Fadhilah Rusmiati - 25413020 Firdausi Nurul Awwal - 25413021 Sara Sorayya Ermuna - 25413056
(Ofyar, hal.
PENDAHULU AN
Dalam pemilihan moda ini akan diidentifikasi besarnya pergerakan antar zona yang menggunakan setiap moda transportasi tertentu. Oleh karena itu, masalah pemilihan moda dapat dikatakan sebagai tahap terpenting dalam berbagai perencanaan dan kebijakan transportasi. Hal ini menyangkut efisiensi pergerakan di daerah perkotaan, ruang yang harus disediakan kota untuk dijadikan prasarana transportasi, dan banyaknya pilihan moda transportasi yang dapat dipilih oleh penduduk.
TUJUAN
PEMILIHAN MODA
Model pemilihan moda bertujuan untuk mengetahui proporsi orang yang akan menggunakan setiap moda. Proses ini dilakukan dengan maksud untuk mengkalibrasi model pemilihan moda pada tahun dasar dengan mengetahui peubah bebas (atribut) yang mempengaruhi pemilihan moda tersebut. Setelah dilakukan proses kalibrasi, model dapat digunakan untuk meramalkan pemilihan moda dengan menggunakan nilai peubah bebas (atribut) untuk masa mendatang.
MODEL AGREGAT
Agregat
Estimasi berdasarkan tren dari data time series Kelemahan: Tidak sensitiv terhadap adanya perubahan kebijakan Estimasi berdasarkan biaya akomodasi Kelemahan: Tidak sensitiv terhadap adanya perubahan kebijakan
MODEL DISAGREGAT
Disagregat Asumsi: Dipengaruhi oleh: 1. karakter individu, seperti kepemilikan kendaraan, kepemilikan SIM 2. Kesempatan untuk melakukan perjalanan Mengindikasikan karakter zona asal, seperti biaya rata-rata moda yang digunakan, maupun waktu tunggu Aspek kebijakan tidak diakomodir
Model pemilihan moda dianggap: Model agregat jika menggunakan informasi berbasis zona
Model tidak agregat jika memakai data berbasis rumah tangga dan atau data individu
Pemilihan moda dilakukan pada saat menghitung bangkitan pergerakan Proses pemilihan moda terjadi sebelum proses pemilihan rute dilakukan Tahapan bangkitan pergerakan dan pemilihan rute ikut menentukan dalam pemilihan moda Proses Pemilihan moda terjadi setelah sebaran pergerakan dilakukan
Model Logit
Model Probit
Bentuk model ini adalah sebagai berikut (Fidel, Juga untuk dua moda alternatif, tetapi model ini 2005): menekankan untuk memilih moda 1, bukan moda 2 dan berusaha menghubungkan antara jumlah perjalanan dengan variabel bebas yang mempengaruhi, misalnya biaya (cost) dan variabel ini harus berdistribusi normal. Dimana Bentuknya adalah (Fidel, 2005): Probabilitas (%) peluang moda I untuk
dipilih
Nilai parameter atau nilai kepuasan menggunakan moda I dan moda j e Eksponensial Model logit biner ini hanya untuk pilihan 2 moda transportasi alternatif (moda i dan j).
Model Multinomial Logit Model ini merupakan model pemilihan diskret yang paling sering digunakan. Pilihan yang dihadapi pelaku perjalanan lebih dari 2 pilihan, yaitu 3 pilihan dan seterusnya. Bentuk model ini digambarkan melalui persamaan berikut (Fidel, 2005):
Dimana: P(i) = peluang moda I untuk dipilih Ui = nilai manfaat menggunakan moda i Ujn = sejumlah nilai manfaat moda-moda lain selain moda I (moda ji jn)
CONTOH SOAL
Kota Surabaya direncanakan untuk mengembangkan moda monorail sebagai salah satu cara untuk mereduksi kemacetan yang terjadi, mengingat Kota Surabaya merupakan ibu kota Propinsi Jawa Timur dengan berbagai faktor penarik berupa fasilitas pendidikan, kesehatan, dan lapangan kerja yang menjanjikan sehigga dapat memicu adanya peningkatan jumlah penduduk sehingga dapat berdampak pada kondisi lalu lintas. Selain itu, perkembangan Kota Surabaya sudah mulai menimbulkan pertumbuhan bagi kota-kota disekitarnya yang dapat disebut dengan Urban Sprawl, seperti Kota Sidoarjo. Banyak permukiman yang tumbuh di Sidoarjo akibat kurangnya lahan untuk pembangunanan perumahan di Surabaya sehingga terjadi mobilitas yang cukup tinggi dari Sidoarjo menuju Surabaya. Mobilitas yang tinggi dapat menimbulkan permasalahan transportasi berupa kemacetan. Adanya penyediaan kereta komuter Surabaya Sidoarjo tidak banyak membantu untuk mengatasi masalah transportasi bagi para komuter tersebut. Oleh karena itu, arus transportasi di Surabaya yang tinggi perlu didukung dengan adanya penyediaan angkutan umum berupa angkutan kota, kereta api, dan bus kota serta perlu adanya integrasi antara moda transportasi yang satu dengan moda transportasi lainnya sehingga pergerakan dapat berjalan dengan lancar.
