ESTIMASI MATRIKS ASAL TUJUAN PERJALANAN …/Estimasi...Data of traffic count in ... semua waktu,...

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user

ESTIMASI MATRIKS ASAL TUJUAN PERJALANAN

DENGAN BATASAN TARIKAN PERGERAKAN

MENGGUNAKAN

METODE KALIBRASI NEWTON-RAPHSON (STUDI KASUS KOTA SURAKARTA)

Origin-Destination Matrix Estimation with Trip Attraction Constraint

using Newton-Raphson Calibration Method

(A Case Study of Surakarta City)

SKRIPSI

Diajukan Sebagai Salah Satu Syarat

Untuk Memperoleh Gelar Sarjana Teknik

Disusun Oleh :

A L F I A N I Y O G A T U R I D A I S N A I N I

N I M I 0 1 0 8 0 5 2

JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET

SURAKARTA

2013


commit to user

i



MENGGUNAKAN





SKRIPSI

Diajukan Sebagai Salah Satu Syarat

Untuk Memperoleh Gelar Sarjana Teknik

Disusun Oleh :


N I M I 0 1 0 8 0 5 2

JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET

SURAKARTA

2013


commit to user

ii

LEMBAR PERSETUJUAN



MENGGUNAKAN





Disusun Oleh :


N I M I 0 1 0 8 0 5 2

Telah Disetujui dan Diujikan di Hadapan Tim Penguji Pendadaran

Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret

Persetujuan Dosen Pembimbing

Dosen Pembimbing I

Dr. Eng. Ir. Syafi’i , MT

N I P . 19670602 199702 1 001

Dosen Pembimbing II

Setiono, S.T., M.Sc.

N I P . 19720224 199702 1 001


commit to user

iii

LEMBAR PENGESAHAN



MENGGUNAKAN





S K R I P S I

Disusun Oleh :


N I M I 0 1 0 8 0 5 2

Dipertahankan di depan Tim Penguji Fakultas Teknik Universitas Sebelas Maret

Surakarta dan diterima guna memenuhi persyaratan untuk mendapatkan gelar

Sarjana Teknik.

Pada hari : Jumat

Tanggal : 8 Februari 2013

Tim Penguji :

1. DR. Eng. Ir. Syafi’i, M.T. ---------------------------------

NIP. 19670602 199702 1 001

2. Setiono, S.T., M.Sc. ---------------------------------

NIP. 19720224 199702 1 001

3. S. J. Legowo, S.T., M.T. ---------------------------------

NIP. 19670413 199702 1 001

4. Amirotul M. H. M., S.T., M.Sc. ---------------------------------

NIP. 19700504 199512 2 001

Mengesahkan,

Ketua Jurusan Teknik Sipil

Fakultas Teknik UNS

Ir. BAMBANG SANTOSA, MT

NIP. 19590823 198601 1 001


commit to user

iv


commit to user

iv

Motto

Insyaallah bisa.

(Penulis)

Get a grip on your self.

(Ginus Pandhu Setyawan)

Dengan hasrat, keberanian tekad, dan kesadaran diri yang kuat kita bisa

mengambil langkah selanjutnya di dunia.

(Elle Woods - Legally Blonde)

Persembahan Berjuta syukur atas segala kemudahan yang telah Allah SWT berikan.

Serta suri tauladanku Nabi Muhammad SAW.

Karya kecil ini saya persembahkan untuk mereka yang tidak kenal lelah

menyemangati saya untuk segera menyelesaikan skripsi ini walaupun

banyak cobaan yang menyertainya.

Ibu dan Bapak.

Mas Alim.

Mas Ginus.

Pak Syafi’i dan Pak Setiono terima kasih atas kemurahan hati Anda.

Teman-teman Sipil 2008 yang banyak membantu saya: rizqy, ari, dinia,

darto, alm. Awal, christmas, egga, arif, tomi, julian, rara, okyta, yunita,

ajeng, yoyo, mitha, lala, shinta, alhadiid, adi, wahyu, ghufron, taib, anang,

dan yang tidak bisa saya sebut satu per satu.

Seluruh civitas akademika Teknik Sipil UNS.


commit to user

v

A B S T R A K

Alfiani Yogaturida Isnaini, 2013, Estimasi Matriks Asal Tujuan Perjalanan

dengan Batasan Tarikan Pergerakan Menggunakan Metode Kalibrasi

Newton-Raphson (Studi Kasus Kota Surakarta). Skripsi. Jurusan Teknik Sipil

Fakultas Teknik Universitas Sebelas Maret Surakarta.

MAT merepresentasikan jumlah pergerakan dari zona asal ke zona tujuan,

sehingga MAT memegang peranan penting dalam berbagai kajian perencanaan

transportasi dan manajemen transportasi. Penelitian ini bertujuan untuk

mengestimasi MAT tahun 2012 sehingga dapat diketahui pergerakan antar

zonanya. Penelitian ini juga bertujuan untuk mencari besarnya koefisien β dan

nilai R2 sebagai uji validitas antara arus lalu lintas di lapangan dan arus lalu lintas

hasil pemodelan.

Daerah kajian dalam penelitian ini adalah Kota Surakarta. Data hasil survei

lapangan di ruas-ruas jalan arteri dan kolektor beserta prior matrik diestimasi

menggunakan EMME/3. Selanjutnya MAT ini digunakan untuk kalibrasi fungsi

hambatan β menggunakan Metode Kalibrasi Newton-Raphson. Koefisien β inilah

selanjutnya yang digunakan sebagai koefisien dalam analisis Model Gravity

dengan batasan tarikan pergerakan (ACGR) untuk menghasilkan MAT hasil

pemodelan. Kemudian MAT tersebut dibebankan ke jaringan jalan dengan

EMME/3 untuk menghasilkan arus lalu lintas hasil pemodelan. Arus ini kemudian

diuji validitasnya menggunakan koefisien determinasi.

Total pergerakan yang didapat dari estimasi Model Gravity dan EMME/3 adalah

sama, yaitu 32773,68 smp/jam. Sedangkan dari hasil pemrograman dengan

bantuan Lazarus menggunakan Metode Kalibrasi Newton-Raphson, didapat

koefisien β = -0,15127. Dan nilai R2 yang didapatkan adalah 0,8683.

Kata kunci : MAT, Model Gravity, Koefisien β, Metode Kalibrasi Newton-

Raphson, EMME/3.


commit to user

vi

A B S T R A C T

Alfiani Yogaturida Isnaini, 2013, Origin-Destination Matrix Estimation with

Trip Attraction Constraint using Newton-Raphson Calibration Method (A

Case Study of Surakarta City). Thesis. Civil Engineering Department Faculty of

Engineering, Sebelas Maret University Surakarta.

OD-Matrix represents the amount of trip from origin to destination zone, so that

OD-Matrix is important for transportation research. The aim of this research is to

estimate OD-Matrix of 2012, so that inter-zone of trip can be known. The other

points of this research is to look for coefficient of β, and coefficient of

determination (R2) among traffic flow of modeling and those of real observation.

Surakarta City is the location of this research. Data of traffic count in artery and

collector road and prior matrix be estimated use EMME/3. Then, it’s used to

calibrate deterred function β by Newton-Raphson Calibrating Method. This β used

to get OD-Matrix of model by Gravity Model with trip attraction constrain

(ACGR). Then, this OD-Matrix assigned in traffic flow by EMME/3. This traffic

flow of modeling validated use determined coefficient.

The result of research by EMME/3 show the amount of trip is 32773,68 pcu/hr as

much as Gravity Model result. Then, from Lazarus programming aplication the

coefficient of β is -0,15127. Validation tested coefficient of determination (R2) is

0,8683.

Keywords: O-D Matrix, Gravity Model, Coefficient of β, Newton-Raphson

Calibrating Model, EMME/3.


commit to user

vii

KATA PENGANTAR

Puji syukur kepada Tuhan Yang Maha Esa atas berkat-Nya, sehingga penulis

dapat menyelesaikan penyusunan skripsi dengan judul ESTIMASI MATRIKS

ASAL TUJUAN PERJALANAN DENGAN BATASAN TARIKAN

PERGERAKAN MENGGUNAKAN METODE KALIBRASI NEWTON-

RAPHSON (STUDI KASUS KOTA SURAKARTA). Ucapan salam, penulis

haturkan pada junjungan dan panutan, Nabi Muhammad SAW yang selalu

menjadi suri teladan bagi semua umat Islam di dunia ini.

Skripsi ini disusun sebagai salah satu syarat yang harus ditempuh guna meraih

gelar Sarjana Teknik pada Jurusan Teknik Sipil, Fakultas Teknik, Universitas

Sebelas Maret Surakarta. Skripsi ini tidak dapat terselesaikan tanpa bantuan,

bimbingan, dan saran dari berbagai pihak. Oleh karena itu pada kesempatan ini

penulis ingin menyampaikan terima kasih kepada :

1. Segenap Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta.

2. Segenap Pimpinan Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas

Maret Surakarta.

3. Dr. Eng. Ir. Syafi’i, M.T., selaku Dosen Pembimbing I Skripsi. Terima kasih

atas semua waktu, bimbingan, motivasi, dan bantuan, serta kepercayaan bapak

untuk bisa menyelesaikan skripsi ini.

4. Setiono, S.T., M.T., selaku Dosen Pembimbing II Skripsi. Terima kasih atas

semua waktu, bimbingan, motivasi serta bantuannya selama pembuatan skripsi

ini sampai selesai.

5. Dosen Pembimbing Akademis Ir. A. Mediyanto, MT.

6. Semua Staf Pengajar pada Jurusan Teknik Sipil, Fakultas Teknik, Universitas

Sebelas Maret Surakarta.

7. Teman-teman angkatan 2008 Teknik Sipil UNS.

8. Seluruh civitas akademika Teknik Sipil UNS.


commit to user

viii

Akhirnya, pengantar ini juga menjadi semacam ingatan bagi penulis selama

menempuh tahap pembelajaran di Universitas Sebelas Maret Surakarta sehingga

skripsi ini harus disusun sebagai syarat mendapatkan gelar kesarjanaan. Penulis

mengharapkan nantinya penelitian ini tetap berlanjut dan dapat disempurnakan

oleh penulis lainnya. Dalam kehidupan proses belajar tidak akan pernah terhenti.

Terima kasih.

