ANALISIS PEMILIHAN LOKASI PERUMAHAN

PADA DAERAH RAWAN TSUNAMI

STUDI KASUS: KECAMATAN PADANG UTARA, KOTA PADANG

Ika Dwi Melisa

Sjafrizal
Firwan Tan
Universitas Andalas
ikadwimelisa@gmail.com

ABSTRACT

In line with urban development based on disaster mitigation, the Eastern region
of Padang City was developed as a residential area and education center, while the
West region adjacent to the coast is an urban commercial area and business center. The
transfer of the government center of Padang City to the East (Air Pacah, Koto Tangah
District) in 2010 was one of the efforts to reduce the concentration of the population in
the coastal area. After the earthquake and tsunami issue in 2009, it was seen changes
and displacement of the population towards the east of the city with higher topographic
conditions from the center of Padang City adjacent to the Indian Ocean. Based on
BPS data from Padang City, in Padang Utara Subdistrict from 2009 to 2010 there
was a decline in population, but in 2010 to 2015 there was a significant increase in
population. Based on the City of Padang RTRW for 2010-2030, North Padang District
is a tsunami prone area. From the above problems, it is important to conduct a study
of the selection of housing locations in tsunami-prone areas with Research Question
whether the variable price of rental housing, transportation costs and income of the
head of household are considered the choice of housing location after the tsunami
threat. Based on the results of the analysis, the variables of house rent, transportation
costs and income of the family head influence the choice of home locations in tsunami-
prone areas.
Keywords: housing locations, tsunami prone areas, house rent, transportation costs,
family income

secara terpadu, terarah, berencana dan

PENDAHULUAN
Perumahan dan permukiman merupakan
permasalahan yang selalu akan berkembang
sejalan dengan pertambahan penduduk, dinamika
penduduk dan sesuai dengan berkembangannya
nilai-nilai tata kehidupan manusia dan masyarakat.
Pembangunan perumahan dan permukiman
perlu terus ditingkatkan dan dikembangkan
berkesinambungan. Pelaksanaan pembangunan
perumahan dan permukiman khususnya di
kawasan perkotaan khususnya Kota Padang
harus senantiasa memperhatikan penataan ruang
yang berlaku di kota yang bersangkutan sehingga
terdapat sinkronisasi atau kesesuaian antara
pembangunan perumahan dan permukiman
dengan penataan ruang kota.

