STUDI PEMODELAN TRIP DISTRIBUTIONPENUMPANG PENYEBERANGAN KAPAL FERRY DI

PELABUHAN UJUNG SURABAYA – KAMAL SETELAHBEROPERASINYA JEMBATAN SURAMADU

R. Endro Wibisono1, Wahju Herijanto2, dan Hera Widyastuti3

1Mahasiswa S2Manajemen dan Rekayasa Transportasi, Institut Teknologi Sepuluh Nopember, email:endro_wibisono89@yahoo.com2Dosen Manajemen dan Rekayasa Transportasi, Institut Teknologi Sepuluh Nopember, email:3Dosen Manajemen dan Rekayasa Transportasi, Institut Teknologi Sepuluh Nopember, email:

ABSTRAKKapal ferry di pelabuhan ujung Surabaya-Kamal tetap mengalami kepadatan penumpang pascapembangunan Jembatan Suramadu. Selain itu terjadi antrian panjang saat interval kedatangan dankeberangkatan kapal ferry karena pengurangan aktifitas dan pengalihan fungsi dermaga-dermaga yangada. Jumlah pergerakan pada pelabuhan di ujung Surabaya-Kamal ini cukup besar dan stabil dikarenakanpenumpang kapal ferry memiliki pola pergerakan yang tetap di sekitar Kabupaten Bangkalan terutamakecamatan Kamal menuju Kota Surabaya maupun sebaliknya.Penelitian ini akan mencari model sebaran (trip distribution) pergerakan penumpang kapal ferry dipelabuhan ujung Surabaya-Kamal. Zona dibagi menjadi dua antara lain, zona skala kecil yakni sebaranpergerakan antara Kabupaten Bangkalan dan Kota Surabaya, serta zona skala besar yang mencakupwilayah Jawa Timur yang telah dibagi berdasarkan karakteristiknya. Penelitian diawali denganmengidentifikasi pola pergerakan asal tujuan eksisting penumpang sehingga didapatkan MAT saat ini.Dari data-data pergerakan tersebut dapat dibuat model sebaran pergerakan dengan analisa sintesis (ModelGravity) tanpa batasan (Unconstrained).Hasil penelitian model trip distribusi yang menggambarkan pola pergerakan yang terjadi untukpenumpang kapal penyeberangan Ujung-Kamal adalah berdasarkan jumlah sample yakni zonaBangkalan-Surabaya Tij= 5,1 x 10-08.Pi.Ej.Exp(-0.21.Cij), dan zona Jawa Timur Tij= 2,3x10-

09.Pi.Ej.Exp(-0.08.Cij). Sedangkan berdasarkan alasan responden lebih dekat dan tidak punya kendaraanyakni zona Bangkalan-Surabaya Tij=2396,22.Pi.Ej.Exp(-1.3.Cij), dan zona Jawa Timur Tij= 1,2x10-

09.Pi.Ej.Exp(-0.08.Cij). Hasil yang diperoleh adalah lalu lintas harian rata-rata jumlah kapal per jamcukup menampung jumlah penumpang perjam tanpa perlu penambahan.

Kata Kunci: Gravity Model, Matriks Asal Tujuan, Pelabuhan Ujung Surabaya–Kamal, Unconstrained

KodeBidang

Judul Makalah Instansi/Institusi Penulis 1 Penulis 2 Penulis 3

3

Studi Pemodelan Trip DistributionPenumpang Penyeberangan Kapal FerryDi Pelabuhan Ujung Surabaya – Kamal