Surakarta, Februari 2013

Penulis


commit to user

ix

DAFTAR ISI

HALAMAN JUDUL .................................................................................. i

HALAMAN PERSETUJUAN .................................................................. ii

HALAMAN PENGESAHAN .................................................................... iii

MOTTO ...................................................................................................... iv

PERSEMBAHAN ....................................................................................... iv

ABSTRAK .................................................................................................. v

ABSTRACT ................................................................................................ vi

KATA PENGANTAR ................................................................................ vii

DAFTAR ISI ............................................................................................... ix

DAFTAR TABEL ...................................................................................... xii

DAFTAR GAMBAR .................................................................................. xiv

DAFTAR LAMPIRAN .............................................................................. xv

BAB 1 PENDAHULUAN

1.1 Latar Belakang Masalah ...................................................................... 1

1.2 Rumusan Masalah ............................................................................... 2

1.3 Batasan Masalah ................................................................................. 3

1.4 Tujuan Penelitian ................................................................................ 3

1.5 Manfaat Penelitian .............................................................................. 4

1.5.1 Manfaat Teoritis ....................................................................... 4

1.5.2 Manfaat Praktis ....................................................................... 4

BAB 2 LANDASAN TEORI

2.1 Tinjauan Pustaka ................................................................................. 5

2.2 Dasar Teori .......................................................................................... 6

2.2.1 Pemodelan ............................................................................... 6

2.2.2 Konsep Perencanaan Transportasi .......................................... 8

2.2.3 Matriks Asal Tujuan (MAT) ................................................... 9


commit to user

x

2.2.4 Daerah Kajian .......................................................................... 10

2.2.5 Sistem Zona ............................................................................. 10

2.2.6 Jaringan Transportasi .............................................................. 11

2.2.7 Fungsi Jalan ............................................................................. 12

2.2.8 Satuan Mobil Penumpang ....................................................... 12

2.2.9 Kapasitas ................................................................................. 13

2.2.10 Kecepatan ................................................................................ 18

2.2.11 Hubungan Kurva Kecepatan-Arus dan Biaya-Arus ................ 23

2.2.12 EMME/3 .................................................................................. 25

2.2.13 Konsep Model Gravity sebagai Model Sebaran Pergerakan ... 27

2.2.14 Model Gravity dengan Batasan Tarikan (ACGR) ................... 29

2.2.15 Metode Kalibrasi Newton-Raphson ........................................ 30

2.2.16 Matrix Estimation by Maximum Entropy (ME2) .................... 31

2.2.17 Pembebanan User Equilibrium ............................................... 32

2.2.18 Indikator Uji Statistik .............................................................. 33

BAB 3 METODOLOGI PENELITIAN

3.1 Lokasi dan Waktu Penelitian .............................................................. 34

3.2 Jenis dan Sumber Data ........................................................................ 38

3.2.1 Data Primer ............................................................................. 38

3.2.2 Data Sekunder ......................................................................... 39

3.3 Metode Pengambilan Data .................................................................. 39

3.3.1 Desain Alat Survei .................................................................. 39

3.3.2 Desain Sampel ......................................................................... 39

3.3.3 Desain Formulir ...................................................................... 40

3.3.4 Surveyor .................................................................................. 40

3.4 Metode Analisis Data .......................................................................... 40

3.4.1 Pengolahan Data Basis Jaringan Jalan .................................... 40

3.4.2 Matriks Hasil Estimasi oleh EMME/3 .................................... 41

3.4.3 Kalibrasi Parameter Betha (β) ................................................. 41

3.4.4 Estimasi Matriks Asal Tujuan Hasil Pemodelan ..................... 43

3.4.5 Pembebanan Arus Lalu Lintas ke Jaringan Jalan .................... 43


commit to user

xi

3.4.6 Uji Validitas ............................................................................ 43

3.5 Diagram Alir Metode Penelitian ......................................................... 44

BAB 4 ANALISIS DAN PEMBAHASAN

4.1 Umum .................................................................................................. 45

4.2 Pengolahan dan Penyajian Data .......................................................... 45

4.2.1 Pengumpulan Data .................................................................. 45

4.2.2 Pembagian Zona ...................................................................... 46

4.2.3 Satuan Mobil Penumpang ....................................................... 49

4.2.4 Kapasitas ................................................................................. 50

4.2.5 Waktu Tempuh ........................................................................ 51

4.3 Analisis dengan Program EMME/3 .................................................... 52

4.3.1 Basis Data Jaringan Jalan ........................................................ 52

4.3.2 Data Volume Lalu lintas Hasil Survey (Traffic Count) ........... 54

4.3.3 Data Matrik Awal (prior matrix) ............................................ 56

4.3.4 Matrik baru hasil EMME/3 ..................................................... 63

4.4 Kalibrasi Parameter β .......................................................................... 70

4.5 Estimasi MAT Hasil Pemodelan ......................................................... 70

4.6 Pembebanan Matriks ke Jaringan Jalan .............................................. 78

4.7 Uji Validitas ........................................................................................ 80

4.8 Pembahasan ......................................................................................... 81

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan ......................................................................................... 87

5.2 Saran .................................................................................................... 88

DAFTAR PUSTAKA ................................................................................. xvi

LAMPIRAN ................................................................................................ xvii


commit to user

xii

DAFTAR TABEL

Tabel 2.1 Emp untuk Jalan Perkotaan Tak Terbagi ................................ 13

Tabel 2.2 Emp untuk Jalan Perkotaan Terbagi dan Satu Arah ................ 13

Tabel 2.3 Kapasitas Dasar (Co) ............................................................... 14

Tabel 2.4 Faktor Penyesuai Kapasitas untuk Lebar Jalur Lalu Lintas

(FCw) ....................................................................................... 15

Tabel 2.5 Faktor Penyesuai Kapasitas untuk Pemisahan Arah (FCsp) .... 15

Tabel 2.6 Faktor Penyesuai Kapasitas Pengaruh Hambatan Samping

(FCsf) ....................................................................................... 16

Tabel 2.7 Faktor Penyesuai Kapasitas untuk Pengaruh Hambatan

Samping (FCsf) dan Jarak Kereb-Penghalang ......................... 17

Tabel 2.8 Penentuan Kelas Hambatan Samping ..................................... 18

Tabel 2.9 Faktor Penyesuai Kapasitas untuk Ukuran Kota (FCcs) .......... 18

Tabel 2.10 Kecepatan Arus Bebas Dasar (Fvo) ......................................... 19

Tabel 2.11 Penyesuai Kecepatan Arus Bebas untuk Lebar Jalur Lalu

Lintas (FVw) ............................................................................ 20

Tabel 2.12 Faktor Penyesuai (FFVsf) untuk Pengaruh Hambatan

Samping dan Lebar Bahu pada Kecepatan Arus Bebas

dengan Bahu ............................................................................ 21

Tabel 2.13 Faktor Penyesuai (FFVsf) untuk Pengaruh Hambatan Samping

dan Jarak Kerb Penghalang dengan Kerb ................................. 21

Tabel 2.14 Faktor Penyesuai untuk Pengaruh Ukuran Kota pada

Kecepatan Arus Bebas Kendaraan Ringan ............................... 22

Tabel 3.1 Lokasi Survei Arus Lalu Lintas (Traffic Count) ...................... 38

Tabel 4.1 Tabel Data Hasil Survey (Traffic Count) Tahun 2012 .............. 46

Tabel 4.2 Pembagian Zona Internal .......................................................... 47

Tabel 4.3 Pembagian Zona Eksternal ....................................................... 48

Tabel 4.4 Perhitungan Jumlah Kendaraan per Satu Jam .......................... 49

Tabel 4.5 Konversi Satuan Kendaraan ke smp ......................................... 50


commit to user

xiii

Tabel 4.6 Format Masukan Basis Data Jaringan Jalan ............................. 53

Tabel 4.7 Koordinat Kota Surakarta ......................................................... 53

Tabel 4.8 Data Arus Lalu Lintas (Traffic Count) Tahun 2012 ................ 55

Tabel 4.9 Prior Matrix Tahun 2009 dalam Satuan smp/jam .................... 57

Tabel 4.10 Matriks Asal Tujuan Tahun 2012 dari EMME/3 ...................... 64

Tabel 4.11 Matriks Asal Tujuan Tahun 2012 Hasil Pemodelan ................. 72

Tabel 4.12 Perbandingan Arus Traffic Count dengan Arus Hasil

Pembebanan .............................................................................. 78


commit to user

xiv

DAFTAR GAMBAR

Gambar 2.1 Empat Tahap Pemodelan Transportasi ................................. 8

Gambar 2.2 Hubungan Tipikal Kecepatan-Arus dan Biaya-Arus ........... 23

Gambar 2.3 Prosedur Perhitungan Program EMME/3 ............................ 27

Gambar 3.1 Peta Administratif Kota Surakarta ....................................... 35

Gambar 3.2 Peta Pembagian Zona Kota Surakarta .................................. 36

Gambar 3.3 Peta Jaringan Jalan Kota Surakarta dan Lokasi Survei ........ 37

Gambar 3.4 Bagan Alir Prosedur Kalibrasi Newton-Raphson ................ 42

Gambar 3.5 Bagan Alir Metode Penelitian .............................................. 44

Gambar 4.1 Network Editor ..................................................................... 54

Gambar 4.2 Editor toolbar ....................................................................... 54

Gambar 4.3 Nilai β Hasil Iterasi Program ............................................... 70

Gambar 4.4 Grafik Uji Validitas Volume Lalu Lintas ............................. 80

Gambar 4.5 Desire Line Pergerakan Tahun 2012 Hasil Estimasi ............ 82

Gambar 4.6 Grafik Pergerakan Antar Zona Internal ................................ 83

Gambar 4.7 Grafik Pergerakan Antar Zona Ekaternal ............................. 85

Gambar 4.8 Grafik Pergerakan Antar Zona ............................................. 85


commit to user

xv

DAFTAR LAMPIRAN

Lampiran A : Data Hasil Survei

Lampiran B : Konversi Arus Lampiran C : Perhitungan Kapasitas

Lampiran D : Perhitungan Waktu tempuh

Lampiran E : Basis Data

Lampiran F : Koordinat

Lampiran G : Form Survei

Lampiran H : Listing Estimasi EMME/3

Lampiran I : Listing Pemrograman Kalibrasi dengan Lazarus

Lampiran J : Listing Pembebanan EMME/3


commit to user

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang Masalah

Perkembangan zaman yang semakin maju menuntut manusia untuk memenuhi

kebutuhan hidup yang semakin lama semakin kompleks. Untuk memenuhi

kebutuhan tersebut manusia melakukan pergerakan dari suatu tempat ke tempat

yang lain. Jumlah pergerakan ini sebanding dengan kebutuhan manusia, jika

semakin banyak kebutuhannya maka pergerakan yang dilakukan semakin besar.

Dengan adanya pergerakan yang semakin besar dan tidak diimbangi dengan

prasarana yang memadai maka akan timbul permasalahan-permasalahan

transportasi seperti kemacetan, tundaan, polusi, dan berbagai masalah

keselamatan. Berbagai permasalahan ini dapat teratasi jika ada perencanaan

transportasi yang baik. Artinya manajemen pengaturan lalu lintas yang baik akan

mengurangi permasalahan transportasi yang ada.

Dalam perencanaan transportas, model perencanaan yang sering digunakan adalah

model perencanaan empat tahap. Salah satu tahap dalam model tersebut adalah

distribusi pergerakan (trip distribution) yang direpresentasikan dalam matriks asal

tujuan (MAT) atau desire line / garis keinginan. MAT merepresentasikan jumlah

pergerakan dari zona asal ke zona tujuan, sehingga MAT memegang peranan

penting dalam berbagai kajian perencanaan transportasi dan manajemen

transportasi.

Jika Suatu MAT dibebankan ke suatu jaringan jalan, maka akan menghasilkan

arus lalu lintas pada ruas jalan yang ditinjau. Dalam konteks perencanaan

transportasi, estimasi arus lalu lintas pada tahun rencana sangat penting dalam

menentukan kebijakan strategi penanganan jaringan jalan.

Metode konvensional untuk mendapatkan MAT adalah dengan cara wawancara di

jalan (road side interview) dan wawancara di rumah (home interview). Namun,


commit to user

2

metode ini memiliki kelemahan karena mengganggu arus lalu lintas dan

memerlukan biaya tinggi. Oleh karena itu pendekatan dengan metode

konvensional ini jarang digunakan. Dan dekade ini banyak peneliti yang telah

mengembangkan metode estimasi MAT dari data lalu lintas / traffic count.

Dalam konteks perencanaan transportasi estimasi MAT dari data lalu lintas hanya

dapat digunakan pada tahun dasar (base year). Untuk mengestimasi MAT pada

tahun rencana model yang sering digunakan adalah Model Gravity.

Model Gravity yang digunakan dalam penelitian ini adalah dengan batasan tarikan

pergerakan (ACGR). Penelitian ini juga menggunakan Metode Kalibrasi Newton-

Raphson yaitu metode yang digunakan untuk mengkalibrasi parameter β (dengan

menggunakan fungsi hambatan pangkat), untuk selanjutnya digunakan dalam

perhitungan MAT hasil estimasi. Kalibrasi ini dilakukan dengan proses

pengulangan sampai nilai parameter mencapai batas konvergensinya

menggunakan bantuan aplikasi software Lazarus.

Proses mengestimasian matriks baru dari prior matrix dan traffic count serta

proses pembebanan MAT ke dalam sistem jaringan transportasi menggunakan

aplikasi software EMME/3 (Equilibre Multimodal, Multimodal Equilibrium).

