1.

1Latar Belakang Masalah

Transportasi adalah usaha untuk memindahkan, menggerakkan, atau mengangkut
orang ataupun barang dari suatu tempat ke tempat lain, dimana di tempat lain ob
jek tersebut lebih berguna ataudapat berguna untuk tujuan-tujuan tertentu. Trans
portasi dikatakan baik jika dari segi keselamatan, aksesibilitas yang tinggi, ka
pasitas mencukupi, teratur, lancar, tepat waktu, nyaman, ekonomis, aman, tertib,
rendah polusi, dan beban masyarakat rendah.
Salah satu manfaat dilakukannya perencanaan transportasi jalan adalah meng
antisipasi kebutuhan perjalanan yang terus berkembang, berupa penyiapan prasaran
a jalan. Antisipasi tersebut memerlukan perkiraan kebutuhan perjalanan yang akan
terjadi di masa datang. Alat yang digunakan untuk memperkirakan kebutuhan perja
lanan adalah model kebutuhan perjalanan. Perencanaan transportasi jalan sangat
di perlukan, akan tetapi dalam perencanaan keterbatasan data khususnya data prim
er menjadi kendala dalam melakukan pemodelan transportasi jalan. Untuk itu Pusat
Litbang Jalan dan Jembatan melakukan penelitian Perencanaan Transportasi Jalan
Perkotaan dengan hasil menyediakan suatu model perencanaan transportasi jalan pe
rkotaan yang sederhana.
Model kebutuhan perjalanan tersebut memiliki akurasi setingkat pra studi k
elayakan, dikarenakan variabel-variabel yang digunakan dalam persamaan ini hanya
variabel yang umum dimiliki oleh tiap perkotaan.Dengan menggunakan model kebuth
an perjalanan ini perencanaan transportasi jalan untuk Perkotaan tetap dapat dil
akukan hanya dengan data sekunder yang tersedia. Namun, jika kebutuhan perencana
an transportasi yang lebih akurat maka diharuskan menggunakan proses pemodelan t
ransportasi yang lebih lengkap, dalam arti memperhitungkan banyak variabel dalam
pembentukan model perencanaan transportasi dengan membutuhkan data yang lengkap
.
1.2 Tujuan
Modul ini bertujuan untuk memberikan penjelasan mengenai ketentuan dan pro
sedur tentang perencanaan transportasi Jalan untuk perkotaan 4 tahap dengan mene
ntukan metode Matrik Asal Tujuan.
.
1.3 Ruang Lingkup
Modul ini menjelaskan ketentuan dan prosedur tentang tata cara Perencanaan
Transportasi Jalan Perkotaan, yang meliputi: Kriteria kota, Penetapan Zona Lalu
lintas, Kebutuhan data, ketentuan teknis Perencanaan, dan prosedur perencanaan.
2. Perencanaan Transportasi Jalan Perkotaan
2.1 Kriteria Kota
Menurut UU No. 26 tahun 2007 tentang Penataan Ruang, kawasan perkotaan ada
lah wilayah yang mempunyai kegiatan utama bukan pertanian dengan susunan fungsi
kawasan sebagai tempat permukiman perkotaan, pemusatan dan distribusi pelayanan
jasa pemerintahan, pelayanan sosial, dan kegiatan ekonomi. Secara Geografis, kot
a adalah suatu bentang budaya yang ditimbulkan oleh unsur-unsur alami dan non-al
ami dengan gejala pemusatan penduduk tinggi, corak kehidupan yang heterogen, sif
at penduduknya individualistis dan materialistis.
Peraturan Pemerintah No. 26 Tahun 2008 menjelaskan bahwa sistem perkotaan
nasional terdiri atas PKN, PKW dan PKL.dapat berupa:
a. kawasan megapolitan;
b. kawasan metropolitan;
c. kawasan perkotaan besar;
d. kawasan perkotaan sedang; atau
e. kawasan perkotaan kecil.

