1. Menganalisis data tentang kebarangkalian pengguna kereta beralih ke pengangkutan awam berdasarkan kadar parkir satu jam menggunakan model fungsi logistik. 2. Menganalisis data tentang kebarangkalian pengguna kereta beralih ke bas berdasarkan tambang bas dan masa penjimatan menggunakan model fungsi logistik. 3. Memperoleh parameter model fungsi logistik melalui analisis regresi untuk kedua-dua soalan.

1. TUGASAN PEMILIHAN KENDERAAN
Nama : Aswan Bin Abdul Basri
No Matrik : A153491
Pensyarah : Prof. Dato’ Ir. Riza Atiq Abdullah Bin O.K Rahmat
LMCP 1352 : ASAS-ASAS SAINS DATA DALAM
PENGANGKUTAN

2. JADUAL SOALAN 1
Kadar Parkir satu jam
Kebarangkalian peralihan kepada
pengangkutan awam
0.50 0.04
1.00 0.06
1.50 0.10
2.00 0.17
2.50 0.28
3.00 0.39
3.50 0.50
4.00 0.65
4.50 0.75
5.00 0.80
5.50 0.83
6.00 0.86

3. 1. (a) Model Fungsi Logistik yang sesuai
𝑃 =
1
1 + 𝑒α𝑥
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 1 2 3 4 5 6 7
KEBARANGKALIANBERALIHKEPADA
PENGANGKUTANAWAM
KADAR PARKIR SEJAM
1. (b) Graf
1 − 𝑝
𝑝
= 𝑒α𝑥
𝑙𝑛
1 − 𝑝
𝑝
= 𝑎𝑥

4. 1. (c) Data dalam bentuk ln(log e)
𝑃 =
1
1 + 𝑒 𝛼 ×𝑗𝑎𝑟𝑎𝑘+𝐶
1 − 𝑃
𝑃
= 𝑒 𝛼 ×𝑗𝑎𝑟𝑎𝑘+𝐶
ln(
1 − 𝑃
𝑃
) = 𝛼 × 𝑗𝑎𝑟𝑎𝑘 + 𝐶
KADAR PARKIR
SATU JAM
KEBARANGKALAIN
PERALIHAN KEPADA
PENGANGKUTAN AWAM
(1-P)/P ln((1-P)/P)
0.50 0.04 24.0 3.178
1.00 0.06 15.7 2.752
1.50 0.10 9.0 2.197
2.00 0.17 4.9 1.586
2.50 0.28 2.6 0.944
3.00 0.39 1.6 0.447
3.50 0.50 1.0 0.000
4.00 0.65 0.5 -0.619
4.50 0.75 0.3 -1.099
5.00 0.80 0.3 -1.386
5.50 0.83 0.2 -1.586
6.00 0.86 0.2 -1.815

5. 1. (d) Graf & Persamaan Garisan Regress
y = -0.9623x + 3.5107
R² = 0.9834
-3.00
-2.00
-1.00
0.00
1.00
2.00
3.00
4.00
0 1 2 3 4 5 6 7
LN(1-P)/P
KADAR PARKIR SATU JAM

6. 1. (e) Angka parameter funsi logistik
𝑃 =
1
1 + 𝑒−𝑥+3.5107
y = -0.9623x + 3.5107
R² = 0.9834
𝛼 = −0.9623
𝐶 = 3.5107

7. 1. (f) Kebarangkalian pengguna kereta beralih kepada pengangkutan awam menggunakan
model yang dibina
Kadar pakir satu
jam
Kebarangkalian peralih kepada pengangkutan
awam
P =
1
1+ 𝑒−0.9623𝑥+3.5107
0.5 0.04 0.0461
1 0.06 0.0725
1.5 0.1 0.1123
2 0.17 0.1699
2.5 0.28 0.2488
3 0.39 0.3489
3.5 0.5 0.4644
4 0.65 0.5838
4.5 0.75 0.6941
5 0.8 0.7860
5.5 0.83 0.8559
6 0.86 0.9058

