ANALISIS BANGKITAN DAN TARIKAN PERJALANAN

(Studi Kasus Pada Tata Guna Lahan Rumah Sakit Umum di Klaten)

ARTIKEL PUBLIKASI ILMIAH

Oleh:

ANIK RAHMAWATI WAHYUNINGSIH

Ir. AGUS RIYANTO SR, MT
Prof. Dr. Ir. AHMAD MUNAWAR, MSc

PROGRAM STUDI MAGISTER TEKNIK SIPIL

PROGRAM PASCA SARJANA
UNIVERSITAS MUHAMMADIYAH SURAKARTA
2013

ANALISIS BANGKITAN DAN TARIKAN LALULINTAS

(Studi Kasus Pada Tata Guna Lahan Rumah Sakit Umum di Klaten )
Anik Rahmawati Wahyuningsih, Agus Riyanto, Ahmad Munawar
Program Studi Magister Teknik Sipil Program Pasca Sarjana
Universitas Muhammadiyah Surakarta
Jalan A. Yani Tromol Pos I Pabelan Kartasura Surakarta 57102

ABSTRAK
Keberadaan rumah sakit pada sebuah tata guna lahan akan menyebabkan peningkatan bangkitan dan tarikan lalulintas.
Penelitian ini bertujuan untuk membuat model tarikan dan bangkitan perjalanan yang ditimbulkan oleh tata guna lahan
rumah sakit di Klaten. Penelitian dilakukan dengan mengambil data primer berupa banyaknya tarikan dan bangkitan
perjalanan pada hari kerja dan hari minggu dari enam rumah sakit umum yang berada di Klaten, sedangkan data
skunder berupa luas lahan, banyaknya karyawan, banyaknya bed rawat inap, banyaknya poliklinik, dan luas lahan
parkir diperoleh dari pihak pengelola rumah sakit. Pengolahan data dilakukan dengan metode stepwise, kemudian
dilakukan uji statistik F dan uji statistik t. Selanjutnya persamaan regresi linier berganda digunakan untuk memodelkan
tarikan dan bangkitan perjalanan pada tata guna lahan rumah sakit umum di Klaten. Hasil uji korelasi dan kalibrasi
menunjukkan bahwa tarikan perjalanan di hari Minggu (Y1), tarikan perjalanan di hari kerja (Y2), bangkitan perjalanan
di hari minggu (Y3) dan bangkitan perjalanan di hari kerja (Y4) dipengaruhi oleh banyaknya karyawan (X2) dan
banyaknya poliklinik (X4). Persamaan model regresinya adalah Y1 = -16,551 + 0,212.X2 + 3,382.X4; Y2 = -18,092 +
0,216.X2 + 4,884.X4 ; Y3 = -11,343 + 0,198X2 + 2,898 X4; Y4 = -17,108 + 0,235.X2 + 4,567.X4.
Kata kunci : Tarikan, Bangkitan, Rumah Sakit, Regresi.

PENDAHULUAN
Proses pergerakan atau perpindahan orang
atau barang dari satu tempat ke tempat lain disebut
transportasi. Proses ini dapat dilakukan dengan
menggunakan sarana angkutan berupa kendaraan atau
tanpa kendaraan. Perencanaan transportasi yang
matang akan membantu kelancaran pelaksanaan
pembangunan.
Rumah sakit (hospital) adalah sebuah
institusi perawatan kesehatan profesional yang
pelayanannya disediakan oleh dokter, perawat, dan
tenaga ahli kesehatan lainnya. Rumah sakit dengan
segala fasilitas dan pelayanan kesehatan yang
dimiliki akan menimbulkan bangkitan dan tarikan
lalulintas yang berpengaruh terhadap tingkat
pelayanan jalan raya di sekitar lokasi rumah sakit.
Bangkitan pergerakan (Trip Generation)
adalah tahapan permodelan yang memperkirakan
jumlah pergerakan yang berasal dari suatu zona atau
tata guna lahan, atau jumlah pergerakan yang tertarik
ke suatu tata guna lahan atau zona. Pergerakan lalu
lintas merupakan fungsi tata guna lahan yang
menghasilkan pergerakan lalu lintas. Bangkitan lalu
lintas itu mencakup lalu lintas yang meninggalkan
suatu lokasi dan lalu lintas yang menuju atau tiba ke
suatu lokasi.
Trip attraction digunakan untuk menyatakan
suatu pergerakan berbasis rumah yang mempunyai
tempat asal dan atau tujuan bukan rumah atau
pergerakan yang tertarik oleh pergerakan berbasis
bukan rumah.

