Upload
jamalaimijamaludin
View
453
Download
5
Embed Size (px)
Citation preview
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
4.3.2 Perbandingan Pecahan Asalan Pelanggan 82
Hypermarket Giant Southern City Kajian
Menggunakan Empat Viarasi Model Graviti
ix
4.3.3 Perbandingan Pecahan Asalan Pelanggan 83
Hypermarket Giant Plentong Kajian
Menggunakan Empat Viarasi Model Graviti
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
4.5.2 Pemilihan Tempat Berbelanja Penduduk di 95
Bandar Baru Permas Jaya, Taman Desa Harmoni,
Taman Johor Jaya dan Taman Saujana
4.5.3 Pemilihan Tempat Berbelanja Penduduk di 99
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
NO. TAJUK GAMBARAJAH DAN RAJAH HALAMAN
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,
Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana
Giant Plentong
97
xiii
NO. TAJUK GAMBARAJAH DAN RAJAH HALAMAN
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
NO. JADUAL TAJUK JADUAL HALAMAN
4.6 Perbandingan Ralat dan Kejituan Ramalan Viarasi Model
Graviti Bagi Giant Southern City
82
4.7 Perbandingan Ralat dan Kejituan Ramalan Viarasi Model
Graviti Bagi Giant Plentong
83
4.8 Perbandingan Ralat dan Kejituan Ramalan Viarasi Model
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
4.13 Model Regressi Linear bagi Interaksi Hypermarket dan
Pasarannya Menggunakan Jarak Euclidean (Tanpa Faktor
Bilangan Rumah).
90
4.14 Model Regressi Linear bagi Interaksi Hypermarket dan
Pasarannya Menggunakan Jarak Sebenar
91
4.15 Model Regressi Linear bagi Interaksi Hypermarket dan
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
NO. JADUAL TAJUK JADUAL HALAMAN
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
4.5 Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti
Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant
Plentong
82
4.6 Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti
Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant
Plentong
83
4.7 Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti
Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant
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
10 Kemungkinan Peratus Pengunjung di Kawasan R akan Mengunjungi
Hypermarket H (Menggunakan Jarak Euclidean Berparameter Kuasa
2)
54
11 Kemungkinan Peratus Pengunjung di Kawasan R akan Mengunjungi
Hypermarket H (Menggunakan Jarak Sebenar)
54
12 Kemungkinan Peratus Pengunjung di Kawasan R akan Mengunjungi
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
2 Ramalan Pecahan Pelanggan Empat Viarasi Model
Graviti Bagi Giant Plentong
119
3 Ramalan Pecahan Pelanggan Empat Viarasi Model
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
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
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
(Euclidean)y = 0.465xR² = 0.20
(Kawalan)y = xR² = 1
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
(Kawalan)y = xR² = 1
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
Menggunakan Empat Viarasi Model Graviti
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
(Euclidean)y = 0.614xR² = 0.32
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
(Kawalan)y = xR² = 1
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).
Jadual 4.6 Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi
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
(Euclidean)y = 0.576xR² = 0.45
Graf 4.5 Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi
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
(Kawalan)y = xR² = 1
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.
Jadual 4.7 Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi
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
Bagi Meramal Peratusan Pecahan Asalan Pelanggan Giant
Plentong.
(Euclidean^2)y = 0.401xR² = 0.38
(Sebenar)y = 0.477xR² = 0.23
(Sebenar^2)y = 0.364xR² = 0.47
(Kawalan)y = xR² = 1
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
Graf 4.7 Perbandingan Kejituan Ramalan Empat (4) Viarasi Model Graviti Bagi
Meramal Peratusan Pecahan Asalan Pelanggan Giant Plentong Tanpa
Taman Johor Jaya (outlier)
Jadual 4.8 Perbandingan Ralat dan Kejituan Ramalan Viarasi Model Graviti Bagi
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
(Kawalan)y = xR² = 1
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.
Jadual 4.13 Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya
Menggunakan Jarak Euclidean (Tanpa Faktor Bilangan Rumah).
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: Bil. Pengunjung Survei
Hasilnya, keputusannya menjadi lebih signifikan dan persamaan regressi linear seperti
rumus 18 berikut dibentuk.
Yij = 3.138 + 2.044X1 - 0.215X2 (18)
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), 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.
Jadual 4.14 Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya
Menggunakan Jarak Sebenar.
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: Bil. Pengunjung Survei
Yij = 4.30985 + 1.94341X1 + 0.00028X2 – 0.49733X3 (19)
Dalam rumus 19, 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 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
Jadual 4.15 Model Regressi Linear bagi Interaksi Hypermarket dan Pasarannya
Menggunakan Jarak Sebenar (Tanpa Faktor Bilangan Rumah).
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
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
a. Dependent Variable: Bil. Pengunjung Survei
Hasilnya ialah persamaan regressi linear yang mewakili interaksi hypermarket dan
pasarannya seperti rumus 18 berikut dibentuk.
Yij = 4.677 + 1.994X1 – 0.477X2 (20)
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), 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,
Taman Desa Harmoni, Taman Johor Jaya dan Taman Saujana
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
Euclidean Jarak Sebenar Survey
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
Euclidean Jarak Sebenar Survey
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