Fungsi utilitas adalah mengukur daya tarik setiap pilihan (scenario hipotesa) yang diberikan pada responden. Fungsi ini merefleksikan pengaruh pilihan responden pada seluruh atribut yang termasuk dalam Stated Preference, dengan bentuk fungsi utilitas linier adalah sebagai berikut: Ui = a0 + a1x1 + + anxn Dengan: Ui = utilitas pilihan i a0 . an = parameter model x1 . xn = nilai atribut Tujuan analisa adalah menentukan estimasi nilai a0 sampai an dan nilai-nilai tersebut sebagai bobot pilihan atau komponen utilitas. Berdasarkan nilai parameter model, dapat diketahui efek relative setiap atribut pada seluruh utilitas. Setelah komponen utilitas dapat diestimasi, maka selanjutnya dapat digunakan untuk berbagai tujuan, seperti menentukan kepentingan relative dari atribut yang termasuk dalam eksperimen dan menentukan fungsi utilitas untuk peramalan model.
7
8
Dukuh Pakis
Sukomanunggal
59930
11986
580501
580501
2,1
3,3
30
47 429
Variabel bebas yang digunakan: Harga tiket (X1) Waktu tempuh (X2)
Variabel terikat yang digunakan: Jumlah orang yang mau berpindah (Y) sampel 429 jiwa
Analisis stated preference dilakukan untuk mengetahui proporsi jumlah orang yang mau berpindah moda dari kendaraan pribadi yaitu mobil dan motor ke monorail.
No 1 2 3 4 5 Makna Pilihan Pasti memilih Monorail Mungkin memilih Monorail Pilihan Berimbang Mungkin Memilih Kendaraan Pribadi Pasti Memilih Kendaraan pribadi Skala Standart Skala Numerik Pr (Monorail) R=Ln 0,9 R1= 2,1972 0,7 R2= 0,8473 0,5 R3= 0,0000 0,3 R4= -0,8473 0,1 R5= - 2,1972
Nilai R=ln digunakan untuk mengisi nilai Y pada masingmasing pilihan responden untuk setiap variabel
Respon Pengguna Mobil/Motor terhadap Atribut Harga Tiket 1 = Pasti Pilih Monorail 2 = Mungkin Pilih Monorail 3 = Pilihan Berimbang 4 = Mungkin Pilih Monorail 5 = Pasti Pilih Monorail
1 2 3
Jumlah Respon Masing-masing point (cost) X1 untuk Pengguna Motor 1* % 2* % 3* % 4* % 5* % 6000 168 57 72 24 20 7 10 3 26 9 9000 49 17 65 22 75 25 46 16 61 21 12000 32 11 31 10 66 22 42 14 125 42
Pilihan
X2
1 2 3 Pilihan
Jumlah Respon Masing-masing point (Time) untuk Pengguna Motor 1* 245 205 196 % 83 69 66 2* 29 57 42 % 10 19 14 3* 2 4 8 % 0 0 6 4* 3 6 12 % 1 2 4 5* 14 15 21 % 5 5 7
1 2 3
2,098 - 0,778.X1
-0,402
PMonorel =
Pilihan Probabilitas Ln (Probabilitas) Pasti Pilih Monorail 0,9 2,1972 Mungkin Pilih 0,7 0,8473 Monorail Pilihan Berimbang 0,5 0,0000 Regresi Mungkin Pilih Moda 0,3 -0,8473 Variabel Koefisien Saat Ini Pasti Pilih Moda Saat 0,1 Konstanta 2.098 -2,1972 Ini X -.778
1
11
UMonorel-UMobil
2,198 - 0,313.X2
X1 Y 1 -0.226 1
X1 Y
Analisis Regresi
Variabel
P.Monorail =
Konstanta X1
Nilai Utilitas
UMonorel-UMotor
2,161 - 0,982.X1
X1 Y
X1 1 -0.493
PMonorel =
1
Analisis Regresi
Variabel Konstanta X1 Harga Tiket (X1) 6000 9000 12000 -5890 -8836 -11782 Nilai Utilitas Koefisien 2.161 -.982 PMonorail 0,82 0,56 0,21 PMotor 0,18 0,44 0,79
X1
UMonorel-UMotor
=
Y 1 -0.149
PMonorel =
2,028 - 0,212.X2
X1 Y
Analisis Regresi
Koefisien X1 = 0,982 X2 = 0,212 2.028 Konstanta Variabel X1 -.212