Dalam pemodelan bangkitan pergerakan,

metode analisis regresi linier berganda (Multiple
Linear Regression Analysis) paling sering digunakan.
Sejak tahun 1950, sebagian besar penelitian
perencanaan transportasi menggunakan analisis
regresi linier untuk meneliti bangkitan perjalanan
(Trip generation). Teknik regresi linier berganda
menarik bagi analisis transportasi karena memberi
kemudahan dalam menentukan derajat hubungan
antara peubah tak-bebas dan peubah bebasnya.
Konsep analisis regresi linier berganda (Multiple
Linier Regression Analysis) menyatakan hubungan
antara satu variabel tidak bebas (dependent variable)
dengan beberapa variabel bebas (independent
variable)
Model matematika ini memiliki bentuk:
Y = a + b1X1 + b2X2 + ................+ bnXn
dengan:
Y = variabel terikat (jumlah produksi
perjalanan)
a = konstanta (angka yang akan dicari)
b1, b2,...., bn = koefisien regresi (angka yang
harus dicari)
X1, X2,...., Xn = variabel bebas (faktor-faktor
yang berpengaruh)
Berdasarkan latar belakang yang telah
dikemukakan di atas, maka dibuat rumusan masalah
sebagai berikut:
1. Faktor-faktor
apa
yang
mempengaruhi
terjadinya bangkitan dan tarikan lalulintas pada
tata guna lahan rumah sakit umum di Klaten.

2. Bagaimana model bangkitan dan tarikan

pergerakan kendaraan bermotor roda empat pada
tata guna lahan rumah sakit di Klaten
3. Bagaimana karakteristik pengunjung yang
menuju dan meninggalkan lokasi rumah sakit.
Tujuan
penelitian
penentuan
model
bangkitan pergerakan pada tata guna lahan Rumah
Sakit Umum di Klaten, adalah sebagai berikut:
1. Untuk
mengetahui
faktor-faktor
yang
mempengaruhi bangkitan dan tarikan lalulintas
pada tata guna lahan Rumah Sakit Umum di
Klaten.
2. Untuk mengetahui model bangkitan dan tarikan
perjalanan yang dihasilkan oleh tata guna lahan
Rumah Sakit Umum di Klaten
3. Untuk mengetahui karakteristik pengunjung
yang menuju dan meninggalkan rumah sakit
dikaitkan dengan bangkitan dan tarikan
lalulintas.
Bangkitan dan tarikan pergerakan digunakan
untuk menyatakan bangkitan pergerakan pada masa
sekarang, yang akan digunakan untuk meramalkan
pergerakan pada masa mendatang.
Bangkitan
pergerakan ini berhubungan dengan penentuan
jumlah keseluruhan yang dibangkitkan atau ditarik
oleh suatu tata guna lahan.

