Post on 02-Mar-2016
description
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 1/76
Fadhilah Rusmiati - 25413020
Firdausi Nurul Awwal - 25413021
Sara Sorayya Ermuna - 25413056
PEMILIHAN MODA DAN RUTE
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 2/76
(Ofyar, hal.
Pendekatan Pemodelan Transportasi
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 3/76
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 4/76
PENDAHULU
AN
Dalam pemilihan moda ini akan diidentifikasi besarnya pergerakan
antar zona yang menggunakan setiap moda transportasi tertentu.
Oleh karena itu, masalah pemilihan moda dapat dikatakan sebagaitahap terpenting dalam berbagai perencanaan dan kebijakan
transportasi. Hal ini menyangkut efisiensi pergerakan di daerah
perkotaan, ruang yang harus disediakan kota untuk dijadikan
prasarana transportasi, dan banyaknya pilihan moda transportasi
yang dapat dipilih oleh penduduk.
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 5/76
TUJUAN
PEMILIHAN
MODAModel pemilihan moda bertujuan untukmengetahui proporsi orang yang akanmenggunakan setiap moda. Proses inidilakukan dengan maksud untuk
mengkalibrasi model pemilihan moda padatahun dasar dengan mengetahui peubahbebas (atribut) yang mempengaruhipemilihan moda tersebut. Setelah dilakukanproses kalibrasi, model dapat digunakanuntuk meramalkan pemilihan moda dengan
menggunakan nilai peubah bebas (atribut)untuk masa mendatang.
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 6/76
FAKTOR-FAKTOR YANG DAPAT
MEMPENGARUHI PEMILIHAN
MODA
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 7/76
PROSES PEMILIHAN MODA
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 8/76
MODEL
AGREGAT
MODEL
DISAGREGAT
Agregat Disagregat
Estimasi berdasarkan tren dari
datatime
seriesKelemahan: Tidak sensitiv
terhadap adanya perubahan
kebijakan
Estimasi berdasarkan biaya
akomodasi
Kelemahan: Tidak sensitiv
terhadap adanya perubahan
kebijakan
Asumsi:
Dipengaruhi oleh:
1. karakter individu, sepertikepemilikan kendaraan,
kepemilikan SIM
2. Kesempatan untuk melakukan
perjalanan
Mengindikasikan karakter zonaasal, seperti biaya rata-rata moda
yang digunakan, maupun waktu
tunggu
Aspek kebijakan tidakdiakomodir
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 9/76
Model pemilihan moda dianggap:
Model agregat jika menggunakan informasi berbasis zona
Model tidak agregat jika memakai data berbasis rumah
tangga dan atau data individu
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 10/76
MODEL PEMILIHAN
MODA
Keterangan :
G = Bangkitan Pergerakan
MS = Pemilihan Moda
A = Pemilihan Rute
D = Sebaran Pergerakan
(Ofyar, hal : 393)
I. Pemilihan moda dilakukan pada saat menghitung bangkitan pergerakan
II. Proses pemilihan moda terjadi sebelum proses pemilihan rute dilakukan
III. Tahapan bangkitan pergerakan dan pemilihan rute ikut menentukan dalam pemilihan modaIV. Proses Pemilihan moda ter adi setelah sebaran er erakan dilakukan
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 11/76
Pemilihan Moda dengan Model Diskrit
Model Pilihan Diskrit (discrete choice model), yaitu
model probabilitas dimana nilai dari setiap pilihan
responden berkaitan dengan pilihan-pilihan lainnyadalam satu alternatif yang ditawarkan.
Berdasarkan data
disagregat (Pilihanindovidu terhadapmoda yang ada)
Keseluruhan pilihandigambarkan sebagai
persepsi individuuntuk memaksimalkan
utilitas
Adanya variasi dari perespsi dan tingkah
laku disebabkan:
Metode yang paling populer
digunakan
1. Standar error yang digunakan oleh
pengamat2. Tingkat kepercayaan terhadap
individu/responden
3. Variasi yang berbeda dari masing-masing
persepsi individu
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 12/76
Juga untuk dua moda alternatif, tetapi model ini
menekankan untuk memilih moda 1, bukan
moda 2 dan berusaha menghubungkan antara
jumlah perjalanan dengan variabel bebas yangmempengaruhi, misalnya biaya (cost) dan
variabel ini harus berdistribusi normal.
Bentuknya adalah (Fidel, 2005):
Model Probit
Bentuk model ini adalah sebagai berikut (Fidel,
2005):
Dimana
e
Probabilitas (%) peluang moda I untuk
dipilih
Nilai parameter atau nilai kepuasanmenggunakan moda I dan moda j
Eksponensial
Model logit biner ini hanya untuk pilihan 2
moda transportasi alternatif (moda i dan j).
