psm full-interaksi hypermarket & pasaran-aplikasi model graviti & sistem maklumat geografi

UNIVERSITI TEKNOLOGI MALAYSIA

BORANG PENGESAHAN STATUS TESIS♦

JUDUL: INTERAKSI HYPERMARKET DAN PASARAN : APLIKASI MODEL GRAVITI DAN SISTEM MAKLUMAT GEOGRAFI (GIS)

SESI PENGAJIAN: 2008/2009

Saya JAMAL AIMI BIN JAMALUDIN

(HURUF BESAR) mengaku membenarkan tesis (PSM/Sarjana/Doktor Falsafah)* ini disimpan di Perpustakaan Universiti Teknologi Malaysia dengan syarat-syarat kegunaan seperti berikut : 1. Tesis adalah hakmilik Universiti Teknologi Malaysia. 2. Perpustakaan Universiti Teknologi Malaysia dibenarkan membuat salinan untuk tujuan pengajian sahaja. 3. Perpustakaan dibenarkan membuat salinan tesis ini sebagai bahan pertukaran antara institusi pengajian tinggi. 4. **Sila tandakan (√) SULIT ( Mengandungi maklumat yang berdarjah keselamatan atau kepentingan Malaysia seperti yang termaktub di dalam AKTA RAHSIA RASMI 1972) TERHAD (Mengandungi maklumat TERHAD yang telah ditentukan oleh organisasi/badan di mana penyelidikan dijalankan) TIDAK TERHAD

√

Disahkan oleh (TANDATANGAN PENULIS) (TANDATANGAN PENYELIA) Alamat Tetap: DG-1B, KOMPLEKS PENDIDIKAN DR. MOHD RAFEE BIN MAJID KAMPUNG JAMBU, Nama Penyelia 34000 TAIPING, PERAK. Tarikh : Tarikh : CATATAN :* Potong yang tidak berkenaan.

** Jika tesis ini SULIT atau TERHAD, sila lampirkan surat daripada pihak berkuasa/organisasi berkenaan dengan menyatakan sekali sebab dan tempoh tesis ini perlu dikelaskan sebagai SULIT atau TERHAD. ♦ Tesis dimaksudkan sebagai tesis bagi Ijazah Doktor Falsafah dan Sarjana secara penyelidikan, atau disertasi bagi pengajian secara kerja kursus dan penyelidikan, atau Laporan Projek Sarjana Muda (PSM).

PENGESAHAN

“Saya akui bahawa saya telah membaca karya ini dan pada pandangan saya karya

ini adalah memadai dari segi skop dan kualiti untuk tujuan penganugerahan Ijazah Sarjana Muda Perancangan Bandar Dan Wilayah”.

Tandatangan : ………………………………............

Nama Penyelia : Dr. Mohd Rafee b. Majid

Tarikh : ....……………………………............

Tandatangan : ………………………………............

Nama Pembaca : Prof. Madya Dr. Ahmad Nazri b. Muhammad Ludin

Tarikh : ....……………………………............

INTERAKSI HYPERMARKET DAN PASARAN:

APLIKASI MODEL GRAVITI

DAN SISTEM MAKLUMAT GEOGRAFI (GIS)

JAMAL AIMI BIN JAMALUDIN

Tesis ini dikemukakan Sebagai memenuhi syarat penganugerahan

Ijazah Sarjana Muda Perancangan Bandar & Wilayah

Fakulti Alam Bina

Universiti Teknologi Malaysia

MEI , 2009

i

PENGAKUAN

“Saya akui segala apa yang terkandung dalam projek ini adalah hasil kerja saya sendiri kecuali nukilan, ringkasan, jadual, graf, rajah dan gambarajah yang telah saya jelaskan

sumbernya.”

Tandatangan : ……………………........

Nama Penulis : Jamal Aimi bin Jamaludin

Tarikh : ..…………………..........

ii

buat mama, bapak, juaini, fiqah, nini dan aisyah

dan keluarga yang kusayangi

allahyarham pakcikku dalam ingatan

iii

PENGHARGAAN

Segala pujianku pada Tuhan Yang Esa,

Tempatku bergantung. Usaha dan tawakalku demiMu.

Syukur dapat juga diselesaikan tugasan terakhir ini setelah melalui pelbagai peristiwa yang banyak mengajarku menjadi insan yang lebih baik. Ucapan terima kasih kepada semua tenaga pengajar di UTM yang telah mencurahkan ilmu kepadaku. Khusus ucapan terima kasih kepada penyelia projek sarjana muda ini, Dr. Mohd Rafee Majid yang tidak jemu berkongsi idea dan mencurahkan ilmu serta membantuku menyudahkan kajian dan penulisan ini.

Buat Allahyarham Dr. Ahris, Dr. Foziah, Hafiz, Ally, Khadijah, Kak Syida, Kak Nor, dan Abang Shahrul terima kasih kerana terus menyokong dan membantu tanpa jemu. Kepada Dr.Nooraini yang tanpa jemu menjaga dan memberikan nasihat berguna sepanjang keberadaku di Fakulti Alam Bina. Rakan karibku, Ayie, Lan, Atok dan Majang. Sahabatku Ash, Faizal, Hidayah, dan Ayen. Serta tidak lupa kepada semua pihak yang terlibat secara langsung dan tidak langsung membantu meyudahkan kajian dan penyelidikan ini.

Perhargaan yang paling tinggi ku tujukan buat ibuku, Noor Rihan Yaakob, bapaku, Jamaludin Hamid, adik-adikku; Juaini Amelina, Jamiatul Afiqah, Jannatul Afni, Aisyah Jurhani, opah dan tok, keluarga besarku serta diriku sendiri. Terima kasih atas segalanya.

iv

ABSTRAK

Model graviti yang juga dikenali sebagai model interaksi reruang ialah model yang digunakan secara meluas dalam bidang perancangan pengangkutan, perniagaan, dan penyediaan kemudahan awam. Bertitik-tolak daripada Hukum Graviti Newton, model graviti telah mengalami evolusi dan diubah suai bagi pelbagai tujuan kegunaan dan aplikasi. Antara model graviti yang paling menonjol ialah Model Graviti Peruncitan Reilly, Model Huff dan juga Multiplicative Competitive Model (MCI). Penggunaan pelbagai jenis pemboleh ubah terutamanya pemboleh ubah jarak, menimbulkan persoalan mengenai kemampuan model graviti asas dalam menerangkan fenomena di dunia sebenar dan meramal senario masa hadapan dengan jitu, tanpa mengambil kira faktor sosia-ekonomi, dan psikologi dalam sesuatu fenomena interaksi. Justeru itu, kajian in membandingkan tahap kejituan ramalan empat viarasi model graviti asas yang menggunakan pemboleh ubah jarak euclidean dan jarak sebenar yang berbeza parameter, dengan hasil survei yang menunjukkan pecahan pasaran tiga buah hypermarket Giant di Johor Bahru. Hasil analisis mendapati penggunaan pemboleh ubah jarak euclidean tanpa parameter menghasilkan ramalan paling jitu dalam meramal pecahan asalan pengunjung hypermarket. Analisis kajian menunjukkan bahawa aplikasi Model Huff menggunakan kemampuan analisis reruang dalam sistem maklumat geografi (GIS) juga didapati berjaya menerang keadaan permukaan graviti sesebuah hypermarket dengan jelas, dan mampu meramalkan tahap interaksi antara sesebuah hypermarket dengan pasaran serta saingannya dengan baik. Berikutan itu, kajian ini merumuskan bahawa model graviti yang menggunakan pemboleh ubah jarak euclidean tanpa parameter, mampu menghasilkan ramalan mengenai interaksi antara hypermarket dengan pasarannya serta interaksi antara hypermarket dengan saingannya dengan jitu. Sekaligus menolak dakwaan mengenai ketidakmampuan model graviti bagi menerangkan fenomena semasa mahupun meramal senario pembangunan gunatanah masa hadapan bandar.

v

ABSTRACT

Gravity Model which also known as Spatial Interaction Model is widely use in the field of transportation planning, trade and allocation of public facilities. Emerging from the Newton Gravitation Law, gravity model had been modified and adapted for various purposes and application in many fields. Among of the most outstanding variants are the Reilly Retail Gravitation Model, the Huff Model and the Multiplicative Competitive Model (MCI). Usage of diversify variables especially the distance variable had spark concern regarding the ability of the gravity model to explain an existing phenomena or even forecasting future scenarios, without taken into account social economic and psychology factors in determining any interaction phenomena. Thus, this research concentrates on prediction precision of four model gravity variants in forecasting or explaining existing interaction between three hypermarkets and theirs market. Each variant used different types of distance variables, noticeably, Euclidean distance and actual distance with different parameters. For the purpose, each prediction of those four variants was compared with a survey result that shows market allocation and origin of customer of each observed hypermarkets. Result show that usages of Euclidean distance variable without parameter produce the most precise prediction compared to other three variant. Application of Huff Model using geographic information system (GIS) spatial analysis capability, successfully help to visualize gravitation surface of each hypermarket. Furthermore, through integration of Huff Model and GIS, this research result does prove the prudence capability of gravity model in forecasting and explaining interaction of each hypermarket either with its market catchment and business rivals. Thus reject the idea of certain party, that gravity model is not useable. However, it is still believe and need to be study, that different type of interaction may require different variant of gravity model to produce better explanation and prediction.

vi

ISI KANDUNGAN

BAHAGIAN PERKARA HALAMAN

PENGAKUAN i

DEDIKASI ii

PENGHARGAAN iii

ABSTRAK iv

ABSTRACT v

ISI KANDUNGAN vi

SENARAI GAMBARAJAH DAN RAJAH xi

SENARAI JADUAL xiv

SENARAI GRAF xvii

SENARAI RUMUS xviii

SENARAI LAMPIRAN xx

1.0 PENYATAAN ISU & KERANGKA KAJIAN

1.1 Perniagaan di Bandar, Hypermarket dan Model Graviti 1

1.2 Rungkaian Permasalahan & Isu Penggunaan Model Graviti 5

1.3 Persoalan Kajian 9

1.4 Matlamat Kajian 10

1.5 Objektif Kajian 10

vii

1.6 Kawasan Kajian & Hypermarket Kajian 11

1.7 Skop & Pembatasan Kajian 12

1.8 Hasil Kajian 14

1.9 Susunan & Aturan Kajian 14

1.9.1 Kerangka Kajian 15

1.9.2 Sintesis Penulisan-penulisan Ilmiah Para Sarjana 15

1.9.3 Rekabentuk Pangkalan Data & Penjanaan Model Graviti 17

1.9.4 Analisis Viarasi Model Graviti & Penemuan Kajian 18

1.9.5 Rumusan Kajian & Cadangan 18

1.10 Kepentingan Kajian Kepada Bidang Perancangan 18

1.11 Rangkuman Keseluruhan Isu dan Kerangka Kajian 19

2.0 SINTESIS PENULISAN ILMIAH

2.1 Evolusi Perniagaan Runcit di Bandar dan Hypermarket 20

2.1.1 Hypermarket Giant 23

2.2 Faktor-faktor yang Mempengaruhi Pemilihan Tempat 24

Membeli-belah Pengguna

2.3 Model Graviti, Evolusi dan Viarasinya 28

2.3.1 Hukum Graviti Peruncitan Reilly 30

2.3.2 Model Huff & Model Graviti Peruncitan 32

Lakshmanan dan Hansen

2.3.3 Multiplicative Compatitive Model (MCI) 36

2.3.4 Pemboleh Ubah, Parameter dan Syarat Analogi 38

Model Graviti

2.3.5 Kepelbagaian Aplikasi, dan Kelebihan Model Graviti 40

2.4 Sistem Maklumat Geografi (GIS) 41

2.5 Contoh Aplikasi Analisis Interaksi Spatial (Model Graviti) 45

Menggunakan Sistem Maklumat Geografi (GIS)

2.5.1 Menentukan Lokasi Pasar bagi Mendapatkan 45

Pulangan Optimum dan Penentuan Garis Pemisah Kawasan

Pasaran (Berasaskan Model Reilly)

2.5.2 Pembinaan Model Graviti Menggunakan Aplikasi GIS 46

2.6 Rangkuman Keseluruhan Sintesis Nukilan Ilmiah 49

viii

3.0 REKA BENTUK PANGKALAN DATA PENJANAAN MODEL

& KAEDAH ANALISIS

3.1 Pangkalan Data Dalam Sistem Maklumat Geografi (GIS) 50

3.2 Reka BentukPangkalan Data, Metadata dan Attribut 51

Data Kajian

3.3 Menilai Kejituan Viarasi Model Graviti 53

3.3.1 Empat Viarasi Model Graviti Kajian 54

3.4 Operasi Spatial Bagi Tujuan Analisis, Menggunakan GIS 55

3.4.1 Operasi Spatial Bagi Analisis Membandingkan 55

Kejituan Empat Viarasi Model Graviti

3.4.2 Penjanaan Model Huff 59

3.5 Andaian-andaian bagi Analisis Viarasi Model Graviti 66

4.0 ANALISIS VIARASI MODEL GRAVITI & PENEMUAN KAJIAN

4.1 Struktur Analisis Kajian 70

4.2 Kejituan Ramalan Bagi Empat (4) Viarasi Model Graviti 71

4.2.1 Kesan Penggunaan Jarak Euclidean, dan 74

Jarak Sebenar dalam Model Graviti

4.2.2 Purata Jarak Perjalanan yang Dilalui Pelanggan 76

untuk ke Hypermarket

4.2.3 Penggunaan Parameter Bagi Pemboleh Ubah 79

Jarak Dalam Model Graviti

4.3 Perbandingan Pecahan Asalan Pelanggan Setiap 80

Hypermarket Kajia Menggunakan Viarasi Model Graviti

4.3.1 Perbandingan Pecahan Asalan Pelanggan 81

Hypermarket Giant Skudai Kajian Menggunakan

Empat Viarasi Model Graviti


Hypermarket Giant Southern City Kajian

Menggunakan Empat Viarasi Model Graviti

ix


Hypermarket Giant Plentong Kajian


4.3.4 Hubungan Bilangan Sampel Asalan Pelanggan 86

dan Purata Ralat Serta Kesan Outlier

4.3.5 Saiz Hypermarket dan Jarak Cakupan Pasaran 88

4.4 Persamaan Regressi Lelurus Bagi Interaksi Hypermarket 89

Giant & Pasaran Sekitar Johor Bahru

4.4.1 Model Regressi Lelurus Interaksi Hypermarket dan 89

Pasaran Menggunakan Jarak Euclidean

4.4.2 Model Regressi Lelurus Interaksi Hypermarket dan 91

Pasaran Menggunakan Jarak Sebenar

4.5 Perbandingan Hasil Survey dengan Ramalan Model Huff 92

dalam Pemilihan Hypermarket Penduduk

4.5.1 Pemilihan Tempat Berbelanja Penduduk di 93

Kampung Melayu Majidee, Taman Daya dan

Pangsapuri Bukit Saujana


Bandar Baru Permas Jaya, Taman Desa Harmoni,

Taman Johor Jaya dan Taman Saujana


Kampung Pasir

4.5.4 Tahap Interaksi antara Tiga (3) Hypermarket 101

Kajian Dengan Pasaran Mereka

4.5.5 Ujian Signiifikan Keputusan Perbandingan Antara 103

Ramalan Model Graviti dan Hasil Survei

4.6 Rangkuman Keseluruhan Analisis 104

5.0 RUMUSAN KAJIAN & CADANGAN

5.1 Keseluruhan Kajian 105

5.2 Isu Penggunaan Viarsi Model Graviti 105

5.3 Analisis dan Penemuan Kajian 107

x

5.4 Implikasi Penemuan Kajian Pada Perancangan 108

dan Cadangan

5.5 Cadangan Penyelidikan Lanjutan 110

RUJUKAN 113

LAMPIRAN 1 118

LAMPIRAN 2 119

LAMPIRAN 3 120

xi

SENARAI GAMBARAJAH DAN RAJAH

NO. TAJUK GAMBARAJAH DAN RAJAH HALAMAN

1.1 Contoh Suasana Hypermarket 2

1.2 Kawasan Kajian dan Hypermarket Kajian 11

1.3 Susunan dan Aturan Kajian 16

2.1 Antara Contoh Premis Hypermarket Giant di Malaysia 23

2.2 Evolusi dan Susur Galur Model Graviti 29

2.3 Modifikasi Model Graviti Peruncitan Reilly dan Konsep

Sempadan Pemisah oleh Converse

31

2.4 Komponen dan Sub-sistem Sistem Maklumat Geografi (GIS) 43

2.5 Nilai potensi pasaran setiap kawasan . Garis pemisah dan

lokasi berpotensi ditentukan dengan menggunakan analisis

poligon Thiessen Voronoi.

46

2.6 Langkah Analsis Spatial bagi Kajian Permukaan Graviti

Supermarket oleh Hamilton di Palm Beach, Florida

47

2.7 Kemungkinan Pasaran Graviti Berpotensi Menurut Kajian

Hamilton

48

3.1 Mendapatkan Jarak Sebenar Tempat Asalan Pengunjung dari

Hypermarket Menggunakan Model Builder ArcGIS 9.2.

56

3.2 Cost Weighted Distance (Jarak Sebenar) dari Giant Skudai 57

3.3 Cost Weighted Distance (Jarak Sebenar) dari Giant Plentong 58

3.4 Cost Weighted Distance (Jarak Sebenar) dari Giant Southern 58

xii


3.5 Raster Bilangan Rumah dalam Setiap Taman Perumahan 60

3.6 Membina Raster Jarak Euclidean bagi Setiap Hypermarket

Menggunakan Aplikasi Model Builder ArcGIS 9.2

61

3.7 Raster Jarak Euclidean Hypermarket Giant Southern City 61

3.8 Raster Jarak Euclidean Hypermarket Giant Skudai 62

3.9 Raster Jarak Euclidean Hypermarket Giant Plentong 62

3.10 Pengiraan Nilai Permukaan Graviti Bagi Giant Southern City 63

3.11 Permukaan Graviti bagi Giant Plentong 64

3.12 Permukaan Graviti bagi Giant Southern City 64

3.13 Permukaan Graviti bagi Giant Skudai 65

3.14 Proses Pemodelan Model Huff bagi Menilai Tahap Interaksi

Hypermarket Giant Southern dengan Pasaran dan Saingannya

66

4.1 Densiti Jaringan Jalan di Kawasan Hypermarket Kajian 75

4.2 Densiti Kawasan Perumahan Sekitar Hypermarket Kajian 78

4.3 Lokasi dan Gunatanah Sekitar Giant Plentong dan Taman

Johor Jaya (Outlier)

85

4.4 Kebarangkalian Penduduk di Taman Daya, Kampung Melayu

Majidee dan Pangsapuri Bukit Saujana Mengunjungi Giant

Skudai

94

4.5 Kebarangkalian Penduduk di Taman Daya, Kampung Melayu

Majidee dan Pangsapuri Bukit Saujana Mengunjungi Giant

Plentong

94

4.6 Kebarangkalian Penduduk di Bandar Baru Permas Jaya,

Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana

Mengunjungi Giant Southern

97

4.7 Kebarangkalian Penduduk di Bandar Baru Permas Jaya,


Giant Plentong

97

xiii


4.8 Kebarangkalian Penduduk di Kampung Pasir Mengunjungi

Giant Southern

100

4.9 Kebarangkalian Penduduk di Kampung Pasir Mengunjungi

Giant Skudai

100

4.10 Kemungkinan Kunjungan ke Giant Skudai 101

4.11 Kemungkinan Kunjungan ke Giant Southern City 102

4.12 Kemungkinan Kunjungan ke Giant Plentong 102

xiv

SENARAI JADUAL

NO. JADUAL TAJUK JADUAL HALAMAN

2.1 Profil Hypermarket Kajian 24

Faktor-Faktor Mempengaruhi Pemilihan Tempat

Berbelanja Pengguna.

2.2 Faktor-Faktor Mempengaruhi Pemilihan Tempat

Berbelanja Pengguna.

25

2.3 Pemboleh ubah dan Parameter Model-model Interaksi

Reruang

39

2.4 Penggunaan Model Graviti dalam Pelbagai Bidang 41

3.1 Attribut Data Spatial dalam Pangkalan Data Kajian 52

3.2 Jumlah Responden dan Tempat Asalan Pengunjung

Hypermarket Kajian

53

4.1 Perbandingan Ralat dan Tahap Kejituan Setiap Viarasi

Model Graviti

72

4.2 Perbandingan Ralat dan Kejituan Ramalan Menggunakan

Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar

75

4.3 Purata Jarak Perjalanan Pengguna ke Giant Skudai,

Plentong dan Southern City

76

4.4 Perbandingan Ralat dan Kejituan Ramalan Menggunakan

Parameter bagi Pemboleh Ubah Jarak Euclidean dan Jarak

Sebenar

80

4.5 Perbandingan Ralat dan Kejituan Ramalan Viarasi Model

Graviti Bagi Giant Skudai

81

xv



Graviti Bagi Giant Southern City

82


Graviti Bagi Giant Plentong

83


Graviti Bagi Giant Plentong Tanpa Taman Johor Jaya

(outlier).

84

4.9 Hubungan Bilangan Sampel Asalan Pelanggan dan Purata

Ralat serta Kesan Outlier

87

4.10 Perbandingan Kejituan Empat (4) Viarasi Model Graviti

dengan Nilai Outlier dan Tanpa Nilai Outlier bagi Giant

Plentong

87

4.11 Hubungan Saiz Hypermarket, dan Jarak Cakupan Pasaran 88

4.12 Model Regressi Linear bagi Interaksi Hypermarket dan

Pasarannya Menggunakan Jarak Euclidean

89


Pasarannya Menggunakan Jarak Euclidean (Tanpa Faktor

Bilangan Rumah).

90


Pasarannya Menggunakan Jarak Sebenar

91


Pasarannya Menggunakan Jarak Sebenar (Tanpa Faktor

Bilangan Rumah).

92

4.16 Pemilihan Tempat Berbelanja Penduduk Kg. Melayu

Majidee, Taman Daya dan Pangsapuri Bukit Saujana

93

4.17 Pemilihan Tempat Berbelanja Penduduk Bandar Baru

Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya

dan Taman Saujana

96

4.18 Pemilihan Tempat Berbelanja Penduduk Kampung Pasir 113

xvi


4.19 Ujian Kaitan Hasil Ramalan dan Hasil Survei 103

4.20 Ujian Signifikan antara Hubungan Hasil Ramalan dan

Survei

104

xvii

SENARAI GRAF

NO.GRAF TAJUK GRAF HALAMAN

2.1 Hubungan Bilangan Pengguna Hypermarket dengan Jarak Asalan

Pengguna

39

4.1 Kejituan Viarasi Model Graviti Menggunakan Pemboleh Ubah

Jarak Euclidean, Jarak Sebenar, Jarak Euclidean Berparameter^2

dan Jarak Sebenar Berparameter^2

73

4.2 Perbandingan Ramalan Viarasi Model Graviti yang

Menggunakan Pemboleh Ubah Jarak Euclidean dan Jarak

Sebenar

74

4.3 Perbandingan Kejituan Viarasi Model Graviti Yang

Menggunakan Viarasi Pemboleh Ubah Jarak dengan Parameter

Kuasa Satu dan Parameter Kuasa Dua

80

4.4 Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti

Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant Skudai

81


Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant

Plentong

82



Plentong

83



Plentong Tanpa Taman Johor Jaya (outlier)

84

xviii

SENARAI RUMUS

NO. RUMUS TAJUK RUMUS HALAMAN

1 Hukum Graviti Newton 1687 2

2 Model Graviti Peruncitan Reilly 30

3 Model Graviti Converse 31

4 Model Huff 32

5 Model Graviti Peruncitan Lakshmanan & Hansen 34

6 Multiplicative Competitive Interaction Model (MCI) 36

7 Model Graviti oleh Pearson 45

8 Peratus Kemungkinan Penduduk di R Mengunjungi Hypermarket H

Berbanding Saingannya

53

9 Kemungkinan Peratus Pengunjung di Kawasan R akan Mengunjungi

Hypermarket H (Menggunakan Jarak Euclidean)

54


Hypermarket H (Menggunakan Jarak Euclidean Berparameter Kuasa

2)

54


Hypermarket H (Menggunakan Jarak Sebenar)

54


Hypermarket H (Menggunakan Jarak Sebenar Berparameter Kuasa 2)

54

13 Nilai Permukaan Graviti (Gravitation Surface) Setiap Hypermarket 63

xix

NO. RUMUS TAJUK RUMUS HALAMAN

14 Peratus Kemungkinan Penduduk di Kawasan r Mengunjungi

Hypermarket X Berbanding Hypermarket Saingannya.

66

15 Ralat Ramalan 71

16 Purata Ralat Viarasi 72

17 Model Regressi Interaksi Hypermarket & Pasaran (Jarak Euclidean) 90

18 Model Regressi Interaksi Hypermarket & Pasaran (Jarak Euclidean

Tanpa Bilangan Rumah)

90

19 Model Regressi Interaksi Hypermarket & Pasaran (Jarak Sebenar) 91

20 Model Regressi Interaksi Hypermarket & Pasaran (Jarak Sebenar

Tanpa Bilangan Rumah)

92

17 Kemungkinan Pelanggan di Kawasan R Mengunjungi Hypermarket H

Berbanding Hypermarket Saingan Lain

xx

SENARAI LAMPIRAN

LAMPIRAN TAJUK LAMPIRAN HALAMAN

1 Ramalan Pecahan Pelanggan Empat Viarasi Model

Graviti Bagi Giant Skudai

118


Graviti Bagi Giant Plentong

119


Graviti Bagi Giant Southern City

120

BAHAGIAN 1

PENYATAAN ISU & KERANGKA KAJIAN

1.1 Perniagaan di Bandar, Hypermarket dan Model Graviti

Pembangunan sesebuah bandar melibatkan proses perancangan, pembangunan, dan

kawalan pelbagai jenis gunatanah yang berlainan di kawasan bandar, dengan objektif,

mewujudkan suatu suasana yang seimbang dan madani di kawasan bandar. Gunatanah

komersial atau perniagaan adalah antara komponen gunatanah yang penting bagi

mewujudkan suasana seimbang dan madani tersebut. Kerap kali, maju atau mundurnya

sesebuah bandar itu dapat kita ukur dengan hanya memerhatikan skala aktiviti dan

premis perniagaan di sesebuah bandar. Bukan sekadar membantu membentuk lanskap

fizikal, malahan aktiviti perniagaan komersial di bandar seperti perniagaan kewangan,

pengangkutan, makanan, telekomunikasi kesihatan dan perniagaan hartanah, amat

mempengaruhi suasana kehidupan harian penduduk sekitarnya di bandar.

Antara konsep pusat perniagaan mega yang popular dan pesat berkembang di kawasan

bandar seluruh dunia kini ialah hypermarket. Menurut ensiklopedia elektronik

Wikipedia (www.wikipedia.com, Januari 2009), hypermarket adalah sebuah kedai

berkeluasan mega yang menggabungkan konsep supermarket dan kedai besar

(department store) di bawah satu bumbung serta menjual pelbagai jenis barangan

makanan dan barang keperluan lain pada harga yang murah. Antara barangan keperluan

harian yang ditawarkan oleh hypermarket adalah makanan, barangan dapur, barangan

elektrik, peralatan rekreasi, dan pakaian. Hypermarket juga menawarkan pelbagai

2

perkhidmatan seperti medan selera, mesin pengeluaran wang, perkhidmatan pos, kaunter

tukaran wang asing, kedai fotografi, salon, farmasi dan kedai telekomunikasi bagi

menjadi suatu pusat sehenti bagi aktiviti membeli-belah penduduk bandar. Antara

contoh hypermarket ialah Carrefour, Wal-Mart, Jusco, Auchan, Tesco, Meijer dan Giant.

Gambar1.1 Contoh Suasana Hypermarket.

Aksessibiliti pembeli kepada premis peruncitan kerap kali dikaitkan dengan faktor jarak

antara sesuatu premis perniagaan runcit dan juga pasaran atau pembeli. Secara teorinya,

jarak dibahagikan kepada jarak fizikal dan jarak masa. Kadar kemungkinan sesuatu

interaksi antara pembeli dan penjual dikatakan berkadar songsang dengan jarak. Dalam

bahasa yang lebih mudah, lebih hampir sesebuah premis perniagaan runcit dengan

pengguna, maka lebih tinggi kebarangkalian bagi pengguna yang terlibat untuk

membeli-belah di premis tersebut. Teori ini dipelopori oleh Reilly dan Converse yang

mengubah suai prinsip dari Hukum Graviti oleh Sir Isaac Newton (Rafael et. al., 2005).

Newton diungkap sebagai menyatakan bahawa semakin jauh jarak antara dua entiti,

maka semakin berkurang kemungkinan berlakunya interaksi antara dua entiti tersebut.

Newton juga menambah bahawa semakin besar saiz sesuatu entiti itu, maka semakin

kuat daya tarikannya dan semakin besar saiz antara dua entiti, maka daya tarikan dan

jumlah interaksi antara keduanya juga akan bertambah. Daripada teori dan prinsip-

prinsip tersebut, Hukum Graviti Newton dibentuk (sila rujuk rumus 1).

(1)

Hukum Graviti Newton 1687, Sumber: Diubahsuai dari Katiman (1988)

3

Rumus bagi model atau Hukum Graviti Newton ialah seperti dalam rumus 1, Fij ialah

nilai tahap interaksi antara entiti i dan j. Mi pula merujuk kepada jisim atau pun saiz

entiti atau objek i manakala Mj pula merujuk kepada jisim atau saiz objek atau entiti j.

Dij dengan pula mewakili jarak yang memisahkan antara entiti atau objek i dan juga j.

Manakala G mewakili pemalar graviti interaksi antara i dan j.

Menurut Rafael, Dolores, & Pablo (2005), hasil daripada adaptasi teori dan prinsip

Hukum Graviti Newton tersebut, Reilly kemudiannya membina satu model bagi mengira

dan menganalisis kadar tarikan perniagaan runcit antara dua bandar yang kemudiannya

dikenali sebagai Model Graviti Peruncitan Reilly pada tahun 1931. Hanya sehingga

tahun 1964, Huff memperbaiki kelemahan model yang diadaptasi oleh Reilly dan

menghasilkan Model Graviti Huff (Huff Gravity Model) atau juga dikenali sebagai

Model Huff. Semenjak dari itu, Model Huff telah digunakan secara meluas dalam

bidang perdagangan dan perniagaan bagi mengira tahap interaksi dan tarikan antara

pasaran dan sesuatu premis ataupun zon perdagangan. Penerangan terpeinci,

perbincangan lanjut dan contoh-contoh aplikasi mengenai Model Graviti Peruncitan

Reilly dan Model Huff akan disentuh dalam Bahagian 2 penulisan ini.

Model ialah perwakilan keadaan atau fenomena di dunia sebenar dalam bentuk fizikal,

grafikal, maya mahupun matematikal yang digunakan bagi menerangkan sesuatu

keadaan atau fenomena semasa (Wheeler, 1993). Menurut Harris (1965 dalam Samat,

2008) aktiviti perancangan adalah berasaskan masa hadapan yang melibatkan proses

mencari alternatif terbaik dalam penggunaan ruang untuk kesejahteraan penduduk.

Model matematikal yang mengaplikasikan teori dan hukum ke dalam bentuk rumus

mempunyai pelbagai pemboleh ubah, suatu ciri yang membolehkan kita membuat

ramalan masa hadapan hasil daripada manipulasi pemboleh ubah –pemboleh ubah rumus

sesuatu model itu. Ciri tersebut banyak membantu perancang dalam membuat keputusan

mengenai alternatif perancangan dan sesuatu projek pembangunan. Sekaligus membantu

mewujudkan persekitaran bandar yang lebih baik.

Harris (1965 dalam Samat, 2008) menyatakan bahawa proses membuat ramalan dan

jangkaan memerlukan maklumat berbentuk ruangan dan bukan ruangan. Model graviti

juga adalah melibatkan operasi membuat ramalan dan jangkaan, maka, aplikasinya juga

memerlukan maklumat berbentuk ruangan dan bukan ruangan. Sistem maklumat

4

geografi (GIS), ialah sistem yang menawarkan keupayaan untuk menyimpan,

memanipulasi, menganalisa dan memaparkan maklumat berbentuk ruangan dan bukan

ruangan dengan baik. Malahan lebih dari itu, sistem maklumat geografi berupaya

mengoperasi pengiraan matematikal dan memaparkan hasil analisis matematikal dalam

bentuk reruang.

Chapin (1968) pernah mengutarakan bahawa model-model berkaitan guna tanah sering

menghadapi masalah dengan ramalan masa hadapan yang tidak tepat. Model graviti

adalah antara model yang dikatakan menghadapi masalah tersebut (Riza, 1994). Dengan

bentuk yang pelbagai hasil beberapa pengubahsuaian oleh ramai sarjana, model graviti

dikatakan masih punya banyak kelemahan terutamanya berkaitan teori berkaitan

hubungkait antara pemboleh ubahnya, jenis dan bilangan pemboleh ubah yang patut

digunakan dan dari segi bentuk rumus model graviti itu sendiri. Maka model graviti

didakwa tidak sesuai diaplikasikan bagi beberapa kes kajian di sesetengah kawasan.

