ITS Master 17054 Presentation

7/25/2019 ITS Master 17054 Presentation

1/58

Presentasi TESIS - PS 2399


2/58

1. Pendahuluan

2. Metodologi

3. Analisa dan Hasil Studi

4. Kesimpulan dan Saran


3/58

Demand transportasi udara di Indonesia terus menerus

mengalami peningkatan.

Ini disebabkan karena ekonomi, laju pertumbuhan

penduduk, perkembangan wilayah, dan semakin berartinya

waktu tempuh.

Angkutan udara sangat berperan di wilayah dengan

aksesibilitas transportasi darat yang lemah maupun baik.

Peningkatan pelayanan transportasi udara mampu memicu

dan mendukung pembangunan pada sektor lainnya.

Guna menyediakan sarana dan prasarana transportasi udara

yang sesuai dengan kebutuhan sekarang dan masa

mendatang maka perlu diadakan prediksi kebutuhan yang

terjadi serta perencanaan transportasi.


4/58

1. Bagaimana matriks asal dan tujuan penumpang domestikdan internasional pengguna transportasi udara diBandara Internasional Juanda pada tahun 2009?

2. Bagaimana hasil pemodelantrip distributionpenumpang

domestik dan internasional yang melalui BandaraInternasional Juanda dengan menggunakan model

gravity tanpa-batasan (Unconstrained Gravity) denganmenggunakan tiga jenis fungsi hambatan yaitu fungsipangkat, fungsi eksponensial negatif dan fungsi Tanner?

3. Bagaimana matriks asal dan tujuan penumpangdomestik dan internasional pengguna transportasi udaradi Bandara Internasional Juanda pada 10 tahunmendatang (2019)?


5/58

1. Memperoleh matriks asal dan tujuan tujuan penumpangdomestik dan internasional pengguna transportasi udaratahuun 2009.

2. Pemodelan trip distribution penumpang domestik dan

internasional yang melalui Bandara Internasional Juandadengan menggunakan model gravity-tanpa-batasan(Unconstrained Gravity) dengan menggunakan tiga jenisfungsi hambatan yaitu fungsi pangkat, fungsieksponensial negatif dan fungsi Tanner.

3. Memperoleh matriks asal dan tujuan penumpangdomestik dan internasional pengguna transportasi udaradi Bandara Internasional Juanda pada 10 tahunmendatang (tahun 2019)


6/58

1. Data yang digunakan dalam studi ini adalah data sekunder,yang berasal dari hasil survai tahun 2009 dan PT. Angkasa PuraI tahun 2008 dan 2009.

2. Survai wawancara penumpang (pada point 1) hanya dilakukan

di terminal keberangkatan domestik dan internasional diBandara Internasional Juanda.

3. Pemodelan distribusi yang digunakan adalah model gravity-tanpa-batasan (Unconstrained Gravity) dengan menggunakantiga jenis fungsi hambatan yaitu fungsi pangkat, fungsieksponensial negatif dan fungsi Tanner.

4. Faktor pemisah antar zona hanya berdasarkan pada jarak.5. Tahapan dalam studi ini hanya sampai dengan pemodelantrip

distribution serta peramalan untuk 10 tahun mendatang(tahun 2019).


7/58

Rute Penerbangan di Bandara Internasional Juanda Untuk Asal/Tujuan

Domestik.Sumber : http://gambar-peta.blogspot.com/2010/09/peta-indonesia-dunia-of-atlas.html


8/58

Rute Penerbangan di Bandara Internasional Juanda Untuk Asal/Tujuan

Internasional.Sumber : http://greatpowerpolitics.com/?tag=military menu


9/58

1. Tinjauan Pustaka

2. Pengumpulan Data Sekunder

3. Pengolahan Data

4. Matriks Expanded

5. Pemodelan Trip Distribution

6. Grafik Trip Length Distribution

7.Pengujian Model

8. Memilih Model Terbaik

9. Peramalan

10. Kesimpulan

menu


10/58

Pada modelgravityjarak mempengaruhi besar kecilnya

jumlah perjalanan antar zona

Berdasarkan jenisnya modelgravitydibagi menjadi

empat yaitu :