Model Logit
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 13/76
Model Multinomial Logit Model ini merupakan model pemilihan diskret
yang paling sering digunakan. Pilihan yang
dihadapi pelaku perjalanan lebih dari 2 pilihan,
yaitu 3 pilihan dan seterusnya. Bentuk model
ini digambarkan melalui persamaan berikut
(Fidel, 2005):
Dimana:
P(i) = peluang moda I untuk dipilih
Ui = nilai manfaat menggunakan moda i∑ U jn = sejumlah nilai manfaat moda-moda lain
selain moda I (moda ji … jn)
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 14/76
CONTOH SOAL
Kota Surabaya direncanakan untuk mengembangkan moda monorail sebagai salah satu cara
untuk mereduksi kemacetan yang terjadi, mengingat Kota Surabaya merupakan ibu kotaPropinsi Jawa Timur dengan berbagai faktor penarik berupa fasilitas pendidikan, kesehatan,
dan lapangan kerja yang menjanjikan sehigga dapat memicu adanya peningkatan jumlah
penduduk sehingga dapat berdampak pada kondisi lalu lintas. Selain itu, perkembangan
Kota Surabaya sudah mulai menimbulkan pertumbuhan bagi kota-kota disekitarnya yang
dapat disebut dengan Urban Sprawl , seperti Kota Sidoarjo. Banyak permukiman yang
tumbuh di Sidoarjo akibat kurangnya lahan untuk pembangunanan perumahan di Surabaya
sehingga terjadi mobilitas yang cukup tinggi dari Sidoarjo menuju Surabaya. Mobilitas yang
tinggi dapat menimbulkan permasalahan transportasi berupa kemacetan. Adanya penyediaan
kereta komuter Surabaya – Sidoarjo tidak banyak membantu untuk mengatasi masalah
transportasi bagi para komuter tersebut.
Oleh karena itu, arus transportasi di Surabaya yang tinggi perlu didukung dengan adanya
penyediaan angkutan umum berupa angkutan kota, kereta api, dan bus kota serta perlu
adanya integrasi antara moda transportasi yang satu dengan moda transportasi lainnya
sehingga pergerakan dapat berjalan dengan lancar.
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 15/76
CONTOH SOAL – Metode yang digunakan
Metode yang digunakan adalah metode diskret multinomial logit dengan teknik Statedpreference. Dalam hal ini teknik stated preference digunakan untuk mengetahui
jumlah penumpang yang akan berpindah dari kendaraan bermotor yaitu mobil danmotor ke monorail. Atribut yang digunakan yaitu atribut terhadap waktu dan hargakarena kedua atribut tersebut merupakan variable yang paling berpengaruh dalampemilihan moda.
Fungsi utilitas adalah mengukur daya tarik setiap pilihan (scenario hipotesa) yang diberikanpada responden. Fungsi ini merefleksikan pengaruh pilihan responden pada seluruh atribut yangtermasuk dalam Stated Preference, dengan bentuk fungsi utilitas linier adalah sebagai berikut:
U i = a0 + a1 x 1 + …… + an x n Dengan:U i = utilitas pilihan i a0 …. an = parameter model
x 1 …. x n = nilai atributTujuan analisa adalah menentukan estimasi nilai a0 sampai an dan nilai-nilai tersebut sebagai
bobot pilihan atau komponen utilitas. Berdasarkan nilai parameter model, dapat diketahui efekrelative setiap atribut pada seluruh utilitas. Setelah komponen utilitas dapat diestimasi, makaselanjutnya dapat digunakan untuk berbagai tujuan, seperti menentukan kepentingan relativedari atribut yang termasuk dalam eksperimen dan menentukan fungsi utilitas untuk peramalanmodel.
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 16/76
CONTOH SOAL – Penentuan Sampel
No Kecamatan Jumlah PendudukJumlah KK
Per KecJumlah
KK
Persentase(KK Kec
/KK Kota)
JumlahSampel(% X
1451KK)
1 Genteng 69691 13938 580501 2,4 352 Bubutan 115878 23176 580501 4 58
3 Gubeng 157254 31451 580501 5,4 78
4 Sukolilo 99362 19872 580501 3,4 49
5 Mulyorejo 79379 15876 580501 2,7 39
6 Wonokromo 186813 37363 580501 6,4 937 Dukuh Pakis 59930 11986 580501 2,1 30
8 Sukomanunggal 97363 19473 580501 3,3 47
Total Sampel 429
Kota Surabaya yang mempunyai penduduk sejumlah 2.902.507 jiwa atau580501 KK (diasumsikan 1 KK terdiri dari 5 orang) dapat menggunakan standartersebut sehingga didapatkan jumlah sampel untuk Kota Surabaya adalah 1451 KK.Untuk setiap kecamatan jumlah sampelnya didstribusikan berdasarkan jumlahpenduduk yang terdapat di Kecamatan tersebut.
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 17/76
CONTOH SOAL – Variabel yang digunakan
Variabel bebas yang digunakan:
Harga tiket (X1)
Waktu tempuh (X2)
Variabel terikat yang digunakan:
Jumlah orang yang mau berpindah
(Y) sampel 429 jiwa
Analisis stated preference dilakukan untuk
mengetahui proporsi jumlah orangyang mau berpindah moda dari kendaraan
pribadi yaitu mobil dan motor ke monorail.
No Makna Pilihan
Skala Standart
Pr (Monorail)Skala Numerik
R=Ln
1 Pasti memilih Monorail 0,9 R1= 2,1972
2 Mungkin memilih Monorail 0,7 R2= 0,8473
3 Pilihan Berimbang 0,5 R3= 0,0000
4 Mungkin Memilih Kendaraan Pribadi 0,3 R4= -0,8473
5 Pasti Memilih Kendaraan pribadi 0,1 R5= - 2,1972
Nilai R=ln
digunakan untuk
mengisi nilai Y pada masing-
masing pilihan
responden untuk
setiap variabel
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 18/76
CONTOH SOAL – Karakteristik masing-masing variabel
Pilihan X1
Jumlah Respon Masing-masing point (cost) untuk
Pengguna Mobil
1* % 2* % 3* % 4* % 5* %
1 6000 21 60 9 26 2 6 2 6 1 3
2 9000 10 29 13 37 3 9 6 17 3 9
3 12000 7 20 5 14 9 26 6 17 8 23
Atribut Harga (Cost = X1) Harga tiket merupakan variabel yang menjadi alasan untuk seseorang
menentukan pilihan moda yang akan digunkan dalam melakukan pergerakan.Pilihan harga tiket monorail yang diberikan kepada masyarakat Kota Surabaya yaituberkisar antara 6000-12000. Berikut ini data responden terhadap atribut cost baikuntuk mobil maupun motor.