85

Padang sebagai kota pesisir, selain
menguntungkan secara geografis tetapi juga
merupakan daerah yang rawan bencana tsunami.
Pasca Kota Padang diguncang gempa 7,9 skala
Richter pada tahun 2009, menyebabkan terjadinya
perubahan pola masyarakat dalam memilih lokasi
bermukim yang jauh dari daerah pantai (jauh dari
pusat kota) yang selama ini merupakan daerah
pinggiran kota. Dengan adanya kecenderungan
tersebut daerah pinggiran yang dulu kepadatannya
rendah, pasca gempa dan isu tsunami menjadi
pilihan untuk lokasi bermukim masyarakat Kota
Padang. Sejalan dengan pembangunan kota yang
berbasis mitigasi bencana, wilayah Timur Padang
dikembangkan sebagai kawasan permukiman
dan pusat pendidikan, sedangkan wilayah Barat
yang berdekatan dengan pantai merupakan
kawasan komersial perkotaan dan pusat bisnis.
Pemindahan pusat pemerintahan Kota Padang
ke wilayah Timur (Air Pacah, Kecamatan Koto
Tangah) pada tahun 2010 adalah salah satu upaya
mengurangi konsentrasi penduduk di kawasan
pinggir pantai.
Berdasarkan data BPS Kota Padang, di
Kecamatan Padang Utara dari tahun 2009 sampai
tahun 2010 terjadi penurunan jumlah penduduk
sebesar 77.509 jiwa menjadi 69.119 jiwa. Jumlah
penduduk ini merupakan data sensus penduduk
2010 serta diduga karena terjadinya perpindahan
penduduk dan adanya penduduk yang meninggal
akibat reruntuhan bangunan ketika gempa bumi
terjadi pada 30 September 2009. Akan tetapi
pada tahun 2010 sampai tahun 2015 terjadi
pertambahan penduduk sebesar 1.325 jiwa
sehingga pada tahun 2015 jumlah penduduk di
Kecamatan Padang Utara sebesar 70.444 jiwa.
Dengan meningkatnya jumlah penduduk maka
akan berdampak pada meningkatnya jumlah
kebutuhan masyarakat, salah satu diantaranya
adalah kebutuhan perumahan.
Berdasarkan latar belakang yang telah
diuraikan, penelitian bertujuan untuk mengetahui
apakah variabel sewa rumah, biaya transportasi
86
JURNAL OPTIMUM , Volume 9, Nomor 1 Maret 2019
dan pendapatan kepala keluarga menjadi
pertimbangan kepala keluarga dalam pemilihan
lokasi perumahan di Kecamatan Padang Utara
pasca adanya ancaman tsunami.
REVIEW LITERATUR DAN HIPOTESIS
Menurut Sjafrizal (2012), dalam Teori
Lokasi Von Thunen, maka formulasinya dimulai
dengan kasus yang paling sederhana yaitu
bilamana lahan hanya ditanami oleh 1 (satu) jenis
tanaman saja. Analisa dimulai dari tujuan utama
kegiatan pertanian yang dikelola secara swasta
yaitu untuk mencari keuntungan maksimum.
Sehubungan dengan hal ini, maka analisa dimulai
dengan formulasi fungsi keuntungan (π) yang
dapat ditulis sebagai berikut:
π = p Q – a Q – Q T(k) – R(k)
atau π = Q (p – a) – Q T(k) – R (k) ……. (1)
dimana Q adalah jumlah produksi komoditi
pertanian yang dapat dihasilkan per unit lahan,
sedangkan p dan a masing-masingnya adalah
harga produk dan biaya produksi rata-rata per
unit. T(k) dan R(k) masing-masingnya adalah
ongkos angkut dan sewa tanah (land-rent) yang
keduanya dipengaruhi oleh jauh dekatnya jarak
(k) ke pasar.
Menurut Tarigan (2012), konsep Von Thunen
bahwa sewa tanah sangat mempengaruhi jenis
kegiatan yang mengambil tempat pada lokasi
tertentu masih tetap berlaku dan hal ini mendorong
terjadinya konsentrasi kegiatan tertentu pada
lokasi tertentu. Von Thunen menggunakan contoh
sewa tanah untuk produksi pertanian, tetapi
banyak ahli studi ruang berpendapat bahwa teori
ini juga relevan untuk sewa atau penggunaan lahan
di perkotaan dengan menambah aspek tertentu,
misalnya aspek kenyamanan dan penggunaan
lahan di masa lalu. Perkembangan dari teori Von
Thunen adalah selain harga tanah tinggi di pusat
kota dan akan makin menurun apabila makin
menjauh dari pusat kota; harga tanah adalah
IKA DWI MELISA, SJAFRIZAL, FIRWAN TAN
Analisis Pemilihan Lokasi Perumahan Pada Daerah Rawan Tsunami
Studi Kasus: Kecamatan Padang Utara, Kota Padang
tinggi pada jalan-jalan utama (akses ke luar kota)
dan akan semakin rendah apabila menjauh dari
jalan utama. Makin tinggi kelas jalan utama itu,
makin mahal sewa tanah di sekitarnya.
Menurut Sjafrizal (2012), William
Alonso dan Richard F. Muth melakukan analisa
lebih lanjut dari model Von Thunen khusus
untuk membahas kerangka pemikiran dalam
penggunaan lahan daerah perkotaan (Urban
Land-use) yang kemudian lazim dikenal sebagai
Alonso-Muth Model. Dalam hal ini struktur
ruang (Spatial Structure) masih diasumsikan
dalam bentuk Monocentric City (kota dengan
satu pusat). Sedangkan variabel penentu dalam
model ini juga bid-rent, bukan saja untuk kegiatan
pertanian saja, tetapi juga untuk kegiatan yang
banyak terdapat di wilayah perkotaan seperti