Hasil pembebanan matriks ini kemudian diuji validitasnya dengan cara

membandingkan arus lalu lintas hasil pemodelan dengan arus lalu lintas di

lapangan (traffic count).

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah yang telah diuraikan di atas dapat dirumuskan

masalah sebagai berikut:

a. Berapa nilai koefisien β sebagai parameter fungsi hambatan yang

dikalibrasikan dengan Metode Kalibrasi Newton-Raphson?

b. Berapa besar estimasi MAT dari data lalu lintas yang dianalisis menggunakan

Model Gravity dengan batasan tarikan pergerakan?

c. Berapa tingkat validitas arus lalu lintas hasil pemodelan (R2)?


commit to user

3

1.3 Batasan Masalah

Untuk membatasi permasalahan agar penelitian ini lebih terarah dan tidak meluas,

maka perlu adanya pembatasan sebagai berikut:

a. Wilayah kajiannya adalah Kota Surakarta dengan jaringan transportasi yang

ada pada saat penelitian (hanya ruas arteri dan kolektor) ditambah dengan

beberapa ruas jalan dari zona eksternal yang dianggap mempengaruhi arus

masuk ke dalam kota dan keluar dari dalam kota.

b. Pembagian zona didasarkan atas batas-batas administratif berupa kelurahan.

c. Pedoman analisis perhitungan basis data menggunakan MKJI (1997).

d. Data matriks awal (prior matrix) yang digunakan adalah hasil perhitungan

skripsi Rahman, P. A., (2009).

e. Model sebaran pergerakan yang digunakan adalah Model Gravity dengan

batasan tarikan (ACGR).

f. Kalibrasi koefisien β ( dalam fungsi hambatan pangkat) menggunakan Metode

Kalibrasi Newton-Raphson dengan bantuan aplikasi software Lazarus.

g. Estimasi MAT baru dan analisis pembebanan dengan Metode User

Equilibrium menggunakan aplikasi software EMME/3.

h. Dampak perubahan tata guna lahan terhadap jumlah pergerakan diabaikan.

1.4 Tujuan Penelitian

Penelitian ini bertujuan untuk:

a. Mengetahui nilai parameter β sebagai fungsi hambatan yang dikalibrasikan

dengan Metode Kalibrasi Newton-Raphson.

b. Mengetahui besarnya estimasi MAT dari data lalu lintas yang dianalisis

menggunakan Model Gravity dengan batasan tarikan pergerakan.

c. Mengetahui tingkat validitas arus lalu lintas hasil pemodelan (R2).


commit to user

4

1.5 Manfaat Penelitian

1.5.1 Manfaat Teoritis

Meningkatkan pengetahuan dan pemahaman di bidang perencanaan dan

pemodelan transportasi terutama yang berkaitan dengan Trip Distribution dan

Trip Assignment.

1.5.2 Manfaat Praktis

Hasil yang diperoleh dapat digunakan sebagai bahan pertimbangan dalam

perbaikan dan perencanaan jaringan transportasi Kota Solo pada waktu yang akan

datang.


commit to user

5

BAB 2

LANDASAN TEORI

2.1 Tinjauan Pustaka

Syafi’i, dkk, (2009) menyatakan bahwa dalam konteks perencanaan transportasi,

salah satu hal yang paling sangat penting yang harus diketahui adalah potensi

kebutuhan perjalanan dari satu zona (daerah) asal ke zona tujuan yang merupakan

pencerminan distribusi perjalanan dari zona asal ke zona tujuan. Kebutuhan

perjalanan ini pada umunya direpresentasikan dengan Matriks Asal-Tujuan

(MAT) perjalanan atau Origin-Destination (OD) Matrix.

Sedangkan menurut Miro (2002), distribusi perjalanan merupakan jumlah

perjalanan yang bermula dari suatu zona asal menyebar ke banyak zona tujuan

atau sebaliknya, jumlah perjalanan yang datang mengumpul di suatu zona tujuan

yang berasal dari sejumlah zona asal. Distribusi perjalanan ini sangat membantu

kita untuk melihat dengan mudah apa yang disebut dengan pola perjalanan antar

zona. Oleh karena itu, untuk melihat pola perjalanan antar zona yang berupa arus

pergerakan dalam area studi selama periode waktu tertentu digunakan sebuah alat

berupa matriks berdimensi dua yang disebut dengan Matriks Pergerakan atau

Matriks Asal Tujuan (MAT).

Selain dari dua sumber di atas penelitian ini juga mengacu pada penelitian

terdahulu yang membahas tentang estimasi MAT. Diantaranya adalah penelitian

yang dilaksanakan oleh Widyastuti (2007) yang bertujuan untuk mengetahui

besarnya estimasi MAT Kota Surakarta dan mencari besarnya koefisien β dengan

menggunakan Metode Estimasi Entropi Maksimum. Hasil yang didapat dari

perhitungan dengan bantuan program SATURN adalah: total jumlah pergerakan

Kota Surakarta adalah 31690,6 smp/jam dengan nilai β = -0,00121, dan tingkat

validitas (R2) yang didapatkan adalah sebesar 0,8816.

Kemudian Nugroho (2007) juga meneliti tentang estimasi MAT dengan

menggunakan data lalu lintas yang ada dan menghitung besarnya koefisien β


commit to user

6

dengan menggunakan Metode Kuadrat Terkecil. Hasil perhitungan yang didapat

adalah: jumlah total pergerakan Kota Surakarta adalah sebesar 29834,8 smp/jam

dengan nilai β -0,00125, sedangkan tingkat validitasnya (R2) sebesar 0,8828.

Pada penelitian ini data yang diambil untuk pemodelan distribusi pergerakan

adalah data arus lalu lintas dan matriks hasil penelitian terdahulu. Sedangkan

model yang digunakan untuk mengestimasi MAT pergerakan adalah Model

Gravity karena sangat sederhana dalam proses pengerjaannya, sehingga mudah

dimengerti dan digunakan.

Penelitian ini menggunakan Model Gravity dengan batasan tarikan pergerakan

(ACGR) dalam menghitung MAT hasil estimasinya. Dalam membuat matriks

baru serta pembebanannya menggunakan aplikasi software EMME/3. Metode

pembebanan yang digunakan untuk membebankan hasil arus lalu lintas ke

jaringan jalan menggunakan metode pembebanan User Equilibrium. Kemudian

mengenai fungsi hambatan yang digunakan adalah fungsi hambatan pangkat, yang

di dalamnya harus diketahui parameter β. Dalam mencari nilai β maka dilakukan

kalibrasi menggunakan Metode Kalibrasi Newton-Raphson dengan aplikasi

software Lazarus. Menurut Subakti (2006), metode Kalibrasi Newton-Raphson

dipilih karena memiliki akurasi hasil yang baik, laju konvergensinya relatif cepat,

dan mudah dalam memrogramkannya.

2.2 Dasar Teori

2.2.1 Pemodelan

Nugroho (2007) menuliskan bahwa pemodelan merupakan suatu kumpulan

aktivitas pembuatan model. Model didefinisikan sebagai suatu perwakilan atau

abstraksi dari sebuah obyek atau situasi aktual. Model memperlihatkan hubungan-

hubungan langsung maupun tidak langsung serta kaitan timbal balik dalam istilah

sebab akibat. Dengan kata lain model adalah suatu penyederhanaan dari suatu

realitas yang kompleks dan dapat mewakili berbagai aspek dari realitas yang

sedang dikaji.


commit to user

7

Ada beberapa jenis model yang lazim digunakan dalam suatu pemodelan. Model

dapat dikategorikan menurut jenis, dimensi, fungsi, tujuan pokok pengkajian atau

derajad keabstrakannya. Kategori model secara umum dapat dikelompokkan

menjadi:

a. Model Ikonik

Model ikonik adalah perwakilan fisik dari beberapa hal baik dalam bentuk

ideal maupun dalam skala berbeda. Model ikonik mempunyai karakteristik

yang sama dengan hal yang diwakili, terutama amat sesuai untuk

menerangkan kejadian pada waktu yang spesifik. Contoh dari model ini adalah

foto, peta, prototip mesin, dan sebagainya.

b. Model Analog (Model Dragmatik)

Model ini dapat mewakili situasi dinamik. Model analog banyak

berkesesuaian dengan penjabaran hubungan kuantitatif antara sifat dan kelas-

kelas yang berbeda. Contoh dari model ini adalah kurva permintaan, kurva

distribusi frekuensi pada statistik, dan diagram alir.

c. Model Simbolik (Model Matematik)

Ilmu sistem memusatkan perhatian kepada model simbolik sebagai perwakilan

dari realitas yang sedang dikaji. Model ini dapat berupa angka, simbol, dan

rumus. Model matematis dapat diklasifikasikan menjadi dua bagian, yaitu

model statik dan model dinamik. Model statik adalah model yang dapat

memberikan informasi tentang peubah-peubah model hanya pada titik tunggal

dari waktu. Model dinamik mampu menelusuri peubah-peubah model dan

mampu memberikan keakuratan yang lebih tinggi pada analisis dunia nyata.

Dari beberapa model yang ada, model matematis merupakan model yang sering

digunakan dalam pemodelan transportasi karena dinilai paling efektif dan paling

murah biayanya karena hanya menggunakan persamaan matematis atau fungsi

matematis sebagai media dalam usaha mencerminkan realita. Model matematis

juga dapat menggambarkan hubungan dari faktor-faktor penentu yang ditinjau

secara kuantitatif, sehingga pengaruh perubahannya dapat diperhitungkan secara

kuantitatif pula terhadap hal yang diteliti.


commit to user

8

2.2.2 Konsep Perencanaan Transportasi

Tamin (2000) menuliskan bahwa terdapat beberapa konsep perencanaan

transportasi. Yang paling sering digunakan saat ini adalah Model Perencanaan

Transportasi Empat Tahap.

Gambar 2.1 Empat Tahap Pemodelan Transportasi

a. Bangkitan dan Tarikan Pergerakan (Trip Generation)

Bangkitan dan tarikan pergerakan adalah tahapan pemodelan yang

memperkirakan jumlah pergerakan yang berasal dari suatu zona atau tata guna

lahan dan jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona.

Pergerakan lalu lintas merupakan fungsi tata guna lahan yang menghasilkan

pergerakan lalu lintas.

b. Distribusi Pergerakan (Trip Distribution)

Distribusi pergerakan adalah tahapan pemodelan yang memperkirakan sebaran

yang meninggalkan suatu zona atau yang menuju suatu zona. Distribusi

pergerakan dapat direpresentasikan dalam bentuk Matriks Asal-Tujuan MAT

(Origin-Destination Matrix/O-D Matrix) atau garis keinginan (Desire Line).

c. Pemilihan Moda (Modal Choice/Modal Split)

Jika interaksi terjadi antara dua tata guna lahan disuatu wilayah, maka akan

diputuskan bagaimana interaksi tersebut harus dilakukan. Dalam kasus ini,

keputusan harus ditentukan dalam hal pemilihan moda. Tujuan dari model

Bangkitan dan Tarikan Pergerakan

(Trip Generation)

Distribusi Pergerakan

(Trip Distribution)

Pemilihan Moda

(Modal Choice/Modal Split)

Pemilihan Rute

(Trip Assignment)


commit to user

9

pemilihan moda ini adalah untuk mengetahui proporsi pengalokasian

perjalanan ke berbagai moda transportasi.

d. Pembebanan Lalu Lintas/Pemilihan Rute (Trip Assignment)

Seperti halnya dalam pemilihan moda transportasi, pemilihan rute juga

tergantung pada beberapa alternatif seperti jarak terpendek, tercepat, dan

termurah. Diasumsikan bahwa pemakai jalan mempunyai informasi yang

cukup untuk menentukan rute yang terbaik.