Justeru itu, kajian ini akan berusaha untuk merungkai sama ada model graviti mampu

atau tidak untuk meramalkan dengan berkesan tahap interaksi atau pun pecahan tarikan

pasaran hypermarket-hypermarket di Daerah Johor Bahru, Malaysia. Caranya ialah

dengan mendapatkan pecahan asalan pengunjung di hypermarket-hypermarket terpilih

sekitar daerah Johor Bahru menggunakan kaedah survei secara rawak, dan

membandingkannya dengan kemungkinan pecahan asalan pengunjung bagi setiap

hypermarket tersebut yang diunjur oleh model graviti asas.

Model graviti tersebut akan disimulasi menggunakan aplikasi analisis reruang dalam

perisian sistem maklumat geografi ArcGIS 9.2 bagi mendapatkan hasil ramalan pecahan

asalan pengunjung hypermarket yang lebih tepat, jelas serta mudah difahami. Hasil

perbandingan tersebut akan membolehkan kita mengukur sama ada model graviti

releven atau tidak untuk digunakan bagi meramal pecahan asalan pengunjung sesebuah

hypermarket mahupun bagi menunjukkan fenomena interaksi antara sesebuah

hypermarket dengan pasaran dan juga saingannya. Dan sekiranya tidak, kajian ini akan

mengunjurkan beberapa kaedah yang mungkin dapat memperbaiki model graviti asas

tersebut dengan cara melihat kepada ketepatan nilai ramalan oleh model graviti yang

diubahsuai berbanding nilai yang di survei di hypermarket kajian.

5

1.2 Rungkaian Permasalahan & Isu Penggunaan Model Graviti

Catanesa dan Snyder (1979) mendakwa bahawa ahli perancang menghadapi masalah

dalam membuat penilaian alternatif kerana masalah ramalan kesan pembangunan. Model

graviti digunakan secara meluas bagi membuat ramalan dan membantu pembuatan

keputusan dalam bidang perniagaan, pengangkutan mahupun perancangan gunatanah

bandar. Dalam bidang perancangan bandar, model graviti merupakan sebahagian

daripada entiti sistem sokongan pembuat keputusan perancangan dan hasil simulasinya

dijadikan kayu pengukur oleh kebanyakan pembuat keputusan bagi memilih alternatif

berkenaan sesuatu pembangunan pusat perniagaan, perumahan, jalan raya malahan

dalam menentukan agihan kemudahan awam serta infrastruktur.

Kesemua projek pembangunan tersebut adalah komponen penting bagi sesebuah bandar.

Maka sebarang keputusan yang dibuat mengenai komponen-komponen bandar tersebut,

akan mempengaruhi kehidupan seharian penduduk bandar dan mampu mempengaruuhi

keseluruhan sistem bandar. Sekiranya keputusan yang dibuat berdasarkan ramalan

sesuatu model adalah tidak seperti kesannya di dunia sebenar, maka pelbagai keadaan

negatif seperti kesesakan lalu lintas, kerugian pusat perniagaan yang kurang dikunjungi,

perumahan yang tidak terjual dan infrastruktur mega yang akhirnya hanya menjadi

‘gajah putih’ mungkin akan menimbulkan masalah berangkai yang serius.

Walaupun menurut kebanyakan pengkaji, model graviti adalah sesuai untuk

diaplikasikan bagi kebanyakan kes-kes kajian bandar di dunia, model graviti yang sama

mungkin tidak sesuai diaplikasikan untuk kesemua bandar di Malaysia. Hal ini adalah

kerana setiap bandar itu adalah dinamik, unik dan berlainan dari segi susunan gunatanah,

tahap jaringan infrastrukturnya, keadaan muka bumi dan iklim, malahan juga berlainan

dari segi taraf sosio-ekonomi dan budaya hidup. Todes (1981 dalam Riza, 1994)

mendapati bahawa model graviti sama yang digunakan oleh Huff di Chicago tidak dapat

merumuskan dengan baik agihan perjalanan di Cape Town Afrika Selatan atas batasan

oleh undang-undang Apartheid, manakala Riza (1994) juga mengutarakan perkara yang

sama apabila model graviti yang diaplikasikan di Kota Bharu, Kelantan juga gagal

menerangkan corak perjalanan penduduknya kerana mereka tinggal di kampung tetapi,

bekerja di bandar.

6

Pace dan Lee (2003) dalam kajian mereka mengenai parameter model graviti juga

mengatakan bahawa aplikasi model graviti selalunya menghasilkan ramalan tidak

memuaskan. Kolter (1971, dalam Pace & Lee, 2003) mengujarkan bahawa saiz pusat

membeli belah tidak menunjukkan signifikan dalam ramalan berkaitan jumlah jualan,

malahan Stanley dan Seewal (1976, dalam Pace & Lee, 2003) merumuskan bahawa

keupayaan model graviti bagi meramal nilai interaksi sebuah pusat perniagaan adalah

amat terhad. Mereka menegaskan mengenai kepentingan memasukkan faktor spatial dan

jarak di dalam model graviti bagi memastikan bahawa ramalan akan menjadi lebih tepat.

Berbeza dengan pendapat Eppli dan Shilling (1996), yang menyangkal keutamaan faktor

jarak dalam meramal kadar tarikan pusat perniagaan. Brown (1989, dalam Skogster

2006) juga menyatakan bahawa model graviti asas berpemboleh ubah jarak, dan

populasi dengan parameter, tidak sentiasa menunjukkan prestasi yang baik bila

diaplikasi.

Model graviti asas bagi mengukur tahap tarikan sesebuah pusat perniagaan ke atas

kawasan pasaran sekitarnya menggunakan faktor saiz pusat perniagaan, faktor saiz

pasaran, serta faktor jarak antara pusat perniagaan dan pasaran tersebut sebagai

pemboleh ubah. Ketiga-tiga pemboleh ubah ini digunakan bagi menentukan tahap

interaksi antara kedua juzuk tersebut. Ini bermakna, ketepatan hasil unjuran ataupun

nilai interaksi antara dua juzuk tadi hanyalah bergantung kepada tiga pemboleh ubah

tersebut. Sedangkan terdapat faktor-faktor lain seperti saingan oleh kedai-kedai runcit

tempatan, saingan pusat membeli –belah sekitar, suasana pusat perniagaan itu sendiri,

tahap kemudahan pusat perniagaan tersebut, faktor tahap kesesakan jalan raya, malahaan

faktor sosio-ekonomi pasaran tadahan juga mempengaruhi daya tarikan dan interaksi

antara sesebuah pusat perniagaan dengan pasarannya.

Beberapa pengkaji seperti Nakanishi dan Cooper (1974) memasukkan pelbagai

pemboleh ubah berunsur sosio ekonomi dan pemboleh ubah yang bersifat penilaian

individu yang samar kaedahnya, dan memerlukan data yang banyak serta pengiraan

penilaian unsur-unsur abstrak yang kompleks dalam menentukan tahap interaksi antara

sesebuah pusat perniagaan dengan pasarannya. Langkah tersebut bertujuan mewujudkan

suatu perwakilan model yang mirip fenomena dunia sebenar. Menurut Clarke (1998,

dalam Samat 2008), antara kelemahan model graviti adalah keperluan data berkaitan

perjalanan isi rumah, dan data sosio-ekonomi kawasan tadahan yang banyak. Maka

7

adalah sukar bagi bandar-bandar di negara membangun di mana kedapatan data tersebut

adalah rendah dan tidak teratur untuk mengaplikasikan model graviti yang memerlukan

data yang banyak (Samat, 2008). Daripada isu penggunaan peboleh ubah yang abstrak

dan kompleks dalam model graviti, timbul persoalan, tidak bolehkah kita meramal kadar

interaksi antara sesebuah pusat perniagaan dan pasarannya dengan baik, walaupun

dengan hanya menggunakan model graviti asas yang tidak memerlukan banyak

pemboleh ubah serta mudah untuk difahami?

Sekiranya model graviti asas tersebut boleh digunakan, timbul pula persoalan mengenai

jenis dan perincian pemboleh ubah yang patut digunakan dalam model graviti asas bagi

menghasilkan ramlan yang lebih jitu. Contohnya penggunaan pemboleh ubah jarak di

dalam sesuatu model graviti. Apakah cukup dengan hanya menggunakan jarak kasar

seperti jarak terhampir atau lebih dikenali sebagai jarak Euclidean, untuk memperolehi

ketepatan ramalan yang boleh diterima. Ataupun perlu kita mengambil kira jarak

sebenar yang dikira menggunakan masa perjalanan atau pun kos yang diperlukan untuk

sesuatu perjalanan daripada rumah ke sesebuah pusat perniagaan. Hal ini perlu diambil

kira kerana jarak sebenar ke sesuatu destinasi adalah berlainan daripada jarak Euclidean

kerana terdapatnya pengaruh topografi, jaringan jalan raya yang aksesnya terkawal

(controlled access highway), persimpangan serta lampu isyarat. Malahan bagi kawasan-

kawasan bandar-bandar besar turutamanya di Wilayah Lembah Klang, para penduduk

kadang kala terpaksa melalui begitu banyak tol untuk pergi ke sesuatu pusat membeli-

belah.

Menurut Riza (1994), bagi menyediakan model yang baik, beberapa syarat dan cara

pembinaan model perlu diadakan, malahan sesuatu model itu haruslah mudah difahami,

sederhana serta ringkas. Model-model yang terlampau kompleks dikatakan tidak sesuai

dan tidak tepat, kerana akan melibatkan persamaan serta hubung kaitan yang terlalu

rumit bagi diterjemahkan kedalam bentuk matematik, sekaligus mengurangkan

ketepatan ramalan. Sebagai contoh, menurut Duffus (1987, dalam Riza, 1994) faktor

pengubahsuaian parameter dalam model graviti telah didapati menjadikan ramalan

semakin tidak tepat berbanding jika faktor itu tidak dimasukkan ke dalam model graviti.

Malahan Riza (1994) menulis, terlalu banyak pemboleh ubah dan persamaan yang

kompleks akan mengelirukan pembuat keputusan yang tidak pakar mengenai model

graviti tersebut sekaligus tidak dapat membahaskannya. Justeru itu, haruslah dikaji sama

8

ada model graviti asas mampu atau tidak untuk membuat unjuran dan ramalan yang baik

dan mudah difahami, sekaligus membolehkan perancang boleh menggunakan ia sebagai

alat bantuan dalam membuat keputusan dengan lebih efektif.

Penggunaan jenis jisim entiti yang sesuai bagi digunakan dalam model graviti juga

adalah antara persoalan yang perlu dijelaskan bagi mendapat hasil ramalan yang lebih

baik. Pada kebiasaannya, banyak kajian mengena interaksi antara sesebuah pusat

perniagaan dengan pasarannya menggunakan faktor luas lantai pusat perniagaan tersebut

dan bilangan penduduk atau rumah di sesuatu zon pasaran itu. Namun begitu, terdapat

juga beberapa kajian menggunakan model graviti yang mengambil kira faktor jenis

barangan yang dijual, pendapatan penduduk, kadar perbelanjaan penduduk serta

kepadatan penduduk bagi mengira kadar interaksi antara sesebuah pusat perniagaan

dengan zon pasarannya seperti yang dilakukan oleh Nakanishi dan Lee (1974) serta

Hamilton (2003). Maka, perlu kita tentukan juga sama ada adakah walaupun dengan

hanya menggunakan pemboleh ubah paling asas dalam model graviti, kita akan dapat

meramalkan kadar interaksi antara dua entiti dengan baik atau tidak.

Setelah diketahui sama ada penggunaan pemboleh ubah-pemboleh ubah asas mampu

atau tidak menghasilkan ramalan yang baik, perlu pula ditentukan kadar pemalar bagi

rumus model graviti asas ini. Pemalar ini akan memastikan formula ini akan dapat

diintrepetasi dengan skala atau unit ukuran (Hamilton, 2003), seterusnya boleh

digunakan bagi meramal tahap interaksi lain-lain pusat perniagaan dengan pasarannya di

kawasan kajian dan dengan entiti kajian yang sama sifatnya. Walaubagaimanapun,

terlebih dahulu tahap kejituan ramalan model graviti yang lengkap dengan pemalar

tersebut harus diperolehi. Hanya setelah itu, model graviti tersebut boleh digunakan bagi

membantu pembuatan keputusan berkaitan interaksi pusat perniagaan dan pasarannya.

Kajian bagi membaiki model graviti asas ini bukan sahaja penting bagi menunjukkan

bahawa model yang digunakan secara meluas itu sememangnya boleh digunakan bagi

meramal interaksi berkaitan sesuatu pusat perniagaan, malahan mampu membantu para

perancang untuk membuat ramalan masa hadapan dengan lebih tepat dan jitu bagi

konteks Johor Bahru secara spesifiknya. Dengan adanya model yang spesifik bagi

meramal interaksi pusat-pusat perniagaan di Johor Bahru membolehkan para perancang

9

mengurangkan kemungkinan persaingan tidak sihat antara pusat perniagaan di Johor

Bahru.

Dalam kajian Yuhanis (2008), ditunjukkan dengan jelas bagaimana, hypermarket-

hypermarket mendatangkan kesan negatif kepada perniagaan runcit lain akibat daripada

pertindihan kawasan litupan pasaran. Maka adalah penting untuk model graviti berkaitan

aktiviti perniagaan khusus di jana bagi daerah Johor Bahru dipertingkatkan agar

kawasan pasaran bagi setiap pusat perniagaan dapat ditentukan dengan lebih tepat. Maka

dengan adanya model graviti yang khusus sebegitu, akan membantu perancang meramal

dan menentukan tahap litupan kawasan tadahan pasaran setiap pusat perniagaan

khususnya hypermarket, seterusnya bertindak mengurus pertumbuhannya agar dapat

menghasilkan keuntungan optimum serta mengelak lebih banyak pusat-pusat perniagaan

kecil daripada menerima impak negatif dek pertumbuhan hypermarket-hypermarket

tersebut.

Atas permasalahan seperti yang telah dihuraikan, dakwaan mengenai kekurangan dan

ketidakjituan model graviti ini perlu dikaji sama benar atau pun tidak. Sekiranya

terdapat kelemahan, beberapa kaedah perlulah dianjurkan bagi memperbaiki model

graviti tersebut agar mampu membantu perancang mendapatkan ramalan masa hadapan

yang lebih tepat, sekaligus dapat menghasilkan perancangan pembangunan perniagaan

yang lebih baik.

1.3 Persoalan Kajian

Terdapat beberapa isu dan kelemahan mengenai penggunaan dan ramalan oleh model

graviti. Justeru itu, persoalan utama kajian ini berkisar mengenai kemampuan model

graviti dalam menerangkan sesuatu fenomena interaksi antara dua entiti serta tahap

kejituan ramalannya . Persoalan lain di dalam kajian ini adalah seperti berikut:

i. Bagaimanakah perbezaan tahap perbandingan atau ralat purata antara

interaksi sebenar sesebuah hypermarket dengan pasarannya serta

saingannya, dengan interaksi sama yang diramal oleh model graviti?

10

ii. Apakah dengan menggunakan jarak Euclidean sahaja, cukup untuk

menghasilkan ramalan yang boleh diterima atau pun perlu menggunakan

jarak sebenar atau sebagai pemboleh ubah model graviti?

iii. Apakah kesan penggunaan parameter pemboleh ubah jarak ke atas tahap

kejituan ramalan sesuatu model graviti?

iv. Bolehkah model graviti asas digunakan bagi meramalkan interaksi

sesebuah pusat perniagaan dengan pasarannya serta saingannya dengan

baik, sekaligus menjadi alat bantuan perancangan dalam mencatur

alternatif pembangunan gunatanah perniagaan bandar?

1.4 Matlamat Kajian

Mengkaji kemampuan model graviti bagi menerang dan meramalkan fenomena interaksi

antara sesebuah hypermarket dengan pasarannya serta saingannya, seterusnya bertindak

sebagai alat bantu perancangan kepada para perancang bandar.

1.5 Objektif Kajian

Objektif kajian ini adalah seperti berikut:

i. Mengkaji kelemahan-kelemahan dan kekurangan sedia ada yang terdapat

pada model graviti melalui carian dan analisa bahan-bahan ilmiah.

ii. Mengira peratusan pecahan asalan pengunjung hypermarket yang di ramal

menggunakan empat viarasi model graviti dan membandingkannya pecahan

pengunjung yang di survei di hypermarket kajian.

iii. Menilai kesan penggunaan pemboleh ubah jarak Euclidean dan pemboleh

ubah jarak sebenar ke atas kejituan ramalan model graviti.

iv. Menilai kesan penggunaan parameter pemboleh ubah jarak ke atas ramalan

model graviti.

11

v. Membina Model Huff bagi setiap hypermarket kajian dengan menggunakan

kemampuan analisis reruang dalam sistem maklumat geografi (GIS) bagi

menunjukkan permukaan graviti (gravitation surface) setiap hypermarket

kajian berbanding saingannya.

vi. Membandingkan ramalan kemungkinan tempat berbelanja (hypermarket)

yang dipilih pengguna di sesuatu kawasan yang diramal menggunakan

Model Huff, dengan hasil survei pilihan tempat berbelanja pengguna .

1.6 Kawasan Kajian dan Hypermarket Kajian

MALAYSIA

Gambarajah 1.2 Kawasan Kajian dan Hypermarket Kajian.

Bagi kajian ini, daerah Johor Bahru yang berada di dalam wilayah pembangunan

ekonomi Iskandar Malaysia (IM) telah dipilih berdasarkan faktor terdapatnya bilangan

hypermarket yang banyak (Laporan Pemeriksaan RSN Johor, 2001) serta kadar

pertumbuhan di kawasan ini antara enam hingga tujuh peratus setahun (Pelan

12

Komprehensif SJER, 2004) yang menyebabkan pengawalan pembangunan menjadi

aspek penting bagi perancangan wilayah ini (sila rujuk gambarajah 1.2). Lebih dari itu,

lebih daripada 70 peratus daripada perniagaan dan 60 peratus populasi di Johor adalah

bertumpu di daerah Johor Bahru (Laporan Pemeriksaan RSN Johor, 2001),

menunjukkan betapa pentingnya wilayah ini dan pentingnya kajian ini dilakukan.

Atas sebab itu, kawasan ini adalah sesuai dijadikan kawasan kajian bagi menilai

keupayaan model graviti kerana faktor kedapatan pusat perniagaan (hypermarket) yang

banyak, intensiti pasaran yang tinggi dan besar serta jaringan jalan raya yang jelas dan

berjajaran. Lebih penting dari itu, kedapatan data gunatanah, terutama gunatanah

perniagaan dan perumahan serta kedapatan data lot kadastral kawasan ini dalam format

sistem maklumat geografi memungkinkan model graviti yang dijana menggunakan

sistem maklumat geografi diadakan.

Selain itu, kajian terdahulu mengenai Kesan Pembangunan Hypermarket Terhadap

Kedai Runcit oleh Yuhanis (2008) yang menyediakan data survei sedia ada mengenai

peratusan pecahan asal pelanggan setiap hypermarket juga mengambil daerah Johor

Bahru sebagai kawasan kajian. Empat (4) hypermarket yang dikaji oleh beliau ialah

hypermarket Giant Skudai dan hypermarket Giant Plentong yang terletak dalam

kawasan pentadbiran Majlis Perbandaran Johor Bahru Tengah, hypermarket Giant

Southern City dalam kawasan Majlis Bandaraya Johor Bahru, dan hypermarket Tesco

Bandar Seri Alam. Maka bagi memudahkan perbandingan antara hasil ramalan model

graviti dan statistik survei asal, kawasan kajian yang sama diguna oleh Yuhanis akan di

guna pakai bagi kajian ini.

1.7 Skop dan Pembatasan Kajian

Kajian ini memfokuskan usaha untuk mengkaji tahap kejituan empat viarasi model

graviti asas, sekaligus menentukan sama ada model graviti asas boleh atau tidak

digunakan bagi menilai kadar interaksi antara hypermarket-hypermarket di kawasan

kajian dengan pecahan tadahan pasarannya. Bagi menentukan kejituan hasil ramalan

oleh model-model graviti tersebut, hasil-hasil ramalan tersebut akan dibandingkan

13

dengan hasil survei pecahan asalan pelanggan hypermarket-hypermarket terlibat, yang

telah dibuat oleh Yuhanis (2008). Maka dengan itu, hasil kajian ini bergantung kepada

ketepatan hasil survei yang telah dibuat oleh Yuhanis bagi menentukan tahap kejituan

model graviti yang dirumuskan oleh penulis.

Walaupun dalam kajian terdahulu Yuhanis (2008) mengambil empat (4) hypermarket

terpilih di Johor Bahru, pengkaji dalam kajian ini hanya akan mengkaji dan

membandingkan hasil survei dan ramalan bagi tiga (3) hypermarket yang bernaung di

bawah francais Giant sahaja, iaitu hypermarket Giant Skudai, hypermarket Giant

Plentong, dan hypermarket Giant Southern City bagi kajian ini tanpa mengambil kira

Hypermarket Tesco Plentong. Langkah ini adalah bagi memastikan beberapa faktor lain

seperti jenis kemudahan, jenis barangan, suasana, dan harga barangan yang ditawar oleh

hypermarket yang berbeza dapat dikurangkan. Malahan pula, hypermarket Tesco

tersebut baru setahun dibuka. Maka, perbandingan dari segi promosinya juga adalah

berbeza. Dengan memilih hanya untuk membandingkan tiga (3) hypermarket Giant

tersebut, lebih tumpuan dapat diberikan dalam menilai kesan pemboleh ubah jarak dan

saiz hypermarket dan pasaran berpotensi dalam menentukan tahap interasi atau tarikan

sesebuah hypermarket.

Di dalam kajian ini, pengkaji memfokuskan untuk membanding kesan penggunaan

pemboleh ubah jarak Euclidean dan jarak sebenar berbanding lain-lain pemboleh ubah

tambahan seperti status sosio-ekonomi pengguna dan juga kedapatan kedai-kedai runcit

di kawasan asalan pelanggan hypermarket. Maka dengan itu, hasil bagi kajian ini juga

dipengaruhi oleh kesan perbezaan pemboleh ubah kedua jenis jarak Euclidean dan jarak

sebenar. Kajian ini juga mengambil kira kesan penggunaan pemboleh ubah yang

melibatkan saiz hypermarket dan juga saiz populasi kawasan tadahannya.

Oleh kerana model graviti asas melibatkan pemboleh ubah berkaitan saiz hypermarket

dan saiz pasaran, maka sebarang keputusan ramalan juga akan dipengaruhi oleh

ketepatan maklumat berkaitan saiz hypermarket dan juga jumlah penduduk di zon

pasaran yang terlibat. Walaupun luas ruang lantai hypermarket adalah mudah untuk

didapatkan, namun maklumat penduduk yang mewakili kuantiti pasaran bagi setiap zon

adalah berdasarkan anggaran bilangan rumah setiap zon tersebut. Maka ketepatan

14

pengiraan model graviti dalam kajian ini juga akan bergantung pada maklumat

geospatial yang diperolehi berkaitan bilangan rumah di sesuatu zon pasaran.

Model graviti juga melibatkan pelbagai teori, maka operasi dan hasil ramalan model ini

adalah amat bergantung kepada beberapa andaian yang ditentukan kemudian melalui

kajian ilmiah di Bahagian 2. Bagi tujuan tersebut, sintesis penulisan ilmiah bagi kajian

ini memfokuskan pada model graviti yang diubah suai oleh Reilly dan Huff serta

beberapa ilmuan lain bagi tujuan mengenal pasti andaian yang digunakan, sifat-sifat

model graviti yang diubah suai mereka dan mengapa dan bagi tujuan apa model-model

tersebut diubah suai serta kaedah untuk mengaplikasikan model tersebut. Kajian ini juga

memfokuskan usaha bagi menilai tahap kejituan ramalan sesuatu model graviti dengan

membandingkan hasil ramalan dengan statistik berkaiatan pecahan asalan pelanggan

serta pemilihan hypermarket oleh pengguna yang disurvei.

1.8 Hasil Kajian

Kajian ini melibatkan penghasilan jadual-jadual serta graf-graf yang menunjukkan

peratusan serta pecahan pasaran hypermarket-hypermarket kajian. Begitu juga pelan-

pelan yang menunjukkan tahap interaksi spatial setiap hypermarket kajian dengan

pasaran dan saingannya juga akan dihasilkan bagi tujuan perbandingan dengan hasil

survei pecahan asalan pelanggan sebenar di hypermarket-hypermarket kajian. Hasil

kajian ini akan menentukan tahap kejituan ramalan model graviti dan menentukan sama

ada model graviti boleh atau tidak digunakan untuk membantu pembuatan keputusan

berkaitan perancangan atau tidak.

1.9 Susunan dan Aturan Kajian

Kajian ini akan dibahagikan kepada lima (5) bahagian iaitu, penyataan isu dan kerangka

kajian, sintesis penulisan-penulisan ilmiah, reka bentuk pangkalan data dan penjanaan

Model Graviti, analsis dan penemuan kajian, rumusan kajian dan cadangan. Carta alir

15

kerja kajian ialah seperti dalam rajah 1.3. Setiap bahagian dalam kajian ini diatur dan

difokuskan bagi mencapai matlamat dan objektif kajian.

1.9.1 Kerangka Kajian

Bahagian pertama, kajian ini akan menghuraikan mengenai isu dan masalah berkaitan

aplikasi model graviti serta situasi sukar yang dihadapi oleh perancang dalam membuat

ramalan berkaitan dengan gunatanah perniagaan, yang seterusnya membawa kepada

keperluan untuk kajian ini diadakan. Matlamat dan objektif kajian ini dinyatakan agar

skop kajian dapat ditentukan dan kaedah bagi mendapatkan hasil akhir kajian juga dapat

digariskan secara kasar dalam bahagian ini. Bahagian pertama ini juga akan memberikan

pengenalan kepada perniagaan runcit di bandar terutamanya berkaitan hypermarket dan

model graviti.

1.9.2 Sintesis Penulisan-Penulisan Ilmiah Para Sarjana

Di dalam bahagian kedua, kajian ini akan menerangkan dan membincangkan secara teori

dan empirikal penulisan-penulisan berbentuk ilmiah berkaitan subjek-subjek utama

dalam kajian ini. Antara bentuk penulisan ilmiah yang dirujuk bagi kajian ini ialah

buku, jurnal, laporan-laporan, artikel, rancangan pembangunan, dan laman-laman web.

Penumpuan bahagian ini adalah kepada empat (4) subjek berikut iaitu:

i. Hypermarket

Definisi, konsep, sejarah, ciri-ciri, dan fungsi hypermarket serta kesan

pembangunannya dijelaskan dengan lebih terpeinci dalam bahagian ini.

ii. Faktor yang Mempengaruhi Pelanggan Ke Sesuatu Pusat Perniagaan

Bahagian ini secara ringkas menokok penerangan awal mengenai faktor-faktor

yang mempengaruhi interaksi antara sesuatu pusat perniagaan dan pasarannya

dengan mengambil kira pendapat beberapa ilmuan dan kajian terpilih. Hanya

apabila faktor-faktor tersebut difahami, maka, pemboleh ubah-pemboleh ubah

serta teori yang digunakan dalam model graviti akan lebih difahami.

16

pemahaman terhadap sejarah, viarasi, teori, prinsip, tujuan, rumus, pemboleh

ubah, kelebihan, kelemahan, permasalahan adaptasi model graviti hingga kepada

aplikasinya di dunia sebenar. Maka dalam bahagian ini, sintesis mengenai

perkara-perkara berkaitan model graviti tersebut dirungkai dengan terpeinci

berasaskan pendapat, kajian serta aplikasi dan penggunaan model berkenaan oleh

para ilmuan dan pengamal dalam bidang berkaitan perniagaan dan penentuan

pasaran. Malahan dalam bahagian ini juga dibincangkan mengenai pelbagai jenis

dan kaedah untuk membentuk dan menghasilkan model graviti yang diperolehi

daripada pelbagai sumber .

BAHAGIAN 1 – RUNGKAIAN ISU & KERANGKA KAJIAN

BAHAGIAN 5 – RUMUSAN KAJIAN & CADANGAN

MERUMUSKAN SEGALA SUSUR GALUR KAJIAN DENGAN FOKUS PADA HASIL ANALISIS, & PENEMUAN KAJIAN. MEMBINCANGKAN KEKURANGAN KAJIAN

SERTA MENDAHULUKAN CADANGAN BAGI KAJIAN SUSULAN.

Rajah 1.3 Susunan & Aturan Kajian

BAHAGIAN 2 – SINTESIS PENULISAN ILMIAH

HURAIAN & SINTESIS TEOTIKAL BERKAITAN HYPERMARKET, FAKTOR MEMPENGARUHI PILIHAN LOKASI BERBELANJA PENGGUNA, EVOLUSI MODEL

GRAVITI SERTA VIARASINYA, & PENGGUNAAN SISTEM MAKLUMAT GEOGRAFI (GIS) BAGI PEMODELAN ANALISIS INTERAKSI SPATIAL.

BAHAGIAN 3 – REKA BENTUK PANGKALAN DATA & PENJANAAN MODEL

PENGUMPULAN DATA KELUASAN HYPERMARKET, BILANGAN RUMAH DALAM SETIAP UNIT TADAHAN PASARAN, JARAK, & DATA SURVEY KAJIAN

PECAHAN ASALAN PELANGGAN HYPERMARKET

PEMBINAAN PANGKALAN DATA & PENYUSUNAN DATA GEOSPATIAL DANATRIBUT DATA BUKAN SPATIAL BAGI DIGUNAKAN DALAM GIS

KAEDAH PENJANAAN MODEL GRAVITI MENGGUNAKAN PERISIAN ARCGIS

BAHAGIAN 4 – ANALISIS VIARASI MODEL GRAVITI & PENEMUAN

MENGANALISIS KEJITUAN RAMALAN PECAHAN ASALAN PELANGGAN HYPERMARKET YANG DIJANA MODEL GRAVITI & MEMBANDINGKAN HASIL PENGGUNAAN PEMBOLEH UBAH JARAK EUCLIDEAN DAN JARAK SEBENAR

MEMBANDINGKAN HASIL SURVEY PECAHAN PELANGGAN HYPERMARKETDENGAN HASIL RAMALAN OLEH MODEL GRAVITI

KEMAMPUAN MODEL GRAVITI MEMBANTU MENERANGKAN DAN MERAMAL KADAR INTERAKSI SESEBUAH HYPERMARKET DENGAN TADAHAN

PASARANNYA SERTA HYPERMARKET SAINGAN

RUNGKAIAN ISU & PERMASALAHAN PENGGUNAAN MODEL GRAVITI

PERSOALAN KAJIAN

MATLAMAT, OBJEKTIF, HAD & PEMBATASAN, KAWASAN & HASIL KAJIAN

17

iii. Model Graviti, Evolusi dan Viarasinya

Sintesis mengenai model graviti dan aplikasinya adalah bahagian yang terpenting

dan merupakan fokus utama bagi kajian ini. Tunjang kajian ini menjalar daripada

iv. Sistem Maklumat Geografi dan Analisis Interaksi Spatial (Model Graviti)

Bahagian ini akan menerangkan mengenai perkara-perkara asas dalam sesuatu

sistem maklumat Geografi (GIS). Definisi, prinsip, struktur dan kelebihan GIS,

serta keupayaannya dalam menjalankan analisis interaksi spatial adalah antara

perkara yang dihuraikan. Beberapa contoh kajian, aplikasi dan penjanaan model

graviti menggunakan GIS juga dibincangkan secara ringkas di dalam bahagian

ini. Perkara paling penting bagi bahagian ini ialah sistesis mengenai hubung kait

antara kemampuan serta kelebihan GIS dalam menjalankan analisis spatial

hingga mampu menjadi alat efisyen dalam membangunkan model graviti juga

dibincangkan. Bahagian ini ialah fokus kedua terpenting bagi kajian ini.

1.9.3 Reka Bentuk Pangkalan Data dan Penjanaan Model Graviti

Bahagian ketiga kajian ini pula membincangkan mengenai reka bentuk pangkalan data

bagi menjana model graviti menggunakan sistem maklumat geografi (GIS). Antara yang

dinyatakan ialah data-data yang diperlukan bagi membina model graviti, jenis litupan

data, format, unjuran serta sumber data primer dan sekunder. Malahan diperincikan

dalam bahagian ini mengenai attribut-atribut bukan spatial bagi setiap litupan data

spatial.

Seterusnya diterangkan pula langkah-langkah yang diikuti atau kaedah yang digunakan

bagi menjana model graviti serta menjalankan analisis kajian, menggunakan

kemampuan analisis spatial di dalam GIS. Bentuk model graviti yang digunakan untuk

analisis kajian serta andaian-andaian berkaitan penggunaan model graviti juga

ditentukan di bahagian. Bentuk dan andaian model graviti yang digunakan untuk analisis

adalah berdasarkan pada sintesis yang dibuat berpandukan rujukan-rujukan ilmiah

berkenaan model graviti yang di perjelaskan dan dirangkumkan di dalam bahagian

kedua kajian ini.

18

1.9.4 Analisis Viarasi Model Graviti dan Penemuan Kajian

Hasil analisis menggunakan sistem maklumat geografi (GIS) dibincangkan dalam

bahagian ke empat kajian ini. Segala keputusan serta ramalan hasil janaan model graviti

menggunakan GIS dibincang dan dikupaskan. Ramalan tersebut kemudiannya

dibandingkan dengan hasil survei kajian terdahulu oleh Yuhanis (2008) bagi menjawab

persoalan utama kajian. Perbandingan hasil ramalan menggunakan pemboleh ubah jenis

jarak yang berbeza jenis juga dipaparkan serta dibincangkan dalam bahagian ini.