Respon PenggunaMobil/Motor terhadap
Atribut Harga Tiket 1 = Pasti Pilih Monorail2 = Mungkin Pilih Monorail3 = Pilihan Berimbang4 = Mungkin Pilih Monorail5 = Pasti Pilih Monorail
P i l i h a
n
X1
Jumlah Respon Masing-masing point (cost)
untuk Pengguna Motor
1* % 2* % 3* % 4* % 5* %
1 6000 168 57 72 24 20 7 10 3 26 9
2 9000 49 17 65 22 75 25 46 16 61 21
3 12000 32 11 31 10 66 22 42 14 125 42
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 19/76
CONTOH SOAL – Karakteristik masing-masing variabel
Respon PenggunaMobil/Motor terhadapAtribut Harga Tiket 1 = Pasti Pilih Monorail2 = Mungkin Pilih Monorail3 = Pilihan Berimbang4 = Mungkin Pilih Monorail5 = Pasti Pilih Monorail
P i l i h a n
X2
Jumlah Respon Masing-masing point (Time)
untuk pengguna mobil
1* % 2* % 3* % 4* % 5* %
1 5 menit 29 83 4 11 0 0 1 3 1 3
2 10 menit 21 60 11 31 0 0 2 6 1 3
3 15 menit 19 54 7 20 2 6 5 14 2 6
Atribut Waktu (X2) Waktu tempuh atau waktu perjalanan merupakan variabel yang menjadi alasan untuk
seseorang menentukan pilihan moda yang akan digunkan dalam melakukan pergerakan. Pilihanwaktu tempuh monorail yang diberikan kepada masyarakat Kota Surabaya yaitu berkisar antara5-10 menit. Berikut ini data responden terhadap atribut waktu baik untuk mobil maupun motor.
P i l i h a n
X2
Jumlah Respon Masing-masing point (Time)
untuk Pengguna Motor
1* % 2* % 3* % 4* % 5* %
1 5 menit 245 83 29 10 2 0 3 1 14 5
2 10 menit 205 69 57 19 4 0 6 2 15 5
3 15 menit 196 66 42 14 8 6 12 4 21 7
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 20/76
11
Korelasi Variable Harga Tiket terhadap Potensi Jumlah Penumpang
Variabel Koefisien Konstanta 2.098 X1 -.778
Regresi
UMonorel-UMobil = 2,098 - 0,778.X1
PMonorel =
Harga Tiket (X1) Nilai Utilitas PMonorail PMobil 6000 -4665,90 0,80 0,20 9000 -6999,9 0,60 0,40 12000 -9333,9 0,32 0,68
-0,402
Pilihan Probabilitas Ln (Probabilitas) Pasti Pilih Monorail 0,9 2,1972 Mungkin Pilih
Monorail 0,7 0,8473
Pilihan Berimbang 0,5 0,0000 Mungkin Pilih Moda
Saat Ini 0,3 -0,8473
Pasti Pilih Moda Saat
Ini 0,1 -2,1972
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 21/76
Analisis Regresi
X1 Y X1 1 Y -0.226 1
Variabel Koefisien Konstanta 2.189 X1 -.313
Korelasi Variable Harga Tiket terhadap Potensi Jumlah Penumpang
P.Monorail =
UMonorel-UMobil = 2,198 - 0,313.X2
Waktu (X2) Nilai Utilitas PMonorail PMobil 5 0,633 0,82 0,18 10 -0,932 0,28 0,72 15 -2,497 0,08 0,92
X1 = 0,778X2 = 0,313
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 22/76
Variabel Koefisien Konstanta 2.161 X1 -.982
X1 Y X1 1 Y -0.493 1
Korelasi Variable Harga Tiket terhadap Potensi Jumlah Penumpang
Analisis Regresi
UMonorel-UMotor = 2,161 - 0,982.X1
PMonorel =
Harga Tiket (X1) Nilai Utilitas PMonorail PMotor 6000 -5890 0,82 0,18 9000 -8836 0,56 0,44 12000 -11782 0,21 0,79
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 23/76
Variabel Koefisien Konstanta 2.028 X1 -.212
Analisis Regresi
X1 Y X1 1 Y -0.149 1
Korelasi Variable Harga Tiket terhadap Potensi Jumlah Penumpang
UMonorel-UMotor = 2,028 - 0,212.X2 PMonorel =
`
Harga Tiket (X1) Nilai Utilitas PMonorail PMotor 5 0,968 0,73 0,17
10 -0,932 0,48 0,52 15 -2,497 0,24 0,76
X1 = 0,982X2 = 0,212
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 24/76
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 25/76
PEMILIHAN RUTE
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 26/76
FOUR STEP MODEL
Merupakan tahapan final pada permodelan transportasi
Pergerakan kendaraan dari
satu zona ke zona yang lain
ditentukan pada rute pergerakan tertentu di antara
tiap pasang zona (I,j)
Dapat menggunakan
generalized cost
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 27/76
PEMILIHAN RUTE
ZONA
BANGKIT
AN
ZONA
TARIK
AN
ASAL
TUJUAN
RUTE MANA YANG HARUS DITEMPUH
BERDASARKAN BIAYA, WAKTU TEMPUH, DAN JARINGAN JALAN YANG
TERSEDIA
SETIAP PELAKU PERJALANAN MENCOBA MENCARIRUTE TERBAIK YANG MEMINIMUMKAN BIAYA DAN
WAKTU PERJALANAN
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 28/76
EFEK STOKASTIK
Setiap orang memiliki persepsi yang berbeda mengenai biaya perjalanan
Kriteria Efek Stokastik
Dipertimbangkan ? Tidak Ya
Efek Batasan
KapasitasDipertimbangkan ?