2.2.3 Matriks Asal Tujuan (MAT)

Menurut Tamin (2000), MAT adalah matriks berdimensi dua yang berisi

informasi mengenai besarnya pergerakan antar lokasi (zona) didalam daerah

tertentu. Baris menyatakan zona asal dan kolom menyatakan zona tujuan. Dalam

hal ini, notasi Tid menyatakan besarnya arus pergerakan (kendaraan, penumpang,

dan barang) yang bergerak dari zona asal i ke zona tujuan d selama selang waktu

tertentu.

Jumlah zona dan nilai setiap sel matriks adalah dua unsur penting dalam MAT

karena jumlah zona menunjukkan banyaknya sel MAT yang harus didapatkan

dan berisi informasi yang sangat dibutuhkan untuk perencanaan transportasi.

Setiap sel membutuhkan informasi jarak, waktu, biaya, atau kombinasi ketiga

informasi tersebut yang digunakan sebagai ukuran aksesibilitas (kemudahan).

Pola pergerakan dapat dihasilkan jika suatu MAT dibebankan ke suatu sistem

jaringan transportasi dengan berbagai metode tertentu. Dengan mempelajari pola

pergerakan yang terjadi, maka kita dapat menghasilkan solusi dari permasalahan

yang timbul dari pergerakan ini. MAT dapat memberikan indikasi rinci mengenai

kebutuhan akan pergerakan sehingga MAT memegang peran yang sangat penting

dalam berbagai kajian perencanaan dan manajemen transportasi.


commit to user

10

2.2.4 Daerah Kajian

Tamin (2000) menuliskan bahwa daerah kajian adalah suatu daerah geografis

yang di dalamnya terletak semua zona asal dan zona tujuan yang diperhitungkan

dalam model kebutuhan akan transportasi. Kriteria terpenting daerah kajian adalah

daerah itu berisikan zona internal dan ruas jalan yang secara nyata dipengaruhi

oleh pergerakan lalu lintas. Daerah kajian untuk suatu kajian transportasi dibatasi

oleh batas daerah kajian di sekelilingnya, semua informasi transportasi yang

bergerak didalamnya harus diketahui.

Cara membedakan daerah kajian dengan daerah atau wilayah lain di luar daerah

kajian antara lain:

a. Mempertimbangkan sasaran pelaksanaan kajian, permasalahan transportasi

yang akan dimodelkan, dan tipe pergerakan yang akan dikaji.

b. Mendefinisikan daerah kajian sedemikian rupa sehingga mayoritas pergerakan

mempunyai zona asal dan zona tujuan untuk kajian yang bersifat strategis.

c. Daerah kajian sebaiknya sedikit lebih luas daripada daerah yang akan diamati

sehingga kemungkinan adanya perubahan zona tujuan atau pemilihan rute

yang lain dapat diamati.

Wilayah diluar daerah kajian sering dibagi menjadi beberapa zona eksternal yang

digunakan untuk mencerminkan kondisi yang lain. Daerah kajian sendiri dibagi

menjadi beberapa zona internal yang jumlahnya sangat tergantung dari tingkat

ketepatan yang diinginkan.

2.2.5 Sistem Zona

Menurut Tamin (2000), sistem zona adalah suatu sitem tata guna lahan dimana

satu satuan tata guna lahan diperoleh dengan membagi wilayah kajian menjadi

bagian yang lebih kecil (zona) yang dianggap mempunyai keseragaman tata guna

lahan atau berada di suatu daerah administrasi tertentu seperti kelurahan,

kecamatan atau wilayah. Setiap zona akan diwakili oleh satu pusat zona. Pusat

zona dianggap sebagai tempat atau lokasi awal pergerakan lalu lintas dari zona

tersebut dan akhir pergerakan lalu lintas yang menuju zona tersebut.


commit to user

11

Beberapa kriteria utama yang perlu dipertimbangkan dalam menetapkan sistem

zona didalam suatu daerah kajian disarankan oleh IHT dan DTp (1987):

a. Ukuran zona sebaiknya dirancang sedemikian rupa sehingga galat

pengelompokan yang timbul akibat asumsi pemusatan seluruh aktifitas pada

suatu pusat zona menjadi tidak terlalu besar.

b. Batas zona sebaiknya harus sesuai dengan batas sensus, batas administrasi

daerah, batas alami, atau batas zona yang digunakan oleh kajian terdahulu

yang sudah dipandang sebagai kriteria utama.

c. Ukuran zona harus disesuaikan dengan kepadatan jaringan yang akan

dimodelkan, biasanya ukuran zona semakin membesar jika semakin jauh dari

pusat kota.

d. Ukuran zona harus lebih besar dari yang seharusnya untuk memungkinkan

arus lalu lintas dibebankan ke atas jaringan jalan dengan kecepatan yang

disyaratkan.

e. Batas zona harus dibuat sedemikian rupa sehingga sesuai dengan jenis pola

pengembangan untuk setiap zona. Tipe tata guna lahan setiap zona sebaiknya

homogen untuk menghindari tingginya pergerakan intrazonal dan untuk

mengurangi tingkat kerumitan model.

f. Batas zona harus sesuai dengan batas daerah yang digunakan dalam

pengumpulan data.

g. Ukuran zona ditentukan pula oleh tingkat kemacetan, ukuran zona pada daerah

macet sebaiknya lebih kecil dibandingkan dengan daerah tidak macet.

2.2.6 Jaringan Transportasi

Menurut Adisasmita (2011), jaringan transportasi terdiri dari jaringan prasarana

dan jaringan pelayanan. Jaringan prasarana transportasi terdiri dari simpul-simpul

transportasi dan ruang lalu lintas transportasi. Keterpaduan jaringan prasarana dan

moda-moda transportasi dimaksudkan untuk mendukung penyelenggaraan

transportasi antarmoda/multimoda dalam penyediaan pelayanan angkutan yang

berkesinambungan. Simpul transportasi merupakan media alih muat yang

mempunyai peran sangat penting dalam mewujudkan keterpaduan dan

kesinambungan pelayanan angkutan.


commit to user

12

Sedangkan menurut Tamin (2000), sistem jaringan transportasi dicerminkan

dalam bentuk ruas dan simpul, yang semuanya dihubungkan ke pusat zona.

Sistem jaringan transportasi juga dapat ditetapkan sebagai urutan ruas jalan dan

simpul. Ruas jalan bisa berupa potongan jalan raya atau kereta api, sedangkan

simpul bisa berupa persimpangan, stasiun, dll. Kunci utama dalam merencanakan

sistem jaringan adalah penentuan klasifikasi fungsi jalan yang akan dianalisis.

2.2.7 Fungsi Jalan

Jalan sebagai bagian sistem transportasi nasional mempunyai peranan penting

terutama dalam mendukung bidang ekonomi, sosial dan budaya, serta lingkungan.

Menurut UU No. 38 Tahun 2004 tentang jalan, ada beberapa definisi jalan:

a. Jalan Arteri merupakan jalan umum yang berfungsi melayani angkutan utama

dengan ciri perjalanan jarak jauh, kecepatan rata-rata tinggi dan jumlah jalan

masuk dibatasi secara berdaya guna.

b. Jalan Kolektor merupakan jalan umum yang berfungsi melayani angkutan

pengumpul atau pembagi dengan ciri perjalanan jarak sedang, kecepatan rata-

rata sedang, dan jumlah jalan masuk dibatasi.

c. Jalan Lokal merupakan jalan umum yang berfungsi melayani angkutan

setempat dengan ciri perjalanan jarak dekat, kecepatan rata-rata rendah, dan

jumlah jalan masuk tidak dibatasi.

d. Jalan Lingkungan merupakan jalan umum yang berfungsi melayani angkutan

lingkungan dengan ciri perjalanan jarak dekat, dan kecepatan rata-rata rendah.

2.2.8 Satuan Mobil Penumpang

MKJI (1997) mendefinisikan satuan mobil penumpang (smp) adalah satuan untuk

arus lalu lintas dimana berbagai tipe kendaraan diubah menjadi arus kendaraan

ringan (termasuk mobil penumpang) dengan menggunakan ekivalen mobil

penumpang (emp). Ekivalen mobil penumpang (emp) adalah faktor yang

menunjukkan pengaruh berbagai tipe kendaraan dibandingkan kendaraan ringan

terhadap kecepatan kendaraan ringan dalam arus lalu lintas (untuk mobil

penumpang dan kendaraan ringan yang mirip, emp = 1).


commit to user

13

Pembagian tipe kendaraan bermotor berdasarkan MKJI (1997):

a. Motor Cycle (MC), terdiri dari kendaraan bermotor yang berroda 2 atau 3.

b. Light Vehicle (LV), yaitu kendaraan bermotor yang mempunyai 2 as, dan

beroda 4 dengan jarak as 2-3 meter. Yang termasuk diantaranya adalah mobil

penumpang, oplet, mikrobus, pick-up, dan truk kecil.

c. Heavy Vehicle (HV), yaitu kendaraan bermotor yang mempunyai lebih dari 4

roda, termasuk diantaranya bus, truk 2 as, truk 3 as, dan truk kombinasi.

Nilai emp untuk jalan perkotaan ditunjukkan pada Tabel 2.1 dan Tabel 2.2.

Tabel 2.1 Emp untuk Jalan Perkotaan Tak Terbagi

Tipe Jalan Tak Terbagi

Arus Lalu

Lintas Total

Dua Arah

(kend/jam)

Emp

HV

MC

Lebar Lajur

Lalu Lintas

Cw (m)

≤ 6 ≥ 6

Dua lajur tak tebagi 0 1,3 0,5 0,4

(2/2 UD) ≥ 1800 1,2 0,35 0,25

Empat lajur tak terbagi 0 1,3 0,4

(4/2 UD) ≥ 3700 1,2 0,25 Sumber: MKJI (1997)

Tabel 2.2 Emp untuk Jalan Perkotaan Terbagi dan Satu Arah

Tipe Jalan: Arus Lalu Lintas

per Lajur

(kend/jam)

Emp

Jalan Satu Arah dan HV MC

Jalan Terbagi

Dua lajur satu arah (2/1) 0 1,3 0,4

dan

Empat lajur terbagi (4/2D) 1050 1,2 0,25

Tiga lajur satu arah (3/1) 1 1,3 0,4

dan

Enam lajur terbagi (6/2D) 1100 1,2 0,25 Sumber: MKJI (1997)

2.2.9 Kapasitas

Menurut Dirjen Bina Marga, kapasitas adalah volume maksimum kendaraan per

jam yang melalui suatu potongan lajur jalan (untuk jalan multi lajur) atau suatu

potongan jalan (untuk jalan dua lajur) pada kondisi jalan dan arus lalu lintas ideal.


commit to user

14

Faktor-faktor yang mempengaruhi kapasitas jalan adalah lebar jalur atau lajur, ada

tidaknya pemisah/median jalan, hambatan samping, bahu/kereb jalan, gradien

jalan, di daerah perkotaan atau luar kota, ukuran kota, dan lain-lain. Besarnya

kapasitas suatu ruas jalan dapat dihitung dengan persamaan 2.1 berikut:

C = Co×FCw×FCsp×FCsf×FCcs (2.1)

Dimana:

C = Kapasitas (smp/jam)

Co = Kapasitas dasar untuk kondisi tertentu (ideal) (smp/jam)

FCw = Faktor penyesuaian lebar jalur lalu lintas

FCsp = Faktor penyesuaian pemisah arah

FCsf = Faktor penyesuaian hambatan samping

FCcs = Faktor penyesuaian ukuran kota

a. Kapasitas Dasar (Co)

Kapasitas dasar adalah kapasitas segmen jalan untuk kondisi tertentu sesuai

kondisi geometrik, pola arus lalu lintas, dan faktor lingkungan. Jika kondisi

sesungguhnya sama dengan kasus dasar (ideal) tertentu, maka semua faktor

penyesuaian menjadi 1,0 dan kapasitas menjadi sama dengan kapasitas dasar

(Co). Nilai Co terlihat pada Tabel 2.3.