Setelah Beroperasinya Jembatan Suramadu

InstitutTeknologiSepuluh

Nopember

R. EndroWibisono

WahjuHerijanto

HeraWidyastuti

1. PENDAHULUANSebagai kota metropolitan, Surabaya menjadi pusat kegiatan perekonomian di daerahJawa Timur dan sekitarnya. Sebagian besar penduduknya bergerak dalam bidang jasa,industri, dan perdagangan. Surabaya juga merupakan pusat transportasi-transportasidarat di bagian timur Pulau Jawa, yakni pertemuan dari sejumlah jalan raya yangmenghubungkan Surabaya dengan kota-kota lainnya. Jalan tol termasuk ruas Surabaya-Gresik, Surabaya-Waru-Gempol, dan Waru-Bandara Juanda. Untuk menghubungkanSurabaya dengan pulau Madura, terdapat Jembatan Suramadu yang merupakanjembatan terpanjang di Indonesia, dan juga bisa melalui pelabuhan ujung Surabaya-Kamal.Melalui dua akses ini terjadi kegiatan perpindahan orang dan barang atau yang disebutdengan transportasi. Masyarakat Madura yang tingkat perekonomian dan industrinyamasih dibawah Surabaya menimbulkan kegiatan urbanisasi dari kota kecil menuju kotabesar. Transportasi penyeberangan kapal laut yang menghubungkan pulau Maduradengan Kota Surabaya menggunakan jasa pelabuhan yang melayani penumpang diujung Surabaya-Kamal berada di bawah naungan PT. ASDP (Angkutan Sungai Danaudan Penyeberangan). Sedangkan jalur melalui Jembatan Suramadu baru diresmikanpada tanggal 10 Juni 2009.Pasca beroperasinya Jembatan Suramadu, kapal ferry di pelabuhan ujung Surabaya-Kamal tetap mengalami kepadatan penumpang dari Jawa ke Madura ataupunsebaliknya, padahal aktifitas dermaga penumpang yang semula berjumlah 3 dikurangimenjadi 2 bahkan kadang hanya beroperasi 1 dermaga saja. Hal ini menyebabkan seringterjadinya antrian panjang saat interval kedatangan dan keberangkatan kapal ferry.Sampai saat ini belum diketahui penyebab penumpang masih banyak memilihmenggunakan kapal ferry.Dari Gambaran di atas maka perlu dilakukan penelitian :1. Bagaimana membuat suatu matriks asal tujuan (MAT) eksisting penumpang kapal

ferry di pelabuhan Ujung-Kamal.2. Bagaimana membuat suatu matriks asal tujuan (MAT) model untuk tahun

mendatang penumpang kapal ferry di pelabuhan Ujung-Kamal.

2. KAJIAN PUSTAKASalah satu model yang paling sering digunakan dalam estimasi sebaran pergerakanadalah model gravity. Model ini menggunakan konsep gravity yang dikembangkan darianalogi hukum gravitasi.Rumus Unconstrained GravityTij = K.Ei.Ej.f(Cid)………………………………………………………………………(1)

Hambatan perjalanan atau zona diekspresikan dengan jarak (selain waktu tempuh ataubiaya ongkos) yang biasa digunakan dalam perencanaan sistem transportasi. Sebaranjarak perjalanan sebaiknya diketahui untuk dapat memperkirakan jenis fungsi hambatanyang paling cocok untuk digunakan.

a. Fungsi Pangkat atau PowerNilai fungsi hambatan pangkat didapatkan dari besarnya jarak perjalanan (Cid)dipangkatkan nilai negatif parameter fungsi hambatan (α). Secara empiris fungsipangkat adalah sebagai berikut:

F(Cid) = ……………………………………………………………………………(2)

b. Fungsi Pangkat EksponensialNilai fungsi hambatan eksponensial didapatkan dari bilangan natural “e”(2,71828182845905) yang dipangkatkan nilai negatif dari perkalian antaraparameter fungsi hambatan beta (β) dengan jarak perjalanan (Cid). Secara empirisfungsi eksponensial adalah sebagai berikut:

F(Cid) = ...............................................................................................................(3)

3. METODE PENELITIANSurvey dilakukan di pelabuhan Ujung-Kamal. Untuk penelitian ini terdapat dua zona,yakni zona Bangkalan-Surabaya dan zona Jawa Timur. pembagian zona Bangkalan-Surabaya disesuaikan dengan lingkup wilayah Kabupaten Bangkalan di dasarkankecamatan-kecamatan, sedangakan di sisi Surabaya berdasarkan Surabaya (Utara,Selatan, Pusat, Timur, dan Barat) yang akan diteliti. Untuk zona dalam lingkup JawaTimur pola pergerakannya adalah dalam Kabupaten/Kota Propinsi Jawa Timurberdasarkan karakteristik yang sama.