PEMILIHAN RUTE
Pergerakan kendaraan dari satu zona ke zona yang lain ditentukan pada rute pergerakan tertentu di antara tiap pasang zona (I,j) Dapat menggunakan generalized cost
PEMILIHAN RUTE
RUTE MANA YANG HARUS DITEMPUH
ASAL
TUJUAN
ZONA TARIK AN
ZONA BANGKIT AN
BERDASARKAN BIAYA, WAKTU TEMPUH, DAN JARINGAN JALAN YANG TERSEDIA SETIAP PELAKU PERJALANAN MENCOBA MENCARI RUTE TERBAIK YANG MEMINIMUMKAN BIAYA DAN WAKTU PERJALANAN
EFEK STOKASTIK
Tidak Ya
Keseimbangan -PenggunaStokastik
TUJUAN TAHAPAN PEMODELAN FAKTOR YANG MEMPENGARUHI PEMILIHAN RUTE Mengalokasi setiap pergerakan antar zona pada berbagai rute yang paling sering digunakan orang bergerak dari zona asal ke zona tujuan Output berupa informasi arus lalu lintas pada setiap ruas jalan termasuk biaya perjalanan
Waktu tempuh, jarak, biaya, kemacetan dan antrian, jenis manuever yg dibutuhkan, jenis jalan raya, kelengkapan rambu, serta kebiasaan
Biaya pergerakan dan nilai waktubiaya pergerakan proporsional dengan jarak tempuh
Nilai waktu
Sejumlah uang yg disediakan seseorang untuk dikeluarkan untuk menghemat satu unit waktu perjalanan Nilai waktu sebanding dengan pendapatan perkapita, asumsi waktu perjalanan konstan sepanjang waktu, relatif terhadap pengeluaran konsumen
Biaya perjalanan
Dalam bentuk uang, waktu tempuh, jarak atau kombinasi ketiganya Biaya = a1. waktu + a2 jarak+ a3 a1 = nilai waktu (Rp/jam) a1 = biaya operasi kendaraan (Rp/km) a1 = biaya tambahan lain (harga karcis tol)
Proporsi pengendara dalam memilih rute asumsi pribadi dan ciri fisik tiap ruas jalan yang dilalui
Biaya perjalanan dianggap tetap dan tidak dipengaruhi oleh kemacetan Hanya berfungsi untuk menemukan rute dengan jarak terpendek
Digunakan untuk memperlihatkan Bagi daerah atau desire line (garis zona yang hanya keinginan), misal rute memiliki beberapa yang dipilih rute alternatif saja pengendara jika tidak terjadi kemacetan Semua permintaan perjalanan dibebankan ke rute minimum dan tidak ada satupun yang dibebankan ke rute pilihan lainnya
10
2 3
4
10
8
7 10
6
-
4
MATRIKS WAKTU TEMPUH (t), menit 11 1 2 4 10 8 10 + 5= 15
10 7 5 10 6
6 + 8 = 14
5
3
8 4
7 3
4 6
2
500 1870 350
3
750 1050 2050
4
350 475 950 1
500 2 350+750 1
4
MATRIKS WAKTU TEMPUH (t), menit 11 1 2 4 1250
750
2 350
1 1870
10 7 5 10 6
650
8 4
7 3
3
2050+350
4 950+650
750
600
1 2 4 1250 350
1 1870
1 1900 1100 4
275
650
3
2400
4 1600
1626
METODE STOKASTIK
Asumsi Didasarkan pada seleksi sebaran acak yang mempunyai rata-rata waktu tempuh sebenarnya dari rute tersebut Ditemukan satu rute tercepat yang akan digunakan antara setiap pasangan zona i dan d. Model dari Metode Stokastik Metode Stokastik , terdiri dari beberapa model:
Mengabaikan efek kemacetan Merupakan model menyebarkan arus yang ada ke banyak rute yang tersedia dengan memperhatikan kecenderungan setiap pengendara dalam memilih rute Pengendara diasumsikan mengambil rute tercepat meskipun mereka tidak yakin rute mana yang tercepat
Model Burrell
Model Sakarovitch
Model Dial