industri, perdagangan, jasa dan perumahan.
Dengan membandingkan antara bid-rent
dengan land-rent yang belaku dipasaran untuk
sebidang tanah pada lokasi tertentu, akan dapat
diketahui pola penggunaan lahan yang optimal
dengan melihat pada masing-masing ”Von Thunen
Ring” yang dihasilkan. Dengan demikian akan
dapat ditentukan berdasarkan jarak dari CBD,
beberapa wilayah yang secara ekonomis dapat
digunakan untuk kegiatan perdagangan, jasa,
industri, perumahan dan kegiatan pertanian yang
sering kali masih terdapat di wilayah perkotaan
yang masih kecil. Model pemanfaatan lahan ini
selanjutnya dijadikan pula sebagai dasar utama
untuk menentukan pola Perencanaan Wilayah
Perkotaan (Tata-Kota) secara baik dan efisien.
Asumsi umum yang digunakan baik
untuk rumah tangga (households) maupun
perusahaan (firms) dalam teori penggunaan lahan
wilayah perkotaan ini adalah bahwa wilayah
perkotaan muncul sebagai daerah yang datar
yang pada suatu titik terdapat sebuah CBD.
Disamping itu, diasumsikan pula bahwa wilayah
perkotaan tersebut berbentuk bulat yang pada
pusatnya terdapat sebuah CBD. Sedangkan jarak
menuju CBD merupakan variabel penting dalam
menentukan lokasi kegiatan pertanian, industri,
perdagangan, jasa dan perumahan. Ongkos angkut
dalam hal ini, diasumsikan berhubungan positif
dengan jarak menuju CBD. Sedangkan Marginal
Transportation Cost diasumsikan pula tetap
(fixed) yang berarti tidak terdapat penghematan
ongkos angkut bila jarak tempuh menjadi makin
panjang (Economies of Long Haul).
Dalam penentuan lokasi dan penggunaan
lahan wilayah perkotaan, terdapat dua bentuk
pemilihan lokasi, yaitu lokasi kegiatan industri
(Industrial Location) seperti industri pengolahan
(manufacturing), perdagangan, jasa dan pertanian
serta lokasi perumahan (Residential Location).
Untuk dapat menentukan lokasi optimal
perumahan, analisa ini memerlukan beberapa
asumsi tambahan. Pertama, individu yang berada
dalam suatu rumah tangga (household) semuanya
bertujuan untuk memaksimumkan kepuasan
(utility maximization) melalui peningkatan
konsumsi. Kedua, semua individu bekerja di pusat
kota (CBD), sehingga setiap hari mereka harus
melakukan perjalanan pulang balik (commuting)
dari tempat tinggal mereka ke tempat bekerja.
Ketiga, semua individu dalam suatu rumah
tangga mempunyai selera (taste) yang sama
sehingga jenis barang yang dikonsumsi juga akan
cendrung menjadi sama pula.
Karena ongkos angkut meningkat sejalan
dengan semakin jauhnya lokasi perumahan dari
CBD, maka hal ini akan mendorong rumah tangga
untuk memilih lokasi rumahnya berdekatan
dengan CBD. Disamping itu, adanya sejumlah
Keuntungan Aglomerasi (Agglomeration
Economies) karena berlokasi berdekatan dengan
masyarakat dan kegiatan sosial-ekonomi lainnya
juga akan turut pula mendorong masyarakat untuk
memilih lokasi perumahannya dekat dengan
CBD. Namun demikian, memilih lokasi dekat
dengan CBD ini juga mempunyai konsekuensi
terhadap biaya yang dikeluarkan oleh rumah
tangga karena harga tanah akan semakin tinggi
bila berlokasi semakin dekat dengan CBD.
87
ik terdapat ini juga mempunyai konsekuensi terhadap
iasumsikan biaya yang dikeluarkan oleh rumah tangga
n tersebut karena harga tanah akan semakin tinggi bila
ya terdapat berlokasi semakin dekat dengan CBD.
enuju CBD Bilamana rumah tangga memilih lokasi jauh
g dalam Bilamana
dari CBD maka
rumah pengeluaran
tangga biayajauh
memilih lokasi untuk
dari
pertanian, CBD
tanah akan berkurang karena sewa tanah
maka pengeluaran biaya untuk tanah akan
perumahan. akan lebih murah. Dengan demikian akan
berkurang karena sewa tanah akan lebih murah.
iasumsikan terdapat kondisi yang berlawanan (trade-off)
Dengan demikian akan terdapat kondisi yang
ak menuju antara pemilihan lokasi perumahan antara
berlawanan (trade-off) antara pemilihan lokasi
nsportation dekat atau jauh dari CBD.
ixed) yang perumahan antara dekat atau jauh dari CBD.
tan ongkos
jadi makin
).
penggunaan
dua bentuk
i kegiatan
erti industri
erdagangan,
perumahan
Gambar 1. Penentuan Lokasi Optimum
Perumahan
Presentasi secara grafis dari Teori
Penggunaan Lahan Wilayah Perkotaan ini
dapat dijelaskan dengan menggunakan Gambar
1. Dalam hal ini kurva AT konstan mewakili
Marginal Transportation Commuting Cost
(MTC) sedangkan kurva BC mewakili Marginal
Saving of Land (MSL) yang akan menurun
dengan semakin jauhnya jarak rumah dari CBD.
Lokasi optimal perumahan (household) adalah
pada titik u dimana kurva AT berpotongan dengan
kurva BC pada titik E, yaitu pada saat MTC
sama dengan MSL. Selanjutnya, seandainya
MTC meningkat dari T menjadi T’, maka titik