Adapun definisi tiap perkotaan berdasarkan Peraturan Pemerintah No. 26 Tah

un 2008 menjelaskan bahwa:
1) Kawasan megapolitan merupakan kawasan yang ditetapkan dengan kriteria memilik
i 2 (dua) atau lebih kawasan metropolitan yang mempunyai hubungan fungsional dan
membentuksebuah sistem.
2) Kawasan metropolitan merupakan kawasan perkotaan yang ditetapkan dengan krite
ria:
a. Memiliki jumlah penduduk paling sedikit 1.000.000 (satu juta) jiwa;
b. Terdiri atas satu kawasan perkotaan inti dan beberapa kawasan perkotaan disek
itarnya yang membentuk satu kesatuan pusat perkotaan; dan
c. Terdapat keterkaitan fungsi antarkawasan perkotaan dalam satu sistem metropol
itan.
3) Kawasan perkotaan besar merupakan kawasan perkotaan yang ditetapkan dengan cr
iteria jumlah penduduk lebih dari 500.000 (lima ratus ribu) jiwa.
4) Kawasan perkotaan sedang merupakan kawasan perkotaan yang ditetapkan dengan c
riteria jumlah penduduk lebih dari 100.000 (seratus ribu) sampai dengan 500.000
(lima ratus ribu) jiwa.
5) Kawasan perkotaan kecil merupakan kawasan perkotaan yang ditetapkan dengan cr
iteria jumlah penduduk lebih dari 50.000 (lima puluh ribu) sampai dengan 100.000
(seratus ribu) jiwa.
2.2 Pemodelan Transportasi Empat Tahap
Model perencanaan transportasi empat tahap merupakan pilihan konsep pemode
lan yang paling sering digunakan dalam berbagai studi transportasi di Indonesia,
karena selain kemudahannya juga kemampuannya dalam menggambarkan berbagai inter
aksi antara sistem transportasi dan tata ruang di wilayah studi. Secara umum mod
el ini merupakan gabungan dari beberapa seri submodel yang masing-masing harus d
ilakukan secara berurutan, yakni: bangkitan perjalanan, sebaran perjalanan, pemi
lihan moda, dan pemilihan rute.
Pendekatan model dimulai dengan menetapkan sistem zona dan jaringan jalan,
termasuk di dalamnya adalah karakteristik populasi yang ada di setiap zona. Den
gan menggunakan informasi dari data tersebut kemudian diestimasi total perjalana
n yang dibangkitkan dan/ atau yang ditarik oleh suatu zona tertentu (trip ends).
atau disebut dengan proses bangkitan perjalanan (trip generation). Tahap ini ak
an menghasilkan persamaan trip generation yang menghubungkan jumlah perjalanan d
engan karakteristik populasi serta pola dan intensitas tata guna lahan di zona y
ang bersangkutan. Selanjutnya diprediksi dari/ kemana tujuan perjalanan yang dib
angkitkan atau yang ditarik oleh suatu
zona tertentu atau disebut tahap distribusi perjalanan (trip distribution).
Dalam tahap ini akan dihasilkan matriks asal-tujuan (MAT). Pada tahap pemi
lihan moda (modal split) MAT tersebut kemudian dialokasikan sesuai dengan moda t
ransportasi yang digunakan para pelaku perjalanan untuk mencapai tujuan perjalan
annya. Dalam tahap ini dihasilkan MAT per moda.
Terakhir, pada tahap pembebanan (trip assignment) MAT didistribusikan ke r
uas-ruas jalan yang tersedia di dalam jaringan jalan sesuai dengan kinerja rute
yang ada. Tahap ini menghasilkan estimasi arus lalu lintas di setiap ruas jalan
yang akan menjadi dasar dalam melakukan analisis kinerja. Dengan melihat proses
di atas maka secara garis besar proses analisis transportasi jalan terdiri atas
beberapa kegiatan utama, yaitu: penetapan wilayah studi, analisis sistem jaringa
n, analisis kebutuhan pergerakan, dan analisis sistem pergerakan. Dalam beberapa
butir berikut ini disampaikan bahasan mengenai setiap tahap pemodelan transport
asi yang dilakukan.
2.3 Penetapan Zona Lalu lintas
Penetapan zona lalu lintas didasarkan pada:
1) Batas administratif wilayah kota sebagai kordon area dan wilayah yang berada
di luassekitarkordon area diasumsikan sebagai zona lalu lintas eksternal;
2) Satuan zona lalu lintas adalah zona administratif yang lebih kecil dari admin
istratif kota, yangselanjutnya disebut sebagai zona lalu lintas internal;