Tabel 1: Pembagian Zona PenelitianNo Zona Bangkalan-Surabaya Zona Jawa Timur1 Kec. Kamal Kab. Sumenep2 Kec. Socah Kab. Pamekasan3 Kec. Bangkalan Kab. Sampang4 Kec. Burneh Kab. Bangkalan5 Kec. Labang Kota Surabaya6 Kec. Tragah Kab. Situbondo, Bondowoso, Banyuwangi Jember7 Kec. Tanah merah, Kwanyar,

Galis, ModungKab. & Kota Pasuruan, Kab. & Kota Probolinggo,Kab. Lumajang

8 Kec. Blega, Konang, Kokop,Geger

Kab. Gresik, Sidoarjo, Mojokerto, Jombang, KotaMojokerto

9 Kec. Arosbaya, Klampis,Sepuluh, Tanjung bumi.

Kab. & Kota Malang, Kab. & Kota Kediri, KotaBatu

10 Surabaya Utara Kab. Nganjuk, Magetan, Ngawi, Tulungagung,Trenggalek, Ponorogo, Pacitan, Kab. & KotaMadiun, Kab. & Kota Blitar

11 Surabaya Selatan Kab. Bojonegoro, Lamongan, Tuban12 Surabaya Pusat13 Surabaya Timur14 Surabaya Barat

Ukuran sampel yang diketahui akan diambil mengacu rumus Taro Yamanedikutip oleh Mawardi (2011), sebagai berikut:

.............................................................................................................(4)

Dengan: n = Ukuran SampelN = Ukuran Populasi(Jumlah Penumpang tahun 2012 adalah 12805)D2 = Presisi yang ditetapkan adalah 5%

jadi = 388 Responden

Gambar 1 Bagan Alur Penelitian

4. HASIL DAN PEMBAHASAN

A. MAT Expanded Berdasarkan Jumlah Sample

Setelah sebaran penumpang dibentuk dalam matrik asal tujuan (MAT), maka perlurekapitulasi sample penumpang dalam satu tahun yang diambil dari hasil perkalian

STUDI LITERATUR- Pengumpulan literatur- Hasil penelitian terdahulu- Info awal dari daerah penelitian

PEMBAGIAN ZONA dibagi menjadi- 14 Zona Skala Kecil- 11 Zona Skala Besar

PENGUMPULAN DATA- Data jumlah penduduk tiap zona- Data PDRB tiap zona- Data jarak antar pusat zona- Data waktu perjalanan- Data jumlah penumpang antar zona

ANALISA PEMODELAN- Gravity model dengan perumusan UCGR

MATRIKS ASAL TUJUAN- MAT Eksisting- Matrik jarak antar zona- Matrik waktu perjalanan

ANALISA MODEL DISTRIBUSI MASADATANG

MAT dengan jumlah frekuensi pengguna kapal di pelabuhan Ujung-Kamal. Dalam halini semua frekuensi dijadikan per tahun.Contoh hasilnya dapat dilihat dalam tabel 2 dan3 berikut ini:

Tabel 2: Contoh MAT Expanded Pelabuhan Ujung-Kamal Zona Bangkalan-Surabaya

ZONATUJUAN

1 2 3 4 5 6 7 8 9 10 11 12 13 14ASAL

1 5586 4682 3744 3813 33372 48 525 104 469 3153 424 244 85 517 52

Tabel 3: Contoh MAT Expanded Pelabuhan Ujung-Kamal Zona Jawa Timur

ZONATUJUAN

I II III IV V VI VII VIII IX X XIASAL

I 469 0 24 0 12 0 0II 237 0 4 0 365 1 3III 764 4 0 48 15 0 0

B. MAT Expanded Berdasarkan Alasan Responden Lebih Dekat dan TidakPunya Kendaraan

Setelah sebaran alasan sesuai responden dibentuk dalam matrik asal tujuan (MAT),maka perlu rekapitulasi responden penumpang dalam satu tahun yang diambil dari hasilperkalian MAT dengan jumlah frekuensi pengguna kapal di pelabuhan Ujung-Kamal.Dalam hal ini semua frekuensi dijadikan per tahun. Hasilnya dapat dilihat dalam tabel 4dan 5 berikut ini:

