Anda di halaman 1dari 49

Sekolah Tinggi Transportasi Darat Bekasi

TEKNIK ANALISIS PERENCANAAN TRANSPORTASI

MATA KULIAH

(TAHAPAN AWAL PERENCANAAN TRANSPORTASI)


Dosen : PUTU SUMARJAYA, M.Sc Kegiatan : perkuliahan, tutorial, survei data, pembuatan laporan, responsi, ujian.

TRIP GENERATION ANALYSIS

PROLOQUE Pendahuluan
Sistem dan Teknik Transportasi :
Sistem Transportasi traffic flow (signalised and unsignalised intersections, links, roundabout, etc), modelling transport (traffic network, land-use, chain trips, etc), traffic engineering (accidents,etc), traffic management, etc Teknik Transportasi pavement, materials, roadway Manajemen Transportasi regulasi, evaluasi proyek/feasibility

Software Komputer di bidang Sistem Transportasi


Signalised Intersection : KAJI97, Oscady (UK), SIDRA (Aus) Unsignalised Int : Kaji97, Picady ( UK) Roundabouts : Arcady (UK), SIDRA (Aus) Coordination Int : Transyt (UK), SIDRA (Aus) Modelling : EMME2 (Can), TFTP (Dutch), Contram (UK), JICA Strada (Japan), SATURN, Tranplan,etc

softwares

Pemodelan
Model : representasi sederhana dalam suatu bagian realitas, yang dikonsentrasikan pada elemen-elemen tertentu yang penting (Ortuzar & Willumsen, 1994) penyederhanaan dari suatu sistem dalam realita untuk tujuan tertentu Model : fisik dan abstrak

Transport Modelling
Mengetahui karakteristik perjalanan dalam jaringan transportasi Mengetahui distribusi perjalanan Mengetahui moda perjalanan Analisis forecasting (peramalan lalulintas) Evaluasi berbagai alternatif

Transport Modelling
Four Steps Models Concept
Jaringan Zona Data Tahun Dasar Data Masa Depan

Data Base Tahun dasar/Masa depan

Trip Generation

Trip Distribution
iterasi Modal Split Traffic Assignment

Evaluasi output

Rangkaian Kegiatan Pemodelan Permintaan Transportasi Bangkitan Perjalanan

Distribusi Perjalanan

Pemilihan Moda Transportasi

Pembebanan Perjalanan

TRIP GENERATION Bangkitan Perjalanan Tujuan : memperkirakan jumlah n 3 perjalanan yang akan mulai atau berakhir pada masing-masing i zona wilayah dalam suatu daerah 1 untuk suatu hari pada suatu target tahun tertentu 2 n 3 Hanya menghitung yang keluar/masuk saja i Tidak perlu tahu asal/tujuan 1 Bentuk umum :

Tij
j 1

Tij
i 1

TRIP GENERATION Bangkitan Perjalanan

Faktor yang mempengaruhi :


Land use Karakteristik rumah tangga (household size, vehicle ownership, household income, working unit) Kapasitas sistem transportasi

Model-model TRIP GENERATION

Growth Factor Method Multiple Linear Regression Cross Classification

Model-model Trip Generation


Growth Factor Method : jumlah perjalanan di masa datang merupakan perkalian jumlah perjalanan saat ini dengan estimasi tingkat pertumbuhannya. Bentuk umum :

i = zona, Ti = trip masa datang, ti = trip sekarang, F = faktor pertumbuhan, P = populasi, I = income, C = car ownership, d = masa datang, c = masa sekarang.

Ti Fi * ti
d d

f ( Pi , Ii , Ci ) Fi f ( Pi c , Ii c , Ci c )

Model Regresi Linear Berganda : dengan asumsi bahwa jumlah perjalanan dianggap merupakan fungsi dari faktor- faktor penyebab. Contoh persamaan : Y a0 b1 x1 b2 x2 b3 x3

Dengan :Y =jumlah perjalanan orang yang dibangkitkan dari suatu zona per hari, x1=pendapatan keluarga rata-rata, x2=pemilikan kendaraan rata-rata dalam keluarga, x3=jumlah anggota keluarga rata-rata, a0=konstanta. b1, b2, b3 = Koofisien

Model Cross Classification atau Category Analysis ; dengan cara membagi suatu zona dalam beberapa kategori sesuai sifat-sifat zona tersebut. Misalnya jumlah perjalanan rata-rata per hari akan berbeda sesuai dengan pendapatan per keluarga atau jumlah kendaraan bermotor yang dimiliki. Contoh persamaan :

Pi hi(c) tp(c)
Dengan : Pi = jumlah perjalanan yang dibangkitkan dari zona i, hi(c) = jumlah keluarga di zona i untuk kategori c, tp(c) = tingkat bangkitan perjalanan untuk kegiatan c.