2.4 Kebutuhan Data Perencanaan Transportasi Jalan

2.4.1. Data penduduk
Data yang dibutuhkan adalah Jumlah penduduk (P) dari data sekunder tiap zo
na lalu lintas dalamsatuan orang dalam kurun waktu 3 tahun terakhir.Data jumlah
penduduk di gunakan dalam tahapan bangkitan dan tarikan perjalanan. Jika data ju
mlah penduduk 3 tahun terakhir tidak didapat makadalam memprediksi penduduk ke t
ahun rencana dapat menggunakan rumus dan tingkatpertumbuhan pada sub bab prediks
i transportasi jalan.
2.4.2. Data waktu tempuh per zona
Data Waktu tempuh perjalanan antar zona lalu lintas dengan satuan per jam
yang didapat dari waktutempuh rata-rata beberapa ruas yang menghubungkan tiap zo
na lalu lintas.Data waktu tempuh tiapruas dapat diperoleh dari data sekunder ata
u data primer dengan melakukan survei di lapanganberdasarkan waktu tempuh rata-r
ata tiap ruas jalan yang menghubungkan antar zona.Data inidiperlukan untuk tahap
sebaran perjalanan.
2.4.3. Data biaya perjalanan
Moda yang diakomodir dalam proses perencanaan transportasi ini terdiri dar
i angkutan umum dan angkutan pribadi (sepeda motor dan mobil penumpang) maka unt
uk menunjang analisis tahap pemilihan moda diperlukan data sebagai berikut:
1) Biaya perjalanan angkutan umum (ongkos orang per km) yang dapat diperoleh da
ri data sekunder.
2) Biaya perjalanan angkutan pribadi (sepeda motor dan mobil penumpang) yang dap
at diperoleh dari:
a. data sekunder saat ini atau data tahun sebelumnya yang disesuaikan terhadap i
nflasi
b. data primer dengan melakukan survei dilapangan berdasarkan kebutuhan perjalan
an (rupiah Per km) tiap ruas jalan yang ditinjau. (penentuan ukuran sampel terga
ntung dari populasi)
Penentuan ukuran sampel dihitung dengan menggunakan rumus Slovin (Simamora,
2002) sebagai berikut:
Dan
ni
= ukuran sampel minimum
w
= proporsi tiap jenis kendaraan i
N
= jumlah populasi kendaraan
E
= persen kelonggaran ketidaktelitian karena kesalahan pengambila
n sampel I yang
ditolerir atau diinginkan dengan asumsi kelonggaran ketidaktelitian yangdiambil
sebesar 5%
D. Data sistem jaringan transportasi jalan
Dalam tahapan pemilihan rute diperlukan data sebagai berikut:
1) Data jaringan jalan kota (peta) minimal skala 1: 100.000, yang didukung oleh
panjang tiap ruas jalan yang ditinjau, data ini digunakan untuk melihat ruas jal
an yang menghubungkan antar zona;
2) Data kinerja jaringan jalan kota, dalam hal ini adalah kapasitas jalan dan wa
ktu tempuh (jam) pada saat arus bebas yang didapat dari data sekunder.
2.5 Kebutuhan Analisis Kota Kecil
Analisis perencanaan transportasi jalan kota dengan menggunakan data dasar
jumlah penduduk dapat dilakukan untuk mengetahui kondisi tahun mendatang, dilak
ukan dengan menggunakan data tahun terakhir lalu di prediksi ke tahun yang dimak
sud. Nilai pertumbuhan dengan menggunakan nilai default yang ditetapkan dalam pe

doman ini atau jika memiliki data time series minimal tiga tahun terakhir.
2.5.1 Prediksi Transportasi Jalan
Dalam melakukan perencanaan transportasi, dibutuhkan peramalan (perkiraan)
transportasi, karena rencana disusun berdasarkan ramalan yang memungkinkan terj
adi di masa yang akan datang. Peramalan dilakukan dengan angka pertumbuhan pendu
duk kota kecil menggunakan persamaan 2.
F = P x (1+i)n
(2)
Keterangan:
F = prediksi jumlah penduduk yang akan datang (orang)
P = jumlah penduduk saat ini (orang)
i = tingkat pertumbuhan penduduk untuk kota kecil = 1,60% - 2,00%
n = jumlah tahun prediksi
2.5.2 Bangkitan/tarikan perjalanan
Bentuk model bangkitan perjalanan adalah model regresi linier, dengan var
iabel bebas berupa datajumlah penduduk variabel tidak bebas berupa jumlah perjal
anan asal zona lalu lintas yang ditinjau.Model tarikan perjalanan menggunakan va
riabel bebas berupa jumlah penduduk dengan variable tidak bebas berupa jumlah pe
rjalanan yang menuju zona lalu lintas yang ditinjau. Persamaan modelbangkitan pe
rjalanan ditunjukkan oleh persamaan 3 dan untuk model tarikan perjalanan ditunju
kanoleh persamaan 4:
Keterangan:
O = jumlah bangkitan perjalanan (perjalanan orang/hari/zona)
D = jumlah tarikan perjalanan (perjalanan orang/hari/zona)
P = jumlah penduduk (orang/zona)
2.5.3 Sebaran perjalanan
Pada tahap ini, jumlah perjalanan yang dibangkitkan dari suatu zona lalu l
intas asal atau yang tertarik
ke suatu zona lalu lintas tujuan akan didistribusikan pada setiap zona lalu lint
as asal dan zona lalu-lintas tujuan yang ada. Tahapan ini menghasilkan Matriks A
sal Tujuan Perjalanan.
Metode yang digunakan adalah metode sintesis dengan model dasar dari model
persamaan distribusi perjalanan adalah Model Gravitasi. Jumlah perjalanan yang
dibangkitkan oleh zona lalu lintas asal iakan didistribusikan ke zona lalu linta
s tujuan d akan berbanding terbalik terhadap waktu tempuh perjalanan (C) antara
kedua zona lalu lintas tersebut, atau dalam fungsi matematika untuk perkotaan ke
cil adalah sebagai berikut:
Tid = Ai .Oi .Bd .Dd .fid