Malahan lebih dari itu, dalam bahagian keempat ini juga ditentukan tahap nilai kejituan

dan kebolehgunaan model graviti yang dikaji bagi kegunaan aplikasi sebenar.

1.9.5 Rumusan Kajian dan Cadangan

Dalam bahagian kelima dan terakhir kajian ini, segala pucuk pangkal permasalahan atau

isu, persoalan kajian, kepentingan kajian, dan kaedah analisis dirangkumkan secara

ringkas. Manakala intipati keputusan analisis dan signifikan hasil analisis itu dalam

bidang perancangan diuturkan dan dirungkai. Bagi menutup penulisan berkaitan kajian

ini, permasalahan serta kelemahan dalam kajian ini akan diterangkan serta beberapa

cadangan berkaitan penambahbaikan kajian model graviti akan diunjurkan bagi kajian

lanjutan.

1.10 Kepentingan Kajian Pada Bidang Perancangan

Perancangan bandar adalah suatu proses bagi menentukan susunan gunatanah bandar

terbaik bagi mewujudkan suasana optima dan madani di bandar pada masa akan datang.

Ini bermakna segala yang dilakukan sekarang dalam proses perancangan ialah bertujuan

mendapatkan hasil yang terbaik di masa akan datang. Bagi membantu perancang

meramal kesan daripada sebarang tindakan atau keputusan yang mereka ambil kini di

masa akan datang, model digunakan bagi meramal dan menggambarkan impak

sekiranya sesuatu alternatif perancangan diaplikasikan. Antara model yang digunakan

bagi tujuan tersebut ialah model graviti yang digunakan secara meluas dalam bidang

pengangkutan, perniagaan dan perletakan kemudahan awam. Tiga bidang yang amat

berkait rapat dan penting dalam perancangan sesebuah bandar.

19

Disamping membantu meramal dan menerangkan sesuatu fenomena, ramalan model

graviti juga mampu untuk mempengaruhi keputusan para pembuat keputusan. Maka

sekiranya model graviti tidak mampu meramalkan secara baik fenomena yang mungkin

berlaku di masa hadapan, maka para pembuat keputusan juga cenderung untuk membuat

keputusan yang salah berpandukan ramalan yang salah. Kesannya, proses pembangunan

sesebuah bandar tidak akan menjadi lancar dan pengurusan pengangkutan, perniagaan

dan kemudahan awam sesebuah bandar akan menjadi kucar-kacir serta tidak membawa

pulangan paling optimum. Semuanya kerana ketidakjituan ramalan model graviti,

menjadikan perancangan dan pembahagian kemudahan awam kepada penduduk bandar

menjadi tidak sekata dan tidak mencukupi. Malangnya, kesan tersebut hanya diketahui

setelah pembangunan dibuat. Dan pentadbir terpaksa menanggung kerugin mahupun kos

tambahan bagi kemudahan yang tidak digunakan dan membina kemudahan tambahan

bagi menampung keperluan. Maka adalah perlu ditentukan dulu tahap kemampuan

model graviti dalam meramal sesuatu fenomena interaksi antara dua entiti, sebelum

model tersebut digunakan sebagai alat bantu perancangan.

1.11 Rangkuman Keseluruhan Isu dan Kerangka Kajian

Model graviti ialah model yang digunakan secara meluas oleh para perancang bagi

menganjur ramalan berkaitan pembangunan sesuatu gunatanah, kemudahan awam mahu

pun infrastruktur. Namun begitu, kepelbagaian bentuk dan adaptasi bagi menilai sesuatu

fenomena menjadikan model graviti semakin kompleks, sukar untuk dikira dan sukar

untuk difahami. Malahan ada sarjana yang mendakwa bahawa model graviti yang

kompleks tidak akan menghasilkan keputusan ramalan yang baik dan jitu. Justeru itu

perlu ditentukan sama ada dakwaan tersebut benar atau tidak. Dengan adanya kedapatan

data daripada survei kajian mengenai pecahan asalan pelanggan hypermarket di daerah

Johor Bahru oleh Yuhanis, hasil ramalan hypermarket tersebut boleh dibandingkan

dengan hasil survei itu bagi memastikan tahap kejituan ramalan sesuatu model graviti

tersebut. Malahan bagi tujuan analisis, perbandingan dan pemahanan, kedapatan sistem

maklumat geografi (GIS) dan kemampuannya dalam analisis reruang, akan menentukan

kredibiliti model graviti tersebut dengan lebih sistematik, malahan pemahaman kita

mengenai interaksi reruang sesebuah hypermarket yang ditunjukkan oleh model graviti

akan menjadi lebih jelas dan mudah untuk difahami.

BAHAGIAN 2

SINTESIS PENULISAN ILMIAH

Model graviti telah digunakan secara meluas sejak sekian lama bagi mengukur dan

meramal tahap interaksi antara sesuatu perniagaan dan pasarannya. Tahap interaksi antara

pusat perniagaan dan pasaranya ini pula dipengaruhi oleh pelbagai faktor. Bahagian 2

kajian ini akan menerang dan membincangkan secara mendalam mengenai teori-teori

berkaitan hypermarket, faktor yang mempengaruhi interaksi antara hypermarket dan

pasarannya, aplikasi model graviti serta penggunaan sistem maklumat geografi (GIS)

oleh para sarjana agar setiap juzuk dan elemen penting dalam kajian ini dapat difahami

dengan baik. Beberapa contoh aplikasi model graviti menggunakan sistem maklumat

geografi juga dibincangkan bagi meningkatkan tahap penguasaan dan kejituan kajian ini.

2.1 Evolusi Perniagaan Runcit di Bandar dan Hypermarket

Perniagaan runcit ialah suatu perniagaan yang melibatkan capaian serta penjualan

barangan dan perkhidmatan keperluan harian bagi kegunaan sendiri pengguna terakhir

dan barangan serta perkhidmatan tersebut dibeli oleh pengguna bukanlah untuk dijual

semula. Lasson, Weigand dan Wright (1976, dalam Katiman, 1988) menulis, pada

kebiasaannya, kuantiti barangan dan perkhidmatan yang dijual kepada pengguna terakhir

adalah kecil. Hal ini kerana, pada kebiasaannya, pengguna terakhir tersebut merupakan

seorang individu atau pun hanyalah sebuah keluarga. Namun begitu, menurut Bolen

21

(1978, dalam Katiman, 1988) adalah tidak mustahil sekiranya sesebuah firma atau

syarikat juga berkemungkinan menjadi pengguna akhir dalam situasi tertentu.

Secara amnya bolehlah kita anggap bahawa sebarang kegiatan penjualan dan pembelian

dari penjual kepada pengguna terakhir dianggap sebagai aktiviti runcit (Katiman, 1988).

Antara contoh barangan yang dijual oleh perniagaan runcit ini adalah barangan keperluan

harian pengguna seperti makanan, keperluan dapur, perkakasan elektrik, serta pakaian,

malahan turut meliputi penawaran perkhidmatan seperti jahitan, cetakan, dandanan

rambut, serta kedai gambar yang menjadi keperluan harian penduduk di bandar.

Bermula dengan aktiviti peruncitan berskala kecil, sekecil sebuah rumah yang dijadikan

kedai runcit mini bagi membekalkan keperluan harian penduduk sekitar, evolusi

perniagaan peruncitan di kawasan bandar-bandar Malaysia mula berkembang semasa

kemasukan peniaga-peniaga daripada China semasa pemerintahan British. Peniaga-

peniaga China ini membawa bersama konsep rumah kedai yang ada di China. Bertitik

tolak dari situ, perniagaan peruncitan di bandar semakin berkembang mengikut tahap

pembangunan ekonomi, teknologi, dan saiz demografi sesebuah bandar (Agrawal &

Anupum, 2007). Bagi menampung permintaan yang semakin pelbagai dan kompleks

daripada populasi bandar yang semakin besar dan berkembang, konsep pusat perniagaan

mega mula diperkenalkan di Eropah dan Amerika Utara pada pertengahan abad ke-20

(Anand & Nambia, 2006).

Agrawal dan Anupum (2007) menyatakan bahawa terdapat pelbagai istilah yang

digunakan bagi pusat-pusat perniagaan mega ini termasuklah hypermarket, pusat

perdagangan mega, supermarket, superstores, shopping malls dan pusat membeli-belah.

Namun begitu menurut definisi oleh Management Ventures Inc. (MVI) hypermarket, dan

superstore membawa maksud dan konsep peruncitan yang sama cuma pada skala yang

berbeza dari segi saiz ruang lantai perniagaan dan pecahan jenis barangan yang dijual.

Hypermarket menurut MVI selalunya ialah premis satu tingkat berkeluasan lantai 10,000

meter per segi (m2) hingga 20,000m2 yang mana barangan makanan merangkumi 50

peratus daripada jumlah jualan keseluruhuannya. Namun begitu, kini kebanyakan

hypermarket baru, dibina dalam dua (2) tingkat bagi menampung penghuni atau lot-lot

sekunder atau perniagaan sampingan bagi menjadikan hypermarket sebuah pusat sehenti

membeli-belah yang lebih lengkap dan menarik serta memaksimumkan penggunaan

22

tanah bandar. Contoh jenama besar hypermarket ini ialah Carrefour, Auchan dan Jumbo.

Manakala menurut MVI lagi superstore seperti Wal-mart, Supertarget dan Meijer pula

berkeluasan lantai antara 8,000m2 hingga 28,000m2 manakala makanan merupakan 40

peratus dari jumlah jualannya. Pada kebiasaannya keluasan ruang lantai sesebuah

hypermarket di sesuatu tempat adalah lebih dipengaruhi oleh faktor tempatan tapak,

lokasi dan cakupan serta attribut pasaran sasaran.

Di dalam penulisan Perrigot dan Cliquet (2006), hypermarket yang konsepnya

diperkenalkan pada 1960-an di Perancis, dirungkai sebagai sebuah pusat sehenti membeli

belah yang menjual pelbagai barangan makanan dan bukan makanan keperluan harian

pengguna di bawah satu bangunan dengan dilengkapi kemudahan tempat letak kereta

yang mencukupi serta mempunyai rangkaian francais yang besar. Bagi urusan niaga pula,

kesemua hypermarket mengamalkan konsep satu harga serta purata harga barangan yang

dijual pula adalah lebih murah berbanding kedai-kedai runcit konvensional

Hypermarket menjalankan perniagaan secara layan diri dan mengamalkan konsep satu

harga. Bukan sahaja tidak mengamalkan konsep tawar-menawar (konsep satu harga),

hypermarket juga menjual pelbagai jenis barangan dan perkhidmatan keperluan harian

pengguna dibawah satu bumbung. Konsep ini didorong oleh perubahan corak kehidupan

dan rutin penduduk bandar yang semain sibuk dan kompleks. Maka masyarakat bandar

cenderung untuk memilih lokasi yang menawarkan pelbagai keperluan harian di satu

tempat agar mereka mampu menjimatkan masa bagi membeli barangan keperluan rumah

untuk kegunaan tempoh masa yang lebih lama. Varian produk yang dijual di sesuatu

hypermarket ialah antara 80,000 hingga 100,000 jenis (Dunne et. al., 2002).

Kini, kesemua hypermarket dilengkapi dengan tempat letak kereta, penghawa dingin,

pencahayaan, muzik serta dekorasi menarik. Ciri-ciri yang amat-amat penting dalam

menentukan pemilihan lokasi berbelanja pengguna. Oleh kerana ciri-ciri tersebut,

hypermarket dilihat mampu menarik jumlah pengguna yang ramai berbanding perniagaan

runcit tradisional memandangkan hypermarket menyediakan pelbagai jenis perkhidmatan

dibawah suatu bumbung, dengan suasana yang kondusif serta menawarkan pelbagai

barangan keperluan harian berharga murah pada skala yang besar berbanding premis

runcit tradisional yang lebih kecil.

23

Menurut statistik Rancangan Malaysia Ke-9, kadar pertumbuhan hypermarket di

Malaysia telah berkembang pada kadar purata 29.8 peratus setiap tahun dari tahun 2001

hingga 2005 sedangkan kadar pertumbuhan purata sektor peruncitan kecil hanyalah 4.2

peratus setahun (Rancangan Malaysia Ke-9, 2006). Menurut laporan Euromonitor.com

pula, pertumbuhuan pesat hypermarket di Malaysia adalah kerana kecenderungan rakyat

Malaysia membeli-belah di hypermarket yang menyediakan kemudahan yang selesa,

pilihan yang lebih banyak serta murah dan menjimatkan masa

(http://www.euromonitor.com/Retailing_in_Malaysia, 11 Februari 2009). Pada tahun

2005 sahaja, di Malaysia, sektor peruncitan ini bernilai RM33.1 billion (Rancangan

Malaysia Ke-9, 2006). Membayangkan betapa besar dan pentingnya segmen peruncitan.

2.1.1 Hypermarket Giant

Bagi kajian ini, hanya hypermarket Giant, hak milik syarikat Malaysia sahaja yang akan

menjadi entiti kajian. Perbandingan ke atas tiga hypermarket yang bernaung dibawah

jenama Giant ini adalah bertujuan mengurangkan kesan lain-lain faktor pemboleh ubah

seperti jenis barangan yang dijual, persekitaran hypermarket, kemudahan yang

disediakan, reputasi hypermarket, harga barangan serta faktor promosi yang mampu

mempengaruhi kadar tarikan terhadap sesebuah hypermarket itu.

Gambarajah 2.1 Antara Contoh Premis Hypermarket Giant di Malaysia

Menurut Answer.com (http://www.answer.com/hypermarket/giant, 13 Februari 2009)

Hypermarket Giant bermula dengan pembukaan sebuah kedai runcit kecil oleh keluarga

Teng di pinggir Kuala Lumpur pada 1944 yang membina reputasi hasil penjualan

pelbagai jenis barangan makanan pada harga serendah mungkin. Kedai tersebut

kemudiannya berkembang menjadi sebuah gedung. Hanya pada 1999 iaitu dua tahun

selepas kemelesetan ekonomi dunia, syarikat Dairy Farm membeli gedung tersebut dan

http://www.euromonitor.com/Retailing_in_Malaysia

http://www.answer.com/hypermarket/giant

24

membuat penjenamaan semula dan menaik taraf kemudahan serta sistem perniagaan

gedung Giant itu kepada sebuah pusat membeli-belah bertaraf hypermarket.

Jadual 2.1 Profil Hypermarket Kajian

Lokasi (Pembukaan) Skudai (2005) Plentong (1998) Southern City

Format Dua (2) tingkat Satu (1) tingkat Satu (1) tingkat Lot

Perniagaan 142 254 Tiada data

Letak kereta 586 1824 Tiada data Keluasan (m2) 5,109 9,290 2,378

Profil Pelanggan

30 % - Melayu, 65% - Cina,

5% - Lain-lain

35%- Melayu, 60% - Cina,

5% - Lain-lain Tiada data

Sumber: www.gianthypermarket.com.my, 14 Februari 2009

Selain daripada memperkenalkan produk bukan makanan, Giant telah mengguna pakai

piawaian peruncitan antarabangsa termasuk dalam hal berkaitan kebersihan, keselamatan,

latihan staf, persekitaran membeli-belah yang kondusif, fungsi pembelian berpusat dan

kaedah operasinya. Hypermarket jenama Giant terus menjadi jenama nasional dan

antarabangsa, namun masih mengekalkan penawaran barangan yang berkualiti namun

mampu dibeli pengguna. Hingga tahun 2006, Giant telah membuka sejumlah 86

hypermarket di seluruh Malaysia berkeluasan sekecil 11,000 kaki persegi (1,000 m2) di

Bangsar sehingga seluas 350,000 kaki persegi (33,000m2) di Shah Alam. Profil serta ciri-

ciri bagi tiga hypermarket kajian di senaraikan dalam jadual 2.1.

2.2 Faktor-faktor Mempengaruhi Pemilihan Tempat Membeli-belah Pengguna

Aktiviti peruncitan berfokuskan kepada pengguna atau pembeli. Kajian mengenai

pemilihan lokasi berbelanja selalu dikaitkan dengan teori berkaitan perlakuan penggguna

serta beberapa teori lain. Teori Persaingan Lokasi (Competitive Location Theory)seperti

http://www.gianthypermarket.com.my/

25

juga Teori Penempatan Pusat Christaller (Central Place Theory) mengandaikan bahawa

pengguna akan membeli-belah di tempat yang paling hampir yang menawarkan barangan

yang diidamkan olehnya. Lebih jauh jarak antara pengguna dengan pusat membeli-belah,

maka kemungkinan mereka untuk mengunjugi pusat membeli-belah itu semakin

berkurangan. Lebih luas sebuah pusat perniagaan bermakna lebih banyak barangan dijual

dan akan menarik lebih ramai pengunjung dari kawasan yang lebih jauh. Manakala lebih

luas serta padat kawasan pasaran bermakna keuntungan yang mungkin dijana akan

bertambah. Namun keadaan itu harus juga menilai pendapatan per kapita sesuatu populasi

yang berada dalam pasarannya. Ini kerana, pengguna yang mempunyai pendapatan lebih

tinggi, selalunya akan berbelanja lebih banyak bagi barangan runcit.

Namun begitu, pendapat ini dikritik sebagai tidak menggambarkan fenomena perilaku

pengguna yang semakin kompleks kini. Teori Christaller didakwa hanya mengambil kira

faktor jarak dan mengabaikan faktor seperti harga, kualiti, serta imej (Thompson, 1969

dalam Skogster, 2006). Timbul persoalan sama ada hanya faktor jarak dan luas pasaraya

sahaja yang menjadi faktor pemilihan tempat membeli-belah seseorang pengguna. Teori

mengenai Perilaku Pilihan Pengguna (Consumer Choice Behaviour), mengkaji faktor

pemboleh ubah yang diambil kira oleh pengguna dalam memilih untuk menggunakan

sesuatu kemudahan. Menurut teori tersebut, faktor jarak bukanlah faktor tunggal yang

diambil kira oleh pengguna dalam memilih tempat untuk membeli-belah.

Jadual 2.2 Faktor-Faktor Mempengaruhi Pemilihan Tempat Berbelanja Pengguna.

Sarjana Tahun Faktor yang Mempengaruhi Pemilihan Tempat Berbelanja Pengguna

Moller & Heuvel 1981 Ciri-ciri pengguna dan ciri-ciri peruncit. Davidson 1984 Jangkaan pengguna & faktor dalaman runcit. Robinson 1987 Alternatif tempat membeli-belah, gaya hidup dan cita rasa

pengguna serta pengkhususan produk. Okoruwa, Terza & Nourse

1988 Usia dan jenis pusat membeli-belah, ciri demografi, dan ciri ekonomi pelanggan

Leon 1990 Masa operasi, susun atur premis, kualiti produk, kekerapan promosi khas penyebaran maklumat berkaitan perbandingan produk yang dijual oleh peruncit dan pesaing

Duff 1991 Kualiti kad promosi Laaksonen 1993 Kedapatan saingan perniagaan Audesh & Sandra 1995 Susunan produk, lokasi, harga, suasana, tahap

perkhidmatan, & keselesaan.

26

Dengan kemajuan sistem dan medium pengangkutan, pengguna tidak lagi hanya

mengambil kira faktor jarak dalam memilih lokasi membeli belah, malahan mengambil

kira faktor cita rasa, budaya, subkultur dan bangsa. Kajian dan perbandingan beberapa

sarjana telah menunjukkan mengenai peri pentingnya faktor budaya, citarasa dan gaya

hidup dalam menjana perjalanan lebih jauh bagi tujuan berbelanja (Katiman, 1988).

Perubahan gaya hidup moden kini yang menjadikan jadual harian pengguna semakin

padat serta fenomena wanita bekerja menjadikan masa untuk membeli-belah bertambah

singkat, maka pengguna cenderung memilih pusat peruncitan yang menyediakan

kesemua barangan keperluan di suatu tempat dengan mengurangkan pengaruh faktor

jarak bagi faktor kemudahan.

Kajian oleh Rawi (1981, dalam Katiman, 1988)dan Ling (1983, dalam Katiman, 1988) di

Lembah Klang menunjukkan bahawa lazimnya pengguna akan mengunjungi pusat

membeli-belah yang paling hampir bagi barangan berorde rendah seperti makanan namun

begitu polanya adalah berbeza apabila pengguna sanggup pergi ke pusat membeli-belah

lebih jauh untuk barangan berorde tinggi seperti perabot, peralatan elektronik dan

pakaian. Oleh kerana itu, menurut Katiman (1988) lagi, adalah amat sukar untuk

menentukan corak sebenar perlakuan pengguna di dunia yang semakin berkembang serta

pelbagai, sekaligus kaitan antara faktor status ekonomi pengguna, jarak dan pilihan pusat

membeli-belah semakin tidak bercorak.

Antara indikator utama dalam penentuan pilihan pengguna ialah jangkaan pengguna dan

faktor dalaman runcit (Davidson et. al., 1984, dalam Audhesh & Sandra, 1995). Faktor

dalaman runcit ialah faktor yang boleh dikawal oleh peruncit adalah seperti produk,

harga, promosi, kemudahan, perkhidmatan, dan pekerja. Manakala faktor jangkaan

pengguna pula ialah faktor berkaitan pengguna yang bertindak balas atas faktor dalaman

runcit, iaitu persepsi pengguna atas suasana, keselesaan (dari segi masa dan ruang), tahap

perkhidmatan,penawaran produk, harga dan interaksi. Pendapat ini disokong oleh ramai

sarjana kemudiannya (Audesh & Sandra, 1995).

Moller dan Van den Heuvel (1981) mencadangkan bahawa faktor pemilihan dibahagikan

kepada ciri-ciri pengguna dan peruncit. Ciri-ciri peruncit termasuklah lokasi, aksessibiliti,

rupa fizikal premis, produk, promosi, kedudukan perniagaan, golongan pelanggan

sasaran, perkhidmatan dan juga pekerja yang menjadi faktor dinilai oleh pengguna.

27

Laaksonen (1993) pula membincangkan mengenai pentingnya para pengkaji mengambil

kira faktor yang menolak pengguna daripada pergi ke sesebuah pusat perniagaan seperti

terdapatnya persaingan pusat perniagaan lain.

Walaupun sukar untuk dinilai dan terlalu subjektif untuk dibandingkan, faktor suasana

adalah penting kerana faktor itu mempunyai interaksi kuat dengan ciri sosial dan

psikologi pengguna. Bukan sahaja dari segi suasana fizikal yang kelihatan malahan

kemesraan pekerja pusat membeli-belah juga adalah penting bagi mewujudkan suasana

selesa di kalangan pembeli. Keadaan pencahayaan, pengudaraan, muzik dan gambar

dikatakan banyak mempengaruhi pengunjung untuk berbelanja lebih. Suasana ini juga

akan membentuk imej dan reputasi sesuatu pusat membeli-belah sekaligus mencipta

pelanggan tetap bagi sesebuah pusat perniagaan.

Suatu kajian oleh Beauvais (2008), menunjukkan bahawa pengguna lebih cenderung

untuk membeli-belah di hypermarket berbanding supermarket atau mana-mana kedai

runcit kerana faktor nilai wang per kilometer. Ini bermakna, walaupun terpaksa bergerak

lebih jauh untuk ke sesebuah hypermarket, faktor kepelbagaian barangan, kualiti produk

dan harga yang murah, masih merupakan faktor yang lebih penting daripada faktor jarak.

Kajian oleh Eppli dan Shilling (1996) menggunakan Model Runcit Lakshmanan dan

Hansen juga menunjukkan bahawa faktor jarak serta lain-lain faktor adalah kurang

memberikan kesan berbanding faktor keluasan serta saiz pusat membeli-belah dan saiz

pasaran dalam menentukan jumlah jualan. Dalam kajian tersebut, bahawa saiz entiti

memainkan peranan yang amat besar dalam menilai tahap interaksi sesebuah pusat

perniagaan dengan pasarannya. Pace dan Lee (2003) membidas pendapat tersebut dengan

mempertahankan kepentingan faktor jarak. Sorensen (2003) dalam kajiannya mendapati

bahawa 85 peratus pilihan membeli-belah adalah dipengaruhi oleh lokasi, yakni termasuk

faktor jarak. Malahan survei oleh Yuhanis (2008) bagi hubungan antara jarak dan

bilangan pelanggan hypermarket di Johor Bahru sendiri menunjukkan signifikan jarak

dalam penentuan tahap interaksi antara peruncit dan pelanggan.

Disebalik kajian-kajian yang menunjukkan bahawa kini faktor jarak tidak lagi dominan

dalam penentuan tempat berbelanja pengguna, mungkin atas faktor terdapatnya medium

pengangkutan yang lebih efisyen dan pantas serta meluas, tidak dapat kita nafikan

bahawa lokasi dan jarak masih memainkan peranan utama dalam pemilihan tempat

28

berbelanja. Namun begitu lain-lain faktor dalaman pusat membeli-belah dan ciri-ciri

pengguna juga berpotensi mempengaruhi pemilihan tempat berbelanja pengguna.

2.3 Model Graviti, Evolusi dan Viarasinya

Model Graviti seperti juga lain-lain model ialah suatu perwakilan maya kepada fenomena

yang benar serta nyata di dunia sebenar. Fungsi model ialah untuk mensimulasi sesuatu

fenomena bagi tujuan memahami sebab sesuatu fenomena itu berlaku dan juga bagi

menjangkakan kemungkinan perubahan yang akan berlaku di masa akan datang dengan

berpandukan beberapa andaian teori dan prinsip. Riza (1994) menerangkan bahawa,

model bertujuan merumuskan beberapa hubungan rumit dan sukar difahami antara juzuk-

juzuk dalam kawasan kajian seperti hubungan antara pendapatan dengan perjalanan

harian, hubungan antara gunatanah dengan jumlah perjalanan keluar masuk sesuatu

kawasan atau hubungan antara pemilikan kereta dan jarak perjalanan dengan pemilihan

ragam pengangkutan. Hubungan-hubungan ini kemudiannya dirumuskan dalam bentuk

persamaan matematik yang mudah difahami.

Model graviti adalah analogi kepada Hukum Graviti yang dipelopori oleh Sir Isaac

Newton pada tahun 1686. Model graviti dikatakan merupakan model interaksi reruang

yang pertama (Rafael et. al., 2005). Hukum Graviti menyatakan bahawa dua jasad yang

berhampiran akan saling tarik-menarik berkadar terus dengan saiz kedua-dua jasad

tersebut dan berkadar songsang dengan jarak antara keduanya. Disokong oleh pelbagai

teori seperti Teori Penempatan Pusat Christaller dan Teori Persaingan Lokasi, Teori

Perlakuan Pengguna serta banyak kajian oleh ilmuan seperti Lakshmanan dan Hansen

(1965, dalam Eppli & Shilling, 1996), Eppli dan Shilling (1996), Sorensen (2003), serta

Pace dan Lee (2003), model graviti ini menjadi model interaksi reruang yang paling

meluas digunakan jika dibandingkan dengan Model Potensi dan juga Model Runcit.

Model Potensi oleh Lakshmanan dan Hansen digunakan bagi mengukur interaksi antara

sesuatu lokasi dengan setiap lokasi lainnya. Sementara Model Runcit oleh Reilly

sebaliknya digunakan bagi menentukan sempadan kawasan pasaran atau garis pemisah

29

kawasan pasaran dua lokasi yang bersaing bagi pasaran yang sama. Model graviti pula,

digunakan bagi mengukur interaksi antara kesemua pasangan lokasi berkemungkinan.

Ramai sarjana telah mengubah suai hukum graviti yang dicetuskan oleh Newton bagi

kegunaan dan aplikasi tertentu dalam pelbagai bidang. Pada tahun 1885, Ravenstein

menggunakan hukum Newton untuk mengkaji perjalanan antara bandar-bandar Inggeris

manakala pada tahun 1924 pula, Young menggunakan hukum tersebut bagi mengkaji

corak pergerakan para petani di Amerika Syarikat (Nijkamp,1978; Riza, 1993). Steward

pada tahun 1941 menggunakan hukum graviti untuk mengkaji beberapa pengaruh sosial

(Nijkamp, 1978, dalam Riza, 1999) manakala Pallin pula dikatakan sebagai orang yang

pertama menggunakan hukum graviti dalam pergerakan lalu lintas dalam bandar (Stopher

& Meyburg, 1975, dalam Riza, 1999). Kebenaran Hukum Graviti Newton juga

dibuktikan oleh Zipf (1949, dalam Katiman, 1988) yang membuktikan bahawa wujud

interaksi dalam bentuk panggilan telefon, pergerakan penumpang, dan jumlah berat

barangan yang diangkut.

Rajah 2.2 Evolusi dan Susur Galur Model Graviti

Model graviti ialah model matematikal yang dicipta bagi mewakili pelbagai corak aliran

berkaitan geografi kemanusiaan. Pelbagai subjek berkaitan susur migrasi, trafik telefon,

30

pergerakan penumpang, aliran komoditi serta pelbagai lagi aplikasi menggunakan model

ini (Hamilton, 2003). Disebalik begitu banyak sarjana dan para pengkaji telah

mengubahsuai dan mengaplikasi model graviti, terdapat tiga (3) bentuk inovasi model

graviti yang menjadi tumpuan pengkaji bagi kajian ini iaitu Hukum Graviti Peruncitan

Reilly, Model Graviti Huff, dan juga Multiplicative Compatative Model (MCI).

2.3.1 Hukum Graviti Peruncitan Reilly

Pada 1931, penggunaan hukum graviti Newton diberikan anjakan baru dalam aplikasinya

oleh Professor Reilly dari Universiti Texas, apabila beliau dalam prosiding seminarnya

menugunjurkan Hukum Graviti Peruncitan Reilly (Reilly Retail Gravitation Law) bagi

menganggarkan isipadu jualan runcit sesebuah bandar berbanding bandar jirannya keatas

penduduk yang tinggal antara kedua-dua bandar yang dikaji (Katiman,1988), tahap

tarikan sesuatu perniagaan runcit dan menentukan kawasan pasaran sesebuah pusat

perniagaan (Thall,1997, dalam Hamilton, 2003).

(2)

Model Graviti Peruncitan Reilly. Sumber: Diubahsuai dari (Katiman, 1988)

Dalam rumus Model Graviti Peruncitan Reilly (sila rujuk rumus 2), B ialah nilai jualan

suatu pusat perniagaan sama ada di kawasan a atau b. P pula ialah populasi bagi kawasan

a atau b. Manalaka D pula mewakili jarak dari pusat perniagaan ke kawasan petempatan

a atau b.

Hukum graviti bagi kes ekonomi dengan menganggap kemungkinan seorang pengguna

memilih sesuatu kemudahan adalah berkadar langsung dengan tahap tarikannya dan

berkadar songsang dengan kuasa jaraknya (Reilly, 1929). Di dalam model graviti oleh

Reilly, tarikan positif diukur dari segi saiz bandar, populasi mahupun luas ruang niaga

manakala faktor songsang penolakan pula adalah jarak. Hukum dan Model Graviti

Peruncitan Reilly ini kemudiannya dipopularkan oleh Converse (1949 dalam Chasco &

Vincens, 1999). Converse mengubah suai Hukum Reilly dengan mengenal pasti faktor

31

inersia yang menggambarkan ketidaksediaan pengguna untuk bergerak melebihi sesuatu

jarak bagi tujuan membeli-belah (Skogster, 2006).

Pada tahun 1949, Converse mengubahsuai hukum Reilly dengan memperkenalkan

konsep sempadan pemisah bagi pengaruh perkhidmatan dua bandar (Katiman, 1988).

Sempadan pemisah (breaking point) merupakan sempadan kawasan perdagangan atau

litupan pasaran sesebuah pusat perniagaan (sila rujuk gambarajah 2.3). Di garis

sempadan pemisah ini, tahap tarikan antara kedua juzuk perniagaan yang saling bersaing

ialah sama, justeru itu, kemungkinan pengguna untuk pergi ke mana-mana juzuk

perniagaan itu adalah sama rata di garis pemisah ini.

(3) Model Graviti Converse. Sumber: Diubahsuai dari (Ghosh et. a., 1987 dalam Chasco & Vicens, 1999)

Dalam modifikasi model graviti Reilly oleh Converse (1949) (sila rujuk rumus 3), DA

ialah jarak bandar A ke sempadan garis pemisah (breaking point). Manakala DAB pula

ialah jarak antara bandar A ke bandar B. P pula ialah bilangan populasi bandar.

Bandar BBandar A

Garis Pemisah

Sumber: Diubahsuai dari (Ghosh et. a., 1987 dalam Chasco & Vicens, 1999)

Rajah 2.3 Modifikasi Model Graviti Peruncitan Reilly dan Konsep Sempadan

Pemisah oleh Converse.

Bentuk model graviti Reilly yang diubah suai Converse, model itu telah berjaya

menentukan sempadan garis pemisah bagi lebih 1000 pekan Texan pada 1931. Beberapa

sarjana lain pula kemudiannya mengubahsuai dan menjelaskan kesesuaian penggunaan

pelbagai pemboleh ubah serta parameter dalam model graviti runcit berasaskan Hukum

Peruncitan Reilly. Namun begitu, model oleh Reilly ini dikatakan terlalu bergantung

32

kepada faktor jarak semata dan hanya mengambil kira persaingan atau interaksi antara

dua pusat perniagaan sahaja (Eppli dan Shilling, 1996).