Tabel 4: Contoh MAT Expanded Dengan Alasan Lebih Dekat dan Tidak Punya Kendaraan(Bangkalan-Surabaya)

ZONATUJUAN

1 2 3 4 5 6 7 8 9 10 11 12 13 14ASAL

1 4118 2550 1624 2045 22142 12 501 104 469 33 12 104 18 48 52

Tabel 5: Contoh MAT Expanded Dengan Alasan Lebih Dekat dan Tidak PunyaKendaraan (Jawa Timur)

ZONATUJUAN

I II III IV V VI VII VIII IX X XIASAL

I 0 0 0 0 0 0 0II 72 0 0 0 365 0 3III 220 0 0 0 12 0 0

.

C. Pemodelan Zona Bangkalan-Surabaya Berdasarkan Jumlah Sample

1) Model Gravity Fungsi Eksponensial Untuk Zona Bangkalan-SurabayaBerdasarkan Luas Pasar

Tabel 6 Perbandingan Gravity Eksponensial Faktor R2 Parameter Jarak, Waktu,Biaya Zona Bangkalan-Surabaya Jumlah Sample (Luas Pasar)

Parameter Jarak Parameter Waktu Parameter BiayaBeta (β) R2 Beta (β) R2 Beta (β) R2

1 0.3737 1 -0.053 0.0000005 -0.063

2) Model Gravity Fungsi Eksponensial Untuk Zona Bangkalan-SurabayaBerdasarkan PDRB Asumsi

Tabel 7 Perbandingan Gravity Eksponensial Kalibrasi Faktor R2 ParameterJarak, Waktu, Biaya Zona Bangkalan-Surabaya Jumlah Sample (PDRB)

Parameter Jarak Parameter Waktu Parameter BiayaBeta (β) R2 Beta (β) R2 Beta (β) R2

0.21 0.4349 0.7 -0.073 0.0000005 -0.084

3) Model Gravity Fungsi Power Untuk Zona Bangkalan-Surabaya BerdasarkanLuas Pasar

Tabel 8 Perbandingan Gravity Power Faktor R2 Parameter Jarak, Waktu, BiayaZona Bangkalan-Surabaya Jumlah Sample (Luas Pasar)

Parameter Jarak Parameter Waktu Parameter BiayaAlpha(α) R2 Alpha(α) R2 Alpha(α) R2

12 0.3763 1.1 -0.054 0.01 -0.063

4) Model Gravity Fungsi Power Untuk Zona Bangkalan-Surabaya Berdasarkan

PDRB Asumsi

Tabel 9 Perbandingan Gravity Power Faktor R2 Terhadap Parameter Jarak,Waktu, Biaya Zona Bangkalan-Surabaya Jumlah Sample (Luas Pasar)

Parameter Jarak Parameter Waktu Parameter BiayaAlpha(α) R2 Alpha(α) R2 Alpha(α) R2

3.8 0.40936 1 -0.075 0.01 -0.089

D. Pemodelan Zona Jawa Timur Berdasarkan Jumlah Sample

1) Model Gravity Fungsi Eksponensial Untuk Zona Jawa Timur

Tabel 10 Perbandingan Gravity Eksponensial Faktor R2 Parameter Jarak, Waktu,Biaya Zona Jawa Timur Jumlah Sample

Parameter Jarak Parameter Waktu Parameter BiayaBeta (β) R2 Beta (β) R2 Beta (β) R2

0.08 0.7548 2.2 0.7037 0.003 0.6406

2) Model Gravity Fungsi Power Untuk Zona Jawa Timur

Tabel 11 Perbandingan Gravity Fungsi Power Faktor R2 Parameter Jarak, Waktu,Biaya Zona Jawa Timur Jumlah Sample

Parameter Jarak Parameter Waktu Parameter BiayaAlpha(α) R2 Alpha(α) R2 Alpha(α) R2