1. Dengan tanpa batasan (Unconstrained Gravity)

2. Dengan batasan bangkitan(Production Constrained Gravity)3. Dengan batasan tarikan pergerakan(Attraction Constrained

Gravity)

4. Dengan dua batasan(Doubly Constrained Gravity)


11/58

Menurut Hyman (1969) tiga jenisfungsi hambatanyang

dapat digunakan dalamModelGravityadalah sebagai

berikut:

Fungsi pangkat: besarnya jarak perjalanan (Cid)

dipangkatkan nilai negatif parameter fungsi hambatan

Fungsi eksponensial-negatif: besarnya bilangan

natural yaitu e = 2,71828 dipangkatkan nilai negatif

dari perkalian antara parameter fungsi hambatan dengan jarak perjalanan (Cid)

fungsi Tanner: jarak perjalanan (Cid) pangkat nilaiparameter fungsi hambatan dikali dengan bilangannatural e = 2,71828 pangkat nilai negatif dari

perkalian antara parameter fungsi hambatan dengan

jarak perjalanan (Cid)


12/58

Salimatul Muntafiah (2000) Pemodelan trip distribusi penumpang

angkutan udara kawasan Indonesia Timur.

Hasil perumusan model simultan Salimatul Muntafiah adalah

sebagai berikut:

Dengan nilai

R = 0,387

SSE = 80.795.788.372

MSE = 2.376.346.717

RMSE = 48,748


13/58

M Salmani (2003) Pola distribusi pergerakan angkutan penumpang penerbangandomestik melalui pelabuhan udara Juanda Surabaya.

Hasil perumusan model simultan M Salmani adalah sebagai berikut:

Dimana :

P = Jumlah pendudukK = Jumlah angkatan kerja

H = Jumlah tamu hotel

E2 = PDRB atas dasar harga berlaku tanpa migas

E3 = PDRB atas dasar harga konstan tahun 1993

E4 = PDRB atas dasar harga konstan tahun 1993 tanpa migas

E5 = Perkapita atas dasar harga berlaku

Dij = Jarak antar bandara

Dengan nilai

R = 0,549

SSE = 44.735.842.145

MSE = 1.065.139.099

RMSE = 32,636


14/58

Membandingkan hasil pemodelan simultan pada studi

Muntafiah (2000) dengan data dari PT. Angkasa Pura Itahun 2009

Matriks Asal Tujuan Tahun 2010 dengan Cara Furness Hasil Studi Muntafiah:


15/58

Matriks Asal Tujuan Tahun 2009 berdasarkan Buku SLLAU 2009 oleh PT Angkasa Pura 1

Asal/Tujuan

Denpasar

Surabaya

UjungPandang

Balikpapan

Biak

Manado

Yogyakarta

Surakarta

Banjarmasin

Semarang

Mataram

Ambon

Denpasar 0 341484 101940 12 1045 0 190530 10 0 0 136869 0

Surabaya 300174 0 414989 606529 0 28493 73204 0 372307 55026 182759 36681

Ujung Pandang 77827 296124 0 71964 27228 94651 22017 42 1216 0 0 60997

Balikpapan 0 629536 88402 0 0 40054 140937 60 56296 14 0 9

Biak 3479 0 32016 0 0 8 0 0 0 0 0 0

Manado 55661 39186 115800 51349 0 0 0 0 0 0 0 278

Yogyakarta 192784 85685 37993 137174 0 0 0 0 57247 118 5 8

Surakarta 99 0 442 0 0 0 279 0 0 341 0 0

Banjarmasin 0 413271 1299 51055 0 0 57308 0 0 3799 0 0

Semarang 478 60615 0 97 0 0 8 0 6635 0 0 0

Mataram 134976 222640 0 0 0 0 0 0 0 0 0 0

Ambon 0 52461 180078 0 0 69 0 0 0 0 0 0


16/58

Dari kedua tabel tersebut dapat diketahuibahwa jumlah pergerakan yang terjadi diBandara Internasional Juanda untuk sebagian

besar jumlah pergerakan sudah melebihi darihasil pemodelan simultan pada studi Muntafiah(2000).