rumah sakit tersebut mempunyai kriteria layanan

utama yang hampir sama. Rumah sakit umum yang
dijadikan lokasi penelitian adalah RSU Suradji
Tirtonegoro, RSI Klaten, RS Cakra Husada, RS PKU
Delanggu, RSI Cawas, dan RS Mitra Keluarga
Pedan.
Pengumpulan Data
Data primer adalah data yang diperoleh
langsung dari pengamatan, yaitu banyaknya
perjalanan yang menuju maupun meninggalkan
rumah sakit. Pengamatan di lokasi penelitian dimulai
pukul 07.00 sampai 19.00 WIB. Pada setiap lokasi
dilakukan dua kali pengamatan yaitu pada hari
minggu dan pada hari kerja. Data-data skunder yang
meliputi luas lahan (m2), banyaknya karyawan
(orang), total jumlah bed rawat inap (buah), jumlah
poliklinik (unit) dan luas lahan parkir (m2) diperoleh
dari pengelola rumah sakit-rumah sakit yang menjadi
obyek penelitian.
Pengumpulan data tentang karakteristik
pengunjung diperoleh dari
kuesioner
dengan
responden pengunjung rumah sakit, dilakukan pada
hari kerja yang sama ketika mengambil data jumlah
perjalanan.
ANALISIS DATA

METODE PENELITIAN
Lokasi Penelitian
Penelitian dilakukan pada 6 rumah sakit
umum di Klaten, dengan pertimbangan beberapa

Hasil survey pada enam rumah sakit umum di Klaten

menunjukkan data primer dan data skunder seperti
terlihat pada Tabel 1 berikut ini

Tabel 1. Hasil Pengambilan Data Primer dan Data Skunder

Kemudian data pada Tabel 1, diolah dengan

metode stepwise untuk mengetahui variabel-variabel
mana yang akan digunakan dalam permodelan.
Metode ini dimulai dengan memasukkan variabel
bebas yang memiliki korelasi paling kuat dengan
variabel terikat. Kemudian variabel bebas yang
tidak mempunyai korelasi dengan variabel terikat,
dikeluarkan dan tidak digunakan dalam permodelan.

Tarikan Perjalanan di Hari Minggu

Tabel 2 di bawah ini merupakan hasil olah data
dengan SPSS yang memperlihatkan bahwa terdapat
dua variabel bebas yang layak dimasukkan dalam
permodelan, berturut-turut dari variabel bebas yang
memiliki korelasi lebih kuat terhadap variabel terikat
tarikan perjalanan di hari minggu (Y1), yaitu
banyaknya karyawan (X2) dan banyaknya poliklinik
(X4).

Tabel 2. Variabel Entered/Removed

Variables
Model Entered

Dengan melihat Tabel 4 di atas, dipilih model 2 yang

mempunyai variabel lebih banyak.
Tabel 5 memperlihatkan besarnya koefisien dari
masing-masing variabel yang berpengaruh pada
permodelan.

Variables
Removed Method

Stepwise (Criteria:
Probability-of-F-to-enter
<= ,050, Probability-of-Fto-remove >= ,100).
Stepwise (Criteria:
Probability-of-F-to-enter
<= ,050, Probability-of-Fto-remove >= ,100).

banyaknya
.
karyawan
2
banyaknya
.
poliklinik

Tabel 5. Coefficients(a) pada Tarikan Perjalanan di Hari

Minggu
Standar
dized
Unstandardize Coeffici
d Coefficients
ents

a. Dependent Variable: tarikan perjalanan minggu

Keeratan hubungan antara variabel bebas dan

variabel terikat, dapat diketahui dari besarnya nilai R
dan nilai R2 pada Tabel 3 berikut ini:

Model
1

Tabel 3. Model Summary

Model

Square R Square

of the
Estimate

.973

.966

16.994

.997

.995

6.452

.986

Adjusted

Std. Error

.999

banyaknya
karyawan
Durbin-

1.874

Regression
Residual
Total

Regression
Residual
Total

40881.642

Mean
Square

1 40881.642

1155.191

42036.833

41911.940

2 20955.970

124.893

42036.833

F
141.558

Sig.
.000
a

288.798

503.373

41.631

a. Predictors: (Constant), banyaknya

karyawan
b. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik
c. Dependent Variable: tarikan perjalanan
minggu

3.003 10.952

Sig.