3 0.7548 5 0.6974 34 0.6287

E. Pemodelan Zona Bangkalan-Surabaya Berdasarkan Alasan Responden LebihDekat dan Tidak Punya Kendaraan

1) Model Gravity Fungsi Eksponensial Untuk Zona Bangkalan-SurabayaBerdasarkan Luas Pasar

Tabel 12 Perbandingan Gravity Eksponensial Faktor R2 Parameter Jarak,Waktu, Biaya Zona Bangkalan-Surabaya Alasan Lebih Dekat danTidak Punya Kendaraan (Luas Pasar)

Parameter Jarak Parameter Waktu Parameter BiayaBeta (β) R2 Beta (β) R2 Beta (β) R2

1.3 0.4398 1.1 -0.0418 0.00000005 -0.051

2) Model Gravity Fungsi Eksponensial Untuk Zona Bangkalan-SurabayaBerdasarkan PDRB Asumsi

Tabel 13 Perbandingan Gravity Eksponensial Faktor R2 Parameter Jarak, Waktu,Biaya Zona Bangkalan-Surabaya Alasan Lebih Dekat dan Tidak PunyaKendaraan (PDRB)

Parameter Jarak Parameter Waktu Parameter BiayaBeta (β) R2 Beta (β) R2 Beta (β) R2

0.26 0.400 0.8 -0.05 0.000005 -0.06

3) Model Gravity Fungsi Power Untuk Zona Bangkalan-Surabaya BerdasarkanLuas Pasar

Tabel 14 Perbandingan Gravity Power Faktor R2 Parameter Jarak, Waktu, BiayaZona Bangkalan-Surabaya Alasan Lebih Dekat dan Tidak PunyaKendaraan (Luas Pasar)

Parameter Jarak Parameter Waktu Parameter BiayaAlpha(α) R2 Alpha(α) R2 Alpha(α) R2

20 0.4219 1 -0.047 0.1 -0.051

4) Model Gravity Fungsi Power Untuk Zona Bangkalan-Surabaya BerdasarkanPDRB Asumsi

Tabel 15 Perbandingan Gravity Power Faktor R2 Parameter Jarak, Waktu, BiayaZona Bangkalan-Surabaya Alasan Lebih Dekat dan Tidak PunyaKendaraan (PDRB)

Parameter Jarak Parameter Waktu Parameter BiayaAlpha(α) R2 Alpha(α) R2 Alpha(α) R2

4.2 0.3967 0.9 -0.053 0.1 -0.06

F. Pemodelan Zona Jawa Timur Berdasarkan Alasan Responden Lebih dekatdan Tidak Punya Kendaraan

1) Model Gravity Fungsi Eksponensial Untuk Zona Jawa Timur

Tabel 16 Perbandingan Gravity Eksponensial Faktor R2 Parameter Jarak, Waktu,Biaya Zona Jawa Timur Alasan Lebih Dekat dan Tidak PunyaKendaraan

Parameter Jarak Parameter Waktu Parameter BiayaBeta (β) R2 Beta (β) R2 Beta (β) R2

0.08 0.6799 2.1 0.6275 0.002 0.5606

2) Model Gravity Fungsi Power Untuk Zona Jawa Timur

Tabel 17 Perbandingan Gravity Power Faktor R2 Parameter Jarak, Waktu, BiayaZona Jawa Timur Alasan Lebih Dekat dan Tidak Punya Kendaraan

Parameter Jarak Parameter Waktu Parameter BiayaAlpha(α) R2 Alpha(α) R2 Alpha(α) R2

3.1 0.6796 4.4 0.6211 22 0.5564

G. Sum Square of ErrorDari hasil kalibrasi faktor R2 terhadap parameter hambatan, maka terpilih parameteryang digunakan adalah jarak. Maka untuk menentukan model distribusi sebelumnyadilakukan terlebih dahulu perhitungan Sum Square of Error (SSE) pada dua fungsihambatan eksponensial dan power. Nilai SSE yang paling kecil akan diambil sebagaimodel. Hasilnya dapat dilihat pada tabel 18 sampai 21

1) Berdasarkan Jumlah Sample

Tabel 18 Perbandingan Nilai SSE Tiap Zona Berdasarkan Jumlah Sample (LuasPasar)Eksponensial Power