PENGUMPULAN DATA DASAR Home Interview Survey Peta administratif, peta jaringan jalan, peta land-use Zoning (batas kordon, jaringan jalan, dsb) Metode wawancara dengan penentuan sampling statistik (distribusi geografis, teknik sampling) Seluruh zona di dalam wilayah studi harus mempunyai ukuran sampel yang sama

SAMPEL
Alasan memakai sampel: Tidak mampu mengumpulkan informasi untuk seluruh populasi -> kendala waktu, biaya, tenaga, dll Data menyebar, peristiwa jarang terjadi -> tidak mungkin mengumpulkan data seluruh populasi .

BESARAN SAMPEL
No 1 2 3 4 5 6 Jlh Pddk < 50.000 50.000 150.000 150.000 300.000 300.000 500.000 500.000 1 juta > 1 juta Besar Sampel (Yg dianjurkan) 1 dalam 5 1 dalam 8 1 dalam 10 1 dalam 15 1 dalam 20 1 dalam 25 Besar Sampel (Minimum) 1 dalam 10 1 dalam 20 1 dalam 35 1 dalam 50 1 dalam 70 1 dalam 100

Sumber: Transport Planning, 1991

Analisis Bangkitan Perjalanan TUJUAN INSTRUKSIONAL


Mampu melakukan prediksi variabel yang mempengaruhi bangkitan perjalanan Mampu melakukan analisis bangkitan perjalanan dengan metode analisis regresi Mampu melakukan taksiran perjalanan untuk masa yang akan datang

PENGOLAHAN DATA
Prediksi jlh perjalanan perlu diketahui terlebih dahulu kondisi variabelnya. Compounding Factor Pt = Po (1+i)^n Pt = jlh var pd thn prediksi Po = jlh var pd thn dasar i = tk. Pertumbuhan n = periode ramalan Penentuan i didasarkan pada data time series, shg ketersediaan data yang baik sangat diharapkan.

KORELASI
Asosiasi (hubungan fungsional) antara variabel 2 yang diamati 2 aspek : - hubungan ? - seberapa kuat ? Jenis korelasi (bivariate/product moment Pearson, Spearman dan Kendall, partial)

Nilai koefisien ini mempunyai nilai antara +1 0 1 r adalah simbol mewakili koefisien sampel Koefisien korelasi mempunyai dua ukuran Kekuatan (Nilai Mutlak) Arah (Tanda)

Gambar Sebaran dan Berbagai Nilai r


r2 = 1.00 r = 1.00 positif sempurna r2 = 1.00 r = - 1.00 negatif sempurna

r2 = .81 r = .9 kuat positif

r2 = .81 r = -.9

r2 = 0.0

r = 0.0

kuat negatif

tidak berkorelasi

Formula koefisien Korelasi (r)


r

X Y - ( X )( Y ) n X ( X ) n Y ( Y )
n
i i i 2 i 2 2 2 i i i

Syarat :

- Antar variabel bebas tidak boleh berkorelasi kuat


- Variabel bebas dan tidak bebas semakin baik apabila berkorelasi secara kuat

- Pilihlah variabel bebas yang berkorelasi paling tinggi dengan variabel tidak bebasnya

Latihan .
Jumlah Perjalanan (trip) 8 14 8 6 14 4 Jumlah keluarga (orang) 4 5 3 3 6 2 Jmlh kendaraan (unit) 1 1 1 1 2 1

a. Tentukan nilai korelasi antara Jml perjalanan vs Jml keluarga b. Tentukan nilai korelasi antara Jml perjalanan vs Jml kendaraan c. Tentukan nilai korelasi antara Jml keluarga vs Jml kendaraan

ANALISIS REGRESI
Terdapat 3 tujuan analisis regresi:
1. Untuk memodelkan hubungan antara variabel terikat Y dengan satu atau lebih variabel bebas X 2. Untuk mengukur ralat dalam menggunakan hubungan ini untuk membuat ramalan variabel terikat 3. Untuk mengukur kekuatan hubungan (mis. korelasi) antara variabel terikat dan variabel bebas Contoh penentuan variabel ??????????????