Bahwa jumlah pergerakan penumpang di tahun

2009 menurut data SLLAU lebih besar daripadahasil pemodelan Furness (Muntafiah, 2000),yakni mencapai 51% dari seluruh rute asaltujuan yang ada

menu


17/58

Data hasil survai wawancara asal tujuan penumpang diterminal keberangkatan domestik dan internasional BandaraInternasional Juanda yang dilakukan oleh LaboratoriumPerhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP

ITS Surabaya. Jumlah penduduk di wilayah wilayah studi.

Pendapatan Domestik Regional Bruto (PDRB)kota/kabupaten atau propinsi serta Gross National Income(GNI) Negara/daerah asal dan tujuan penumpang wilayahstudi.

Rute perjalanan pesawat di Bandara Internasional Juanda. Jarak antar bandara di kota maupun Negara asal dan tujuan

penerbangan.

Data asal tujuan perjalanan penumpang dan pesawat diBandara Internasional Juanda oleh PT Angkasa Pura I.


18/58

No. Bandara Asal Bandara TujuanJumlahSampel

1 Bandara Internasional Juanda Bandara Achmad Yani (Semarang) 302 Bandara Internasional Juanda Bandara Adisutjipto (Yogyakarta) 30

3 Bandara Internasional Juanda Bandara El Tari (Kupang) 30

4 Bandara Internasional Juanda Bandara Frans Kaisiepo (Biak) 30

5 Bandara Internasional Juanda Bandara H. Asan (Sampit) 30

6 Bandara Internasional Juanda Bandara Hang Nadim (Batam) 30

7 Bandara Internasional Juanda Bandara Hasanuddin (Makassar) 36

8 Bandara Internasional Juanda Bandara Husein Sastranegara (Bandung) 36

9 Bandara Internasional Juanda Bandara Internasional Soekarno-Hatta (Jkt) 6410 Bandara Internasional Juanda Bandara Juwata (Tarakan) 30

11 Bandara Internasional Juanda Bandara Mutiara (Palu) 32

12 Bandara Internasional Juanda Bandara Ngurah Rai (Bali) 36

13 Bandara Internasional Juanda Bandara Pattimura (Ambon) 30

14 Bandara Internasional Juanda Bandara Polonia (Medan) 31

15 Bandara Internasional Juanda Bandara Sam Ratulangi (Manado) 30

16 Bandara Internasional Juanda Bandara Selaparang (Mataram) 3017 Bandara Internasional Juanda Bandara Sentani (Jayapura) 30

18 Bandara Internasional Juanda Bandara Sepinggan (Balikpapan) 65

19 Bandara Internasional Juanda Bandara Supadio (Pontianak) 50

20 Bandara Internasional Juanda Bandara Syamsudin Noor (Banjarmasin) 43

21 Bandara Internasional Juanda Bandara Tjilik Riwut (Palangkaraya) 32

22 Bandara Internasional Juanda Bandara Wolter Monginsidi (Kendari) 30

Jumlah Sampel 785Sumber: Laboratorium Perhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP ITS Surabaya


19/58

No. Bandara Asal Bandara Tujuan Jumlah Sampel

1 Bandara Internasional JuandaBandara Internasional Senai (JohorBahru)

30

2 Bandara Internasional JuandaBandara Internasional Kuala Lumpur(Kuala Lumpur)

30

3 Bandara Internasional JuandaBandara Internasional Changi

(Singapore)32

4 Bandara Internasional JuandaBandara Internasional Hongkong(Hongkong)

27

5 Bandara Internasional JuandaBandara Internasional Brunei (BruneiDarussalam)

29

6 Bandara Internasional JuandaBandara Internasional Taoyuan(Taiwan)

30

Jumlah Sampel 178

Sumber: Laboratorium Perhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP ITS Surabaya

menu


20/58

Data-data dari hasil survai wawancara kepada pelaku perjalanan

kemudian diolah menjadi Matrik Asal Tujuan perjalanan penumpang

Kota atau kabupaten asal serta kota atau kabupaten

tujuan diberi kode

menu


21/58

Langkah-langkah membuat Matriks Expanded:1. Membuat MAT hasil survey wawancara

2. Menjumlahkan tiap kolom Zona tujuan

3. Mendapatkan MAT terkalibrasi dengan rumus :

Dimana :

a = MAT hasil survey wawancara

b = Jumlah pergerakan penumpang berdasarkan hasil survey dari tiapzona (Dj)

c = Data sekunder pergerakan penumpang disetiap zona tujuan

selama 1thn berdasarkan SLLAU 2008

d = MAT terkalibrasi


22/58

4. Menjumlahkan MAT terkalibrasi (Tij).

5. Mendapatkan faktor pengali dengan rumus :

Dimana :

e = Faktor pengali

f= MAT terkalibrasi g = seluruh pergerakan penumpang selama satu tahun di Bandara