Tabel 2.3 Kapasitas Dasar (Co)

Tipe Jalan Kapasitas Dasar

(smp/jam) Catatan

Empat lajur terbagi atau

jalan satu arah 1650 Per lajur

Empat lajur tak terbagi 1500 Per lajur

Dua lajur tak terbagi 2900 Total dua arah

Sumber: MKJI (1997)

b. Faktor Penyesuai Kapasitas untuk Lebar Jalur Lalu Lintas (FCw)

Faktor penyesuai kapasitas untuk lebar jalur lalu lintas jalan perkotaan adalah

faktor penyesuai untuk kapasitas dasar akibat lebar jalur lalu lintas seperti

pada Tabel 2.4 berikut.


commit to user

15

Tabel 2.4 Faktor Penyesuai Kapasitas untuk Lebar Jalur Lalu Lintas (FCw)

Tipe Jalan Lebar Jalur Lalu Lintas Efektif

(WC) (m) FCw

Empat lajur terbagi

atau jalan satu arah

Per lajur

3,00 0,92

3,25 0,96

3,50 1,00

3,75 1,04

4,00 1,08

Empat lajur tak

terbagi

Per lajur

3,00 0,91

3,25 0,95

3,50 1,00

3,75 1,05

4,00 1,09

Dua lajur tak terbagi

Total dua arah

5 0,56

6 0,87

7 1,00

8 1,14

9 1,25

10 1,29

11 1,34 Sumber: MKJI (1997)

c. Faktor Penyesuai Kapasitas untuk Pemisahan Arah (FCsp)

Faktor penyesuai kapasitas untuk pemisahan arah lalu lintas adalah faktor

penyesuai kapasitas dasar akibat pemisahan arah lalu lintas (hanya pada jalan

dua arah tak terbagi). Faktor yang tertera dalam Tabel 2.5 ini mempunyai nilai

paling tinggi pada persentase pemisahan arah 50%-50% yaitu bilamana arus

pada kedua arah adalah sama pada periode waktu yang dianalisis (umumnya

satu jam).

Tabel 2.5 Faktor Penyesuai Kapasitas untuk Pemisahan Arah (FCsp)

Pemisahan Arah SP 50-50 55-45 60-40 65-35 70-30

%-%

FCsp

Dua lajur 2/2 1,00 0,97 0,94 0,91 0,88

Empat lajur 4/2 1,00 0,985 0,97 0,955 0,94

Sumber: MKJI (1997)


commit to user

16

d. Faktor Penyesuai Kapasitas untuk Pengaruh Hambatan Samping (FCsf)

Faktor penyesuai kapasitas untuk hambatan samping adalah faktor penyesuai

kapasitas dasar akibat hambatan samping sebagai fungsi lebar bahu. Hambatan

samping ini dipengaruhi oleh berbagai aktivitas di samping jalan yang

berpengaruh terhadap arus lalu lintas. Nilai faktor ini terklasifikasi seperti

pada Tabel 2.6 dan Tabel 2.7.

Hambatan samping yang terutama berpengaruh pada kapasitas dan kinerja

jalan perkotaan:

Jumlah pejalan kaki berjalan atau menyebrang sisi jalan.

Jumlah kendaraan berhenti untuk parkir.

Jumlah kendaraan masuk-keluar ke/dari lahan samping jalan dan jalan sisi.

Jumlah kendaraan yang bergerak lambat yaitu arus total (kend/jam) dari

sepeda, becak, delman, pedati, dan sebagainya.

Tabel 2.6 Faktor Penyesuai Kapasitas Pengaruh Hambatan Samping (FCsf)

Tipe

Jalan

Kelas

Hambatan

Samping

Faktor Penyesuaian Hambatan Samping dan

Lebar Bahu (FCsf)

Lebar Bahu (m)

≤ 0,5 1,0 1,5 ≥ 2,0

4/2D

VL 0,96 0,98 1,01 1,03

ML 0,94 0,97 1,00 1,02

M 0,92 0,95 0,98 1,00

H 0,88 0,92 0,95 0,98

VH 0,84 0,88 0,92 0,96

4/2 UD

VL 0,96 0,99 1,01 1,03

ML 0,94 0,97 1,00 1,02

M 0,92 0,95 0,98 1,00

H 0,87 0,91 0,94 0,98

VH 0,80 0,86 0,90 0,95

2/2 UD

atau

jalan satu

arah

VL 0,94 0,96 0,99 1,01

ML 0,92 0,94 0,97 1,00

M 0,89 0,92 0,95 0,98

H 0,82 0,86 0,90 0,95

VH 0,73 0,79 0,85 0,91 Sumber: MKJI (1997)


commit to user

17

Tabel 2.7 Faktor Penyesuai Kapasitas untuk Pengaruh Hambatan Samping

(FCsf) dan Jarak Kereb-Penghalang

Tipe

Jalan

Kelas

Hambatan

Samping


Lebar Bahu (FCsf)

Lebar Kereb-Penghalang (m)

≤ 0,5 1,0 1,5 ≥ 2,0

4/2D

VL 0,95 0,97 0,99 1,03

ML 0,94 0,96 0,98 1,00

M 0,91 0,93 0,95 0,98

H 0,86 0,89 0,92 0,95

VH 0,81 0,85 0,88 0,92

4/2 UD

VL 0,95 0,97 0,99 1,03

ML 0,93 0,95 0,97 1,00

M 0,90 0,92 0,95 0,97

H 0,84 0,87 0,90 0,93

VH 0,77 0,81 0,85 0,90

2/2 UD

atau

jalan satu

arah

VL 0,93 0,95 0,97 0,99

ML 0,90 0,92 0,95 0,97

M 0,86 0,88 0,91 0,94

H 0,78 0,81 0,84 0,88

VH 0,68 0,72 0,77 0,82 Sumber: MKJI (1997)

Untuk mengetahui tingkat hambatan samping pada kolom (2) Tabel 2.6 dan

Tabel 2.7 dengan melihat kolom (3) Tabel 2.8 di bawah ini. Tetapi apabila

data terinci hambatan samping tersebut tersedia maka hambatan samping

dapat ditentukan dengan prosedur berikut:

1. Memeriksa mengenai kondisi khusus dari kolom (4) Tabel 2.8 dan memilih

salah satu yang yang paling tepat untuk keadaan segmen jalan yang

dianalisa.

2. Mengamati foto pada gambar A-4:1-5 (MKJI 1997) yang menunjukkan

kesan visual rata-rata yang khusus dari masing-masing kelas hambatan

samping. Dan memilih salah satu yang paling sesuai dengan kondisi rata-

rata sesungguhnya pada kondisi lokasi untuk periode yang diamati.

3. Memilih kelas hambatan samping berdasarkan pertimbangan dari gabungan

langkah 1 dan 2 di atas.


commit to user

18

Tabel 2.8 Penentuan Kelas Hambatan Samping

Frekuensi

Berbobot

Kejadian

Kondisi Khusus

Kelas

Hambatan

Samping

Kode

< 100 Pemukiman, hampir tidak ada

kegiatan Sangat Rendah VL

100-299 Pemukiman, beberapa angkutan

umum Rendah L

300-499 Daerah industri dengan toko-toko

di sisi jalan Sedang M

500-899 Daerah niaga dengan aktifitas di

sisi jalan yang tinggi Tinggi H

> 900 Daerah niaga dengan aktifitas di

sisi jalan yang sangat tinggi Sangat Tinggi VH

Sumber: MKJI (1997)

e. Faktor Penyesuaian Kapasitas untuk Ukuran Kota (FCcs)

Faktor penyesuai kapasitas untuk ukuran kota adalah faktor penyesuaian

kapasitas dasar akibat ukuran kota. Besarnya faktor ini dapat dilihat pada

Tabel 2.9 di bawah ini.

Tabel 2.9 Faktor Penyesuai Kapasitas untuk Ukuran Kota (FCcs)

Ukuran Kota

(Juta Penduduk) Faktor Penyesuai untuk Ukuran Kota (FCcs)

< 0,1 0,86

0,1-0,5 0,90

0,5-1,0 0,94

1,0-3,0 1,00

> 3,0 1,04 Sumber: MKJI (1997)

2.2.10 Kecepatan

Kecepatan tempuh adalah kecepatan rata-rata (km/jam) arus lalu lintas dihitung

dari panjang ruas jalan dibagi waktu tempuh rata-rata kendaraan yang melewati

segmen jalan. Sedangkan kecepatan pada arus bebas adalah kecepatan dari

kendaraan yang tidak dipengaruhi oleh kendaraan lain (yaitu kecepatan dimana

pengendara merasakan perjalanan yang nyaman dalam kondisi geometrik

lingkungan dan pengaturan lalu lintas yang ada pada bagian segmen jalan dimana

tidak ada kendaraan lain).


commit to user

19

Kecepatan arus dapat ditentukan dari rumus 2.2 berikut:

FV = (Fvo + FVw) × FFVsf × FFVcs (2.2)

Dimana:

FV = Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam)

Fvo = Kecepatan arus bebas dasar kendaraan ringan (km/jam), Tabel 2.10

FVw = Penyesuaian lebar jalur lalu lintas efektif (km/jam), Tabel 2.11

FFVsf = Faktor penyesuai kondisi hambatan samping, Tabel 2.12 dan Tabel 2.13

FFVcs = Faktor penyesuai ukuran kota, Tabel 2.14

Tabel 2.10 Kecepatan Arus Bebas Dasar (Fvo)

Tipe Jalan

Kecepatan Arus Bebas Dasar (Fvo) (km/jam)

Kendaraan

Ringan

(LV)

Kendaraan

Berat

(HV)

Sepeda

Motor

(MC)

Rata-rata

Kendaraan

Enam Lajur Terbagi (6/2 D) 61 52 48 57

Atau Tiga Lajur Satu Arah (3/1)

Empat Lajur Terbagi (4/2 D) 57 50 47 55

Atau Dua Lajur Satu Arah (2/1)

Empat Lajur Tak Terbagi 53 46 43 51

(4/2 UD)

Dua Lajur Tak Terbagi 44 40 40 42

(2/2 UD) Sumber: MKJI (1997)


commit to user

20

Tabel 2.11 Penyesuai Kecepatan Arus Bebas untuk Lebar Jalur Lalu Lintas

(FVw)

Tipe Jalan

Lebar Jalur

Lalu Lintas Efektif (Wc)

(m)

FVw

Empat Lajur

Terbagi Atau

Jalan Satu Arah

Per lajur

3,00 -4

3,25 -2

3,50 0

3,75 2

4,00 4

Empat Lajur Tak

Terbagi

Per lajur

3,00 -4

3,25 -2

3,50 0

3,75 2

4,00 4

Dua Lajur Tak

Terbagi

Total Dua Arah

5 -9,5

6 -3

7 0

8 3

9 4

10 6

11 7 Sumber: MKJI (1997)


commit to user

21


dan Lebar Bahu pada Kecepatan Arus Bebas dengan Bahu

Tipe

Jalan

Kelas

Hambatan

Samping


Lebar Bahu (FFVsf)

Lebar Bahu (m)

≤ 0,5 1,0 1,5 ≥ 2,0

4/2D

VL 1,00 1,01 1,01 1,02

ML 0,97 0,98 0,99 1,00

M 0,93 0,95 0,97 0,99

H 0,87 0,90 0,93 0,96

VH 0,81 0,85 0,88 0,92

4/2 UD

VL 1,01 1,01 1,01 1,00

ML 0,98 0,98 0,99 1,00

M 0,91 0,93 0,95 0,98

H 0,84 0,87 0,90 0,94

VH 0,77 0,81 0,85 0,90

2/2 UD

atau

jalan satu

arah

VL 0,98 0,99 0,99 1,00

ML 0,93 0,95 0,96 0,98

M 0,87 0,89 0,92 0,95

H 0,78 0,81 0,84 0,88

VH 0,68 0,77 0,77 0,82 Sumber: MKJI (1997)


dan Jarak Kerb Penghalang dengan Kerb

Tipe

Jalan

Kelas

Hambatan

Samping


Lebar Bahu (FFVsf)

Jarak Kerb (m)

≤ 0,5 1,0 1,5 ≥ 2,0

4/2D

VL 1,00 1,01 1,01 1,02

ML 0,97 0,98 0,99 1,00

M 0,93 0,95 0,97 0,99

H 0,87 0,90 0,93 0,96

VH 0,81 0,85 0,88 0,92

4/2 UD

VL 1,01 1,01 1,01 1,00

ML 0,98 0,98 0,99 1,00

M 0,91 0,93 0,95 0,98

H 0,84 0,87 0,90 0,94

VH 0,77 0,81 0,85 0,90

2/2 UD

atau

jalan satu

arah

VL 0,98 0,99 0,99 1,00

ML 0,93 0,95 0,96 0,98

M 0,87 0,89 0,92 0,95

H 0,78 0,81 0,84 0,88

VH 0,68 0,77 0,77 0,82 Sumber: MKJI (1997)


commit to user

22

Faktor penyesuaian kecepatan arus bebas untuk jalan enam lajur dapat ditentukan

dengan menggunakan nilai FFVsf untuk jalan empat lajur yang diberikan pada

Tabel 2.12 atau Tabel 2.13 dan disesuaikan seperti rumus 2.3 di bawah ini:

FFV6sf = 1-0,8 × (1- FFV4sf) (2.3)

Dimana:

FFV6sf = Faktor penyesuai kecepatan arus bebas untuk enam lajur (km/jam)

FFV4sf = Faktor penyesuai kecepatan arus bebas untuk empat lajur (km/jam)

Untuk penentuan kelas hambatan samping sama dengan Tabel 2.8 di atas.

