Pendekatan Analisis dan Pemodelan

Perencanaan Transportasi

3. Analisis Tahapan Modal Split

4. Analisis Tahapan Route choice

Gambar UTMS 4 Tahap (Black, 1981)

Koleksi Data
Zona model
Survai invent. jaringan

Trip Generation
O-D
Trip Distribution

Jaringan Transport

Survai Trip t0

Total Matrix O-D

Modal Split

Biaya Perjalanan

MAT Angk.Umum
MAT Angk.Pribadi
Route Choice
Arus Jaringan

TEKNIK ANALISIS
TEKNIKTRANSPORTASI
ANALISIS
PERMINTAAN
PERMINTAAN TRANSPORTASI
Simplified
Simplified
Techniquest
Techniquest

Model
Model
Pilihan
Pilihan
Individual
Individual

Pemodelan Sistem
Pemodelan
Transportasi
KotaSistem
(UTMS)
Transportasi Kota (UTMS)
Trip Generation
Trip
Generation
Trip
Distribution
Trip
Modal Distribution
Split
Modal
Split
Trip
Assignment
Trip Assignment

Trip dianggap sebagai komponen

sistem, kurang realistis thdp
perilaku
Tidak menggambarkan
perilaku trip sebenarnya
Rencana transportasi
ditujukan untuk memenuhi
permintaan
tanpa melihat
kemampuannya untuk
memenuhi permintaan tersebut

Pendekatan
Pendekatan
Deterministi
Deterministi
k
k

Pendekatan
Pendekatan
Stochastic
Stochastic

Penggunaan fungsi kebutuhan untuk

menganalisis perilaku individu
Asumsi:
Informasi sempurna preferensi tetap &
pasti (tdk ada
penyimpangan perilaku)
Proses pengambilan
keputusan
digambarkan dengan
memanfaatkan fungsi utilitas yang
kontinyu, pada hal
keputusan pilihan moda merupakan
proses pemilihan diskrit

Adanya elemen stochatic (residual & eror) untuk

mengatakan ketidakmampuan memperoleh
informasi
sempurna dan untuk mengatasi
penyimpangan perilaku
Penilaian probabilistik, karena individu
tidak dapat
menentukan secara pasti alternatif
yang akan dipilih serta
sulitnya menghitung
harga utilitas
Model pilihan diskrit, proses pilihan
bukanlah suatu deterministik, namun merupakan
masalah
random yang tidak dapat secara
sempurna

Ei Gumbel
Ei Normal
Ei Uniform

Deskriminan
Deskriminan

Gambar
Analisis Permintaan Transportasi

P rr o
ob
b ii
tt

LL oo g
g ii tt

Perbandingan ModelPerbandingan
ModelModel
Model
Pendekatan
Stochastic
Pendekatan Stochastic

Tahapan Moda Split dan Route Choice

Pemilihan Moda (Moda Split)

Pemilihan Rute (Route Choice)

A
Moda pribadi

Moda umum

Faktor Pengaruh:
- Jumlah/besaran trip O D
- Tingkat aksesibilitas (biaya, waktu, jarak)
- Jumlah/besaran moda
- Jenis dan sifat moda
- Pelaku perjalanan (tujuan perjalanan)
- Sistem aktivitas antar zona
- Sistem jaringan (link & network)

Moda pribadi

d
C

Moda umum

Faktor Pengaruh:
- Jumlah/besaran trip O D
- Supply vs Demand
- Tingkat aksesibilitas (biaya, waktu, jarak)
- Jumlah/besaran moda
- Jenis dan sifat moda
- Pelaku perjalanan (tujuan perjalanan)
- Sistem aktivitas antar zona
- Sistem jaringan (link & network)
- Kapasitas jaringan jalan
4

SISTEM PERGERAKAN
SISTEM PERGERAKAN
Wilayah Kajian
Wilayah Kajian

Gambar 1 Alur Pemikiran

Pola Pergerakan
Pola
Pergerakan
Pekerja
Pekerja
(komuting)
(komuting)

1. Atribut Pelayanan
1. Atribut Pelayanan
2. Karakteristik
2. Karakteristik
Pelaku
Pelaku
3. Lintasan
3. Lintasan
Pergerakan
Pergerakan

EKSPLORASI Teoritik dan Empirik

EKSPLORASI Teoritik dan Empirik
Model Pemilihan Moda
Model Pemilihan Moda

Pilihan Moda
Pilihan
Moda
Angkutan
Bermotor
Angkutan Bermotor

Angkutan Umum
Angkutan Umum

Angkutan Pribadi
Angkutan Pribadi

Pilihan Moda
Pilihan Moda

Pilihan Moda
Pilihan Moda

Bis dan Kereta Api

Captiv
e Captiv
e

Angkot/Ojek Motor/Taxi

Choice
Choice

Captiv
e Captiv
e

Mobil
Pribadi

Sepeda
Motor

Choice
Choice

1. Atribut Pelayanan
1. Atribut Pelayanan
2.
Karakteristik
2.
Karakteristik
Pelaku
Pelaku
3.
Lintasan
3.
Lintasan
Pergerakan
Pergerakan

