk memperoleh data yang representatif atau

mewakili populasi. Hal ini mendukung penentuan besar sampel. Tujuan tahap

desain sampel adalah menentukan spesifikasi kualitatif dan kuantitatif dari tata

cara pengambilan sampel pada saat survai dilaksanakan. Sasaran terakhir tahapan

desain sampel adalah teknik pengambilan sampel dan besar sampel.

47

Tahap pengambilan sampel antara lain :

1. Target populasi

Target populasi adalah kumpulan obyek yang dilengkapi tempat informasi

atau data yang akan dikumpulkan. Dalam hal ini elemen-elemen dasar dari

kumpulan obyek dimaksud dapat berupa orang, rumah tangga, kendaraan,

daerah geografis, ataupun obyek-obyek lainnya yang bersifat diskrit. Target

populasi ditentukan berdasarkan tujuan survai.

2. Unit sampel

Unit sampel adalah suatu unit yang akan digunakan sebagai dasar bagi

penentuan besar sampel. Suatu populasi pada dasarnya terbentuk dari

sekumpulan elemen-elemen individual yang membentuknya. Unit sampel

pada umumnya merupakan pengelompokan dari elemen populasi (unit analisis

dari populasi). Dalam banyak hal unit sampel dapat menjadi sama dengan

elemen populasi.

3. Daftar acuan pengambilan sampel (sampling frame)

Sampling frame adalah merupakan daftar acuan yang digunakan untuk

mengidentifikasi elemen (unit analysis) dari populasi. Sampling berisi semua

atau sebagian besar unit sampel yang ada dalam populasi. Sampling frame

tergantung dari populasi dan unit sampel yang akan digunakan.

4. Metode penarikan sampel

Tujuan penarikan sampel adalah mendapatkan sampel dari populasi agar

sampel tersebut representatif atau mewakili populasi. Atas pertimbangan

bahwa sampel yang diambil digunakan untuk merepresentasikan seluruh

48

populasi, maka cara penentuan yang tepat dalam menarik sampel menjadi

penting. Ditinjau dari metode penarikan sampel suatu populasi dikenal

beberapa cara yaitu (Syofian Siregar, 2010):

a. Simple Random Sampling.

Pada simple random sampling pengambilan sampel dilakukan secara acak

(dengan metode angka acak tertentu) dari seluruh populasi yang ada. Ciri

utama sampling ini adalah setiap unsur dari keseluruhan populasi

mempunyai kesempatan yang sama untuk dipilih.

b. Stratified Random Sampling.

Pada stratified random sampling pengambilan sampel berdasarkan

informasi awal berkaitan dengan stratifikasi dari populasi. Dalam hal ini

pengambilan sampel pada setiap stratifikasi dilakukan secara acak, sama

halnya seperti yang dilakukan pada simple random sampling. Teknik ini

digunakan apabila populasinya heterogen atau terdiri atas kelompok-

kelompok yang bertingkat, misalnya menurut pendapatan, usia, jenjang

pendidikan.

c. Clustered Sampling.

Pada teknik ini total populasi dibagi menjadi sekumpulan cluster unit

sample. Selanjutnya masing-masing cluster ditarik sampelnya secara acak.

Teknik ini digunakan apabila populasi tersebar di beberapa daerah,

propinsi, kabupaten, kecamatan dan seterusnya.

49

d. Systematic Sampling.

Teknik pengambilan sampel pada metode ini dilakukan dengan memilih

unit sampel berdasarkan daftar dan penarikannya dilakukan berdasarkan

interval tertentu, misalnya setiap kelipatan 5 atau 10 dari daftar pegawai.

5. Penentuan besar sampel

Besar sampel yang digunakan untuk merepresentasikan seluruh populasi

dipengaruhi oleh faktor-faktor sebagai berikut:

a. Tingkat variabilitas parameter yang akan ditinjau dari seluruh populasi

yang ada,

b. Tingkat ketelitian yang dibutuhkan untuk mengukur parameter yang

dimaksud,

c. Besar populasi tempat parameter yang akan disurvai. Besarnya sampel

dapat ditentukan secara statistik. Statistik yang digunakan untuk

menentukan besar sampel dari populasi .

Jika suatu harga parameter dari suatu populasi mempunyai tingkat

variabilitas yang tinggi, maka secara logis akan dijumpai kenyataan bahwa jika

jumlah sampel yang ditarik terlalu sedikit maka tidak akan mampu mawakili

kondisi seluruh populasi dan sebaliknya. Dari tingkat ketelitian harga parameter

yang akan diukur, maka makin tinggi tingkat ketelitian yang diinginkan maka

makin besar pula jumlah sampel yang dibutuhkan. Jika ditinjau dari besarnya

populasi, maka makin besar populasi akan makin besar pula jumlah sampel yang

dibutuhkan untuk mewakili kondisi seluruh populasi (Santoso, 1996).

50

3.6 Teknik Pengambilan Sampel

Sampel adalah sekumpulan unit yang merupakan bagian dari populasi dan

dipilih untuk merepresentasikan seluruh populasi. Teknik pengambilan sampel

pada penelitian ini menggunakan metode sampling Acak Berlapis (Stratified

Random Ssampling), yaitu dilakukan jika populasi mempunyai karakteristik yang

heterogen, dimana dapat dipisah-pisahkan menurut lapisan tertentu, kemudian dari

masing-masing lapisan dilakukan pengambilan sampel secara random.

Pengambilan dilakukan dengan membagi populasi menjadi beberapa

lapisan, sehingga setiap lapisannya relatif homogen dan ada hubungan antara

posisi dalam suatu lapisan tertentu dengan ciri yang sedang diteliti, sebagai

berikut :

1. Pengambilan sampel dilakukan berdasarkan tingkat wilayah, dengan cara :

a. Membagi wilayah populasi menjadi sub wilayah, kemudian dari sub

wilayah ditetapkan sebagai sampel. (Misal penelitian disuatu Kecamatan,

diambil beberapa Desa/Kelurahan sebagai sampel).

b. Dari sub wilayah sampel ditetapkan pula sub-sub wilayah sebagai sampel.

(Dari Desa/Kelurahan yang menjadi sampel, diambil beberapa Banjar

sebagai sampel dan seterusnya sesuai persyaratan jumlah sampel).

c. Dari bagian-bagian yang lebih kecil, ditetapkan unit-unit sebagai sampel

(Dari bagian terkecil misalnya Banjar, diambil sebagian atau seluruh unit

sebagai sampel misalnya : Tempekan-Tempekan)

2. Pengambilan sampel berdasarkan daerah kajian studi yang ada yaitu di 9

kecamatan pada Kabupaten Buleleng.

51

3.7 Cara Pelaksanaan Survai

Pelaksanaan survai (home interview) dilakukan dengan cara mendatangi

setiap anggota keluarga yang dipilih. Kunjungan dilakukan dengan membawa

identitas Kartu Tanda Mahasiswa Universitas Udayana, Surat ijin penelitian dari

Instansi yang terkait, dan formulir pengisian (kuisioner). Penyebaran sampel pada

masing-masing kelurahan/desa disesuaikan dengan persentase jumlah KK pada

masing-masing kelurahan/desa. Jumlah tenaga survai diperlukan sebanyak 10

orang ditambah dengan 2 orang survai cadangan apabila diantara 10 orang survai

berhalangan dalam melakukan tugasnya. Disetiap zona terdiri dari 2 surveyor.