Wujud juga pendapat yang menyatakan bahawa pemilihan berkaitan reruang ini

dipengaruhi oleh faktor geo-psikologi seperti imej dan harga yang lebih berorientasikan

perlakuan pengguna. Menurut para sarjana yang mengkritik Teori Penempatan Pusat

Christaller yang menyokong prinsip Hukum Pengravitian Runcit Reilly, jarak bukanlah

faktor tunggal yang difikirkan oleh pengguna dalam memilih tempat berbelanja, malahan

penilaian terhadap kesemua tarikan sedia ada dalam kawasan cakupan perlu diambil kira.

Perlakuan pengguna terhadap dinamika persaingan antara peruncit dan pemilihan tempat

alternatif membeli-belah menjadi persoalan penting.

2.3.2 Model Huff & Model Graviti Peruncitan Lakshmanan dan Hansen

Oleh alasan itu, model yang digunakan oleh Reilly dan Converse kemudiannya diubah

suai oleh Huff berdasarkan pendapat Luce mengenai pilihan diskrit pengguna yang

menyatakan pengguna akan memilih sesuatu kemudahan yang paling optimal

keuntungannya berdasarkan pada perbandingan dengan kesemua kemudahan-kemudahan

alternatif lain dalam satu lingkungan yang dinilai oleh pengguna. Huff yang mempolopori

teori ini di pasca perang dunia mengatakan bahawa hubungan pelbagai hala antara jumlah

pasaran dan pusat-pusat membeli-belah adalah intipati kepada interaksi antara reruang

perniagaan bandar. Maka atas sebab itu juga Model Huff ini juga dikenalikan sebagai

model interaksi reruang yang berpaksi kepada teori interaksi reruang (Chasco & Vincens,

1999) (sila rujuk rumus 4).

(4) Model Huff. Sumber: Diubahsuai dari Chasco & Vicens (1999)

Dalam model Huff, Pij mewakili kemungkinan peratusan pengguna di i akan

mengunjungi kedai j. Sj pula ialah kadar tarikan atau saiz kedai j terhadap pengguna di i

33

manakala Dij pula ialah jarak antara kawasan i dengan kedai j. b pula ialah nilai parameter

selari Hukum Reilly.

Pada tahun 1963, Huff menyatakan bahawa apabila pengguna punya beberapa pilihan

untuk pergi membeli-belah, mereka mungkin akan melawat beberapa pusat membeli-

belah berbanding hanya terhad kepada satu yang paling hampir. Setiap pusat perniagaan

yang berada dalam lingkungan kawasan pengguna punya peratusan tertentu untuk

dilawati. Oleh itu, Huff lebih selesa untuk menentukan kawasan pasaran secara

kemungkinan peratusan untuk dilawati berbanding terus menyatakan secara tepat, pusat

membeli-belah manakah yang akan menjadi pilihan tetap pengguna. Model kemungkinan

Huff ini menggunakan pemboleh ubah jarak masa serta saiz pusat membeli-belah sebagai

input meramal kemungkinan pengguna akan membeli-belah di sesuatu pusat membeli-

belah. Melalui model ini juga, dikatakan bahawa kawasan pasaran adalah kompleks,

bercantum dan juga berasaskan kepada kemungkinan perbelanjaan.

Menurut model interaksi reruang oleh Huff , lebih besar sesuatu pusat perniagaan itu,

lebih tinggi kemungkinan lebih ramai pelanggan akan membeli-belah di pusat perniagaan

itu. Manakala lebih jauh jarak antara pengguna dengan sesuatu pusat membeli-belah itu,

kemungkinan pusat membeli-belah itu dilawati pengguna berbanding lain-lain pusat

membeli-belah yang lebih hampir akan berkurangan. Malahan model ini

memperkenalkan penggunaan pemboleh ubah jarak masa perjalanan bagi memperbaiki

model oleh Reilly serta penggunaan parameter bagi pemboleh ubah jarak.

Voorshees dalam Riza (1999) menyatakan bahawa melalui kajian yang telah

dijalankannya, parameter jarak bagi perjalanan ke tempat kerja ialah 0.5, bagi tujuan

sosial ialah 3 manakala bagi perjalanan membeli-belah pula parameter jaraknya dalam

model graviti ialah 2. Penentuan parameter bagi perjalanan membeli-belah ini dibuktikan

lagi oleh hasil kajian dari survei yang dilakukan oleh Yuhanis (2008), apabila beliau

memplotkan jadual jauh asalan pelanggan dan bilangan pelanggan di empat buah

hypermarket kajian beliau. Namun begitu menurut Thall (1997, dalam Hamilton, 2003)

tidak semua fenomena terutama berkaitan aktiviti peruncitan mempunyai kadar halangan

atau penghad yang sama, maka parameter jarak dalam formula asas graviti masih

berkemungkinan berubah-ubah.

34

Lakshmanan dan Hansen (1965) pula kemudiannya memperincikan pendapat Huff

dengan menggunakan saiz ruang lantai pusat perniagaan bagi mewakili tahap tarikan

sesebuah pusat perniagaan. Mereka menyatakan bahawa sesebuah pusat membeli-belah

di sesuatu kawasan akan menarik perbelanjaan pengguna daripada kawasan lain hasil

tarikan secara langsung kepada saiz ruang lantai pusat membeli-belah tersebut, dan

berkadar songsang dengan jarak dan juga saingan pusat membeli-belah yang lain. Dengan

cara itu, akan membenarkakn proses pertindihan kawasan perdangangan (Skogster,

2006). Model Huff yang diubahsuai oleh Lakshmanan dan Hansen ini dikenali sebagai

Model Graviti Peruncitan Lakshmanan dan Hansen (sila rujuk rumus 5).

(5) Model Graviti Peruncitan Lakshmanan & Hansen. Sumber: Diubahsuai dari Eppli dan Shilling, 1996

Dalam rumus 5, Ri,j menunjukkan kemungkinan jumlah nilai perbelanjan runcit

penduduk zon pasaran i di pusat membeli-belah j. Yi ialah jumlah perbelanjan runcit

pengguna zon i. Mj pula ialah saiz pusat membeli-belah j yang diukur berdasarkan

kelasan ruang lantai manakala Mk pula ialah jumlah keluasan pusat membeli belah di

seluruh kawasan kajian. Di,j ialah jarak antara pusat membeli belah j manakala Di-k ialah

jarak antara zon i dengan lain-lain pusat membeli-belah dalam kawasan kajian. α, β, γ

pula ialah pemalar pemboleh ubah.

Lakshmanan dan Hansen (1965, dalam Eppli & Shilling, 1996) dalam model mereka juga

menggalakkan kecairan atau fleksibiliti dalam penggunaan parameter bagi pemboleh

ubah saiz sesuatu pusat perniagaan. Fleksibiliti penggunaan parameter bagi pemboleh

ubah saiz dan jarak membenarkan pengkaji menilai tahap sesuatu kemudahan atau pusat

perniagaan dengan lebih spesifik. Malahan model mereka juga dikatakan lebih berjaya

daripada lain-lain model interaksi reruang yang berasaskan persamaan matematikal

kompleks (Eppli dan Shilling, 1996). Mereka kemudiannya membina model ekonomi

bagi menentukan kemungkinan jumlah perbelanjaan pengguna di sesuatu pusat

perniagaan berbanding lain-lain pusat perniagaan di sesuatu kawasan. Model ini

35

membolehkan kita meramal kemungkinan keuntungan yang akan dijana oleh sesuatu

pusat membeli-belah.

Model Graviti Peruncitan Lakshmanan dan Hansen juga dikenali sebagai Model Potensi

Membeli-belah. Bagi tujuan mengetahui jumlah perbelanjaan runcit pengguna di zon i

(Yi), purata perbelanjaan setiap pengguna dalam zon i di darab dengan populasi bagi zon

i. Model ini selalunya digunakan bagi meramal kesan pusat perniagaan baru (Glasson,

1991). Menurut Ediwan (2006), model ini telah digunakan di pelbagai tempat di Amerika

Syarikat dan Britain bagi mengunjur tahap jualan sesebuah pusat membeli-belah.

Aplikasi paling menonjol model ini ialah terhadap pusat beli-belah di timur laut England

oleh Universiti Machester (Glasson, 1991). Model Huff serta Model Potensi adalah amat

ringkas dan mudah untuk difahami serta jelas. Selain itu, sifat model-model itu yang

mudah untuk diubah suai dan diadaptasi menjadikannya model yang paling meluas

digunakan dan diaplikasi sama ada bagi tujuan kajian ilmiah mahupun aplikasi bidang

perniagaan, perancangan, pengangkutan, geologi dan fizik sosial.

2.3.3 Multiplicative Compatitive Model (MCI)

Kebanyakan kajian empirikal berjaya menunjukkan keupayaan model Huff meramal

pecahan pasaran pusat perniagaan pada ketepatan yang boleh diterima. Namun, terdapat

beberapa pengkritik yang menyatakan bahawa bagi meramal dengan lebih tepat, maka

beberapa pemboleh ubah tambahan yang bersifat geo-psikologi harus dimasukkan ke

dalam model Graviti Peruncitan Lakhsmanan dan Hansen, bagi menyokong pengaruh

oleh luas ruang lantai pusat membeli-belah, populasi dan purata perbelanjaan pengguna.

Antaranya ialah faktor masa perjalanan, imej pusat membeli-belah, reka bentuk, harga,

dan kemudahan letak kereta yang mungkin akan mempengaruhi pemilihan lokasi

berbelanja pengguna. Ini termsuklah faktor-faktor berkaitan pengguna seperti

pendapatan, citarasa, dan status sosial pengguna. Faktor-faktor geo –psikologi ini berkait

rapat dengan Teori Perlakuan Pengguna. Idea tersebut mencetuskan Multiplicative

Competitive Interaction Model (MCI).

36

(6) Multiplicative Competitive Interaction Model (MCI). Sumber: Diubahsuai dari Chasco dan Vicens, 1999

Dalam MCI, Pij menunjukkan kemungkinan pengguna di zon i akan membeli-belah di

kedai j. Uij ialah nilai tarikan pusat membeli-belah yang didefinisikan oleh satu set

attribut kedai tersebut mahupun faktor luaran yang menarik pengguna di i untuk pergi ke

kedai j. β pula ialah parameter yang menggambarkan tahap sensitiviti pengguna terhadap

sesuatu attribut k.

Pada tahun 1974, Nakkanishi dan Cooper mengembangkan lagi model Huff dengan

memasukkan pelbagai faktor tarikan sesebuah pusat membeli-belah tersebut terutamanya

berkaitan suasana, kemudahan, imej, tahap perkhidmatan dan jenama pusat membeli-

belah. Berbanding dengan Model Huff yang hanya mengambil kira satu sahaja faktor

tarikan, iaitu keluasan ruang lantai pusat membeli-belah, model ini mengambil kira

pelbagai faktor luaran dan dalaman berkaitan sesebuah pusat membeli-belah dan

pengguna. Namun begitu, model ini tidak mengambil kira faktor jarak. Model oleh

Nakkanishi dan Cooper ini dikenali sebagai Multiplicative Competitive Interaction Model

(MCI) malahan juga Model Gautschi (Chasco & Vincens, 1999). Okoruwa, Nourse dan

Terza (1988, dalam Lee, 2002) kemudiannya telah mengambil kira faktor seperti usia,

dan jenis pusat membeli-belah, serta ciri ekonomi dan demografi pengguna bagi mengira

frekuensi perjalanan membeli-belah yang dikumpul melalui survei.

Model MCI adalah bergantung pada survei pengguna dan kajian asalan pelanggan, bagi

menentukan faktor paling mempengaruhi dalam menentukan tempat membeli-belah

seseorang pengguna. Kesemua faktor tersebut kemudiannya menjadi sebahagian daripada

pemboleh ubah yang digunakan dalam MCI bagi mengira tahap tarikan sesuatu pusat

membeli-belah. Setiap pemboleh ubah ini pula mempunyai parameter masing-masing

yang menunjukkan tahap kepentingan atau signifikannya dalam mempengaruhi seseorang

pengguna dalam menentukan tempat untuk berbelanja. Oleh kerana MCI mengambil kira

faktor yang paling mempengaruhi pengguna dalam menentukan tempat berbelanja, maka

model ini amat berkait rapat dengan Teori Perlakuan dan Pilihan Pengguna.

37

Teori Perlakuan dan Pilihan Pengguna (Consumer Choice Behaviour Theory) telah sejak

sekian lama digunakan bagi mengaggar tahap tarikan perniagaan runcit (Fotheringham,

1980, dalam Louviere, 1984, dalam Rust, 1995). Teori Perlakuan dan Perlakuan

Pengguna kerap kali menggunakan pelbagai pemboleh ubah untuk membuat ramalan,

namun menurut Rust (1995) adalah mustahil untuk memasukkan kesemuanya bagi

meramal perilaku pengguna kerana kesukaran untuk mengukur pemboleh ubah tersebut

terutamanya faktor yang abstrak dan komplek seperti suasana pusat perniagaan, cita rasa

pengguna dan variasi keperluan harian setiap pengguna serta kemungkinan tertinggalnya

faktor yang tidak terfikir oleh pengkaji.

Malahan menurut Rust lagi, walaupun kesemua faktor yang mempengaruhi pilihan lokasi

perbelanjaan pengguna dapat dikenal pasti, adalah lebih baik untuk tidak memasukkan

kesemua faktor tersebut kerana penggunaan terlalu banyak pemboleh ubah dalam sesuatu

model akan menjadikan parameter model tersebut tidak stabil serta membuatkan ramalan

semakin tidak tepat (Inagaki, 1977, dalam Rust & Schmittlein, 1985, dalam Rust, 1995).

Hal ini kerana, walaupun terdapat begitu banyak faktor yang mungkin mempengaruhi

pengguna memilih lokasi membeli-belah, sering kali hanya beberapa faktor utama seperti

lokasi, jenis barangan dan harga sahaja yang diambil kira oleh pengguna. Justeru itu

menurut Rust (1995), adalah mencukupi dengan hanya mengambil kira beberapa faktor

yang paling penting bagi dimasukkan dalam model MCI.

Ravelle (1986, dalam Chasco & Vincens, 1999) kemudiannya memperbaiki MCI dengan

menggunakan kaedah penentuan heirarki bagi menentukan tahap pemberat dan parameter

setiap pemboleh ubah. Beliau juga memasukkan juga faktor jarak kedalam MCI serta

faktor saingan setempat bagi menganggar kemungkinan pengguna di sesuatu zon untuk

membeli-belah di sesuatu pusat membeli-belah. Model ini dikenali sebagai Maximum

Capture Problem (MAXCAP). Model yang dibina oleh Revelle ini juga dapat

memperlihatkan tahap persaingan antara pusat-pusat membeli-belah di sesuatu kawasan

serta mampu menilai kesan pembinaan pusat membeli-belah baru ke atas pusat-pusat

membeli-belah sedia ada. Menurut Serra (1992, dalam Chasco & Vincens, 1999),

MAXCAP kemudiannya dimodifikasi bagi membolehkannya meramal serta

menerangkan sesuatu scenario peruncitan berdasarkan bentuk permintaan pasaran serta

lokasi saingan perniagaan.

38

2.3.4 Pemboleh Ubah, Parameter dan Syarat Analogi Model Graviti

Daripada model graviti asas oleh Newton hinggalah kepada Multiplicative Competitive

Interaction Model (MCI), model interaksi reruang telah mengalami evolusi bentuk kesan

daripada keperluan serta matlamat aplikasinya. Penggunaan pelbagai jenis pemboleh

ubah serta parameter disesuaikan dengan fenomena yang ingin diterangkan oleh setiap

model yang di bentuk. Walaupun pemboleh ubah yang digunakan bagi model-model

interaksi reruang ini dilihat semakin kompleks dan abstrak, terdapat beberapa pemboleh

ubah yang dilihat sebagai amat dominan. Antaranya ialah jarak, luas ruang lantai, masa

perjalanan, populasi dan jumlah jualan.

Antara faktor yang mungkin menyebabkan lain-lain pemboleh ubah seperti imej, tahap

kemudahan, kualiti serta kuantiti barang serta status ekonomi pengguna untuk

dimasukkan kedalam model graviti ialah kerana kesukaran setiap pemboleh ubah tersebut

untuk diukur, dihubungkaitkan serta didefinisikan kerana sifatnya yang subjektif dan

agak abstrak. Malahan seringkali hanya faktor penarik sahaja yang diambil sebagai

pemboleh ubah, manakala faktor penolakan seperti halangan fizikal topografi yang

berbukit bukau, kesesakan jalan raya, sempadan politik antara negara serta masa operasi,

tidak diambil kira. Malahan timbul persoalan menganai signifikan dan kejituan ramalan

model graviti apabila faktor pekali bagi fenomena masa hadapan seperti kadar

pertumbuhan ekonomi, kadar pertumbuhan fizikal bandar dan peningkatan tahap

kesesakan bagi masa 20 tahun akan datang, tidak diambil kira.

Penggunaan parameter dalam model interaksi reruang juga telah menimbulkan tanda

tanya. Ramai sarjana seperti Rust dan Donthu (1995), Eppli dan Shilling (1996), Ravelle

(1986, dalam Chasco & Vincens, 1999) dan Serra (1992, dalam Chasco & Vincens,

1999) telah membincangkan mengenai penggunaan parameter dalam model-model

tersebut. Malahan terdapat sarjana yang menyatakan bahawa adalah lebih baik untuk

tidak menggunakan parameter bagi menjamin ketepatan ramalan. Setiap kawasan

perbandaran adalah bersifat unik dan dinamik. Bagi model yang menggunakan pelbagai

pemboleh ubah, terutamanya pemboleh ubah yang abstrak dan sukar untuk diukur, nilai

parameter pemboleh ubah yang digunakan bagi setiap bandar dan fenomena adalah

berlainan. Parameter ini perlu ditentukan secara empirikal sebelum sesuatu model

interaksi reruang boleh digunakan.

39

S

B

s

d

a

b

m

a

M

RHHHLSTBS

O

te

R

m

K

Sumber: Yuhan

Graf 2.

Bagi kajian

sektor peru

dicadangkan

apabila Yuh

belah denga

menunjukka

atau ditulis s

Jadua

Model

Reilly model Huff Model Haydock StudHaydock ModLewisham MoSouth BedforTeeside ModeBlack Model Sumber: Field

Oleh kerana

erdapat beb

Riza (1994)

mematuhi lo

Kedua, perl

nis (2008)

.1 Hub

n atau rama

uncitan di

n oleh ban

hanis (2008)

an bilangan

an hubungan

sebagai y =

al 2.3 Pe

dy del odel

rdshire modeel

d dan MacGreg

a Model G

berapa syar

, terdapat e

ogik bidang

lu terdapat

bungan Bila

alan berkai

Johor Bah

nyak sarjan

) memplotk

n pengguna

n songsang

1/x2.

emboleh uba

PembTarikPopuRuanJuala(komJuala

el Ruan(Ruan(Jual

gor, 1998; Ed

Graviti meru

rat yang pe

empat (4) sy

g perniagaa

kaitan rapa

angan Pengg

Pengg

itan perniag

hru, param

a hasil kaj

kan graf jara

a(sila rujuk

g antara jara

ah dan Para

boleh ubahkan

ulasi ng Lantai an

mbinasi indekan ng Lantai ng Lantai) βan) β

diwan, 2006

upakan hasi

erlu dipenuh

yarat yang p

an iaitu ber

at antara du

guna Hyper

guna.

gaan, lebih

meternya ial

jian emper

ak kesediaan

k graf 2.1).

ak dan frek

ameter Mode

Ha(jar(m(m

ks) β (m(jar(m(jare¯ λ

il daripada

hi agar mo

perlu dipatu

rkaitan pem

unia pernia

rmarket denngan Jarak AAsalan

h tepatnya

lah 2. Nil

rikal merek

n pengguna

Hasilnya,

kuensi peng

perniagaan

lai ini buk

kamalahan

a bagi tujua

graf ekspo

guna di ma

n berkaitan

kan sahaja

dibuktikan

an membeli

onen yang

ana y = x-2

el-model Innteraksi Rerruang

alangan rak)¯² asa perjalanaasa perjalanaasa perjalanrak)ˉ² asa perjalanarak)ˉ λ λ (jarak)

Pβ

an)¯² an)¯² an)ˉ λ 3.

an)¯ λ

1.0.

arameter λ

.0 2.6 1.1 1.3

.38 2.36

.95 0.20

Hukum G

odel ini sah

uhi. Pertama

milihan dan

Graviti New

h digunakan

a, analogi it

perlakuan

wton, maka

n. Menurut

tu mestilah

pengguna.

agaan bandaar dengan ddunia fizik

40

iaitu kaitan antara jasad serta jarak dalam fizik yang digunakan sebagai pemboleh ubah

dalam model graviti. Syarat ketiga ialah sifat jasad fizik yang saling tarik menarik dalam

Hukum Newton harus dianalogkan dengan parameter perjalanan antara zon.

Syarat keempat dan yang paling penting ialah anggaran atau ramalan nilai interaksi antara

.3.5 Kepelbagaian Aplikasi, dan Kelebihan Model Graviti

odel Graviti adalah model ringkas yang mudah difahami serta mampu membantu

odel graviti dapat difahami dan digunakan secara mudah. Bentuk model graviti

ubung kait kuat antara setiap faktor membolehkan sebarang perubahan kecil pemboleh

dua jasad haruslah menghampiri nilai sebenar. Ini bermakna, ramalan sesuatu model

graviti harus mencapai tahap minimum ketepatan nilai anggaran sekurang-kurangnya 60

peratus tepat berbanding nilai sebenar atau 60 peratus hampir situasi sebenar bagi

membolehkan model itu diterima. Syarat ini pada kebiasaannya mampu dipenuhi oleh

model graviti, dan oleh kerana itu, model graviti menjadi begitu terkenal dan digunakan

secara meluas kerana kemampuannya menganggar atau meramal dengan baik (Riza,

1994).

2

M

menerangkan pelbagai fenomena dengan baik. Model ini juga boleh diubah suai dan

dikaitkan dengan pelbagai fenomena bagi aplikasi dalam pelbagai bidang. Kemampuan

model ini untuk membuat ramalan dengan jitu pula, tambah menjadikan model ini

porpular dan digunakan secara meluas.

M

membolehkan kedua-dua faktor yang menarik (pull factor) dan faktor yang menolak

(push/resistance/friction factor) interaksi diambil kira. Malahan anologi model graviti

juga membenarkan faktor dalaman dan luaran sesuatu entiti kajian diambil kira dalam

menentukan nilai interaksi antara dua entiti. Interaksi ini pula diukur serta berlangsung ke

kedua-dua arah entiti.

H

ubah menunjukkan kesan keatas corak interaksi, sekaligus, memungkinkan pelbagai

senario yang berbeza diwujudkan dari pelbagai situasi berbeza. Model graviti juga boleh

mengambill kira perubahan guna tanah dalam mengunjurkan corak dan tahap interaksi,

sekaligus menjadi faktor mengapa model ini banyak digunakan dalam bidang

perancangan bandar. Malahan penggunaan dan kedapatan faktor jarak dan lokasi dalam

41

model graviti, membolehkan sesuatu fenomena itu ditunjukkan dan dijelaskan dalam

bentuk reruangan atau pun dalam bentuk spatial yang berkait rapat dengan bidang

geografi yang juga menitik beraktkan faktor lokasi dan rujukan kedudukan sesuatu entiti.

Jadual 2.4 Penggunaan Model Graviti dalam Pelbagai Bidang

BIDANG PENGGUNAAN MODEL GRAVITI Peng iliti Perkurusan Fas hidmatan jaringan telekomunikasi

Sains Tarikan graviti dalam kehidupan manusia Demografi Migrasi penduduk

Perancangan uduk

Lokasi pusat perniagaan Penjanaan trip kenderaan Ramalan pergerakan pend Pembangunan perumahan

Perniagaan dan n atau keuntungan

pemasaran

Pengaliran aliran tunai perniagaa Lokasi cawangan baru tapak perniagaan Pemasaran produk

Sumber: E

.4 Sistem Maklumat Geografi (GIS)

ajian oleh Rust dan Donthu (1995) menyatakan bahawa salah satu langkah untuk

istem Maklumat Geografi (GIS) ialah suatu sistem yang punya keupayaan untuk

diwan, 2006

2

K

meningkatkan tahap kejituan ramalan model pilihan pengguna atau model interaksi

reruang ialah dengan memasukkan unsur geografi ke dalam model tersebut. Dengan cara

ini, model graviti yang berteraskan bentuk matematikal akan dapat memaparkan ramalan

dan interaksi antara juzuk kajian dalam bentuk spatial atau reruang yang lebih jelas dan

mudah difahami. Malahan, pemaparan model graviti ke dalam bentuk reruang ini akan

memudahkan pengkaji memahami corak interaksi antara juzuk kajian dan

menghubungkaitkan hasil ramalan dengan elemen-elemen berkaitan geografi bandar

seperti taraf sosio ekonomi, intensiti pembangunan, kuantiti kemudahan sekitar, jenis

perumahan dan jaringan infrastruktur sedia ada di dalam lingkungan kawasan kajian.

Penerapan unsur geografi ke dalam model graviti boleh dilakukan dengan menjana model

tersebut menggunakan sistem maklumat geografi.

S

memperoleh, menyimpan, mengurus, mengolah, menganalisis dan menghasilkan

maklumat yang bersifat ruangan dan bukan ruangan yang boleh digunakan bagi

42

membantu proses membuat keputusan (Aranoff, 1989 dalam Star & Estes, 1990 dalam

Tomlin, 1990 dalam Burrough & McDonnell, 1998 dalam Samat, 2008).Maklumat yang

bersifat ruangan ialah apa jua maklumat yang punya rujukan geografi bagi membolehkan

lokasinya di dalam sesuatu proses atau model diketahui dan dimanipulasikan. Star dan

Estes (1990 dalam Samat, 2008) mengaitkan GIS sebagai satu sistem maklumat yang

direka untuk beroperasi menggunakan data yang punya rujukan spatial ataupun koordinat

geografi. Maka segala operasi yang ada didalam GIS adalah berteraskan kedudukan

geografi maya yang punya koordinat serta vektor atau magnitud.

Terdapat pelbagai definisi mengenai GIS oleh begitu ramai sarjana. Kebanyakkannya

enurut Nijkamp (1993 dalam Editia, 2005) sistem GIS terdiri daripada empat (4) sub-

data output dan persembahan data maklumat.

esemua fungsi sub-sistem dan ciri utama pada GIS ini menjadikanya sebagai satu alat

orte (1997 dalam Samat, 2008) menghuraikan bahawa GIS ialah suatu sistem komputer

adalah berdasarkan komponen didalam GIS serta kemapuan GIS untuk menjalankan

pelbagai operasi. Menurut Chang (2002) GIS terdiri daripada empat (4) komponen iaitu,

sistem komputer, perisian GIS, brainware, dan infrastruktur. Komponen utama sistem ini

ialah komputer yang membolehkan kesemua fungsi GIS dijalankan dengan cekap.

Penciptaan dan perkembangan gunaan komputer telah memungkinkan prisip-prinsip GIS

diaplikasikan.

M

sistem utama melibatkan beberapa operasi dan fungsi utama GIS :-

i. Sub-sistem kemasukan data input dan pemprosesan data input.

ii. Sub-sistem penyimpanan dan penghasilan semula data.

iii. Sub-sistem analisis

iv. Sub-sistem pengeluaran

K

bantu perancangan yang amat baik kerana perancangan melibatkan maniipulasi dan

pemprosesan data yang banyak dan pelbagai serta analisis berkaitan aspek reruang

gunatanah yang kompleks.

K

yang boleh menyimpan maklumat atas peta secara maya. Namun ianya adalah lebih

berguna kerana berbanding peta tradisional, kerana GIS boleh menyimpan dan

memaparkan pelbagai jenis data mengenai juzuk di dalam peta seperti jalan, bangunan

dan sungai dalam kuantiti yang lebih banyak dalam ruang yang kecil dan namun tersusun.

43

Tomlin (1990 dalam Samat, 2008) misalnya, mengungkap GIS sebagai satu cara mudah

untuk menyediakan, mempersembahkan dan mengintrepetasi fakta yang ada di muka

bumi secara perwakilan. Burrough dan McDonnell (1998 dalam Samat, 2008) pula

kemudiannya , mengiktiraf GIS sebagai satu set perkakasan atau alat yang amat berkuasa

bagi memungut, menyimpan, memproses, mengubahsuai dan memaparkan data reruang

dari dunia sebenar bagi tujuan tertentu.

Sumber: Diubahsuai daripada Nijkamp (1993; Editia, 2005)

stem Maklumat Geografi (GIS)

enurut Nijkamp (1993 dalam Editia, 2005), sesuatu perisian GIS seharusnya

ta grafik berasaskan goegrafi yang dihubungkan dengan

perisisan bagi melaksanakan beberapa proses

hubungan timbale balik seperti kemasukan data, perolehan kembali data serta

kemampuannya dalam manipulasi dan analisis reruang.

INPUT

SISTEM MAKLUMAT GEOGRAFI

(GIS) OUTPUT Data dari

Peta SimpananPeolehan

Pengurusan

, Laporan Memproses, Digitasi &

Manipulasi

Analisis Paparan dan

Hasil dan

Data

Kembali,

Pangkalan Data

Penukaran Format

Data Input

Rajah 2.4 Komponen dan Sub-sistem Si

M

mempunyai tiga (3) ciri utama :-

i. Mempunyai pangkalan da

data attribut dalam bentuk jadual.

ii. Mempunyai beberapa komponen

Data Soal Selidik

Data Cerapan

Langsung

Data Penderiaan

Jauh

Data Berdigit

Lain

Peta-peta

Hasil Fotografi

Pakej

dan Model

Antaramuka

ja )

Luaran Statistik

(kemaskini, soalan, wab dll.

Sistem Maklumat

Grafikal lain Statistik

Data

MInput

odel

44

iii. Mempunyai komponen perkakasan yang berkemampuan dalam penayangan

grafik, kapasiti penyimpanan data yang tinggi, dapat menyimpan dan

mendapatkan kembali secara cepat serta berkemampuan bagi mengurus dan

erkaitan reruang terutamanya fenomena guna tanah kerana

eupayaannya dalam mengurus dan memanipulasi maklumat reruang dan bukan reruang

esan, cepat dan tepat dengan mengemukakan alternatif-alternatif

emungkinan yang berlaku akibat sesuatu pembangunan pada masa hadapan (Aranoff,

menyokong analisis.

Samat (2008) menyatakan bahawa GIS adalah alat yang amat sesuai untuk digunakan

bagi menyelesaikan masalah b

k

yang banyak secara efisyen. Malahan GIS juga menurut beliau mampu untuk

mengekalkan lokasi sebenar dan lokasi relatif sesuatu fenomena geografi (Samat, 2008).

Keupayaan GIS untuk menyimpan pelbagai maklumat reruang dan bukan reruang

mengenai sesuatu juzuk seterusnya memungkinkan maklumat-maklumat tersebut

dimanipulasikan untuk tujuan tertentu seperti melakukan analisis berkaitan reruang.

Korte (1997 dalam Samat, 2008) menyatakan bahawa keupayaan GIS melakukan analisis

reruang menjadikan sistem ini sesuai digunapakai dan disesuaikan dengan pelbagai

aplikasi sama ada perancangan guna tanah, analisis kependudukan, analisis persekitaran

atau pengangkutan.

Sistem maklumat geografi juga diakui berkemampuan untuk membuat analisis dengan

lebih terpeinci, berk

k

1989 dalam Antenucci, et. al., 1991 dalam Huxhold, 1991 dalam 1991 dalam Fisher dan

Nijkamp, 1993 dalam Ruslan, 1996 dalam Ruslan dan Noresah, 1998 dalam Yaakup,

1999 dalam Yaakup, et. al., 2000 dalam Editia, 2005). Keupayaan GIS dalam

menjalankan analisis reruang ini membantu menjawab persoalan-persoalan berkaitan

geografi serta pelbagai bidang berkaitannya termasuk dalam bidang perancangan

perniagaan yang menjadi fokus kajian ini.

45

2.5 Contoh Aplikasi Analisis Interaksi Spatial (Model Graviti) Menggunakan

Sistem Maklumat Geografi (GIS)

ebih 80 peratus data perniagaan adalah berasaskan lokasi. Maklumat mengenai jualan,

elanggan, inventori, profil demografi, dan senarai surat-menyurat ialah amat penting .

Optimum dan

Penentuan Garis Pemisah Kawasan Pasaran (Berasaskan Model Reilly)

rapa

tapak bagi pembinaan pasar baru di Kowalski yang diberi nama Kowalski’s. Kajian ini

a) / D (7) Model Graviti oleh Pearson. Sumber: Pearson (2008)

Dimana Mx ialah potensi pasaran domestik t

manakala a ialah purata pendapatan per capita. D pula ialah jarak antara tapak x dengan

L

p

Keupayaan sistem Maklumat geografi (GIS) dalam meramal dan menerangkan corak,

tren, dan peluang dengan cepat dan tepat adalah amat kritikal dalam menentukan

kejayaan sesuatu perniagaan. Sejak sekian lama hingga kini, kelebihan-kelebihan GIS

telah menjadikannya alat bantu perancangan perniagaan yang digunakn secara meluas

bagi tujuan menjalankan pelbagai aplikasi analisis interaksi spatial terutamanya

menggunakan model graviti untuk menganalisis komposisi dan potensi pasaran. Malahan

GIS digunakan bagi pelbagai lagi tujuan dalam bidang perniagaan.