Captive
Captive
Private
Private

Estimasi
Estimasi
Parameter
Parameter

Analisis Uji
Analisis Uji
Statistik
Statistik

Formulasi dan
Formulasi dan
Interpretasi
Interpretasi

Pemetaan Pemilihan
Pemetaan Pemilihan
Moda Wilayah Kajian
Moda Wilayah Kajian

3. Pemodelan Moda Split (pilihan moda)

3.1 Estimasi aggregat penggunaan di suatu area
3.1.1 Estimasi berdasarkan trend, bentuknya:
Eksplorasi grafis
Regresi time series
Kelemahan estimasi berdasarkan trend ini adalah tidak sensitif terhadap perubahan
kebijaksanaan
3.1.2 Estimasi dengan mengakomodasikan biaya, bentuknya: regresi, elastisitas. Kelemahannya
sama dengan estimasi berdasarkan trend.
3.2

Esimasi penggunaan moda dengan disagregasi hasil trip end model

Trip end model yang digunakan adalah household regression, zonal regression, atau category
analysis
Asumsi: pilihan moda sangat dipengaruhi oleh faktor:
- Personal, misalnya kepemilikan kendaraan, kepemilikan SIM
- Kesempatan, misalnya tujuan dan maksud perjalanan
Pengaruh dari faktor yang terkait dengan pergerakan tertentu tidak dapat diakomodasikan,
karena i j tidak diketahui
Mengindikasikan beberapa karakteristik zona asal (origin), misalnya rata-rata biaya bis, ratarata waktu tunggu, dll
Efeksasi kebijaksanaan tidak terakomodasikan.

3.3 Direct Demand Model (untuk i j spesifik)

Trend analysis (tidak sensitif terhadap perubahan kebijakan politik)

Elastisitas dan regresi (mengakomodasikan efek biaya)

3.4 Men disagregasi Tij Total

Memungkinkan mengakomodasikan faktor-faktor yang terkait dengan pergerakan pada

asal-tujuan (i-j) tertentu, misalnya harga karcis bis, waktu tunggu dll.

Asumsi; Semua pelaku pergerakan memilih moda termurah dari sejumlah pilihan yang ada
pada rute i-j (over simplification)

Pendekatan yang lebih baik: menghitung proporsi orang yang menggunakan moda tertentu
(untuk i-j tertentu) untuk mencerminkan relative cost satu moda terhadap moda lainnya

Solusi: secara empiris atau dengan model sintetis

3.4.1 Pendekatan Empiris

Mengkalibrasi sebuah diversion curve menggunakan pilihan diantara 2 moda hasil

observasi

Asumsi: diversion curve adalah transferable

Diversion curve yang berbeda-beda dan masing-masing mewakili kelompok orang dengan
income, tujuan pergerakan berbeda

Transferability sangat penting diperhitungkan

3.4.2 Penggunaan Model Sintetis

Model elastisitas (perubahan biaya atau ukuran utilitas lainnya, antara i-j untuk
masing-masing moda)

Model Logit (menggunakan sifat-sifat model Logit untuk memprediksi pemilihan

moda)

Mode Split yang Populer digunakan

Discrete Choice Models
peluang setiap individu memilih suatu pilihan merupakan fungsi ciri sosial
ekonomi dan daya tarik karakteristik pilihan/alternatif maksimum dari individu tersebut
(Lancaster, 2005). Biasanya dalam bentuk kombinasi linear.
Vcar = 0,25 1,2IVT 2,5ACC 0,31C/I + 1,1NCAR
1.

Teori

Model ini didasarkan data disagregat (pilihan individu atas pilihan moda yang ada)

Model ini diturunkan dari Random Utiliy Theory dengan asumsi: perilaku
keseluruhan diterangkan dengan keinginan untuk memaksimalkan utilitas, namun
variasi random dari perilaku terjadi karena:
. Error analisis pengukuran;
. Error persepsi dari pelaku/individu;
. Variasi selera antar individu;
8

2. Jenis Modal-Split
(1)

Normit or Probit Model

Didasarkan pada distribisi normal dari error

Gradient CPD tergantung varians
Sulit dikalibrasi
Sulit diperluas untuk multiple choice model

(2)

The Logit Model (lebih populer dalam penggunaan)

Didasarkan pada log of odds ratio {ln (p/1-p}

Persamaan garis CPDc (cumulative probability distribution curve):

p1 = 1/(1+exp (C2-C1)) = exp C1/(exp C1 + exp C2)

Gradient CPD ditentukan oleh

Mudah dikalibrasi
Mudah diperluas untuk multiple choice model
p1 = exp C1/ exp Cn

Prob.1
1

1/(1 + exp (C2-C1))