Dalam pelaksanaan survai tersebut dibutuhkan 6 hari. Dalam sehari

diperhitungkan 5 zona yang akan disurvai. Selain itu para surveyor diminta

melakukan survai di dalam daerah kajian sesuai pembagian yang telah disepakati

bersama, supaya tidak saling tumpang tindih (jangan sampai terjadi seorang

responden di-interview lebih dari satu kali).

3.7.1 Data Primer

Data primer adalah data hasil survai wawancara rumah tangga (home

interview) untuk mendapatkan informasi umum rumah tangga, informasi anggota

keluarga, informasi perjalanan (formulir survai terlampir seperti pada lampiran),

antara lain:

a. Survai Informasi Umum Rumah Tangga

Pada survai informasi umum rumah tangga dilakukan pencatatan ukuran

keluarga yang terdiri atas: jumlah orang dalam rumah tangga, jumlah yang

52

bekerja, jumlah pelajar dan anggota keluarga yang berumur 5-65 tahun.

Selain itu dilakukan pencatatan kepemilikan kendaraan sepeda motornya.

b. Survai Informasi Anggota Keluarga

Pada survai informasi anggota keluarga dicatat status responden (menikah,

duda/janda, belum menikah), jenis kelamin, pendidikan, pendapatan

bulanan, pengeluaran untuk biaya transportasi setiap bulan, pekerjaan dan

lokasi tempat bekerja.

Data hasil survai wawancara di rumah tersebut dikelompokkan ke dalam beberapa

kategori, yang dapat disajikan didalam Tabel sebagai berikut:

Tabel 3.2 Data yang dikumpulkan dari Responden

No Data Rumah tangga/Keluarga

1.2.3.4.5.6.7.8.

Jumlah anggota keluargaJumlah anggota keluarga yang bekerjaJumlah anggota keluarga yang pelajar/mahasiswaTotal pendapatan dalam satu rumah tangga/keluargaTotal jumlah sepeda motor yang dimilikiJarak perjalanan perhari yang ditempuh oleh semua anggota keluargaPengeluaran biaya transportasiWaktu perjalanan

Sumber: Hasil Analisis, 2011

3.7.2 Data Sekunder

Data sekunder didapat dari Dinas Perhubungan Propinsi Bali tentang : Peta

Pulau Bali khususnya wilayah Kabupaten Buleleng. Sedangkan dari Badan Pusat

Statistik Propinsi Bali dan Kantor Desa/Kelurahan tentang : data penduduk, data

usia sekolah dan teori lainnya didapat dari literatur, jurnal ilmiah dan internet.

53

3.8 Pengolahan Data

Pengolahan data adalah kegiatan pendahuluan análisis data, meliputi:

a. Editing : merupakan kegiatan peninjauan terhadap data yang telah

dikumpulkan melalui survai dan melakukan perbaikan atau melengkapi data.

b. Koding : merupakan kegiatan pemberian kode data yang dikumpulkan

sesuai metode regresi logistik yang digunakan dalam análisis.

3.9 Jumlah Sampel Home Interview Survai

Ukuran sampel tergantung dari jumlah populasi dalam studi area dan pada

tingkat keakuratan statistik yang dibutuhkan, tetapi teori sampel dari pengalaman

US Department of Transportation dapat digunakan untuk menetapkan angka

sampel minimum dan yang disarankan, jika melaksanakan survai Home Interview

dalam daerah studi dari jumlah populasi yang berbeda.

Untuk survai Home Interview ini, sampel yang dimaksud adalah orang

pada usia produktif dalam suatu keluarga yang melakukan perjalanan antar zona

baik itu perjalanan untuk sekolah, bekerja, belanja, atau ke tempat

rekreasi/hiburan.

Menurut Mendenhall (1971), bahwa n >30 merupakan ukuran/jumlah sam-

pel besar, sebaliknya n<30 merupakan ukuran sampel kecil. Juga dinyatakan

bahwa pengambilan sampel secara acak akan memberikan peluang untuk

menghasilkan suatu sampel yang mendekati representatif.

Selain itu menurut Black (1981), besar sampel minimum dan yang

dianjurkan dapat diperkirakan seperti tabel dibawah ini:

54

Tabel 3.3 Ukuran sampel minimum dan yang disarankan untuk survai homeinterview

Populasi Studi AreaUkuran Sampel (unit tempat tinggal)

Minimum Disarankan

< 50.000

50.000 – 150.000

150.000 – 300.000

300.000 – 500.000

500.000 – 1.000.000

> 1.000.000

1 : 10

1 : 20

1 : 35

1 : 50

1 : 70

1 : 100

1 : 5

1 : 8

1 : 10

1 : 15

1 : 20

1 : 25

Sumber : Black, 1981

Dalam penelitian ini, ukuran sampel minimum yang disarankan adalah

1:70 atau 1,4 % sedangkan yang disarankan adalah 1:20 atau 5% dari jumlah

populasi yang ada. Jumlah penduduk total Kabupaten Buleleng tahun 2010 adalah

624.079 jiwa Dari kondisi tersebut diambil sampel 2% dari jumlah KK yang ada

yaitu sebesar 3.000 dari total 149.123 KK. Alasan lain yang dijadikan landasan

pengambilan sampel sebesar 2% adalah keterbatasan sumber daya, baik itu

sumber daya manusia maupun keterbatasan dari segi pendanaan.

Selanjutnya didalam pengambilan sampel atau metode penelitian ini

digunakan dengan penarikan sampel Stratified Random Sampling dimana

penerapannya di tiap desa dikelompokkan lagi berdasarkan kondisi perekonomian

rumah tangga, yaitu rumah tangga dengan pendapatan rendah, pendapatan

menengah dan pendapatan tinggi. Sebagai contoh di desa Sumber Kelampok

didapatkan sampel sebanyak 13 KK, untuk pendistribusiannya adalah sebagai

berikut :

55

- 4 sampel untuk kelompok pendapatan rendah

- 5 sampel untuk kelompok pendapatan menengah

- 4 sampel untuk kelompok pendapatan tinggi

Selanjutnya pengambilan sampel untuk masing-masing kelompok tersebut

dilakukan secara acak (random). ( Lihat Lampiran Tabel B.1)

3.10 Tabulasi Data

Data hasil survai di kawasan Kabupaten Buleleng ditabulasikan di dalam

bentuk grafik dengan menggambarkan proporsi dari setiap faktor-faktor

kepemilikan sepeda motor yang dimiliki oleh keluarga, jumlah anggota keluarga,

jumlah anggota keluarga yang bekerja, jumlah pelajar/mahasiswa dalam keluarga,

pendapatan total keluarga per bulan, total jarak perjalanan yang ditempuh oleh

semua anggota keluarga dalam sehari, faktor-faktor yang mempengaruhi

kepemilikan sepeda motor.