Bangkalan-Surabaya Jawa Timur Bangkalan-Surabaya Jawa Timur82,262,412 - 82,611,581 -

Tabel 19 Perbandingan Nilai SSE Tiap Zona Berdasarkan Jumlah Sample (PDRB)Eksponensial Power

Bangkalan-Surabaya Jawa Timur Bangkalan-Surabaya Jawa Timur74,533,179.5 326,937,973 77,912,198.6 327,191,016

2) Berdasarkan Alasan Responden Lebih Dekat dan Tidak Punya Kendaraan

Tabel 20 Perbandingan Nilai SSE Tiap Zona Berdasarkan Alasan Lebih Dekatdan Tidak Punya Kendaraan (Luas Pasar)

Eksponensial PowerBangkalan-Surabaya Jawa Timur Bangkalan-Surabaya Jawa Timur

33,549,413.9 64,057,172

Tabel 21 Perbandingan Nilai SSE Tiap Zona Berdasarkan Alasan Lebih Dekatdan Tidak Punya Kendaraan (PDRB)

Eksponensial PowerBangkalan-Surabaya Jawa Timur Bangkalan-Surabaya Jawa Timur

35,910,824.2 132,323,549.3 36,134,807 132,366,557

Kesimpulan yang diperoleh adalah bahwa eksponensial memiliki nilai SSE terkecil danterpilih menjadi model.

H. MAT MODEL

1) Berdasarkan Jumlah SampleTabel 22: MAT Model Zona Bangkalan-Surabaya

ZONATUJUAN

1 2 3 4 5 6 7 8 9 10 11 12 13 14

ASAL

1 0 0 0 0 0 0 0 0 0 5541 1122 2538 2062 17622 0 0 0 0 0 0 0 0 0 1564 330 716 607 5523 0 0 0 0 0 0 0 0 0 791 141 347 313 2514 0 0 0 0 0 0 0 0 0 439 89 214 215 1165 0 0 0 0 0 0 0 0 0 2995 646 1589 1560 6666 0 0 0 0 0 0 0 0 0 538 132 298 332 1257 0 0 0 0 0 0 0 0 0 1112 479 728 1208 2288 0 0 0 0 0 0 0 0 0 52 23 33 57 119 0 0 0 0 0 0 0 0 0 27 7 14 18 610 679 192 97 54 367 66 136 186 3 0 0 0 0 011 137 40 17 11 79 16 59 82 1 0 0 0 0 012 311 88 43 26 195 36 89 119 2 0 0 0 0 013 253 74 38 26 191 41 148 206 2 0 0 0 0 014 216 68 31 14 82 15 28 39 1 0 0 0 0 0

Tabel 23: MAT Model Zona Jawa Timur

ZONATUJUAN

I II III IV V VI VII VIII IX X XI

ASAL

I 0 0 0 0 10 0 0 0 0 0 0II 0 0 0 0 289 0 0 0 0 0 0III 0 0 0 0 2092 0 0 8 0 0 0IV 0 0 0 0 31759 0 31 2075 18 3 178V 2 27 238 3891 0 0 0 0 0 0 0VI 0 0 0 0 0 0 0 0 0 0 0VII 0 0 0 19 0 0 0 0 0 0 0VIII 0 0 2 708 0 0 0 0 0 0 0IX 0 0 0 6 0 0 0 0 0 0 0X 0 0 0 2 0 0 0 0 0 0 0XI 0 0 0 100 0 0 0 0 0 0 0