0,
0
-~

(Cost 2 Cost 1)
0

+~

Contoh perhitungan: Diketahui fungsi biaya untuk bis dan mobil

CMbl = X1 . IVT + X2 . D + X3 . OPC
CBis = X4 . IVT + X5 . W T + X6 . OPC
X1 = 4; X4 = 5
; IVT
= in vehicle time (mnt)
X2 = 10 : X5 = 10 ; D
= distance (km)
X3 = 1; X6 = 1
; WT
= waiting time (mnt)
OPC = out of pocket cost (Rp.)
;
= - 0,01
Diketahui untuk perjalanan A B
Mobil = 15 mnt (IVT); 5 km (D); Rp. 120,- (OPC)
bis
= 30 mnt (IVT); 10 mnt (WT); Rp. 50,- (OPC)
Bagaimana Moda Split dari A B?
JAWAB:
PM = 1/(1 + exp (CB-CM))
CM = (4x15) + (10x5) + (1x120) = 230
CB = (5x30) + (10x10) + (1x50) = 300
PM = 1/(1+exp-0,01(300-230)) = 1/(1+ exp -0,7) = 1/(1 + 0,497) = 0,67
67% mobil

; dan 33% bis

10

C. Monte Carlo Sampling

(1)
(2)
(3)
(4)

Transformasi probabilitas ke discrete choice oleh decision maker:

Definisikan probability bonds
Pilih angka random antara 0-1
Record: termasuk ke probability bond mana angka tsb.
Ulang langkah (2) dan (3) untuk masing-masing decision making.

Contoh:
PMobil = 0,6
Probability Bonds

; Pbis = 0,2
Mobil
bis
Jalan Kaki

; Pjl.kaki = 0,2

= 0.0 0,60
= 0.61 - 0.80
= 0.81 - 1.00

Jika angka random = 0.626; 0.102; 0.869; 0,395; 0,291

Maka pilihan 5 orang tersebut = bis, Mobil, jalan kaki, mobil, mobil
PM = 60%; PB = 20%; PJK = 20%

11

Dari log of odds ratio ke familiar logit equation: (lanjutan)

Odds ratio = p/(1-p), odds ratio of other choice = (1-p)/p (atau 1/p-1)
Kita percaya bahwa ln [(1-p)/p] adalah beberapa fungsi () dari C2-C1
1.
2.
3.
4.
5.
6.

Kita dapat tulis :

ln [(1-p)/p] = (C2-C1)
Taking exponents : (1-p)/p = exp (C2-C1)
Kalikan dengan p : 1-p = p exp (C2-C1)
Tambahkan p :
1=p + exp (C2-C1) = p (1 + exp (C2-C1))
Dibagi dengan p :
1/p = 1 + exp (C2-C1)
* Taking reciprocals (berbanding terbalik):

p = 1/(1+exp (C2-C1))
Sebagai alternatif dari langkah 5 : 1/p =1 + exp (C2-C1) = 1/p = 1 exp (C2-C1)
7.
Diketahui bahwa exp(a-b) = expa/expb : 1/p = 1 + exp C2/exp C1
8.
Diketahui bahwa 1+a/b = b/b+a/b :
1/p = (exp C1/exp C1) + (expC2/expC1)
9.
* Taking reciprocals (berbanding terbalik):

p = expC1/ (expC1 + expC2)

12

Calibration of the Logit models on choice proportional data

(melibatkan penyesuaian sebuah kurva probabilitas terhadap data)
contoh
No.
Biaya
OD K. Api

Biaya
bis

Proporsi
K.Api

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

76
66
55
57
92
72
49
53
100
71
51
40

0.82
0.80
0.88
0.95
0.72
0.90
0.76
0.93
0.51
0.56
0.58
0.64

92
80
72
63
113
85
66
61
130
95
76
63

Misalkan kita memiliki alasan untuk percaya Bahwa pilihan

-pilihan dapat diterangkan menggunakan model berikut:
PK.Api = 1/(1 + exp (Cbis + CK.Api)) dimana adalah
koefisien kemiringan dan adalah penalti spesifik sebuah
moda yang diasosiasikan dengan perjalanan bis
Tentukan:
1. Berapa nilai dan ?
2. Berapa proporsi sebuah pergerakan OD yang
diharapkan untuk menggunakan K.Api, jika biaya K.Api
dan bis untuk pergerakan tsb adalah 60 dan 40 berturut
-turut ?