.274

.797

11.89
8

.000

2.892

.063

.022

16.55
1

5.722

banyaknya
karyawan

.212

.013

.792

15.76
3

.001

banyaknya
poliklinik

3.382

.680

.250 4.975

.016

(Constant)

.986

Berdasarkan Tabel 5 di atas dapat disusun suatu

persamaan regresi linier berganda sebagai berikut:
Y1 = -16,551 + 0,212.X2 + 3,382.X4

Tabel 4. ANOVA(b) pada Tarikan Perjalanan di Hari

Minggu
df

Beta

a. Dependent Variable: tarikan

perjalanan minggu

Tabel 4. Anova berikut akan memaparkan uji

kelinieran dengan 5%. Apabila F hitung pada
Tabel 4 lebih besar dari Ftabel, berarti masih
signifikan dan Ho ditolak. Sehingga model linier
antara variabel terikat tarikan perjalanan pada hari
minggu dengan variabel bebas.

Sum of
Squares

Std.
Error

.264

Watson

a. Predictors: (Constant), banyaknya

karyawan
b. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik
c. Dependent Variable: tarikan perjalanan
minggu

Model

(Constant)

.000
b

Tarikan Perjalanan di Hari Kerja.

Tabel 6 di bawah ini merupakan hasil olah data
dengan SPSS yang memperlihatkan bahwa terdapat
tiga variabel bebas yang layak dimasukkan dalam
permodelan, berturut-turut dari variabel bebas yang
memiliki korelasi lebih kuat terhadap variabel terikat
tarikan perjalanan di hari kerja (Y2), yaitu
banyaknya karyawan (X2) dan banyaknya poliklinik
(X4), luas lahan (X1).

Tabel 6. Variables Entered/Removed

Variables
Model Entered

Variables
Removed

Method

1
banyaknya
karyawan

2
banyaknya
poliklinik

3
luas lahan

4
.

banyaknya
karyawan

Tabel 8. ANOVA(b) pada Tarikan Perjalanan di Hari

Kerja

Stepwise (Criteria:
Probability-of-F-to-enter
<= ,050, Probability-ofF-to-remove >= ,100).
Stepwise (Criteria:
Probability-of-F-to-enter
<= ,050, Probability-ofF-to-remove >= ,100).
Stepwise (Criteria:
Probability-of-F-to-enter
<= ,050, Probability-ofF-to-remove >= ,100).
Stepwise (Criteria:
Probability-of-F-to-enter
<= ,050, Probability-ofF-to-remove >= ,100).

Std. Error
DurbinAdjusted
of the
R Square R Square Estimate Watson

Model

.977

.955

.944

24.232

.998

.996

.994

8.177

1.000

1.000

.843

1.000

1.000

.748

2
3

1.000

1.000

1.128

a. Predictors: (Constant), banyaknya karyawan

b. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik
c. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik, luas lahan
d. Predictors: (Constant), banyaknya poliklinik,
luas lahan
e. Dependent Variable: tarikan perjalanan hari
kerja

Tabel 8. Anova berikut akan memaparkan uji

kelinieran dengan 5%. Apabila F hitung pada
Tabel 8 lebih besar dari Ftabel, berarti masih
signifikan dan Ho ditolak, sehingga model linier
antara variabel terikat tarikan perjalanan pada hari
minggu dengan variabel bebas.

587.19
3

52211.50
0

Regression 52010.92
9

Residual

3 66.857

200.571
52211.50
0

Regression 52210.07
9

Residual

1.421

52211.50
0

Regression 52209.82
1

Residual

1.679

52211.50
0

Total

26005. 388.9
464
71

17403. 2.449.
360
000

.001

.000

.000

.711

26104. 4.664.
910
000

.000

.560

a. Predictors: (Constant), banyaknya

karyawan
b. Predictors: (Constant), banyaknya
karyawan, banyaknya poliklinik
c. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik, luas lahan
d. Predictors: (Constant), banyaknya
poliklinik, luas lahan
e. Dependent Variable: tarikan
perjalanan hari kerja

Untuk menentukan model yang akan digunakan,

dilakukan uji korelasi di antara masing-masing
variabel bebas yang berpengaruh. Hasilnya dapat
dilihat pada diagram scatter Gambar 1 dan Gambar 2
di bawah ini:
1000
banyaknya karyawan

Tabel 7. Model Summary pada Tarikan Perjalanan di Hari

Kerja

2348.772

Total
4

Sig.

