82 BAB V ANALISIS DAN PEMBAHASAN Pada bab ini akan melmbahas melngelnai pellulang pelmilihan molda pelngulmpan (feleldelr) kelrelta celpat Jakarta-Bandulng dari Stasiuln Padalarang ulntulk Melnuljul Kolta Bandulng dilihat dari faktolr yang melmpelngarulhi prelfelrelnsi relspolndeln ulntulk melnggulnakan KA Feleldelr dan KRD Lolkal Bandulng Raya dan prolbabilitas pelmilihan molda. V.1 Faktor – Faktor yang Paling Berpengaruh Terhadap Pemilihan Moda Feeder Selbellulm mellakulkan analisis, belrikult ini ditampilkan statistik delskriptif ulntulk kelsellulrulhan variabell yang akan dielstimasi selbagai faktolr-faktolr yang melmpelngarulhi pelmilihan molda feleldelr kelrelta celpat Jakarta-Bandulng dari Stasiuln Padalarang secara keseluruhan. V.1.1 Analisis Deskriptif Variabel Penelitian Analisis Statistik delskriptif data pada Tabell V.1 melnulnjulkkan bahwa belbelrapa variabell yang melmiliki variansi data yang paling tinggi ditulnjulkkan delngan nilai standar delviasi yang celndelrulng belsar yaitul variabell tarif pada KA Feleldelr dan KRD Lolkal Bandulng Raya. Hal ini diselbabkan variabell telrselbult melrulpakan variabell yang belrsifat colntinulels. Sellain itul, belbelrapa variabell julga diidelntifikasi selbagai variabell yang belrsifat katelgolri/variabel dummy dimana telrdapat nilai min 0 diselbabkan relspolndeln yang bellulm pelrnah melmiliki pelngalaman/tidak melmiliki pelngalaman selbagaimana ditanyakan maka dibelri pilihan 0 selpelrti colntolh pelngalaman melnggulnakan kelrelta api dalam 6 bullan telrakhir. Statistik Deskriptif pada tabel V.1 menunjukkan bahwa beberapa variabel yang memiliki variansi data yang paling tinggi ditunjukkan dengan nilai standar deviasi yang cenderung besar yaitu variabel tarif KA Feeder. Hal ini dikarenakan variabel tersebut merupakan variabel yang bersifat continues. Selain itu, terdapat variabel yang memiliki standar deviasi 0.4 yaitu pengalaman menggunakan moda kereta api menuju Bandung dalam 6 bulan terakhir, hal ini menunjukkan bahwa variabel tersebut memiliki variasi data yang nilainya tidak terlalu jauh dari nilai rata rata artinya nilai sampel/populasi mempunyai kesamaan. 83 Tabel V. 1 Analisis Delskriptif Variabell yang Belrpelngarulh (N = 3807) VARIABEL DESKRIPSI N MIN MAX MEAN STD.DEV Y Pelmilihan Molda Feleldelr (SP) Pilihan molda feleldelr (Stateld Prelfelrelncel): 1 = KA Feleldelr, 2 = KRD Lolkal Bandulng Raya 3807 1 2 1.39 .489 X1 Jelnis Kellamin (RP) Jelnis Kellamin : 0 = laki-laki, 1 = pelrelmpu lan 3807 0 1 .31 .461 X2 U lmu lr (RP) U lmu lr : 1 = 17 – 20 Tahuln; 2 = 21-30 Tahuln; 3 = 31-40 Tahuln; 4 = 41-50 Tahuln; 5 = 51-60 Tahuln, 6 = > 60 Tahuln 3807 1 6 2.34 .944 X3 Pelkelrjaan (RP) Pelkelrjaan : 1 = Pellajar/Mahasiswa, 2 = Karyawan (PNS/Pelgawai Swasta); 3 = Wiraswasta/Pelngulsaha; 4 = Lain-Lain 3807 1 4 1.89 .718 X4 Pelndidikan (RP) Tingkat pelndidikan : 1 = Dibawah Strata 1 (S1); 2 = Strata 1 (S1); 3 = Diatas Strata 1 (S2/S3) 3807 1 3 1.78 .638 X5 Pelnghasilan (RP) Pelnghasilan bullanan : 1 = Tidak Belrpelnghasilan; 2 = < Rp.3.000.000; 3 = Rp.3.000.000 – Rp.5.000.000; 4 = Rp.5.000.000 – Rp.10.000.000; 5 = >Rp.10.000.000 3807 1 5 3.18 1.328 X6 Do lmisili (RP) Do lmisili : 1 = Jakarta Barat; 2 – Jakarta Timulr; 3 = Jakarta Pulsat; 4 = Jakarta Ultara; 5 = Jakarta Sellatan; 6 = Kolta/Kab Bolgolr; 7 = Kolta Delpolk; 8 = Kolta/Kab Tangelrang; 9 = Kolta/Kab Belkasi ; 10 = Kolta Bandulng; 11 = Kabulpateln Bandulng; 12 = Kolta Cimahi; 13 = Kabulpateln Bandulng Barat; 14 = Lain-lain 3807 1 14 8.05 3.497 X7 Mo lda Jakarta – Bandu lng (RP) Mo lda yang selring digulnakan dalam pelrjalanan Jakarta – Bandu lng : 1 = Kelrelta Api Argol Parahyangan; 2 = Travell/Buls; 3 = Kelndaraan Pribadi (Molbil/Moltolr) 3807 1 3 1.79 .854 X8 Frelkulelnsi Jakarta – Bandu lng (RP) Frelkulelnsi pelrjalanan Jakarta – Bandu lng : 1 = Selminggul selkali; 2 = Lelbih dari selminggul selkali; 3 = Selbullan selkali; 4 = Lelbih dari selbullan selkali 3807 1 4 3.35 .881 X9 Tu ljulan Jakarta – Bandu lng (RP) Maksu ld mellakulkan pelrjalanan : 1 = Belkelrja/Kulliah; 2 = Melngulnjulngi Kellularga (solsial); 3 = Be lrlibulr/Bellanja; 4 = Lainnya 3807 1 4 2.00 .855 X10 Telmpat Tuljulan Jakarta – Bandu lng (RP) Telmpat tuljulan ulntulk pelrjalanan Jakarta – Bandu lng ; 1= Kolta Bandulng; 2 = Kabulpateln Bandu lng; 3 = Kolta Cimahi; 4 = Kabulpateln Bandulng Barat; 5 = Kabulpateln Sulme ldang 3807 1 5 1.39 .863 X11 Waktu l Te lmpu lh Jakarta – Bandu lng (RP) Waktu l telmpu lh (dololr tol dololr) saat mellakulkan pelrjalanan Jakarta Bandulng; 1 = 3 Jam; 2= 4 Jam; 3 = 5 Jam; 4=lain-lain 3807 1 4 1.78 .795 84 VARIABEL DESKRIPSI N MIN MAX MEAN STD.DEV X12 Biaya Jakarta – Bandu lng (RP) Biaya yang dikellularkan (dololr tol dololr) saat mellakulkan pelrjalanan Jakarta Bandulng; 1 = Rp.100.000 – Rp.200.000; 2 = Rp.200.000 - Rp.300.000; 3 = Rp.300.000 – Rp.400.000; 4 = lain-lain 3807 1 4 1.78 .867 X13 Mo lda Kelrelta Api me lnuljul Bandulng (RP) Me lnggulnakan KA dari Jakarta Melnuljul Bandu lng dalam 6 bullan telrakhir : 1 = Ya, Pelrnah; 2 = Tidak Pelrnah 3807 1 2 1.33 .471 X14 Stasiuln Tuljulan (RP) Stasiuln yang melnjadi tuljulan : 1 = Stasiuln Cimahi; 2 = Stasiuln Bandulng 3807 0 2 1.26 .928 X15 Pelngalaman me lnggulnakan Feleldelr (RP) Peln Pelngalaman melnggulnakan molda feleldelr dari Stasiuln Bandulng/Cimahi ulntulk melncapai lolkasi tuljulan : 1 = Kelndaraan Pribadi (Molbil/Moltolr); 2 = Angkultan Kolta; 3 = Angkultan olnlinel (Goljelk/Grab); 4 = KRD Lolkal Bandulng Raya; 5 = Tidak melnggulnakan molda feleldelr 3807 0 5 1.76 1.382 X16 Biaya dari Stasiuln kel Lo lkasi Tuljulan (RP) Biaya yang dikellularkan dari stasiuln ulntulk melncapai lolkasi tuljulan : 1 = < Rp.5.000; 2 = Rp.5.000 – Rp.10.000; 3 = Rp.10.000 – Rp.20.000; 4 = > Rp.20.000; 5 = Tidak ada biaya 3807 0 5 2.16 1.678 X17 Ke lnyamanan (RP) Ke lnyamanan: :1=sangat tidak seltuljul,2=tidak seltuljul,3=ragul-ragul,4=seltuljul,5=sangat seltuljul 3807 0 5 2.72 2.016 X18 Ke lmuldahan (RP) Ke lmu ldahan: 1=sangat tidak seltuljul,2=tidak seltuljul,3=ragul-ragul,4=seltuljul,5=sangat seltuljul 3807 0 5 2.79 2.082 X19 Ke lamanan (RP) Ke lamanan 1: 1=sangat tidak seltuljul,2=tidak seltuljul,3=ragul-ragul,4=seltuljul,5=sangat seltuljul 3807 0 5 2.79 2.080 X20 Ke lsellamatan (RP) Ke lsellamatan 2: : 1=sangat tidak seltuljul,2=tidak seltuljul,3=ragul-ragul,4=seltuljul,5=sangat seltuljul 3807 0 5 2.77 2.044 X21 Ke lhandalan (RP) Ke lhandalan 2: 1=sangat tidak seltuljul,2=tidak seltuljul,3=ragul-ragul,4=seltuljul,5=sangat seltuljul 3807 0 5 2.88 2.109 X22 Waktu l Te lmpu lh KA Feleldelr Waktu l telmpu lh KA Feleldelr (SP) 3807 20 60 40.00 13.335 X23 Waktu l Te lmpu lh KRDL Waktu l telmpu lh KRD Lo lkal Bandulng Raya (SP) 3807 30 75 51.67 21.347 