3.11 Pendefinisian Variabel Dummy

Variabel dapat didefinisikan sebagai atribut seseorang atau obyek yang

mempunyai ”variasi” antara satu orang dengan yang lain atau satu objek dengan

objek yang lain (Sugiyono, 2004). Variabel Independen sering disebut sebagai

variabel stimulus, prediktor, antecedent yang dalam bahasa indonesia sering

disebut dengan variabel bebas. Variabel bebas adalah merupakan variabel yang

mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel

dependen (terikat). Sedangkan Variabel Dependen sering disebut sebagai variabel

56

output, kriteria, konsekuen yang dalam bahasa indonesianya disebut sebagai

variabel terikat, karena adanya variabel bebas.

Variabel bebas untuk model kepemilikan sepeda motor, yaitu variabel

bebas kontinyu meliputi:

1. Jumlah anggota keluarga (orang),

2. Jumlah pekerja dalam keluarga (orang),

3. Jumlah pelajar/mahasiswa dalam keluarga (orang),

4. Total jarak perjalanan (km),

5. Jumlah pendapatan keluarga per bulan (rupiah per bulan).

Sementara itu kedua model mempunyai variabel bebas diskrit yang sama

yaitu pendapatan total keluarga per bulan (pendapatan) dan variabel diskrit yang

berbeda yang meliputi faktor-faktor yang mempengaruhi kepemilikan sepeda

motor. Langkah selanjutnya adalah reduksi variabel bebas dengan tujuan

menyeleksi variabel bebas yang akan diikutsertakan di dalam model (variable

selection). Penyeleksian dilakukan untuk menguji signifikasi dari klasifikasi

setiap variabel. Dengan adanya klasifikasi tersebut menyebabkan diperlukannya

penggkodean variabel bebas di dalam pemodelan. Pengkodean ini disebut dengan

istilah pengkodean variabel dummy ( Al-Gandhi, 2002). Untuk variabel tidak

bebas adalah didefinisikan sebagai memiliki sepeda motor (kode = 1) dan tidak

memiliki sepeda motor (kode = 0).

Sedangkan pengkodean variabel bebas mengikuti aturan pengkodean dalam

SPSS ver.15 seperti yang ditunjukkan dalam tabel berikut :

57

Tabel 3.4 Pengkodean Variabel Dummy


Analisis berikutnya adalah memasukkan parameter model ke dalam

persamanaan regresi logistik, dengan memasukkan variabel bebas.

Persamaan regresi logistik untuk kepemilikan sepeda motor ( p=1) adalah sebagai

berikut :

No Variabel Nama dalam Model Klasifikasi Kode

1. KepemilikanSepeda Motor

KepemilikanKendaraan Bemotor

≤ 1 unit> 1 unit

01

2. InformasiSosial -EkonomiRumag Tangga

Pendapatan per bulan ≤ Rp.1 jutaRp.1 juta – Rp.4 juta≥ Rp.4 juta

012

Pengeluaran biayatransportasi bulanan

< Rp. 100 ribuRp. 100 ribu – Rp. 300 ribu> Rp. 300 ribu

012

Jarak rata-rata yangditempuh per hari

Jarak dekat (< 10 km)Jarak sedang (10 km – 20 km)Jarak jauh (> 20 km)

012

Waktu perjalanan < 1 jam1 jam – 2 jam> 2 jam

012

3. InformasiDemografiRumah Tangga

Jumlah AnggotaKeluarga

≤ 2 orang3 – 4 orang> 4 orang

012

Jumlah anggotakeluarga yang bekerja

≤ 2 orang> 2 orang

12

Jumlah anggotakeluarga yang sekolah

≤ 2 orang> 2 orang

12

58

= ( ) = 0 + 1X1 +………..+βnXn................................................. (3.1)

dimana :

Y = probabilitas kepemilikan sepeda motor.

X1,..n = variabel bebas, dimana :

X1= Jumlah Anggota keluarga.

X2= Pendapatan per bulan.

X3= Jarak rata-rata yang ditempuh per hari.

X4= Jumlah anggota keluarga yang bekerja.

X5= Jumlah anggota keluarga yang sekolah.

X6= Biaya transportasi per bulan.

X7= Waktu perjalanan.

β0,1,n = parameter model

dengan n adalah klasifikasi masing-masing kategori variabel bebas.

Kemudian dilakukan uji kelayakan untuk menjelaskan hubungan antara

faktor-faktor kepemilikan sepeda motor. Selanjutnya adalah interpretasi model

untuk menentukan pengaruh dan besarnya probabilitas masing-masing variabel

bebas di dalam kepemilikan sepeda motor, kemudian dapat didiskripsikan secara

kualitatif.

Dari kegiatan reduksi variabel bebas yang bertujuan untuk menyeleksi

variabel bebas yang akan diikut sertakan di dalam model (variable selection).

Jika dari analisis korelasi menunjukkan tidak ada ketergantungan antara masing-

masing variabel bebas maka semua variabel bebas tersebut dapat dinominasikan

sebagai faktor penduga. Seleksi ini untuk langkah selanjutnya adalah dengan

59

melakukan penyeleksian dari variabel masing-masing faktor, misalnya apakah

semua variabel dalam salah satu faktor dapat diikut sertakan pada model.

Dari hasil pemodelan dan interpretasi model maka dapat dideskripsikan

secara kualitatif faktor-faktor yang mempengaruhi kepemilikan sepeda motor.

Deskripsi ini disesuaikan dengan tujuan penelitian yang dituangkan dalam bentuk

simpulan penelitian dan acuan dalam pembuatan saran.

60

BAB IV

DESKRIPSI DATA

4.1 Gambaran Umum Penduduk Kabupaten Buleleng

Berdasarkan hasil pencacahan Sensus Penduduk 2010, jumlah penduduk

Kabupaten Buleleng adalah 624.079 orang, yang terdiri atas 311.064 laki‐laki dan

313.015 perempuan. Kecamatan Buleleng memiliki jumlah penduduk terbanyak

yaitu 128.951 orang. Sedangkan Kecamatan Busungbiu memiliki jumlah

penduduk paling sedikit, yaitu 39.519 orang. Dengan luas wilayah Kabupaten

Buleleng sekitar 1.365,88 kilometer persegi yang didiami oleh 624.079 orang,

maka rata‐rata kepadatan penduduk Kabupaten Buleleng adalah sebanyak 457

orang per kilo meter persegi. Kecamatan yang paling tinggi tingkat kepadatan

penduduknya adalah Kecamatan Buleleng yaitu 2.747 orang per kilometer

persegi. Sedangkan yang paling rendah adalah Kecamatan Busungbiu yaitu

sebanyak 201 orang per kilo meter persegi. (BPS KabupatenBuleleng, 2010)

4.1.1 Laju Pertumbuhan Penduduk Menurut Kecamatan di Kabupaten

Buleleng

Untuk laju pertumbuhan penduduk Kabupaten Buleleng pertahun selama

sepuluh tahun terakhir yakni dari tahun 2000 sampai dengan tahun 2010 sebesar

1,12 persen. Laju pertumbuhan penduduk Kecamatan Sukasada adalah yang

tertinggi dibandingkan kecamatan‐kecamatan lainnya yaitu sebesar 1,76 persen.