2.5.1 Menentukan Lokasi Pasar bagi Mendapatkan Pulangan

Pearson (2008) telah menggunakan model graviti bagi menentukan potensi bebe

ialah bagi menambah cawangan Kowalski’s yang sedia ada. Secara asasnya, motif kajian

tersebut ialah bagi mencari lokasi yang akan menghasilkan keuntungan paling maksimum

dengan mengambil kira faktor kuasa pembeli pengguna paling optimum di sesuatu

kawasan. Asas pembinaan model tersebut ialah menggunakan data demografi penduduk.

Data-data tersebut kemudiannya dijana dalam format shapefile dalam bentuk raster.

Formula yang digunakan ialah seperti berikut:

Mx = Σ (P X

apak. P pula ialah populasi kawasan,

pusat populasi kawasan.

46

Gambarajah 2.5 Nilai potensi pasaran (kiri). Garis pemisah dan lokasi berpotensi

d i

enggunakan fungsi Spatial Analyst dan Raster Calculator dalam perisian ESRI

.5.2 Pembinaan Model Graviti Menggunakan Aplikasi Sistem Maklumat

Hamilton (2003) telah menggunakan model graviti yang dijana menggunakan aplikasi

itentukan dengan menggunakan analisis poligon Thiessen Vorono

(kanan).

M

ArcGIS, dan mengambil kira 5 kriteria demografi, kawasan pasaran yang berpotensi

ditentukan. Setelah itu, analisis Thiessen (Voronoi) dilakukan bagi mengetahui sempadan

atau garis pemisah litupan pasaran bagi setiap pasar sedia ada yang akan menjadi pesaing

kepada tapak berpotensi. Daripada itu, kawasan pasaran yang berpotensi dengan

magnitud untuk setiap tapak berpotensi itu dapat dikira.

2

Geografi

analisis spatial dalam sistem maklumat geografi untuk menentukan nilai permintaan

untuk beberapa tapak berpotensi untuk pembinaan supermarket di Palm Beach, Florida.

Perisian ESRI ArcMap digunakan bagi kajian ini. Data mengenai jaringan jalanraya juga

didapatkan. Terlebih dahulu, setiap pusat membeli-belah ditentukan, dikelaskan dan

luasnya didapatkan daripada laman web rasmi setiapnya. Kawasan pasaran setiap

47

s

s

supermarket

sedia.

t sedia ada

S

m

tu

d

p

p

p

p

S

L

s

m

r

K

d

Setelah itu

menggunaka

ujuan itu, m

didapatkan

potensi berb

perbelanjaan

pasaran, ma

paling berpo

Sumber : Ham

Gamb

Langkah pe

supermarket

mengunakan

raster 100m

Kemudianny

dan menunju

u, kawasan

an nilai har

maklumat b

daripada li

belanja ses

n runcit po

aka kawasan

otensi untuk

milton (2003)

barajah 2.6

ertama bag

t. Straight L

n Spatial A

x 100m m

ya fungsi R

ukkan gravi

ditentukan

n pasaran

rtanah bagi

bagi jenis-j

itupan guna

uatu kawas

opulasi ters

n yang palin

k di bina sup

Langk

Superm

gi menjana

Line Surfac

Analyst dala

anakala had

Raster Calc

iti spesifik

n mengguna

tersebut a

i mengetah

enis rumah

atanah Palm

san dikira

sebut. Apab

ng tinggi po

permarket b

kah Analsis

market oleh

a permuka

ce bagi seti

am ArcGIS.

d sempadan

ulator dala

setiap super

akan jumlah

akan diana

hui corak at

h yang terd

m Beach. D

berdasarkan

bila diband

otensi berbe

baru.

Spatial bag

h Hamilton d

aan graviti

iap titik yan

. Litupan y

nnya pula ia

am Spatial A

rmarket ber

h luas lantaai setiap suupermarket

alisis statuus sosio-ekkonominya

tau potensi

dapat di dal

Di dalam b

n bilangan

dingkan po

elanjanya a

i berbelanja

lam kawasa

banyak apl

populasi d

tensi setiap

akan menjad

anya. Bagi

an pasaran

likasi lain,

dan purata

p kawasan

di kawasan

i Kajian Per

di Palm Bea

(gravity s

ng mewaki

yang dijana

alah keselur

Analyst dig

rasaskan pe

rmukaan Grraviti

ach, Floridaa.

surface) bagi setiap

li supermar

adalah dal

ruhan kawa

gunakan bag

ermukaan st

rket dijana

am bentuk

san kajian.

gi mengira

traight line

48

yang dijana dan juga luas ruang lantai setiap supermarket dalam kawasan kajian. Aturan

proses kerja Hamilton adalah seperti dalam rajah 2.6.

Hamilton tidak berjaya mendapatkan luas ruang lantai untuk setiap supermarket, maka

dia menganggar setiapnya berkeluasan 50, 000 meter per segi. Setelah setiap permukaan

graviti setiap supermarket telah dapat ditentukan, maka kesemua permukaan graviti

setiap supermarket dalam kawasan kajian digabungkan. Hanya kemudian nilai

permukaan graviti bagi setiap supermarket dibandingkan dengan jumlah keseluruhan

model graviti dalam kawasan kajian. Permukaan graviti ini kemudiannya di darabkan

dengan nilai hartanah setiap parcel kajian.

Sumber : Hamilton (2003)

Gambarajah 2.7 Kemungkinan Pasaran Graviti Berpotensi Menurut Kajian

Hamilton.

Hamilton juga tidak berjaya mendapatkan maklumat berkaitan nilai hartanah. Justeru itu

beliau hanya menganggarkan nilai setiap hartanah dalam setiap parcel tersebut

berdasarkan jenisnya. Begitu juga bagi jumlah perbelanjaan runcit bagi setiap parcel,

Hamilton hanya menganggarkan setiap isi rumah menggunakan 10 peratus daripada

pendapatan mereka untuk perbelanjaan runcit. Ini bermakna, kajian ini penya begitu

banyak limitasi dari segi data dan maklumat. Namun begitu, asas data atau maklumat

49

yang dianggarkan oleh beliau masih boleh diterima kerana pemilikan jenis rumah boleh

menunjukkan status ekonomi isi rumah sekaligus menunjukkan magnitud perbelanjaan

runcit mereka. Walaupun tidak tepat, pengkaji beranggapan bahaaw guna pakai kaedah

anggaran dan anggapan beliau adalah memadai dan rasional bagi tujuan perbandingan

kadar tarikan graviti pasaran setiap supermarket.

2.6 Rangkuman Keseluruhan Sintesis Nukilan Ilmiah

Hypermarket Giant merupakan peneraju perniagaan runcit berskala besar di Malaysia,

khususnya Johor Bahru. Maka bagi mengkaji struktur perniagaan runcit di Johor BAhru,

kajian keatas hypermarket Giant boleh dijadikan penunjuk fenomena perniagaan runcit di

Johor Bahru sebagai perwakilan dan perbandingan. Terdapat begitu banyak faktor yang

mempengaruhi tarikan serta tempat membelibelah pengguna. Namun faktor jarak, saiz

pusat perniagaan dan saiz serta intensiti pasaran merupakan faktor yang paling kerap

digunakan oleh kebanyakkan pengkaji terdahulu. Penggunaan model Huff juga dilihat

sebagai model graviti yang paling banyak, digunakan, namun bagi tujuan kajian ini,

pengubahsuaian asas bagi model graviti oleh Newton (sila rujuk rumus 1 – muka surat 2)

adalah lebih sesuai kerana hubungan antara pemboleh ubah yang mudah serta bentuknya

yang ringkas bagi menunjukkan kesan viarasi penggunaan pemboleh ubah serta bentuk

model graviti serta mengukur tahap kejituan setiap satunya. Rumus Model Huff (sila

rujuk rumus 4 – muka surat 32) pula akan digunakan bagi menentukan pecahan asalan

pelanggan dan mengukur tahap kejituan ramalan setiap viarasi model graviti yang diuji.

Dengan menggunakan keupayaan analisis reruang dalam sistem maklumat geografi

(GIS), maka kajian ini akan menjadi lebih mudah dan perbandingan kejituan antara setiap

viarasi model graviti atau model interaksi reruang akan lebih jelas.

BAHAGIAN 3

REKA BENTUK PANGKALAN DATA,

PENJANAAN MODEL & KAEDAH ANALISIS

3.1 Pangkalan Data Dalam Sistem Maklumat Geografi (GIS)

Sistem maklumat geografi (GIS) adalah sistem yang berorentasikan data dan

pemprosesan berkomputer bagi menghasilkan analisis. Bagi suatu sistem yang amat

bergantung kepada keupayaan ciri-ciri komputer, kesediaan dan pengurusan data yang

tepat dan sesuai adalah amat penting. Pemprosesan komputer adalah bersifat “Garbage

in, garbage out”. Ini kerana, sekiranya data input yang berkualiti rendah, salah atau rosak

digunakan bagi penjanaan model menggunakan komputer, maka hasil model yang dijana

juga akan berkualiti rendah, salah dan rosak.

Bagi melicinkan proses membuat analisis bagi kajian ini, segala data yang diperlukan,

jenisnya dan kepenggunaannya diperincikan terlebih dahulu. Kemudiannya kesemua data

tersebut diadaptasi ke dalm format data spatial agar boleh digunakan bagi aplikasi

analisis menggunakan sistem maklumat geografi (GIS). Kesemua data yang diperlukan

diletakkan di dalam satu pangkalan data kajian yang khusus bagi memudahkan pengkaji

mengolah, menyusun, memanipulasi dan memaparkan bagi mancapai tujuan analisis

kajian.

Menurut Haithcoat (2007 dalam Yuhanis, 2008), rekabentuk pangkalan data adalah satu

kaedah yang menstrukturkan data didalam pelbagai bentuk set rekod dan mempunyai

51

hubungan antara entiti dan attribut yang berbeza. Setiap attribut data haruslah mempunyai

fungsi bagi digunakan dalam analisis, bagi mengelakkan pangkalan data kajian dibanjiri

dengan data yang tidak perlu yang akan menyukarkan pengkaji untuk mengolah dan

menguruskan data. Malahan terlebih dahulu, sebelum menentukan attribut bagi setiap

data spatial, kaedah serta objektif analisis haruslah terlebih dahulu dikenal pasti agar

suatu pangkalan data yang khusus bagi kajian ini dapat dibina dan disusun dengan

lengkap. Sekaligus memudahkan proses membuat analisis.

Bagi tujuan analsis kajian ini,hanya perisian ESRI ArcGis 9.2 dan Microsoft Excel

digunakan. Penggunaan perisian ArcGIS 9.2 dengan spefikasi ArcInfo adalah bagi

menjalankan analisis berkaitan data reruang manakala penggunaan Microsof Excel pula

adalah bagi menjalankan analisis statistikal. Pemilihan perisian ArcGIS 9.2 ialah kerana

ia mempunyai pakej lengkap dan mudah. Komponan ArcMap 9.2 dalam perisian tersebut

memudahkan proses mengolah, menjalankan analisis spatial dan memaparkan hasil

analisis, sementara komponen ArcCatalog 9.2 pula memudahkan pengkaji menyusun dan

menguruskan data-data reruang kajian.

Bagi memudahkan proses analisis reruang dan manipulasi data dibuat bagi tujuan

mencapai maksud analisis kajian, beberapa extensions bagi perisian ArcGIS 9.2

digunakan dalam kajian ini. Tiga extensions yang digunakan ialah ArcGIS Spatial

Analyst 9.2, Xtools Pro 4.0 dan Hawth’s Analysis Tools 3.27.

3.2 Reka BentukPangkalan Data, Metadata dan Attribut Data Kajian

Kesemua data reruang dalam kajian ini akan dijana dalam format shapefile (.shp) yang

sesuai digunakan dalam perisian ArcGIS 9.2. Dengan menggunakan unjuran Johor

Cassini bagi semua litupan data, satu set data spatial di bina dan dioleh agar sesuai

dengan keperluan dan kehendak analisis kajian.

52

Jadual 3.1 Attribut Data Spatial dalam Pangkalan Data Kajian.

Nama Litupan Data

Attribut Jenis Sumber

Sempadan Taman • Nama • Keluasan • Bil. Kediaman

Poligon Majlis Bandaraya Johor Bahru (MBJB), Majlis Perbandaran Johor Bahru Tengah (MBJBT)

Hypermarket • Nama • Keluasan Ruang Lantai

Titik Giant (M) Bhd.

Gunatanah • Kategori Gunatanah • Aktiviti • Luas

Poligon Pangkalan Data SJER,Unit GIS dan Perancangan (UGISP), UTM.

Jalan • Nama • Heirarki

Garisan Pangkalan Data SJER, UGISP, UTM.

Nama Kawasan • Nama • Bil. Pengunjung

Titik Pangkalan Data SJER, UGISP, UTM. dan Survei (Yuhanis,2008)

Sempadan Mukim • Nama • Keluasan

Poligon Pangkalan Data SJER, UGISP, UTM.

Data-data dalam kajian ini diperolehi daripada pelbagai sumber. Sumber utama ialah

daripada Pangkalan Data South Johor Economic Region (SJER) atau pun kini dikenali

sebagai Iskandar Malaysia (IM), yang dibangunkan oleh Unit GIS dan Perancangan

(UGISP) Universiti Teknologi Malaysia. Data-data sekunder seperti sempadan mukim,

nama kawasan, jaringan jalan raya dan guna tanah di sekeliling kawasan kajian dalam

Iskandar Malaysia didapatkan daripada sumber ini.

Data mengenai sempadan kawasan setiap kawasan perumahan dan bilangan kediaman

terkini bagi setiap kawasan perumahan tersebut pula diperolehi daripada pihak berkuasa

tempatan iaitu Majlis Bandaraya Johor Bahru (MBJB) dan Majlis Perbandaran Johor

Bahru Tengah (MPJBT). Sementara maklumat mengenai keluasan setiap hypermarket

kajian diperolehi daripada pihak pengurusan setiap hypermarket terlibat. Data primer

mengenai bilangan dan tempat asalan pengunjung bagi setiap hypermarket di perolehi

daripada data survei yang dibuat oleh Yuhanis (2008) juga kemudiannya di masukkan ke

dalam pangkalan data, bagi tujuan perbandingan antara hasil ramalan dengan hasil

sebenar yang disurvei. Jadual 3.1 menunjukkan profil hypermarket kajian dan statistik

data survei oleh Yuhanis (2008).

53

Jadual 3.2 Jumlah Responden dan Tempat Asalan Pengunjung Hypermarket Kajian.

Hypermarket Keluasan (m2) Jumlah Responden

Bil. Tempat Asalan Pelanggan Yang Disurvei

Giant Skudai 5,109 155 35 Giant Plentong 9,290 146 17 Giant Southern

City 2,378 176 31

3.3 Menilai Kejituan Viarasi Model Graviti

Bagi kajian ini, kaedah perbandingan digunakan bagi menentukan sama ada ramalan

yang dibuat menggunakan viarasi model graviti tepat ataupun tidak. Model graviti akan

digunakan bagi meramal kemungkinan penduduk dari sesuatu kawasan akan

mengunjungi hypermarket kajian. Kemungkinan kunjungan ini diukur dari segi peratusan

pecahan bilangan pengunjung sesebuah taman perumahan ke suatu hypermarket kajian,

berbanding jumlah keseluruhan pengunjung daripada semua taman yang ada

penduduknya mengunjungi hypermarket tersebut (sila rujuk rumus 8). Maka, peratusan

sumbangan taip taman perumahan itu terhadap keseluruhan jumlah pengunjung di

hypermarket tersebut dapat diukur.

(8)

IHR(%) ialah kemungkinan peratusan penduduk di kawasan R yang akan memilih untuk

mengunjungi hypermarket H berbanding saingannya. Bagi memperolehi nilai tersebut,

S(H) mewakili saiz hypermarket H dalam bentuk luas ruang lantai niaga, manakala S(R)

pula mewakili saiz kawasan asalan pelanggan di R dengan mengambil bilangan rumah

sebagai nilainya. JHR pula ialah jarak antara kawasan R dengan hypermarket H. dua jenis

jarak yang digunakan bagi kajian ini ialah jarak Euclidean dan jarak sebenar.

Peratusan pelanggan yang berasal dari setiap taman itu kemudiannya akan dibandingkan

dengan peratusan asalan pelanggan hypermarket tersebut yang disurvei oleh Yuhanis

54

(2008). Caranya ialah dengan mengira perbezaan ralat peratusan antara pecahan yang

diramal oleh model graviti dan juga peratusan pecahan pengunjung yang berasal dari satu

taman perumahan yang disurvei. Bagi menilai tahap kejituan ramalan model graviti itu,

ralat bagi setiap tempat asalan pengunjung itu dijumlahkan dan dipuratakan. Dengan itu,

dapatlah diukur tahap kejituan sesuatu viarasi model graviti dalam meramal pecahan

asalan pelanggan sesebuah hypermarket.

3.3.1 Empat Viarasi Model Graviti Kajian

Terdapat empat viarasi model graviti yang dinilai tahap kejituan ramalannya dalam kajian

ini. Secara asasnya, keempat-empat viarasi ini hanyalah berbeza dari segi penggunaan

pemboleh ubah jaraknya. Dalam erti kata lain, kajian ini menjurus untuk mengkaji kesan

penggunaan jenis pemboleh ubah jarak yang berbeza-beza dalam mempengaruhi kejituan

ramalan model graviti. Empat viarasi pemboleh ubah jarak dalam model graviti yang

dikaji ialah jarak Euclidean tanpa parameter, penggunaan jarak Euclidean dengan

parameter kuasa dua, jarak sebenar tanpa parameter dan jarak sebenar dengan parameter

kuasa dua (sila rujuk rumus 9, 10, 11 dan 12).

(9)

(10)

(11)

(12)

Bagi keempat-empat viarasi model graviti yang dikaji dalam kajian ini, IHR mewakili

kemungkinan peratus pengunjung di kawasan R akan mengunjungi hypermarket H. S(H)

ialah saiz ruang lantai hypermarket dalm meter persegi manakala S(R) pula mewakili saiz

pasaran kawasan R yang diwakili oleh bilangan rumah. J ialah jarak antara hypermarket

55

H dengan kawasan pasaran R – sama ada menggunakan jarak Euclidean tanpa parameter,

penggunaan jarak Euclidean dengan parameter kuasa dua, jarak sebenar tanpa parameter

dan jarak sebenar dengan parameter kuasa dua.

Kesemua empat viarasi tersebut diintegrasikan dengan rumus 8 bagi mendapatkan

peratusan pecahan asalan pelanggan bagi setiap hypermarket kajian, sekaligus dapat

dibandingkan dengan peratusan pecahan asalan pelanggan yang disurvei untuk

mendapatkan purata ralat bagi setiap viarasi. Seterusnya, viarasi model graviti yang

paling jitu dapat ditentukan berdasarkan indikator purata ralat yang paling rendah.

3.4 Operasi Spatial Bagi Tujuan Analisis, Menggunakan Sistem Maklumat

Geografi

Analisis kajian ini dibahagikan kepada dua komponen utama, iaitu bagi menilai viarasi

model graviti yang menghasilkan ramalan paling jitu serta menilai kemampuan viarasi

model graviti tersebut dalam meramal pilihan tempat membeli-belah penduduk di sesuatu

kawasan. Kesemua operasi spatial bagi analisis kajian ini dilakukan dengan

menggunakan perisian ESRI ArcInfo 9.2 dengan extensions Spatial Analyst yang sedia

ada dalam spefikasi tahap ArcInfo, extension XtoolsPro serta extension Hawth’s Tools,

yang mana kedua-duanya perlu dimuat turun dan di install secara manual.

3.4.1 Operasi Spatial Bagi Analisis Membandingkan Kejituan Empat Viarasi

Model Graviti

Bagi tujuan mengira jarak Euclidean antara hypermarket dan taman perumahan tempat

asalan pengunjung, titik tengah bagi setiap poligon yang mewakili sempadan taman

perumahan didapatkan. Titik tengah atau centroid bagi setiap taman perumahan ini

diperolehi dengan menggunakan fungsi Shape to Centroids yang terdapat dalam

extension XToolsPro. XTools Pro > Feature Conversions > Shape to Centroids.

Setelah itu, jarak Euclidean antara setiap hypermarket kajian dengan taman perumahan,

tempat asalan pengunjung dikira menggunakan fungsi Distance Between Points

56

(Between Layers) yang terdapat dalam extensions Hawth’s Tools. Hawth’s Tools

>Analysis Tools > Distance Between Points (Between Layers). Satu lagi kaedah yang

digunakan bagi mendapatkan jarak Euclidean antara hypermarket dan juga tempat asalan

pengunjungnya ialah dengan menggunakan fungsi Strainght Line Distance dalam

extension Spatial Analyst. Spatial Analyst > Distance > Strainght Line. Fungsi ini akan

disentuh dengan lebih mendalam dalam bahagian Penjanaan Model Huff.

Menentukan Jarak Sebenar antara Hypermarket dan Pasaran. Bagi tujuan

mendapatkan jarak sebenar antara hypermarket dan juga tempat asalan pengunjungnya

pula, fungsi Cost Weighted Distance dalam extensions Spatial Analyst digunakan(sila

rujuk gambarajah 3.1). Jarak sebenar adalah diukur dari segi jarak perjalanan menerusi

susur jalan raya sebenar yang menghubungkan hypermarket dengan tempat asalan

pelanggannya. Maka secara mudahnya, jarak sebenar mengira jarak jalan raya yang perlu

dilalui pengunjung untuk sampai ke hypermarket. Namun begitu, fungsi ini hanya boleh

diaplikasikan menggunakan data spatial berbentuk raster.

Gambarajah 3.1 Mendapatkan Jarak Sebenar Tempat Asalan Pengunjung dari

Hypermarket Menggunakan Model Builder ArcGIS 9.2.

Maka, data jalan raya dalam jenis garisan di tukar kedalam bentuk raster menggunakan

fungsi Polyline to Raster yang terdapat dalam toolbox Conversion Tool. Conversion

Tools > To Raster > Polyline to Raster. Saiz sel yang digunakan oleh pengkaji ialah

100m x 100m, kerana saiz tersebut didapati sebagai memadai untuk menunjukkan

interaksi antara hypermarket dan juga pasarannya dengan baik, jelas dan tepat. Maka

dianggap bahawa setaip sel dalam litupan raster jalan raya tersebut adalah berjarak 100m.

57

Raster jalan raya tersebut kemudiannya dijadikan sebagai Cost Raster, manakala litupan

titik hypermarket pula dijadikan sebagai titik tujuan atau Distance To dalam fungsi Cost

Weighted Distance dalam Spatial Analyst. Spatial Analyst > Distance > Cost Weighted.

Bagi tujuan mengetahui jarak sesuatu taman perumahan dari sesebuah hypermarket,

fungsi atau tetingkap Identify boleh digunakan bagi mengetahui nilai sesuatu raster,

sekaligus jarak sebenar tempat tersebut daripada hypermarket. Satu lagi kaedah bagi

mendapatkan data raster jalan ialah dengan menggunakan fungsi Feature to Raster dalam

extension Spatial Analyst. Spatial Analyst > Convert > Feature to Raster. Bagi melihat

hasil bagi operasi mendapatkan jarak sebenar ini sila rujuk gambarajah 3.2, 3.3 dan 3.4.

Gambarajah 3.2 Cost Weighted Distance (Jarak Sebenar) dari Giant Skudai.

58

Gambarajah 3.3 Cost Weighted Distance (Jarak Sebenar) dari Giant Plentong.

Gambarajah 3.4 Cost Weighted Distance (Jarak Sebenar) dari Giant Southern City.

Data bilangan rumah dalam setiap taman pula diperolehi daripada Majlis Bandaraya

Johor Bahru (MBJB) dan juga Majlis Perbandaran Johor Bahru Tengah (MBJBT).

Namun begitu, bagi mengesahkan bilangan rumah bagi setiap taman yang diperolehi dari

59

data yang diperolehi dari dua agensi tersebut serta mendapatkan bilangan rumah bagi

kawasan petempatan yang tidak dibekalkan data bilangan rumah maka gunatanah

perumahan diekstrak daripada litupan gunatanah Iskandar Malaysia menggunakan fungsi

Select dalam toolbox Analysis Tools. Analysis Tools > Extract > Select.

Setelah itu kesemua poligon gunatanah tersebut di tindihkan ke dalam litupan sempadan

taman perumahan bagi mengetahui jumlah rumah yang terdapat dalam setiap taman. Bagi

tujuan tersebut, fungsi Polygon in Polygon Analysis dalam extension Hawth’s Tools

digunakan. Hawth’s Tools > Analysis Tools > Polygon in Polygon Analysis. Walaupun

didapati terdapat sedikit ketidakjituan terutamanya bagi lot-lot pangsapuri dan lot

persendirian, bilangan lot rumah masih boleh digunakan bagi mewakili bilangan rumah

yang ada dalam sesuatu kawasan perumahan yang terlibat dalam kajian.

Seterusnya, ketiga-tiga maklumat mengenai jarak Euclidean dari hypermarket, jarak

sebenar dari hypermarket serta bilangan rumah dalam sesebuah taman perumahan yang di

perolehi digunakan dalam empat viarasi model graviti bagi mengira peratus pecahan

asalan pelanggan setiap hypermarket, seterusnya diandingkan dengan peratusan yang

disurvei.

3.4.2 Penjanaan Model Huff

Berdasarkan viarasi model graviti yang paling jitu ramalannya, Model Huff dijana bagi

membolehkan penilaian terhadap kemampuan model graviti dalam meramal corak

pemilihan tempat berbelanja pengguna dibuat. Sebelum Model Huff dijana, terdapat

beberapa set data spatial yang perlu disediakan, sebelum boleh digunakan bagi mencapai

maksud kajian. Data-data spatial dari pangkalan data kajian diolah bagi mendapatkan

data yang bersesuaian, dan boleh dimanipulasikan bagi menjalankan proses mendapatkan

ralat purata serta bagi pembinaan model Huff.

Antara data yang paling penting ialah sempadan taman perumahan dan juga bilangan

rumah yang ada di dalamnya. Data tersebut adalah amat penting kerana bilangan lokasi

menentukan jarak, manakala bilangan rumah pula mewakili potensi pasaran bagi

sesebauh hypermarket.

60

Menggunakan litupan perumahan yang telah diekstrak daripada litupan gunatanah

sebelumnya, bilangan rumah dalam setiap taman perumahan dalam Iskandar Malaysia

dikira dengan menggunakan fungsi Polygon in Polygon Analysis dalam Hawth’s Tools

(sila rujuk gambarajah 3.5). Litupan poligon mukim yang mempunyai attribut bilangan

rumah tersebut kemudiannya di tukar ke bentuk raster bersaiz 30m x 30m menggunakan

fungsi Feature to Raster dalam extension Spatial Analyst, bagi memudahkan pengiraan

untuk membina model Huff menerusi penggunaan fungsi Raster Calculator

kemudiannya.

Gambarajah 3.5 Raster Bilangan Rumah dalam Setiap Taman Perumahan.

Setelah itu jarak Euclidean daripada setiap hypermarket kajian dihasilkan dengan

menggunakan fungsi Straight Line Distance dalam extension Spatial Analyst. Spatial

Analyst > Distance > Straight Line. Hasilnya ialah litupan raster jarak Euclidean

daripada titik asalan; dalam kes kajian ini, titik asalannya ialah hypermarket. Maka raster

yang terhasil menunjukkan jarak Euclidean sesuatu tempat dari hypermarket kajian (sila

rujuk rajah 3.7, 3.8, dan 3.9). Saiz raster yang terhasil dari proses ini juga ditetapkan pada

saiz 30m x 30m agar disesuaikan dengan data-data raster lain yang akan digunakan

61

dalam membina model Huff ini. Fungsi yang sama juga boleh didapati daripada fungsi

Euclidean Distance dalam toolbox Spatial Anlyst Tools (sila rujuk Gambarajah 3.6).

Spatial Analyst Tools > Distance > Euclidean Distance.

Gambarajah 3.6 Membina Raster Jarak Euclidean bagi Setiap Hypermarket

Menggunakan Aplikasi Model Builder ArcGIS 9.2.

Gambarajah 3.7 Raster Jarak Euclidean Hypermarket Giant Southern City.

62

Gambarajah 3.8 Raster Jarak Euclidean Hypermarket Giant Skudai.

Gambarajah 3.9 Raster Jarak Euclidean Hypermarket Giant Plentong.

Setelah diperolehi kedua-dua litupan raster bilangan rumah dalam setiap taman

perumahan dan juga jarak Euclidean bagi setiap hypermarket kajian, tahap tarikan atau

63

interaksi antara setiap hypermarket dengan pasarannya di kira secara berasingan

menggunakan fungsi Raster Calculator dalam extension Spatial Analyst. Permukaan bagi

menggambarkan tahap tarikan ini juga dikenali sebagai permukaan graviti (sila rujuk

rajah 3.11, 3.12 dan 3.13 – muka surat 64). Bagi langkah ini, permukaan graviti bagi

setiap hypermarket kajian ditentukan secara berasingan menggunakan formula seperti

dalam rumus 13.

i (13)

Bagi mendapatkan nilai permukaan graviti bagi hypermarket kajian i, Gi, rumus 13

digunakan. Si ialah saiz hypermarket dalam bentuk luas ruang lantai niaga manakala pula

ialah saiz pasaran di sesuatu kawasan r, tempat asalan pengungjung yang dinilai dari segi

bilangan rumah yang terdapat di kawasan r tersebut. Pula ialah jarak Euclidean antara

hypermarket i dngan kawasan r. Rumus 13 kemudiannya dikira menggunakan fungsi

Raster Calculator dalam extension Spatial Analyst (sila rujuk gambarajah 3.10).

Gambarajah 3.10 Pengiraan Nilai Permukaan Graviti Bagi Giant Southern City.

64

Gambarajah 3.11 Permukaan Graviti bagi Giant Plentong.

Gambarajah 3.12 Permukaan Graviti bagi Giant Southern City.

65

Gambarajah 3.13 Permukaan Graviti bagi Giant Skudai.

Peringkat terakhir bagi menghasilkan Model Huff yang menunjukkan tahap interaksi

antara hypermarket dengan hypermarket saingannya, dan interaksi antara hypermarket

dengan pasarannya, ialah dengan menjumlahkan kesemua nilai permukaan graviti setiap

hypermarket dalam kajian. Seterusnya bagi mengetahui tahap tarikan graviti setiap

hypermarket dengan pasarannya ialah dengan membahagikan nilai permukaan graviti

satu hypermarket tersebut dengan jumlah nilai permukaan graviti kesemua hypermarket

yang dikaji.

Rumus 14 menunjukkan rumus bagi menilai kadar interaksi sesebuah hypermarket

dengan pasaran dan saingannya berdasarkan Model Huff manakala gambarajah 3.14 pula

menunjukkan proses memodelkan Model Huff dengan keupayaan analisis reruang dalam

perisian sistem maklumat geografi ArcGIS ArcInfo 9.2 menggunakan aplikasi Model

Builder.

66

(14)

Ixr ialah peratus kemungkinan penduduk di r mengunjung hypermarket x berbanding 2

lagi hypermarket dalam kajian. Manakala pula ialah nilai tarikan permukaan graviti

hypermarket x (sila rujuk rumus 13 – muka surat 63)

Rajah 3.14 Proses Pemodelan Model Huff bagi Menilai Tahap Interaksi

Hypermarket Giant Southern dengan Pasaran dan Saingannya.

3.5 Andaian-andaian bagi Analisis Viarasi Model Graviti

Model adalah amat bergantung pada andaian yang dibuat berdasarkan teori-teori serta

hukum-hukum tertentu. Hal ini kerana model adalah suatu penggambaran atau

perwakilan kepada seuatu fenomena yang berlaku atau mungkin berlaku. Fenomena ini

pula berlaku hasil daripada interaksi beberapa urutan peristiwa, sebab dan faktor yang

menyebabkan sesuatu fenomena atau sebab itu berlaku. Terdapat banyak pendapat

berlainan mengenai mengapa, kenapa dan bagaimana sesuatu fenomena itu berlaku,

sekaligus membentuk teori yang berbeza-beza. Maka bagi sesuatu model yang mewakili

sesuatu fenomena, haruslah diterangkan mengenai teori serta andaian yang digunakan

dalam pembinaan dan penjanaan model tersebut, agar asas bagi model yang digunakan

67

bagi menerangkan sesuatu fenomena itu dapat difahami dan hasil ramalannya dapat

diterangkan.

Model graviti dibina berdasarkan begitu banyak andaian berasaskan beberapa teori dalam

bidang fizik, pengangkutan, perniagaan, sains sosial dan psikologi. Hal ini berlaku

mungkin kerana tujuan penggunaan model graviti bagi bidang yang berlainan adalah

berbeza. Sekaligus menglahirkan pelbagai viarasi model graviti. Namun begitu, prinsip

asas model graviti mengenai hubungan interaksi antara juzuk adalah dipengaruhi oleh

faktor jarak dan set faktor tarikan lain masih menjadi asas pembinaan setiap model

graviti.

Kepelbagaian andaian yang digunakan dalam viarasi model graviti adalah hasil daripada

pelbagai sumber teori berkaitan interaksi antara entiti. Antaranya ialah teori berkaitan

interaksi antara pengguna dan kemudahan awam dalam bidang sains sosial, interaksi

antara mangsa dan pemangsa dalam bidang kajian ekosistem serta interaksi antara

pembeli dan pusat membeli-belah. Bagi kajian ini, model graviti yang digunakan bagi

tujuan analisis adalah berdasarkan beberapa andaian yang diekstrak daripada sintesis

nukilan ilmiah Hukum Graviti Newton Hukum Graviti Peruncitan Reilly, Model Huff,

teori berkaitan interaksi antara pengguna dan pusat meembeli-belah, dan teori pilihan

pengguna. Beberapa andaian tambahan juga di buat oleh pengkaji berdasarkan keperluan

analisis serta bagi tujuan memenuhi matlamat kajian.