ILLUSTRASI

Garis Regresi

Past

Now

Future

Variabel Bebas dan Variabel Terikat Variabel bebas (independent variabel) Adalah : Variabel yang nilai-nilainya tidak bergantung pada variabel lainnya Variabel Terikat (dependent variabel) Adalah : Variabel yang nilai-nilainya tergantung pada variabel lainnya

Contoh Variabel Bebas (X) dan Variabel Terikat (Y)


Banyaknya jumlah perjalanan yang dilakukan sebuah keluarga tergantung pada : Jumlah anggota keluarga Pendapatan keluarga Jumlah kendaraan yang dimiliki
Jumlah perjalanan = Var. Terikat (Y) Jumlah anggota keluarga = Var. Bebas (X1) Pendapatan keluarga = Var. Bebas (X2) Jumlah kendaraan = Var. Bebas (X3)

Persamaan Regresi Linear Sederhana

Y = a + bX
Keterangan : Y = variabel terikat X = variabel bebas a = intersep / konstanta b = koefisien

Tahapan Uji Statistik Model Regressi Linier


1. Uji Kecukupan Data
2. Uji Korelasi Korelasi antara : Var bebas (X) dan Var. terikat (Y) Var terikat (X1) dan Var. terikat (X2) 3. Uji Linearitas Untuk mengetahui apakah model bangkitan dapat didekati dengan model regressi linier atau tidak

Persyaratan Uji Korelasi


1. Korelasi ( r ) antara variabel bebas (X) dengan variable terikat (Y) harus kuat 2. Korelasi antara variable bebas (X1) dengan varibel bebas yang lain (X2) harus lemah 3. Jika terdapat 2 atau lebih variabel bebas yang berkorelasi kuat dengan variabel bebas yang lain, maka salah satu dari variabel bebas tersebut harus dibuang, yaitu yang korelasinya dengan variabel terikat lebih lemah

Contoh :
Jumlah perjalanan (Y) dipengaruhi oleh jumlah penduduk (X1) dan jumlah kendaraan yang dimiliki (X2). Hasil korelasi dari beberapa varibel tersebut adalah sebagai berikut :
Y dgn X1 = 0,8 Y dgn X2 = 0,75 X1 dan X2 = 0,7 Maka persamaan regressinya adalah :

Y = a + bX1

Metode Regressi Linier


a. Metode Stepwise (langkah demi langkah) Metode ini untuk menentukan persamaan terbaik melalui suatu tahapan-tahapan tertentu b. Metode Enter Metode ini dengan memasukkan seluruh variable bebas ke dalam persamaan regressi

LEAST SQUARE METHOD Tujuan analisis regresi ialah untuk mendapatkan persamaan garis regresi yang terbaik di mana selisih kuadrat adalah yang terkecil Error adalah beda antara nilai sebesar (Y ) ) dan nilai model (Y

Least Square Estimation


100 80
Jualan ($)
Model lemah, galat besar Garis Model Lemah

60
= 47.67

Garis Model Terbaik

40 20 0 15

Y = Model
galat kecil Y = Sebenarnya

X = 31

20

25

30

35

40

45

50

Jumlah Iklan ($)

FoRmULa

Error minimum

e (Y - Y )
2 ^ i i i

nilai minimum

Garis regresi = Y = a + bX
a = Y - bX

- b n. ( X iY i) - (Xi ).(Yi ) n. ( X i ) - ( X i ) 2
2

LatihAN.
Jumlah Perjalanan (trip) 8 14 8 6 14 4 8 10 14 18 Jumlah keluarga (orang) 4 5 3 3 6 2 3 5 5 7

Tentukan persamaan regressinya!

Question 1 (Compounding Factor)


Taksir jumlah penduduk masing2 zona untuk 5 dan 10 thn mendatang, dgn asumsi bahwa pertumbuhan seragam disemua zona dengan laju pertumbuhan 3% pertahun
Zona
1 2 3 4 5 6

Jlh Pddk 2006


12000 1500 11000 7000 5000 4000

Taksiran Jlh Pddk 2011

Taksiran Jlh Pddk 2016

Answer 1
Zona Jlh Pddk 2006 Taksiran Jlh Pddk 2011 Taksiran Jlh Pddk 2016

1 2 3 4

12000 1500 11000 7000

13911 1739 12752 8115

16127 2016 14783 9407

5
6

5000
4000

5796
4637

6720
5376

Question 2 (Metode Growth Factor)


Jumlah perjalanan tahun 2008 yang dibangkitkan oleh 200 rumah tangga adalah sebesar 2000 perjalanan. Jika pada tahun 2013 jumlah rumah tangga meningkat menjadi 700 keluarga, berapakah jumlah perjalanan pada tahun 2013?