49862. 84.91
728
7

Total
3

Total
2

Mean
Square

df

Regression 49862.72
8
Residual

a. Dependent Variable: tarikan perjalanan hari kerja

Keeratan hubungan antara variabel bebas dan

variabel terikat, dapat diketahui dari besarnya nilai R
dan nilai R2 pada Tabel 7 berikut ini:

Sum of
Squares

Model

800
600

Series1

400
Linear
(Series1)

200
0
0

40000
luas lahan

Gambar 1. Hubungan antara luas lahan (X1) dan

banyaknya karyawan (X2)

Berdasarkan Tabel 9. di atas dapat disusun suatu

persamaan regresi linier berganda sebagai berikut:
Y2 = -18,092 + 0,216.X2 + 4,884.X4

banyaknya poliklinik

30
25
20
Series1

15
10

Linear
(Series1)

5
0
0

500

1000

banyaknya karyawan
Gambar 2. Hubungan antara banyaknya karyawan (X2)
dan banyaknya poliklinik (X4)

Dengan melihat Tabel 8, Gambar 1 dan Gambar 2

di atas, dipilih model 2 karena antara variabel
banyaknya karyawan (X2) dan banyaknya poliklinik
(X4) tidak saling mempengaruhi. Sedangkan antara
variabel luas lahan (X1) dan banyaknya karyawan
(X2) saling berpengaruh.
Tabel 9 memperlihatkan besarnya koefisien dari
masing-masing variabel yang berpengaruh pada
permodelan.
Tabel 9. Coefficients(a) pada Tarikan Perjalanan di Hari
Kerja
Stand
ardize
d
Unstandardized Coeffi
Coefficients
cients
Model
1

(Constant)
banyaknya
karyawan

Std.
Error

Beta

Bangkitan Perjalanan di Hari Minggu

Tabel 10 di bawah ini merupakan hasil olah data
dengan SPSS yang memperlihatkan bahwa terdapat
dua variabel bebas yang layak dimasukkan dalam
permodelan berturut-turut dari variabel bebas yang
memiliki korelasi lebih kuat terhadap variabel terikat
bangkitan perjalanan di hari minggu (Y3), yaitu
banyaknya karyawan (X2) dan banyaknya poliklinik
(X4).
Tabel 10. Variables Entered/Removeda
Model
1
banyaknya
karyawan
2
banyaknya
poliklinik

.292

.032

Keeratan hubungan antara variabel bebas dan

variabel terikat, dapat diketahui dari besarnya nilai R
dan nilai R2 pada Tabel 11 berikut ini:

Std. Error
R
Adjusted
of the
Square R Square Estimate

Sig.

9.215 .001

(Constant)

-18.092

7.251

-2.495 .088

banyaknya
karyawan

.216

.017

.725 12.698 .001

banyaknya
poliklinik

4.884

.862

.324

(Constant)

-9.843

.895

banyaknya
karyawan

-.008

.014 -.027

banyaknya
poliklinik

5.348

.093

.354 57.475 .000

luas lahan

.004

.000

.731 16.741 .004

(Constant)

-10.127

.676

-14.982 .001

banyaknya
poliklinik

5.326

.076

.353 70.100 .000

luas lahan

.004

.000

.705 14.049 .000

a. Dependent Variable: tarikan

perjalanan hari kerja

Stepwise (Criteria:
Probability-of-F-to-enter <=
.
,050, Probability-of-F-toremove >= ,100).
Stepwise (Criteria:
Probability-of-F-to-enter <=
.
,050, Probability-of-F-toremove >= ,100).