Internasional Juanda dengan tujuan domestik berdasarkan SLLAU2008

6. Mendapatkan Matriks expandeddengan rumus :

Dimana

e = Faktor Pengali

d = Matriks Kalibrasi

h = Matriks Expanded Matriks Expanded Domestik

Matriks ExpandedInternasionalmenu
http://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%20EXPANDED%20DOMESTIK.xlsxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%20EXPANDED%20INTERNASIONAL.xlsxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%20EXPANDED%20INTERNASIONAL.xlsxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%20EXPANDED%20INTERNASIONAL.xlsxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%20EXPANDED%20INTERNASIONAL.xlsxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%20EXPANDED%20DOMESTIK.xlsx


23/58

1. Data-data dari hasil survai wawancara diolah menjadi MAT

perjalanan penumpang dan MAT jarak.2. MAT perjalanan penumpang dikali dengan faktor pengali

yang didapatkan dari frekuensi perjalanan penumpang di

Bandara Internasional Juanda untuk setiap tujuan

perjalanan selama satu tahun. Hasil perkalian tersebut

menghasilkan MATexpanded.

3. Sedangkan MAT jarak digunakan untuk mendapatkan nilai

dari variabel dan pada fungsi hambatan.

4. Metode yang digunakan dalam mendapatkan nilai dan

adalah metode sederhana nilai dan dicari dengan cara

trial and error dengan memberikan nilai awal sembarang.

Trial and error ini akan berhenti sampai didapatkan selisih

prosentase minimum antara nilai sebaran hasil

pengamatan dan model.


24/58

5. Tahap berikutnya adalah mendapatkan modelempiris dengan memasukkan faktor ekonomi/populasi setiap negara/kota/kabupaten asaltujuan.

Tij =Ei. Ej. f(Cij)Dimana :

Ei = variabel ekonomi negara/kota/kabupaten asal.

Ej = variabel ekonomi negara/kota/kabupaten

tujuan.Variabel ekonomi dalam studi ini berupa PDRBkota/kabupaten/propinsi dan GNI dari negara asaldan tujuan penumpang.


25/58

6. Untuk mendapatkan MAT hasil pemodelan maka yang

perlu dilakukan terlebih dahulu adalah

membandingkan jumlah pergerakan penumpang pada

MAT expanded dengan jumlah pergerakan penumpangMAT model empiris. Dari hasil pembandingan tersebut

didapatkan nilai K,

7. Kemudian nilai K tersebut dikali dengan MAT model

empiris sehingga didapatkan MAT hasil pemodelan.

Tij = K . Ei . Ej. f(Cij)

K =jumlah pergerakan penumpang pada MAT expanded

jumlah pergerakan penumpang pada MAT model empiris

menu


26/58

Grafik trip length distribution adalah grafik antara data jarak

untuk setiap asal tujuan perjalanan penumpang dengan

prosentase jumlah perjalanan penumpang pesawat.

Ada 2 TLD yaitu:

1) TLD data

2) TLD hasil pemodelan

menu


27/58

Meminimalkan selisih maksimum antara grafik(Trip

Length Distribution) TLD data dan TLD hasil

pemodelan.

Jika selisih antara keduanya masih besar, maka perludilakukan trial and errordalam memasukkan nilai

variabel atau

menu


28/58

Model yang TLD data dan TLD hasil pemodelan

memiliki selisih terkecil.

Model yang terbaik tersebut dijadikan modelsebaran perjalanan penumpang pesawat di

Bandara Internasional Juanda.