Sedangkan yang terendah adalah Kecamatan Tejakula yaitu sebesar 0,02 persen

61

per tahun. Kecamatan Buleleng yang paling banyak jumlah penduduknya hanya

menempati posisi ketiga dalam laju pertumbuhan penduduk yaitu sebesar 1.53

persen, di bawah Kecamatan Gerokgak yaitu sebesar 1,62 persen. Laju

pertumbuhan penduduk Kabupaten Buleleng dari tahun 2005 sampai tahun 2010

disajikan pada Tabel 4.1.

No Kecamatan 2005 2006 2007 2008 2009 2010

1 Gerokgak 73.798 76.781 77.524 78.782 79.746 78.8762 Seririt 70.704 72.846 74.091 75.969 76.808 69.5483 Busungbiu 43.290 44.063 45.014 44.977 44.991 39.5194 Banjar 67.741 70.354 67.650 67.763 67.769 68.9845 Sukasada 69.498 70.100 69.415 71.139 71.562 72.0276 Buleleng 114.866 124.834 119.446 120.228 120.239 128.9517 Sawan 61.695 64.865 66.317 66.521 66.828 58.6338 Kubutambahan 55.959 58.214 59.301 59.616 60.248 53.7379 Tejakula 60.525 60.986 64.516 65.242 65.956 53.804

Sumber: BPS KabupatenBuleleng, 2010

4.1.2 Jumlah Penduduk Menurut Kecamatan di Kabupaten Buleleng

Berdasarkan hasil pencacahan sensus penduduk tahun 2010, jumlah

penduduk Kabupaten Buleleng adalah 624.079 jiwa. Dimana dapat diketahui

bahwa Kecamatan Buleleng terdapat 29 kelurahan/desa yang memiliki jumlah KK

terbesar yakni 27.286 KK. Kecamatan Gerogak mempunyai jumlah KK terbesar

kedua yaitu 19.312 KK dengan jumlah 14 kelurahan/desa. Dan jumlah KK

terkecil terdapat pada Kecamatan Busungbiu, yakni 10.407 KK dengan jumlah 15

kelurahan/desa. Jumlah KK menjadi bahan perhitungan jumlah sampel. Tabel 4.2

dan Gambar 4.1 menunjukkan Jumlah KK dan Jiwa di Kabupaten Buleleng.

62

Tabel 4.2 Jumlah KK dan jiwa di Kabupaten Buleleng Tahun 2010

No Kecamatan JumlahPendudukKK Jiwa

1 Gerokgak 19.312 78.8762 Seririt 17.981 69.5483 Busungbiu 10.407 39.5194 Banjar 17.559 68.9845 Sukasada 14.259 72.0276 Buleleng 27.286 128. 9517 Sawan 14.585 58.6338 Kubutambahan 12.107 53.7379 Tejakula 15.467 53.804

Sumber: BPS KabupatenBuleleng, 2010

Gambar 4.1 Jumlah Penduduk menurut Kecamatan di Kabupaten Buleleng Tahun

2010

0.000

20.000

40.000

60.000

80.000

100.000

120.000

140.000

jum

lah

pend

uduk

63

4.1.3 Ratio Jenis Kelamin (Sex Ratio) Penduduk Kabupaten Buleleng

Tahun 2010.

Ratio adalah perbandingan dua perangkat yang dinyatakan dalam suatu

satuan tertentu dan biasanya dinyatakan dalam banyaknya penduduk laki-laki per

100 perempuan , dengan kata lain jumlah penduduk laki-laki dibagi jumlah

penduduk perempuan dikalikan seratus. Apabila SR ˃ 100 maka didaerah tersebut

lebih banyak penduduk perempuan dan apabila SR ˂ maka didaerah tersebut

lebih banyak penduduk laki-laki (R.Thomas Malthus, 1834).

Berikut ini Tabel dan Gambar 4.2 jumlah Penduduk menurut jenis kelamin (sex

ratio) Kabupaten Buleleng.

Tabel 4.3 Jumlah Penduduk menurut Kecamatan dan Jenis Kelamin di Kabupaten

Buleleng tahun 2010

No Kecamatan Laki-laki Perempuan JumlahPenduduk

1 Gerokgak 39.620 39.256 78.8762 Seririt 34.194 35.354 69.5483 Busungbiu 19.671 19.848 39.5194 Banjar 34.192 34.792 68.9845 Sukasada 35.871 36.156 72.0276 Buleleng 64.112 64.839 128. 9517 Sawan 28.980 29.653 58.6338 Kubutambahan 27.192 26.545 53.7379 Tejakula 27.232 26.572 53.804

624.079Sumber : BPS Kabupaten Buleleng 2010

64

Gambar 4.2 Diagram Jumlah Penduduk laki-laki dan perempuan Per Kecamatan

Kabupaten Buleleng

4.2 Analisis Sosial Ekonomi Rumah Tangga di Kabupaten Buleleng

Data hasil survai dianalisis dengan mengelompokkan sesuai parameter

yang berkaitan dengan kepemilikan sepeda motor, sebagai representasi dari

masyarakat di daerah studi.Pengelompokkan tersebut sebagai berikut:

a. Informasi demografi rumah tangga, antara lain: jumlah anggota keluarga

yang bekerja, yang sekolah/pelajar dan jumlah anggota keluarga yang

bukan pekerja dan bukan sekolah/pelajar.

b. Informasisosial-ekonomi rumahtangga, antara lain: kepemilikan sepeda

motor, pendapatan keluarga, jarak yang ditempuh, pengeluaran biaya

transportasi dan waktu perjalanan.

Dari pengelompokkan tersebut didapat data sebagai tergambar dalam diagram-

diagram berikut ini:

0.000

20.000

40.000

60.000

80.000ju

mla

h pe

ndud

uk

Laki-laki

Perempuan

65

1. Jumlah Anggota Keluarga

Dari masing-masing keluarga yang disurvai diperoleh data jumlah anggota

keluarga pada daerah studi ,seperti terlihat dalam Tabel berikut ini.

Tabel 4.4 Jumlah Anggota Keluarga Pada Daerah Studi

No Jumlah OrangDalamKeluarga

Hasil SurvaiJumlah Keluarga

(KK)Persentase

(%)1 1 20 12 2 332 113 3 750 254 4 1.084 365 5 552 186 6 202 77 7/Lebih 60 2

Jumlah 3.000 100Sumber: Hasil Analisis, 2011

Dari tabel dapat dilihat bahwa 73 % dari keluarga yang disurvai memiliki anggota

keluarga antara 1 sampai dengan 4 orang, 25 % memiliki anggota keluarga antara

5 dan 6 orang dan 2 % memiliki 7 atau lebih anggota keluarga. Jadi rata-rata

jumlah anggota keluarga hasil survai adalah 4 orang.

Gambar 4.3 Diagram Prosentase Jumlah Anggota Keluarga Pada Area Studi

10

5

10

15

20

25

30

35

40

1 orang

jum

lah

oran

g (%

)

65







(KK)Persentase

(%)1 1 20 12 2 332 113 3 750 254 4 1.084 365 5 552 186 6 202 77 7/Lebih 60 2







11

25

36

18

7

2 orang 3 orang 4 orang 5 orang 6 orang

65







(KK)Persentase

(%)1 1 20 12 2 332 113 3 750 254 4 1.084 365 5 552 186 6 202 77 7/Lebih 60 2







7

2

6 orang >7 orang

66

Pada Gambar 4.3 terlihat prosentase jumlah anggota keluarga 4 orang merupakan

jumlah terbanyak pada KK daerah studi.

