BAB IPENDAHULUANBAB IIKAJIAN TEORI

BAB IIIMETODE ANALISIS PERENCANAAN DAN METODE PENGUMPULANBAB IVPEMBAHASAN4.1 Pembahasan Analisis Faktor

4.2 Pembahasan Analisis Regresi

Analisis Regresi ditujukan untuk memprediksikan bentuk korelasi antar variabel dalam membentuk suatu rumusan tertentu (variabel terikat yang telah ditentukan). 4.2.1 Uji Normalitas

Uji normalitas merupakan uji yang ditujukan untuk mengetahui distribusi data yang dianalisis, yakni untuk menguji normal atau tidaknya data analisis. Pada dasarnya analisis regresi dapat dilakukan dengan syarat data analiis berdistribusi normal. Adapun hipotesis dari uji normalitas tersebut adalah: Apabila nilai signifikansi lebih besar dari 0.05, maka data berdistribusi normal

Apabila nilai signifikansi kurang dari 0.05, maka data tidak berdistribusi normal.

Tabel x.xUji Normalitas Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N40

Normal Parametersa,,bMean.0000000

Std. Deviation11.32718614

Most Extreme DifferencesAbsolute.067

Positive.059

Negative-.067

Kolmogorov-Smirnov Z.426

Asymp. Sig. (2-tailed).994

a. Test distribution is Normal.

b. Calculated from data.

Sumber: Data diolah, 2015

Berdasarkan hasil uji normalitas Kolomogrov-Smirnov dengan alat analisis SPSS, diketahui bahwa nilai signifikansi dari analisis tersebut adalah 0.944 (nilainya lebih besar dari 0.05). Hal tersebut berarti bahwa data analisis tersebut berdistribusi normal dan analisis regresi dapat dilakukan.4.2.2 Analisis Regresi

Analisis regresi ditujukan untuk mengestimasikan nilai rata-rata dari variabel data analisis, yakni keselamatan, kenyamanan, kelancaran, tepat waktu dan tarif angkutan dalam menentukan tingkat efisiensi dari suatu angkutan umum. Adapun hipotesis dalam analisis regresi anatara lain adalah sebagai berikut: Apabila nilai dari R (simbol korelasi) lebih dari 0.5 maka hubungan antar variabel adalah kuat

Apabila nilai dari R (simbol korelasi) kurang dari 0.5 maka hubungan antar variabel adalah lemah Apabila nilai dari signifikansi lebih dari 0.05, maka model regresi adalah tidak linear(tidak memenuhi nilai kriteria linearitas). Apabila nilai dari signifakansi kurang dari 0.05, maka model regresi yang terbentuk adalah linear (memenuhi kriteria linearitas).Tabel x.xDeskripsi Analisis

Variables Entered/Removed

ModelVariables EnteredVariables RemovedMethod

1Kelancaran, Akses_Tinggi, Tarif, Keselamatan, Kenyamanana.Enter

a. All requested variables entered.

Sumber:Data diolah, 2015

Berdasarkan tabel deskripsi analisis, diketahui bahwa dalam analisis regresi, variabel yang dimasukkan dalam proses analisis regresi pennetuan efisiensi angkutan umum kawasan undip adalah variabel kelancaran, aksesibilitas tinggi, tarif, keselamatan, dan kenyamanan.Tabel x.xAnalisis Korelasi

Model Summaryb

ModelRR SquareAdjusted R SquareStd. Error of the Estimate

1.845a.713.67112.132

a. Predictors: (Constant), Kelancaran, Akses_Tinggi, Tarif, Keselamatan, Kenyamanan

b. Dependent Variable: Efisiensi

Sumber:Data diolah, 2015Berdasarkan tabel analisis korelasi, nilai R merupakan simbol dari nilai koefisien korelasi. Nilai korelasi analisis regresi adalah 0,845, yakni lebih dari 0.5 yang berarti variabel dalam analisis regresi tersebut bersifat kuat. Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah 71.3% yang dapat ditafsirkan bahwa variabel bebas (kelancaran, aksesibilitas tinggi, tarif, keselamatan, dan kenyamanan) memiliki pengaruh kontribusi sebesar 71.3% terhadap variabel Y (efisiensi angkutan umum) dan 28.7% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel bebasTabel x.xANOVA

ANOVAb

ModelSum of SquaresdfMean SquareFSig.

1Regression12443.87452488.77516.910.000a

Residual5003.90134147.174

Total17447.77539

a. Predictors: (Constant), Kelancaran, Akses_Tinggi, Tarif, Keselamatan, Kenyamanan

b. Dependent Variable: Efisiensi

.

Sumber:Data diolah, 2015

Berdasarkan tabel anova tersbeut adalah untuk menentukan linieritas dari regresi. Kriteria nilai linearitas dapat dilihat dari nilai Signifikansi (Sig). nilai signifikansi analisis regresi adalah 0.0 (lebih kecil dari 0.05) yang berarti model dari analisis regresi adalah linier.Tabel x.xKoefisien Regresi

Coefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientstSig.

BStd. ErrorBeta

1(Constant)23.1885.7734.016.000

Keselamatan4.7751.782.5232.680.011

Akses_Tinggi-.1381.280-.015-.108.915

Kenyamanan2.3211.791.3011.296.204

Tarif.2441.444.029.169.867

Kelancaran.3191.716.040.186.854

a. Dependent Variable: Efisiensi

Sumber: Data diolah, 2015

Tabel koefisien regresi menjelaskan model persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B. Model persamaan regresi penentuan efisiensi angkutan umum adalah sebagai berikut:

Efisiensi angkutan umum = 23.188+4.755Keselamatan -0.138Aksesibilitas Tinggi +2.321Kenyamanan 0.244Tarif + 0.319Kelancaran4.3 Pembahasan Analisis AHP

Pembahasan analisis AHP dibagi menjadi menjadi penentuan prioritas kriteria dan prioritas alternatif. Penentuan prioritas kriteria dan alternative didasarkan oleh rata-rata dari masing-masing nilai VP. Adapun nilai VP yang dianalisis harus memiliki inkonsistensi