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
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.
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)
dimana:
VT
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 :
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
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.