Tidak All-or-
Nothing Stokastik
Murni Ya Equilibrium
Wardrop Keseimbangan
-Pengguna-
Stokastik
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 29/76
TUJUAN TAHAPAN PEMODELAN
Mengalokasi setiap
pergerakan antar zona
pada berbagai rute yang
paling sering digunakan
orang bergerak dari zonaasal ke zona tujuan
Output berupa informasi
arus lalu lintas padasetiap ruas jalan
termasuk biaya
perjalanan
FAKTOR YANG MEMPENGARUHI PEMILIHAN RUTE
Waktu tempuh, jarak, biaya,kemacetan dan antrian, jenis
manuever yg dibutuhkan, jenis jalan raya, kelengkapan rambu,
serta kebiasaan
Biaya pergerakan dan nilai waktu- biaya pergerakan proporsional
dengan jarak tempuh
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 30/76
Faktor Penentu Utama dalam Pemilihan Rute
Waktu Tempuh
• Waktu total perjalanan yg diperlukan termasuk berhenti dan tundaan
Nilai waktu
• Sejumlah uang yg disediakan seseorang untuk dikeluarkan untuk menghemat satu unitwaktu perjalanan
• Nilai waktu sebanding dengan pendapatan perkapita, asumsi waktu perjalanan konstansepanjang waktu, relatif terhadap pengeluaran konsumen
Biaya perjalanan
• Dalam bentuk uang, waktu tempuh, jarak atau kombinasi ketiganya
• Biaya = a1. waktu + a2 jarak+ a3
• a1 = nilai waktu (Rp/jam)
• a1 = biaya operasi kendaraan (Rp/km)
• a1 = biaya tambahan lain (harga karcis tol)
Biaya operasi kendaraan
• Biaya bahan bakar, pelumas, baiya penggantian, biaya perawatan kendaraan, upah, gajisopir
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 31/76
METODE ALL OR NOTHING
Asumsi
Model pemilihan rute paling sederhana
Proporsi pengendara dalam
memilih rute asumsi pribadi dan ciri fisik tiap ruas jalan yang dilalui
Biaya perjalanan dianggaptetap dan tidak dipengaruhioleh kemacetan
Hanya berfungsi untukmenemukan rute dengan jarak terpendek
Waktu
penggunaan
Daerah pinggiran kota yang jaringan jalannya tidak begiturapat dan arus lalu lintas sertakemacetan tidak tinggi / pada
jaringan jalan sederhana
Bagi daerah atauzona yang hanyamemiliki beberaparute alternatif saja
Kegunaan
Berfungsi untukmenentukan arah pembangunan jaringan jalan baru
Digunakan untukmemperlihatkandesire line (gariskeinginan), misal ruteyang dipilih pengendara jika tidakterjadi kemacetan
Semua permintaan perjalanan
dibebankan ke rute minimum dan
tidak ada satupun yang dibebankan
ke rute pilihan lainnya
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 32/76
METODE ALL OR NOTHING
Diketahui daerah studi 4 zona
Zona 1 2 3 4
1 - 500 750 350
2 275 - 1050 475
3 650 1870 - 950
4 1250 350 2050 -
Zona 1 2 3 4
1 - 11 72 10 - 7
3 5 - 6
4 8 10 -
1 2
34
6
10
10
11
5 778
MATRIKS ASAL TUJUAN (trip)
MATRIKS WAKTU TEMPUH (t), menit
MATRIKS WAKTU TEMPUH (t), menit
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 33/76
4
METODE ALL OR NOTHING
Tahap 1 : Cari minimum Path Tree
1 2
34
6
10
10
11
5 778
1 2
34
1 2
3
1 2
34
1 2
34
11
7
7 + 10 = 17
10
7
6 + 7 = 13
6
56 + 8 = 14
10
10 + 5= 158
MATRIKS WAKTU TEMPUH (t), menit
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 34/76
LAKUKAN PEMBEBANAN TRIP SESUAI MINIMUM PATH TREE
1 2
34
6
10
10
11
5 778
MATRIKS WAKTU TEMPUH (t), menit
4
1 2
34
1 2
3
1 2
34
1 2
34
500
350+750
750
275
1050+475
475
950+650
1870650
2050+350
3501250
Zona 1 2 3 4
1 - 500 750 350
2 275 - 1050 475
3 650 1870 - 950
4 1250 350 2050 -
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 35/76
JUMLAHKAN BEBAN TIAP LINTASAN
1 2
34
2076
3160
275
600
2220
1626
11001900 4
1 2
34
1 2
3
1 2
34
1 2
34
500
1100
750
275
1525
475
1600
1870650
2400
3501250
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 36/76
METODE STOKASTIK
Asumsi
Mengabaikan efek kemacetan
Merupakan model
menyebarkan arus yang ada
ke banyak rute yang tersediadengan memperhatikan
kecenderungan setiap
pengendara dalam memilih
rute
Pengendara diasumsikanmengambil rute tercepat
meskipun mereka tidak yakin
rute mana yang tercepat
Waktu tempuh menunjukkan
rute tercepat
Didasarkan pada seleksi
sebaran acak yang
mempunyai rata-rata waktu
tempuh sebenarnya dari rute
tersebut
Ditemukan satu rute tercepat
yang akan digunakan antara
setiap pasangan zona i dan d.