(5)

Keterangan :

Keterangan:
Tid
= perjalanan dari zona lalu lintas asal i ke zona lalu lintas tujuan d (
orang/hari)
O
= jumlah perjalanan yang berasal dari zona lalu lintas asal I (orang/har
i)
Did
= jumlah perjalanan yang menuju ke zona lalu lintas tujuan d (orang/hari
)
fid
= fungsi hambatan = (C id 2,1578). (e (-0,0121*Cid)
(8)

Cid
Ai
Bd

= waktu tempuh perjalanan (jam)

= faktor penyeimbang
= faktor penyeimbang

2.5.4 Pemilihan moda

Tahap ini merupakan suatu upaya untuk mengestimasi proporsi orang yang aka
n menggunakan suatu moda angkutan yang tersedia. Moda yang menjadi alternatif pi
lihan dalam perhitungan ini dibatasi hanya pada angkutan pribadi dan angkutan um
um.Jenis angkutan pribadi hanya mencakup mobil pribadi dan sepeda motor, sedangk
an angkutan umum merupakan semua jenis angkutan umum. Adapun model yang digunaka
n untuk perhitungan pemilihan moda pada kota kecil ini adalah sebagai berikut :

Keterangan:
PP
= proporsi kendaraan pribadi
PSM
= proporsi sepeda motor
PMP
= proporsi mobil penumpang
PU
= proporsi kendaraan umum
CU
= biaya perjalanan kendaraan umum (rupiah)
CP
= biaya perjalanan kendaraan pribadi (rupiah)
CSM
= biaya Perjalanan Sepeda Motor (rupiah)
CMP
=biaya Perjalanan Mobil Penumpang (rupiah)
Setelah didapatkan nilai proporsi untuk tiap moda di setiap zona
al dan tujuan, selanjutnya kalikan nilai proporsi tersebut dengan
nan Tid dari zona lalu lintas asal i ke zona lalu lintas tujuan d
aran perjalanan untuk masing masing zona lalu lintas lalu lintas,
atkanlah tiga matriks perjalanan berdasarkan moda perjalanan yang

lalu lintas as
jumlah perjala
dari tahap seb
sehingga didap
digunakan.

2.5.5 Pemilihan rute

Model Pemiliha rute yang digunakan tidak mempertimbangkan batasan kapasita
s dan sifat stokastik. Model hambatan dijelaskan pada persamaan 14.

Keterangan:
TQ
= Mwaktu tempuh pada kondisi arus lalu lintas = Q (jam);
TO
= waktu tempuh pada kondisi Q=0 (jam);
Q
= arus (smp/jam);
C
= kapasitas (smp/jam);
?
= indeks tingkat pelayanan = 0,3
Hubungan antara fungsi permintaan dan fungsi penyediaan untuk masing
g rute dijelaskan pada persamaan 15 .

masin

Keterangan:
T1Q, T2Q, T3Q, . . . . ., TXQ= waktu tempuh pada kondisi arus lalu lintas Q un
tuk rute 1, 2, 3 hingga rute x (x=banyaknya rute yang akan dipilih)
PA
= besarnya bangkitan perjalanan di kota A
AS
= besarnya tarikan perjalanan di kota B
QAB
= arus lalu lintas rata-rata (smp/jam) dari A ke
B
Metode penelitian untuk tahap awal diarahkan untuk meninjau faktor-faktor
yang berpengaruh terhadap tingkat keakurasian MAT yang dihasilkan dari informasi
arus lalulintas. Model kebutuhan akan transportasi yang digunakan dalam penelit
ian ini adalah model Gravity (GR). Sedangkan faktor-faktor pengaruh yang akan di
tinjau adalah sebagai berikut:
* Pengaruh metode estimasi untuk mengkalibrasi parameter model kebutuhan transpo

rtasi. Metode estimasi yang akan ditinjau adalah meliputi: KuadratTerkecil (KT),
Kemiripan-Maksimum (KM), Inferensi-Bayes (IB) dan Entropi-Maksimum (EM).
* Pengaruh metode pemilihan rute. Metode pemilihan rute yang akan ditinjau adala
h metode all-or-nothing dan metode pemilihan rute keseimbangan (equilibrium assi
gnment)
Proses kalibrasi untuk estimasi Matriks Asal-Tujuan dengan menggunakan dat
a arus lalulintas, jika digunakan model Gravity (GR)
3. Metoda Estimasi
Tamin [3, 4] telah mengembangkan beberapa tipe metoda estimasi yang dapat
digunakan sebagai berikut:
* Metoda Estimasi Kuadrat-Terkecil atau Kuadrat-Terkecil-Berbobot (KT atau KTB)
* Metoda Estimasi Kemiripan-Maksimum (KM)
* Metoda Estimasi Inferensi-Bayes (IB)
* Metoda Estimasi Entropi-Maksimum (EM)
3.1
KTB)