MULAI


29/58

Data Sekunder:

Wawancara asal tujuanpenumpang

Pengolahan data primer:

MAT hasil wawancara asal tujuan penumpang

2009

Data sekunder:

Jumlah penduduk asal tujuan penumpangPendapatan Domestik Regional Bruto (PDRB) kota/kabupaten asal tujuan penumpang

Gross National Product(GNI) negara asal tujuan penumpang

Rute perjalanan pesawat

Jarak antar bandara

Data asal tujuan perjalanan penumpang di Bandara Internasional Juanda oleh PT Angkasa Pura I

Data asal tujuan perjalanan pesawat di Bandara Internasional Juanda oleh PT Angkasa Pura I

Tinjauan Pustaka

Pengumpulan data

MAT Expanded untuk Penerbangan Domestik

MAT Expanded untuk Penerbangan Internasional

Pemodelan Trip Distribution modelgravity tanpa batasan dengan variabel dan untuk Penerbangan Domestik

Pemodelan Trip Distribution modelgravity tanpa batasan dengan variabel dan untuk Penerbangan Domestik

MAT hasil pemodelan untuk Penerbangan Domestik

MAT hasil pemodelan untuk Penerbangan Internasional

AB

Trip Length Distribution (TLD) data dan Trip Length Distribution

(TLD) hasil pemodelan untuk Penerbangan Domestik

Trip Length Distribution (TLD) data dan Trip Length Distribution

(TLD) hasil pemodelan untuk Penerbangan Internasional

Sum Square Error (SSE) untuk Penerbangan Domestik

Sum Square Error (SSE) untuk Penerbangan

Internasional


30/58

Masukkan

nilai dan

baru

B

Pengujian kemiripan hasil model

dengan data menggunakan cara TLD

atau SSE untuk Penerbangan Domestik

dan Internasional

tidak

A

KESIMPULAN dan SARAN

Meramalkan trip distribution untuk 10 tahun mendatang(tahun 2019)

Ya

Memilih model yang terbaik untuk Penerbangan Domestik

Memilih model yang terbaik untuk Penerbangan Internasional

menu


31/58

Trip Length Distribution Wawancara

Pemodelan Trip Distribution Penerbangan

Domestik Pemodelan Trip Distribution Penerbangan

Internasional

Peramalan


32/58

Grafik TLD Penerbangan Domestik Hasil Wawancara


33/58

Trip Length Distribution (TLD) Penerbangan

Internasional Hasil Wawancara


34/58

Pemodelan dilakukan untuk 2 parameter zonaasal dan tujuan, yakni: parameter Populasi(jumlah penduduk) dan Pendapatan Domestik

Regional Bruto (PDRB) Setiap pemodelan dengan masing-masing fungsihambatan akan dikalibrasi dengan 2 cara,yakni membandingkan selisih Trip LengthDistribution (TLD) dan Sum Square Error(SSE)

Model terbaik dipilih dari perbandingan antaramodel hasil kalibrasi TLD dengan selisih TLDwawancara dan pemodelan yang paling kecil vshasil kalibrasi SSE dengan nilai SSE terkecil.


35/58

Domestik

Hambatan Beta TLD (%) Rumus

Eksponensial-TLDPDRB 0,00281 3,92393 Tij=2.68E-13*Ei*Ej*exp (-0.00281*Cij)

Populasi 0,011 9,87078 Tij=1.54E-9*Pi*Pj*exp (-0.011*Cij)

Domestik

Hambatan Alpha TLD (%) Rumus

Power-TLDPDRB 0,838 1,60519 Tij=3.6368E-12*Ei*Ej*Cij^-0.838

Populasi 1,5563 1,98994 Tij=3.53194E-7* Pi*Pj*Cij^-1.5563

Domestik

Hambatan Alpha Beta TLD (%) Rumus

Tanner-TLDPDRB 7,1 0,01 0,17938 Tij=5.44047E-30*Ei*Ej*Cij^7.1*exp (-0.01*Cij)

Populasi 1 0,1 9,87415 Tij=3.87118E-9* Pi*Pj*Cij^1*exp (-0.1*Cij)

DipilihGrafik

Fungsi

Hambatan

Dipilih

Dipilih

Grafik

Fungsi

Hambatan

Grafik

Fungsi

Hambatan


36/58

Grafik Fungsi Hambatan Eksponensial

dengan Kalibrasi TLD dan Parameter PDRB

untuk Nilai =0,00281 pada Penerbangan

Domestik

Grafik Fungsi Hambatan Power denganKalibrasi TLD dan Parameter PDRB untuk

Nilai =0,838 pada Penerbangan Domestik

Grafik Fungsi Hambatan Tanner dengan

Kalibrasi TLD dan Parameter PDRB untuk

Nilai =7,1 dan =0,01 pada Penerbangan

Domestik


37/58

Domestik

Hambatan Beta SSE Rumus

Eksponensial-

SSE

PDRB 0,001174 878,507,611,942 Tij=1,68 x 10-13 x Ei x Ej x e

(-0,001174 x Cij

)