ALL OR NOTHING Persamaan Perbedaan 1. Rute terpendek merupakan satusatunya rute yang akan dipilih untuk pembebanan arus lalu lintas dari zona asal i ke zona tujuan j 2. Biaya perjalanan dianggap tetap
STOKASTIK 1. Memperhitungkan persepsi perseorangan terhadap waktu tempuh 2. Pengguna jalan disebarkan kepada beberapa pilihan rute (pembebanan arus disebar pada beberapa rute) 3. Biaya perjalanan dapat berubah Pemilihan rute didasarkan pada biaya yang paling minimal
1. Metode Burrell
Asumsi Kegunaan Menemukan dan membebankan rute tercepat dengan meminimumkan biaya
Kelemahan
Tidak memperhitungkan adanya efek kemacetan
Biaya perjalanan untuk setiap ruas jalan dan jaringan disebar sekitar nilai rerata biaya perjalanan
Sebaran biaya persepsi diasumsikan tidak berkorelasi
1. Metode Burrell
Tentukan sebaran utk biaya persepsi tiap ruas jalan Pisahkan populasi yg akan bergerak utk tiap pasangan asal-tujuan menjadi N segmen, tiap segmen diasumsikan punya biaya persepsi yg sama 1.Buat n=0 2.Buat n=n+1 3.Utk tiap pasangan asal-tujuan (i-d): Hitung biaya persepsi utk tiap ruas jalan dgn mengambil sampel dari sebaran biaya persepsi Buat rute dgn biaya persepsi minimum dari i ke d dan bebankan Tid/N besar arus pd tiap ruas jalan 4. Jika n=N, stop; jika tidak kerjakan tahap 2
b
1000
O1
1000
a
1500
O2
1500
Fungsi biaya
A 1 + arus/1000 B 8 + arus/1000
C 4 + arus/1000
1 8
4
2 9
8
1. Metode Burrell
Fungsi biaya A 1 + arus/1000
B 8 + arus/1000 C 4 + arus/1000 Fungsi biaya A 1 + arus/1000
Biaya O1 D 1,98
10,17 7,04 Biaya O1 D 2,08
B 8 + arus/1000
C 4 + arus/1000 Fungsi biaya A 1 + arus/1000 B 8 + arus/1000
8
4 Empty link cost 1 8
9
8 Typical link cost 2 9
8,73
8,48 Biaya O2 D 1,92 9,54
1000
O1
1000
a
1500
1000
O2
1500
Total arus yang masuk ke a 1000 Total arus yang masuk ke b 1000 Total arus yang masuk ke c 4000
2. Model Sakarovitch
Menentukan rute terbaik yang lebih dari satu rute dalam setiap pasangan zona di wilayah kajian
Menggunakan algoritma
Membagi MAT menjadi N bagian dengan proporsi terbesar dibebankan ke rute tercepat
Proporsi terkecil dibebankan pada rute terpanjang Dilakukan pengulangan sebnanyak N kali hingga seluruh MAT dibebankan pada jaringan
3. Model Dial
Rute terpendek akan lebih dipilih daripada yang lebih panjang Merupakan model rute berdasarkan peluang dengan mengalokasikan pergerakan pada beberapa alternatif rute yang tergantung pada panjang (biaya) rute. Membagi pergerakan yang tiba di suatu simpul ke simpul lainnya yang memungkinkan.
Prob (r) = peluang memilih rute r tr = jumlah waktu pada rute r R = jumlah rute alternatif a = parameter yang dikalibrasi
Model harus memiliki peluang yang lebih besar dari nol bagi semua ruas jalan yang pantas dan peluang sama dengan nol bagi ruas jalan yang tidak sesuai
b
1000
O1
1000
a
1500
O2
1500
1. Biaya dari zona asal O1 untuk menuju zona tujuan D melalui rute b harus mengeluarkan Biaya 9 dolar. 2. Sementara itu, jika melalui a dan c akan mengeluarkan biaya 10 dolar. 3. Berapa Peluang yang akan melalui rute b, dan berapa yang akan melalui rute a + c?