Tabel 11. Model Summary pada Bangkitan Perjalanan di

Hari Minggu

.650 .551
.977

Method

a. Dependent Variable: bangkitan perjalanan minggu

Model
10.144 15.617

Variables Variables
Entered Removed

5.668 .011

1
2

R
.987

.975

.968

14.980

.998

.996

.993

6.859

DurbinWatson

1.747

a. Predictors: (Constant), banyaknya

karyawan
b. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik
c. Dependent Variable: bangkitan
perjalanan minggu

-10.994 .008
-.603 .608

Tabel 12. Anova berikut akan memaparkan uji

kelinieran dengan 5%. Apabila F hitung pada
Tabel 12 lebih besar dari Ftabel, berarti masih
signifikan dan Ho ditolak. Sehingga model linier
antara variabel terikat tarikan perjalanan pada hari
minggu dengan variabel bebas.

Tabel 12 ANOVA(b) pada Bangkitan Perjalanan di Hari

Minggu
Sum of
Squares

Model
1

Regression 34470.35
9

34470. 153.
359 604

897.641

224.41
0

35368.00
0

Regression 35226.85
9

Residual

3 47.047

Residual
Total
2

Mean
Square

df

141.141

Total

35368.00
0

Sig.
.000

dua variabel bebas yang layak dimasukkan dalam

permodelan berturut-turut dari variabel bebas yang
memiliki korelasi lebih kuat terhadap variabel terikat
bangkitan perjalanan di hari kerja (Y4), yaitu
banyaknya karyawan (X2) dan banyaknya poliklinik
(X4).
Tabel 14. Variables Entered/Removed
Model

17613. 374.
430 381

.000

1
banyaknya
karyawan
2

banyaknya
poliklinik

a. Predictors: (Constant), banyaknya

karyawan
b. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik
c. Dependent Variable: bangkitan
perjalanan minggu

Tabel 13. Coefficients(a) pada Bangkitan Perjalanan di

Hari Minggu
Standardi
Unstandardiz
zed
ed
Coefficie
Coefficients
nts

(Constant)
banyaknya
karyawan

(Constant)

Std.
Error

Beta

5.413 9.654

Sig.

.561

.605

.020

.987 12.394

.000

11.34 6.083
3

-1.865

.159

.242

banyaknya
karyawan

.198

.014

.805 13.839

.001

banyaknya
poliklinik

2.898

.723

.233

.028

4.010

Stepwise (Criteria:
Probability-of-F-to-enter <=
.
,050, Probability-of-F-toremove >= ,100).
Stepwise (Criteria:
Probability-of-F-to-enter <=
.
,050, Probability-of-F-toremove >= ,100).

Keeratan hubungan antara variabel bebas dan

variabel terikat, dapat diketahui dari besarnya nilai R
dan nilai R2 pada Tabel 15 berikut ini:
Tabel 15. Model Summary pada Bangkitan Perjalanan di
Hari Kerja

Model

Method

a. Dependent Variable: bangkitan perjalanan hari kerja

Dengan melihat Tabel 12 di atas, dipilih model 2

yang mempunyai variabel lebih banyak.
Tabel 13 memperlihatkan besarnya koefisien dari
masing-masing variabel yang berpengaruh pada
permodelan.

Model

Variables Variables
Entered Removed

a. Dependent Variable:
bangkitan perjalanan minggu

Berdasarkan Tabel 13 di atas dapat disusun suatu

persamaan regresi linier berganda sebagai berikut:
Y3 = -11,343 + 0,198.X2 + 2,898.X4
Bangkitan Perjalanan di Hari Kerja
Tabel 14 di bawah ini merupakan hasil olah data
dengan SPSS yang memperlihatkan bahwa terdapat

1
2

R
Adjusted
Square R Square

Std. Error
of the
Estimate

.981

.962

.953

23.158

.998

.995

.992

9.421

DurbinWatson

1.467

a. Predictors: (Constant), banyaknya

karyawan
b. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik
c. Dependent Variable: bangkitan perjalanan
hari kerja

Tabel 16. Anova berikut akan memaparkan uji

kelinieran dengan 5%. Apabila F hitung pada
Tabel 16 lebih besar dari Ftabel, berarti masih
signifikan dan Ho ditolak. Sehingga model linier
antara variabel terikat tarikan perjalanan pada hari
minggu dengan variabel bebas.

