1. Fungsi Utilitas
Model pemilihan moda didekati dari pilihan orang terhadap utilitas moda.
o Utilitas merepresentasi suatu keunggulan atau daya tarik suatu barang
komoditas, yang termasuk di dalamnya juga moda transportasi, dimana
setiap barang komoditas tersebut memiliki utilitas yang merupakan
gabungan dari atribut yang melekat (Kanafani, 1983).
o Sementara menurut Hartono (2004), utilitas didefinisikan sebagai tingkat
kepuasan tertentu yang diperoleh seorang konsumen dari mengkonsumsi
sejumlah barang-barang tertentu.
(2.1)
dengan :
Ui
X 1i ,
...,
X ni
a1 , ..., a n
a0
adalah konstanta
model.
o Sifat unik pandangan individu terhadap utilitas suatu komoditas (moda)
pada kenyataannya dapat mencakup semua atribut, sebagai akibat dari
perbedaan karakteristik individual (misalnya tingkat pendapatan),
sehingga nilai relatif antar individu dapat berbeda sesuai perbandingan
antara harga masing-masing atribut (misalnya ongkos) dibandingkan
terhadap pendapatan.
o Setiap individu dapat dikatakan memiliki utilitas sendiri-sendiri, hal ini
merupakan kesulitan bagi pemodelan.
o Perbedaan ini dapat didekati melalui pengelompokan (agregasi), dari
perbedaan individu menjadi perbedaan kelas atau kelompok.
o Model pemilihan moda diturunkan dengan dasar kecenderungan bahwa
setiap orang yang memiliki pilihan akan memilih moda yang terbesar
utilitasnya bagi dirinya.
Frickers (2004) menuliskan fungsi utilitas moda seperti pada persamaan (2.2)
berikut:
U m a0m a1m X 1m a2m X 2m ... anm X nm
(2.2)
dimana :
Um
sedangkan
X 1m ,
...,
X nm
a1 X 1 ,
...,
an X n
(Vm ) .
(2.3)
Model pilihan moda yang mudah dan sering digunakan adalah model
pilihan diskrit, yakni model logit-multinomial.
Pm
exp(Vm )
exp(V j )
(2.4)
j 1, k
Dengan :
Pm adalah probabilitas pelaku perjalanan untuk memilih moda m dari himpunan
moda tertentu yang dapat dipilih,
2.1.2.
10
Biaya (c)
cA
cB
11
12
yang harus
dipilih.
o Misalkan ada tiga moda, yakni angkutan umum, mobil, dan sepeda
motor.
o Dari ketiga moda itu masing-masing memiliki atribut yang berbeda
dalam hal waktu tempuh, biaya, dan kenyamanan.
o Setiap individu akan memilih moda dengan bantuan informasi atribut
yang ada pada setiap moda dan memutuskan pilihan moda sesuai
dengan aturan pemilihan apakah menghendaki waktu tempuh cepat,
biaya murah, atau kenyamanan yang menjanjikan.
o Dapat ditarik kesimpulan bahwa dalam teori pemilihan terdapat elemenelemen yang saling berkait, yakni :
pengambil keputusan,
alternatif pilihan,
atribut dari alternatif, dan
aturan pemilihan.
2.2.1. Pemilihan Continuous
o Gambar 2.2 menggambarkan suatu set pilihan continuous untuk tiga
barang konsumsi (q1, q2, dan q3).
13
U (.)
U(q1,q2,q3)
(2.5)
q3
p1q1+p2q2+p3q3 =1
q1
q2
14
sebaliknya
sebaliknya
sebaliknya
q1 =
q2 =
q3 =
Dari tiga pilihan moda yang ada, katakan q1, q2, q3, hanya satu yang dapat
dipilih, yang dengan demikian maka kemungkinan dua moda yang lainnya
adalah nol, yang dapat ditulis sebagai berikut :
15
(2.6)
U1 = U (t1,c1,k1),
U2 = U (t2,c2,k2),
(2.7)
U3 = U (t3,c3,k3),
dengan :
o Fungsi U (.), yang merupakan pemetaan nilai atribut dalam skala utilitas,
adalah nomor urutan fungsi utilitas.
o Sebagai contoh untuk pemilihan alternatif 1 yang akan dipilih jika dan
hanya jika : U1 >U2 dan U1 >U3 .
o Dua alternatif akan tidak berbeda bilamana utilitas keduanya sama atau
kecil sekali perbedaannya.
o Sebagai contoh jika U1 =U2 dan U1 >U3 , maka akan terjadi kesamaan
dalam memilih moda 1 dan moda 2.