Sedangkan faktor penyesuai kecepatan untuk ukuran kota dapat dilihat pada

Tabel 2.14 di bawah ini.

Tabel 2.14 Faktor Penyesuai untuk Pengaruh Ukuran Kota pada Kecepatan

Arus Bebas Kendaraan Ringan

Ukuran Kota

(Juta Penduduk) Faktor Penyesuai untuk Ukuran Kota (FVcs)

< 0,1 0,90

0,1-0,5 0,93

0,5-1,0 0,95

1,0-3,0 1,00

> 3,0 1,03 Sumber: MKJI (1997)

Kecepatan kendaraan pada arus lalu lintas dapat dihitung dengan menggunakan

rumus 2.4 berikut:

V = Vo × 0,5 (1+(1-(Q/C))0,5

) (2.4)

Dimana:

V = Kecepatan sesungguhnya pada saat ada arus lalu lintas Q

Vo = Kecepatan arus bebas

C = Kapasitas

Jika arus pada ruas jalan tersebut telah mencapai kapasitas (Q/C = 1), maka rumus

2.4 menjadi seperti persamaan 2.5.

V = 0,5Vo (2.5)


commit to user

23

2.2.11 Hubungan Kurva Kecepatan-Arus dan Biaya-Arus

Dalam rekayasa lalu lintas dikenal hubungan yang sangat sering digunakan yaitu

pengaruh arus pada kecepatan kendaraan yang bergerak pada ruas jalan tertentu.

Hubungan kapasitas-arus sering digambarkan seperti pada Gambar 2.2. Jika arus

lalu lintas meningkat, maka kecepatan cenderung menurun secara perlahan.

Sedangkan jika arus mendekati kapasitas, maka penurunan kecepatan semakin

besar (Widyastuti, 2007).

Gambar 2.2 Hubungan Tipikal Kecepatan-Arus dan Biaya-Arus

Apabila kondisi tersebut dipaksakan untuk mendapatkan arus yang melebihi

kapasitas, maka akan terjadi kondisi yang tidak stabil dengan kecepatan yang

lebih rendah.

Untuk alasan praktis dalam teknik pembebanan rute jenis hubungan ini dilakukan

dalam bentuk hubungan waktu tempuh per unit jarak dengan arus lalu lintas.

Model pembebanan rute yang mempertimbangkan kemacetan memerlukan

beberapa persamaan fungsi yang cocok untuk menghubungkan atribut suatu ruas

seperti kapasitas dan kecepatan arus bebas serta arus lalu lintasnya dengan

kecepatan atau biaya yang dihasilkan. Hal ini dapat dinyatakan dalam bentuk

umum seperti persamaan 2.6 berikut:

Ca = Ca({V}) (2.6)

Biaya pada suatu ruas jalan merupakan fungsi dari semua pergerakan V pada

jaringan tersebut (bukan hanya biaya yang disebabkan oleh arus diruas jalan itu).

Rumus umum ini cocok untuk daerah perkotaan yang memiliki interaksi yang erat

antara arus lalu lintas di ruas jalan yang lain dengan tundaan, tetapi hal ini dapat

Vmaks

Kec

epat

an (k

m/j

am)

Arus V (kend/jam)

Wak

tu T

emp

uh

(men

it/k

m)

Vmaks

Arus V (kend/jam)


commit to user

24

disederhanakan jika mempertimbangkan ruas jalan yang panjang, dimana semua

waktu perjalanan digunakan pada ruas jalan tersebut. Dalam hal ini persamaan

yang digunakan harus terpisah, yang dapat ditulis sebagai persamaan 2.7 berikut:

Ca = Ca(Va) (2.7)

Biaya pada ruas jalan tersebut hanya tergantung pada arus dan ciri ruas itu saja.

Asumsi ini dapat menyederhanakan proses penaksiran, pengembangan fungsi

serta penggunaan metode pembebanan yang sesuai.

Tamin (2000) mengutip Branston (1976) menulis beberapa kurva biaya-arus yang

diusulkan oleh beberapa penulis sebagai berikut:

a. Smock (1962) mengemukakan rumus 2.8 berikut untuk kajian Deroit, yaitu:

t = t0 exp(

) (2.8)

t adalah waktu tempuh per satuan jarak, t0 adalah waktu per satuan jarak pada

kondisi arus bebas, dan Qs adalah kapasitas ruas pada kondisi tunak.

b. Overgaard (1976) menuliskan dalam bentuk lain, yaitu persamaan 2.9:

t = t0 (

)

(2.9)

QP adalah kapasitas praktis dari ruas jalan, sedangkan α dan β adalah parameter

yang dikalibrasi.

c. Dinas Jalan Umum (1964) di Amerika Serikat menyarankan fungsi 2.10 yang

sangat umum, yaitu:

t = t0[ (

)

] (2.10)

d. IHCM (Indonesian Highway Capacity Manual) 1997, melakukan beberapa

kajian mengenai hubungan antara kecepatan-arus pada beberapa ruas jalan

antarkota di Indonesia (4 lajur dan 2 lajur). Hubungan matematis yang cukup

baik telah dihasilkan oleh kajian ini seperti persamaan 2.11 dan 2.12.


commit to user

25

V = FV × [ (

)( )

]

( )

(2.11)

*

( )

( )+

( ) (2.12)

Dimana:

FV = Kecepatan arus bebas

D = Kepadatan (smp/km) (dihitung sebagai Q/V)

Dj = Kepadatan pada kondisi macet total

Do = Kepadatan pada saat kapasitas jalan tercapai

L, M = Konstanta

2.2.12 EMME/3

EMME (Equilibre Multimodal, Multimodal Equilibrium) merupakan software

yang professional dalam meramalkan sebuah arus perjalanan. EMME

menawarkan perangkat alat perencanaan yang komplit dan komprehensif untuk

kebutuhan suatu pemodelan. Selain itu, EMME khususnya di sini EMME/3

merupakan pengembangan dari program sebelumnya yaitu EMME/2 yang dibuat

dan dikembangkan di INRO Consultant University de Montreal, Kanada dengan

kemampuan yang sangat tinggi dengan jumlah node dan link yang dapat dikatakan

tidak terbatas (mampu mencapai hamper 1 juta node).

Adapun keunggulan lainnya adalah formula yang dapat dibuat sendiri sesuai

keadaan dan kebutuhan (INRO Concultant Inc., 1998). Misalnya hitungan

kapasitas dan waktu tempuh yang disesuaikan dengan MKJI 1997 (Munawar,

2005). Output dari software ini dapat berupa grafis, numerik, dan SIG.

Para perencana transportasi menggunakan EMME untuk memodelkan sistem

transportasi perkotaan, metropolitan, dan regional. Selain itu EMME juga

digunakan untuk mengevaluasi kebijakan transportasi yang mempunyai efek ke

semua sistem transportasi yang ada. EMME berbeda dengan program yang

lainnya, karena EMME memberikan kemudahan dan kebebasan secara khusus

bagi pengguna dalam melakukan pendekatan model untuk menggunakan metode


commit to user

26

yang telah ditetapkan atau membuat metode baru untuk memanggil kebutuhan

setempat. EMME sendiri dikembangkan untuk mengemudikan sistem transportasi

yang kompleks, dan melaporkan kepada perencana berbagai macam tantangan

yang harus dihadapi terkait teknologi, sosial, dan ekonomi.

Pada manual EMME help dijelaskan bahwa EMME/3 mempunyai beberapa

komponen utama yaitu EMME GUI yang baru, the network editor, the network

calculator, worksheet, dan mesin pemetaan, yang kegunaan terbarunya untuk

menggabungkan (integration) GIS dengan komponen lainnya. Untuk mengakses

informasi pada EMME help secara online dapat dicari pada help menu.

EMME user’s guide menyediakan struktur teks dasar. The EMME reference

manual menyediakan dokumen secara detail untuk kemampuan pemetaan EMME

dan GUI-tools untuk merinci visualisasi dan analisisnya. The EMME prompt

(Prompt Console) menyediakan gambaran ringkas secara luas dari operasi garis

perintah, termasuk merinci model kebutuhan, pembebanan, jaringan, dan

kalkulator matriks. Sedangkan alat pemodelan transportasi lain mencakup The

EMME macro language untuk melakukan otomatisasi.

Prosedur perhitungan program EMME/3 dalam membuat matriks baru dari

estimasi matriks dan arus lalu lintas hasil proses pembebanan ke jaringan jalan,

secara umum dapat dilihat pada Gambar 2.3.


commit to user

27

Gambar 2.3 Prosedur Perhitungan Program EMME/3

2.2.13 Konsep Model Gravity sebagai Model Sebaran Pergerakan

Tamin (2000) menyatakan bahwa model Gravity berasumsi bahwa ciri bangkitan

dan tarikan pergerakan berkaitan dengan beberapa parameter zona asal, misalnya

populasi dan nilai sel MAT yang berkaitan dengan aksesibilitas (kemudahan)

sebagai fungsi jarak, waktu, atau biaya. Model Gravity untuk keperluan

transportasi menyatakan bahwa pergerakan antar zona asal i dan zona tujuan d

berbanding lurus dengan Oi dan Dd dan berbanding terbalik kuadratis terhadap

jarak antara kedua zona tersebut. Dalam bentuk matematis model gravity dapat

dinyatakan sebagai persamaan 2.13.

T

= Oi . Dd . f(Cid) (2.13)

Persamaan 2.13 dapat digunakan dengan batasan 2.14 berikut:

∑ dan ∑ (2.14)

Data MAT Awal

(Prior Matrix)

Penyusunan MAT

(Prompt Console)

Estimasi Matriks

(Prompt Console)

MAT Baru

(ME2)

Assignment

(Prompt Console)

User Equilibrium

Penyusunan Jaringan

(Network Editor)

Basis Data

Jaringan Jalan

Data Lalu Lintas

(Traffic Count)

Arus Lalu Lintas


commit to user

28

Sehingga pengembangan persamaan 2.13 dengan menggunakan batasan

persamaan 2.14 adalah sebagai persamaan 2.15 berikut:

T

= Oi . Dd . Ai . Bd . f(Cid) (2.15)

T

= Jumlah pergerakan dari zona asal i ke zona tujuan d

Ai, Bd = Faktor penyeimbang untuk setiap zona asal i dan tujuan j

Oi = Total pergerakan dari zona asal i

Dd = Total pergerakan ke zona tujuan d

f(Cid) = Fungsi umum biaya perjalanan (fungsi hambatan).