Terdapat sepuluh (10) andaian berasaskan keperluan kajian serta beberapa teori yang

dikupas dalam sintesis penulisan ilmiah yang digunakan bagi tujuan analisis kajian ini,

iaitu:

i. Terdapatnya hubungkait langsung antara faktor saiz hypermarket, saiz penduduk

atau pengguna di sesuatu kawasan dan jarak antara hypermarket dan pengguna,

dalam menentukan kadar interaksi antara sesebuah hypermarket dan pasarannya.

ii. Lebih besar saiz sesebuah hypermarket, maka lebih tinggi kadar interaksi antara

sesebuah hypermarket dengan pasarannya. Ertinya, sesebuah hypermarket yang

punya keluasan lebih besar, akan dikunjungi oleh lebih ramai pengunjung

berbanding hypermarket yang lebih kecil. Oleh itu, faktor saiz hypermarket

adalah berkadar langsung dengan kadar interaksi antara sesebuah hypermarket

dengan pasarannya.

68

iii. Lebih besar populasi penduduk disesuatu kawasan, maka kebarangkalian untuk

lebih ramai penduduk mengunjungi sesebuah hypermarket adalah lebih tinggi.

Seterusnya meningkatkan tahap interaksi antara populasi sesuatu kawasan pasaran

dengan sesebuah hypermarket. Ini bermakna, faktor saiz pasaran juga adalah

berkadar langsung dengan kadar interaksi antara sesebauh hypermarket dengan

pasarannya.

iv. Jarak didalam model graviti, jarak diklasifikasikan sebagai faktor pembatasan.

Faktor jarak berkadar songsang dengan faktor saiz hypermarket dan faktor saiz

penduduk di sesuatu kawasan. Diandaikan bagi kajian ini,bahawa lebih jauh jarak

antara sesebuah hypermarket dengan penduduk di sesuatu kawasan,

kebarangkalian penduduk kawasan yang lebih jauh untuk mengunjungi sesebuah

hypermarket itu akan berkurangan. Justeru itu, kadar interaksi antara hypermarket

dengan penduduk yang lebih jauh, adalah lebih sedikit berbanding penduduk yang

duduk lebih hampir dengan hypermarket.

v. Bagi analisis kajian ini, diandaikan bahawa segala faktor-faktor lain selain

daripada faktor saiz hypermarket, faktor saiz penduduk di sesuatu kawasan dan

faktor jarak, tidak akan mempengaruhi kadar interaksi antara sesebuah

hypermarket dan penduduk di sesuatu kawasan. Ini bermakna, faktor-faktor geo-

fizikal, sosio-ekonomi dan psikologikal seperti perbezaan penawaran barangan,

harga, kemudahan sokongan, suasana, aksessibiliti, jenama, usia dan konsep pusat

membeli-belah, cita rasa serta purata pendapatan penduduk disesuatu kawasan

tidak akan diambil kira ataupun dianggap tidak memberikan sebarang kesan pada

kadar interaksi antara hypermarket kajian dan pasarannya. Bagi tujuan

mengurangkan kesan-kesan faktor geo-fizikal, sosio-ekonomi dan psikologikal

tersebut, kajian ini hanya mengambil rangkaian hypermarket Giant bagi

menghapuskan pengaruh faktor seperti perbezaan harga, konsep, suasana, jenama

dan penawaran viarasi barangan, agar penumpuan dapat diberikan pada tiga faktor

yang dinyatakan sebelumnya.

vi. Bagi membolehkan perbandingan hasil ramalan model dengan hasil survei dibuat

bagi tujuan analsis kajian ini, maka kajian ini mengandaikan bahawa hasil survei

pecahan asalan ketiga-tiga hypermarket Giant yang dikaji oleh Yuhanis (2008),

adalah benar-benar menggambarkan keseluruhan pecahan asalan pelanggan

hypermarket kajian.

69

vii. Bagi kajian ini, dianggap bahawa kesemua perjalanan pelanggan ke hypermarket

adalah bermula daripada rumah.

viii. Dianggap juga bahawa hanya taman-taman perumahan atau tempat asalan

pelanggan yang disurvei Yuhanis sahaja wujud di daerah Johor Bahru. Andaian

ini bertujuan memudahkan penggunaan prinsip peratusan pecahan asalan

pengunjung hypermarket.

ix. Diandaikan bagi tujuan analisis, tiada lain-lain hypermarket ataupun pusat

perniagaan di dalam kawasan pasaran hypermarket kajian yang menjadi saingan

perniagaan. Andaian ini adalah bagi tujuan penumpuan analisis dan memudahkan

pemahaman terhadap fenomena interaksi antara pusat perniagaan dan pasarannya

serta memahami peratusan pecahan asalan pelanggan.

x. Kajian ini juga mengambil andaian asas Model Huff yang menyatakan bahawa

tiada sempadan mutlak kawasan cakupan pasaran bagi sesebuah hypermarket.

Malahan litupan pasaran hypermarket-hypermarket boleh bertindan dan pecahan

asalan pengunjung sesebuah hypermarket adalah berasaskan kemungkinan

peratusan pengunjung di sesuatu kawasan akan mengunjungi hypermarket A

manakala bakinya akan mengunjungi hypermarket B dan C. Andaian ini penting

bagi analisis perbandingan peratusan asalan pelanggan yang disurvei dan ramalan

pecahan peratusan asalan pelanggan mengunakan model graviti secara spatial atau

dalam konteks reruang.

BAHAGIAN 4

ANALISIS VIARASI MODEL GRAVITI & PENEMUAN KAJIAN

4.1 Struktur Analisis Kajian

Analisis bagi kajian ini dipecahkan kepada empat (4) bahagian. Setiap analisis dalam

kajian ini akan membandingkan pecahan asalan pelanggan setiap hypermarket yang

disurvei dengan hasil ramalan pecahan asalan pelanggan setiap hypermarket

menggunakan model graviti. Bahagian pertama analisis membandingkan kesan

penggunaan jarak Euclidean dengan jarak sebenar serta penggunaan parameter kuasa dua

bagi pemboleh ubah jarak dalam model graviti. Dalam bahagian kedua bahagian analisis

kajian ini pula melihat kesan penggunan empat viarasi model graviti terhadap tahap

kejituan ramalan pecahan asalan pelanggan setiap hypermarket kajian. Bahagian ketiga

analisis mencari pemalar bagi viarasi model graviti yang paling jitu manakala, Bahagian

keempat pula akan membandingkan pecahan asalan pelanggan yang disurvei dengan

ramalan menggunakan Model Huff dalam bentuk reruang atau spatial. Bagi analisis

bahagian keempat ini, perbandingan dibuat berasaskan peratusan asalan pelanggan bagi

setiap zon.

Bagi analisis berkaitan penggunaan pemboleh jarak Euclidean, jarak sebenar dan

parameter pemboleh ubah jarak dalam viarasi model graviti, perbandingan antara hasil

ramalan dan pecahan asalan pelanggan yang disurvei akan mengambil kira perbandingan

statistik hasil survei dan ramalan bagi ketiga-tiga hypermarket secara serentak. Langkah

ini bertujuan mendapatkan purata kejituan setiap viarasi model graviti dan kesan ramalan

71

setiap satunya, hasil daripada penggunaan pemboleh ubah jarak yang berbeza dan

penggunaan parameter pemboleh ubah jarak. Sementara bagi analisis perbandingan

pecahan asalan pelanggan menggunakan viarasi model graviti paling jitu serta analisis

perbandingan ramalan pecahan asalan menggunakan Model Huff, hasil analisis bagi

setiap asalan pengunjung dihuraikan secara berasingan satu persatu. Namun begitu harus

jelas bahawa semua pemalar graviti dan ramalan yang terhasil daripada analisis kajian ini

mungkin hanya secara spesifik sesuai bagi kegunaan ramalan interaksi antara

hypermarket Giant dan pasaran sekitar daerah Johor Bahru sahaja. Kerana di kawasan

lain, pemalar-pemalar model gravitinya mungkin akan berbeza kerana data serta

maklumat yang digunakan bagi tujuan analisis ini fokus kepada hypermarket Giant dan

beberapa andaian yang bertindak sebagai penghad dan kawalan.

4.2 Kejituan Ramalan Bagi Empat (4) Viarasi Model Graviti

Kejituan ramalan setiap viarasi model graviti akan dinilai dengan menggunakan petunjuk

purata ralat ramalan dan juga kecerunan garis purata setiap viarasi. Setiap peratusan

pecahan asalan pelanggan yang dikira menggunakan keempat-empat viarasi model graviti

di bandingkan dengan peratusan pecahan asalan pelanggan yang disurvei (sila rujuk

rumus 15 dan lampiran 1, 2 dan 3). Setelah itu, graf peratusan pecahan asalan pelanggan

hypermarket yang disurvei melawan peratusan pecahan asalan pelanggan hypermarket

yang diramal menggunakan viarasi model graviti diplotkan bagi menilai tahap kejituan

setiap satunya dan bagi mendapatkan pemalar setiap satunya. Bagi kajian ini, peratusan

pecahan asalan pelanggan yang disurvei dijadikan penanda aras bagi mengukur kejituan

ramalan setiapviarasi model graviti.

Ralat Ramalan (i) = Peratusan Survei(i) – Peratusan Ramalan(i) (15)

Berdasarkan rumus 15, ralat ramalan diperolehi dengan perbandingan nilai peratusan

pecahan pengunjung dari setiap tempat asalan yang diramal dengan peratusan pecahan

pengunjung yang disurvei bagi seuatu temapt asalan pelanggan sesebuah hypermarket.

72

Kemudiannya, purata perbezaan peratusan pecahan antara nilai yang disurvei dengan

nilai peratusan yang diramal oleh viarasi model graviti bagi setiap tempat asalan

pelanggan akan didapatkan. Purata perbezaan atau ralat bagi setiap viarasi model graviti

yang dikaji akan ditentukan dan dibandingkan. Viarasi model graviti yang mempunyai

ralat paling rendah dikira sebagai viarasi yang paling jitu (sila rujuk rumus 16 dan jadual

4.1).

(16)

Purata ralat ramalan bagi setiap viarasi model graviti diperolehi dengan membahagikan

nilai jumlah keseluruhan ralat setiap tempat asalan bagi ketiga-tiga hypermarket dengan

jumlah tempat asalan pengungjung hypermarket yang telah disurvei.

Jadual 4.1 Perbandingan Ralat dan Tahap Kejituan Setiap Viarasi Model Graviti.

Viarasi Model Graviti

Jarak Euclidean

Jarak Euclidean ^2

Jarak Sebenar

Jarak Sebenar^2

Purata Ralat 3.395 3.662 3.470 3.780 Kejituan (%) 53.7 50.9 41.9 38.6

Ranking Kejituan 1 3 2 4

Berdasarkan pengiraan ralat ramalan bagi setiap tempat asalan pelanggan (sila rujuk

lampiran 2) dan kemudiannya purata ralat ramalan bagi setiap viarasi model graviti,

didapati bahawa model graviti yang menggunakan pemboleh ubah jarak radius tanpa

sebarang parameter mempunyai purata ralat yang paling rendah iaitu hanya 3.395. Purata

ralat yang kecil ini menunjukkan bahawa model graviti yang menggunakan jarak radius

tanpa parameter menghasilkan ramalan pecahan asalan pengunjung hypermarket yang

paling jitu.

Model graviti yang menggunakan jarak sebenar tanpa parameter pula menghasilkan

ramalan yang kedua paling jitu dengan nilai purata ralatnya sebanyak 3.470. Diikuti

dengan ramalan menggunakan jarak Euclidean dengan parameter bernilai dua (2) dengan

purata ralat 3.662, manakala model graviti yang menggunakan pemboleh ubah jarak

73

sebenar berparameter dua (2) pula menghasilkan ramalan yang paling kurang jitu dengan

purata ralat 3.780.

Peratus purata kejituan bagi setiap viarasi model graviti boleh ditentukan dengan

memplotkan graf peratus pecahan asalan pelanggan yang disurvei dengan yang diramal

oleh setiap viarasi (sila rujuk graf 4.1). Didapati bahawa secara puratanya penggunaan

jarak Euclidean tanpa sebarang parameter menghasilkan ramalan yang paling tepat

dengan tahap kejituan 53.7 peratus. Penggunaan pemboleh ubah jarak sebenar pula

menghasilkan ramalan kedua paling jitu dengan 50.9 peratus kejituan. Sementara

pemboleh ubah jarak Euclidean berparameter kuasa dua (2) akan menghasilkan ramalan

dengan kejituan 41.9 peratus sementara viarasi model graviti yang menggunakan

pemboleh ubah jarak berparameter kuasa dua (2) hanya menghasilkan ramalan dengan

ketepatan purata 38.6 peratus.

(Euclidean)y = 0.537xR² = 0.14

Graf 4.1 Kejituan Viarasi Model Graviti Menggunakan Pemboleh Ubah Jarak

Euclidean, Jarak Sebenar, Jarak Euclidean Berparameter^2 dan Jarak

Sebenar Berparameter^2.

(Euclidean^2)y = 0.419xR² = 0.22

(Sebenar)y = 0.509xR² = 0.18

(Sebenar^2)y = 0.386xR² = 0.27

(Kawalan)y = xR² = 1

0

5

10

15

20

25

30

35

40

45

50

55

60

0 5 10 15 20 25 30 35 40 45 50 55 60

Survei (%)

Ramalan (%)

RadiusRadius^2SebenarSebenar^2KawalanLinear (Radius)Linear (Radius^2)Linear (Sebenar)Linear (Sebenar^2)Linear (Kawalan)

74

4.2.1 Kesan Penggunaan Jarak Euclidean, dan Jarak Sebenar dalam Model

Graviti

Di dalam analisis kajian ini, didapati bahawa secara umumnya penggunaan jarak

Euclidean dalam model graviti menghasilkan ramalan yang lebih jitu berbanding dengan

menggunakan jarak sebenar. Penggunaan jarak Euclidean menghasilkan ramalan dengan

nilai ralat peratusan purata serendah 3.5285 berbanding jika menggunakan pemboleh

ubah jarak sebenar yang secara puratanya menghasilkan purata ralat ramalan yang lebih

tinggi sekitar 3.625 peratus (sila rujuk jadual 4.2). Secara puratanya juga, viarasi yang

menggunakan jarak Euclidean adalah lebih jitu ramalannya berbanding viarasi model

graviti yang menggunakan jarak sebenar (sila rujuk graf 4.2).

Graf 4.2 Perbandingan Ramalan Viarasi Model Graviti yang Menggunakan

Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar.

Ramalan yang lebih jitu menggunakan jarak Euclidean berbanding penggunaan jarak

sebenar mungkin adalah kesan daripada corak serta cakupan jaringan jalan raya yang

terdapat di Daerah Johor Bahru. Bagi kawasan yang punya jaringan jalan raya meluas

serta intensif di bandar besar seperti Johor Bahru, penggunaan jarak Euclidean mungkin

memadai dan menghasilkan ramalan yang lebih tepat kerana terdapatnya banyak

(Sebenar)y = 0.433xR² = 0.25



0

10

20

30

40

50

60

0 20 40 60

Survei (%

)

Ramalan (%)

Jarak SebenarJarak RadiusKawalanLinear (Jarak Sebenar)Linear (Jarak Radius)Linear (Kawalan)

75

alternatif laluan untuk pelanggan pergi ke hypermarket (sila rujuk gambarajah 4.1).

Secara kebiasaannya, pelanggan akan mencari laluan yang paling singkat, dan dengan

terdapatnya jaringan jalan raya yang intensif di bandar, maka jarak perjalanan sebenar

menjadi hampir sama dengan jarak Euclidean atau jarak geografinya.

Jadual 4.2 Perbandingan Ralat dan Kejituan Ramalan Menggunakan Pemboleh Ubah

Jarak Euclidean dan Jarak Sebenar.

Jenis Jarak Euclidean Jarak Sebenar Kejituan Ramalan (%) 46.5 43.3 Purata Ralat 3.5285 3.625

Gambarajah 4.1 Densiti Jaringan Jalan di Kawasan Hypermarket Kajian.

Berbanding kawasan yang punya jaringan jalan raya yang terhad dan berdensiti rendah

seperti di kawasan pinggir atau luar bandar, pelanggan hanya dapat menggunakan laluan

terhad untuk pergi ke hypermarket. Lebih signifikan, sekiranya laluan yang perlu dilalui

pelanggan itu berliku-liku, atau tidak terus menghubungkan tempat asalan pelanggan

dengan hypermarket. Sebaliknya perlu melalui beberapa buah pekan kecil serta

melengkungi kawasan berbukit, atau paya, maka sudah tentu jarak sebenar yang dilalui

76

oleh seseorang pelanggan adalah lebih jauh dan amat berbeza dengan jarak Euclidean.

Maka, dalam keadaan tersebut, penggunaan jarak sebenar akan menjadi lebih signifikan.

Walaubagaimanapun, dapat diperhatikan bahawa kedua-dua ramalan menggunakan jarak

Euclidean dan jarak sebenar dalam kajian ini tidaklah menunjukkan perbezaan yang

begitu ketara dengan penggunaan jarak Euclidean menghasilkan purata kejituan sebanyak

46.5 peratus, sementara jarak sebenar pula menghasilkan kejituan 43.3 peratus.

Faktor peratusan pemilikan kenderaan persendirian yang tinggi dikalangan penduduk

Johor Bahru juga mungkin menjadi faktor mengapa perbezaan ramalan menggunakan

jarak Euclidean dan jarak sebenar tidak menghasilkan perbezaan ketara. Ini kerana,

pemilikan kenderaan persendirian bermakna penduduk berasa lebih bebas, mudah dan

selesa untuk bergerak, sekaligus faktor jarak samada Euclidean mahupun sebenar

tidaklah begitu memberikan kesan kepada ramalan kadar interaksi. Fenomena ini

dibuktikan apabila purata jarak Euclidean dan jarak sebenar yang perlu dilalui oleh

pengunjung bagi setiap hypermarket di Johor Bahru tidak jauh berbeza (sila rujuk jadual

4.3).

4.2.2 Purata Jarak Perjalanan yang Dilalui Pelanggan untuk ke Hypermarket

Jadual 4.3 Purata Jarak Perjalanan Pengguna ke Giant Skudai, Plentong dan Southern

City.

Jarak Perjalanan Pengguna Giant Skudai Giant Plentong Giant Southern City

Keluasan (m2) 5,109 9,290 2,378 Purata Jarak

Euclidean (m) 4,699 6,691 3,271

Purata Jarak Sebenar (m) 5,804 8,417 3,774

Julat (m) 1,105 1,726 503

Berdasarkan jadual 4.3, purata jarak perjalanan dalam bentuk Euclidean mahupun jarak

sebenar bagi pelanggan Giant Southern City tidaklah begitu besar memandangkan

kawasan sekitar hypermarket tersebut mempunyai jaringan jalan raya dan jalan alternatif

yang lebih intensif dan meluas, menghubungkan hypermarket tersebut dengan tempat

asalan pelanggannya. Kawasan sekitar Giant Southern City yang punya jaringan jalan

77

raya yang lebih padat membuatkan julat purata jarak Euclidean dan purata jarak sebenar

asalan pelanggannya hanya 503 meter (sila rujuk gambarajah 4.1).

Berbeza pula dengan julat purata asalan pelanggan Giant Skudai dan Giant Plentong

masin-masing sekitar 1,105 meter dan 1,726 meter, mungkin kerana densiti jaringan jalan

di kawasan sekitarnya yang lebih rendah (sila rujuk gambarajah 4.1). Maka tidak banyak

jalan alternatif untuk pelanggan pergi kedua-dua hypermarket tersebut sekaligus

meningkatkan jarak sebenar yang perlu dilalui pelanggan. Tambahan pula, kebanyakan

kawasan perumahan di kawasan Skudai dan Plentong mempunyai akses yang terhad

dengan hanya mempunyai satu atau dua sahaja akses ke sesuatu taman perumahan,

menjadikan purata jarak perjalanan sebenar yang harus dilalui oleh penduduk di taman

perumahan di kedua-dua kawasan leih tinggi berbanding penduduk pusat bandar.

Malahan para pelanggan perlu melalui jalan raya utama seperti Jalan Skudai dan

Lebuhraya Pasir Gudang yang juga punya akses terhad untuk pergi ke hypermarket.

Sekaligus meningkatkan julat purata antara jarak Euclidean dan jarak sebenar bagi

pelanggan Giant Skudai dan Giant Plentong.

Daripada jadual 4.3 juga dapat kita bezakan mengenai tempat asalan pelanggan setiap

hypermarket. Purata asalan pelanggan hypermarket Giant Southern City pula ialah 3.2-

3.7 kilometer. Hal ini menunjukkan bahawa rata-rata pelanggan kedua-dua hypermarket

tersebut berasal dari kawasan sekitarnya. Keadaan tersebut adalah normal. Malahan

melaui survei yang dijalankan oleh Yuhanis (2008), juga menunjukkan bahawa 41.6

peratus pelanggan menyatakan bahawa antara faktor mereka mengunjungi Giant

Southern City adalah kerana jaraknya yang hampir dengan kediaman. Namun begitu

persoalan timbul apabila bagi Giant Skudai rata-rata pelanggannya berasal dari kawasan

yang secara purata terletak dalam jarak 4.6-5.8 kilometer manakala bagi Giant Plentong,

6.6-8.4 kilometer jauhnya.

Bagi Giant Skudai purata jarak asalan pelanggan yang lebih tinggi berbanding Giant

Southern mungkin dapat dilihat daripada densiti perumahan sekitarnya yang

menunjukkan bahawa kebanyakkan kawasan-kawasan perumahan sekitarnya terletak

lebih dua kilometer dari Giant Skudai (sila rujuk gambarajah 4.2). Namun begitu, bagi

Giant Plentong, walaupun terdapat begitu banyak kawasan perumahan di sekitarnya,

purata jarak asalan pengunjungnya adalah lebih tinggi. Bukan sahaja purata jarak asalan

78

menggunakan jarak sebenarnya tinggi, malahan purata jarak asalan menggunakan jarak

Euclidean juga adalah tinggi. Ini menunjukkan bahawa rata-ratanya, pengunjung Giant

Plentong berasal dari kawasan yang lebih jauh dan bukan dari kawasan kejiranannya.

Kenyataan ini disokong oleh survei yang dibuat oleh Yuhanis (2008), yang menyatakan

hanya 4.7 peratus responden sahaja yang menyatakan faktor kedekatan dengan kediaman

menjadi faktor mereka mengunjungi Giant Plentong.

Gambarajah 4.2 Densiti Kawasan Perumahan Sekitar Hypermarket Kajian.

Keadaan ini mungkin terjadi kerana terdapatnya persaingan daripada hypermarket-

hypermarket lain seperti Tesco dan Jusco yang baru dibina di dalam kawasan lingkungan

pasaran Giant Plentong yang menarik minat penduduk tempatan atau sekitarnya.

Sekaligus menghadkan kemampuan Giant untuk menarik pelanggan tempatan. Maka

hanya pelanggan dari taman-taman perumahan lebih jauh, yang mungkin tidak

mempunyai hypermarket berdekatan kediman mereka, datang membeli-belah di Giant

Plentong bagi membeli barangan keperluan semingguan yang spesifik, murah dan hanya

ditawarkan oleh Giant.

79

Menurut kajian oleh Yuhanis (2008), beliau menyatakan bahawa lebih 25 peratus

daripada pengunjung Giant Plentong yang di survei, menyatakan bahawa mereka

mengunjungi Giant Plentong kerana lokasinya terletak dilaluan antara tempat bekerja dan

kediaman mereka. Fenomena ini punya logiknya kerana terdapat ramai penduduk di

kawasan Tebrau dan Plentong yang bekerja sama ada di Pasir Gudang mahupun Johor

Bahru. Maka dengan itu, Giant Plentong yang terletak dilaluan pulang antara tempat kerja

dan kediaman pengunjung menjadi pilihan untuk membeli barangan keperluan. Maka

dengan itu, rasional mengenai purata jarak asalan pelanggan hypermarket Giant Plentong

yang tinggi dapat dijelaskan.

4.2.3 Penggunaan Parameter Bagi Pemboleh Ubah Jarak Dalam Model Graviti

Perbincangan para sarjana mengenai penggunaan parameter bagi pemboleh-ubah yang

digunakan dalam model graviti menimbulkan persoalan tentang kesannya pada kejituan

ramalan. Antara perbezaan pendapat yang paling menonjol ialah keperluan penggunaan

parameter bagi pemboleh ubah jarak yang dikatakan berbeza bagi kajian melibatkan

perjalanan untuk tujuan pergi bekerja, rekrasi dan membeli-belah. Terdapat para sarjana

yang menyatakan bahawa ramalan menjdi lebih tidak tepat apabila parameter digunakan

bagi pemboleh ubah dalam model graviti. Keputusan analisis kajian ini juga

menunjukkan bahawa penggunan parameter pemboleh ubah jarak mengurangkan kejituan

ramalan.

Berdasarkan graf 4.3, garis purata kejituan ramalan menggunakan pemboleh ubah jarak

Euclidean, didapati bahawa penggunaan pemboleh ubah jarak tanpa parameter

menghasilkan ramalan yang lebih tepat iaitu dengan kejituan 52.2 peratus, berbanding

ramalan yang menggunakan pemboleh ubuah jarak berparameter yang hanya

menghasilkan ramalan berkejituan 40.2 peratus. Perbandingan kejituan ramalan sebanyak

12 peratus ini jelas menunjukkan bahawa bagi tujuan meramal peratusan pecahan asalan

pelanggan hypermarket-hypermarket Giant di Johor Bahru, adalah lebih baik agar

pemboleh ubah jarak tanpa parameter digunakan. Hal tersebut dibuktikan lagi apabila

ramalan menggunakan pemboleh ubah jarak berparameter dalam model graviti

menghasilkan purata ralat yang lebih tinggi, iaitu sebanyak 3.721 berbanding ramalan

yang tidak menggunakan parameter, yang mana purata ralatnya hanyalah sekitar 3.432

(sila rujuk jadual 4.4).

80

Jadual 4.4 Perbandingan Ralat dan Kejituan Ramalan Menggunakan Parameter bagi

Pemboleh Ubah Jarak Euclidean dan Jarak Sebenar .

Jenis Jarak Tanpa Parameter Jarak Berparameter ^2 Kejituan Ramalan (%) 52.2 40.2 Purata Ralat 3.432 3.721

(Jarak)y = 0.522xR² = 0.17

Graf 4.3 Perbandingan Kejituan Viarasi Model Graviti Yang Menggunakan

Viarasi Pemboleh Ubah Jarak dengan Parameter Kuasa Satu dan

Parameter Kuasa Dua.

4.3 Perbandingan Pecahan Asalan Pelanggan Setiap Hypermarket Kajian

Menggunakan Viarasi Model Graviti

Walaupun berdasarkan perbandingan kejituan ramalan kesemua hypermarket kajian,

didapati bahawa secara keseluruhannya model graviti yang menggunakan pemboleh ubah

jarak Euclidean tanpa parameter menghasilkan ramalan paling tepat antara empat (4)

viarasi model graviti yang dikaji, didapati bahawa bagi hypermarket berbeza, penggunaan

(Jarak^2)y = 0.402xR² = 0.25


0

10

20

30

40

50

60

0 10 20 30 40 50 60

Survei (%

)

Ramalan (%)

JarakJarak^2KawalanLinear (Jarak)Linear (Jarak^2)Linear (Kawalan)

81

3 lagi viarasi menghasilkan ramalan yang lebih jitu. Malahan kedapatan outlier

menjadikan tahap kejituan ramalan viarasi model graviti menjadi tidak stabil.

4.3.1 Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Skudai Kajian


Bagi meramal peratusan pecahan asalan pelanggan Giant Skudai, dapat diperhatikan

daripada nilai purata ralat dan juga garis purata perbandingan setiap viarasi model graviti

(sila rujuk jadual 4.5 dan graf 4.4), penggunaan pemboleh ubah jarak Euclidean tanpa

parameter menghasilkan ramalan paling jitu dengan peratus kejituan 61.4 peratus

sementara ralatnya hanya 2.424.

Jadual 4.5 Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi

Giant Skudai.

Jenis Viarasi Euclidean Euclidean ^2 Sebenar Sebenar^2 Kejituan Ramalan (%) 61.4 44.9 55.1 44.1

Purata Ralat 2.424 2.596 2.491 2.521


Graf 4.4 Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi

Meramal Peratusan Pecahan Asalan Pelanggan Giant Skudai.

(Euclidean^2)y = 0.449xR² = 0.46

(Sebenar)y = 0.551xR² = 0.44

(Sebenar^2)y = 0.441xR² = 0.52


0

5

10

15

20

25

0 5 10 15 20 25

Survei (%

)

Ramalan (%)

RadiusRadius^2SebenarSebenar^2KawalanLinear (Radius)Linear (Radius^2)

82

4.3.2 Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Southern City

Kajian Menggunakan Empat Viarasi Model Graviti

Analisis ke atas peratusan pecahan pelanggan Giant Southern City secara keseluruhannya

juga menunjukkan bahawa penggunaan jarak Euclidean secara keseluruhannya

menghasilkan ramalan yang paling tepat dan jitu. Penggunaan jarak Euclidean tanpa

parameter telah berjaya menghasilkan ralat purata ramalan serendah 2.891 dengan

kejituan ramalan 57.6 peratus (sila rujuk jadual 4.6 dan graf 4.5).


Giant Southern City.

Jenis Viarasi Euclidean Euclidean ^2 Sebenar Sebenar^2 Kejituan Ramalan (%)

57.6 44.4 58.2 41.2

Purata Ralat 2.891 2.917 2.921 2.991



Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong.

(Euclidean^2)y = 0.444xR² = 0.36

(Sebenar)y = 0.582xR² = 0.42

(Sebenar^2)y = 0.412xR² = ‐0.40


0

5

10

15

20

25

30

35

0 5 10 15 20 25 30 35

Survei (%

)

Ramalan (%)

RadiusRadius^2SebenarSebenar^2KawalanLinear (Radius)Linear (Radius^2)Linear (Sebenar)Linear (Sebenar^2)Linear (Kawalan)

83

4.3.3 Perbandingan Pecahan Asalan Pelanggan Hypermarket Giant Plentong

Kajian Menggunakan Empat Viarasi Model Graviti

Ramalan menggunakan viarasi jarak Euclidean tanpa parameter juga menghasilkan

ramalan paling jitu bagi Giant Plentong dengan tahap kejituan ramalan 50.5 peratus

sementara purata ralatnya paling kecil antara keempat-empat viarasi iaitu hanya 4.871

(sila rujuk jadual 4.7). Namun begitu terdapat satu kelompok outlier dari Taman Johor

Jaya yang mana peratusan pecahan pelanggan dari Taman Johor Jaya yang diramal

mengunjungi Giant Plentong menggunakan keempat-empat viarasi model graviti, adalah

terlalu besar beza ralat atau julatnya dengan peratusan yang disurvei (sila rujuk graf 4.6).

Maka timbul persoalan mengenai kesan outlier tersebut dalam menentukan kejituan

setiap viarasi yang dikaji.


Giant Plentong.

Jenis Viarasi Euclidean Euclidean ^2 Sebenar Sebenar^2 Kejituan Ramalan (%)

50.5 40.1 47.7 36.4

Purata Ralat 4.871 5.475 4.998 5.828

(Euclidaen)y = 0.505xR² = 0.19

Graf 4.6 Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti


Plentong.

(Euclidean^2)y = 0.401xR² = 0.38

(Sebenar)y = 0.477xR² = 0.23

(Sebenar^2)y = 0.364xR² = 0.47


0

10

20

30

40

50

60

0 10 20 30 40 50 60

Survei (%

)

Ramalan (%)

RadiusRadius^2SebenarSebenar^2KawalanLinear (Radius)Linear (Radius^2)

Outlier (Taman Johor Jaya)

84

Bagi mengetahui kesan ketiadaan outlier tersebut (Taman Johor Jaya), data Taman Johor

Jaya dikeluarkan daripada statistik dan graf (sila rujuk graf 4.7). Hasilnya menunjukkan

bahawa terdapatnya perubahan ketara dalam penentuan kejituan ramalan setiap viarasi

model graviti yang dikaji. Sekaligus menunjukkan betapa penting dan kritikalnya peranan

yang dimainkan oleh data, terutamanya data survei, walaupun hanya melibatkan satu

kelompok sampel dalam kajian bagi menentukan tahap kejituan setiap viarasi model

graviti ini.

(Radius)y = 0.652x


Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong Tanpa

Taman Johor Jaya (outlier)


Giant Plentong Tanpa Taman Johor Jaya (outlier).

Jenis Viarasi Euclidean Euclidean ^2 Sebenar Sebenar^2 Kejituan Ramalan (%) 65.2 84.6 64.4 87.1

Purata Ralat 3.637 3.083 3.462 2.934

Dapat dilihat daripada statistik dalam jadual 4.8 dan graf 4.7, tindakan mengeluarkan

outlier Taman Johor Jaya menghasilkan ramalan yang secara relatifnya lebih tepat.