2) Berdasarkan Alasan Responden Lebih Dekat dan tidak Punya Kendaraan

Tabel 24: MAT Model Zona Bangkalan-Surabaya

ZONATUJUAN

1 2 3 4 5 6 7 8 9 10 11 12 13 14

ASAL

1 0 0 0 0 0 0 0 0 0 3756 414 1588 924 8792 0 0 0 0 0 0 0 0 0 684 80 289 178 1843 0 0 0 0 0 0 0 0 0 255 24 102 68 604 0 0 0 0 0 0 0 0 0 131 14 60 46 245 0 0 0 0 0 0 0 0 0 2111 253 1086 813 3076 0 0 0 0 0 0 0 0 0 211 30 115 102 337 0 0 0 0 0 0 0 0 0 290 88 198 298 388 0 0 0 0 0 0 0 0 0 5 1 3 5 19 0 0 0 0 0 0 0 0 0 2 0 1 1 010 430 78 29 15 240 24 33 1 0 0 0 0 0 011 47 9 3 2 29 3 10 0 0 0 0 0 0 012 182 33 12 7 124 13 22 0 0 0 0 0 0 013 106 20 8 5 92 11 34 1 0 0 0 0 0 014 101 21 7 3 35 4 4 0 0 0 0 0 0 0

Tabel 25: MAT Model Zona Jawa Timur

ZONATUJUAN

I II III IV V VI VII VIII IX X XI

ASAL

I 0 0 0 0 5 0 0 0 0 0 0II 0 0 0 0 154 0 0 0 0 0 0III 0 0 0 0 1111 0 0 5 0 0 0IV 0 0 0 0 16856 0 17 1102 10 0 95V 1 14 126 2065 0 0 0 0 0 0 0VI 0 0 0 0 0 0 0 0 0 0 0VII 0 0 0 10 0 0 0 0 0 0 0VIII 0 0 1 376 0 0 0 0 0 0 0IX 0 0 0 3 0 0 0 0 0 0 0X 0 0 0 1 0 0 0 0 0 0 0XI 0 0 0 54 0 0 0 0 0 0 0

I. Pemodelan MAT 5 Tahun Mendatang

Distribusi pergerakan penumpang kapal ferry di pelabuhan ujung Surabaya-

Kamal antar zona pada 5 tahun mendatang menggunakan rumusan pemodelan diatas.

Yakni dengan memasukkan jumlah parameter ekonomi atau Populasi hasil peramalan

untuk tahun yang akan datang (5 tahun) kedalam pemodelan terbaik yang terpilih. P

adalah parameter populasi penduduk zona asal dan E adalah parameter ekonomi zona

tujuan. maka diperoleh MAT 5 tahun mendatang yakni di tahun 2019 pada tabel 10

berikut:

Tabel 10: MAT Model Zona Bangkalan-Surabaya Tahun 2019

ZONATUJUAN

1 2 3 4 5 6 7 8 9 10 11 12 13 14

ASAL

1 0 0 0 0 0 0 0 0 0 7773 1474 2943 2809 26672 0 0 0 0 0 0 0 0 0 2010 398 761 757 7663 0 0 0 0 0 0 0 0 0 1306 218 474 503 4484 0 0 0 0 0 0 0 0 0 595 113 240 283 1695 0 0 0 0 0 0 0 0 0 3770 762 1654 1906 9056 0 0 0 0 0 0 0 0 0 760 174 348 455 1907 0 0 0 0 0 0 0 0 0 1469 593 795 1549 3248 0 0 0 0 0 0 0 0 0 72 30 38 77 169 0 0 0 0 0 0 0 0 0 36 9 16 22 910 1148 297 193 88 557 112 161 8 4 0 0 0 0 011 218 59 32 17 112 26 65 3 1 0 0 0 0 012 435 112 70 35 244 51 87 4 2 0 0 0 0 013 415 112 74 42 282 67 170 8 2 0 0 0 0 014 394 113 66 25 134 28 36 2 1 0 0 0 0 0

TOTAL PERGERAKAN 48.799

J. Analisa Kebutuhan Penyeberangan Ujung-Kamal 5 Tahun Mendatang (2019)

Perhitungan yang diperlihatkan pada tabel 10 adalah total pergerakan yang

terjadi pada tahun 2019 yakni sebanyak 48.799 penumpang per tahun. Perlu diingat

bahwa jumlah 48.799 tersebut adalah berdasarkan sample 388 responden. Atau hanya

3% dari jumlah penumpang sebenarnya yakni 12805 penumpang perhari. Sehingga

pembebanannya adalah dengan cara:

x Jumlah MAT tahun 2019

x 48.799

A = 1.626.633 penumpang per tahun

Dimana A adalah jumlah penumpang tahun 2019

Kemudian untuk menentukan kebutuhan supplay di pelabuhan Ujung-Kamal

dapat dihitung dengan cara sebagai berikut:

x = 4.457 penumpang per hari

Dimana x adalah jumlah penumpang pada tahun 2019 tiap harinya.