Fungsi hambatan transportasi biasanya diasumsikan sebagai rute terpendek,

tercepat, atau termurah dari zona asal ke zona tujuan. Fungsi hambatan adalah

fungsi yang digunakan sebagai ukuran aksesibilitas (kemudahan) antara zona i

(zona asal) dan zona d (zona tujuan).

Mengutip dari Hyman (1969), Tamin (2000) menjelaskan 3 jenis fungsi hambatan

yang dapat dipergunakan dalam Model Gravity, yaitu:

Fungsi pangkat : f(Cid) = C

(2.16)

Fungsi eksponensial : f(Cid) = (2.17)

Fungsi Tanner : f(Cid) = C

. (2.18)

Hal yang perlu mendapat perhatian adalah hambatan transportasi intrazona.

Perkiraan yang salah menyebabkan perkiraan pergerakan intrazona yang sangat

kasar, yang selanjutnya mempengaruhi perhitungan. Secara praktis, harus terdapat

banyak asumsi untuk bisa mendapatkan jawaban yang benar. Hal yang paling

mungkin adalah dengan menghitung pergerakan intrazona secara terpisah dan

kemudian menghilangkan pergerakan tersebut dari pemodelan utama.

Di samping mengkalibrasi parameter model kebutuhan akan transportasi,

seringkali diperlukan juga informasi sebaran pergerakan yang didasarkan pada

panjang (atau biaya) perjalanan, yang biasa dikenal dengan sebaran panjang

pergerakan. Dengan semakin meningkatnya jarak atau biaya, jumlah perjalanan

akan menurun.


commit to user

29

Persamaan 2.15 dipenuhi jika digunakan konstanta Ai dan Bd (disebut sebagai

konstanta penyeimbang) pada persamaan 2.19 yang terkait dengan setiap zona

bangkitan dan tarikan.

Ai =

∑ ( ) Bd =

∑ ( ) (2.19)

Untuk mendapatkan kedua nilai tersebut perlu dilakukan proses iterasi sampai

masing-masing nilai Ai dan Bd menghasilkan nilai tertentu (konvergen).

2.2.14 Model Gravity dengan Batasan Tarikan (ACGR)

Dalam model ini, total pergerakan secara global harus sama dan juga tarikan

pergerakan yang didapat dengan pemodelan harus sama dengan hasil tarikan

pergerakan yang diinginkan. Sebaliknya, bangkitan pergerakan yang didapat

dengan pemodelan tidak harus sama. Untuk batasan tarikan, model yang

digunakan persis sama dengan persamaan 2.15, tetapi dengan syarat batas yang

berbeda, yaitu seperti persamaan 2.20 berikut:

Ai = 1 untuk seluruh i; Bd =

∑ ( ) (2.20)

Pada model ACGR, konstanta Bd dihitung sesuai dengan persamaan 2.19 untuk

setiap zona tujuan d. Konstanta ini memberikan batasan bahwa total kolom dari

matriks harus sama dengan total kolom dari matriks hasil tahap bangkitan

pergerakan. Dengan kata lain, total pergerakan hasil pemodelan yang menuju

suatu zona harus sama dengan total pergerakan hasil bangkitan pergerakan ke

zona tersebut.

Model ACGR tepat digunakan untuk memodelkan pergerakan berbasis rumah,

baik untuk tujuan bekerja ataupun pendidikan karena berdasarkan pada peubah

yang mudah dihitung (misalnya populasi). Artinya model ACGR lebih mudah

dispesifikasikan dan dikalibrasi.


commit to user

30

2.2.15 Metode Kalibrasi Newton-Raphson

Menurut Tamin (2000), kalibrasi adalah proses menaksir nilai parameter suatu

model dengan berbagai teknik yang sudah ada: analisis numerik, aljabar linear,

optimasi, dan lain-lain. Setelah dikalibrasi, diharapkan suatu model dapat

menghasilkan keluaran yang sama dengan data lapangan (realita).

Sedangkan Metode Kalibrasi Newton-Raphson adalah metode pengkalibrasian

atau pengulangan yang dilakukan dengan proses mengulang nilai parameter

sampai nilai tersebut mencapai batas konvergensinya. Metode ini didasarkan pada

pendekatan nilai f(x) dengan menggunakan deret Taylor.

Nilai f(x) didekati dengan menggunakan garis singgung f(x) pada nilai x. Titik

potong garis singgung ini dengan sumbu x digunakan sebagai pendekatan

selanjutnya. Secara ringkas, metode tersebut dijelaskan sebagai berikut.

Misalnya diketahui persamaan 2.21, fungsi f merupakan fungsi dari satu peubah

bebas β:

f(β) = 0 (2.21)

Jika β0 adalah nilai untuk pendekat solusi (β0 + h), maka menjadi persamaan 2.22.

f(β0 + h) = 0 (2.22)

Pendekatan deret Taylor sampai tingkat pertama untuk persamaan simultan ini

menghasilkan persamaan 2.23.

f(β0 + h) = f(β0) +

· h (2.23)

Dengan memasukkan persamaan 2.22 ke persamaan 2.23 akan didapat persamaan

2.24 berikut:

f(β0) +

· h = 0 (2.24)


commit to user

31

Nilai f(β0) dan nilai

dapat dihitung. Persamaan tersebut dapat dihitung dengan

eliminasi matriks Gauss-Jordan, sehingga nilai h dapat ditentukan melalui

persamaan 2.25 berikut:

h = -

(

) (2.25)

Selanjutnya nilai h ini digunakan untuk mendapatkan nilai pendekat sebagai

persamaan 2.26 berikut:

β1 = β0 + h (2.26)

2.2.16 Matrix Estimation by Maximum Entropy (ME2)

Seperti tertulis pada persamaan 2.27, persoalan pokok pada perkiraan matriks

perjalanan dari data lalu lintas adalah identifikasi pasangan asal-tujuan yang

menggunakan ruas tertentu sebagai bagian dari perjalanannya. Variabel ini

dinamakan Pija, yaitu proporsi perjalanan dari asal i ke tujuan j yang

menggunakan ruas a. Arus pada ruas a (Va) adalah penjumlahan seluruh

kontribusi perjalanan antara setiap pasangan zona pada ruas tersebut.

Va = ∑ (2.27)

Batasan: 0 ≤ Pija≤ 1

Batas persamaan 2.27 memberikan hasil yang sempurna jika arus pada ruas a dari

hasil pemodelan sama dengan arus dari hasil pengamatan seperti persamaan 2.28.

V â = Va = ∑ij ·Tij·Pija (2.28)

Dengan:

Tij = Matriks perjalanan sebenarnya

Pija = Proporsi perjalanan dari i ke j yang menggunakan a

Va = Arus dari ruas a yang didapat dari hasil pemodelan

Vâ = Arus di ruas a dari hasil pengamatan


commit to user

32

Dalam prakteknya jumlah data arus lalu lintas dari hasil pengamatan jauh lebih

sedikit dibandingkan jumlah Tij yang diketahui. Dengan kondisi tersebut, tidak

mungkin menentukan solusi yang unik terhadap masalah estimasi matriks

perjalanan, oleh karena itu sebagian besar metode berusaha untuk mendapatkan

matriks perjalanan Tij yang paling mirip yang memenuhi batasan persamaan

tersebut.

Ada dua pendekatan untuk menyelesaikan persamaan 2.28. Yang pertama, apabila

tidak terdapat informasi sebelumnya tentang Tij (no prior trip matrix) dan yang

kedua, apabila tedapat informasi sebelumnya tentang Tij (prior trip matrix).

Model Matrix Estimation by Maximum Entropy yang dikembangkan oleh

Wilimsen memberikan persamaan dasar untuk kedua pendekatan diatas sebagai

persamaan 2.29 atau 2.30 berikut:

Tij = ∏

(2.29)

Tij = tij· ∏

(2.30)

Dengan:

tij = Perkiraan matriks perjalanan (misal dari survai sebelumnya)

Xa = Faktor penyeimbang (balancing factor) yang dipilih sedemikian rupa

sehingga batasan persamaan 2.27 terpenuhi.

2.2.17 Pembebanan User Equilibrium

Pertimbangan utama pembebanan lalu lintas merupakan asumsi bahwa dasar

pemilihan rute adalah biaya perjalanan. Ukuran yang digunakan tergantung pada

karakteristik jalan, kondisi lalu lintas dan persepsi pengendara tentang kondisi

tersebut.

Dalam hal ini efek stokastik tidak diperhitungkan. Ada dua perilaku yang

diusulkan sebagai dasar dari kondisi equlibrium, yaitu:

a. Pengendara memilih rute secara bebas yang memenuhi kepentingan terbaiknya

menurut kondisi lalu lintas yang dihasilkan dari beberapa pilihan rute lain.


commit to user

33

b. Pengendara memilih rute yang menghasilkan arus lalu lintas yang meberikan

keuntungan maksimum bagi mereka.

Pendekatan pembebanan User Equilibrium mengacu pada Prinsip Wardrop I yang

menyatakan bahwa dalam kondisi macet, pengendara akan memilih suatu rute

sampai tercapai kondisi yang tidak memungkinkan seorang pun dapat mengurangi

biaya perjalanannya dengan menggunakan rute yang lain. Apabila semua

pengendara mempunyai persepsi yang sama tentang biaya maka akan dihasilkan

kondisi keseimbangan, artinya semua rute yang digunakan antara dua titik tertentu

akan mencapai baiaya perjalanan yang sama dan minimum, sedangkan rute yang

tidak digunakan akan mencapai biaya perjalanan yang sama atau lebih mahal.

2.2.18 Indikator Uji Statistik

Penaksiran MAT dari data lalu lintas yang dihasilkan dengan menggunakan

penaksiran model kebutuhan akan transportasi akan menghasilkan arus lalu lintas

yang semirip mungkin dengan data arus lalu lintas hasil pengamatan. Hal

terpenting yang harus diperhatikan yaitu tingkat kemiripan dari MAT hasil

penaksiran dengan MAT hasil pengamatan. Tingkat akurasi MAT yang dihasilkan

dari data arus lalu lintas dapat ditentukan dengan beberapa indikator uji statistik.

Indikator uji statistik yang digunakan dalam penelitian ini koefisien determinasi

(R2).

Indikator uji kesesuaian R2 dapat didefinisikan sebagai persamaan 2.31:

∑ ∑ ( ̂ )

∑ ∑ ( ̂ )

untuk i dan d ≠ 0 (2.31)

Indikator uji statistik R2 ini merupakan suatu uji statistik yang paling sering

digunakan. Indikator ini akan memberikan bobot sangat tinggi untuk kesalahan

absolut besar. Oleh karena itu, nilai R2

yang tinggi tidak dapat diperoleh dari

matriks berjumlah sel besar dengan kesalahan kecil, tetapi sangat jelek pada nilai

sel yang kecil.


commit to user

34

BAB 3

METODE PENELITIAN

3.1 Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di Kota Surakarta yang berada di Provinsi Jawa

Tengah bagian selatan. Kota Surakarta mempunyai luas wilayah ± 44,04 km2 dan

secara astronomi terletak pada 110º45’15” - 110º45’35” BT dan 70º36’00” -

70º56’00” LS. Secara geografis Kota Surakarta berbatasan langsung dengan kota

lain seperti Kabupaten Karanganyar dan Boyolali (utara), Kabupaten Karanganyar

(timur), Kabupaten Sukoharjo (selatan), dan Kabupaten Sukoharjo dan

Karanganyar (barat).

Kota Surakarta secara administratif dibagi ke dalam 5 kecamatan dan terdiri dari

51 kelurahan. Jumlah penduduk Kota Surakarta mencapai 536.498 jiwa dan

kepadatannya mencapai 12.182 jiwa/km2 (Dinas Kependudukan dan Pencatatan

Sipil Kota Surakarta, 2010). Untuk peta administratif batas kelurahan dapat dilihat

pada Gambar 3.1.