Kejituan ramalan setiap viarasi model graviti meningkat. Namun begitu, pengeluaran

(Radius^2)y = 0.846x

(Sebenar)y = 0.644x

(Sebenar^2)y = 0.871x


0

2

4

6

8

10

12

14

16

18

20

0 2 4 6 8 10 12 14 16 18 20

Survei (%

)

Ramalan (%)

RadiusRadius^2SebenarSebenar^2KawalanLinear (Radius)Linear (Radius^2)Linear (Sebenar)

85

outlier ini juga menyebabkan viarasi yang paling jitu ramalannya bagi meramal peratusan

pecahan asalan pelanggan Giant Plentong juga berubah mendadak. Tanpa outlier,

ramalan menggunakan pemboleh ubah jarak sebenar dengan parameter kuasa dua

menghasilkan ramalan paling jitu.

Keputusan tersebut adalah selari dengan teori yang menyatakan bahawa penggunaan

jarak sebenar akan menghasilkan ramalan yang lebih tepat. Begitu juga penggunaan

parameter kuasa dua bagi mengira dan meramal perjalanan berkaitan aktiviti membeli-

belah. Bagi Giant Plentong, pemboleh ubah jarak sebenar dengan parameter kuasa dua

menghasilkan ramalan sejitu 87.1 peratus dengan purata ralatnya hanya 2.934. Begitu

juga ramalan menggunakan jarak Euclidean dengan parameter kuasa dua, menghasilkan

ramalan kedua paling jitu dengan ralat sebanyak 3.083.

Gambarajah 4.3 Lokasi dan Gunatanah Sekitar Giant Plentong dan Taman Johor

Jaya (Outlier).

Perbezaan atau ralat yang besar yang ditunjukkan oleh peratusan pecahan pelanggan

Giant Plentong yang disurvei dan yang diramal berasal daripada Taman Johor Jaya

mungkin punya kaitan dengan kehadiran unsur persaingan di sekeliling Giant Plentong

(sila rujuk gambarajah 4.3). Dapat dilihat bahawa terdapatnya begitu banyak kawasan

86

komersil dan perniagaan dibahagian utara dan barat Taman Johor Jaya yang mungkin

menyebabkan sebahagian penduduknya memilih untuk membeli barangan keperluan di

kawasan komersil di utara dan barat Taman Johor Jaya. Malahan, pembukaan Tesco

Plentong pada tahun 2008 di bahagian selatan Giant Plentong juga mungkin memberikan

kesan terhadap pemilihan tempat berbelanja kebanyakan penduduk Taman Johor Jaya.

Ini mungkin kerana, pengguna lebih cenderung untuk memilih pusat membeli-belah baru

yang kebiasaannya menawarkan kemudahan, suasana, perkhidmatan dan barangan yang

lebih baik berbanding pusat membeli-belah yang sudah lama. Malahan terdapat

kemungkinan timbul pergeseran sosial atau pertindihan kepentingan antara pihak Giant

Plentong dan penduduk tempatan di Taman Johor Jaya hingga menyebabkan peratusan

populasi Taman Johor Jaya yang disurvei membeli-belah di Giant Plentong adalah tidak

seperti diramal.

Walaubagaimanapun, bagi kajian ini, faktor persaingan daripada kawasan atau kelompok

perkedaian lain serta kesan persaingan hypermarket lain tidak diambil kira. Malahan bagi

menerangkan secara lebih lanjut mengenai fenomena mengapa peratusan penduduk

Taman Johor Jaya yang diramal mengunjungi Giant Plentong jauh berbeza dengan

bilangan penduduk Taman Johor Jaya yang disurvei pergi ke Giant Plentong, akan

memerlukan kajian lain yang lebih khusus. Maka adalah lebih sesuai bagi kajian ini,

outlier ini dikecualikan.

4.3.4 Hubungan Bilangan Sampel Asalan Pelanggan dan Purata Ralat Serta

Kesan Outlier

Berdasarkan perbandingan dalam jadual 4.9, Didapati bahawa lebih besar bilangan

sampel tempat asalan pelanggan yang lebih besar menghasilkan purata ralat yang lebih

rendah. Begitu juga bilangan sampel responden pengunjung hypermarket yang lebih

ramai menghasilkan purata peratus kejituan ramalan yang lebih tinggi. Justeru itu adalah

penting bagi menjadikan mengukur tahap kejituan ramalan sesuatu viarasi model graviti,

bilangan pengunjung yang disurvei perlu cukup banyak dan rawak agar mampu

menghasilkan perbandingan ramalan dan cerapan di tapak yang lebih baik.

87

Jadual 4.9 Hubungan Bilangan Sampel Asalan Pelanggan dan Purata Ralat serta

Kesan Outlier.

Hypermarket Viarasi Model Graviti Paling

Jitu

Bilangan Sampel Survei

Bilangan Tempat Asalan

Pelanggan

Purata Ralat

Purata Peratus Kejituan Ramalan

Southern City Jarak Euclidean 176 31 2.891 57.6 Skudai Jarak Euclidean 155 35 2.424 61.4

Plentong Jarak Euclidean 146 17 4.871 50.5 Plentong (Tanpa Outlier)

Jarak Sebenar^2 120 16 2.934 87.1

Impak outlier terhadap analisis kejituan viarasi sesuatu model graviti juga adalah amat

penting. Pengenalpastian dan pengecualian outlier adalah juaga amat penting bagi

memudahkan kita menerangkan corak dan tren interaksi antara hypermarket dan

pengunjungnya. Dalam bahagian 4.3.3 ditunjukkan kesan besar pengecualian outlier

Taman Johor Jaya terhadap pengukuran tahap kejituan senua viarasi model graviti yang

dikaji. Pengeluaran outlier dari statistik, menghasilkan purata ralat yang lebih rendah dan

purata peratus kejituan ramalan yang lebih jitu (sila rujuk jadual 4.10)

Jadual 4.10 Perbandingan Kejituan Empat (4) Viarasi Model Graviti dengan

Nilai Outlier dan Tanpa Nilai Outlier bagi Giant Plentong.

Purata Ralat Viarasi Model

Graviti

Jarak Euclidean

Jarak Euclidean ^2

Jarak Sebenar

Jarak Sebenar^2

Dengan Outlier 3.102 3.306 3.165 3.374 Tanpa Outlier 2.842 2.894 2.874 2.904

Walaubagaimanapun, setelah dijumlahkan kesemua purata serta julat purata peratusan

asalan pelanggan bagi setiap hypermarket, dan outlier Taman Johor Jaya dikeluarkan

daripada statistik dan graf, didapati bahawa penggunaan jarak Euclidean tanpa parameter

masih menghasilkan ramalan yang paling jitu dengan purata ralatnya berkurangan kepada

2.842 (sila rujuk jadual 4.10). Begitu juga purata ralat bagi lain-lain viarasi, juga

berkurangan apabila outlier dikelauarkan daripada kiraan. Keputusan itu, sekaligus

menunjukkan bahawa, mengecualikan data outlier daripada statistik analisis,

meningkatkan kejituan ramalan model graviti.

88

4.3.5 Saiz Hypermarket dan Jarak Cakupan Pasaran

Berdasarkan statistik dan analsis yang dijalankan ke atas ramalan peratusan pecahan

pengunjung ketiga-tiga hypermarket kajian menggunakan keempat-empat viarasi model

graviti, didapati bahawa terdapatnya hubungan langsung antara luas hypermarket dengan

luas cakupan pasaran. Bagi tujuan menunjukkan hubungan ini, luas setiap hypermarket di

bandingkan dengan jarak asalan paling jauh pengunjung yang disurvei (sila rujuk jadual

4.11).

Jadual 4.11 Hubungan Saiz Hypermarket, dan Jarak Cakupan Pasaran.

Hypermarket Luas (m2)

Asalan Paling Jauh Pengunjung (km)

Southern City 2,378 Taman Maju Jaya (13.3) Skudai 5,109 Taman Timor (20.5)

Plentong 9,290 Taman Mawar (34.1)

Berdasarkan jadual 4.11, dapat dilihat bahawa semakin kecil luas ruang lantai sesebuah

hypermarket, semakin kurang jarak asalan pengunjungnya. Dalam erti kata lain, lebih

kecil sesuatu hypermarket, maka lebih kecil cakupan pasarannya. Giant Plentong yang

merupakan hypermarket dalam kajian paling besar dengan keluasan 9,290 meter persegi,

mempunyai pasaran sehingga ke Taman Mawar yang terletak sejauh 34.1 kilometer

daripada Giant Plentong. Sedangkan Giant Southern City yang juga hypermarket paling

kecil dengan keluasan 2,378 meter persegi mempunyai pelanggan yang paling jauh paling

minimum, iaitu dari Taman Maju Jaya yang hanya terletak 13.2 kilometer dari Giant

tersebut.

Maka boleh diandaikan bahawa hypermarket yang lebih luas menyediakan lebih banyak

kemudahan dan dan menawarkan lebih banyak pilihan barangan serta kelompok

perniagaan atau kedai pelbagai. Maka hypermarket tersebut mampu menarik populasi

pelanggan yang lebih ramai yang berasal dari kawasan yang lebih jauh. Malahan lebih

dari itu, keputusan perbandingan ini juga membuktikan bahawa luas ruang lantai

hypermarket boleh digunakan bagi mengukur kadar tarikan sesebuah hypermarket

terhadap pasarannya, serta menunjukkan bahawa luas hypermarket berkadar langsung

dengan kadar interaksi antara sesebuah hypermarket dengan pasarannya. Justeru itu,

89

pemboleh ubah luas ruang lantai niaga hypermarket boleh digunakan dalam model graviti

bagi mengukur kadar interaksi sesuatu hypermarket dengan pasarannya..

4.4 Persamaan Regressi Lelurus Bagi Interaksi Hypermarket Giant & Pasaran

Sekitar Johor Bahru

Menggunakan perisisan Statistical Package for Social Sceince 16 (SPSS 16), Model

Regressi Lelurus bagi mewakili dan menerangkan interaksi antara hypermarket dan juga

kawasan pasarannya dijana.

4.4.1 Model Regressi Lelurus Interaksi Hypermarket dan Pasaran Menggunakan

Jarak Euclidean

Jadual 4.12 menunjukkan hasil penjanaan model regressi linear bagi mewakili fenomena

interaksi hypermarket dan juga pasarannya dengan menggunakan pemboleh ubah jarak

euclidean.

Jadual 4.12 Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya

Menggunakan Jarak Euclidean.

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) 2.827384 1.430454 1.976564 0.051581

Saiz 2.009013 0.677190 0.310487 2.966688 0.003981

Bil. Rumah 0.000185 0.000201 0.095956 0.918583 0.361110

Jarak Radius -0.216841 0.113602 -0.199463 -1.908773 0.059923

a. Dependent Variable: Bil. Pengunjung Survei

Rumus 17 menunjukkan model regressi linear bagi interaksi tersebut.

90

Yij = 2.82738 + 2.00901X1 + 0.00018X2 – 0.21684X3 (17)

Dalam rumus 17, Yij ialah bilangan pengunjung dari i yang akan ke hypermarket j. X1

ialah luas ruang lantai hypermarket j dalam meter persegi (m2), X2 pula ialah bilangan

rumah dalam kawasan perumahan i dan X3 ialah jarak Euclidean dari i ke hypermarket j

dalam kilometer (km).

Dengan faktor bilangan rumah dalam sesuatu kawasan perumahan dilihat sebagai tidak

begitu signifikan (sila rujuk jadual 4.12), faktor tersebut dikeluarkan daripada model

regressi linear yang dibina.


Menggunakan Jarak Euclidean (Tanpa Faktor Bilangan Rumah).

Coefficientsa

Model




1 (Constant) 3.138 1.389 2.260 .027

Saiz 2.044 .675 .316 3.025 .003

Jarak Radius -.216 .113 -.199 -1.905 .060


Hasilnya, keputusannya menjadi lebih signifikan dan persamaan regressi linear seperti

rumus 18 berikut dibentuk.

Yij = 3.138 + 2.044X1 - 0.215X2 (18)


ialah luas ruang lantai hypermarket j dalam meter persegi (m2), manakala X2 ialah jarak

Euclidean dari i ke hypermarket j dalam kilometer (km).

91

4.4.2 Model Regressi Lelurus Interaksi Hypermarket dan Pasaran Menggunakan

Jarak Sebenar

Penggunaan jarak sebenar dalam model regressi linear juga ditentukan. Berikut ialah

persamaam bagi model regressi linear bagi interaksi hypermarket dan pasarannya

menggunakan jarak sebenar.


Menggunakan Jarak Sebenar.

Coefficientsa

Model




1 (Constant) 4.30985 1.36116 3.16630 0.00219

Saiz 1.94341 0.62215 0.30035 3.12370 0.00250

Bil. Rumah 0.00028 0.00019 0.14409 1.48805 0.14072

Jarak Sebenar -0.49733 0.11549 -0.41635 -4.30626 0.00005


Yij = 4.30985 + 1.94341X1 + 0.00028X2 – 0.49733X3 (19)


ialah luas ruang lantai hypermarket j dalam meter persegi (m2), X2 pula ialah bilangan

rumah dalam kawasan perumahan i dan X3 ialah jarak sebenar dari i ke hypermarket j

dalam kilometer (km).

Sekali lagi, faktor bilangan rumah di sesuatu kawasan perumahan dilihat sebagai tidak

signifikan. Maka faktor tersebut dikeluarkan dan dijana model regressi linear yang baru

bagi menunjukkan interaksi hypermarket dan pasaran dengan menggunakan pembleh

ubah jarak sebenar. Jadual 4.15 menunjukkan hasil penjanaan model regressi linear

tersebut.

92


Menggunakan Jarak Sebenar (Tanpa Faktor Bilangan Rumah).

Coefficientsa

Model



t Sig. B Std. Error Beta 1 (Constant) 4.677 1.349 3.467 .001

Saiz 1.994 .626 .308 3.186 .002

Jarak Sebenar -.477 .116 -.399 -4.128 .000


Hasilnya ialah persamaan regressi linear yang mewakili interaksi hypermarket dan

pasarannya seperti rumus 18 berikut dibentuk.

Yij = 4.677 + 1.994X1 – 0.477X2 (20)


ialah luas ruang lantai hypermarket j dalam meter persegi (m2), manakala X2 ialah jarak

Euclidean dari i ke hypermarket j dalam kilometer (km).

4.5 Perbandingan Hasil Survei dengan Ramalan Model Huff dalam Pemilihan

Hypermarket Penduduk

Berdasarkan analisis dalam bahagian 4.3, didapati bahawa viarasi model graviti yang

menggunakan pemboleh ubah jarak Euclidean tanpa parameter secara puratanya

menghasilkan ramalan yang paling jitu. Justeru itu bagi analisis bahagian 4.5 ini, model

graviti Huff yang menggunakan pemboleh ubah jarak Euclidean tanpa parameter akan

digunakan bagi mengira peratusan pecahan pemilihan hypermarket yang mungkin

dikunjungi oleh populasi di sesebuah kawasan. Peratusan pecahan pemilihan hypermarket

tersebut kemudiannya akan dibandingkan dengan hasil survei. Bagi tujuan perbandingan,

lapan (8) kawasan perumahan yang disurvei dipilih berdasarkan kedapatan data survei

oleh Yuhanis (2008), untuk dibandingkan.

93

Lapan (8) kawasan tersebut ialah:

i. Kampung Melayu Majidee

ii. Kampung Pasir Putih

iii. Pangsapuri Bukit Saujana

iv. Taman Daya

v. Bandar Baru Permas Jaya

vi. Taman Desa Harmoni

vii. Taman Johor Jaya

viii. Taman Saujana

4.5.1 Pemilihan Tempat Berbelanja Penduduk di Kampung Melayu Majidee,

Taman Daya dan Pangsapuri Bukit Saujana

Dapat dilihat daripada jadual 4.16 pecahan pemilihan hypermarket yang disurvei dan

diramal bagi ketiga-tiga penduduk di Kampung Melayu Majidee, Taman Daya dan

Pangsapuri Bukit Saujana adalah selari dan hampir sama. Sekaligus membuktikan

bahawa ramalan pecahan asalan pelanggan oleh model graviti yang menggunakan jarak

Euclidean tanpa paremeter berjaya menghasilkan ramalan yang hampir sama dengan

situasi sebenar interaksi antara hypermarket dengan pasarannya.

Jadual 4.16 Pemilihan Tempat Berbelanja Penduduk Kg. Melayu Majidee, Taman

Daya dan Pangsapuri Bukit Saujana.

Penduduk Pecahan Pemilihan – Menurut

Survei (%) Pecahan Pemilihan – Menurut

Model Huff (%) Giant Skudai Giant Plentong Giant Skudai Giant Plentong

Kg. Melayu Majidee 4.55 95.45 35 65

Taman Daya 20.00 80.00 30 70 Pangsapuri

Bukit Saujana 14.29 85.71 33 67

Berdasarkan hasil survei, didapati bahawa 4.5 peratus responden dari Kampung Melayu

Majidee memilih untuk membeli-belah di Giant Skudai berbanding 95.45 peratus yang

memilih untuk membeli-belah di Giant Plentong. Manakala ramalan model graviti Huff

pula menyatakan bahawa 35 peratus penduduk di Kampung Melayu Majidee memilih

Giant Skudai manakala baki 65 peratus pula memilih untuk membeli-belah di Giant

Plentong (sila rujuk gambarajah 4.4 dan 4.5).

94

Gambarajah 4.4 Kebarangkalian Penduduk di Taman Daya, Kampung Melayu

Majidee dan Pangsapuri Bukit Saujana Mengunjungi Giant Skudai.

Gambarajah 4.5 Kebarangkalian Penduduk di Taman Daya, Kampung Melayu Majidee dan Pangsapuri Bukit Saujana Mengunjungi Giant Plentong.

95

Jelas menerusi ramalan model Huff menunjukkan bahawa kebarangkalian penduduk di

Kampung Melayu Majidee untuk mengunjungi Giant Plentong adalah lebih tinggi

daripada kebarangkalian mereka mengunjungi Giant Skudai juga dibuktikan oleh hasil

survei. Namun begitu peratusan pengunjung yang ke Giant Skudai berbanding Giant

Plentong yang disurvei mungkin kerana untuk pergi ke Giant Skudai, penduduk

Kampung Melayu Majidee perlu melalui laluan yang lebih berliku-liku, melalui Lebuh

Raya Pasir Gudang yang sesak, serta terpaksa memusing jauh berbanding untuk pergi ke

Giant Plentong yang lebih mudah perjalanannya menggunakan Lebuh Raya Tebrau.

Hasil survei ke atas penduduk Taman Daya pula memperlihatkan bahawa 20 peratus

daripada responden memilih untuk membeli-belah di Giant Skudai manakala baki 80

peratus pula memilih untuk membeli-belah di Giant Plentong. Ramalan menggunakan

model Huff juga hampir dapat meramal kadar interaksi antara populasi di Taman Daya

dengan kedua-dua hypermarket Giant Skudai dan Giant Plentong secara hampir tepat.

Menurut ramalan, terdapat 70 peratus kerangkalian penduduk di Taman Daya akan

memilih Giant Plentong berbanding Giant Skudai. Fenomena ini jelas dipengaruhi oleh

faktor jarak Giant Plentong yang lebih hampir dan mudah untuk dicapai penduduk

Taman Daya (sila rujuk gambarajah 4.4 dan 4.5).

Model Huff juga meramalkan bahawa terdapat 67 peratus kemungkinan penduduk di

Pangsapuri Bukit Saujana akan mengunjungi Giant Plentong berbanding hanya 33

peratus yang diramal memilih Giant Skudai sebagia tempat untuk membeli-belah. Hasil

survei juga menunjukkan bahawa penduduk di Pangsapuri Bukit Saujana lebih

cenderung untuk membeli belah di Giant Plentong berbanding Giant Skudai. Survei

menunjukkan bahawa hanya 14.29 peratus responden memilih Giant Skudai berbanding

baki 85.71 responden yang memilih Giant Plentong.

4.5.2 Pemilihan Tempat Berbelanja Penduduk di Bandar Baru Permas Jaya,


Melalui perbandingan peratusan pecahan kemungkinan kunjungan oleh model Huff

dengan hasil survei asalan pelanggan hypermarket Giant Southern City dan Plentong dari

Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman

96

Saujana, dapat disimpulkan bahawa ramalan model Huff secara umumnya berjaya

meramal kelebihan kemungkinan kunjungan penduduk di sesuatu kawasan ke sesebuah

hypermarket berbanding hypermarket saingannya, walaupun pada tahap kejituan yang

berbeza (sila rujuk jadual 4.17).

Jadual 4.17 Pemilihan Tempat Berbelanja Penduduk Bandar Baru Permas Jaya,

Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana.

Penduduk

Pecahan Pemilihan – Menurut Survei (%)

Pecahan Pemilihan – Menurut Model Huff (%)

Giant Southern City

Giant Plentong Giant Southern

City Giant Plentong

Bandar Baru Permas Jaya

43.75 56.25 14 86

Taman Desa Harmoni

42.86 57.14 15 85

Taman Johor Jaya

3.70 96.30 8 92

Taman Saujana 27.78 72.22 7 93

Model Huff berjaya meramalkan bahawa Giant Plentong dapat menarik lebih ramai

pengunjung dari Bandar Baru Permas Jaya berbanding Giant Southern dengan

menunjukkan bahawa 86 peratus penduduknya mungkin memilih Giant Plentong

berbanding hanya 14 peratus sahaja yang akan mengunjungi Giant Southern City (sila

rujuk gambarajah 4.6 dan 4.7). Walaubagaimanapun hasil survei menunnjukkan bahawa

peratusan pecahan atau pemilihan tempat membeli-belah oleh penduduk Bandar Baru

Permas Jaya adalah hampir sama iaitu 43.75 peratus ke Southern City dan baki 56.25

peratus ke Giant Plentong.

Antara faktor yang mungkin menyumbang kepada keadaan ini mungkin kerana jarak ke

kedua-dua rangkaian Giant tersebut adalah hampir sama, malahan kedapatan jalan raya

utama yang menghubungkan Bandar Baru Permas Jaya dengan Giant Southern dan Giant

Plentong, menjadikan kadar interaksi sebenar antara Bandar Baru Permas Jaya dengan

kedua-dua hypermarket tersebut hampir seimbang. Sekiranya terdapat faktor yang

menyebabkan penduduk di situ lebih memilih Giant Plentong, mungkin kerana mereka

tidak begitu gemar pergi ke kawasan pusat bandar yang menjadi lokasi Giant Southern

97

Gambarajah 4.6 Kebarangkalian Penduduk di Bandar Baru Permas Jaya, Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana Mengunjungi Giant Southern.

Gambarajah 4.7 Kebarangkalian Penduduk di Bandar Baru Permas Jaya, Taman

Desa Harmoni, Taman Johor Jaya dan Taman Saujana Giant Plentong.

98

City kerana bimbangkan faktor kesesakan dalam kawasan bandaraya. Terdapat juga

kemungkinan penduduk di Permas Jaya memilih Giant Southern City hanya kerana ia

terletak berhampiran tempat kerja atau pun berada di laluan untuk ke tempat kerja.

Trend yang hampir sama juga ditunjukkan oleh penduduk di Taman Desa Harmoni

apabila hasil survei menunjukan pecahan pemilihan tempat membeli-belah yang hampir

sama iaitu 42.86 peratus responden dari Taman Desa Harmoni memilih Giant Southern

City manakala baki 57.14 responden dari Taman Desa Harmoni pula memilih Giant

Plentong. Ramalan pula menjangkakan terdapat 85 peratus kemungkinan penduduk di

Taman Desa Harmoni akan memilih Giant Plentong dan hanya 15 peratus

berkemungkinan memilih Giant Southern City.

Model Huff berjaya meramalkan pecahan pemilihan hypermarket yang lebih jitu bagi

penduduk Taman Johor Jaya dengan meramalkan bahawa terdapatnya kemungkinan 92

peratus daripada populasi Taman Johor Jaya akan pergi ke Giant Plentong manakala

hanya 8 peratus memilih untuk pergi ke Giant Southern City. Ramalan tersebut ternya

amat jitu apabila menerusi survei, didapati bahawa 96.30 peratus responden dari Taman

Johor Jaya memilih untuk membeli-belah di Giant Plentong dan hanya baki 3.7 peratus

memilih untuk pergi ke Giant Southern City (sila rujuk gambarajah 4.6 dan 4.7).

Begitu juga ramalan model Huff bagi pemilihan tempat berbelanja penduduk Taman

Saujana, juga menghasilkan ramalan yang hampir dapat menerangkan kadar interaksi

sebenar yang disurvei. Model Huff meramalkan 93 peratus penduduk Taman Saujana

akan memilih Giant Plentong sementara baki 7 peratus memilih Giant Southern City.

Hasil survei juga menyokong bahawa kadar tarikan Giant Plentong ke atas penduduk

Taman Saujana adalah lebih kuat, apabila 72.22 peratus responden daripada Taman

Saujana memilih untuk membeli-belah di Giant Plentong dan hanya 27.78 peratus

responden yang berasal daripada Taman Saujana memilih Giant Southern. Bagi kedua-

dua Taman Johor Jaya dan Taman Saujana tersebut, faktor pemilihan yang dominan itu

mungkin didorong oleh faktor kedekatan jarak Giant Plentong dengan kediaman mereka.

99

4.5.3 Pemilihan Tempat Berbelanja Penduduk di Kampung Pasir

Ramalan Model Huff bagi menentukan tahap tarikan antara Giant Skudai dan Giant

Southern bagi penduduk Kampung Pasir juga menghasilkan ramalan kemungkinan

kunjungan yang agak baik. Model Huff meramalkan bahawa 80 peratus penduduk di

Kampung Pasir mungkin memilih Giant Skudai berbanding hanya 20 peratus sahaja

yang akan membeli-belah di Giant Southern City. Hasil survei menunjukkan bahawa

ramalan pilihan hypermarket tersebut adalah baik apabila 66.67 peratus responden

mengunjungi Giant Skudai berbanding hanya 33.33 peratus responden dari Kampung

Pasir yang mengunjungi Giant Southern City. Bilangan lebih ramai penduduk Kampung

Pasir yang pergi ke Giant Skudai mungkin kerana jaraknya yang lebih hampir serta

adanya Jalan Skudai yang menghubungkan Giant Skudai secara terus denga Kampung

Pasir (sila rujuk jadual 4.18, gambarajah 4.8 dan 4.9).

Jadual 4.18 Pemilihan Tempat Berbelanja Penduduk Kampung Pasir

Penduduk

Pecahan Pemilihan – Menurut

Survei (%)

Pecahan Pemilihan – Menurut

Model Huff (%)

Gianr Skudai Giant Southern

City Gianr Skudai

Giant Southern

City

Kampung Pasir

Putih 66.67 33.33 80 20

Dalam bahagian 4.5.1, 4.5.2, dan 4.5.3, perbandingan hanyalah dibuat berdasarkan

interaksi antara dua hypermarket kajian kerana terdapatnya limitasi data yang disurvei.

Tiada pengunjung di ketiga-tiga hypermarket kajian yang berasal dari satu kawasan yang

sama, bagi membolehkan perbandingan pecahan interaksi dibuat bagi ketiga-tiga

hypermarket secara serentak. Hanya terdapat lapan (8) kawasan asalan pengunjung yang

disurvei di dua hypermarket kajian, manakala selebihnya hanya disurvei di satu

hypermarket kajian. Justeru itu, perbandingan kadar interaksi tidak dapat dibuat.

Walaubagaimanapun, daripada gambarajah 4.10, 4.11 dan 4.12 dapat dilihat interaksi

antara hypermarket-hypermarket kajian dengan kawasan pasarannya dan tahap

persaingan antara ketiga-tiga hypermarket kajian.

100

Gambarajah 4.8 Kebarangkalian Penduduk di Kampung Pasir Mengunjungi Giant Southern.

Gambarajah 4.9 Kebarangkalian Penduduk di Kampung Pasir Mengunjungi Giant

Skudai.

101

4.5.4 Tahap Interaksi antara Tiga (3) Hypermarket Kajian Dengan Pasaran.

Daripada gambarajah 4.10, 4.11 dan 4.12, dapat dilihat bahawa Giant Plentong dan Giant

Skudai mempunyai pengaruh atau kadar tarikan keatas pasaran yang jauh lebih besar

daripada Giant Southern City. Sebahagian besar pasaran Giant Southern City hanyalah

dari sekitar kawasan mukim Bandar Johor diapit oleh tadahan pasaran Giant Plentong

dan Skudai. Kawasan pasaran utama Giant Plentong menganjur ke arah Timur Daerah

Johor Bahru manakala bagi Giant Skudai pula, tadahan pasarannya merangkumi

sebahagian besar kawasan perumahan di bahagian barat Daerah Johor Bahru.

Gambarajah 4.10 Kemungkinan Kunjungan ke Giant Skudai.

Kawasan tadahan pasaran Giant Skudai bertumpu di kawasan barat dan mengunjur ke

kawasan barat Johor Bahru dimana terdapatnya beberapa kawasan perumahan berskala

besar yang dibina lebih awal berbanding taman-taman perumahan di sebelah timurnya

yang hanya terdiri daripada kawasan perindustrian. Antara taman perumahan utama di

kawsan barat tersebut ialah Taman Ungku Tun Aminah, Taman Perling dan Taman

Universiti.

102

Gambarajah 4.11 Kemungkinan Kunjungan ke Giant Southern City.

Gambarajah 4.12 Kemungkinan Kunjungan ke Giant Plentong.

103

Bagi Giant Southern City pula, disebalik kawasan tadahannya diapit oleh Giant Skudai

dan Plentong, kawasan tadahan pasaran di bandar Johor Bahru yang mana penduduknya

lebih padat dan punya pendapatan per kapita yang lebih tinggi, mungkin akan

membolehkan Giant Southern City Memperolehi keuntungan yang hampir sama tahap

dengan dua lagi hypermarket Giant yang punya pengaruh tadahan pasaran lebih besar

(sila rujuk gambarajah 4.11).

Cakupan tadahan Giant Plentong juga adalah lebih besar, dan menganjur ke bahagian

timur. Terdapat banyak taman perumahan besar dan berkepadatan tinggi di bahagian

timur, antaranya ialah taman Johor Jaya. Dengan populasi yang besar di sekelilingnya,

Giant Plentong punya pasaran cukup besar yang membolehkan hypermarket tersebut

memperolehi keuntungan tinggi.

4.5.5 Ujian Signifikan Keputusan Perbandingan Antara Ramalan Model Graviti

dan Hasil Survei

Ujian signifikasi menggunakan ujian-Z dan ujian-T memperlihatkan mengenai signifikan

perbandingan antara keputusan ramalan oleh model graviti dan juga hasil survei.

Didapati berdasarkan ujian-Z yang dijalankan menggunakan Microsoft Excel, nilai

signifikan hubungan kedua-dua hasil ramalan dan juga hasil survei ialah 0.01663, iaitu

berada di bawah nilai 0.05. Maka, dikatakan bahawa antara kedua hasil pecahan

peratusan tidak punya kaitan antara satu sama lain. Walaubagaimanapun berdasarkan

ujian regressi, dikatakan bahawa terdapat kaitan lemah antara hasil survei dan juga hasil

ramalan dimana nilainya hanya 0.02 (sila rujuk jadual 4.19 & 4.20).

Jadual 4.19 Ujian Kaitan Hasil Ramalan dan Hasil Survei Correlations

Ramalan Survei Pearson Correlation Ramalan 1.000 .747

Survei .747 1.000 Sig. (1-tailed) Ramalan . .001

Survei .001 . N Ramalan 14 14

Survei 14 14 Jadual 4.20 Ujian Signifikan antara Hubungan Hasil Ramalan dan Survei.

104

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

95% Confidence

Interval for B Correlations Collinearity Statistics

B Std. Error Beta

Lower

Bound

Upper

Bound

Zero-

order Partial Part Tolerance VIF

(Constant) 10.184 11.892

.856 .409 -15.726 36.094

Survey .769 .198 .747 3.890 .002 .338 1.200 .747 .747 .747 1.000 1.000

a. Dependent Variable: Ramalan

4.6 Rangkuman Keseluruhan Analisis

Berdasarkan analisis yang dijalankan dalam bahagian empat (4) kajian ini, didapati

bahawa viarasi model graviti yang menggunakan pemboleh ubah jarak reuclidaen tanpa

parameter secara puratanya menghasilkan ramlan yang paling jitu, dengan purata ralat

ramalan yang paling rendah iaitu 3.395. Dibuktikan juga dalam analisis kajian ini,

terdapatnya kesan langsung daripada luas ruang lantai hypermarket dalam menentukan

cakupan pasarannya. Malahan di tunjukkan juga mengenai penting dan besarnya kesan

outlier, serta bilangan sampel dalam menentukan tahap kejituan sesuatu ramalan viarasi

model graviti. Melalui pengiraan persamaan linear serentak, didapati nilai pemalar

graviti bagi viarasi model graviti yang paling jitu yang menggunakan jarak radius tanpa

parameter ialah 1.862. Lebih penting, secara keseluruhannya, analisis kajian ini

membuktikan bahawa ramalan menggunakan model graviti Huff dengan pemboleh ubah

jarak radius tanpa parameter, dapat meramalkan dengan baik peratusan pecahan pilihan

hypermarket oleh penduduk di sesebuah kawasan. Daripada lapan (8) sampel kawasan

kajian, model graviti Huff berjaya menentukan hypermarket yang menjadi pilihan

penduduk di kelapan-lapan kawasan, berbanding hypermarket saingannya.