Tabel 16. ANOVA(b) pada Bangkitan Perjalanan di Hari

Kerja
Model
1

Sum of
Squares

Mean
Square

df

Regression 54764.81
8

Residual

2145.182

Total

56910.00
0

Regression 56643.71
6

Residual

266.284

56910.00
0

Total

Sig.

54764.81 102.1
a
.001
8
17

Kesimpulan
28321.85 319.0
b
.000
8
79
88.761

Dari Tabel 16 di atas, dipilih model 2 yang

mempunyai variabel lebih banyak.
Tabel 17 memperlihatkan besarnya koefisien dari
masing-masing variabel yang berpengaruh pada
permodelan.
Tabel 17. Coefficients(a) pada Bangkitan Perjalanan di
Hari Kerja
Stand
ardize
d
Unstandardize Coeffi
d Coefficients cients

(Constant)
banyaknya
karyawan

Std.
Error

Beta

9.299 14.925

Sig.

.623

.567

.306

.030

.981 10.105

.001

17.10
8

8.355

-2.048

.133

banyaknya
karyawan

.235

.020

.755 11.982

.001

banyaknya
poliklinik

4.567

.993

.290

.019

(Constant)

KESIMPULAN DAN SARAN

536.296

a. Predictors: (Constant), banyaknya

karyawan
b. Predictors: (Constant), banyaknya karyawan,
banyaknya poliklinik
c. Dependent Variable: bangkitan
perjalanan hari kerja

Model

Berdasarkan Tabel 17 di atas dapat disusun suatu

persamaan regresi linier berganda sebagai berikut:
Y4 = -17.108 + 0,235.X2 + 4,567.X4

a. Dependent Variable:
bangkitan perjalanan hari kerja

4.601

1. Hasil analisis korelasi menyatakan bahwa

faktor-faktor
yang
mempengaruhi
bangkitan dan tarikan lalulintas di hari kerja
maupun hari minggu pada tata guna lahan
rumah sakit umum di Klaten adalah
banyaknya karyawan (X2) dan banyaknya
poliklinik (X4).
2. Model matematika yang diperoleh adalah
sebagai berikut:
Model tarikan perjalanan di hari
minggu (Y1)
Y1 = -16,551 + 0,212.X2 + 3,382.X4
Model tarikan perjalanan di hari kerja
(Y2)
Y2 = -18,092 + 0,216.X2 + 4,884.X4
Model bangkitan perjalanan di hari
minggu (Y3)
Y3 = -11,343 + 0,198.X2 + 2,898.X4
Model bangkitan perjalanan di hari
kerja (Y4)
Y4 = -17,108 + 0,235.X2 + 4,567.X4
Saran
Dalam merumuskan kebijaksanaan perencanaan
wilayah, Pemerintah Daerah diharapkan
mempertimbangkan pengaruh tata guna lahan
dengan potensi bangkitan pergerakan, sehingga
perencanaan infrastruktur di bidang transportasi
dapat mendukung perkembangan peruntukan
lahan

DAFTAR PUSTAKA
C. Jotin Khisty & B Ken Lail. 2005. Dasar-dasar Rekayasa Transportasi Jilid 1. Erlangga, Jakarta.
C. Jotin Khisty & B Ken Lail. 2006. Dasar-dasar Rekayasa Transportasi Jilid 2. Erlangga, Jakarta
C. Trihendradi. 2009. Step by Step SPSS 16. Analisis Data Statistik. Penerbit Andi. Yogyakarta
Hobbs F.D. 1995. Perencanaan dan Teknik Lalu Lintas, Penerbit UGM Press, Yogyakarta
Stopher, P.R. & Mc. Donalds, K.G. 1983. Trip Generation by Cross Classification: An Alternative
Methodologi Transportation Forecasting Analysis and Quantitative Methods
Tamin. O.Z. 2000. Perencanaan dan Permodelan Transportasi, Penerbit ITB, Bandung
Warpani, Suwardjoko, 1990. Merencanakan Sistem Pengangkutan, Penerbit ITB, Bandung