2. Jumlah Pekerja, Pelajar dan Bukan Pekerja maupun Bukan pelajar dalam

Keluarga

Data ini merupakan data profesi anggota keluarga yang dikategorikan untuk data

pelajar dari 0 orang, 1 orang, 2 orang, 3 orang, dan 4 orang begitu juga untuk

kategori pekerja dan yang bukan pekerja maupun pelajar. Berikut Tabel jumlah

pelajar di tiap keluarga.

Tabel 4.5 Jumlah Pelajar di Tiap Keluarga Pada Area Studi

No Jumlah Pelajardalam Keluarga

Hasil Survai

Jumlah Pelajar Prosentase (%)1 0 orang 1.042 352 1 orang 937 313 2 orang 794 264 3 orang 204 75 4 orang 23 1

Jumlah 3.000 100Sumber: Hasil Analisis,2011

Gambar 4.4 Diagram Prosentase Jumlah Pelajar di Tiap Keluarga Pada Area Studi

35

0

5

10

15

20

25

30

35

40

0 orang

jum

lah

oran

g (%

)

66




Keluarga







Hasil Survai




31

26

7

0 orang 1 orang 2 orang 3 orang

66




Keluarga







Hasil Survai




1

4 orang

67

3. Pendapatan Bulanan

Besar pendapatan per bulan setiap kepala keluarga mencerminkan kemampuan

suatu keluarga baik dalam hal memiliki rumah tinggal, kendaran pribadi (sepeda

motor atau mobil), walaupun hal ini masih bersifat relatif, karena masih

dipengaruhi oleh besar kebutuhan rumah tangga masing-masing (kebutuhan

sandang, pangan dan papan serta biaya pendidikan). Namun demikian besar

pendapatan ini merupakan penunjang karakteristik dari sebuah rumah tangga.

Gambar 4.5 Diagram Prosentase Pendapatan Bulanan per KK

Dari diagram menunjukkan bahwa prosentase tertinggi pendapatan adalah

keluarga dengan pendapatan lebih besar dari Rp. 2.000.000,- sampai dengan Rp.

4.000.000,- sebesar 77% , sedangkan pendapatan terendah lebih kecil dari Rp.

2.000.000,- dengan prosentase sebesar 13%, sementara yang berpenghasilan

diatas Rp. 6.000.000,- sebesar 2%.

13

0

10

20

30

40

50

60

70

80

<= 2 juta

jum

lah

KK (%

)

67














13

77

8

<= 2 juta 2-4 juta 4-6 juta

67














2

> 6 juta

68

4. Kepemilikan Sepeda Motor

Dari masing-masing keluarga yang disurvai diperoleh data kepemilikan sepada

motor tiap keluarga pada daerah studi dengan kategori untuk data 0 unit, 1 unit

dan ≥ 2 unit. Seperti terlihat pada Tabel berikut ini :

Tabel 4.6 Kepemilikan Sepeda Motor di Tiap Keluarga

No Jumlah Sepeda Motordalam Keluarga

Hasil SurvaiJumlah Sepeda

Motor Prosentase (%)

1 0 unit 704 232 1 unit 1.696 573 ≥ 2 unit 600 20


Dari Tabel dapat dilihat bahwa jumlah sepeda motor yang dimiliki oleh tiap

keluarga rata-rata mempunyai 1 unit sepeda motor.

Gambar 4.6 Prosentase Jumlah Kepemilikan Sepeda Motor per KK

23

0

10

20

30

40

50

60

0 unit

jum

lah

KK (%

)

68









1 0 unit 704 232 1 unit 1.696 573 ≥ 2 unit 600 20





23

57

0 unit 1 unit > 2 unit

68









1 0 unit 704 232 1 unit 1.696 573 ≥ 2 unit 600 20





20

> 2 unit

69

Menurut survai jumlah kepemilikan sepeda motor di Kecamatan Buleleng jauh

lebih besar yaitu 554 unit dibandingkan dengan kecamatan lainnya yang ada di

Kabupaten Buleleng. Hal ini disebabkan oleh beberapa faktor antara lain di

kecamatan Buleleng merupakan pusat dari kegiatan perekonomian yang sebagian

besar ada di kecamatan Buleleng. Dengan fasilitas angkutan umum yang masih

kurang para masyarakat cenderung untuk memiliki sepeda motor untuk

memperlancar aktivitasnya sehari-hari.

70

BAB V

PEMODELAN DAN ANALISIS OUTPUT MODEL

5.1. Pemilihan Variabel Model

Kode atau angka yang mewakili setiap klasifikasi dari setiap variabel

bebas selanjutnya digunakan sebagai masukan data numerik di dalam perhitungan

model. Akan tetapi sebelum digunakan di dalam perhitungan model, setiap

klasifikasi dari variabel bebas dummy akan diuji terlebih dahulu variabilitasnya

secara statistik dengan menggunakan uji hipotesis. Kegiatan ini disebut sebagai

reduksi variabel bebas dummy.

Berdasarkan data survei diperoleh persentase untuk masing-masing kategori

atau klasifikasi variabel bebas dummy. Persentase tersebut dihitung untuk

selanjutnya digunakan dalam reduksi variabel dummy untuk setiap klasifikasi

setiap variabel bebas dummy. Metode reduksi variabel dummy digunakan untuk

mengeliminasi atau mengurangi dummy variabel yang mempunyai tingkat

signifikansi kurang dari 5%.

Uji hipotesis variabel bebas diskrit dilakukan untuk memperoleh variabel

bebas dummy yang siap digunakan di dalam pemodelan seperti diperlihatkan pada

Tabel 5.1. Hasil dari uji hipotesis ini adalah sebagai berikut:

a. Pada variabel pendapatan rumah tangga per bulan, kategori pendapatan

dibawah Rp. 1 juta tidak digunakan di dalam model karena jumlah

sampelnya 0. Ini berarti bahwa kategori tersebut tidak signifikans secara

71

statistik. Hal yang sama juga ditemui pada kategori jumlah anggota keluarga

kurang dari 2 orang. Untuk variabel pendapatan rumah tangga per bulan dan

jumlah anggota keluarga hanya digunakan 2 kategori di dalam pemodelan.

b. Pada variabel waktu perjalanan, kategori waktu perjalanan > 2 jam

mempunyai sampel = 0 akan tetapi mempunyai nilai rata-ratanya

mempunyai batas bawah dan batas atas 0, sehingga tidak signifikan secara

statistik. Untuk itu, kategori waktu perjalanan digabungkan dengan kategori

perjalanan 1-2 jam dan didefinisikan sebagai kategori baru yaitu kategori

waktu perjalanan > 1 jam.

c. Variabel jumlah anggota keluarga yang sekolah terdiri dari 2 kategori yaitu

lebih besar dari 2 orang dan kurang dari atau sama dengan 2 orang. Dari uji

hipotesis terlihat bahwa kategori kurang dari 2 orang mempunyai sampel =

0 sehingga kategori ini tidak signifikan untuk diikutkan sebagai faktor

penduga di dalam model. Oleh karena hanya 1 kategori yang signifikan

maka berakibat variabel jumlah anggota keluarga tidak diikutkan sebagai

faktor penduga di dalam. Hal ini karena variabel jumlah anggota keluarga

yang sekolah tidak signifikan sebagai faktor penduga karena bersifat

homogen atau mempunyai variabilitas yang rendah.