Metode Stokastik , terdiri
dari beberapa model:
Model Burrell
Model Sakarovitch
Model Dial
Model dari Metode Stokastik
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 37/76
PERBEDAAN METODE STOKASTIK DAN METODE ALL OR NOTHING
ALL OR NOTHING STOKASTIKPersamaan Mengabaikan efek kemacetan
Perbedaan 1. Rute terpendek
merupakan satu-
satunya rute yang
akan dipilih untuk
pembebanan arus lalu
lintas dari zona asal i
ke zona tujuan j
2. Biaya perjalanan
dianggap tetap
1. Memperhitungkan persepsi
perseorangan terhadap
waktu tempuh
2. Pengguna jalan disebarkan
kepada beberapa pilihan
rute (pembebanan arus
disebar pada beberapa rute)
3. Biaya perjalanan dapat
berubah Pemilihan rute
didasarkan pada biaya yang paling minimal
1 M d B ll
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 38/76
1. Metode Burrell
Asumsi
Membedakan biaya objektif(pengamat) dan subjektif
(pengendara)
Biaya perjalanan untuk setiapruas jalan dan jaringan
disebar sekitar nilai rerata biaya perjalanan
Sebaran biaya persepsi
diasumsikan tidak berkorelasi
Dihasilkan n set rute utk setiapset biaya rerata
Kegunaan
Menemukan danmembebankan rutetercepat denganmeminimumkan biaya
Kelemahan
Tidakmemperhitungkanadanya efek kemacetan
1 M t d B ll
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 39/76
1. Metode Burrell
O1
O2
1000
1000
1500
1500
Da
c
b
Fungsi biaya Emptylink cost
Typicallink cost
A 1 + arus/1000 1 2
B 8 + arus/1000 8 9
C 4 + arus/1000 4 8
Tentukan sebaran utk biaya persepsi
tiap ruas jalan
Pisahkan populasi yg akan bergerakutk tiap pasangan asal-tujuan menjadi
N segmen, tiap segmen diasumsikan
punya biaya persepsi yg sama
1.Buat n=0
2.Buat n=n+1
3.Utk tiap pasangan asal-tujuan (i-d):Hitung biaya persepsi utk tiap ruas
jalan dgn mengambil sampel dari
sebaran biaya persepsi
Buat rute dgn biaya persepsi minimum
dari i ke d dan bebankan Tid/N
besar arus pd tiap ruas jalan4. Jika n=N, stop; jika tidak kerjakan
tahap 2
1 M t d B ll
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 40/76
1. Metode BurrellFungsi biaya Empty link cost Typical link cost Biaya O1 D
A 1 + arus/1000 1 2 1,98
B 8 + arus/1000 8 9 10,17
C 4 + arus/1000 4 8 7,04
Fungsi biaya Empty link cost Typical link cost Biaya O1 D
A 1 + arus/1000 1 2 2,08
B 8 + arus/1000 8 9 8,73
C 4 + arus/1000 4 8 8,48
Rute yang paling
murah melalui rute
b
Rute yang paling
murah melalui rute
a + c
Fungsi biaya Empty link cost Typical link cost Biaya O2 D
A 1 + arus/1000 1 2 1,92
B 8 + arus/1000 8 9 9,54
C 4 + arus/1000 4 8 9,12
Rute yang paling
murah melalui rute
c
Fungsi biaya Empty link cost Typical link cost Biaya O2 D
A 1 + arus/1000 1 2 1,6
B 8 + arus/1000 8 9 8,82
C 4 + arus/1000 4 8 7,52
Rute yang paling
murah melalui rute c
Total Arus yang masuk ke masing rute
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 41/76
Total Arus yang masuk ke masing rute
O1
O2
1000
1000
1500
1500
Da
c
b
Total arus yang masuk ke a 1000
Total arus yang masuk ke b 1000
Total arus yang masuk ke c 4000
1000
1000
1000
+ 1500 + 1500
2 M d l S k it h
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 42/76
2. Model Sakarovitch
Menggunakan
algoritma
Menentukan rute terbaik
yang lebih dari satu rute
dalam setiap pasangan zona
di wilayah kajian
Membagi MAT menjadi N
bagian dengan proporsiterbesar dibebankan ke rute
tercepat
Proporsi terkecil
dibebankan pada ruteterpanjang
Dilakukan pengulangan
sebnanyak N kali hingga
seluruh MAT dibebankanada arin an
3 M d l Di l
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 43/76
3. Model Dial
• Rute terpendek akan lebih dipilih
daripada yang lebih panjang
Prob (r) = peluang memilih rute r
tr = jumlah waktu pada rute r
R = jumlah rute alternatif
a = parameter yang dikalibrasi
• Merupakan model rute berdasarkan
peluang dengan mengalokasikan
pergerakan pada beberapa alternatif
rute yang tergantung pada panjang
(biaya) rute.
• Membagi pergerakan yang tiba di
suatu simpul ke simpul lainnya yang
memungkinkan.