= 0,61
Sehingga diketahui bahwa 1222 (61%) dari bangkitan yang ada akan memilih rute b Dan 778 (39%) akan melalui rute a+c
ASUMSI
Hambatan batasan kapasitas tidak
Optimum): Dalam
kondisi keseimbangan, lalu lintas akan mengatur dirinya sendiri dalam (sebagai kumpulan) jaringan yang macet sehingga semua rute yang digunakan dari titik A ke B memiliki biaya yang
Users
Equilibrium
All-orNothing Heuristic
Model Equilibrium
Stokastik Murni
Algoritma FrankWolfe
(konvergen)
Incremental
Iterative
Quantal
Tingkat Konvergensi ()
Tiga tipe dasar kriteria konvergensi: 1. Dengan melihat perbedaan antara arus atau biaya ruas pada setiap pengulangan yang berurutan. Dengan perbedaaan ini dapat dilihat apakah proses pengulangan selanjutnya akan menghasilkan perubahan yang berarti bagi arus atau biaya tersebut. Jika tidak ditemui perubahan yang berarti maka konvergensi dianggap sudah tercapai 2. Dengan mengukur perbedaan antara asumsi hubungan biaya- arus pada saat awal pembebanan dengan hubungan biaya-arus pada saat akhir pembebanan 3. Melihat potensi perbaikan yang dihasilkan apabila dilakukan proses pengulangan.
Cijr Cij*= selisih biaya pada rute tertentu dan biaya perjalanan minimum pada pasangan (i,j). Biaya ini dihitung setelah pengulangan selesai dan total pergerakan didapatkan untuk setiap ruas jalan. Sehingga nilai adalah nilai yang dihasilkan oleh selisih antara biaya rute optimal dan rute tidak optimal. Semakin kecil nilai , kondisinya semakin mendekati kondisi
keseimbangan Wardrop
Pn = 0,1 dengan Pn = 1 Dalam setiap pembebanan, biaya dihitung kembali berdasarkan hub biaya-arus
0,1
Metode pembebanan bertahap punya keuntungan: 1. Sangat mudah diprogram 2. Hasilnya bisa digunakan utk melihat evolusi terjadinya kemacetan pd jam sibuk
Bentuk Algoritma :
1. Pilih 1 set biaya ruas, misal waktu tempuh dlm kond arus bebas, semua arus Va=0, pilih 1 set fraksi Pn dari MAT sehingga Pn= , buat n =0 2. Bentuk 1 set pohon biaya minimum (1 utk tiap simpul asal) dgn menggunakan biaya yg ada, buat n=n+1 3. Bebankan Tn=pn.T dgn menggunakan pembebanan all or nothing pd tiap pohon tsb utk mendapatkan nilai arus Fl, akumulasikan arus2 tsb utk tiap ruas jalan: Hitung 1 set biaya ruas yg baru berdasarkan arus sebesar Vln, jika bagian MAT belum selesai dibebankan, kerjakan tahap 2, jika sudah stop.
Vl n= Vln-1 + Fl
4.
Batasan metode Incremental Assignment jika arus sudah dibebankan pd suatu ruas, maka arus tsb tidak bisa dipindahkan atau dibebankan ke tempat lain. akibatnya jika arus pada permulaan pembenanan terlalu besar, maka hasil algoritma menjadi tidak konvergen.