72

Tabel 5.1 Reduksi Variabel Dummy

Deskripsi X N X/N95% selang kepercayaan

Bawah AtasPendapatan rumah tangga per bulan Rp. 1 juta* 0 3000 0.000 0.0 0.0Rp. 1 juta – 4 juta 2674 3000 0.891 0.9 0.9 Rp. 4 juta 326 3000 0.109 0.1 0.1Pengeluaran biaya transportasi per bulan< Rp. 100 ribu 763 3000 0.254 0.2 0.3Rp. 100 ribu – 300 ribu 1492 3000 0.497 0.5 0.5> Rp. 300 ribu 745 3000 0.248 0.2 0.3Jarak tempuh rata-rata per hariJarak dekat (< 10 km) 2173 3000 0.724 0.7 0.7Jarak sedang (10-20 km) 519 3000 0.173 0.2 0.2Jarak jauh (> 20 km) 308 3000 0.103 0.1 0.1Waktu perjalanan< 1 jam 2520 3000 0.840 0.8 0.91 – 2 jam 412 3000 0.137 0.1 0.1> 2 jam* 68 3000 0.023 0.0 0.0Jumlah anggota keluarga 2 orang* 0 3000 0.000 0.0 0.03 – 4 orang 1101 3000 0.367 0.3 0.4 4 orang 1899 3000 0.633 0.6 0.7Jumlah anggota keluarga yang bekerja 2 orang 1589 3000 0.530 0.5 0.5> 2 orang 1411 3000 0.470 0.5 0.5Jumlah anggota keluarga yang sekolah 2 orang 3000 3000 1.000 1.0 1.0> 2 orang* 0 3000 0.000 0.0 0.0

Sumber: Analisis Data, 2011*) Tidak signifikan secara statistik pada tingkat 5% (selang kepercayaan 95% termasuk

0) dengan :

X = Jumlah klsifikasi yang timbul

N = Jumlah data/sampel

73

Dari Tabel 5.1 terlihat bahwa terdapat tujuh (7) variabel bebas atau 19

kategori/klasifikasi yang digunakan sebagai faktor penduga di dalam pemodelan

dengan regresi logistik.

5.2 Kalibrasi Model

Kegiatan selanjutnya adalah menganalisis variabel bebas yang mampu

memberikan nilai ekspektasi yang signifikan. Hasil estimasi parameter model

dapat dilihat pada Tabel 5.2 Pada tabel tersebut dapat juga dilakukan analisa

multikolinieritas atau adanya korelasi yang erat di antara masing-masing variabel

bebas. Dari nilai standard error (S.E) setiap variabel bebas diketahui bahwa tidak

terdapat nilai yang melebihi 2.0 sehingga dapat dikatakan tidak terdapat persoalan

multikolinieritas (ketergantungan yang kuat antara satu variabel bebas yang satu

dengan variabel yang lainnya) di dalam model tersebut.

Tabel 5.2 Variabel Bebas yang Signifikan

Variabel B Standard Error Sig. Exp(B)

keluarga(1) -.602 .110 .000 .548pendapatan(1) -1.585 .128 .000 .205jarak(1) -.295 .154 .055 .745jarak(2) .137 .169 .418 1.147btransport(1) -1.037 .167 .000 .354btransport(2) -.176 .114 .124 .839konstan .601 .166 .000 1.823


dengan:

keluarga(1) : Jumlah anggota keluarga 3-4 orang

pendapatan(1) : Pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta

jarak(1) : Jarak perjalanan keluarga dekat (< 10 km)

jarak(2) : Jarak perjalanan keluaga sedang (10-20 km)

74

btransport(1) : Biaya perjalanan keluarga per bulan < Rp. 100 ribu

btransport(2) : Biaya perjalanan keluarga per bulan Rp. 100 ribu – 300 ribu.

Dari Tabel 5.2 terlihat bahwa variabel atau faktor-faktor yang berpengaruh

terhadap kepemilikan sepeda motor di Kabupaten Buleleng pada tingkat 5% atau

dengan kepercayaan 95% adalah jumlah anggota keluarga 3-4 orang, pendapatan

rumah tangga per bulan Rp. 1 juta – 4 jutadan biaya transportasi kurang dari Rp.

100 ribu per bulan. Pengaruh dari masing-masing faktor tersebut dapat

dideskripsikan dengan melihat nilai ekspektasi nilai variabel bebasnya (Exp(B)):

a. Jumlah keluarga dengan anggota 3-4 orang dibandingkan dengan anggota

keluarga 4 orang,lebih kecil 45,2 % (0,548-1) kemungkinannya untuk

memiliki > 1 unit sepeda motor. Dengan perkataan lain semakin besar

jumlah anggota keluarganya, maka peluang keluarga memiliki > 1 unit

sepeda motor lebih besar.

b. Keluarga dengan pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta

dibandingkan keluarga dengan pendapatan Rp 4 juta rupiah per bulan,

lebih kecil 79.5% (0,205-1) kemungkinannnya untuk memiliki > 1 unit

sepeda motor. Dengan perkataan lain, semakin besar pendapatan per bulan

suatu keluarga maka peluang memiliki > 1 unit sepeda motor lebih besar.

c. Keluarga dengan biaya transportasi per bulannya < Rp. 100 ribu

dibandingkan keluarga dengan biaya transportasi per bulannya > Rp. 300

ribu lebih kecil 64,6% (0,354-1) kemungkinannya untuk memiliki > 1 unit

sepeda motor. Dengan perkataan lain, semakin besar biaya transportasi

75

yang dikeluarkan oleh suatu keluarga maka peluang keluarga tersebut

untuk memiliki > 1 unit sepeda motor lebih besar.

Dari ketiga kategori yang berpengaruh terhadap kepemilikan sepeda motor

di Kabupaten Buleleng, dapat dianalisis beberapa hal sebagai berikut:

a. Pendapatan keluarga meningkat maka kemungkinan kepemilikan sepeda

motor > 1 unit meningkat. Ini merupakan suatu konsekuensi logis karena

dengan kondisi keuangan yang lebih mampu sudah barang tentu

mempunyai daya beli yang lebih tinggi.

b. Jumlah anggota keluarga dan biaya transportasi yang lebih banyak juga

dapat mempengaruhi kepemilikan sepeda motor > 1 unit. Jika dikaitkan

dengan alternatif moda transportasi yang ada saat ini di Kabupaten

Buleleng, maka fenomena ini merupakan suatu konsekuensi yang logis.

Seseorang untuk melakukan perjalanan tentunya akan mencari biaya yang

serendah mungkin (efisien) tetapi dengan efektifitas yang tinggi (misal

sebanyak-banyaknya dapat mengangkut seluruh anggota keluarganya).