• Model harus memiliki peluang yang
lebih besar dari nol bagi semua ruas
jalan yang pantas dan peluang sama
dengan nol bagi ruas jalan yang tidak
sesuai
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 44/76
O1
O2
1000
1000
1500
1500
Da
c
b
1. Biaya dari zona asal O1 untuk
menuju zona tujuan D melalui
rute b harus mengeluarkanBiaya 9 dolar.
2. Sementara itu, jika melalui a
dan c akan mengeluarkan biaya
10 dolar.
3. Berapa Peluang yang akan
melalui rute b, dan berapa yang
akan melalui rute a + c?
Pb : exp (-0,5 x 9) = 0,011 = 0,61exp (-0,5 x 9) + exp (-0,5 x 10) 0,011 + 0,007
Sehingga diketahui bahwa 1222 (61%) dari bangkitan yang ada akan memilih rute b
Dan 778 (39%) akan melalui rute a+c
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 45/76
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 46/76
Hambatan batasan kapasitas tidak
dipertimbangkan
Ongkos secara implisit diketahui. (Ongkos =
Generalised Cost , misal: waktu, jarak, ongkosparkir, kenyamanan, kemudahan, dll)
Masing-masing pengemudi mencoba untuk
meminimumkan ongkos perjalanannya dengan
memilih rute
ASUMSI
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 47/76
Model Equilibrium oleh Wardrop (1952)
Terdapat dua perilaku intuitif yang menjelaskanbagaimana lalu-lintas dapat didistribusikankedalam rute yang dikenal dengan
Prinsip Wardrop Equilibrium
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 48/76
1. Prinsip pertama ( User’s Equilibrium):
Dalam kondisi keseimbangan tidak ada lagi
pengguna jalan yang bisa mengubah rutenya,
karena tidak ada lagi rute lain yang lebih murah yang bisa dipilih. Semua rute yang lain yang
tidak digunakan memiliki biaya yang sama atau
bahkan lebih besar daripada rute-rute yang ada
sekarang
Prinsip Wardrop Equilibrium
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 49/76
2. Prinsip kedua ( System Optimum): Dalamkondisi keseimbangan, lalu lintas akan mengatur
dirinya sendiri dalam (sebagai kumpulan) jaringan yang macet sehingga semua rute yangdigunakan dari titik A ke B memiliki biaya yang
sama dan minimum . Sementara rute yang
tidak digunakan berbiaya sama atau bahkanlebih mahal.
TAPI pada umumnya, dalam praktek arus yang
dihasilkan dari dua prinsip tadi tidak sama
mengikuti prinsip Wardrop pertama User’s
Equilibrium
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 50/76
Model Trip Assignments
Model Agregat Trip Assignments
ModelEquilibrium
Heuristic
(tidak dijaminkonvergen)
Incremental Iterative Quantal
Algoritma Frank-Wolfe
(konvergen)
All-or- Nothing
StokastikMurni
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 51/76
Tingkat Konvergensi (δ)
Tiga tipe dasar kriteria konvergensi:
1. Dengan melihat perbedaan antara arus atau biayaruas pada setiap pengulangan yang berurutan. Denganperbedaaan ini dapat dilihat apakah prosespengulangan selanjutnya akan menghasilkan
perubahan yang berarti bagi arus atau biaya tersebut.
Jika tidak ditemui perubahan yang berarti makakonvergensi dianggap sudah tercapai
2. Dengan mengukur perbedaan antara asumsi hubunganbiaya- arus pada saat awal pembebanan denganhubungan biaya-arus pada saat akhir pembebanan
3. Melihat potensi perbaikan yang dihasilkan apabiladilakukan proses pengulangan.
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 52/76
Cijr – Cij*= selisih biaya pada rute tertentu dan biaya
perjalanan minimum pada pasangan (i,j). Biaya ini dihitungsetelah pengulangan selesai dan total pergerakan
didapatkan untuk setiap ruas jalan. Sehingga nilai δ adalahnilai yang dihasilkan oleh selisih antara biaya rute optimaldan rute tidak optimal.
Semakin kecil nilai δ, kondisinya semakin mendekati kondisi
keseimbangan Wardrop
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 53/76
Heuristic Model Equilibrium
Penggunaan metode ini telah banyak digunakan
Dapat digunakan pada jaringan yang kompleks yang
besarnya biaya tergantung sekali dengan interaksi arus
Tetapi hasil pembebanan tidak dijamin konvergen Beberapa Model diantaranya:
1. Model Pembebanan Bertahap atau Incremental Model
2. Model Pembebanan Berulang atau Iterative Model
3. Model Pembebanan Kuantal atau Quantal Model
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 54/76
Metode Pembebanan Bertahap
(Incremental Assignment)
Prinsip utama: membagi MAT total menjadi beberapa bagianMAT (misal 10%) dgn menggunakan 1 set faktor proporsional
Pn = 0,1 dengan ΣPn = 1 Dalam setiap pembebanan, biaya dihitung kembali berdasarkan
hub biaya-arus
Nilai tipikal utk Pn adalah 0,1
Metode pembebanan bertahap punya keuntungan:1. Sangat mudah diprogram2. Hasilnya bisa digunakan utk melihat evolusi terjadinya
kemacetan pd jam sibuk
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 55/76
Bentuk Algoritma :
1. Pilih 1 set biaya ruas, misal waktu tempuh dlm kond arus
bebas, semua arus Va=0, pilih 1 set fraksi Pn dari MAT
sehingga ΣPn=1, buat n =02. Bentuk 1 set pohon biaya minimum (1 utk tiap simpul asal) dgn
menggunakan biaya yg ada, buat n=n+1
3. Bebankan Tn=pn.T dgn menggunakan pembebanan all ornothing pd tiap pohon tsb utk mendapatkan nilai arus Fl,akumulasikan arus2 tsb utk tiap ruas jalan:
Vl n= Vl
n-1 + Fl
4. Hitung 1 set biaya ruas yg baru berdasarkan arus sebesar Vln
,jika bagian MAT belum selesai dibebankan, kerjakan tahap 2,jika sudah stop.