Metode Estimasi Kuadrat-Terkecil atau Kuadrat-terkecilberbobot (KT atau

Metode estimasi ini mencoba mengkalibrasi parameter model transportasi yan

tidak diketahui sehingga meminimumkan jumlah perbedaan kuadrat antara arus lalul
intas hasil estimasi dan hasil pengamatan. Secara matematis, masalahkalibrasi da
ri metode penaksiran Kuadrat-Terkecil dapat dinyatakan sebagai berikut dengan V
t= 1 untuk KT atau Vt = Vt untuk Kuadrat-Terkecil-Berbobot (KTB):
dimana: Vl = jumlah arus di ruas hasil estimasi; V
pengamatan.

= jumlah arus di ruas hasil

3.2 Metode Estimasi Kemungkinan-Maksimum (KM)

Tamin [3, 4] juga sudah membangun metode estimasi yang mencoba untuk memak
simumkan kemungkinan yang tercantum pada persamaan di bawah. Kerangka kerja dari
metode estimasi KM adalah berupa pemilihan hipotesis H yang memaksimumkan persa
maan di bawah dengan batasan tertentu, yang nantinya menghasilkan sebaran Vt yan
g paling sesuai dengan data hasil survey ( Vt ). Fungsi obyektif dari kerangka k
erja ini adalah:

dimana:

VT

= arus total lalu lintas hasil pengamatan

c = konstanta, dimana
3.3 Metode Estimasi Inferensi-Bayes (IB)
Tamin [4] menyebutkan, metode ini menggunakan suatu probabilitas subyektif
untuk mengukur tingkat kepercayaan tentang suatu keadaan.Pada metode ini, perti
mbangan subyektif berdasarkan intuisi, pengalaman atau informasi yang tidak lang
sung, secara sistematis digabungkan dengan data pengamatan untuk mendapatkan sua
tu taksiran yang seimbang. Fungsi obyektif dari metode estimasi Inferensi-Bayes
(IB) adalah :

3.4 Metode Estimasi Entropi-Maksimum (EM)

Menurut Tamin [4], metode estimasi entropi maksimum dikembangkan dari an
alogi fisika yaitu konsep tentang metode penyusunan mikro suatu system tertentu
misalnya molekul gas.Pada model sebaran pergerakan diasumsikan bahwa pergerakan
yang terjadi seperti molekul gas yang dapat bergerak bebas, sehingga menghasilka

n sebaran maksimum.Dalam hal model sebaran perjalanan, pergerakan yang terjadi d

apat dianggap sebagai molekul gas yang dapat bergerak bebas sehingga sebarannya
maksimum atau distribusinya merata.Hal tersebut merupakan konsep dasar dari peng
embangan metode estimasi entropi maksimum. Fungsi tujuan dari model estimasi ent
ropi maksimum adalah sebagai berikut:

4 Hasil Riset dan Pembahasan

Proses analisis dilakukan dengan meninjau faktor-faktor yang berpengaruh
terhadap peningkatan akurasi MAT yang dihasilkan dari data arus lalulintas.
4.1 Pengaruh Jenis Model Gravity (GR)
Jenis model gravity yang ditinjau dalam penelitian ini adalah model grav
itydengan batasan-bangkitan, batasan-tarikan dan batasan-bangkitan-tarikan. Mode
l batasan-bangkitan dihasilkan dengan menetapkan nilai Bd=1, untuk semua d untuk
menghilangkan batasan tarikan pergerakan (Dd). Selanjutnya dengan menetapkan ni
lai Ai = 1, untuk semua i untuk menghilangkan batasan bangkitan pergerakan (Oi),
maka model batasan-tarikan bisa dihasilkanSedangkan model GR dengan-batasan-ban
gkitan-tarikan dihasilkan dengan melakukan iterasi terhadap nilai Ai dan Bd Hasi
l estimasi parameter model kebutuhan transportasi yang dihasilkan untuk berbagai
jenis model GR adalah ditunjukkan pada Tabel 1. Proses tersebutdilakukan dengan
metode estimasi Kuadrat-Terkecil-Berbobot (KTB), fungsi hambatan eksponensial-n
egatif dan metode pemilihan rute keseimbangan (equilibrium assignment).
Tabel 1 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Model GR.
Dari Tabel 1 dapat dilihat bahwa dari ketiga jenis model GR (batasanbang
kitan, batasan-tarikan dan batasan-bangkitan-tarikan), model GR dengan batasan-b
angkitan-tarikan menghasilkan tingkat keakurasian yang paling baik dibandingkan
jenis model GR lainnya. Hal tersebut ditunjukkan berdasarkan nilai minimum dari
fungsi tujuan dari metode estimasi KTB, dimana jenis batasan-bangkitan-tarikan n
ilainya paling kecil.Setelah model batasan bangkitan-tarikan, urutan selanjutnya
adalah model batasan-bangkitan.Model ini kinerjanya lebih baik dibandingkan mod
el batasan-tarikan.
Dari hasil estimasi, penggunaan nilai awal yang berbeda pada proses iter
asi akan selalu menghasilkan nilai estimasi yang relatif sama. Kalaupun terjadi
perbedaan, perbedaan tersebut nilainya sangat kecil sehingga dapat diabaikan. Da
ri sini dapat disimpulkan bahwa metode estimasi tersebut selalu menghasilkan sat
u solusi tunggal yang sama nilainya (a unique solution).
Perbedaan yang terjadi hanya pada cepat atau lambatnya konvergensi tercapai. Sec
ara umum dapat dikatakan bahwa semakin jauh nilai awal dari nilai yang dituju, a
kan semakin lama waktu yang dibutuhkan untuk mencapai konvergensi. Hasil uji sta
tistik untuk tiap-tiap jenis model GR adalah seperti ditunjukkan pada Tabel 2 un
tuk tingkat MAT.
Tabel 2 Indikator uji statistik untuk masing-masing model GR dengan menggunakan
metode estimasi Kuadrat-Terkecil untuk tingkat MAT.
Dari Tabel 2, dapat dilihat bahwa ditinjau dari indikator uji statistik un
tuk tingkat MAT, model GR dengan batasan-bangkitan-tarikan (DCGR) memberikan tin
gkat kinerja yang terbaik.
4.2 Pengaruh Fungsi Hambatan
Salah satu parameter penting dalam menentukan MAT adalah fungsi hambatan a
tau f(Cid). Hal yang terpenting untuk diketahui adalah f(Cid) harus dianggap seb