Alternatif moda transportasi yang memungkinkan saat ini dengan

memperhitungkan efisiensi dan efektifitas yang tinggi tersebut adalah

sepeda motor.

c. Akan tetapi, kepemilikan dan penggunaan yang meningkat dari sepeda

motor tentunya akan berdampak kepada penambahan kendaraan pribadi di

jalan raya yang selanjutnya berkontribusi kepada permasalahan

transportasi seperti kemacetan dan kecelakaan lalu lintas. Untuk itu

penyediaan dan pemberdayaan sarana angkutan umum yang kompetitif

76

(dengan sepeda motor) baik dari biaya dan kecepatan dan ketepatan

pelayanan merupakan syarat yang harus dipenuhi jika permasalahan-

permasalahan transportasi tersebut hendak dikurangi.

Berdasarkan Tabel 5.2 maka dapat disusun model kepemilikan sepeda

motor di Kabupaten Buleleng.

ln

pp

1=0,601-0,602*keluarga(1)-1,585*pendapatan(1)-

0,295*jarak(1)+0.137*jarak(2)-1,037*btransport(1)-0,176*btransport(2)

dengan:

p : Peluang untuk memiliki > 1 unit sepeda motor







Kategori jarak(1), jarak(2) dan btransport(2) tetap diikutkan pada model

walaupun mempunyai signifikansi kurang dari 5%. Hal ini karena jika kategori-

kategori tersebut dikeluarkan dari model akan mempengaruhi kelayakan

(goodness of fit) dari model secara keseluruhan.

77

5.3 Validasi Model

Setelah semua data terkumpul dan masing-masing kategori sudah

diberikan variabel dummy-nya masing-masing, maka langkah selanjutnya adalah

memasukkan semua data tersebut ke dalam kolom “data view” dan “variabel

view” di dalam program SPSS version 15. Hasil output SPSS selanjutnya bisa kita

analisa. Print out SPSS dapat dilihat secara lengkap pada lampiran.

Analisa penentuan hubungan antara variabel bebas dan variabel tidak

bebas di dalam model serta kelayakan model didalam menyatakan hubungan

antara variabel bebas dengan variabel tidak bebas, dapat dilihat pada tabel di

bawah ini, yang diperoleh dari output program SPSS.

Tabel 5.3. Signifikansi Model

Chi-square df Sig.

Model 334.836 6 .000

Pada Tabel 5.3 terlihat bahwa untuk model kepemilikan sepeda motor

mempunyai peluang chi-square 334,836 dengan tingkat signifikansi 0,000 atau

model kepemilikan sepeda motor di Kabupaten Buleleng mempunyai signifikansi

pada tingkat 5%. Ini menunjukkan bahwa model yang disusun mempunyai

hubungan yang signifikan antara variabel bebas dengan variabel tidak bebasnya.

78

Tabel 5.4 Koefisien Determinasi Model

Step -2 Log likelihood Cox &Snell R Square Nagelkerke R Square

1 2664.804 .106 .167

Mengacu kepada Washington, et al. (2003) dijelaskan bahwa pada model

pilihan dengan model logistik, semakin tinggi nilai pseudo R2 (goodness of fit),

semakin baik model yang disusun.Akan tetapi hal ini tidak selalu tepat. O’Donnel

dan Connor (2002) menyatakan bahwa secara praktis nilai tersebut dapat

diabaikan karena untuk model regresi logistik ini tidak ada nilai bakupseudo R2

yang dapat dijadikan sebagai acuan kelayakan model. Nilai ini mempunyai batas

atas baik secara teoritis dan empiris yang selalu kurang dari satu. Oleh karena itu

digunakan cara lain untuk menentukan kelayakan model yaitu dengan uji Hosmer

and Lemeshow (H-L test).

Uji kelayakan model atau model goodness of fit dilakukan dengan

menggunakan prinsip Hosmer and Lameshow (H-L test). Jika nilai uji H-L sama

atau kurang dari 5% berarti ada perbedaan yang signifikan antara model dengan

nilai observasinya, dimana kelayakan model tidak baik karena model dianggap

tidak bisa memprediksi nilai observasinya. Jika nilai statistik Hosmer and

Lameshow’s goodness of fit lebih besar dari 5% berarti model mampu untuk

memprediksi nilai observasinya dengan kepercayaan 95%.

79

Tabel 5.5 Uji Hosmer-Lemeshow

Step Chi-square df Sig.

1 6.475 7 .485

Dari Tabel 5.5 terlihat bahwa nilai signifikansi berdasarkan uji Hosmer

and Lameshow (H-L) 1 adalah 0.485 (>5%), maka model regresi logistik yang

disusun bisa digunakan untuk memprediksi nilai observasi dengan kepercayaan

95%.

Akurasi klasifikasi model umumnya adalah 25% atau lebih tinggi daripada

proporsi data.Kegunaan analisis akurasi klasifikasi model adalah untuk

membandingkan akurasi model nol (model hanya dengan konstanta tanpa variabel

bebas) dengan full model atau model dengan menyertakan variabel bebas.Proporsi

akurasi klasifikasi model dihitung dengan menggunakan proporsi klasifikasi

variabel tidak bebasnya.Akurasi proporsi data dan akurasi model dapat dilihat

pada Tabel 5.6

Tabel 5.6 Akurasi Proporsi Data dan Model

Proporsi DataN Marginal Percentage

Kepemilikan sepeda

motor

1 unit 2401 80.03%> 1 unit 599 19.97%

Akurasi Model

ObservedPredicted

1 unit > 1 unit Percent

Correct 1 unit 2318 83 96.5> 1 unit 460 139 23.2Overall Percentage 81.9Sumber: Hasil Analisis, 2011

80

Untuk model proporsi data adalah 0,8003² + 0,1997² = 0.680 (68%).

Akurasi model dengan regresi logistik (full model) adalah 81,9% dan lebih besar

dari akurasi proporsi data. Oleh karena itu ‘full model’ kepemilikan sepeda motor

lebih baik daripada model nolnya. Dari perbandingan akurasi model terlihat

bahwa penambahan variabel bebas di dalam kedua model yang disusun

memberikan hasil yang lebih akurat dibandingkan model tanpa variabel bebas

sehingga dapat dijadikan prediksi dalam peningkatan kepemilikan kendaraan

dimasa yang akan datang.

81

BAB VI

SIMPULAN DAN SARAN

6.1 Simpulann Untuk Kepemilikan Sepeda Motor Pada Rumah Tangga

di Kabupaten Buleleng.

Dari hasil analisis yang dilakukan pada bab sebelumnya, maka

disimpulkan seperti berikut ini :

6.1.1 Karakteristik sosial-ekonomi dan demografi penduduk.

a. Prosentase tertinggi pendapatan adalah keluarga dengan pendapatan lebih

besar dari Rp. 2.000.000,- sampai dengan Rp. 4.000.000,- sebesar 77% ,

sedangkan pendapatan terendah lebih kecil dari Rp. 2.000.000,- dengan

prosentase sebesar 13%, sementara yang berpenghasilan diatas Rp.