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 56/76
Batasan metode Incremental Assignment jika arus sudahdibebankan pd suatu ruas, maka arus tsb tidak bisa
dipindahkan atau dibebankan ke tempat lain. akibatnya jikaarus pada permulaan pembenanan terlalu besar, maka hasilalgoritma menjadi tidak konvergen.
Keseimbangan Wardrop tercapai jika nilai δ ≈ 0Dikatakan konvergen jika jumlah biaya antar rute sama
besar
Contoh Soal :
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 57/76
Sepasang zona asal-tujuan dgn 3 alternatif yg punya hubunganbiaya-arus yg berbeda. Pergerakan sebesar 2000 kendaraan darizona asal A ke zona tujuan B
Terdapat 5 kasus yg akan diteliti:1. Fraksi pembebanan seragam sebesar 25%, 10% dan 5%2. Fraksi pembebanan tidak seragam sebesar 40%, 30%, 20% dan 10%3. Fraksi pembebanan tidak seragam sebesar 10%, 20%, 30% dan 40%
Kasus 1 Pembebanan seragam 25% (500 kendaraan)
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 58/76
δ =500 20;20 :1000 20;20 :500(20;20)
2000 (20)
δ = 0
Pembebanan bertahap seragam sebesar 25% memiliki hasil
yang konvergen dan mencapai kesimbangan wardrop
Sumber : Tamin, 2000
Pembebanan seragam 10% (200 kendaraan)
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 59/76
Arus Biaya Arus Biaya Arus Biaya
0 0 0 10.0 0 15.0 0 12.50 10.0 0
1 200 200 14.0 0 15.0 0 12.50 12.5 200
2 200 200 14.0 0 15.0 200 15.50 14.0 400
3 200 400 18.0 0 15.0 200 15.50 15.0 600
4 200 400 18.0 0 15.0 400 18.50 15.0 800
5 200 400 18.0 200 16.0 400 18.50 16.0 1,000
6 200 400 18.0 400 17.0 400 18.50 17.0 1,200
7 200 400 18.0 600 18.0 400 18.50 18.0 1,400
8 200 500 20.0 700 18.5 400 18.50 18.5 1,600
9 200 500 20.0 800 19.0 500 20.00 19.0 1,800
10 200 500 20.0 1,000 20.0 500 20.00 20.0 2,000
Total 2,000
= 0.0000
JumlahPembebanan
ke- F Min
Rute 1 Rute 2 Rute 3
δ = 500 20;20 :1000 20;20 :500(20;20)2000 (20)
= 0
Pembebanan bertahap seragam sebesar 10% memiliki hasil
yang konvergen dan mencapai kesimbangan wardrop
Sumber : Tamin, 2000
Pembebanan seragam 5% (100 kendaraan)
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 60/76
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 61/76
δ =
550 21;19.75 :950 (19.75 ;19.75):500(20;19.75)
2000 (19.75) = 0.0206
Pembebanan bertahap seragam sebesar 5% memiliki hasil
yang konvergen dan mencapai kesimbangan wardrop
Sumber : Tamin, 2000
Kasus 2Pembebanan tidak seragam 40 %, 30 %, 20%,10%
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 62/76
Kasus 2
δ =800 26;18 :600 18;18 :600(21.5;18)
2000 (18)
= 0.2361
Terlihat bahwa hasil pembebanan tidak mencapai konvergen dengan solusi keseimbangan wardrop. Hal ini karena arus
(800) terlalu besar di bebankan pada rute 1
Sumber : Tamin, 2000
Pembebanan tidak seragam 10 %, 20 %, 30%,40%Kasus 3
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 63/76
Kasus 3
δ =800 26;18.5 :800 19;18.5 :400(18.5;18.5)
2000 (18)
= 0.1729
Terlihat bahwa hasil pembebanan tidak mencapai konvergen dengan solusi keseimbangan wardrop. Hal ini karena arus
(800) terlalu besar di bebankan pada rute 1
Sumber : Tamin, 2000
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 64/76
Metode Pembebanan Berulang
(Iterative Assignment)
Bertujuan untuk mengatasi masalah pembebanan arus lalu
lintas yang terlalu tinggi pada jalan berkapasitas rendah
Arus pada suatu ruas dihitung sebagai kombinasi linear
antara arus yg dihasilkan oleh pengulangan terakhir dan arus
yang dihasilkan dari hasil pembebanan all or nothing pada
pengulangan sekarang
B t k Al it
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 65/76
Bentuk Algoritma : 1. Pilih 1 set data biaya, misal: waktu tempuh pd kondisi arus
bebas; Inisiasikan semua arus Vl(n) = 0, set n=0
2. Bentuk 1 set pohon biaya minimum, set n=n+13. Bebankan semua MAT T dgn menggunakan all or nothing
untuk menghasilkan arus Fl;4. Hitung arus pd saat sekarang:
Vl
(n)= (1-φ).Vl
(n-1) + φ.FlKet:
Φ : parameter dengan nilai 0-1
Vl(n) : arus lalu lintas yang dihasilkan oleh pengulangan ke n
Fl : arus lalu lintas yang dihasilkan oleh model all or nothing
dengan biaya perjalanan yang dihasilkan oleh pengulangan ke
(n-1)
Vl(n-1) : arus lalu lintas yang dihasilkan oleh pengulangan ke (n-1)
5. Hitung 1 set baru biaya bdsk arus Vl(n); jika arus tsb tidak
berubah scr nyata pd 2 pengulangan yg berurutan, stop, jikatidak teruskan ke tahap 2.