Answer 2
Ti = Fi x ti
Fi = 700 / 200 = 3,5 Ti = 3,5 x 2000 = 7000 perjalanan Jadi jumlah perjalanan pada tahun 2013 adalah 7000 perjalanan

Question 3 (Regressi Linier)


Dari data jlh penduduk dan jlh perjalanan pada setiap zona dalam daerah studi kota X pada tabel di bawah, tentukan persamaan regresi jika diasumsikan hubungan antara variabel bebas dan variabel terikatnya adalah linear.
Zona
1 2 3 4 5 6

Jumlah Penduduk (X)


12000 1500 11000 10000 8000 7000

Jlh Perjalanan (Y)


18750 2090 11600 8950 5700 4700

Answer 3
b Variables Entered/Remov ed

Model Summary Adjusted R Square ,659 Std. Error of the Estimate 3488,001

Model 1

Variables Entered PDDKa

Variables Removed ,

Method Enter

Model 1

a. All requested variables entered. b. Dependent Variable: PERJLNAN


ANOVAb Sum of Squares 1,29E+08 48664599 1,78E+08

R R Square ,853 a ,727

a. Predictors: (Constant), PDDK

Model 1 Regression Residual Total

df

Mean Square 1 129474484,3 4 12166149,77 5

F 10,642

Sig. ,031 a

Berdasarkan hasil analisis dengan SPSS versi 11 :


Y = -2441,125 + 1,342 X

a. Predictors: (Constant), PDDK b. Dependent Variable: PERJLNAN


Coefficientsa Unstandardized Coefficients B Std. Error -2441,125 3680,830 1,342 ,411 Standardized Coefficients Beta ,853

Model 1

(Constant) PDDK

t -,663 3,262

Sig. ,543 ,031

a. Dependent Variable: PERJLNAN

Question 3 (Bangkitan Perjalanan)

Dari prediksi jlh penduduk pada tugas 1 dan dgn menggunakan persamaan regresi pada tugas 2, lakukan prediksi jlh bangkitan perjalanan yg dibangkitkan untuk setiap zona untuk tahun 2006 dan tahun 2011 pada daerah studi kota X
Zona Jlh Pddk (X) 12000 1500 11000 7000 5000 4000 40500 Taksiran Jlh Pddk 2006 13911 1739 12752 8115 5796 4637 46951 Taksiran Jlh Bangkitan Prjln 2006 Taksiran Jlh Pddk 2011 16127 2016 14783 9407 6720 5376 54429 Taksiran Jlh Bangkitan Prjln 2011

1 2 3 4 5 6 Jlh

Metode Kategori Silang (Cross Classification)


Dikembangkan oleh The Puget Transportation Study th. 1964; Model ini didasarkan adanya keterkaitan antar terjadinya pergerakan dan atribut rumah tangga; Asumsi model ini adalah tingkat bangkitan perjalanan (trip rate) stabil; Membutuhkan banyak sekali data;

Kelebihan dan Kelemahan


Kelebihan
Pengelompokan data tidak tergantung sistem zona Tidak ada asumsi awal tentang bentuk hubungan Hubungan bisa berbedabeda

Kelemahan
Data yang diperlukan sangat banyak Tidak ada uji statistik

Struktur Kategori

Jumlah katagori : 1. Jml keluarga = 3 2. Jml kendaraan = 3 3. Jml penghasilan = 3

Jml Kendaraan

Jml Keluarga

Jumlah katagori : 3 x 3 x 3 = 27

Contoh Pembagian Katagori :


1. a. b. c. Jml keluarga : Kurang dari 3 orang 3 5 orang Lebih dari 5 orang
2. Jml kendaraan : a. Tidak punya b. 1 - 2 unit c. Lebih dari 2 unit

3. Jml Income : a. Kurang dari 500 rb b. 500 rb 2 jt c. Lebih dari 2 jt

Formulasi

P=T.H
Dimana : P = perkiraan jumlah perjalanan (trip) T = Tingkat bangkitan (trip rate) H = jumlah rumah tangga dengan katagori tertentu

Contoh Soal :
Diketahui bahwa 50 rumah tangga dengan katagori jumlah keluarga 4 orang, kendaraan 1 unit dan penghasilan di atas 2 juta menghasilkan 120 perjalanan/hari. Perkirakan bangkitan perjalanan 5 tahun mendatang, jika pertumbuhan rumah tangga dengan katagori tersebut adalah 3 %/tahun!

Terima Kasih Atas Perhatiannya

Thank you for your attention