BAHAGIAN 5

RUMUSAN KAJIAN & CADANGAN

5.1 Keseluruhan Kajian

Kajian ini dibahagikan kepada lima (5) bahagian iaitu, Bahagian 1 - Penyataan Isu dan

Kerangka Kajian, Bahagian 2 – Sistesis Nukilan-nukilan Ilmiah, Bahagian 3 – Reka

Bentuk Pangkalan Data dan Penjanaan Model, Bahagian 4 – Analisis Viarasi Model

Graviti & Penemuan Kajian dan Bahagian 5 – Rumusan Kajian dan Cadangan. Di dalam

Bahagian 5 ini, segala inti pati dan penemuan kajian dalam bahagian-bahagian

sebelumnya dirangkumkan dalam bahagian ini. Dibincangkan juga implikasi penemuan

kajian ini terhadap bidang perancangan serta cadangan bagi memperbaiki isu penggunaan

model graviti.Seterusnya dicadangkan keperluan kajian lanjutan bagi memperbaiki hasil

kajian ini dan mengkaji ramalan model graviti agar pemahaman terhadapnya menjadi

lebih mendalam.

5.2 Isu Penggunaan Viarsi Model Graviti

Kajian ini dijalankan apabila timbulnya isu mengenai kemampuan model graviti bagi

meramal pemilihan tempat berbelanja pengguna dan juga bagi meramal pecahan asalan

pelanggan sesebuah hypermarket. Malahan timbul juga persoalan mengenai viarasi model

graviti yang menggunakan pelbagai pemboleh ubah jarak Euclidean dan jarak sebenar

106

serta penggunaan parameter dalam menghasilkan ramalan yang paling jitu dan

menggambarkan fenomena sebenar. Beberapa sarjana seperti Todes dan Riza menyatakan

mengenai ketidakmampuan model graviti bagi meramal fenomena perjalanan di Kota

Bahru dan Chicago dengan baik.

Oleh kerana timbulnya isu mengenai kejituan ramalan oleh model graviti tersebut,

pelbagai viarasi model graviti diperkenalkan. Bermula dari Hukum Graviti Newton,

model graviti terus diubah suai berdasarkan teori para sarjana, namun setiap

pengubahsuaian itu masih berpegang kepada prinsip asas hukum graviti yang menyatakan

bahawa kadar interaksi antara dua entiti adalah bergantung kepada saiz atau jisimnya

serta berkadar songsang dengan jarak antara keduanya. Terdapat tiga jenis model graviti

yang juga dikenali sebagai model interaksi reruang yang paling menonjol dan digunakan

secara meluas dalam bidang perniagaan dan perancangan.

Bermula dengan Hukum Peruncitan Reilly yang menentukan sempadan pasaran setiap

pusat membeli-belah dan juga menentukan tempat berbelanja penduduk di sesuatu

kawasan, Huff pula kemudiannya memperbaiki model Reilly itu. Model Huff

menunjukkan peratus kemungkinan penduduk di sesuatu kawasan untuk pergi membeli

belah di sesuatu pusat membeli-belah. Pentingnya modifikasi Huff ialah dengan

memasukkan faktor persaingan antara pusat-pusat membeli-belah dan menekankan

unsure kemungkinan dan bukannya pemilihan mutlak.Modifikasi model graviti yang

ketiga dan mungkin merupakan suatu lonjakan kepada viarasi model interaksi reruang

dicadangkan oleh Nakkanishi dan Cooper yang memasukkan faktor-faktor sosial kedalam

model graviti bagi menghasilkan Multiplicative Competitive Interaction Model (MCI).

MCI dihasilkan kerana menurut kedua sarjana itu, pemilihan tempat berbelanja pengguna

bukan sahaja dipengaruhi oleh faktor saiz pusat-membeli-belah dan jaraknya dari

kediaman pengunjung, malahan turut dipengaruhi faktor kemampuan sosio-ekonomi

penduduk, cita rasa penduduk, rutin dan gaya hidup penduduk, kedapatan kemudahan di

pusat membeli belah, penawaran pelbagai jenis barangan serta suasana atau imej

sesebuah pusat membeli-belah.

Bagi menentukan tahap kejitauan viarasi model graviti dan juga ketepatan ramalan model

graviti dalam menerangkan interaski antara pusat membeli-belah serta paaran, kajian ini

membandingkan peratusan pecahan asalan pelanggan serta pilihian tempat membeli-

107

belah penduduk sekitar Daerah Johor Bahru yang disurvei, dengan ramalan pemilihan

tempat membeli-belah ynag diramal oleh model graviti. Model Huff digunakan bagi

tujuan ramalan tersebut. Dengan menjadikan tiga hypermarket Giant (Giant Skudai,

Giant Plentong dan Giant Southern City) sebagai juzuk kajian utama, kajian ini

menggunakan keupayaan analisis reruang yang ada dalam sistem maklumat geografi

(GIS) bagi menjelaskan lagi ramalan tahap interaksi antara hypermarket kajian dengan

pasarannya.

5.3 Analisis dan Penemuan Kajian

Berdasarkan analisis yang telah dijalankan, didapati bahawa bagi hypermarket berbeza,

viarasi model graviti yang berbeza menghasilkan ramalan yang paling jitu dengan purata

ralat paling rendah. Keadaan ini mungkin dipengaruhi oleh keadaan fizikal jaringan jalan

raya yang luas dan intensif menghubungkan antara hypermarket dengan tempat asalan

pelanggan Daerah Johor Bahru. Maka tidak penggunaan jarak radius tidak begitu berbeza

dengan jarak sebenar. Malahan bagi penduduk Johor Bahru yang mempunyai taraf

sosio–ekonomi tinggi dan rata-rata mempunyai kenderaan sendiri, faktor jarak mungkin

bukanlah pertimbangan utama mereka dalam memilih tempat membeli-belah, malahan

mungkin faktor cita rasa, suasana, kemudahan, konsep dan jenis barangan yang

ditawarkan lebih mempengaruhi penduduk Johor Bahru.

Namun begitu secara keseluruhannya, didapati bahawa penggunaan model graviti yang

menggunakan pemboleh ubah jarak radius tanpa parameter menghasilkan ramalan yang

paling jitu dengan purata ralat yang paling rendah iaitu hanya sebanyak 3.395.

Penggunaan parameter keatas pemboleh ubah jarak dalam model graviti juga dibuktikan

menjadikan ramalan semakin tidak tepat.Kedapatan outlier juga didapati menjadikan

ramalan semakin tidak jitu. Malahan dapat diperhatikan bahawa tahap kejituan ramalan

model graviti akan meningkat dengan meningkatnya bilangan sampel tempat asalan

pelanggan serta bilangan responden yang disurvei.

Analisis kajian in juga menunjukkan bahawa terdapatnya hubungan secara langsung

antara saiz sesebuah hypermarket dengan luas atau jarak cakupan pasarannya. Lebih

108

besar sesebuah hypermarket, maka lebih pelanggan dari jarak yang lebih jauh akan

datang untuk membeli-belah. Maka penggunaan pemboleh ubah saiz ruang lantai

hypermarket dan bilangan rumah disesuatu kawasan adalah memadai bagi mengukur

kadar interaksi antara pusat membeli-belah dan juga pasarannya. Pengiraan persamaan

serentak pula menunjukkan bahawa nilai pemalar graviti bagi interaksi antara

hypermarket-hypermarket Giant di Johor Bahru dengan kawasan pasaran ialah 1.862 bagi

viarasi model graviti yang menggunakan viarasi model berjarak radius tanpa parameter.

Perbandingan antara hasil ramalan oleh model graviti paling jitu dengan hasil survei oleh

Yuhanis menunjukkan bahawa model graviti menggunakan jarak radius tanpa parameter

telah menunjukkan keputusan yang positif; mampu dan berjaya meramal pecahan

pemilihan tempat berbelanja oleh penduduk di lapan (8) kawasan sekitar Johor Bahru.

Model graviti Berjaya meramalkan tahap keupayaan tarikan atau tahap interaksi bagi

sesebuah hypermarket sama ada lebih besar atau lebih kecil daripada hypermarket

saingannya. Walaubagaimanapun, terdapat sedikit ralat dalam segi kejituan peratus

pecahan penduduk, mungkin disebabkan kajian ini hanya mengambil kira faktor jarak,

saiz hypermarket dan bilangan penduduk di sesuatu kawasan tanpa mengambil kira faktor

kesesakan jalan raya yang perlu dilalui, rutin harian penduduk, dan juga kebiasaan

pengunjung dengan sesebauh hypermarket tersebut.

5.4 Implikasi Penemuan Kajian Pada Perancangan dan Cadangan

Menerusi hasil kajian ini, menunjukkan bahawa model graviti mampu dengan baik dan

jelas menghasilkan ramalan berkaitan interaksi antara hypermarket Giant dan pasaran.

Viarasi model graviti dengan menggunakan jarak euclidean meramalkan dengan tepat

mengenai kemampuan sesebuah hypermarket berbanding hypermarket saingannya dalam

menarik penduduk di sesuatu kawasan perumahan. Sekaligus mengesahkan bahawa para

perancang dan pembiuat keputusan boleh bergantung kepada model graviti bagi meramal

sesuatu perubahan mahupun bagi tujuan memahami sistem interaksi antara pelbagai jenis

gunatanah. Arakian dapat menghasilkan keputusan perancangan dan perancangan yang

lebih berkesan dan baik. Menafikan dakwaan bahawa model graviti menghasilkan

109

ramalan yang tidak jitu. Apa yang penting ialah, penggunaan viarasi pemboleh ubah yang

tepat dan sesuai bagi sesuatu tujuan kajian betul.

Ramalan tahap interaksi oleh model graviti boleh diterjemahkan bagi kegunaan beberapa

perkara dalam bidang perancangan. Contohnya kadar interaksi boleh diterjemah dalam

bentuk isipadu trafik yang mungkin melalui sesuatu laluan andainya terdapat projek

pembangunan baru disesuatu kawasan. Ramalan model graviti akan dapat membantu

perancang meramalkan peningkatan jumlah isipadu sesebuah jalan raya di masa akan

datang, sekaligus bertindak merancang bagi mengatasi masalah kesesakan yang mungkin

timbul. Begitu juga model graviti ini boleh digunakan bagi menentukan sama ada

sesebuah hypermarket baru boleh dibina disesuatu kawasan atau tidak dengan

mengaitkan pembangunan itu dan kesannya terhadap pecahan pasaran dan impak negatif

kepada hypermarket serta kawasan perkedaian sedia ada atau pun digunakan bagi megira

keuntungan yang mungkin dijana oleh hypermarket tersebut.

Model graviti yang telah diukur dalam kajian ini boleh digunakan bagi mengira dan

meramal kadar interaksi antara hypermarket dan pasarannya di masa akan datang.

Sebarang pembinaan dan perletakan hypermarket seharusnya terlebih dahulu dirancang

dengan mengambil kira faktor lokasinya, terutamanya dari segi jarak sesebuah

hypermarket dengan pasaran sedia ada dan pasaran dalam pembinaan serta jaraknya

dengan pesaingnya. Ini kerana melalui kajian ini ditunjukkan mengenai bagaimana Giant

Southern City mengalami tekanan persaingan bagi menguasai pasaran berbanding Giant

Skudai dan Giant Plentong. Menyebabkan litupan atau lingkungan pasaran Giant

Southern City menjadi kecil dan terhad, seterusnya memberikan kesan kepada kadar

keuntungan yang mungkin dijana.

Melalui analisis kajian ini yang menunjukkan tahap tarikan bagi sesebuah hypermarket

berbanding hypermarket saingannya, saiz sesebuah hypermarket dilihat sebagai

signifikan dalam menentukan kuasa atau kadar tarikan sesebuah hypermarket terhadap

pasaran. Justeru itu, pihak perancang, sebelum memberikan kebenaran merancang

terhadap pembinaan hypermarket baru di sesuatu kawasan, seharusnya menetapkan had

saiz dan minimum jaraknya berbanding dengan mana-mana hypermarket sedia ada, serta

berdasarkan pada ciri-ciri permintaan dan keperluan pasaran, sama ada mencukupi

dengan hypermarket sedia ada, atau pun terdapatnya keperluan bagi membina

110

hypermarket yang baru. Ini kerana sekiranya terdapat lebihan penawaran yang

disebabkan bilangan hypermarket yang banyak dengan saiz yang besar, litupan pasaran

sedia ada dan lama di sesuatu kawasan, mungkin menguncup, seperti yang dibuktikan

oleh kajian Yuhanis (2008).

Maka para perancang perlulah menggunakan segala maklumat berkaitan gunatanah sedia

ada dan gunatanah dimasa akan datang yang berkemungkinan, bagi meramalkan

kemungkinan atau senario masa akan datang sekiranya sesebuah hypermarket ingin

dibina disesuatu kawasan. Bagi tujuan tersebut, model graviti seharusnya digunakan bagi

membantu para perancang meramal kemungkinan impak pembangunan hypermarket

tersebut berdasarkan senario tertentu. Kadar interaksi dan pecahan kemungkinan asalan

pelanggan hypermarket yang diramal menggunakan model graviti ini seterusnya

membolehkan perancang meramal juga penigkatan keperluan pembesaran jalan serta

mengawal perletakan taman perumahan dan hypermarket dengan lebih baik, Sekaligus

membantu mewujudkan persekitaran bandar yang lebih seimbang dan mengurangkan

kemungkinan masalah rantaian timbul akibat daripada kegagalan untuk merancang dan

memperuntukkan dengan optimum gunatanah perniagaan bandar.

5.5 Cadangan Penyelidikan Lanjutan

Terdapat beberapa had atau halangan dalam kajian ini yang memungkinkan kajian

lanjutan dijalankan bagi memperbaiki hasil analisis dan menunjukkan hubungkait yang

lebih terpeinci mengenai interaksi antara juzuk menggunakan model graviti.

Perbandingan antara ramalan dan hasil survei dalam kajian ini adalah amat bergantung

kepada data survei asalan pelanggan tiga (3) hypermarket yang dibuat oleh Yuhanis

(2008). Namun begitu, survei yang dibuat oleh Yuhanis bukanlah khusus bagi tujuan

untuk dibandingkan dengan ramalan oleh model graviti. Justeru itu, faktor-faktor

kunjungan ke hypermarket kajian berbanding hypermarket lain tidak disurvei dengan

cukup terpeinci.

Faktor-faktor seperti taraf sosio-ekonomi, suasana, cita rasa, psikologi pengguna, pilihan

jenis barangan, kemudahan serta konsep tempat berbelanja yang menjadi pilihan

111

pengguna tidak dimasukkan dalam survei tersebut. Kesemua faktor tersebut kemudiannya

ditapis menggunakan Analisis Proses Berheirarki (AHP) dan di masukkan kedalam

model graviti MCI seperti yang dipeloporikan oleh Nakkanishi dan Cooper. Justeru,

ramalannya dibandingkan dengan hasil survei dan kita akan dapt membandingkan

kejitaun ramalan model yang memasukkan unsur sosial dan psikologi pengguna.

Malahan terdapat juga persoalan mengenai kerawakan survei yang akan mempengaruhi

kejituan hasil perbandingan. Terdapat kemungkinan bahawa Yuhanis hanya menjalankan

survei untuk satu hari di hari biasa atau di hujung minggu sedangkan terdapatnya

kecenderungan penduduk di sesuatu kawasan yang tidak akan mengunjungi hypermarket

kajian kerana faktor kesesakan jalan raya pada hujung minggu atau pun sebagainya.

Justeru, mengganggu corak hasil analisis. Maka dicadangkan bagi tujuan melakukan

kajian mengenai tahap kejituan ramalan model graviti yang sama, satu survei khusus

yang cukup rawak serta mempunyai bilangan sampel lebih banyak dibuat, agar

perbandingan akan lebih jitu dan tepat dapat dibuat.

Kajian ini juga hanya mengambil kira persaingan ataupun interaksi bagi tiga (3)

hypermarket Giant, sekaligus menghadkan perbandingan kadar interaksi atau

mengabaikan faktor persaingan oleh hypermarket lain yang juga memberikan kesan pada

corak pemilihan tempat berbelanja pengguna. Malahan didapati dalam kajian ini, adalah

sukar untuk menerangkan sesuatu fenomena interaksi dengan hanya mengambil kira

interaksi antara tiga hypermarket kajian, sedangkan terdapatnya pengaruh tarikan dan

saingan oleh pusat-pusat perniagan sekitar. Maka bagi kajian lanjutan, perlu untuk

dimasukkan faktor persaingan oleh lain-lain hypermarket dan juga kawasan perkedaian

dalam kawasan kajian.

Bagi tujuan kajian yang berbeza, terdapat kemungkinan bahawa viarasi model graviti

yang berlainan akan menghasilkan kejituan berbeza. Begitu juga mungkin bagi kajian

berkaitan juzuk lain seperti kemudahan awam, dan pejabat kerajaan mungkin berbeza.

Sekaligus akan menerangkan kesan sebenar penggunaan parameter serta jenis jarak atau

masa perjalanan yang berbeza dalam model graviti. Malahan kesan pengunaan masa dan

kos perjalanan serta halangan sempadan politik serta halangan fizikal seperti bentuk

muka bumi, dalam mempengaruhi halangan fizikal juga adalah perlu dikaji.

112

Setelah diperolehi persamaan model regressi bagi mengukur interaksi antara hypermarket

kajian dan pasaran Johor Bahru dalam kajian ini, lanjutan kajian bagi menggunakan dan

mengaplikasi persamaan atau rumus model regressi tersebut untuk meramal interaksi

hypermarket di masa hadapan juga boleh dilakukan. Malahan lebih dari itu terdapat juga

keperluan untuk membuktikan kesan jenis, corak dan intesiti jaringan jalan raya, keadaan

muka bumi serta densiti perumahan sekitar kawasan kajian dalam menentukan tahap

interaksi antara hypermarket dan juga pasarannya.

-ALHAMDULILLAH-

113

RUJUKAN

Abdulkader, A. Murad. (2007) Using GIS for Retail Planning in Jeddah City. American

Journal of Applied Sceince 4(10): 820-826.

Agrawal & Anupum. (2007) The Ever Changing Market Place of Oman: From Souk to

Hypermarket (Retailing in Oman: A Case Study of Muscat). Oman.

Anand & Nambia. (2006) Indian Food Retail Sector in the Global Scenario. Sathguru

Managment Consultants.

Antennuci, J.C.. (1991) Geographic Information Systems: a Guide to the Technology.

Chapman and Hall.London.

Audhesh,.K.P. & Sandra, G.L.. (1995) Discriminatory Power of Retailing Factors.

University of South Dakota.

Brail, R.K.. (1987) Microcomputers in Urban Planning and Management. New

Brunswick, New Jersey: Center for Urban Policy Reserach.

Beauvais, J.M.. (2008) Setting Up Supestores and Climate Change. Paris, Beauvais

Consultant.

Catanasa, A.J. & Synder, J.C.. (1979) Introduction to Urban Planning. McGraw-Hill.

London.

Chang, K.T.. (2002) Introduction to Geographic Information System. New York,

McGraw-Hill Higher Education.

114

Chasco, C.Y. & Vicens, J.O.. (1999) Spatial Interaction Models Applied to the Design of

Retail Trade Areas. Lawrence.R.Klein Institute, University of Madrid.

Madrid.

Chapin, F.S. & Weiss, S.F.. (1968) A Probabilistic Model For Residential Growth.

Transportation Research.

Duff, M.. (1991) Consumer Expenditures Study: Greeting Cards. Supermarket Business,

46 (9), 150-155.

Dunne, Lusch & Griffith. (2002) Retailing, South-Western. Thomson Learning, Ohio.

Editia, E.. (2005) Pembangunan Kiosk Maklumat Kawalan Pembangunan Berasaskan

Web GIS Bagi Perancangan dan Pengurusan Bandar. Tesis Sarjana Sains

Perancang Bandar dan Wilayah, Universiti Teknologi Malaysia.

Ediwan, M.A. (2006) Penentuan Kesesuaian Perletakan Hypermarket Menggunakan

Aplikasi Model Graviti. Thesis Jabatan Perancang Bandar & Wilayah,

Universiti Teknologi Malaysia.

Eppli, M.J. & Shilling, J.D.. (1996) How Critical Is a Good Location to a Regional

Shopping Center. The Journal of Real Estate Research, Volume 12, No. 3,

459-458.

Faris, M.D. & Ruslan, R.. (2003) Sistem Maklumat Geografi: Pemodelan Pembangunan

Guna Tanah Komersial. Universiti Pendidikan Sultan Idris.

Foust, B.. (2007) Phoenix Redevelopment Project: Supermarket Feasibility Study.

Department of Geography, University of WInconsin-Eau Claire.

Glasson, J.. (1991) Pengenalan Perancangan Wilayah;Konsep, Teori dan Amalan. Kuala

Lumpur, Dewan Bahasa dan Pustaka.

115

Hamilton, B.. (2003) Utilizing the Probabbility Gravity Model to Evaluate Supermarket

Expansion in Southern Palm Beach Country, Florida. Universiti of Florida.

Iacono, M., Krizek, K., & El-Geneidy, A.. (2008) Access to Destinations: How Close is

Close Enough? Estimating Accurate Distance Decay Functions for Multiple

Modes and Different Purposes. Minnesota Department of Transportation.

Katiman, R.. (1988) Pengantar Geografi Bandar. Dewan Bahasa & Pustaka, Kuala

Lumpur.

Laaksonen, M.. (1993) Retail patronage dynamics: Learning about daily shopping

behavior in contexts of changing retail structures. Journal of Business

Research, 28 (1/2), 3-174.

Lee, M.L.. (2002) Three Essays on Real Estate Research. Doctorate Thesis, Louisiana

State University.

Jabatan Perancang Bandar & Desa Negeri Johor. (2001) Laporan Pemeriksaan RSN

Johor 2002-2020.

Management Ventures Inc.. (2007) MVI Retail Standard & Terms. London.

Moller, K. R. & van den Heuvel. (1981) Contribution of Store Attributes to Retail Store

Image and Preference. Liiketaloudellinen Aikakauskirja, 30 (3),278-295.

Nakanishi, Masao, & Cooper, L.. (1974) Parameter Estimation for a Multiplicative

Competitive Interaction Model - Least Squares Approach. Journal of

Marketing Research, Vol. XI (August 1974); pp. 303-11.

KPMG’s International. (2006) 2005 National Shopping Behavior Study: Executive

Summary.

Pace, R.K. & Long, L.M.. (2003) Spatial Distribution of Retail Sales. Louisiana State

University, Los Angeles.

116

Pearson, K.J.. (2008) A comparative Business Site-Location Feasibility Analysis using

Geografic Information Systems and the Gravity Model. Saint Mary’s

University of Minnesota, Minneapolis.

Khazanah Nasional. (2004) Pelan Komprehensif South Johor Economic Region (SJER).

Perrigot & Cliquet. (2006) Hypermarket Format: Any Future or a Real Need to be

Changed? An Empirical Study of the French, Spanish and Italian Markets.

5th International Marketing Trend Congress, Venice, Italy, January 2006.

Rafael, S.V., Dolares, R.S.P., & Pablo, D.G.. (2005) Improving Competitive Facility

Location Via GIS. University of Las Palmas de Gran Canaria, Spain.

Riza, A.A.. (1994) Model Pengangkutan Bandar: Pendekatan Secara Teori dan Amali.

Dewan Bahasa dan Pustaka, Kuala Lumpur.

Robinson, P.A.. (1987) Determinants of the Retail Store Type Choice Process: An

Examination of Environmental and Individual Difference Factors. Journal of

Professional Services Marketing, 3 (1/2), 67-99.

Rust, T.R. & Donthu, N.. (February 1995) Capturing Geographically Localized

Misspecification Error in Retail Store Choice Models. Journal of Marketing

Research Vol. XXXII, 103-110.

Reilly, W.J.. (1929) The Law of Retail Gravitation. New York. Knickerbocker Press.

Samat, N. & Masron, T.. (2008) Sistem Maklumat Geografi dalam Analisis Guna Tanah.

Pulau Pinang, Penerbit Universiti Sains Malaysia.

Skogster, P.. (2006) Location Planning Theories in Valuation of Retail Premises. XXIII

FIG Congress, Munich, 8-13 Oktober, 2006.

Sorensen, H.. (2003) The Science of Shopping. New York, Sorensen Associates Inc..

117

Wheeler, D.J.. (1993) Commentary: Linking Environmental Models with Geographic

Information Systems for Global Change Research. Proceedings GIS/LIS,

San Antnio, 2, 580-589.

Yaakup, A.. (1999) Sistem Maklumat Geografi (GIS): Prinsip Asas dan Penggunaanya

dalam Perancangan dan Pengurusan. Skudai, Universiti Teknologi

Malaysia.

Yuhanis, Y.. (2008) Kesan Pembangunan Hypermarket Terhadap Kedai Runcit. Tesis

Jabatan Perancang Bandar & Wilayah, Universiti Teknologi Malaysia.

118

Lampiran 1– Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Skudai (Keluasan: 5109 meter per segi)

Jarak

Euclidean Jarak Sebenar Survey

Asal % G : J

% G : J^2

%G:J %

G:J^2 Bil.

Peratus (%)

Jarak Euclidean

Jarak Sebenar

Kampung Banjaran Kempas 0.09 0.09 0.13 0.21 4 2.58 2595 2328

Kampung Laut 0.20 0.18 0.28 0.43 2 1.29 2615 2386

Kampung Melayu Majidee 0.91 0.28 0.95 0.35 1 0.65 7937 9866

Kampung Pasir 0.71 0.44 0.84 0.70 2 1.29 3965 4376

Pangsapuri Bukit Saujana 0.76 0.17 0.86 0.26 1 0.65 10714 12243

Taman Aman 0.14 0.04 0.15 0.06 2 1.29 7500 8708

Taman Anggerik 3.46 6.02 2.44 3.46 11 7.10 1398 2579

Taman Bukit Kempas 4.60 4.87 3.64 3.54 10 6.45 2299 3769

Taman Bukit Mewah 7.71 13.99 6.41 11.19 10 6.45 1341 2097

Taman Cempaka 4.27 3.94 3.78 3.58 4 2.58 2635 3869

Taman Damai Jaya 2.81 1.54 2.81 1.78 2 1.29 4445 5784

Taman Dato Penggawa Barat 0.81 1.09 0.88 1.46 2 1.29 1818 2197

Taman Daya 4.89 1.32 4.08 1.06 1 0.65 8996 14026

Taman Desa Skudai 0.35 0.19 0.34 0.21 3 1.94 4539 6008

Taman Desa Tebrau 0.44 0.08 0.44 0.09 1 0.65 13433 17475

Taman Impian Emas 3.06 3.79 2.78 3.63 18 11.61 1964 2806

Taman Jaya 0.25 0.19 0.28 0.27 2 1.29 3175 3687

Taman JB 2.70 1.41 2.83 1.79 7 4.52 4659 5784

Taman Kempas 1.70 1.20 1.42 0.96 7 4.52 3455 5401

Taman Melur 1.65 1.42 1.86 2.09 1 0.65 2832 3269

Taman Munsyi Ibrahim 3.15 4.59 2.92 4.57 8 5.16 1669 2338

Taman Mutiara Rini 3.42 1.52 4.58 3.15 3 1.94 5486 5328

Taman Nesa 1.12 0.99 1.28 1.49 10 6.45 2766 3155

Taman Perling 7.70 4.35 7.47 4.74 2 1.29 4304 5769

Taman Pulai Perdana 0.75 0.21 0.87 0.34 3 1.94 8600 9529

Taman Seri Orkid 1.27 0.64 1.34 0.82 4 2.58 4858 5984

Taman Sri Putra 3.47 16.79 1.65 4.41 3 1.94 503 1372

Taman Sri Putri 1.66 1.24 2.08 2.25 5 3.23 3263 3387

Taman Sri Skudai 5.57 3.63 6.75 6.16 5 3.23 3736 4011

Taman Tampoi Indah 11.02 13.04 12.83 20.45 1 0.65 2057 2297

Taman Tampoi Utama 3.66 2.93 3.72 3.50 2 1.29 3040 3887

Taman Tan Sri Yakob 0.82 0.47 0.94 0.71 1 0.65 4232 4835

Taman Timor 0.10 0.01 0.12 0.02 2 1.29 17414 20500

Taman Universiti 8.27 3.11 9.10 4.36 1 0.65 6471 7642

Taman Ungku Tun Aminah 6.51 4.22 7.16 5.91 14 9.03 3752 4435

Jumlah 100 100 100 100 155 100 164466 203127

119

Lampiran 2 – Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Plentong (Keluasan: 9290 meter per segi)

Jarak


Asal % G:J %

G:J^2 % G:J

% G:J^2

Bil. Peratus (%)

Jarak Euclidean

Jarak Sebenar

Bandar Baru Kota Puteri 7.50 3.76 7.19 3.33 13 8.90 4858 6128

Bandar Baru Permas Jaya 15.25 10.33 15.65 10.48 9 6.16 3596 4238

Bandar Baru Seri Alam 4.37 1.62 4.25 1.48 10 6.85 6564 8166

Kampung Pasir Putih 0.29 0.05 0.31 0.06 1 0.68 13600 15578

Taman Cahaya Masai 0.44 0.12 0.49 0.14 5 3.42 9000 9888

Taman Desa Harmoni 4.25 3.88 1.21 0.30 3 2.05 2672 11365

Taman Desa Jaya 0.46 0.36 0.49 0.38 10 6.85 3136 3597

Taman Johor Jaya 39.41 52.01 42.00 56.82 26 17.81 1847 2097

Taman Kota Masai 0.20 0.06 0.20 0.06 8 5.48 8200 9988

Taman Mawar 0.05 0.00 0.05 0.00 6 4.11 27395 34081

Taman Molek 13.41 11.14 13.59 11.01 7 4.79 2935 3504

Taman Pasir Putih 0.29 0.05 0.31 0.06 1 0.68 13650 15443

Taman Putri Wangsa 2.32 1.01 2.39 1.02 8 5.48 5622 6628

Taman Ria 0.39 0.62 0.40 0.63 6 4.11 1541 1814

Taman Rinting 5.64 1.92 6.05 2.13 9 6.16 7138 8049

Taman Saujana 4.33 7.87 3.90 6.14 13 8.90 1340 1800

Taman Sri Plentong 1.39 5.18 1.52 5.96 11 7.53 654 724

100 100 100 100 146 100 113748 143088

120

Lampiran 3– Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant Southern City (Keluasan: 2378 meter per segi)

Jarak


Asal %G:J %

G:J^2 % G:J

% G:J^2

Bil. Peratus (%)

Jarak Radius

Jarak Euclidean

Bandar Baru Permas Jaya 6.85 1.90 6.63 1.71 7 3.98 6124 7111

Bandar Baru Uda 6.46 2.18 6.58 2.16 1 0.57 5046 5579

Flat Larkin 0.71 0.61 0.69 0.56 9 5.11 1960 2248

Kampung Bendahara 1.45 2.46 1.45 2.36 7 3.98 1001 1124

Kampung Dato Onn Larkin 1.64 1.16 1.57 1.01 5 2.84 2406 2831

Kampung Dato Sulaiman Menteri

9.04 16.64 9.20 16.44 12 6.82 926 1024

Kampung Kurnia 1.73 3.42 1.90 3.95 8 4.55 862 882

Kampung Larkin Jaya 0.62 0.48 0.65 0.49 15 8.52 2225 2407

Kampung Melayu Majidee 5.00 5.46 5.24 5.74 21 11.93 1559 1672

Kampung Pandan 0.39 0.25 0.42 0.28 5 2.84 2630 2731

Kampung Setanggi 0.78 1.89 0.74 1.61 3 1.70 707 841

Kampung Ubi 0.17 0.18 0.18 0.21 2 1.14 1537 1565

Kampung Ungku Mohsin 0.39 0.27 0.38 0.25 3 1.70 2393 2755

Larkin Perdana 7.40 7.91 7.51 7.79 2 1.14 1593 1765

Pangsapuri Bukit Saujana 2.13 0.88 2.24 0.92 6 3.41 4137 4431

Stulang Bahru 0.91 2.33 0.90 2.15 5 2.84 668 765

Taman Abad 5.36 3.72 5.65 3.94 8 4.55 2458 2624

Taman Daya 8.73 2.73 8.28 2.34 4 2.27 5449 6469

Taman Desa Cemerlang 0.12 0.02 0.12 0.02 1 0.57 8818 9739

Taman Desa Harmoni 2.19 0.94 1.52 0.43 4 2.27 3961 6435

Taman Gembira 1.05 0.64 1.12 0.69 3 1.70 2813 2979

Taman Johor Jaya 9.38 2.69 8.81 2.27 1 0.57 5933 7111

Taman Kebun Teh 0.38 0.55 0.42 0.65 4 2.27 1173 1182

Taman Maju Jaya 0.11 0.02 0.11 0.01 1 0.57 11408 13295

Taman Pelangi 7.00 3.79 7.08 3.70 4 2.27 3150 3504

Taman Perbadanan Islam 1.25 3.24 1.05 2.17 10 5.68 657 882

Taman Saujana 0.84 0.27 0.68 0.17 5 2.84 5300 7284

Taman Sentosa 6.54 6.05 6.67 6.01 3 1.70 1841 2031

Taman Sri Bahagia 0.74 0.33 0.79 0.35 1 0.57 3836 4072

Taman Suria 10.26 26.90 11.01 29.53 15 8.52 650 682

Taman Sutera 0.38 0.08 0.39 0.08 1 0.57 8181 8959

100 100 100 100 176 100 101402 116979

psm full-interaksi hypermarket & pasaran-aplikasi model graviti & sistem maklumat geografi

Documents