keseimbangan (equilibrium) akan berada pada
E’ dan lokasi otimal perumahan akan bergeser
menuju titik u yaitu lebih jauh dari CBD. Hal
ini menjelaskan mengapa pada kota besar yang
harga tanahnya relatif lebih tinggi, lokasi optimal
perumahan akan cenderung berada di pinggiran
88
JURNAL OPTIMUM , Volume 9, Nomor 1 Maret 2019
kota guna mengurangi pengeluaran rumah tangga
untuk pemilikan tanah.
METODE PENELITIAN
Penelitian dilakukan di Kecamatan
Padang Utara yang terdiri atas 7 kelurahan
yaitu Kelurahan Gunung Pangilun, Kelurahan
Ulak Karang Selatan, Kelurahan Ulak Karang
Utara, Kelurahan Air Tawar Timur, Kelurahan
Air Tawar Barat, Kelurahan Alai Parak Kopi
dan Kelurahan Lolong Belanti. Pemilihan lokasi
ini dilakukan berdasarkan fenomena bahwa
terjadinya perubahan pola masyarakat dalam
memilih lokasi bermukim yang jauh dari pantai,
sedangkan kelurahan di Kecamatan Padang Utara
ini termasuk daerah rawan tsunami. Berdasarkan
data dari BPS Kota Padang (padang Utara Dalam
Angka 2016) bahwa terjadinya peningkatan
jumlah penduduk dan rumah tangga dari setelah
gempa 2009 sampai tahun 2015. Dengan
didasarkan hal tersebut, pemilihan lokasi di
Kecamatan Padang Utara dirasa relevan dengan
tujuan penelitian.
BNPB telah mengeluarkan Pedoman
Kajian Risiko Tsunami atau Tsunami Risk
Assessment Guideline (TRA) untuk penentuan
zonasi bahaya tsunami. Penghitungan indeks
bahaya tsunami diperoleh berdasarkan parameter
tabel max inundasi ketinggian (m) yang
bersumber dari SRTM 30 M atau Aster 30 M.
Pengkajian bahaya akan menghasilkan indeks
dan peta bahaya tsunami. Dari indeks dan peta
bahaya tersebut, dapat ditentukan luas bahaya
dan kelas bahaya tsunami pada masing-masing
kecamatan yang berpotensi tsunami di Kota
Padang secara umum terlihat pada tabel berikut.
 dan purposiveadalah sampling,dengan yaknisampel dengan kuota (quoted adalah sample)
Analisis Analisis
Regrey
dan purposive sampling,
adanya pertimbangan tertentu. Pertimbangan (Logistic Regression Bina yakni dengan adalah A
yang digunakanadanya adalahpertimbangan
responden tersebut tertentu. Pertimbangan
logistik biner digunakan(Logistic R
IKA DWI MELISA, SJAFRIZAL, FIRWAN TAN yang digunakan
merupakan kepala rumah tangga yang tinggal variabel adalah responden tersebut logistikyan
terikat bi
Analisis Pemilihan Lokasi Perumahan Pada Daerah Rawan Tsunamimerupakan kepala rumah tangga yang tinggal variabel
Studi Kasus: Kecamatan Padang Utara, Kota Padang
di rumah sewa di Kecamatan Padang Utara. dikotomi/biner dengan v
Untuk di rumah sewa di Kecamatan sampel Padang berupaUtara. dikotomi/b
Tabel 1 Potensi Luas Bahaya Tsunami Per menentukan digunakan
jumlah
Untuk digunakan rumus
populasi
menentukanrumus dari Taro
jumlah Yamane data berskala
(dalam
populasi sampelVariabel berupa yan d
secara keseluruhan, dari
Kecamatan Di Kota Padang Riduan,
secara 2008), yaitu: digunakan kategorik.
keseluruhan, rumus dari kategorik.
Taro Yamane (dalam Riduan, 2008), yaitu: adalah variabel yang han
No Keca-
matan
Luas Bahaya (Ha) Bahaya
Taro Yamane (dalam Riduan, 2008), kategoriyaitu: saja,adalah var
misalny
Rendah Sedang Tinggi Total Indeks Kelas
menyatakan kejadian s kategori
1 Bungus 109 507 807 1.423 0,944 Tinggi
ø
Teluk
Kabung � �
� պ ø kategori yang menyataka
menyatak
�
2 Koto 271 692 2.346 3.309 dimana:
0,778 Tinggi
� � պ (Y=0) (distribusi Bernoukategori
Tangah
n = jumlah sampel dimana:
dimana: berdistribusi (Y=0) (dis
Bernoulli
3 Kuranji 298 307 16 621
N = jumlah populasi
0,476 Sedang
n = jumlah
n = jumlah rumah sampel
sampel
tangga π x� , maka berdistribu model
NN =yang
jumlah populasi rumah tangga
4 Lubuk 96 53 62 211 0,300 Rendah
Bega- d = tingkat presisi = jumlah populasi
ditetapkan rumah tangga digunakan π x� analis
untuk , ma
lung
d = tingkat presisi yang
d = tingkat presisi yang ditetapkan berikut :ditetapkan digunakan
5 Lubuk - - 42 42 1,000 Tinggi
Kilan- Berdasarkan rumus di atas, maka jumlah berikut :
gan
Berdasarkan
sampel keseluruhanBerdasarkan rumus
dalam penelitian di
rumus di ini atas, maka
atas, L� maka jumlah
ø lnjumlah
π x
6 Nang- 160 608 80 848 0,666 Sedang ø β� �
galo adalah: sampel keseluruhan dalam
sampel keseluruhan dalam penelitian ini adalah: penelitian պ−πini x L� ø ln
7 Padang 20 165 289 475 0,926 Tinggi adalah:
պ9743 … � βpxp + e պ
Barat
nø �
ø պ9743
99,49 … � βpxp
8 Padang 151 114 200 465 0,727 Tinggi պ9743�(0,պ) n ø� պ ø 99,49 Dimana :
�
Selatan
≈ պ00 պ9743�(0,պ)
rumah tangga �պ
9 Padang 141 405 34 580 0,566 Sedang
≈ պ00 rumah πtangga x = peluangDimana kejadian:
probabilita 0 ≤ π xx =≥peπ
Timur