6.000.000,- sebesar 2%.

b. Kepemilikan 1 unit sepeda motor mempunyai prosentase tertinggi yaitu

57%, kepemilikan lebih dari 2 unit sepeda motor adalah 20%, berimbang

dengan masyarakat yang tidak memiliki sepeda motor (0 unit) yaitu 23%.

c. Prosentase jumlah kepala keluarga tertinggi adalah 36% dengan jumlah

rata-rata 4 orang.

d. Prosentase jumlah penduduk tertinggi berada di Kecamatan Buleleng

sebesar 20% (128.951 jiwa) , sedangkan yang paling rendah adalah

Kecamatan Busungbiu yaitu sebesar 6% ( 39.519 jiwa).

82

e. Dari jumlah penduduk yang bekerja didapatkan prosentase tertinggi adalah

51,2% dengan jumlah kurang dari 2 orang, penduduk sebagai pelajar

tertinggi sebesar 31% untuk jumlah 1 orang.

6.1.2 Model Kepemilikan Sepeda Motor di Kabupaten Buleleng

Berdasarkan data yang diperoleh dari hasil survai dan analisis data yang

dilakukan, maka dapat disusun bahwa model kepemilikan sepeda motor per KK di

Kabupaten Buleleng sebagai berikut:

ln

pp

1=0,601-0,602*keluarga(1)-1,585*pendapatan(1)-

0,295*jarak(1)+0.137*jarak(2)-1,037*btransport(1)-0,176*btransport(2)

dengan:

p : Peluang untuk memiliki > 1 unit sepeda motor pada rumah tangga







Faktor-faktor yang berpengaruh terhadap kepemilikan sepeda motor di

Kabupaten Buleleng dengan kepercayaan 95% adalah:

a. Jumlah anggota keluarga 3-4 orang

b. Pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta

c. Biaya transportasi kurang dari Rp. 100 ribu per bulan

83

6.1.3 Probabilitas terhadap Kepemilikan Sepeda Motor

Probabilitas dari masing-masing faktor yang berpengaruh terhadap

kepemilikan sepeda motor dapat dideskripsikan dengan melihat nilai ekspektasi

nilai variabel bebasnya (Exp(B)):

d. Jumlah keluarga dengan anggota 3-4 orang dibandingkan dengan anggota

keluarga 4 orang,lebih kecil 45,2 % (0,548-1) kemungkinannya untuk

memiliki > 1 unit sepeda motor. Dengan perkataan lain semakin besar

jumlah anggota keluarganya, maka peluang keluarga memiliki > 1 unit

sepeda motor lebih besar.

e. Keluarga dengan pendapatan rumah tangga per bulan Rp. 1 juta – 4 juta

dibandingkan keluarga dengan pendapatan Rp 4 juta rupiah per bulan,

lebih kecil 79.5% (0,205-1) kemungkinannnya untuk memiliki > 1 unit

sepeda motor. Dengan perkataan lain, semakin besar pendapatan per bulan

suatu keluarga maka peluang memiliki > 1 unit sepeda motor lebih besar.

f. Keluarga dengan biaya transportasi per bulannya < Rp. 100 ribu

dibandingkan keluarga dengan biaya transportasi per bulannya > Rp. 300

ribu lebih kecil 64,6% (0,354-1) kemungkinannya untuk memiliki > 1 unit

sepeda motor. Dengan perkataan lain, semakin besar biaya transportasi

yang dikeluarkan oleh suatu keluarga maka peluang keluarga tersebut

untuk memiliki > 1 unit sepeda motor lebih besar.

84

6.2 Saran

Berdasarkan hasil penelitian ini, maka saran yang dapat disampaikan adalah

sebagai berikut:

1. Penelitian ini dapat dikembangkan lagi dengan menganalisis daerah studi

lainnya dengan cakupan wilayah yang lebih luas.

2. Penelitian ini dapat dikembangkan lagi dengan menggunakan variabel

bebas yang lebih kompleks.

3. Peran serta Pemerintah Daerah sangat dibutuhkan agar sistem

transportasinya dapat memberikan kenyamanan terhadap masyarakat

dalam efisiensi waktu dan biaya. Dengan kata lain ketepatan pelayanan

merupakan syarat yang harus dipenuhi agar permasalahan transportasi

dapat dikurangi. Untuk itu diharapkan lebih dapat meminimalkan

penggunaan kendaraan pribadi, agar masyarakat mampu untuk berpindah

ke angkutan umum.

4. Dianjurkan menggunakan model lain (bukan regresi logistik) agar dapat

digunakan sebagai pembanding di dalam kepemilikan sepeda motor di

Kabupaten Buleleng.

85

DAFTAR PUSTAKA

Al.Ghamdi, A.S. 2002. Using Logistic Regression To Estimate The Influence of AccidentFactors on Accident Severity, Accident Analysis and Prevention 34, pp.729-741

Black, J. A. 1981. Urban Transport Planning : Theory and Practice, London.

Badan Perencanaan Pembangunan Daerah. 2008. Indikator Kesejahteraan RakyatKabupaten Kutai Kartanegara. Website: http://bappeda.Kutai kartanegarakab.go.id/bidang/Inkesra_1_2008_Pendahuluan.pdf

Badan Pusat Statistik. 2009. Kabupaten Buleleng Dalam Angka, Denpasar.

Dinas Perhubungan. 2004. Masterplan Transportasi Bali, Dinas Perhubungan ProvinsiBali, Denpasar.

Departemen Perhubungan Republik Indonesia. 2009. Undang-Undang RepublikIndonesia No.22 tahun 2009 tentang Lalu Lintas dan Angkutan Jalan. Jakarta

Ghozali. 2001. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: BadanPenerbit Universitas Diponegoro

Hsu, T.P., Lin, Y.J., (2007), Multinomial Logit Model of Motorcycle and Car Ownership inTaiwan, Proceeding of the Eastern Asia Society for Transportation Studies, Vol.6, Dalian-China.

Hsu, T.P., Tsai, C.C., Lin, Y.J., 2007, Comparative Analysis of Household Car andMotorcycle Ownership Characteristics, Proceeding of the Eastern Asia Society forTransportation Studies, Vol. 6, Dalian-China.

Isgiyanto, A. 2009. Teknik Pengambilan Sampel. Jogyakarta: Mitra Cendikia Press.

Kurniawan, I.W. 2009. Analisis Kepemilikan Sepeda Motor dan Mobil Pada RumahTangga (skrpsi). Denpasar: Universitas Udayana

Santoso, S. 2009. Menguasai Statistik dengan SPSS 15. Jakarta: PT Elex MediaKomputindo, Kompas Gramedia.

Susantono, B. 2010. Peningkatan Kepemilikan Sepeda Motor di Indonesia

86

Tamin, O.Z. 2000. Perencanaan dan Pemodelan Transportasi. Bandung: Penerbit ITB.

Washington, S.P., Karlaftis, M.G., Mannering, F.l., (2003), Statistical and EconometricMethods for Transportation Data Analysis, Chapman & Hall, USA

http://id.wikipedia.org/wiki/kendaraan_bermotor

www.scribd.com/doc/4857129/konsep-keluarga

www.ats.ucla.edu/stat/stata/webbooks/logistic

87

Documents

analisis kepemilikan sepeda motor pada rumah tangga di