16
(2.8)
(2.9)
U3 = - 1t3 - c3 + 3k3 ,
17
Pembagian dengan konstanta yang positif (2) tidak merubah rangking. Untuk
penyederhanaan asumsikan bahwa 3=0, dengan demikian pilihan moda 1
atas moda 2 dinyatakan secara tidak langsung bahwa :
1( t1 t2)
c2- c1
(2.10)
jika
t1 t2 > 0 dan juga c2- c1 > 0
(2.11)
c 2 c1
t1 t 2
(2.12)
1( t3 t1)
c1- c3
(2.13)
jika
t3 t1 < 0 dan juga c1- c3 < 0
(2.14)
c3 c1
t1 t 3
(2.15)
18
U1 = U2
1 =
(2.16)
c 2 c1
t1 t 2
(2.17)
Asumsikan sebuah pilihan dari suatu pola aktivitas p, yang merupakan bagian
dari set pilihan P, yang direpresentasikan dengan model random utilitas,
dapat ditulis :
U p Vp p
; dengan
(2.18)
pP
19
prob( p)
exp( PV p )
exp(
p l P
Vp l )
, pP
(2.19)
Sedangkan rumusan matematis model probit untuk kasus binary adalah sebagai
berikut :
2
x 2 2 x x
x2
1
1
1 2
exp
2
2(1 ) 1
1 2
2
V2 V1 x1
dx dx
P1
2
1
2
2 1 2 (1 )
dengan :
P1
V1
V2
X1
X2
:
:
:
:
:
:
(2.20)
Probabilitas aternatif 1
Komponen sistematik utilitas alternatif 1
Komponen sistematik utilitas alternatif 2
Atribut 1
Atribut 2
koefisien korelasi dari atribut X1 dan X2
variansi dari X1
variansi dari X2
dengan :
MNV (0, )
MNV
20
12
1 2
1 2
2
2
(2.21)
21
(2.33)
dengan :
Ut,i
V(St)
V(Xi)
V(St ,Xi) :
ti
22
o MNP hanya dapat dihitung dengan integrasi multi dimensi dan juga ada
masalah dalam interprestasi.
o Kasus khusus dari MNP yakni jika komponen error didistribusi secara
bebas (tanpa covarian) dan identik (variansi sama), estimasi yang
diperoleh dan hasil prediksinya sangat mendekati model multinomial
logit.
o Model multinomial logit dengan distribusi Gumbel dipilih karena
keuntungan dalam perhitungan dalam konteks dimana maksimisasi
adalah penting, mendekati perkiraan distribusi normal (Gambar 2.3 dan
2.4)
o dan menghasilkan bentuk yang tertutup (yakni model probabilitas dapat
dihitung tanpa menggunakan integrasi numerik atau metode simulasi)
model pemilihan probabilistik (Koppelman dan Bhat, 2006).
Gumbel memiliki fungsi distribusi kumulatif dan kepadatan probabilitas
sebagai berikut:
F( ) = exp{-exp[-( )]}
(2.34)
(2.35)
dengan
23
(2.36)
2
6 2
(2.37)
probabilitas
Variansi =
0,577
Gambar 2.4.
Fungsi Distribusi Kumulatif untuk
Distribusi Normal dan Gumbel
(mean dan variansi sama)
Gambar 2.3.
Asumsi kedua dan ketiga menetapkan lokasi dan variansi dari distribusi hanya
sebagai dan yang mengindikasikan lokasi dan variansi dari distribusi
normal.
Ketiga asumsi secara struktur matematis dikenal sebagai model multinomial
logit (MNL) yang memberikan probabilitas pilihan dari setiap alternatif sebagai
fungsi sistematik dari seluruh alternatif.
Rumusan umum dari pilihan alternatif i dari set alternatif J adalah :
24
Pr(i) =
exp(Vi )
(2.38)
j1 exp(V j )
J
Vj
Pr(MB)
exp(VMB )
exp(VMB ) exp(VMTR ) exp(VAU )
25
(2.39)
Dimana VMB, VMTR, dan VAU adalah komponen sistematik dari utilitas mobil,
motor, dan angkutan umum. Perlu diperhatikan bahwa nilai probabilitas akan
meningkat dengan meningkatnya komponen sistematik utilitas apabila utilitas
yang lain dipertahankan konstan.
2.5.1. Estimasi Model
Model logit dikembangkan dengan merumuskan spesifikasi model dan
mengestimasi nilai parameter dari atribut-atribut setiap fungsi utilitas
sedemikian sehingga antara model dan data observasi adalah fit atau
berkesesuaian.
2.5.1.1. Estimasi Model Secara Grafis
Berikut ini diilustrasikan konsep dasar estimasi model menggunakan model
pilihan biner dengan dua variabel dan tanpa konstanta (Kopelman dan Bhat,
2006).
Vcar = 1xWaktu tempuhCar +2xBiayaCar
(2.40)
(2.41)
o Diasumsikan bahwa untuk bus waktu tempuh lebih tinggi dan biaya lebih
rendah dibandingkan dengan mobil.
o Pelaku perjalanan memilih moda berdasarkan nilai relatif terhadap
waktu tempuh dan biaya.
o Orang yang menganggap bahwa nilai waktu lebih tinggi daripada biaya
akan memilih mobil, sedangkan yang menganggap bahwa nilai waktu
tempuh lebih rendah daripada biaya akan memilih bus.