10 Padang 44 287 415 747 0,905 Tinggi

պ
Distribusi sampel menurut populasi probabilita
populasi β� = nilai parameter denga
Utara
Distribusi sampel menurut
Kecamatan Padang Utara dapat dilihat pada tabel β� = nilai p
Kecamatan Padang Utara dapat dilihat menurut
Distribusi sampel populasi
Kota Padang 1.289,25 3.138,48 4.292,28 8.720,01 0,729 Tinggi
pada
berikut.
Sumber : BNPB, Kajian Risiko Bencana Kotatabel Padang berikut. Kecamatan Padang Utara dapat dilihat pada
Sumatera Barat 2014 - 2018
Tabel 2 Distribusi Sampel menurut
tabel berikut. Adapun Populasi
variabel-variabe
Kecamatan Padang Utara, 2015 dalam penelitian Adapun
ini adalav
Tabel 2 Distribusi Sampel menurut
TabelPadang 2 Utara, Distribusi Jumlah Sampel menurut dalam pen
Sumber data penelitian ini adalah Populasi
data Kecamatan
Jumlah
2015
No Kelurahan
Populasi Kecamatan
Rumah Penduduk
Padang Utara, Variabel
2015 Terikat (Y)
Penghitungan Sampel
primer dan data sekunder. Data primer diperoleh Jumlah Jumlah
Tangga
Y = 1; mempertimbangkVariabel T
1 Gunung 3212 13632 Samx 100 = 16.26 16
peneliti dari hasil wawancara dengan responden Penghitung
perumahan Y = 1; m
Sampada daerah ra
No Kelurahan Rumah
Pangilun Pendudu Jumlah Jumlah
an pel Penghitung
Tangga k
(masyarakat) dan tanggapan atas pernyataan 1 Gunung 2
No
3212
Kelurahan
Ulak Karang
13632
Rumah
2479
Pendudu
8980 x 100 Y = 0; tidak mempertim
= an
12.56 pel
13 perumahan
3�պ�
Tangga x 100 k 16
kuesioner. Data sekunder diperoleh dari instansi Pangilun 1
Selatan
Gunung
պ9743
=3212
16.26 6930 13632 lokasi
3�պ�
x 100 perumahan
16 Y pada
= 0; da
ti
3 Ulak Karang 2117 x 100 = 10.72 11
yang ada di lingkungan Pemerintahan 2Kota Pangilun lokasi peru
պ9743
Ulak 2479
Utara 8980 �479
x 100 13 = 16.26
Karang պ9743
Padang seperti Bappeda Kota Padang, BPS 2 Ulak =2479
12.56 42678980 x 100 13
�479
4 Air Tawar 1364 x 100
= 6.90 7
Selatan Karang պ9743
Timur = 12.56
Kota Padang dan instansi terkakit lainnya, 3 Ulak 2117 Selatan6930 �պպ7
x 100 11 Variabel Bebas (X)
berupa dokumen-dokumen perencanaan tentang
Karang 5 3Air Tawar
UlakBarat
պ9743
5039
=2117
10.72
158596930 x 100�պպ7
= 25.52
x 100
25 Variabel B
պ9743 Sewa rumah, dengan in
11
Utara Karang
perumahan, kawasan rawan bencana, RTRW 4 Air Tawar
6 Alai Parak Kopi
1364 Utara 4267
3326
պ364
12832
x 100 7
x 100
= = 16.84
10.72 17
≥ Rp. 7.000.000,00 Sewaperru
7 Lolong Belanti 2205 7944 x 100պ364
= 11.16 11
Kota Padang dan dokumen lain yang terkait
Timur 4 Air Tawar
պ9743
=1364
6.90 4267 x<100Rp.1007.000.000,00
7 ≥ Rp.per
7
Jumlah 19743 70444
5039 Timur15859
պ9743