13

Solusi 1.
Kita dengan mudah dapat menggunakan sebuah paket dan dapat mengerjakannya secara grafis sbb:
Pertama, atur persamaan PK.Api = 1/(1 + exp (Cbis + CK.Api)) sbb:
1/PK.Api = 1+(exp (Cbis + CK.Api))
(1/PK.Api) - 1 = exp (Cbis + CK.Api)
ln ((1/PK.Api) - 1 = (Cbis + CK.Api)
ln ((1/PK.Api) -1) = (Cbis + CK.Api) +

Sekarang, kita menghitung [C bis CK.Api] dan [ln ((1/PK.Api) 1)] sbb:
-35
OD

Cbis CK.Api (1/PK.Api) 1) ln (1/PK.Api) 1)

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

-16
-14
-17
-8
-21
-13
-17
-8
-30
-24
-25
-23

0.22
0.25
0.14
0.05
0.39
0.11
0.32
0.32
0.96
0.79
0.72
0.56

-30

Ln (1/PK.Api)
-25

-20

-15

- 1.52
- 1.39
- 1.99
- 2.94
- 0.94
- 2.20
- 1.15
- 2.59
- 0.04
- 0.25
- 0.62
- 0.58

Kemudian kita dapat memplot [Cbis-CK.Api] terhadap [ln ((1/PK.Api) 1)] dan menggabungkan titik-titik
= -3.62/29 = -0.127
dengan garis penyesuaian terbaik:
PK.Api = Pbis = 0.5, nilai yg harus + ke Cbis
sehingga :
CK.Api= Cbis+ (ie = CbisCK.Api, dmn PK.Api=0.5)
PK.Api = 0.5 saat ln ((1/ PK.Api) -1) = 0
Karena itu, dgn pemeriksaan, = 29

-10

-5

0
0

(Cbis
CK.Api)

-0.5
-1
-1.5
-2
2,5
-3
-3.5

14

Solusi 2
PK.Api = 1/(1 + exp (Cbis + CK.Api)), jika = -0.127, = 29,
CK.Api = 60 dan Cbis = 40
PK.Api = 1/(1 + exp -0.127 (40 +29-60)) = 1/(1 + exp -1.143) = 1/1.319 = 0.76
keseluruhan biaya = 40 + 29 = 69
biaya bis > (lebih besar) dari biaya K.Api
diharapkan bahwa K.Api akan dipilih oleh sebagian besar penumpang.

15

Model Logit Multinomial

Model pemilihan diskret (relatif mudah dan sering digunakan)

Asumsi: residu tersebar acak dan tersebar bebas dan identik (independent-andidentically-distributed/IID):

Piq = exp(Viq) / exp(Vjq)

Aj A(q)

Fungsi utilitasnya berbentuk linear dan parameter = 1, karena terkait dgn

persamaan Gumbel:

2 = 2 /62

Memenuhi aksioma independence-of-irrelevant-alternatives (IIA): jika dua alternatif

berpeluang untuk dipilih, nisbah satu peluang terhadap peluang lain tidak
terpengaruh oleh adanya alternatif lain dalam satu set pilihan:
Pj/Pi = exp {(Vj-Vi)}

16

Contoh Model LM (Pilihan Moda Bagi Pekerja Tangerang-Jakarta)

Populasi = 82.949.463 trip/hari
Sampel = 100 Metode Slovin : (Mp:86 (57,35%) ; bis : 59 (39,45%) ; KA: 35 (3,2%)
Tingkat kepercayaan () = 90% ; stratifikasi proporsional acak

Model fungsi utilitas moda angkutan Mobil Pribadi:

Vm = (0,9823x1006)P1 + 4,863M1 0,0006766BK1 0,04284WT1 + 0,312700WP1 + 0,4320NWT1

+ 0,05461JP1 + 1,9390TD1
Model fungsi utilitas moda angkutan bis:

Vb = (0,7674x1006)P2 3,324M2 + 0,0002608BK2 0,04505WT2 0,004155WAD2 + 1,7240NWT2

+ 1,43840JP2
Model fungsi utilitas moda angkutan Kereta Api:
Vka = (0,8836x1006)P3 2,970M3 0,0001215BK3 0,10200WT3 0,014800WAD3 + 1,872NWT3
+ 0,80820JP3 + 2,1504TD3
Pilihan atribut pengaruh:
P = Income keseluruhan
K = Koefisien moda angkutan
M = Kepemilikan mobil pribadi
WP = Waktu parkir kendaraan
BK = Biaya keseluruhan perjalanan
WT = Waktu tempuh kendaraan
WAD = Waktu tempuh access-deccess
NWT = Penilaian terhadap waktu tempuh kendaraan
JP = Jadwal pemberangkatan kendaraan
TD = Ketersediaan tempat duduk kendaraan

17

Contoh Logit-biner
Tabel Informasi operasi jalan raya dan jalan baja dan % pilihan moda
Moda bis

Moda KA

Zona Asal
(O)

Zona
Tujuan (D)