26
o Konsep ini dapat dilihat pada Gambar 2.6. Jika garis iso-utility cukup
curam maka beberapa garis iso-utility adalah di bawah bus dan di atas
mobil (kasus 1) berakibat rendahnya nilai waktu dan bus menjadi moda
yang dipilih.
o Sebaliknya jika garis iso-utility agak datar maka beberapa garis iso-utility
adalah di bawah mobil dan di atas bus (kasus 2) berakibat tingginya nilai
waktu dan mobil menjadi moda yang dipilih.
Konsep garis iso-utility dapat digunakan secara grafis mengestimasi
parameter model dengan menggunakan data pilihan yang diobservasi.
Gambar 2.7 memperlihatkan data pilihan hasil observasi untuk dua
pelaku perjalanan.
Pelaku perjalanan pertama memilih bus dan pelaku perjalanan kedua
memilih mobil.
Tujuannya adalah untuk mendapatkan garis iso-utility dengan slop yang
cukup curam agar bus berada di atas mobil dan slop yang agak datar agar
bus berada di bawah mobil.
Gambar ini juga menunjukkan bahwa terdapat beberapa garis iso-utility
dengan kemiringan yang berlainan yang menggambarkan kondisi tingkat
kepuasan.
Dapat dilihat bahwa hanya dengan dua variabel saja telah cukup rumit,
sehingga untuk data dengan banyak variabel diperlukan metoda estimasi.
Metoda maksimum likelihood adalah metoda untuk memperoleh
parameter model dengan memaksimumkan fungsi likelihood.
27
Waktu Rendah
Bus
Bus
Biaya Rendah
Biaya Rendah
Gambar 2.6. Garis Iso-Utility Pelaku Perjalanan untuk Sensitif Biaya Vs Sensitif Waktu
(Diambil dari: Koppelman dan Bhat, 2006)
Waktu Rendah
Mobil 1
Bus 1
Bus 2
Biaya Rendah
28
jt
( Pjt ( ))
jt
(3.1)
tT jJ
jt =
29
Pjt
(3.2)
tT jJ
( LL)
k
= jt . 1
P
tT jJ
jt
P jt ( )
(3.3)
Pjt =
exp( X ljt )
exp( X
jl
l
jlt
(3.4)
30
Pjt X ljkt Pj l t . X j l kt
jl
(3.5)
( LL)
k
= jt X ljkt Pj t .X j kt
tT jJ
jl
= jt Pj t . X ljt
l
(3.6)
tT jJ
Apabila persamaan (3.6) disamakan dengan nol, maka akan diperoleh nilai
parameter
yang terbaik. Hal ini adalah solusi nilai maksimum yang disajikan
bahwa turunan kedua adalah pasti negatif. Pada kasus ini turunan kedua loglikehood terhadap adalah :
2 ( LL)
l
= Pj t X ljt jt X t . X ljt jt X t
.l
(3.7)
tT jJ
31
dengan
fungsi
pada
program
Microsoft
32
Exel
Daerah penolakan
3,841
113,72372
Gambar 3.5. Contoh Pengujian -2 LL Chi-square
3. Menghitung nilai
2
2 (pseudo-R
model)
(3.8)
(3.9)
33
model, sedangkan nilai likelihood base model adalah nilai yang dihasilkan
program dari fungsi utilitas yang dibangun hanya dengan
memperhitungkan konstanta saja
4. Menghitung nilai %-correct prediction untuk menguji tabel perbandingan
prediksi pemilihan dari hasil pemodelan dan dari data. Nilai yang
dihasilkan, yang merupakan perbandingan dari jumlah prediksi model
dengan jumlah data observasi, memberikan indikasi, sedekat apa model
dapat menjelaskan data.
3.4.3. Contoh Estimasi Parameter dari Maksimum Likelihood
Pada contoh ini dicoba untuk kasus pemodelan binomial yakni dengan dua
alternatif moda. Terdapat dua pilihan moda antara mobil dan bus yang
diestimasi, yang dipilih oleh tiga orang, dan agar lebih simpel dianggap hanya
satu variabel yang berpengaruh yakni :
Vmobil =
1 xWaktu tempuhmbl
(3.10)
VBus
1 xWaktutempuhBus
(3.11)
Misalkan data yang diperoleh dari observasi adalah seperti pada Tabel 3.5.
Tabel 3.5 Contoh Atribut Perjalanan Dua Moda
Individu
Pilihan
30 menit
50 menit
mobil (moda 1)
20 menit
10 menit
mobil (moda 1)
40 menit
30 menit
bus
(moda 2)
Mengacu pada model logit, probabilitas untuk moda yang diobservasi untuk
tiap individu adalah :
34
Individu 1 (P11)
exp(30 )
1
(3.12)
Individu 2 (P12)
exp( 20 )
1
(3.13)
Individu 3 (P23)
exp(30 )
1
(3.14)
1
+
1 exp( 20 )
ln
1
1
+
1 exp( 10 ) 1 exp(10 )
(3.15)
0 =
20
10
10
+
+
(1 exp( 20 )).exp( 20 ) (1 exp( 10 )).exp( 10 )
(1 exp(10 )).exp(10 )
35