dengan penelitian.
5 Air Tawar 5039
x 100 25 = 6.90Biaya transportasi, < Rp.
den7
Barat 5 : Air
պ9743
Tawar Utara=5039 15859 2015 25
Biaya
per bt
5039
Sumber Padang Dalam
25.52 Angka, (BPS)
x 100
պ9743 ≥ Rp. 250.000,00
Teknik pengambilan sampel penelitian 6 Alai Parak 3326 Barat 12832 33�6 17 = 25.52
Analisis
Alai Parak yang
x 100
digunakan12832 untuk 33�6 < Rp. 250.000,00 ≥ Rp.
per 2b
adalah dengan sampel kuota (quoted sample) Kopi x penelitian
պ9743
6 =3326
16.84 100 17
ini 2205
adalahKopi 7944
Analisis x Regresi
պ9743
11 Logistik Pendapatan
Biner kepala < Rp. 2
dan purposive sampling, yakni dengan adanya 7 Lolong ��05
100 = 16.84
Belanti 7 Lolong
(LogisticBelanti Regression
պ9743
2205
= 11.16 7944
Binary). Analisis
��05
xindikator 11
100 regresi : Pendap
pertimbangan tertentu. Pertimbangan yang պ9743
indikat
digunakan adalah responden tersebut merupakan logistik biner digunakan untuk = 11.16 memprediksi
kepala rumah tangga yang tinggal di rumah sewa variabel terikat yang berupa data dikotomi/
di Kecamatan Padang Utara. Untuk menentukan biner dengan variabel bebas yang berupa data
jumlah populasi sampel secara keseluruhan, berskala interval dan atau kategorik. Variabel

89
en tersebut logistik biner digunakan untuk memprediksi
ang tinggal variabel terikat yang berupa data
dang Utara. dikotomi/biner dengan variabel bebas yang
asi sampel berupa data berskala interval dan atau JURNAL OPTIMUM , Volume 9, Nomor 1 Maret 2019
rumus dari kategorik. Variabel yang dikotomik/biner
8), yaitu: adalah variabel yang hanya mempunyai dua
yang dikotomik/biner
kategori adalah kategori
saja, misalnya variabel yang
yang Dimana :
hanya mempunyai
menyatakan dua kategori
kejadian sukses saja, misalnya
(Y=1) dan = konstanta
kategori yang menyatakan kejadian sukses
kategori yang menyatakan kejadian gagal (Y=1) = kesalahan pengganggu
dan kategori
(Y=0) yang Bernoulli).
(distribusi menyatakanJikakejadian gagal
variabel Y lokasi rumah di zona rawan tsunami
(Y=0) (distribusiBernoulli
berdistribusi Bernoulli). Jika variabel
dengan parameterY sewa rumah
berdistribusi
π x� , maka Bernoulli denganmatematis
model parameter model
yang biaya transportasi
matematis
digunakan yang digunakan
untuk untuk
analisis analisis
adalah adalah
sebagai pendapatan kepala keluarga
sebagai
berikutberikut
: :
aka jumlah Analisis ini terdiri atas 3 uji siginfikansi
nelitian ini L� ø ln
πx
ø β� � βպxպ � β�x� � parameter, yaitu likelihood ratio test, uji
պ−π x
… � βpxp + e parameter model (uji wald), dan odds ratio.
49
Dimana
Dimana : : HASIL PENELITIAN DAN PEMBAHASAN
tangga = peluang kejadiankejadian
π x = peluang sukses dengan
suksesnilai probabilita
dengan nilai
=probabilita
nilai parameter
0≤π dengan
x ≥ iպ= 1,2,....p Uji Kelayakan Secara Keseluruhan
populasi β� = nilai parameter dengan i = 1,2,....p Overall Fit Test memperlihatkan bahwa
dilihat pada Adapun variabel-variabel yang digunakan dalam minimal ada satu variabel bebas yang siginifikan
penelitian ini adalah sebagai berikut : mempengaruhi variabel terikat. Hasil dari Overall
AdapunTerikat
Variabel variabel-variabel
(Y) yang digunakan Fit Test ini dapat dilihat dari tabel OmnibusTest
dalam penelitian ini adalah
l menurut Y = 1; mempertimbangkan pemilihan sebagai berikut :
lokasi of Model Coefficients hasil olah data kuesioner
, 2015 perumahan pada daerah rawan tsunami menggunakan program SPSS V.16 berikut.
Y Variabel
= 0; tidakTerikat (Y)
mempertimbangkan pemilihan lokasi
nghitung
Y = 1; mempertimbangkan
Sam perumahan pada daerah rawan tsunami
pemilihan lokasi Tabel 3 Hasil Uji Overall Fit Test Model
an pel perumahan pada daerah rawan tsunami
Pemilihan Lokasi Perumahan di Daerah Rawan
� 16 Y = 0; tidak mempertimbangkan pemilihan
x 100 Variabel Bebas (X) Bencana Tsunami di Kecamatan Padang Utara
lokasi perumahan pada daerah rawan tsunami
3
6.26
9
x 100 13 Sewa rumah, dengan indikator : Omnibus Tests of Model Coefficients
3
2.56 Chi-square df Sig.
7
x 100 11 ≥Variabel
Rp. 7.000.000,00
Bebas (X)per tahun Step Step 77.088 3 .000
3
0.72 Sewa rumah, dengan indikator : 1 Block 77.088 3 .000
7
< Rp. 7.000.000,00
≥ Rp. per tahun
7.000.000,00 per tahun
4
x 100 Model 77.088 3 .000
Biaya
< Rp. 7.000.000,00 perindikator
transportasi, dengan tahun :
3
90 Sumber : data primer (diolah), 2018
25
Biaya transportasi, dengan indikator :
9
x 100
3
5.52 ≥ Rp. 250.000,00
≥ Rp. per bulan
250.000,00 per bulan
6
x 100 17 Dari output Omnibus Rest di atas,
3
6.84
< Rp. 250.000,00 per bulan terlihat bahwa signifikansi model pemilihan
11
< Rp. 250.000,00 per
Pendapatan bulan keluarga, dengan
kepala lokasi perumahan di daerah rawan tsunami di
5
x 100
3
1.16 Pendapatan
indikatorkepala
: keluarga, dengan indikator :
Kecamatan Padang Utara adalah sebesar 0.000
≥ Rp. 2.200.000,00 per bulan < 0.05 yang berarti secara umum model yang
digunakan signifikan secara statistik.
< Rp. 2.200.000,00 per bulan
Uji Parsial (Partial Test)
Berdasarkan variabel dependen dan variabel
Partial Test digunakan untuk melihat
independen yang telah dijelaskan di atas, maka
variabel-variabel bebas yang signifikan
dapat dirumuskan persamaan logitnya :