25

30

10

20

10

19

82

18

102

99

21

25

10

18

18

80

20

89

86

19

21

10

15

10

84

16

81

78

16

18

10

15

15

95

72

97

25

40

20

25

10

27

75

25

130

117

20

25

20

20

20

80

20

105

92

15

15

20

10

10

55

45

85

62

13

15

20

15

12

10

89

11

81

88

29

42

15

25

10

30

75

25

131

120

19

23

15

15

25

80

20

92

91

16

20

15

12

10

10

70

30

83

74

11

15

15

10

10

86

15

68

65

X1

X2

X3

X4

X1

X2

% Bis

X3

% KA

CJR

X1 : Waktu tempuh dlm kendaraan (menit); X 2 : waktu menunggu (menit); X 3 : Biaya operasi (Rp)
X4 : Biaya terminal (Rp); Nilai waktu X 1 : 2 satuan Rp/Menit; Nilai waktu X 2 : 4 satuan Rp/Menit
CJR : (2.X1) + (4.X2) + X3 + X4 = biaya jalan raya
CJB : (2.X1) + (4.X2) + X3 = Biaya jalan baja

CJB

18

Contoh Logit-biner-selisih: loge (1-P1/P1) = + C

Tabel Perhitungan metode analisis regresi linear untuk model logit-biner-selisih
CJR

CJB

102
89
81
72
130
105
85
81
131
92
83
68

99
86
78
97
117
92
62
88
120
91
74
65

CJBCJR

Loge{(1-P)/P}

(Xi )

(Yi)

XiYi

X i2

-3
-3
-3
25
-13
-13
-23
7
-11
-1
-9
-3

-1,5163
-1,3863
-1,6582
-2,9444
-1.0986
-1,3863
-0,2007
-2,0907
-1,0986
-1,3863
-0,8473
-1,7346

4,5490
4,1589
4,9747
-73.6110
14,2820
18,0218
4,6154
-14.6352
12,0847
1,3863
7,6257
5,2038

9
9
9
625
169
169
529
49
121
1
81
9

-50

-17,3848

-11,3438

1780

Exp (A+BXi)
0,2214
0,2214
0,2214
0,0499
0,3769
0,3769
0,6417
0,1300
0,3389
0,1990
0,3047
0,2214

P=1/(1+exp(A+BXi))
0,8187
0,8187
0,8187
0,9525
0,7262
0,7262
0,6091
0,8849
0,7469
0,8340
0,7665
0,8187

B = (N. XiYi (Xi . Yi))/(N. Xi2-(Xi)2)

-0,0532

A = (Rerata Y) B (Rerata X)

-1,6674

19

Contoh Logit-biner-selisih (lanjutan)

Gambar Analisis regresi linear untuk model logit-biner-selisih
0,00
-0,50
-1,00

R2 = 0,898

-1,50
Loge{(1-P)/P}

-2,00
2,50
3,00
-3.50

CJBCJR

-30

-20

-10

10

20

30

Pjr = 1/1+exp (-1,6674 0,0532 (CJb CJR)

- 84% orang memilih moda bis meski biaya bis dan KA sama (bis lebih diminati)
- Jika biaya KA lebih mahal 20 satuan Rp dari bis, maka % orang memilih moda bis naik 90%.
- Jika biaya bis lebih mahal 31 satuan Rp dibanding KA, maka pengguna bis hanya 50%
bermanfaat dalam pengambil kebijakan pengoperasian bis dan KA (pangsa pasar pesaing)
20

Model Logit-biner-nisbah
Y = log (1-P1/P1) ; X = log (C1/C2) Y = A + BX
= 10A dan = B (lihat hubungan korelasi r dlm regresi linear)
Tabel Perhitungan metode analisis regresi-linear untuk model-logit-biner

CJR

CJB

102
89
81
72
130
105
85
81
131
92
83
68

99
86
78
97
117
92
62
88
120
91
74
65

CJR/CJB)

Log (W)

Log{(1-P)/P}

(Wi)

(Xi)

(Yi)

1,0303
1,0349
1,0385
0,7423
1,1111
1,1413
1,3710
0,9205
1,0917
1,0110
1,1216
1,0462

0,0130
0,0149
0,0164
-0,1294
0,0458
0,0574
0,1370
-0,0360
0,0381
0,0047
0,0498
0,0196
0,2313

XiYi

X i2

WiB

P=1/(1+(AWiB))

-0,6585
-0,6021
-0,7202
-1,2788
-0,4771
-0,6021
-0,0872
-0,9080
-0,4771
-0,6021
-0,3680
-0,7533

-0,0085
-0,0090
-0,0118
0,1655
-0,0218
-0,0346
-0,0119
-0,0327
-0,0182
-0,0029
-0,0183
-0,0148

0,0002
0,0002
0,0003
0,0168
0,0021
0,0033
0,0188
0,0013
0,0015
0,0000
0,0025
0,0004

1,1432
1.1661
1,1843
0,2629
1,6035
1,8083
4,1126
0,6897
1,4815
1,0502
1,6727
1,2241

0,892
0,8162
0,8139
0,9517
0,7626
0,7412
0,5574
0,8825
0,7776
0,8314
0,7559
0,8088

-7,5343

0,0464

0,0472

4,4819

B = (N.Xi.Yi (Xi.Yi))/(N.Xi2 (Xi)2)