Populasi 0,00154 929,510,356,538 Tij=2,17 x 10-10 x Pi x Pj x e

(-0,00154 x Cij

)

Domestik

Hambatan Alpha SSE Rumus

Power -SSEPDRB 0 871,680,592,694 Tij=1,64041 x 10

-13 x Ei x Ej x Cij0

Populasi 0,38261 959,452,314,377 Tij=6,11587 x 10-10 x Pi x Pj x Cij

0,38261

DomestikHambatan Alpha Beta SSE Rumus

Tanner-

SSE

PDRB 8,22 0,01 636,004,162,917Tij=3,37761 x 10

-33 x Ei x Ej x

Cij8,22 x e(-0,01 x Cij

)

Populasi 0,9 0,073 950,111,089,545Tij=1,80973 x 10

-9 x Pi x Pj x

Cij0,9 x e(-0,73 x Cij

)

Dipilih

Grafik

Fungsi

Hambatan

Dipilih

Dipilih

Grafik

Fungsi

Hambatan

Grafik

Fungsi

Hambatan


38/58


Kalibrasi SSE dan Parameter PDRB

untuk Nilai =8,22 dan =0,01 pada

Penerbangan Domestik

Grafik Fungsi Hambatan Power dengan

Kalibrasi SSE dan Parameter PDRB untukNilai =0 pada Penerbangan Domestik

Grafik Fungsi Hambatan Eksponensial

dengan Kalibrasi SSE dan Parameter

PDRB untuk Nilai =0,001174 pada

Penerbangan Domestik


39/58

Jarak min

(Km)

Jarak

maks

(Km)

Midrange

(Km)

Data

(%)

Model

(%)

Selisih % data

dan model

0 1.000 500 90,13 82,90 7,227736

1.000 2.000 1.500 9,69 17,04 7,344072

2.000 3.000 2.500 0,00 0,06 0,063042

3.000 4.000 3.500 0,18 0,00 0,179379

Selisih maksimum data dan model 7,344072

Jarak

min

(Km)

Jarak

maks

(Km)

Midrange

(Km)

Data

(%)

Model

(%)

Selisih % data

dan model

0 1.000 500 90,13 90,26 0,134544

1.000 2.000 1.500 9,69 9,72 0,025201

2.000 3.000 2.500 0,00 0,02 0,0196363.000 4.000 3.500 0,18 0,00 0,179381


Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi SSE

Terkecil

Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi TLDTerkecil

Dipilih yang

minimum

0,179380766

Model

dengan

kalibrasi TLD


40/58

Trip Length Distribution (TLD) Penerbangan Domestik Hasil Wawancara dan

Pemodelan Gravity Fungsi Tanner dengan Kalibrasi TLD dan Parameter PDRB


41/58

Domestik - PDRB

Hambatan Rumus

Tanner kalibrasi TLD

Tij=5,44047 x 10-30 x Ei x Ej x Cij

7,1 x e(-0,01 x Cij) = 7,1

0,01

Dengan:

Tij = Jumlah pergerakan antar zona

Ei = Parameter ekonomi (PDRB) zona asal

Ei = Parameter ekonomi (PDRB) zona tujuan

Cij = Jarak antar zona asal dan tujuane = bilangan natural = 2,71828


42/58

Pada penerbangan domestik perhitungan

peramalan pergerakan menggunakan

pemodelan gravity fungsi tanner. Peramalan dimulai dari jarak 500 Km

dikarenakan jika peramalan dimulai pada

jarak dibawah 500 Km jumlah pergerakan

kurang dari 90%, karena pada jarak dekattersebut sangat dimungkinkan penumpang

lebih memilih moda lain


43/58

Internasional

Hambatan Beta TLD (%) Rumus

Eksponensial-TLDPDRB 0,005629 16,152879 Tij=3.9016E-16*Ei*Ej*exp (-0.005629*Cij)