90
IKA DWI MELISA, SJAFRIZAL, FIRWAN TAN
Analisis Pemilihan Lokasi Perumahan Pada Daerah Rawan Tsunami
Studi Kasus: Kecamatan Padang Utara, Kota Padang
mempengaruhi variabel terikat secara parsial analisis selanjutnya karena tidak ada perbedaan
yang terlihat dari Tabel 4 dari hasil regresi logistik yang nyata antara klasifikasi yang diprediksi
berikut. dengan klasifikasi yang diamati.
Output Classification Model
Tabel 4 Hasil Regresi Logistik Pemilihan Classification Model digunakan
Lokasi Perumahan di Daerah Rawan Tsunami di untuk menentukan kesesuaian model dalam
Kecamatan Padang Utara memprediksi peluang responden untuk memilih
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
lokasi perumahan di daerah rawan tsunami.
Step 1a harga_sewa(1) 2.106 .680 9.588 1 .002 8.217
Semakin tinggi nilai overall percentage
biaya_trans-
2.911 .905 10.350 1 .001 18.373
(mendekati 100) maka ketepatan model dalam
memprediksi akan semakin baik. Untuk lebih
port(1)

pendapatan_
KK(1)
2.399 .675 12.622 1 .000 11.015
jelasnya dpat dilihat pada tabel berikut.
Constant -2.515 .535 22.131 1 .000 .081

a. Variable(s) entered on step 1: harga_sewa, biaya_transport,

pendapatan_KK.
Tabel 6 Overall Percentage Pemilihan Lokasi
Sumber: data primer (diolah), 2018
Perumahan di Daerah Rawan Tsunami di
Kecamatan Padang Utara
Dari tabel di atas dapat ditunjukkan bahwa Classification Tablea
dengan tingkat kepercayaan 95% (α=0.05), dari Observed Predicted
3 (tiga) variabel yang diteliti, semua variabel
Y
signifikan mempengaruhi kesediaan responden
mem-
mempertimbangkan pemilihan rumah di daerah pertim-
rawan tsunami di Kecamatan Padang Utara. tidak memper- bangkan
timbangkan daerah Percent-
Uji Kecocokan Model (Goodness of Fit) daerah rawan rawan age
tsunami tsunami Correct
Uji ini digunakan untuk melihat apakah
Step 1 Y tidak memper-
model cocok dengan data untuk menjelaskan timbangkan
43 5 89.6
keterkaitan antar variabel. Untuk lebih jelasnya daerah rawan
tsunami
dapat dilihat pada tabel berikut. memper-
timbangkan
12 40 76.9
Tabel 5 Uji Kecocokan Model (Goodness of Fit) daerah rawan
tsunami
Pemilihan Lokasi Perumahan di Daerah Rawan Overall Percentage 83.0
Tsunami di Kecamatan Padang Utara
a. The cut value is .500
Hosmer and Lemeshow Test Sumber: data primer (diolah), 2018
Step Chi-square df Sig. Berdasarkan output classification tabel
1 5.149 4 .272 di atas, terlihat bahwa nilai Overall Percentage
Sumber : data primer (diolah), 2018 dari model pemilihan lokasi perumahan di daerah
rawan tsunami adalah sebesar 83% atau dapat
Dari tabel 5, dapat terlihat bahwa menebak 83 persen kondisi yang terjadi. Artinya
signifikansi value = 0,272 > 0,05. Dengan tingkat model yang digunakan memiliki kemampuan
keyakinan 95%, dapat diyakini bahwa model yang baik untuk memprediksi dan layak dipakai.
regresi logistik yang digunakan telah cukup Hasil Uji Parameter Model
mampu menjelaskan data/cocok, dengan kata Model regresi logistik yang digunakan
lain model regresi logistik layak dipakai untuk dalam penelitian ini untuk melihat probabilitas