Untuk sistem pembagian zonanya, penelitian ini menggunakan pembagian zona

berdasarkan kelurahan. Seperti yang terlihat pada Gambar 3.2, zona yang dipakai

dalam penelitian ini adalah 51 zona sesuai dengan jumlah kelurahan di Kota

Surakarta ditambah dengan 14 zona lain yang berasal dari Kabupaten

Karanganyar dan Sukoharjo.

Penentuan lokasi survei lalu lintas untuk mendapatkan data didasarkan pada

pertimbangan klasifikasi fungsi jalan, kondisi tata guna lahan di sekitarnya,

tingkat kepadatan lalu lintas, serta beberapa ruas jalan yang dianggap mewakili

pada jaringan jalan Kota Surakarta, misalnya jalan protokol Slamet Riyadi. Untuk

lebih jelasnya ruas-ruas jalan yang dipakai sebagai lokasi survei dapat dilihat pada

Gambar 3.3 dan Tabel 3.1.


commit to user

35

Gambar 3.1 Peta Administratif Kota Surakarta


commit to user

36

Gambar 3.2 Peta Pembagian Zona Kota Surakarta


commit to user

37

Gambar 3.3 Peta Jaringan Jalan Kota Surakarta dan Lokasi Survei


commit to user

38

Tabel 3.1 Lokasi Survei Arus Lalu Lintas (Traffic Count)

No. Node Nama Jalan Keterangan

1 55/C65 Ring Road Utara Solo-Karanganyar

2 95/C59 Raya Palur KM 5 UNSA

3 23/C52 Adi Sucipto Solo Pos

4 105/C56 Yos Sudarso Radio Prambors Solo Baru

5 66/67 Dr. Radjiman Pom Bensin Laweyan

6 25/26 Adi Sucipto Stadion Manahan

7 1/C53 Slamet Riyadi RS Yarsis

8 2/3 Slamet Riyadi Solo Square

9 34/35 Ahmad Yani Hotel Grand Setia Kawan

10 143/144 Kyai Mojo Jembatan Bekonang

11 86/91 Kolonel Sutarto RS Moewardi

12 6/7 Slamet Riyadi Pizza Hut

13 92/241 Ir. Sutami Kampus UNS

14 21/22 Slamet Riyadi BCA Gladag

15 271/C62 Kolonel Sugiono Solo - Purwodadi km 3

Pengambilan data lalu lintas pada penelitian ini dilaksanakan selama 3 hari, yaitu

pada hari Selasa tanggal 22 Mei 2012, Rabu 23 Mei 2012, dan Selasa 29 Mei

2012. Survei dilaksanakan pada hari-hari tersebut karena hari Selasa dan Rabu

dianggap hari yang kepadatan lalu lintasnya normal. Penelitian ini dilaksanakan

selama 2 jam setiap harinya, yaitu pada jam puncak kepadatan pagi hari (pukul

06.00-08.00).

3.2 Jenis dan Sumber Data

3.2.1 Data Primer

Pada penelitian ini yang menjadi data primer adalah data volume lalu lintas yang

didapat dari survei di lapangan. Data volume lalu lintas ini didapat dari

penghitungan jumlah kendaraan yang melewati suatu ruas jalan pada waktu

tertentu, selama waktu tertentu, dan dengan interval waktu tertentu. Kendaraan

yang dihitung harus diklasifikasikan berdasarkan jenis kendaraannya yakni MC

(Motor Cycle), LV (Light Vehicle), dan HV (Heavy Vehicle). Selanjutnya hasil

perhitungan jumlah kendaraan ini diolah sesuai pedoman MKJI 1997 untuk

diekivalensikan satuan kendaraannya.


commit to user

39

3.2.2 Data Sekunder

Data sekunder pada penelitian ini adalah data yang diperoleh dari instansi terkait

di Kota Surakarta dan dari penelitian sebelumnya. Data tersebut meliputi:

a. Peta wilayah Kota Surakarta yang diperoleh dari Badan Perencana

Pembangunan Daerah (Bappeda),

b. Data jumlah penduduk dari Biro Pusat Statistik (BPS),

c. Data tata guna lahan dari BPS,

d. Data jaringan jalan dari Departemen Pekejaan Umun (DPU), dan

e. Data prior matrix (matriks terdahulu) dan data arus lalu lintas dari penelitian

Rahman, P. A., (2010).

3.3 Metode Pengambilan Data

Pengambilan data di sini adalah pengambilan data volume lalu lintas yang didapat

dari pengamatan/penghitungan jumlah kendaraan di lapangan.

3.3.1 Desain Alat Survei

Peralatan yang digunakan adalah formilir survei, alat tulis, hand tally counter, dan

penunjuk waktu (jam). Handy tally counter digunakan untuk menghitung jumlah

kendaraan yang bergerak dalam jumlah banyak pada waktu yang hampir

bersamaan, misalnya sepeda motor dan mobil. Hal ini dilakukan untuk

menghindari kesalahan hitung. Sedangkan untuk jenis kendaraan lain dihitung

dengan cara manual (menuliskan turus atau angka).

3.3.2 Desain Sampel

Jenis kendaraan yang disurvei digolongkan menjadi 3 golongan, meliputi:

a. Motor Cycle (sepeda motor dan sepeda motor beroda tiga)

b. Light Vehicle (mobil penumpang, angkutan kota, dan pick-up)

c. Heavy Vehicle (bus kecil, bus besar, truk, truk gandeng, dan tronton).


commit to user

40

3.3.3 Desain Formulir

Berdasarkan jenis kendaraan yang akan disurvei dan desain alat yang digunakan,

maka formulir survei yang digunakan memuat kriteria dan contoh gambar dari

kendaraan yang disurvei. Formulir isian jumlah kendaraan diisi sesuai dengan

jumlah kendaraan yang melintas di ruas jalan yang diamati dan dihitung per 15

menitan selama 2 jam. Karena ada jenis kendaraan yang dihitung manual dengan

turus (tidak menggunakan hand tally counter), maka lebar dan panjang kolom

untuk pengisian disesuaikan agar dapat memuat turus hasil perhitungan. Contoh

formulir survei dapat dilihat pada Lampiran G.

3.3.4 Surveyor

Surveyor yang membantu dalam survei arus lalu lintas harus bisa menggunakan

peralatan survei dan mengerti tentang klasifikasi kendaraan yang disurvei sesuai

dengan formulir survei. Surveyor yang membantu adalah mahasiswa Teknik Sipil

UNS semester 8. Jumlah surveyor yang membantu sebanyak 87 orang, yang

penempatannya setiap titik survei berbeda-beda ± 4-6 surveyor sesuai dengan

kelas jalan, lebar jalan, banyak jalur dan lajur, kepadatan lalu lintas, dan jenis

kendaraan yang melalui jalan tersebut.

3.4 Metode Analisis Data

3.4.1 Pengolahan Data Basis Jaringan Jalan

a. Mengkonversi arus lalu lintas dari semua jenis satuan kendaraan ke dalam

satuan mobil penumpang sesuai ketentuan MKJI 1997.

b. Menghitung kapasitas jalan berdasarkan tipe jalan, lebar jalan, hambatan

samping, lebar bahu jalan, jarak kerb-penghalang, dan jumlah penduduknya

sesuai dengan ketentuan MKJI 1997.

c. Menghitung waktu tempuh yang diperlukan suatu kendaraan untuk menempuh

suatu ruas jalan tertentu dengan satuan detik, sesuai dengan ketentuan MKJI

1997.


commit to user

41

3.4.2 Matriks Hasil Estimasi oleh EMME/3

Setelah didapatkan ketiga data di atas, selanjutnya jenis moda, node, link,

koordinat, kapasitas arus, lebar jalan, dan tipe jalan dimasukkan ke dalam

program EMME/3 melalui Network Editor. Setelah data basis jaringan jalan

dimasukkan, selanjutnya matriks asal (prior matrix) dari penelitian Rahman, P.

A., (2010) ke program EMME/3 melalui Emme Prompt Console.

Emme Prompt Console merupakan teks model yang digunakan untuk melakukan

berbagai garis perintah. Bentuk dari teks model ini berupa Module. Emme Prompt

Console juga mencakup detail model kebutuhan, Assignment Network,

perhitungan matrik dan The Emme Macro Language untuk melakukan

otomatisasi.

Hasil matriks baru dari EMME/3 ini selanjutnya digunakan untuk proses kalibrasi

parameter dan untuk dibebankan ke jaringan jalan untuk mendapatkan arus lalu

lintas hasil pemodelan.

3.4.3 Kalibrasi Parameter Betha (β)

Dalam mencari parameter perlu dilakukan kalibrasi sampai nilai β mencapai nilai

yang konvergen. Metode kalibrasi yang digunakan adalah Metode Kalibrasi

Newton-Raphson dan fungsi hambatan yang digunakan adalah fungsi hambatan

pangkat. Proses pengkalibrasian koefisien β dilakukan dengan bantuan software

pemrograman Lazarus.


commit to user

42

Proses kalibrasinya dapat dilihat pada Gambar 3.4 berikut:

Gambar 3.4 Bagan Alir Prosedur Kalibrasi Newton-Raphson

Mulai

Membaca : Oi, Dd, dan

Nilai Awal Parameter β

Menghitung: Fungsi Hambatan

Fid;

;

Hambatan Pangkat

Menghitung: Faktor Penyeimbang

Ai; Bd;

;

;

;

Batasan Tarikan Pergerakan

Menghitung:

Tid;

;

; f;

Metode Kuadrat Terkecil Tidak Linear Berbobot

Menghitung:

h = -

h ≈ 0

Hasil:

Nilai β

Selesai

Ya βm+1 = βm + h

Tidak


commit to user

43

3.4.4 Estimasi Matriks Asal Tujuan Hasil Pemodelan

Setelah didapatkan salah satu nilai parameter, langkah selanjutnya adalah

mengestimasi MAT 2012 hasil dari EMME/3 menggunakan koefisien β tersebut

dan dibatasi dengan tarikan pergerakan. Proses estimasi MAT ini dilakukan di

dalam sel Ms. Excel secara perhitungan manual. Hasil estimasi inilah yang

menjadi gambaran total pergerakan hasil pemodelan.

3.4.5 Pembebanan Arus Lalu Lintas ke Jaringan Jalan

Hasil MAT dari EMME/3 dapat langsung dibebankan dengan EMME/3 juga,

melalui proses assignment. Hasil pembebanan pada tahap ini menjadi arus lalu

lintas hasil pembebanan yang selanjutnya akan dibandingkan dengan arus lalu

lintas hasil pengamatan di lapangan.

3.4.6 Uji Validitas

Uji validitas dilakukan untuk mengetahui seberapa besar perbedaan yang

ditimbulkan dari arus lalu lintas hasil pengamatan dengan arus lalu lintas hasil

perhitungan. Uji validitas yang dilakukan adalah mencari nilai koefisien

determinasi R2.


commit to user

44

3.5 Diagram Alir Metode Penelitian

Gambar 3.5 Bagan Alir Metode Penelitian

Mulai

Kajian Literatur

Survei Pendahuluan

Survei Data Lalu Lintas (Traffic Count) Va’

Pengolahan Data Survei dengan MKJI 1997

Mengkalibrasi Fungsi Hambatan Pangkat dengan Metode

Newton-Raphson Menggunakan Aplikasi Software Lazarus

Uji Validitas

Arus Lalu Lintas Va

Selesai

Mengolah Data dengan Aplikasi Software EMME/3

Matriks Baru

Konvergensi

Va=Va’

Prior Matrix

Rahman, P. A. (2010)

Matriks 2012

Membebankan Matriks ke Jaringan Jalan dengan Metode User

Equilibrium dengan Aplikasi Software EMME/3

Ya

Tidak

ESTIMASI MATRIKS ASAL TUJUAN PERJALANAN …/Estimasi...Data of traffic count in ... semua waktu,...

Documents

Transcript of ESTIMASI MATRIKS ASAL TUJUAN PERJALANAN …/Estimasi...Data of traffic count in ... semua waktu,...