Log A = (rerata Y) B (rerata X)

-0,7142

0,1931
21

Garis Hasil Regresi linear model logit-biner-nisbah

PJR = 1/1 + 0,1931. (CJR/CJB)4,4819
Log ((1-P)/P)
-1,40

R2 = 0,9095
-1,20

PJR = 1/1 + 0,1931. (CJR/CJB)4,4819

-1,00
-0,80
-0,60
-0,40
-,20
0,00
0,00

0,70

0,80

0,90

1,00

1,10

1,20

1.30

1.40

1,50
CJR/CJB

22

Gambar Hasil Model logit-biner-nisbah

PJR = 1/1 + 0,1931. (CJR/CJB)4,4819
PJR
1,00
0,90
0,80

84% orang memilih bis, meskipun biaya C bis = KA.

Jika biaya C bis dinaikan lebih mahal 1,44 dari biaya KA,
pengguna bis akan turun sebanyak jadi 50%.

0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0,00

0,40

0,80

1,20

1,60

2,00

2,40

2,80

3,20 CJR/CJB

23

Uji kepekaan logit- biner-selisih

1. Kenaikan BBM 50%, mempengaruhi nilai X3 (1,5 kali dari eksisting)
2. Waktu tempuh menurun 40% dari eksisting. Peningkatan LOS bis menjadi 60% dari eksisting
3. Terjadi peningkatan LOS dan waktu menunggu turun menjadi 60%, mengakibatkan waktu tempuh
(X1) dan waktu penunggu (X 2) KA menurun sebesar 40% dari eksisting.
4. Biaya terminal KA (X4) dihilangkan.
Kota

Yang sekarang

Kasus 1

Kasus 2

Kasus 3

Kasus 4

Asal

Tujuan

JR (%)

JB (%)

JR (%)

JB (%)

JR (%)

JB (%)

JR (%)

JB (%)

JR (%)

JB (%)

82

18

77

23

93

45

55

88

12

80

20

79

21

92

52

48

88

12

84

16

76

24

91

50

50

88

12

95

94

98

75

25

97

75

25

65

35

88

12

28

72

88

12

80

20

70

30

86

14

36

64

88

12

55

45

58

42

75

25

34

66

82

18

89

11

87

13

93

59

41

96

75

25

68

32

91

30

70

87

13

80

20

84

16

92

55

45

92

70

30

72

28

87

13

46

54

88

12

85

15

78

22

88

12

56

44

91

24

Uji kepekaan logit- biner-nisbah

1. Kenaikan BBM 50%, mempengaruhi nilai X3 (1,5 kali dari eksisting)
2. Waktu tempuh menurun 40% dari eksisting. Peningkatan LOS bis menjadi 60% dari eksisting
3. Terjadi peningkatan LOS dan waktu menunggu turun menjadi 60%, mengakibatkan waktu tempuh
(X1) dan waktu penunggu (X 2) KA menurun sebesar 40% dari eksisting.
4. Biaya terminal KA (X4) dihilangkan.
Kota

Yang sekarang

Kasus 1

Kasus 2

Kasus 3

Kasus 4

Asal

Tujuan

JR (%)

JB (%)

JR (%)

JB (%)

JR (%)

JB (%)

JR (%)

JB (%)

JR (%)

JB (%)

82

18

79

21

92

44

56

88

12

80

20

79

21

92

45

55

88

12

84

16

76

24

92

37

63

89

11

95

93

98

71

29

97

75

25

74

26

87

13

38

62

87

13

80

20

73

27

86

14

35

65

88

12

55

45

55

45

71

29

17

83

81

19

89

11

87

13

93

51

49

96

75

25

75

25

89

11

41

59

86

14

80

20

84

16

92

52

48

92

70

30

71

29

87

13

32

68

88

12

85

15

76

24

89

11

35

65

93

25

Pemahaman hasil uji kepekaan logit- biner- selisih dan nisbah

1. Model logit biner selisih dan model logit biner nisbah tidak memperlihatkan perbedaan
hasil yang signifikan dan hasilnya cenderung sama.
2. Kasus 1, peningkatan harga BBM ternyata tidak mempengaruhi pangsa pasar secara
umum dan masih menguntungkan operator jalan raya.
3. Namun pada Kasus 2, pengurangan waktu tempuh ternyata menyebabkan pangsa
pasar beralih ke jalan raya secara signifikan dan terjadi pada seluruh pasangan
antarzona yang ditinjau.
4. Pada Kasus 3, peningkatan pelayanan K. Api (berkurang waktu tempuh dan waktu
menunggu) berpengaruh terhadap peningkatan pangsa pasarnya, walaupun
persentasenya tdk terlalu banyak berbeda dengan pengguna jalan raya; masih ada
pasangan antarzona jalan raya masih lebih besar dibanding jalan baja.
5. Pada Kasus 4, penghilangan biaya terminal ternyata sangat menguntungkan bagi
jalan raya (peningkatan pangsa pasarnya di seluruh pasangan antarzona)