91
 JURNAL OPTIMUM , Volume 9, Nomor 1 Maret 2019

kesediaan responden untuk memilih lokasi lokasi rawan tsunami dengan biaya transportasi
perumahan di daerah rawan tsunami. Dalam <Rp.250.000 adalah 18,373 kali dibandingkan
penelitian ini akan dilihat signifikansi dari dengan biaya transportasi >Rp.250.000.
variabel bebas (harga sewa, biaya transportasi, Sedangkan untuk variabel pendapatan kepala
dan pendapatan kepala keluarga) terhadap keluarga
bahwa memiliki odds ratio
probabilitas sebesar responden
kesediaan 11,015, hal logistik
variabel terikat. Untuk lebih jelasnya dapat dilihat iniuntuk
dapatmemilih
diartikanperumahan di lokasikesediaan
bahwa probabilitas rawan transpo
pada tabel berikut. tsunami untuk
responden dari kondisi
memilih pendapatan
perumahan dikepalalokasi 2,911 y
keluarga
rawan <Rp.2.200.000
tsunami dari kondisiadalah 11,015kepala
pendapatan kali transpo
Tabel 7 Hasil Estimasi Koefisien Model, dibandingkan
keluarga <Rp.2.200.000pendapatan
adalah 11,015yang kali pemilih
Signifikansi, Nilai Odds Ratio dari Regresi >Rp.2.200.000.
dibandingkan pendapatan yang >Rp.2.200.000. rawan
Logistik Pemilihan Lokasi Perumahan di Daerah Hasil output model regresi logistik Dengan
Rawan Tsunami di Kecamatan Padang Utara Hasil
kesediaanoutput model untuk
responden regresimemilih
logistik kesediaan
perumahan berarti
responden untuk memilih perumahan di pemilih
di lokasi rawan tsunami di Kota Padang dapat
lokasi rawan tsunami di Kota Padang dapat tsunam
Variables in the Equation ditulis dalam bentuk struktur sebagai berikut:
B S.E. Wald df Sig. Exp(B)
ditulis dalam bentuk struktur sebagai berikut: <Rp.25
Step harga_
2.106 .680 9.588 1 .002 8.217
diband
1a sewa(1) Z x ø− �,5պ5 � �,պ06SR � �,9պպBT
biaya_
trans- 2.911 .905 10.350 1 .001 18.373
� �,399PKK
port(1)
Pengar
pendapa-
tan_ 2.399 .675 12.622 1 .000 11.015
Persamaan
Persamaan ini menunjukkan
ini menunjukkan bahwanilai
bahwa nilai Berdas
KK(1) konstanta atau intersepnya bernilai
konstanta atau intersepnya bernilai negatif negatif yaitu dilakuk
Constant -2.515 .535 22.131 1 .000 .081
-2,515.
yaitu Artinya
-2,515.adalah proporsi
Artinya responden
adalah untuk
proporsi menun
a. Variable(s) entered on step 1: harga_sewa, biaya_transport,
pendapatan_KK.
memilih
responden perumahan di lokasi perumahan
untuk memilih rawan tsunami di terhada
Sumber : data primer (diolah), 2018
lokasi
lebih rawan
kecil tsunami
dari lokasi yanglebih kecil
tidak rawandaritsunami.
lokasi peruma
yang tidak
Hasil rawan tsunami.
estimasi dapat diuraikan dengan regresi
Dari tabel analisis di atas, ketiga menginterpretasikan odds ratio sebagai berikut : pendap
Hasil estimasi dapat diuraikan dengan positif,
parameter yang diuji mempunyai nilai Pengaruh variabel sewaodds
menginterpretasikan rumahratio sebagai
signifikansi lebih kecil dari 0,05 yaitu harga Berdasarkan hasil regresi logistik yang mening
berikut : probab
sewa, biaya transportasi dan pendapatan dilakukan, sewa rumah menunjukkan pengaruh
peruma
kepala keluarga. Dalam model regresi logistik, positif dan variabel
Pengaruh signifikansewa terhadap
rumah pertimbangan
mening
interpretasi parameter menggunakan nilai odds Berdasarkan
pemilihan lokasihasil regresipada
perumahan logistik
daerah yang
rawan
ratio se
ratio (perbandingan risiko) atau dalam adjusted dilakukan,
tsunami. Hasilsewaregresirumah
logistik menunjukkan
menunjukkan mempe
probability (probabilitas disesuaikan). Pada Tabel pengaruh
bahwa positifsewa
variabel dan rumah
signifikan terhadap
memiliki nilai lokasi
6, nilai odds ratio dapat dilihat pada kolom Exp pertimbangan pemilihan lokasi
positif, yaitu 2,106 yang artinya semakin perumahan
kepala
(B). Dari hasil regresi, diperoleh nilai odds ratio pada daerah
meningkat hargarawan tsunami.
sewa rumah makaHasil regresi
probabilitas 11,015
untuk variabel harga sewa sebesar 8,217 artinya pertimbangan pemilihan lokasi perumahansewa
logistik menunjukkan bahwa variabel pada keluarg
responden untuk mempertimbangkan pemilihan rumahrawan
daerah memiliki
tsunami nilai positif, sebesar
meningkat yaitu 2,106
2,106.
perumahan di lokasi rawan tsunami dengan yang artinya
Dengan semakin
nilai odds ratiomeningkat harga berarti
sebesar 8,217 sewa KESIM
harga sewa <Rp.7.000.000 adalah 8,217 kali rumah maka probabilitas
responden untuk mempertimbangkan pemilihan pertimbangan Berdas
dibandingkan yang harga sewa >Rp 7.000.000. pemilihan dilokasi
perumahan lokasiperumahan
rawan tsunamipada daerah
dengan bahwa
Untuk variabel biaya transportasi memiliki odds rawan tsunami meningkat sebesar 2,106. biaya
harga sewa <Rp.7.000.000 adalah 8,217 kali
Dengan nilai odds ratio sebesar 8,217 berarti keluarg
ratio sebesar 18,373 artinya responden untuk dibandingkan yang harga sewa >Rp7.000.000.
responden untuk mempertimbangkan lokasi r
mempertimbangkan pemilihan perumahan di
pemilihan perumahan di lokasi rawan
tsunami dengan harga sewa <Rp.7.000.000 Maka
adalah 8,217 kali dibandingkan yang harga pemeri
92 sewa >Rp7.000.000. kebijak
variabe
meneta
Pengaruh variabel biaya transportasi berdam
Berdasarkan hasil regresi logistik yang kepala
dilakukan, biaya transportasi menunjukkan peruma
pengaruh positif dan signifikan terhadap
IKA DWI MELISA, SJAFRIZAL, FIRWAN TAN
Analisis Pemilihan Lokasi Perumahan Pada Daerah Rawan Tsunami
Studi Kasus: Kecamatan Padang Utara, Kota Padang
Pengaruh variabel biaya transportasi
Berdasarkan hasil regresi logistik yang
dilakukan, biaya transportasi menunjukkan
pengaruh positif dan signifikan terhadap
pertimbangan pemilihan lokasi perumahan pada
daerah rawan tsunami. Hasil regresi logistik
menunjukkan bahwa variabel biaya transportasi
memiliki nilai positif, yaitu 2,911 yang
artinya semakin meningkat biaya transportasi
maka probabilitas pertimbangan pemilihan
lokasi perumahan pada daerah rawan tsunami
meningkat sebesar 2,911. Dengan nilai odds
ratio sebesar 18,373 berarti responden untuk
mempertimbangkan pemilihan perumahan di
lokasi rawan tsunami dengan biaya transportasi
<Rp.250.000 adalah 18,373 kali dibandingkan
biaya transportasi >Rp250.000.
Pengaruh variabel biaya transportasi
Berdasarkan hasil regresi logistik
yang dilakukan, pendapatan kepala keluarga
menunjukkan pengaruh positif dan signifikan
terhadap pertimbangan pemilihan lokasi
perumahan pada daerah rawan tsunami. Hasil
regresi logistik menunjukkan bahwa variabel
pendapatan kepala keluarga memiliki nilai positif,
yaitu 2,399 yang artinya semakin meningkat
pendapatan kepala keluarga maka probabilitas
pertimbangan pemilihan lokasi perumahan pada
daerah rawan tsunami meningkat sebesar 2,399.
Dengan nilai odds ratio sebesar 11,015 berarti
responden untuk mempertimbangkan pemilihan
perumahan di lokasi rawan tsunami dengan
pendapatan kepala keluarga <Rp.2.200.000
adalah 11,015 kali dibandingkan pendapatan
kepala keluarga >Rp2.200.000.
KESIMPULAN DAN SARAN
Berdasarkan hasil pengolahan data
diperoleh bahwa semakin rendah harga sewa
rumah, biaya transportasi dan pendapatan kepala
keluarga maka responden akan memilih lokasi
rawan tsunami sebagai tempat tinggal.
Maka berdasarkan hal tersebut di atas,
pemerintah Kota Padang dalam merumuskan
kebijakan haruslah mempertimbangkan variabel
yang signifikan tersebut dalam menetapkan
kebijakan agar nantinya berdampak positif
terhadap pertimbangan kepala keluarga dalam
memilih lokasi perumahan.
DAFTAR PUSTAKA
[Bappeda] Badan Perencanaan Pembangunan
Daerah Kota Padang, 2010, Rencana
Tata Ruang Wilayah (RTRW) Kota
Padang Tahun 2010-2030, Pemerintah
Kota Padang.
[BNPB] Badan Nasional Penanggulangan
Bencana, 2013. Kajian Risiko Bencana
Kota Padang Sumatera Barat 2014-
2018, Pemerintah Kota Padang
[BPS] Badan Pusat Statistik Kota Padang, 2010-
2016, Padang Dalam Angka 2010-2016,
Pemerintah Kota Padang.
Gujarati, Damodar. 1995. Ekonometrika Dasar,
cetakan keempat. Erlangga Jakarta.
Keputusan Gubernur Sumatera Barat Nomor
562-879-2017 tanggal 31 Oktober
2017 tentang Upah Minimum Provinsi
Sumatera Barat Tahun 2018.
Riduan. 2008. Dasar-Dasar Statistika. Bandung:
Alfabeta
Sjafrizal. 2012. Ekonomi Wilayah dan Perkotaan,
Jakarta: Erlangga.
Tarigan, Robinson. 2012. Ekonomi Regional,
Teori dan Aplikasi. Jakarta: Bumi Aksara
[UU] Undang-undang Republik Indonesia Nomor
26 Tahun 2007 tentang Penataan Ruang.
Jakarta.
[UU] Undang-Undang Republik Indonesia
Nomor 1 Tahun 2011 tentang Perumahan
dan Kawasan Permukiman. Jakarta.
93