8. JADUAL SOALAN 2
Tambang bas Jimat masa Pengguna kereta beralih kepada bas
2.9 0 0.1
2.9 5 0.14
2.9 10 0.19
2.9 15 0.25
2.9 20 0.32
2.9 25 0.4
2.9 30 0.48
2 20 0.35
2.25 20 0.34
2.5 20 0.33
2.75 20 0.32
3 20 0.31
3.25 20 0.31
3.5 20 0.3
3.75 20 0.29

9. 2. (a) Fungsi logistic yang sesuai
𝑃 =
1
1 + 𝑒 𝛼 ×𝑡𝑎𝑚𝑏𝑎𝑛𝑔+ β(𝑚𝑎𝑠𝑎)+𝐶
1 − 𝑃
𝑃
= 𝑒 𝛼 ×𝑡𝑎𝑚𝑏𝑎𝑛𝑔+ β(𝑚𝑎𝑠𝑎)+𝐶
ln(
1−𝑃
𝑃
) = 𝑒 𝛼 ×𝑡𝑎𝑚𝑏𝑎𝑛𝑔+ β(𝑚𝑎𝑠𝑎)+𝐶

10. 2. (b) Data dalam bentuk ln
Tambang
bas
Jimat
masa
Kebarangkalian pengguna kereta
beralih kepada bas
(1-p)/p Ln((1-p)/p)
2.90 0 0.10 9.0000 2.1972
2.90 5 0.14 6.1428 1.8152
2.90 10 0.19 4.2631 1.4500
2.90 15 0.25 3.0000 1.0986
2.90 20 0.32 2.1250 0.7537
2.90 25 0.40 1.5000 0.4054
2.90 30 0.48 1.0833 0.0800
2.00 20 0.35 1.8571 0.6190
2.25 20 0.34 1.9411 0.6632
2.50 20 0.33 2.0303 0.7081
2.75 20 0.32 2.1250 0.7537
3.00 20 0.31 2.2258 0.8001
3.25 20 0.31 2.2258 0.8001
3.50 20 0.30 2.3333 0.8472
3.75 20 0.29 2.4482 0.8953

11. 2. (c) Analisis regresi
Regression Statistics
Multiple R 0.99964068
R Square 0.99928149
Adjusted R Square 0.99916174
Standard Error 0.01548873
Observations 15
ANOVA
df SS MS F Significance F
Regression 2 4.00378234 2.00189117 8344.66429 1.38E-19
Residual 12 0.002878809 0.000239901
Total 14 4.006661149
Coefficients Standard Error t Stat P-value Lower 95%
Intercept 1.73347185 0.029611002 58.54147895 4.08E-16 1.668955015
X Variable 1 0.15117974 0.009556105 15.82022637 2.11E-09 0.130358776
X Variable 2 -0.0704171 0.000549934 -128.0464477 3.45E-20 -0.071615309

12. 2. (d) Model logistic dengan parameter dari analisis regresi
Tambang bas Jimat masa
Kebarangkalian pengguna
kereta beralih kepada bas
(1-P)/P Ln(1-P)/P P
2.90 0 0.10 9 2.197225 0.250834
2.90 5 0.14 6.142857 1.81529 0.250834
2.90 10 0.19 4.263158 1.45001 0.250834
2.90 15 0.25 3 1.098612 0.250834
2.90 20 0.32 2.125 0.753772 0.250834
2.90 25 0.40 1.5 0.405465 0.250834
2.90 30 0.48 1.083333 0.080043 0.250834
2.00 20 0.35 1.857143 0.619039 0.250834
2.25 20 0.34 1.941176 0.663294 0.250834
2.50 20 0.33 2.030303 0.708185 0.247519
2.75 20 0.32 2.125 0.753772 0.248452
3.00 20 0.31 2.225806 0.800119 0.249376
3.25 20 0.31 2.225806 0.800119 0.25029
3.50 20 0.30 2.33333 0.847298 0.251195
3.75 20 0.29 2.448276 0.895384 0.252091