26

4. Model Route choice (pilihan rute pergerakan)

Tujuan: Bagaimana mengalokasikan matriks T ij pada jaringan jalan
Input:
- Matriks Tij (demand) untuk periode waktu tertentu (mis. 24 jam)
- Network (supply) definisi cost untuk setiap link tingkat kedetailan (minor road dapat
diabaikan)
- Aturan pemilihan rute, misal: pelaku pergerakan akan memilih rute yang dianggapnya
paling murah (perbandingan) jarak tempuh, waktu tempuh, atau kombinasi keduanya;
kemacetan dan ciri fisik ruas jalan sebagai pembatas lalulintas di jalan tsb.

Output: - Link flow, turning movement

- Ukuran-ukuran agregat (mis. total travel time, vehicle miles pada jalan tertentu)
- Zone to zone travel cost
- komposisi traffic pada rute tertentu
- O - D routes

Model-model trip assignment berbeda dalam hal:

1. Representasi network dan kinerjanya (apakah efek kemacetan diperhitungkan)
2. Representasi dari bagaimana pelaku pergerakan mengambil keputusan (faktor-faktor apakah yang
berpengaruh? Apakah perilaku semua orang identik?)

27

4.1 Representasi network dan kinerjanya

A. Faktor-faktor mempengaruhi efektivitas kapasitas jaringan jalan
jumlah dan lokasi centroid connector
A
w
x

A
x

B
Misal: dengan 1 centroid connector dari A, flow A B akan menggunakan link x
dengan 2 tidak
- kapasitas desain (jumlah lajur, batas kecepatan dll)
- pengukuran kapasitas akibat faktor lokal (parkir, penyeberangan, K5 dll)
- kapasitas persimpangan (signalized or not)
- perilaku pelaku perjalanan

B. Representasi Kemacetan

Basic: speed flow relationship (semakin besar flow semakin rendah speed)
Berbagai formulasi hubungan speed flow; misalnya konsep-konsep:
- free flow speed (FFS);
- maximum flow pada Vt tertentu;
- free flow llimit (FFL)
- speed at capacity;
- capacity;
- speed profile above capacity
Setiap hubungan tersebut dipengaruhi tipe-tipe jalan
28

Lanjutan B

Link Based Speed flow Relationship penyederhanaan; representasi yang lebih baik
memerlukan simulasi dan traffic flow theory kompleks
Jika efek kemacetan dipehitungkan maka flow mempengaruhi speed dan speed mempengaruhi
route choice feedback loop, sehingga tercapai keseimbangan.

Choice of Links
Link Speed

Cost = a1X1 + a2X2 + a3 an

a1 = nilai waktu (rp/Jam)
a2 = biaya operasi kend (Rp/jam)
A3 = biaya tambahan lain (mis.Tol, asuransi
by operasi kendaraan, dll)

Link Cost
Wardrops Selfish (or user) equilibrium:
under equilibrium condition, traffic arranges itself on congested network in such away that no
individual trip maker can reduce his path cost by switching routes.
Pencapaian kondisi wardrops equilibrium ukuran keberhasilan model trip assignment yang
memperhitungkan efek kemacetan.

= Tijr (Cijr Cijrmin) / Tijr Cijrmin

ijr

ijr

C. Representasi dari cara pelaku pergerakan memilih rute

Distance Minimising (a); - Time Minimising (b); - Kombinasi (a) dan (b) generalized cost
Model deterministic: semua pelaku memiliki informasi yang sama dan sempurna dan bertindak
sama dan rasional.
Model stochastic: mengakomodasikan ketidaksempurnaan informasi dan variasi tindakan
(persepsi), misal: kasus Jl Juanda (home base trip to ITB).
29

4.2 Model-model trip assignment

A.

All or Nothing Assignment (AON)

Asumsinya:

Semua Trips O-D tertentu dialokasikan pada rute terpendek/tercepat dan termurah,
mengabaikan efek kemacetan, imperferct knowledge, taste variation.

Disebut juga desire line assignment

Murah dan mudah dulakukan dalam pemodelan inter urban

Solusi AON adalah Non Equilibrium, hasil ekstrimnya: rute overloaded, rute kosong

B.