agai ukuran aksesibilitas (kemudahan) antara zona i dengan zona d. Hyman [5] men
yarankan tiga jenis fungsi hambatan yang dapat digunakan dalam model GR, yaitu f
ungsi eksponensial-negatif, fungsi pangkat, fungsi Tanner (gabungan fungsi ekspo
nensial-negatif dan fungsi pangkat).
Tabel 3 Hasil estimasi parameter model transportasi menurut jenis fungsi hambata
n.
Hasil estimasi parameter model kebutuhan transportasi yang dihasilkan untu
k berbagai jenis fungsi hambatan adalah ditunjukkan pada Tabel 3. Proses tersebu
t dilakukan dengan metode estimasi Kuadrat-Terkecil-Berbobot (KTB), jenis model
batasan-bangkitan-tarikan dan metode pemilihan rute keseimbangan (equilibrium as
signment).
Tabel 4 Indikator uji statistik untuk masing-masing fungsi hambatan untuk tingka
t MAT.
Dari Tabel 3 dapat dilihat bahwa hasil perbandingan antara tiap jenis fung
si ambatan menunjukkan bahwa fungsi hambatan Tanner memberikan tingkat kinerja y
ang terbaik.Hal tersebut ditunjukkan berdasarkan nilai minimum dari fungsi tujua
n dari metode estimasi KTB.Setelah fungsi Tanner, urutan terbaik selanjutnya ada
lah fungsi pangkat.Fungsi ini kinerjanya lebih baik dibandingkan dengan fungsi e
ksponensial-negatif.
Jika dikombinasikan dengan jenis model GR seperti telah dibahas sebelumnya
, maka kinerja terbaik ditunjukkan oleh jenis model GR batasan-bangkitantarikan
(DCGR) dengan fungsi hambatan Tanner. Hasil uji statistik untuk tiap-tiap jenis
fungsi hambatan adalah seperti ditunjukkan pada Tabel 4. Dari Tabel 4, dapat dil
ihat bahwa ditinjau dari indikator uji statistik, maka model GR dengan fungsi Ta
nner yang dikombinasikan dengan model batasanbangkitan-tarikan memberikan tingka
t kinerja yang terbaik.
4.3 Pengaruh Metode Estimasi
Banyak penelitian telah dilakukan terhadap aplikasi dari berbagai metodees
timasi parameter untuk membangun suatu MAT dengan berbagai modelsebaran pergerak
an. Dalam penelitian ini, model sebaran pergerakan yang digunakan adalah model G
R. Parameter yang akan diestimasi adalah parameter ?. Selanjutnya akan dikembang
kan aplikasi metode estimasi Kuadrat Terkecil(KT), Kuadrat Terkecil berbobot (KT
B), Kemiripan Maksimum (KM), InferensiBayes (IB) dan Entropi Maksimum (EM) untuk
memperoleh parameter ? padamodel GR berdasarkan data arus lalulintas pada ruas
jalan.
Metode estimasi KT dan KTB memiliki karakteristik yang serupa, demikianjug
a antara metode estimasi KM dan IB. Hal ini dapat disebabkan karenapendekatan ya
ng dilakukan dalam metode estimasi KT sama dengan KTB, yaitumengkalibrasi parame
ter yang tidak diketahui dengan meminimumkan deviasiantara arus lalulintas penga
matan dengan arus lalu-lintas hasil estimasi.Sedangkan pendekatan untuk mengkali
brasi parameter yang dilakukan dalammetode estimasi IB mirip dengan KM, yaitu di
dasari dengan memaksimumkankemiripan antara data pengamatan dengan hasil estimas
inya.Kedua metodetersebut mengasumsikan pergerakan yang terjadi mengikuti distri
busi poisson.Metode estimasi EM menghasilkan pola yang berbeda karena pendekatan
yangdilakukan adalah dengan mencari peluang yang paling maksimum yang terjadi d
alam sebaran pergerakan. Penyelesaian dari metode-metode tersebut akandilakukan
dengan menggunakan Newton-Raphson yang dikombinasikan denganmetode eliminasi mat
riks Gauss-Jordan.
Hasil estimasi parameter model kebutuhan transportasi yang dihasilkan untu
k berbagai jenis metode estimasi adalah ditunjukkan pada Tabel 5. Proses tersebu
t dilakukan dengan model GR dengan batasan-bangkitan-tarikan, fungsi hambatan ek
sponensial-negatif dan metode pemilihan rute keseimbangan (equilibrium assignmen
t). Model batasan-bangkitan-tarikan dipilih karena berdasarkan hasil simulasi pa
da bagian sebelumnya, menunjukkan kinerja yang terbaik jika dibandingkan dengan

model batasan-bangkitan maupun batasan-tarikan.

Tabel 5 Hasil estimasi parameter model transportasi menurut jenis metode estimas
i pada kondisi model GR Batasan-Bangkitan-Tarikan dan pemilihan rute keseimbanga
n.
Dari Tabel 5 dapat dilihat bahwa masing-masing metode estimasi menghasilka
n parameter ? yang nilainya hampir sama antara satu metode dengan metode yang la
innya. Untuk menentukan tingkat kinerja tidak bisa menggunakan parameter nilai f
ungsi tujuan, karena metode mencari fungsi tujuan berbeda antara satu metode den
gan metode lainnya.Sehingga penentuan tingkat kinerja didasarkan pada perbanding
an nilai uji statistik untuk masing-masing metode estimasi.Indikator uji statist
ik dimaksudkan untuk membandingkan kinerja masingmasing metode estimasi ditinjau
dari indicator statistik yang dihasilkan. Pengujian ini dilakukan dengan memban
dingkan MAT hasil estimasi dengan MAT hasil observasi. Hasil uji statistik untuk
tiap-tiap jenis metode estimasi untuk adalah seperti ditunjukkan pada Tabel 6.
Tabel 6 Indikator uji statistik untuk masing-masing metode estimasi dengan
menggunakan model GR Batasan-Bangkitan-Tarikan untuk tingkat MAT.
Dari Tabel 6, terlihat bahwa ditinjau dari indikator uji statistik, maka m
etode estimasi yang mempunyai kinerja yang terbaik adalah metode estimasi KTB. S
etelah itu, yang mempunyai tingkat keakurasian yang cukup tinggi juga adalah met
ode estimasi KM. Meskipun demikian perbedaan antara satu metode estimasi dengan
metode estimasi lainnya sangat kecil. Hal itu terbukti ketika digunakan fungsi h
ambatan eksponensial-negatif, metode estimasi apapun yang digunakan, selalu meng
hasilkan koefisien determinasi (R2) yang relatif sama, yaitu antara 0,75 dan 0,7
6. Sehingga dapat disimpulkan bahwa semua metode menghasilkan tingkat akurasi ya
ng relatif sama. Berdasarkan faktor-faktor pengaruh yang telah disebutkan sebelu
mnya, kombinasi yang terbaik dalam melakukan estimasi parameter model kebutuhan
transportasi adalah menggunakan: model batasan-bangkitan-tarikan, fungsi hambata
n Tanner dan metode estimasi KTB. Dalam hal ini metode pemilihan rute yang digun
akan adalah pemilihan rute keseimbangan (equilibrium assignment). Pada bagian se
lanjutnya akan ditinjau pengaruh metode pemilihan rute all-or-nothing.
4.4 Pengaruh Metode Pemilihan Rute
Asumsi dasar yang digunakan pada pengembangan model estimasi MAT dengan me
nggunakan data arus lalulintas adalah bahwa pergerakan arus lalulintas dari suat
u zona ke zona lainnya pada dasarnya dapat direpresentasikanpada besarnya arus l
alulintas pada suatu ruas jalan yang sangat tergantung padabesarnya proporsi per
gerakan yang terjadi antara kedua zona tersebut yangmenggunakan ruas tersebut se
bagai bagian dari rute terbaiknya. Besarnyaproporsi pergerakan tersebut sangat t
ergantung pada jenis model pemilihan ruteyang digunakan. Untuk penelitian disert
asi ini, jenis pemilihan rute yangditinjau adalah pemilihan rute all-or-nothing
dan pemilihan rute keseimbangan.
Tabel 7 Hasil estimasi parameter model transportasi menurut jenis pemilihan rute
.
Hasil estimasi parameter model kebutuhan transportasi yang dihasilkan pada
kondisi pemilihan rute keseimbangan (equilibrium assignment) dan pemilihan rute
all-or-nothing untuk berbagai jenis metode estimasi adalah ditunjukkan pada Tab
el 7. Proses tersebut dilakukan dengan model GR dengan batasan- bangkitan-tarika
n, fungsi hambatan eksponensial-negatif serta metode estimasi KTB.
Dari Tabel 7 dapat dilihat bahwa jika dibandingkan dari nilai fungsi tujua