besar
Contoh Soal :
Sepasang zona asal-tujuan dgn 3 alternatif yg punya hubungan biaya-arus yg berbeda. Pergerakan sebesar 2000 kendaraan dari zona asal A ke zona tujuan B Terdapat 5 kasus yg akan diteliti:
1. Fraksi pembebanan seragam sebesar 25%, 10% dan 5%
40%, 30%, 20% dan 10% Fraksi pembebanan tidak seragam sebesar 10%, 20%, 30% dan 40%
Kasus 1
(500 kendaraan)
=0
Pembebanan bertahap seragam sebesar 25% memiliki hasil yang konvergen dan mencapai kesimbangan wardrop
(200 kendaraan)
Biaya 12.50 12.50 15.50 15.50 18.50 18.50 18.50 18.50 18.50 20.00 20.00 Min 10.0 12.5 14.0 15.0 15.0 16.0 17.0 18.0 18.5 19.0 20.0 Jumlah 0 200 400 600 800 1,000 1,200 1,400 1,600 1,800 2,000
Rute 3
=0
Pembebanan bertahap seragam sebesar 10% memiliki hasil yang konvergen dan mencapai kesimbangan wardrop
Pembebanan seragam 5%
(100 kendaraan)
5% memiliki
hasil
Kasus 2
%, 30 %, 20%,10%
= 0.2361
Terlihat bahwa hasil pembebanan tidak mencapai konvergen dengan solusi keseimbangan wardrop. Hal ini karena arus
Kasus 3
%, 20 %, 30%,40%
= 0.1729
Terlihat bahwa hasil pembebanan tidak mencapai konvergen dengan solusi keseimbangan wardrop. Hal ini karena arus
pengulangan sekarang
Bentuk Algoritma :
1. 2. 3. 4. Pilih 1 set data biaya, misal: waktu tempuh pd kondisi arus bebas; Inisiasikan semua arus Vl(n) = 0, set n=0 Bentuk 1 set pohon biaya minimum, set n=n+1 Bebankan semua MAT T dgn menggunakan all or nothing untuk menghasilkan arus Fl; Hitung arus pd saat sekarang:
: parameter dengan nilai 0-1 Vl(n) : arus lalu lintas yang dihasilkan oleh pengulangan ke n Fl : arus lalu lintas yang dihasilkan oleh model all or nothing
dengan biaya perjalanan yang dihasilkan oleh pengulangan ke (n-1) Vl(n-1) : arus lalu lintas yang dihasilkan oleh pengulangan ke (n-1)
5.
Hitung 1 set baru biaya bdsk arus Vl(n); jika arus tsb tidak berubah scr nyata pd 2 pengulangan yg berurutan, stop, jika tidak teruskan ke tahap 2.
Indikator dapat digunakan kapan stop dan harus dihitung utk menentukan apakah solusinya mendekati kondisi keseimbangan? Smock (1962) nilai harus = kebalikan nilai jumlah pengulangan ( =1/n) Pembobotan seimbang diberikan pada setiap arus Fl Oleh karena itu dikenal dengan Metode rata-rata
Contoh Soal :
Sepasang zona asal-tujuan dgn 3 alternatif yg punya hubungan biaya-arus yg berbeda. Pergerakan sebesar 2000 kendaraan dari zona asal A ke zona tujuan B. Pertimbangkan permasalahan tersebut dengan nilai
= 0,5
Terlihat setelah pengulangan ke 10, kondisi keseimbangan wardrop belum tercapai. Hasil logaritma ini sudah mendekati kondisi keseimbangan pada pengulangan ke 3, 6 dan 9 . Hal ini disebabkan oleh kakunya penentuan = 0.5
= 1/n
Terlihat bahwa hasil pembebanan setelah pengulangan ke 8 hampir mencapai kondisi solusi keseimbangan wardrop
pembebanan.
Bentuk Algoritma :
Algoritma pembebanan ini diuraikan sebagai berikut: 1. Buat biaya di ruas pada saatfree flow dan 2. inisialisasi seluruh Fl = 0. Hitung biaya minimum lintasan untuk n asal perjalanan (origin) setiap rute dan bebani perjalanan Tij pada rute tersebut, perbaharui volume terakhir Fl . Apabila seluruh asal perjalanan telah dibebani, stop; jika tidak buat biaya di ruas berdasarkan C (Fl) dan kembali ke langkah (2).
3.
lebih sedikit.
menghasilkan penyebaran distribusi perjalanan lebih baik. Oleh Karena itu pada prosedur pembebanan equilibrium, cenderung menghasilkan nilai awal yang lebih baik dibandingkan dengan pembebanan All-or-nothing. mencegah terjadinya rute yang aneh yang dihasilkan dari pembebanan all or-nothing yang terjadi bila suatu ruas-ruas tertentu dibebani sangat besar pada saat awal pembebanan sehingga menghasilkan biaya sangat tinggi. Kondisi ini mengakibatkan rute tersebut dikeluarkan dari jaringan.
Bentuk Algoritma :
Pilih 1 set data biaya, misal: waktu tempuh pd kondisi arus bebas; Inisiasikan semua arus Vl(n) = 0, set n=0 Bentuk 1 set pohon biaya minimum, set n=n+1 Bebankan semua MAT dgn menggunakan all or nothing untuk menghasilkan arus Fl; Hitung arus pd saat sekarang: Hitung 1 set baru biaya bdsk arus Vl(n); jika arus tsb tidak berubah scr nyata pd 2 pengulangan yg berurutan, stop, jika tidak teruskan ke tahap 2.