Congested Assignment Methods

(1)

Repeated All or Nothing Method

- Pengulangan AON dengan menggunakan link cost baru yang dapat dihitung kembali
setelah proses assignment dan disebut juga hard oscillation method
- Flow pada rute paralel berosilasi dari satu iterasi ke iterasi berikutnya
- Tidak menghasilkan user equilibrium, kecuali untuk wilayah dengan sedikit jaringan
jalan (sparse area).
- Model yang lebih mutakhir mencoba menghaluskan osilasi dengan menggunakan
rerata kecepatan (Vt) dari iterasi sebelumnya soft oscilation.
- Hasil lebih baik namun tidak menghasilkan user equilibrium, kecuali untuk sparse area
- karena model ini tidak konvergen, maka perlu ditetapkan jumlah iterasi
- Keuntungan: model ini mudah untuk diprogram
30

lanjutan
(2)

Incremental Method
- Memecah matriks fraksi hitung untuk masing-masing fraksi hitung
kembali link time untuk mengakomodasikan pengaruh kemacetan
- Iterasi pertama: gunakan free flow cost (F = 0)
- Fraksi tipikal : 0,4; 0,3; 0,2; 0,1
- Kelebihannya: dapat mencapai konvergensi dan mudah dalam pemograman

(3)

Iterative Method Involving Flow Combination Technique

- Flow dari iterasi sebelumnya dikombinasikan dengan auxiliary flow berdasarkan
AON menggunakan cost dari iterasi sebelumnya.
- Aturan kombinasi paling sederhana: rerata flow sebelumnya dan auxiliary flow
- Atau auxiliary flow dihitung -nya pada iterasi - 2. 1/3 pada iterasi 3 dan
seterusnya (Method of successive average = BPR Method)

31

Contoh
Metode All or Nothing (deterministic) dan Congested Assignment Methods (stochastic)

Rute 2 (kapasitas 4.000 smp/jam)

10

20
10

10

Rute 1 (kapasitas 1.500 smp/jam)

15

10
20

10

Asumsi peak hour trip 4.500 smp/jam dari zona A B. Setiap trip akan memilih rute terpendek (rute 1), namun berakibat
Rute 1 mengalami kemacetan (sifat deterministik). Beberapa kendaraan akan memilih alternatif lain (Rute 2) walaupun jarak
pencapaiannya relatif jauh menghindari kemacetan/tundaan dan alasan lain bersifat individual (stokastik).
Suatu saat terjadi keseimbangan pergerakan (tidak memungkinkan seseorang memilih rute lain) yang lebih baik karena
kedua rute mempunyai biaya yang sama dan minimum (Wardrop, in OZT 2005)

Robillard, 2007:
Klasifikasi pemilihan rute:
(1) Proporsional (AON dan Stokastik)
- Tidr (hasil pembebanan) = penjumlahan semua arus jika setiap pasangan zona dibebankan terpisah
- Semua MAT dikalikan dengan faktor penentu, mis. 2 (semua sel arus pembebanan meningkat 2 kali)
(2) Tidak Proporsional (metode batasan kapasitas dan metode keseimbangan)

32

Contoh
Kasus 1
Terdapat pergerakan sebesar 2000 kendaraan bergerak dari zona asal A ke zona tujuan B dengan
3 rute (Rute 1: C = 10 + 0,02 V; Rute 2: C = 15 + 0,005 V; Rute 3: C = 12,5 + 0,015 V)
dan fraksi pembebanan seragam 25%. Hitung pembebanan inkremental setiap rute tsb?
Rute 1

Rute 2

Rute 3

Pembebanan ke-

F
(nilai
arus)

Arus

Biaya

Arus

Biaya

Arus

Biaya

10

15

12,5

500

500

20

15

12,5

500

500

20

15

500

20

500

500

20

500

17,5

500

20

500

500

20

1.000

20

500

20

Wardrops
Equilibrium:
TOTAL
2000
min
min
= Tijr (Cijr Cijr ) / Tijr Cijr
ijr

Algoritma mencapai keseimbangan

ijr

= [500(20-20) + 1.000 (20-20) + 500 (20-20)] / (2000 x 20) = 0

33

Contoh
Kasus 2 dengan fraksi pembebanan tidak seragam (40%, 30%, 20%, 10%) pada
(Rute 1: C = 10 + 0,02 V; Rute 2: C = 15 + 0,005 V; Rute 3: C = 12,5 + 0,015 V) .
Hitung pembebanan inkremental setiap rute tsb?
Rute 1

Rute 2

Rute 3

Pembebanan ke-

F
(nilai
arus)

Arus

Biaya

Arus

Biaya

Arus

Biaya

10

15

12,5

800

800

26

15

12,5

600

800

26

15

600

21,5

400

800

26

400

17

600

21,5

200

800

26

600

18

600

21,5

TOTAL
2000
Algoritma tidak mencapai keseimbangan
Wardrops
Equilibrium:
= [800(26-18) + 600 (18-18) + 600 (21,5-18)] / (2000 x 18) = 0,2361
algoritma tidak mencapai konvergen dengan solusi Wardrop (setelah seluruh pergerakan
dibebankan). Disebabkan arus rute 1 sebanyak 800 kendaraan, sangat besar.
Gunakan metode pembebanan kuantal.
- Menghasilkan penyebaran pergerakan lebih baik, karena pembebanan awal terlalu besar
biayanya akan bertambah sehingga pembebanan berikutnya akan lebih sedikit.
- Mencegah rute yang pembebanan rute yang tidak masuk akal seperti model AON

34