Populasi 0,00199 14,923499 Tij =1.5254E-9* Pi*Pj*exp (-0.00199*Cij)

Internasional

Hambatan Alpha TLD (%) Rumus

Power-TLDPDRB 9,855 16,140382 Tij=1.6E+12*Ei*Ej*Cij^-9.855

Populasi 3,8737 13,806763 Tij=325.848* Pi*Pj*Cij^-3.8737

Internasional

Hambatan Alpha Beta TLD (%) Rumus

Tanner-TLDPDRB 7,6661 0,01 16,154018 Tij=1.3E-37*Ei*Ej*Cij^7.6661*exp (-0.01*Cij)

Populasi 15 0,01 16,034586 Tij=5E-52* Pi*Pj*Cij^15*exp (-0.01*Cij)

DipilihGrafik

Fungsi

Hambatan

Dipilih

Dipilih

Grafik

Fungsi

Hambatan

Grafik

Fungsi

Hambatan

G fik F i H b t Ek i l


44/58

Grafik Fungsi Hambatan Ekponensial

dengan Kalibrasi TLD dan Parameter

Populasi untuk Nilai =0,00199 pada

Penerbangan Internasional

Grafik Fungsi Hambatan Power

dengan Kalibrasi TLD dan ParameterPopulasi untuk Nilai =3,8737 pada


Grafik Fungsi Hambatan Tanner

dengan Kalibrasi TLD dan Parameter

Populasi untuk Nilai =15 dan =0,01

pada Penerbangan Internasional


45/58

Internasional

Hambatan Beta SSE Rumus

Ekponensial-

SSE

PDRB 0,0081393 14,241,393,853Tij=1,7877 x 10

-14 x Ei x Ej x

e (-0,0081393 x Cij)

Populasi 0,03389 15,858,466,025Tij=6,3518 x 10

13 x Pi x Pj x

e(-0,03389 x Cij)

Internasional

Hambatan Alpha SSE Rumus

Power-SSEPDRB 13,078 14,355,567,866 Tij=2,8 x 10

22 x Ei x Ej x Cij13,078

Populasi 32,612 15,403,767,642 Tij=7,5 x 1093 x Pi x Pj x Cij

32,612

Internasional

Hambatan Alpha Beta SSE Rumus

Tanner-

SSE

PDRB 3 0,02 5,888,254,143Tij=1,4 x 10

-16 x Ei x Ej x

Cij3 x e (-0,02 x Cij)

Populasi 1,092 0,05 6,162,525,246Tij=1,6 x 10

18 x Pi x Pj x

Cij1,092 x e (-0,05 x Cij)

Dipilih

Grafik

Fungsi

Hambatan

Dipilih

Dipilih

Grafik

Fungsi

Hambatan

Grafik

Fungsi

Hambatan

Grafik F ngsi Hambatan Ekponensial


46/58

Grafik Fungsi Hambatan Ekponensial

dengan Kalibrasi SSE dan Parameter

PDRB untuk Nilai =0,008139 pada


Grafik Fungsi Hambatan Power dengan

Kalibrasi SSE dan Parameter PDRBuntuk Nilai = 13,078 pada



Kalibrasi SSE dan Parameter PDRB

untuk Nilai =3 dan =0,02 pada



47/58

Jarak

min

(Km)

Jarak

maks

(Km)

Midrange

(Km)

Data

(%)

Model

(%)

Selisih % data

dan model

0 2000 1000 79,40 78,19 1,211382

2000 2500 2250 0,00 13,81 13,80655

2500 3000 2750 0,00 2,50 2,504967

3000 3500 3250 16,15 2,35 13,806763500 4000 3750 4,44 1,73 2,707962

4000 10000 7000 0,00 1,41 1,414588


Jarakmin

(Km)

Jarakmaks

(Km)

Midrange(Km)

Data(%)

Model(%)