n, maka penggunaan metode pemilihan rute keseimbangan jauh lebih baik dari pada
penggunaan metode pemilihan rute all-or-nothing.
Tabel 8 Indikator uji statistik untuk masing-masing metode pemilihan rute.
Untuk menentukan tingkat keakurasian pada metode pemilihan rute keseimbang
an dan all-or-nothing akan didasarkan pada perbandingan nilai uji statistik untu
k masing-masing metode pemilihan rute tersebut. Hasil uji statistic pada kondisi
pemilihan rute keseimbangan dan all-or-nothing adalah seperti ditunjukkan pada
Tabel 8.
Dari Tabel 8 dapat dilihat bahwa jika dilakukan perbandingan antara penggu
naan pemilihan rute keseimbangan dan pemilihan rute all-or-nothing, maka dari ha
sil uji statistik untuk tingkat arus maupun tingkat MAT, pemilihan rute keseimba
ngan menghasilkan kinerja yang lebih baik dalam melakukan estimasi parameter mod
el kebutuhan transportasi. Hal tersebut bisa dilihat dari nilai koefisien determ
inasi (R2). Dari sisi MAT, nilai R2 yang dihasilkan dari pemilihan rute keseimba
ngan adalah sebesar 0,75 sedangkan jika digunakan metode all-or-nothing, R2 yang
dihasilkan adalah sebesar 0,51. Sehingga dapat diambil kesimpulan bahwa penggun
aan metode pemilihan rute keseimbangan mempunyai pengaruh yang signifikan terhad
ap keakurasian estimasi parameter model kebutuhan transportasi. Hal tersebut ber
laku untuk model GR maupun GO.
Berdasarkan faktor-faktor pengaruh yang telah disebutkan sebelumnya, kombi
nasi yang terbaik dalam melakukan estimasi parameter model kebutuhan transportas
i adalah menggunakan: model batasan-bangkitan-tarikan, fungsi hambatan Tanner, m
etode estimasi KTB dan pemilihan rute keseimbangan. Secara grafis, persamaan reg
resi yang menghubungkan antara volume lalulintas Vt hasil pengamatan (Vt ) dan v
olume lalulintas hasil estimasi ( ) untuk masing-masing metode pemilihan rute ad
alah seperti ditunjukkan pada Gambar 3-4.
Gambar 3
Hubungan MAT hasil pengamatan dan hasil estimasi (Metode Pemilih
an Rute Keseimbangan).
Gambar 4
Hubungan MAT Hasil Pengamatan dan Hasil Estimasi (Metode Pemilih
an Rute All-Or-Nothing).
Dari Gambar 3-4 dapat dilihat bahwa penggunaan metode pemilihan rute kesei
mbangan mempunyai pengaruh yang sangat signifikan dalam meningkatkan tingkat kea
kurasian dalam estimasi parameter model kebutuhan transportasi.