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 66/76
Indikator δ dapat digunakan kapan stop dan harusdihitung utk menentukan apakah solusinya mendekati
kondisi keseimbangan? Smock (1962) nilai φ harus = kebalikan nilai jumlah
pengulangan (φ =1/n) Pembobotan seimbang diberikan pada setiap arus Fl
Oleh karena itu dikenal dengan Metode rata-rata
berurutan (Method of Successive Averages-MSA) Nilai φ =1/n menghasilkan solusi yang konvergen dengan
kondisi keseimbangan
Algoritma Frank Wolfe dapat menghitung nilai
optimal φ untuk menjamin dan mempercepat konvergen
Contoh Soal :
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 67/76
Sepasang zona asal-tujuan dgn 3 alternatif yg punya hubunganbiaya-arus yg berbeda. Pergerakan sebesar 2000 kendaraan darizona asal A ke zona tujuan B. Pertimbangkan permasalahan
tersebut dengan nilai φ = 0,5 dan φ =1/n
dengan menggunakan nilai φ = 0,5
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 68/76
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 69/76
Terlihat setelah pengulangan ke 10, kondisi keseimbangan
wardrop belum tercapai. Hasil logaritma ini sudah mendekati
kondisi keseimbangan pada pengulangan ke 3, 6 dan 9 . Hal inidisebabkan oleh kakunya penentuan φ = 0.5
Sumber : Tamin, 2000
dengan menggunakan nilai φ = 1 n
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 70/76
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 71/76
Terlihat bahwa hasil pembebanan setelah pengulangan ke 8hampir mencapai kondisi solusi keseimbangan wardrop
Sumber : Tamin, 2000
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 72/76
Metode Pembebanan Quantal
Pada metode-metode sebelumnya pembebanan matriks
O-D pada jaringan jalan adalah dengan menetapkan
biaya ruas, menghitung biaya minimum pada lintasanuntuk seluruh perjalanan dari asal ke tujuan dan
pembebanan perjalananan pada lintasan tersebut. Setiapperubahan biaya di ruas hanya dilakukan pada saatakhir proses ini.
Sebaliknya pada pembebanan quantal kita bisa
melakukan perubahan biaya setiap ruas selama prosedur
pembebanan.
B t k Al it
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 73/76
Algoritma pembebanan ini diuraikan sebagai berikut:
1. Buat biaya di ruas pada saatfree flow daninisialisasi seluruh Fl = 0.
2. Hitung biaya minimum lintasan untuk ‘n’ asal
perjalanan (origin) setiap rute dan bebaniperjalanan Tij pada rute tersebut, perbaharui
volume terakhir Fl .3. Apabila seluruh asal perjalanan telah dibebani,
stop; jika tidak buat biaya di ruas berdasarkan
C (Fl) dan kembali ke langkah (2).
Bentuk Algoritma :
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 74/76
Keuntungan Metode Quantal: bila suatu ruas tertentu dibebani terlalu berlebih pada saat
awal pembebanan, biayanya akan bertambah sehingga pada
iterasi berikutnya ruas tersebut menerima arus lalu lintas
lebih sedikit.
menghasilkan penyebaran distribusi perjalanan lebih baik .
Oleh Karena itu pada prosedur pembebanan equilibrium,cenderung menghasilkan nilai awal yang lebih baikdibandingkan dengan pembebanan All-or-nothing .
mencegah terjadinya rute yang ‘aneh’ yang dihasilkan daripembebanan all or-nothing yang terjadi bila suatu ruas-ruas
tertentu dibebani sangat besar pada saat awal pembebanansehingga menghasilkan biaya sangat tinggi. Kondisi inimengakibatkan rute tersebut dikeluarkan dari jaringan.
M d l E ilib i
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 75/76
Model Equilibrium
(Algoritma Frank-Wolfe-1956)
• Metoda heuristic mungkin menghasilkan penyelesaian
equilibrium yang tidak konvergen.
• Perbaikan utama algoritma Frank-Wolfe dibandingkan dengan
metodeheuristic adalah nilai α n (dalam metode heuristicdilambangkan dengan φ) dihitung dengan menggunakan
formulasi program matematis sebagai pengganti dari nilai yangtetap. Karena itu algoritma ini menjamin dapat mencapai tingkat
konvergensi dengan lebih effisien.
B t k Al it
7/18/2019 Pemilhan Moda Dan Rute
http://slidepdf.com/reader/full/pemilhan-moda-dan-rute-56d6aefe5e739 76/76
• Pilih 1 set data biaya, misal: waktu tempuh pd kondisi arusbebas; Inisiasikan semua arus Vl
(n) = 0, set n=0
• Bentuk 1 set pohon biaya minimum, set n=n+1
• Bebankan semua MAT dgn menggunakan all or nothinguntuk menghasilkan arus Fl;
• Hitung arus pd saat sekarang:
Vl(n)= (1-φ).Vl
(n-1) + φ.Fl• Hitung 1 set baru biaya bdsk arus Vl
(n); jika arus tsb tidakberubah scr nyata pd 2 pengulangan yg berurutan, stop, jikatidak teruskan ke tahap 2.
Bentuk Algoritma :