Dari perhitungan diatas selanjutnya diperoleh data-data operasional pelabuhan

Ujung-Kamal sebagai berikut:

a. Penumpang perhari di tahun 2019 = 4.457 penumpang

b. Kapasitas kapal rata-rata per trip (data ASDP) = 249 trip

c. Lama operasional = 15 jam

d. Trip kapal per bulan = 1225 trip

e. Trip kapal per hari = 1225/30 = 41 trip

f. Trip kapal per jam = 47/15 = 3 trip

Jadi didapatkan perhitungan kebutuhan supplay kapal tiap jam adalah sebagai

berikut:

a. Penumpang per jam = 4.457/15 = 297 penumpang

b. Kapasitas kapal per jam = 249 x 3 = 747 penumpang

Hasil dari perhitungan diatas menjelaskan bahwa lalu lintas harian rata-rata

(LHR) jumlah kapal per jam cukup menampung jumlah penumpang perjam tanpa perlu

penambahan.

5. KESIMPULANModel trip distribusi yang menggambarkan pola pergerakan yang terjadi untukpenumpang kapal penyeberangan Ujung-Kamal adalah dengan menggunakan fungsihambatan Eksponensial parameter Penduduk dan Pendapatan Domestik Regional Bruto(PDRB).

1) Berdasarkan Jumlah Sample

Zona Bangkalan-SurabayaTij= 5,1 x 10-08.Pi.Ej.Exp(-0.21.Cij)

Zona Jawa TimurTij= 2,3x10-09.Pi.Ej.Exp(-0.08.Cij)

2) Berdasarkan Alasan Lebih Dekat dan Tidak Punya Kendaraan

Zona Bangkalan-SurabayaTij=2396,22.Pi.Ej.Exp(-1.3.Cij)

Zona Jawa TimurTij= 1,2x10-09.Pi.Ej.Exp(-0.08.Cij)

Adanya hasil model terbaik yang terpilih maka selanjutnya adalah memasukkan jumlahPDRB atau Populasi hasil peramalan untuk tahun yang akan datang kedalam pemodelanterbaik yang terpilih. P adalah parameter populasi penduduk dan E adalah parameterekonomi (Pendapatan Domestik Regional Bruto) zona asal dan tujuan. Hasil yangdiperoleh adalah lalu lintas harian rata-rata jumlah kapal per jam cukup menampungjumlah penumpang perjam tanpa perlu penambahan.

6. DAFTAR PUSTAKA

1. Miro, Fidel. (2005). Perencanaan Transportasi. Jakarta: PT Glora Aksara Pratama

2. Morlok, Edward. (1988). Pengantar Teknik dan Perencanaan Transportasi.Jakarta: Erlangga

3. Nasution, H.M.N. (1996). Manajemen Transportasi, Jakarta: Ghalia Indonesia

4. Tim. (2008) Penyusunan Rencana Jangka Panjang Departemen Perhubungan 2005-2025. Jakarta.

5. Salim, Abbas. (1993). Manajemen Transportasi. Jakarta: PT RajaGrafindo Persada

6. Sugiyono.(2010). Metode Penelitian Kuantitatif Kualitatif. Bandung: Alfabeta

7. Tamin, Ofyar. (2000). Perencanaan dan Pemodelan Transportasi. Bandung: ITB

8. Warpani, S. (1990).Merencanakan Sistem Pengangkutan. Bandung: Penerbit ITB

9. Wicaksono, Anugrah. (2011). Pemodelan Sebaran Pergerakan PenumpangAngkutan Kereta Api di Kota Surabaya. Studi Kasus: Stasiun KA Surabaya Gubengdan Pasar Turi. Tesis Magister., Institut Teknologi Sepuluh Nopember, Surabaya.

10. Zainuddin M., (1999). Metodologi Penelitian. Surabaya: Airlangga UniversityPress