Selisih % data danmodel

0 2.000 1.000 79,40 99,99 20,59107

2.000 2.500 2.250 0,00 0,01 0,005545

2.500 3.000 2.750 0,00 0,00 2,29 x 10-9

3.000 3.500 3.250 16,15 0,00 16,15427

3.500 4.000 3.750 4,44 0,00 4,442348

4.000 10,000 7.000 0,00 0,00 3,4 x 10-20


Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi SSE

Terkecil

Trip Distribution Model Gravity fungsi Power dengan Kalibrasi TLD

Terkecil

Dipilih yang

minimum

13,80676

Model

dengankalibrasi TLD


48/58

Trip Length Distribution (TLD) Penerbangan Internasional Hasil Wawancara dan

Pemodelan Gravity Fungsi Power dengan Kalibrasi TLD dan Parameter Populasi


49/58

Internasional - Populasi

Hambatan Rumus

Power kalibrasi TLDTij= 325,848 x Pi x Pj x Cij

3,8737

= 3,8737

Dengan:


Pi = Parameter jumlah penduduk (populasi) zona asal

Pi = Parameter jumlah penduduk (populasi) zona tujuan

Cij = Jarak antar zona asal dan tujuan

menu


50/58

Untuk menemukan pola pergerakan asal dan

tujuan penumpang domestik dan

internasional pengguna transportasi udara

di Bandara Internasional Juanda di tahun

2019, maka perlu dilakukan peramalan

dengan menggunakan model yang terbaik.

Jumlah penduduk, PDRB/GNI yang menjadivariabel pada model tersebut terlebih

dahulu harus diramalkan


51/58


52/58

1. Jumlah pergerakan penumpang

pesawat dengan tujuan domestik di

Bandara Internasional Juanda pada

tahun 2009 adalah sebesar 3.599.819penumpang/tahun, sedangkan untuk

penumpang pesawat dengan tujuan

internasional di Bandara InternasionalJuanda pada tahun 2009 adalah

sebesar 500.148 penumpang/tahun.
http://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20domestik.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20internasional.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20internasional.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20internasional.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20internasional.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20internasional.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20domestik.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20domestik.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20domestik.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20domestik.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/MAT%202009%20domestik.docx


53/58

Rumus model gravity sebaran pergerakan

penumpang penerbangan domestik adalahsebagai berikut:

Domestik - PDRB

Hambatan Rumus

Tanner kalibrasi TLDTij=5,44047 x 10

-30 x Ei x Ej x Cij7,1 x e(-0,01 x Cij) = 7,1

0,01

Dengan:


Ei = Parameter ekonomi (PDRB) zona asalEi = Parameter ekonomi (PDRB) zona tujuan


e = bilangan natural = 2,71828


54/58

Rumus model gravity sebaran pergerakan

penumpang penerbangan internasional adalahsebagai berikut:

Internasional - Populasi

Hambatan Rumus

Power kalibrasi TLDTij= 325,848 x Pi x Pj x Cij

3,8737

= 3,8737

Dengan:


Pi = Parameter jumlah penduduk (populasi) zona asalPi = Parameter jumlah penduduk (populasi) zona tujuan



55/58

3. Jumlah pergerakan penumpang pesawatdengan tujuan domestik di BandaraInternasional Juanda hasil peramalan

pada tahun 2019 adalah sebesar15.198.529 penumpang/tahun. Sedangkanuntuk penumpang pesawat dengan tujuaninternasional di Bandara Internasional

Juanda hasil peramalan pada tahun 2019adalah sebesar 1.117.063penumpang/tahun.
http://localhost/var/www/apps/conversion/tmp/scratch_3/peramalan%20domestik%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/Peramalan%20internasional%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/Peramalan%20internasional%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/Peramalan%20internasional%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/Peramalan%20internasional%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/Peramalan%20internasional%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/Peramalan%20internasional%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/peramalan%20domestik%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/peramalan%20domestik%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/peramalan%20domestik%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/peramalan%20domestik%202019.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_3/peramalan%20domestik%202019.docx


56/58

Pengembangan studi ini untuk masa yang akan

datang dapat digunakan model gravity dengan

jenis yang lain yaitu dengan-batasan-bangkitan

(Production Constrained Gravity), dengan-batasan-tarikan (Attraction Constrained

Gravity) dan dengan-dua-batasan (Doubly

Constrained Gravity). Dengan menggunakan

model lain diharapkan hasil pemodelan yang

dihasilkan lebih tepat atau mendekati keadaan

yang sebenarnya


57/58


58/58

ITS Master 17054 Presentation

Documents

Transcript of ITS Master 17054 Presentation