X24 Tarif KA Feleldelr Tarif KA Feleldelr (SP) 3807 8000 15000 11000.00 2944.307 X25 Tarif KRDL Tarif KRD Lolkal Bandulng Raya (SP) 3807 6000 10000 8000.00 1885.866 X26 He ladway KA Feleldelr He ladway KA Feleldelr (SP) 3807 5 30 24.44 10.395 X27 He ladway KRDL He ladway KRD Lo lkal Bandulng Raya (SP) 3807 5 30 16.11 12.424 Su lmbe lr: Analisis, 2023 85 V.1.2 Uji Asumsi Klasik Uji asumsi klasik merupakan prasyarat analisis regresi berganda, pengujian ini harus dipenuhi agar penaksiran parameter dan koefisien regresi tidak bias. Pengujian asumsi klasik ini meliputi uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heteroskedastisitas. Hasil uji asumsi klasik dalam penelitian ini dapat dijelaskan sebagai berikut : V.1.2.1 Uji Normalitas Dalam penelitian ini pengujian normalitas data menggunakan uji Kolmogorov- Smirnov (Kolmogorov-Smirnov Test) dengan melihat signifikansi dari residual yang dihasilkan dan pendekatan grafik normal probability plot. Deteksi normalitas dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Hasil uji normalitas data dari residual yang diperoleh sebagai berikut : Tabel V. 2 Hasil Uji Normalitas Data One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Residual N 3807 Normal Parameters a,b Mean .0000000 Std. Deviation .41384773 Most Extreme Differences Absolute .091 Positive .091 Negative -.041 Test Statistic .091 Asymp. Sig. (2-tailed) .000 c a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction. Sumber : Output SPSS, 2023 Berdasarkan hasil pada tabel di atas, menunjukkan bahwa nilai signifikansi di bawah 0,05 yaitu sebesar 0,000. Hal ini berarti data residual tersebut terdistribusi secara tidak normal. Hal tersebut juga dapat dijelaskan dengan hasil analisis grafik yaitu grafik Normal Probability plot-nya sebagai berikut : 86 Gambar V. 1 Grafik Normal Probability Plot Sumber : Output SPSS, 2023 Penyebab data tidak berdistribusi normal adalah terutama adanya data extreme atau data pencilan yang biasa disebut dengan istilah outlier. Dengan adanya outlier tersebut, maka sebaran data bisa menjadi condong ke kiri atau condong ke kanan, untuk itu selanjutnya akan mengeliminasi data yang menjadi penyebab terjadinya outlier. V.1.2.2 Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas (Ghozali, 2013). Untuk menentukan heteroskedastisitas dapat menggunakan uji Glejser. Dasar pengambilan keputusan pada uji ini adalah jika nilai signifikansi ≥ 0,05 maka dapat disimpulkan tidak terjadi masalah heteroskedastisitas, namun sebaliknya jika nilai signifikansi < 0,05 maka dapat disimpulkan terjadi masalah heteroskedastisitas. Hasil uji heteroskedastisitas yang diperoleh sebagai berikut : 87 Tabel V. 3 Hasil Uji Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1.229 .191 6.449 .000 Jenis_Kelamin (X1) -.001 .008 -.003 -.174 .862 .903 1.107 Umur (X2) .025 .004 .101 5.730 .000 .683 1.463 Pekerjaan (X3) -.002 .005 -.006 -.343 .732 .761 1.315 Pendidikan (X4) -.003 .006 -.008 -.461 .645 .749 1.334 Pendapatan (X5) -.009 .003 -.050 -2.606 .009 .580 1.723 Domisili (X6) .004 .001 .060 3.896 .000 .890 1.123 Moda_Jkt_Bdg (X7) -.011 .005 -.043 -2.165 .030 .544 1.838 Frek_Jkt_Bdg (X8) -.003 .004 -.010 -.630 .529 .889 1.125 Tujuan_Jkt_Bdg (X9) .009 .004 .033 2.084 .037 .828 1.208 Tempat_Tujuan _ Jkt_Bdg (X1) .007 .005 .025 1.378 .168 .657 1.523 Waktu_Tempuh _ Jkt_Bdg (X11) -.006 .004 -.021 -1.434 .152 .942 1.062 Biaya_Jkt_Bdg (X12) .016 .004 .058 3.656 .000 .825 1.212 Moda_KA_Jkt_ Bdg (X13) -.027 .052 -.056 -.520 .603 .018 54.653 Stasiun_Tujuan (X14) .038 .017 .154 2.224 .026 .044 22.596 Pengalaman_ Menaiki_Feeder (X15) -.003 .006 -.019 -.555 .579 .174 5.744 Biaya_dari_ Stasiun (X16) -.016 .005 -.117 -3.049 .002 .144 6.966 Kenyamanan (X17) -.003 .007 -.030 -.506 .613 .060 16.764 Kemudahan (X18) .004 .006 .035 .650 .515 .071 14.090 Keamanan (X19) -.006 .007 -.052 -.848 .396 .056 17.931 Keselamatan (X20) .001 .008 .007 .098 .922 .043 23.121 Kehandalan (X21) -.004 .007 -.033 -.506 .613 .049 20.208 Waktu_Tempuh _ KAFeeder (X22) -.008 .001 -.468 -8.574 .000 .071 14.108 88 Coefficients a Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Waktu_Tempuh _ KRDL (X23) .000 .000 -.042 -.943 .346 .104 9.620 Tarif_KAFeeder (X24) 2.351E -5 .000 .301 11.350 .000 .300 3.330 Tarif_KRDL (X25) - 5.185E -5 .000 -.425 -8.748 .000 .089 11.192 Headway_ KAFeeder (X26) -.009 .001 -.415 -7.389 .000 .067 14.943 Headway_KRD L (X27) -.011 .001 -.579 - 11.914 .000 .090 11.171 a. Dependent Variable: RES2 Sumber : Output SPSS, 2023 Dalam hasil perhitungan di atas diketahui bahwa nilai signifikasi dari variabel Jenis Kelamin (X1), Pekerjaan (X3), Pendidikan (X4), Frekuensi Perjalanan Jakarta Bandung (X8), Tempat Tujuan Jakarta Bandung (X9), Waktu Tempuh Jakarta Bandung (X11), Pengalaman menggunakan moda KA Jakarta Bandung (X13), Pengalaman menaiki Feeder (X15), Kenyamanan (X17), Kemudahan (X18), Keamanan (X19), Keselamatan (X20), kehandalan (X21), Waktu Tempuh KRDL memiliki nilai signifikansi lebih dari 0,05 sedangkan variabel Umur (X2), Pendapatan (X5), Domisili (X6), Moda yang digunakan untuk Perjalanan Jakarta Bandung (X7), Stasiun Tujuan (X14), Biaya dari Stasiun (X16), Waktu Tempuh KA Feeder (X22), Tarif KA Feeder (X24), Tarif KRDL (X25), Headway KA Feeder (X26) dan Headway KRDL (X27) memiliki nilai signifikansi kurang dari 0,05. Berdasarkan hal tersebut dapat disimpulkan bahwa terjadi heteroskedastisitas antar variabel independent dalam model regresi. Maka hasil diatas dapat dijelaskan dengan hasil analisis grafik yaitu grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Apabila kondisi ini terpenuhi maka tidak terjadi heteroskedastisitas dan model regresi layak digunakan. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar di bawah ini: 89 Gambar V. 2 Grafik Scatterplot Sumber : Output SPSS, 2023 Dengan melihat grafik scatterplot di atas, terlihat titik-titik menyebar secara acak, serta tersebar baik di atas maupun di bawah angka 0 (nol) pada sumbu Y. Maka dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan. V.1.2.3 Uji Multikolinearitas Seltellah dilakulkan analisis delskriptif ulntulk melnggambarkan karaktelristik relspolndeln pelnelilitan, sellanjultnya dilakulkan analisis faktolr – faktolr yang melmpelngarulhi pelmilihan molda pelngulmpan (feleldelr). Pelnguljian mulltikollinelaritas belrtuljulan ulntulk melngeltahuli apakah dalam moldell relgrelsi ditelmulkan adanya kolrellasi antar variabell indelpelndeln ataul variablel belbas (Gholzali, 2016). Selhingga bisa telrdeltelksi seljak awal variabell mana saja yang bisa dimasulkkan kel dalam moldell delngan melilhat pelarsoln colrrellatioln. U lntulk melnelmulkan ada ataul tidaknya mulltikollinelaritas antar variabell dapat dikeltahuli dari nilai kolrellasi.